EP4128021A1 - Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges - Google Patents

Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges

Info

Publication number
EP4128021A1
EP4128021A1 EP21715846.8A EP21715846A EP4128021A1 EP 4128021 A1 EP4128021 A1 EP 4128021A1 EP 21715846 A EP21715846 A EP 21715846A EP 4128021 A1 EP4128021 A1 EP 4128021A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
traffic density
movement profile
movement
traffic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21715846.8A
Other languages
English (en)
French (fr)
Inventor
Stephan Max
Martin Wegner
Sabina Alazzawi
Richard Niestroj
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Volkswagen AG
Original Assignee
Volkswagen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Volkswagen AG filed Critical Volkswagen AG
Publication of EP4128021A1 publication Critical patent/EP4128021A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Definitions

  • the present invention relates to a method, a computer program, a vehicle and a device for determining a traffic density from at least one movement profile of a vehicle, in particular, but not exclusively, to a concept for determining a traffic density taking into account differently weighted movement components of a movement profile as a function of a Limit speed.
  • Vehicles are an important means of transport for overcoming distances and are an important means of transport. As the number of vehicles increases, so does the density of traffic. Due to the increasing traffic density, there are more and more traffic jams and / or backlogs at red traffic lights. In order to distribute the traffic evenly, some concepts provide for the determination of the traffic density in order to shift the traffic from places with high traffic density to places with low traffic density.
  • the document US 2015/0079932 A1 relates to a method and systems that can help protect the privacy of users when storing and / or using location data provided by the users' mobile devices.
  • One method may include determining a location history associated with a first customer device, the location history including multiple time stamped location reports.
  • the document CN 108734008 A relates to a method for assessing the degree of anonymity of anonymous lane data of a vehicle on the basis of a parking log. Parking log data can be correlated with lane data and thus an assignment to an individual driver can be made.
  • the document US 2019/0116492 A1 describes a method in which a server device records position information on a communication terminal by means of a detection unit. At this time, an extraction unit extracts route information including one Start point and an end point from the position information. A type of means of movement of the communication terminal is identified by an identification unit based on the position information. A segment of the route information including the starting point and a segment including the end point are then masked by means of a masking unit in order to generate output route information. The masking unit defines a masked portion of the route information according to a type of the moving means.
  • the document US 10,341,858 B1 describes a computer-implemented method for concealing a user location.
  • a movement of a mobile user device can be detected with a movement sensor of the mobile user device.
  • the method further comprises checking whether the movement of the mobile user device reaches a specified threshold value. When the motion threshold is reached, the user's data should be protected. This can be done by obscuring the actual location of the user.
  • Embodiments are based on the core idea that a traffic density can be determined from at least one movement profile of a vehicle, with different movement components being able to be weighted differently in the movement profile.
  • a basic idea here is to weight different movement components characteristic of special traffic situations, such as speed components characteristic of traffic light phases, traffic jams or other short stopping processes in road traffic. These special traffic situations can be detected with the aid of at least one sensor module, such as a camera, an acoustic sensor or a motion sensor. The sensor information recorded in this way can be used, for example, to generate a movement profile.
  • the to that Movement components belonging to the movement profile can be compared with a defined limit speed and, in the case of a speed lower than this limit speed, have a lower weighting.
  • Movement components at low speeds can falsify a determination of the traffic density.
  • Embodiments create a method for determining a traffic density from at least one movement profile of a vehicle.
  • the method includes obtaining the at least one motion profile from the vehicle.
  • the method further comprises determining the traffic density based on the at least one movement profile, taking into account movement components from the at least one movement profile, the movement components taken into account being weighted differently as a function of a limit speed.
  • Embodiments can thus determine a more reliable traffic density.
  • the method can include sensory acquisition of information about at least one other road user. Furthermore, the determination of the traffic density from the at least one movement profile of the vehicle can be based on the information about the at least one other road user. By sensing the information about the at least one other road user, the traffic density can be determined more reliably.
  • the sensory detection includes detection of a spatial distance from the at least one other road user.
  • the detection of the spatial distance for example by means of a vehicle sensor system, can also contribute to a reliable determination of the traffic density.
  • the spatial distance is related to the temporal distance via the speed. In principle, the traffic density is lower if the spatial distance to a vehicle driving ahead and / or following is small and vice versa.
  • Determining the traffic density from the at least one movement profile of the vehicle can include detecting a particular traffic situation as a function of the at least one movement profile of the vehicle.
  • the movement components taken into account for the traffic density can be weighted differently depending on the particular traffic situation. Movement components that falsify the traffic density For example, those from special traffic situations can be weighted less when determining the traffic density or even masked out.
  • the particular traffic situation can be a traffic jam, a traffic light phase or another short stopping process. Movement components that can be traced back to traffic jams, traffic light phases or other short stopping processes can thus be included in the determination of the traffic density in an appropriately weighted manner.
  • the limit speed can be greater than zero. Movement components that have a speed greater than the limit speed are accordingly included in the determination of the traffic density with a higher weighting than movement components below the limit speed, which can nevertheless be greater than zero.
  • a limit speed greater than zero a distinction can be made, for example, between lower and higher speeds in the weighting. Since low speeds can negatively affect the reliability of the determination of the traffic density, the choice of a positive limit speed can have a positive effect on the reliability of the determination of the traffic density.
  • the motion components can accordingly be weighted differently as a function of the limit speed in such a way that motion components with speeds below the limit speed are not taken into account.
  • a weighting can include either a value of one or a value of zero, for example. The higher weighting can, for example, be a weighting with the value one. Movement components that are below the limit speed are therefore eliminated. Movement components that do not correctly reflect the traffic density can therefore be disregarded.
  • the method can include obfuscating the motion profile.
  • the concealment can depend on the traffic density.
  • a degree of obfuscation can be determined by the traffic density.
  • a degree of obfuscation can be lower in the case of a first, higher traffic density than in the case of a second, lower traffic density.
  • the obfuscation can reduce a quality of a detected motion profile.
  • the motivation for the obfuscation is the anonymization of the vehicle data, an assignment to one Vehicle should be made more difficult. In the case of a high traffic density, this assignment is more difficult due to the large number of vehicle data than in the case of a lower traffic density, since there only a few vehicles can be used for assignment.
  • a lower degree of obfuscation is sufficient in the case of high traffic density than in the case of lower traffic density. As a result, the data can have a better quality at high traffic densities than at low traffic densities, since these are less falsified or obscured.
  • Another exemplary embodiment is a computer program for carrying out a method described herein when the computer program runs on a computer, a processor, a control module or a programmable hardware component.
  • a device for a vehicle which is designed to determine a traffic density from at least one movement profile of the vehicle, is a further exemplary embodiment.
  • the device comprises at least one interface for receiving the at least one movement profile from the vehicle.
  • the device further comprises a control module for determining the traffic density based on the at least one movement profile, taking into account movement components from the at least one movement profile, the movement components taken into account being weighted differently as a function of a limit speed.
  • Another exemplary embodiment is a vehicle with a device described herein.
  • FIG. 1 shows a block diagram of a flow chart of an exemplary embodiment of a method for determining a traffic density from at least one movement profile of a vehicle
  • FIG. 2 shows a block diagram of an exemplary embodiment of a vehicle and an exemplary embodiment of a device for determining a traffic density from at least one movement profile of a vehicle;
  • 3 shows a movement profile of a typical city trip of a vehicle in an exemplary embodiment
  • 4 shows a weighted movement profile of a typical city trip of a vehicle in an exemplary embodiment.
  • the method includes obtaining 12 the at least one motion profile from the vehicle.
  • the method includes determining 14 the traffic density based on the at least one movement profile, taking into account movement components from the at least one movement profile, the movement components taken into account being weighted differently as a function of a limit speed.
  • any ground-based means of transport come into consideration as vehicles.
  • Examples of ground-based means of transport are passenger cars, trucks or two-wheelers.
  • a movement profile of the vehicle in the sense of exemplary embodiments means a speed profile over time
  • Movement profiles therefore include movement components that indicate the speed of the vehicle at a point in time.
  • a movement profile therefore reproduces a time segment of the speed profile of a vehicle.
  • a movement profile can also indicate speeds over a route section, since a route section in this sense is equivalent or proportional to a time section (due to the relationship between speed, distance and time).
  • a traffic density in the sense of exemplary embodiments means a density of vehicles on a specific route at a specific point in time, such as on a roadway, for example.
  • the density can be determined from an average temporal or spatial distance between the vehicles, taking into account the speed of the vehicles.
  • a type of traffic can be taken into account, for example whether it is slow, flowing or stopping. Examples are traffic jams, red lights and / or other short stops or flowing traffic.
  • Information about the movement profile can include information about the location, time and speeds of the movements of the vehicle. The information can result, for example, from measured values that are recorded by the sensors of the vehicle.
  • the information about the traffic density can also include additional information, for example about a number of road users, a specific time unit, a specific route section or a specific length unit.
  • different movement profiles can lead to different traffic densities.
  • components of movement are dependent in exemplary embodiments weighted by a limit speed.
  • the limit speed can specify a threshold value which determines its weighting for a given speed.
  • the weighting of movement components can determine the degree of influence of the respective movement component on the traffic density. For example, movement components of a movement profile can also be completely masked out or eliminated when determining the traffic density, for example if their speeds are below the limit speed.
  • FIG. 2 shows a block diagram of an embodiment of a vehicle 200 and an embodiment of a device 20 for determining a traffic density from at least one movement profile of the vehicle 200.
  • the device 20 for determining the traffic density from the at least one movement profile of the vehicle 200 comprises at least one interface 22 for Obtaining the at least one movement profile from the vehicle 200.
  • the device 20 further comprises a control module 24, which is coupled to the interface.
  • the control module 24 is designed to determine the traffic density based on the at least one movement profile, taking into account movement components from the at least one movement profile. The motion components taken into account are weighted differently depending on a limit speed.
  • FIG. 2 also shows a vehicle 200 with an exemplary embodiment with device 20. Vehicle 200 is shown in dashed lines because it is optional from the point of view of device 20.
  • the at least one interface 22 of the device 20 can be designed as the contacts of the aforementioned module. In exemplary embodiments, they can also be designed as separate hardware. They can include memories that at least temporarily store the signals to be sent or received.
  • the at least one interface 22 can be designed to receive electrical signals, for example as a bus interface or as an optical interface. In addition, it can be designed for radio transmission in exemplary embodiments and comprise a radio front end and associated antennas.
  • the at least one interface 22 can be designed to communicate with sensors in the vehicle that supply corresponding information about the movement profile.
  • control module 24 can comprise other elements of the aforementioned module.
  • This can be any processor cores, such as digital signal processor cores (DSPs).
  • DSPs digital signal processor cores
  • Embodiments are not restricted to a specific type of processor core.
  • Any processor cores or also several processor cores or microcontrollers for implementing the control module 24 are conceivable. Implementations in integrated form with other devices are also conceivable, for example in a control unit for a vehicle that additionally includes one or more other functions.
  • the control module 24 can accordingly correspond to any component that can calculate or determine a traffic density from the movement profile.
  • Exemplary embodiments can create a method for increasing the quality of anonymized vehicle data by analyzing movement profiles.
  • data extracted from vehicles can be obscured by additive shifts for data protection reasons with regard to location and time, with the aim of concealing the identity of a data producer within an anonymization group.
  • the size of the additive shift can be heavily dependent on the current volume of traffic. A high traffic density can result in a small displacement, whereas a low traffic density can result in a large displacement.
  • the anonymization group can be defined.
  • a group size (number of vehicles in the group) of the anonymization group indicates the uncertainty up to which a movement profile should be assignable.
  • a movement profile can indeed be assigned to a group of vehicles with the group strength, but no longer clearly to individual vehicles in the group.
  • the group strength of the anonymization group therefore represents a measure of the anonymization.
  • a movement profile created in a vehicle can then only be assigned to a group of vehicles and no longer unambiguously to a vehicle. For example, the traffic density on a traffic sign with a speed limit of 50 km / h can be determined on the basis of one's own movement profile.
  • the vehicle can now determine group anonymity.
  • the group anonymity can represent the degree of anonymization, i.e. to what extent a concealment is carried out by means of a manipulation of place and time.
  • the vehicle can then determine an anonymization factor that depends on the number of vehicles in the group. It can happen that several vehicles receive the same time stamp, e.g. all vehicles in the group receive the same time stamp. This can prevent a clear assignment of a movement profile to a vehicle, as a result of which an anonymization of the movement profile of a vehicle can be achieved. This means that with a large group, more anonymization is carried out than with a small group.
  • a computer program with a program code can be used to carry out the method.
  • the program code can be executed on a computer, a processor, a control module or a programmable hardware component.
  • Traffic light phases, traffic jams or other short stopping processes are weighted separately in one embodiment. This procedure is based on the knowledge that these movement components usually have a negative influence on the quality of the anonymized data. Because, above all, low speeds can result in a greater time gap between vehicles and thus a lower specific traffic density or, consequently, a strong concealment.
  • Embodiments therefore use a method that can analyze movement profiles for special situations and separately weight the speed components that are based on these.
  • a special traffic situation can be a traffic jam, a traffic light phase or another short stopping process.
  • the more reliably determined traffic density a more appropriate anonymization with higher data quality can be guaranteed.
  • determining the traffic density from the at least one movement profile of the vehicle accordingly includes detecting a particular traffic situation. This traffic situation can depend on the at least one movement profile of the vehicle. The movement components taken into account for the traffic density are weighted differently depending on the particular traffic situation.
  • the method 10 can include sensory acquisition of information about at least one other road user.
  • the determination 14 of the traffic density from the at least one movement profile of the vehicle is then based, for example, on the information about the at least one other road user.
  • the sensory detection includes, for example, detection of a spatial distance from the at least one other road user.
  • the speeds from the movement profile form a relationship between the temporal and spatial distances between the vehicles.
  • a distance to the vehicle traveling in front and / or the vehicle behind can also be taken into account.
  • the spatial distance can be detected, for example, by means of a vehicle sensor system (optical, radar, lidar (from “light detection and ranging”), etc.).
  • FIG. 3 shows a time window with a data extract from a typical city trip. From this, a negative correlation between the vehicle speed v 300 (dashed curve) and the time interval t d 301 (solid curve) to the vehicle traveling in front can be inferred.
  • the temporal distance t d can be calculated from the spatial distance d to the vehicle in front dt A -
  • FIG. 3 only reflects an example of a time scale. Equivalently, the time axis (abscissa) of this figure could be replaced / defined by a line axis. In addition, a Transformation of the equation, the spatial distance can also be calculated from the time interval and displayed. This is possible because a place clearly belongs at all times.
  • the method 10 can thus include concealing the at least one movement profile, the concealment being dependent on the traffic density.
  • the quality of the anonymized data can therefore be increased as follows. Those data points that belong to a movement profile below a certain limit speed v t can be excluded from determining the traffic density or given a weighting of zero. Accordingly, in the sense of some exemplary embodiments, the degree of concealment is lower in the case of a first, higher traffic density than in the case of a second, lower traffic density.
  • g can be used to determine an average speed where v t can be the speed v at time t.
  • the same procedure can be used to calculate further key figures for the traffic density, such as the mean time interval, for example.
  • Fig. 4 shows a weighted movement profile of a typical city trip of a vehicle in one embodiment. In doing so, speeds below a limit speed of 20 km / h are masked out (weighted with zero) and only the time intervals associated with the speeds not masked out are used to determine the traffic density considered.
  • the speed curve 400 is shown in dashed lines in FIG. 4, the time intervals 401 to the person in front are shown in solid lines.
  • the limit speed can accordingly be greater than zero, for example 20 km / h.
  • the motion components taken into account are weighted differently depending on the limit speed so that motion components with speeds below the limit speed are excluded, i.e. not taken into account.
  • Limit speed v t can effectively reduce the anonymization group, a change can be taken into account and statistically corrected to protect an identity of a data producer.
  • a correction factor can result from a ratio of all originally available data points and the number of data points belonging to v t > 20 km / h. In the example cited here in FIG. 4, this can result in an average time
  • the recorded data can be sent to a central computer (for example to a back-end server) and processed there in order to ensure anonymization of the data generator.
  • the movement profile created in the vehicle can be used to determine the traffic density.
  • the anonymization factor can be used to determine the degree of concealment based on the number of road users at a specific time.
  • the average length of the vehicles can play an important role in some exemplary embodiments.
  • the traffic density can be determined in a certain route section. Suppose a truck comes with one every 30m Length of 25m. The spatial distance between the trucks can therefore be short. This would then mean a high traffic density. However, if only passenger cars with a length of 5 m are taken into account, the spatial distance between the passenger cars can be greater than in the case of trucks. The resulting traffic density would consequently be low. Since the length of the vehicles can consequently be falsified, this can also be taken into account in exemplary embodiments.
  • Exemplary embodiments can furthermore be a computer program with a program code for executing one or more of the above methods or refer to them when the computer program is executed on a computer or processor. Steps, operations or processes of various methods described above can be carried out by programmed computers or processors. Examples can also include program storage devices, e.g. Digital data storage media that are machine, processor, or computer readable and encode machine, processor, or computer executable programs of instructions. The instructions perform or cause some or all of the steps in the procedures described above.
  • the program storage devices may e.g. B. digital storage, magnetic storage media such as magnetic disks and tapes, hard disk drives or optically readable digital data storage media or be.
  • Functions of various elements shown in the figures as well as the designated function blocks can be in the form of dedicated hardware, e.g. B “a signal provider”, “a signal processing unit”, “a processor”, “a controller” etc. as well as being implemented as hardware capable of executing software in conjunction with the associated software.
  • the functions can be provided by a single dedicated processor, by a single shared processor, or by a plurality of individual processors, some or all of which can be shared.
  • processor or “controller” is by no means limited to hardware that is exclusively capable of executing software, but can also include digital signal processor hardware (DSP hardware;
  • DSP Digital Signal Processor
  • network processor application-specific integrated circuit Application Specific Integrated Circuit (ASIC), Field Programmable Gate Array (FPGA), Read Only Memory (ROM) for storing software, Random Access Memory (RAM), and non-volatile storage device (storage).
  • ASIC Application Specific Integrated Circuit
  • FPGA Field Programmable Gate Array
  • ROM Read Only Memory
  • RAM Random Access Memory
  • non-volatile storage device storage
  • a block diagram may represent a high level circuit diagram that implements the principles of the disclosure.
  • a flowchart, sequence diagram, state transition diagram, pseudocode, and the like may represent various processes, operations, or steps, for example, essentially represented in computer-readable medium and thus performed by a computer or processor, whether or not such Computer or processor is shown explicitly.
  • Methods disclosed in the description or in the claims can be implemented by a device having a means for performing each of the respective steps of these methods.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Ausführungsbeispiele schaffen ein Verfahren, ein Computerprogramm, ein Fahrzeug und eine Vorrichtung zum Bestimmen einer Verkehrsdichte aus zumindest einem Bewegungsprofils eines Fahrzeuges. Das Verfahren (10) zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil des Fahrzeuges (200) umfasst ein Erhalten (12) des zumindest einen Bewegungsprofils von dem Fahrzeug (200). Das Verfahren (10) umfasst ferner ein Bestimmen (14) der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden.

Description

Beschreibung
Fahrzeug, Verfahren, Vorrichtung und Computerprogramm für ein Fahrzeug zum Bestimmen einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges
Die vorliegende Erfindung bezieht sich auf ein Verfahren, ein Computerprogramm, ein Fahrzeug und eine Vorrichtung zum Bestimmen einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges, insbesondere aber nicht ausschließlich, auf ein Konzept zur Bestimmung einer Verkehrsdichte unter Berücksichtigung unterschiedlich gewichteter Bewegungsanteile eines Bewegungsprofils in Abhängigkeit einer Grenzgeschwindigkeit.
Fahrzeuge bilden ein wichtiges Beförderungsmittel zur räumlichen Überwindung von Distanzen und bilden ein wichtiges Verkehrsmittel. Mit steigendem Fahrzeugaufkommen steigt auch die Verkehrsdichte. Durch die steigende Verkehrsdichte kommt es vermehrt zu Staus und/oder Rückstauungen an roten Ampeln. Um den Verkehr gleichmäßig zu verteilen, sehen manche Konzepte vor, die Verkehrsdichte zu bestimmen, um den Verkehr von Orten mit hoher Verkehrsdichte auf solche mit niedriger Verkehrsdichte zu verlagern.
Das Dokument US 2015/0079932 A1 betrifft ein Verfahren und Systeme, die dazu beitragen können, die Privatsphäre der Benutzer zu schützen, wenn Standortdaten gespeichert und/oder verwendet werden, die von den mobilen Geräten der Benutzer bereitgestellt werden. Ein Verfahren kann das Bestimmen eines Standortverlaufs umfassen, der einem ersten Kundengerät zugeordnet ist, wobei der Standortverlauf mehrere zeitgestempelte Standortberichte umfasst.
Die Druckschrift CN 108734008 A betrifft ein Verfahren zur Beurteilung eines Grades der Anonymität anonymer Fahrspurdaten eines Fahrzeuges anhand eines Parkprotokolls. Parkprotokolldaten können mit Fahrspurdaten korreliert werden und so eine Zuordnung zu einem individuellen Fahrer vorgenommen werden.
Das Dokument US 2019/0116492 A1 beschreibt ein Verfahren, bei dem eine Servervorrichtung eine Positionsinformation auf einem Kommunikationsendgerät mittels einer Erfassungseinheit aufzeichnet. Dabei extrahiert eine Extraktionseinheit Routeninformationen einschließlich eines Startpunkts und eines Endpunkts aus den Positionsinformationen. Durch eine Identifikationseinheit wird ein Typ eines Bewegungsmittels des Kommunikationsendgeräts basierend auf der Positionsinformation identifiziert. Anschließend wird mittels einer Maskierungseinheit ein Segment der Routeninformationen einschließlich des Startpunkts und ein Segment einschließlich des Endpunkts maskiert, um ausgegebene Routeninformationen zu erzeugen. Die Maskierungseinheit definiert einen maskierten Abschnitt der Routeninformation gemäß einem Typ des Bewegungsmittels.
Die Druckschrift US 10,341,858 B1 beschreibt ein computerimplementiertes Verfahren zum Verdecken eines Benutzerorts. Es kann ein Erfassen einer Bewegung eines mobilen Benutzergeräts mit einem Bewegungssensor des mobilen Benutzergeräts erfolgen. Das Verfahren umfasst ferner ein Überprüfen, ob die Bewegung des mobilen Benutzergeräts einen festgelegten Schwellenwert erreicht. Wenn der Bewegungsschwellenwert erreicht wird, sollen die Daten des Benutzers geschützt werden. Dies kann durch ein Verschleiern des tatsächlichen Standortes des Benutzers bewerkstelligt werden.
Die im Stand der Technik beschriebenen Konzepte beschäftigen sich mit einer mittleren Verkehrsdichte, welche alle von der Fahrzeugsensorik erfassten Bewegungsprofile berücksichtigen kann. Mit steigender Verkehrsdichte besteht daher Bedarf daran, schnell und aufwandsgünstig alternative Strecken ausfindig zu machen, um die Verkehrslast gleichmäßig auf das Straßennetz zu verteilen. Dabei soll eine Anonymität der Daten gewährleistet werden.
Es besteht daher ein Bedarf daran, ein verbessertes Konzept zur Bestimmung der Verkehrsdichte zu schaffen. Diesen Bedarf tragen die Gegenstände der anhängigen unabhängigen Ansprüche Rechnung.
Ausführungsbeispiele basieren auf dem Kerngedanken, dass eine Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges bestimmt werden kann, wobei in dem Bewegungsprofil verschiedene Bewegungsanteile unterschiedlich gewichtet werden können. Eine Grundidee hierbei ist, für besondere Verkehrssituationen charakteristische Bewegungsanteile, wie zum Beispiel Geschwindigkeitsanteile charakteristisch für Ampelphasen, Staus oder andere kurze Haltevorgänge im Straßenverkehr, jeweils unterschiedlich zu gewichten. Diese besonderen Verkehrssituationen können mit Hilfe zumindest eines Sensormoduls, wie beispielsweise einer Kamera, eines akustischen Sensors oder einem Bewegungssensor erfasst werden. Die so erfassten Sensorinformationen können beispielsweise zur Erzeugung eines Bewegungsprofils benutzt werden. Die zu dem Bewegungsprofil gehörenden Bewegungsanteile, können hierbei mit einer definierten Grenzgeschwindigkeit verglichen werden und im Falle einer Geschwindigkeit kleiner dieser Grenzgeschwindigkeit, mit einer geringeren Gewichtung behaftet werden.
Ausführungsbeispielen liegt dabei die Erkenntnis zugrunde, dass insbesondere
Bewegungsanteile mit geringen Geschwindigkeiten, eine Bestimmung der Verkehrsdichte verfälschen können.
Ausführungsbeispiele schaffen ein Verfahren zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges. Das Verfahren umfasst ein Erhalten des zumindest einen Bewegungsprofils von dem Fahrzeug. Das Verfahren umfasst ferner ein Bestimmen der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden. Ausführungsbeispiele können so eine zuverlässigere Verkehrsdichte bestimmen.
In manchen Ausführungsbeispielen kann das Verfahren ein sensorisches Erfassen einer Information über zumindest einen anderen Verkehrsteilnehmer umfassen. Ferner kann das Bestimmen der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges auf der Information über den zumindest einen anderen Verkehrsteilnehmer basieren. Durch das sensorische Erfassen der Information über den zumindest einen anderen Verkehrsteilnehmer kann die Verkehrsdichte zuverlässiger bestimmt werden.
In manchen Ausführungsbeispielen umfasst das sensorische Erfassen ein Erfassen eines räumlichen Abstandes zu dem zumindest einen anderen Verkehrsteilnehmer. Das Erfassen des räumlichen Abstandes, beispielsweise mittels einer Fahrzeugsensorik, kann zusätzlich zu einer zuverlässigen Bestimmung der Verkehrsdichte beitragen. Der räumliche Abstand hängt hierbei mit dem zeitlichen Abstand über die Geschwindigkeit zusammen. Prinzipiell ist die Verkehrsdichte kleiner, wenn der räumliche Abstand zu einem vorausfahrenden und/oder nachfolgenden Fahrzeug klein ist und umgekehrt.
Das Bestimmen der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges kann ein Detektieren einer besonderen Verkehrssituation abhängig von dem zumindest einen Bewegungsprofil des Fahrzeuges umfassen. Die für die Verkehrsdichte berücksichtigten Bewegungsanteile können in Abhängigkeit von der besonderen Verkehrssituation unterschiedlich gewichtet werden. Bewegungsanteile, die die Verkehrsdichte verfälschen würden, beispielsweise solche aus besonderen Verkehrssituationen, können so bei der Bestimmung der Verkehrsdichte geringer gewichtet oder sogar ausgeblendet werden.
In manchen Ausführungsbeispielen kann die besondere Verkehrssituation ein Stau, eine Ampelphase oder ein anderer kurzer Haltevorgang sein. Bewegungsanteile, die auf Staus, Ampelphasen oder andere kurze Haltevorgänge zurückgehen, können so entsprechend gewichtet in das Bestimmen der Verkehrsdichte eingehen.
In einigen Ausführungsbeispielen kann die Grenzgeschwindigkeit größer Null sein. Bewegungsanteile, die eine Geschwindigkeit größer der Grenzgeschwindigkeit aufweisen, gehen entsprechend in das Bestimmen der Verkehrsdichte mit einer höheren Gewichtung ein als Bewegungsanteile unterhalb der Grenzgeschwindigkeit, die dennoch größer Null sein können. Durch Wählen einer Grenzgeschwindigkeit größer Null kann beispielsweise zwischen geringeren und höheren Geschwindigkeiten in der Gewichtung unterschieden werden. Da geringe Geschwindigkeiten die Zuverlässigkeit der Bestimmung der Verkehrsdichte negativ beeinflussen können, kann die Wahl einer positiven Grenzgeschwindigkeit die Zuverlässigkeit der Bestimmung der Verkehrsdichte positiv beeinflussen.
In manchen Ausführungsbeispielen können demzufolge die Bewegungsanteile in Abhängigkeit der Grenzgeschwindigkeit derart unterschiedlich gewichtet werden, dass Bewegungsanteile mit Geschwindigkeiten unterhalb der Grenzgeschwindigkeit nicht berücksichtigt werden. Eine Gewichtung kann beispielsweise entweder einen Wert Eins oder einen Wert Null umfassen. Die höhere Gewichtung kann beispielsweise eine Gewichtung mit dem Wert Eins sein. Bewegungsanteile, die unterhalb der Grenzgeschwindigkeit liegen, fallen demnach heraus. Bewegungsanteile, die die Verkehrsdichte nicht korrekt wiederspiegeln, können daher unberücksichtigt bleiben.
In einigen Anführungsbeispielen kann das Verfahren ein Verschleiern des Bewegungsprofils umfassen. Dabei kann das Verschleiern von der Verkehrsdichte abhängig sein. Ein Grad der Verschleierung kann von der Verkehrsdichte bestimmt werden. Durch das Verschleiern des Bewegungsprofils kann eine Anonymisierung des Bewegungsprofils erreicht werden.
In zumindest manchen Anführungsbeispielen, kann bei einer ersten höheren Verkehrsdichte ein Grad der Verschleierung niedriger sein als bei einer zweiten niedrigeren Verkehrsdichte. Die Verschleierung kann eine Qualität eines erfassen Bewegungsprofils vermindern. Motivation für die Verschleierung ist die Anonymisierung der Fahrzeugdaten, eine Zuordnung zu einem Fahrzeug soll erschwert werden. Bei einer hohen Verkehrsdichte ist diese Zuordnung durch die Vielzahl von Fahrzeugdaten schwieriger als bei einer geringeren Verkehrsdichte, da dort nur wenige Fahrzeuge zur Zuordnung in Frage kommen. Um einen gewissen Grad der Anonymisierung zu erreichen reicht demnach bei hoher Verkehrsdichte ein geringerer Grad der Verschleierung als bei einer geringeren Verkehrsdichte. Dadurch können die Daten bei hohen Verkehrsdichten eine bessere Qualität aufweisen als bei niedrigen Verkehrsdichten, da diese weniger verfälscht oder verschleiert sind.
Ein weiteres Ausführungsbeispiel ist ein Computerprogramm zur Durchführung eines hierin beschriebenen Verfahrens, wenn das Computerprogramm auf einem Computer, einem Prozessor, einem Kontrollmodul oder einer programmierbaren Hardwarekomponente abläuft.
Eine Vorrichtung für ein Fahrzeug, die zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil des Fahrzeuges ausgebildet ist, ist ein weiteres Ausführungsbeispiel.
Die Vorrichtung umfasst zumindest eine Schnittstelle zum Erhalten des zumindest einen Bewegungsprofils von dem Fahrzeug. Die Vorrichtung umfasst ferner ein Kontrollmodul zum Bestimmen der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden. Ein weiteres Ausführungsbeispiel ist ein Fahrzeug mit einer hierin beschriebenen Vorrichtung.
Weitere vorteilhafte Ausführungsbeispiele werden nachfolgend anhand der in den Zeichnungen dargestellten Ausführungsbeispiele, auf welche Ausführungsbeispiele generell jedoch nicht insgesamt beschränkt sind, näher beschrieben. Es zeigen:
Fig. 1 ein Blockschaltbild eines Ablaufdiagramms eines Ausführungsbeispiels eines Verfahrens zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges;
Fig. 2 ein Blockschaltbild eines Ausführungsbeispiels eines Fahrzeuges und eines Ausführungsbeispiels einer Vorrichtung zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges;
Fig. 3 ein Bewegungsprofil einer typischen Stadtfahrt eines Fahrzeuges in einem Ausführungsbeispiel; und Fig. 4 ein gewichtetes Bewegungsprofil einer typischen Stadtfahrt eines Fahrzeuges in einem Ausführungsbeispiel.
Verschiedene Ausführungsbeispiele werden nun ausführlicher unter Bezugnahme auf die beiliegenden Zeichnungen beschrieben, in denen einige Ausführungsbeispiele dargestellt sind. Optionale Merkmale oder Komponenten sind dabei in gestrichelten Linien dargestellt.
Obwohl Ausführungsbeispiele auf verschiedene Weise modifiziert und abgeändert werden können, sind Ausführungsbeispiele in den Figuren als Beispiele dargestellt und werden hierin ausführlich beschrieben. Es sei jedoch klargestellt, dass nicht beabsichtigt ist, Ausführungsbeispiele auf die jeweils offenbarten Formen zu beschränken, sondern dass Ausführungsbeispiele vielmehr sämtliche funktionale und/oder strukturelle Modifikationen, Äquivalente und Alternativen, die im Bereich der Erfindung liegen, abdecken sollen.
Man beachte, dass ein Element, das als mit einem anderen Element „verbunden“ oder „verkoppelt“ bezeichnet wird, mit dem anderen Element direkt verbunden oder verkoppelt sein kann oder dass dazwischenliegende Elemente vorhanden sein können. Wenn ein Element dagegen als „direkt verbunden“ oder „direkt verkoppelt“ mit einem anderen Element bezeichnet wird, sind keine dazwischenliegenden Elemente vorhanden. Andere Begriffe, die verwendet werden, um die Beziehung zwischen Elementen zu beschreiben, sollten auf ähnliche Weise interpretiert werden (z.B., „zwischen“ gegenüber „direkt dazwischen“, „angrenzend“ gegenüber „direkt angrenzend“ usw.).
Die Terminologie, die hierin verwendet wird, dient nur der Beschreibung bestimmter Ausführungsbeispiele und soll die Ausführungsbeispiele nicht beschränken. Wie hierin verwendet, sollen die Singularformen „einer”, „eine”, „eines” und „der“, „die“, „das“ auch die Pluralformen beinhalten, solange der Kontext nicht eindeutig etwas anderes angibt. Ferner sei klargestellt, dass die Ausdrücke wie z.B. „beinhaltet“, „beinhaltend“, „aufweist“, „umfasst“, „umfassend“ und/oder „aufweisend“, wie hierin verwendet, das Vorhandensein von genannten Merkmalen, ganzen Zahlen, Schritten, Arbeitsabläufen, Elementen und/oder Komponenten angeben, aber das Vorhandensein oder die Hinzufügung von einem bzw. einer oder mehreren Merkmalen, ganzen Zahlen, Schritten, Arbeitsabläufen, Elementen, Komponenten und/oder Gruppen davon nicht ausschließen. Fig. 1 zeigt ein in Verfahren 10 zur Bestimmung 14 einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges. Das Verfahren umfasst ein Erhalten 12 des zumindest einen Bewegungsprofils von dem Fahrzeug. Darüber hinaus umfasst das Verfahren ein Bestimmen 14 der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden.
In Ausführungsbeispielen kommen als Fahrzeuge jedwede bodengebundenen Fortbewegungsmittel in Betracht. Beispiele für bodengebundene Fortbewegungsmittel sind Personenkraftwagen, Lastkraftwagen oder Zweiräder. Ein Bewegungsprofil des Fahrzeuges im Sinne von Ausführungsbeispielen meint dabei einen zeitlichen Geschwindigkeitsverlauf eines
Fahrzeuges. Bewegungsprofile umfassen daher Bewegungsanteile, die die Geschwindigkeit des Fahrzeuges zu einem Zeitpunkt angeben. Ein Bewegungsprofil gibt daher einen zeitlichen Ausschnitt des Geschwindigkeitsverlaufs eines Fahrzeuges wieder. Ergänzend oder alternativ kann ein Bewegungsprofil auch Geschwindigkeiten über einen Streckenabschnitt hinweg angeben, da ein Streckenabschnitt in diesem Sinne äquivalent oder proportional zu einem zeitlichen Abschnitt ist (aufgrund des Zusammenhangs zwischen Geschwindigkeit, Strecke und Zeit).
Eine Verkehrsdichte im Sinne von Ausführungsbeispielen meint dabei eine Dichte von Fahrzeugen auf einer bestimmten Fahrstrecke zu einem bestimmten Zeitpunkt, wie beispielsweise auf einer Fahrbahn. Die Dichte kann dabei aus einem mittleren zeitlichen oder räumlichen Abstand der Fahrzeuge ermittelt werden, wobei die Geschwindigkeit der Fahrzeuge zu berücksichtigen ist. Dabei kann eine Art des Verkehrs berücksichtigt werden, beispielsweise ob dieser stockend, flüssig oder haltend ist. Beispiele sind Staus, rote Ampeln und/oder andere kurze Haltevorgänge oder fließender Verkehr. Informationen über das Bewegungsprofil können dabei Informationen über Ort, Zeit und Geschwindigkeiten der Bewegungen des Fahrzeuges umfassen. Die Informationen können sich beispielsweise aus Messwerten ergeben, die von den Sensoren des Fahrzeuges erfasst werden.
Die Informationen über die Verkehrsdichte können in Ausführungsbeispielen auch zusätzliche Informationen umfassen, beispielsweise über eine Anzahl der Verkehrsteilnehmer, eine konkrete Zeiteinheit, einen konkreten Streckenabschnitt oder eine konkrete Längeneinheit. In Ausführungsbeispielen können unterschiedliche Bewegungsprofile zu unterschiedlichen Verkehrsdichten führen. Ferner werden in Ausführungsbeispielen Bewegungsanteile abhängig von einer Grenzgeschwindigkeit gewichtet. Die Grenzgeschwindigkeit kann in Ausführungsbeispielen einen Schwellenwert angeben, der für eine gegebene Geschwindigkeit deren Gewichtung bestimmt. Die Gewichtung von Bewegungsanteilen kann in manchen Ausführungsbeispielen einen Grad des Einflusses des jeweiligen Bewegungsanteils auf die Verkehrsdichte bestimmen. Beispielsweise können so Bewegungsanteile eines Bewegungsprofils bei der Bestimmung der Verkehrsdichte auch gänzlich ausgeblendet oder eliminiert werden, zum Beispiel wenn deren Geschwindigkeiten unterhalb der Grenzgeschwindigkeit liegen.
Fig. 2 zeigt ein Blockschaltbild eines Ausführungsbeispiels eines Fahrzeuges 200 und eines Ausführungsbeispiels einer Vorrichtung 20 zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil des Fahrzeuges 200. Die Vorrichtung 20 zur Bestimmung der Verkehrsdichte aus dem zumindest einem Bewegungsprofil des Fahrzeuges 200 umfasst zumindest eine Schnittstelle 22 zum Erhalten des zumindest einen Bewegungsprofils von dem Fahrzeug 200. Die Vorrichtung 20 umfasst ferner ein Kontrollmodul 24, das mit der Schnittstelle gekoppelt ist. Das Kontrollmodul 24 ist zum Bestimmen der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil ausgebildet. Die berücksichtigten Bewegungsanteile werden in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet. Die Fig. 2 zeigt darüber hinaus ein Fahrzeug 200 mit einem Ausführungsbeispiel mit Vorrichtung 20. Das Fahrzeug 200 ist in gestrichelten Linien dargestellt, weil es aus Sicht der Vorrichtung 20 optional ist.
Die zumindest eine Schnittstelle 22 der Vorrichtung 20 kann in Ausführungsbeispielen als die Kontakte des vorgenannten Bausteins ausgebildet sein. Sie können in Ausführungsbeispielen auch als separate Hardware ausgeführt sein. Sie können Speicher umfassen, die die zu sendenden beziehungsweise die empfangenen Signale zumindest vorübergehend speichern. Die zumindest eine Schnittstelle 22 kann zum Empfang von elektrischen Signalen ausgebildet sein, zum Beispiel als Busschnittstelle, oder als optische Schnittstelle. Sie kann darüber hinaus in Ausführungsbeispielen zur Funkübertragung ausgebildet sein und ein Radio-Frontend sowie zugehörige Antennen umfassen. Ferner kann die zumindest eine Schnittstelle, zum Beispiel für den CAN-Bus (CAN:=Controller Area Network), Synchronisationsmechanismen zur Synchronisierung mit dem jeweiligen Übertragungsmedium umfassen. In Ausführungsbeispielen kann die zumindest eine Schnittstelle 22 dazu ausgebildet sein, um im Fahrzeug mit Sensoren zu kommunizieren, die entsprechende Information über das Bewegungsprofil liefern. Das Kontrollmodul 24 kann in Ausführungsbeispielen andere Elemente des vorgenannten Bausteins umfassen. Dies können beliebige Prozessorkerne, wie Digitale Signal Prozessorkerne (DSPs) zum Einsatz sein. Ausführungsbeispiele sind dabei nicht auf einen bestimmten Typ von Prozessorkern eingeschränkt. Es sind beliebige Prozessorkerne oder auch mehrere Prozessorkerne oder Mikrokontroller zur Implementierung des Kontrollmoduls 24 denkbar. Es sind auch Implementierungen in integrierter Form mit anderen Vorrichtungen denkbar, beispielsweise in einer Steuereinheit für ein Fahrzeug, die zusätzlich noch ein oder mehrere andere Funktionen umfasst. In Ausführungsbeispielen kann das Kontrollmodul 24 durch einen Prozessorkern, einen Computerprozessorkern (CPU = Central Processing Unit), einen Grafikprozessorkern (GPU = Graphics Processing Unit), einen anwendungsspezifischen integrierten Schaltkreiskern (ASIC = Application-Specific Integrated Circuit), einen integrierten Schaltkreis (IC = Integrated Circuit), ein Ein-Chip-Systemkern (SOC = System on Chip), ein programmierbares Logikelement oder ein feldprogrammierbares Gatterarray mit einem Mikroprozessor (FPGA = Field Programmable Gate Array) als Kern des oben genannten Bausteins oder der Bausteine realisiert sein. Das Kontrollmodul 24 kann demnach jedweder Komponente entsprechen, die aus dem Bewegungsprofil eine Verkehrsdichte berechnen oder bestimmen kann.
Ausführungsbeispiele können ein Verfahren zur Qualitätserhöhung anonymisierter Fahrzeugdaten durch Analyse von Bewegungsprofilen schaffen. Beispielweise können aus Fahrzeugen extrahierte Daten aus Datenschutzgründen hinsichtlich Ort und Zeit durch additive Verschiebungen verschleiert werden, mit dem Ziel die Identität eines Datenerzeugers innerhalb einer Anonymisierungsgruppe zu verbergen. Die Größe der additiven Verschiebung kann dabei stark vom aktuellen Verkehrsaufkommen abhängig sein. Eine große Verkehrsdichte kann zu einer kleinen Verschiebung führen, wohingegen eine geringe Verkehrsdichte in einer großen Verschiebung resultieren kann. Im Sinne mancher Ausführungsbeispiele kann die Anonymisierungsgruppe definiert sein. Eine Gruppenstärke (Anzahl der Fahrzeuge in der Gruppe) der Anonymisierungsgruppe gibt an, bis auf welche Unsicherheit ein Bewegungsprofil zuordenbar sein soll. In anderen Worten, kann ein Bewegungsprofil in Kenntnis der Orte der Fahrzeuge zwar eine Gruppe von Fahrzeugen mit der Gruppenstärker zugeordnet werden, aber nicht mehr eindeutig einzelnen Fahrzeugen in der Gruppe. Die Gruppenstärke der Anonymisierungsgruppe stellt daher ein Maß für die Anonymisierung dar. Ein in einem Fahrzeug erstelltes Bewegungsprofil kann dann nur einer Gruppe von Fahrzeugen zugeordnet werden und nicht mehr eindeutig einem Fahrzeug. Beispielsweise kann anhand des eigenen Bewegungsprofils die Verkehrsdichte an einem Verkehrsschild mit Geschwindigkeitsbegrenzung von 50 km/h bestimmt werden. Durch eine Hinzunahme einer Gruppengröße/stärke kann nun das Fahrzeug eine Gruppenanonymität ermitteln. Die Gruppenanonymität kann hierbei den Grad der Anonymisierung darstellen, das heißt in welcher Höhe eine Verschleierung mittels einer Manipulation von Ort und Zeit durchgeführt wird. Das Fahrzeug kann dann einen Anonymisierungsfaktor bestimmen, der von der Anzahl der Fahrzeuge in der Gruppe abhängt. Hierbei kann es dazu kommen, dass mehrere Fahrzeuge denselben Zeitstempel erhalten, z.B. alle Fahrzeuge in der Gruppe erhalten den gleichen Zeitstempel. Dies kann eine eindeutige Zuordnung eines Bewegungsprofils zu einem Fahrzeug verhindern, wodurch eine Anonymisierung des Bewegungsprofils eines Fahrzeuges erreicht werden kann. Dies bedeutet, dass bei einer großen Gruppe, eine größere Anonymisierung durchgeführt wird als bei einer kleinen Gruppe.
Zur Bestimmung der mittleren Verkehrsdichte eines abgefahrenen Abschnitts können beispielsweise alle von der Fahrzeugsensorik erfassten Bewegungsprofile berücksichtigt werden. Die Erfassung der Sensordaten kann dabei über die oben beschreiben Schnittstelle 22 erfolgen und die Verarbeitung kann entsprechend durch das Kontrollmodul 24 erfolgen. In diesem Zusammenhang kann in manchen Ausführungsbeispielen ein Computerprogramm mit einem Programmcode zum Durchführen des Verfahrens dienen. Der Programmcode kann dabei auf einem Computer, einem Prozessor, einem Kontrollmodul oder einer programmierbaren Hardwarekomponente ausgeführt werden.
Ampelphasen, Staus oder andere kurze Haltevorgänge werden dabei in einem Ausführungsbeispiel gesondert gewichtet. Diesem Vorgehen liegt die Erkenntnis zugrunde, dass diese Bewegungsanteile in der Regel einen negativen Einfluss auf die Qualität der anonymisierten Daten haben. Denn vor allem kleine Geschwindigkeiten können einen größeren zeitlichen Abstand zwischen Fahrzeugen und damit eine geringer bestimmte Verkehrsdichte beziehungsweise damit eine starke Verschleierung nach sich ziehen.
Ausführungsbeispiele nutzen daher ein Verfahren, das Bewegungsprofile auf besondere Situationen analysieren und Geschwindigkeitsanteile, die auf diese zurückgehen, gesondert gewichten kann. Beispielsweise kann im Sinne mancher Ausführungsbeispiele eine besondere Verkehrssituation ein Stau, eine Ampelphase oder ein anderer kurzer Haltevorgang sein. In weiterer Folge kann, durch die zuverlässiger bestimmte Verkehrsdichte, eine angemessenere Anonymisierung mit höherer Datenqualität gewährleisten werden. In einigen Ausführungsbeispielen umfasst das Bestimmen der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges demzufolge ein Detektieren einer besonderen Verkehrssituation. Diese Verkehrssituation kann von dem zumindest einen Bewegungsprofil des Fahrzeuges abhängen. Dabei werden die für die Verkehrsdichte berücksichtigten Bewegungsanteile in Abhängigkeit von der besonderen Verkehrssituation unterschiedlich gewichtet.
In einem weiteren Ausführungsbeispiel kann das Verfahren 10 ein sensorisches Erfassen einer Information über zumindest einen anderen Verkehrsteilnehmer umfassen. Das Bestimmen 14 der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges basiert dann beispielsweise auf der Information über den zumindest einen anderen Verkehrsteilnehmer. Das sensorische Erfassen umfasst zum Beispiel ein Erfassen eines räumlichen Abstandes zu dem zumindest einen anderen Verkehrsteilnehmer. Die Geschwindigkeiten aus dem Bewegungsprofil bilden einen Zusammenhang zwischen zeitlichen und räumlichen Abständen der Fahrzeuge. So kann in einem weiteren Ausführungsbeispiel beispielsweise ein Abstand zum vorausfahrenden und/oder nachfolgenden Fahrzeug mitberücksichtigt werden. Das Erfassen des räumlichen Abstandes kann beispielsweise mittels einer Fahrzeugsensorik (optisch, Radar, Lidar (von engl „light detection and ranging“), etc.) erfolgen.
Fig. 3 zeigt ein zeitliches Fenster mit einem Datenauszug einer typischen Stadtfahrt. Aus diesem kann eine negative Korrelation zwischen der Fahrzeuggeschwindigkeit v 300 (gestrichelter Verlauf) und dem zeitlichen Abstand td 301 (durchgezogener Verlauf) zum vorausfahrenden Fahrzeug entnommen werden. Der zeitliche Abstand td kann dabei aus dem räumlichen Abstand d zum vorausfahrenden Fahrzeug errechnen werden d tA —
V
Kleine Fahrgeschwindigkeiten nahe Null können daher in hohen Werten td unabhängig vom
Abstand d resultieren, da o < d < » angenommen werden kann. Ohne gesonderte Analyse des Bewegungsprofils würde damit im Mittel eine kleine Verkehrsdichte der vorliegenden Fahrt berechnet werden. Dementsprechend würde eine starke Verschleierung der Daten erforderlich sein, was gleichbedeutend mit einer Entwertung der Daten ist. Hierbei spiegelt Fig. 3 jedoch nur ein Beispiel einer Zeitskala wieder. Man könnte äquivalent hierzu die zeitliche Achse (Abszisse) dieser Figur durch eine Streckenachse ersetzen/definieren. Außerdem kann mittels einer Umformung der Gleichung auch der räumliche Abstand aus dem zeitlichen Abstand errechnet und dargestellt werden. Dies ist daher möglich, da zu jeder Zeit auch eindeutig ein Ort gehört.
In der Tat kann im Falle eines Staus oder einer roten Ampel die Verkehrsdichte im Allgemeinen hoch sein. Eine besonders starke Verschleierung wäre demnach nicht notwendig. In Ausführungsbeispielen kann das Verfahren 10 also ein Verschleiern des zumindest einen Bewegungsprofils umfassen, wobei das Verschleiern von der Verkehrsdichte abhängig ist. Die Qualität der anonymisierten Daten kann daher wie folgt erhöht werden. Jene Datenpunkte, die zu einem Bewegungsprofil unter einer gewissen Grenzgeschwindigkeit vt gehören, können zur Bestimmung der Verkehrsdichte ausgeschlossen beziehungsweise mit einer Gewichtung vom Wert Null behaftet werden. Demnach ist im Sinne mancher Ausführungsbeispiele bei einer ersten höheren Verkehrsdichte der Grad der Verschleierung niedriger ist als bei einer zweiten niedrigeren Verkehrsdichte.
Beispielsweise kann zur Bestimmung einer mittleren Geschwindigkeit g herangezogen werden wobei vt die Geschwindigkeit v zum Zeitpunkt t sein kann. Analog kann zur Berechnung weiterer Kennzahlen für die Verkehrsdichte, wie zum Beispiel des mittleren zeitlichen Abstands vorgegangen werden.
Wird beispielhaft eine Grenzgeschwindigkeit vt von 20 km/h angenommen, so werden zur
Bestimmung des mittleren zeitlichen Abstands x, und in weiterer Folge der Verkehrsdichte jene in Fig. 4 dargestellte Untermenge an Daten aus Fig. 3 herangezogen. Fig. 4 zeigt ein gewichtetes Bewegungsprofil einer typischen Stadtfahrt eines Fahrzeuges in einem Ausführungsbeispiel. Dabei werden Geschwindigkeiten unter einer Grenzgeschwindigkeit von 20km/h ausgeblendet (mit Null gewichtet) und für die Bestimmung der Verkehrsdichte auch nur die zu den nicht ausgeblendeten Geschwindigkeiten zugehörigen zeitlichen Abstände berücksichtigt. Der Geschwindigkeitsverlauf 400 ist in Fig. 4 gestrichelt dargestellt, die zeitlichen Abstände 401 zum Vordermann sind durchgezogen dargestellt.
In Ausführungsbeispielen kann demnach die Grenzgeschwindigkeit größer Null sein, wie beispielsweise 20 km/h. Darüber hinaus werden die berücksichtigten Bewegungsanteile in Abhängigkeit der Grenzgeschwindigkeit derart unterschiedlich gewichtet, dass Bewegungsanteile mit Geschwindigkeiten unterhalb der Grenzgeschwindigkeit ausgeschlossen, d.h. nicht berücksichtigt werden.
Für die in Fig. 3 veranschaulichte Fahrt ergibt sich vor der Gewichtung in Bezug auf eine
Grenzgeschwindigkeit vt von 20 km/h ein mittlerer zeitlicher Abstand ~A 401 von mehreren Tagen, was einer sehr kleinen Verkehrsdichte entspricht. Durch das beschriebene Verfahren 10 kann dieser unrealistische Wert auf circa 21 Sekunden korrigiert werden, was die Verkehrssituation korrekt widerspiegelt.
Da das beschriebene Verfahren durch Selektion von Datenpunkten zu einer vorgegebenen
Grenzgeschwindigkeit vt die Anonymisierungsgruppe effektiv verkleinern kann, kann zu einem Schutz einer Identität eines Datenerzeugers eine Änderung berücksichtigt und statistisch korrigiert werden. Ein Korrekturfaktor kann sich dabei aus einem Verhältnis aller ursprünglich verfügbaren Datenpunkte und der Anzahl der zu vt > 20 km/h gehörenden Datenpunkte ergeben. Daraus kann sich in dem hier angeführten Beispiel in Fig. 4 ein mittlerer zeitlicher
Abstand von circa 30 Sekunden ergeben. Aus diesem Wert kann sich eine Anonymisierung des Datensatzes ableiten lassen, die eine hohe Datenqualität für den Datennutzer mit sich bringen kann.
Im Sinne mancher Ausführungsbeispiele können die erfassten Daten an einen zentralen Computer (zum Beispiel an einen Backend-Server) gesendet und dort verarbeitet werden, um eine Anonymisierung des Datenerzeugers zu gewährleisten. Dabei kann das im Fahrzeug erstelle Bewegungsprofil zur Bestimmung der Verkehrsdichte dienen. Zusätzlich kann mit Hilfe des Anonymisierungsfaktors der Grad der Verschleierung anhand der Anzahl der Verkehrsteilnehmer zu einer bestimmten Zeit bestimmt werden.
Darüber hinaus kann in manchen Ausführungsbeispielen die mittlere Länge der Fahrzeuge eine wesentliche Rolle spielen. Beispielsweise kann in einem gewissen Streckenabschnitt die Verkehrsdichte bestimmt werden. Angenommen alle 30m kommt ein Lastkraftwagen mit einer Länge von 25m. Der räumliche Abstand zwischen den Lastkraftwagen kann somit kurz sein. Dies würde dann eine hohe Verkehrsdichte bedeuten. Werden jedoch nur Personenkraftwagen mit einer Länger von 5m in Betracht gezogen, so kann der räumliche Abstand zwischen den Personenkraftwagen größer als im Falle der Lastkraftwagen sein. Die daraus resultierende Verkehrsdichte wäre folglich niedrig. Da die Länge der Fahrzeuge demzufolge verfälschend sein kann, kann auch diese in Ausführungsbeispielen berücksichtigt werden.
Ausführungsbeispiele können weiterhin ein Computerprogramm mit einem Programmcode zum Ausführen eines oder mehrerer der obigen Verfahren sein oder sich darauf beziehen, wenn das Computerprogramm auf einem Computer oder Prozessor ausgeführt wird. Schritte, Operationen oder Prozesse von verschiedenen, oben beschriebenen Verfahren können durch programmierte Computer oder Prozessoren ausgeführt werden. Beispiele können auch Programmspeichervorrichtungen, z. B. Digitaldatenspeichermedien, abdecken, die maschinen-, Prozessor- oder computerlesbar sind und maschinenausführbare, prozessorausführbare oder computerausführbare Programme von Anweisungen codieren. Die Anweisungen führen einige oder alle der Schritte der oben beschriebenen Verfahren aus oder verursachen deren Ausführung. Die Programmspeichervorrichtungen können z. B. Digitalspeicher, magnetische Speichermedien wie beispielsweise Magnetplatten und Magnetbänder, Festplattenlaufwerke oder optisch lesbare Digitaldatenspeichermedien umfassen oder sein. Weitere Beispiele können auch Computer, Prozessoren oder Steuereinheiten, die zum Ausführen der Schritte der oben beschriebenen Verfahren programmiert sind, oder (feld-)programmierbare Logik-Arrays ((F)PLAs = (Field) Programmable Logic Arrays) oder (feld-)programmierbare Gate-Arrays ((F)PGA = (Field) Programmable Gate Arrays), die zum Ausführen der Schritte der oben beschriebenen Verfahren programmiert sind, abdecken.
Funktionen verschiedener in den Figuren gezeigter Elemente sowie die bezeichneten Funktionsblöcke können in Form dedizierter Hardware, z. B „eines Signalanbieters“, „einer Signalverarbeitungseinheit“, „eines Prozessors“, „einer Steuerung“ etc. sowie als Hardware fähig zum Ausführen von Software in Verbindung mit zugehöriger Software implementiert sein. Bei Bereitstellung durch einen Prozessor können die Funktionen durch einen einzelnen dedizierten Prozessor, durch einen einzelnen gemeinschaftlich verwendeten Prozessor oder durch eine Mehrzahl von individuellen Prozessoren bereitgestellt sein, von denen einige oder von denen alle gemeinschaftlich verwendet werden können. Allerdings ist der Begriff „Prozessor“ oder „Steuerung“ bei Weitem nicht auf ausschließlich zur Ausführung von Software fähige Hardware begrenzt, sondern kann Digitalsignalprozessor-Hardware (DSP-Hardware;
DSP = Digital Signal Processor), Netzprozessor, anwendungs-spezifische integrierte Schaltung (ASIC = Application Specific Integrated Circuit), feldprogrammierbare Logikanordnung (FPGA = Field Programmable Gate Array), Nurlesespeicher (ROM = Read Only Memory) zum Speichern von Software, Direktzugriffsspeicher (RAM = Random Access Memory) und nichtflüchtige Speichervorrichtung (storage) umfassen. Sonstige Hardware, herkömmliche und/oder kundenspezifische, kann auch eingeschlossen sein.
Ein Blockdiagramm kann zum Beispiel ein grobes Schaltdiagramm darstellen, das die Grundsätze der Offenbarung implementiert. Auf ähnliche Weise können ein Flussdiagramm, ein Ablaufdiagramm, ein Zustandsübergangsdiagramm, ein Pseudocode und dergleichen verschiedene Prozesse, Operationen oder Schritte repräsentieren, die zum Beispiel im Wesentlichen in computerlesbarem Medium dargestellt und so durch einen Computer oder Prozessor ausgeführt werden, ungeachtet dessen, ob ein solcher Computer oder Prozessor explizit gezeigt ist. In der Beschreibung oder in den Patentansprüchen offenbarte Verfahren können durch ein Bauelement implementiert werden, das ein Mittel zum Ausführen eines jeden der jeweiligen Schritte dieser Verfahren aufweist.
Es versteht sich, dass die Offenbarung mehrerer, in der Beschreibung oder den Ansprüchen offenbarter Schritte, Prozesse, Operationen oder Funktionen nicht als in der bestimmten Reihenfolge befindlich ausgelegt werden soll, sofern dies nicht explizit oder implizit anderweitig, z. B. aus technischen Gründen, angegeben ist. Daher werden diese durch die Offenbarung von mehreren Schritten oder Funktionen nicht auf eine bestimmte Reihenfolge begrenzt, es sei denn, dass diese Schritte oder Funktionen aus technischen Gründen nicht aus-tauschbar sind. Ferner kann bei einigen Beispielen ein einzelner Schritt, Funktion, Prozess oder Operation mehrere Teilschritte, -funktionen, -prozesse oder -Operationen einschließen und/oder in dieselben aufgebrochen werden. Solche Teilschritte können eingeschlossen sein und Teil der Offenbarung dieses Einzelschritts sein, sofern sie nicht explizit ausgeschlossen sind.
Bezugszeichenliste
Verfahren zur Bestimmung einer Verkehrsdichte
Erhalten des zumindest einen Bewegungsprofils
Bestimmen der Verkehrsdichte
Vorrichtung für ein Fahrzeug
Zumindest eine Schnittstelle
Kontrollmodul
Fahrzeug
Fahrzeuggeschwindigkeit einer typischen Stadtfahrt Zeitlicher Abstand zum vorausfahrenden Fahrzeug Gewichtete Fahrzeuggeschwindigkeit
Gewichteter zeitlicher Abstand

Claims

Patentansprüche
1. Ein Verfahren (10) zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges, mit
Erhalten (12) des zumindest einen Bewegungsprofils von dem Fahrzeug (200); und Bestimmen (14) der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden.
2. Verfahren (10) gemäß Anspruch 1, ferner umfassend sensorisches Erfassen einer Information über zumindest einen anderen Verkehrsteilnehmer, wobei das Bestimmen (14) der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges (200) ferner auf der Information über den zumindest einen anderen Verkehrsteilnehmer basiert.
3. Verfahren (10) gemäß Anspruch 2, wobei das sensorische Erfassen ein Erfassen eines räumlichen Abstandes zu dem zumindest einen anderen Verkehrsteilnehmer umfasst.
4. Verfahren (10) gemäß einem der Ansprüche 1 bis 3, wobei das Bestimmen (14) der Verkehrsdichte aus dem zumindest einen Bewegungsprofil des Fahrzeuges (200) ein Detektieren einer besonderen Verkehrssituation abhängig von dem zumindest einen Bewegungsprofil des Fahrzeuges (200) umfasst, wobei die für die Verkehrsdichte berücksichtigten Bewegungsanteile in Abhängigkeit von der besonderen Verkehrssituation unterschiedlich gewichtet werden.
5. Verfahren (10) gemäß Anspruch 4, wobei die besondere Verkehrssituation ein Stau, eine Ampelphase oder ein anderer kurzer Haltevorgang ist.
6. Verfahren (10) gemäß einem der Ansprüche 1 bis 5, wobei die Grenzgeschwindigkeit größer Null ist.
7. Verfahren (10) gemäß einem der Ansprüche 1 bis 6, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit der Grenzgeschwindigkeit derart unterschiedlich gewichtet werden, dass Bewegungsanteile mit Geschwindigkeiten unterhalb der Grenzgeschwindigkeit nicht berücksichtigt werden.
8. Verfahren (10) gemäß einem der Ansprüche 1 bis 7, ferner umfassend ein Verschleiern des zumindest einen Bewegungsprofils, wobei das Verschleiern von der Verkehrsdichte abhängig ist. *
9. Verfahren (10) gemäß Anspruch 8, wobei bei einer ersten höheren Verkehrsdichte ein Grad der Verschleierung niedriger ist als bei einer zweiten niedrigeren Verkehrsdichte.
10. Computerprogramm mit einem Programmcode zum Durchführen eines der Verfahren (10) gemäß einem der Ansprüche 1 oder 9, wenn der Programmcode auf einem Computer, einem Prozessor, einem Kontrollmodul oder einer programmierbaren Hardwarekomponente ausgeführt wird.
11. Eine Vorrichtung (20) für ein Fahrzeug (200), die zur Bestimmung einer Verkehrsdichte aus zumindest einem Bewegungsprofil des Fahrzeuges (200) ausgebildet ist, mit zumindest einer Schnittstelle (22) zum Erhalten des zumindest einen Bewegungsprofils von dem Fahrzeug (200); und ein Kontrollmodul (24) zum Bestimmen der Verkehrsdichte basierend auf dem zumindest einen Bewegungsprofil unter Berücksichtigung von Bewegungsanteilen aus dem zumindest einen Bewegungsprofil, wobei die berücksichtigten Bewegungsanteile in Abhängigkeit einer Grenzgeschwindigkeit unterschiedlich gewichtet werden.
12. Ein Fahrzeug (200) mit einer Vorrichtung (20) gemäß Anspruch 11.
EP21715846.8A 2020-03-27 2021-03-25 Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges Pending EP4128021A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020204045.1A DE102020204045A1 (de) 2020-03-27 2020-03-27 Fahrzeug, Verfahren, Vorrichtung und Computerprogramm für ein Fahrzeug zum Bestimmen einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges
PCT/EP2021/057710 WO2021191337A1 (de) 2020-03-27 2021-03-25 Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges

Publications (1)

Publication Number Publication Date
EP4128021A1 true EP4128021A1 (de) 2023-02-08

Family

ID=75339728

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21715846.8A Pending EP4128021A1 (de) 2020-03-27 2021-03-25 Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges

Country Status (4)

Country Link
EP (1) EP4128021A1 (de)
CN (1) CN115280391B (de)
DE (1) DE102020204045A1 (de)
WO (1) WO2021191337A1 (de)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008003039A1 (de) 2008-01-02 2009-07-09 Daimler Ag Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug
DE102012023561B4 (de) * 2012-12-03 2014-08-14 Audi Ag Verfahren zur verkehrsflussbedingten Adaption von Anhaltevorgängen an ein synthetisch moduliertes Geschwindigkeitsprofil entlang einer mit einem Fahrzeug gefahrenen Strecke sowie Steuergerät zur Durchführung des Verfahrens
US9179304B2 (en) 2013-09-18 2015-11-03 Google Inc. Device location history anonymization based on stop detection
DE102014223744A1 (de) * 2014-11-20 2016-05-25 Conti Temic Microelectronic Gmbh Assistenzsystem zur Detektion von in der Umgebung eines Fahrzeuges auftretenden Fahrhindernissen
DE102015203233A1 (de) * 2015-02-24 2016-08-25 Bayerische Motoren Werke Aktiengesellschaft Server, System und Verfahren zur Bestimmung einer Position eines Stauendes
CN108349495A (zh) * 2015-10-28 2018-07-31 大众汽车（中国）投资有限公司 控制方法、控制装置和控制系统
DE102015226650B4 (de) 2015-12-23 2023-06-01 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum anonymisierten Übermitteln eines ersten Werts zumindest eines Fahrparameters eines Fahrzeugs an eine externe Datenempfangseinheit
DE102017100871A1 (de) * 2017-01-18 2018-07-19 Valeo Schalter Und Sensoren Gmbh Ermittlung eines Maßes für eine lokale Verkehrsdichte durch ein Fahrerassistenzsystem eines Kraftfahrzeugs
CN110494902A (zh) * 2017-02-03 2019-11-22 西门子交通有限责任公司 用于管理地理位置中的交通的系统、设备和方法
US10358129B2 (en) * 2017-06-06 2019-07-23 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for dynamic vehicle control according to traffic
JP6866820B2 (ja) 2017-10-12 2021-04-28 トヨタ自動車株式会社 サーバ装置、経路情報のマスキング処理方法およびそのプログラム
CN108734008B (zh) 2018-04-26 2021-12-07 东华大学 基于停车记录对车辆匿名的移动轨迹数据去匿名的方法
US10341858B1 (en) 2018-06-13 2019-07-02 Symantec Corporation Systems and methods for obscuring user location

Also Published As

Publication number Publication date
CN115280391B (zh) 2024-09-27
WO2021191337A1 (de) 2021-09-30
DE102020204045A1 (de) 2021-09-30
CN115280391A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
DE112012007157B4 (de) Fahrunterstützungsvorrichtung und Fahrunterstützungsverfahren
DE102021102898A1 (de) Verbesserte objekterfassung mit clustering
DE102011004946A1 (de) Vorrichtung zum Erfassen einer Spurmarkierung auf einer Strasse
DE10133945A1 (de) Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten
EP0915350A2 (de) Vorrichtung zur Ermittlung fahrspurverlaufsindikativer Daten
DE102013209081A1 (de) Objektbestimmungsvorrichtung und kollisionsvermeidungsunterstützungsvorrichtung
DE112014002653T5 (de) System und Verfahren zum Ermitteln eines Fahrzeuggeschwindigkeitsparameters
DE102018214510A1 (de) Parkplatzkartenerzeugung auf der Straße
DE102013200409A1 (de) Verfahren und Vorrichtung zum Überwachen eines Umfelds eines Fahrzeugs und Verfahren zum Durchführen einer Notbremsung
DE112019006419B4 (de) Messungseinrichtung, messungsverfahren und messungsprogramm
DE112011103239B4 (de) Systeme und Verfahren zum Abschätzen des örtlichen Verkehrsflusses
DE102008003039A1 (de) Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug
DE102021117850A1 (de) Fahrzeugbetrieb
EP3724041A1 (de) Verfahren zum bestimmen eines reibwerts für einen kontakt zwischen einem reifen eines fahrzeugs und einer fahrbahn und verfahren zum steuern einer fahrzeugfunktion eines fahrzeugs
DE102016210032A1 (de) Verfahren Vorrichtung und System zur Falschfahrererkennung
DE102023129811A1 (de) Systeme und verfahren zum detektieren von und zum warnen von benutzern vor objekten auf fahrzeugwegen
EP4128021A1 (de) Fahrzeug, verfahren, vorrichtung und computerprogramm für ein fahrzeug zum bestimmen einer verkehrsdichte aus zumindest einem bewegungsprofil eines fahrzeuges
EP3923027B1 (de) Verfahren zum bestimmen eines belegungsstatus einer parktasche sowie zum bestimmen der belegungsstati mehrerer parktaschen entlang eines strassenzuges
DE102014214873B4 (de) Detektor von rascher Annäherung
EP3757961B1 (de) Verfahren, computerprogramm und vorrichtung zum bestimmen eines fahrzeugabstands für einen beobachtungszeitraum
DE102018000016B4 (de) Verfahren und System zum Abschätzen von Verkehrsfluss
DE102019209204A1 (de) Detektionslokalisierung von verfügbarem parkraum unter verwendung von verschiebung basierend auf historischer aggregation
DE102022109659A1 (de) Schätzung der lateraldynamik von fahrzeugen anhand von telemetriedaten
EP3227717B1 (de) Verfahren und vorrichtung zum bestimmen statistischer eigenschaften von rohmesswerten
DE102022114742A1 (de) Zielfahrzeugerkennung

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20221027

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20251020