DE10057796A1 - Vehicle-specific dynamic traffic forecasting method by finding best-match load curve from historical load curves - Google Patents
Vehicle-specific dynamic traffic forecasting method by finding best-match load curve from historical load curvesInfo
- Publication number
- DE10057796A1 DE10057796A1 DE2000157796 DE10057796A DE10057796A1 DE 10057796 A1 DE10057796 A1 DE 10057796A1 DE 2000157796 DE2000157796 DE 2000157796 DE 10057796 A DE10057796 A DE 10057796A DE 10057796 A1 DE10057796 A1 DE 10057796A1
- Authority
- DE
- Germany
- Prior art keywords
- traffic
- vehicle
- forecast
- vehicles
- data
- 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
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096716—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information does not generate an automatic action on the vehicle control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
Abstract
Description
Die Erfindung bezieht sich auf ein Verfahren zur fahrzeugindi viduellen dynamischen Verkehrszustandsprognose, bei dem mehre re, ein Wegenetz befahrende Fahrzeuge über ein Datenübertra gungsnetz miteinander in Kommunikationsverbindung stehen und vom jeweiligen Fahrzeug laufend aktuelle lokale Verkehrszu standsdaten ermittelt und an die anderen Fahrzeuge übertragen werden und von anderen Fahrzeugen empfangene Verkehrszustands daten für eine Prognose des für das eigene Fahrzeug relevanten Verkehrszustands herangezogen werden.The invention relates to a method for vehicle indi vidual dynamic traffic condition forecast, in which several right, vehicles traveling on a route network via a data transmission communication network with each other and current local traffic from the respective vehicle status data determined and transmitted to the other vehicles and traffic conditions received by other vehicles data for a forecast of what is relevant for your own vehicle Traffic condition.
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. Dyna mische Verkehrsprognosen zeichnen sich dadurch aus, dass der aktuelle Verkehrszustand berücksichtigt wird. Dazu werden ent sprechende aktuelle Verkehrsinformationen, d. h. Momentanwerte eines oder mehrerer vorgebbarer Verkehrszustandsparameter, wie mittlere Fahrzeuggeschwindigkeit, Verkehrsdichte, Verkehrs fluss oder erkannte Staus, durch fahrzeugseitige Mittel z. B. in Form sogenannter FCD ("Floating Car Data") oder stationäre streckenseitige Detektoren gewonnen und an die Zentrale über mittelt. Diese führt die Verkehrsprognose auf der Basis der empfangenen und gegebenenfalls auch auf der Basis von histori schen, d. h. vorab z. B. empirisch gewonnenen Verkehrsinformati onen durch und übermittelt den aktuellen und den prognosti zierten Verkehrszustand über geeignete Kommunikationsmittel, wie Mobilfunknetze, Rundfunkkanäle etc., an das jeweilige Fahrzeug. Dort können die Verkehrsprognosedaten zu verschiede nen Zwecken verwendet, z. B. zur Zielführung. Derartige zentra lenbasierte Verfahren und Vorrichtungen zur Verkehrsprognose 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.Procedure for traffic condition forecast or traffic forecast for short nose are used in many different versions, in particular for forecasting the traffic condition on road ver transport networks. Most of these methods use one or several stationary traffic centers, since these are located Have high computing capacity easily installed. Dyna Mixed traffic forecasts are characterized by the fact that the current traffic condition is taken into account. To do this, ent speaking current traffic information, d. H. instantaneous values one or more specifiable traffic condition parameters, such as average vehicle speed, traffic density, traffic flow or recognized traffic jams, by vehicle-side means such. B. in the form of so-called FCD ("Floating Car Data") or stationary trackside detectors obtained and sent to the head office averages. This leads the traffic forecast based on the received and possibly also on the basis of histori little, d. H. in advance z. B. empirically obtained traffic information through and transmits the current and the forecast adorned traffic condition via suitable means of communication, such as cellular networks, radio channels, etc. to the respective Vehicle. There, the traffic forecast data can be different NEN uses, e.g. B. for route guidance. Such a center len-based methods and devices for traffic forecasting are z. B. in the published documents DE 196 47 127 A1, DE 197 25 556 A1, DE 197 53 034 A1 and DE 197 54 483 A1 and the older German patent application 199 44 077.8 described.
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.Historical traffic information can be in particular in the form so-called hydrographs, which are usually empirical are obtained and typical in terms of location and time, in the Usually expected values for the or the considered Traffic condition parameters include, in particular dependent from the current vehicle location, the direction of travel, the time, the Day of the week and the vehicle destination.
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 zeitlichräumliche 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 Pa tentanmeldung 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.In the older German patent application 199 44 075.1 there is a also suitable for forecasting method for monitoring the Traffic status in a traffic network with one or more so-called effective bottlenecks described on the Er Identification of typical so-called dense traffic flow patterns based on a respective effective bottleneck. to Traffic forecast is dense for the respective pattern the current inflow of vehicles and the current Edge positions between different pattern areas, in which the traffic state different, individualisable right state phases, and the spatial dynamics these edge positions are determined. Based on this one data is saved from saved sample profiles suitable sample profile selected and the traffic forecast in the relevant route area. A similar Procedure that pattern based on FCD traffic data heavy traffic at effective bottlenecks, especially of Expressway networks is recognized in the older German Pa tent registration 100 36 789.5. Detection process effective bottlenecks in both expressway networks and also in the transportation networks of metropolitan areas are in the older German patent application 100 36 792.5 described. In Bal Traffic networks are typically traffic dynamics se through traffic regulation measures on traffic-regulated vehicles Network nodes dominate, with typical traffic patterns in Form of queues in front of the traffic-regulated network nodes form, d. H. the traffic-regulated network nodes form effekti ve bottlenecks where there is traffic Queue traffic patterns arise.
Zwar erlauben zentralenbasierte Systeme die Nutzung ver gleichsweise hoher Rechenkapazitäten, sie erfordern dafür aber auch einen entsprechenden Realisierungsaufwand, und die Nut zung aufgenommener, aktueller Verkehrsinformationen ist durch die begrenzte Kapazität der verwendeten Kommunikationsstrecken limitiert. So wird aus Gründen der begrenzten Übertragungska pazität 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.Central-based systems allow the use ver equally high computing capacity, but they require it also a corresponding implementation effort, and the groove of current traffic information recorded is through the limited capacity of the communication links used limited. So for reasons of limited broadcasting capacity is not the entire time and location-resolved course of the or the monitored traffic condition parameters from the associated detectors to the headquarters, and the headquarters in turn transmits the current and forecast Ver traffic situation not as a continuous temporal-local Ver course of the traffic condition parameter or parameters, but the ver Traffic information is preferably transmitted in the form of event-oriented reports, such as traffic reports etc.
In der älteren deutschen Patentanmeldung 100 51 777.3 der An melderin ist ein fahrzeugautonom durchführbares Verfahren zur fahrzeugindividuellen dynamischen Verkehrszustandsprognose be schrieben, bei dem durch das jeweilige Fahrzeug laufend aktu elle lokale Verkehrszustandsdaten ermittelt und die ermittel ten Daten in ihrem zeitlich-örtlichen Verlauf mit abgespei cherten historischen Ganglinien verglichen werden, um aus letzteren eine jeweils bestpassende Ganglinie aufzufinden und den von dieser repräsentierten Verkehrszustand in Fahrtrich tung des Fahrzeugs als zu erwartenden Verkehrszustand zu prog nostizieren. Für weitere Details einer solchen fahrzeugindivi duellen dynamischen Verkehrszustandsprognose mit Auswahl einer bestpassenden Ganglinie wird auf diese ältere Anmeldung ver wiesen. Unter dem Begriff "Ganglinie" sind dabei dort und vor liegend sowohl herkömmliche Ganglinien zu verstehen, die typi sche Verkehrsparameter in ihrer zu erwartenden Zeitabhängig keit repräsentieren, als auch zeitlich-örtliche Verkehrsmus ter, bei denen der oder die berücksichtigten Verkehrsparameter oder daraus abgeleitete Größen typische zeitabhängige Muster profile im Ortsraum bilden, wie Muster dichten Verkehrs vor effektiven Engstellen von Schnellstraßennetzen und Warte schlangen-Verkehrsmuster vor verkehrsgeregelten Netzknoten in Ballungsraum-Verkehrsnetzen.In the older German patent application 100 51 777.3 of the An Notifier is a vehicle autonomous procedure for vehicle-specific dynamic traffic condition forecast be wrote in the case of the current vehicle All local traffic status data is determined and the ascertained data in their chronological-local course with saved historical histories can be compared to to find the latter a best-fitting curve and the traffic condition represented by this in driving direction the vehicle as the expected traffic condition nostizieren. For further details of such a vehicle individual duel dynamic traffic condition forecast with selection of a best fitting curve is ver on this older registration grasslands. Under the term "aisle" are there and before lying to understand both conventional flow lines, the typi traffic parameters in their expected time-dependent represent, as well as temporal-local traffic patterns ter for which the traffic parameter (s) taken into account or derived values typical of time-dependent patterns Form profiles in the local area, like patterns of dense traffic effective constrictions of expressway networks and control rooms queuing traffic patterns in front of traffic regulated network nodes Agglomeration transport networks.
In der Offenlegungsschrift WO 99/26212 A1 ist ein Verkehrszu standsprognoseverfahren der eingangs genannten Art beschrie ben, das primär zum Signalisieren von lokalen Verkehrsstörun gen dient. Dazu wird jeweils zu einem Bezugsfahrzeug eine ma ximale Gruppe von Fahrzeugen festgelegt, von denen das Bezugs fahrzeug individuelle Fahrzeugdatensignale empfängt, die es wiederholt auswertet und abspeichert. Des weiteren wird durch Auswerten der individuellen Fahrzeugdaten mindestens eine für das Bezugsfahrzeug relevante Gruppe von Fahrzeugen und deren Gruppenverhalten ermittelt, wonach eine diesem Gruppenverhal ten entsprechende Information signalisiert wird. Insbesondere kann das Gruppenverhalten eine Verkehrsstörung repräsentieren. Durch Anzeige der betreffenden Information im Bezugsfahrzeug soll ein gleichmäßiger Verkehrsstrom erzeugt und das Auftreten von Unfällen verringert werden. Die aktuelle Verkehrsinforma tion für das Bezugsfahrzeug bezieht sich somit auf einen Ort, den das Bezugsfahrzeug erst zu einem späteren Zeitpunkt errei chen wird, so dass diese Verkehrsinformation eventuell schon veraltet ist, bis das Bezugsfahrzeug am betreffenden Ort an kommt, wenn die Entfernung zu groß wird. Daher eignet sich dieses bekannte Verfahren nur für eine Verkehrszustandsprogno se in einem relativ eng begrenzten Umgebungsbereich des Be zugsfahrzeugs.In the published patent application WO 99/26212 A1 a traffic is Stand forecasting process of the type mentioned above ben, primarily for signaling local traffic disruptions gene serves. For this purpose, a ma ximal group of vehicles, of which the reference vehicle receives individual vehicle data signals that it repeatedly evaluated and saved. Furthermore, by Evaluation of the individual vehicle data at least one for the reference vehicle relevant group of vehicles and their Group behavior determined, according to which this group behavior corresponding information is signaled. In particular the group behavior can represent a traffic disruption. By displaying the relevant information in the reference vehicle should generate a steady flow of traffic and appearance from accidents. The current traffic information tion for the reference vehicle thus relates to a location which the reference vehicle will only reach at a later point in time is so that this traffic information may already be is out of date until the reference vehicle arrives at the location in question comes when the distance becomes too great. Therefore, it is suitable this known method only for a traffic state forecast se in a relatively narrow area of the Be zugsfahrzeugs.
Der Erfindung liegt als technisches Problem die Bereitstellung eines Verfahrens zur fahrzeugindividuellen Verkehrszustands prognose der eingangs genannten Art zugrunde, mit dem sich der Verkehrszustand individuell für ein jeweiliges Fahrzeug ohne Zuhilfenahme einer Verkehrszentrale mit relativ geringem Auf wand vergleichsweise zuverlässig dynamisch prognostizieren lässt.The invention is a technical problem of providing of a method for the vehicle-specific traffic condition forecast of the type mentioned at the beginning, with which the Traffic condition individually for a respective vehicle without Using a traffic control center with a relatively low opening wall dynamically predict comparatively reliably leaves.
Die Erfindung löst dieses Problem durch die Bereitstellung ei nes Verkehrszustandsprognoseverfahrens mit den Merkmalen des Anspruchs 1. Dieses Verfahren zeichnet sich zum einen dadurch aus, dass sie ohne eine Verkehrszentrale bzw. einen zentralen Verkehrsinformationsdienstanbieter auskommt, und zum anderen dadurch, dass eine dynamische Verkehrszustandsprognose mittels einer Ganglinien-Auswahlmethode erfolgt, bei der Verkehrszu standsdaten, die vom eigenen und anderen Fahrzeugen aufgenom men wurden, zeitrichtig berücksichtigt werden, wozu die Fahr zeuge untereinander über eine entsprechende Datenübertragungs verbindung kommunizieren.The invention solves this problem by providing egg Traffic state forecasting procedure with the characteristics of the Claim 1. This method is characterized on the one hand from the fact that they are without a traffic center or a central Traffic information service provider gets along, and secondly by using a dynamic traffic condition forecast a route selection method is used for traffic Status data recorded by your own and other vehicles were taken into account at the right time, for which the driving testify to each other via a corresponding data transmission communicate connection.
Die im Vergleich zu zentralenbasierten Systemen fahrzeugseitig meist nur begrenzt vorhandene Rechenkapazität lässt sich beim vorliegenden Verfahren dadurch ausgleichen, dass die Prognose fahrzeugindividuell auf einen zugehörigen Wegenetzbereich, zweckmäßigerweise einen vor dem betreffenden Fahrzeug liegen den Wegenetzbereich und/oder einen bis zu einem vorgebbaren Zielort führenden Wegenetzbereich, begrenzt bleiben kann und auf kontinuierlich in ihrem zeitlich-örtlichen Verlauf ermit telte Verkehrszustandsdaten des eigenen und vor allem auch an derer, mit ihm in Kommunikationsverbindung stehender Fahrzeuge gegründet wird, die sich im interessierenden Wegenetzbereich befinden. Die Berücksichtigung der aufgenommenen lokalen Ver kehrszustandsdaten auch von anderen Fahrzeugen aus dem inte ressierenden Wegenetzbereich erlaubt eine vergleichsweise ge naue Auswahl einer jeweils bestpassenden Ganglinie und damit eine entsprechend zuverlässige dynamische, fahrzeugindividuel le Prognose des Verkehrszustands in einem vom jeweiligen Fahr zeug zukünftig zu befahrenden Wegenetzabschnitt, der gegebe nenfalls bis zu einem vorgebbaren Zielort führt. Compared to central-based systems on the vehicle side usually only limited computing capacity can be found at Compensate existing procedures by making the forecast vehicle-specific to an associated route network area, expediently lie in front of the vehicle in question the route network area and / or one up to a specifiable Destination leading route network area, can remain limited and on continuously in their temporal-local course communicated traffic status data of their own and above all those vehicles in communication with him is founded, which is located in the area of interest are located. Taking into account the recorded local ver traffic condition data of other vehicles from the inte The route network area that is of interest allows a comparatively ge accurate selection of a best-fitting curve and thus a correspondingly reliable dynamic, vehicle-specific le forecast of the traffic condition in one of the respective driving witness to future route network section to be used otherwise leads to a predefinable destination.
Ein nach Anspruch 2 weitergebildetes Verfahren beinhaltet die Erstellung einer Gangliniendatenbank auf der Basis von über die Datenübertragungsverbindung verfügbaren Verkehrszustands daten. Diese Gangliniendatenbank kann dann den Fahrzeugen zur Adaption bzw. Aktualisierung der in selbigen abgespeicherten Ganglinien verwendet werden.A further developed method according to claim 2 includes Creation of a curve database based on over the traffic link available traffic condition Data. This gait database can then be used by the vehicles Adaptation or update of those stored in the same Hydrographs are used.
Vorteilhafte Ausführungsformen der Erfindung sind in den Zeich nungen dargestellt und werden nachfolgend beschrieben. Hierbei zeigenAdvantageous embodiments of the invention are in the drawing are shown and are described below. in this connection demonstrate
Fig. 1 eine schematische Blockdiagrammdarstellung eines Ver fahrens zur dynamischen, fahrzeugindividuellen Ver kehrszustandsprognose und dazu verwendeter Mittel un ter Nutzung von Fahrzeug-Fahrzeug-Kommunikation, Fig. 1 is a schematic block diagram representation of a driving Ver traffic condition forecast to dynamic vehicle individual used Ver plus un agent ter use of vehicle-vehicle communication,
Fig. 2 eine schematische Blockdiagrammdarstellung einer Va riante des Verfahrens von Fig. 1 mit fahrzeugseitiger Ganglinienadaption anhand einer automatisch erstell ten Gangliniendatenbank und Fig. 2 is a schematic block diagram representation of a variant of the method of Fig. 1 with on-board gait adaptation based on an automatically created th curve database
Fig. 3 eine schematische Darstellung eines Wegenetz-Strecken abschnitts mit einem Muster dichten Verkehrs an einer effektiven Engstelle. Fig. 3 is a schematic representation of a route network section with a pattern of dense traffic at an effective constriction.
Fig. 1 veranschaulicht die Vorgehensweise eines Verfahrens zur fahrzeugindividuellen dynamischen Prognose des Verkehrszu stands für einen Bereich eines Wegenetzes, der für das betref fende Fahrzeug relevant ist, d. h. in welchem sich das Fahrzeug während eines vorgebbaren Prognosezeitraums aller Voraussicht nach bewegt, gegebenenfalls bis hin zu einem vorgebbaren Ziel ort, sowie die zur Verfahrensdurchführung benötigten Mittel. Wie aus Fig. 1 ersichtlich, beinhaltet das jeweilige Fahrzeug 1 Verkehrszustandsbestimmungsmittel 2, mit denen der aktuelle Verkehrszustand kontinuierlich in seinem zeitlich-örtlichen Verlauf anhand eines oder mehrerer gemessener Parameter und/oder daraus abgeleiteter Größen erfasst wird, wie der mittleren Fahrzeuggeschwindigkeit, der Verkehrsdichte, des Verkehrsflusses und/oder individualisierbarer Verkehrsstö rungsobjekte. Fig. 1, the procedure illustrates a method for vehicle individual dynamic prediction of Verkehrszu stands for an area of a road network, which is relevant to the Subject Author Fende vehicle, ie in which the vehicle during a predetermined forecast period likely to move, optionally, to a Predefinable destination, as well as the means required to carry out the procedure. As can be seen from FIG. 1, the respective vehicle 1 contains traffic condition determination means 2 , with which the current traffic condition is continuously recorded in its temporal-local course using one or more measured parameters and / or variables derived therefrom, such as the average vehicle speed, the traffic density, the traffic flow and / or customizable traffic disruption objects.
Unter letztere fallen insbesondere verschiedene individuali sierbare Zustandsphasen, wie Stau, synchronisierter Verkehr, gestauchter synchronisierter Verkehr und freier Verkehr, Pha senübergänge zwischen solchen Zustandsphasen und zeitlich räumliche Muster aus derartigen Zustandsphasen, insbesondere Muster dichten Verkehrs an effektiven Engstellen. Zu den wei teren Details über die Dynamik solcher verschiedener Zustands phasen und darauf aufgebauter Muster kann auf die diesbezügli che Literatur verwiesen werden, speziell auch auf die früheren Patentanmeldungen der Anmelderin zu dieser Thematik. Bezüglich der Erkennung von Mustern dichten Verkehrs an effektiven Eng stellen und Warteschlangenmustern an verkehrsgeregelten Netz knoten und darauf aufbauenden Verkehrsprognosen sei insbeson dere auf die oben erwähnten älteren deutschen Patentanmeldun gen 199 44 075.1, 100 36 789.5, 100 36 792.5 und 100 51 777.3 verwiesen, deren Inhalt hierin durch Verweis aufgenommen wird.The latter include in particular various individuali definable status phases, such as traffic jams, synchronized traffic, compressed synchronized traffic and free traffic, Pha transitions between such state phases and in time spatial patterns from such state phases, in particular Patterns of heavy traffic at effective bottlenecks. To the white more details on the dynamics of such different states phases and the pattern based on them can relate to this literature, especially the earlier ones Patent applications by the applicant on this topic. In terms of the detection of patterns of dense traffic at effective tight and queue patterns on traffic-regulated networks knots and traffic forecasts based on them in particular the earlier German patent applications mentioned above gen 199 44 075.1, 100 36 789.5, 100 36 792.5 and 100 51 777.3 referenced, the content of which is incorporated herein by reference.
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.By recognizing the different traffic patterns and traffic state phases and phase transitions between them the determination and prognosis of the traffic condition becomes clear facilitate and improve. Because based on the recorded ver Traffic state data can be such existing individual traffic objects are recognized, which are then based on their known dynamics in their temporal-local course can be reliably predicted what is in an ent speaking reliable forecast of the traffic condition overall velvet results.
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.Empirical data of such patterns and approaches are available for this purpose phases, as well as other traffic conditions if required empirically determined in advance and to so-called historical Process lines processed, the time and location for one the respective section of the route there at the respective time reflect expected traffic conditions, both in the form of conventional time-dependent profiles traffic parameters as well as in the form of typical time dependent traffic patterns in the local area. For the time-dependent It is advisable to use the clock H. Distinguish time of day as well as day of the week because of the traffic mostly depends significantly on both time parameters. down The local component is visible next to the current vehicle location primarily the vehicle destination and / or the direction of travel from Interest to match the local forecast range to limit. With this chart application you can understandable, depending on the needs, conventional chart methods are used, e.g. B. a so-called gangue "clustering", in which similar hydrographs are summarized, e.g. B. those that are less than a prescribable and spewed Distinguish a certain measure. Furthermore, the flow lines or traffic patterns with an associated probability of their occurrence can be saved, which then in the Auswer tion is taken into account accordingly.
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 einem 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.Such a conventionally obtained gait line set is stored in a corresponding storage unit 3 in the respective vehicle 1 , now referring again to FIG. 1. The storage unit 3 can be of any conventional type, e.g. B. in the form of a CD-ROM on which the data is stored abge, but also in the form of a so-called learning digital road network map, as described in the older German patent application 199 16 967.5 of the applicant. In the latter case, the historical curve lines can be learned on the basis of previous journeys on the same route with the same or a different vehicle and can be updated when the route is traveled again on this route. This can e.g. B. especially for vehicles that often travel the same route.
Das jeweilige Fahrzeug 1 steht mit einem oder mehreren anderen Fahrzeugen, die das Wegenetz befahren, über eine geeignete Da tenübertragungsverbindung 6 herkömmlicher Art direkt oder in direkt in Kommunikationsverbindung. Diese wird vorliegend dazu genutzt, zwischen den Fahrzeugen die von diesen ermittelten aktuellen Verkehrszustandsdaten zu übertragen, d. h. das jewei lige Fahrzeug 1 sendet die von ihm ermittelten aktuellen loka len Verkehrszustandsdaten über die Datenübertragungsverbindung 6 zu anderen Fahrzeugen und empfängt umgekehrt von anderen Fahrzeugen ermittelte aktuelle lokale Verkehrszustandsdaten 7. Bei der Datenübertragungsverbindung 6 kann es sich um ein Da tennetz handeln, an das die systembeteiligten Fahrzeuge ange schlossen sind, oder um eine Fahrzeug-Fahrzeug-Kommunikation, bei der die Fahrzeuge direkt paarweise untereinander kommuni zieren.The respective vehicle 1 is in direct or in direct communication connection with one or more other vehicles traveling on the road network via a suitable data transmission link 6 of a conventional type. In the present case, this is used to transmit the current traffic status data determined by these vehicles, ie the respective vehicle 1 sends the current local traffic status data determined by it via the data transmission link 6 to other vehicles and conversely receives current local traffic status data determined by other vehicles 7 . The data transmission connection 6 can be a data network to which the vehicles involved in the system are connected, or vehicle-to-vehicle communication in which the vehicles communicate directly in pairs with one another.
In einer Prognoseganglinien-Auswahleinheit 4 werden dann die laufend von den eigenen Verkehrszustandsmitteln 2 ermittelten Verkehrszustandsdaten aus dem Umfeldbereich des eigenen Fahr zeugs zusammen mit den von anderen Fahrzeugen empfangenen, von diesen in deren momentanem Aufenthaltsbereich des Wegenetzes ermittelten lokalen Verkehrszustandsdaten 7 mit dem abgespei cherten Satz historischer Ganglinien einschließlich zeitlich räumlicher Verkehrsmuster zu dem Zweck verglichen, unter den abgespeicherten Ganglinien diejenige herauszufinden, die am besten zu diesen ermittelten Verkehrsdaten, d. h. der zugehöri gen Verkehrssituation passt. Diese Ganglinienauswahl erfolgt nach Art eines herkömmlichen "Matching"-Verfahrens. Von den empfangenen, von anderen Fahrzeugen ermittelten Verkehrszu standsdaten 7 werden hierbei zweckmäßigerweise insbesondere diejenigen berücksichtigt, die von Fahrzeugen stammen, welche sich in einem für das eigene Fahrzeug 1 interessierenden Wege netzbereich befinden, d. h. in einem Wegenetzbereich, der für die vom eigenen Fahrzeug 1 während des Prognosezeithorizonts voraussichtlich zu befahrende Route relevant ist. Dies kann insbesondere ein relativ langreichweitiger Vorausbereich sein, der sich in der aktuellen Fahrtrichtung des eigenen Fahrzeugs 1 nach vorn erstreckt, bei Bedarf bis in den Bereich eines vorgegebenen Zielorts. In a forecast transition lines selection unit 4, the continuously determined by the own traffic condition means 2 traffic condition data from the environment area of the own driving then be zeugs received together with the other vehicles, and of these in their momentary location area of the road network detected local traffic condition data 7 with the abgespei cherten set of historical Aisles, including temporal spatial traffic patterns, are compared for the purpose of finding out from among the stored aisles the one that best matches these determined traffic data, ie the associated traffic situation. This chart is selected in the manner of a conventional "matching" process. From the received traffic status data 7 determined by other vehicles, those that originate from vehicles that are located in a network area of interest for one's own vehicle 1 , that is to say in a route network area for those of one's own vehicle 1, are expediently taken into account of the forecast time horizon is likely to be relevant. In particular, this can be a relatively long-range ahead area that extends forward in the current direction of travel of one's own vehicle 1 , if necessary up to the area of a predetermined destination.
Die ausgewählte, am besten zum erfassten zeitlich-örtlichen Verlauf des oder der verwendeten Verkehrszustandsparameter passende Ganglinie wird dann als Prognoseganglinie für die dy namische Prognose des Verkehrszustands herangezogen, d. h. der Verkehrszustand wird für den relevanten Wegenetzbereich unter zeitrichtiger Berücksichtigung des Abstands jedes Streckenab schnitts vom momentanen Fahrzeugort anhand der ausgewählten Prognoseganglinie prognostiziert. Letztere enthält die Infor mationen darüber, welcher Verkehrszustand im betrachteten Be reich während des Prognosezeitraums am jeweiligen Ort zum vor aussichtlichen Ankunftszeitpunkt wahrscheinlich herrscht. Hierbei wird der Verkehrszustand wiederum anhand des oder der für ihn indikativen Parameter für das Einzelfahrzeug prognos tiziert, d. h. in Form einer Prognose über die im betreffenden Streckenbereich und im betreffenden Zeitraum zu erwartenden Geschwindigkeits-, Dichte- und/oder Verkehrsflussprofile sowie über das Vorliegen von Staus und anderen individualisierbaren verkehrlichen Objekten, wie synchronisierter Verkehr und Mus ter dichten Verkehrs an effektiven Engstellen bzw. Warte schlangen an verkehrsgeregelten Netzknoten.The selected one, best for the recorded temporal-local Course of the traffic condition parameter or parameters used matching curve is then used as the forecast curve for the dy Named forecast of the traffic condition used, d. H. the Traffic status is under for the relevant road network area timely consideration of the distance of each route section of the current vehicle location based on the selected Forecast progression forecast. The latter contains the information mations about which traffic condition in the considered Be rich during the forecast period at the respective location before probable time of arrival probably prevails. Here, the traffic condition is again based on the or for him indicative parameters for the single vehicle prognos tected, d. H. in the form of a forecast of the in question Route area and expected in the relevant period Speed, density and / or traffic flow profiles as well about the presence of traffic jams and other customizable traffic objects, such as synchronized traffic and traffic dense traffic at effective bottlenecks or waiting rooms queued at traffic-regulated network nodes.
Somit erfolgt die fahrzeugindividuelle Prognose des Verkehrs zustands im interessierenden Wegenetzbereich durch die Verwen dung des Ganglinien-Auswahlverfahrens mit relativ geringem Re chenaufwand und sehr zuverlässig, wobei nicht nur die vom ei genen Fahrzeug 1 ermittelten Verkehrszustandsdaten, sondern auch von anderen Fahrzeugen im interessierenden Wegenetzbe reich ermittelte Verkehrszustandsdaten 7 als Stützstellen für die Ganglinienauswahl berücksichtigt werden. Je nach Anwen dungsfall kann das Ergebnis der fahrzeugindividuellen dynami schen Verkehrsprognose für verschiedene fahrzeugseitige Syste me 5 des jeweiligen Fahrzeugs 1 genutzt werden, z. B. zur Ziel führung, zur Fahrerassistenz, zur Komfort- und/oder Sicher heitsverbesserung und/oder zur Kraftstoffverbrauchsreduzie rung. Thus, the vehicle-specific forecast of the traffic condition in the route network area of interest is carried out by using the gangway selection method with relatively little computational effort and very reliably, not only the traffic condition data ascertained by the vehicle 1 but also from other vehicles in the route network area of interest Traffic condition data 7 are taken into account as support points for the selection of the curve lines. Depending on the application, the result of the vehicle-specific dynamic traffic forecast can be used for various vehicle-side systems 5 of the respective vehicle 1 , e.g. B. to goal guidance, driver assistance, comfort and / or safety improvement and / or fuel consumption reduction.
Fig. 2 zeigt eine Variante der Vorgehensweise von Fig. 1, die zusätzlich eine automatische Erstellung einer Gangliniendaten bank 8 auf der Basis aktueller Verkehrsinformationen beinhal tet. Im übrigen entsprechen sich die beiden Vorgehensweisen, so dass für die verschiedenen Komponenten gleiche Bezugszei chen verwendet sind und auf deren obige Beschreibung zu Fig. 1 verwiesen werden kann. Speziell wird die zentrale Ganglinien datenbank 8 anhand der über die Datenübertragungsverbindung 6 vorliegenden aktuellen Verkehrszustandsdaten, die von den dar an angeschlossenen Fahrzeugen ermittelt und gesendet werden, in einer an sich herkömmlichen Weise erstellt. Die Erzeugung der Gangliniendatenbank 8 kann z. B. über das Internet erfol gen. Die so erzeugten, in der Gangliniendatenbank 8 abgelegten Ganglinienprognosen werden dann dazu verwendet, die in der fahrzeugseitigen Speichereinheit 3 des jeweiligen Fahrzeugs 1 abgespeicherten Ganglinien zu adaptieren, d. h. mit denjenigen der Gangliniendatenbank 8 zu aktualisieren. Fig. 2 shows a variant of the procedure of Fig. 1, which additionally includes an automatic creation of a curve data database 8 on the basis of current traffic information. Otherwise, the two procedures correspond, so that the same reference numerals are used for the various components and reference can be made to the above description of FIG. 1. Specifically, the central corridors database 8 is created in a manner that is conventional per se, based on the current traffic status data available via the data transmission connection 6 , which are determined and transmitted by the vehicles connected to it. The generation of the curve database 8 can, for. For example, via the Internet. The thus generated, stored in the gait line database 8 gait line forecasts are then used to adapt the gait lines stored in the on-board storage unit 3 of the respective vehicle 1 , ie to update them with those of the gait line database 8 .
Beide gezeigten Ausführungsformen ermöglichen durch die Ver wendung mehrerer zusätzlicher Stützstellen bzw. Stützpunkte in Form der von anderen Fahrzeugen ermittelten und zum jeweils eigenen Fahrzeug 1 übertragenen lokalen Verkehrszustandsdaten 7 eine zuverlässige fahrzeugseitige Verkehrsprognose mittels Auswahl der bestpassenden Ganglinie, speziell auch unter Ver wendung von Erkennungsprozessen für Muster dichten Verkehrs an effektiven Engstellen und Warteschlangenmustern an verkehrsge regelten Netzknoten. Dies wird zur Erläuterung und zum leich teren Verständnis nachstehend unter Bezugnahme auf Fig. 3 am Beispiel einer speziellen Verkehrssituation mit einem voll ständig ausgebildeten Muster dichten Verkehrs stromaufwärts einer effektiven Engstelle E beschrieben.By using a number of additional support points or support points in the form of the local traffic status data 7 determined by other vehicles and transmitted to the respective own vehicle 1 , both of the embodiments shown enable a reliable vehicle-side traffic forecast by selecting the best-fitting gear line, especially also using recognition processes for patterns heavy traffic at effective bottlenecks and queue patterns at traffic-regulated network nodes. This is described below for the purpose of explanation and easier understanding with reference to FIG. 3 using the example of a special traffic situation with a fully continuously developed pattern of dense traffic upstream of an effective constriction E.
Wie in Fig. 3 gezeigt, beinhaltet ein solches vollständiges Muster dichten Verkehrs stromaufwärts an die effektive Eng stelle E anschließend einen Bereich synchronisierten Verkehrs S und daran stromaufwärts anschließend einen Bereich gestauch ten synchronisierten Verkehrs G, an den sich stromaufwärts ein sogenannter Bereich sich bewegender breiter Staus B an schließt, der einen oder mehrere, voneinander beabstandete breite Staus ST umfasst, die sich von der stromaufwärtigen Flanke Fu des Bereichs gestauchten synchronisierten Verkehrs G ablösen und stromaufwärts bewegen, wenn letzterer eine gewisse maximale Ausdehnung erreicht hat. Weiter sind im Beispielsfall von Fig. 3 vier systembeteiligte Fahrzeuge F1, F2, F3, F4 schematisch gezeigt, von denen sich ein erstes Fahrzeug F1 im Bereich freien Verkehrs stromabwärts der effektiven Engstelle E und damit des zugehörigen Musters dichten Verkehrs, ein zweites Fahrzeug F2 mitten im Bereich gestauchten synchroni sierten Verkehrs G, ein drittes Fahrzeug F3 in der Nähe der stromaufwärtigen Flanke Fu des Bereichs gestauchten synchroni sierten Verkehrs G und ein viertes Fahrzeug F4 im Bereich B sich bewegender breiter Staus befinden. Über die besagte Da tenübertragungsverbindung 6 stehen die vier Fahrzeuge F1 bis F4 untereinander und mit den übrigen systembeteiligten Fahr zeugen in Kommunikationsverbindung. Anhand der von den vier Fahrzeugen F1 bis F4 aktuell an ihrem jeweils momentanen Fahr zeugort aufgenommenen Verkehrszustandsdaten kann bei der Gang linienauswahl in einem der vier Fahrzeuge F1 bis F4 oder einem anderen systembeteiligten Fahrzeug das im Bereich der effekti ven Engstelle E momentan vorliegende Muster dichten Verkehrs erkannt werden, was die Auswahl der bestpassenden Ganglinie und damit die Rekonstruktion der aktuellen Verkehrslage und die Prognose der zu erwartenden Verkehrslage für diesen Wege netzbereich erleichtert bzw. zuverlässiger macht.As shown in FIG. 3, such a complete pattern of dense traffic upstream of the effective constriction E then includes an area of synchronized traffic S and then an upstream area of synchronized traffic G to which there is a so-called area of moving wide traffic jams upstream B closes, which comprises one or more spaced-apart, wide traffic jams ST, which detach from the upstream flank F u of the region of upset synchronized traffic G and move upstream when the latter has reached a certain maximum extent. Furthermore, in the example of FIG. 3, four system-involved vehicles F1, F2, F3, F4 are shown schematically, of which a first vehicle F1 is located in the area of free traffic downstream of the effective constriction E and thus the associated pattern of dense traffic, a second vehicle F2 in the middle in the area of upset synchronized traffic G, a third vehicle F3 near the upstream edge F u of the area of upset synchronized traffic G and a fourth vehicle F4 in area B of moving wide traffic jams. Via the said data transmission link 6 , the four vehicles F1 to F4 are in communication with one another and with the other system-participating vehicles. On the basis of the traffic status data currently recorded by the four vehicles F1 to F4 at their respective current vehicle location, the pattern of dense traffic currently present in the area of the effective constriction E can be recognized in the gear line selection in one of the four vehicles F1 to F4 or another system-involved vehicle become what makes the selection of the best-fitting gait line and thus the reconstruction of the current traffic situation and the forecast of the expected traffic situation for this route network area easier or more reliable.
Wie aus der obigen Beschreibung vorteilhafter Ausführungsbei spiele deutlich wird, ermöglicht das erfindungsgemäße Verfah ren somit eine zuverlässige fahrzeugindividuelle dynamische Verkehrsprognose ohne Notwendigkeit einer Verkehrszentrale un ter Berücksichtigung von Verkehrszustandsdaten, die im inte ressierenden Wegenetzbereich laufend vom eigenen und von ande ren systembeteiligten Fahrzeugen ermittelt werden.As from the above description of advantageous embodiments games becomes clear, enables the inventive method Ren a reliable vehicle-specific dynamic Traffic forecast without the need for a traffic center taking into account traffic status data, which is integrated in the inte The area of the path network that is constantly in touch with oneself and others system-participating vehicles can be determined.
Claims (2)
mehrere, ein Wegenetz befahrende Fahrzeuge untereinander in Kommunikationsverbindung (6) stehen und
vom jeweiligen Fahrzeug (1) laufend aktuelle lokale Ver kehrszustandsdaten ermittelt und an andere Fahrzeuge übertra gen werden und von anderen Fahrzeugen empfangene Verkehrszu standsdaten (7) für eine Prognose des für das eigene Fahrzeug (1) relevanten Verkehrszustands herangezogen werden,
dadurch gekennzeichnet, dass
die Verkehrszustandsprognose im jeweiligen Fahrzeug (1) für einen zugehörigen Wegenetzbereich einen Vergleich von für diesen Wegenetzbereich relevanten, lokalen Verkehrszustandsda ten anderer Fahrzeuge und des eigenen Fahrzeugs mit fahrzeug seitig abgespeicherten historischen Ganglinien beinhaltet, durch den aus letzteren eine bestpassende Ganglinie ermittelt wird, wobei der von dieser repräsentierte Verkehrszustand als zu erwartender Verkehrszustand für das eigene Fahrzeug (1) prognostiziert wird.1. Procedure for vehicle-specific dynamic traffic condition forecast, in which
several vehicles traveling in a route network are in communication connection ( 6 ) and
Current local traffic status data is continuously determined by the respective vehicle ( 1 ) and transmitted to other vehicles, and traffic status data ( 7 ) received from other vehicles are used to forecast the traffic status relevant for the vehicle ( 1 ) concerned,
characterized in that
the traffic condition forecast in the respective vehicle ( 1 ) for an associated road network area includes a comparison of local traffic status data relevant for this road network area and other vehicles and one's own vehicle with historical gait lines stored by the vehicle, by means of which the best-fitting gait line is determined from the latter this represented traffic condition is forecast as the expected traffic condition for one's own vehicle ( 1 ).
auf der Basis von über die Datenübertragungsverbindung (6) verfügbaren Verkehrszustandsdaten eine Gangliniendatenbank (8) erstellt wird und
die erstellte Gangliniendatenbank (8) zur Aktualisierung der fahrzeugseitig abgespeicherten historischen Ganglinien verwendet wird.2. The method of claim 1, further characterized in that
on the basis of traffic state data available via the data transmission connection ( 6 ), a gait database ( 8 ) is created and
the created gait line database ( 8 ) is used to update the historical gait lines stored on the vehicle.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE2000157796 DE10057796B4 (en) | 2000-11-22 | 2000-11-22 | Method for vehicle-specific traffic condition forecasting |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE2000157796 DE10057796B4 (en) | 2000-11-22 | 2000-11-22 | Method for vehicle-specific traffic condition forecasting |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| DE10057796A1 true DE10057796A1 (en) | 2002-05-23 |
| DE10057796B4 DE10057796B4 (en) | 2007-12-27 |
Family
ID=7664154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE2000157796 Expired - Fee Related DE10057796B4 (en) | 2000-11-22 | 2000-11-22 | Method for vehicle-specific traffic condition forecasting |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE10057796B4 (en) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10234367B3 (en) * | 2002-07-27 | 2004-04-22 | Daimlerchrysler Ag | Traffic situation imaging method for traffic flow organization system uses correlation of flow lines dependent on measured traffic parameters |
| DE102004041851A1 (en) * | 2004-08-27 | 2006-03-16 | Daimlerchrysler Ag | Object acquisition method for use in motor vehicle environment, involves using parameters as input quantities which are acquired by sensors, such that acquired parameters are additionally used for dynamically projecting traffic parameters |
| EP1657693A2 (en) * | 2004-11-16 | 2006-05-17 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
| CN1776739A (en) * | 2004-11-16 | 2006-05-24 | 微软公司 | Traffic predictiong using model-setting and analuzing to probability relativity and environment data |
| DE102005049458A1 (en) * | 2005-10-15 | 2007-04-26 | Daimlerchrysler Ag | System to reduce the consumption of a vehicle, using a navigation unit and a digital map, calculates the driving parameters according to the traffic and position data |
| DE102005055244A1 (en) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Traffic data-based accident detecting method, involves concluding existence of accident when accident criterion is derived and determined from characteristic properties and parameters of temporal-spatial traffic patterns |
| DE10062856B4 (en) * | 2000-12-16 | 2008-01-10 | Daimlerchrysler Ag | Method for vehicle-specific traffic forecast |
| US7519564B2 (en) | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
| DE102007050375A1 (en) | 2007-10-22 | 2009-04-23 | Daimler Ag | Weather information e.g. rain information, utilizing method for vehicle i.e. car, involves utilizing traffic patterns for searching target information of drivers, where patterns are utilized for providing suggestions to drivers |
| DE102008057384A1 (en) | 2008-11-14 | 2009-07-02 | Daimler Ag | Hybrid drive controlling method for vehicle, involves using electrical energy for hybrid drive in drive operation, and controlling functions of combustion engine and electric motor by control unit depending on identified traffic condition |
| DE102008061512A1 (en) | 2008-12-10 | 2009-09-17 | Daimler Ag | Method for controlling hybrid drive of vehicle, involves operating hybrid drive, which has internal combustion engine and electric motor in braking mode as generator and stores electrical energy in energy storage |
| DE102009034376A1 (en) | 2009-07-23 | 2010-03-25 | Daimler Ag | Method for map-based traffic forecasting for navigation device in vehicle, involves detecting traffic condition parameter in vehicle autonomous temporal-local continuous manner |
| DE102009059128A1 (en) | 2009-12-19 | 2011-06-22 | Daimler AG, 70327 | Method for traffic condition determination in vehicle, involves determining road map location information by locating device, and getting traffic information using traffic information receiver |
| DE102010055282A1 (en) | 2010-12-21 | 2011-08-25 | Daimler AG, 70327 | Method for controlling hybrid drive of vehicle, involves operating hybrid drive having combustion engine and electric motor within brake drive as generator and storing electricity in energy storage |
| DE102013014872A1 (en) * | 2013-09-06 | 2015-03-12 | Audi Ag | Method, evaluation system and cooperative vehicle for predicting at least one congestion parameter |
| CN105139656A (en) * | 2015-09-28 | 2015-12-09 | 百度在线网络技术（北京）有限公司 | Road state prediction method and device |
| WO2017149016A1 (en) * | 2016-03-03 | 2017-09-08 | Novero Gmbh | Method and device for generating at least one item of prediction information in a vehicle |
| DE102009035103B4 (en) | 2008-08-01 | 2020-08-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Vehicle powertrain control method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6150961A (en) * | 1998-11-24 | 2000-11-21 | International Business Machines Corporation | Automated traffic mapping |
| DE19856704C2 (en) * | 1998-12-09 | 2001-09-13 | Daimler Chrysler Ag | Method and device for vehicle route guidance and / or travel time estimation |
| US6304816B1 (en) * | 1999-01-28 | 2001-10-16 | International Business Machines Corporation | Method and apparatus for automatic traffic conditions data collection using a distributed automotive computing system |
| DE19903909A1 (en) * | 1999-02-01 | 2000-08-03 | Delphi 2 Creative Tech Gmbh | Method and device for obtaining relevant traffic information and for dynamic route optimization |
| DE19916967C1 (en) * | 1999-04-15 | 2000-11-30 | Daimler Chrysler Ag | Method for updating a traffic route network map and map-based method for generating vehicle guidance information |
-
2000
- 2000-11-22 DE DE2000157796 patent/DE10057796B4/en not_active Expired - Fee Related
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10062856B4 (en) * | 2000-12-16 | 2008-01-10 | Daimlerchrysler Ag | Method for vehicle-specific traffic forecast |
| DE10234367B3 (en) * | 2002-07-27 | 2004-04-22 | Daimlerchrysler Ag | Traffic situation imaging method for traffic flow organization system uses correlation of flow lines dependent on measured traffic parameters |
| DE102004041851A1 (en) * | 2004-08-27 | 2006-03-16 | Daimlerchrysler Ag | Object acquisition method for use in motor vehicle environment, involves using parameters as input quantities which are acquired by sensors, such that acquired parameters are additionally used for dynamically projecting traffic parameters |
| US8386946B2 (en) | 2004-11-16 | 2013-02-26 | Microsoft Corporation | Methods for automated and semiautomated composition of visual sequences, flows, and flyovers based on content and context |
| US8706651B2 (en) | 2004-11-16 | 2014-04-22 | Microsoft Corporation | Building and using predictive models of current and future surprises |
| EP1657693A3 (en) * | 2004-11-16 | 2007-05-30 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
| US10184803B2 (en) | 2004-11-16 | 2019-01-22 | Microsoft Technology Licensing, Llc | Methods for automated and semiautomated composition of visual sequences, flows, and flyovers based on content and context |
| CN1776739A (en) * | 2004-11-16 | 2006-05-24 | 微软公司 | Traffic predictiong using model-setting and analuzing to probability relativity and environment data |
| US7519564B2 (en) | 2004-11-16 | 2009-04-14 | Microsoft Corporation | Building and using predictive models of current and future surprises |
| EP1657693A2 (en) * | 2004-11-16 | 2006-05-17 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
| US7831532B2 (en) | 2004-11-16 | 2010-11-09 | Microsoft Corporation | Precomputation and transmission of time-dependent information for varying or uncertain receipt times |
| US7698055B2 (en) | 2004-11-16 | 2010-04-13 | Microsoft Corporation | Traffic forecasting employing modeling and analysis of probabilistic interdependencies and contextual data |
| US7610560B2 (en) | 2004-11-16 | 2009-10-27 | Microsoft Corporation | Methods for automated and semiautomated composition of visual sequences, flows, and flyovers based on content and context |
| DE102005049458A1 (en) * | 2005-10-15 | 2007-04-26 | Daimlerchrysler Ag | System to reduce the consumption of a vehicle, using a navigation unit and a digital map, calculates the driving parameters according to the traffic and position data |
| DE102005055244A1 (en) * | 2005-11-19 | 2007-05-31 | Daimlerchrysler Ag | Traffic data-based accident detecting method, involves concluding existence of accident when accident criterion is derived and determined from characteristic properties and parameters of temporal-spatial traffic patterns |
| DE102007050375A1 (en) | 2007-10-22 | 2009-04-23 | Daimler Ag | Weather information e.g. rain information, utilizing method for vehicle i.e. car, involves utilizing traffic patterns for searching target information of drivers, where patterns are utilized for providing suggestions to drivers |
| DE102009035103B4 (en) | 2008-08-01 | 2020-08-06 | GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) | Vehicle powertrain control method |
| DE102008057384A1 (en) | 2008-11-14 | 2009-07-02 | Daimler Ag | Hybrid drive controlling method for vehicle, involves using electrical energy for hybrid drive in drive operation, and controlling functions of combustion engine and electric motor by control unit depending on identified traffic condition |
| DE102008061512A1 (en) | 2008-12-10 | 2009-09-17 | Daimler Ag | Method for controlling hybrid drive of vehicle, involves operating hybrid drive, which has internal combustion engine and electric motor in braking mode as generator and stores electrical energy in energy storage |
| DE102009034376A1 (en) | 2009-07-23 | 2010-03-25 | Daimler Ag | Method for map-based traffic forecasting for navigation device in vehicle, involves detecting traffic condition parameter in vehicle autonomous temporal-local continuous manner |
| DE102009059128A1 (en) | 2009-12-19 | 2011-06-22 | Daimler AG, 70327 | Method for traffic condition determination in vehicle, involves determining road map location information by locating device, and getting traffic information using traffic information receiver |
| DE102010055282A1 (en) | 2010-12-21 | 2011-08-25 | Daimler AG, 70327 | Method for controlling hybrid drive of vehicle, involves operating hybrid drive having combustion engine and electric motor within brake drive as generator and storing electricity in energy storage |
| US9805594B2 (en) | 2013-09-06 | 2017-10-31 | Audi Ag | Method, evaluation system and vehicle for predicting at least one congestion parameter |
| DE102013014872A1 (en) * | 2013-09-06 | 2015-03-12 | Audi Ag | Method, evaluation system and cooperative vehicle for predicting at least one congestion parameter |
| CN105139656A (en) * | 2015-09-28 | 2015-12-09 | 百度在线网络技术（北京）有限公司 | Road state prediction method and device |
| CN105139656B (en) * | 2015-09-28 | 2017-09-29 | 百度在线网络技术（北京）有限公司 | A kind of road condition Forecasting Methodology and device |
| WO2017149016A1 (en) * | 2016-03-03 | 2017-09-08 | Novero Gmbh | Method and device for generating at least one item of prediction information in a vehicle |
Also Published As
| Publication number | Publication date |
|---|---|
| DE10057796B4 (en) | 2007-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE10057796A1 (en) | Vehicle-specific dynamic traffic forecasting method by finding best-match load curve from historical load curves | |
| EP1176569B1 (en) | Method for monitoring the condition of traffic for a traffic network comprising effective narrow points | |
| DE19904909C2 (en) | Method and device for providing traffic information | |
| EP1212738B1 (en) | Method for monitoring the condition of traffic for a traffic network comprising effective narrow points | |
| WO2018108559A2 (en) | Storing speed information for predicting a future speed trajectory | |
| EP1154389A1 (en) | Method to determine the traffic situation in a road network | |
| EP0879459A1 (en) | Process for obtaining traffic data | |
| DE102008035944A1 (en) | Motor vehicle i.e. road vehicle, driving operation optimizing method, involves determining target-driving speed of vehicle along driving route, and dividing driving route into segments based on distance parameters and driving condition | |
| DE10062856B4 (en) | Method for vehicle-specific traffic forecast | |
| DE102013000385A1 (en) | Method for determining travel route proposal for upcoming trip, involves providing description of particular traffic event together with typical environment feature given during particular traffic event | |
| WO2002063587A1 (en) | Updating routing and traffic flow data and a vehicle navigation device | |
| DE102010021665A1 (en) | Method for warning traffic jams using e.g. vehicle-related location, speed and time information, involves creating prediction such that jam fronts run in upstream movement under latency periods during transmission of information in vehicle | |
| DE102017216202A1 (en) | Method of predicting an optimal lane on a multi-lane road | |
| DE102015223656A1 (en) | Driver assistance system and method for lane recommendation | |
| DE102018006949A1 (en) | Method for driverless operation of a vehicle | |
| EP2662846A1 (en) | Method for reducing the risk of traffic congestion | |
| DE10101651A1 (en) | Method for determining an optimum vehicle route based on current traffic and weather conditions and estimated future conditions so that a driver can concentrate on driving rather than trying to determine the best route | |
| DE102005009604B4 (en) | Method and device for generating a rating value for traffic data | |
| DE10063763A1 (en) | Motor vehicle navigation system having means for predicting traffic conditions in an approaching road section when the driver will be there, rather than merely informing him of current conditions | |
| EP1466140B1 (en) | Method for determining a travel time | |
| DE10051777A1 (en) | Method for producing a dynamic forecast of traffic conditions for a road system around individual vehicles allows each vehicle to make an autonomic, continuous time-cum-location record for a parameter of traffic conditions | |
| DE19508486A1 (en) | Method and device for reducing the amount of data to be transmitted from a vehicle | |
| DE19954971B4 (en) | System for influencing the traffic flow of vehicles | |
| EP3722994A1 (en) | Determination of the intention of passenger transport means | |
| DE10336590A1 (en) | Customized traffic forecast method for individual vehicles, using vehicle based traffic computer to create forecasts based on traffic conditions data captured on side of other vehicles and transmitted to individual vehicle |
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 |
Effective date: 20140603 |