DE102019205125A1

DE102019205125A1 - System und Verfahren zur Vorhersage von Gefahren auf Fahrspurebene

Info

Publication number: DE102019205125A1
Application number: DE102019205125.1A
Authority: DE
Inventors: Samer Rajab; Xue Bai; Guoyuan Wu; Kanok Boriboonsomsin; Matthew J. Barth; Fei Ye
Original assignee: Honda Motor Co Ltd; University of California
Current assignee: Honda Motor Co Ltd; University of California
Priority date: 2018-04-27
Filing date: 2019-04-10
Publication date: 2019-10-31

Abstract

Ein computerimplementiertes Verfahren zur Fahrspurgefahrenvorhersage beinhaltend Empfangen von Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind. Jedes Fahrzeug in der Vielzahl von Fahrzeugen fährt entlang eines Straßennetzes, das eine Vielzahl von Fahrspuren beinhaltet, und jede Fahrspur in der Vielzahl von Fahrspuren beinhaltet eine Vielzahl von Zellen auf Fahrspurebene, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet. Das Verfahren beinhaltet Integrieren der Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene, und für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene Berechnen einer Wahrscheinlichkeit, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene, einer benachbarten vorgelagerten Zelle und einer benachbarten nachgelagerten Zelle assoziiert sind. Ferner beinhaltet das Verfahren Steuern eines Hostfahrzeugs basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht.

Description

ALLGEMEINER STAND DER TECHNIK
Gefahren auf Fahrspurebene wie etwa Fahrspursperrungen, defekte Fahrzeuge, Kollisionen und/oder Fremdkörper auf einer Straße können erhebliche Verzögerungen und andere Probleme für Straßenbenutzer bewirken. Probleme aufgrund von Gefahren auf Fahrspurebene entstehen in der Regel durch das Unvermögen eines Fahrers, eine Gefahr von seiner Fahrspur aus über eine bestimmte Umgebung eines Hostfahrzeugs zu sehen. Dies ist insbesondere der Fall, wenn die Sicht des Fahrers durch große Objekte, wie etwa ein großes Fahrzeug oder einen Fahrzeugstau, behindert wird. Die Sicht des Fahrers kann auch wegen der Straßengeometrie, wie etwa Kurven oder bestimmte Wetterbedingungen, vermindert sein. Herkömmliche Sensoriksysteme (z. B. Radar, Lidar, Kameras) weisen eine eingeschränkte Erfassungsreichweite auf die unmittelbare Umgebung des Hostfahrzeugs auf. Insofern hat der Fahrer normalerweise keine Informationen über vor ihm liegende Hindernisse, weder auf einer Straßenebene noch auf einer Fahrspurebene, über die Umgebung des Hostfahrzeugs hinaus. Dementsprechend ist eine Lösung zur Vorhersage von Gefahreninformationen auf einer Fahrspurebene wünschenswert.
KURZBESCHREIBUNG
Gemäß einem Aspekt beinhaltet ein computerimplementiertes Verfahren zur Fahrspurgefahrenvorhersage Empfangen von Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind. Jedes Fahrzeug in der Vielzahl von Fahrzeugen fährt entlang eines Straßennetzes, das eine Vielzahl von Fahrspuren beinhaltet, und jede Fahrspur in der Vielzahl von Fahrspuren beinhaltet eine Vielzahl von Zellen auf Fahrspurebene, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet. Das Verfahren beinhaltet Integrieren der Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene. Für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene beinhaltet das Verfahren Berechnen einer Wahrscheinlichkeit, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind. Ferner beinhaltet das Verfahren Steuern eines Hostfahrzeugs basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht.
Gemäß einem anderen Aspekt beinhaltet ein System zur Fahrspurgefahrenvorhersage eine Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation über ein Fahrzeugkommunikationsnetzwerk ausgerüstet sind. Jedes Fahrzeug in der Vielzahl von Fahrzeugen fährt entlang eines Straßennetzes, das eine Vielzahl von Fahrspuren beinhaltet, und jede Fahrspur in der Vielzahl von Fahrspuren beinhaltet eine Vielzahl von Zellen auf Fahrspurebene, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet. Das System beinhaltet einen Prozessor, der zur Computerkommunikation mit dem Fahrzeugkommunikationsnetzwerk wirkverbunden ist, wobei der Prozessor Fahrzeugdaten empfängt, die von der Vielzahl von Fahrzeugen übertragen werden, die Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene integriert und für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene eine Wahrscheinlichkeit berechnet, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind. Ferner steuert der Prozessor ein Hostfahrzeug basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht.
Gemäß einem weiteren Aspekt beinhaltet ein nichttransitorisches computerlesbares Speichermedium Anweisungen, die bei Ausführung durch einen Prozessor den Prozessor dazu veranlassen, Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind, zu empfangen. Jedes Fahrzeug in der Vielzahl von Fahrzeugen fährt entlang eines Straßennetzes, das eine Vielzahl von Fahrspuren beinhaltet, und jede Fahrspur in der Vielzahl von Fahrspuren beinhaltet eine Vielzahl von Zellen auf Fahrspurebene, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet. Die Anweisungen veranlassen den Prozessor bei Ausführung durch den Prozessor auch dazu, die Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene zu integrieren und für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene eine Wahrscheinlichkeit zu berechnen, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind. Ferner veranlassen die Anweisungen bei Ausführung durch den Prozessor den Prozessor auch dazu, ein Hostfahrzeug basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht, zu steuern.
Figurenliste
Die neuartigen Merkmale, die als kennzeichnend für die Offenbarung angesehen werden, werden in den beigefügten Patentansprüchen dargelegt. In den nachfolgenden Beschreibungen sind ähnliche Teile in der gesamten Patentschrift bzw. in allen Zeichnungen mit denselben Bezugszeichen gekennzeichnet. Die Zeichnungsfiguren sind nicht notwendigerweise maßstabsgerecht gezeichnet und bestimmte Figuren können im Interesse der Klarheit und Prägnanz in übertriebener oder verallgemeinernder Form gezeigt sein. Die eigentliche Offenbarung sowie eine bevorzugte Verwendungsart, weitere Gegenstände und Neuerungen der Offenbarung erschließen sich am besten durch Bezugnahme auf die nachfolgende detaillierte Beschreibung, gelesen in Verbindung mit den begleitenden Zeichnungen, wobei gilt:

1 ist eine schematische Ansicht eines beispielhaften Verkehrsszenarios auf einem Straßennetz gemäß einer Ausführungsform;
2 ist ein Blockdiagramm einer Betriebsumgebung und von Systemen zur Umsetzung einer Vorhersage von Gefahren auf Fahrspurebene gemäß einer beispielhaften Ausführungsform;
3 ist ein Prozessablaufdiagramm eines Verfahrens zur Vorhersage von Gefahren auf Fahrspurebene gemäß einer beispielhaften Ausführungsform;
4 ist ein Zeit-Raum-Diagramm von Fahrspurwechselmanövern von Fahrzeugen gemäß einer beispielhaften Ausführungsform;
5 ist ein Diagramm einer relativen Konflikthäufigkeit bei unterschiedlichen Durchdringungsraten gemäß einer beispielhaften Ausführungsform;
6 ist ein Diagramm einer relativen Konflikthäufigkeit bei unterschiedlichen Verkehrsaufkommen gemäß einer beispielhaften Ausführungsform;
7 ist ein Diagramm einer durchschnittlichen Fahrgeschwindigkeitssteigerung bei unterschiedlichen Durchdringungsraten gemäß einer beispielhaften Ausführungsform; und
8 ist ein Diagramm einer durchschnittlichen Fahrgeschwindigkeitssteigerung bei unterschiedlichen Verkehrsaufkommen gemäß einer beispielhaften Ausführungsform.

DETAILLIERTE BESCHREIBUNG
Das Folgende beinhaltet Definitionen ausgewählter Begriffe, welche hierin verwendet werden. Die Definitionen beinhalten verschiedene Beispiele und/oder Formen von Komponenten, die in den Umfang eines Begriffs fallen und die zur Umsetzung verwendet werden können. Die Beispiele sollen nicht einschränkend sein. Ferner können die hierin erörterten Komponenten kombiniert, weggelassen oder mit anderen Komponenten oder in andere Architekturen organisiert werden.
Ein „Bus“ im hierin verwendeten Sinne bezieht sich auf eine untereinander verbundene Architektur, die mit anderen Computerkomponenten in einem Computer oder zwischen Computern wirkverbunden ist. Der Bus kann Daten zwischen den Computerkomponenten übertragen. Der Bus kann unter anderem ein Speicherbus, ein Speicherprozessor, ein Peripheriebus, ein externer Bus, ein Koordinatenschalter und/oder ein lokaler Bus sein. Der Bus kann auch ein Fahrzeugbus sein, der Komponenten innerhalb eines Fahrzeugs unter Verwendung von Protokollen, wie etwa unter anderem Media Oriented Systems Transport (MOST), Processor Area Network (CAN), Local Interconnect Network (LIN), untereinander verbindet. „Komponente“ im hierin verwendeten Sinne bezeichnet ein computerbezogenes Gebilde (z. B. Hardware, Firmware, Anweisungen in Ausführung oder Kombinationen davon). Computerkomponenten können zum Beispiel einen auf einem Prozessor laufenden Prozess, einen Prozessor, ein Objekt, ein ausführbares Programm, einen Ausführungsstrang und einen Computer beinhalten. Eine Computerkomponente(n) kann innerhalb eines Prozesses und/oder Strangs liegen. Eine Computerkomponente kann sich auf einem Computer befinden oder zwischen mehreren Computern verteilt sein. „Computerkommunikation“ im hierin verwendeten Sinne bezieht sich auf eine Kommunikation zwischen zwei oder mehreren Rechenvorrichtungen (z. B. Computer, Personal Digital Assistant, Mobiltelefon, Netzwerkvorrichtung, Fahrzeug, Fahrzeugrechenvorrichtung, Infrastrukturvorrichtung, Vorrichtung am Straßenrand) und kann zum Beispiel eine Netzwerkübertragung, eine Dateiübertragung, eine Applet-Übertragung, eine E-Mail, die Übertragung eines Hypertext Transfer Protocol (HTTP) und so weiter sein. Eine Computerkommunikation kann zum Beispiel unter anderem über ein drahtgebundenes oder drahtloses System und/oder Netzwerk mit einer beliebigen Art von Konfiguration, zum Beispiel ein Local Area Network (LAN), ein Personal Area Network (PAN), ein Wireless Personal Area Network (WPAN), ein Wireless Network (WAN), ein Wide Area Network (WAN), ein Metropolitan Area Network (MAN), ein Virtual Private Network (VPN), ein Mobilfunknetz, ein Token-Ring-Netzwerk, ein Punkt-zu-Punkt-Netzwerk, ein Ad-hoc-Netzwerk, ein mobiles Ad-hoc-Netzwerk, ein Fahrzeug-Ad-hoc-Netzwerk (Vehicular Ad-hoc Network - VANET), ein Fahrzeug-zu-Fahrzeug(Vehicle-to-Vehicle - V2V)-Netzwerk, ein Fahrzeug-zu-Beliebigen(Vehicle-to-Everything - V2X)-Netzwerk ein Fahrzeug-zu-Infrastruktur(Vehicle-to-Infrastructure - V21)-Netzwerk erfolgen. Computerkommunikation kann eine beliebige Art von drahtgebundenem, drahtlosem oder netzwerkgebundenem Kommunikationsprotokoll verwenden, einschließlich unter anderem Ethernet (z.B. IEEE 802.3), WiFi/WLAN (z.B. IEEE 802.11), Communications Access for Land Mobiles (CALM), WiMax, Bluetooth, Zigbee, Ultra-Wideband (UWAB), Multiple-Input and Multiple-Output (MIMO), Telekommunikations- und/oder Mobilfunknetzkommunikation (z. B. SMS, MMS, 3G, 4G, LTE, 5G, GSM, CDMA, WAVE), Satellitenkommunikation, Dedicated Short Range Communication (DSRC).
Ein „computerlesbares Medium“ im hierin verwendeten Sinne bezieht sich auf ein nichttransitorisches Medium, das Anweisungen und/oder Daten speichert. Ein computerlesbares Medium kann verschiedene Formen annehmen, einschließlich unter anderem nichtflüchtige Medien und flüchtige Medien. Zu nichtflüchtigen Medien können zum Beispiel optische Platten, Magnetplatten usw. gehören. Zu flüchtigen Medien können zum Beispiel Halbleiterspeicher, dynamischer Speicher usw. gehören. Üblichen Formen von computerlesbaren Medien können unter anderem eine Floppy-Disk, eine Diskette, eine Festplatte, ein Magnetband, ein anderes magnetisches Medium, eine ASIC, eine CD, ein anderes optisches Medium, einen RAM, einen ROM, einen Speicherchip oder eine Speicherkarte, einen Speicherstick oder ein anderes Medium, das ein Computer, ein Prozessor oder eine andere elektronische Vorrichtung auslesen kann, einschließen.
Eine „Datenbank“ im hierin verwendeten Sinne kann sich auf eine Tabelle beziehen. In anderen Beispielen kann sich „Datenbank“ auf eine Reihe von Tabellen beziehen. In wieder anderen Beispielen kann sich „Datenbank“ auf eine Reihe von Datenspeichern und Verfahren zum Zugreifen auf und/oder Bearbeiten dieser Datenspeicher beziehen. Eine Datenbank kann zum Beispiel auf einer Platte und/oder in einem Speicher gespeichert sein.
Eine „Platte“ im hierin verwendeten Sinne kann zum Beispiel ein Magnetplattenlaufwerk, eine Solid-State-Festplatte, ein Diskettenlaufwerk, ein Bandlaufwerk, ein Zip-Laufwerk, eine Flash-Speicherkarte und/oder ein Speicherstick sein. Ferner kann die Platte eine CD-ROM (Compact Disk ROM), ein CDbeschreibbares Laufwerk (CD-R-Laufwerk), ein CD-wiederbeschreibbares Laufwerk (CD-RW-Laufwerk) und/oder ein digitales Video-ROM-Laufwerk (DVD ROM) sein. Die Platte kann ein Betriebssystem speichern, das die Ressourcen einer Rechenvorrichtung steuert oder zuweist.
Eine „Eingabe/Ausgabe-Vorrichtung“ (E/A-Vorrichtung) im hierin verwendeten Sinne kann Vorrichtungen zum Empfangen von Eingaben und/oder Vorrichtungen zum Ausgaben von Daten beinhalten. Die Eingabe und/oder Ausgabe kann zum Steuern unterschiedlicher Fahrzeugmerkmale dienen, die verschiedene Fahrzeugkomponenten, -systeme und -teilsysteme beinhalten. Konkret beinhaltet der Begriff „Eingabevorrichtung“ unter anderem: Tastaturen, Mikrofone, Zeige- und Auswahlvorrichtungen, Kameras, Bildgebungsvorrichtungen, Videokarten, Anzeigen, Drucktasten, Drehknöpfe und ähnliches. Der Begriff „Eingabevorrichtung“ beinhaltet zusätzlich grafische Eingabesteuerungen, die innerhalb einer Benutzerschnittstelle stattfinden, die von verschiedenen Arten von Mechanismen angezeigt werden kann, wie etwa software- und hardwarebasierte Steuerungen, Schnittstellen, Touchscreens, Touchpads oder Plug-and-Play-Vorrichtungen. Eine „Ausgabevorrichtung“ beinhaltet unter anderem: Anzeigevorrichtungen und andere Vorrichtungen zum Ausgeben von Informationen und Funktionen.
Ein „Logikschaltkreis“ im hierin verwendeten Sinne beinhaltet unter anderem Hardware, Firmware, ein nichttransitorisches computerlesbares Medium, das Anweisungen, Anweisungen in Ausführung auf einer Maschine speichert und/oder eine Aktion(en) von einer anderen Logikschaltkreis, einem Modul, einem Verfahren und/oder einem System veranlasst (z. B. ausführt). Der Logikschaltkreis kann einen Prozessor beinhalten und/oder Teil eines Prozessors sein, der durch einen Algorithmus, eine diskrete Logik (z. B. ASIC), eine analoge Schaltung, eine digitale Schaltung, eine programmierte Logikvorrichtung, eine Anweisungen enthaltende Speichervorrichtung und so weiter gesteuert wird. Die Logik kann ein oder mehrere Gates, Kombinationen von Gates oder andere Schaltungskomponenten beinhalten. Wo mehrere Logiken beschrieben werden, kann es möglich sein, die mehreren Logiken in eine physische Logik zu integrieren. Ebenso kann es, wenn eine einzelne Logik beschrieben wird, möglich sein, diese einzelne Logik auf mehrere physische Logiken zu verteilen.
Ein „Speicher“ im hierin verwendeten Sinne kann flüchtigen Speicher und/oder nichtflüchtigen Speicher beinhalten. Ein nichtflüchtiger Speicher kann zum Beispiel ROM (Read Only Memory), PROM (Programmable Read Only Memory), EPROM (Erasable PROM) und EEPROM (Electrically Erasable PROM) beinhalten. Flüchtiger Speicher kann beispielsweise RAM (Random Access Memory - Direktzugriffsspeicher), synchronen RAM (SRAM), dynamischen RAM (DRAM), synchronen DRAM (SDRAM), doppelten Datenraten-SDRAM (DDR-SDRAM) und direkten RAM-Bus-RAM (DRRAM) beinhalten. Der Speicher kann ein Betriebssystem speichern, das die Ressourcen einer Rechenvorrichtung steuert oder zuweist.
Eine „Wirkverbindung“ oder eine Verbindung, über die Einheiten „wirkverbunden“ sind, ist eine Verbindung, bei der Signale, physische Kommunikationen und/oder logische Kommunikationen gesendet und/oder empfangen werden können. Eine Wirkverbindung kann eine drahtlose Schnittstelle, eine physische Schnittstelle, eine Datenschnittstelle und/oder eine elektrische Schnittstelle beinhalten.
Ein „Modul“ im hierin verwendeten Sinne beinhaltet unter anderem ein nichttransitorisches computerlesbares Medium, das Anweisungen, Anweisungen in Ausführung auf einer Maschine, Hardware, Firmware, Software in Ausführung auf einer Maschine und/oder Kombinationen davon zum Ausführen einer Funktion(en) oder einer Aktion(en) speichert und/oder um eine Funktion oder Aktion von einem anderen Modul, einem anderen Verfahren und/oder einem anderen System zu veranlassen. Ein Modul kann auch Logik, einen durch eine Software gesteuerten Mikroprozessor, eine diskrete Logikschaltung, eine analoge Schaltung, eine digitale Schaltung, eine programmierte Logikvorrichtung, eine Speichervorrichtung, die ausführende Anweisungen enthält, logische Gates, eine Kombination von Gates und/oder andere Schaltkreiskomponenten beinhalten. Mehrere Module können zu einem Modul kombiniert werden und einzelne Module können zwischen mehreren Modulen aufgeteilt sein.
Eine „tragbare Vorrichtung“ im hierin verwendeten Sinne ist eine Rechenvorrichtung, die typischerweise einen Anzeigebildschirm mit Benutzereingabe (z. B. Berührung, Tastatur) und einen Prozessor zum Rechnen aufweist. Tragbare Vorrichtungen beinhalten unter anderem Handheld-Vorrichtungen, mobile Vorrichtungen, Smartphones, Laptops, Tablets und E-Reader.
Ein „Prozessor“ im hierin verwendeten Sinne verarbeitet Signale und führt allgemeine Rechen- und Arithmetikfunktionen durch. Vom Prozessor verarbeitete Signale können digitale Signale, Datensignale, Computeranweisungen, Prozessoranweisungen, Nachrichten, ein Bit, einen Bitstrom, die empfangen, übertragen und/oder erfasst werden können, beinhalten. Im Allgemeinen kann der Prozessor eine Vielzahl von verschiedenen Prozessoren sein, beinhaltend mehrere Einzel- und Mehrkernprozessoren und Koprozessoren und andere mehrere Einzel- und Mehrkernprozessor- und Koprozessorarchitekturen. Der Prozessor kann Logikschaltkreise beinhalten, um Aktionen und/oder Algorithmen auszuführen.
Ein „Fahrzeug“ im hierin verwendeten Sinne bezieht sich auf ein beliebiges sich bewegendes Fahrzeug, das in der Lage ist, einen oder mehrere menschliche Insassen zu befördern und durch irgendeine Form von Energie angetrieben wird. Der Begriff „Fahrzeug“ beinhaltet unter anderem Autos, Lastkraftwagen, Vans, Minivans, SUV, Motorräder, Roller, Boote, Gokarts, Vergnügungsfahrzeuge, Schienenverkehr, private Wasserfahrzeuge und Luftfahrzeuge. In einigen Fällen beinhaltet ein Kraftfahrzeug einen oder mehrere Motoren. Ferner kann sich der Begriff „Fahrzeug“ auf ein Elektrofahrzeug (Electric Vehicle - EV) beziehen, das in der Lage ist, einen oder mehrere menschliche Insassen zu befördern, und das vollständig oder teilweise durch einen oder mehrere Elektromotoren über eine elektrische Batterie angetrieben wird. Das EV kann batteriebetriebene Elektrofahrzeuge (Battery Electric Vehicle - BEV) und Plug-in-Hybrid-Elektrofahrzeuge (Plug-in Hybrid Electric Vehicle - PHEV) beinhalten. Der Begriff „Fahrzeug“ kann sich auch auf ein autonomes Fahrzeug und/oder selbstfahrendes Fahrzeug beziehen, das durch eine beliebige Energieform angetrieben wird. Das autonome Fahrzeug kann einen oder mehrere menschliche Insassen befördern. Ferner kann der Begriff „Fahrzeug“ Fahrzeuge, die automatisiert oder nicht automatisiert sind, mit vorbestimmten Wegen oder freifahrende Fahrzeuge beinhalten.
Eine „Fahrzeuganzeige“ im hierin verwendeten Sinne kann unter anderem LED-Anzeigetafeln, LCD-Anzeigetafeln, CRT-Displays, Plasma-Anzeigetafeln, Touchscreen-Displays beinhalten, die häufig in Fahrzeugen zu finden sind, um Informationen über das Fahrzeug anzuzeigen. Die Anzeige kann Eingaben (z. B. Berührungseingaben, Tastatureingaben, Eingaben von verschiedenen anderen Eingabegeräten usw.) von einem Benutzer empfangen. Die Anzeige kann an verschiedenen Stellen des Fahrzeugs angebracht sein, z. B. auf dem Armaturenbrett oder der Mittelkonsole. In einigen Ausführungsformen ist die Anzeige Teil einer unter anderem tragbaren Vorrichtung (z. B. im Besitz von oder assoziiert mit einem Fahrzeuginsassen), eines Navigationssystems, eines Infotainmentsystems.
Ein „Fahrzeugsteuersystem“ und/oder „Fahrzeugsystem“ im hierin verwendeten Sinne kann unter anderem ein beliebiges automatisches oder manuelles System beinhalten, das zur Verbesserung des Fahrzeugs, des Fahrens und/oder der Sicherheit verwendet werden kann. Beispielhafte Fahrzeugsysteme beinhalten unter anderem: ein elektronisches Stabilitätskontrollsystem, ein Antiblockiersystem, ein Bremsassistenzsystem, ein automatisches Bremsvorfüllsystem, ein Low-Speed-Follow-System, ein Geschwindigkeitsregelungssystem, ein Kollisionswarnsystem, ein Kollisionsminderungsbremssystem, ein automatisches Geschwindigkeitsregelungssystem, ein Spurhaltewarnsystem, ein System zum Anzeigen des toten Winkels, ein Spurhalteassistenzsystem, ein Navigationssystem, ein Getriebesystem, Bremspedalsysteme, ein elektronisches Servolenksystem, visuelle Vorrichtungen (z. B. Kamerasysteme, Annäherungssensorsysteme), ein Klimatisierungssystem, ein elektronisches Sicherheitsgurt-Vorspannsystem, ein Überwachungssystem, ein Fahrgasterkennungssystem, ein Fahrzeugfederungssystem, ein Fahrzeugsitzkonfigurationssystem, eine Beleuchtungsanlage für den Fahrzeuginnenraum, ein Audiosystem, ein Sensoriksystem, ein inneres oder äußeres Kamerasystem.
SYSTEMÜBERBLICK
Die hierin erörterten Systeme und Verfahren sind allgemein auf das Verwenden von Echtzeit-Informationen von entfernten Fahrzeugen (Remote Vehicle - RV) unter Verwendung von Fahrzeugkommunikation (z. B. V2X) gerichtet, um eine Vorhersage von Gefahren auf Fahrspurebene und Fahrzeugsteuerung eines Hostfahrzeugs (Host Vehicle - HV) und/oder eines anderen oder mehrerer anderer RVs bereitzustellen. Nun Bezug nehmend auf die Zeichnungen, wobei die Darstellungen zur Veranschaulichung einer oder mehrerer beispielhafter Ausführungsformen und nicht zu deren Einschränkung gedacht sind, ist 1 eine schematische Ansicht eines beispielhaften Verkehrsszenarios auf einem Straßennetz 100, die zur Beschreibung einer Fahrspurgefahrenvorhersage gemäß einer Ausführungsform verwendet wird. Das Straßennetz 100 kann eine beliebige Art von Straße, Autobahn, Schnellstraße oder Straßensegment sein. In 1 beinhaltet das Straßennetz 100 vier Fahrspuren mit der gleichen Fahrrichtung, und zwar eine Fahrspur j₁ , eine Fahrspur j₂ , eine Fahrspur j₃ und eine Fahrspur j₄ , es versteht sich jedoch, dass das Straßennetz 100 verschiedene Konfigurationen aufweisen kann, die nicht in 1 gezeigt sind, und eine beliebige Zahl von Fahrspuren aufweisen kann.
In 1 fährt eine Vielzahl von Fahrzeugen (z. B. RVs) entlang des Straßennetzes 100, und zwar ein Hostfahrzeug (HV) 102, ein entferntes Fahrzeug 104a, ein entferntes Fahrzeug 104b, ein entferntes Fahrzeug 104c, ein entferntes Fahrzeug 104d und ein entferntes Fahrzeug 104e, ein entferntes Fahrzeug 104f, ein entferntes Fahrzeug 104g, obwohl es sich versteht, dass eine beliebige Zahl von Fahrzeugen auf dem Straßennetz 100 anwesend sein kann. Zu Veranschaulichungszwecken ist jedes in 1 gezeigte Fahrzeug zur Computerkommunikation, wie hierin definiert, ausgerüstet. Es versteht sich jedoch, dass eines oder mehrere der Fahrzeuge eventuell nicht zur Computerkommunikation ausgerüstet und/oder nicht mit den hierin erörterten Verfahren und Systemen zur Fahrspurgefahrenvorhersage ausgerüstet sein kann. Die Verfahren und Systeme können jedoch eine Fahrspurgefahrenvorhersage basierend auf den Informationen von verbundenen Fahrzeugen mit einer teilweisen Durchdringungsrate durchführen.
Wie hierin erörtert wird, ist es durch Crowdsourcing-Informationen von entfernten Fahrzeugen, die mit Computerkommunikation ausgerüstet sind, möglich, Merkmale zu extrahieren, um eine bevorstehende nachgelagerte Gefahr auf einer Fahrspurebene zu erkennen, zum Beispiel die Gefahr 106 nachgelagert dem HV 102. Der Begriff Gefahr oder gefährliche Bedingung bezieht sich allgemein auf ein oder mehrere Objekte und/oder Fahrszenarien, die eine mögliche Bedrohung für ein Fahrzeug darstellen. Zum Beispiel kann die Gefahr 106 in 1 eine Fahrspursperrung, ein liegengebliebenes Fahrzeug, eine Kollision und/oder Fremdkörper auf dem Straßennetz 100 anzeigen, die erhebliche Verzögerungen und/oder eine potenzielle Bedrohung einem Fahrzeug (z. B. dem HV 102) nachgelagert darstellen. Bei Erkennen der Gefahr 106 nachgelagert dem HV 102 können Gefahreninformationen, Fahrspurempfehlungen und/oder halbautomatische und vollautomatische Reaktionen an das HV 102 bereitgestellt werden.
Nun Bezug nehmend auf 2 wird eine schematische Ansicht einer Betriebsumgebung 200 gemäß einer beispielhaften Ausführungsform gezeigt. Eine oder mehrere der Komponenten der Betriebsumgebung 200 können ganz oder teilweise als ein Fahrzeugkommunikationsnetzwerk angesehen werden. In 2 wird ein Blockdiagramm des HV 102 mit einem vereinfachten Blockdiagramm des RV 104a, einem Blockdiagramm eines Fernservers 202 und einem Netzwerk 204 gezeigt. Es versteht sich, dass das RV 104a, das RV 104b, das RV 104c, das RV 104d, das RV 104e, das RV 104f, das RV 104g und/oder der Fernserver 202 eine oder mehrere der Komponenten und/oder Funktionen beinhalten können, die hierin in Bezug auf das HV 102 erörtert werden. Daher versteht sich, dass obwohl dies nicht in 2 gezeigt ist, eine oder mehrere der Komponenten des HV 102 auch mit dem RV 104a, dem RV 104b, dem RV 104c, dem RV 104d, dem RV 104e, dem RV 104f, dem RV 104g und/oder dem Fernserver 202, anderen Gebilden, Verkehrsindikatoren und/oder Vorrichtungen (z. B. V21-Vorrichtungen, V2X-Vorrichtungen), die zur Computerkommunikation mit dem HV 102 und/oder mit der Betriebsumgebung 200 betreibbar sind, umgesetzt sein können. Ferner versteht sich, dass die Komponenten des HV 102 und der Betriebsumgebung 200 sowie die Komponenten anderer hierin erörterter Systeme, Hardwarearchitekturen und Softwarearchitekturen für verschiedene Ausführungsformen kombiniert, weggelassen oder zu verschiedenen Architekturen organisiert werden können.
In 2 beinhaltet das HV 102 eine Fahrzeugrechenvorrichtung (Vehicle Computing Device - VCD) 206, Fahrzeugsysteme 208 und Sensoren 210. Im Allgemeinen beinhaltet die VCD 206 einen Prozessor 212, einen Speicher 214, einen Datenspeicher 216, eine Positionsbestimmungseinheit 218 und eine Kommunikationsschnittstelle (Interface - I/F) 220, die jeweils über einen Bus 222 und/oder andere hierin definierte drahtgebundene und drahtlose Technologien zur Computerkommunikation wirkverbunden sind. Erneut Bezug nehmend auf das HV 102, kann die VCD 206 Bereitstellungen zum Verarbeiten, Kommunizieren und Interagieren mit verschiedenen Komponenten des HV 102 und anderen Komponenten der Betriebsumgebung 200, einschließlich des RV 104a und des Fernservers 202, beinhalten. In einer Ausführungsform kann die VCD 206 mit dem HV 102 umgesetzt sein, zum Beispiel unter anderem als Teil einer Telematikeinheit, einer Kopfeinheit, einer Infotainmenteinheit, einer elektronischen Steuereinheit, einer bordeigenen Einheit oder als Teil eines speziellen Fahrzeugsteuersystems umgesetzt sein. In anderen Ausführungsformen kann die VCD 206 von dem HV 102 entfernt umgesetzt sein, zum Beispiel mit einer tragbaren Vorrichtung (nicht gezeigt), einer entfernten Vorrichtung (nicht gezeigt) oder dem Fernserver 202, die über das Netzwerk 204 verbunden sind.
Der Prozessor 212 kann Logikschaltkreise mit Hardware-, Firmware- und Softwarearchitektur-Rahmenwerke zum Ermöglichen einer Fahrspurgefahrenvorhersage und Steuerung des HV 102 und/oder des RV 104a beinhalten. Somit kann der Prozessor 212 in einigen Ausführungsformen unter anderem Anwendungsrahmenwerke, Kernel, Bibliotheken, Treiber, Anwendungsprogrammschnittstellen beinhalten, um hierin erörterte Hardware und Funktionen auszuführen und zu steuern. Zum Beispiel kann der Prozessor 212 in 2 ein Crowdsourcing-Erfassungsmodul 224, ein Merkmalsextraktionsmodul 226, ein Fahrspurgefahrenmuster-Erkennungsmodul 228 und ein Fahrspurempfehlungsmodul 230 beinhalten, wobei sich versteht, dass der Prozessor 212 zu anderen Architekturen konfiguriert sein kann. Ferner kann ich einigen Ausführungsformen der Speicher 214 und/oder der Datenspeicher (z. B. Platte) 216 ähnliche Komponenten wie der Prozessor 212 zur Ausführung durch den Prozessor 212 speichern.
Die Positionsbestimmungseinheit 218 kann Hardware (z. B. Sensoren) und Software beinhalten, um Positionsdaten über das HV 102 zu bestimmen und/oder zu erlangen. Zum Beispiel kann die Positionsbestimmungseinheit 218 eine Global Positioning System(GPS)-Einheit (nicht gezeigt) und/oder eine Inertial Measurement Unit (IMU) (nicht gezeigt) beinhalten. Somit kann die Positionsbestimmungseinheit 218 eine geographische Position des HV 102 basierend auf Satellitendaten von zum Beispiel einer globalen Positionsquelle 232 oder von einer beliebigen Global Navigational Satellite Infrastructure (GNSS), einschließlich GPS, Glonass (russisch) und/oder Galileo (europäisch), bereitstellen. Ferner kann die Positionsbestimmungseinheit 218 Koppelnavigationsdaten oder Bewegungsdaten von zum Beispiel einem Gyroskop, Beschleunigungsmesser, Magnetometer oder anderen Sensoren (nicht gezeigt) bereitstellen. In einigen Ausführungsformen kann die Positionsbestimmungseinheit 218 ein Navigationssystem sein, das dem HV 102 Navigationskarten und Navigationsinformationen bereitstellt.
Die Kommunikationsschnittstelle 220 kann Software und Hardware beinhalten, um die Dateneingabe und -ausgabe zwischen den Komponenten der VCD 206 und anderen Komponenten der Betriebsumgebung 200 zu ermöglichen. Konkret kann die Kommunikationsschnittstelle 220 Netzwerkschnittstellensteuerungen (nicht gezeigt) und andere Hardware und Software beinhalten, die die Verbindungen verwaltet und/oder überwacht und die bidirektionale Datenübertragung zwischen der Kommunikationsschnittstelle 220 und anderen Komponenten der Betriebsumgebung 200 steuert, unter Verwendung beispielsweise des Kommunikationsnetzwerks 204. Konkreter kann in einer Ausführungsform die VCD 206 mit anderen kompatiblen Fahrzeugen und/oder Vorrichtungen über einen Transceiver 234 oder andere Kommunikationshardware und -protokolle Daten austauschen und/oder Nachrichten übertragen. Zum Beispiel kann der Transceiver 234 Daten mit dem RV 104a über einen Transceiver 250 austauschen. In einigen Ausführungsformen können das HV 102 und das RV 104a Daten (z. B. Fahrzeugdaten, wie hierin beschrieben) unter Verwendung einer Drahtlosnetzwerkantenne 238, einer Anlage am Straßenrand (Roadside Equipment - RSE) 240 und/oder des Kommunikationsnetzwerks 204 (z. B. eines drahtlosen Kommunikationsnetzwerks) oder anderer drahtloser Netzwerkverbindungen austauschen.
Wie oben beschrieben kann die Datenübertragung in einigen Ausführungsformen bei und/oder mit anderen Infrastrukturen und Servern ausgeführt werden. Zum Beispiel kann die VCD 206 in 2 Informationen über das Kommunikationsnetzwerk 204 direkt oder indirekt an den Fernserver 202 übertragen und von diesem empfangen. Der Fernserver 202 kann einen Fernprozessor 242, einen Speicher 244, Daten 246 und eine Kommunikationsschnittstelle 248 beinhalten, die dazu konfiguriert sind, miteinander in Kommunikation zu stehen. Somit kann der Transceiver 234 in 2 von der VCD 206 dazu verwendet werden, Informationen durch das Kommunikationsnetzwerk 204 an den Fernserver 202 und andere Server, Prozessoren und Informationsanbieter zu übertragen und von diesen zu empfangen. In alternativen Ausführungsformen kann ein Hochfrequenz(HF)-Transceiver 236 dazu verwendet werden, Informationen an den Fernserver 202 zu übertragen und von diesem zu empfangen. In einigen Ausführungsformen kann die VCD 206 Informationen vom Fernserver 202 empfangen und an diesen übertragen, einschließlich unter anderem Fahrzeugdaten, Verkehrsdaten, Straßendaten, Bordsteindaten, Fahrzeugstandort- und -richtungsdaten, Ereigniszeitpläne mit hohem Verkehrsaufkommen, Wetterdaten oder andere transportbezogene Daten. In einigen Ausführungsformen kann der Fernserver 202 mit mehreren Fahrzeugen (z. B. dem RV 104a), anderen Gebilden, Verkehrsinfrastrukturen und/oder Vorrichtungen durch eine Netzwerkverbindung, wie etwa die Drahtlosnetzwerkantenne 238, die Anlage am Straßenrand 240 und/oder andere Netzwerkverbindungen verknüpft werden. Erneut Bezug nehmend auf das HV 102, können die Fahrzeugsysteme 208 jede beliebige Art von hierin beschriebenem Fahrzeugsteuersystem und/oder Fahrzeug beinhalten, um das HV 102 und/oder das Fahren des HV 102 zu verbessern. Zum Beispiel können die Fahrzeugsysteme 208 autonome Fahrsysteme, Fahrerassistenzsysteme, adaptive Geschwindigkeitsregelungssysteme, Spurhaltewarnsysteme, Einfädelassistenzsysteme, Schnellstraßeneinfädel-, -abfahr- und -spurwechselsysteme, Kollisionswarnsysteme, integrierte fahrzeugeigene Sicherheitssysteme und automatische geleitete Fahrzeugsysteme oder beliebige andere fortschrittliche Fahrassistenzsysteme (Advanced Driving Assistance Systems - ADAS) beinhalten. Wie noch beschrieben wird, kann eines oder mehrere der Fahrzeugsysteme 208 gemäß den hierin erörterten Systemen und Verfahren gesteuert werden.
Die Sensoren 210, die mit den Fahrzeugsystemen 208 umgesetzt sein können, können verschiedene Arten von Sensoren zur Verwendung mit dem HV 102 und/oder den Fahrzeugsystemen 208 zum Erkennen und/oder Erfassen eines Parameters des HV 102, der Fahrzeugsysteme 208 und/oder der das HV 102 umgebenden Umwelt beinhalten. Zum Beispiel können die Sensoren 210 Daten über Fahrzeuge und/oder Gefahren in der Nähe des HV 102 bereitstellen. Zum Beispiel können die Sensoren 210 unter anderem Folgendes beinhalten: Beschleunigungssensoren, Fahrgeschwindigkeitssensoren, Bremssensoren, Näherungssensoren, Sichtsensoren, Entfernungssensoren, Sitzsensoren, Sitzgurtsensoren, Türsensoren, Umweltsensoren, Gierratensensoren, Lenksensoren, GPS-Sensoren. Es versteht sich auch, dass die Sensoren 210 eine beliebige Art von Sensor sein können, zum Beispiel unter anderem ein akustischer, elektrischer, Umwelt-, optischer, bildgebender, Licht-, Druck-, Kraft-, thermischer, Temperatur-, Näherungssensor.
Unter Verwendung der oben erörterten System- und Netzwerkkonfiguration kann eine Vorhersage von Gefahren auf Fahrspurebene und Fahrzeugsteuerung basierend auf Echtzeit-Informationen von Fahrzeugen unter Verwendung von Fahrzeugkommunikation bereitgestellt werden. Detaillierte Ausführungsformen, die beispielhafte Verfahren unter Verwendung der oben erörterten System- und Netzwerkkonfiguration beschreiben, werden nun im Detail erörtert.
VERFAHREN ZUR FAHRSPURGEFAHRENVORHERSAGE
Nun Bezug nehmend auf 3 wird nun ein Verfahren 300 zur Fahrspurgefahrenvorhersage gemäß einer beispielhaften Ausführungsform beschrieben. 3 wird auch mit Bezugnahme auf die 1 und 2 beschrieben. Wie in 3 gezeigt, kann das Verfahren zur Fahrspurgefahrenvorhersage nach drei Phasen beschrieben werden, und zwar Daten-Crowdsourcing, Erkennen einer Fahrspurgefahr und Fahrerreaktionsstrategie. Der Einfachheit halber wird das Verfahren 300 durch diese Phasen beschrieben, es versteht sich jedoch, dass die Elemente des Verfahrens 300 zu verschiedenen Architekturen, Blöcken, Phasen und/oder Prozessen organisiert werden können.
DATEN-CROWDSOURCING
Bei Block 302 beinhaltet das Verfahren 300 ein Segmentieren eines Straßennetzes in Zellen. Zum Beispiel kann das Crowdsourcing-Erfassungsmodul 224 das Straßennetz 100 in die Vielzahl von Zellen auf Fahrspurebene segmentieren. Nun Bezug nehmend auf 1 und wie oben beschrieben, kann das Straßennetz 100 eine Vielzahl von Fahrspuren beinhalten, und zwar die Fahrspur j₁ , die Fahrspur j₂ , die Fahrspur j₃ und die Fahrspur j₄ . Jede Fahrspur kann in eine Vielzahl von Zellen auf Fahrspurebene segmentiert werden, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt der Fahrspur beinhaltet. Somit können die Zellen auf Fahrspurebene einen räumlichen Bereich des Straßennetzes 100 in Bezug auf eine Längsposition in den Fahrspuren definieren. In einigen Ausführungsformen wird das Straßennetz 100 in Zellen von gleicher Größe, zum Beispiel mit einer räumlichen Länge von 30 Metern, nach jeder Fahrspur segmentiert.
In 1 werden drei Zellen in der Fahrspur j₃ gezeigt, konkret Zelle i-1, Zelle i und Zelle i+1. Zelle i wird als die Ego-Zelle bezeichnet, Zelle i-1 ist eine benachbarte Zelle in einer vorgelagerten Richtung von der Ego-Zelle und Zelle i+1 ist eine benachbarte Zelle in einer nachgelagerten Richtung von der Ego-Zelle. Es versteht sich, dass obwohl in 1 nur drei Zellen gezeigt werden, jede Fahrspur in eine Vielzahl von Zellen (z. B. mehr als drei Zellen) segmentiert werden kann und dass die gesamte Fahrspur und/oder das gesamte Straßennetz 100 auf diese Weise segmentiert werden kann.
Bei Block 304 beinhaltet das Verfahren 300 ein Empfangen von Fahrzeugdaten. Zum Beispiel kann das Crowdsourcing-Erfassungsmodul 224 Fahrzeugdaten über eines oder mehrere der RVs, die das Straßennetz 100 befahren (z. B. das HV 102, das RV 104a, das RV 104b, das RV 104c, das RV 104d, das RV 104e, das RV 104f, das RV 104g), unter Verwendung von Fahrzeugkommunikation, wie oben bei 2 beschrieben, empfangen. Fahrzeugdaten können unter anderem Fahrgeschwindigkeits-, Beschleunigungs-, (vektorielle) Geschwindigkeits-, Gierraten-, Lenkwinkel- und Drosselwinkel-, Reichweiten- oder Abstandsdaten beinhalten. Die Fahrzeugdaten können auch Kursrichtungsdaten, Kurshistoriendaten, prognostizierte Kursdaten, kinematische Daten, aktuelle Fahrzeugpositionsdaten und beliebige andere Fahrzeuginformationen über die RVs und die die RVs umgebende Umwelt beinhalten.
Das Crowdsourcing-Erfassungsmodul 224 sammelt die Fahrzeugdaten im räumlichen und zeitlichen Bereich und segmentiert (z. B. integriert) die Fahrzeugdaten in die Zellen auf Fahrspurebene (z. B. in Längsrichtung) und in Zeitscheiben (z. B. Vielfaches von Zeitschritten). Dementsprechend beinhaltet das Verfahren 300 bei Block 306 eine Datenintegration von Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene, die bei Block 302 segmentiert wurden. In einigen Ausführungsformen wird die Datenintegration und zeitliche Auflösung bei einem vorbestimmten Zeitintervall, zum Beispiel 20 Sekunden, durchgeführt.
ERKENNEN EINER FAHRSPURGEFAHR
Basierend auf den Crowdsourcing-Fahrzeugdaten beinhaltet das Verfahren 300 bei Block 308 ein Extrahieren von Merkmalen (z. B. Eingabemerkmale) für jede Zelle auf Fahrspurebene. In einer Ausführungsform kann das Merkmalsextraktionsmodul 226 die Schlüsselfaktoren, die als repräsentativ für das Erkennen einer potenziellen nachgelagerten Gefahr gelten, extrahieren und identifizieren. Zum Beispiel können die Merkmale, die hierin noch eingehender erörtert werden, eine Durchschnittsfahrgeschwindigkeit der Zelle beinhalten. Das Merkmal kann auch ein Fahrzeugmanöver der Zelle beinhalten. Zum Beispiel kann das Merkmalsextraktionsmodul 226 in einigen Ausführungsformen ein Fahrzeugmanöver innerhalb jeder Zelle auf Fahrspurebene basierend auf den Fahrzeugdaten identifizieren. Das Fahrzeugmanöver kann in fünf Klassen klassifiziert werden: durchgehendes Manöver, sowohl Eintritt als auch Austritt beinhaltend (M1), Spurwechsel nach links raus (M2); Spurwechsel nach rechts raus (M3); Spurwechsel nach rechts rein (M4); Spurwechsel nach links rein (M5).
Unter Verwendung dieser Merkmale kann das System Fahrspurgefahrenmuster identifizieren und Fahrspurgefahren durch das Fahrspurgefahrenmuster-Erkennungsmodul 228 bei Block 310 erkennen. Bezug nehmend auf das Diagramm 400 aus 4 werden zum Beispiel basierend auf den Fahrzeugdaten Muster beobachtet, die kollektive Verhaltensweisen bei Fahrzeugen, die sich einer Gefahrenstelle (z. B. die Gefahr 106) nähern, identifizieren können. Das Diagramm 400 veranschaulicht Spurwechselmanöver bei Fahrzeugen, wenn eine nachgelagerte Gefahr vorliegt. In 4 tritt die erkannte Gefahr auf einer ersten Fahrspur bei 1225 Metern vom Ursprung auf, was durch eine klare Teilung der Spurwechselmanöver zwischen dem der Gefahr Vorgelagerten und Nachgelagerten ersichtlich ist. Dementsprechend beinhaltet das Verfahren 300 bei Block 310 das Erkennen einer Fahrspurgefahr. Zum Beispiel berechnet das Fahrspurgefahrenmuster-Erkennungsmodul 228 für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene eine Wahrscheinlichkeit, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind. Das Fahrspurgefahrenmuster-Erkennungsmodul 228 wird lokal für jede Zelle auf Fahrspurebene ausgeführt und gibt ein binäres Gefahrenkennzeichen (1: Gefahr besteht, 0: keine Gefahr) aus. Mathematisch werden für jede Zelle (i, j) im Straßennetz 100 (z. B. wobei i für die Längsposition und j die Fahrspurnummer steht) Messungen von der Ego-Zelle und benachbarten Zellen in den vorgelagerten und nachgelagerten Segmenten unter Verwendung einer logistischen Regression betrachtet, wie in Gleichung (1) und Gleichung (2) gezeigt: $P (y = 1 | x) = h_{θ} (x) = \frac{1}{1 + exp (- θ^{T} x)}$
$P (y = 0 | x) = 1 - P (y = 1 | x) = 1 - h_{θ} (x)$
wobei h_θ(x) die Wahrscheinlichkeit, dass die Gefahr besteht, ist; 8 ein Vektor von Modellparametern ist; x ein Vektor von Merkmalseingaben ist; und (y = 0|1) das Fahrspurgefahrkennzeichen für eine bestimmte Zelle auf Fahrspurebene darstellt. Die logische Funktion schränkt die Werte des Landslide Susceptibility Index des Modells im Bereich [0, 1] ein. In den hierin erörterten Ausführungsformen wurde der Indexschwellenwert auf 0,75 gesetzt. Es versteht sich, dass obwohl in allen hierin erörterten Verfahren und Systemen ein logistisches Regressionsmodell verwendet wird, jede beliebige Art von Maschinenlernmodell umgesetzt werden kann. In einer Ausführungsform werden acht Eingabemerkmale (z. B. bei Block 308 extrahiert) auf die in Gleichung (1) und (2) gezeigten Algorithmen angewendet, und zwar durchschnittliche Fahrgeschwindigkeit von Zelle (i, j); durchschnittliche Fahrgeschwindigkeit von Zelle (i, j) durch durchschnittliche Fahrgeschwindigkeit von Zelle (i, j); durchschnittliche Fahrgeschwindigkeit von Zelle (i, j) durch durchschnittliche Fahrgeschwindigkeit von Zelle (i-1,:); durchschnittliche Fahrgeschwindigkeit von Zelle (i, j) durch durchschnittliche Fahrgeschwindigkeit von Zelle (i+1,:); Anzahl (M1) durch die Zahl aller Manöver; (Anzahl (M2) + Anzahl (M3)) durch die Zahl aller Manöver; und (Anzahl (M4) + Anzahl (M5)) durch die Zahl aller Manöver.
Die Gleichungen (1) und (2) können in eine erweiterte Form umgeschrieben werden. Somit kann die oben erörterte logistische Regression auch folgendermaßen mathematisch ausgedrückt werden: $l o g i t (P_{i j}) = ln (\frac{P_{i j}}{1 - P_{i j}}) = β_{0} + β_{1} \times {\bar{V}}_{i j} + β_{2} \times \frac{{\bar{V}}_{i j}}{{\bar{V}}_{i}} + β_{3} \times \frac{{\bar{V}}_{i j}}{{\bar{V}}_{i - 1}} + β_{4} \times \frac{{\bar{V}}_{i j}}{{\bar{V}}_{i + 1}} + β_{5} \times \frac{m_{1}}{m} + β_{6} \times \frac{m_{2} + m_{3}}{m} + β_{7} \times \frac{m_{4} + m_{5}}{m} + β_{8} \times \sum_{i = 1}^{n} \frac{m_{i}}{m} l o g (\frac{m_{i}}{m})$
Daher lässt sich die Wahrscheinlichkeit, dass eine Gefahr in jeder Zelle (i; j) aufgetreten ist, auch durch Folgendes erhalten: $P_{i j} = \frac{1}{1 + exp (logit (P_{i j}))}$
wobei Pij die Wahrscheinlichkeit ist, dass eine Gefahr bei Zelle (i, j) vorliegt; V _ij die durchschnittliche Fahrgeschwindigkeit von Zelle (i, j) ist; V _i die durchschnittliche Fahrgeschwindigkeit über alle Fahrspuren bei Längssegment I ist; V _i-1 die durchschnittliche Fahrgeschwindigkeit der Fahrspuren bei Zelle (i, j) im vorgelagerten benachbarten Längssegment ist; V _i+1 die durchschnittliche Fahrgeschwindigkeit der Fahrspuren bei Zelle (i, j) im nachgelagerten benachbarten Längssegment ist; m_i die Zahl eines Fahrzeugmanövers (nachfolgend erörtert) ist, das bei Zelle (i, j) vorgefallen ist, das zu einer vordefinierten Manöverart i gehört; m die Gesamtzahl eines bei Zelle (i, j) vorgefallenen Manövers ist; n die Zahl von Manöverarten ist; und β_k die Koeffizienten der Parameter darstellt. Die Parameterkalibrierungsergebnisse einschließlich der Koeffizienten werden in Tabelle 1 gezeigt. Tabelle 1

Var. β₀ β₁ β₂ β₃ β₄ β₅ β₆ β₇ β₈

Koeff. -2,42 -2,24 -2,21 -2,23 -2,25 -1,90 0,88 -0,03 -0,17
Gemäß der Ausführungsform in Gleichung (3) und (4) können die acht Eingabemerkmale wie folgt zusammengefasst werden: V _ij ist die durchschnittliche Fahrzeugfahrgeschwindigkeit von Zelle (i, j); $\frac{{\bar{V}}_{i j}}{{\bar{V}}_{i}}$
ist das relative durchschnittliche Fahrgeschwindigkeitsverhältnis zwischen Zelle (i, j) und all den Fahrspuren bei dem gleichen Längssegment wie Zelle (i, j); $\frac{{\bar{V}}_{i j}}{{\bar{V}}_{i - 1}}$
ist das relative durchschnittliche Fahrgeschwindigkeitsverhältnis zwischen Zelle (i, j) und all den Fahrspuren bei dem vorgelagerten benachbarten Längssegment von Zelle (i, j); $\frac{{\bar{V}}_{i j}}{{\bar{V}}_{i + 1}}$
ist das relative durchschnittliche Fahrgeschwindigkeitsverhältnis zwischen Zelle (i, j) und all den Fahrspuren bei dem vorgelagerten benachbarten Längssegment von Zelle (i, j); $\frac{m_{1}}{m}$
ist der Prozentsatz von durchgehenden Manövern unter den Fahrzeugmanövern insgesamt; $\frac{m_{2} + m_{3}}{m}$
ist der Prozentsatz von Spurwechseln aus Zelle (i, j) durch all die Fahrzeugmanöver; $\frac{m_{4} + m_{5}}{m}$
ist der Prozentsatz von Spurwechseln in Zelle (i, j) aus ihren benachbarten Fahrspuren durch all die Manöver und $\sum_{i = 1}^{n} \frac{m_{i}}{m} l o g (\frac{m_{i}}{m})$
ist die Entropiemessung der Fahrzeugmanöver.
In Bezug auf die Fahrzeugmanöver kann die Entropie der Fahrzeugmanöver als eine der Merkmalseingaben verwendet werden, um die Vielfalt der Manöver zu erfassen. Die Entropie nimmt ihren Minimalwert null an, wenn all die Fahrzeugmanöver aus derselben kategorisierten Klasse sind, und ihren Maximalwert, wenn all die Fahrzeugmanöver einheitlich verteilt sind. Konkreter wird die Entropie der Fahrzeugmanöver mathematisch in Gleichung (5) gezeigt: $H = \sum_{i = 1}^{n} \frac{m_{i}}{m} log (\frac{m_{i}}{m})$
FAHRERREAKTIONSSTRATEGIE
Basierend auf der Ausgabe der oben gezeigten Modelle können verschiedene Fahrerreaktionsstrategien unter Verwendung der Fahrzeugsteuerung ausgeführt werden. Dementsprechend beinhaltet das Verfahren 300 bei Block 312 ein Steuern eines oder mehrerer Fahrzeuge basierend auf der Fahrspurgefahr. Zum Beispiel kann das Fahrspurempfehlungsmodul 230 eines oder mehrere Fahrzeugsysteme 208 basierend auf der Gefahr 106, die nachgelagert von der Fahrspur, auf der das HV 102 fährt, erkannt wird, steuern. Zum Beispiel können Gefahreninformationen und/oder Fahrspurwahlvorschläge an eine Mensch-Maschinen-Schnittstelle des HV 102 bereitgestellt werden.
Zusätzlich können halbautomatische und vollautomatische Reaktionen an das HV 102 bereitgestellt werden. Zum Beispiel kann eine Steuerung der seitlichen Bewegung des HV 102 (z. B. Spurwechsel auf die benachbarte Fahrspur j₂ oder benachbarte Fahrspur j₄ ) durchgeführt werden, wenn eine Gefahr (z. B. Gefahrenkennzeichen = 1) nachgelagert von der aktuellen Fahrspur (z. B. Fahrspur j₃ ) des HV 102 bestimmt wird. Diese Steuerung kann auch basierend auf einem vorbestimmten Abstand von der Gefahr 106 durchgeführt werden, zum Beispiel wenn die Gefahr innerhalb einer Kommunikationsreichweite (z. B. 2000 Meter) vom HV 102 erkannt wird. Zusätzlich können die mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeuge auf den anderen Fahrspuren ebenfalls dazu geleitet und/oder gesteuert werden, keinen Spurwechsel auf die Fahrspur vorzunehmen, wo die Gefahr 106 vorliegt, bis sie die Gefahr 106 passieren. Es versteht sich, dass auch andere Arten von Steuerung umgesetzt werden können. Zum Beispiel kann die Fahrgeschwindigkeit von einem oder mehreren der RVs auf kooperative Weise gesteuert werden, um die Umgehungsverhaltensweisen des vorgelagerten Verkehrsflusses noch weiter zu glätten, um die Auswirkungen der Gefahr 106 zu minimieren.
Während die 1, 2 und 3 in Bezug auf das HV 102 beschrieben werden, können die Systeme und Verfahren auch in Bezug auf eines oder mehrere der entfernten Fahrzeuge funktionieren. Zum Beispiel kann das RV 104a in einer Ausführungsform als ein Hostfahrzeug fungieren. In einer solchen Ausführungsform kann das HV 102 als ein entferntes Fahrzeug fungieren und das RV 104a empfängt Frühwarnungen zu potenziellen Fahrspurgefahren durch die beschriebenen Verfahren.
Zum Beispiel wird in Bezug auf das Verfahren aus 3 das Straßennetz 100 bei Block 302 durch das Crowdsourcing-Erfassungsmodul 224 des RV 104a in Zellen segmentiert. Bei Block 304 empfängt das RV 104a Fahrzeugdaten am Crowdsourcing-Erfassungsmodul 224 über eines oder mehrere der entfernten Fahrzeuge, einschließlich des HV 102. Bei Block 306 werden die Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene integriert. Dementsprechend empfängt und integriert das RV 104a Daten auf ähnliche Weise wie es möglicherweise jedes andere Fahrzeug auf dem Straßennetz 100 tut.
Bei Block 308 identifiziert ein Merkmalsextraktionsmodul 226 des RV 104a Faktoren, die repräsentativ für eine potenzielle Gefahr sind, die sich dem RV 104a nachgelagert befindet. Wie oben beschrieben, können diese Faktoren die durchschnittliche Fahrgeschwindigkeit einer Zelle beinhalten, wie etwa Zelle i-1, die das HV 102 beinhaltet, das in dieser Ausführungsform wieder ein entferntes Fahrzeug ist. Die Merkmale können auch ein Manöver des HV 102 in Zelle i-1 beinhalten. Bei Block 310 identifiziert das Fahrspurgefahrenmuster-Erkennungsmodul 228 Fahrspurgefahrenmuster, um Fahrspurgefahren zu erkennen. Dann kann das RV 104a bei Block 312 basierend auf der erkannten Fahrspurgefahr gesteuert werden. Zum Beispiel kann das RV 104a Fahrspuren auf eine benachbarte Fahrspur wechseln. Dementsprechend können vorgelagerte Fahrzeuge potenzielle Fahrspurgefahren nachgelagert erkennen und manövrieren, um ihnen auszuweichen, ohne den Verkehrsfluss zu unterbrechen.
SIMULATION UND ERGEBNISSE
Die hierin erörterten Systeme und Verfahren wurden unter Verwendung eines hypothetischen Straßennetzes validiert, um allgemeine Manöver und Gefahrenvorhersage auf Fahrspurebene zu erproben. Das verwendete hypothetische Straßennetz war ein 3,2 km (2 Meilen) langes Schnellstraßensegment mit vier Fahrspuren. Mit dem hypothetischen Straßennetz wurden Simulationstests unter verschiedenen V2X-Netzwerk-Durchdringungsraten und unterschiedlichen Verkehrsdichtegraden durchgeführt. Die detaillierten verwendeten Parameter beinhalten V2X-Netzwerk-basierte CV-Durchdringungsrate (Penetration Rate - PR) und Verkehrsaufkommen. In Bezug auf die V2X-Netzwerk-basierte CV-PR ist die Durchdringungsrate des Mobilfunknetzmarktes angesichts der großen Kommunikationsreichweite und Zuverlässigkeit sehr vielversprechend. Eine vollständige Durchdringungsrate (d.h. 100 %) ermöglicht, dass die Fahrspurgefahrenvorhersage genaue Messungen erreicht, was zu höherer Vorhersagegenauigkeit und kürzerer Reaktionszeit führt. Ein solch idealer Fall kann jedoch eventuell nicht sofort erreicht werden, sodass die Empfindlichkeitsanalyse über unterschiedliche Grade der Durchdringungsrate bedeutsam wird. In Bezug auf das Verkehrsaufkommen werden drei unterschiedliche Verkehrsdichtegrade betrachtet. Konkret wurde in der Simulation leichter Verkehr (3000 Fahrzeuge/Stunde), mittelmäßiger Verkehr (5000 Fahrzeuge/Stunde) und starker Verkehr (7000 Fahrzeuge/Stunde) gemäß der Zahl von Fahrzeugen getestet, die in dem Netzwerk innerhalb eines einstündigen Simulationslaufs freigesetzt wurden.
In der Simulation wurden mit Fahrspurgefahrenvorhersage ausgestattete Fahrzeuge (z. B. Fahrzeuge, die zur Computerkommunikation und Fahrspurgefahrenvorhersage gemäß den hierin beschriebenen Systemen und Verfahren ausgerüstet sind) auf 9 % der verbundenen Fahrzeuge basierend auf einem V2X-Netzwerk gesetzt. Daher gibt es drei Arten von Fahrzeugen, die in dem Simulationsnetzwerk laufen: mit Fahrspurgefahrenvorhersage ausgestattete Fahrzeuge, Nur-V2X-Fahrzeuge und herkömmliche Fahrzeuge. Mit Fahrspurgefahrenvorhersage ausgestattete Fahrzeuge sind Fahrzeuge, die nicht nur Informationen austauschen können, sondern auch Fahrspuren wechseln, um einer Gefahr im nachgelagerten Verkehr auszuweichen. Nur-V2X-Fahrzeuge sind Fahrzeuge, die ihre Echtzeit-Informationen (z. B. Fahrgeschwindigkeit, Position auf Fahrspurebene) mit anderen V2X-Netzwerk-basierten verbundenen Fahrzeugen austauschen können, jedoch ohne bordeigene Anwendungen. Herkömmliche Fahrzeuge sind Fahrzeuge ohne V2V-Kommunikationsvermögen und deren Verhaltensweisen folgen der Vorgabefahrspur und dem Autonachfolgemodell der Simulationssoftware. Der Simulationszeitraum für jeden Lauf ist auf 1800 Sekunden gesetzt. Für jede Kombination von Parametern der Durchdringungsrate und des Verkehrsaufkommens (z. B. 50 % mit V2X ausgerüstete Fahrzeuge und 7000 Fahrzeuge/Stunde) ließ die Simulation zehn (10) Anfangswerte für den Zufallsgenerator im hypothetischen Straßennetz laufen.
Mit einem Fahrerreaktionsmodell (d. h. Vermeiden von Spurwechseln wo sich die nachgelagerte Gefahr befindet) können mit Fahrspurgefahrenvorhersage ausgestattete Fahrzeuge von der Anwendung profitieren, dahingehend, dass aggressives Spurwechseln vermindert und die Fortpflanzung der Verdichtung vorgelagert von der Gefahr geglättet wird. Die Leistung wird durch einige Ersatzmaßnahmen evaluiert, zum Beispiel ein potenzieller Konflikt, der als eine beobachtbare Situation definiert wird, wo zwei oder mehr Straßenbenutzer sich einander räumlich und zeitlich soweit nähern, dass ein Kollisionsrisiko besteht, wenn ihre Bewegungen unverändert bleiben. Eine statistische Analyse demonstriert die hohe Korrelation zwischen Konflikten und Zusammenstößen. In dieser Simulation wird die erlangte Konflikthäufigkeit als Leistungsmessungen gewählt. Die Vergleiche zwischen mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen, nicht ausgerüsteten Fahrzeugen und Fahrzeugen insgesamt werden durch das relative Verhältnis der Konflikthäufigkeit (Conflict Frequency - CF) quantifiziert, wie nachfolgend in Gleichung (6) und Gleichung (7) definiert. $\frac{M O E_{e} - M O E_{u e}}{M O E_{u e}} * 100 %$
wobei MOE_e = die Metrik an ausgerüsteten Fahrzeugen, durch ausgerüstete Fahrzeuge verursachte CF; und MOE_ue = die Metrik an nicht ausgerüsteten Fahrzeugen, durch nicht ausgerüstete Fahrzeuge verursachte CF. $\frac{M O E_{o a} - M O E_{b l}}{M O E_{b l}} * 100 %$
wobei MOE_oa = die Metrik von Fahrzeugen insgesamt in einem mit differentieller Warnung ausgestatteten Szenario mit hoher Fahrgeschwindigkeit ist, CF; und MOE_bl = die Metrik von Fahrzeugen insgesamt in Baselines, CF.
Die Kastengrafiken und Fehlerbalken in Diagramm 500 von 5 zeigen den Vergleich der Gesamtkonflikthäufigkeit (z. B. relative Zahl) zwischen mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen und nicht ausgerüsteten Fahrzeugen bei unterschiedlichen V2X-Konnektivitäts-Durchdringungsraten mit einem Verkehrsaufkommen, das auf 7000 Fahrzeuge/Stunde gesetzt ist. Wie im Diagramm 500 ersichtlich ist, ist die durchschnittliche relative Konflikthäufigkeitszahl bei allen Durchdringungsraten immer negativ, was auf eine erhebliche Verbesserung für mit Fahrspurgefahrenvorhersage ausgerüstete Fahrzeuge schließen lässt. Die durchschnittliche Verringerung der Konflikthäufigkeit reicht von 21 % bis 47 %. Der potenzielle Grund dafür ist, dass ein Auslösen einer Fahrerreaktion frühzeitig vor der Gefahrenstelle die Schockwellenauswirkungen mindern und den gesamten Verkehrsfluss glätten kann.
Nun Bezug nehmend auf 6 veranschaulicht das Diagramm 600 eine Empfindlichkeitsanalyse nach Verkehrsaufkommen, die ausgehend von einer Durchdringungsrate der V2X-Kommunikationskonnektivität von 100% und einem Anteil der mit Fahrspurgefahrenvorhersage ausgestatteten Fahrzeuge von 9 % gegenüber der Gesamtzahl der V2X-Netzwerk-basierten verbundenen Fahrzeuge vorgenommen wurde. Wie in Diagramm 600 gezeigt, weisen die hierin erörterten Systeme und Verfahren zur Fahrspurgefahrenvorhersage ein großes Potenzial zur Verbesserung der Sicherheitsleistung bei unterschiedlichen Verkehrsdichtegraden auf, beinhaltend leichten Verkehr (z. B. 3000 Fahrzeuge/Stunde), mittelmäßigen Verkehr (z. B. 5000 Fahrzeuge/Stunde) und starken Verkehr (z. B. 7000 Fahrzeuge/Stunde). Insbesondere wird die durchschnittliche Konflikthäufigkeit von mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen jeweils um 38 %, 20 %, 36 % gegenüber nicht ausgerüsteten Fahrzeugen bei leichten, mittelmäßigen bzw. starken Verkehrsbedingungen verringert. Bei starken Verkehrsbedingungen ist der Vorteil jedoch ausgeprägter mit weniger Varianz.
Die Mobilitätsleistung bei mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen, nicht ausgerüsteten Fahrzeugen und Fahrzeugen insgesamt wurde ebenfalls unter Verwendung der durchschnittlichen Fahrgeschwindigkeit gemäß Gleichung (8) untersucht: $\bar{ν} = \frac{\sum_{i = 1}^{n} \sum_{t = 1}^{T_{i}} V M T_{i, t}}{\sum_{i = 1}^{n} \sum_{t = 1}^{T_{i}} V H T_{i, t}}$
wobei VMT_i,t = die für Fahrzeug i in Zeitschritt t gefahrenen Fahrzeugmeilen, Meilen; und VHT_i,t die für Fahrzeug i in Zeitschritt t gefahrenen Fahrzeugstunden, Stunden. Das in 7 gezeigte Diagramm 700 zeigt die Vergleichsergebnisse zwischen mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen und nicht ausgerüsteten Fahrzeugen zur durchschnittlichen Fahrgeschwindigkeit (relatives Verhältnis). Die durchschnittliche Fahrgeschwindigkeitssteigerung von mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen (15-20 %) liegt erheblich über allen Durchdringungsraten und die Verbesserung ist ausgeprägter als die Steigerungen der Durchdringungsrate der V2X-Kommunikationskonnektivität, was daran liegen kann, dass die Gefahrenvorhersage zuverlässiger und effizienter ist.
Zudem wurde eine Verkehrsaufkommen-Empfindlichkeitsanalyse durchgeführt, wie in 8 und Diagramm 800 gezeigt. Diese Analyse demonstriert, dass sich die durchschnittliche Fahrgeschwindigkeit von mit Fahrspurgefahrenvorhersage ausgerüsteten Fahrzeugen um 3 %, 6% und 15 % gegenüber nicht ausgerüsteten Fahrzeugen (bei einer Durchdringungsrate von 100 %) unter leichten, mittelmäßigen und starken Verkehrsbedingungen steigern kann. Die Mobilitätsverbesserung bei starkem Verkehr (d. h. 7000 Fahrzeuge/Stunde) ist wesentlich signifikanter als die bei leichtem Verkehr, was daran liegen kann, dass nicht ausgerüstete Fahrzeuge mehr Platz für einen Spurwechsel direkt bevor sie sich der Gefahr nähern haben, wenn der Verkehr nicht so dicht ist.
Die hierin erörterten Ausführungsformen können auch im Kontext eines computerlesbaren Speichermediums, das computerausführbare Anweisungen speichert, beschrieben und umgesetzt werden. Computerlesbare Speichermedien beinhalten Computerspeichermedien und Kommunikationsmedien. Zum Beispiel Flash-Speicher-Laufwerke, Digital Versatile Disks (DVDs), Compact Disks (CDs), Disketten und Bandkassetten. Computerlesbare Speichermedien können flüchtige und nichtflüchtige, herausnehmbare und nichtherausnehmbare Medien beinhalten, die in einem beliebigen Verfahren oder einer beliebigen Technologie zur Speicherung von Informationen, wie etwa computerlesbare Anweisungen, Datenstrukturen, Modulen oder anderen Daten, umgesetzt sind. Nicht zu computerlesbaren Speichermedien gehören nichttransitorische materielle Medien und verbreitete Datensignale.
Es versteht sich, dass verschiedene der oben offenbarten und andere Merkmale und Funktionen oder Alternativen oder Abwandlungen davon nach Belieben zu vielen anderen verschiedenen Systemen oder Anwendungen kombiniert werden können. Ebenso versteht es sich, dass verschiedene bisher noch nicht vorgesehene oder vorausgesehene Alternativen, Modifikationen, Variationen oder Verbesserungen daran nachträglich vom Fachmann vorgenommen werden können, welche auch von den folgenden Patentansprüchen mit eingeschlossen sein sollen.
Ein computerimplementiertes Verfahren zur Fahrspurgefahrenvorhersage beinhaltend Empfangen von Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind. Jedes Fahrzeug in der Vielzahl von Fahrzeugen fährt entlang eines Straßennetzes, das eine Vielzahl von Fahrspuren beinhaltet, und jede Fahrspur in der Vielzahl von Fahrspuren beinhaltet eine Vielzahl von Zellen auf Fahrspurebene, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet. Das Verfahren beinhaltet Integrieren der Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene, und für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene Berechnen einer Wahrscheinlichkeit, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene, einer benachbarten vorgelagerten Zelle und einer benachbarten nachgelagerten Zelle assoziiert sind. Ferner beinhaltet das Verfahren Steuern eines Hostfahrzeugs basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht.

Claims

Computerimplementiertes Verfahren zur Fahrspurgefahrenvorhersage, umfassend: Empfangen von Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind, wobei jedes Fahrzeug in der Vielzahl von Fahrzeugen entlang eines Straßennetzes fährt, das eine Vielzahl von Fahrspuren beinhaltet, wobei jede Fahrspur in der Vielzahl von Fahrspuren eine Vielzahl von Zellen auf Fahrspurebene beinhaltet, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet; Integrieren der Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene; für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene Berechnen einer Wahrscheinlichkeit, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind; und Steuern eines Hostfahrzeugs basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht.
Computerimplementiertes Verfahren nach Anspruch 1, beinhaltend Segmentieren des Straßennetzes in die Vielzahl von Zellen auf Fahrspurebene.
Computerimplementiertes Verfahren nach Anspruch 2, wobei die Vielzahl von Zellen auf Fahrspurebene jeweils eine räumliche Länge von 30 Metern auf jeder Fahrspur der Vielzahl von Fahrspuren aufweist.
Computerimplementiertes Verfahren nach einem der Ansprüche 1 bis 3, beinhaltend Identifizieren eines Fahrzeugmanövers innerhalb jeder Zelle auf Fahrspurebene basierend auf den Fahrzeugdaten.
Computerimplementiertes Verfahren nach Anspruch 4, wobei das Fahrzeugmanöver innerhalb jeder Zelle auf Fahrspurebene als mindestens eines eines durchgehenden Manövers, eines Spurwechsels nach links raus, eines Spurwechsels nach rechts raus, eines Spurwechsels nach rechts und eines Spurwechsels nach links rein klassifiziert wird.
Computerimplementiertes Verfahren nach Anspruch 4 oder 5, wobei das Berechnen der Wahrscheinlichkeit, dass die Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, auf einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene, einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene durch eine durchschnittliche Fahrgeschwindigkeit der benachbarten vorgelagerten Zelle, einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene durch eine durchschnittliche Fahrgeschwindigkeit der benachbarten nachgelagerten Zelle, und den für das Straßennetz identifizierten Fahrzeugmanövern basiert.
Computerimplementiertes Verfahren nach Anspruch 6, wobei die für das Straßennetz identifizierten Fahrzeugmanöver basierend auf einer Entropie der Fahrzeugmanöver berechnet werden.
Computerimplementiertes Verfahren nach einem der Ansprüche 1 bis 7, wobei das Berechnen der Wahrscheinlichkeit, dass die Gefahr besteht, auf einem Maschinenlernmodell der Fahrzeugdaten basiert.
Computerimplementiertes Verfahren nach einem der Ansprüche 1 bis 8, wobei das Steuern des Hostfahrzeugs Steuern eines Spurwechsels des Hostfahrzeugs beinhaltet, wenn die Gefahr nachgelagert von einer Fahrspur, auf der das Hostfahrzeug aktuell fährt, vorhergesagt wird.
System zur Fahrspurgefahrenvorhersage, umfassend: eine Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation über ein Fahrzeugkommunikationsnetzwerk ausgerüstet sind, wobei jedes Fahrzeug in der Vielzahl von Fahrzeugen entlang eines Straßennetzes fährt, das eine Vielzahl von Fahrspuren beinhaltet, wobei jede Fahrspur in der Vielzahl von Fahrspuren eine Vielzahl von Zellen auf Fahrspurebene beinhaltet, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet; und einen Prozessor, der zur Computerkommunikation mit dem Fahrzeugkommunikationsnetzwerk wirkverbunden ist, wobei der Prozessor: Fahrzeugdaten empfängt, die von der Vielzahl von Fahrzeugen übertragen werden; die Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene integriert; für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene eine Wahrscheinlichkeit berechnet, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind; und ein Hostfahrzeug basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht, steuert.
System nach Anspruch 10, wobei der Prozessor das Straßennetz in die Vielzahl von Zellen auf Fahrspurebene segmentiert.
System nach Anspruch 10 oder 11, wobei der Prozessor die Wahrscheinlichkeit, dass die Gefahr besteht, basierend auf einer logistischen Regression der Fahrzeugdaten berechnet.
System nach Anspruch 12, wobei die Fahrzeugdaten Eingabemerkmale sind, die von jeder Zelle auf Fahrspurebene extrahiert wurden, und die Eingabemerkmale mindestens eines von einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene, einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene durch eine durchschnittliche Fahrgeschwindigkeit der benachbarten vorgelagerten Zelle, einer durchschnittlichen Fahrgeschwindigkeit der Zelle auf Fahrspurebene durch eine durchschnittliche Fahrgeschwindigkeit der benachbarten nachgelagerten Zelle, und für das Straßennetz identifizierten Fahrzeugmanövern beinhalten.
System nach einem der Ansprüche 10 bis 13, wobei der Prozessor einen Spurwechsel des Hostfahrzeugs steuert, wenn die Gefahr nachgelagert von einer Fahrspur, auf der das Hostfahrzeug aktuell fährt, vorhergesagt wird.
Nichttransitorisches computerlesbares Speichermedium, beinhaltend Anweisungen, die bei Ausführung durch einen Prozessor den Prozessor dazu veran lassen: Fahrzeugdaten von einer Vielzahl von Fahrzeugen, die jeweils zur Computerkommunikation ausgerüstet sind, zu empfangen, wobei jedes Fahrzeug in der Vielzahl von Fahrzeugen entlang eines Straßennetzes fährt, das eine Vielzahl von Fahrspuren beinhaltet, wobei jede Fahrspur in der Vielzahl von Fahrspuren eine Vielzahl von Zellen auf Fahrspurebene beinhaltet, wobei jede Zelle auf Fahrspurebene einen bestimmten Abschnitt einer Fahrspur in der Vielzahl von Fahrspuren beinhaltet; die Fahrzeugdaten in die Vielzahl von Zellen auf Fahrspurebene zu integrieren; für jede Zelle auf Fahrspurebene in der Vielzahl von Zellen auf Fahrspurebene eine Wahrscheinlichkeit zu berechnen, dass eine Gefahr in Bezug auf die Zelle auf Fahrspurebene besteht, basierend auf den Fahrzeugdaten, die mit der Zelle auf Fahrspurebene assoziiert sind, den Fahrzeugdaten, die mit einer benachbarten vorgelagerten Zelle assoziiert sind, und den Fahrzeugdaten, die mit einer benachbarten nachgelagerten Zelle assoziiert sind; und ein Hostfahrzeug basierend auf der Wahrscheinlichkeit, dass die Gefahr dem Hostfahrzeug nachgelagert besteht, zu steuern.
Nichttransitorisches computerlesbares Speichermedium nach Anspruch 15, beinhaltend Veranlassen des Prozessors dazu, das Straßennetz in die Vielzahl von Zellen auf Fahrspurebene zu segmentieren.
Nichttransitorisches computerlesbares Speichermedium nach Anspruch 15 oder 16, beinhaltend Veranlassen des Prozessors dazu, ein Fahrzeugmanöver innerhalb jeder Zelle auf Fahrspurebene basierend auf den Fahrzeugdaten zu identifizieren.
Nichttransitorisches computerlesbares Speichermedium nach Anspruch 17, wobei das Fahrzeugmanöver innerhalb jeder Zelle auf Fahrspurebene als mindestens eines eines durchgehenden Manövers, eines Spurwechsels nach links raus, eines Spurwechsels nach rechts raus, eines Spurwechsels nach rechts und eines Spurwechsels nach links rein klassifiziert wird.
Nichttransitorisches computerlesbares Speichermedium nach Anspruch 17 oder 18, wobei das Berechnen der Wahrscheinlichkeit, dass die Gefahr besteht, auf einer logistischen Regression der Fahrzeugdaten einschließlich der identifizierten Fahrzeugmanöver basiert.
Nichttransitorisches computerlesbares Speichermedium nach einem der Ansprüche 15 bis 19, beinhaltend Veranlassen des Prozessors dazu, eine seitliche Bewegung des Hostfahrzeugs zu steuern, wenn die Gefahr nachgelagert von einer Fahrspur, auf der das Hostfahrzeug aktuell fährt, vorhergesagt wird.