WO2016134901A1 - Server, system und verfahren zur bestimmung einer position eines stauendes - Google Patents

Server, system und verfahren zur bestimmung einer position eines stauendes Download PDF

Info

Publication number
WO2016134901A1
WO2016134901A1 PCT/EP2016/051514 EP2016051514W WO2016134901A1 WO 2016134901 A1 WO2016134901 A1 WO 2016134901A1 EP 2016051514 W EP2016051514 W EP 2016051514W WO 2016134901 A1 WO2016134901 A1 WO 2016134901A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
server
data
jam
measurement data
Prior art date
Application number
PCT/EP2016/051514
Other languages
English (en)
French (fr)
Inventor
Justus Jordan
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 JP2017542826A priority Critical patent/JP6778203B2/ja
Priority to CN201680004664.2A priority patent/CN107111938B/zh
Publication of WO2016134901A1 publication Critical patent/WO2016134901A1/de
Priority to US15/666,829 priority patent/US10269245B2/en

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
    • G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station

Definitions

  • the invention relates to a server, a system and a method for determining a position of a tail end.
  • a server for determining a location of a traffic jam is known from the prior art.
  • Google traffic can determine the geographic area where a traffic jam occurred.
  • the server evaluates, for example, the
  • Staukes only indicate the location of the traffic jam with too much inaccuracy.
  • the type of congestion, its future development or the recent dynamic development can not be determined with the approach of Google traffic.
  • Another way to determine the location of the jam is to install stationary sensors, such as cameras or induction loops, on a relevant road section. These stationary sensors value the
  • Traffic condition in particular the traffic flow or the traffic density.
  • the speed and the distances between the individual vehicles are measured and from this the traffic flow or traffic density is calculated.
  • a disadvantage of this kind of location determination is that the calculation of the position of the jam end can only take place in the road section in which the sensors were installed.
  • the installation of stationary sensors, such as cameras or induction loops, is very expensive and is therefore not widely used.
  • EP 1 235 195 A2 describes a method for the determination of dust.
  • a first vehicle transmits its current position, which is coupled with a time, to a control center.
  • the control center stores this information in a database and uses the data to determine a route of the first vehicle.
  • the center With the help of other routes of other vehicles that are in the vicinity of the first vehicle and also in the Database are stored, the center generates a Fahrwegvorausschau for the first vehicle. This look-ahead provides information on how the speed of the first vehicle is likely to change on the upcoming stretch. The exact location, the behavior of the congestion and the position of the tail end can not be determined with this approach.
  • a vehicle associated with the system includes a controller that analyzes the speed of the vehicle. As soon as the vehicle, which is traveling at a constant speed, approaches a jam end and thereby reduces the speed, the controller determines the jam end at the position where the speed of the vehicle is approaching zero or constantly at a very low
  • a very soft jam end at which the speed steadily decreases on the one hand, but on the other hand does not assume the value zero or reaches a very low and constant level, can be done with this system and method no exact position determination of the tail end.
  • the object is to provide a server, a system and a method, which are the aforementioned
  • a server is to be created, which determines the exact position of the end of the jam and, where appropriate, its development nationwide and location-independent. It should also be in soft jam ends, in which the vehicles retract steadily at an ever slower speed, an exact position determination of the tail end.
  • Another object is to provide a server for determining the position of the tail end, which is able to determine the type of tail end. Must slow down strongly when entering the end of the jam, hard jam end, or can be assumed to slow speed reduction, soft jam end.
  • a server according to claim 1 a system according to claim 7 and a method according to claim 13.
  • a server for determining a position of a jam end which comprises
  • a receiving unit for receiving a plurality of measured data, each with at least one position data of a vehicle.
  • the server is preferably designed to calculate the position of the tail end with the aid of at least one sigmoid function and using the received measurement data.
  • the at least one sigmoid function sig (x) used for locating and characterizing the position of the end of the jam may have, for example, the following formula:
  • the sigmoidal functions can, for example, in a first
  • Iteration cycle can be determined by randomly selected parameter values.
  • the measurement data can be used to select at least one sigmoid function that well models the real congestion course and thus also its congestion end.
  • the selected and thus high-quality sigmoid function can be used to calculate the position of the tail end.
  • parameter values of the sigmoid functions may be determined or calculated on the basis of at least some of the measured data.
  • the measurement data are transmitted, for example, from a vehicle via a radio network, preferably a mobile radio network, to the server, which stores it in its memory.
  • the measured data can be a position data specification of a
  • An advantage of the server according to the invention is that it can determine the position of the tail end with the aid of the sigmoid function, regardless of the position from which the vehicle has sent its measured data to the server.
  • the sending vehicle can still be located shortly before or even behind the position of the tail end.
  • the sigmoid function is thus suitable for being able to make statements about the end of the jam even with measurement data from arbitrary positions, for example within the jam.
  • Another advantage is that it can be determined based on the course of the sigmoid function, as the speed of the vehicle changes over time. This can be used to characterize the tail end. If the sigmoid functions show a rapid and heavy drop in the course, it is a hard jam end, where vehicles from free travel encounter an accumulation of, for example, stationary vehicles. If the sigmoid function has a slow and shallow drop in the course, this indicates that it is slower with surrounding vehicles
  • the server can be designed to transmit corresponding insights to subscribers, for example vehicles that have subscribed to this service.
  • the server can also use this knowledge to make statements about the dangers of congestion. For example, multiple threat categories (e.g., high, low, low) may be defined, with the server categorizing the respective traffic jam into one of these categories.
  • the measurement data are data tuples and include:
  • Speed data indicating at least one speed of the respective vehicle
  • Distance data indicating at least one distance between the respective vehicle and a vehicle preceding the respective vehicle
  • Brake frequency data indicating a braking frequency of the respective vehicle.
  • the server can use the measurement data to determine the environment of the vehicle, such as the traffic density.
  • the server can calculate the traffic density.
  • the traffic density can be calculated, for example, with the following formula:
  • the traffic density p depends on the distance r between two vehicles and the vehicle length s of the rear vehicle.
  • the same calculation can also be made by the traffic information data, which indicate, for example, the number of vehicles in the immediate vicinity of the vehicle or lane change behavior or other traffic-related data.
  • a calculation of the traffic density due to the braking frequency of the vehicle is possible.
  • a determination of traffic density may also be based on the entire detected environment of the measuring vehicle. Thus, it is also possible, the position of the jam end by the change of
  • Another advantage of the invention is that by means of the sigmoid function, the traffic density over the path or the route, preferably also over time, can be modeled continuously. This makes it possible to determine the position of the end of the jam with a few measuring points - regardless of the position at which the measuring points or measured data were recorded. Also, a statement about the type of jam end can be made. Does that rise?
  • the server can be designed to transmit corresponding insights to subscribers, for example vehicles that have subscribed to this service.
  • the vehicles can process this information and use it to issue warning signals to the driver or to other road users. Furthermore, this information can be used to influence the operation of a driver assistance system. Possibly. can the
  • Driver assistance system then reduce the driving speed.
  • the measured data could include hazard warning data.
  • Hazard warning data may include the use of the hazard warning system of the vehicle and / or that detected by means of a sensor and / or a camera
  • This hazard warning data may help to make a more accurate determination of the position and / or characteristics of the tail end.
  • the server is configured to determine a plurality of parameter sets to calculate the position of the jam end.
  • Each parameter set defines a first sigmoid function and a second sigmoid function.
  • the first sigmoid function of the parameter set models a velocity profile and the second sigmoid function of the
  • Parameter set a traffic density gradient can be determined by eight parameters [v ,, v 2 , v 3 , v 4 , pp 2 , p 3 , p 4 ], where four parameters [v ,, v 2 , v 3 , v 4 ] determine the velocity profile picture and four
  • Parameter sets may preferably be greater than 10, more preferably greater than 100 or greater than 1000.
  • a further advantage is that the characteristics of the tail end can be determined with exact lane accuracy on the basis of track-specific localization.
  • the server may output the position dictated by the modeled velocity history or that dictated by the modeled traffic density trajectory. It is also possible to find an average between the two determined positions of the
  • the parameter sets can be used to make precise statements about the properties of the tail end. In this case, both the change in speed and the traffic density are taken into account in the determination of the type of jam end, so that more accurate statements can be made.
  • the sigmoid function an acceleration course or
  • Delay curve is modeled and determined analogously to the course of acceleration over the location, thus determining the position of the tail end.
  • By modeling the acceleration curve it is also possible to one to accurately calculate the position of the end of the jam and, on the other, to determine the jam end property.
  • the server may comprise a rating unit.
  • the score unit assesses the quality of at least one selection of a plurality of sigmoid functions computed by the server
  • the measured data are compared with the calculated sigmoid functions.
  • Such an evaluation of sigmoid functions may be accomplished by, for example, classifying the sigmoid functions into a class system of 10 classes, class 10 including the highest quality sigmoid functions.
  • Position determinations are increased.
  • the evaluation of the sigmoid functions on the basis of the measured data can also be carried out, for example, by determining the residuum of the least-square-fitting between the sigmoid function and the measured data and, on the basis of the size of the residual, evaluating the respective sigmoid function.
  • the sigmoid function calculation unit may include a particulate filter and / or a support vector machine
  • the particle filter is used to generate continuous updates of the sigmoid functions by new measurement data, whereby the particle filter approximates the a posteriori distribution of the state probabilities of the sigmoid functions finite set of parameters [vi, v2, v3, v4, p1, p2, p3, p4] Through a sample set, the particles, the
  • Probability density function approximated via the sigmoid functions can approximate any distribution due to their non-parametric form.
  • the coefficients of this polynomial can be used together with others Characteristics of the signal, such as the gradient of velocity over time or the gradient of traffic density over time, are interpreted as points in n-dimensional hyperspace.
  • An SVM or LDA previously trained with training data is now able to make a statement as to how far the calculated sigmoid functions correspond to the measured data of the vehicle. The advantages are fast and reliable
  • the server can receive data from another server.
  • the traffic data indicates an area where a traffic jam has occurred.
  • the Staubis the sigmoid function is calculated.
  • Such a calculation can be done by the server making a parameter pre-selection to calculate the sigmoid function, the parameter pre-selection being based on the dam data. In this way, the calculation of the sigmoid functions can be controlled purposefully in advance.
  • the Staubis a parameter pre-selection can already be made, which models only Sigmoidf unlungsverstructure, which have from the outset a higher quality than sigmoid functions, which were calculated by a random selection of the parameters. This has the advantage that the calculation of the sigmoid functions is optimized and an improved and faster
  • the object is achieved by a system comprising a server as described in the preceding embodiments and vehicles, wherein the vehicles are designed to transmit measured data to the server.
  • a system comprising a server as described in the preceding embodiments and vehicles, wherein the vehicles are designed to transmit measured data to the server.
  • At least one vehicle may be configured to transmit measurement data at regular time intervals. In another preferred system, at least one vehicle may transmit measurement data when a corresponding request is received from the server. Likewise is one
  • the triggering can have a function of various database management systems, in particular large relational database management systems, and in a particular type of data modification, invokes a stored program that allows, prevents, and / or performs other actions, such as sending selected measurement data to the server
  • the server can be configured to select from a list of vehicles at least one vehicle, in particular using traffic data, and to request the selected vehicle to transmit measured data. In doing so, the server can request all vehicles in the list to at least regularly
  • the server Transmit position data, which are also assigned to the vehicles in the list.
  • the server selects vehicles which are located in the vicinity of the traffic jam known by the traffic jams and asks them to send him measurement data.
  • the server only starts the measurement data query of vehicles as soon as it has information about a traffic jam.
  • the server can request all the measurement data of the vehicles listed in the list.
  • the server can in a first step a
  • Vehicles still have no measurement data before, the server can request in a second step to calculate the position of the tail end. All options have the advantage of simplifying, optimizing and expediently ensuring the transmission of measurement data between the vehicles and the server.
  • the server may be designed to: a) determine, based on the traffic data, a provisional position of the end of the accumulation and / or of a stowage center and / or congestion beginning in addition to a traffic direction;
  • This distance measuring unit can be designed to measure the distance between the vehicle and a vehicle driving ahead of the vehicle. The distance can be used to determine and / or transmit traffic information data.
  • a distance measuring unit may be, for example, the front-mounted radar for the ACC (Adaptive Cruise Control), a laser, a camera or another unit which is suitable for measuring the distance to a vehicle in front.
  • a traffic density gradient can be modeled.
  • the computer unit or the vehicle itself can determine the traffic density in the vicinity of the measuring vehicle.
  • the server may be configured to communicate the calculated position of the jam end to vehicles. This allows the representation of the position of the tail end in the vehicle. As a result, the driver is informed, for example by his navigation device on the exact position and / or on the property of the tail end. For example, if the jam end is behind a confusing curve or if it is a hard jam end, the driver of the vehicle can be forewarned in good time, so that the risk of accidents can be reduced.
  • the object is achieved by a method for determining a position of a jam end, in particular by means of a server, as in the described above, and / or within a system as described in the preceding embodiments, comprising the steps:
  • each parameter set defining a first sigmoid function and a second sigmoid function, wherein the first sigmoid function of the parameter set comprises a first sigmoid function
  • Another preferred method comprises the steps:
  • Parameter sets define sigmoid functions based on the received second measurement data
  • the generation of new parameter sets can be done by randomly changing the eight parameters per parameter set, each with a certain amount of noise. This measure can again a variety
  • the new parameter sets represent the traffic condition in an improved and adapted form compared to the first parameter sets.
  • the position of the tail end calculated in a first step can be further specified and determined more precisely by this second step.
  • the generation of new parameter sets, the adjustment and evaluation of these new parameter sets with always new measurement data can be repeated as often as required.
  • the position and also the property of the end of the jam can not only be determined more and more precisely, but at the same time it is always adapted to the current changing conditions.
  • the object of the invention is further solved by a computer-readable storage medium having executable instructions that cause a computer to perform the method already described
  • Fig. 1 is a schematic representation of a server 100
  • Hg 3 is a schematic representation of a syst
  • Hg 4 is a schematic plan view of two consecutive driving
  • FIG. 5 shows a sigmoid function which has a speed profile 50
  • FIG. 6 shows a sigmoid function modeling a traffic density progression 60; 7 shows a sigmoid function from FIG. 5 for determining the position x 2 of FIG. 6
  • FIG. 8 shows a sigmoid function from FIG. 6 for determining the position x 2 of FIG
  • 10 is a schematic flow chart for determining the position x 2 of the end of the jam
  • FIG. 11 is a further schematic flowchart from FIG. 10 to FIG.
  • FIG. 12 shows an execution cycle of the probabilistic evaluation of FIG
  • Parameter sets 40 and 42 based on measurement data 80, 81, 82 and
  • the goal of the server 100 is to calculate the location of a jam end.
  • a jam end is to be understood as the position at which a vehicle is caused to reduce either its speed and / or the distance to a preceding vehicle due to external influences such as a traffic accident, increased vehicle volume or environmental influences.
  • Fig. 1 shows a schematic representation of a server 100, a
  • Computer unit 10 a memory 20, a receiving unit 30 and a
  • Assessment unit 90 includes.
  • the server 100 receives clog data 21 from another server 101.
  • the cumbers 21 indicate an area on a road where a congestion has occurred.
  • the receiving unit 30 is configured to receive a plurality of measured data 80, 81, 82, 83, as shown in FIG.
  • the measured data 80, 81, 82, 83 each comprise at least one position data item x of vehicles 71, 72, 73, 74, wherein the vehicles 71, 72, 73, 74 represent a vehicle fleet 70.
  • the vehicle fleet 70 is defined by being vehicles 71, 72, 73, 74, who are in close proximity to each other and all travel in the same direction.
  • the server 100 is configured to position x 2 using at least one sigmoid function defined, for example, by four parameters [a ⁇ a 2 , a 3 , a 4 ] and using the received measurement data 80, 81, 82, 83 of the tail end.
  • the sigmoid functions are thereby determined, for example in a first iteration cycle, by randomly selected parameter values.
  • the parameters [a ⁇ a 2 , a 3 , a 4 ] of the sigmoid function can be calculated using the dam data 21.
  • FIG. 3 likewise shows a schematic representation of a system.
  • the system comprises the server 100 and the vehicles 71, 72, 73, 74, wherein the vehicles 71, 72, 73, 74 are designed to transmit measured data 80, 81, 82, 83 to the server 100.
  • the measured data 80, 81, 82, 83 can be transmitted to the server 100 automatically by the vehicles 71, 72, 73, 74 at regular time intervals or the transmission of the measured data 80, 81, 82, 83 takes place only by request from the server 100.
  • a combination of the two types of transmission is conceivable. This ensures optimal and targeted measurement data transmission within the system.
  • the server 100 selects from a list of vehicles 71, 72, 73, 74 at least one vehicle 71, in particular using dam data 21.
  • the selected vehicle 71 is requested to transmit measurement data 80 to the server 100.
  • the selection of the vehicle 71 can be
  • the server 100 requests all vehicles 71, 72, 73, 74 that are in the list to at least regularly transmit to it position data x, which are additionally assigned to the vehicles 71, 72, 73, 74 in the list. On the basis of these position data x, the server 100 selects vehicles 71, 72, 73, 74 which are located in the vicinity of the jam known by the clogging data 21 and requests them to send it measurement data 80, 81, 82, 83 Help of which the server 100 determines the position of the jamming x 2 .
  • the server 100 only starts the measurement data query of vehicles 71, 72, 73, 74 as soon as information 21 over a traffic jam. In this case, the server 100 on the one hand all measurement data
  • the server 100 can in a first step a
  • Start position query all listed vehicles 71, 72, 73, 74 and store only the position x of the vehicles 71, 72, 73, 74 in the list. Based on the clogs 21, a selection of the vehicles 71, 72, 73, 74 will then be made selecting vehicles 71, 72, 73, 74 that are in the area of congestion. Do not lie any of these vehicles 71, 72, 73, 74
  • Measurement data 80, 81, 82, 83 the server 100 may request it in a second step to calculate the position of the jam end x 2 .
  • the server 100 is configured to determine the provisional position of the jam end x 2 and / or a jam center and / or jam start, based on the jam data 21, and the traffic direction in which the jam has occurred. Identical determination of the server 100 is also made for a plurality of vehicles 71, 72, 73, 74, wherein their vehicle position x and
  • Vehicle travel direction is determined. Using the vehicle position x and the vehicle travel direction, the server 100 selects at least one vehicle 71 that is in front of the provisional position of the jam end x 2 and / or the vehicle
  • Stow center preferably in front of the provisional position of the beginning of the jam, and is located on the jam end x 2 moves.
  • Vehicles 71, 72, 73, 74 which are at a position in front of the position of the tail end x 2 and are approaching it, only such measured data 80,
  • the measurement data transmission is further optimized and reduced.
  • the server 100 As soon as the server 100 has calculated the position of the jam end x 2 , it transmits this position x 2 to the vehicles 71, 72, 73, 74. This enables the position of the jam end x 2 in the vehicles 71, 72, 73, 74 to be represented As a result, the driver is informed, for example, by his navigation device about the exact position x 2 and / or about the property of the tail end. For example, if the jam end x 2 is behind a confusing curve or if it is a hard jam end, the driver of the vehicle 71, 72, 73, 74 can be forewarned in good time, so that the risk of accidents is reduced.
  • the measurement data 80, 81, 82, 83 transmitted by the vehicles 71, 72, 73, 74 are data tuples. These data tuples include traffic information data,
  • the vehicle 71 includes a transmission unit 76 for transmitting the measurement data 80 to the server 100. Further, the vehicle 71 includes a distance measuring unit 75 to the distance r to a
  • the server 100 determines the surroundings of the vehicle 71, such as the traffic density p, the traffic density p being dependent on the measured distance r and the vehicle length s of the vehicle
  • Measuring vehicle 71 is.
  • FIG. 5 shows a sigmoid function which models a velocity profile 50 and is defined by four parameters [ ⁇ ,, v 2 , v 3 , v 4 ]. It is shown how the speed v of a vehicle 71 changes over the location x.
  • FIG. 6 shows a sigmoid function modeling a traffic density progression 60 and represented by four parameters [p 1; p 2 , p 3 , P4] is defined. It is shown how the traffic density p in the vicinity of a vehicle 71 changes over the location x.
  • a velocity profile 50 and a traffic density progression 60 represent a parameter set 40.
  • the server 100 is configured to determine a multiplicity of parameter sets 40, 42 in order to calculate the position of the tail end x 2 .
  • a parameter set 40, 42 can be determined by eight parameters [v ,, v 2 , v 3 , v 4 , pp 2 , p 3 , p 4 ].
  • Vehicles 71, 72, 73, 74 are thus determined the position of the tail end x 2 and the properties of the tail end lane accurate.
  • FIG. 7 shows on the basis of the velocity profile 50 and FIG. 8 on the basis of the traffic density progression 60 how the position of the jam end x 2 is determined.
  • Jamy x 2 to determine.
  • a tangent 61 to the constant traffic density p is drawn at a position in front of the jam end x 2 .
  • a second straight line at a position x 3 within the jam represents the slope 62 of the
  • Slope 52 of the velocity course 50 slowly decreases and the slope 62 of the traffic density course 60 slowly increases, it is a soft jam end, in which the vehicles 71, 72, 73, 74 retract steadily at an ever slower speed v.
  • this information is processed and used to output warning signals to the driver or other road users.
  • Jamming x 2 is determined.
  • the server 100 is designed to carry out the following steps:
  • Parameter set 40 a first sigmoid function and a second
  • Sigmoid defined function wherein the first sigmoid function a Speed curve 50 and the second sigmoid function models a traffic density progression 60;
  • the evaluation unit 90 is designed to evaluate the parameter sets 40 using a particle filter. With the help of the particle filter, continuous updates of the sigmoidal functions 50, 60 by new ones
  • the particle filter approximates the posterior distribution of the state probabilities of the sigmoidal functions 50, 60 by a finite set of parameters [v ,, v 2 , v 3 , v 4 , pp 2 , p 3 , p 4 ].
  • the probability density function is approximated via the sigmoidal functions 50, 60.
  • particle filters can approximate arbitrary distributions due to their non-parametric form.
  • FIG. 11 shows another one
  • the server 100 is designed to carry out the following steps:
  • Parameter sets 42 on the basis of the at least one selected parameter set 41, in particular within predetermined variation intervals;
  • Parameter sets 40 defined Sigmoidf un Erasmusen using a rating unit 90 based on the other measurement data 81; Selecting at least one further parameter set 43 based on the score;
  • the generation of new parameter sets 42 can be effected by randomly changing the eight parameters [v ,, v 2 , v 3 , v 4 , pp 2 , p 3 , P 4 ] per parameter set 41, each with a certain amount of noise. By this measure, a plurality of different parameter sets 42 can be generated again. By virtue of the previously selected parameter set 41, the new parameter sets 42 represent the comparison with the first parameter sets 40
  • Parameter sets 42, the comparison and evaluation of these new parameter sets 42 with new measurement data 81 can be repeated as often as desired.
  • the position x 2 and also the property of the end of the jam can not only be determined more and more accurately, but at the same time are always adapted to the current, changed conditions.
  • FIG. 12 again shows in a different way how the position of the jam end x 2 can be determined.
  • the estimation of the most probable parameter set 41 takes place cyclically. At the beginning will be random or under
  • Parameter sets 40 which correspond better to the measurement 1000 or are closer to the real measured case, consequently receive a higher rating.
  • the parameter sets 41 are determined, which are to be pursued further. Subsequently, the eight parameters [v ,, v 2 , v 3 , v 4 , ⁇ , P2, P3, P4] per drawn parameter set 41 each with some noise randomly changed slightly. Now again there are a large number of different parameter sets 42. Through measurements 1000, the plurality of sets of parameters 40 now better represent the traffic condition as before
  • Parameter sets 41 predicted from the last time step to the respective new time. This can be done, for example, via macroscopic traffic models, which are described by partial differential equations. Also, the step of prediction 4000 can also be completely omitted if the noise of the parameter sets 42, which before or even after the
  • Prediction 4000 is applied sufficiently large to capture the dynamics of the position of the tail end x 2 .
  • This sequence of the steps evaluation 2000, based on the measurement 1000, selection 3000 and prediction 4000 takes place cyclically and as often as desired.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Instructional Devices (AREA)

Abstract

Die Erfindung betrifft einen Server (100) zur Bestimmung einer Position (x2) eines Stauendes. Der Server umfasst eine Rechnereinheit (10); einen Speicher (20); eine Empfangseinheit (30) zum Empfangen einer Vielzahl von Messdaten (80), jeweils mit mindestens einer Positionsdatenangabe (x) eines Fahrzeugs (71); wobei der Server (100) ausgebildet ist, mit Hilfe wenigstens einer Sigmoidfunktion und unter Verwendung der empfangenen Messdaten (80) die Position (x2) des Stauendes zu berechnen.

Description

Server, System und Verfahren zur Bestimmung einer Position eines Stauendes
Beschreibung
Die Erfindung betrifft einen Server, ein System und ein Verfahren zur Bestimmung einer Position eines Stauendes.
Ein Server zur Bestimmung einer Ortsangabe eines Staus ist aus dem Stand der Technik bekannt. Google-Traffic kann den geographischen Bereich bestimmen, in dem ein Stau aufgetreten ist. Dabei wertet der Server beispielsweise die
Geschwindigkeit von in Fahrzeugen befindlichen Smartphones aus. Diese
Staudaten geben den Ort des Staus jedoch nur mit zu großer Ungenauigkeit an. Die Art des Staus, dessen zukünftige Entwicklung oder die zuletzt dynamisch stattgefundene Entwicklung lässt sich mit dem Ansatz von Google-Traffic nicht bestimmen.
Eine andere Möglichkeit, den Ort des Staus zu bestimmen, besteht darin, stationäre Sensoren, wie Kameras oder Induktionsschleifen, auf einem relevanten Straßenabschnitt zu installieren. Diese stationären Sensoren werten den
Verkehrszustand, insbesondere den Verkehrsfluss bzw. die Verkehrsdichte aus. Dabei werden die Geschwindigkeit und die Abstände zwischen den einzelnen Fahrzeugen gemessen und daraus der Verkehrsfluss bzw. die Verkehrsdichte errechnet.
Ein Nachteil dieser Art von Ortsbestimmung liegt darin, dass die Berechnung der Position des Stauendes nur in dem Straßenabschnitt erfolgen kann, in dem die Sensoren installiert wurden. Die Installation von stationären Sensoren, wie Kameras oder Induktionsschleifen, ist sehr teuer und kommt somit nicht flächendeckend zum Einsatz.
Die EP 1 235 195 A2 beschreibt ein Verfahren zu Bestimmung von Staudaten. Dabei übermittelt ein erstes Fahrzeug seine aktuelle Position, die mit einer Zeitangabe gekoppelt ist, an eine Zentrale. Die Zentrale legt diese Information in einer Datenbank ab und bestimmt anhand der Daten einen Fahrweg des ersten Fahrzeugs. Mit Hilfe von weiteren Fahrwegen anderer Fahrzeuge, die sich in der näheren Umgebung des ersten Fahrzeugs aufhalten und ebenfalls in der Datenbank abgelegt sind, erzeugt die Zentrale eine Fahrwegvorausschau für das erste Fahrzeug. Diese Fahrwegvorausschau gibt Aufschluss darüber, wie sich die Geschwindigkeit des ersten Fahrzeugs aller Wahrscheinlichkeit nach auf dem bevorstehenden Streckenabschnitt verändern wird. Der genaue Ort, das Verhalten des Staus und die Position des Stauendes lässt sich auch mit diesem Ansatz nicht ermitteln.
Die US 2007/0005231 A1 beschreibt ein System und ein Verfahren zur
Bestimmung der Position eines Stauendes. Ein dem System zugehöriges Fahrzeug umfasst eine Steuerung, mit der die Geschwindigkeit des Fahrzeugs analysiert wird. Sobald das Fahrzeug, welches mit konstanter Geschwindigkeit fährt, sich einem Stauende nähert und dadurch die Geschwindigkeit verringert, legt die Steuerung das Stauende an der Position fest, an der die Geschwindigkeit des Fahrzeugs annähernd Null ist oder sich konstant auf einem sehr niedrigen
Geschwindigkeitsniveau befindet. Dies hat zum Nachteil, dass die Position des Stauendes nur sehr ungenau bestimmt werden kann. Handelt es sich
beispielsweise um ein sehr weiches Stauende, an dem sich die Geschwindigkeit einerseits stetig verringert, andererseits aber nicht den Wert Null annimmt oder kein sehr niedriges und konstantes Niveau erreicht, kann mit diesem System und Verfahren keine exakte Positionsbestimmung des Stauendes erfolgen.
Ausgehend von diesem Stand der Technik stellt sich die Aufgabe, einen Server, ein System und ein Verfahren bereit zu stellen, welches die vorgenannten
Nachteile adressiert. Insbesondere soll ein Server geschaffen werden, der flächendeckend und ortsunabhängig die exakte Position des Stauendes und ggf. dessen Entwicklung bestimmt. Dabei soll auch bei weichen Stauenden, in das die Fahrzeuge mit immer langsamerer Geschwindigkeit stetig einfahren, eine exakte Positionsbestimmung des Stauendes erfolgen. Eine weitere Aufgabe ist es, einen Server zur Bestimmung der Position des Stauendes bereit zu stellen, welcher in der Lage ist, die Art des Stauendes bestimmen zu können. Muss bei der Einfahrt in das Stauende stark abgebremst werden, hartes Stauende, oder kann von langsamer Geschwindigkeitsreduktion ausgegangen werden, weiches Stauende.
Diese Aufgabe wird durch einen Server gemäß Anspruch 1, einem System gemäß Anspruch 7 und ein Verfahren gemäß Anspruch 13 gelöst. Insbesondere wird die Aufgabe durch einen Server zur Bestimmung einer Position eines Stauendes gelöst, welcher umfasst
- eine Rechnereinheit;
- einen Speicher;
- eine Empfangseinheit zum Empfangen einer Vielzahl von Messdaten, jeweils mit mindestens einer Positionsdatenangabe eines Fahrzeugs.
Dabei ist der Server bevorzugt dazu ausgebildet, mit Hilfe wenigstens einer Sigmoidfunktion und unter Verwendung der empfangenen Messdaten die Position des Stauendes zu berechnen.
Die zur Lokalisierung und Charakterisierung der Position des Stauendes verwendete mindestens eine Sigmoidfunktion sig(x) kann beispielsweise folgende Formel aufweisen:
Diese kann, wie dargestellt, anhand von vier Parametern [ai, a2, a3, a4] definiert sein.
Die Sigmoidf unktionen können dabei, beispielsweise in einem ersten
Iterationszyklus, durch zufällig gewählte Parameterwerte bestimmt werden. Die Messdaten können dazu verwendet werden, mindestens eine Sigmoidfunktion auszuwählen, die den realen Stauverlauf und somit auch dessen Stauende gut modelliert. Die ausgewählte und somit qualitativ hochwertige Sigmoidfunktion kann genutzt werden, um damit die Position des Stauendes zu berechnen.
Alternativ oder zusätzlich können Parameterwerte der Sigmoidf unktionen auf Basis zumindest einiger der Messdaten bestimmt oder berechnet werden. Die Messdaten werden beispielsweise von einem Fahrzeug über ein Funknetz, vorzugsweise ein Mobilfunknetz, an den Server übertragen, der diese in seinem Speicher ablegt. Die Messdaten können eine Positionsdatenangabe eines
Fahrzeugs umfassen, mit Hilfe derer die Recheneinheit in Abhängigkeit des Übertragungszeitpunkts der Positionsdatenangaben die Geschwindigkeit des Fahrzeugs berechnet. Ein Vorteil des erfindungsgemäßen Servers liegt darin, dass er mit Hilfe der Sigmoidf unktion die Position des Stauendes bestimmen kann, unabhängig davon, von welcher Position das Fahrzeug seine Messdaten an den Server übersandt hat. Das sendende Fahrzeug kann sich noch vor oder auch bereits kurz hinter der Position des Stauendes befinden. Die Sigmoidfunktion eignet sich also dazu, auch mit Messdaten von beliebigen Positionen, beispielsweise innerhalb des Staus Aussagen über das Stauende treffen zu können.
Ein weiterer Vorteil liegt darin, dass anhand des Verlaufs der Sigmoidfunktion bestimmt werden kann, wie sich die Geschwindigkeit des Fahrzeugs über die Zeit ändert. Dieser kann dazu benutzt werden, das Stauende zu charakterisieren. Weist die Sigmoidfunktionen einen schnellen und starken Abfall im Verlauf auf, handelt es sich um ein hartes Stauende, bei der Fahrzeuge aus freier Fahrt auf eine Ansammlung von beispielsweise stehenden Fahrzeugen treffen. Weist die Sigmoidfunktion einen langsamen und flachen Abfall im Verlauf auf, spricht das dafür, dass mit umliegenden Fahrzeugen bei langsamer
Geschwindigkeitsreduktion in das Stauende eingefahren wird und somit ein weiches Stauende vorliegt. Der Server kann dazu ausgebildet sein, entsprechende Erkenntnisse an Teilnehmer, beispielsweise Fahrzeuge, die diesen Dienst abonniert haben, zu übermitteln. Der Server kann diese Erkenntnis auch nutzen, um Aussagen über die Gefährlichkeit des Staus zu treffen. Beispielswiese können mehrere Gefahrenkategorien (z.B. hoch, niedrig, gering) definiert werden, wobei der Server den jeweiligen Stau in eine dieser Kategorien einordnet.
Vorzugsweise sind die Messdaten Daten-Tupel und umfassen:
Verkehrsinformationsdaten; und/oder
Geschwindigkeitsdaten, die mindestens eine Geschwindigkeit des jeweiligen Fahrzeugs angeben; und/oder
Abstandsdaten, die mindestens einen Abstand zwischen dem jeweiligen Fahrzeug und einem dem jeweiligen Fahrzeug vorausfahrenden Fahrzeug angeben; und/oder
Bremshäufigkeitsdaten, die eine Bremshäufigkeit des jeweiligen Fahrzeugs angeben.
Hierdurch kann der Server mit Hilfe der Messdaten das Umfeld des Fahrzeugs, wie beispielsweise die Verkehrsdichte, bestimmen. Durch beispielsweise Übermittlung des Abstands zu einem vorausfahrenden Fahrzeug kann der Server die Verkehrsdichte berechnen. Die Verkehrsdichte kann dabei beispielsweise mit folgender Formel berechnet werden:
1
P =
r + s
Die Verkehrsdichte p hängt dabei von dem Abstand r zwischen zweier Fahrzeuge und der Fahrzeuglänge s des hinteren Fahrzeuges ab. Gleiche Berechnung kann auch durch die Verkehrsinformationsdaten erfolgen, die beispielsweise die Anzahl der Fahrzeuge in dem näheren Umfeld des Fahrzeugs oder Spurwechselverhalten oder sonstige den Verkehr betreffende Daten angeben. Ebenso ist auch eine Berechnung der Verkehrsdichte aufgrund der Bremshäufigkeit des Fahrzeugs möglich. Es kann auch eine Bestimmung der Verkehrsdichte auf dem gesamten detektieren Umfeld des messenden Fahrzeugs basieren. Somit ist es auch möglich, die Position des Stauendes durch die Veränderung des
Verkehrsdichteverlaufs zu berechnen.
Ein weiterer Vorteil der Erfindung liegt darin, dass mittels der Sigmoidfunktion kontinuierlich die Verkehrsdichte über den Weg bzw. die Strecke, vorzugsweise auch über die Zeit, modelliert werden kann. Hierdurch ist es möglich, die Position des Stauendes mit wenigen Messpunkten - unabhängig von der Position an dem die Messpunkte bzw. Messdaten erfasst wurden - zu bestimmen. Auch kann eine Aussage über die Art des Stauendes getroffen werden. Steigt der
Verkehrsdichteverlauf schnelle und starken an, handelt es sich um ein hartes Stauende. Weist die Sigmoidfunktion einen langsamen und flachen Anstieg im Verlauf auf, handelt es sich um ein weiches Stauende. Der Server kann dazu ausgebildet sein, entsprechende Erkenntnisse an Teilnehmer, beispielsweise Fahrzeuge, die diesen Dienst abonniert haben, zu übermitteln. Die Fahrzeuge können diese Informationen verarbeiten und zur Ausgabe von Warnsignalen an den Fahrer selbst oder an andere Verkehrsteilnehmer nutzen. Des Weiteren können diese Informationen dazu verwendet werden, um die Funktionsweise eines Fahrerassistenzsystems zu beeinflussen. Ggf. kann das
Fahrerassistenzsystem dann die Fahrgeschwindigkeit reduzieren.
Vorteilhaft könnten die Messdaten Warnblinkdaten umfassen. Diese
Warnblinkdaten können die Benutzung der Warnblinkanlage des Fahrzeugs und/oder die mit Hilfe eines Sensors und/oder einer Kamera detektierte
Benutzung einer Warnblinkanlage eines Fahrzeugs im näheren Umfeld des (eigenen) Fahrzeugs angeben. Diese Warnblinkdaten können dazu beitragen, eine genauere Bestimmung der Position und/oder der Eigenschaften des Stauendes vorzunehmen.
In einer weiteren Ausführungsform der Erfindung ist der Server ausgebildet, eine Vielzahl von Parametersätzen zu bestimmen, um die Position des Stauendes zu berechnen. Jeder Parametersatz definiert eine erste Sigmoidfunktion und eine zweite Sigmoidfunktion. Die erste Sigmoidfunktion des Parametersatzes modelliert einen Geschwindigkeitsverlauf und die zweite Sigmoidfunktion des
Parametersatzes einen Verkehrsdichteverlauf. Ein Parametersatz kann dabei durch acht Parameter [v,, v2, v3, v4, p p2, p3, p4] bestimmt werden, wobei vier Parameter [v,, v2, v3, v4] den Geschwindigkeitsverlauf abbilden und vier
Parameter [p p2, p3, p4] den Verkehrsdichteverlauf. Die Vielzahl von
Parametersätzen kann vorzugsweise größer 10, mehr bevorzugt größer 100 oder größer 1000 sein. Indem ein Parametersatz zwei Sigmoidfunktionen definiert, wobei die erste Sigmoidfunktion den Geschwindigkeitsverlauf des Fahrzeugs in Abhängigkeit des Ortes und die zweite Sigmoidfunktion den Verkehrsdichteverlauf in Abhängigkeit des Ortes darstellt, werden so die Vorteile des
Geschwindigkeitsverlaufs und des Verkehrsdichteverlaufs kombiniert.
Ein weiterer Vorteil besteht darin, dass anhand spurgenauer Lokalisierung die Eigenschaften des Stauendes fahrspurgenau bestimmt werden kann. Der
Geschwindigkeitsverlauf und der Verkehrsdichteverlauf können zu
unterschiedlichen Ergebnissen bezüglich des Stauendes führen. Der Server kann als Ergebnis die Position ausgeben, die der modellierte Geschwindigkeitsverlauf vorgibt oder die, die der modellierte Verkehrsdichteverlauf vorgibt. Es ist auch möglich, einen Mittelwert zwischen den beiden ermittelten Positionen des
Stauendes als endgültige Position des Stauendes zu bestimmen, beispielsweise die Position, die exakt zwischen den beiden bestimmten Positionen liegt. Die Parametersätze können genutzt werden, um präzise Aussagen über Eigenschaften des Stauendes zu treffen. Hierbei wird bei der Bestimmung der Art des Stauendes sowohl die Änderung der Geschwindigkeit, wie auch die der Verkehrsdichte berücksichtigt, so dass exaktere Aussagen getroffen werden können. Vorteilhaft kann mit Hilfe der Sigmoidfunktion auch ein Beschleunigungsverlauf bzw.
Verzögerungsverlauf modelliert und analog der Verlauf der Beschleunigung über den Ort bestimmt werden, um somit die Position des Stauendes zu bestimmen. Durch die Modellierung des Beschleunigungsverlaufs ist es ebenfalls möglich, zum einen die Position des Stauendes exakt zu berechnen und zum anderen die Eigenschaft des Stauendes zu bestimmen.
In einer vorteilhaften Ausführungsform kann der Server eine Bewertungseinheit umfassen. Die Bewertungseinheit bewertet die Qualität zumindest einer Auswahl einer von dem Server berechneten Vielzahl von Sigmoidfunktionen mit
unterschiedlichen Parametern unter zumindest der Verwendung der Messdaten. Die Messdaten werden mit den berechneten Sigmoidfunktionen verglichen. Je näher der Verlauf der Sigmoidf unktion an dem Wert der Messdaten liegt, desto höher ist die Qualität der Sigmoidf unktion und desto besser wird sie bewertet. Eine solche Bewertung der Sigmoidfunktionen kann dadurch erfolgen, dass die Sigmoidfunktionen beispielsweise in ein Klassensystem von 10 Klassen eingeteilt werden, wobei die Klasse 10 die höchste Qualität der Sigmoidfunktionen beinhaltet. Durch Auswahl bevorzugter Sigmoidfunktionen, beispielsweise von Sigmoidfunktionen höherer Klassen, wie der Klasse 9 und 10 oder die besten 5, insbesondere die besten 50 oder 500, kann die Bestimmung der Position des Stauendes vereinfacht und die Anzahl der korrekt erkannten
Positionsbestimmungen erhöht werden. Die Bewertung der Sigmoidfunktionen auf Grundlage der Messdaten kann beispielsweise auch dadurch erfolgen, indem das Residuum von Least-Square-Fitting zwischen der Sigmoidf unktion und der Messdaten bestimmt wird und anhand der Größe des Residuums die jeweiligen Sigmoidfunktion bewertet wird.
In einer Ausführungsform kann die Bewertungseinheit zur Berechnung der Sigmoidfunktionen einen Partikelfilter und/oder eine Stützvektor Maschine
(„Support Vector Machine", SVM) und/oder eine Lineare Diskriminanzanalyse (LDA) nutzen. Mit Hilfe des Partikelfilters werden fortlaufende Aktualisierungen der Sigmoidfunktionen durch neue Messdaten erzeugt. Hierbei approximiert der Partikelfilter die A-posteriori-Verteilung der Zustandswahrscheinlichkeiten der Sigmoidfunktionen durch eine endliche Menge an Parametern [vi, v2, v3, v4, pl, p2, p3, p4]. Durch eine Stichprobenmenge, die Partikel, wird die
Wahrscheinlichkeitsdichtefunktion über die Sigmoidfunktionen approximiert. Im Gegensatz zu alternativen Ansätzen können Partikelfilter durch ihre nicht- parametrische Form beliebige Verteilungen approximieren. Ebenso kann ein berechneter Geschwindigkeitsverlauf und/oder Verkehrsdichteverlauf durch ein Polynom m-ten Grades interpoliert werden, wobei m=3 eine vorteilhafte Wahl darstellt. Die Koeffizienten dieses Polynoms können zusammen mit anderen Eigenschaften des Signals, wie dem Gradienten der Geschwindigkeit über die Zeit oder dem Gradienten der Verkehrsdichte über die Zeit als Punkt in einem n- dimensionalen Hyperraum interpretiert werden. Eine zuvor mit Trainingsdaten trainierte SVM oder LDA ist nun in der Lage, eine Aussage darüber zu treffen, in wie weit die berechneten Sigmoidfunktionen den Messdaten des Fahrzeugs entsprechen. Die Vorteile liegen dabei in der schnellen und zuverlässigen
Bewertung sowie der kompakten Repräsentation der Bewertungsregeln.
In einer weiteren Ausprägung der Erfindung kann der Server von einem weiteren Server Staudaten empfangen. Die Staudaten geben einen Bereich an, an dem ein Stau aufgetreten ist. Unter Verwendung der Staudaten wird die Sigmoidfunktion berechnet. Eine solche Berechnung kann dadurch erfolgen, dass der Server zur Berechnung der Sigmoidfunktion eine Parametervorauswahl triff, wobei die Parametervorauswahl auf Basis der Staudaten erfolgt. Hierdurch kann im Vorfeld die Berechnung der Sigmoidfunktionen zielführend gesteuert werden. Durch die Staudaten kann bereits eine Parametervorauswahl getroffen werden, die nur solche Sigmoidf unktionsverläufe modelliert, die von Anfang an eine höhere Qualität aufweisen als Sigmoidfunktionen, die durch eine Zufallsauswahl der Parameter berechnet wurden. Dies hat zum Vorteil, dass die Berechnung der Sigmoidfunktionen optimiert wird und eine verbesserte und schnellere
Positionsbestimmung eines Stauendes erfolgt.
Des Weiteren wird die Aufgabe durch ein System gelöst, das einen Server, wie er in den vorhergehenden Ausführungen beschrieben wurde, und Fahrzeuge umfasst, wobei die Fahrzeuge dazu ausgebildet sind, Messdaten an den Server zu übermitteln. Es ergeben sich ähnliche oder identische Vorteile, wie dies bereits in Verbindung mit dem Server beschrieben wurde.
In einer bevorzugten Ausführung kann mindestens ein Fahrzeug dazu ausgebildet sein, in regelmäßigen Zeitabständen Messdaten zu übermitteln. In einem weiteren bevorzugten System kann mindestens ein Fahrzeug Messdaten übermitteln, wenn eine entsprechende Anfrage vom Server empfangen wird. Ebenso ist eine
Kombination aus regelmäßiger Messdatenübermittlung und einer
Messdatenübermittlung auf Anfrage möglich. Auch kann durch Triggerung das mindestens eine Fahrzeug selbst Messdaten an den Server übermitteln. Die Triggerung kann dabei eine Funktion diverser Datenbankmanagementsysteme, insbesondere großer relationaler Datenbankmanagementsysteme aufweisen und bei einer bestimmten Art der Änderungen von Daten ein gespeichertes Programm aufgerufen, das diese Änderung erlaubt, verhindert und/oder weitere Tätigkeiten vornimmt, wie beispielsweise ausgewählte Messdaten an den Server zu
übermitteln. Hierdurch wird eine optimale und zielführende
Messdatenübertragung innerhalb des Systems sichergestellt.
In einer weiteren vorteilhaften Ausführung kann der Server dazu ausgebildet sein, aus einer Liste von Fahrzeugen mindestens ein Fahrzeug, insbesondere unter Verwendung von Staudaten, auszuwählen und das ausgewählte Fahrzeug aufzufordern, Messdaten zu übermitteln. Dabei kann der Server alle Fahrzeuge die sich in der Liste befinden, auffordern, ihm regelmäßig zumindest
Positionsdaten zu übermitteln, die zusätzlich den Fahrzeugen in der Liste zugeordnet werden. Anhand dieser Positionsangaben wählt der Server Fahrzeuge aus, die sich in der näheren Umgebung des durch die Staudaten bekannten Staus befinden und fordert sie auf, ihm Messdaten zu schicken. Eine weitere Möglichkeit besteht darin, dass der Server die Messdatenabfrage von Fahrzeugen nur dann startet, sobald ihm Informationen über einen Stau vorliegen. Hierbei kann der Server einerseits alle Messdaten der Fahrzeuge anfordern, die in der Liste aufgeführt sind. Anderseits kann der Server in einem ersten Schritt eine
Positionsabfrage aller gelisteten Fahrzeuge starten und nur die Position der Fahrzeuge in der Liste abspeichern. Basierend auf den Staudaten würde dann eine Auswahl der Fahrzeuge erfolgen, wobei Fahrzeuge ausgewählt werden können, die sich in dem Bereich des Staus befinden. Liegen von diesen
Fahrzeugen noch keine Messdaten vor, kann der Server in einem zweiten Schritt diese anfordern, um die Position des Stauendes zu berechnen. Alle Möglichkeiten haben den Vorteil, die Messdatenübertragung zwischen den Fahrzeugen und dem Server zu vereinfachen, zu optimieren und zielführend sicherzustellen.
Bei einer weiteren bevorzugten Ausführung kann der Server dazu ausgebildet sein: a) basierend auf den Staudaten neben einer Verkehrsrichtung vorläufige Position des Stauendes und/oder eines Stauzentrum und/oder eines Stauanfang zu bestimmen;
b) für eine Vielzahl von Fahrzeugen Fahrzeugposition und
Fahrzeugfahrtrichtung zu bestimmen; c) unter Verwendung der Fahrzeugposition und der Fahrzeugfahrtrichtung mindestens ein Fahrzeug auszuwählen, das sich vor der vorläufigen Position des Stauendes und/oder des Stauzentrums, vorzugsweise vor der vorläufigen Position des Stauanfangs, befindet und sich auf das Stauende zubewegt.
Durch die Auswahl von Fahrzeugen, die sich an einer Position vor der Position des Stauendes befinden und auf dieses zufahren, werden nur solche Messdaten von Fahrzeugen verwendet, die auch unmittelbar mit der zu berechnenden Position des Stauendes in Beziehung stehen. Somit wird die Messdatenübertragung noch weiter optimiert und verringert.
In einer weiteren Ausführungsform kann das wenigstens eine Fahrzeug
mindestens eine Abstandmesseinheit umfassen. Diese Abstandmesseinheit kann dazu ausgebildet sein, den Abstand zwischen dem Fahrzeug und einem dem Fahrzeug vorausfahrenden Fahrzeug zu messen. Der Abstand kann dazu genutzt werden, Verkehrsinformationsdaten zu ermitteln und/oder zu übermitteln. Eine solche Abstandmesseinheit kann beispielsweise das Front-Radar für das ACC (Adaptive Cruise Control), ein Laser, eine Kamera oder eine sonstige Einheit sein, die dazu geeignet ist, den Abstand zu einem vorausfahrenden Fahrzeug zu messen. Ein Vorteil einer solchen Abstandmesseinheit ist, dass durch die
Abstandswerte ein Verkehrsdichteverlauf modelliert werden kann. Abhängig von der Geschwindigkeit und dem Abstand zum vorausfahrenden Fahrzeug kann die Rechnereinheit oder das Fahrzeug selbst das Verkehrsdichteaufkommen im Umfeld des messenden Fahrzeugs bestimmen.
In einer bevorzugten Ausführungsform kann der Server ausgebildet sein, die berechnete Position des Stauendes an Fahrzeuge zu übermitteln. Dies ermöglicht die Darstellung der Position des Stauendes im Fahrzeug. Hierdurch wird der Fahrer beispielsweise durch sein Navigationsgerät über die exakte Position und/oder auch über die Eigenschaft des Stauendes informiert. Liegt das Stauende beispielsweise hinter einer unübersichtlichen Kurve oder handelt es sich um ein hartes Stauende, kann der Fahrer des Fahrzeugs rechtzeitig vorgewarnt werden, so dass die Unfallgefahr verringert werden kann.
Ferner wird die Aufgabe gelöst durch ein Verfahren zur Bestimmung einer Position eines Stauendes, insbesondere mittels eines Servers, wie er in den vorhergehenden Ausführungen beschrieben wurde, und/oder innerhalb eines Systems, wie es in den vorhergehenden Ausführungen beschrieben wurde, umfassend die Schritte:
Bestimmen einer Vielzahl von Parametersätzen, wobei jeder Parametersatz eine erste Sigmoidf unktion und eine zweite Sigmoidf unktion definiert, wobei die erste Sigmoidf unktion des Parametersatzes einen
Geschwindigkeitsverlauf und die zweite Sigmoidf unktion des
Parametersatzes einen Verkehrsdichteverlauf modelliert;
Empfang von Messdaten mindestens eines Fahrzeugs;
Bewertung der Qualität zumindest einiger der durch die Parametersätze definierten Sigmoidfunktionen basierend auf den empfangenen Messdaten; Auswahl mindestens eines Parametersatzes basierend auf der Bewertung; Berechnung der Position des Stauendes auf Basis des mindestens einen ausgewählten Parametersatzes;
Senden der Position des Stauendes an ein/das Fahrzeug.
Es ergeben sich ähnliche oder identische Vorteile, wie dies bereits in Verbindung mit dem Server und dem System beschrieben wurde.
Ein weiteres bevorzugtes Verfahren umfasst die Schritte:
Generieren, vorzugsweise zufälliges Generieren, von weiteren
Parametersätzen auf Basis des mindestens einen ausgewählten
Parametersatzes, insbesondere innerhalb von vorgegebenen
Variationsintervallen;
Empfang von weiteren Messdaten mindestens des Fahrzeugs oder eines weiteren Fahrzeugs;
Bewertung der Qualität zumindest einiger der durch die weiteren
Parametersätze definierten Sigmoidfunktionen basierend auf den empfangenen zweiten Messdaten;
Auswahl mindestens eines weiteren Parametersatzes basierend auf der Bewertung;
Berechnung der Position des Stauendes auf Basis des mindestens weiteren ausgewählten Parametersatzes;
Senden der Position des Stauendes an ein/das Fahrzeug oder ein/das weitere Fahrzeug. Die Generierung neuer Parametersätze kann dadurch erfolgen, dass die acht Parameter pro Parametersatz jeweils mit gewissem Rauschen zufällig leicht verändert werden. Durch diese Maßnahme kann erneut eine Vielzahl
unterschiedlicher Parametersätze erzeugt werden. Durch den zuvor ausgewählten Parametersatz repräsentieren die neuen Parametersätze im Vergleich zu den ersten Parametersätzen den Verkehrszustand in verbesserter und angepasster Form. Durch erneutes Bewerten und Auswählen der Parametersätze kann die Position des Stauendes, die in einem ersten Schritt berechnet wurde, durch diesen zweiten Schritt noch weiter konkretisiert und exakter bestimmt werden. Das Generieren von neuen Parametersätzen, das Abgleichen und Bewerten dieser neuen Parametersätze mit immer neuen Messdaten kann beliebig oft wiederholt werden. Somit lässt sich die Position und auch die Eigenschaft des Stauendes nicht nur immer exakter bestimmen, sondern wird gleichzeitig auch immer wieder den aktuellen verändernden Gegebenheiten angepasst.
Die erfindungsgemäße Aufgabe wird des Weiteren durch ein computerlesbares Speichermedium gelöst, das ausführbare Instruktionen aufweist, welche einen Computer dazu veranlassen, das bereits beschriebene Verfahren zu
implementieren, wenn diese Instruktionen ausgeführt werden. Es ergeben sich ähnliche oder identische Vorteile, wie dies bereits in Verbindung mit dem Server, dem System und dem Verfahren beschrieben wurde.
Nachfolgend wird die Erfindung mittels mehrerer Ausführungsbeispiele
beschrieben, die anhand von Abbildungen näher erläutert werden. Hierbei zeigen:
Fig. 1 eine schematische Darstellung eines Servers 100;
Fig.2 eine schematische Darstellung zweier miteinander
kommunizierender Server 100 und 101;
Hg 3 eine schematische Darstellung eines Syst
Hg 4 eine schematische Draufsicht auf zwei hintereinander fahrende
Fahrzeuge 71 und 72;
Fig 5 eine Sigmoidf unktion, die einen Geschwindigkeitsverlauf 50
modelliert;
Fig 6 eine Sigmoidf unktion, die einen Verkehrsdichteverlauf 60 modelliert; Fig 7 eine Sigmoidf unktion aus Fig. 5 zur Bestimmung der Position x2 des
Stauendes; Fig. 8 eine Sigmoidf unktion aus Fig. 6 zur Bestimmung der Position x2 des
Stauendes;
Fig. 9 eine schematische Darstellung zur Bestimmung der Eigenschaft eines Stauendes;
Fig. 10 ein schematisches Flussdiagramm zur Bestimmung der Position x2 des Stauendes;
Fig. 11 ein weiteres schematisches Flussdiagramm aus Fig. 10 zur
Bestimmung der Position x2 des Stauendes; und
Fig. 12 ein Ausführungszyklus der probabilistischen Bewertung der
Parametersätze 40 und 42 aufgrund von Messdaten 80, 81, 82 und
83 der Fahrzeuge 71, 72, 73 und 74.
In der nachfolgenden Beschreibung werden für gleiche und gleich wirkende Teile, dieselben Bezugsziffern verwendet.
Das Ziel des Servers 100 ist es, die Position eines Stauendes zu berechnen.
Im Folgenden soll unter einem Stauende die Position verstanden werden, an der ein Fahrzeug aufgrund von äußeren Einflüssen, wie beispielsweise durch einen Verkehrsunfall, erhöhtes Fahrzeugaufkommen oder Umwelteinflüsse, dazu veranlasst ist, entweder seine Geschwindigkeit und/oder den Abstand zu einem vorausfahrenden Fahrzeug zu verringern.
Fig. 1 zeigt eine schematische Darstellung eines Servers 100, der eine
Rechnereinheit 10, einen Speicher 20, eine Empfangseinheit 30 und eine
Bewertungseinheit 90 umfasst.
Wie in Fig. 2 dargestellt, empfängt der Server 100 von einem weiteren Server 101 Staudaten 21. Die Staudaten 21 geben einen Bereich auf einer Straße an, an dem ein Stau aufgetreten ist.
Die Empfangseinheit 30 ist dazu ausgebildet, eine Vielzahl von Messdaten 80, 81, 82, 83 zu empfangen, wie es in Fig. 3 dargestellt ist. Die Messdaten 80, 81, 82, 83 umfassen jeweils mindestens eine Positionsdatenangabe x von Fahrzeugen 71, 72, 73, 74, wobei die Fahrzeuge 71, 72, 73, 74 eine Fahrzeugflotte 70 darstellen. Die Fahrzeugflotte 70 ist dadurch definiert, dass es sich um Fahrzeuge 71, 72, 73, 74 handelt, die sich in unmittelbarer Nähe zueinander aufhalten und alle in dieselbe Richtung fahren.
Der Server 100 ist dazu ausgebildet, mit Hilfe wenigstens einer Sigmoidfunktion, die beispielsweise durch vier Parametern [a^ a2, a3, a4] definiert ist, und unter Verwendung der empfangenen Messdaten 80, 81, 82, 83 die Position x2 des Stauendes zu berechnen. Die Sigmoidfunktionen werden dabei, beispielsweise in einem ersten Iterationszyklus, durch zufällig gewählte Parameterwerte bestimmt. Auch können die Parameter [a^ a2, a3, a4] der Sigmoidfunktion unter Verwendung der Staudaten 21 berechnet werden.
In der Fig. 3 ist ebenfalls eine schematische Darstellung eines Systems gezeigt. Das System umfasst den Server 100 und die Fahrzeuge 71, 72, 73, 74, wobei die Fahrzeuge 71, 72, 73, 74 dazu ausgebildet sind, Messdaten 80, 81, 82, 83 an den Server 100 zu übermitteln. Dabei können die Messdaten 80, 81, 82, 83 in regelmäßigen Zeitabständen automatisch von den Fahrzeugen 71, 72, 73, 74 an den Server 100 übermittelt werden oder die Übermittlung der Messdaten 80, 81, 82, 83 erfolgt erst durch Anfrage seitens des Servers 100. Auch eine Kombination der beiden Übertragungsarten ist denkbar. Hierdurch wird eine optimale und zielführende Messdatenübertragung innerhalb des Systems sichergestellt.
Ferner wählt der Server 100 aus einer Liste von Fahrzeugen 71, 72, 73, 74 mindestens ein Fahrzeug 71, insbesondere unter Verwendung von Staudaten 21, aus. Das ausgewählte Fahrzeug 71 wird aufgefordert, Messdaten 80 an den Server 100 zu übermitteln. Die Auswahl des Fahrzeugs 71 kann auf
unterschiedliche Weise erfolgen:
In einer ersten Möglichkeit fordert der Server 100 alle Fahrzeuge 71,72, 73, 74 die sich in der Liste befinden auf, ihm regelmäßig zumindest Positionsdaten x zu übermitteln, die zusätzlich den Fahrzeugen 71, 72, 73, 74 in der Liste zugeordnet werden. Anhand dieser Positionsangaben x wählt der Server 100 Fahrzeuge 71, 72, 73, 74 aus, die sich in der näheren Umgebung des durch die Staudaten 21 bekannten Staus befinden und fordert diese auf, ihm Messdaten 80, 81, 82, 83 zu schicken, mit Hilfe derer der Server 100 die Position des stauendes x2 bestimmt.
Eine weitere Möglichkeit besteht darin, dass der Server 100 die Messdatenabfrage von Fahrzeugen 71, 72, 73, 74 nur dann startet, sobald ihm Informationen 21 über einen Stau vorliegen. Hierbei kann der Server 100 einerseits alle Messdaten
80, 81, 82, 83 der Fahrzeuge 71, 72, 73, 74 anfordern, die in der Liste aufgeführt sind. Anderseits kann der Server 100 in einem ersten Schritt eine
Positionsabfrage aller gelisteten Fahrzeuge 71, 72, 73, 74 starten und nur die Position x der Fahrzeuge 71, 72, 73, 74 in der Liste abspeichern. Basierend auf den Staudaten 21 wird dann eine Auswahl der Fahrzeuge 71, 72, 73, 74 erfolgen, wobei Fahrzeuge 71, 72, 73, 74 ausgewählt werden, die sich in dem Bereich des Staus befinden. Liegen von diesen Fahrzeugen 71, 72, 73, 74 noch keine
Messdaten 80, 81, 82, 83 vor, kann der Server 100 in einem zweiten Schritt diese anfordern, um die Position des Stauendes x2 zu berechnen.
Auch ist der Server 100 dazu ausgebildet, basierend auf den Staudaten 21 die vorläufige Position des Stauendes x2 und/oder eines Stauzentrums und/oder eines Stauanfangs, sowie die Verkehrsrichtung, in welcher der Stau aufgetreten ist, zu bestimmen. Gleiche Bestimmung des Servers 100 erfolgt auch für eine Vielzahl von Fahrzeugen71 , 72, 73, 74, wobei deren Fahrzeugposition x und
Fahrzeugfahrtrichtung bestimmt wird. Unter Verwendung der Fahrzeugposition x und der Fahrzeugfahrtrichtung wählt der Server 100 mindestens ein Fahrzeug 71 aus, das sich vor der vorläufigen Position des Stauendes x2 und/oder des
Stauzentrums, vorzugsweise vor der vorläufigen Position des Stauanfangs, befindet und sich auf das Stauende x2 zubewegt. Durch die Auswahl von
Fahrzeugen 71, 72, 73, 74, die sich an einer Position vor der Position des Stauendes x2 befinden und auf dieses zufahren, werden nur solche Messdaten 80,
81. 82, 83 von Fahrzeugen 71, 72, 73, 74 verwendet, die auch unmittelbar mit der zu berechnenden Position des Stauendes in Beziehung stehen. Somit wird die Messdatenübertragung noch weiter optimiert und verringert.
Sobald der Server 100 die Position des Stauendes x2 berechnet hat, übermittelt er diese Position x2 an die Fahrzeuge 71, 72, 73, 74. Dies ermöglicht die Darstellung der Position des Stauendes x2 in den Fahrzeugen 71, 72, 73, 74. Hierdurch wird der Fahrer beispielsweise durch sein Navigationsgerät über die exakte Position x2 und/oder auch über die Eigenschaft des Stauendes informiert. Liegt das Stauende x2 beispielsweise hinter einer unübersichtlichen Kurve oder handelt es sich um ein hartes Stauende, kann der Fahrer des Fahrzeugs 71, 72, 73, 74 rechtzeitig vorgewarnt werden, so dass die Unfallgefahr verringert wird. Die von den Fahrzeugen 71, 72, 73, 74 übermitteln Messdaten 80, 81, 82, 83 sind Daten-Tupel. Diese Daten-Tupel umfassen Verkehrsinformationsdaten,
Geschwindigkeitsdaten, die eine Geschwindigkeit v des jeweiligen Fahrzeugs 71 angeben und Abstandsdaten, die einen Abstand r zwischen dem jeweiligen Fahrzeug 71 und einem dem jeweiligen Fahrzeug 71 vorausfahrenden Fahrzeug 72 angeben. Wie in Fig.4 dargestellt, umfasst das Fahrzeug 71 eine Sendeeinheit 76, um die Messdaten 80 an den Sever 100 zu übermitteln. Ferner umfasst das Fahrzeug 71 eine Abstandmesseinheit 75, um den Abstand r zu einem
vorausfahrenden Fahrzeug 72 zu messen.
Mit Hilfe der Messdaten 80, 81, 82, 83 bestimmt der Server 100 das Umfeld des Fahrzeugs 71, wie beispielsweise die Verkehrsdichte p, wobei die Verkehrsdichte p abhängig von dem gemessenen Abstand r und der Fahrzeuglänge s des
Messfahrzeugs 71 ist.
Fig. 5 zeigt eine Sigmoidf unktion, die einen Geschwindigkeitsverlauf 50 modelliert und durch vier Parameter [ν,, v2, v3, v4] definiert ist. Dabei wird dargestellt, wie sich die Geschwindigkeit v eines Fahrzeugs 71 über den Ort x ändert. Fig. 6 zeigt eine Sigmoidf unktion, die einen Verkehrsdichteverlauf 60 modelliert und durch vier Parameter [p1; p2, p3, P4] definiert ist. Dabei wird dargestellt, wie sich die Verkehrsdichte p im näheren Umfeld eines Fahrzeugs 71 über den Ort x ändert. Jeweils ein Geschwindigkeitsverlauf 50 und ein Verkehrsdichteverlauf 60 stellen einen Parametersatz 40 dar. Der Server 100 ist dazu ausgebildet, eine Vielzahl von Parametersätzen 40, 42 zu bestimmen, um die Position des Stauendes x2 zu berechnen. Ein Parametersatz 40, 42 kann dabei durch acht Parameter [v,, v2, v3, v4, p p2, p3, p4] bestimmt werden. Durch spurgenaue Lokalisierung der
Fahrzeuge 71, 72, 73, 74 werden somit die Position des Stauendes x2 und die Eigenschaften des Stauendes fahrspurgenau bestimmt.
Fig. 7 zeigt anhand des Geschwindigkeitsverlaufs 50 und Fig. 8 anhand des Verkehrsdichteverlaufs 60, wie die Position des Stauendes x2 bestimmt wird.
Hierbei wird im Geschwindigkeitsverlauf 50 eine Tangente 51 zur konstanten Geschwindigkeit v an einer Position x-^ vor dem Stauende x2 gezogen. Eine zweite Gerade an einer Position x3 innerhalb des Staus stellt die Steigung 52 der
Geschwindigkeitsabnahme nach dem Stauende x2 dar. Durch den Schnittpunkt der Tangente 51 und der Steigung 52 wird die Position des Stauendes x2 und damit der Beginn der Staueinfahrt bestimmt. Gleiches Verfahren wird in Fig. 8 mit Hilfe des Verkehrsdichteverlaufs 60 angewandt, um ebenfalls die Position des
Stauendes x2 zu bestimmen. Hierbei wird eine Tangente 61 zur konstanten Verkehrsdichte p an einer Position vor dem Stauende x2 gezogen. Eine zweite Gerade an einer Position x3 innerhalb des Staus stellt die Steigung 62 der
Verkehrsdichtezunahme nach dem Stauende x2 dar. Durch den Schnittpunkt der Tangente 61 und der Steigung 62 wird die Position des Stauendes x2 und damit der Beginn der Staueinfahrt bestimmt.
Nimmt die Steigung 52 des Geschwindigkeitsverlaufs 50 schnell ab und die Steigung 62 des Verkehrsdichteverlaufs 60 schnell zu, handelt es sich um ein hartes Stauende, bei der Fahrzeuge 71, 72, 73, 74 aus freier Fahrt auf eine Ansammlung von beispielsweise stehenden Fahrzeugen treffen. Nimmt die
Steigung 52 des Geschwindigkeitsverlaufs 50 langsam ab und die Steigung 62 des Verkehrsdichteverlaufs 60 langsam zu, handelt es sich um ein weiches Stauende, in das die Fahrzeuge 71, 72, 73, 74 mit immer langsamerer Geschwindigkeit v stetig einfahren.
Eine weitere Möglichkeit die Eigenschaft des Stauendes zu bestimmen ist in Fig. 9 dargestellt. Weist der Gradient dv der Geschwindigkeitsabnahme über die Zeit einen hohen negativen Wert auf und der Gradient dp der Verkehrsdichtezunahme über die Zeit einen hohen positiven Wert, so handelt es sich hierbei um ein hartes Stauende. Umgekehrt, weist der Geschwindigkeitsgradient über die Zeit einen kleinen negativen Wert auf und der Verkehrsdichtegradient über die Zeit einen kleinen positiven Wert, handelt es sich um ein weiches Stauende.
Durch die Übermittlung der Position des Stauendes x2 sowie die Übermittlung der Eigenschaft des Stauendes durch den Server 100 an die Fahrzeuge 71, 72, 73, 74, werden diese Informationen verarbeitet und zur Ausgabe von Warnsignalen an den Fahrer selbst oder an andere Verkehrsteilnehmer genutzt.
Fig. 10 zeigt ein Flussdiagramm eines Verfahrens, womit die Position des
Stauendes x2 bestimmt wird. Hierbei ist der Server 100 dazu ausgebildet, folgende Schritte durchzuführen:
- Bestimmung eine Vielzahl von Parametersätzen 40, wobei jeder
Parametersatz 40 eine erste Sigmoidf unktion und eine zweite
Sigmoidf unktion definiert, wobei die erste Sigmoidfunktion einen Geschwindigkeitsverlauf 50 und die zweite Sigmoidfunktion einen Verkehrsdichteverlauf 60 modelliert;
- Empfang von Messdaten 80 mindestens eines Fahrzeugs 71;
- Bewertung der Qualität zumindest einiger der durch die Parametersätze 40 definierten Sigmoidf unktionen mit Hilfe einer Bewertungseinheit 90 basierend auf den empfangenen Messdaten 80;
- Auswahl mindestens eines Parametersatzes 41 basierend auf der
Bewertung;
- Berechnung der Position x2 des Stauendes auf Basis des mindestens einen ausgewählten Parametersatzes 41 ;
- Senden der Position x2 des Stauendes an ein/das Fahrzeug 71.
Die Bewertungseinheit 90 ist dazu ausgebildet, die Parametersätze 40 unter Verwendung eines Partikelfilters zu bewerten. Mit Hilfe des Partikelfilters werden fortlaufende Aktualisierungen der Sigmoidf unktionen 50, 60 durch neue
Messdaten 80, 81, 82, 83 erzeugt. Hierbei approximiert der Partikelfilter die A- posteriori-Verteilung der Zustandswahrscheinlichkeiten der Sigmoidf unktionen 50, 60 durch eine endliche Menge an Parametern [v,, v2, v3, v4, p p2, p3, p4]. Durch eine Stichprobenmenge, die Partikel, wird die Wahrscheinlichkeitsdichtefunktion über die Sigmoidf unktionen 50, 60 approximiert. Im Gegensatz zu alternativen Ansätzen können Partikelfilter durch ihre nicht-parametrische Form beliebige Verteilungen approximieren.
Für eine noch genauere Bestimmung der Position des Stauendes x2 bzw. für eine Aktualisierung der Position des Stauendes x2 zeigt Fig. 11 ein weiteres
Flussdiagramm, womit die Position des Stauendes x2 bestimmt wird. Hierbei ist der Server 100 dazu ausgebildet, folgende Schritte durchzuführen:
- Generieren, vorzugsweise zufälliges Generieren, von weiteren
Parametersätzen 42 auf Basis des mindestens einen ausgewählten Parametersatzes 41, insbesondere innerhalb von vorgegebenen Variationsintervallen;
- Empfang von weiteren Messdaten mindestens des Fahrzeugs 71
und/oder eines weiteren Fahrzeugs 72;
- Bewertung der Qualität zumindest einiger der durch die weiteren
Parametersätze 40 definierten Sigmoidf unktionen mit Hilfe einer Bewertungseinheit 90 basierend auf den weiteren Messdaten 81; - Auswahl mindestens eines weiteren Parametersatzes 43 basierend auf der Bewertung;
- Berechnung der Position x2 des Stauendes auf Basis des mindestens weiteren ausgewählten Parametersatzes 43;
- Senden der Position x2 des Stauendes an ein/das Fahrzeug 71 oder ein/das weitere Fahrzeug 72.
Die Generierung neuer Parametersätze 42 kann dadurch erfolgen, dass die acht Parameter [v,, v2, v3, v4, p p2, p3, P4] pro Parametersatz 41 jeweils mit gewissem Rauschen zufällig leicht verändert werden. Durch diese Maßnahme kann erneut eine Vielzahl unterschiedlicher Parametersätze 42 erzeugt werden. Durch den zuvor ausgewählten Parametersatz 41 repräsentieren die neuen Parametersätze 42 im Vergleich zu den ersten Parametersätzen 40 den
Verkehrszustand in verbesserter und angepasster Form. Durch erneutes Bewerten und Auswählen der Parametersätze 42 kann die Position des Stauendes x2, die in einem ersten Schritt berechnet wurde durch diesen zweiten Schritt noch weiter konkretisiert und exakter bestimmt werden. Das Generieren von neuen
Parametersätzen 42, das Abgleichen und Bewerten dieser neuen Parametersätze 42 mit immer neuen Messdaten 81 kann beliebig oft wiederholt werden. Somit lassen sich die Position x2 und auch die Eigenschaft des Stauendes nicht nur immer exakter bestimmen, sondern werden gleichzeitig auch immer wieder den aktuellen, sich veränderten Gegebenheiten angepasst.
In Fig. 12 ist nochmals in einer anderen Art dargestellt, wie die Position des Stauendes x2 bestimmt werden kann. Die Schätzung des wahrscheinlichsten Parametersatzes 41 erfolgt zyklisch. Zu Beginn wird zufällig bzw. unter
Zuhilfenahme von Staudaten 21 über wahrscheinlichere Parametrierungen - eine große Vielzahl an Parametersätzen 40 mit je acht Parametern [ν,, v2, v3, v4, p2, p3, P4] erzeugt. In einem nächsten Schritt werden die Sigmoidfunktionen des Geschwindigkeitsverlaufs 50 und des Verkehrsdichteverlaufs 60, welche durch je acht Parameter [v,, v2, v3, v4, p p2, p3, p4] eindeutig definiert sind, mit
Zuhilfenahme der Messung 1000 in dem Schritt Bewertung 2000 bewertet.
Parametersätze 40, die der Messung 1000 besser entsprechen bzw. näher an dem real gemessenen Fall liegen, erhalten demzufolge eine höhere Bewertung. In dem Schritt Auswahl 3000 werden die Parametersätze 41 bestimmt, welche weiter verfolgt werden sollen. Anschließend werden die acht Parameter [v,, v2, v3, v4, Ρι, P2, P3, P4] pro gezogenen Parametersatz 41 jeweils mit gewissem Rauschen zufällig leicht verändert. Nun liegt wieder eine Vielzahl von unterschiedlichen Parametersätzen 42 vor. Durch die Messungen 1000 repräsentiert die Vielzahl von Parametersätzen 40 den Verkehrszustand nun besser, wie vor dem
Bewertungsschritt 2000. Kommen zu einem neuen Zeitpunkt weitere Messdaten 81 bzw. mehrere synchrone/ asynchrone Messungen 1000, werden die
Parametersätze 41 vom letzten Zeitschritt auf den jeweiligen neuen Zeitpunkt prädiziert. Dies kann beispielsweise über makroskopische Verkehrsmodelle, welche durch partielle Differentialgleichungen beschrieben sind, geschehen. Auch kann der Schritt der Prädiktion 4000 auch komplett weggelassen werden, wenn das Verrauschen der Parametersätze 42, welches vor oder auch nach der
Prädiktion 4000 angewendet werden kann, ausreichend groß ist, um die Dynamik der Position des Stauendes x2 zu erfassen. Diese Abfolge der Schritte Bewertung 2000, auf Basis der Messung 1000, Auswahl 3000 sowie Prädiktion 4000 erfolgt dabei zyklisch und beliebig oft.
Bezuaszeichen:
10 Rechnereinheit
20 Speicher
21 Staudaten
30 Empfangseinheit
40 Parametersätze
41 Parametersatz
42 weitere Parametersätze
43 weiterer Parametersatz
50 Geschwindigkeitsverlauf
51 Tangente zur Geschwindigkeit vor dem Stauende
52 Steigung der Geschwindigkeitsabnahme
60 Verkehrsdichteverlauf
61 Tangente zur Verkehrsdichte vor dem Stauende
62 Steigung der Verkehrsdichtezunahme
70 Fahrzeugflotte
71 Fahrzeug
72 weiteres Fahrzeug
73 Fahrzeug
74 Fahrzeug 75 Abstandmesseinheit
76 Sendeeinheit
80 Messdaten
81 weitere Messdaten
82 Messdaten
83 Messdaten
90 Bewertungseinheit
100 Server
101 weiterer Server
1000 Messung
2000 Bewertung
3000 Auswahl
4000 Prädiktion
x Positionsdatenangabe
X! Position vor dem Stauende
x2 Position des Stauendes
x3 Position nach dem Stauende
v Geschwindigkeit
dv Gradient der Geschwindigkeitsabnahme über die Zeit p Verkehrsdichte
dp Gradient der Verkehrsdichtezunahme über die Zeit r Absatz zwischen zwei Fahrzeugen
s Länge des Fahrzeugs

Claims

Ansprüche
1. Server (100) zur Bestimmung einer Position (x2) eines Stauendes,
umfassend
- eine Rechnereinheit (10);
- einen Speicher (20);
- eine Empfangseinheit (30) zum Empfangen einer Vielzahl von Messdaten (80), jeweils mit mindestens einer Positionsdatenangabe (x) eines Fahrzeugs (71 ) ;
wobei der Server (100) ausgebildet ist, mit Hilfe wenigstens einer
Sigmoidfunktion und unter Verwendung der empfangenen Messdaten (80) die Position (x2) des Stauendes zu berechnen.
2. Server (100) nach Anspruch 1,
dadurch gekennzeichnet, dass
die Messdaten (80) Daten-Tupel sind und umfassen:
- Verkehrsinformationsdaten; und/oder
- Geschwindigkeitsdaten, die mindestens eine Geschwindigkeit (v) des jeweiligen Fahrzeugs (71 ) angeben; und/oder
- Abstandsdaten, die mindestens einen Abstand (r) zwischen dem
jeweiligen Fahrzeug (71) und einem dem jeweiligen Fahrzeug (71) vorausfahrenden Fahrzeug angeben; und/oder
- Bremshäufigkeitsdaten, die eine Bremshäufigkeit des jeweiligen
Fahrzeugs (71) angeben.
3. Server (100) nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
der Server (100) ausgebildet ist, eine Vielzahl von Parametersätzen (40) zu bestimmen, wobei jeder Parametersatz (40) eine erste Sigmoidfunktion und eine zweite Sigmoidfunktion definiert, wobei die erste Sigmoidfunktion einen Geschwindigkeitsverlauf (50) und die zweite Sigmoidfunktion einen Verkehrsdichteverlauf (60) modelliert.
4. Server (100) nach einem der vorhergehenden Ansprüche,
gekennzeichnet durch,
eine Bewertungseinheit (90), die dazu ausgebildet ist, die Qualität zumindest einer Auswahl einer von dem Server (100) berechneten Vielzahl von Sigmoidf unktionen unter Verwendung zumindest einiger der Messdaten (80) zu bewerten.
5. Server (100) nach einem der vorhergehenden Ansprüche, insbesondere nach Anspruch 4,
dadurch gekennzeichnet, dass
die Bewertungseinheit (90) dazu ausgebildet ist, die Sigmoidf unktionen unter Verwendung eines Partikelfilters und/oder einer Stützvektormaschine und/oder einer Linearen Diskriminanzanalyse zu bewerten.
6. Server (100) nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
der Server (100) von einem weiteren Server (101) Staudaten (21) empfängt, wobei die Staudaten (21) einen Bereich angeben, an dem ein Stau aufgetreten ist, und die Sigmoidf unktion unter Verwendung der Staudaten (21) berechnet wird.
7. System, das einen Server (100) nach einem der vorhergehenden
Ansprüche und Fahrzeuge (71, 72, 73, 74) umfasst, wobei die Fahrzeuge (71, 72, 73, 74) dazu ausgebildet sind, Messdaten (80) an den Server (100) zu übermitteln.
8. System nach Anspruch 7,
dadurch gekennzeichnet, dass
mindestens ein Fahrzeug (71, 72, 73, 74) dazu ausgebildet ist:
- in regelmäßigen Zeitabständen Messdaten (80) zu übermitteln; und/oder
- auf Anfrage seitens des Servers (100) Messdaten (80) zu übermitteln.
9. System nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
der Server (100) dazu ausgebildet ist, aus einer Liste von Fahrzeugen (71, 72, 73, 74) mindestens ein Fahrzeug (71), insbesondere unter Verwendung von Staudaten (21), auszuwählen und das ausgewählte Fahrzeug (71) aufzufordern, Messdaten (80) zu übermitteln.
10. System nach Anspruch 9,
dadurch gekennzeichnet, dass
der Server (100) dazu ausgebildet ist:
a) basierend auf den Staudaten neben einer Verkehrsrichtung vorläufige Position des Stauendes (x2) und/oder eines Stauzentrum und/oder eines Stauanfang zu bestimmen;
b) für eine Vielzahl von Fahrzeugen (71 , 72, 73, 74) Fahrzeugposition (x) und Fahrzeugfahrtrichtung zu bestimmen;
c) unter Verwendung der Fahrzeugposition (x) und der
Fahrzeugfahrtrichtung mindestens ein Fahrzeug (71) auszuwählen, das sich vor der vorläufigen Position des Stauendes (x2) und/oder des Stauzentrums, vorzugsweise vor der vorläufigen Position des
Stauanfangs, befindet und sich auf das Stauende (x2) zubewegt.
11. System nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
das wenigstens eine Fahrzeug (71) mindestens eine Abstandmesseinheit (75) umfasst, die dazu ausgebildet ist, den Abstand (r) zwischen dem Fahrzeug (71) und einem dem Fahrzeug (71) vorausfahrenden Fahrzeug zu messen und der Abstand (r) genutzt wird, um Verkehrsinformationsdaten zu ermitteln und/oder zu übermitteln.
12. System nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet, dass
der Server (100) ausgebildet ist, die berechnete Position (x2) des
Stauendes an Fahrzeuge (71, 72, 73, 74) zu übermitteln.
13. Verfahren zur Bestimmung einer Position (x2) eines Stauendes,
insbesondere mittels eines Servers (100) nach einem der Ansprüche 1 bis 6 und/oder innerhalb eines Systems nach einem der Ansprüche 7 bis 12, umfassend die Schritte:
- Bestimmen einer Vielzahl von Parametersätzen (40), wobei jeder
Parametersatz (40) eine erste Sigmoidfunktion und eine zweite
Sigmoidf unktion definiert, wobei die erste Sigmoidfunktion einen
Geschwindigkeitsverlauf (50) und die zweite Sigmoidfunktion einen Verkehrsdichteverlauf (60) modelliert;
- Empfang von Messdaten (80) mindestens eines Fahrzeugs (71); - Bewertung der Qualität zumindest einiger der durch die Parametersätze (40) definierten Sigmoidfunktionen basierend auf den empfangenen Messdaten (80);
- Auswahl mindestens eines Parametersatzes (41) basierend auf der Bewertung;
- Berechnung der Position (x2) des Stauendes auf Basis des mindestens einen ausgewählten Parametersatzes (41);
- Senden der Position (x2) des Stauendes an ein/das Fahrzeug (71).
14. Verfahren nach Anspruch 13, umfassend die Schritte:
- Generieren, vorzugsweise zufälliges Generieren, von weiteren
Parametersätzen (42) auf Basis des mindestens einen ausgewählten Parametersatzes (41), insbesondere innerhalb von vorgegebenen Variationsintervallen;
- Empfang von weiteren Messdaten (81) mindestens des Fahrzeugs (71) und/oder eines weiteren Fahrzeugs (72);
- Bewertung der Qualität zumindest einiger der durch die weiteren
Parametersätze (40) definierten Sigmoidfunktionen basierend auf den weiteren Messdaten (81);
- Auswahl mindestens eines weiteren Parametersatzes (43) basierend auf der Bewertung;
- Berechnung der Position (x2) des Stauendes auf Basis des mindestens weiteren ausgewählten Parametersatzes (43);
- Senden der Position (x2) des Stauendes an ein/das Fahrzeug (71) oder ein/das weitere Fahrzeug (72).
15. Computerlesbares Speichermedium, das ausführbare Instruktionen
aufweist, welche einen Computer dazu veranlassen, das Verfahren nach Anspruch 13 oder 14 zu implementieren, wenn die Instruktionen ausgeführt werden.
PCT/EP2016/051514 2015-02-24 2016-01-26 Server, system und verfahren zur bestimmung einer position eines stauendes WO2016134901A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2017542826A JP6778203B2 (ja) 2015-02-24 2016-01-26 交通渋滞終端位置を特定するためのサーバ、システム及び方法
CN201680004664.2A CN107111938B (zh) 2015-02-24 2016-01-26 用于确定拥堵末端位置的服务器、系统和方法
US15/666,829 US10269245B2 (en) 2015-02-24 2017-08-02 Server, system, and method for determining a position of an end of a traffic jam

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102015203233.7 2015-02-24
DE102015203233.7A DE102015203233A1 (de) 2015-02-24 2015-02-24 Server, System und Verfahren zur Bestimmung einer Position eines Stauendes

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/666,829 Continuation US10269245B2 (en) 2015-02-24 2017-08-02 Server, system, and method for determining a position of an end of a traffic jam

Publications (1)

Publication Number Publication Date
WO2016134901A1 true WO2016134901A1 (de) 2016-09-01

Family

ID=55236362

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2016/051514 WO2016134901A1 (de) 2015-02-24 2016-01-26 Server, system und verfahren zur bestimmung einer position eines stauendes

Country Status (5)

Country Link
US (1) US10269245B2 (de)
JP (1) JP6778203B2 (de)
CN (1) CN107111938B (de)
DE (1) DE102015203233A1 (de)
WO (1) WO2016134901A1 (de)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7200929B2 (ja) * 2017-03-31 2023-01-10 日本電気株式会社 渋滞推定装置、渋滞推定方法およびそのプログラム
CN109191840A (zh) * 2018-09-13 2019-01-11 电子科技大学 一种基于智能终端的实时交通状况判定方法
JP7215368B2 (ja) * 2019-07-19 2023-01-31 トヨタ自動車株式会社 走行制御装置、走行システムおよび走行プログラム
DE102020204045A1 (de) * 2020-03-27 2021-09-30 Volkswagen Aktiengesellschaft Fahrzeug, Verfahren, Vorrichtung und Computerprogramm für ein Fahrzeug zum Bestimmen einer Verkehrsdichte aus zumindest einem Bewegungsprofil eines Fahrzeuges
US20210347387A1 (en) * 2020-05-07 2021-11-11 Toyota Motor Engineering & Manufacturing North America, Inc. Traffic reconstruction via cooperative perception
US11794787B2 (en) * 2020-10-19 2023-10-24 Ford Global Technologies, Llc Vehicle assist feature control
CN113053108A (zh) * 2020-12-23 2021-06-29 沈阳世纪高通科技有限公司 一种实时识别快速道路上拥堵队尾的方法
CN112927498B (zh) * 2021-01-20 2022-07-29 广州新流向电子科技有限公司 一种基于智慧交通监控的数据分析方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1235195A2 (de) 2001-02-23 2002-08-28 Hitachi, Ltd. Verfahren zur Verkehrszustandsprognose durch mobile Erfassungseinrichtungen
US20070005231A1 (en) 2005-06-29 2007-01-04 Nissan Motor Co., Ltd. Traffic jam detection system and method
US20110102193A1 (en) * 2007-08-29 2011-05-05 Staehlin Ulrich Personalized updating of digital navigation maps
DE102012007367A1 (de) * 2012-04-12 2012-11-08 Daimler Ag Verfahren zur Bestimmung der Verkehrs-/Wetterinformationen für eine Anwendung in den Navigations- und Fahrerassistenzsystemen eines Fahrzeugs
US20140114556A1 (en) * 2012-10-23 2014-04-24 University Of Southern California Traffic prediction using real-world transportation data
CN103914985A (zh) * 2014-04-25 2014-07-09 大连理工大学 一种混合动力客车未来车速轨迹预测方法
US20140368358A1 (en) * 2013-06-18 2014-12-18 Carnegie Mellon University, A Pennsylvania Non-Profit Corporation Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04257009A (ja) * 1991-02-12 1992-09-11 Kokusai Electric Co Ltd モータ速度制御方法
DE10354322B4 (de) * 2003-11-20 2022-06-09 Bayerische Motoren Werke Aktiengesellschaft Verfahren und System zur Ermittlung der Fahrsituation
EP2391038A1 (de) * 2010-05-28 2011-11-30 Harman Becker Automotive Systems GmbH Client-Vorrichtung für Verkehrsinformation
US8855900B2 (en) * 2011-07-06 2014-10-07 International Business Machines Corporation System and method for self-optimizing traffic flow using shared vehicle information
DE102011083677A1 (de) * 2011-09-29 2013-04-04 Bayerische Motoren Werke Aktiengesellschaft Prognose einer Verkehrssituation für ein Fahrzeug
DE102012204098A1 (de) * 2012-03-15 2013-09-19 Continental Automotive Gmbh Verfahren zur Stauerkennung mittels einer drahtlosen Fahrzeug-zu-Fahrzeug-Kommunikation
DE102012204542A1 (de) * 2012-03-21 2013-09-26 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zum Ermitteln eines Verkehrszustandes
DE102013203698B4 (de) * 2013-03-05 2019-05-29 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Geschwindigkeits- und/oder Abstandsregelung bei Kraftfahrzeugen
DE102013014872A1 (de) * 2013-09-06 2015-03-12 Audi Ag Verfahren, Auswertesystem und kooperatives Fahrzeug zum Prognostizieren von mindestens einem Stauparameter
DE102014220935A1 (de) * 2014-10-15 2016-04-21 Continental Automotive Gmbh Verfahren zur Fahrassistenz unter Berücksichtigung einer Signalanlage
US9286797B1 (en) * 2015-01-09 2016-03-15 International Business Machines Corporation Traffic incident location identification
US10032369B2 (en) * 2015-01-15 2018-07-24 Magna Electronics Inc. Vehicle vision system with traffic monitoring and alert
US9569960B2 (en) * 2015-02-24 2017-02-14 Here Global B.V. Method and apparatus for providing traffic jam detection and prediction

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1235195A2 (de) 2001-02-23 2002-08-28 Hitachi, Ltd. Verfahren zur Verkehrszustandsprognose durch mobile Erfassungseinrichtungen
US20070005231A1 (en) 2005-06-29 2007-01-04 Nissan Motor Co., Ltd. Traffic jam detection system and method
US20110102193A1 (en) * 2007-08-29 2011-05-05 Staehlin Ulrich Personalized updating of digital navigation maps
DE102012007367A1 (de) * 2012-04-12 2012-11-08 Daimler Ag Verfahren zur Bestimmung der Verkehrs-/Wetterinformationen für eine Anwendung in den Navigations- und Fahrerassistenzsystemen eines Fahrzeugs
US20140114556A1 (en) * 2012-10-23 2014-04-24 University Of Southern California Traffic prediction using real-world transportation data
US20140368358A1 (en) * 2013-06-18 2014-12-18 Carnegie Mellon University, A Pennsylvania Non-Profit Corporation Smart and scalable urban signal networks: methods and systems for adaptive traffic signal control
CN103914985A (zh) * 2014-04-25 2014-07-09 大连理工大学 一种混合动力客车未来车速轨迹预测方法

Also Published As

Publication number Publication date
JP6778203B2 (ja) 2020-10-28
DE102015203233A1 (de) 2016-08-25
CN107111938A (zh) 2017-08-29
US10269245B2 (en) 2019-04-23
CN107111938B (zh) 2020-12-18
US20170330458A1 (en) 2017-11-16
JP2018511857A (ja) 2018-04-26

Similar Documents

Publication Publication Date Title
WO2016134901A1 (de) Server, system und verfahren zur bestimmung einer position eines stauendes
DE102015111535B4 (de) Algorithmus zur genauen Krümmungsschätzung für die Bahnplanung von autonom fahrenden Fahrzeugen
DE102019120118A1 (de) Vorrichtung und verfahren zum steuern des fahrens eines fahrzeugs
EP2191293B1 (de) Objektklassifizierungsverfahren, einparkhilfeverfahren und einparkhilfesystem
EP2826031B1 (de) Verfahren zur stauerkennung mittels einer drahtlosen fahrzeug-zu-fahrzeug-kommunikation
EP1671196B1 (de) Verfahren und vorrichtung zur fahrspurerkennung für ein fahrzeug
WO2018108559A2 (de) Speicherung von geschwindigkeitsinformationen zur prädiktion der zukünftigen geschwindigkeitstrajektorie
EP1861842A1 (de) Verfahren und vorrichtung zur kollisionswarnung
DE112012000680T5 (de) Verkehrsstauerfassungsgerät und Fahrzeugsteuergerät
DE102011103795A1 (de) Verfahren und System zur Kollisionsbewertung für Fahrzeuge
EP2856452B1 (de) Erkennung von richtungsfahrbahnen
DE102014111951A1 (de) Verfahren zum Warnen eines Fahrers eines Kraftfahrzeugs vor der Anwesenheit eines Objekts in der Umgebung, Fahrerassistenzsystem und Kraftfahrzeug
WO2015135688A1 (de) Vorrichtung und verfahren zum betreiben eines fahrzeugs
EP2662846A1 (de) Verfahren zum Reduzieren einer Staugefahr
DE102016219762A1 (de) Verfahren zum Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
DE102019133970A1 (de) Steuern eines Ego-Fahrzeugs in einer Umgebung einer Vielzahl von Durchfahrten
DE102013016596A1 (de) Verfahren zum Betreiben einer Fahrerassistenzeinrichtung
EP2964503B1 (de) Schätzung der zukünftigen geschwindigkeit und/oder entfernung eines fahrzeugs von einem referenzpunkt und schätzung der zukünftigen beschleunigung
DE102008021380B4 (de) Verfahren und Vorrichtung zum Vorhersagen eines Verlaufs einer Fahrbahn und Fahrerassistenzsystem
EP3279049B1 (de) Steuerungs-system und steuerungs-verfahren zum bestimmen einer fahrbahn
DE102008025707A1 (de) Verfahren und Vorrichtung zum Bestimmen einer Verkehrsführungsinformation für ein Fahrzeug
DE102005003194A1 (de) Fahrerassistenzsystem mit Einrichtung zur Erkennung von stehenden Objekten
DE102014219689A1 (de) Verfahren und Steuergerät zur Fahrspurüberwachung eines Fahrzeugs
DE102013200724A1 (de) Vorhersage eines Fahrmanövers eines Fahrzeugs
DE102017119317A1 (de) Klassifizierung von Umgebungs-Fahrzeugen für eine Abstandsregeltempomat-Vorrichtung in einem Kraftfahrzeug

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: 16701626

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017542826

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 16701626

Country of ref document: EP

Kind code of ref document: A1