DE10062856A1 - Verfahren zur fahrzeugindividuellen Verkehrsprognose - Google Patents
Verfahren zur fahrzeugindividuellen VerkehrsprognoseInfo
- Publication number
- DE10062856A1 DE10062856A1 DE2000162856 DE10062856A DE10062856A1 DE 10062856 A1 DE10062856 A1 DE 10062856A1 DE 2000162856 DE2000162856 DE 2000162856 DE 10062856 A DE10062856 A DE 10062856A DE 10062856 A1 DE10062856 A1 DE 10062856A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic
- vehicle
- forecast
- data
- status
- 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.)
- Granted
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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
Die Erfindung bezieht sich auf ein Verfahren zur fahrzeugindividuellen Verkehrsprognose, bei dem fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Verkehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug relevanten zukünftigen Verkehrszustands mittels eines Verkehrszustandsprognosealgorithmus herangezogen werden. DOLLAR A Erfindungsgemäß werden die laufend gewonnenen Verkehrszustandsdaten mit dem ermittelten Verkehrszustand und/oder dem für den betreffenden Zeitpunkt früher prognostizierten Verkehrszustand verglichen, um den Verkehrszustandsermittlungs- und/oder den Verkehrszustandsprognosealgorithmus zu aktualisieren. Mit dem dynamischen Verkehrszustandsprognosealgorithmus werden individualisierbare Verkehrszustandsobjekte erkannt und in ihrer zeitlich-räumlichen Entwicklung prognostiziert, wobei zusätzlich von anderen Fahrzeugen gewonnene Verkehrszustandsdaten berücksichtigt werden. DOLLAR A Verwendung z. B. zur fahrzeugindividuellen dynamischen Verkehrszustandsprognose für Straßenverkehrsnetze.
Description
Die Erfindung bezieht sich auf ein Verfahren zur fahrzeugindi
viduellen Verkehrsprognose nach dem Oberbegriff des Anspruchs
1. Bei diesem Verfahren werden in einem jeweiligen Fahrzeug
laufend Verkehrszustandsdaten gewonnen und für eine Ermittlung
des zugehörigen aktuellen Verkehrszustands mittels eines Ver
kehrszustandsermittlungsalgorithmus und für eine Prognose des
für das jeweilige Fahrzeug relevanten zukünftigen Verkehrszu
stands mittels eines Verkehrszustandsprognosealgorithmus he
rangezogen.
Verfahren zur Verkehrszustandsprognose oder kurz Verkehrsprog
nose sind in vielen verschiedenen Ausführungen gebräuchlich,
insbesondere zur Prognose des Verkehrszustands auf Straßenver
kehrsnetzen. Die allermeisten dieser Verfahren benutzen eine
oder mehrere stationäre Verkehrszentralen, da sich in diesen
problemlos hohe Rechnerkapazitäten installieren lassen, und
berücksichtigen den aktuellen Verkehrszustand. Dazu werden
entsprechende Verkehrszustandsdaten, d. h. Datenwerte eines
oder mehrerer vorgebbarer Verkehrszustandsparameter, wie mitt
lere Fahrzeuggeschwindigkeit, Zeitabstand zwischen Fahrzeugen,
Verkehrsdichte und Verkehrsfluss, durch fahrzeugseitige Mittel
z. B. in Form sogenannter FCD ("Floating Car Data") oder durch
stationäre streckenseitige Detektoren gewonnen, bei Bedarf
durch geeignete Auswertemittel zu zeitabhängigen Funktionsver
läufen aufbereitet oder in anderer Weise verarbeitet und in
Rohdatenform oder entsprechend weiterverarbeiteter Form an die
Zentrale übermittelt. Diese führt die Verkehrsprognose auf der
Basis der empfangenen und gegebenenfalls auch auf der Basis
von historischen, d. h. vorab z. B. empirisch gewonnenen Verkehrsinformationen
durch und übermittelt den aktuellen und den
prognostizierten Verkehrszustand über geeignete Kommunikati
onsmittel, wie Mobilfunknetze, Rundfunkkanäle etc., an das je
weilige Fahrzeug. Dort können die Verkehrsprognosedaten zu
verschiedenen Zwecken verwendet, z. B. zur Zielführung. Derar
tige zentralenbasierte Verfahren und Vorrichtungen zur Ver
kehrsprognose sind z. B. in den Offenlegungsschriften DE 196 47 127 A1,
DE 197 25 556 A1, DE 197 53 034 A1 und DE 197 54 483 A1
sowie der älteren deutschen Patentanmeldung 199 44 077.8
beschrieben.
Historische Verkehrsinformationen können insbesondere in Form
sogenannter Ganglinien vorliegen, die üblicherweise empirisch
gewonnen werden und orts- und zeitaufgelöst typische, in der
Regel zu erwartende Werte für den oder die berücksichtigten
Verkehrszustandsparameter beinhalten, insbesondere abhängig
vom aktuellen Fahrzeugort, der Fahrtrichtung, der Uhrzeit, dem
Wochentag und dem Fahrzeugziel.
In der älteren deutschen Patentanmeldung 199 44 075.1 ist ein
auch für Prognosen geeignetes Verfahren zur Überwachung des
Verkehrszustands in einem Verkehrsnetz mit einer oder mehreren
sogenannten effektiven Engstellen beschrieben, das auf der Er
kennung typischer sogenannter Muster dichten Verkehrs strom
aufwärts einer jeweiligen effektiven Engstelle basiert. Zur
Verkehrsprognose wird für das jeweilige Muster dichten Ver
kehrs der aktuelle Fahrzeugzufluss erfasst, und die aktuellen
Flankenpositionen zwischen verschiedenen Musterbereichen, in
denen der Verkehrszustand unterschiedliche, individualisierba
re Zustandsphasen aufweist, und die zeitlich-räumliche Dynamik
dieser Flankenpositionen werden bestimmt. Anhand dieser Ein
gangsdaten wird aus abgespeicherten Musterprofilen ein best
passendes Musterprofil ausgewählt und der Verkehrsprognose im
betreffenden Streckenbereich zugrundegelegt. Ein ähnliches
Verfahren, das auf der Basis von FCD-Verkehrsdaten Muster
dichten Verkehrs an effektiven Engstellen insbesondere von
Schnellstraßennetzen erkennt, ist in der älteren deutschen Patentanmeldung
100 36 789.5 beschrieben. Verfahren zur Erken
nung effektiver Engstellen sowohl in Schnellstraßennetzen als
auch in Verkehrsnetzen von Ballungsräumen sind in der älteren
deutschen Patentanmeldung 100 36 792.5 beschrieben. In Bal
lungsraum-Verkehrsnetzen ist die Verkehrsdynamik typischerwei
se durch Verkehrsregelungsmaßnahmen an verkehrsgeregelten
Netzknoten dominiert, wobei sich typische Verkehrsmuster in
Form von Warteschlangen vor den verkehrsgeregelten Netzknoten
bilden, d. h. die verkehrsgeregelten Netzknoten bilden effekti
ve Engstellen, an denen bei entsprechendem Verkehrsaufkommen
Warteschlangen-Verkehrsmuster entstehen.
Zwar erlauben zentralenbasierte Systeme die Nutzung ver
gleichsweise hoher Rechenkapazitäten, sie erfordern dafür aber
auch einen entsprechenden Realisierungsaufwand, und die Nut
zung aufgenommener Verkehrsinformationen ist durch die be
grenzte Kapazität der verwendeten Kommunikationsstrecken limi
tiert. So wird aus Gründen der begrenzten Übertragungskapazi
tät nicht der gesamte Zeit- und ortsaufgelöste Verlauf des
oder der überwachten Verkehrszustandsparameter von den zugehö
rigen Detektoren zur Zentrale übermittelt, und die Zentrale
übermittelt ihrerseits die aktuelle und prognostizierte Ver
kehrslage nicht als kontinuierlichen zeitlich-örtlichen Ver
lauf des oder der Verkehrszustandsparameter, sondern die Ver
kehrsinformationsübertragung erfolgt vorzugsweise in Form von
ereignisorientierten Meldungen, wie Staumeldungen etc.
In der älteren deutschen Patentanmeldung 100 51 777.3 der An
melderin ist ein fahrzeugautonom durchführbares Verfahren zur
fahrzeugindividuellen Verkehrszustandsprognose beschrieben,
bei dem durch das jeweilige Fahrzeug laufend lokale Verkehrs
zustandsdaten ermittelt und die ermittelten Daten in ihrem
zeitlich-örtlichen Verlauf mit abgespeicherten historischen
Ganglinien verglichen werden, um aus letzteren eine jeweils
bestpassende Ganglinie aufzufinden und den von dieser reprä
sentierten Verkehrszustand in Fahrtrichtung des Fahrzeugs als
zu erwartenden Verkehrszustand zu prognostizieren. Zusätzlich
wird in der älteren deutschen Patentanmeldung 100 57 796.2 der
Anmelderin die Nutzung auch von Verkehrszustandsdaten, die von
anderen Fahrzeugen ermittelt und an das eigene Fahrzeug über
mittelt werden, für eine derartige Verkehrszustandsprognose
vorgeschlagen. Für weitere Details solcher fahrzeugindividuel
ler Verkehrszustandsprognosen mit Auswahl einer bestpassenden
Ganglinie wird auf diese älteren Anmeldungen verwiesen. Unter
dem Begriff "Ganglinie" sind dabei dort und vorliegend sowohl
herkömmliche Ganglinien zu verstehen, die typische Verkehrspa
rameter in ihrer zu erwartenden Zeitabhängigkeit repräsentie
ren, als auch zeitlich-örtliche Verkehrsmuster, bei denen der
oder die berücksichtigten Verkehrsparameter oder daraus abge
leitete Größen typische zeitabhängige Musterprofile im Orts
raum bilden, wie Muster dichten Verkehrs vor effektiven Eng
stellen von Schnellstraßennetzen und Warteschlangen-Verkehrs
muster vor verkehrsgeregelten Netzknoten in Ballungsraum-Ver
kehrsnetzen.
Unter dem Begriff "dynamische Verkehrsprognose" sind vorlie
gend solche Verkehrsprognosen zu verstehen, bei denen der Ver
kehrszustand jedenfalls für einen gewissen, für das jeweilige
Fahrzeug interessierenden Wegenetzbereich in seinem zeitlich-
örtlichen Verlauf für einen gewissen Prognosezeitraum voraus
geschätzt wird, insbesondere anhand des zeitlich-örtlichen
Verlaufs von individualisierbaren Verkehrszustandsobjekten,
wie den verschiedenen Verkehrszustandsphasen "freier Verkehr",
"synchronisierter Verkehr" und "sich bewegende breite Staus"
und daraus gebildeten Verkehrszustandsmustern. Die Patent
schrift DE 196 47 127 C2 beschreibt speziell dynamische Prog
nosen für Stauzustände, während dynamische Prognosen, die sich
speziell auch für die Zustände synchronisierten Verkehrs und
gestauchten synchronisierten Verkehrs und deren Grenzen zum
Zustand freien Verkehrs und/oder zum Zustand "sich bewegender
breiter Staus" eignen, in der Offenlegungsschrift DE 198 35 979 A1
und der älteren deutschen Patentanmeldung 199 44 077.8
der Anmelderin beschrieben sind, worauf für weitere diesbezüg
liche Details verwiesen wird.
In der Offenlegungsschrift WO 99/26212 A1 ist ein Verkehrszu
standsprognoseverfahren beschrieben, das primär zum Signali
sieren von lokalen Verkehrsstörungen dient. Dazu wird jeweils
zu einem Bezugsfahrzeug eine maximale Gruppe von Fahrzeugen
festgelegt, von denen das Bezugsfahrzeug individuelle Fahr
zeugdatensignale empfängt, die es wiederholt auswertet und ab
speichert. Des weiteren wird durch Auswerten der individuellen
Fahrzeugdaten mindestens eine für das Bezugsfahrzeug relevante
Gruppe von Fahrzeugen und deren Gruppenverhalten ermittelt,
wonach eine diesem Gruppenverhalten entsprechende Information
signalisiert wird. Insbesondere kann das Gruppenverhalten eine
Verkehrsstörung repräsentieren. Durch Anzeige der betreffenden
Information im Bezugsfahrzeug soll ein gleichmäßiger Verkehrs
strom erzeugt und das Auftreten von Unfällen verringert wer
den. Die aktuelle Verkehrsinformation für das Bezugsfahrzeug
bezieht sich somit auf einen Ort, den das Bezugsfahrzeug erst
zu einem späteren Zeitpunkt erreichen wird, so dass diese Ver
kehrsinformation eventuell schon veraltet ist, bis das Bezugs
fahrzeug am betreffenden Ort ankommt, wenn die Entfernung zu
groß wird. Daher eignet sich dieses bekannte Verfahren nur für
eine Verkehrszustandsprognose in einem relativ eng begrenzten
Umgebungsbereich des Bezugsfahrzeugs.
Der Erfindung liegt als technisches Problem die Bereitstellung
eines Verfahren zur fahrzeugindividuellen Verkehrsprognose der
eingangs genannten Art zugrunde, mit dem sich der Verkehrszu
stand individuell für ein jeweiliges Fahrzeug mit vertretbarem
Aufwand vergleichsweise zuverlässig dynamisch prognostizieren
lässt.
Die Erfindung löst dieses Problem durch die Bereitstellung ei
nes Verkehrszustandsprognoseverfahrens mit den Merkmalen des
Anspruchs 1 oder 3.
Beim Verfahren nach Anspruch 1 wird speziell ein dynamischer
Verkehrszustandsprognosealgorithmus verwendet, mit dem individualisierbare
Verkehrszustandsobjekte, wie z. B. die verschie
denen Zustandsphasen "freier Verkehr", "synchronisierter Ver
kehr" und "sich bewegende breite Staus", erkannt werden und
deren zeitlich-räumliche Entwicklung diagnostiziert wird. Um
den Aufwand vertretbar zu halten und gleichzeitig eine hohe
Prognosegüte zu erzielen, werden Verkehrszustandsdaten, die
von einem oder mehreren anderen Fahrzeugen gewonnen und zu
diesem Zweck zum eigenen Fahrzeug übertragen werden, zusätz
lich zu den vom eigenen Fahrzeug gewonnenen Verkehrszustands
daten als Stützstellen des dynamischen Verkehrszustandsprogno
sealgorithmus herangezogen. Dadurch ist es zum einen möglich,
ohne Verkehrszentrale auszukommen, während zum anderen durch
die zusätzlichen, auf Daten von anderen Fahrzeugen basierenden
Stützstellen die dynamische Verkehrszustandsprognose im allge
meinen noch bessere Ergebnisse liefern kann als eine Prognose,
die nur auf den vom eigenen Fahrzeug gewonnenen Verkehrszu
standsdaten basiert.
In einer Ausgestaltung dieses Verfahrens werden nach Anspruch
2 mindestens die Verkehrszustandsphasen "freier Verkehr",
"synchronisierter Verkehr" und "sich bewegender breiter Stau"
als individualisierbare Verkehrszustandsobjekte berücksich
tigt.
Beim Verfahren nach Anspruch 3 ist speziell eine Aktualisie
rung des Verkehrszustandsermittlungsalgorithmus und/oder des
Verkehrszustandsprognosealgorithmus anhand eines Vergleichs
des von den fahrzeugseitig gemessenen Daten repräsentierten
Verkehrszustands mit dem ermittelten aktuellen Verkehrszustand
und/oder dem für diesen Zeitpunkt zu einem früheren Zeitpunkt
prognostizierten Verkehrszustand vorgesehen. Dieser ver
gleichsbasierte Aktualisierungsvorgang, der kontinuierlich
oder von Zeit zu Zeit durchgeführt werden kann, ermöglicht ei
ne Korrektur bzw. Anpassung des verwendeten Algorithmus an die
aktuell vorgefundenen Gegebenheiten, d. h. der Verkehrszu
standsermittlungsalgorithmus und/oder Verkehrszustandsprogno
sealgorithmus kann entsprechend korrigiert werden, wenn die
gemessenen Verkehrszustandsdaten merklich von dem für diesen
Zeitpunkt aktuell geschätzten oder früher prognostizierten
Verkehrszustand abweichen. Diese Maßnahme kann zusätzlich zu
den Verfahrensmaßnahmen des Anspruchs 1 realisiert sein.
In einer Ausgestaltung dieses Verfahrens werden gemäß Anspruch
4 für die Ermittlung des aktuellen Verkehrszustands und/oder
für die Prognose außer den vom eigenen Fahrzeug gewonnenen
Verkehrszustandsdaten extern gewonnene Verkehrszustandsdaten
von anderen Fahrzeugen, einer Verkehrszentrale und/oder stre
ckenseitigen Einrichtungen herangezogen, was die Güte des Ver
kehrszustandsermittlungsalgorithmus und/oder des Verkehrszu
standsprognosealgorithmus weiter verbessern kann.
Vorteilhafte Ausführungsformen der Erfindung sind in den
Zeichnungen dargestellt und werden nachfolgend beschrieben.
Dabei zeigen:
Fig. 1 eine schematische Blockdiagrammdarstellung eines ersten
Verfahrens zur dynamischen, fahrzeugindividuellen Ver
kehrszustandsprognose anhand fahrzeugeigener Daten und
mit Vergleich gemessener und geschätzter bzw. prognos
tizierter Verkehrszustandsdaten,
Fig. 2 eine schematische Blockdiagrammdarstellung eines zwei
ten Verfahrens zur dynamischen, fahrzeugindividuellen
Verkehrszustandsprognose anhand von Verkehrszustandsda
ten des eigenen und anderer Fahrzeuge,
Fig. 3 eine schematische Blockdiagrammdarstellung eines für
die dynamische Verkehrszustandsprognose verwendbaren
Algorithmus zur Erkennung und Prognose individualisier
barer Verkehrszustandsobjekte für eine Beispielsituati
on,
Fig. 4 eine schematische Blockdiagrammdarstellung eines zur
Erkennung und Prognose dreier verschiedener individualisierbarer
Verkehrszustandsphasen verwendbaren Algo
rithmus,
Fig. 5 ein Diagramm zur schematischen Darstellung der Funkti
onsweise des Algorithmus von Fig. 4 anhand eines Bei
spielfalls,
Fig. 6 ein schematisches Blockdiagramm eines dritten Verfah
rens zur dynamischen, fahrzeugindividuellen Verkehrszu
standsprognose anhand von Verkehrszustandsdaten des ei
genen und anderer Fahrzeuge unter Verwendung einer Ver
kehrszustandsschätzeinheit,
Fig. 7 eine schematische Blockdiagrammdarstellung eines vier
ten Verfahrens zur dynamischen, fahrzeugindividuellen
Verkehrszustandsprognose anhand von Verkehrszustandsda
ten des eigenen und anderer Fahrzeuge und mit Vergleich
gemessener und geschätzter bzw. prognostizierter Ver
kehrszustandsdaten und
Fig. 8 eine schematische Blockdiagrammdarstellung eines fünf
ten Verfahrens zur dynamischen, fahrzeugindividuellen
Verkehrszustandsprognose entsprechend Fig. 7, jedoch
mit zusätzlicher Nutzung weiterer externer Verkehrszu
standsdaten.
In den Figuren sind verschiedene Ausführungsbeispiele des er
findungsgemäßen Verfahrens zur fahrzeugindividuellen dynami
schen Prognose des Verkehrszustands mit dazu vorteilhaft ver
wendbaren Algorithmen sowie die zur Verfahrensdurchführung be
nötigten Mittel illustriert. Die Verkehrszustandsprognose be
zieht sich jeweils auf einen Bereich eines Wegenetzes, der für
das betreffende Fahrzeug relevant ist, d. h. in welchem sich
das Fahrzeug während eines vorgebbaren Prognosezeitraums aller
Voraussicht nach bewegt, gegebenenfalls bis hin zu einem vor
gebbaren Zielort.
Im Verfahrensbeispiel von Fig. 1 beinhaltet das jeweilige
Fahrzeug 1 Verkehrszustandsbestimmungsmittel 2, mit denen der
aktuelle Verkehrszustand kontinuierlich in seinem zeitlich-
örtlichen Verlauf anhand eines oder mehrerer gemessener Para
meter und/oder daraus abgeleiteter Größen erfasst wird, wie
der mittleren Fahrzeuggeschwindigkeit, der Verkehrsdichte, des
Verkehrsflusses und/oder individualisierbarer Verkehrszu
standsobjekte, insbesondere Verkehrsstörungsobjekte. Der Beg
riff "Verkehrszustandsdaten" soll dabei vorliegend der Ein
fachkeit halber sowohl die gemessenen Rohdaten als auch die
durch die gegebenenfalls vorgesehene Aufarbeitung bzw. Weiter
verarbeitung derselben erhaltenen Daten bezeichnen.
Derartige individualisierbare Verkehrszustandsobjekte umfassen
insbesondere individualisierbare Zustandsphasen, wie Stau,
synchronisierter Verkehr, gestauchter synchronisierter Verkehr
und freier Verkehr, Phasenübergänge zwischen solchen Zustands
phasen und zeitlich-räumliche Muster aus derartigen Zustands
phasen, insbesondere Muster dichten Verkehrs an effektiven
Engstellen. Zu den weiteren Details über die Dynamik solcher
verschiedener Zustandsphasen und daraus aufgebauter Muster
kann auf die diesbezügliche Literatur verwiesen werden, spe
ziell auch auf die früheren Patentanmeldungen der Anmelderin
zu dieser Thematik. Bezüglich der Erkennung von Mustern dich
ten Verkehrs an effektiven Engstellen und Warteschlangenmus
tern an verkehrsgeregelten Netzknoten und darauf aufbauenden
Verkehrsprognosen sei insbesondere auf die oben erwähnten äl
teren deutschen Patentanmeldungen 199 44 075.1, 100 36 789.5,
100 36 792.5 und 100 51 777.3 verwiesen.
Durch Erkennung der verschiedenen Verkehrsmuster und Verkehrs
zustandsphasen sowie Phasenübergängen zwischen denselben lässt
sich die Bestimmung und Prognose des Verkehrszustands deutlich
erleichtern und verbessern. Denn anhand der aufgenommenen Ver
kehrszustandsdaten können solche vorhandenen individuellen
verkehrlichen Objekte erkannt werden, die dann anhand ihrer
bekannten Dynamik in ihrem zeitlich-örtlichen Verlauf recht
zuverlässig prognostiziert werden können, was in einer ent
sprechend zuverlässigen Prognose des Verkehrszustands insge
samt resultiert.
Vorliegend werden dazu empirische Daten solcher Muster und Zu
standsphasen ebenso wie bei Bedarf weitere Verkehrszustandsda
ten vorab empirisch ermittelt und zu sogenannten historischen
Ganglinien verarbeitet, die zeit- und ortsabhängig für einen
jeweiligen Streckenabschnitt den dort zum jeweiligen Zeitpunkt
zu erwartenden Verkehrszustand widerspiegeln, und zwar sowohl
in Form herkömmlicher zeitabhängiger Profile der berücksich
tigten Verkehrsparameter als auch in Form von typischen zeit
abhängigen Verkehrsmustern im Ortsraum. Für die Zeitabhängig
keit ist es dabei zweckmäßig, sowohl hinsichtlich Uhr- d. h.
Tageszeit als auch Wochentag zu unterscheiden, da der Verkehr
meistens von beiden Zeitparametern signifikant abhängt. Hin
sichtlich der Ortskomponente ist neben dem aktuellen Fahrzeug
ort vor allem das Fahrzeugziel und/oder die Fahrtrichtung von
Interesse, um den örtlichen Prognosebereich darauf abgestimmt
zu begrenzen. Bei dieser Ganglinien-Anwendung können selbst
verständlich je nach Bedarf herkömmliche Ganglinien-Methoden
verwendet werden, z. B. ein sogenanntes Ganglinien-"Clustering",
bei dem sich ähnelnde Ganglinien zusammengefasst werden, z. B.
solche, die sich um weniger als ein vorgebbares und abgespei
chertes Maß unterscheiden. Des weiteren können die Ganglinien
bzw. Verkehrsmuster mit einer zugehörigen Wahrscheinlichkeit
ihres Auftretens abgespeichert sein, die dann bei der Auswer
tung entsprechend berücksichtigt wird.
Ein solcher herkömmlich gewonnener Gangliniensatz wird, nun
mehr wieder auf Fig. 1 bezugnehmend, in einer entsprechenden
Speichereinheit 3 im jeweiligen Fahrzeug 1 abgelegt. Die Spei
chereinheit 3 kann von einem beliebigen herkömmlichen Typ
sein, z. B. in Form einer CD-ROM, auf der die Daten fest abge
speichert sind, aber auch in Form einer sogenannten lernenden
digitalen Wegenetzkarte, wie sie in der älteren deutschen Pa
tentanmeldung 199 16 967.5 der Anmelderin beschrieben ist. In
letzterem Fall können die historischen Ganglinien anhand frü
herer Fahrten derselben Strecke mit demselben oder reinem ande
ren Fahrzeug gelernt und bei einer erneuten Fahrt auf dieser
Strecke aktualisiert werden. Dies kann sich z. B. besonders für
Fahrzeuge anbieten, die häufig dieselbe Strecke befahren.
In einer Prognoseganglinien-Auswahleinheit 4 werden dann die
laufend während eines vorausgegangenen Zeitraums gemessenen
und gegebenenfalls weiterverarbeiteten Verkehrszustandsdaten
mit dem abgespeicherten Satz historischer Ganglinien ein
schließlich zeitlich-räumlicher Verkehrsmuster zu dem Zweck
verglichen, unter den abgespeicherten Ganglinien diejenige he
rauszufinden, die am besten zu den gemessenen bzw. weiterver
arbeiteten Verkehrszustandsdaten, d. h. zur aktuellen Verkehrs
situation passt. Diese Ganglinienauswahl erfolgt nach Art ei
nes herkömmlichen "Matching"-Verfahrens.
Die ausgewählte, am besten zum erfassten, aktuellen zeitlich-
örtlichen Verlauf des oder der verwendeten Verkehrszustandspa
rameter passende Ganglinie wird dann als Prognoseganglinie zum
einen von einer Verkehrszustandsschätzeinheit 5 zur Bestimmung
des aktuellen Verkehrszustands für das Fahrzeug und zum ande
ren von einer Prognoseeinheit 6 zur fahrzeugautonomen Ver
kehrszustandsprognose des zeitlich-räumlichen Verlaufs der
verschiedenen erkannten Verkehrszustandsphasen und gegebenen
falls anderer Verkehrszustandscharakteristika herangezogen.
Dies beinhaltet insbesondere eine Prognose über die im betref
fenden Streckenbereich und im betreffenden Zeitraum zu erwar
tenden Geschwindigkeits-, Dichte- und/oder Verkehrsflussprofi
le sowie über die zeitlich-räumliche Entwicklung von Staus und
anderen individualisierbaren verkehrlichen Objekten, wie syn
chronisierter Verkehr und Muster dichten Verkehrs an effekti
ven Engstellen und Warteschlangen an verkehrsgeregelten Netz
knoten. Der Verkehrszustandsprognosealgorithmus nutzt dazu ne
ben der ausgewählten Prognoseganglinie auch den in der Ver
kehrszustandsschätzeinheit 5 ermittelten aktuellen Verkehrszu
stand.
Eine Vergleichseinheit 7 nimmt einen kontinuierlichen dynami
schen Vergleich der von den Verkehrszustandsbestimmungsmitteln
2 gemessenen Verkehrszustandsdaten, z. B. über den zeitlich-
räumlichen Verlauf der Fahrzeuggeschwindigkeit und optional
über die lokale Verkehrsdichte und über Geschwindigkeitsdiffe
renzen zwischen verschiedenen Fahrzeugen z. B. auf verschiede
nen Fahrspuren, mit dem von der Schätzeinheit 5 geschätzten
aktuellen Verkehrszustand und dem von der Prognoseeinheit 6
früher für den betreffenden Zeitpunkt prognostizierten Ver
kehrszustand vor. Falls hierbei der zum jeweiligen Zeitpunkt
t = t0 von der Schätzeinheit 5 geschätzte aktuelle Verkehrszu
stand und der für diesen Zeitpunkt zu einem früheren Zeitpunkt
von der Prognoseeinheit 6 prognostizierte Verkehrszustand mit
den aktuellen Verkehrszustandsdaten zu einem gewissen späteren
Zeitpunkt t = t0 + Δti im Rahmen eines vorgegebenen Kriteriums
übereinstimmen, speziell hinsichtlich des zeitlich-räumlichen
Verlaufs individualisierbarer Verkehrszustandsobjekte und ge
gebenenfalls anderer, hierfür herkömmlich genutzter Verkehrs
zustandscharakteristika, wird dies der Schätzeinheit 5 und der
Prognoseeinheit 6 als "OK", d. h. "in Ordnung", gemeldet. Die
Schätzeinheit 5 verwendet daraufhin unverändert den in ihr
implementierten Verkehrszustandsermittlungsalgorithmus. Ebenso
verwendet die Prognoseeinheit 6 dann unverändert den in ihr
implementierten Verkehrszustandsprognosealgorithmus. Das Zeit
inkrement Δti wird in geeigneter Größe vorgegeben. Als Kriteri
um kann irgendein geeignetes, herkömmliches Vergleichskriteri
um verwendet werden, z. B. das Kriterium, dass die Differenz
zwischen den beiden verglichenen Werten eines jeweiligen Ver
kehrszustandsparameters betraglich einen vorgebbaren Grenzwert
überschreitet, d. h. eine solche Überschreitung wird dann als
Nichtübereinstimmung interpretiert.
Falls der zum Zeitpunkt t = t0 von der Schätzeinheit 5 ermittelte
aktuelle Verkehrszustand und/oder der für diesen Zeitpunkt
früher von der Prognoseeinheit 6 prognostizierte Verkehrszu
stand nicht mit dem von den Verkehrszustandsbestimmungsmitteln
2 sensorbasiert zum Zeitpunkt t = t0 + Δti gemäß dem vorgegebenen
Kriterium übereinstimmt, wird der geschätzte aktuelle bzw. der
prognostizierte Verkehrszustand nicht mehr verwendet, sondern
es werden der Verkehrszustandsermittlungsalgorithmus und/oder
der Verkehrszustandsprognosealgorithmus abhängig vom Ver
gleichsergebnis aktualisiert, d. h. angepasst. Dazu meldet die
Vergleichseinheit 7 der Prognoseganglinien-Auswahleinheit 4
das Vergleichsergebnis als "nicht OK". Daraufhin wird eine ak
tualisierende Neubestimmung der Prognoseganglinienauswahl ver
bunden mit einer Neubestimmung entweder nur des prognostizier
ten Verkehrszustands oder sowohl des prognostizierten Ver
kehrszustands als auch des aktuellen Verkehrszustandes durch
geführt. Dieser Aktualisierungszyklus wird zeitlich stetig
oder mit einem diskreten Zeitintervall t = t0 + n.Δti ausgeführt,
wobei das Zeitinkrement Δti bei Bedarf von "n" abhängig sein
kann.
Die solchermaßen fahrzeugautonom für das jeweilige Einzelfahr
zeug 1 durchgeführte dynamische Verkehrsprognose kann dann je
nach Anwendungsfall für verschiedene fahrzeugseitige Systeme 8
genutzt werden, z. B. für einen Verkehrsmonitor, zur Zielfüh
rung, zur Fahrerassistenz, zur Komfort- und/oder Sicherheits
verbesserung und/oder zur Kraftstoffverbrauchsreduzierung. Ei
ne Maßnahme zur Sicherheitsverbesserung stellt beispielsweise
eine frühzeitige Stauwarnung dar, bei welcher der Abstand bis
zum Stau und/oder der voraussichtliche Zeitpunkt bis zur An
kunft am Stau angegeben und/oder geeignete Gegenmaßnahmen emp
fohlen werden, wie Verringerung der Fahrgeschwindigkeit, Um
fahren des Staubereichs etc.
Fig. 2 zeigt ein Verfahrensbeispiel, bei dem zur fahrzeugsei
tigen Ermittlung und Prognose des Verkehrszustands außer den
vom eigenen Fahrzeug aufgenommenen Verkehrszustandsdaten zu
sätzlich Verkehrszustandsdaten herangezogen werden, die von
anderen Fahrzeugen Fi, . . ., Fj aus entsprechenden fahrzeugsei
tigen Messungen (FSM) gewonnen werden. Dazu stehen die system
beteiligten Fahrzeuge miteinander über einen Fahrzeug-Fahrzeug-Kommunikationskanal
9 in Datenaustauschverbindung. Jedes
Fahrzeug beinhaltet sensorbasierte Verkehrszustandsbestim
mungsmittel 2 entsprechend dem Beispiel von Fig. 1, ein
schließlich zugehöriger Messtechnik, z. B. auf Basis des GPS
und/oder von Radar, Infrarot, Video.
Das Prognosemodul 6 prognostiziert dann den zukünftigen, für
das eigene Fahrzeug 1 relevanten Verkehrszustand anhand sowohl
der von den Verkehrszustandsbestimmungsmitteln 2 gewonnenen,
d. h. gemessenen und gegebenenfalls weiterverarbeiteten Ver
kehrszustandsdaten als auch von Verkehrszustandsdaten, die von
den anderen Fahrzeugen F1, . . ., Fj gewonnen und ihm als Rohda
ten oder in weiterverarbeiteter Form über den Kommunikations
kanal 9 übermittelt werden. Die Prognose kann je nach imple
mentiertem Prognosealgorithmus eine dynamische Prognose von
Staus und anderen individualisierbaren Verkehrszustandsobjek
ten und/oder eine Auswahl einer bestpassenden Prognosegangli
nie anhand eines entsprechenden "Matching"-Algorithmus umfas
sen, wobei für letzteren Fall wie im Beispiel von Fig. 1 his
torische Ganglinien in der zugehörigen Speichereinheit 3 ge
speichert sind. Die in der Speichereinheit 3 gespeicherten
Ganglinien können bei Bedarf über den Kommunikationskanal 9
anhand von hierzu übermittelten Daten z. B. aus den anderen
Fahrzeugen F1, . . ., Fj oder aus einer nicht gezeigten Gangli
niendatenbank aktualisiert werden. Zudem werden die von den
Verkehrszustandsbestimmungsmitteln 2 erfassten Verkehrszu
standsdaten über den Fahrzeug-Fahrzeug-Kommunikationskanal 9
zu den anderen Fahrzeugen F1, . . . Fj übermittelt.
Bei der Prognose im Verfahren von Fig. 2 können somit die von
den anderen Fahrzeugen F1, . . ., Fj zugeführten Verkehrszu
standsdaten zusätzlich zu den vom eigenen Fahrzeug 1 ermittel
ten Verkehrszustandsdaten als weitere Stützstellen des Progno
sealgorithmus dienen, um die Prognosequalität zu verbessern,
siehe die ältere deutsche Patentanmeldung 100 57 796.2. Zur
Prognose des zukünftigen Verkehrszustands können sowohl in den
Verfahrensbeispielen der Fig. 1 und 2 als auch in den weiteren
Verfahrensbeispielen der Fig. 6 bis 8 Verkehrszustandserken
nungsprozesse verwendet werden, mit denen individualisierbare
Verkehrszustandsobjekte und hierbei insbesondere die Zustände
"freier Verkehr", "synchronisierter Verkehr", "gestauchter
synchronisierter Verkehr" und "Staus" oder genauer "sich bewe
gende breite Staus" erkannt und in ihrer zeitlich-räumlichen
Entwicklung verfolgt werden können. Im Fall von Straßennetzen
ist diese Vorgehensweise speziell für Schnellstraßennetze ge
eignet. Eine analoge Vorgehensweise ist jedoch auch für Bal
lungsraum-Verkehrsnetze möglich, bei denen der Verkehr wesent
lich durch Verkehrsregelungsmaßnahmen an Netzknoten bestimmt
ist. Hier können dann sogenannte Untersättigungszustände und
Übersättigungszustände an den verkehrsgeregelten Netzknoten
und die Länge von in Übersättigungszuständen gebildeten Warte
schlangen erkannt und in ihrer zeitlich-räumlichen Entwicklung
verfolgt werden. Dies wird zum leichteren Verständnis nachste
hend unter Bezugnahme auf die Fig. 3 bis 5 anhand einer ange
nommenen Beispielsituation erläutert.
Fig. 3 veranschaulicht anhand eines Streckenabschnitts 11 lo
kale Messungen eines oder mehrerer für den Verkehrszustand re
präsentativer Parameter durch geeignete Sensorik, z. B. statio
näre, streckenseitige Detektoren oder fahrzeugseitige Sensoren
in sogenannten FCD("Floating Car Data")-Fahrzeugen, die z. B.
über einen Fahrzeug-Fahrzeug-Kommunikationskanal in Datenaus
tauschverbindung stehen. Die für den Verkehr auf dem Strecken
abschnitt 11 gemessenen und gegebenenfalls vorverarbeiteten
Daten, z. B. über Fahrzeuggeschwindigkeit, Zeitabstand zwischen
Fahrzeugen, Verkehrsdichte etc., werden dann zunächst durch
den Verkehrszustandserkennungsalgorithmus zur Ermittlung des
zugehörigen aktuellen Verkehrszustands ausgewertet. Dazu wer
den insbesondere die individualisierbaren Zustandsphasen
"freier Verkehr" F, "synchronisierter Verkehr" S und "sich be
wegende breite Staus" ST erkannt. Der Verkehrszustandsprogno
sealgorithmus ist dann dafür ausgelegt, die aktuell erkannten
Zustandsphasen in ihrer zeitlich-räumlichen Entwicklung zu
verfolgen und die Entstehung zukünftiger Verkehrsstörungszustände,
d. h. zukünftiger Bereiche synchronisierten Verkehrs S
und/oder von Staus ST vorauszusagen. Dies geschieht insbeson
dere durch die Verfolgung und Vorausschätzung der stromabwär
tigen Flanke xj,d(t) eines jeweiligen Staus ST, der stromauf
wärtigen Flanke xj,u(t) desselben, der stromabwärtigen Flanke
xs,d(t) eines Bereichs synchronisierten Verkehrs S und dessen
stromaufwärtiger Flanke xs,u(t), jeweils als Funktion der Zeit
t.
Fig. 4 veranschaulicht einen derartigen Algorithmus zur Erken
nung, Verfolgung und Prognose anhand von lokalen Messungen des
zeitabhängigen Verlaufs der Fahrzeuggeschwindigkeit v und/oder
eines oder mehrerer weiterer Verkehrszustandsparameter µ, wie
z. B. des Verkehrsflusses. Aus den Messdaten 12 werden mittels
einer Fuzzy-Logik 13 die Zustandphasen "freier Verkehr", "syn
chronisierter Verkehr", bevorzugt auch speziell "gestauchter
synchronisierter Verkehr", und "sich bewegende breite Staus"
unterscheidend erkannt, insbesondere die zeitabhängige Lage
der Grenzflanken zwischen je zwei dieser verschiedenen
Zustandsphasen. Hierfür ist z. B. der in den älteren deutschen
Patentanmeldungen 198 35 979.9 und 199 44 077.8 der Anmelderin
beschriebene Algorithmus verwendbar, auf die für diesbezügli
che Details verwiesen werden kann. Für Bereiche freien Ver
kehrs leistet der Algorithmus eine Prognose, ob und wenn ja wo
zukünftig Phasenübergänge zu synchronisiertem Verkehr und/oder
Stau auftreten. Für die Bereiche synchronisierten Verkehrs
leistet der Algorithmus die Verfolgung und Prognose dieses Zu
stands, d. h. insbesondere der zeitlichen Entwicklung von des
sen stromabwärtiger und stromaufwärtiger Flanke xs,d(t) und
xs,u(t). Des weiteren werden erkannte Staubereiche in ihrer
zeitlich-räumlichen Entwicklung verfolgt und prognostiziert,
d. h. wiederum insbesondere der zeitliche Verlauf der stromab
wärtigen und stromaufwärtigen Stauflanken xj,d(t) und xj,u(t),
wozu beispielsweise der in der Patentschrift DE 196 47 127 C2
beschriebene Algorithmus verwendbar ist, auf die hierzu bezüg
lich weiterer Details verwiesen werden kann.
Im Fall von Ballungsraum-Verkehrsnetzen ist der analoge Algo
rithmus verwendbar, um Übersättigungs- und Untersättigungsbe
reiche sowie Warteschlangenlängen zu erkennen und in ihrer
zeitlich-räumlichen Entwicklung zu verfolgen. Dabei treten die
Untersättigungsbereiche an die Stelle der Bereiche freien Ver
kehrs und die Übersättigungsbereiche an die Stelle der Berei
che synchronisierten Verkehrs bzw. sich bewegender breiter
Staus. Für Untersättigungsbereiche können eventuelle zukünfti
ge Übergänge zu Übersättigungsbereichen prognostiziert werden,
und für die Übersättigungsbereiche kann die Länge von Warte
schlangen prognostiziert werden.
Fig. 5 veranschaulicht die Arbeitsweise eines solchen, auf der
Erkennung, Verfolgung und Vorhersage individualisierbarer Ver
kehrszustandsobjekte basierenden Algorithmus anhand einer Bei
spielssituation in Form eines Ort-Zeit-Diagramms. Der betrach
tete Streckenabschnitt beinhaltet zwei hintereinanderliegende
effektive Engstellen E1, E2, an denen sich Muster dichten Ver
kehrs ausbilden können. Zu einem gewissen aktuellen Zeitpunkt
ist im Beispiel von Fig. 5 angenommen, dass stromaufwärts an
schließend an die stromabwärtige effektive Engstelle E1 ein
Muster dichten Verkehrs mit einem Bereich synchronisierten
Verkehrs und einem anschließenden Bereich gestauchten synchro
nisierten Verkehrs vorliegt. Der Bereich gestauchten synchro
nisierten Verkehrs enthält bekanntermaßen sich wiederholende,
kurze Stauzonen, in Fig. 5 mit schmalen dunklen Streifen ange
deutet.
Im weiteren Zeitverlauf läuft der sich bewegende breite Stau
stromaufwärts durch das Muster dichten Verkehrs an der strom
abwärtigen effektiven Engstelle E1 hindurch und dann weiter
über einen Bereich freien Verkehrs hinweg bis zur stromaufwär
tigen effektiven Engstelle E2. Dort führt die übrige Verkehrs
situation dazu, dass der Stau synchronisierten Verkehr aus
löst, d. h. stromaufwärts anschließend an die stromaufwärtige
effektive Engstelle E2 geht der Verkehr vom vorherigen Zustand
freien Verkehrs in den Zustand synchronisierten Verkehrs über.
Im weiteren Verlauf kommt es dann zur Ausbildung eines Musters
dichten Verkehrs auch an der stromaufwärtigen effektiven Eng
stelle E2 mit einem Bereich synchronisierten Verkehrs und ei
nem daran stromaufwärts anschließenden Bereich gestauchten
synchronisierten Verkehrs. Vom letztgenannten Bereich lösen
sich dann im Beispiel von Fig. 5 einzelne Staus ab, die weiter
stromaufwärts mit einer typischen Staugeschwindigkeit propa
gieren. Der Algorithmus zur Erkennung und Prognose des Ver
kehrszustands ist in der Lage, dieses Verkehrsgeschehen des
Beispiels von Fig. 5 zu erkennen und zu prognostizieren, d. h.
den Verkehrszustand zum aktuellen Zeitpunkt und die zukünftige
Verkehrsentwicklung, insbesondere hinsichtlich des Auftretens
und der Ausdehnung der verschiedenen Zustandsphasen "freier
Verkehr", "synchronisierter Verkehr" einschließlich "gestauch
ter synchronisierter Verkehr" und "Stau" und daraus gebildeter
Muster dichten Verkehrs.
Fig. 6 zeigt ein weiteres Verfahrensbeispiel, das weitgehend
demjenigen von Fig. 2 entspricht, wobei für funktionell glei
che Elemente dieselben Bezugszeichen verwendet sind. Im Ver
fahren von Fig. 6 übernimmt eine vom Prognoseteil 6 separierte
Verkehrszustandsschätzeinheit 12 die Bestimmung des aktuellen
Verkehrszustands anhand der Messdaten des eigenen und der an
deren Fahrzeuge. Dieser Schätzeinheit 12 ist eine Speicherein
heit 13 zugeordnet, in welcher die von der Schätzeinheit 12
laufend ermittelten Verkehrszustände abgespeichert werden. Im
Prognosemodul 6 erfolgt dann eine dynamische Prognose der
zeitlich-räumlichen Entwicklung individualisierbarer Verkehrs
zustandsobjekte und/oder eine "Matching"-Auswahl einer best
passenden Prognoseganglinie in Abhängigkeit vom durch die
Schätzeinheit 12 ermittelten aktuellen Verkehrszustand, den
abgespeicherten gemessenen Verkehrszuständen und den abgespei
cherten historischen Ganglinien. Die Ergebnisse des Prognose
moduls 6 werden über den Fahrzeug-Fahrzeug-Kommunikationskanal
9 den anderen Fahrzeugen F1, . . ., Fj zur Verfügung gestellt.
Der von der Schätzeinheit 12 ermittelte aktuelle Verkehrszu
stand und der vom Prognosemodul 6 vorhergesagte zukünftige
Verkehrszustand werden dann wiederum je nach Anwendungsfall
für einen oder mehrere Einsatzwecke genutzt, wobei im Beispiel
von Fig. 6 die Nutzung für ein Fahrerassistenzsystem 14, ein
Reisezeitberechnungsmodul 15 und einen Verkehrsmonitor 16 ex
plizit gezeigt ist.
Fig. 7 zeigt ein weiteres Verfahrensbeispiel, das im wesentli
chen demjenigen von Fig. 1 entspricht, wobei wiederum für
funktionell gleiche Elemente dieselben Bezugszeichen verwendet
sind und zu deren Beschreibung auf diejenige von Fig. 1 ver
wiesen werden kann. Beim Verfahren von Fig. 7 werden im Ver
gleich zu demjenigen von Fig. 1 zusätzlich Verkehrszustandsda
ten von anderen Fahrzeugen F1, . . ., Fj wie in den Beispielen
der Fig. 2 und 6 zur Ermittlung des aktuellen und zur Prognose
des zukünftigen Verkehrszustands genutzt, wozu die Fahrzeuge
wiederum über einen zugehörigen Fahrzeug-Fahrzeug-Kommunika
tionskanal 9 in Datenaustauschverbindung stehen. Als weitere
Modifikation erhält die Verkehrzustandsschätzeinheit 5 direkt
die von den Verkehrszustandsbestimmungsmitteln 2 gemessenen
Daten und liefert ihr Ergebnis auch an die Prognoseganglinien-
Auswahleinheit 4. Überdies werden der Verkehrszustands-Schätz
einheit 5 die von den anderen Fahrzeugen F1, . . ., Fj übermit
telten Verkehrszustandsdaten zugeführt.
Das in Fig. 8 illustrierte Verfahrensbeispiel entspricht dem
jenigen von Fig. 7 mit der Ausnahme, dass für die fahrzeugsei
tige Erkennung des aktuellen und die Prognose des zukünftigen
Verkehrszustands nicht nur von den Verkehrszustandsdaten des
eigenen Fahrzeugs 1 und den über einen Fahrzeug-Fahrzeug-
Kommunikationskanal übermittelten Verkehrszustandsdaten ande
rer Fahrzeuge Gebrauch gemacht wird, sondern zusätzlich von
Verkehrszustandsdaten, die über ein oder mehrere herkömmliche
Datennetze zum jeweiligen Fahrzeug 1 übertragen werden, wie
mit einem Datenübertragungsblock 17 repräsentiert. Bei diesen
zusätzlichen fahrzeugexternen Verkehrszustandsdaten kann es
sich z. B. um solche handeln, die dem Fahrzeug von streckensei
tigen Baken oder vergleichbaren streckenseitigen Einrichtungen,
von einer Verkehrszentrale und/oder über das Internet
übermittelt werden.
Claims (4)
1. Verfahren zur fahrzeugindividuellen Verkehrsprognose, bei
dem
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver kehrszustands mittels eines Verkehrszustandsprognosealgorith mus herangezogen werden,
dadurch gekennzeichnet, dass
als Verkehrszustandsprognosealgorithmus ein dynamischer Ver kehrszustandsprognosealgorithmus verwendet wird, mit dem in dividualisierbare Verkehrszustandsobjekte erkannt werden und deren zeitlich-räumliche Entwicklung prognostiziert wird, wo bei von einem oder mehreren anderen Fahrzeugen (F1, . . ., Fj) gewonnene oder daraus abgeleitete, zum eigenen Fahrzeug über tragene Verkehrszustandsdaten zusätzlich bei der dynamischen Verkehrszustandsprognose berücksichtigt werden.
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver kehrszustands mittels eines Verkehrszustandsprognosealgorith mus herangezogen werden,
dadurch gekennzeichnet, dass
als Verkehrszustandsprognosealgorithmus ein dynamischer Ver kehrszustandsprognosealgorithmus verwendet wird, mit dem in dividualisierbare Verkehrszustandsobjekte erkannt werden und deren zeitlich-räumliche Entwicklung prognostiziert wird, wo bei von einem oder mehreren anderen Fahrzeugen (F1, . . ., Fj) gewonnene oder daraus abgeleitete, zum eigenen Fahrzeug über tragene Verkehrszustandsdaten zusätzlich bei der dynamischen Verkehrszustandsprognose berücksichtigt werden.
2. Verfahren nach Anspruch 1, weiter
dadurch gekennzeichnet, dass
als individualisierbare Verkehrszustandsobjekte mindestens die
Verkehrszustandsphasen "freier Verkehr", "synchronisierter
Verkehr" und "sich bewegender breiter Stau" erkannt und in ih
rer zeitlich-räumlichen Entwicklung prognostiziert werden.
3. Verfahren zur fahrzeugindividuellen Verkehrsprognose,
insbesondere nach Anspruch 1 oder 2, bei dem
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver kehrszustands mittels eines Verkehrszustandsprognosealgorith mus herangezogen werden,
dadurch gekennzeichnet, dass
fahrzeugseitig wenigstens in gewissen Zeitabständen die lau fend gewonnenen Verkehrszustandsdaten mit dem vom Verkehrszu standsermittlungsalgorithmus ermittelten aktuellen Verkehrs zustand und/oder mit dem für den betreffenden Zeitpunkt vom Verkehrszustandsprognosealgorithmus zu einem früheren Zeit punkt prognostizierten Verkehrszustand verglichen und das Vergleichsresultat zur Aktualisierung des Verkehrszustandser mittlungsalgorithmus und/oder des Verkehrszustandsprognoseal gorithmus herangezogen wird.
fahrzeugseitig laufend Verkehrszustandsdaten gewonnen und diese und/oder daraus abgeleitete Daten für eine Ermittlung des zugehörigen aktuellen Verkehrszustands mittels eines Ver kehrszustandserkennungsalgorithmus und für eine Prognose des für das jeweilige Fahrzeug (1) relevanten zukünftigen Ver kehrszustands mittels eines Verkehrszustandsprognosealgorith mus herangezogen werden,
dadurch gekennzeichnet, dass
fahrzeugseitig wenigstens in gewissen Zeitabständen die lau fend gewonnenen Verkehrszustandsdaten mit dem vom Verkehrszu standsermittlungsalgorithmus ermittelten aktuellen Verkehrs zustand und/oder mit dem für den betreffenden Zeitpunkt vom Verkehrszustandsprognosealgorithmus zu einem früheren Zeit punkt prognostizierten Verkehrszustand verglichen und das Vergleichsresultat zur Aktualisierung des Verkehrszustandser mittlungsalgorithmus und/oder des Verkehrszustandsprognoseal gorithmus herangezogen wird.
4. Verfahren nach Anspruch 3, weiter
dadurch gekennzeichnet, dass
zusätzlich zu den vom eigenen Fahrzeug gewonnenen Verkehrszu
standsdaten für die Ermittlung des aktuellen Verkehrszustands
und/oder die Prognose des zukünftigen Verkehrszustands zusätz
lich extern zugeführte Verkehrszustandsdaten von anderen Fahr
zeugen, von einer Verkehrszentrale, von streckenseitigen Ein
richtungen und/oder vom Internet herangezogen werden.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2000162856 DE10062856B4 (de) | 2000-12-16 | 2000-12-16 | Verfahren zur fahrzeugindividuellen Verkehrsprognose |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE2000162856 DE10062856B4 (de) | 2000-12-16 | 2000-12-16 | Verfahren zur fahrzeugindividuellen Verkehrsprognose |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10062856A1 true DE10062856A1 (de) | 2002-06-20 |
DE10062856B4 DE10062856B4 (de) | 2008-01-10 |
Family
ID=7667491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE2000162856 Expired - Fee Related DE10062856B4 (de) | 2000-12-16 | 2000-12-16 | Verfahren zur fahrzeugindividuellen Verkehrsprognose |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE10062856B4 (de) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2843474A1 (fr) * | 2002-11-29 | 2004-02-13 | France Telecom | Procede, equipement et systeme de production d'informations de trafic routier ainsi que systeme de navigation routiere et equipement de navigation routiere |
EP1406226A2 (de) * | 2002-10-02 | 2004-04-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren |
EP1528524A2 (de) * | 2003-10-30 | 2005-05-04 | DaimlerChrysler AG | Verfahren zur gangliniengestützen Verkehrsprognose |
DE10355477A1 (de) * | 2003-11-27 | 2005-06-23 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur aktiven Pausengestaltung |
DE102004039283A1 (de) * | 2004-08-13 | 2006-03-02 | Daimlerchrysler Ag | Verfahren und Verkehrzentrale zur Prognose wenigstens einer streckenbezogenen Kenngröße |
WO2006094568A1 (de) * | 2005-03-05 | 2006-09-14 | Deutsche Telekom Ag | Verfahren und vorrichtung zur übertragung von normal formen von verkehrsstörungen zum zwecke zeitabhängiger navigation |
DE102005055245A1 (de) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Verfahren zur Erstellung einer Verkehrsmusterdatenbank |
DE102007026493A1 (de) * | 2007-06-05 | 2008-12-11 | Deutsche Telekom Ag | Verfahren zur dynamischen Navigation von Individualverkehr sowie Vorrichtung, Einrichtung und System dafür |
DE102007032956A1 (de) * | 2007-07-14 | 2009-02-12 | Schaub, Johannes, Dr. | Fahrzeugnavigationssystem im Netzwerkverbund mit Navigationssystemen anderer Fahrzeuge und Verfahren zur Filterung des Dateneingangs sowie zur Ermittlung von Verkehrsstörungen |
DE102007050375A1 (de) | 2007-10-22 | 2009-04-23 | Daimler Ag | Verfahren zur Verwendung von Wetterinformationen in einem Fahrzeug |
DE102007060590A1 (de) * | 2007-12-13 | 2009-06-18 | Deutsche Telekom Ag | Verfahren zur Auswahl einer Route für eine dynamische Navigation von Individualverkehr |
WO2009156189A1 (en) * | 2008-06-25 | 2009-12-30 | Tomtom International B.V.. | Navigation device & method |
DE102009020054B3 (de) * | 2009-05-06 | 2010-08-26 | Lucia Schaub | Fahrzeugnavigationssystem mit künstlicher Intelligenz bei der Verkehrsflussanalyse im Netzwerkverbund mit Navigationssytemen anderer Fahrzeuge |
DE102011083677A1 (de) * | 2011-09-29 | 2013-04-04 | Bayerische Motoren Werke Aktiengesellschaft | Prognose einer Verkehrssituation für ein Fahrzeug |
EP2610836A1 (de) * | 2011-12-30 | 2013-07-03 | Seat, S.A. | Verfahren und Vorrichtung zur Online-Vorhersage des Fahrzyklus in einem Automobil |
US9805594B2 (en) | 2013-09-06 | 2017-10-31 | Audi Ag | Method, evaluation system and vehicle for predicting at least one congestion parameter |
DE102019002790A1 (de) * | 2019-04-16 | 2020-08-06 | Daimler Ag | Verfahren zur Prädiktion einer Verkehrssituation für ein Fahrzeug |
EP3273201B1 (de) | 2016-07-21 | 2021-06-30 | Arquus | Methode zur berechnung einer fahrstrecke für geländefahrzeug |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19725556A1 (de) * | 1997-06-12 | 1998-12-24 | Mannesmann Ag | Verfahren und Vorrichtung zur Verkehrszustandsprognose |
DE19750942A1 (de) * | 1997-11-17 | 1999-05-20 | Delphi 2 Creative Tech Gmbh | Verfahren und Vorrichtung zum Signalisieren von lokalen Verkehrsstörungen |
DE19856704C2 (de) * | 1998-12-09 | 2001-09-13 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Fahrzeugzielführung und/oder Reisezeitschätzung |
DE19903909A1 (de) * | 1999-02-01 | 2000-08-03 | Delphi 2 Creative Tech Gmbh | Verfahren und Vorrichtung zur Gewinnung von relevanter Verkehrsinformation und zur dynamischen Routenoptimierung |
DE19904909C2 (de) * | 1999-02-06 | 2003-10-30 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Bereitstellung von Verkehrsinformationen |
DE19916967C1 (de) * | 1999-04-15 | 2000-11-30 | Daimler Chrysler Ag | Verfahren zur Aktualisierung einer Verkehrswegenetzkarte und kartengestütztes Verfahren zur Fahrzeugführungsinformationserzeugung |
DE10051777A1 (de) * | 2000-10-19 | 2002-04-25 | Daimler Chrysler Ag | Verfahren zur dynamischen Verkehrszustandsprognose |
DE10057796B4 (de) * | 2000-11-22 | 2007-12-27 | Daimlerchrysler Ag | Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose |
-
2000
- 2000-12-16 DE DE2000162856 patent/DE10062856B4/de not_active Expired - Fee Related
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1406226A2 (de) * | 2002-10-02 | 2004-04-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren |
EP1406226A3 (de) * | 2002-10-02 | 2004-06-09 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Güteverbesserung von Verkehrsstörungsmeldeverfahren |
FR2843474A1 (fr) * | 2002-11-29 | 2004-02-13 | France Telecom | Procede, equipement et systeme de production d'informations de trafic routier ainsi que systeme de navigation routiere et equipement de navigation routiere |
EP1528524A3 (de) * | 2003-10-30 | 2007-12-26 | Daimler AG | Verfahren zur gangliniengestützen Verkehrsprognose |
EP1528524A2 (de) * | 2003-10-30 | 2005-05-04 | DaimlerChrysler AG | Verfahren zur gangliniengestützen Verkehrsprognose |
DE10355477A1 (de) * | 2003-11-27 | 2005-06-23 | Daimlerchrysler Ag | Verfahren und Vorrichtung zur aktiven Pausengestaltung |
DE102004039283A1 (de) * | 2004-08-13 | 2006-03-02 | Daimlerchrysler Ag | Verfahren und Verkehrzentrale zur Prognose wenigstens einer streckenbezogenen Kenngröße |
WO2006094568A1 (de) * | 2005-03-05 | 2006-09-14 | Deutsche Telekom Ag | Verfahren und vorrichtung zur übertragung von normal formen von verkehrsstörungen zum zwecke zeitabhängiger navigation |
DE102005055245A1 (de) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Verfahren zur Erstellung einer Verkehrsmusterdatenbank |
DE102007026493A1 (de) * | 2007-06-05 | 2008-12-11 | Deutsche Telekom Ag | Verfahren zur dynamischen Navigation von Individualverkehr sowie Vorrichtung, Einrichtung und System dafür |
EP2015026A2 (de) * | 2007-06-05 | 2009-01-14 | Deutsche Telekom AG | Verfahren zur dynamischen Navigation von Individualverkehr sowie Vorrichtung, Einrichtung und System dafür |
EP2015026A3 (de) * | 2007-06-05 | 2012-01-11 | Deutsche Telekom AG | Verfahren zur dynamischen Navigation von Individualverkehr sowie Vorrichtung, Einrichtung und System dafür |
DE102007032956A1 (de) * | 2007-07-14 | 2009-02-12 | Schaub, Johannes, Dr. | Fahrzeugnavigationssystem im Netzwerkverbund mit Navigationssystemen anderer Fahrzeuge und Verfahren zur Filterung des Dateneingangs sowie zur Ermittlung von Verkehrsstörungen |
DE102007032956B4 (de) * | 2007-07-14 | 2009-08-06 | Lucia Schaub | Fahrzeugnavigationssystem im Netzwerkverbund mit Navigationssystemen anderer Fahrzeuge mit Filterung des Dateneingangs sowie zur Ermittlung von Verkehrsstörungen |
DE102007050375A1 (de) | 2007-10-22 | 2009-04-23 | Daimler Ag | Verfahren zur Verwendung von Wetterinformationen in einem Fahrzeug |
DE102007060590A1 (de) * | 2007-12-13 | 2009-06-18 | Deutsche Telekom Ag | Verfahren zur Auswahl einer Route für eine dynamische Navigation von Individualverkehr |
WO2009156189A1 (en) * | 2008-06-25 | 2009-12-30 | Tomtom International B.V.. | Navigation device & method |
DE102009020054B3 (de) * | 2009-05-06 | 2010-08-26 | Lucia Schaub | Fahrzeugnavigationssystem mit künstlicher Intelligenz bei der Verkehrsflussanalyse im Netzwerkverbund mit Navigationssytemen anderer Fahrzeuge |
DE102011083677A1 (de) * | 2011-09-29 | 2013-04-04 | Bayerische Motoren Werke Aktiengesellschaft | Prognose einer Verkehrssituation für ein Fahrzeug |
EP2610836A1 (de) * | 2011-12-30 | 2013-07-03 | Seat, S.A. | Verfahren und Vorrichtung zur Online-Vorhersage des Fahrzyklus in einem Automobil |
ES2411629R1 (es) * | 2011-12-30 | 2013-08-28 | Seat Sa | Dispositivo y metodo para la prediccion "on-line" del ciclo de conduccion en un vehiculo automovil. |
US9805594B2 (en) | 2013-09-06 | 2017-10-31 | Audi Ag | Method, evaluation system and vehicle for predicting at least one congestion parameter |
EP3273201B1 (de) | 2016-07-21 | 2021-06-30 | Arquus | Methode zur berechnung einer fahrstrecke für geländefahrzeug |
DE102019002790A1 (de) * | 2019-04-16 | 2020-08-06 | Daimler Ag | Verfahren zur Prädiktion einer Verkehrssituation für ein Fahrzeug |
DE102019002790B4 (de) | 2019-04-16 | 2023-05-04 | Mercedes-Benz Group AG | Verfahren zur Prädiktion einer Verkehrssituation für ein Fahrzeug |
US11945450B2 (en) | 2019-04-16 | 2024-04-02 | Mercedes-Benz Group AG | Method for predicting a traffic situation for a vehicle |
Also Published As
Publication number | Publication date |
---|---|
DE10062856B4 (de) | 2008-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10062856A1 (de) | Verfahren zur fahrzeugindividuellen Verkehrsprognose | |
EP1212738B1 (de) | Verfahren zur verkehrszustandsüberwachung für ein verkehrsnetz mit effektiven engstellen | |
EP1154389B1 (de) | Verfahren zur Verkehrslagebestimmung für ein Verkehrsnetz | |
EP1176569B1 (de) | Verfahren zur Bestimmung des Verkehrszustands in einem Verkehrsnetz mit effektiven Engstellen | |
DE19904909C2 (de) | Verfahren und Vorrichtung zur Bereitstellung von Verkehrsinformationen | |
Li et al. | Real-time queue length estimation for signalized intersections using vehicle trajectory data | |
DE19835979B4 (de) | Verfahren zur Verkehrszustandsüberwachung und Fahrzeugzuflußsteuerung in einem Straßenverkehrsnetz | |
DE19647127C2 (de) | Verfahren zur automatischen Verkehrsüberwachung mit Staudynamikanalyse | |
DE10057796B4 (de) | Verfahren zur fahrzeugindividuellen Verkehrszustandsprognose | |
WO2013113588A1 (de) | Verfahren zur bereitstellung von parkinformationen zu freien parkplätzen | |
EP3014598A1 (de) | Verfahren zum verarbeiten von messdaten eines fahrzeugs zur bestimmung des beginns einer parkplatzsuche | |
DE102005049458A1 (de) | Verfahren und Vorrichtung zur Verbrauchsreduzierung in einem Fahrzeug | |
EP2116981B1 (de) | Verfahren und Vorrichtung zur Ermittlung von Rückstaulängen an Lichtsignalanlagen | |
DE10037827A1 (de) | Fahrzeugautonomes Verkehrsinformationssystem | |
DE102008003039A1 (de) | Verfahren zur Verkehrszustandsbestimmung in einem Fahrzeug | |
DE10101651A1 (de) | Verfahren zur verkehrs- und/oder witterungsabhängigen Fahrzeugsteuerung | |
CN102890862A (zh) | 基于向量模式的交通状态分析装置及方法 | |
DE10051777A1 (de) | Verfahren zur dynamischen Verkehrszustandsprognose | |
DE10336590A1 (de) | Verfahren zur fahrzeugindividuellen Verkehrsprognose | |
DE10018562C1 (de) | Verfahren zur Gewinnung von Verkehrsdaten für ein Verkehrsnetz mit verkehrsgeregelten Netzknoten durch Meldefahrzeuge | |
DE102005055244A1 (de) | Verfahren zur verkehrsdatenbasierten Unfallerkennung | |
DE102016216059A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeuges | |
DE10334140B4 (de) | Verfahren und System zur Ermittlung von Verkehrsdaten | |
EP1528524B1 (de) | Verfahren zur gangliniengestützen Verkehrsprognose | |
DE102018000016A1 (de) | Verfahren und System zum Abschätzen von Verkehrsfluss |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
8127 | New person/name/address of the applicant |
Owner name: DAIMLERCHRYSLER AG, 70327 STUTTGART, DE |
|
8327 | Change in the person/name/address of the patent owner |
Owner name: DAIMLER AG, 70327 STUTTGART, DE |
|
8364 | No opposition during term of opposition | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20140701 |