DE102012201472A1

DE102012201472A1 - Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen

Info

Publication number: DE102012201472A1
Application number: DE102012201472A
Authority: DE
Inventors: Heidrun Belzner; Ronald Kates
Original assignee: Bayerische Motoren Werke AG
Current assignee: Bayerische Motoren Werke AG
Priority date: 2012-02-01
Filing date: 2012-02-01
Publication date: 2013-08-01
Anticipated expiration: 2032-02-02
Also published as: US20140340242A1; DE102012201472B4; US9652986B2; CN104169990B; CN104169990A; WO2013113588A1

Abstract

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

Description

Die Erfindung betrifft ein Verfahren zum Bereitstellen von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug.
Parkinformationen zu freien Parkplätzen werden beispielsweise von Parkleitsystemen und/oder Navigationsgeräten zur Navigation eines Parkplatz suchenden Fahrzeugs verwendet. Moderne innerstädtische Systeme arbeiten nach einem einfachen Prinzip. Sind die Anzahl der Parkplätze sowie der Zufluss und der Abfluss der Fahrzeuge bekannt, lässt sich hieraus einfach die Verfügbarkeit freier Parkplätze bestimmen. Durch eine entsprechende Beschilderung der Zufahrtsstraßen und einer dynamischen Aktualisierung der Parkplatzinformationen lassen sich Fahrzeuge zu freien Parkplätzen navigieren. Prinzipbedingt ergeben sich hieraus Einschränkungen dahingehend, dass die Parkflächen klar umgrenzt sein müssen sowie der Zu- und Abgang der Fahrzeuge stets genau kontrolliert werden muss. Hierzu sind bauliche Maßnahmen, wie beispielsweise Schranken oder sonstige Zufahrtskontrollsysteme erforderlich.
Aufgrund dieser Beschränkung ist eine Navigation nur zu einer kleinen Zahl von freien Parkplätzen möglich. Mit den notwendigen baulichen Maßnahmen lassen sich üblicherweise nur Parkhäuser oder umzäunte Parkflächen in ein Parkleitsystem integrieren. Die weitaus größere Anzahl von Parkplätzen am Straßenrand oder nicht umgrenzten Parkplätzen, wird jedoch nicht beachtet.
Zur Suche nach freien Parkplätzen ist insbesondere in Innenstädten und dicht bewohnten Gebieten eine Identifizierung von Parkplätzen entlang jeweiliger Straßenzüge erwünscht. Aus der DE 10 2009 028 024 A1 ist es hierzu bekannt, dass Informationen über verfügbare, freie Parkplätze mit fahrzeugbezogenen Daten abgeglichen werden. Hierdurch werden vorab freie Parkplätze einem Parkplatz suchenden Fahrzeug nicht angeboten, wenn sie nicht ausreichend groß sind. Ferner werden beispielsweise nur große Parklücken oder hintereinander liegende Parkplätze nicht nur einmal vergeben, sondern je nach Größe der parkenden Fahrzeuge gegebenenfalls an zwei Fahrzeuge. Hierzu werden parkplatzausforschende Fahrzeuge eingesetzt, wie z. B. Fahrzeuge des öffentlichen Nahverkehrs, wie z. B. regelmäßig verkehrende Busse oder Taxis, welche zumindest einen Sensor zur Parkplatzerkennung aufweisen. Die Sensorik kann hierbei auf optischen und/oder nicht optischen Sensoren basieren.
Ferner sind Community-basierte Anwendungen bekannt, bei denen die Nutzer von Fahrzeugen beispielsweise in eine App eine Information eingeben, wenn sie einen Parkplatz verlassen. Diese Informationen werden dann anderen Nutzern des Dienstes bereitgestellt. Nachteilig hieran ist, dass die Informationen über verfügbare Parkplätze lediglich so gut sind, wie sie von den Benutzern zur Verfügung gestellt werden.
Bei beiden beschriebenen Alternativen besteht das Problem, dass die Information über das Vorhandensein eines einzelnen Parkplatzes sehr schnelllebig ist, d. h. in Gebieten mit viel Parksuchverkehr, in welchen eine Parkplatzinformation hilfreich wäre, ist ein freier Parkplatz in der Regel in kürzester Zeit belegt.
Es ist Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug anzugeben.
Diese Aufgabe wird gelöst durch ein Verfahren gemäß den Merkmalen des Patentanspruchs 1, ein Computerprogrammprodukt gemäß den Merkmalen des Patentanspruchs 14 sowie ein System zur Bereitstellung von Parkinformationen gemäß den Merkmalen des Patentanspruchs 15. Vorteilhafte Ausgestaltungen sind in den abhängigen Patentansprüchen angegeben.
Die Erfindung schafft ein Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug. Insbesondere wird hierbei ein Verfahren bereitgestellt, mit dem freie Parkplätze entlang von Straßen berücksichtigt werden.
Bei dem Verfahren werden Informationen über verfügbare, freie Parkplätze ermittelt, wobei aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten erzeugt wird, wobei die historischen Daten für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen. In der Wissensdatenbasis ist z. B. hinterlegt, dass in einer bestimmten Straße zu einem Zeitpunkt oder in einer Zeitspanne bei insgesamt x verfügbaren Parkplätzen im Schnitt y Parkplätze frei sind. Zu einem anderen Zeitpunkt oder in einer anderen Zeitspanne sind in der gleichen Straße demgegenüber lediglich z < y freie Parkplätze verfügbar. In der historischen Wissensdatenbasis sind damit zum einen Informationen darüber umfasst, welche Parkplätze prinzipiell als Parkplätze (sog. valide Parkplätze oder -lücken) genutzt werden können, und andererseits eine Information über durchschnittlich freie Parkplätze zu bestimmten Zeiten.
In einem weiteren Schritt wird aus den historischen Daten und aktuellen Informationen, welche zu einem ersten gegebenen Zeitpunkt für eine oder mehrere ausgewählte Straßenzüge ermittelt werden, eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge ermittelt. Die Ermittlung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze wird vorzugsweise durch einen zentralen Rechner vorgenommen. Die aktuellen Informationen über verfügbare, freie Parkplätze werden somit von den diese Informationen ermittelten, im Verkehr befindlichen Fahrzeuge oder stationären Sensoren in dem betreffenden Straßenzügen an den zentralen Rechner übermittelt.
Schließlich wird eine Visualisierung der Wahrscheinlichkeitsverteilung erzeugt, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert. Die Visualisierung der Wahrscheinlichkeitsverteilung kann durch den zentralen Rechner erfolgen, wobei das Ergebnis der Visualisierung dann beispielsweise im Rahmen einer Routenführung in einem Parkplatz suchenden Fahrzeug als Basis für eine Empfehlung dienen könnte.
Die Nutzung einer Wahrscheinlichkeitsverteilung freier Parkplätze in einem oder mehreren Straßenzügen ermöglicht es, einem Parkplatz suchenden Fahrzeug präzisere Informationen zum Zeitpunkt des Suchens eines Parkplatzes zur Verfügung zu stellen.
In einer zweckmäßigen Ausgestaltung werden die Informationen über verfügbare, freie Parkplätze von im Verkehr befindlichen Fahrzeugen messtechnisch erfasst. Hierzu kann in Fahrzeugen vorhandene Sensorik benutzt werden, welche auf optischen und/oder nicht optischen Sensoren basieren kann. Besonders bevorzugt ist die Verwendung einer Kamera. Hierbei kommen insbesondere die zur Seite gerichteten Kameras eines Fahrzeugs in Betracht, welche beispielsweise zur Unterstützung eines Einparkvorgangs hinsichtlich Hindernissen in Fahrzeugen vorgesehen sind. Ebenso können Sensoriken zum Einsatz kommen, welche beispielsweise ursprünglich für einen Spurverlassens- oder Spurwechselassistenten vorgesehen sind. Derartige Sensoren können beispielsweise auf Radar oder anderen nicht-optischen Techniken basieren.
In einer zweckmäßigen Ausgestaltung wird ein Straßenrandbereich durch eine Kamera der Fahrzeuge erfasst und es wird eine Bildfolge erzeugt, welche durch einen Rechner der Fahrzeuge ausgewertet wird, um freie Parkplätze des erfassten Straßenrandbereichs zu identifizieren. Dabei ist zweckmäßigerweise vorgesehen, dass nur valide Parkplätze in die Berechnung der Wahrscheinlichkeit einbezogen werden. Unter einem validen Parkplatz wird ein solcher Parkplatz verstanden, auf dem ein Fahrzeug regulär abgestellt werden darf. Valide Parkplätze stellen beispielsweise Einmündungen zu Kreuzungen, Feuerwehrzufahrtsbereiche und dergleichen dar. Die Plausibilisierung erfolgt mittels Bildverarbeitung und zusätzlicher Sensorik, wie einer digitalen Karte, wobei freie Parklücken während der Fahrt des Fahrzeugs automatisiert erkannt und plausibilisiert werden. Beispielsweise kann hierzu die seitlich im Fahrzeug verbaute Kamera eingesetzt werden.
In einer weiteren zweckmäßigen Ausgestaltung werden die Informationen über verfügbare, freie Parkplätze von entlang den Straßenzügen angeordneten Sensoren messtechnisch erfasst. Derartige Sensoren sind beispielsweise zur Überwachung von Parklücken aus Parkhäusern oder anderen abgegrenzten Parkplätzen bekannt.
Es kann weiterhin vorgesehen sein, dass die Informationen über verfügbare, freie Parkplätze manuell durch Eingaben von Nutzern in ein Endgerät (z. B. Smartphone, Laptop, Tablet-PC, usw., aber auch Benutzerschnittstelle eines Fahrzeugs) erzeugt werden. Beispielsweise können hierzu spezielle Apps bereitgestellt werden, in denen Nutzer freie Parkplätze melden können. Beispielsweise kann ein entsprechender Nutzereintrag erfolgen, wenn der Nutzer mit seinem Fahrzeug aus einer Parklücke ausparkt. Die entsprechenden Informationen werden dann an den eingangs erwähnten Parkrechner im Rahmen der Verarbeitung der aktuellen Informationen berücksichtigt.
Der Begriff der „aktuellen Informationen” bezieht sich immer auf einen bestimmten, gegenwärtigen Zeitpunkt. Die aktuellen Informationen werden nicht nur zur Kombination mit den historischen Daten verwendet, sondern werden gleichzeitig auch immer den historischen Daten zugeführt, so dass die historischen Daten die ermittelten Daten seit dem Beginn eines Aufzeichnungsumfangs bezüglich freier Parkplätze in bestimmten Straßenzügen zu bestimmten Zeitpunkten umfassen.
Die Informationen über verfügbare, freie Parkplätze werden zweckmäßigerweise an einen die Wissensdatenbasis erzeugenden und/oder verwaltenden Zentralrechner übermittelt. Ein solcher Zentralrechner kann beispielsweise durch einen Dienstleister administriert werden, der Parkinformationen bereitstellt. Ein solcher Dienstleister könnte beispielsweise auch ein Fahrzeughersteller sein, der damit die Information über freie Parkplätze im Rahmen seiner Routennavigation verarbeiten lässt.
In einer weiteren Ausgestaltung werden als Informationen erste Informationen über das Einparken von Fahrzeugen in und/oder das Ausparken von Fahrzeugen aus einem Parkplatz ermittelt, wobei aus den Haltezeiten zwischen dem Einparken und dem Ausparken eines jeweiligen Fahrzeugs eine Ausparkrate ermittelt wird. Die Ausparkrate kann vorteilhaft in einem Warteschlangenmodell verarbeitet werden, so dass auch eine Prognose über die Veränderung der Wahrscheinlichkeit zu einem späteren Zeitpunkt ermittelt werden kann. Ein solcher späterer Zeitpunkt könnte beispielsweise der Ankunftszeitpunkt in einem bestimmten Straßenzug im Rahmen einer errechneten Routennavigation sein. Eine Prognose kann prinzipiell auch schon auf Basis der historischen Wahrscheinlichkeitsverteilung angegeben werden. Die Qualität der Prognose wird jedoch umso besser, je aktueller die Daten sind.
Es kann weiterhin vorgesehen sein, dass als Informationen zweite Informationen über eine Parksuchdauer/-rate von Parkplatz suchenden Fahrzeugen ermittelt werden, indem nach einem erkannten Einparkvorgang eines Fahrzeugs dem Einparkvorgang vorausgehende Ortskoordinaten der Bewegung des Fahrzeugs und den jeweiligen Ortskoordinaten zugeordnete Zeitstempel und Momentangeschwindigkeiten ausgewertet werden. Ebenso wie die Ausparkrate wird die Parksuchdauer/-rate im Rahmen eines Warteschlangenmodells zur Adaption der Wahrscheinlichkeitsverteilung zu einem späteren Zeitpunkt verwendet.
Zweckmäßigerweise werden zur Ermittlung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze in Schritt b) die historischen Daten und die aktuellen Informationen in der Bayes'schen Regel verarbeitet. Die Bayes'sche Regel ermöglicht die Datenfusion von historischen Daten und aktuellen Informationen zur Ermittlung der Wahrscheinlichkeitsverteilung.
Gemäß einer weiteren Ausgestaltung wird eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze zu einem zweiten gegebenen Zeitpunkt ermittelt, wobei der zweite Zeitpunkt auf den ersten gegebenen Zeitpunkt folgt, wobei für die Ermittlung der Prognose die Ausparkrate und die Parksuchdauer/-rate verarbeitet werden. Der zweite Zeitpunkt kann eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet, das den oder die vorgegebenen Straßenzüge umfasst, umfassen.
Die Prognose kann durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung vorgenommen werden, wobei der erwartete Zustand einem den historischen Daten entsprechenden Zustand entspricht. Beispielsweise wird die Prognose mittels des Erlang-Loss-Warteschlangenmodells erzeugt.
Die oben beschriebenen Informationen – Ausparkrate, Parksuchdauer/-rate – werden ebenso wie die aktuellen Informationen über freie Parkplätze zum Erlernen der historischen Wissensdatenbasis verwendet. Der auf der Bayes'schen Regel basierende Datenfusionsalgorithmus berücksichtigt dann die historische Datenbasis als auch aktuelle Informationen, wodurch eine Aussage mit guter Qualität über die Wahrscheinlichkeitsverteilung der zu erwartenden freien Parkplätze sowie über die Qualität der Schätzung zum Zeitpunkt der Erfassung gegeben ist. Ferner wird im zeitlichen Verlauf die Veränderung der Wahrscheinlichkeitsverteilungen, insbesondere die Vergrößerung der Unschärfe, mit Hilfe einer Schätzung des Parksuchverkehrs bzw. der Ausparkhäufigkeit prognostiziert. Mit Hilfe dieser Informationen kann dann eine Karte mit entsprechenden, optimierten Wahrscheinlichkeiten dargestellt werden. Diese können für optimale Suchrouten oder eine Entscheidungsfindung, wo man am Besten Parkplätze findet, angeboten werden. Beispielsweise ist es möglich, die Frage zu beantworten ob es überhaupt möglich ist, eine Route zu einem wahrscheinlich vorhandenen freien Parkplatz zu finden.
Ein Vorteil des beschriebenen Verfahrens besteht darin, dass moderne Serienfahrzeuge ohne zusätzliche Hardware freie Parkplätze am Straßenrand automatisiert erkennen können. Hierzu werden die in den Fahrzeugen verwendeten Sensoriken genutzt. Diese Informationen werden dann an den Zentralrechner übertragen, wobei dies über in vielen Fahrzeugen vorhandene Telematikmodule ohne zusätzlichen Aufwand erfolgen kann. Über die beschriebene Fusion historischer und aktueller Daten in dem Zentralrechner kann dann historisches Wissen hinsichtlich Parkplatzwahrscheinlichkeit und Suchdauer aufgebaut werden. Zusätzlich können Parkplatz-Attribute der digitalen Karte gelernt werden, so dass eine detaillierte Karte für die Markteinführung nicht erforderlich ist. Diese kann im Laufe der Zeit aus den immer besser werdenden historischen Daten aufgebaut werden.
Die Erfindung schafft weiterhin ein Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Rechners oder Rechnersystems geladen werden kann und Softwarecodeabschnitte umfasst, mit denen die Schritte gemäß einem der vorhergehenden Ansprüche ausgeführt werden, wenn das Produkt auf dem Rechner oder Rechnersystem läuft.
Schließlich schafft die Erfindung ein System zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug. Das System umfasst

a) eine erste Einheit zur Ermittlung von Informationen über verfügbare, freie Parkplätze, welche dazu ausgebildet ist, aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten zu erzeugen, wobei die historischen Daten für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen;
b) eine zweite Einheit zur Ermittlung einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge aus den historischen Daten und aktuellen Informationen, welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge von im Verkehr befindlichen Fahrzeugen vorliegen;
c) eine dritte Einheit zur Erzeugung einer Visualisierung der Wahrscheinlichkeitsverteilung, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.

Das System weist die gleichen Vorteile auf, wie diese vorstehend in Verbindung mit dem erfindungsgemäßen Verfahren erläutert wurden.
Darüber hinaus kann das System weitere Mittel zur Durchführung bevorzugter Ausgestaltungen des Verfahrens umfassen.
Die Erfindung wird nachfolgend näher anhand eines Ausführungsbeispiels in der Zeichnung erläutert. Es zeigen:
1 eine schematische Darstellung eines Systems zur Durchführung des erfindungsgemäßen Verfahrens; und
2 das Ergebnis einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen oder mehrere ausgewählte Straßenzüge.
1 zeigt eine schematische Darstellung eines erfindungsgemäßen Systems zur Bereitstellung von Parkinformationen zu freien Parkplätzen in einem oder mehreren Straßenzügen. Das System umfasst einen Zentralrechner 10, welcher aus einem oder mehreren Rechnern gebildet sein kann. Der Zentralrechner 10 wird beispielsweise von einem Dienstleister zur Bereitstellung von Parkinformationen verwaltet. Der Dienstleister könnte beispielsweise ein Fahrzeughersteller sein.
Der Zentralrechner 10 umfasst eine Kommunikationsschnittstelle 11 zum Empfangen von Informationen über verfügbare, freie Parkplätze sowie zum Senden von Informationen, welche eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen bestimmten Straßenzug repräsentieren. Die Aufgabe des Zentralrechners 10 besteht darin, Informationen über verfügbare, freie Parkplätze, welche insbesondere von im Verkehr befindlichen Fahrzeugen, aber auch von stationär installierten Sensoreinheiten, an den Zentralrechner übertragen werden, zu verarbeiten.
Die Gesamtheit der Informationen über verfügbare, freie Parkplätze oder Daten zur Gewinnung dieser Informationen ist in 1 mit dem Bezugszeichen 20 gekennzeichnet. Die nachfolgend näher beschriebenen Informationen werden von einem als „Parkmonitor” bezeichneten Dienst 22, einer Ein- und Ausparkerkennung 24 und einem Dienst zur Bereitstellung einer Parksuchdauer 26 gebildet. Die jeweiligen Informationen können fertig aufbereitet an den Zentralrechner 10 übertragen werden. Ebenso kann die Aufbereitung der Daten durch den Zentralrechner 10 erfolgen, so dass die die Informationen liefernden Fahrzeuge und/oder Sensoriken lediglich Rohdaten und/oder vorverarbeitete Daten liefern müssen.
Die dem Zentralrechner 10 bereitgestellten Informationen stellen zum Zeitpunkt der Bereitstellung aktuelle Informationen dar, welche eine Situation bezüglich verfügbarer, freier Parkplätze zum aktuellen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge repräsentieren. Die aktuellen Daten werden in dem Zentralrechner 10 zu dynamischen Daten 12 verarbeitet. Aus den dynamischen Daten 12, welche in der Vergangenheit bis zum aktuellen Zeitpunkt von dem Zentralrechner 10 empfangen wurden, wird durch Lernverfahren eine historische Datenbasis 14 erzeugt. Die gerade bereitgestellten aktuellen Informationen werden ebenfalls in der bzw. für die historische Datenbasis verarbeitet. Die in der historischen Datenbasis 14 enthaltenen Informationen werden zusammen mit den dynamischen Daten 12 in einer nachfolgend näher beschriebenen Weise fusioniert (Bezugszeichen 18), wobei als Ergebnis der Fusionierung eine Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für den oder die interessierenden Straßenzüge ermittelt wird. Im Rahmen der Fusion können weiter statische Daten 16 berücksichtigt werden, welche Informationen über die Gesamtanzahl der Parkplätze sowie zu nicht validen Parkplätzen, über die Größe der Parkplätze oder über die Art des Parkraummanagements etc. betreffen. Um die Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für die interessierenden Straßenzüge verarbeiten zu können, wird weiterhin eine Visualisierung der Wahrscheinlichkeitsverteilung erzeugt, welche die Parkinformation zu den freien Parkplätzen in den betreffenden Straßenzügen repräsentiert bzw. darstellt. Die Visualisierung kann durch die Rechnereinheit 10 selbst, oder aber durch einen Rechner bzw. ein Fahrzeug, an welche die, die Wahrscheinlichkeitsverteilung repräsentierenden, Informationen übertragen wurden, vorgenommen werden. In 1 ist die Wahrscheinlichkeitsverteilung freier Parkplätze mit dem Bezugszeichen 30 gekennzeichnet.
Durch den Parkmonitor 22 werden aktuelle Daten über freie und/oder belegte Parkplätze einer Straße ermittelt. Vorzugsweise erfolgt die Ermittlung durch im Verkehr befindliche Fahrzeuge, welche den Straßenrand sensorisch erfassen. Vorzugsweise erfolgt eine Erfassung des Straßenrands durch eine oder mehrere Kameras des Fahrzeugs, wobei die durch die Kamera(s) erzeugte(n) Bildfolge(n) mittels Bildverarbeitung ausgewertet wird (werden), um während der Fahrt automatisiert entlang der befahrenen Straße Parklücken zu erkennen und zu plausibilisieren. Plausibilisieren bedeutet hierbei, dass eine Überprüfung erfolgt, ob eine Lücke tatsächlich als Parkplatz bewertet werden kann oder nicht. Im Rahmen der Plausibilisierung von validen (d. h. tatsächlich für einen Parkvorgang zur Verfügung stehenden) Parklücken werden auch deren Abstände bzw. Größe ermittelt. Neben der Sammlung von Informationen durch im Verkehr befindlichen Fahrzeugen können auch Nutzerinformationen, welche beispielsweise zu freien Parkplätzen manuell in ein Endgerät eingegeben wurden, sowie Informationen von stationär angeordneten Sensoren an die Recheneinheit 10 übertragen werden.
Die Informationen über Ein- und Ausparkvorgänge (Bezugszeichen 24) können wahlweise automatisiert durch Sensoren des Fahrzeugs und/oder manuell durch Nutzereingaben in ein entsprechendes Nutzerendgerät ermittelt werden. Ein Ausparkvorgang kann beispielsweise durch den Start des Motors des Fahrzeugs, die Ermittlung des gegenwärtigen Standorts sowie die Auswertung von Lenkbewegungen detektiert werden. Ebenso könnte der Fahrer beim Ausparkvorgang durch Eingabe einer entsprechenden Information in eine Mensch-Maschine-Schnittstelle (sei es eine Schnittstelle in dem Fahrzeug oder in einem portablen Endgerät) eine Information über einen vorgenommen Ausparkvorgang an den Zentralrechner 10 übermitteln. In entsprechender Weise könnte dies auch für Einparkvorgänge erfolgen. Sind die Zeitpunkte des Ein- und Ausparkens eines jeweiligen Fahrzeugs bekannt, so kann eine Haltezeit und aus dieser eine sog. Ausparkrate μ ermittelt werden. Die Ausparkrate μ wird, wie dies weiter unten erläutert werden wird, im Rahmen eines Warteschlangenmodells verarbeitet, welches zur Verbesserung der Genauigkeit der Wahrscheinlichkeitsverteilung angewendet wird.
Ein weiterer Eingangsparameter für das Warteschlangenmodell stellt die Parksuchdauer λ, die auch als Parksuchrate bezeichnet wird, dar. Diese kann anhand von erfassten Ortskoordinaten eines Fahrzeugs ermittelt werden. Die Ortskoordinaten der Bewegung eines Fahrzeugs können z. B. anhand des im Fahrzeug integrierten GPS-Empfängers ermittelt werden. Die als Positionen bezeichneten Koordinaten werden in vorgegebenen Abständen als sog. Perlen in einem Ringspeicher des Fahrzeugs abgelegt. Wird erkannt, dass ein Fahrzeug eingeparkt hat, so wird der Inhalt des Ringspeichers analysiert, um das Maß für die Parksuchdauer λ sowie eine Erfolgswahrscheinlichkeit der Parksuche einem Parksuchvorgang zuzuordnen. Die hierzu erforderlichen Rechenvorgänge können in einer Recheneinheit des Fahrzeugs selbst, oder aber durch die Recheneinheit 10 vorgenommen werden, wenn die entsprechenden Informationen mit den Ortskoordinaten an die Recheneinheit 10 übermittelt werden.
Zur Zuordnung einer Parksuchdauer λ eines Fahrzeugs wird die Folge von Positionen in dem Ringspeicher wie folgt analysiert. Jede Perle erhält eine Position x_i, y_i sowie einen Zeitstempel t_i und eine aktuelle Geschwindigkeit v_i. Dabei ist i = 1, ..., N, wobei t_N den Zeitpunkt des Einparkens bezeichnet. Gesucht wird nun rückwärts vom Zeitpunkt N eine maximale Folge von „Perlen” derart, dass die Folge insgesamt als Parksuchfolge gilt. Hierzu kann das an sich bekannte Friends-2-Friends-Verfahren verwendet werden. In diesem bedient man sich eines Suchradius und fasst Perlen zusammen, mit der Eigenschaft, dass ihre Geschwindigkeit unterhalb eines vorgegebenen Schwellenwerts liegt und diese innerhalb des Suchradius voneinander entfernt liegen. Hierbei ist nur eine geometrische Berechnung auf Basis der vorhandenen Ortspositionen erforderlich.
Die oben genannten Informationen werden, wie einleitend beschrieben, an den Zentralrechner 10 übermittelt und einerseits zum Erlernen der historischen Datenbasis 16 herangezogen. Zum anderen fließen die aktuellen Daten in den Datenfusionsalgorithmus 18 ein. Die Ermittlung der Wahrscheinlichkeitsverteilung durch den Fusionsalgorithmus nutzt den an sich bekannten Mechanismus der Bayes'schen Regel. In diesem werden sowohl die Daten der historischen Datenbasis 16 als auch die dynamischen, aktuellen Daten 12 berücksichtigt. Ergebnis der Fusion ist eine Wahrscheinlichkeitsverteilung der zu erwartenden freien Parkplätze. Darüber hinaus kann eine Aussage über die Qualität dieser Schätzung zum Zeitpunkt der Erfassung gewonnen werden.
Ferner erfolgt eine Prognose des zeitlichen Verlaufs der Veränderung der Wahrscheinlichkeitsverteilungen, insbesondere die Vergrößerung einer Unschärfe, mit Hilfe der Schätzung der Parksuchdauer λ sowie der Ausparkrate μ unter Anwendung eines Warteschlangenmodells. Hierdurch kann eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze zu einem späteren Zeitpunkt als dem aktuellen Zeitpunkt ermittelt werden. Für die Ermittlung der Prognose werden hierbei, wie erläutert, die Ausparkrate μ und die Parksuchdauer λ verarbeitet. Der spätere Zeitpunkt kann beispielsweise eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet sein, das den oder die vorgegebenen Straßenzüge umfasst. Die Prognose wird durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung vorgenommen, wobei der erwartete Zustand einem den historischen Daten entsprechenden Zustand zum späteren, zweiten Zeitpunkt entspricht.
Hierdurch kann beispielsweise ermittelt werden, ob es möglich ist, eine Route zu einem wahrscheinlich vorhandenen freien Parkplatz am Zielort einer Routennavigation zu finden.
Nachfolgend wird die Vorgehensweise zur Ermittlung einer Wahrscheinlichkeitsverteilung zu erwartender freier Parkplätze für einen bestimmten Straßenzug näher erläutert.
Ziel ist eine Prognose der Wahrscheinlichkeitsverteilung freier Parkplätze in einem Straßenzug, die im Rahmen einer Routenführung im Fahrzeug als Basis für eine Empfehlung dienen könnte. Hierfür werden als Eingangsdaten historische Daten und, sofern verfügbar, aktuelle Informationen bzw. Daten über freie Parkplätze herangezogen. Die Informationen betreffen die Anzahl belegter bzw. unbelegter (freier) Parkplätze.
Das Verfahren nutzt ein statistisches Modell und einen Algorithmus zur Schätzung der Parameter der Wahrscheinlichkeitsverteilung freier Parkplätze auf Basis historischer Daten, wenn aktuelle Daten mit einem vergleichbaren Zeitstempel bei sonst vergleichbaren Einflussfaktoren vorliegen. Der Fusions-Algorithmus basiert auf dem Bayes'schen Lernansatz.
In seiner Genauigkeit verbessert werden kann der Bayes'sche Lernansatz durch ein sog. Birth-Death-Markov-Prozessmodell (auch bekannt als Erlang-Loss-Modell) und Algorithmen zur Schätzung der zeitlichen Entwicklung der Wahrscheinlichkeitsverteilungen für freie Parkplätze und der Gleichgewichtszustände. Mit dem Algorithmus zur zeitlichen Entwicklung wird der Übergang von einem unmittelbar beobachteten Zustand zu einem historischen Zustand modelliert. Mit den Gleichgewichtslösungen können auch Situationen mit einem erheblichen Parksuchverkehr beschrieben werden.
Für das Erlang-Loss-Modell wird als Parameter u. a die Parksuchdauer benötigt, welche mit einem Algorithmus zur Schätzung eines Parksuchweges und einer Parksuchdauer λ aus sog. „Perlenketten”, d. h., Zeitreihen aus lokalen kartesischen Koordinaten eines Fahrzeugs, das einen Parkplatz gefunden hat, ermittelt werden kann. Hierfür wird ein Ringspeicher der „Perlen” herangezogen. Die Methode liefert eine Schätzung der Verlust-Wahrscheinlichkeit, die zur Schätzung des sog. „Erlang-Faktors” benötigt wird. Dieser wird wiederum für das Modell zur zeitlichen Entwicklung der Wahrscheinlichkeitsverteilungen herangezogen. Können keine aktuellen Daten über Parksuchweg und Parksuchdauer erhoben werden, können alternativ auch statistische Erhebungen und Studien als Basis verwendet werden. Das Modell berücksichtigt jedoch deren unscharfe Aussagekraft.
Das Verfahren in seiner optimalen Ausgestaltung sieht dann einen Übergang zwischen dem Zeitpunkt unmittelbar nach einer Beobachtung bis zur „Relaxation” auf einen, dem historischen Modell entsprechenden, Zustand vor. Die Übergangsrate hängt vom Parksuchverkehr bzw. von der Ausparkrate μ ab. Für diese werden Daten zur Parksuchdauer bzw. zum Parksuchweg, die Daten über Parkdauer, Daten über das Ein- und Ausparken usw. berücksichtigt.
Für die aktuellen Informationen wird angenommen, dass als Eingangsdaten eine Anzahl f freie Parkplätze aus n gültigen Parkplätzen (f ≤ n) in einem Straßenzug beobachtet worden sind. Die Anzahl als „belegt” (aber gültig oder valide) beobachteter Parkplätze beträgt somit b = n – f. Die aktuellen Informationen werden nachfolgend auch als Beobachtungen bezeichnet.
Eine Prognose der Wahrscheinlichkeitsverteilung P(F) freier Parkplätze F, wie diese beispielhaft in 2 dargestellt ist, trägt den Tatsachen Rechnung, dass einerseits bereits die Beobachtung selbst mit einer gewissen Unschärfe behaftet ist, andererseits Ein- und Ausparkvorgänge seit der Beobachtung und bis zur Ankunft eines Fahrzeugs möglich sind. Die Dauer der Zeit zwischen der Beobachtung und der voraussichtlichen Ankunft des Parkplatz suchenden Fahrzeugs definiert einen „Prognosehorizont”.
Jedem als „frei” beobachteten Parkplatz wird eine Wahrscheinlichkeit p_f zugeordnet, dass er noch frei sein wird. In der Regel ist p_f nur knapp kleiner als 1, wenn der Prognosehorizont gering ist. Für die als „belegt” beobachteten (aber als gültig klassifizierten) Parkplätze wird ebenfalls angenommen, dass eine Wahrscheinlichkeit p_b zugeordnet werden kann, dass sie (wieder) frei geworden sind. In der Regel ist p_b nur knapp größer als 0 sein, wenn der Prognosehorizont gering ist. Die beiden Wahrscheinlichkeiten bringen die Unschärfe der Erfassung sowie den Einfluss des Parksuchverkehrs zum Ausdruck.
Hierbei ist zu berücksichtigen, dass p_f + p_b ≠ 1. Überwiegt z. B., das Ausparken, so könnte p_b schneller ansteigen, als p_f abnimmt. Bei einem längeren Prognosehorizont spielt die Beobachtung eine abnehmende Rolle; beide Wahrscheinlichkeiten nähern sich dann der historischen Verteilung an, soweit diese geschätzt werden kann.
Bei dem erfindungsgemäß eingesetzten Prognoseverfahren unter Nutzung historischer Beobachtungen wird zunächst der Fall einer einzigen historischen Beobachtung betrachtet. Sind K historische Beobachtungen (k = 1, 2, ...) von f_k freien aus n gültigen Parkplätzen vorhanden, so werden
definiert.
Unter Annahmen, die nachfolgend näher erläutert werden, unterstellt das Modell für die Wahrscheinlichkeitsverteilung freier Parkplätze eine Binomialverteilung mit einem Wahrscheinlichkeitsparameter p. Als konjugierte A-priori-Verteilung für die Schätzung des Parameters p aus der Likelihoodfunktion ist die sog. Betaverteilung g(q; α; β) bekannt [http://de.wikipedia.org/wiki/Betaverteilung; g entspricht f in der Notation von wikipedia]. Sie bringt die Wahrscheinlichkeit g zum Ausdruck, dass der Parameter p den Wert q annimmt. Hierbei sind (α; β) die sog. Hyperparameter der konjugierten A-priori-Verteilung.
Nun ergibt sich unter der Modellannahme einer Binomialverteilung mit einem festen Parameter p für die Verteilungsdichte für die Anzahl f freie Parkplätze in Abhängigkeit des Parameters p die Wahrscheinlichkeitsdichte P P(f) = ( n / f)(p)ⁿ(1 – p)^n-f (5)
Da jedoch p selbst gemäß der Betaverteilung mit Unschärfe behaftet ist, wird P(f) über die A-priori-Verteilung integriert.
Das Modell einer Binomialverteilung beschreibt den Fall eines relativ geringen Parksuchverkehrs (im Vergleich zu 1/Parkdauer). Wenn diese Bedingung regelmäßig verletzt wird, dann wird häufig ein hoher Prozentsatz belegter Parkplätze beobachtet.
Eine verbesserte Prognose ergibt sich unter Berücksichtigung eines Warteschlangemodells nach „Erlang-loss (M/M/s/s)”. Das Verhalten des Systems unmittelbar nach einer Beobachtung wird als Übergang oder „Relaxation” des erwarteten Zustandes auf einen den historischen Daten entsprechenden Zustand modelliert. Die Übergangsrate hängt vom Parksuchverkehr und von der Parkdauer (bzw. von der Ausparkrate μ) ab. Das Erlang-Loss-Modell ist sowohl für die Beschreibung von historischen Daten bei hohem Parksuchverkehr bzw. bei hoher Belegung als auch generell für die Modellierung der „Relaxation” geeignet. Es beschreibt Warteschlangen, bei denen ein Zugriff auf eine belegte Ressource zu einem unmittelbaren Abbruch führt. Bei einer Parksuche in einem Straßenzug ist dies der Fall, wenn alle Parkplätze schon belegt sind und der Fahrer nicht zurückkommt. Das Modell ist sehr ausführlich in der Literatur dokumentiert und wird hier nur zusammengefasst:
Das Modell kann als ”Birth-Death-Markov-prozess” betrachtet werden. Besetzungen erfolgen mit einer Parksuchrate λ(t) und Ausparkvorgänge erfolgen für jeden einzelnen Parkplatz mit einer Rate μ(t) = 1/h(t), wobei h(t) ein Maß für die Parkdauer darstellt. Zunächst wird angenommen, dass beide Prozesse exponentialverteilt erfolgen.
Es sind im Straßenzug s Parkplätze vorhanden, und es bilden sich keine Warteschlangen. Wenn ein Fahrzeug einen Parkplatz sucht und einer frei ist, nimmt er diesen an. Die Übergangswahrscheinlichkeiten erfüllen damit folgende Gleichungen:
Weiter wird der Parameter („traffic intensity” oder Beanspruchung pro Server) ρ ≡ λ / sμ (10) definiert.
Sind die Prozesse Parksuche und Ausparken in Gleichgewicht, so werden die stationären Lösungen von Gleichung (7) betrachtet. Diese erfüllen λP_j = (j + 1)_μP_j+1, j = 0, 1, 2, ..., s – 1 or P_j+1 = λ / (j + 1)μP_j, j = 0, 1, 2, ..., s – 1 (11) und ergeben die Wahrscheinlichkeiten:
Die Wahrscheinlichkeit, dass alle Parkplätze belegt sind und das Fahrzeug wegfährt beträgt
Gleichung (10) ist als „Erlang-B-Formel” bekannt.
Mit Hilfe des folgenden Verfahrens ist es möglich, eine Schätzung der Parksuchrate λ(t) zu gewinnen. Zunächst wird aus Beobachtungen von Ein- und Ausparkvorgängen eine Schätzung für die historische Parkdauer h(t) und damit für die Ausparkrate μ(t) = 1/h(t) gewonnen. Aus dem geschätzten Parksuchweg (siehe nachfolgende Beschreibung) wird ein Maß Z für Gesamtzahl aller validen Parkplätze geschätzt, die bei der Suche geprüft worden sind. Somit kann eine Verlust-Wahrscheinlichkeit L (Loss Probability) direkt geschätzt werden: L = 1 – S/Z (14) Mit P_s = 1 – L (15) (s = Anzahl der validen Parkplätze eines Straßenzuges) kann das Verhältnis Erlang = λ/μ☐ (16) geschätzt werden. Mit dem Erlangfaktor „Erlang” und h(t) lässt sich dann eine Schätzung der Parksuchrate λ(t) berechnen.
Die einzelnen Schätzungen von λ(t) können zufällig unterschiedlich sein. Um einen Parameterwert für die Parksuchrate im Rahmen der Lösung der Übergangsgleichungen 7 bis 9 zu erhalten (Übergang zum Gleichgewicht), kann in einer bevorzugten Ausführung der Erfindung folgendes Verfahren angewandt werden:
Zunächst wird eine Tabelle gebildet, die es erlaubt, aus wiederholten Messungen von Z auf einen Wert von ρ zu schließen: Dazu werden in einer bevorzugten Ausführung mit Hilfe der dem Fachmann bekannten Monte-Carlo-Methode durch wiederholt erzeugte Realisierungen der Gleichungen 7 bis 10 bei vorgegebenen unterschiedlichen Reihenfolgen von ρ beliebig viele (bevorzugt: 10.000) N-tuple [ρ(i), Z(i)] erzeugt und in Sub-Gruppen bezüglich ρ eingeteilt. Für jede Subgruppe werden die Parameter einer geeigneten Wahrscheinlichkeitsverteilung mit Hilfe dem Fachmann bestens bekannter Methoden bestimmt, wie z. B. mit der Maximum-Likelihood-Methode, mit der Maximum-A-Posteriori(MAP)-Methode oder mit der Momenten-Methode. In einer bevorzugten Ausführung handelt es sich hierbei um eine Exponentialverteilung, die durch einen Parameter alpha charakterisiert wird. Auf diese Weise entsteht eine Zuordnung ρ(alpha), die in einer bevorzugten Anwendung als Tabelle gespeichert wird. In weiteren Ausführungen kann die Verteilung auf ähnliche Weise durch eine Vielzahl von Parametern charakterisiert werden, so dass ρ durch Vorgabe dieser Parameter gewonnen werden kann.
Für die Anwendung (Parameterwert zur Lösung der Übergangsgleichungen 7 bis 9) werden zu jedem der wiederholten Stichproben Z(i) die geschätzten Werte von h(t) berechnet und dem Zeitstempel (Aus dem Zeitstempel gehen die Tageszeit und der Wochentag hervor) zugeordnet. Damit stehen Werte (N-tuple) der Gestalt [t, h(t), Z(i)] zur Verfügung. Die Daten N-tuple werden in Sub-Gruppen bezüglich Intervallen von t (etwa stündlich und nach Wochentag) eingeteilt. Für jede Sub-Gruppe werden die Parameter einer geeigneten Wahrscheinlichkeitsverteilung mit Hilfe dem Fachmann bestens bekannter Methoden bestimmt. In einer bevorzugten Ausführung handelt es sich hierbei um eine Exponentialverteilung, die durch einen Parameter (hier als alpha bezeichnet) vollständig charakterisiert wird. In weiteren Ausführungen kann die Verteilung durch mehrere Parameter charakterisiert werden.
Diese so gewonnenen Parameterwerte werden mit der oben beschriebenen Tabelle ρ(alpha) verglichen, die zu jedem Wert der Parameter (etwa alpha) einen entsprechenden Wert von ρ zuordnet. Damit können die Parameterwerte für die Parksuchrate im Rahmen der Lösung der Übergangsgleichungen 7 bis 9 erhalten werden.
Die so gewonnenen Parameterwerte beschreiben die „historischen” Erwartungswerte der Parameter der Gleichungen 7 bis 10. In einer weiteren Ausführung der Erfindung können auch aktuelle Werte geschätzt werden, indem aktuelle (etwa in der letzten Stunde) erfasste Z-Werte mehrerer benachbarter Straßenzüge zusammengefasst werden und wie bereits beschrieben einem Wert ρ zugeordnet werden.
Die Fusion aktueller Beobachtungen erfolgt mit historischen Verteilungen bei nichtstationären Zuständen. Werden zu einem Zeitpunkt t₀, f freie Parkplätze beobachtet, bedienen wir uns der oben gemachten Modellannahmen. Aus den f ursprünglich als frei beobachten Parkplätzen sind F1 zum Prognosehorizont (noch) frei. Aus den b (b = n – f) ursprünglich als belegt klassifizierten Parkplätzen sind zum Prognosehorizont F2 (wieder) frei. Besetzungen erfolgen mit einer Parksuchrate λ(t) (gesamt) und Ausparkvorgänge erfolgen mit einer Rate (pro Parkplatz) μ(t) = 1/h(t). Zur Gewinnung der Größe Z kann auch das weiter unten beschriebene Verfahren eingesetzt werden.
Die Bestimmung eines Parksuchweges und einer Parksuchdauer aus Perlenketten erfolgt mit nachfolgend beschriebenem Algorithmus. Es wird eine erfolgreiche Parksuche betrachtet, wobei angenommen ist, dass eine Perlenkette folgender Form vorliegt: {t_j, x_j, y_j}, j = 0, N (17) mit zunehmenden Zeitstempeln t_j+1 < t_j, j = 0, N – 1. (18)
Die Koordinaten {x_j, y_j} sind lokale kartesische Koordinaten, etwa aus GPS-Signalen. Für die Anwendung wird angenommen, dass die Ungenauigkeiten normal-verteilt sind, mit Mittelwert Null, und dass die Standardabweichung durch eine bekannte obere Schranke ε (etwa 10 Meter) begrenzt ist. Diese Art von Perlenkette kann durch einen Ringspeicher der Größe N zur Verfügung gestellt sein. Die Zahl der Perlen N ist durch den hierfür verfügbaren Speicherplatz definiert. Das Ereignis „eingeparkt” entspricht demgemäß der Perle {t_N, x_N, y_N} (19)
Ferner wird ein normaler Suchradius R_S und ein erweiterter Suchradius R_E vorgegeben, z. B. mit R_S = 200 Meter R_E = 500 Meter. (20)
Ferner wird eine typische Mindestgeschwindigkeit im Ballungsraum V_urban vorgegeben, die für das städtische Umfeld gelten soll: V_urban = 2 Meter/Sek. (21)
Um Suchstrecken von zielgerichteten Routen besser unterscheiden zu können, wird ein Effizienzfaktor F_eff definiert: F_eff = 4 (22)
Für die Zuordnung eines Parksuchweges und einer Parksuchdauer wird zunächst der euklidische Abstand jeder Perle zum Parkplatz gebildet:

Alle Perlen For j = 0, N – 1

Bilde euklidische Abstände zum Parkplatz: r_j = E[{x_j, y_j}, {x_N, y_N}]
Nun wird für die beiden Suchradien R = R_E, R = R_S gesucht, bis eine Perle (Index ^J) mit Abstand zum Parkplatz r_j < R gefunden wird.

Beide Suchradien For R = R_E, R = R_S {begin loop

Alle Perlen For j = 0, N – 1, {Begin loop

Bilde euklidische Abstände zum Parkplatz: IF(R > r_j), THEN

J = j

EXIT

}

}
Es ist möglich, dass J_E = 0, d. h., die gesamte Kette befindet sich innerhalb vom erweiterten Suchradius R_E oder sogar innerhalb vom normalen Suchradius R_S. Tritt dies regelmäßig auf, so empfiehlt es sich, einen größeren Ringspeicher zu verwenden. Nun stehen die Indizes J_S und J_E zur Verfügung und somit die Werte von {t_j, x_j, y_j} für j = J_S und j = J_E, etwa
etc.
Zur Wahl einer der beiden Suchradien wird folgendes definiert und berechnet: δ = R_E – R_S (23)
Falls V_eff < V_urban UND <V> > F_eff·V_urban, dann soll der erweiterte Suchradius R = R_E und der Index J = J_E verwendet werden, sonst der normale Suchradius R = R_S und der Index J = J_S. Die Absicht dieser Entscheidungsregel ist eine Modellvorstellung: eine erweiterte Suche wird vermutet, wenn das Fahrzeug trotz typischer Stadtgeschwindigkeit nur unwesentlich näher zum endgültigen Parkplatz kommt.
Zur Bestimmung der Parksuchdauer T wird folgende Definition getroffen: T = t_j – t_N (27)
Mit der Notation Ma[{x₁, y₁}, {x₂, y₂}] wird der zurückgelegte Weg zwischen zwei Punkten {x₁, y₁} und {x₂, y₂} bezeichnet. Der Parksuchweg wird demgemäß mit
definiert.
Die Zuordnung einer Anzahl Z der abgesuchten Parkplätze hängt von der Qualität der vorhandenen Informationen ab. Bei Vorliegen der Anzahl valider Parkplätze auf der Parksuchstrecke ist z(j) = Anzahl der validen Parkplätze zwischen Perle j und Perle j + 1. (29)
Dann ergibt sich
In der Regel ist hierfür zumindest ein Mapmatching und ein Zugriff auf eine historische Datenbasis erforderlich.
Wenn keine Schätzung der Anzahl valider Parkplätze auf der Parksuchstrecke vorliegt, kann mit Hilfe der Formel (28) dennoch eine Schätzung der Anzahl der abgesuchten Parkplätze gewonnen werden. Dazu wird eine Vorgabe zur Parkplatzdichte d (Anzahl der validen Parkplätze pro km) benötigt. In diesem Fall ergibt sich (da X aus Formel (28) in Meter gemessen wird) Z = dX/1000 (31)
Falls eine streckenabhängige Schätzung von ρ vorliegt, lässt sich diese Formel verallgemeinern, indem die jeweils streckenabhängige Schätzung der lokalen Parkplatzdichte anstelle von d verwendet wird.
Bezugszeichenliste

10: Zentralrechner
11: Schnittstelle
12: Dynamische Daten
14: Historische Datenbasis
16: Statische Daten
18: Fusion
20: Informationen/Daten über verfügbare, freie Parkplätze
22: Parkmonitor
24: Ein- und Ausparkerkennung
26: Parksuchzeit
30: Wahrscheinlichkeitsverteilung

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102009028024 A1 [0004]

Zitierte Nicht-Patentliteratur

http://de.wikipedia.org/wiki/Betaverteilung [0056]

Claims

Verfahren zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug, bei dem a) Informationen über verfügbare, freie Parkplätze ermittelt werden, wobei aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten (14) erzeugt wird, wobei die historischen Daten (14) für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen; b) aus den historischen Daten (14) und aktuellen Informationen (12), welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge ermittelt werden, eine Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge ermittelt wird; c) eine Visualisierung der Wahrscheinlichkeitsverteilung (30) erzeugt wird, welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze von im Verkehr befindlichen Fahrzeugen messtechnisch erfasst werden.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass ein Straßenrandbereich durch eine Kamera der Fahrzeuge erfasst und eine Bildfolge erzeugt wird, welche durch einen Rechner der Fahrzeuge ausgewertet wird, um freie Parkplätze des erfassten Strassenrandbereichs zu identifizieren.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze von entlang den Strassenzügen angeordneten Sensoren messtechnisch erfasst werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze manuell durch Eingabe von Nutzern in ein Endgerät erzeugt werden.
Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass die Informationen über verfügbare, freie Parkplätze an einen die Wissensdatenbasis erzeugenden und/oder verwaltenden Zentralrechner (10) übermittelt werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Informationen erste Informationen über das Einparken von Fahrzeugen in und/oder das Ausparken von Fahrzeugen aus einem Parkplatz ermittelt werden, wobei aus den Haltezeiten zwischen dem Einparken und dem Ausparken eines jeweiligen Fahrzeugs eine Ausparkrate (μ) ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Informationen zweite Informationen über eine Parksuchdauer/-rate (λ) von Parkplatz suchenden Fahrzeugen ermittelt werden, indem nach einem erkannten Einparkvorgang eines Fahrzeugs dem Einparkvorgang vorausgehende Ortskoordinaten (x_i, y_i) der Bewegung des Fahrzeugs und den jeweiligen Ortskoordinaten zugeordneten Zeitstempel (t_i) und Momentangeschwindigkeiten (v_i) ausgewertet werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zur Ermittlung der Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze in Schritt b) die historischen Daten und die aktuellen Informationen in der Bayes'schen Regel verarbeitet werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Prognose der Veränderung der Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze zu einem zweiten gegebenen Zeitpunkt ermittelt wird, wobei der zweite Zeitpunkt auf den ersten gegebenen Zeitpunkt folgt, wobei für die Ermittlung der Prognose die Ausparkrate (μ) und die Parksuchdauer/-rate (λ) verarbeitet werden.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass der zweite Zeitpunkt eine durch eine Routennavigation ermittelte Ankunftszeit in einem Zielgebiet, das den oder die vorgegebenen Straßenzüge umfasst.
Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass die Prognose durch eine Modellierung der zum ersten gegebenen Zeitpunkt ermittelten Wahrscheinlichkeitsverteilung durch den angenommenen Übergang auf einen erwarteten Zustand der Wahrscheinlichkeitsverteilung (30) vorgenommen wird, wobei der erwartete Zustand einem den historischen Daten (14) entsprechenden Zustand entspricht.
Verfahren nach einem der Ansprüche 10 bis 12, dadurch gekennzeichnet, dass die Prognose mittels des Erlang-Loss-Warteschlangenmodells erzeugt wird.
Computerprogrammprodukt, das direkt in den internen Speicher eines digitalen Rechners oder Rechnersystems geladen werden kann und Softwarecodeabschnitte umfasst, mit denen die Schritte gemäß einem der vorhergehenden Ansprüche ausgeführt werden, wenn das Produkt auf dem Rechner oder Rechnersystem läuft.
System zur Bereitstellung von Parkinformationen zu freien Parkplätzen in zumindest einem Straßenzug, umfassend a) eine erste Einheit zur Ermittlung von Informationen über verfügbare, freie Parkplätze, welche dazu ausgebildet ist, aus den ermittelten Informationen eine Wissensdatenbasis mit historischen Daten (14) zu erzeugen, wobei die historischen Daten (14) für vorgegebene Straßenzüge und/oder vorgegebene Zeiten oder Zeiträume jeweils statistische Daten über freie Parkplätze umfassen; b) eine zweite Einheit zur Ermittlung einer Wahrscheinlichkeitsverteilung (30) zu erwartender freier Parkplätze für den oder die ausgewählten Straßenzüge aus den historischen Daten (14) und aktuellen Informationen (12), welche zu einem ersten gegebenen Zeitpunkt für einen oder mehrere, ausgewählte Straßenzüge vorliegen; c) eine dritte Einheit zur Erzeugung einer Visualisierung der Wahrscheinlichkeitsverteilung (30), welche die Parkinformation zu freien Parkplätzen in dem oder den ausgewählten Straßenzügen repräsentiert.
System nach Anspruch 15, das weitere Mittel zur Durchführung des Verfahrens nach einem der Ansprüche 2 bis 13 umfasst.