用于执行交通灯相关数据的实时分析的方法与流程

文档序号:13473908阅读:452来源:国知局
用于执行交通灯相关数据的实时分析的方法与流程

一种利用通过连接于蜂窝网络的车辆采集的车辆数据执行交通灯相关数据的实时分析以形成交通流量的方法。交通流量的实时数据能够与用于运输工程结构例如道路交叉口的指定部段的几何形状和拓扑结构数据连同交通灯数据进行比较。



背景技术:

现代交通灯安装将包括交通灯控制器与中央化后端系统(centralizedback-endsystems)之间的通信。这样连接的交通灯也被称为在线交通灯,将提供对交通灯当前状态即相位——红色、黄色或绿色的访问。在线交通灯还提供了访问相位安排(即用于有限时间窗的计划交通灯相位变化的方案)的工具。这种交通灯数据常常被称为信号相位和实时数据(signalphaseandtimingdata)或spat数据。spat数据,一旦在一些后端系统中可用,则能够被传输至车辆用于车辆内应用,例如绿灯倒计时时间、glosa(绿灯最佳速度通报)或闯红灯警告。但是spat数据是不够的,仍然需要有关交通灯位置的免费信息。更准确地,每个交通灯正在调节哪个道路或车道。这种数据称为map数据。总之,动态spat数据和更多的静态map数据对于能够连接交通灯功能来说足够了。

中国专利公开号cn102779415(a)公开了用于实时分析交通信号相位的方法和装置。利用浮动车辆数据例如车辆的停止点与信号交叉十字路口处的交通灯之间的距离和/或车辆的起停时间分析交通信号相位。

但是,该数据用于交通灯分析应用仍然有相关问题。



技术实现要素:

现在已经确定,虽然spat数据通常易于从连接的交通灯系统得到,但是map数据的取回是非常劳力和费时的。此外,即使已经例如从十字路口设计的绘图、其它技术资料等等采集了map数据,仍然存在由于十字路口的重建导致map数据不正确的风险。仅作为示例,现有的车道可被转换为公共交通保留的车道。具有单车道的道路可能突然被分成两个车道,反之亦然。map数据很容易是不准确或不正确的,从而如果与spat数据连接从而例如预测红色与绿色信号之间的变化则对驾驶员造成真实的威胁。

本发明的一个目的是提供一种方案,至少解决一些与交通灯相关数据相关联的缺陷,或减少缺陷或至少为现有技术中提出的方案提供有用的可选方案。

该目的至少通过一种用于利用连接在至少一个车辆蜂窝网络中的多个车辆执行交通流量控制装置相关数据的实时分析的方法来满足。所述方法包括如下步骤:

a)提供交通流量控制装置的状态例如所述交通流量控制装置的信号相位和实时数据。所述交通流量控制装置被定位在运输工程结构处,以及

b)提供所述运输工程结构的至少一部分的几何形状和拓扑结构数据。所述方法进一步包括如下步骤:提供经过所述运输工程结构的所述部分的实时数据,以及比较交通流量的实时数据与至少来自步骤b)、优选来自步骤a)和步骤b)的数据从而评估是否检测到差异。

此处的公开内容使得能够利用来自连接车辆的数据自动地获得新的map数据,或获得map数据的校正和/或提供对map数据的补充数据。所述方案可消除乏味和劳动密集的工作从而正确地保持或更新map数据。还提供了检测和调整map数据从而改变所述运输工程结构的实际构造的工具。它可进一步消除当车辆系统基于不准确的map数据得出错误结论时驾驶员的分心和风险。

仅作为示例,可由一个或多个以下车辆传感器或仪器获得交通流量的实时数据:车速,车辆识别,车辆位置数据例如gps位置,增强的gps数据,无线频率识别,车辆-车辆和车辆-基础结构通信,推算定位,激光雷达(lidar),雷达(radar),红外线数据,摄像机或其它光测读数仪器,仅仅列出几种。当使用车辆摄像机时,车辆可识别例如车辆行驶的特定车道。该信息可与相关于特定车道的交通流量的状态相比较。

运输工程结构是道路交叉口、桥梁、隧道、环形路口(roundabout)、道路转弯、道路等等。已经发现,所述方法可应用于基本上任何运输工程结构,但是十字路口例如道路交叉口处的交通灯是优先的实施例。它是能够实时更新几何形状和拓扑结构数据的通用方法,否则难以监管。仅作为示例,城市同时具有多个正在进行的公路建设和维修很常见。可能难以全部更新相关的交通灯。所述方法将释放资源同时为车辆驾驶员和车辆乘客提供当使用车辆系统时允许更好的精确度的更新和精确信息。

交通流量控制装置可以是一个或多个交通灯、一个或多个门、一个或多个路障装置、一个或多个汽车库门等等。所述方法能够基本上在意图控制交通流量且能够被操纵为不同状态例如走(go)、不走(no-go)或保持的任何基础结构装置上应用。此处给出的示例主要旨在交通灯,但是上述其它交通流量控制装置也是可能的。

如果检测到差异,则所述差异或与差异有关的数据可被发送至交通服务器和/或至少一些连接的车辆。通过转播、发出或发送检测到的差异,交通流量的实时交通数据可用于补充或更换至少一部分map数据。因而提供了特定交通灯管理的实际交通的更新视域。因为能够使用大量车辆或长时间地检测差异,所述方法提供了准确读数和数据。可选择地或附加地,如果检测到差异,则所述交通流量的实时交通数据可用于新建或补充所述运输工程结构的几何形状和拓扑结构数据(map)。运输工程结构的新的或补充的几何形状和拓扑结构数据(map)可被发送至交通服务器和/或至少一些连接的车辆。

如果检测到差异,则步骤c)的交通流量的实时数据可被记录为或用作几何形状和拓扑结构数据,例如补充、更新或新的几何形状和拓扑结构数据。可在车辆内局部地或在基于云管理的服务器中远程地执行该记录。这就允许若干使用者利用map数据中检测出的错误。

步骤a)、步骤b)和步骤c)中的数据可被供至多个车辆。因而可在车辆内局部地执行比较。可选择地或附加地,步骤a)、步骤b)和步骤c)中的数据可被供至基于云管理的服务器。可通过所述基于云管理的服务器执行比较。方法是通用的,因为它可在车辆内局部地和/或在云内远程地执行。结果当然可被比较以进一步改进方法的精确度。

步骤a)的数据可被记录为真实的。该步骤利用交通灯的信号相位和实时数据,假定它们完全精确和正确。因此,尽管使用交通灯的信号相位和实时数据,控制功能严格地旨在所述特定运输工程结构的几何形状和拓扑结构数据。

如果检测到差异,则可阻止步骤a)的交通灯的所述信号相位和实时数据和/或步骤b)的几何形状和拓扑结构数据被发送至若干车辆例如蜂窝网络的车辆。所述方法因而可被操纵为通过仅仅阻止这种信息被发送至蜂窝网络的车辆来保护驾驶员和乘客不受不正确几何形状和拓扑结构数据的影响。

可选择地或附加地,如果检测到差异,则警报可被发送至基于第一云管理的服务器例如交通服务器,和/或发送至至少一些车辆。通过响应于检测到的差异发出警报,驾驶员或乘客或维护工作者可能知晓异常即交通灯处的实际交通流量与实际上用于描述交通灯和与其相关的道路区段的数据之间的不匹配。警报优选包括特定运输工程结构和/或交通灯的识别。

用于车辆的识别数据可从交通流量的实时交通数据被移除。为了保护车辆拥有者的完整性,能够从数据流中移除或仅仅丢弃用于车辆的识别数据。所述方法不需要建立单个车辆的独特识别,利用若干车辆沿偏离由spat数据或交通流量控制装置的状态数据以及map数据提供的预期路线的路线行进的这个事实就足够了。

相信此处描述的方法对于自主车辆、自我驾驶车辆或带有自动导航功能的车辆是有利的。因此车辆可以是自主车辆、自我驾驶车辆或带有自动导航功能的车辆。依赖于自主驾驶功能和系统的车辆取决于更新和精确的数据。公开的方法可有助于提供这种更新和精确的数据。

进一步提供了包括用于当在计算机上运行程序时执行此处公开的方法的程序代码的计算机程序,这也在本发明的范围内。此处进一步公开了包括计算机程序的车辆,该车辆优选为自主车辆、自我驾驶车辆或带有自动导航功能的车辆。

虽然此处仅提及了一个交通灯,应注意到所述方法适用于一个或多个交通灯,优选至少两个或更多交通灯,例如三个或更多、四个或更多、五个或更多。

一般地说,本发明涉及一种利用连接于至少一个车辆蜂窝网络中的多个车辆执行交通流量控制装置相关数据的实时分析的方法。所述方法将来自限定交通流量的多个车辆记录的车辆位置数据与用于相关交通流量控制装置的接收信号相位和实时数据以及涉及有关交通灯的运输工程结构的几何形状和拓扑结构数据进行比较。目的是评估是否能够检测到有关运输工程结构的几何形状和拓扑结构数据与车辆位置限定的交通流量即车辆如何驾驶之间的差异。所述方法对于有关运输工程结构的几何形状和拓扑结构数据中的更新和/或找错是有用的。交通流量控制装置优选是一个或多个交通灯。

附图说明

将参照附图描述本发明的非限定性实施例,其中:

图1示出形为两个道路之间十字路口的运输工程结构以及连接于云的多个车辆;

图2示出图1的十字路口但是正在道路施工,从而使得用于由交通灯决定的十字路口的特定部段的几何形状和拓扑结构数据过时和不正确;并且

图3是示出所述方法的示意性方框图。

具体实施方式

图1示出城市中由第一和第二道路2、3形成的十字路口1。道路2、3的行进方向由箭头指示。十字路口1设置有进行交通管制的若干交通灯10、10'。此处仅使用三个车辆11、12、13以示出本发明的非限定性实施例,尽管在道路2、3上行进的车辆例如小客车、摩托车、卡车和公交车的数量更多。同样地,十字路口1可设置有多个交通灯,但仅显示两个交通灯10、10”以示出本发明的非限定性实施例。在当交通灯10、10'发出红灯信号时车辆意图停止处的交通灯10、10'处指示停止标记11、11'。图1中的交通灯10、10'被示为指示红灯,车辆11、12、13已经由停止标记11'所停止,使得第一道路2上的交通如图1示出的车辆所示穿过十字路口1。

参照图1,下文将描述用于执行交通灯相关数据的实时分析的方法。交通灯10、10'随着通常被称为信号相位和时间spat的计划数据(schemedata)在红色、黄色和绿灯的相位之间待定。能够使用spat数据对交通灯10、10'编程从而在不同的灯(即这种情况下为红色、黄色和绿色的灯)之间切换,从而管理经过十字路口1的交通。交通灯10、10'进一步在线,即连接于也称为一个或多个后端服务器的第一云20。此处描述的“云”是所谓的基于云的管理服务器。因为交通灯10、10'连接于第一云20,因此能够访问计划数据即交通灯10、10'的spat数据。应注意到,用于特定交通灯的spat数据可被存储或从实际交通灯之外的其它来源取回,但是通过从实际交通灯取回spat数据,可执行更精确的实时分析。人们相信,通过直接从相关的交通灯取回spat数据,spat数据正确的可能性更高。

此处描述的云、车辆及其它节点或操作者之间的通信可使用以下一项或多项执行:车辆自组织网络(vehicularadhocnetwork)vanet、智能车辆自组织网络invanet、gsm、wcdma和/或wlan例如wi-fi或车辆特定的ieee802.11p、可见光通信(vlc)、蓝牙、红外线、zigbee、其它蜂窝技术如umts、lte或wimaxieee802.16、车辆与车辆v2v、车辆与道路接入点v2r、路旁单元(rsus)和/或例如细胞网络。

第一云20进一步可获得的是十字路口1的几何形状和拓扑结构数据,下面仅称为map数据。用于十字路口1的几何形状和拓扑结构数据提供了有关十字路口1如何被构造的信息从而提供了有关交通灯10、10'管理的那部分十字路口的信息。通过spat数据和map数据提供的组合数据能够令每个单独交通灯状态数据匹配例如十字路口与交通灯相关的相应道路区段。通过saedsrc技术委员会在标准saej2735(201603)中标准化spat和map消息。

车辆11、12、13连接于也被称为一个或多个后端服务器的第二云30。第二云30在这种情形下由车辆制造商控制。第二云30和车辆11、12、13经由至少一个蜂窝网络连接。车辆11、12、13恒定地向第二云30上载车辆数据例如车辆位置数据连同例如车辆传感器产生的其它车辆数据。车辆数据可以是但不局限于:车速,车辆识别,车辆位置数据例如gps位置,增强的gps数据,无线频率识别,车辆-车辆和车辆-基础结构通信,推算定位,lidar,雷达,红外线数据,摄像机或其它光测读数仪器,仅仅列出几种。车辆数据可进一步包括与车辆自身的状态和性能相关的车辆数据,例如发动机状态、油位、燃油量、燃烧数据、轮胎数据、悬架数据等等。

车辆11、12、13将连续地上载它们的位置连同时间数据,将形成与十字路口1相关的实时交通数据。基于由蜂窝网络的车辆11、12、13传送至第二云30的车辆数据,十字路口处的交通流量因而可被映射或识别。已经发现,把从蜂窝网络中的车辆获得的实时交通数据与几何形状和拓扑结构数据即map数据相比较从而找到差异是有利的。事实上,已经发现从蜂窝网络中的车辆获得的实时交通数据能够与用于运输工程结构的基本上任何几何形状和拓扑结构数据比较从而找到差异。运输工程构造可为隧道、桥梁、道路或道路区段、转弯、十字路口等等。仅作为示例,与隧道相关的运输工程结构数据可为有关隧道如何延伸、隧道多长、隧道有多少车道的数据。

通常地,map数据(mapdata)可包括:消息管理数据例如消息数计数、消息id;map元数据(mapmetadata)例如道路拓扑结构类型例如曲线、十字路口、停车区等等;数据源例如数据提供供应者或机构、版本日期等等,限制信息;一个或多个十字路口的十字路口几何形状,例如经由属性、车道id、车道类型、车道宽度、车道长度对每个车道的描述,车道的地理描述例如节点坐标、允许的交通、允许的操纵、车道行进方向、施加的速度限制、车道如何互相交叉等等。仅作为示例,车道可被分配给设置有群组id的车道群组。群组id此后能够与spat数据一同使用以匹配spat数据和十字路口拓扑结构。

通过将所提供的经过十字路口1相关部分的交通流量的实时数据与spat数据和map数据比较并且评估是否能够检测到差异,能够检测到map数据中的可能误差。

仅作为示例并且根据图1,交通灯10、10'指示红灯。交通灯10、10'在线,将spat数据传递至第一云20,它们以特定的时间数量指示红灯。从第二云30发送或取回spat数据和map数据。使用比较算法,spat数据和map数据能够与由车辆11、12、13提供的或换句话说由限定交通流量的车辆位置数据所提供的交通流量的实时数据相比较。这种情况下,能够根据交通灯10、10'的spat数据和与特定交通灯10、10'相关联的map数据确认十字路口1处的交通流量和第二道路3上行进的车辆确实停止在十字路口1处。因此,能确认十字路口1的map数据是精确的。同样地,虽然未用附图标记示出,与第一道路2相关联的交通灯(未示出)指示绿灯;由在道路上行进的车辆获得的实时交通流量会证实绿灯和与那些交通灯相关的map数据的精确度。设置有系统例如绿灯倒计时时间、glosa(绿灯最佳速度通报)或闯红灯警告的车辆11、12、13因而将知道它们的系统是全面运作的并且按期望的起作用。当系统在运转并且正如计划那样起作用时,它们通常不使驾驶员分心。在该情形下,比较没有找到差异,因此结果是不采取特定动作。

比较因而能够用于产生或证实道路被什么交通灯所控制的假定。如果车辆数据示出当一个或多个交通灯为绿色时同时交通流量穿过十字路口,和/或如果在一个或多个交通等为红色时交通流量停止,则spat数据、map数据与经由车辆数据测量的交通流量之间具有相关性。

图2示出相同十字路口1和连接于至少一个蜂窝网络的类似车辆。相同部件用相同的附图标记识别。图2示出其中第一道路2由于第一道路2上碎石30所示的道路施工而关闭的情形。但是交通灯10、10'以与之前相同的方式传递它们的spat数据。

这种情况下,如果spat数据是正确的,则第二云30处的数据比较将揭示在map数据与交通流量的实时数据之间有差异。这将揭示虽然第一和第二交通灯10、10'指示红灯,但是交通流量的实时数据显示没有车辆在第一和第二交通灯10、10'处停止。如果如spat和map数据所限定的,车辆11、12、13有条不紊地闯过十字路口1内的红灯,则假定map数据是错误即不准确的。理由是多个车辆极度地不可能都闯红灯。检测到的异常很可能源自“错误的”map数据而非实际的违反红灯。当通过多个车辆测量的交通通常正确地遵循真正的交通灯但是因为map数据是错误的,所以与道路网相关的交通灯位置混淆了,该道路网在第二云30中自身呈现了交通流量的实时数据与spat数据和map数据之间的差异。将检测到当在第一和第二交通灯10、10'处穿过十字路口1时车辆11、12、13有条不紊地闯红灯。第二云30中的逻辑或算法能够检测到其中map数据和spat数据与例如从连接车辆11、12、13的位置数据获得的实际交通流量不一致的这种异常。再次应注意到,仅为了清楚起见车辆11、12、13被示为三个车辆,但是实际上更多数量的车辆可用于提供表示交通流量的精确数据。

因此,map数据中的系统误差因而能够被检测到并且在一些方式下被校正。如果map数据没有被校正,则具有仅依赖map数据的系统的车辆可能当实际上是绿色时令系统指示红灯,或更糟糕的是当实际上它是红色时指示绿灯。容易看见十字路口1或任何运输工程结构处交通灯的真实状态与和map数据之间的错位,其能够导致驾驶员分心从而危害车辆中乘客的安全。它可进一步导致导航误差,或至少增加自主车辆或具有自我驾驶能力的车辆的导航误差的风险。

如果检测到一个或多个差异,则可能促使连接到蜂窝网络的车辆的云停用map数据并且甚至可能停用来自相关交通灯或可选择地来自管理相关交通灯的交通灯系统的spat数据,这可能是有利的。换句话说,应当优选停止向连接车辆发布不正确的信息即不正确的map数据。这将快速地防止向连接车辆发布不正确数据并且最小化驾驶员的细微差别。类似地,如果之前已经被识别为不正确的map数据被识别为正确,则应当尽快发布这种信息。这样,所述方法允许连续输入和输出形为校正数据、补充数据等等的最新情报。

作为选项,如果假定spat是正确的,则来自连接车辆的车辆位置数据可对于连续地公布它们的spat数据的交通灯来说用于推断正确的map数据或至少改进的map数据。云中的逻辑或算法能够检测由连接车辆获得的交通流量的实时数据与来自交通灯的spat数据之间的相关性。如果在预定时段内或预定数量车辆之后观察相关性,则通过云逻辑可断定将在特定位置处找到交通灯,即交通灯的map数据。例如任务能够被限制在更小的地理位置。即使不知道交通灯处于十字路口内的什么精确位置,也可能已知交通灯位于哪个十字路口内。任务被简化为将特定十字路口内的不同交通灯的spat关联于十字路口内道路和车道上的不同交通流量。仅作为示例,能够检测交通流量是否以与交通灯的红灯同步的方式停止。如果是这种情形,则假定若干车辆的交通流量的前端非常接近与交通流量同步操作的交通灯的位置。

为了消除或减少例如由偶然闯红灯的迷失车辆所致的错误读数的可能性,此处描述的方法将优选针对由多个车辆和/或在预定的时段内提供的数据进行操作。这将防止迷失车辆被识别为差异。多个车辆优选至少是例如一个小时内10辆车或更多。仅作为示例,多个车辆可以是10辆或更多、50辆或更多、100辆或更多。预定时段可以是1小时、5小时、12小时或24小时或更多。附加的示例:多个车辆可以是在48小时内计数的至少100辆车。可仅仅通过计算经过基准点例如所述交通灯的车辆数量决定车辆的数量。

如上所述,第一和第二云20、30用于示出本发明的非限定性实施例。map数据和spat数据可通过国家职能例如通过涉及例如交通信号系统的控制和维护的市政府经营的公司所管理。包括交通流量的实时数据和车辆位置数据的车辆数据可在例如由车辆制造商管理的第二云30中得到。因为车辆数据可能涉及驾驶员或乘客的独立完整性,所以可能期望不向外部用户发布这种数据。因此根据一个实施例,第一和第二云20、30被连接为使得spat数据和map数据在第一与第二云20、30之间通信。此处使用的逻辑因而可配置在第二云30即形成车辆蜂窝网络一部分的云内。任何差异例如错误的map数据可被报回第一云20例如交通灯云或智能交通系统。类似地,能够在第二云(例如车辆制造商云)中计算源自交通流量与spat之间相关性或源自从第一云20的map数据与交通流量的实时数据之间差异的正确map数据,并将其从第二云30发送至第一云20。这样,实现了提出的方案而不向外部用户公开任何数据例如车辆位置。应当进一步注意到,所述方法可通过独立车辆执行,其可作为云操作方法的补充或代替云操作方法。

图3示出用于执行此处公开的交通灯相关数据的实时分析的方法的示意性方框图。

100:从经由至少一个蜂窝网络连接于基于云的管理服务器30的多个车辆采集车辆数据。车辆数据100包括车辆位置数据例如gps数据、增强gps数据。车辆可以通过例如gsm、w-cdma和/或wi-fi网络进行通信,或利用此处公开的其它通信网络。时间和附加数据可被进一步采集。车辆位置数据和用于每个位置的时间形成交通流量的实时数据,其中连接车辆(即报告车辆)形成交通流量的基础。

110:对spat数据和map数据的请求被发送至通过市政府管理的且在所示实施例中由基于云管理的交通服务器20——下面称为第一云20——形成的智能交通系统200。所述请求可被间断地发送或它可为连续的请求即不发出多个请求的连续信息流。

120:spat数据和map数据接收自智能交通系统200并且被临时地或更长时段地存储在存储模块或云30内。

130:经由比较算法将spat数据和map数据与在步骤100中采集的数据进行比较从而发现其间的差异。执行分析从而找到例如指示道路、隧道或例如桥梁理论上应当如何使用的map数据与所述交通灯处的实际实时交通流量之间的矛盾。如果识别到差异,例如如果检测到车辆在特定的十字路口处重复和大量地闯红灯,则可能推断由于某种原因交通灯不再管理十字路口所以map数据不准确,即它不与map数据相关。一个原因可能是由于道路施工、施工工程重新选定路线或在所述特定交通灯附近执行的其它运输工程操作。因此已经识别了yes状态,即已经检测到差异。

140:当已经检测到差异时,差异可被发送至基于云管理的交通服务器20即第一云30以及智能交通系统200。如果期望由云30取回哪个云,则智能交通系统200可发出临时校正。但是,如果云30直接向连接车辆通知或传达信息则这可能是有利的。

150:通知连接车辆检测到了差异并且交通流量的实时数据将形成map数据的基础或用作补充数据。map数据的替换或校正可为临时或永久性的直至检测到新差异,其关联于特定交通灯和/或map数据,即关联于之前检测到的差异。连接车辆现在可依赖于它们的交通安全系统以及在此已经用实际运输工程结构如何与交通灯相关的实时数据更新车辆行进的特定路线或道路的map数据。

160:如果没有检测到差异,则云可发出ok,恢复指令或仅仅在该点处停止逻辑。该ok(即确认尚未检测到差异)可被返回以存储120在存储模块或云30中。

200:智能运输系统(its)可连接于为its连续地提供spat数据的多个交通灯220。进一步连接的是map数据供应者230。map数据供应者230可在its外部或为its的一部分。map数据可与其它基础结构数据235组合。应注意到,spat数据和map数据能够被发送至第二云30作为一个消息spat/map消息。通常地,map数据包括来自道路区段的数据、区域map数据和几何形状(例如如果运输工程结构位于十字路口则十字路口的几何形状)的数据。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1