SE1251163A1 - System och metod i samband med förekomst av fordonståg - Google Patents

System och metod i samband med förekomst av fordonståg Download PDF

Info

Publication number
SE1251163A1
SE1251163A1 SE1251163A SE1251163A SE1251163A1 SE 1251163 A1 SE1251163 A1 SE 1251163A1 SE 1251163 A SE1251163 A SE 1251163A SE 1251163 A SE1251163 A SE 1251163A SE 1251163 A1 SE1251163 A1 SE 1251163A1
Authority
SE
Sweden
Prior art keywords
vehicles
vehicle
data
computer system
selection
Prior art date
Application number
SE1251163A
Other languages
English (en)
Inventor
Erik Selin
Original Assignee
Scania Cv Ab
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Scania Cv Ab filed Critical Scania Cv Ab
Priority to SE1251163A priority Critical patent/SE1251163A1/sv
Priority to US14/435,547 priority patent/US20150262481A1/en
Priority to BR112015008512A priority patent/BR112015008512A2/pt
Priority to EP13847452.3A priority patent/EP2906999A4/en
Priority to PCT/SE2013/051188 priority patent/WO2014062118A1/en
Publication of SE1251163A1 publication Critical patent/SE1251163A1/sv

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/60—Intended control result
    • G05D1/69—Coordinated control of the position or course of two or more vehicles
    • G05D1/695—Coordinated control of the position or course of two or more vehicles for maintaining a fixed relative position of the vehicles, e.g. for convoy travelling or formation flight
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G05D1/0293—Convoy travelling
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/22—Platooning, i.e. convoy of communicating vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Traffic Control Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

Uppfinningen hänför sig till en metod i samband med förekomsten av fordonståg, som innefattar stegen att: tillhandahålla ett flertal uppsättningar fordonsdata gällande en mängd fordon; jämföra nämnda uppsättningar fordonsdata för nämnda mängd fordon med åtminstone ett gränsvärde för nämnda uppsättningar fordonsdata; bestämma åtminstone ett urval av fordon från nämnda mängd fordon i beroende av resultatet av nämnda jämförelse; beräkna avstånden mellan fordonen i nämnda urval av fordon, samt bestämma de inbördes positionerna för fordonen i nämnda urval av fordon baserat åtminstone på nämnda beräknade avstånd. Uppfinningen hänför sig även till ett datorsystem i samband med förekomsten av fordonståg.(Figur 1)

Description

2 I ”Discovery of Convoys in Trajectory Databases”, E. Jeung et al., Proceedings of the VLDB Endowment VLDB Endowment Volume 1 Issue 1, August 2008, s. 1068-1080, beskrivs en metod att hitta konvojer av fordon. Metoden använder sig av densitetsbaserade notationer. Tre algoritmer presenteras, i vilka trajektorier beräknas för de olika fordonen och distansgränser mellan de olika trajektorierna. I ett förfiningssteg processas kandidat-konvojer för att få fram verkliga konvojerna.
I ”Accurate Discovery of Valid Convoys from Moving Object Trajectories”, H. Yoon and C. Shahabi, IEEE International Conference on Data Mining Workshops, 6 Dec. 2009, s. 636-643, beskrivs en metod för att hitta konvojer av fordon.
Metoden innefattar två faser, en första fas i vilken urskiljs partiellt kopplade konvojer ur ett givet set av rörliga objekt, och en andra fas i vilken densitet- kopplingen för varje partiellt kopplad konvoj valideras för att till slut få fram ett komplett set av verkliga konvojer.
I ”Performances in Multitarget Tracking for Convoy Detection over Real GMTI data”, E. Pollard et al, 13th Conference on Information Fusion, 26-29 juli 2010, vilken använder sig av ett dynamiskt Bayesiskt nätverk vilket behandlar sannolikheten att samlingar av fordon är en konvoj. GMTI-data (Ground Moving Target lndicator-data) används för att detektera samplingar av fordon.
De ovan beskriva metoderna kräver omfattande databehandling och mycket processorkraft. Då positionsdata från stora mängder fordon ska användas, är det av vikt att på ett effektivt sätt kunna behandla dessa för att snabbt få fram önskad information.
Syftet med uppfinningen är således att tillhandahålla en förbättrad metod för att få fram information om förekomsten av fordonstàg ur en stor mängd data och genom metoden och datorsystemet är det möjligt att i varje fordonsposition i vilken man kommit fram till att det förekommit fordonståg också ange var i fordonståget man befunnit sig och avstånden till de övriga fordonen ifordonståget. Detta för att beräkna vilken bränslebesparing man gör genom att köra i fordonståget och 3 jämföra hur mycket bränsle man sparar beroende på var i fordonståget fordonet kör.
Sammanfattning av uppfinningen Det ovan beskrivna syftet uppnås enligt en aspekt genom en metod i samband med förekomsten av fordonstàg enligt det första oberoende kravet. Metoden kan med fördel implementeras i en dator.
Enligt en annan aspekt uppnås syftet genom ett datorsystem i samband med förekomsten av fordonstàg, som innefattar en minnesenhet samt en processorenhet som är konfigurerad att kommunicera med nämnda minnesenhet.
Processorenheten är konfigurerad att utföra metoden ovan, vilket kommer att beskrivas i den detaljerade beskrivningen.
Genom metoden och datorsystemet är det möjligt att ur en stor mängd data för en mängd fordon avgöra om det förekommit fordonståg. Till varje fordon tillhör företrädesvis en tidsserie fordonsdata med positionsinformation och riktningsinformation, och genom metoden och datorsystemet är det möjligt att i varje fordonsposition i vilken man kommit fram till att det förekommit fordonstàg också ange vari fordonståget man befunnit sig och avständen till de övriga fordonen i fordonståget.
Resultatet kan användas av exempelvis åkerier och fordonspooler för att identifiera körmönster och för ruttplanering. Genom att jämföra resultatet med hur mycket bränsle som fordonen har förbrukat kan man beräkna vilken bränslebesparing man har gjort genom att köra i fordonståget. Besparingen för olika positioner i fordonståget kan jämföras för att komma fram till hur mycket man sparar beroende på om fordonet befinner sig först, sist eller i mitten av tåget, respektive om man inte kör i fordonstàg alls. Olika vägsträckors lämplighet för fordonstàg kan även utvärderas. Resultatet kan sedan exempelvis användas som rekommendationer för förare, eller ruttplanering för förare och/eller åkerier. 4 Föredragna utföringsformer beskrivs i de beroende kraven och i den detaljerade beskrivningen.
Kort beskrivnino av de bifogade figurerna Nedan kommer uppfinningen att beskrivas med hänvisning till de bifogade figurerna, av vilka: Figur 1 visar ett fiödesschema för en metod enligt en utföringsform i samband med förekomsten av fordonståg.
Figur 2 visar ett koordinatssystem som används enligt en utföringsform av uppfinningen.
Figur 3 visar ett koordinatsystem som används enligt en utföringsform av uppfinningen.
Figur 4 visar schematiskt ett datorsystem enligt en utföringsform i samband med förekomsten av fordonståg.
Detalierad beskrivnino av föredragna utföringsformer av uppfinningen Figur 1 visar ett fiödesschema för en metod i samband med förekomsten av fordonståg, som nu kommer att beskrivas med hänvisning till denna figur. I ett första steg A tillhandahålls ett flertal uppsättningar fordonsdata gällande en mängd fordon. Dessa uppsättningar fordonsdata hämtas enligt en utföringsform från en databas som kan innefatta ett stort antal uppsättningar fordonsdata.
Uppsättningarna som hämtas kan exempelvis avgränsas till ett speciellt geografiskt område, exempelvis en särskild vägsträcka och/eller en särskild tidsperiod. Fordonsdatat kan exempelvis innefatta ett eller flera av identitet, positionsdata, riktningsdata och tidsdata för varje fordon i mängden. Fordonsdatat hämtas enligt en annan utföringsform direkt eller via en vägsidesenhet från fordonen ifråga via trådlös kommunikation.
I ett andra steg B jämförs sedan uppsättningarna fordonsdata för fordonen i mängden med åtminstone ett gränsvärde för uppsättningarna av fordonsdata.
Beroende på vilket fordonsdata det gäller, används gränsvärden för det.
Gränsvärdet eller gränsvärdena kan exempelvis innefatta gränsvärde för 5 positionsdata, riktningsdata och/eller tidsdata. Gränsvärdet eller gränsvärdena utgår enligt en utföringsform från ett referensfordon V0 i mängden av fordon, vilket kommer att förklaras mer i detalj i det följande. Genom att byta ut referensfordonet V0 mot nya fordon i mängden av fordon, kan man sedan gå igenom hela eller delar av mängden för att bestämma förekomsten av fordonståg.
Positionsdatat är enligt en utföringsform framtagen via ett positioneringssystem, t.ex. GPS (Global Positioning System) och innefattar geografiska koordinater för respektive fordon. Genom att använda ett positioneringssystem kan man få fram tidsstämplade fordonspositioner och kan därmed tidssynkronisera fordonspositionerna. Riktningsdatat innefattar enligt en utföringsform ett gradtal, varvid 0° motsvarar nordlig riktning N, 270° motsvarar västlig riktning V, 180" motsvarar sydlig riktning S och 90° motsvarar östlig riktning Ö, vilket illustreras i figur 2. Tidsdatat innefattar alltså företrädesvis tiden då positionsdatat bestämdes.
Enligt en utföringsform innefattar ett gränsvärde för tidsdata ett tidsdifferensvärde DeltaTime mellan två fordon. Gränsvärdet för tidsdata är enligt en utföringsform mellan 100 ms och 500 ms, exempelvis 200 ms, 300 ms eller 400 ms. Metoden innefattar då att bestämma skillnaden i tid mellan två fordon, och att jämföra denna skillnad med gränsvärdet för tidsdata. Därmed kan man få en synkroniserad rapportering av fordonsdata för att kunna avgöra positioner inom ett fordonståg, och även minska risken att ett annat fordon som befunnit sig längs sträckan ungefär samtidigt som fordonen ifråga ska inkluderas i fordonståget utan att det ingår i fordonståget.
Enligt en utföringsform innefattar ett gränsvärde för positionsdata ett största avstånd MaxDist mellan två fordon. l\/letoden innefattar då att bestämma skillnaden i avstånd mellan två fordon, och att jämföra denna skillnad med det största avståndet mellan två fordon. MaxDist används för att definiera hur nära fordonen måste ligga varandra för att anses ingå i ett fordonståg. Om detta avstånd antas vara 100 meter mellan två fordon ska MaxDist sättas till 100 meter 6 för ett fordonstàg med två fordon. För fordonstàg med tre fordon blir MaxDist 200 meter, för fyra fordon 300 meter osv.
Enligt en utföringsform innefattar ett gränsvärde för positionsdata ett minsta avstånd MinDist mellan två fordon. Metoden innefattar då att bestämma skillnaden i avstånd mellan två fordon, och att jämföra denna skillnad med det minsta avståndet mellan två fordon. MinDist anger det minsta avståndet mellan två fordon i ett fordonstàg. Det bör vara 0, men om man vet att fordonen exempelvis aldrig ligger närmare varandra än 10 meter kan man sätta MinDist till 10. Detta kan hindra att mötande eller passerande fordon felaktigt inkluderas i fordonståget. Risken för att detta ska inträffa är liten och hanteras dessutom enligt en utföringsform av gränsvärdena DeltaTime och HeadingDev, som kommer att förklaras i det följande.
Enligt en utföringsform innefattar ett gränsvärde för riktningsdata en maximal avvikelse HeadingDev mellan två fordon. Metoden innefattar då att bestämma skillnaden i riktningsdata mellan två fordon, och att jämföra denna skillnad med den maximala avvikelsen. Ifall skillnaden är mindre eller lika med riktningsdatat för maximal avvikelse, så antas fordonen färdas i samma riktning. Det angivna gränsvärdet avser enligt en utföringsform avvikelsen i grader i både positiv och negativ riktning. I figur 3 illustreras ett exempel då ett fordon V0 är referensfordon.
I detta exempel är HeadingDev satt till 45", vilket innebär att fordon i en sektor på totalt 90° kring riktningen för V0 anses färdas i samma riktning som fordonet V0. l figur 3 illustreras två fordon V1 och V2 som båda anses färdas i samma riktning som fordonet V0. Fordonen VX och Vy som illustreras i figur 3 anses inte färdas i samma riktning som fordonet V0. Gränsvärdet för riktningsdata som här benämns HeadingDev kan enligt en utföringsform anta ett värde mellan 0° och 180°, företrädesvis mellan 0" och 90°, och ännu mer företrädesvis mellan 0° och 45° Enligt en utföringsform är HeadingDev anpassad efter hur vägens utformning ser ut. Är vägen mycket krokig med exempelvis rondeller och snäva kurvor, kan angiven riktning för fordonet ifråga inte stämma överens med den generella 7 färdriktningen. HeadingDev kan då sättas till ett mindre värde, exempelvis mellan 0° och 10°, exempelvis 1, 3, 5, 7, 9". På så sätt får man ett mindre intervall i vilket fordonen anses ha samma riktning, och man kan då minska antalet fordon som felaktigt antas ha samma riktning. l fig. 1 visas i ett tredje steg C och där bestäms åtminstone ett urval av fordon från den ovan beskrivna mängden fordon i beroende av resultatet av jämförelsen.
Enligt en utföringsform sker ett flertal jämförelser mellan fordonsdata och olika gränsvärden för dessa, och nämnda urval av fordon bestäms i beroende av resultatet av jämförelserna. l steg B utgår metoden alltså från fordonsdata för en mängd fordon, och i steg C bestäms ett eller flera urval från denna mängd fordon. l det följande kommer ett referensfordon V0 att anges som metoden utgår ifrån, men det är underförstått att det kan finnas ett stort antal fordon i mängden fordon som ska analyseras. Metoden kan alltså utgå från ett referensfordon V0 i taget, och skiftar sedan referensfordon företrädesvis tills hela mängden fordon har gåtts igenom. Urvalet är exempelvis satt till 10 fordon, men kan vara ett annat lämpligt antal fordon mellan 2 och 100 fordon, eller annat antal fordon. Ifall det inte finns något fordon som kvalificerar sig till att tillhöra fordonståget ifråga, så anses fordonet V0 som man utgått ifrån inte tillhöra något fordonståg. Enligt en utföringsform bestäms ett flertal urval av fordon.
I ett fjärde steg D beräknas avstånden mellan fordonen i nämnda urval av fordon.
Då urvalet innefattar 10 fordon, beräknas 9 stycken längdavstånd mellan fordonen i urvalet. Enligt en utföringsform innefattar metoden att beräkna avstånden D mellan fordonen med hjälp av en Haversine-formel (1) enligt: D = R -\/((((Lat1 - LatZ) -1I)/180-c0s(((Long1 - L0ng2)~1I)/360))^2 + (((Long1 - LOngZ) -1I)/180)^Z ) (1) där Fl är jordklotets radie, 6371000 meter, Latf är referensfordonets position i latitudkoordinater, Longf är referensfordonets position i longitudkoordinater, Lat2 är positionen i latitudkoordinater för fordonet ifråga som avståndet ska beräknas 20 8 till, och Long2 är positionen i longitudkoordinater för fordonet ifråga som avståndet ska beräknas till. Den ovan visade formeln (1) är en förenklad variant av en Haversine-formel, och underförstått är det möjligt att beräkna avståndet med originalversionen av Haversine-formeln, eller någon annan avståndsberåkningsmetod. l ett femte steg E bestäms de inbördes positionerna för fordonen i nämnda urval av fordon baserat åtminstone på nämnda beräknade avstånd. När alltså avstånden till de exempelvis 10 närmsta fordonen beräknats ska även de inbördes positionerna för fordonen i fordonståget beräknas. Det första steget blir att avgöra vilka fordon som ligger framför respektive bakom referensfordonet V0.
Enligt en utföringsform innefattar steget att bestämma inbördes position för fordonen att jämföra riktningsdata samt positionsdata för fordonen och bestämma fordonens inbördes position baserat på resultatet av jämförelserna. Detta görs genom att först avgöra i vilken kompassriktning V0 rör sig, vilket exemplifieras med hjälp av figur 2. Fordon som har en riktning mellan 3159 och 459 kan sägas ha en nordlig kurs. Dessa fordon kommer alltid att ha en ökande latitud allteftersom de rör sig norrut. Fordon som ligger framför har därför en större latitud, medan bakomvarande fordon har en mindre latitud, jämfört med V0. Det omvända gäller för fordon som har en sydlig kurs mellan 1359 och 2259. Här minskar istället latituden när fordonen förflyttar sig söderut. Dessa regler för latitud gäller för norra halvklotet.
Motsvarande gäller för fordon på östlig (459-1359) och västlig (2259-3159) kurs.
Här ökar alltid longituden för fordon i östlig riktning. Framförvarande fordon har större longitud, bakomvarande fordon har mindre longitud. För fordon med västlig riktning minskar istället longituden. Dessa regler för longitud gäller öster om 09, Greenwich.
Med hjälp av dessa antaganden om hur riktningen påverkar latitud och longitud kan man avgöra om ett fordon ligger framför eller bakom ett annat fordon och därefter bestämma inbördes positioner för alla fordon i ett fordonståg. 9 Framförvarande fordon får ett negativt avstånd i förhållande till V0, medan bakomvarande fordon får ett positivt avstånd i förhållande till V0.
VID Lat L0ng H POSTimB DiV1 DiV2 DiV3 DiV4 DiV5 2012-03-01 204 57.67 14.17 225 1230020000 -9,439 9,475 28,526 NULL NULL 2012-03-01 204 57.62 14.15 225 12110200003 -9,475 9,475 28,491 NULL NULL 2012-03-01 204 57.57 14.13 225 12220200003 -9,476 9,476 28,493 NULL NULL 2012-03-01 204 57.52 14.12 225 12230200003 -9,441 9,477 28,531 NULL NULL 2012-03-01 204 57.47 14.10 225 12I40I00.007 -9,477 9,477 28,497 NULL NULL Tabell 1 l tabell 1 visas ett exempel på ett resultat av metoden för ett fordon 204. identiteten VID för fordonet är här alltså 204. Positionsdata för fordonet är i latitud (Lat) och longitud (Long), och riktningsdata (H) i grader. Tidsdata (PosTime) anges för varje position och riktning. Varje rad i tabellen innehåller alltså identitet, position samt riktning för ett referensfordon V0, här är referensfordonet V0 samma fordon 204 vid olika tidpunkter. Med metoden har ett urval av fem fordon valts ut, V1 -V5, som har funnits befinna sig närmst V0i ett fordonståg efter det att dess fordonsdata har jämförts med gränsvärde(n). Enligt utföringsformen som visas här, måste fordonen klara alla kriterierna att ligga inom max- och minavstånden till V0 (l\/laxDist och MinDist), samt rapportera sina positioner inom ett bestämt tidsintervall (DeltaTime) i förhållande till V0:s tid (PosTime). Ibland finns inga eller bara ett fåtal fordon inom dessa intervall varför det kan saknas data för fordonen. l detta fall saknas det data för fordonen V4 och V5, alltså inget data i avståndsfålten DiV4 och DiV5. Ett fordon som ligger framför V0 kommer att ha ett negativt avstånd till V0. I exemplet ligger V1 framför V0. Ett fordon som ligger bakom V0 kommer att ha ett positivt avstånd till V0. I exemplet ligger fordonen V2 och V3 bakom V0. Ur datat i exemplet kan man utläsa att fordonet 204 (V0) har färdats i ett fordonståg bestående av fyra fordon. Fordonet V1 har legat på position ett i fordonståget, ca 9 meter framför V0. V0 har legat på position två i lO fordonstàget. Fordonet V2 har legat på position tre i fordonståget, ca 9 meter bakom V0, och fordonet V3 har legat på position fyra i fordonståget, ca 28 meter bakom V0. Med metoden är det alltså även möjligt att bestämma hur många fordon som befinner sig i fordonståget.
Enligt en utföringsform innefattar metoden de ytterligare stegen att: bestämma bränsleförbrukningen för fordonen i nämnda urval, jämföra bränsleförbrukningen för fordonen i urvalet åtminstone i relation till deras inbördes bestämda position, samt att bestämma åtminstone ett bränsleförbrukningsresultat baserat på nämnda jämförelse, som indikerar besparing av bränsle i relation till nämnda inbördes bestämda position. Bränsleförbrukningen för respektive fordon kan exempelvis hämtas från en databas, eller via trådlös överföring direkt från respektive fordon.
Bränsleförbrukningsresultatet kan exempelvis innefatta mängden sparat bränsle i procent, och vara kopplat till positionen i fordonstàget.
Uppfinningen innefattar även ett datorsystem 1 i samband med förekomsten av fordonståg, och kommer nu att förklaras med hänvisning till figur 4. Datorsystemet innefattar en minnesenhet 3 samt en processorenhet 2 som är konfigurerad att kommunicera med minnesenheten 3. Processorenheten 2 är konfigurerad att tillhandahålla ett flertal uppsättningar fordonsdata gällande en mängd fordon.
Dessa uppsättningar kan exempelvis hämtas ur en databas, som kan vara lagrad på minnesenheten 3, eller någon annan minnesenhet. Alternativt kan processorenheten vara konfigurerad att mottaga trådlösa signaler som indikerar nämnda fordonsdata från en eller flera enheter i fordonen i mängden av fordon, eller från en vägsidesenhet. Enligt en utföringsform innefattar nämnda fordonsdata ett eller flera av identitet, positionsdata, riktningsdata och tidsdata för varje fordon. Positionsdatat är företrädesvis framtaget via GPS (Global Positioning System) och innefattar geografiska koordinater för respektive fordon.
Processorenheten är vidare konfigurerad att jämföra uppsättningarna fordonsdata för mängden fordon med åtminstone ett gränsvärde för fordonsdatat, samt bestämma åtminstone ett urval av fordon från mängden fordon i beroende av resultatet av jämförelsen. Enligt en utföringsform bestäms ett flertal urval ur ll nämnda mängd. Gränsvärdet eller gränsvärdena innefattar enligt en utföringsform gränsvärden för positionsdata, riktningsdata och/eller tidsdata. Dessa gränsvärden kan exempelvis vara bestämda i förhållande till ett referensfordon V0.
Processorenheten är sedan konfigurerad att beräkna avstånden mellan fordonen i nämnda urval eller urvalen av fordon, och att bestämma de inbördes positionerna för fordonen i urvalet eller urvalen av fordon baserat åtminstone på de beräknade avstånden. Processorenheten kan exempelvis vara konfigurerad att beräkna avstånden mellan fordonen med hjälp av en Haversine-formel (1), vilken beskrivits i samband med metoden.
Enligt en utföringsform är processorenheten konfigurerad att jämföra riktningsdata och positionsdata för fordonen och bestämma fordonens inbördes position baserat på resultatet av jämförelserna. På så sätt kan man ta reda på hur de framräknade avstånden mellan fordonen förhåller sig till varandra, och därmed deras inbördes position i fordonståget.
Processorenheten är enligt en utföringsform konfigurerad att bestämma bränsleförbrukningen för fordonen i nämnda urval, jämföra bränsleförbrukningen för fordonen i urvalet åtminstone i relation till deras inbördes bestämda position, samt att bestämma åtminstone ett bränsleförbrukningsresultat baserat på nämnda jämförelse som indikerar besparing av bränsle i relation till nämnda inbördes bestämda position. Processorenheten är vidare konfigurerad att generera en resultatsignal som indikerar bränsleförbrukningsresultatet. Därmed är det möjligt att exempelvis visa bränsleförbrukningsresultatet på en display kopplad till datorsystemet. Bränsleförbrukningen kan exempelvis visas i procent relaterat till deras inbördes relation i fordonståget.
Uppfinningen innefattar även en datorprogramprodukt som innefattar datorprograminstruktioner för att förmå ett datorsystem att utföra stegen enligt metoden som beskrivits ovan, när datorprograminstruktionerna körs på datorsystemet. Enligt en utföringsform är datorprograminstruktionerna lagrade på ett av ett datorsystem läsbart medium. 12 Den föreliggande uppfinningen är inte begränsad till de ovan beskrivna utföringsformerna. Olika alternativ, modifieringar och ekvivalenter kan användas.
Därför begränsar inte de ovan nämnda utföringsformerna uppfinningens omfattning, som definieras av de bifogade kraven.

Claims (16)

13 Patentkrav
1. En metod i samband med förekomsten av fordonstàg, som innefattar stegen att: - tillhandahålla ett flertal uppsättningar fordonsdata gällande en mängd fordon; - jämföra nämnda uppsättningar fordonsdata för nämnda mängd fordon med åtminstone ett gränsvärde för nämnda uppsättningar fordonsdata; - bestämma åtminstone ett urval av fordon från nämnda mängd fordon i beroende av resultatet av nämnda jämförelse; - beräkna avstånden mellan fordonen i nämnda urval av fordon; - bestämma de inbördes positionerna för fordonen i nämnda urval av fordon baserat åtminstone på nämnda beräknade avstånd.
2. Metod enligt krav f, varvid nämnda fordonsdata innefattar ett eller flera av identitet, positionsdata, riktningsdata och tidsdata för varje fordon.
3. Metod enligt krav f eller 2, varvid steget att bestämma inbördes positioner för fordonen innefattar att jämföra riktningsdata och positionsdata för fordonen och bestämma fordonens inbördes position baserat på resultatet av jämiörelserna.
4. Metod enligt något av ovanstående krav, varvid nämnda åtminstone ett gränsvärde innefattar gränsvärde för positionsdata, riktningsdata och/eller tidsdata.
5. Metod enligt något av ovanstående krav som innefattar att beräkna nämnda avstånd mellan fordonen med hjälp av en Haversine-formel.
6. Metod enligt något av kraven 2 till 5, varvid nämnda positionsdata innefattar geografiska koordinater för respektive fordon. 14
7. Metod enligt något av ovanstående krav, som innefattar de ytterligare stegen att: - bestämma bränsleförbrukningen för fordonen i nämnda urval, -jämföra bränsleförbrukningen för fordonen i urvalet åtminstone i relation till deras inbördes bestämda position, samt - bestämma åtminstone en resultatparameter baserat på nämnda jämförelse, som indikerar besparing av bränsle i relation till nämnda inbördes bestämda position.
8. Datorsystem (1) i samband med förekomsten av fordonståg, som innefattar en minnesenhet (3) samt en processorenhet (2) som är konfigurerad att kommunicera med nämnda minnesenhet (3), varvid processorenheten (2) vidare är konfigurerad att: - tillhandahålla ett flertal uppsättningar fordonsdata gällande en mängd fordon; - jämföra nämnda uppsättningar fordonsdata för nämnda mängd fordon med åtminstone ett gränsvärde för nämnda fordonsdata; - bestämma åtminstone ett urval av fordon från nämnda mängd fordon i beroende av resultatet av nämnda jämförelse; - beräkna avstånden mellan fordonen i nämnda urval av fordon; - bestämma de inbördes positionerna för fordonen i nämnda urval av fordon baserat åtminstone på nämnda beräknade avstånd.
9. Datorsystem enligt krav 8, varvid nämnda fordonsdata innefattar ett eller flera av identitet, positionsdata, riktningsdata och tidsdata för varje fordon.
10. Datorsystem enligt krav 8 eller 9, varvid processorenheten är konfigurerad att jämföra riktningsdata samt positionsdata för fordonen och bestämma fordonens inbördes position baserat på resultatet av jämförelserna. 15
11. Datorsystem enligt något av kraven 8 till 10, varvid nämnda åtminstone ett gränsvärde innefattar gränsvärde för positionsdata, riktningsdata och/eller tidsdata.
12. Datorsystem enligt något av kraven 8 till 11, varvid processorenheten är konfigurerad att beräkna nämnda avstånd mellan fordonen med hjälp av en Haversine-formel.
13. Datorsystem enligt något av kraven 9 till 12, varvid nämnda positionsdata innefattar geografiska koordinater för respektive fordon.
14. Datorsystem enligt något av kraven 8 till 13, varvid processorenheten vidare är konfigurerad att: - bestämma bränsleförbrukningen för fordonen i nämnda urval, -jämföra bränsleförbrukningen för fordonen i urvalet åtminstone i relation till deras inbördes bestämda position, samt - bestämma åtminstone en resultatparameter baserat på nämnda jämförelse, som indikerar besparing av bränsle i relation till nämnda inbördes bestämda position.
15. Datorprogramprodukt, innefattande datorprograminstruktioner för att förmå ett datorsystem att utföra stegen enligt metoden enligt något av kraven 1 till 7, när datorprograminstruktionerna körs på nämnda datorsystem.
16. Datorprogramprodukt enligt krav 15, där datorprograminstruktionerna är lagrade på ett av ett datorsystem läsbart medium.
SE1251163A 2012-10-15 2012-10-15 System och metod i samband med förekomst av fordonståg SE1251163A1 (sv)

Priority Applications (5)

Application Number Priority Date Filing Date Title
SE1251163A SE1251163A1 (sv) 2012-10-15 2012-10-15 System och metod i samband med förekomst av fordonståg
US14/435,547 US20150262481A1 (en) 2012-10-15 2013-10-09 System and method to determine occurrence of platoon
BR112015008512A BR112015008512A2 (pt) 2012-10-15 2013-10-09 sistema e método com relação à ocorrência de comboios
EP13847452.3A EP2906999A4 (en) 2012-10-15 2013-10-09 SYSTEM AND METHOD RELATED TO COLLECTING
PCT/SE2013/051188 WO2014062118A1 (en) 2012-10-15 2013-10-09 System and method in connection with occurrence of platoons

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE1251163A SE1251163A1 (sv) 2012-10-15 2012-10-15 System och metod i samband med förekomst av fordonståg

Publications (1)

Publication Number Publication Date
SE1251163A1 true SE1251163A1 (sv) 2014-04-16

Family

ID=50488935

Family Applications (1)

Application Number Title Priority Date Filing Date
SE1251163A SE1251163A1 (sv) 2012-10-15 2012-10-15 System och metod i samband med förekomst av fordonståg

Country Status (5)

Country Link
US (1) US20150262481A1 (sv)
EP (1) EP2906999A4 (sv)
BR (1) BR112015008512A2 (sv)
SE (1) SE1251163A1 (sv)
WO (1) WO2014062118A1 (sv)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10474166B2 (en) 2011-07-06 2019-11-12 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
US10520581B2 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Sensor fusion for autonomous or partially autonomous vehicle control
US9582006B2 (en) 2011-07-06 2017-02-28 Peloton Technology, Inc. Systems and methods for semi-autonomous convoying of vehicles
WO2018039134A1 (en) 2016-08-22 2018-03-01 Peloton Technology, Inc. Automated connected vehicle control system architecture
US11334092B2 (en) 2011-07-06 2022-05-17 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US10520952B1 (en) 2011-07-06 2019-12-31 Peloton Technology, Inc. Devices, systems, and methods for transmitting vehicle data
US20170242443A1 (en) 2015-11-02 2017-08-24 Peloton Technology, Inc. Gap measurement for vehicle convoying
US11294396B2 (en) 2013-03-15 2022-04-05 Peloton Technology, Inc. System and method for implementing pre-cognition braking and/or avoiding or mitigation risks among platooning vehicles
DE102013224518A1 (de) * 2013-11-29 2015-06-03 Visteon Global Technologies, Inc. System zum Verarbeiten von Daten von Kraftfahrzeugen und Verfahren zur Beurteilung der Fahrweise
SE540155C2 (en) * 2015-04-10 2018-04-17 Scania Cv Ab Device and method for classification of road segment based on their suitability for platooning
EP3465371A4 (en) 2016-05-31 2019-12-18 Peloton Technology Inc. STATE MACHINE FOR PLATOON REGULATOR
US11107018B2 (en) 2016-07-15 2021-08-31 Cummins Inc. Method and apparatus for platooning of vehicles
US10369998B2 (en) 2016-08-22 2019-08-06 Peloton Technology, Inc. Dynamic gap control for automated driving
JP6579119B2 (ja) * 2017-01-24 2019-09-25 トヨタ自動車株式会社 車両制御装置
CN111492324A (zh) 2017-12-13 2020-08-04 福特全球技术公司 基于里程的车辆队列排序
US10899323B2 (en) 2018-07-08 2021-01-26 Peloton Technology, Inc. Devices, systems, and methods for vehicle braking
US10795362B2 (en) * 2018-08-20 2020-10-06 Waymo Llc Detecting and responding to processions for autonomous vehicles
US10762791B2 (en) 2018-10-29 2020-09-01 Peloton Technology, Inc. Systems and methods for managing communications between vehicles
EP3716725A1 (en) 2019-03-27 2020-09-30 Volkswagen Aktiengesellschaft A concept for determining user equipment for relaying signals to and from another user equipment in a mobile communication system
US11427196B2 (en) 2019-04-15 2022-08-30 Peloton Technology, Inc. Systems and methods for managing tractor-trailers
EP3823325A1 (en) 2019-11-13 2021-05-19 Volkswagen Aktiengesellschaft Vehicle, apparatus, method, and computer program for user equipment of a mobile communication system
EP3885237A1 (en) * 2020-03-24 2021-09-29 Aptiv Technologies Limited Vehicle, system, and method for determining a position of a moveable element in a vehicle
CN112612825B (zh) * 2020-12-18 2024-05-14 北京锐安科技有限公司 一种确定同行车辆的方法、装置、设备以及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19750942A1 (de) * 1997-11-17 1999-05-20 Delphi 2 Creative Tech Gmbh Verfahren und Vorrichtung zum Signalisieren von lokalen Verkehrsstörungen
US6611755B1 (en) * 1999-12-19 2003-08-26 Trimble Navigation Ltd. Vehicle tracking, communication and fleet management system
US7894982B2 (en) * 2005-08-01 2011-02-22 General Motors Llc Method and system for linked vehicle navigation
US8947531B2 (en) * 2006-06-19 2015-02-03 Oshkosh Corporation Vehicle diagnostics based on information communicated between vehicles
EP1895485A1 (en) * 2006-08-31 2008-03-05 Hitachi, Ltd. Road congestion detection by distributed vehicle-to-vehicle communication systems
US8676466B2 (en) * 2009-04-06 2014-03-18 GM Global Technology Operations LLC Fail-safe speed profiles for cooperative autonomous vehicles
BRPI0925428B1 (pt) * 2009-06-12 2020-09-29 Safemine Ag Sistema para um objeto móvel com um primeiro dispositivo de monitoração, objeto móvel, método para a geração de avisos de proximidade e dispositivo de monitoração
SE1150075A1 (sv) * 2011-02-03 2012-08-04 Scania Cv Ab Metod och administrationsenhet i samband med fordonståg
US9014957B2 (en) * 2012-12-29 2015-04-21 Google Inc. Methods and systems for determining fleet trajectories to satisfy a sequence of coverage requirements

Also Published As

Publication number Publication date
WO2014062118A8 (en) 2014-07-24
US20150262481A1 (en) 2015-09-17
WO2014062118A1 (en) 2014-04-24
EP2906999A4 (en) 2016-07-06
EP2906999A1 (en) 2015-08-19
BR112015008512A2 (pt) 2017-07-04

Similar Documents

Publication Publication Date Title
SE1251163A1 (sv) System och metod i samband med förekomst av fordonståg
Hsueh et al. Map matching for low-sampling-rate GPS trajectories by exploring real-time moving directions
CN107657637B (zh) 一种农机作业面积获取方法
Chen et al. Probabilistic modeling of traffic lanes from GPS traces
CN102102992B (zh) 基于多级网络划分的匹配道路初筛方法及地图匹配***
US9940625B2 (en) Autonomous driving certification generalizer
CN108804539B (zh) 一种时间与空间双视角下的轨迹异常检测方法
CN106767873A (zh) 一种基于时空的地图匹配方法
CN110285817B (zh) 基于自适应d-s证据理论的复杂路网地图匹配方法
CN103035123A (zh) 一种交通轨迹数据中异常数据获取方法及***
CN105489004A (zh) 面向道路实时速度计算的卡口与浮动车数据融合方法
CN110188797A (zh) 一种基于贝叶斯优化的智能汽车快速测试方法
CN109033170A (zh) 停车场的数据修补方法、装置、设备及存储介质
CN109726489A (zh) 一种建立辅助驾驶数据库的方法及***
Zhu et al. Green routing fuel saving opportunity assessment: A case study using large-scale real-world travel data
CN109858951A (zh) 新能源汽车加电或换电需求的预测
Chen et al. Local path searching based map matching algorithm for floating car data
Zhang et al. An improved virtual intersection model for vehicle navigation at intersections
Wu et al. A heuristic map-matching algorithm by using vector-based recognition
Chandio et al. An approach for map-matching strategy of GPS-trajectories based on the locality of road networks
Li et al. On efficient map-matching according to intersections you pass by
CN109978174A (zh) 信息处理方法、信息处理装置及程序记录介质
CN110807912A (zh) 一种道路行车速度预测方法、终端设备及存储介质
Wu et al. A Vehicle Map-matching Algorithm based on Measure Fuzzy Sorting.
Yang et al. The research on real-time map-matching algorithm

Legal Events

Date Code Title Description
NAV Patent application has lapsed