WO2013113588A1 - Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen - Google Patents

Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen Download PDF

Info

Publication number
WO2013113588A1
WO2013113588A1 PCT/EP2013/051130 EP2013051130W WO2013113588A1 WO 2013113588 A1 WO2013113588 A1 WO 2013113588A1 EP 2013051130 W EP2013051130 W EP 2013051130W WO 2013113588 A1 WO2013113588 A1 WO 2013113588A1
Authority
WO
WIPO (PCT)
Prior art keywords
parking
information
free parking
free
parking spaces
Prior art date
Application number
PCT/EP2013/051130
Other languages
English (en)
French (fr)
Inventor
Heidrun Belzner
Ronald Kates
Original Assignee
Bayerische Motoren Werke Aktiengesellschaft
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 Bayerische Motoren Werke Aktiengesellschaft filed Critical Bayerische Motoren Werke Aktiengesellschaft
Priority to CN201380013770.3A priority Critical patent/CN104169990B/zh
Publication of WO2013113588A1 publication Critical patent/WO2013113588A1/de
Priority to US14/448,571 priority patent/US9652986B2/en

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/144—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces on portable or mobile units, e.g. personal digital assistant [PDA]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas

Definitions

  • the invention relates to a method for providing parking information on free parking spaces in at least one street.
  • Parking information on free parking spaces are used, for example, by parking guidance systems and / or navigation devices for navigating a parking space-seeking vehicle.
  • Modern inner-city systems work according to a simple principle. If the number of parking lots and the inflow and outflow of the vehicles are known, it is easy to determine the availability of free parking spaces. Signposting the access roads and dynamically updating the parking information allows vehicles to navigate to free parking.
  • the invention provides a method for providing parking information about free parking spaces in at least one street.
  • a method is provided, with which free parking spaces along roads are taken into account.
  • information about available, free parking spaces is determined, wherein from the determined information a knowledge database with historical data is generated, wherein the historical data for predetermined streets and / or predetermined times or periods each comprise statistical data on free parking.
  • the knowledge database for example, it is deposited that in a given street at a time or in a time span with a total of x available parking spaces on average y parking spaces are free. At another time or in another time span are in In contrast, only z ⁇ y free parking is available on the same street.
  • the historical knowledge database contains information about which parking lots can be used in principle as parking lots (so-called valid parking spaces or gaps) and on the other hand information about average free parking spaces at certain times.
  • a probability distribution of expected free parking spaces for the selected street or streets is determined from the historical data and current information, which are determined at a first given time for one or more selected streets.
  • the determination of the probability distribution of expected free parking spaces is preferably carried out by a central computer.
  • the current information on available, free parking is thus transmitted from the information determined in this way, in-circulation vehicles or stationary sensors in the relevant streets to the central computer.
  • a visualization of the probability distribution is generated, which represents the parking information on free parking spaces in the selected street or streets.
  • the visualization of the probability distribution can be done by the central computer, the result of the visualization could then serve, for example in the context of a route guidance in a parking-looking vehicle as the basis for a recommendation.
  • the information about available, free parking spaces of vehicles in circulation is recorded by measurement.
  • sensors can be used, which can be based on optical and / or non-optical sensors.
  • Particularly preferred is the use of a camera.
  • the side-facing cameras of a vehicle come into consideration, which are provided, for example, to support a parking operation with respect to obstacles in vehicles.
  • sensors can be used which are originally intended for a lane departure or lane change assistant, for example. Such sensors may for example be based on radar or other non-optical techniques.
  • a roadside area is detected by a camera of the vehicles and an image sequence is generated, which is evaluated by a computer of the vehicles in order to identify free parking spaces of the detected roadside area. It is expediently provided that only valid parking spaces are included in the calculation of the probability. Under a valid parking lot is understood such a parking lot on which a vehicle may be parked regularly. Valide parking places, for example, junctions to intersections, effortzufahrts Kunststoffe and the like. The plausibility is done by image processing and additional sensors, such as a digital map, with free parking spaces are automatically detected and plausibility checked while driving the vehicle. For example, for this purpose, the laterally installed in the vehicle camera can be used.
  • the information about available, free parking spaces of sensors arranged along the streets is detected metrologically.
  • sensors are known, for example, for monitoring parking spaces from parking garages or other demarcated parking lots.
  • the information about available, free parking spaces is generated manually by input of users into a terminal (for example smartphone, laptop, tablet PC, etc., but also user interface of a vehicle).
  • a terminal for example smartphone, laptop, tablet PC, etc., but also user interface of a vehicle.
  • special apps can be provided for this, in which users can report free parking spaces.
  • a corresponding user entry can take place when the user parks his vehicle out of a parking space. The corresponding information is then taken into account at the parking calculator mentioned in the context of processing the current information.
  • up-to-date information always refers to a specific, current point in time: the current information is not only used to combine with the historical data, but at the same time is always fed to the historical data so that the historical data has been the data since the Beginning of a recording scope regarding free parking in certain streets at certain times include.
  • the information on available, free parking spaces are expediently transmitted to a knowledge base generating and / or managing central computer.
  • a central computer can be administered, for example, by a service provider who provides parking information.
  • a service provider could, for example, also be a vehicle manufacturer, who uses it to process the information about free parking spaces as part of his route navigation.
  • first information about the parking of vehicles in and / or the parking of vehicles from a parking space is determined as information, wherein an outage rate is determined from the holding times between the parking and the parking of a respective vehicle.
  • the Ausparkrate can be advantageously processed in a queue model, so that even a forecast on the change in the probability can be determined at a later date.
  • Such a later time could, for example, be the time of arrival in a certain street within the framework of a calculated route navigation.
  • a prognosis can already be given on the basis of the historical probability distribution.
  • the quality of the forecast becomes better the more up-to-date the data is.
  • information is determined as information about a parking search duration / rate of parking-seeking vehicles by evaluating the parking operation of a preceding vehicle prior to parking process location coordinates of the movement of the vehicle and the respective location coordinates associated time stamp and instantaneous speeds.
  • the park search duration / rate is used in a queue model to adapt the probability distribution at a later time.
  • the historical data and the current information are processed in the Bayes'cehen rule to determine the probability distribution of expected free parking in step b).
  • the Bayes' sche rule allows fu- historical data and up-to-date information to determine the probability distribution.
  • a prognosis of the change in the probability distribution of expected free parking spaces is determined at a second given time, the second time following the first given time, the parking rate and the parking search duration / rate being processed to determine the prognosis ,
  • the second time may include an arrival time, determined by a route navigation, in a destination area comprising the given street street (s).
  • the prediction can be made by modeling the probability distribution determined at the first given instant by the assumed transition to an expected state of the probability distribution, the expected state corresponding to a state corresponding to the historical data.
  • the forecast is generated using the Erlang Loss queue model.
  • the information described above - outage rate, park search duration / rate - as well as the current free parking information is used to learn the historical knowledge base.
  • the Bayesian rule-based data fusion algorithm then considers the historical database as well as up-to-date information, giving a good quality statement of the probability distribution of the expected free parking space and the quality of the estimate at the time of acquisition. Furthermore, in the course of time, the change in the probability distributions, in particular the increase of the blur, is predicted with the aid of an estimate of the parking search traffic or the parking frequency. With the help of this information, a map with corresponding, optimized probabilities can then be displayed. These can be offered for optimal search routes or decision making on where to find the best parking.
  • An advantage of the method described is that modern production vehicles can automatically detect free parking spaces on the roadside without additional hardware. For this purpose, the sensors used in the vehicles are used. This information is then transmitted to the central computer, which can be done via existing telematics modules in many vehicles without additional effort. About the described fusion of historical and current data in the central computer can then be built historical knowledge regarding parking probability and search time. In addition, parking attributes of the digital map can be learned so that a detailed map for the launch is not required. This can be built up over time from the ever-improving historical data
  • the invention further provides a computer program product that can be loaded directly into the internal memory of a digital computer or computer system and includes software code portions that perform the steps of any preceding claim when the product is running on the computer or computer system.
  • the invention provides a system for providing parking information on free parking spaces in at least one street.
  • the system includes
  • a) a first unit for determining information about available, free parking spaces which is designed to generate from the determined information a knowledge database with historical data, the historical data for predetermined streets and / or predetermined times or periods respectively statistical data on free parking spaces include;
  • a second unit for determining a probability distribution of expected free parking for the selected street (s) from the historical data and current information present at a first given time for one or more selected blocks of vehicles in circulation;
  • a third unit for generating a visualization of the probability distribution, which represents the parking information on free parking spaces in the selected street or streets.
  • system can be more middle! for carrying out preferred embodiments of the method.
  • Fig. 1 is a schematic representation of a system for carrying out the method according to the invention.
  • Fig. 2 shows the result of a probability distribution of expected free parking for one or more selected streets.
  • the system comprises a central computer 10, which may be formed from one or more computers.
  • the central computer 10 is managed, for example, by a service provider for providing parking information.
  • the service provider could be, for example, a vehicle manufacturer.
  • the central computer 10 includes a communication interface 11 for receiving information about available free parking as well as for sending information representing a probability distribution of expected free parking for a particular street.
  • the task of the central computer 10 is to process information about available, free parking spaces, which are transmitted in particular from vehicles in traffic, but also from stationarily installed sensor units, to the central computer.
  • the entirety of the information on available free parking spaces or data for obtaining this information is indicated in FIG. 1 by the reference numeral 20.
  • the information described in more detail below is provided by a service 22 referred to as a "parking monitor", an entry and exit parking recognition 24 and a service for Provision made a Parksuchdauer 26 formed.
  • the respective information can be transferred ready processed to the central computer 10.
  • the preparation of the data can be carried out by the central computer 10, so that the vehicles and / or sensors supplying the information need only supply raw data and / or preprocessed data.
  • the information provided to the central computer 10, at the time of provision, represents up-to-date information representing a situation regarding available free parking at the present time for one or more selected streets.
  • the current data is processed in the central computer 10 to dynamic data 12.
  • a historical database 14 is generated by learning methods.
  • the current information provided is also processed in the historical database.
  • the information contained in the historical data base 14 is fused together with the dynamic data 12 in a manner described in more detail below (reference numeral 18), as a result of the merger, a probability distribution of expected free parking for the road or streets of interest is determined.
  • static data 16 can still be taken into account, which relate to the total number of parking spaces as well as to invalid parking spaces, the size of the parking spaces or the type of parking space management, etc.
  • a visualization of the probability distribution is also generated, which represents the parking information about the free parking spaces in the relevant streets.
  • the visualization can be performed by the computer unit 10 itself or by a computer or a vehicle to which the information representing the probability distribution has been transmitted.
  • the probability distribution of free parking is designated by the reference numeral 30.
  • the parking monitor 22 current data on free and / or occupied parking lots of a street are determined.
  • the determination is carried out by vehicles in traffic, which sensory detect the roadside.
  • the roadside is detected by one or more cameras of the vehicle, wherein the image sequence (s) generated by the camera (s) is (are) evaluated by means of image processing in order to automatically identify and make plausibility parking spaces along the busy road while driving.
  • Plausibil means that a check is made as to whether a gap can actually be rated as a parking space or not.
  • parking spaces and their distances or size are determined.
  • user information that have been manually entered for example, free parking in a terminal, as well as information from stationary sensors arranged to the computing unit 10 can be transmitted.
  • the information about entry and Ausparkvortician can optionally be determined automatically by sensors of the vehicle and / or manually by user input to a corresponding user terminal.
  • a Ausparkvorgang can be detected for example by the start of the engine of the vehicle, the determination of the current location and the evaluation of steering movements.
  • the driver during the parking process by input of appropriate information in a man-machine interface (be it an interface in the vehicle or in a portable device) information about a made parking operation to the central computer 10 ner render. In a similar way, this could also be done for parking operations. If the times of entry and exit parking of a respective vehicle are known, then a holding time and from this a so-called out-of-park rate ⁇ can be determined.
  • the Ausparkrate ⁇ as will be explained below, processed in the context of a queue model, which is used to improve the accuracy of the probability distribution.
  • a further input parameter for the queue model represents the parking search duration ⁇ , which is also referred to as parking search rate.
  • This can be determined on the basis of detected location coordinates of a vehicle.
  • the location coordinates of the movement of a vehicle can be determined, for example, by means of the GPS receiver integrated in the vehicle.
  • the coordinates designated as positions are stored at predetermined intervals as so-called beads in a ring memory of the vehicle. If it is detected that a vehicle has been parked, the contents of the ring memory are analyzed in order to determine the measure for the parking search duration ⁇ and a probability of success of the park search for a parking space. to allocate search.
  • the computation operations required for this purpose can be performed in a computing unit of the vehicle itself, or else by the arithmetic unit 10, if the corresponding information with the location coordinates is transmitted to the arithmetic unit 10.
  • each pearl gets a position x j , y, and a
  • Timestamp t i and a current speed v i are identical to i and a current speed v i .
  • i 1 N
  • t N is the
  • the above-mentioned information is, as described in the introduction, transmitted to the central computer 10 and used on the one hand for learning the historical database 16.
  • the current data flows into the data fusion algorithm 18.
  • the determination of the probability distribution by the fusion algorithm uses the well-known mechanism of Bayes ' rule. In this, both the data of the historical database 16 and the dynamic, current data 12 are taken into account.
  • the result of the merger is a probability distribution of the expected free parking spaces.
  • a statement about the quality of this estimate can be obtained at the time of capture.
  • a prognosis of the time profile of the change of the probability distributions takes place with the aid of the estimation of the parking search duration ⁇ as well as the out-of-park rate ⁇ using a queue model.
  • a prognosis of the change in the probability distribution of expected free parking spaces can be determined at a later time than the current time.
  • the out-of-park rate ⁇ and the parking search duration ⁇ are processed for determining the prognosis.
  • the later time for example, can be determined by a route navigation arrival time in a Destination area that includes the given street or streets.
  • the prognosis is made by modeling the probability distribution determined at the first given instant by the assumed transition to an expected state of the probability distribution, the expected state corresponding to a state corresponding to the historical data at the later, second point in time.
  • the goal is a forecast of the probability distribution of free parking spaces in a street that could serve as a basis for a recommendation in the context of a route guidance in the vehicle.
  • historical data and, if available, up-to-date information or data on free parking spaces are used as input data.
  • the information concerns the number of occupied or unobstructed (free) parking spaces.
  • the method uses a statistical model and an algorithm for estimating the parameters of the probability distribution of free parking lots on the basis of historical data, if current data with a comparable time stamp are available with otherwise comparable influencing factors.
  • the fusion algorithm is based on the Bayesian learning approach.
  • the Bayesian learning approach can be improved in its accuracy by a so-called birth-Death-Markov process model (also known as the Erlang-Loss model) and algorithms for estimating the time evolution of the free parking probability distributions and equilibrium states.
  • the temporal evolution algorithm models the transition from an immediately observed state to a historical state. Equilibrium solutions can also be used to describe situations with significant parking search traffic.
  • the parameters required include the parking search duration, which is determined by an algorithm for estimating a parking search path and a parking search duration ⁇ from so-called "pearl chains", ie, time series from local Cartesian coordinates of a vehicle that has found a parking space can be determined.For this purpose, a ring memory of the "pearls” is used.
  • the method provides an estimation of the loss probability needed to estimate the so-called "Erlang factor.” This is again used for the model of the temporal evolution of the probability distributions Statistical surveys and studies can also be used as a basis, but the model takes into account their fuzzy meaning.
  • the method in its optimal configuration then provides for a transition between the time immediately following an observation and the "relaxation" to a state that corresponds to the historical model
  • the transition rate depends on the parking search traffic or on the out-of-park rate ⁇ to the park search duration or to the park search path, which takes into account data about parking duration, data on parking and parking, etc.
  • a prognosis of the probability distribution P (F) of free parking spaces F accounts for the fact that, on the one hand, the observation itself is already subject to a certain blurring, on the other hand, parking and parking operations since the observation and until for the arrival of a vehicle are possible.
  • the duration of the time between the observation and the expected arrival of the parking space seeking vehicle defines a "forecast horizon".
  • Forecast horizon is low.
  • a probability p b can be assigned, that they have become (again) vacant, as a rule, p b is only slightly larger be 0 if the forecast horizon is low.
  • the two probabilities express the fuzziness of the capture and the influence of the parking search traffic.
  • a binomial distribution describes the case of a relatively small parking search traffic (compared to 1 / parking duration). If this condition is regularly violated, then a high percentage of occupied parking is often observed.
  • An improved prognosis is given taking into account a queue model according to "Erlang-Ioss (M / M / s / s)."
  • the behavior of the system immediately after an observation becomes a transition or "relaxation" of the expected state to a state corresponding to the historical data modeled.
  • the transition rate depends on the parking search traffic and on the duration of the parking (or on the outage rate ⁇ ).
  • the long-loss model is suitable both for the description of historical data in high park search traffic or for high occupancy and in general for the modeling of "relaxation.” It describes queues in which an access to an occupied resource becomes a This is the case when a park is searched in a street, if all the parking lots are already occupied and the driver does not return.
  • the model is documented in great detail in the literature and is only summarized here: The model can be considered a "birth-death Markov process”. Occupations take place with a park search rate and Ausparkvortician done for each one
  • Equation (10) is known as the "Erlang B formula”.
  • a measure Z is estimated for the total number of valid parking lots that have been checked in the search.
  • a loss probability L Liss Probability
  • a table is formed which makes it possible to deduce a value of p from repeated measurements of Z.
  • Predetermined different orders of p any number (preferably: 10,000) N-tuple [p (i), Z (i)] generated and divided into subgroups with respect to p.
  • the parameters of a suitable probability distribution are determined using methods well known to those skilled in the art, e.g. using the maximum likelihood method, the maximum a posteriori (MAP) method, or the moment method.
  • this is an exponential distribution which is characterized by a parameter alpha.
  • p (alpha) which is stored as a table in a preferred application.
  • the distribution may be similarly characterized by a variety of parameters such that p may be obtained by specifying these parameters.
  • the estimated values of h (t) are calculated for each of the repeated samples Z (i) and assigned to the time stamp (the time stamp and the day of the week are derived from the time stamp).
  • values (N-tupie) of the form [t, h (t), Z (i)] are available.
  • the data N-tuple are divided into sub-groups at intervals of t (approximately hourly and by day of the week).
  • the parameters of a suitable probability distribution are determined using methods well known to those skilled in the art. In a preferred embodiment, this is an exponential distribution that is completely characterized by a parameter (referred to herein as alpha) becomes. In further embodiments, the distribution can be characterized by several parameters.
  • current values can also be estimated by summarizing current (approximately in the last hour) detected Z values of several adjacent streets are assigned to a value p as already described.
  • This type of pearl necklace may be provided by a size N ring buffer.
  • the number of beads N is defined by the available space. The event "parked” accordingly corresponds to the pearl
  • a normal search radius becomes and an extended search radius given, eg with
  • the Euclidean distance of each bead to the parking lot is first formed:
  • this decision rule is a model concept: an extended search is suspected when the vehicle comes despite insignificant city speed only slightly closer to the final parking.
  • the assignment of a number Z of scanned parking lots depends on the quality of the available information. If the number of valid parking spaces on the park search route is present Then it turns out As a rule, this requires at least mapmatching and access to a historical database.
  • this formula can be generalized by using the respective distance-dependent estimate of the local parking density instead of d.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Die Erfindung beschreibt ein Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug. Bei dem erfindungsgemäßen Verfahren werden Informationen über verfügbare, freie Parkplätze ermittelt, wobei aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten (14) erzeugt wird, wobei die historischen Daten für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen. Aus den historischen Daten (14) und aktuellen Informationen (12), welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge von im Verkehr befindlichen Fahrzeugen ermittelt werden, wird eine Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge ermittelt. Schließlich wird eine Visualisierung der Wahrscheinlichkeitsverteilung (30) erzeugt, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.

Description

Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen
Die Erfindung betrifft ein Verfahren zum Bereitstellen von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug.
Parkinformationen zu freien Parkplätzen werden beispielsweise von Parkleitsystemen und/oder Navigationsgeräten zur Navigation eines Parkplatz suchenden Fahrzeugs verwendet. Moderne innerstädtische Systeme arbeiten nach einem einfachen Prinzip. Sind die Anzahl der Parkplätze sowie der Zufluss und der Abfluss der Fahrzeuge bekannt, Iässt sich hieraus einfach die Verfügbarkeit freier Parkplätze bestimmen. Durch eine entsprechende Beschilderung der Zufahrtsstraßen und einer dynamischen Aktualisierung der Parkplatzinformationen lassen sich Fahrzeuge zu freien Parkplätzen navigieren.
Prinzipbedingt ergeben sich hieraus Einschränkungen dahingehend, dass die Parkflächen klar umgrenzt sein müssen sowie der Zu- und Abgang der Fahrzeuge stets genau kontrolliert werden muss. Hierzu sind bauliche Maßnahmen, wie beispielsweise Schranken oder sonstige Zufahrtskontrollsysteme erforderlich.
Aufgrund dieser Beschränkung ist eine Navigation nur zu einer kleinen Zahl von freien Parkplätzen möglich. Mit den notwendigen baulichen Maßnahmen lassen sich üblicherweise nur Parkhäuser oder umzäunte Parkflächen in ein Parkleitsystem integrieren. Die weitaus größere Anzahl von Parkplätzen am Straßenrand oder nicht umgrenzten Parkplätzen, wird jedoch nicht beachtet.
Zur Suche nach freien Parkplätzen ist insbesondere in Innenstädten und dicht bewohnten Gebieten eine Identifizierung von Parkplätzen entlang jeweiliger Straßenzüge erwünscht. Aus der DE 10 2009 028 024 A1 ist es hierzu bekannt, dass Informationen über verfügbare, freie Parkplätze mit fahrzeugbezogenen Daten abgeglichen werden. Hierdurch werden vorab freie Parkplätze einem Parkplatz suchenden Fahrzeug nicht angeboten, wenn sie nicht ausreichend groß sind. Ferner werden beispielsweise nur große Parklücken oder hintereinander liegende Parkplätze nicht nur einmal vergeben, sondern je nach Größe der parkenden Fahrzeuge gegebenenfalls an zwei Fahrzeuge. Hierzu werden parkplatzausforschende Fahrzeuge eingesetzt, wie z.B. Fahrzeuge des öffentlichen Nahverkehrs, wie z.B. regelmäßig verkehrende Busse oder Taxis, welche zumindest einen Sensor zur Parkplatzerkennung aufweisen. Die Sensorik kann hierbei auf optischen und/oder nicht optischen Sensoren basieren.
Ferner sind Community-basierte Anwendungen bekannt, bei denen die Nutzer von Fahrzeugen beispielsweise in eine App eine Information eingeben, wenn sie einen Parkplatz verlassen. Diese Informationen werden dann anderen Nutzern des Dienstes bereitgestellt. Nachteilig hieran ist, dass die Informationen über verfügbare Parkplätze lediglich so gut sind, wie sie von den Benutzern zur Verfügung gestellt werden.
Bei beiden beschriebenen Alternativen besteht das Problem, dass die Information über das Vorhandensein eines einzelnen Parkplatzes sehr schnelllebig ist, d.h. in Gebieten mit viel Parksuchverkehr, in welchen eine Parkplatzinformation hilfreich wäre, ist ein freier Parkplatz in der Rege! in kürzester Zeit belegt.
Es ist Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug anzugeben.
Diese Aufgabe wird gelöst durch ein Verfahren gemäß den Merkmalen des Patentanspruchs 1 , ein Computerprogrammprodukt gemäß den Merkmalen des Patentanspruchs 14 sowie ein System zur Bereitstellung von Parkinformationen gemäß den Merkmalen des Patentanspruchs 15. Vorteilhafte Ausgestaltungen sind in den abhängigen Patentansprüchen angegeben.
Die Erfindung schafft ein Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug. Insbesondere wird hierbei ein Verfahren bereitgestellt, mit dem freie Parkplätze entlang von Straßen berücksichtigt werden.
Bei dem Verfahren werden Informationen über verfügbare, freie Parkplätze ermittelt, wobei aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten erzeugt wird, wobei die historischen Daten für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen. In der Wissensdatenbasis ist z.B. hinterlegt, dass in einer bestimmten Straße zu einem Zeitpunkt oder in einer Zeitspanne bei insgesamt x verfügbaren Parkplätzen im Schnitt y Parkplätze frei sind. Zu einem anderen Zeitpunkt oder in einer anderen Zeitspanne sind in der gleichen Straße demgegenüber lediglich z < y freie Parkplätze verfügbar. In der historischen Wissensdatenbasis sind damit zum einen Informationen darüber umfasst, welche Parkplätze prinzipiell als Parkplätze (sog. valide Parkplätze oder -lücken) genutzt werden können, und andererseits eine Information über durchschnittlich freie Parkplätze zu bestimmten Zeiten.
In einem weiteren Schritt wird aus den historischen Daten und aktuellen Informationen, welche zu einem ersten gegebenen Zeitpunkt für eine oder mehrere ausgewählte Straßenzüge ermittelt werden, eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge ermittelt. Die Ermittlung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze wird vorzugsweise durch einen zentralen Rechner vorgenommen. Die aktuellen Informationen über verfügbare, freie Parkplätze werden somit von den diese Informationen ermittelten, im Verkehr befindlichen Fahrzeuge oder stationären Sensoren in dem betreffenden Straßenzügen an den zentralen Rechner übermittelt.
Schließlich wird eine Visualisierung der Wahrscheinlichkeitsverteilung erzeugt, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert. Die Visualisierung der Wahrscheinlichkeitsverteilung kann durch den zentralen Rechner erfolgen, wobei das Ergebnis der Visualisierung dann beispielsweise im Rahmen einer Routenführung in einem Parkplatz suchenden Fahrzeug als Basis für eine Empfehlung dienen könnte.
Die Nutzung einer Wahrscheinlichkeitsverteilung freier Parkplätze in einem oder mehreren Straßenzügen ermöglicht es, einem Parkplatz suchenden Fahrzeug präzisere Informationen zum Zeitpunkt des Suchens eines Parkplatzes zur Verfügung zu stellen.
In einer zweckmäßigen Ausgestaltung werden die Informationen über verfügbare, freie Parkplätze von im Verkehr befindlichen Fahrzeugen messtechnisch erfasst. Hierzu kann in Fahrzeugen vorhandene Sensorik benutzt werden, welche auf optischen und/oder nicht optischen Sensoren basieren kann. Besonders bevorzugt ist die Verwendung einer Kamera. Hierbei kommen insbesondere die zur Seite gerichteten Kameras eines Fahrzeugs in Betracht, welche beispielsweise zur Unterstützung eines Einparkvorgangs hinsichtlich Hindernissen in Fahrzeugen vorgesehen sind. Ebenso können Sensoriken zum Einsatz kommen, welche beispielsweise ursprünglich für einen Spurverlassens- oder Spurwechselassistenten vorgesehen sind. Derartige Sensoren können beispielsweise auf Radar oder anderen nicht-optischen Techniken basieren.
In einer zweckmäßigen Ausgestaltung wird ein Straßenrandbereich durch eine Kamera der Fahrzeuge erfasst und es wird eine Bildfolge erzeugt, welche durch einen Rechner der Fahrzeuge ausgewertet wird, um freie Parkplätze des erfassten Straßenrandbereichs zu identifizieren. Dabei ist zweckmäßigerweise vorgesehen, dass nur valide Parkplätze in die Berechnung der Wahrscheinlichkeit einbezogen werden. Unter einem validen Parkplatz wird ein solcher Parkplatz verstanden, auf dem ein Fahrzeug regulär abgestellt werden darf. Valide Parkplätze stellen beispielsweise Einmündungen zu Kreuzungen, Feuerwehrzufahrtsbereiche und dergleichen dar. Die Plausibilisierung erfolgt mittels Bildverarbeitung und zusätzlicher Sensorik, wie einer digitalen Karte, wobei freie Parklücken während der Fahrt des Fahrzeugs automatisiert erkannt und plausibilisiert werden. Beispielsweise kann hierzu die seitlich im Fahrzeug verbaute Kamera eingesetzt werden.
In einer weiteren zweckmäßigen Ausgestaltung werden die Informationen über verfügbare, freie Parkplätze von entlang den Straßenzügen angeordneten Sensoren messtechnisch erfasst. Derartige Sensoren sind beispielsweise zur Überwachung von Parklücken aus Parkhäusern oder anderen abgegrenzten Parkplätzen bekannt.
Es kann weiterhin vorgesehen sein, dass die Informationen über verfügbare, freie Parkplätze manuell durch Eingaben von Nutzern in ein Endgerät (z.B. Smartphone, Laptop, Tablet-PC, usw., aber auch Benutzerschnittstelle eines Fahrzeugs) erzeugt werden. Beispielsweise können hierzu spezielle Apps bereitgestellt werden, in denen Nutzer freie Parkplätze melden können. Beispielsweise kann ein entsprechender Nutzereintrag erfolgen, wenn der Nutzer mit seinem Fahrzeug aus einer Parklücke ausparkt. Die entsprechenden Informationen werden dann an den eingangs erwähnten Parkrechner im Rahmen der Verarbeitung der aktuellen Informationen berücksichtigt.
Der Begriff der„aktuellen Informationen" bezieht sich immer auf einen bestimmten, gegenwärtigen Zeitpunkt. Die aktuellen Informationen werden nicht nur zur Kombination mit den historischen Daten verwendet, sondern werden gleichzeitig auch immer den historischen Daten zugeführt, so dass die historischen Daten die ermittelten Daten seit dem Beginn eines Aufzeichnungsumfangs bezüglich freier Parkplätze in bestimmten Straßenzügen zu bestimmten Zeitpunkten umfassen.
Die Informationen über verfügbare, freie Parkplätze werden zweckmäßigerweise an einen die Wissensdatenbasis erzeugenden und/oder verwaltenden Zentralrechner übermittelt. Ein solcher Zentralrechner kann beispielsweise durch einen Dienstleister administriert werden, der Parkinformationen bereitstellt. Ein solcher Dienstleister könnte beispielsweise auch ein Fahrzeughersteiler sein, der damit die Information über freie Parkplätze im Rahmen seiner Routennavigation verarbeiten lässt. in einer weiteren Ausgestaltung werden als Informationen erste Informationen über das Einparken von Fahrzeugen in und/oder das Ausparken von Fahrzeugen aus einem Parkplatz ermittelt, wobei aus den Haltezeiten zwischen dem Einparken und dem Ausparken eines jeweiligen Fahrzeugs eine Ausparkrate ermittelt wird. Die Ausparkrate kann vorteilhaft in einem Warteschlangenmodell verarbeitet werden, so dass auch eine Prognose über die Veränderung der Wahrscheinlichkeit zu einem späteren Zeitpunkt ermittelt werden kann. Ein solcher späterer Zeitpunkt könnte beispielsweise der Ankunftszeitpunkt in einem bestimmten Straßenzug im Rahmen einer errechneten Routennavigation sein. Eine Prognose kann prinzipiell auch schon auf Basis der historischen Wahrscheinlichkeitsverteilung angegeben werden. Die Qualität der Prognose wird jedoch umso besser, je aktueller die Daten sind.
Es kann weiterhin vorgesehen sein, dass als Informationen zweite Informationen über eine Parksuchdauer/-rate von Parkplatz suchenden Fahrzeugen ermittelt werden, indem nach einem erkannten Einparkvorgang eines Fahrzeugs dem Einparkvorgang vorausgehende Ortskoordinaten der Bewegung des Fahrzeugs und den jeweiligen Ortskoordinaten zugeordnete Zeitstempel und Momentangeschwindigkeiten ausgewertet werden. Ebenso wie die Ausparkrate wird die Parksuchdauer/-rate im Rahmen eines Warteschlangenmodells zur Adaption der Wahrscheinlichkeitsverteilung zu einem späteren Zeitpunkt verwendet.
Zweckmäßigerweise werden zur Ermittlung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze in Schritt b) die historischen Daten und die aktuellen Informationen in der Bayes'cehen Regel verarbeitet. Die Bayes'sche Regel ermöglicht die Datenfu- sion von historischen Daten und aktuellen Informationen zur Ermittlung der Wahrscheinlichkeitsverteilung.
Gemäß einer weiteren Ausgestaltung wird eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze zu einem zweiten gegebenen Zeitpunkt ermittelt, wobei der zweite Zeitpunkt auf den ersten gegebenen Zeitpunkt folgt, wobei für die Ermittlung der Prognose die Aus parkrate und die Parksuchdauer/-rate verarbeitet werden. Der zweite Zeitpunkt kann eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet, das den oder die vorgegebenen Straßenzüge umfasst, umfassen.
Die Prognose kann durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung vorgenommen werden, wobei der erwartete Zustand einem den historischen Daten entsprechenden Zustand entspricht. Beispielsweise wird die Prognose mittels des Erlang-Loss-Warteschlangenmodells erzeugt.
Die oben beschriebenen Informationen - Ausparkrate, Parksuchdauer/-rate - werden ebenso wie die aktuellen Informationen über freie Parkplätze zum Erlernen der historischen Wissensdatenbasis verwendet. Der auf der Bayes' sehen Regel basierende Datenfusionsalgorithmus berücksichtigt dann die historische Datenbasis als auch aktuelle Informationen, wodurch eine Aussage mit guter Qualität über die Wahrscheinlichkeitsverteilung der zu erwartenden freien Parkplätze sowie über die Qualität der Schätzung zum Zeitpunkt der Erfassung gegeben ist. Ferner wird im zeitlichen Verlauf die Veränderung der Wahrscheinlichkeitsverteilungen, insbesondere die Vergrößerung der Unscharfe, mit Hilfe einer Schätzung des Parksuchverkehrs bzw. der Ausparkhäufigkeit prognostiziert. Mit Hilfe dieser Informationen kann dann eine Karte mit entsprechenden, optimierten Wahrscheinlichkeiten dargestellt werden. Diese können für optimale Suchrouten oder eine Entscheidungsfindung, wo man am Besten Parkplätze findet, angeboten werden. Beispielsweise ist es möglich, die Frage zu beantworten ob es überhaupt möglich ist, eine Route zu einem wahrscheinlich vorhandenen freien Parkplatz zu finden. Ein Vorteil des beschriebenen Verfahrens besteht darin, dass moderne Serienfahrzeuge ohne zusätzliche Hardware freie Parkplätze am Straßenrand automatisiert erkennen können. Hierzu werden die in den Fahrzeugen verwendeten Sensoriken genutzt. Diese Informationen werden dann an den Zentralrechner übertragen, wobei dies über in vielen Fahrzeugen vorhandene Telematikmodule ohne zusätzlichen Aufwand erfolgen kann. Über die beschriebene Fusion historischer und aktueller Daten in dem Zentralrechner kann dann historisches Wissen hinsichtlich Parkplatzwahrscheinlichkeit und Suchdauer aufgebaut werden. Zusätzlich können Parkplatz-Attribute der digitalen Karte gelernt werden, so dass eine detaillierte Karte für die Markteinführung nicht erforderlich ist. Diese kann im Laufe der Zeit aus den immer besser werdenden historischen Daten aufgebaut werden
Die Erfindung schafft weiterhin ein Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Rechners oder Rechnersystems geladen werden kann und Softwarecodeabschnitte umfasst, mit denen die Schritte gemäß einem der vorhergehenden Ansprüche ausgeführt werden, wenn das Produkt auf dem Rechner oder Rechnersystem läuft.
Schließlich schafft die Erfindung ein System zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug. Das System umfasst
a) eine erste Einheit zur Ermittlung von Informationen über verfügbare, freie Parkplätze, welche dazu ausgebildet ist, aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten zu erzeugen, wobei die historischen Daten für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen;
b) eine zweite Einheit zur Ermittlung einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge aus den historischen Daten und aktuellen Informationen, welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge von im Verkehr befindlichen Fahrzeugen vorliegen;
c) eine dritte Einheit zur Erzeugung einer Visualisierung der Wahrscheinlichkeitsverteilung, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert. Das System weist die gleichen Vorteile auf, wie diese vorstehend in Verbindung mit dem erfindungsgemäßen Verfahren erläutert wurden.
Darüber hinaus kann das System weitere Mitte! zur Durchführung bevorzugter Ausgestaltungen des Verfahrens umfassen.
Die Erfindung wird nachfolgend näher anhand eines Ausführungsbeispiels in der Zeichnung erläutert. Es zeigen:
Fig. 1 eine schematische Darstellung eines Systems zur Durchführung des erfindungsgemäßen Verfahrens; und
Fig. 2 das Ergebnis einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen oder mehrere ausgewählte Straßenzüge.
Fig. 1 zeigt eine schematische Darstellung eines erfindungsgemäßen Systems zur Bereitstellung von Parkinformationen zu freien Parkplätzen in einem oder mehreren Straßenzügen. Das System umfasst einen Zentralrechner 10, welcher aus einem oder mehreren Rechnern gebildet sein kann. Der Zentralrechner 10 wird beispielsweise von einem Dienstleister zur Bereitstellung von Parkinformationen verwaltet. Der Dienstleister könnte beispielsweise ein Fahrzeughersteller sein.
Der Zentralrechner 10 umfasst eine Kommunikationsschnittstelle 11 zum Empfangen von Informationen über verfügbare, freie Parkplätze sowie zum Senden von Informationen, welche eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen bestimmten Straßenzug repräsentieren. Die Aufgabe des Zentralrechners 10 besteht darin, Informationen über verfügbare, freie Parkplätze, welche insbesondere von im Verkehr befindlichen Fahrzeugen, aber auch von stationär installierten Sensoreinheiten, an den Zentralrechner übertragen werden, zu verarbeiten.
Die Gesamtheit der Informationen über verfügbare, freie Parkplätze oder Daten zur Gewinnung dieser Informationen ist in Fig. 1 mit dem Bezugszeichen 20 gekennzeichnet. Die nachfolgend näher beschriebenen Informationen werden von einem als„Parkmonitor" bezeichneten Dienst 22, einer Ein- und Ausparkerkennung 24 und einem Dienst zur Be- reitstell ung einer Parksuchdauer 26 gebildet. Die jeweiligen Informationen können fertig aufbereitet an den Zentralrechner 10 übertragen werden. Ebenso kann die Aufbereitung der Daten durch den Zentralrechner 10 erfolgen, so dass die die Informationen liefernden Fahrzeuge und/oder Sensoriken lediglich Rohdaten und/oder vorverarbeitete Daten liefern müssen.
Die dem Zentralrechner 10 bereitgestellten Informationen stellen zum Zeitpunkt der Bereitstellung aktuelle Informationen dar, welche eine Situation bezüglich verfügbarer, freier Parkplätze zum aktuellen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge repräsentieren. Die aktuellen Daten werden in dem Zentralrechner 10 zu dynamischen Daten 12 verarbeitet. Aus den dynamischen Daten 12, welche in der Vergangenheit bis zum aktuellen Zeitpunkt von dem Zentralrechner 10 empfangen wurden, wird durch Lernverfahren eine historische Datenbasis 14 erzeugt. Die gerade bereitgestellten aktuellen Informationen werden ebenfalls in der bzw. für die historische Datenbasis verarbeitet. Die in der historischen Datenbasis 14 enthaltenen Informationen werden zusammen mit den dynamischen Daten 12 in einer nachfolgend näher beschriebenen Weise fusioniert (Bezugszeichen 18), wobei als Ergebnis der Fusionierung eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die interessierenden Straßenzüge ermittelt wird. Im Rahmen der Fusion können weiter statische Daten 16 berücksichtigt werden, welche Informationen über die Gesamtanzahl der Parkplätze sowie zu nicht validen Parkplätzen, über die Größe der Parkplätze oder über die Art des Parkraummanagements etc. betreffen. Um die Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für die interessierenden Straßenzüge verarbeiten zu können, wird weiterhin eine Visualisierung der Wahrscheinlichkeitsverteilung erzeugt, welche die Parkinformation zu den freien Parkplätzen in den betreffenden Straßenzügen repräsentiert bzw. darstellt. Die Visualisierung kann durch die Rechnereinheit 10 selbst, oder aber durch einen Rechner bzw. ein Fahrzeug, an welche die, die Wahrscheinlichkeitsverteilung repräsentierenden, Informationen übertragen wurden, vorgenommen werden. In Fig. 1 ist die Wahrscheinlichkeitsverteilung freier Parkplätze mit dem Bezugszeichen 30 gekennzeichnet.
Durch den Parkmonitor 22 werden aktuelle Daten über freie und/oder belegte Parkplätze einer Straße ermittelt. Vorzugsweise erfolgt die Ermittlung durch im Verkehr befindliche Fahrzeuge, welche den Straßenrand sensorisch erfassen. Vorzugsweise erfolgt eine Erfassung des Straßenrands durch eine oder mehrere Kameras des Fahrzeugs, wobei die durch die Kamera(s) erzeugte(n) Bildfolge(n) mittels Bildverarbeitung ausgewertet wird (werden), um während der Fahrt automatisiert entlang der befahrenen Straße Parklücken zu erkennen und zu plausibilisieren. Plausibilisieren bedeutet hierbei, dass eine Überprüfung erfolgt, ob eine Lücke tatsächlich als Parkplatz bewertet werden kann oder nicht. Im Rahmen der Plausibilisierung von validen (d.h. tatsächlich für einen Parkvorgang zur Verfügung stehenden) Parklücken werden auch deren Abstände bzw. Größe ermittelt. Neben der Sammlung von Informationen durch im Verkehr befindlichen Fahrzeugen können auch Nutzerinformationen, welche beispielsweise zu freien Parkplätzen manuell in ein Endgerät eingegeben wurden, sowie Informationen von stationär angeordneten Sensoren an die Recheneinheit 10 übertragen werden.
Die Informationen über Ein- und Ausparkvorgänge (Bezugszeichen 24) können wahlweise automatisiert durch Sensoren des Fahrzeugs und/oder manuell durch Nutzereingaben in ein entsprechendes Nutzerendgerät ermittelt werden. Ein Ausparkvorgang kann beispielsweise durch den Start des Motors des Fahrzeugs, die Ermittlung des gegenwärtigen Standorts sowie die Auswertung von Lenkbewegungen detektiert werden. Ebenso könnte der Fahrer beim Ausparkvorgang durch Eingabe einer entsprechenden Information in eine Mensch-Maschine-Schnittstelle (sei es eine Schnittstelle in dem Fahrzeug oder in einem portablen Endgerät) eine Information über einen vorgenommen Ausparkvorgang an den Zentral rech ner 10 übermitteln. In entsprechender Weise könnte dies auch für Einparkvorgänge erfolgen. Sind die Zeitpunkte des Ein- und Ausparkens eines jeweiligen Fahrzeugs bekannt, so kann eine Haltezeit und aus dieser eine sog. Ausparkrate μ ermittelt werden. Die Ausparkrate μ wird, wie dies weiter unten erläutert werden wird, im Rahmen eines Warteschlangenmodells verarbeitet, welches zur Verbesserung der Genauigkeit der Wahrscheinlichkeitsverteilung angewendet wird.
Ein weiterer Eingangsparameter für das Warteschlangenmodell stellt die Parksuchdauer λ, die auch als Parksuch rate bezeichnet wird, dar. Diese kann anhand von erfassten Ortskoordinaten eines Fahrzeugs ermittelt werden. Die Ortskoordinaten der Bewegung eines Fahrzeugs können z.B. anhand des im Fahrzeug integrierten GPS-Empfängers ermittelt werden. Die als Positionen bezeichneten Koordinaten werden in vorgegebenen Abständen als sog. Perlen in einem Ringspeicher des Fahrzeugs abgelegt. Wird erkannt, dass ein Fahrzeug eingeparkt hat, so wird der Inhalt des Ringspeichers analysiert, um das Maß für die Parksuchdauer λ sowie eine Erfolgswahrscheinlichkeit der Parksuche einem Park- suchvorgang zuzuordnen. Die hierzu erforderlichen Rechenvorgänge können in einer Recheneinheit des Fahrzeugs selbst, oder aber durch die Recheneinheit 10 vorgenommen werden, wenn die entsprechenden Informationen mit den Ortskoordinaten an die Recheneinheit 10 übermittelt werden.
Zur Zuordnung einer Parksuchdauer λ eines Fahrzeugs wird die Folge von Positionen in dem Ringspeicher wie folgt analysiert. Jede Perle erhält eine Position xj, y, sowie einen
Zeitstempel ti und eine aktuelle Geschwindigkeit vi. Dabei ist i = 1 N, wobei tN den
Zeitpunkt des Einparkens bezeichnet. Gesucht wird nun rückwärts vom Zeitpunkt N eine maximale Folge von .Perlen" derart, dass die Folge insgesamt als Parksuchfolge gilt. Hierzu kann das an sich bekannte Friends-2-Friends-Verfahren verwendet werden. In diesem bedient man sich eines Suchradius und fasst Perlen zusammen, mit der Eigenschaft, dass ihre Geschwindigkeit unterhalb eines vorgegebenen Schwellenwerts liegt und diese innerhalb des Suchradius voneinander entfernt liegen. Hierbei ist nur eine geometrische Berechnung auf Basis der vorhandenen Ortspositionen erforderlich.
Die oben genannten Informationen werden, wie einleitend beschrieben, an den Zentralrechner 10 übermittelt und einerseits zum Erlernen der historischen Datenbasis 16 herangezogen. Zum anderen fließen die aktuellen Daten in den Datenfusionsalgorithmus 18 ein. Die Ermittlung der Wahrscheinlichkeitsverteilung durch den Fusionsalgorithmus nutzt den an sich bekannten Mechanismus der Bayes' sehen Regel. In diesem werden sowohl die Daten der historischen Datenbasis 16 als auch die dynamischen, aktuellen Daten 12 berücksichtigt. Ergebnis der Fusion ist eine Wahrscheinlichkeitsverteilung der zu erwartenden freien Parkplätze. Darüber hinaus kann eine Aussage über die Qualität dieser Schätzung zum Zeitpunkt der Erfassung gewonnen werden.
Ferner erfolgt eine Prognose des zeitlichen Verlaufs der Veränderung der Wahrscheinlichkeitsverteilungen, insbesondere die Vergrößerung einer Unscharfe, mit Hilfe der Schätzung der Parksuchdauer λ sowie der Ausparkrate μ unter Anwendung eines Warteschlangenmodells. Hierdurch kann eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze zu einem späteren Zeitpunkt als dem aktuellen Zeitpunkt ermittelt werden. Für die Ermittlung der Prognose werden hierbei, wie erläutert, die Ausparkrate μ und die Parksuchdauer λ verarbeitet. Der spätere Zeitpunkt kann beispielsweise eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet sein, das den oder die vorgegebenen Straßenzüge umfasst. Die Prognose wird durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung vorgenommen, wobei der erwartete Zustand einem den historischen Daten entsprechenden Zustand zum späteren, zweiten Zeitpunkt entspricht.
Hierdurch kann beispielsweise ermittelt werden, ob es möglich ist, eine Route zu einem wahrscheinlich vorhandenen freien Parkplatz am Zielort einer Routennavigation zu finden.
Nachfolgend wird die Vorgehensweise zur Ermittlung einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen bestimmten Straßenzug näher erläutert.
Ziel ist eine Prognose der Wahrscheinlichkeitsverteilung freier Parkplätze in einem Straßenzug, die im Rahmen einer Routenführung im Fahrzeug als Basis für eine Empfehlung dienen könnte. Hierfür werden als Eingangsdaten historische Daten und, sofern verfügbar, aktuelle Informationen bzw. Daten über freie Parkplätze herangezogen. Die Informationen betreffen die Anzahl belegter bzw. unbeiegter (freier) Parkplätze.
Das Verfahren nutzt ein statistisches Modell und einen Algorithmus zur Schätzung der Parameter der Wahrscheinlichkeitsverteilung freier Parkplätze auf Basis historischer Daten, wenn aktuelle Daten mit einem vergleichbaren Zeitstempel bei sonst vergleichbaren Einflussfaktoren vorliegen. Der Fusions-Algorithmus basiert auf dem Bayes'schen Lernansatz.
In seiner Genauigkeit verbessert werden kann der Bayes'sche Lernansatz durch ein sog. Birth-Death-Markov-Prozessmodell (auch bekannt als Erlang-Loss-Modell) und Algorithmen zur Schätzung der zeitlichen Entwicklung der Wahrscheinlichkeitsverteilungen für freie Parkplätze und der Gleichgewichtszustände. Mit dem Algorithmus zur zeitlichen Entwicklung wird der Übergang von einem unmittelbar beobachteten Zustand zu einem historischen Zustand modelliert. Mit den Gleichgewichtslösungen können auch Situationen mit einem erheblichen Parksuchverkehr beschrieben werden.
Für das Erlang-Loss-Modell wird als Parameter u.a die Parksuchdauer benötigt, welche mit einem Algorithmus zur Schätzung eines Parksuchweges und einer Parksuchdauer λ aus sog.„Perlenketten", d.h., Zeitreihen aus lokalen kartesischen Koordinaten eines Fahrzeugs, das einen Parkplatz gefunden hat, ermittelt werden kann. Hierfür wird ein Ringspeicher der„Perlen" herangezogen. Die Methode liefert eine Schätzung der Verlust- Wahrscheinlichkeit, die zur Schätzung des sog.„Erlang-Faktors" benötigt wird. Dieser wird wiederum für das Modell zur zeitlichen Entwicklung der Wahrscheinlichkeitsverteilungen herangezogen. Können keine aktuellen Daten über Parksuchweg und Parksuchdauer erhoben werden, können alternativ auch statistische Erhebungen und Studien als Basis verwendet werden. Das Modell berücksichtigt jedoch deren unscharfe Aussagekraft.
Das Verfahren in seiner optimalen Ausgestaltung sieht dann einen Übergang zwischen dem Zeitpunkt unmittelbar nach einer Beobachtung bis zur„Relaxation" auf einen, dem historischen Modell entsprechenden, Zustand vor. Die Übergangsrate hängt vom Parksuchverkehr bzw. von der Ausparkrate μ ab. Für diese werden Daten zur Parksuchdauer bzw. zum Parksuchweg, die Daten über Parkdauer, Daten über das Ein- und Ausparken usw. berücksichtigt.
Für die aktuellen Informationen wird angenommen, dass als Eingangsdaten eine Anzahl f freie Parkplätze aus n gültigen Parkplätzen (f-Sn) in einem Straßenzug beobachtet worden sind. Die Anzahl als„belegt" (aber gültig oder valide) beobachteter Parkplätze beträgt somit b=n-f. Die aktuellen Informationen werden nachfolgend auch als Beobachtungen bezeichnet.
Eine Prognose der Wahrscheinlichkeitsverteilung P(F) freier Parkplätze F, wie diese beispielhaft in Fig. 2 dargestellt ist, trägt den Tatsachen Rechnung, dass einerseits bereits die Beobachtung selbst mit einer gewissen Unschärfe behaftet ist, andererseits Ein- und Ausparkvorgänge seit der Beobachtung und bis zur Ankunft eines Fahrzeugs möglich sind. Die Dauer der Zeit zwischen der Beobachtung und der voraussichtlichen Ankunft des Parkplatz suchenden Fahrzeugs definiert einen .Prognosehorizont".
Jedem als„frei" beobachteten Parkplatz wird eine Wahrscheinlichkeit pf zugeordnet , dass er noch frei sein wird. In der Regel ist pf nur knapp kleiner als 1 , wenn der
Prognosehorizont gering ist. Für die als„belegt" beobachteten (aber als gültig klassifizierten) Parkplätze wird ebenfalls angenommen, dass eine Wahrscheinlichkeit pb zugeordnet werden kann, dass sie (wieder) frei geworden sind. In der Regel ist pb nur knapp größer als 0 sein, wenn der Prognosehorizont gering ist. Die beiden Wahrscheinlichkeiten bringen die Unscharfe der Erfassung sowie den Einfluss des Parksuchverkehrs zum Ausdruck.
Hierbei ist zu berücksichtigen, dass
Figure imgf000016_0002
Überwiegt z.B., das Ausparken, so könnte Pb schneller ansteigen, als pf abnimmt. Bei einem längeren Prognosehorizont spielt die Beobachtung eine abnehmende Rolle; beide Wahrscheinlichkeiten nähern sich dann der historischen Verteilung an, soweit diese geschätzt werden kann.
Bei dem erfindungsgemäß eingesetzten Prognoseverfahren unter Nutzung historischer Beobachtungen wird zunächst der Fall einer einzigen historischen Beobachtung betrachtet Sind K historische Beobachtungen (k=1 ,2,... ) von freien aus n gültigen Parkplätzen vorhanden, so werden
Figure imgf000016_0001
definiert.
Unter Annahmen, die nachfolgend näher erläutert werden, unterstellt das Modell für die Wahrscheinlichkeitsverteilung freier Parkplätze eine Binomialverteilung mit einem Wahrscheinlichkeitsparameter p. Als konjugierte A-priori-Verteilung für die Schätzung des Parameters p aus der Likelihoodfunktion ist die sog. Betaverteilung g(q;a;ß) bekannt
[http://de.wikipedia.org/wiki/Betaverteilung; g entspricht f in der Notation von wikipedia]. Sie bringt die Wahrscheinlichkeit g zum Ausdruck, dass der Parameter p den Wert q annimmt. Hierbei sind (α,β) die sog. Hyperparameter der konjugierten A-priori-Verteilung. Nun ergibt sich unter der Modellannahme einer Binomialverteilung mit einem festen Parameter p für die Verteilungsdichte für die Anzahl f freie Parkplätze in Abhängigkeit des Parameters p die Wahrscheinlichkeitsdichte P
Figure imgf000017_0001
Da jedoch p selbst gemäß der Betaverteilung mit Unscharfe behaftet ist, wird P(f) über die A-priori-Verteilung integriert.
Figure imgf000017_0002
Das Model! einer Binomialverteilung beschreibt den Fall eines relativ geringen Parksuchverkehrs (im Vergleich zu 1 /Parkdauer). Wenn diese Bedingung regelmäßig verletzt wird, dann wird häufig ein hoher Prozentsatz belegter Parkplätze beobachtet.
Eine verbesserte Prognose ergibt sich unter Berücksichtigung eines Warteschlangemodells nach„Erlang-Ioss (M/M/s/s)". Das Verhalten des Systems unmittelbar nach einer Beobachtung wird als Übergang oder„Relaxation" des erwarteten Zustandes auf einen den historischen Daten entsprechenden Zustand modelliert. Die Übergangsrate hängt vom Parksuchverkehr und von der Parkdauer (bzw. von der Ausparkrate μ) ab. Das Er- lang-Loss-Modell ist sowohl für die Beschreibung von historischen Daten bei hohem Parksuchverkehr bzw. bei hoher Belegung als auch generell für die Modellierung der„Relaxation" geeignet. Es beschreibt Warteschlangen, bei denen ein Zugriff auf eine belegte Ressource zu einem unmittelbaren Abbruch führt. Bei einer Parksuche in einem Straßenzug ist dies der Fall, wenn alle Parkplätze schon belegt sind und der Fahrer nicht zurückkommt. Das Modell ist sehr ausführlich in der Literatur dokumentiert und wird hier nur zu- sammengefasst: Das Modell kann als "Birth-Death-Markov-prozess" betrachtet werden. Besetzungen erfolgen mit einer Parksuchrate
Figure imgf000018_0005
und Ausparkvorgänge erfolgen für jeden einzelnen
Parkplatz mit einer Rate
Figure imgf000018_0004
, wobei h(t) ein Maß für die Parkdauer darstellt. Zunächst wird angenommen, dass beide Prozesse exponentialverteilt erfolgen.
Es sind im Straßenzug s Parkplätze vorhanden, und es bilden sich keine Warteschlangen. Wenn ein Fahrzeug einen Parkplatz sucht und einer frei ist, nimmt er diesen an. Die Übergangswahrscheinlichkeiten erfüllen damit folgende Gleichungen:
Figure imgf000018_0001
Weiter wird der Parameter („traffic intensity" oder Beanspruchung pro Server)
Figure imgf000018_0002
definiert.
Sind die Prozesse Parksuche und Ausparken in Gleichgewicht, so werden die stationären Lösungen von Gleichung (7) betrachtet. Diese erfüllen
Figure imgf000018_0003
und ergeben die Wahrscheinlichkeiten:
Figure imgf000019_0001
Die Wahrscheinlichkeit, dass alle Parkplätze belegt sind und das Fahrzeug wegfährt beträgt
Figure imgf000019_0002
Gleichung (10) ist als„Erlang-B-Formel" bekannt.
Mit Hilfe des folgenden Verfahrens ist es möglich, eine Schätzung der Parksuchrate
Figure imgf000019_0006
zu gewinnen. Zunächst wird aus Beobachtungen von Ein- und Ausparkvorgängen eine Schätzung für die historische Parkdauer h(t) und damit für die Ausparkrate
Figure imgf000019_0005
gewonnen. Aus dem geschätzten Parksuchweg (siehe nachfolgende
Beschreibung) wird ein Maß Z für Gesamtzahl aller validen Parkplätze geschätzt, die bei der Suche geprüft worden sind. Somit kann eine Verlust-Wahrscheinlichkeit L (Loss Probability) direkt geschätzt werden:
Figure imgf000019_0003
Mit
Figure imgf000019_0004
(s=Anzahl der validen Parkplätze eines Straßenzuges) kann das Verhältnis
Erlang= λ/μΠ (16) geschätzt werden. Mit dem Erlangfaktor„Erlang" und h(t) lässt sich dann eine Schätzung der Parksuchrate λ(t) berechnen.
Die einzelnen Schätzungen von λ(\) können zufällig unterschiedlich sein. Um einen Parameterwert für die Parksuchrate im Rahmen der Lösung der Übergangsgleichungen 7 bis 9 zu erhalten (Übergang zum Gleichgewicht), kann in einer bevorzugten Ausführung der
Erfindung folgendes Verfahren angewandt werden:
Zunächst wird eine Tabelle gebildet, die es erlaubt, aus wiederholten Messungen von Z auf einen Wert von p zu schließen: Dazu werden in einer bevorzugten Ausführung mit Hilfe der dem Fachmann bekannten Monte-Carlo-Methode durch wiederholt erzeugte Realisierungen der Gleichungen 7 bis 10 bei vorgegebenen unterschiedlichen Reihenfolgen von p beliebig viele (bevorzugt: 10.000) N-tuple [p(i), Z(i)] erzeugt und in SubGruppen bezüglich p eingeteilt. Für jede Subgruppe werden die Parameter einer geeigneten Wahrscheinlichkeitsverteilung mit Hilfe dem Fachmann bestens bekannter Methoden bestimmt, wie z.B. mit der Maximum-Likelihood-Methode, mit der Maximum-A-Posteriori (MAP)-Methode oder mit der Momenten-Methode. In einer bevorzugten Ausführung handelt es sich hierbei um eine Exponentialverteilung, die durch einen Parameter alpha charakterisiert wird. Auf diese Weise entsteht eine Zuordnung p(alpha), die in einer bevorzugten Anwendung als Tabelle gespeichert wird. In weiteren Ausführungen kann die Verteilung auf ähnliche Weise durch eine Vielzahl von Parametern charakterisiert werden, so dass p durch Vorgabe dieser Parameter gewonnen werden kann.
Für die Anwendung (Parameterwert zur Lösung der Übergangsgleichungen 7 bis 9) werden zu jedem der wiederholten Stichproben Z(i) die geschätzten Werte von h(t) berechnet und dem Zeitstempel (Aus dem Zeitstempel gehen die Tageszeit und der Wochentag hervor) zugeordnet. Damit stehen Werte (N-tupie) der Gestalt [t, h(t), Z(i)] zur Verfügung. Die Daten N-tuple werden in Sub-Gruppen bezüglich Intervallen von t (etwa stündlich und nach Wochentag) eingeteilt. Für jede Sub-Gruppe werden die Parameter einer geeigneten Wahrscheinlichkeitsverteilung mit Hilfe dem Fachmann bestens bekannter Methoden bestimmt. In einer bevorzugten Ausführung handelt es sich hierbei um eine Exponentialverteilung, die durch einen Parameter (hier als alpha bezeichnet) vollständig charakterisiert wird. In weiteren Ausführungen kann die Verteilung durch mehrere Parameter charakterisiert werden.
Diese so gewonnenen Parameterwerte werden mit der oben beschriebenen Tabelle p(al- pha) verglichen, die zu jedem Wert der Parameter (etwa alpha) einen entsprechenden Wert von p zuordnet. Damit können die Parameterwerte für die Parksuchrate im Rahmen der Lösung der Übergangsgleichungen 7 bis 9 erhalten werden.
Die so gewonnenen Parameterwerte beschreiben die .historischen" Erwartungswerte der Parameter der Gleichungen 7 bis 10. In einer weiteren Ausführung der Erfindung können auch aktuelle Werte geschätzt werden, indem aktuelle (etwa in der letzten Stunde) erfass- te Z-Werte mehrerer benachbarter Straßenzüge zusammengefasst werden und wie bereits beschrieben einem Wert p zugeordnet werden.
Die Fusion aktueller Beobachtungen erfolgt mit historischen Verteilungen bei nichtstationären Zuständen. Werden zu einem Zeitpunkt t0, f freie Parkplätze beobachtet, bedienen wir uns der oben gemachten Modellannahmen. Aus den f ursprünglich als frei beobachten Parkplätzen sind F1 zum Prognosehorizont (noch) frei. Aus den b (b=n-f) ursprünglich als belegt klassifizierten Parkplätzen sind zum Prognosehorizont F2 (wieder) frei. Besetzungen erfolgen mit einer Parksuchrate
Figure imgf000021_0002
(gesamt) und Ausparkvorgänge erfolgen mit einer Rate (pro Parkplatz)
Figure imgf000021_0001
. Zur Gewinnung der Größe Z kann auch das weiter unten beschriebene Verfahren eingesetzt werden.
Die Bestimmung eines Parksuchweges und einer Parksuchdauer aus Perlenketten erfolgt mit nachfolgend beschriebenem Algorithmus. Es wird eine erfolgreiche Parksuche betrachtet, wobei angenommen ist, dass eine Perlenkette folgender Form vorliegt:
Figure imgf000021_0003
mit zunehmenden Zeitstempeln
Figure imgf000021_0004
Die Koordinaten
Figure imgf000022_0009
sind lokale kartesische Koordinaten, etwa aus GPS-Signalen. Für die Anwendung wird angenommen, dass die Ungenauigkeiten normal-verteilt sind, mit
Mittelwert Null, und dass die Standardabweichung durch eine bekannte obere Schranke ε (etwa 10 Meter) begrenzt ist. Diese Art von Perlenkette kann durch einen Ringspeicher der Größe N zur Verfügung gestellt sein. Die Zahl der Perlen N ist durch den hierfür verfügbaren Speicherplatz definiert. Das Ereignis„eingeparkt" entspricht demgemäß der Perle
Figure imgf000022_0001
Ferner wird ein normaler Suchradius
Figure imgf000022_0002
und ein erweiterter Suchradius
Figure imgf000022_0003
vorgegeben, z.B. mit
Figure imgf000022_0004
Ferner wird eine typische Mindestgeschwindigkeit im Ballungsraum
Figure imgf000022_0005
vorgegeben, die für das städtische Umfeld gelten soll:
Figure imgf000022_0006
Um Suchstrecken von zielgerichteten Routen besser unterscheiden zu können, wird ein
Effizienzfaktor
Figure imgf000022_0008
definiert:
Figure imgf000022_0007
Für die Zuordnung eines Parksuchweges und einer Parksuchdauer wird zunächst der euklidische Abstand jeder Perle zum Parkplatz gebildet:
Figure imgf000022_0010
Figure imgf000023_0012
Nun wird für die beiden Suchradien
Figure imgf000023_0008
gesucht, bis eine Perie (Index J ) mit
Abstand zum Parkplatz
Figure imgf000023_0009
gefunden wird.
Figure imgf000023_0011
Es ist möglich, dass
Figure imgf000023_0001
d.h., die gesamte Kette befindet sich innerhalb vom erweiter- ten Suchradius
Figure imgf000023_0002
oder sogar innerhalb vom normalen Suchradius
Figure imgf000023_0007
. Tritt dies regelmäßig auf, so empfiehlt es sich, einen größeren Ringspeicher zu verwenden. Nun stehen die Indizes
Figure imgf000023_0003
zur Verfügung und somit die Werte von
Figure imgf000023_0006
s und
Figure imgf000023_0004
, etwa
Figure imgf000023_0005
, etc.
Zur Wahl einer der beiden Suchradien wird folgendes definiert und berechnet:
Figure imgf000023_0010
Figure imgf000024_0001
Falls
Figure imgf000024_0004
, dann soll der erweiterte Suchradius
Figure imgf000024_0002
und der Index
Figure imgf000024_0005
verwendet werden, sonst der normale Suchradius
Figure imgf000024_0003
und der Index
Figure imgf000024_0006
. Die Absicht dieser Entscheidungsregel ist eine Modellvorstellung: eine erweiterte Suche wird vermutet, wenn das Fahrzeug trotz typischer Stadtgeschwindigkeit nur unwesentlich näher zum endgültigen Parkplatz kommt.
Zur Bestimmung der Parksuchdauer T wird folgende Definition getroffen:
Figure imgf000024_0007
Mit der Notation
Figure imgf000024_0008
Wird der zurückgelegte Weg zwischen zwei Punkten
Figure imgf000024_0009
bezeichnet. Der Parksuchweg wird demgemäß mit
Figure imgf000024_0010
definiert.
Die Zuordnung einer Anzahl Z der abgesuchten Parkplätze hängt von der Qualität der vorhandenen Informationen ab. Bei Vorliegen der Anzahl valider Parkplätze auf der Parksuchstrecke ist
Figure imgf000024_0012
Dann ergibt sich
Figure imgf000024_0011
In der Regel ist hierfür zumindest ein Mapmatching und ein Zugriff auf eine historische Datenbasis erforderlich.
Wenn keine Schätzung der Anzahl valider Parkplätze auf der Parksuchstrecke vorliegt, kann mit Hilfe der Formel (28) dennoch eine Schätzung der Anzahl der abgesuchten Parkplätze gewonnen werden. Dazu wird eine Vorgabe zur Parkplatzdichte d (Anzahl der validen Parkplätze pro km) benötigt. In diesem Fall ergibt sich (da X aus Formel (28) in
Meter gemessen wird)
Figure imgf000025_0001
Falls eine streckenabhängige Schätzung von p vorliegt, lässt sich diese Formel verallgemeinern, indem die jeweils streckenabhängige Schätzung der lokalen Parkplatzdichte anstelle von d verwendet wird.
Bezugszeichenliste 10 Zentralrechner
11 Schnittstelle
12 Dynamische Daten
14 Historische Datenbasis
16 Statische Daten
18 Fusion
20 Informationen/Daten über verfügbare, freie Parkplätze 22 Parkmonitor
24 Ein- und Ausparkerkennung
26 Parksuchzeit
30 Wahrscheinlichkeitsverteilung

Claims

Patentansprüche
1. Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug, bei dem
a) Informationen über verfügbare, freie Parkplätze ermittelt werden, wobei aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten (14) erzeugt wird, wobei die historischen Daten (14) für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen;
b) aus den historischen Daten (14) und aktuellen Informationen (12), welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge ermittelt werden, eine Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge ermittelt wird; c) eine Visualisierung der Wahrscheinlichkeitsverteilung (30) erzeugt wird, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze von im Verkehr befindlichen Fahrzeugen messtechnisch erfasst werden,
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass ein Straßenrandbereich durch eine Kamera der Fahrzeuge erfasst und eine Bildfolge erzeugt wird, welche durch einen Rechner der Fahrzeuge ausgewertet wird, um freie Parkplätze des erfassten Strassenrandbereichs zu identifizieren.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze von entlang den Stras- senzügen angeordneten Sensoren messtechnisch erfasst werden,
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze manuell durch Eingabe von Nutzern in ein Endgerät erzeugt werden.
6. Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze an einen die Wissensdatenbasis erzeugenden und/oder verwaltenden Zentralrechner (10) übermittelt werden.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Informationen erste Informationen über das Einparken von Fahrzeugen in und/oder das Ausparken von Fahrzeugen aus einem Parkplatz ermittelt werden, wobei aus den Haltezeiten zwischen dem Einparken und dem Ausparken eines jeweiligen Fahrzeugs eine Ausparkrate (μ) ermittelt wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Informationen zweite Informationen über eine Parksuchdauer/-rate (λ) von Parkplatz suchenden Fahrzeugen ermittelt werden, indem nach einem erkannten Einparkvorgang eines Fahrzeugs dem Einparkvorgang vorausgehende Ortskoordinaten (Xi, Vi) der Bewegung des Fahrzeugs und den jeweiligen Ortskoordinaten zugeordneten Zeitstempel ft) und Momentangeschwindigkeiten (vi) ausgewertet werden.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zur Ermittlung der Wahrscheinlichkeitsverteilung (30) zu erwartender freier
Parkplätze in Schritt b) die historischen Daten und die aktuellen Informationen in der Bayes'schen Regel verarbeitet werden.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze zu einem zweiten gegebenen Zeitpunkt ermittelt wird, wobei der zweite Zeitpunkt auf den ersten gegebenen Zeitpunkt folgt, wobei für die Ermittlung der Prognose die Ausparkrate (μ) und die Parksuchdauer/-rate (λ) verarbeitet werden.
1 1. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass der zweite Zeitpunkt eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet, das den oder die vorgegebenen Straßenzüge umfasst.
12. Verfahren nach Anspruch 10 oder 1 1 , dadurch gekennzeichnet, dass die Prognose durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung (30) vorgenommen wird, wobei der erwartete Zustand einem den historischen Daten (14) entsprechenden Zustand entspricht.
13. Verfahren nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, dass die Prognose mittels des Erlang-Loss-Warteschlangenmodells erzeugt wird.
14. Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Rechners oder Rechnersystems geladen werden kann und Softwarecodeabschnitte umfasst, mit denen die Schritte gemäß einem der vorhergehenden Ansprüche ausgeführt werden, wenn das Produkt auf dem Rechner oder Rechnersystem läuft.
15. System zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug, umfassend
a) eine erste Einheit zur Ermittlung von Informationen über verfügbare, freie Parkplätze, welche dazu ausgebildet ist, aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten (14) zu erzeugen, wobei die historischen Daten (14) für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen; b) eine zweite Einheit zur Ermittlung einer Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge aus den historischen Daten (14) und aktuellen Informationen (12), welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge vorliegen;
c) eine dritte Einheit zur Erzeugung einer Visualisierung der Wahrscheinlichkeitsverteilung (30), welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.
16. System nach Anspruch 15, das weitere Mittel zur Durchführung des Verfahrens nach einem der Ansprüche 2 bis 13 umfasst.
PCT/EP2013/051130 2012-02-01 2013-01-22 Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen WO2013113588A1 (de)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201380013770.3A CN104169990B (zh) 2012-02-01 2013-01-22 用于提供关于空闲停车位的驻车信息的方法
US14/448,571 US9652986B2 (en) 2012-02-01 2014-07-31 Method for providing parking information on free parking spaces

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102012201472.1 2012-02-01
DE102012201472.1A DE102012201472B4 (de) 2012-02-01 2012-02-01 Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/448,571 Continuation US9652986B2 (en) 2012-02-01 2014-07-31 Method for providing parking information on free parking spaces

Publications (1)

Publication Number Publication Date
WO2013113588A1 true WO2013113588A1 (de) 2013-08-08

Family

ID=47624050

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2013/051130 WO2013113588A1 (de) 2012-02-01 2013-01-22 Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen

Country Status (4)

Country Link
US (1) US9652986B2 (de)
CN (1) CN104169990B (de)
DE (1) DE102012201472B4 (de)
WO (1) WO2013113588A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015216266A1 (de) 2014-08-27 2016-03-03 Parklife Ltd. Technik zum Navigieren eines Fahrzeugs zu einem Parkplatz
CN105894850A (zh) * 2016-05-06 2016-08-24 成都方芯科技有限公司 寻找停车位或车辆的方法、移动终端、停车位管理系统
CN106128151A (zh) * 2016-07-08 2016-11-16 京东方科技集团股份有限公司 一种智能停车系统

Families Citing this family (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012222810A1 (de) * 2012-12-11 2014-06-12 Siemens Aktiengesellschaft Parkraumregistrierungs- und -bewirtschaftungssystem sowie Verfahren
US8972175B2 (en) * 2013-03-14 2015-03-03 Qualcomm Incorporated Navigation using crowdsourcing data
DE102013211632A1 (de) 2013-06-20 2014-12-24 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Bereitstellen von Parkinformationen zu freien Parkplätzen
DE102013212235A1 (de) 2013-06-26 2014-12-31 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Verarbeiten von Messdaten eines Fahrzeugs zur Bestimmung des Beginns einer Parkplatzsuche
DE102014210082A1 (de) 2014-05-27 2015-12-03 Continental Automotive Gmbh Verfahren und System zum Bereitstellen einer Belegungswahrscheinlichkeit von Fahrzeugstellplätzen
DE102014008429A1 (de) * 2014-06-06 2015-12-17 Man Truck & Bus Ag Verfahren und Vorrichtung zur Ermittlung freier Abstellplätze auf LKW-Parkplätzen und Mitteilung an LKW-Fahrer
DE102014212336A1 (de) 2014-06-26 2015-12-31 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Verarbeiten von Messdaten eines Fahrzeuges zur Bestimmung des Beginns einer Parkplatzsuche und Computerprogrammprodukt
MX2017002542A (es) * 2014-08-27 2017-10-12 Sparkcity Com Ltd Sistema y metodo para la gestion de un espacio de estacionamiento.
DE102014217654A1 (de) 2014-09-04 2016-03-10 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Verarbeiten von Messdaten eines Fahrzeuges zur Bestimmungdes Beginns eines Parksuchverkehrs und Computerprogrammprodukt
US20160155276A1 (en) * 2014-12-01 2016-06-02 Institute For Information Industry Method and Apparatus of Dynamically Assigning Parking Lot
DE102015204169A1 (de) * 2015-03-09 2016-09-15 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Aktualisierung von Parkplatzinformationen in einem Navigationssystem und Navigationssystem
DE102015205855A1 (de) 2015-04-01 2016-10-06 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur automatischen Erkennung von Parkzonen
DE102015207804B4 (de) * 2015-04-28 2017-03-16 Robert Bosch Gmbh Verfahren zum Erkennen von Parkflächen und/oder Freiflächen
US10288733B2 (en) * 2015-04-28 2019-05-14 Robert Bosch Gmbh Method for forecasting parking area availability of a street section
DE102015211054B4 (de) * 2015-06-16 2021-09-02 Robert Bosch Gmbh Steuerung eines Parkplatzsensors
DE102015211051A1 (de) * 2015-06-16 2016-12-22 Robert Bosch Gmbh Verfahren zum Bereitstellen von Informationen betreffend Parkplätze
WO2016203422A1 (en) * 2015-06-18 2016-12-22 Park Smart Srl System and method for recognition of parking stalls available for a vehicle
CN105095681B (zh) * 2015-09-21 2018-04-20 武汉理工大学 基于积分测度随机相遇不确定性的搜救方法及系统
DE102015225893A1 (de) * 2015-12-18 2017-06-22 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Optimierung der Parkplatzsuche eines Fahrzeuges und ein Computerprogrammprodukt
CN105513414A (zh) * 2015-12-25 2016-04-20 江苏东大金智信息系统有限公司 基于实时交通查询和云模型的停车场车位预测和推荐方法
DE102016000970A1 (de) 2016-01-29 2017-08-03 Audi Ag Verfahren zum Betreiben einer Detektionsvorrichtung eines Kraftfahrzeugs
EP3417439A4 (de) * 2016-02-21 2020-02-19 Hi-Park Solutions Ltd. Verfahren und system zur dynamischen abbildung von artikeln
EP3223259A1 (de) * 2016-03-24 2017-09-27 Paradox Engineering SA Verbessertes kombiniertes system zur bestimmung des freien oder besetzten zustands einer parklücke in einem parkhaus
DE102016212505A1 (de) * 2016-07-08 2018-01-11 Robert Bosch Gmbh Bestimmung von seitlich entfernten Parklücken
DE102016216510A1 (de) 2016-09-01 2018-03-01 Robert Bosch Gmbh Konzept zum Ermitteln eines Belegungszustands eines Stellplatzes eines eine Vielzahl von Stellplätzen umfassenden Parkplatzes
US10650621B1 (en) 2016-09-13 2020-05-12 Iocurrents, Inc. Interfacing with a vehicular controller area network
CN107845283A (zh) * 2016-09-21 2018-03-27 菜鸟智能物流控股有限公司 一种车辆控制方法和相关装置
EP4130675A1 (de) * 2016-09-29 2023-02-08 TomTom Traffic B.V. Verfahren und systeme zur erzeugung von parkplatzbezogenen daten
DE102016224351A1 (de) * 2016-12-07 2018-06-07 Robert Bosch Gmbh Konzept zum Prüfen eines Sensorsystems zum Erfassen eines Belegungszustands eines Stellplatzes auf Fehler
DE102017200069A1 (de) * 2017-01-04 2018-07-05 Robert Bosch Gmbh Verfahren zur Ermittlung einer Parkposition, sowie Anordnung zum Durchführen des Verfahrens
DE102017200196B3 (de) 2017-01-09 2018-04-05 Ford Global Technologies, Llc Steuern von Parkraum für Fahrzeuge
CN106534391A (zh) * 2017-01-26 2017-03-22 成都市亚丁胡杨科技股份有限公司 一种智能生活服务系统及方法
DE102017203396A1 (de) * 2017-03-02 2018-09-06 Robert Bosch Gmbh Verfahren und System zum Generieren von Parkraum für Kraftfahrzeuge
CN106779256B (zh) * 2017-03-24 2020-06-30 山东大学 一种基于事件驱动的停车空余泊位数实时预测方法及系统
US11118932B2 (en) * 2017-04-27 2021-09-14 International Business Machines Corporation Finding available parking spaces using cognitive algorithms
US10169996B2 (en) 2017-05-17 2019-01-01 Here Global B.V. Method and apparatus for estimation of waiting time to park
US20190004926A1 (en) * 2017-06-29 2019-01-03 Nicira, Inc. Methods and systems that probabilistically generate testing loads
CN111052199A (zh) * 2017-07-18 2020-04-21 罗伯特·博世有限公司 用于预测街道区段的停放区域可用性的方法
CN111094894A (zh) * 2017-10-03 2020-05-01 福特全球技术公司 车辆和导航系统
DE102017221180A1 (de) 2017-11-27 2019-05-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben eines Systems zur Überprüfung von Parkwahrscheinlichkeiten, System, Computerprogramm und Computerprogrammprodukt
DE102017130488A1 (de) 2017-12-19 2019-06-19 Valeo Schalter Und Sensoren Gmbh Verfahren zur Klassifizierung von Parklücken in einem Umgebungsbereich eines Fahrzeugs mit einem neuronalen Netzwerk
CN108133615A (zh) * 2017-12-21 2018-06-08 蒙城县航远信息科技有限责任公司 一种车位快速寻找方法
CN107945571A (zh) * 2017-12-21 2018-04-20 蒙城县航远信息科技有限责任公司 一种出行车辆停车导航系统
CN108133614A (zh) * 2017-12-21 2018-06-08 蒙城县航远信息科技有限责任公司 一种车位推荐系统
CN108091166B (zh) * 2017-12-25 2021-02-26 中国科学院深圳先进技术研究院 可用停车位数目变化的预测方法、装置、设备及存储介质
US10169993B1 (en) * 2018-01-11 2019-01-01 Conduent Business Services, Llc Forecasting with matrix powers
DE102018102689A1 (de) 2018-02-07 2019-08-08 Valeo Schalter Und Sensoren Gmbh Verfahren zum Bereitstellen von individuell angepasster Parkinformation über freie Parkplätze für ein Kraftfahrzeug
JP2020531939A (ja) 2018-03-28 2020-11-05 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド 乗客探索ライドソーシング・ビークル・ナビゲーションを決定するためのシステムおよび方法
CN110610250B (zh) * 2018-06-15 2023-07-07 阿里巴巴集团控股有限公司 推荐及提示空闲车位、寻车路线提示的方法、装置及设备
US11137256B2 (en) * 2018-06-29 2021-10-05 Robert Bosch Gmbh Parking area map refinement using occupancy behavior anomaly detector
US11231280B2 (en) * 2018-07-06 2022-01-25 Inrix Inc. Probabilistic parking routes
US10832575B2 (en) 2018-12-04 2020-11-10 Toyota Motor North America, Inc. Network connected parking system
RU2749650C1 (ru) * 2018-12-21 2021-06-16 Общество С Ограниченной Ответственностью "Яндекс" Способ и сервер для формирования рекомендаций по парковке, отображаемых на электронном устройстве
CN109785624A (zh) * 2019-02-06 2019-05-21 厦门迅优通信科技有限公司 一种研究路段的交通容量与拥塞率相对变化的时空分析法
US10916140B2 (en) * 2019-02-12 2021-02-09 Toyota Jidosha Kabushiki Kaisha Vehicle parking spot availability prediction based on vehicle-to-anything enabled machine learning
CN109979186B (zh) * 2019-03-12 2021-08-10 合肥工业大学 一种基于gps系统的公交车停靠泊位实时分配方法
JP7115402B2 (ja) * 2019-04-10 2022-08-09 株式会社デンソー レーダ装置
CN110111596B (zh) * 2019-05-17 2020-12-11 杭州慧泽互联科技有限公司 车位分配方法和装置
JP2020201700A (ja) * 2019-06-10 2020-12-17 本田技研工業株式会社 管理装置、車両管理方法、プログラム、および車両管理システム
US10957199B2 (en) 2019-06-14 2021-03-23 Toyota Motor North America, Inc. Parking monitoring and assistance for transports
US11514544B2 (en) 2019-06-14 2022-11-29 Toyota Motor North America, Inc. Parking monitoring and assistance for transports
CN110276979A (zh) * 2019-06-20 2019-09-24 武汉无线飞翔科技有限公司 一种车位共享的方法和系统
US11328596B2 (en) * 2019-07-11 2022-05-10 GM Global Technology Operations LLC Parking prediction
US11120687B2 (en) 2019-11-04 2021-09-14 Verizon Connect Development Limited Systems and methods for utilizing a machine learning model to identify public parking spaces and for providing notifications of available public parking spaces
CN111009151B (zh) * 2019-12-10 2021-01-22 珠海格力电器股份有限公司 一种停车位推荐方法、存储介质及终端设备
CN111210656B (zh) * 2020-01-23 2021-12-24 北京百度网讯科技有限公司 停车场空闲车位预测方法、装置、电子设备及存储介质
CN115176295A (zh) * 2020-02-21 2022-10-11 株式会社电装 管制装置、停车场系统以及位置精度计算方法
DE102020209992A1 (de) * 2020-08-06 2022-02-10 Volkswagen Aktiengesellschaft Verfahren und Steuergerät zum Bereitstellen von Parkinformationen zu freien Parkplätzen
CN114141048B (zh) * 2020-08-11 2023-05-12 支付宝(杭州)信息技术有限公司 车位推荐方法及装置、停车场的车位预测方法及装置
CN112820134B (zh) * 2020-12-30 2022-08-23 深圳市前海亿车科技有限公司 一种局部区域预约停车的方法、系统及介质
US20220343763A1 (en) * 2021-04-21 2022-10-27 Waymo Llc Identifying parkable areas for autonomous vehicles
CN113257035A (zh) * 2021-07-05 2021-08-13 江西省湾流港智能科技有限公司 停车管理方法、计算机设备、计算机可读存储介质
CN113888881A (zh) * 2021-09-10 2022-01-04 福州大学 基于微型电脑的城市路侧停车资源分析规划方法及系统
CN113838290B (zh) * 2021-09-18 2024-04-19 唐岩 一种基于区块链的gps定位识别的车辆追踪系统
DE102021130164A1 (de) 2021-11-18 2023-05-25 Cariad Se Bereitstellen von auf ein Fahrziel bezogenen Parkplatzdaten beim Führen eines Kraftfahrzeugs
US20230192070A1 (en) * 2021-12-22 2023-06-22 Aptiv Technologies Limited Selection of a Parking Space Using a Probabilistic Approach
DE102022106127A1 (de) 2022-03-16 2023-09-21 Cariad Se Parkassistenzverfahren für eine Fahrt mit einem Kraftfahrzeug, Parkassistenzeinrichtung, Speichermedium, mobiles portables Endgerät, Servervorrichtung, und Kraftfahrzeug
CN116013106B (zh) * 2023-03-24 2023-06-27 北京静态交通投资运营有限公司 一种智慧泊车管理方法、系统、终端及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6927700B1 (en) * 2000-01-04 2005-08-09 Joseph P. Quinn Method and apparatus for detection and remote notification of vehicle parking space availability data
US20080048885A1 (en) * 2006-08-09 2008-02-28 Quinn Joseph P System and method for predicting parking spot availability
EP2075546A2 (de) * 2007-12-28 2009-07-01 Aisin AW Co., Ltd. Navigationsvorrichtung und Komputerprogramm
DE102009028024A1 (de) 2009-07-27 2011-02-03 Robert Bosch Gmbh Parkleitsystem zur Navigation eines parkplatzsuchenden Fahrzeuges zu einem freien Parkplatz

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007027945A1 (en) * 2005-08-30 2007-03-08 Sensact Applications, Incorporated Wireless parking guidance system
JP4905348B2 (ja) * 2007-12-28 2012-03-28 アイシン・エィ・ダブリュ株式会社 車両案内装置及びコンピュータプログラム
US8890715B2 (en) * 2009-01-14 2014-11-18 Tomtom International B.V. Navigation apparatus, server apparatus and method of collecting parking location information
WO2010132677A1 (en) * 2009-05-13 2010-11-18 Rutgers, The State University Vehicular information systems and methods
US9460623B2 (en) * 2010-11-22 2016-10-04 International Business Machines Corporation Parking management
US8779940B2 (en) * 2010-12-27 2014-07-15 Ai Incube, Inc. Providing guidance for locating street parking
DE102011003772A1 (de) * 2011-02-08 2012-08-09 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Unterstützung eines Fahrers sowie Computerprogrammprodukt
US9177475B2 (en) * 2013-11-04 2015-11-03 Volkswagen Ag Driver behavior based parking availability prediction system and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6927700B1 (en) * 2000-01-04 2005-08-09 Joseph P. Quinn Method and apparatus for detection and remote notification of vehicle parking space availability data
US20080048885A1 (en) * 2006-08-09 2008-02-28 Quinn Joseph P System and method for predicting parking spot availability
EP2075546A2 (de) * 2007-12-28 2009-07-01 Aisin AW Co., Ltd. Navigationsvorrichtung und Komputerprogramm
DE102009028024A1 (de) 2009-07-27 2011-02-03 Robert Bosch Gmbh Parkleitsystem zur Navigation eines parkplatzsuchenden Fahrzeuges zu einem freien Parkplatz

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015216266A1 (de) 2014-08-27 2016-03-03 Parklife Ltd. Technik zum Navigieren eines Fahrzeugs zu einem Parkplatz
CN105894850A (zh) * 2016-05-06 2016-08-24 成都方芯科技有限公司 寻找停车位或车辆的方法、移动终端、停车位管理系统
CN106128151A (zh) * 2016-07-08 2016-11-16 京东方科技集团股份有限公司 一种智能停车系统

Also Published As

Publication number Publication date
DE102012201472B4 (de) 2024-07-11
US9652986B2 (en) 2017-05-16
CN104169990A (zh) 2014-11-26
CN104169990B (zh) 2017-07-11
US20140340242A1 (en) 2014-11-20
DE102012201472A1 (de) 2013-08-01

Similar Documents

Publication Publication Date Title
WO2013113588A1 (de) Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen
WO2014202362A1 (de) Verfahren zum bereitstellen von parkinformationen zu freien parkplätzen
EP2601481B1 (de) Verfahren zur unterstützung eines einparkvorgangs in einem parkhaus, einparksystem für ein fahrzeug und belegungszustandserkennungssystem für ein parkhaus
EP3014598B1 (de) Verfahren zum verarbeiten von messdaten eines fahrzeugs zur bestimmung des beginns einer parkplatzsuche
EP3042368B1 (de) Verfahren, auswertesystem und fahrzeug zum prognostizieren von mindestens einem stauparameter
DE102020124983A1 (de) Echtzeit-fahrzeugzwischenfallrisikoprognose auf basis von fahrzeug-zu-allen (v2x)
DE102011083677A1 (de) Prognose einer Verkehrssituation für ein Fahrzeug
DE102014209453A1 (de) Verfahren zum Vereinfachen der Suche nach einem freien Parkplatz
DE102015202367A1 (de) Autonome steuerung in einer dichten fahrzeugumgebung
EP2856452B1 (de) Erkennung von richtungsfahrbahnen
CN105427602B (zh) 一种车辆出行主题确定方法及装置
DE102017216202A1 (de) Verfahren zur Prädiktion einer optimalen Fahrspur auf einer mehrspurigen Straße
EP2116981B1 (de) Verfahren und Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen
DE102013000385A1 (de) Verfahren und Navigationssystem zum Ermitteln eines Fahrroutenvorschlags für eine bevorstehende Fahrt mit einem Kraftwagen
DE102015223656A1 (de) Fahrerassistenzsystem und -Verfahren zur Fahrspurempfehlung
DE102015207601A1 (de) Detektion von nicht-autorisierten fahrzeugen
DE102019211098B4 (de) Verfahren, Vorrichtung und Computerprogramm zum Bestimmen einer Ampelphase einer Ampel einer Ampelanlage
DE10108611A1 (de) Verfahren zur Simulation und Prognose der Bewegung von Einzelfahrzeugen auf einem Verkehrswegenetz
EP2887332B1 (de) Verfahren und System zum Ermitteln einer Verkehrssituation auf einer Straßenstrecke
EP3816960B1 (de) Verfahren und anordnung zur verfügbarkeitsprognose von parkplätzen
DE102008024781A1 (de) Technik zur Reisezeitprognose
DE102021204191B4 (de) Vorrichtung und Verfahren zur echtzeit-basierten dynamischen Verkehrszuordnung für zumindest zwei nachfolgende Fahrbahnen
DE102013007867A1 (de) Ermitteln eine Stauentstehungswahrscheinlichkeit in einem Straßenverkehrsnetz mit einem Fahrzeug
EP3903292B1 (de) Rückstauerkennung aus bewegungsdaten
DE102022207617B3 (de) Verfahren und Überwachungseinrichtung zur Steuerung wenigstens einer Fahrzeugfunktion eines Fahrzeugs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13701607

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13701607

Country of ref document: EP

Kind code of ref document: A1