专利名称：用于估计局部交通流量的系统和方法
技术领域：
本文描述的实施例，一般涉及用探测车辆确定交通流量，而尤其涉及促进道路上车辆之间的通信以便更准确地确定交通流量和识别交通状况。
背景技术：
目前已有各种不同方案用于估计道路上的交通流量。历史上，这种估计已经通过基础设施解决方案实行，诸如埋藏在道路表面中的磁感环路、或来自被战略性地放置在道路上方的有良好视野的雷达或摄像机的数据的信号处理。虽然这些解决方案常常能在宏观水平上(如，在道路的数英里/公里的数量级上)确定交通流量，但它们在提供更局部化的交通条件方面(如，在道路的数百码/米的数量级上)常常是有缺陷的。因此，某些交通条件可以被当前的解决方案丢失。
发明内容
被包含的是用探测车辆估计局部交通流量的实施例。按照一个实施例，一种用探测车辆估计局部交通流量的方法，包含:从历史数据确定用户的驾驶习惯；确定用户正在驾驶的车辆的当前位置；以及确定车辆的当前驾驶条件。一些实施例包含:从该驾驶习惯和该当前位置，预测需要的驾驶条件；把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；以及发送指示该交通拥挤程度的信号。在另一个实施例中，一种用探测车辆估计局部交通流量的系统，包含:存储车辆环境逻辑的存储器部件，该环境逻辑使用户正在驾驶的车辆的车辆计算装置从历史数据确定用户的驾驶习惯、确定车辆的当前位置以及确定车辆的当前驾驶条件。在一些实施例中，该环境逻辑被配置成:从该驾驶习惯和该当前位置，预测需要的驾驶条件；把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；以及发送指示该交通拥挤程度的信号。在又另一个实施例中，一种用于通过探测车辆估计局部交通流量的非暂时计算机可读媒体，包含程序，当该程序被车辆的车辆计算装置执行时，使计算机通过计算装置从历史数据确定用户的驾驶习惯、确定用户正在驾驶的车辆的当前位置、以及确定该车辆的当前驾驶条件。在一些实施例中，该程序被配置成:从该驾驶习惯和该当前位置，预测需要的驾驶条件；把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；以及发送指示该交通拥挤程度的信号。
由本公开的实施例提供的这些和另外的特征，借鉴下面结合附图的详细描述，将得到更完全的理解。附图中阐明的实施例，本质上是说明性和示例性的，并不企图限制本公开。这些说明性实施例在下面详细的描述，当结合下面附图阅读时，能够被理解。附图中，类同的结构用类同的参考数字表示，且附图中:
图1按照本文公开的实施例，示意画出可以用于确定局部交通流量的探测车辆；图2按照本文公开的实施例，示意画出被配置成确定局部交通流量的计算装置；图3A-3C按照本文公开的实施例，示意画出可以被探测车辆遇到的多种交通条件；图4按照本文公开的实施例，画出用于从当前的车辆速度，确定交通拥挤程度的流程图；图5按照本文公开的实施例，画出用于从估计的需要的车辆速度，确定交通拥挤程度的流程图；图6A-6C按照本文公开的各个不同实施例，画出用于从用户特定驾驶偏好，确定交通拥挤程度的流程图；图7按照本文公开的实施例，画出曲线图，示出用于把交通拥挤分级的示例性条件；和图8A-8C按照本文公开的实施例，画出用于确定交通拥挤的另一个示例性实施例。
具体实施例方式本文公开的实施例，包含系统、方法和用于估计局部交通流量的非暂时计算机可读媒体。更具体地说，在一些实施例中，交通流量是通过把当前车辆速度与公布的速度限制比较而被估计的。类似地，在一些实施例中，需要的车辆速度可以被确定并与车辆的当前速度比较。在一些实施例中，可移动性因子能够被确定并与具体用户需要的可移动性因子比较。依据这些交通流量确定，探测车辆能够与道路上其他车辆通信，以指示交通拥挤。现在参考附图，图1按照本文公开的实施例，示意画出可以用于确定局部交通流量的探测车辆100。如图所示，探测车辆100可以包含:一个或多个传感器102a、102b、102c及102d (其中传感器102d与传感器102b相比是被定位在车辆100的相反侧，而传感器102a-102d集体地被称为“传感器102”);无线通信装置104 ;以及车辆计算装置106。传感器102可以包含雷达传感器、摄像机、激光器、和/或被配置成确定在探测车辆100的邻域存在其他车辆的其他类型传感器。另外，虽然传感器102可以包含专门设计成感测交通拥挤的传感器，但在一些实施例中，传感器102也可以被用于停泊帮助、巡游控制帮助、后视帮助和诸如此类。类似地，无线通信装置104可以被配置成一根或多根天线，用于无线通信、蜂窝通信、卫星通信(诸如用于无线通信、全球定位通信等等)和诸如此类。类似地，该无线通信装置104可以被配置成专用于预定距离内与其他车辆通信。虽然无线通信装置104在图1中被作为外部天线示出，但应当理解，它仅仅是个例子，因为一些实施例可以被配置成有内部天线。图2按照本文公开的实施例，示意画出被配置成确定局部交通流量的车辆计算装置106。在出示的实施例中，该车辆计算装置106包含:处理器230、输入/输出硬件232、通信接口硬件234、数据存储部件236 (它存储映射数据238)、以及存储器部件240。该存储器部件240可以被配置成易失性和/或非易失性存储器，并照此，可以包含随机存取存储器(包含SRAM、DRAM、和/或其他类型RAM)，快速擦写存储器、寄存器、小型盘(⑶)、数字通用盘(DVD)、和/或其他类型非暂时计算机可读媒体。与具体实施例有关，这些非暂时计算机可读媒体，可以驻留在车辆计算装置106内和/或车辆计算装置106外。此外，该存储器部件240可以被配置成存储操作逻辑242、车辆环境逻辑244a、以及交通条件逻辑244b，作为例子，它们的每一个可以被体现为计算机程序、固件、和/或硬件。本机接口 246也被包含在图2中，并可以作为总线或其他接口实施，以便促进在车辆计算装置106的各部件中间的通信。处理器230可以包含任何可用于接收和执行指令(诸如来自数据存储部件236和/或存储器部件240)的处理部件。该输入/输出硬件232、可以包含监视器、键盘、鼠标、打印机、摄像机、麦克风、扬声器、全球定位接收器、和/或用于接收、发送、和/或提供数据的其他装置。通信接口硬件234可以被配置成与任何有线或无线网络硬件通信，诸如无线通信装置104或其他天线、调制解调器、LAN端口、无线保真(W1-Fi)卡、WiMax卡、移动通信硬件、专用短程通信硬件(诸如依据IEEE1609，SAEJ2735和诸如此类)，和/或用于与其他网络和/或装置通信的其他硬件。由于这种连接，可以使车辆计算装置106和其他计算装置之间的通信被促进，该其他计算装置可以与或不与其他车辆相关联。类似地，通信接口硬件234可以被配置成与其他车内计算装置通信，诸如车辆控制单元和诸如此类。经由车内接口，诸如控制器区域网络总线、FlexRay总线、和/或诸如此类，这些通信被促进。类似地，应当理解，数据存储部件236可以驻留在车辆计算装置106附近和/或远离车辆计算装置106，并可以被配置成存储一段或多段数据，供车辆计算装置106和/或其他部件访问。如图2所示，该数据存储部件236存储映射数据238，在一些实施例中，该映射数据238包含的数据，涉及道路、道路位置、公布的速度限制、建筑工地(constructionsite)、以及用于路由探测车辆100到达需要的目的位置的路由算法。在存储器部件240中包含有操作逻辑242、车辆环境逻辑244a和交通条件逻辑244b。操作逻辑242可以包含操作系统和/或用于管理探测车辆100的部件的其他软件。类似地，车辆环境逻辑244a可以驻留在存储器部件240中，并可以被配置成，使处理器230从传感器102接收信号和确定探测车辆100邻域的交通拥挤。该交通条件逻辑244b可以被配置成，使处理器230从其他探测车辆接收有关探测车辆100邻域的交通条件的数据，并提供探测车辆100迟早会遇到的相关交通条件的指示。应当理解，图2所示部件仅仅是示例性的，不应认为是对本公开的范围的限制。虽然图2中的部件作为驻留在探测车辆100内被画出，但这仅仅是个例子。在一些实施例中，一个或多个部件可以驻留在探测车辆100之外。还应当理解，虽然图1和2中的车辆计算装置106作为单个系统被画出，这也仅仅是个例子。在一些实施例中，车辆环境功能独立于交通条件功能被实施，该车辆环境功能可以用分开的硬件、软件、和/或固件实施。现在参考图3A-3C，按照本文公开的实施例，探测车辆可能遇到的多种交通条件被示意画出。如图3A所示，探测车辆100可以与一辆或多辆车辆302a、302b、302c和302d(集体地称作“其他车辆302”)沿道路前行。因此，传感器102可以被配置成确定其他车辆302相对于探测车辆100的位置。利用该信息，车辆计算装置106能够确定一个或多个交通空隙304a-304f(集体地称作“交通空隙304”)，以便确定交通拥挤程度。更具体地说，在图3A的例子中，传感器102a能够检测另一车辆302a，并确定探测车辆100与该另一车辆302a之间的距离，作为交通空隙304a。类似地，传感器102b能够检测另一车辆302b的位置，从而确定交通空隙304b和304e。传感器102c能够检测另一车辆302c，从而确定交通空隙304c。类似地，传感器102d能够检测另一车辆302d的存在，从而确定交通空隙304d和304f。类似地，图3B画出第一车辆(如，探测车辆100)从第二车辆306接收交通信息的例子。在图3B的例子中，该第二车辆306装备有第二车辆计算装置308，并包含对图1和2描述的交通检测硬件和软件。因此，该第二车辆计算装置308能够确定该第二车辆306 (它也可以被配置成探测车辆)当前处于冲击波(Shockwave)(其中一组其他车辆在快速移动的道路上突然停止)或其他交通事故中，其中车辆交通速度迅速地下降到零或几乎为零。因此，该第二车辆306能够发送指示第二车辆306位置、第二车辆306的当前速度的数据，和/或指示第二车辆当前处于冲击波中的其他数据。该第一车辆(如，图1和2的探测车辆100)能够从第二车辆306接收该数据，并向第一车辆的用户指示，潜在的危险情况正在逼近。类似地，在一些实施例中，其他机制，诸如自动速度降低，可以被该第一车辆实施，以进一步阻止第一车辆按潜在的危险速度接近该交通事故。图3C画出被停止在冲击波中的探测车辆100的例子。在这样的情况下,探测车辆100的用户可能需要了解该冲击波是否很快结束。因此，车辆计算装置106能够从第三车辆312的第三车辆计算装置310，接收交通数据。该第三车辆计算装置310能够指示第三车辆312的位置，因而向车辆计算装置106指示该冲击波在何处结束。应当理解，虽然本文对图3B-3C描述的实施例是针对冲击波，但这仅仅是个例子。更具体地说，其他类型的交通事故，诸如建筑工地交通事故(construction trafficaccident)和诸如此类，也可以被包含在本公开的范围内。图4按照本文公开的实施例，画出用于从当前的车辆速度，确定交通拥挤程度的流程图。如图所示，车辆计算装置106能够确定探测车辆的当前位置和取向(方框450)。该信息能够通过全球定位系统(GPS)接收器和/或通过其他位置确定部件获得，该全球定位系统和/或位置确定部件，可以是车辆环境逻辑244b和/或车辆计算装置106的一部分。此外，在确定的位置上道路的公布的速度限制，可以被确定(方框452)。该公布的速度限制可以从映射数据238 (图2)被确定，和/或可以通过与远程计算装置的通信被确定。此外，当前驾驶条件，诸如车辆速度，也可以被确定(方框454)。该车辆速度可以通过与探测车辆100中速度计的通信、通过全球定位在时间上的变化的计算、和/或通过其他机制而被确定。然后，能够对当前速度，是否大于或等于公布的速度限制的预定第一百分率，做出确定(方框456)。如果当前速度大于公布的速度限制的预定第一百分率，则拥挤程度能够被分级为“自由流量(free flow)”。例如，如果该第一预定百分率被选定为85%，而当前车辆速度是公布的速度限制的90%，则交通拥挤是最小的确定能够被做出，由此该拥挤流量程度被分级为“自由流量”。在方框456，如果当前车辆速度不大于或等于公布的速度限制的预定百分率，则能够对当前车辆速度，是否在公布的速度限制的第一预定百分率和第二预定百分率之间做出确定。例如，如果第一预定百分率是75%，第二预定百分率是50%，而当前车辆速度是公布的速度限制的60%，则流程图能够转到方框462，把拥挤程度分级为“同步流量”。在方框460，如果当前速度不在该第一预定百分率和第二预定百分率之间，则能够对当前车辆速度，是否小于或等于第二预定百分率，做出确定(方框464)。如果是，该拥挤程度能够被分级为“拥挤流量”(方框466)。接着方框462、458和466，被确定的拥挤程度和/或其他数据，能够从探测车辆100发送到其他车辆(方框468)。现在参考图5，按照本文公开的实施例，用于从用户希望驾驶的估计的需要的车辆速度，确定交通拥挤程度的流程图被画出。如图所示，车辆计算装置106(通过车辆环境逻辑244a)能够编译有关用户驾驶习惯的历史数据(方框550)。更具体地说，车辆计算装置106可以被配置成编译驾驶数据，以预测一般偏好的驾驶速度、特定道路上偏好的驾驶速度、特定速度限制下偏好的驾驶速度、偏好的巡游控制速度、偏好的车道变更频率、偏好的前进距离、偏好的车道变更间隔、和/或其他数据。下一步，车辆计算装置106能够确定探测车辆100的当前位置和取向(如，行进方向)(方框552)。然后，需要的驾驶条件，诸如需要的车辆速度，能够根据用户驾驶习惯被确定(方框554)。能够对当前驾驶条件，诸如当前车辆速度，做出确定(方框556)。然后，车辆计算装置106能够把需要的驾驶条件(如，需要的车辆速度)与当前驾驶条件(如，当前车辆速度)比较，如方框558所示。另外，其后能够对当前车辆速度，是否大于或等于需要的车辆速度的预定第一百分率，做出确定(方框560)。如果是，车辆计算装置106能够把拥挤程度分级为“自由流量”(方框562)。在方框560，如果当前车辆速度不大于或等于需要的车辆速度的第一预定百分率，则能够对当前车辆速度，是否在需要的车辆速度的第一预定百分率和需要的车辆速度的第二预定百分率之间做出确定(方框564)。如果是，拥挤程度能够被分级为“同步流量”(方框566)。如果否，则能够对当前车辆速度，是否小于或等于需要的车辆速度的第二预定百分率做出确定(方框568)。如果是，拥挤程度能够被分级为“拥挤流量”(方框570)。接着方框564、570和572，拥挤程度和/或其他数据能够被发送到其他车辆(方框574)。现在参考图6A-6C，按照本文公开的各个不同实施例，用于从用户特定驾驶偏好，确定交通拥挤程度的流程图被画出。如图6A所示，车辆计算装置106 (图1、2)能够编译有关用户驾驶习惯的数据(方框650)。如同对图5的讨论，用户驾驶习惯能够包含:偏好的驾驶速度、特定道路上偏好的驾驶速度、特定速度限制下偏好的驾驶速度、偏好的巡游控制速度、偏好的车道变更频率、偏好的前进距离、偏好的车道变更间隔、和/或其他数据。此外，探测车辆100的当前位置和取向能够被确定(方框652)。当前驾驶条件，诸如一个或多个当前前进空隙、一个或多个当前速度空隙、以及当前横向空隙(或各空隙)，诸如车道变更空隙，也可以对探测车辆被确定(方框654)。车道变更空隙可以被组合，以便计算横向可移动性因子(方框656)。前进空隙和速度空隙可以被组合成纵向可移动性因子(方框658)。拥挤程度可以从被比较的数据确定(方框660)。此外，该拥挤程度能够向其他车辆发送(方框662)。图6B是在图6A中方框656上的扩展，涉及确定横向可移动性因子。更具体地说，能够对需要的空隙持续，包含时间持续和/或长度持续，做出确定(方框664)。虽然不是要求，但这可以通过访问来自方框650的被编译的数据被执行。此外，空隙(i)的横向空隙持续能够被确定，这里i=l且“i”是全部已有横向空隙上的指数(方框668)。更具体地说，与图3A类似，探测车辆100可以识别该探测车辆正在行进的道路上的一个或多个空隙。于是能够对空隙(i)的横向空隙持续是否大于用户需要的空隙持续，做出确定(方框670)。如果是，横向可移动性因子分量(i)能够被设定为等于I (方框672)。在方框670，如果空隙(i)的横向空隙持续不大于需要的空隙持续，则横向可移动性因子分量(i)可以被设定为等于被需要的空隙持续除的空隙持续(i)(方框674)。此外，接着方框672和674，能够对全部空隙是否已经被考虑，做出确定。如果否，该流程图能够转到678，使i递增1，而该过程能够重新开始。如果全部空隙已经被考虑，则该横向可移动性因子能够被确定为从I到N的每一空隙i的可移动性因子分量的平均值(方框680)。该横向可移动性因子可以代表当前横向驾驶条件未能满足需要的横向驾驶条件的量。然后，该过程可以转到图6A中的方框658。应当注意，虽然在图6B的实施例中，横向可移动性因子可以作为可移动性因子的平均值被确定，但这仅仅是个例子。更具体地说，在一些实施例中，其他的计算，诸如，极小值、极大值、最频值、和/或中间值可以被使用，以便确定该横向可移动性因子。图6C更详细地画出图6A的方框658。更具体地说，接着方框656，需要的驾驶条件，诸如:需要的前进、需要的前进空隙持续、车辆长度、车辆速度、以及驾驶员需要的速度，可以被确定(方框679)。又，虽然不是要求，但这可以已经在图6A的方框650中被执行。当前的前进空隙也可以被确定(方框680)。下一步，间隔误差可以通过从当前前进空隙，减去三倍车辆长度，再减需要的前进空隙持续乘当前速度而被确定(方框681)，即:间隔误差=当前前进空隙-(3)(车辆长度)-(需要的前进空隙持续)(当前速度)应当指出，虽然值“3”被用在上面的计算中，但这也是个例子。更具体地说，任何数值能够被使用，取决于具体实施例。此外，其后能 够对该间隔误差是否大于0，做出确定(方框682)。如果是，前进空隙因子被设定为等于I (方框683)。如果该间隔误差不大于0，则能够对该间隔误差是否小于用户前进饱和做出确定，该用户前进饱和是该用户能够容忍的最小前进距离(方框684)。如果是，该前进空隙因子能够被设定为等于零(方框686)。在方框684，如果该间隔误差被确定为不是小于前进饱和，则前进空隙因子能够被确定为:1减去被用户前进饱和除的间隔误差，即:
前进空隙因子
用尸目U进饱和接着方框683、685和686，能够对当前速度是否大于需要的用户速度做出确定(方框687)。如果是，则速度空隙因子被设定为等于I (方框688)。如果当前速度不大于需要的用户速度，则能够对该当前速度是否小于，例如0.6乘用户需要的速度，做出确定(方框689)。如果是，则该速度空隙因子被设定为等于零(方框690)。如果当前速度不小于0.6乘用户需要的速度，则该速度空隙因子可以被设定为:1减去被0.4乘用户需要的速度除的用
户需要的速度减当前速度，即:
去疮六邮田斗.一1 用户需要的速度-当前速度 -1- (0.4)用户需要的速度接着方框688、690和691，纵向可移动性因子能够被设定为:前进空隙因子和速度空隙因子中的最小值，并可以代表当前驾驶条件未能满足需要的驾驶条件的量(方框692)。其后，流程图可以转到图6A中的方框660。现在参考图7，按照本文公开的实施例被画出的曲线图示出具有用于把交通拥挤分级的示例性条件的曲线图700。更具体地说，接着图6A中的方框600，能够对当前拥挤程度做出确定。在图7的例子中，拥挤程度的确定，能够从计算的横向可移动性因子和纵向可移动性因子做出。如曲线图700中所示，如果横向可移动性因子在Y和I的预定阈值之间，或如果纵向可移动性因子在β和I的预定阈值之间，则拥挤程度能够被确定为“自由流量”(FF)0类似地，设横向可移动性因子小于Y的预定阈值，如果纵向可移动性因子小于α的预定阈值，则拥挤程度将被确定为“拥挤流量”，而如果纵向可移动性因子在α和β的预定阈值之间，则为“同步流量”。应当注意，对图6A-6C和图7讨论的例子，仅仅是示例性的。更具体地说，为确定可移动性因子以及拥挤程度，可以执行其他的计算。图8A-8C示出这些确定的另一个示例性实施例。图8A-8C按照本文公开的实施例，画出用于确定交通拥挤的另一个示例性实施例。更具体地说，首先参考图8Α，探测车辆800a可以在四车道的道路(每一方向两车道行进)上行进。在探测车辆800a的感测范围内，还有车辆800b和车辆800c，车辆800b和800c之间的距离是D23。此外，探测车辆800a可以被配置成确定车辆800b和800c的相对速度，以便确定D23是否正在增加、下降或不变。因此，如果车辆800b的速度(速度_2)和车辆800c的速度(速度_3)大于探测车辆800a的速度(速度_1),则横向可移动性因子可以被确定为:被车辆800c和探测车辆800a的相对速度除的D23，即:如果min (速度 _2，速度 _3) >vel_l,则，
权利要求
1.一种用于估计局部交通流量的方法，包括步骤: 从历史数据确定用户的驾驶习惯； 确定用户正在驾驶的车辆的当前位置； 确定该车辆的当前驾驶条件； 从该驾驶习惯和该当前位置，预测需要的驾驶条件； 由该车辆把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；和 发送指示该交通拥挤程度的信号。
2.权利要求1的方法，其中该驾驶习惯包含下列中的至少之一:用户偏好的驾驶速度、用户偏好的前进空隙以及用户偏好的用于变更车道的横向空隙。
3.权利要求1的方法，其中该车辆的当前驾驶条件包含下列中的至少之一:当前车辆速度、当前前进空隙、当前·横向空隙。
4.权利要求1的方法，其中把需要的驾驶条件与当前驾驶条件比较，包含: 确定当前驾驶条件是否与该需要的驾驶条件不同； 响应于确定当前驾驶条件不同于需要的驾驶条件，确定当前驾驶条件不同于需要的驾驶条件的量；和 把当前驾驶条件不同于需要的驾驶条件的量与预定的阈值比较，以确定交通拥挤程度。
5.权利要求1的方法，其中确定当前驾驶条件包含计算横向可移动性因子。
6.权利要求1的方法，其中确定当前驾驶条件包含计算纵向可移动性因子。
7.权利要求1的方法，其中确定交通拥挤程度，包含: 计算横向可移动性因子； 计算纵向可移动性因子；和 从横向可移动性因子和纵向可移动性因子的比较，确定交通拥挤程度。
8.一种用于估计局部交通流量的系统，包括: 在用户正在驾驶的车辆上存储车辆环境逻辑的存储器部件，当该车辆环境逻辑被执行时，使该车辆计算装置至少进行如下工作: 从历史数据确定用户的驾驶习惯； 确定该车辆的当前位置； 确定该车辆的当前驾驶条件； 从驾驶习惯和当前位置，预测需要的驾驶条件； 把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；和 发送指示该交通拥挤程度的信号。
9.权利要求8的系统，其中该驾驶习惯包含下列中的至少之一:用户偏好的驾驶速度、用户偏好的前进空隙以及用户偏好的用于变更车道的横向空隙。
10.权利要求8的系统，其中该车辆的当前驾驶条件包含下列中的至少之一:当前车辆速度、当前前进空隙和当前横向空隙。
11.权利要求8的系统，其中把需要的驾驶条件与当前驾驶条件比较，包含: 确定当前驾驶条件是否与该需要的驾驶条件不同； 响应于确定当前驾驶条件不同于需要的驾驶条件，确定当前驾驶条件不同于需要的驾驶条件的量；和 把当前驾驶条件不同于需要的驾驶条件的量与预定的阈值比较，以确定交通拥挤程度。
12.权利要求8的系统，其中确定当前驾驶条件包含计算横向可移动性因子。
13.权利要求8的系统，其中确定当前驾驶条件包含计算纵向可移动性因子。
14.一种用于估计局部交通流量的非暂时计算机可读媒体,该非暂时计算机可读媒体存储程序，当该程序被用户正在驾驶的车辆上的车辆计算装置执行时，使该车辆计算装置至少进行如下工作: 从历史数据确定用户的驾驶习惯； 确定该车辆的当前位置； 确定该车辆的当前驾驶条件； 从驾驶习惯和当前位置，预测需要的驾驶条件； 把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；和 发送指示该交通拥挤程度的信号。
15.权利要求14的非暂时计算机可读媒体，其中该驾驶习惯包含至少如下之一:用户偏好的驾驶速度、用户偏好的前进空隙以及用户偏好的用于变更车道的横向空隙。
16.权利要求14的非暂时计算机可读媒体，其中该车辆的当前驾驶条件包含下列中的少之一:当前车辆速度、当前前进空隙和当前横向空隙。
17.权利要求14的非暂时计算机可读媒体，其中把需要的驾驶条件与当前驾驶条件比较，包含: 确定当前驾驶条件是否与需要的驾驶条件不同； 响应于确定当前驾驶条件不同于需要的驾驶条件，确定当前驾驶条件不同于需要的驾驶条件的量；和 把当前驾驶条件不同于需要的驾驶条件的量与预定的阈值比较，以确定交通拥挤程度。
18.权利要求14的非暂时计算机可读媒体，其中确定当前驾驶条件包含计算横向可移动性因子。
19.权利要求14的非暂时计算机可读媒体，其中确定当前驾驶条件包含计算纵向可移动性因子。
20.权利要求14的非暂时计算机可读媒体，其中确定交通拥挤程度，包含: 计算横向可移动性因子； 计算纵向可移动性因子；和 从横向可移动性因子和纵向可移动性因子的比较，确定交通拥挤程度。
全文摘要
用于估计局部交通流量的系统和方法。用于估计局部交通流量的系统和方法被描述。方法的一个实施例包含从历史数据确定用户的驾驶习惯；确定用户正在驾驶的车辆的当前位置；以及确定该车辆的当前驾驶条件。一些实施例包含从驾驶习惯和当前位置，预测需要的驾驶条件；把需要的驾驶条件与当前驾驶条件比较，以确定交通拥挤程度；以及发送指示该交通拥挤程度的信号。
文档编号G08G1/0967GK103201777SQ201180053694
公开日2013年7月10日 申请日期2011年9月23日 优先权日2010年9月27日
发明者D·S·卡文内伊, J·M·麦克纽 申请人:丰田自动车工程及制造北美公司