CN105474285B - 用于预测至少一个拥堵参数的方法、分析***和车辆 - Google Patents
用于预测至少一个拥堵参数的方法、分析***和车辆 Download PDFInfo
- Publication number
- CN105474285B CN105474285B CN201480045735.4A CN201480045735A CN105474285B CN 105474285 B CN105474285 B CN 105474285B CN 201480045735 A CN201480045735 A CN 201480045735A CN 105474285 B CN105474285 B CN 105474285B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic density
- congestion
- analytic unit
- cooperation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims 1
- 208000027744 congestion Diseases 0.000 description 112
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G08G1/0125—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
- G08G1/0108—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
- G08G1/0137—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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于预测至少一个拥堵参数的方法、分析***和合作车辆。所述方法包括:检测交通密度71-74;检测在检测交通密度71-74时存在的当前位置x,以及把交通密度71-74和当前位置x传送至分析单元60。此外,所述方法还包括:分析交通密度71-74以及提供至少一个拥堵参数。
Description
技术领域
本发明涉及车辆技术领域且提出了一种用于预测至少一个拥堵参数的方法、分析***和合作车辆。
背景技术
DE 10 2008 003 039 A1中描述了一种用于基于测量数据识别交通状况的方法,其中,获取车辆中的测量数据。在此,检测车辆的自身速度、在车辆的周围环境中的其它车辆的距离和相对速度,以便在车辆本身中执行交通状况识别。
此外,已知了用于识别道路网中的交通拥堵的***,其中,使用联网的车辆的位置-和运动数据。在此,基于后端的***架构、例如通信网络内部的服务器使用联网车辆的运动特征。联网车辆的原理已知为概念Floating Car Data(浮动车数据=FCD)。除了拥堵开端和拥堵末端的当前位置外,还可以确定额外的值,例如拥堵中的速度或者交通流的类型。获得的信息可以通过经由无线通信技术的在线服务发布给其它车辆。这种信息提供实现了,对联网车辆来说产生远程的路段预测并已经了解目前为止利用本地环境识别仍未能检测到的情况。信息可用性的一个重要因素是拥堵开端和拥堵末端的位置的精度,因为该位置直接影响了拥堵预测的质量以及与此相关的功能。
在较长的时间曲线走向中观察拥堵末端实现了对拥堵末端的发展的预测并实现了对额外的预测参数、像速度和拥堵末端随着时间流逝进一步发展的方向的估计。这意味着,所述发展已经进行到了人们不仅想要确定拥堵的存在而且也想要确定拥堵的动态参数――例如在某个特定时间点其速度和拥堵开端的地点――的程度。对发展的拥堵情况的精确的预测对交通路线的后续计划来说是重要的。对处于交通流中的车辆来说,碰上拥堵的时间点比在后端架构中检测到拥堵末端的时间点更重要。然而目前为止的预测不能准确到预测出达到拥堵末端的时间点。
发明内容
因此本发明的目的在于,提出一种解决方案,通过该解决方案能够更准确地提供拥堵参数。
该目的借助于用于预测至少一个拥堵参数的方法实现。在此,在所述方法中计划了:检测交通密度;检测在检测交通密度时存在的当前位置;以及把交通密度和当前位置传送至分析单元。此外,所述方法还包括步骤:分析交通密度以及提供至少一个拥堵参数。
此外,本发明的目的利用用于预测至少一个拥堵参数的分析***实现。该分析***包括用于分析交通密度的分析单元。此外,该分析***包括在交通拥堵的进入区域中到至少一个合作车辆的传输连接/传输连接件以及接收单元,以便接收交通密度和合作车辆的当前位置,其中,在检测交通密度时存在合作车辆的当前位置。在此,利用分析单元可分析交通密度。此外,利用分析单元能够提供至少一个拥堵参数。
此外,本发明的目的利用用于提供用于预测至少一个拥堵参数的交通密度的合作车辆实现。该合作车辆包括到分析单元的至少一个传输连接以及用于检测交通密度的检测单元。此外,合作车辆包括一检测单元以用于检测在检测交通密度时存在的当前位置。合作车辆还包括传输单元,用于把交通密度和当前位置通过传输连接传送给分析单元。
由对所述方法已经表达的从属权利要求得到其它优点说明,其中,相应的特征同样适用于根据本发明的分析***和根据本发明的车辆。
本发明从至少一个拥堵参数的预测出发,其中,分析交通密度。在此,交通密度可以理解为每个路段的车辆的数量。考虑装备为合作车辆的车辆以用于记录交通密度。这种合作车辆包括拍摄***/记录***,以便确定在周围环境中存在的其它车辆的位置。在此,例如使用车辆中或上的摄像机,像前部摄像机、后部摄像机或可摆动摄像机作为拍摄***。此外,还可以使用雷达***。
合作车辆可以进行至其它合作车辆的无线通信连接。此外,合作车辆可以进行与固定安装的设备之间的无线通信联系,例如进行与中心分析单元或者收集和传送交通数据的安装的桥行路标牌之间的无线通信联系。合作车辆既可以确定至其它相邻车辆的距离也可以确定其速度。相邻车辆理解为在合作车辆的周围环境中移动的或静止的车辆。因此合作车辆也可以确定周围车辆的数量并额外地确定其参数,例如速度、行驶方向和其当前位置。总之合作车辆配备了环境传感装置,有利地配备了摄像机、前部雷达和/或车尾雷达。
使用交通密度用于拥堵预测相对于目前已知的使用其它参数的方法特别有利。在这种情况下,可以进行真正的预测,也就是说以展望方式预测拥堵。
有利地,拥堵参数可以是拥堵开端和/或拥堵末端的位置。这是确定的拥堵参数,所述拥堵参数可以由中心分析单元或由合作车辆本身确定。因为合作车辆也可以彼此通信,所以可以由其它车辆收集用于拥堵预测的参数并在自身车辆中进行分析。然而,同样有利的是,由中心单元承担该任务,因为中心单元与单独的合作车辆相比具有更好的总览性和/或更大的计算功率。
为了预测至少一个拥堵参数,由合作车辆(也称为参与车辆)借助于加权参数,例如由自身速度、能够利用环境传感装置检测到的车辆的数量、这些车辆的速度和至这些车辆的距离、合作车辆(也称为具有Car2x能力的车辆)的数量在确定的区域中得到一用于交通流量或交通密度的值。参与拥堵参数预测的合作车辆越多,则预测会更准确。由该因素中的一个或多个确定合作车辆中的交通密度并和其当前位置一起通过无线通信连接,例如利用Car2x***发布给作为分析***的中心单元——例如服务器——和/或发布给其它合作车辆。因此可以在中心单元上计算极准确的交通密度信息。此外,合作车辆可以提早地实现待预计的交通流量的图像。
中心单元、例如服务器可以总结所有被传送的信息并包括关于在确定的区域中当前的交通流的极其准确的信息。越多的车辆同时对在确定的位置x的总交通密度值作出贡献,则该交通密度值的质量或品质越高。总密度值由单个的、被各个合作车辆传送给中心单元的交通密度值组成。在此,各个车辆的交通密度值会包括质量因数,以便例如考虑所传送的信息的质量。由合作车辆所传送的交通密度值的质量例如取决于在合作车辆中所用的检测***、检测***的技术阶段和其模型完成质量。
中心单元由得到的各个合作车辆的交通密度值确定一近似函数。该近似函数表明了在路段走向上的交通流量。基于数字道路地图,可以使用用于修正拥堵预测的参数。在此,还可以考虑驶入和驶离道路的信息、例如高速公路十字路口。各个路径、例如驶入和驶离道路考虑了交通流的方向并可以进行可能性加权。
由交通信息和路径可能性――在驶入拥堵或驶离拥堵时――可以确定直至自己到达的时间点的拥堵发展。
有利地,在交通拥堵的进入区域中执行交通密度的检测。在进入拥堵末端的入口中的交通流量是用于直至自身车辆真正到达拥堵处的时间点的拥堵的继续发展的重要指标。相应地,有利地确定当前自身位置的直至拥堵末端的交通流量的走向。在此,自身位置指的是合作车辆的位置,所述合作车辆想对驶向拥堵末端做好准备。一种准备能够以用于拥堵备用路线的建议的形式出现或者是何时达到拥堵末端的信息。
此外,可以在分析交通密度时考虑至少一个流入参数。该流入参数在拥堵的流入区域中确定并例如是自身车辆的速度、陌生车辆的速度,例如即使所述陌生车辆不是合作车辆,其仍被检测。
此外,在分析交通密度时可以考虑历史数据。可以根据当前的时间曲线走向在使用历史数据的情况下预测拥堵位置、即拥堵的开端和末端。在此,可以把当前的时间曲线走向与来自过去的合适的时间曲线走向相比较,像相同的钟点、相同的工作日等。如果在时间上重叠的范围内,时间曲线走向一致,则可以根据过去的时间曲线走向预测将来的拥堵发展。在当前和历史数据组之间存在均匀的偏差时,可以通过向历史数据组添加恒定的偏移量、也就是说恒定的值来对当前情况的时间曲线走向进行外推。在突然的随机的偏差下可以考虑额外的交通信息,像交通事故、庆祝活动等和/或根据确定的历史的到期时间完成在潜在的拥堵末端中直至自身车辆到达时对拥堵消除的预测。
此外可以在分析交通密度时对可能的拥堵备用路径进行可能性加权。对拥堵备用路径的计算可以考虑车辆的要到达的行驶目的地,例如基于历史数据或基于导航仪中的输入。此外,可以基于历史数据预言,多少车辆可能出于习惯会使用所述拥堵备用路径,而不是针对真正的拥堵作出反应。这表示,同样考虑本来就要驶过该路径且不碰到拥堵的车辆的流。
同样可以在分析交通密度时考虑质量因数。可以在分析交通密度时考虑车辆特有的质量指标。为了考虑安装在合作车辆中的传感器***的不同的质量水平,可以和交通密度值一起把车辆特有的质量指标传送至中心单元、例如服务器和/或其它车辆。通过这种方式可以考虑车辆中的不同的技术传感器状态。换句话说,可以通过车辆特有的质量指标考虑不同的技术阶段。如果在随后的时间点有更准确的传感器***供使用,则可以使这种车辆的指标的优先级高于具有较旧的或更容易出错的***的车辆的指标。通过这种方式考虑了,与在较旧的车辆中较旧的技术相比,在新的车辆中的较新的技术以较高的测量精度确定参数。
附图说明
下面借助于示例性的实施例描述本发明以及其改进方案。如下附图是示意性的且未按照比例尺。
图1:示出包括车辆的一种拥堵情况的第一实施例,其中,进行对至少一个拥堵参数的预测;以及
图2:示出一种拥堵情况的第二实施例,其中,基于对拥堵参数的预测提出用于绕过拥堵的备用路径。
具体实施方式
图1示出包括多个车辆11-22的第一拥堵情况10,其中,第一组车辆11-16处于朝向拥堵的进入区域31中,以及其中,第二组车辆17-22已经处于拥堵区域32中。示意性示出进入区域31和拥堵区域32。在进入区域31中,车辆11-16仍包括以较高速度行驶的可能性,而在拥堵区域32中,车辆17-22通过拥堵的缓慢的前进运动或拥堵的静止预先给定了一种速度。因此,车辆11-16明显比车辆17-22运动得更快。现在对进入区域31中的车辆11-16来说感兴趣的是,了解一些关于即将发生的拥堵和其参数的情况。拥堵参数例如是拥堵开端的地点。
在该例子中,从车辆11的角度描述用于预测拥堵参数的示例性方法。车辆11,以及车辆12、15和18设计为合作车辆。这表示,它们会参与用于预测拥堵参数的方法。这些车辆11、12、15、18配备了分别至少一个检测单元41-44以用于检测交通密度,例如配备了分别一个摄像机。此外,这些车辆11、12、15、18分别配备了传输单元51-54,所述传输单元实现了,把确定的交通密度和同时确定的相应的车辆11、12、15、18的位置通过传输连接61传送给中心分析单元60。该中心分析单元60在此设计为位置固定的服务中心中的单元。该服务中心例如由一个或多个汽车制造商运行并用作对其客户的服务。
合作车辆彼此无关地检测交通密度,所述交通密度在其当前情况下存在于车道上。在此,合作车辆同时也检测其当前位置,因为交通密度取决于每个单个的车辆的位置。因此,例如车辆12确定与已经处于拥堵中的车辆18不同的交通密度的值。因为交通密度定义为每个路段的车辆,所以与车辆12相比,车辆18确定直至其相邻车辆的更小的距离。因此,车辆18的确定的交通密度比车辆12的确定的交通密度大。
交通密度的确定在图1中在所附的图表70中示出。在此,在x轴上给出车辆的位置x或者地点x,而在y轴上绘出交通信息。标记出的位置71、72、73、74是车辆11、12、15、18的确定的交通密度值。虚线表明确定的交通密度与相应的车辆11、12、15、18之间的关联。合作车辆的确定的交通密度71-74处于近似曲线75上,所述近似曲线可以在中心由单元60在分析交通密度71-74时确定。交通密度71-74由各个车辆的多次测量——即相应对处于确定的车辆的摄像机的视野中的相邻车辆的测量而得到。在此在确定中考虑至相邻车辆的距离。此外,可以进行权衡,是否确定在自身车辆之前或之后的相邻车辆。
自身车辆的确定的交通密度考虑所有的利用自身车辆的安装的检测***可检测到的相邻的车辆。因此,交通密度是对在确定交通密度的车辆的周围环境中检测到的车辆的总结。单个车辆的交通密度的该确定的值理解为交通密度71-74。此外,可以总结用于地点x的不同车辆的多个确定的交通密度,例如由中心单元60总结,所述中心单元在时间上与多个车辆错开地利用所述车辆的位置收集单个交通密度71-74。多个车辆的各个确定的交通密度的总结的值则是交通密度的总值或总交通密度值,所述总值或总交通密度值由中心单元60确定且由合作车辆直接或间接作为信息提供。
确定的交通密度71-74可以说明为比较数量,例如在0至10的值范围内,其中,值0表示自由行驶,从值4开始存在进入拥堵,以及从值7开始存在拥堵情况。
车辆11例如确定交通密度值4,因为利用后部摄像机未识别到其它车辆且利用前部摄像机识别到车辆12和车辆13。车辆12例如确定了交通密度值5,因为利用后部摄像机识别到车辆11且利用前部摄像机识别到两个车辆14和13。沿前部方向的其它车辆被已经识别的车辆遮住且未被识别。车辆15和车辆12一样同样确定了例如交通密度值5,因为利用后部摄像机识别到车辆14和13且利用前部摄像机识别到车辆16。车辆15确定和车辆12相同的交通密度值,检测到总共三个车辆。车辆18已经处于拥堵区域32中且检测到四个车辆,即利用后部摄像机检测到车辆17和20,以及利用前部摄像机检测到车辆19和22。车辆21位于车辆18的侧面且可以被可摆动的摄像机检测到。所述车辆确定了交通密度值10,因为至确定的相邻车辆的距离小且车辆18的速度为零,因为该车辆和其相邻车辆都处于拥堵区域32中。如果存在车辆18的速度,则这可以进入对交通密度的确定中,从而例如会得到较小的值9。
在该例子中,交通密度的确定在每个单个合作车辆中进行且从这些车辆分别连同当前的车辆位置——例如以GPS数据的形式——一起传送至分析单元60并在那里由检测单元62或接收单元62接收。在那里收集数据并分析一个或多个拥堵参数。
在分析交通密度信息之后,分析单元60可以利用传输单元63为合作车辆11、12、15、18提供一个或多个拥堵参数。在此,作为拥堵参数可以考虑拥堵末端的地点、拥堵开端的地点、在拥堵的进入区域31中的平均速度、在真正的拥堵区域32中的平均速度以及在拥堵进入区域内和在达到拥堵开端之前可能的备用路径。对不同的拥堵参数的兴趣对每个车辆来说可能是不同的。例如,对车辆11来说感兴趣的是,在到达拥堵末端之前是否仍存在备选路线的绕道可能性。相反对车辆18来说感兴趣的是,拥堵开端位于哪个地点且车辆18仍需多长时间才能离开拥堵。
图2示出第二拥堵情况40的第二实施例,其中,以包括来自图1的第一实施例的车辆11-22的交通流量为出发点。图2示出一种在时间上在图1的情况之后的交通情况。在此,车辆16已经驶向拥堵且形成区域32中的拥堵末端。两个车辆19和32像从前一样形成区域32中的拥堵开端。合作车辆15仍位于拥堵的进入区域31中,然而不能行驶到其它备选路线,因为之前不存在沿行驶方向用于拥堵备选路径的支路。现在通过中心单元60向车辆15警告拥堵,以便阻止其以高速度接近拥堵末端。中心单元60向车辆15传送拥堵的相对位置,例如相对于车辆15的目前位置在500米后的拥堵。此外,中心单元60通知车辆15,其在约11秒后将达到拥堵末端。
用于合作车辆11和12的情况与图2中合作车辆15的情况不同。对两个车辆11、12来说,仍得到用于避免所述拥堵的绕路可能性。拥堵备用路径80位于两个车辆11和12的行驶方向中。中心单元60分别为车辆11和12在相应考虑其行驶目的地的情况下计算,拥堵备用路径80是否适合,以便更快地到达期望的目的地。
对车辆12来说,拥堵备用路径80不是有利的,因为中心单元60在确定用于该拥堵备用路径80的交通密度时已经考虑了历史数据以及已经考虑了用于车辆12的随后必要的路线81。中心单元60得到一种结果,即在此时的白天时间中对车辆12来说不使用拥堵备用路径在时间上更有利,因为在该拥堵备用路径上像在拥堵区域32中一样很可能形成一拥堵,该拥堵比拥堵区域32的拥堵明显更长。
图2的情况对车辆11来说与对车辆12来说不同。车辆11具有和车辆12不同的行驶目的地。根据中心单元60的建议,其可以驶过拥堵备用路径80,因为随后得到另一个行驶路线82。该行驶路线82不是和在车辆12中一样驶入另一个拥堵中,而是驶入无拥堵的道路中,所述无拥堵的道路在给定的时间点很少被驶过。车辆12尽管也可以使用该道路,然而必须进行很大的绕路,所述绕路将需要比驶过区域32的拥堵更长的时间。
总之实现了将来拥堵位置的更准确的预测,因为考虑到了用于评价交通情况和其发展的交通密度。联网车辆或合作车辆的原理——即也称为Floating Car Data(浮动车数据=FCD)——可以借助于所提出的方法加以改进。
Claims (8)
1.一种用于预测至少一个拥堵参数的方法,所述方法包括:
-利用合作车辆(11、12、15、18)的检测单元(41-44)确定交通密度(71-74);
-检测在检测交通密度(71-74)时存在的、合作车辆(11、12、15、18)的当前位置(x);
-把交通密度(71-74)和当前位置(x)传送至分析单元(60);
-利用分析单元分析交通密度(71-74);以及
-利用分析单元提供至少一个拥堵参数,
其特征在于,
在分析交通密度(71-74)时考虑历史数据,其中,把当前的时间曲线走向与历史时间曲线走向相比较,其中,在当前和历史数据之间存在均匀的偏差时,通过向历史数据添加恒定的值来对当前情况的时间曲线走向进行外推,
在分析交通密度(71-74)时考虑车辆特有的质量指标。
2.根据权利要求1所述的方法,其中,所述历史时间曲线与当前的时间曲线具有相同的钟点和/或相同的工作日。
3.根据权利要求1或2所述的方法,其中,拥堵参数是拥堵开端和/或拥堵末端的位置。
4.根据权利要求1或2所述的方法,其中,在交通拥堵的进入区域(31)中执行交通密度(71-74)的检测。
5.根据权利要求1或2所述的方法,还包括:
在分析交通密度(71-74)时考虑至少一个流入参数。
6.根据权利要求1或2所述的方法,还包括:
在分析交通密度(71-74)时对可能的拥堵备用路径(80)进行可能性加权。
7.一种用于预测至少一个拥堵参数的分析***,所述分析***包括:
-用于提供交通密度(71-74)的合作车辆(11、12、15、18);
-用于分析交通密度(71-74)的分析单元(60);和
-从合作车辆(11、12、15、18)到分析单元(60)的传输连接(61)和从分析单元(60)到合作车辆(11、12、15、18)的传输连接;其中
-合作车辆(11、12、15、18)具有用于确定交通密度(71-74)和在检测交通密度(71-74)时存在的、合作车辆(11、12、15、18)的当前位置的检测单元(41-44),以及用于把交通密度(71-74)和当前位置(x)通过传输连接传送给分析单元(60)的传输单元(51-54),其中
-分析单元(60)具有接收单元(62),该接收单元设计为用于,接收交通密度(71-74)和合作车辆(11、12、15、18)的当前位置(x),其中,
利用分析单元(60)能分析交通密度(71-74);以及其中,
利用分析单元(60)能提供至少一个拥堵参数,
其特征在于,
分析单元设计为用于,根据历史数据分析交通密度(71-74),其中,分析单元还设计为用于,把当前的时间曲线走向与历史时间曲线走向相比较,其中,在当前和历史数据之间存在均匀的偏差时分析单元还设计为用于,通过向历史数据添加恒定的值来对当前情况的时间曲线走向进行外推,在分析交通密度(71-74)时考虑车辆特有的质量指标。
8.根据权利要求7所述的分析***,其中,所述历史时间曲线与当前的时间曲线具有相同的钟点和/或相同的工作日。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013014872.3 | 2013-09-06 | ||
DE102013014872.3A DE102013014872A1 (de) | 2013-09-06 | 2013-09-06 | Verfahren, Auswertesystem und kooperatives Fahrzeug zum Prognostizieren von mindestens einem Stauparameter |
PCT/EP2014/002401 WO2015032499A1 (de) | 2013-09-06 | 2014-09-04 | Verfahren, auswertesystem und fahrzeug zum prognostizieren von mindestens einem stauparameter |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105474285A CN105474285A (zh) | 2016-04-06 |
CN105474285B true CN105474285B (zh) | 2017-09-01 |
Family
ID=51494262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480045735.4A Active CN105474285B (zh) | 2013-09-06 | 2014-09-04 | 用于预测至少一个拥堵参数的方法、分析***和车辆 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9805594B2 (zh) |
EP (1) | EP3042368B1 (zh) |
CN (1) | CN105474285B (zh) |
DE (1) | DE102013014872A1 (zh) |
WO (1) | WO2015032499A1 (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015052953A1 (ja) * | 2013-10-08 | 2015-04-16 | 日本電気株式会社 | 車両誘導システム、車両誘導方法、管理装置およびその制御方法 |
DE102015203233A1 (de) | 2015-02-24 | 2016-08-25 | Bayerische Motoren Werke Aktiengesellschaft | Server, System und Verfahren zur Bestimmung einer Position eines Stauendes |
US9576481B2 (en) | 2015-04-30 | 2017-02-21 | Here Global B.V. | Method and system for intelligent traffic jam detection |
DE102015217793A1 (de) * | 2015-09-17 | 2017-03-23 | Volkswagen Aktiengesellschaft | Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Stauinformation über eine Fahrzeug-zu-Fahrzeug-Schnittstelle |
DE102015217792B4 (de) * | 2015-09-17 | 2022-07-14 | Volkswagen Aktiengesellschaft | Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Information über ein Stauende über eine Fahrzeug-zu-Fahrzeug-Schnittstelle |
EP3236446B1 (en) * | 2016-04-22 | 2022-04-13 | Volvo Car Corporation | Arrangement and method for providing adaptation to queue length for traffic light assist-applications |
US9965950B2 (en) * | 2016-06-03 | 2018-05-08 | Here Global B.V. | Method and apparatus for classifying a traffic jam from probe data |
US10043385B2 (en) * | 2016-06-06 | 2018-08-07 | United States Cellular Corporation | Configuring traffic control device switch timing intervals using mobile wireless device-provided traffic information |
CN107578632A (zh) * | 2016-07-05 | 2018-01-12 | 奥迪股份公司 | 交通密度检测***、交通工具及方法 |
US10908607B2 (en) * | 2017-11-30 | 2021-02-02 | Ford Global Technologies, Llc | Enhanced traffic jam assist |
US10599929B2 (en) | 2018-01-04 | 2020-03-24 | Motionloft, Inc. | Event monitoring with object detection systems |
CN108615408A (zh) * | 2018-04-09 | 2018-10-02 | 谷坤明 | 一种基于距离传感器以及物联网技术的智能行车辅助*** |
CN108399778A (zh) * | 2018-05-08 | 2018-08-14 | 深圳市易成自动驾驶技术有限公司 | 群体智能拥堵提示方法、***及计算机可读存储介质 |
DE102018213378B4 (de) * | 2018-08-09 | 2021-01-28 | Bayerische Motoren Werke Aktiengesellschaft | Fahrassistenzsystem für ein Fahrzeug, Fahrzeug mit demselben und Fahrassistenzverfahren für ein Fahrzeug |
JP7131433B2 (ja) * | 2019-02-26 | 2022-09-06 | トヨタ自動車株式会社 | 車載用情報処理装置、車両間情報処理システム、及び情報処理システム |
CN110288824B (zh) * | 2019-05-20 | 2020-12-01 | 浙江工业大学 | 基于Granger causality路网早晚高峰拥堵状况和传播机制分析方法 |
US11488470B2 (en) | 2020-11-06 | 2022-11-01 | Imam Abdulrahman Bin Faisal University | System and method for real-time assessment of traffic stream flow characteristics |
DE102021201063B4 (de) | 2021-02-04 | 2024-07-11 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben eines Systems für ein zumindest teilweise assistiert betriebenes Kraftfahrzeug, Computerprogrammprodukt sowie System |
US11749108B2 (en) * | 2021-03-31 | 2023-09-05 | Honda Motor Co., Ltd. | System and method for lane level traffic state estimation |
US20230136374A1 (en) * | 2021-10-28 | 2023-05-04 | Toyota Motor Engineering & Manufacturing North America, Inc. | Monitoring a traffic condition of stopped or slow moving vehicles |
US20230230471A1 (en) * | 2022-01-14 | 2023-07-20 | Toyota Motor Engineering & Manufacturing North America, Inc. | Cooperative traffic congestion detection for connected vehicular platform |
CN117315934A (zh) * | 2023-09-25 | 2023-12-29 | 阜阳交通能源投资有限公司 | 基于无人机的高速公路车流量实时监测及拥堵预测*** |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0908861A3 (de) * | 1997-09-16 | 2000-08-23 | Siemens Aktiengesellschaft | Verfahren zur Ermittlung von Verkehrsinformationen |
DE10036789A1 (de) * | 2000-07-28 | 2002-02-07 | Daimler Chrysler Ag | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen |
DE10043797A1 (de) | 2000-09-06 | 2002-03-28 | Daimler Chrysler Ag | Integriertes Verkehrsüberwachungssystem |
DE10057796B4 (de) * | 2000-11-22 | 2007-12-27 | Daimlerchrysler Ag | Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose |
DE10062856B4 (de) | 2000-12-16 | 2008-01-10 | Daimlerchrysler Ag | Verfahren zur fahrzeugindividuellen Verkehrsprognose |
DE10063763A1 (de) * | 2000-12-21 | 2002-07-25 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Erzeugung und Ausgabe von streckenbezogenen Routeninformationen |
US7698055B2 (en) | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
DE102006001354A1 (de) | 2006-01-11 | 2007-07-12 | Daimlerchrysler Ag | Verfahren zur prognosegestützten Stauüberwachung in einem Fahrzeug |
DE102006004130B4 (de) * | 2006-01-27 | 2012-02-16 | Audi Ag | Verfahren zur Bestimmung eines zukünftigen Straßenverlaufs durch Kommunikaiton zwischen Kraftfahrzeugen |
US8180297B2 (en) | 2006-10-25 | 2012-05-15 | Continental Teves Ag & Co. Ohg | Establishment of communications connections between vehicles |
DE102007050154A1 (de) | 2007-10-19 | 2009-04-23 | Siemens Ag | Prognosesystem zum Vorhersagen von Fahrzeiten, fahrzeuggestütztes Routenplanungssystem, Verkehrsinformationssystem und -verfahren |
DE102008003039A1 (de) | 2008-01-02 | 2009-07-09 | Daimler Ag | Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug |
CN101290713A (zh) | 2008-07-11 | 2008-10-22 | 浙江工业大学 | 一种结合周相似特性的分形交通流预测方法 |
CN101325004B (zh) | 2008-08-01 | 2011-10-05 | 北京航空航天大学 | 一种实时交通信息的数据补偿方法 |
EP2166524B1 (en) * | 2008-09-17 | 2016-03-30 | Harman Becker Automotive Systems GmbH | Method for displaying traffic density information |
DE102009008745B4 (de) | 2009-02-12 | 2020-12-24 | Volkswagen Ag | Verfahren und System zur automatischen Verkehrsführung |
CN101694743B (zh) | 2009-08-25 | 2011-09-21 | 北京世纪高通科技有限公司 | 预测路况的方法和装置 |
DE102009029531A1 (de) | 2009-09-17 | 2011-03-24 | Robert Bosch Gmbh | Einschätzung der Straßenverkehrsdichte bei Kraftfahrzeugen |
DE102011083677A1 (de) * | 2011-09-29 | 2013-04-04 | Bayerische Motoren Werke Aktiengesellschaft | Prognose einer Verkehrssituation für ein Fahrzeug |
DE102012009822A1 (de) * | 2012-05-18 | 2012-11-29 | Daimler Ag | Verfahren zur Ermittlung einer Größe zur Beschreibung eines lokalenVerkehrs |
-
2013
- 2013-09-06 DE DE102013014872.3A patent/DE102013014872A1/de not_active Withdrawn
-
2014
- 2014-09-04 CN CN201480045735.4A patent/CN105474285B/zh active Active
- 2014-09-04 WO PCT/EP2014/002401 patent/WO2015032499A1/de active Application Filing
- 2014-09-04 US US14/917,159 patent/US9805594B2/en active Active
- 2014-09-04 EP EP14761580.1A patent/EP3042368B1/de active Active
Also Published As
Publication number | Publication date |
---|---|
WO2015032499A1 (de) | 2015-03-12 |
CN105474285A (zh) | 2016-04-06 |
EP3042368A1 (de) | 2016-07-13 |
US20160210852A1 (en) | 2016-07-21 |
EP3042368B1 (de) | 2017-06-21 |
DE102013014872A1 (de) | 2015-03-12 |
US9805594B2 (en) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105474285B (zh) | 用于预测至少一个拥堵参数的方法、分析***和车辆 | |
US11525690B2 (en) | Spatiotemporal lane maneuver delay for road navigation | |
US8175800B2 (en) | Route guidance system and route guidance method | |
JP5234691B2 (ja) | ナビゲーション装置、プローブ情報送信方法、プログラム及び交通情報作成装置 | |
CN101965601B (zh) | 驾驶辅助装置及驾驶辅助方法 | |
Rahmani et al. | Path inference from sparse floating car data for urban networks | |
CN107784835B (zh) | 基于交通数据分析的交通状态模式预测***及其预测方法 | |
CN109074737A (zh) | 安全驾驶辅助***、服务器、车辆、以及程序 | |
JP4809321B2 (ja) | 交通情報算出装置、交通情報算出プログラム及び交通情報算出方法 | |
CN109387212A (zh) | 信息处理***以及信息处理方法 | |
KR100820467B1 (ko) | 도로 차선 종류를 고려한 구간 교통량 예측 시스템 및 그방법 | |
US20070106460A1 (en) | Route guidance system, methods and programs | |
JP5424754B2 (ja) | リンク旅行時間算出装置及びプログラム | |
JP4811063B2 (ja) | 交通データ算出システム | |
CN112602128A (zh) | 道路交通导航*** | |
CN109074728A (zh) | 推荐行驶速度提供程序、行驶支持***、车辆控制设备和自动行驶车辆 | |
JP2003281674A (ja) | 交通情報処理方法及び交通情報処理システム | |
JP2011085431A (ja) | 走行特性データ生成装置,車載装置及び車載情報システム | |
Sauerländer-Biebl et al. | Evaluation of a transport mode detection using fuzzy rules | |
JP3775394B2 (ja) | 走行リンク確定システム及びリンク旅行時間計測システム | |
CN114207627A (zh) | 用于路径规划***的极端情况检测和收集 | |
JP2013206325A (ja) | 交通情報予測装置、交通情報予測方法及びコンピュータプログラム | |
JP4357983B2 (ja) | 遅れ時間推定装置、遅れ時間推定方法、遅れ時間推定システムおよび遅れ時間推定プログラム | |
JP2014122859A (ja) | 道路情報収集装置及び道路情報収集プログラム | |
JP7276067B2 (ja) | 走行支援システム、走行支援方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Germany Ingolstadt Co-patentee after: Volkswagen Automotive Co.,Ltd. Patentee after: AUDI AG Address before: Germany Ingolstadt Co-patentee before: Volkswagen AG Patentee before: Audi AG |