DE102019003125A1 - Verfahren zum Ermitteln von Ampelschaltzeiten - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zum Ermitteln von Ampelschaltzeiten, wobei mittels Fahrzeugkameras (2) ein jeweiliger Ampelstatus einer jeweiligen Ampel (3) erfasst und an ein fahrzeugexternes Backend (4) übertragen wird.Erfindungsgemäß werden die erfassten Ampelstatus der jeweiligen Ampel (3) im Backend (4) für ein Training eines statistischen Modells verwendet, das tageszeitabhängig ein Parameter-Tupel aus Umlaufzeit (CT) und Gründauer (GT) schätzt.

Description

• Die Erfindung betrifft ein Verfahren zum Ermitteln von Ampelschaltzeiten nach den Merkmalen des Oberbegriffs des Anspruchs 1.
• Aus dem Stand der Technik ist, wie in der WO 2014/154614 A1 beschrieben, ein Backend für Fahrerassistenzsysteme bekannt. Eine Backendeinrichtung zum Bereitstellen von Informationen für Fahrerassistenzfunktionen von Fahrzeugen weist eine Mehrzahl von Applikationseinheiten, eine Datenbank und eine Schnittstelleneinheit auf. Die Applikationseinheiten sind jeweils eingerichtet, Informationen für zumindest eine Fahrerassistenzfunktion des Fahrzeuges zur Übertragung an die Fahrzeuge bereitzustellen. Die Datenbank speichert Informationen eines Umfeldmodells. Die Schnittstelleneinheit ist der Datenbank zugeordnet und ist eingerichtet, einen Zugriff auf in der Datenbank gespeicherte Informationen zu ermöglichen, wobei die Applikationseinheiten jeweils mit der Schnittstelleneinheit verbunden sind, um über die Schnittstelleneinheit in der Datenbank gespeicherte Informationen abzurufen.
• Der Erfindung liegt die Aufgabe zu Grunde, ein gegenüber dem Stand der Technik verbessertes Verfahren zum Ermitteln von Ampelschaltzeiten anzugeben.
• Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zum Ermitteln von Ampelschaltzeiten mit den Merkmalen des Anspruchs 1.
• Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
• In einem Verfahren zum Ermitteln von Ampelschaltzeiten wird mittels Fahrzeugkameras und/oder mittels anderer dafür geeigneter Fahrzeugsensoren, insbesondere von mehreren Fahrzeugen, ein jeweiliger Ampelstatus einer jeweiligen Ampel, auch als Lichtzeichenanlage oder Lichtsignalanlage bezeichnet, erfasst und an ein fahrzeugexternes Backend, d. h. insbesondere an eine fahrzeugexterne Servereinrichtung, übertragen. Als Ampelstatus wird dabei ein jeweiliger Schaltzustand der Ampel verstanden.
• Dabei werden die erfassten Ampelstatus der jeweiligen Ampel im Backend für ein Training eines statistischen Modells verwendet, das tageszeitabhängig ein Parameter-Tupel aus Umlaufzeit und Gründauer und somit die Ampelschaltzeiten schätzt. Unter Gründauer wird eine Zeitdauer einer Anzeige eines Freigabesignals verstanden, welches üblicherweise in Form eines grünen Lichts angezeigt wird, während ein Haltesignal üblicherweise als ein rotes Licht angezeigt wird. Unter Umlaufzeit wird die Zeit zwischen zwei aufeinander folgenden Grünanzeigen verstanden.
• Das Verfahren, insbesondere das Training des statistischen Modells, basiert insbesondere auf dem Dictionary learning und reinforcement learning.
• Eine Lösung ist möglich mittels eines Crowd-Sourcing-Verfahrens zum Lernen von Ampelschaltzeiten unter Benutzung einer kamerabasierten Ampeldetektion. Auf Basis dieser Daten kann beispielsweise eine Restlaufzeit einer Rotphase, d. h. des als rotes Licht angezeigten Haltesignals, für die im Backend hinterlegten Ampeln in Form eines Countdown-Zählers einem jeweiligen Fahrzeugführer mitgeteilt und/oder für eine verbesserte Routenberechnung eines Navigationssystems herangezogen werden.
• Aus dem Stand der Technik ist eine Übertragung von Ampelschaltzeiten von Infrastruktureinrichtungen an Fahrzeuge über Funk (C2X) oder zwischen Fahrzeugen (C2C) bereits bekannt. Jedoch setzt insbesondere die C2X-Kommunikation eine entsprechende Verbindung zwischen einem Verkehrsleitrechner und den mit ihm verbundenen Ampeln und dem Backend voraus. Diese Verkehrsleitrechner stehen zumeist in Ballungsräumen und ihre Abdeckungsbereiche sind dadurch oft lokal eng begrenzt. Bei einzelnen Ampeln, die nicht zentral gesteuert werden, existiert diese Möglichkeit somit nicht. Der Schaltzustand dieser Ampeln steht damit auf dem Backend nicht zur Verfügung.
• Fahrzeuge verfügen zunehmend über Assistenzsysteme und die hierfür notwendigen Sensoren, insbesondere Kameras, die die Detektion des aktuellen Ampelstatus ermöglichen. Bei dem erfindungsgemäßen Verfahren wird der erkannte Ampelstatus an das Backend gesendet und dort statistisch ausgewertet, so dass Ampelschaltzeiten vorhergesagt werden können. Dadurch können die oben beschriebenen Nachteile vermieden werden, da kein Zugriff auf einen Verkehrsleitrechner erforderlich ist und keine Informationen von den Ampeln über den Verkehrsleitrechner übermittelt werden müssen, sondern die Ampelstatus der Ampeln werden von Fahrzeugen erfasst und im Backend auf die beschriebene Weise ausgewertet, wodurch auch von Ampeln, die nicht mit einem zentralen Verkehrsleitrechner verbunden sind, die Ampelschaltzeiten ermittelt werden können.
• Ein Verfahren zum Ermitteln von Ampelschaltzeiten vermeidet eine Abhängigkeit von Content-Providern, beispielsweise von Verkehrsleitrechnern oder von Anbietern solcher Informationen, und ist daher insbesondere kostengünstiger. Zudem besteht keine Abhängigkeit von Betreibern einer sendenden Infrastruktur, beispielsweise von Städten. Dies ist besonders vorteilhaft, da ein Ausbau dieser sendenden Infrastruktur nur langsam voranschreitet und zudem diversifizierte Übertragungsprotokolle einen flächendeckenden Einsatz von verkehrsleitrechnerbasierten Verfahren erschweren.
• Bei einer Ausführungsform des Verfahrens wird mindestens ein initiales erstes Schätzintervall bestimmt. Ein Schätzintervall umfasst ein Zeitintervall, das Teil eines Ampelzyklus ist. Ein Ampelzyklus ist eine periodisch wiederholte Abfolge von Konfigurationszuständen einer Ampel.
• Für das mindestens eine erste Schätzintervall wird das oben beschriebene Verfahren zur Ermittlung des Parameter-Tupels durchgeführt. Zudem werden für mindestens einen Parameter des Parameter-Tupels, vorzugsweise für die Umlaufzeit, eine Zuverlässigkeit und ein Prädiktionsfehler bestimmt. Die Zuverlässigkeit gibt die Wahrscheinlichkeit an, mit der der bestimmte Parameter mit dem tatsächlichen Parameter, mit welchem die Ampel konfiguriert wurde, übereinstimmt. Der Prädiktionsfehler gibt eine Abweichung zwischen den mittels einer Stichprobe tatsächlich gemessenen Parameterrealisierungen und dem ermittelten Schätzwert des Parameters an.
• Das erste Schätzintervall wird dann in ein zweites und drittes Schätzintervall aufgeteilt, wenn die Zuverlässigkeit unterhalb einer vorbestimmten Mindestzuverlässigkeit und/oder der Prädiktionsfehler oberhalb eines vorbestimmten maximal zulässigen Fehlers liegt, und wenn zudem die Länge des ersten Schätzintervalls eine vorbestimmte Mindestintervalllänge überschreitet.
• Das zweite und dritte Schätzintervall werden so gebildet, dass sie gemeinsam das erste Schätzintervall mindestens vollständig überdecken. Vorzugsweise werden das zweite und dritte Schätzintervall durch mittige Teilung des ersten Schätzintervalls gebildet.
• Wenn ein zweites und drittes Schätzintervall durch Teilung gebildet wurden, werden die für das erste Schätzintervall ermittelten Parameter verworfen und wird das Verfahren rekursiv für dieses zweite und dritte Schätzintervall wiederholt.
• Vorzugsweise überdeckt das initiale erste Schätzintervall den kompletten Ampelzyklus.
• Ein Vorteil besteht darin, dass diese Ausführungsform des Verfahrens dann schneller konvergiert, wenn eine Ampel über größere Zeitintervalle eines Ampelzyklus gleich konfiguriert und parametrisiert ist. Beispielsweise konvergiert das Verfahren für im Vergleich zum Ampelzyklus große, beispielsweise mehr als ein Viertel eines Ampelzyklus überdeckende Zeitintervalle, während derer die Umlaufzeit und die Gründauer verkehrsunabhängig konstant geschaltet werden, besonders schnell.
• Zudem kann mit dieser Ausführung des Verfahrens Speicherplatz gespart werden, da im Vergleich zu einer Ausführungsform mit gleich großen und äquidistant angeordneten Schätzintervallen im Allgemeinen eine geringere Anzahl von Schätzintervallen, und somit eine geringere Anzahl von Parameter-Tupeln, zu erfassen ist.
• Ausführungsbeispiele der Erfindung werden im Folgenden anhand von Zeichnungen näher erläutert.
• Dabei zeigen:
• 1 schematisch ein Fahrzeug, welches mittels einer Fahrzeugkamera einen Ampelstatus erfasst und an ein Backend übermittelt,
• 2 schematisch eine Darstellung eines Ampelstatusverlaufs,
• 3 schematisch den Ablaufplan für ein iteratives Verfahren zum Ermitteln von Zeitparametern für Schätzintervalle aus einem Ampelzyklus sowie
• 4 schematisch iterativ ermittelte Schätzintervalle.
• Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
• 1 zeigt beispielhaft ein Fahrzeug 1, welches eine Fahrzeugkamera 2 aufweist und sich an einer Ampel 3 vorbeibewegt. In einem Verfahren zum Ermitteln von Ampelschaltzeiten wird mittels solcher Fahrzeugkameras 2 und/oder mittels anderer dafür geeigneter Fahrzeugsensoren, insbesondere von mehreren Fahrzeugen 1, ein jeweiliger Ampelstatus einer jeweiligen Ampel 3, auch als Lichtzeichenanlage oder Lichtsignalanlage bezeichnet, erfasst und an ein fahrzeugexternes Backend 4, d. h. insbesondere an eine fahrzeugexterne Servereinrichtung, übertragen. Als Ampelstatus wird dabei ein jeweiliger Schaltzustand der Ampel 3 verstanden.
• Die erfassten Ampelstatus der jeweiligen Ampel 3 werden im Backend 4 für ein Training eines statistischen Modells verwendet, das tageszeitabhängig ein Parameter-Tupel aus Umlaufzeit CT und Gründauer GT schätzt. Unter Gründauer GT wird eine Zeitdauer einer Anzeige eines Freigabesignals verstanden, welches üblicherweise in Form eines grünen Lichts angezeigt wird, im Folgenden als Grün G bezeichnet, während ein Haltesignal üblicherweise als ein rotes Licht angezeigt wird, im Folgenden als Rot R bezeichnet. Unter Umlaufzeit CT wird die Zeit t zwischen zwei aufeinander folgenden Grünanzeigen verstanden.
• Im Folgenden wird ein Verfahrensalgorithmus eines Verfahrens zur Abschätzung für die Umlaufzeit CT und die Gründauer GT für jedes Zeitintervall näher beschrieben, insbesondere werden die diesem zugrunde liegenden Ideen näher beschrieben.
• Zunächst wird ein Tag in äquidistante Zeitintervalle eingeteilt. Die verwendeten Methoden, um eine Schätzung für das Parameter-Tupel Umlaufzeit CT und Gründauer GT zu erhalten, unterscheiden sich. Aufgrund der Verwendung einer direkten Erkennung des Ampelstatus mittels Fahrzeugkamera 2 kann der genaue Zeitpunkt des Wechsels von Rot R zu Grün G zur Abschätzung der Umlaufzeit CT verwendet werden. Das Problem des Aliasing, welches typischerweise im Kontext von unterabgetasteten Daten auftritt, muss berücksichtigt werden. Eine einfache Methode, dieses Problem zu lösen, wird noch erläutert.
• Im Vergleich zur Anzahl der Wechsel von Rot R zu Grün G sind die erfassten Wechsel von Grün G zu Rot R erheblich seltener. Daher musste ein anderer Ansatz zur Berechnung der Gründauer GT entwickelt werden. Hierzu wurden die Grundideen des dictionary learning und reinforcement learning verwendet. Ein Satz von Basisfunktionen Φ, das so genannte Wörterbuch D, wurde konstruiert, wobei die Kombinationen aus einem niedrigen Prozentsatz dieser Basisfunktionen Φ in der Lage sind, eine gesuchte Funktion f zu rekonstruieren. Eine verwendete prototypische Basisfunktion Φ für eine gegebene Umlaufzeit CT und Gründauer GT wird in 2 gezeigt. Basisfunktionen Φ werden getestet gegen Messpunkte und die korrespondierenden Fehler werden berechnet. Diese Fehler bestimmen, ob die zu einer Basisfunktion Φ korrespondierende Bewertung (Score) erhöht oder reduziert ist. Basisfunktionen Φ mit einer hohen Bewertung waren in der Lage, Messungen in der Vergangenheit besser zu erklären als solche mit einer niedrigeren Bewertung. Die Bewertungen können als eine Art Wahrscheinlichkeitsschätzer interpretiert werden.
• Im Folgenden wird ein Rekonstruktionsalgorithmus näher beschrieben. Wenn nicht explizit erwähnt, sind die folgenden Berechnungen nur in den Zeitintervallen durchgeführt worden, für welche Ampeldetektionsdaten für das Verfahren verwendet wurden. Der Satz von betroffenen Zeitintervallen wird bezeichnet mit I = (i₁, i₂, ...). Die betroffenen Indizes werden durch den Bereich vom ersten und letzten Eintrag einer Pufferdatenbank DB_tmp angegeben, was später erläutert wird.
• Im Folgenden wird dieser Rekonstruktionsalgorithmus mit den Rekonstruktionsschritten A bis J näher erläutert.
• Rekonstruktionsschritt A: Initialisieren:
• In diesem Unterprogramm, d. h in diesem Rekonstruktionsschritt A, wird jeder Vektor oder Satz initialisiert. Eine Zusammenfassung der wichtigsten Variablen und Parameter kann folgender Tabelle 1 entnommen werden:

  Variable / Parameter	Explanation
  $$K=\frac{24}{\text{grid width}}$$	amount of time intervals
  $$\overrightarrow{CT}\subset {\mathbb{N}}^{\text{\#}\overrightarrow{CT}}$$	cycle time candidates
  D	dictionary of all basis functions
  β, γ, θ ∈ ℝ+	Static parameters
  D Btmp = Ø	empty buffer database containing timestamps t and corresponding traffic ligt states y
  I = Ø	indexes of intervals affected by iteration
  $$\overrightarrow{lb}\subset {\mathbb{N}}^{K\times 2},\overrightarrow{lb}=\overrightarrow{0}$$	bounds for phase length
  $$\overrightarrow{g}\subset {ℝ}_{+}^K,\overrightarrow{g}=\overrightarrow{0}$$	vector of weights
  $$\widehat{CT}\subset {\left[\mathrm{0,1}\right]}_{ℝ}^{K\times +\text{\#}\overrightarrow{CT}},\widehat{CT}=\overrightarrow{0}$$	cycle time estimation matrix
  $$\widehat{GT}={\cancel{0}}^K$$	K-dimensional empty sets for saving subsets of dictionary functions inclusive scores
  $$\overrightarrow{CT}\subset {\mathbb{N}}^K$$	estimated cycle times
  $$\overrightarrow{GT}\subset {\mathbb{N}}^K$$	estimated green phase length

• Begriffsübersetzung der Begriffe aus Tabelle 1:
• Amount of time interval -> Menge der Zeitintervalle;
• cycle time candidates -> Umlaufzeitkandidaten;
• dictionary of all basis functions -> Wörterbuch aller Basisfunktionen;
• Static parameters -> statische Parameter;
• empty buffer database containing timestamps t and corresponding traffic light states y -> leere Pufferdatenbank, die Zeitstempel t und entsprechende Ampelstatus y enthält; indexes of intervals affected by iteration -> Indexe der von Iteration betroffenen Zeitintervalle;
• bounds for phase length -> Grenzen für die Phasenlänge;
• vector of weights -> Vektor von Gewichten;
• cycle time estimation matrix -> Umlaufzeitschätzungsmatrix;
• K-dimensional empty sets for saving subsets of dictionary functions inclusive scores -> K-dimensionale leere Sätze zum Speichern von Teilsätzen von Wörterbuchfunktionen einschließlich Bewertungen;
• estimated cycle times -> geschätzte Umlaufzeiten;
• estimated green phase length -> geschätzte Gründauer;
• Rekonstruktionsschritt B: Initialisieren: Eingangsdaten vorverarbeiten:
• Vorausgesetzt, dass nur die Zeiten t der Ampelstatusänderungen an die Zentraleinheit, d. h. an das Backend 4, gesendet werden, muss das ursprüngliche kontinuierliche Signal wiederhergestellt werden. Außerdem muss eine Fusion von Daten der Ampelstatuserkennung derselben Ampel 3 von verschiedenen Quellen erfolgen. Eine anspruchsvolle Aufgabe dieses Verfahrens ist es, Messungen von Ampeln 3 ihren korrespondierenden Gegenstücken auf der zentralen Verarbeitungseinheit, d. h. auf dem Backend 4, zuzuordnen.
• Rekonstruktionsschritt C: Berechnung des a-priori-Wissens:
• Im ersten Schritt sollte eine untere Grenze ${\overrightarrow{lb}}_{\text{i}}$

  

  für eine Rotdauer, bezeichnet mit ${\overrightarrow{lb}}_{\text{i}\text{,red}},$

  

  und für die Gründauer GT, bezeichnet mit ${\overrightarrow{lb}}_{\text{i}\text{,green}},$

  

  berechnet bzw. aktualisiert werden. Addieren dieser zwei Grenzen ermöglicht die Berechnung einer Grenze für die Umlaufzeit CT. Beispielsweise wird das 80%-Perzentil Gründauer GT und Rotdauer als Grenzen verwendet. Die Berechnung der Perzentile wird durchgeführt durch Aktualisierung eines Histogramms von beobachteten Gründauern GT und Rotdauern. So erhält man eine Untergrenze für die Umlaufzeit $\overrightarrow{CT}$

  

  und die Gründauer $\overrightarrow{GT}$

  

  in jedem Zeitintervall. Die Qualität dieser Grenzen hängt von der Menge von Messdaten ab, die innerhalb jedes Zeitintervalls gewonnen werden. Die Grenzen werden zur Filterung unmöglicher Parameter-Tupel verwendet.
• Rekonstruktionsschritt D: Pufferung von Eingabedaten:
• Nach der Verbesserung der a-priori-Kenntnisse werden die rohen Ampelerkennungsdaten temporär in einer Datenbank, d. h. Pufferdatenbank DB_tmp, bezeichnet mit DB_tmp, gepuffert, d. h. zwischengespeichert. Nachdem M ∈ ℕ_≥3 Wechsel von Rot R nach Grün G in der Pufferdatenbank DB_tmp gesammelt wurden, werden alle Ampelerkennungsdaten, die zwischen diesen M Wechseln liegen, für weitere Berechnungen übergeben. Die Pufferdatenbank DB_tmp ist die einzige Unterroutine, die rohe Ampelerkennungsdaten speichert.
• Rekonstruktionsschritt E: Schätzen der Umlaufzeitwahrscheinlichkeit:
• Zuerst wird die Wahrscheinlichkeit berechnet, dass x die korrekte Umlaufzeit CT ist. M Wechsel von Rot R nach Grün G, bezeichnet mit ${\overrightarrow{S}}_{\text{rg}}\subseteq {\mathbb{N}}^M$

  

  werden aus der Pufferdatenbank DB_tmp extrahiert. Des Weiteren ist $$\overrightarrow{\Delta }=\left\{\left|{\left({\overrightarrow{S}}_{rg}\right)}_k-{\left({\overrightarrow{S}}_{rg}\right)}_j\right||1\le j<k\le M\right\}\subseteq {\mathbb{N}}^N$$

  

  mit $N=\frac{M^2-M}{2}\text{ und }\varphi :{ℝ}_{+}\to {\left[\mathrm{0,1}\right]}_{ℝ}$

  

  ist eine Gewichtsfunktion. Der Schätzer für die oben erwähnte Wahrscheinlichkeit ist definiert als $$\widehat{P}*\left(x|\overrightarrow{\Delta }\right)=\frac{1}{N}{\displaystyle \sum _{p=1}^N\mathrm{\Phi }\left\{\left|x\left[\frac{\overrightarrow{\Delta }p}{x}\right]-\overrightarrow{\Delta }p\right|\right\}}$$

  

  für alle $x\in \overrightarrow{CT}.\varphi$

  

  wird verwendet, um einen Schätzungsfehler zu bewerten. Es wird eine upside down and scaled logistic function verwendet. Formel (1) kann interpretiert werden als skalierter mittlerer Fehler, wenn Umlaufzeitkandidat $x\in \overrightarrow{CT}$

  

  verwendet wird.
• Unter Verwendung der zuvor gewonnenen unteren Grenzen kann man die Qualität des Schätzers (1) mit der Formel (2) verbessern $$\widehat{P}\left(x|\mathrm{\Delta }\right)=\{\begin{array}{c}\widehat{P}*\left(x|\mathrm{\Delta }\right),wenn\widehat{P}*\left(x|\mathrm{\Delta }\right)\ge \alpha \\ \mathrm{0,}sonst\end{array}$$

  

  für alle $x\in \overrightarrow{CT}\text{ und }\alpha =min\left({\overrightarrow{lb}}_{I,green}\right)+min\left({\overrightarrow{lb}}_{I,red}\right).$

  
• Unter Verwendung von Formel 2 kann eine Schätzung der Wahrscheinlichkeit für die Umlaufzeit CT im Rahmen des aktuellen Iterationsschritts berechnet werden. Es sind k ∈ I die Indexe der betroffenen Zeitintervalle.
• Durch Verwendung der folgenden Aktualisierungsregel für alle k ∈ I $${\widehat{CT}}_k\leftarrow \frac{{\overrightarrow{g}}_k{\widehat{CT}}_k+g*\widehat{P}\left(\overrightarrow{CT}|\overrightarrow{\Delta }\right)}{{\overrightarrow{g}}_k+g*}$$

  

  $${\overrightarrow{g}}_k\leftarrow {\overrightarrow{g}}_k+g*$$

  

  mit $g*=\frac{1}{max\left(\overrightarrow{\Delta }\right)}$

  

  kann man $\widehat{CT}$

  

  iterativ aktualisieren. Formel (4) beschreibt den Prozess eines iterativ berechneten gewichteten Mittels, wobei das Gewicht g* kleiner wird, je größer die Zeitlücke zwischen Elementen von ${\overrightarrow{S}}_{rg}$

  

  ist. Diese Art der Gewichtung wird aufgrund der Tatsache verwendet, dass, wenn Messpunkte weit auseinander liegen, die Wahrscheinlichkeit höher ist, dass dazwischen eine Störung auftritt, als wenn sie näher beieinander liegen.
• Rekonstruktionsschritt F: Aktualisieren der Bewertungen der Basisfunktionen Φ:
• Nachdem die Umlaufzeitschätzung aktualisiert wurde, wird nun der Fokus auf die Aktualisierung der Bewertung der Basisfunktionen ϕ gelegt, um eine genauere Kenntnis der Gründauer GT zu erhalten. Im Gegensatz zu den obigen Berechnungen werden nicht nur die Wechsel von Rot R zu Grün G für weitere Berechnungsschritte genutzt, sondern alle Daten, die in der Pufferdatenbank DB_tmp gespeichert sind. Die Aktualisierung der Bewertung einer Basisfunktion Φ wird durchgeführt, indem Fehler durch die Benutzung dieser Basisfunktion Φ mit den Daten in der Pufferdatenbank DB_tmp bewertet werden. Aufgrund der möglichen großen Größe des Wörterbuchs D kann das Testen aller vordefinierten Wörterbuchfunktionen gegen Messpunkte rechnerisch aufwändig sein. Deshalb werden in erster Linie alle Basisfunktionen Φ, die in ${\widehat{GT}}_I$

  

  gespeichert sind, ausgewertet und ihre entsprechenden Bewertungen werden aktualisiert. Nur wenn das Ergebnis aller in ${\widehat{GT}}_I$

  

  gespeicherten Funktionen verringert ist, werden alle im Wörterbuch D gespeicherten Funktionen getestet. Die Basisfunktionen Φ, die niedrige Fehlerraten erzeugen, werden zu ${\widehat{GT}}_I$

  

  hinzugefügt. Durch Nutzung dieser beschriebenen Strategie stechen nach und nach dominante Basisfunktionen Φ heraus.
• Rekonstruktionsschritt G: Berechnen der Umlaufzeit CT:
• Mit den Formeln (1) - (4) wurde Wissen über die Wahrscheinlichkeit erlangt, dass ein Umlaufzeitkandidat x der richtige ist innerhalb jedes Zeitintervalls. Die verbleibende Aufgabe ist es, die korrekte Umlaufzeit CT in jedem Zeitintervall zu finden. Dieser Prozess wird im Folgenden näher beschrieben.
• Zunächst werden alle Teiler möglicher Umlaufzeiten CT eliminiert durch Vergleich der Wahrscheinlichkeit eines Umlaufzeitkandidaten mit seinen Vielfachen. Dieser Schritt muss aufgrund der Art und Weise, wie die Formel (1) Umlaufzeiten CT schätzt, erfolgen. Kandidaten, die Teiler der richtigen Umlaufzeit CT sind, werden immer die gleiche Wahrscheinlichkeit haben wie die richtige Umlaufzeit CT. Im Gegensatz dazu haben Vielfache der korrekten Umlaufzeit CT eine geringere Wahrscheinlichkeit. Mathematisch kann dieses Problem im Bereich der Zahlentheorie lokalisiert werden.
• Ein Hinweis, wie die Schwelle θ zu parametrieren ist, kann gefunden werden in S. H. Schanuel, Heights in number fields, Bull. Soc. Math. France 107, pp. 433-449, 1979.
• Nach der Berechnung einer lokalen Schätzung für die Umlaufzeit CT muss das globale Verhalten von $\overrightarrow{CT}$

  

  auf dem ganzen Raster berücksichtigt werden. Durch Verwenden eines Unterprogramms RemoveOutlier (), d. h. durch das Entfernen von Ausreißern, bleiben nur die Umlaufzeiten CT bestehen, welche für eine spätere Vorhersage zukünftiger Ampelstatusänderungen verwendet werden können.
• Rekonstruktionsschritt H: Berechnen der Gründauer GT:
• Im Folgenden wird die abschließende Schätzung der Gründauer GT beschrieben. Die Einträge in $\overrightarrow{CT}$

  

  werden zur Auswahl relevanter Einträge in $\widehat{GT}$

  

  für jedes Zeitintervall verwendet. Diese Einträge werden mit $\widehat{GT}*$

  

  bezeichnet. Zeitabhängige Cluster von $\widehat{GT}*$

  

  werden mit folgendem Attribut gebildet: $$\begin{array}{c}\overrightarrow{CT}istkonstant\wedge \\ \overrightarrow{CT}\ne NaN\wedge \\ \widehat{GT}*\ne \cancel{0}\end{array}\}$$

  
• Diese Cluster werden als Indexliste gespeichert und werden bezeichnet mit cl. Die Gründauerschätzung für einen Cluster wird berechnet mit dem Mittelwert aller Einträge in $\widehat{GT}*$

  

  dieses Clusters gewichtet mit ihren korrespondierenden Bewertungen. Die Gründauerschätzung wird bezeichnet mit $\widehat{GT}.$

  
• Rekonstruktionsschritt I: Aktualisieren der Pufferdatenbank DB_tmp :
• Nachdem alle Variablen aktualisiert sind, muss die Pufferdatenbank DB_tmp erneut betrachtet werden. Alle Einträge in der Pufferdatenbank DB_tmp mit einem Zeitstempel vor dem zweiten Wechsel von Rot R zu Grün G werden gelöscht. Dieses Verfahren stellt die Skalierbarkeit des vorgestellten Ansatzes durch Vermeidung der Notwendigkeit der Speicherung zu vieler roher Messdaten sicher.
• Rekonstruktionsschritt J: Ausdünnen von $\widehat{GT}:$

  
• Wenn man den beschriebenen Verfahrensablauf bis einschließlich Rekonstruktionsschritt F betrachtet, kann man erkennen, dass die Größe von ${\widehat{GT}}_k\left(1\le k\le K\right)$

  

  wächst, bis alle im Wörterbuch D spezifizierten Basisfunktionen Φ in ${\widehat{GT}}_k$

  

  enthalten sind, wenn der Verfahrensablauf über eine unendliche Zeitdauer ausgeführt wird. Deshalb wurde eine Prozedur zum Ausdünnen von GT implementiert. Auf einer zyklischen Basis werden alle Einträge von $\widehat{GT}$

  

  getestet, ob sie Basisfunktionen Φ mit einer zu niedrigen Bewertung enthalten oder ob die letzte Aktualisierung einer Basisfunktion Φ zu lange zurückliegt. Diese Einträge werden aus $\widehat{GT}$

  

  entfernt.
• Eine Ampel 3 kann derart gesteuert werden, dass das Schaltverhalten innerhalb vorbestimmter Zeitabschnitte gleich konfiguriert und/oder parametrisiert ist, und sich das Schaltverhalten der Ampel 3 zwischen solchen Zeitabschnitten zugleich unterscheidet. Derartige Zeitabschnitte gleicher Konfiguration und/oder Parametrisierung werden als Ampelschaltintervalle bezeichnet. 3 zeigt schematisch den Ablaufplan für ein iteratives Verfahren zur Bestimmung von Ampelschaltintervallen und von deren Parametern, das an einem Startpunkt SA beginnt und an einem Endpunkt SF endet.
• Im Startpunkt SA wird mindestens ein Schätzintervall I1.1 bis I6.5, für das mindestens ein Parameter der Ampelschaltung bestimmt werden soll und das zu einem Zeitintervall korrespondiert, in einer nachfolgend noch genauer beschriebenen Art und Weise initial festgelegt und einer Intervallliste hinzugefügt. Beispielsweise kann initial ein einziges Schätzintervall so festgelegt werden, dass es den gesamten Schaltzyklus der Ampel 3 umfasst, der wiederholend ausgeführt wird. Ein solcher Schaltzyklus kann beispielsweise 24 Stunden oder 7 Tage umfassen.
• Über den Kontrollflusspfad a wird vom Startpunkt SA aus der Schätzschritt SB erreicht.
• Im Schätzschritt SB wird für jedes Schätzintervall I1.1 bis I6.5 auf der Intervallliste mittels des oben beschriebenen iterativen Verfahrens umfassend die Rekonstruktionsschritte A bis J mindestens ein für das jeweilige Schätzintervall I1.1 bis I6.5 konstant angenommener Zeitparameter, beispielsweise die Umlaufzeit CT, geschätzt. Die Zahl der Schätziterationsschritte n ist durch eine vorbestimmte maximale Zahl von Schätziterationsschritten X1 begrenzt (n ≤ X1). Im Schätzschritt SB wird ferner eine Wahrscheinlichkeit P_CT für die Korrektheit (Zuverlässigkeit) des geschätzten Zeitparameters ermittelt. Ferner wird im Schätzschritt SB ein Prädiktionsfehler E_CT durch Vergleich der Messdaten mit den prädizierten Werten, beispielsweise durch Vergleich der prädizierten Umlaufzeit CT mit den in dem dem jeweiligen Schätzintervall I1.1 bis I6.5 zugeordneten Zeitbereich gemessenen Umlaufzeitwerten, ermittelt.
• Die jeweils ermittelten Zeitparameter, beispielsweise also die Umlaufzeit CT und die Gründauer GT, werden zu dem jeweiligen Schätzintervall I1.1 bis I6.5 zugeordnet auf der Suchliste abgelegt.
• Über den Kontrollflusspfad b wird vom Schätzschritt SB aus der Entscheidungsschritt SC erreicht, nachdem Zeitparameter für alle auf der Suchliste eingetragenen Schätzintervalle I1.1 bis I6.5 ermittelt wurden. Wenn die Suchliste leer ist, wird der Entscheidungsschritt SC ohne vorherige Schätzung ausgeführt.
• Im Entscheidungsschritt SC wird für jedes Schätzintervall I1.1 bis I6.5 auf der Suchliste als eine erste Bedingung geprüft, ob die Wahrscheinlichkeit P_CT für die Korrektheit des geschätzten Parameters unterhalb einer vorbestimmten Mindestzuverlässigkeit X2 liegt. Ferner wird für jedes Schätzintervall I1.1 bis I6.5 als zweite Bedingung geprüft, ob der Prädiktionsfehler E_CT oberhalb eines vorbestimmten maximal zulässigen Fehlers X3 liegt.
• Wenn keine dieser beiden Bedingungen erfüllt ist, wird das jeweilige Schätzintervall I1.1 bis I6.5 zusammen mit den dafür ermittelten Zeitparametern auf eine Ergebnisliste übertragen und von der Suchliste gelöscht.
• Diese Prüfung wird für alle Schätzintervalle I1.1 bis I6.5 auf der Suchliste wiederholt.
• Sobald die Suchliste leer ist, wird über den Kontrollflusspfad e als nachfolgender Verfahrensschritt ein Ausgabeschritt SE ausgeführt.
• Ist die Suchliste nach jeweiliger Prüfung der ersten und zweiten Bedingung nicht leer, mit anderen Worten: gibt es mindestens ein Schätzintervall I1.1 bis I6.5, für das die erste und/oder die zweite Bedingung erfüllt ist, so wird über den Kontrollflusspfad c als nachfolgender Verfahrensschritt ein Teilungsschritt SD ausgeführt.
• Im Teilungsschritt SD wird für jedes auf der Suchliste eingetragene Schätzintervall I1.1 bis I6.5 geprüft, ob die Länge des zugeordneten Zeitintervalls größer als eine vorbestimmte Mindestzeitdauer ist.
• Falls das Zeitintervall die vorbestimmte Mindestzeitdauer nicht überschreitet, wird das Schätzintervall I1.1 bis I6.5 auf die Ergebnisliste übertragen und von der Suchliste gelöscht.
• Falls das Zeitintervall länger als die vorbestimmte Mindestzeitdauer ist, wird das jeweilige Schätzintervall I1.1 bis I6.5 in zwei Schätzintervalle I1.1 bis I6.5 geteilt, die gemeinsam das dem ursprünglichen, zugeordneten Schätzintervall I1.1 bis I6.5 zugeordnete Zeitintervall vollständig abdecken. Vorzugsweise wird das ursprüngliche Schätzintervall I1.1 bis I6.5 mittig geteilt.
• Das ursprüngliche Schätzintervall I1.1 bis I6.5 wird auf der Suchliste durch die aus der Teilung entstehenden neuen Schätzintervalle ersetzt. Dabei werden die für das ursprüngliche Schätzintervall I1.1 bis I6.5 ermittelten (geschätzten) Zeitparameter gelöscht.
• Nachdem alle auf der Suchliste eingetragenen Schätzintervalle I1.1 bis I6.5 geprüft wurden, wird über den Kontrollflusspfad d als nachfolgender Verfahrensschritt der Ausgabeschritt SE wiederholt.
• Im Ausgabeschritt SE wird jedes Schätzintervall I1.1 bis I6.5, das in der Ergebnisliste eingetragen ist, ausgegeben. Optional werden für jedes ausgegebene Schätzintervall I1.1 bis I6.5 jeweils ermittelte Zeitparameter, die Zuverlässigkeit P_CD und/oder der Prädiktionsfehler E_CD ausgegeben.
• 4 zeigt mit diesem Verfahren ermittelte Ampelschaltintervalle. Beispielhaft sind in 4 ein erstes bis drittes Ampelschaltintervall I0.1 bis I0.3 eines Ampelzyklus Z dargestellt, der sich über einen Zeitbereich von 24 Stunden erstreckt und darüber hinaus periodisch wiederholt wird.
• Das erste Ampelschaltintervall I0.1 des Ampelzyklus Z reicht von der Uhrzeit 0 Uhr bis 4 Uhr. Innerhalb des ersten Ampelschaltintervalls I0 ist die Ampel 3 für eine verkehrsabhängige Schaltung konfiguriert. Somit sind Parameter, beispielsweise die Gründauer GT und die Umlaufzeit CT, die der verkehrsabhängigen Schaltung unterliegen, statistisch nicht vorhersagbar.
• Das zweite Ampelschaltintervall I0.2 des Ampelzyklus Z reicht von der Uhrzeit 4 Uhr bis 12 Uhr und ist für eine Gründauer GT von 30 Sekunden und eine Rotdauer von 30 Sekunden konfiguriert, die innerhalb des zweiten Ampelschaltintervalls I0.2 fest, das heißt: verkehrsunabhängig parametrisiert sind. Die zeitlichen Parameter für dieses zweite Ampelschaltintervall I0.2 sind somit prinzipiell statistisch schätzbar und vorhersagbar.
• Das dritte Ampelschaltintervall I0.3 des Ampelzyklus Z reicht von der Uhrzeit 12 Uhr bis 24 Uhr und ist für eine Gründauer GT von 45 Sekunden und eine Rotdauer von 45 Sekunden konfiguriert, die innerhalb des dritten Ampelschaltintervalls I0.3 fest, das heißt: verkehrsunabhängig parametrisiert sind. Die zeitlichen Parameter für dieses zweite Ampelschaltintervall I0.2 sind somit prinzipiell statistisch schätzbar und vorhersagbar.
• 4 zeigt ferner die iterative Bestimmung der Ampelschaltintervalle I0.1 bis I0.3 durch das in 3 dargestellte Verfahren. Dabei werden die Schritte SB, SC entlang der Pfade b, c wiederholt und bei jeder Wiederholung ein Iterationsindex i erhöht, der in 4 ebenfalls dargestellt ist.
• In einer ersten Iteration I1, i = 1 wird ein einziges Schätzintervall I1.1 gebildet und untersucht, ob ein Umlaufzeit CT mit ausreichend geringer Fehlerwahrscheinlichkeit prädiziert werden kann. Eine solche Prädiktion ist, wegen der unterschiedlichen Parameter der Ampelschaltintervalle I0.1 bis I0.3, nicht möglich. Daraufhin wird im Teilungsschritt SD das Schätzintervall I1.1 in zwei Schätzintervalle I2.1, I2.2 aufgeteilt, die in der zweiten Iteration I2, i = 2 untersucht werden.
• Das erste Schätzintervall der zweiten Iteration I2.1 umfasst den Zeitabschnitt von 0 Uhr bis 12 Uhr und somit das erste und das zweite Ampelschaltintervall I0.1, I0.2 jeweils vollständig. Das zweite Schätzintervall der zweiten Iteration I2.2 umfasst den Zeitabschnitt von 12 Uhr bis 24 Uhr und ist somit deckungsgleich mit dem dritten Ampelschaltintervall I0.3.
• Für jedes der Schätzintervalle der zweiten Iteration I2.1, I2.2 werden im Schätzschritt SB eine Umlaufzeit CT und ein Prädiktionsfehler der Umlaufzeit CT ermittelt. Die Umlaufzeit CT für das zweite Schätzintervall der zweiten Iteration I2.2 kann mit einem geringen Prädiktionsfehler ermittelt werden, da die Parameter der Ampelschaltung innerhalb des dritten Ampelschaltintervalls I0.3 konstant sind.
• Die Umlaufzeit CT für das erste Schätzintervall der zweiten Iteration I2.1 kann dagegen nicht zuverlässig geschätzt werden, da die Parameter der Ampelschaltung im Zeitbereich von 0 Uhr bis 12 Uhr entsprechend dem ersten und zweiten Ampelschaltintervall I0.1, I0.2, die unterschiedlich konfiguriert sind, variieren.
• Im Ergebnis der zweiten Iteration I2 sind die Parameter der Ampelschaltung für den Zeitraum von 12 Uhr bis 24 Uhr bestimmt; dieser Zeitraum muss durch das Verfahren nicht weiter untersucht werden.
• Das erste Schätzintervall der zweiten Iteration I2.1 wird aufgeteilt in ein erstes und in ein zweites Schätzintervall der dritten Iteration I3.1, I3.2, das von 0 Uhr bis 6 Uhr beziehungsweise von 6 Uhr bis 12 Uhr reicht. Beide neu gebildeten Schätzintervalle I3.1, I3.2 werden in der dritten Iteration I3, i = 3 untersucht.
• In der dritten Iteration I3 können die Parameter des zweiten Schätzintervalls der dritten Iteration I3.2 zuverlässig, das heißt: mit ausreichend niedrigem Prädiktionsfehler, identifiziert werden. Der zugeordnete Zeitraum von 6 Uhr bis 12 Uhr muss durch das Verfahren nicht weiter untersucht werden.
• Das erste Schätzintervall der dritten Iteration I3.1 wird weiter aufgeteilt. Die durch die Teilung entstehenden Schätzintervalle I4.1, I4.2 von 0 Uhr bis 3 Uhr beziehungsweise von 3 Uhr bis 6 Uhr werden in der vierten Iteration I4, i = 4 untersucht.
• Da keines der Schätzintervalle der vierten Iteration I4.1, I4.2 einen Zeitbereich mit konstanten Parametern der Ampelschaltung überdeckt, können in der vierten Iteration I4 keine ausreichend zuverlässigen Parameter ermittelt werden. Alle Schätzintervalle der vierten Iteration I4.1, I4.2 werden daher halbiert.
• Die fünfte Iteration I5 findet von den so gebildeten Schätzintervallen I5.1 bis I5.4 eines, nämlich das vierte Schätzintervall I5.4, welches einen Zeitbereich mit konstanten Parametern überdeckt und für das eine Umlaufzeit CT sowie optionale weitere Zeitparameter zuverlässig geschätzt werden können. Das korrespondierende Zeitintervall von 4:30 Uhr bis 6 Uhr muss nachfolgend nicht weiter untersucht werden.
• Somit verbleibt nach der fünften Iteration I5 das Zeitintervall von 0 Uhr bis 4:30 Uhr zur weiteren Untersuchung. Bei einer beispielhaft vorbestimmten Mindestdauer eines Schätzintervalls von einer Stunde wird dieses Zeitintervall aufgeteilt in Schätzintervalle einer sechsten Iteration I6.1 (von 0 Uhr bis 1 Uhr), I6.2 (von 1 Uhr bis 2 Uhr), I6.3 (von 2 Uhr bis 3 Uhr), I6.4 (von 3 Uhr bis 4 Uhr) sowie ein verbleibendes restliches Schätzintervall I6.5 (von 4 Uhr bis 4:30 Uhr).
• Für das fünfte Schätzintervall der sechsten Iteration I6.5 können aufgrund der Überdeckung mit dem zweiten Ampelschaltintervall I0.2 eine Umlaufzeit CT sowie optional weitere Parameter zuverlässig geschätzt werden.
• Für die verbleibenden Schätzintervalle I6.1 bis I6.4 der sechsten Iteration ist eine zuverlässige Parameterschätzung nicht möglich, da während dieser Zeiten die Ampel 3 verkehrsabhängig schaltet. Das Verfahren bricht ab, wenn die vorbestimmte Mindestlänge eines Schätzintervalls erreicht ist und für keines der Schätzintervalle eine ausreichend zuverlässige Parameterschätzung erfolgt.
• 4 verdeutlicht, dass mit dem erfindungsgemäßen Verfahren in der i-ten Iteration im Allgemeinen deutlich weniger als die theoretisch möglichen 2^i-1 Schätzintervalle zu untersuchen sind. Insbesondere werden Parameter für ein Ampelschaltintervall I0.1 bis I0.2 in dem iterativen Verfahren umso eher und besser geschätzt, je größer das einem Ampelschaltintervall I0.1 bis I0.3 zugeordnete Zeitintervall ist.
• Bezugszeichenliste

1

Fahrzeug

2

Fahrzeugkamera

3

Ampel

4

Backend

a bis f

Kontrollflusspfad

CT

Umlaufzeit

G

Grün

GT

Gründauer

R

Rot

t

Zeit

SA

Startpunkt

SB

Schätzschritt, Schritt

SC

Entscheidungsschritt, Schritt

SD

Teilungsschritt, Schritt

SE

Ausgabeschritt, Schritt

SF

Endpunkt

I1 bis I6

erste bis sechste Iteration

I0.1 bis I0.3

erstes bis drittes Ampelschaltintervall

I1.1 bis I6.5

Schätzintervall

i

Iterationsindex

Z

Ampelzyklus

• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• WO 2014/154614 A1 [0002]
• Zitierte Nicht-Patentliteratur
• S. H. Schanuel, Heights in number fields, Bull. Soc. Math. France 107, pp. 433-449, 1979 [0048]

Claims (4)

1. Verfahren zum Ermitteln von Ampelschaltzeiten, wobei mittels Fahrzeugkameras (2) ein jeweiliger Ampelstatus einer jeweiligen Ampel (3) erfasst und an ein fahrzeugexternes Backend (4) übertragen wird, dadurch gekennzeichnet, dass die erfassten Ampelstatus der jeweiligen Ampel (3) im Backend (4) für ein Training eines statistischen Modells verwendet werden, das tageszeitabhängig ein Parameter-Tupel aus Umlaufzeit (CT) und Gründauer (GT) schätzt.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Training des statistischen Modells auf dictionary learning und reinforcement learning basiert.
3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Verfahren für mindestens ein initiales erstes Schätzintervall (I1.1 bis I6.5) aus einem Ampelzyklus (Z) und wiederholt für daraus abgeleitete weitere Schätzintervalle (I2.1 bis I6.5) durchgeführt wird, wobei zu mindestens einem Parameter des Parameter-Tupels eine Zuverlässigkeit und ein Prädiktionsfehler ermittelt wird und wobei, wenn die Zuverlässigkeit unterhalb einer vorbestimmten Mindestzuverlässigkeit und/oder der Prädiktionsfehler oberhalb eines vorbestimmten maximal zulässigen Fehlers liegt, das erste Schätzintervall (I1.1 bis I6.5) dann in ein zweites und in ein drittes Schätzintervall (I2.1 bis I6.5) aufgeteilt wird, wenn die Länge des ersten Schätzintervalls eine vorbestimmte Mindestintervalllänge überschreitet, wobei das durch die Teilung gebildete zweite und dritte Schätzintervall gemeinsam das erste Schätzintervall mindestens vollständig überdecken.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass das erste Schätzintervall (I1.1 bis I6.5) mittig in das zweite und dritte Schätzintervall (I2.1 bis I6.5) aufgeteilt wird.

Images