用于车辆路径规划和交通管理的车道级车辆导航的制作方法
【专利说明】用于车辆路径规划和交通管理的车道级车辆导航
[0001]对相关申请的交叉引用
[0002]本案要求在2013年3月15日提交的共同未决的、共同受让的美国临时专利申请N0.61/789，019的权益，其在此以引用的方式整体并入。
技术领域
[0003]本发明提供用于针对通过运输网络在广泛分隔的出行出发地和目的地之间出行的各种类型的各个车辆，提供车道级路径引导的进程和装置，并且提供用于通过测量、仿真和优化在车道级管理区域和走廊交通，以针对一辆、一些和/或非常大量的不同机动车辆识别有效的路径规划策略的方法。本发明还提供用于交通规划和管理，以及交通仿真和预测的改进的方法和装置。
【背景技术】
[0004]在道路网络的使用中存在大量的低效，大量的低效来自于各个驾驶员对路径和车道的差的选择，针对各个驾驶员以及在其他车辆中行驶的大量个体均导致拥堵和延迟。应急车辆艰难地前行到达它们的目的地，并且通常不确定针对它们的任务要采取的最佳路径或哪条行驶的车道将是最快的。可以潜在地识别和实施拥堵-缓解引导的已知的导航和交通管理系统是简单原始的，并且当将相同的信息给予所有驾驶员时甚至可能起到相反的作用。
【发明内容】
[0005]根据本发明实施例的一种车道级的车辆路径和导航装置包括仿真模块以及车道级路径优化器，仿真模块执行各个车辆在交通流中的微观仿真，车道级路径优化器评估沿着由仿真模块确定的从出发地到目的地的候选路径的预测状况，并且确定要使用的推荐车道和沿着候选路径的相关联的车道级的机动操作。路段级优化器可以用于基于由仿真模块确定的、然后可以由车道级优化器进一步细化的路段行驶时间来确定候选路径。仿真可以基于实时的交通状况数据进行。
[0006]车道级优化器可以考虑沿着候选路径的交通控制的运行，包括交通控制或实时交通控制数据的仿真。仿真可以是多线程和/或分布式的以用于更快的计算以便提供更及时的导航引导或同时地评估多个替代方案。
[0007]根据本发明的另一个实施例，车道级车辆路径和导航装置包括仿真模块和用于实时交通状况数据的输入，仿真模块执行各个车辆在交通流中的微观仿真以在车道级推荐候选路径，其中微观仿真至少部分地基于所述的实时交通状况数据进行。
[0008]候选的车道级路径可以被提供给应急响应车辆，或用于疏散规划，或提供给试图遍历整个道路分段组的路径车辆(route vehicles)(诸如垃圾车或邮车、或扫雪机)。
[0009]还提供了根据本发明的方法。该方法还可以用于交通规划或管理，包括基于微观仿真确定以下中的至少一个:(a)对道路几何结构的改进，或(b)交通信号设置和对交通信号定时的改进。
[0010]本发明包括通过考虑由驾驶员做出的更现实的车道级的轨迹选择对交通微观仿真方法的改进。在单一的仿真运行的环境内，一种向前看机制被使用以识别更好的车道级引导并且确保所述引导在考虑到后续的时间间隔中的其他交通工具的情况下是可行的。向前看机制还改进了交通微观仿真的其他方面。
[0011]这些方法在要求车道级引导的未来的自主车辆系统中可以是特别有效的，所述引导在考虑到其他交通工具的情况下是适合的并且进一步通过由车辆行驶的车道定位它们的能力实现车道级的导航。
【附图说明】
[0012]在结合相应的附图考虑下面的详细描述之后，以上以及其他目标和优点将是清晰的，其中相同的引用符号指向贯穿全文的相同的部分，并且其中:
[0013]图1是一个对亚利桑那州凤凰城(Phoenix，Arizona)的交通的微观仿真的可视化表不;
[0014]图2示出本发明实施例可以运行的交通环境；
[0015]图3示出在两点之间的两条候选路径；
[0016]图4示出图3的一部分的更多细节；
[0017]图5示出图4的一部分的更多细节；
[0018]图6示出交通状况导致预期的车道改变的示例；
[0019]图7是根据本发明实施例的导航引擎的流程图；
[0020]图8是道路分段的示例；
[0021]图9是表示图8的道路分段的车道图；
[0022]图10是说明仿真的多线程的图；
[0023]图11是说明执行仿真的计算机集群的图。
【具体实施方式】
[0024]现有的导航系统提供路径引导，主要通过基于预期的路段行驶时间(link traveltimes)和转向限制、和偶尔使用某些类型或种类的道路的偏好来选择路径。这些系统可以容易地识别出在其处要求做出强制性的道路改变以穿过特别的推荐的或被选择的路径的位置，但这些系统对在各种交通状况和不同位置中要使用的最佳车道不敏感。所述系统也不能明确地表示在车道使用和车道改变上的障碍和限制。没有系统明确地考虑到车道级的交通拥堵、或识别出在某些车道拥堵或不可用时驾驶员选择车道或甚至选择替代路径的行为中的差异。采用车道级的数据，可以确定更有效的路径和车道的选择。在路径引导导航中利用车道级的细节的进程可以进一步被评估，还可以通过适合的交通仿真被细化。
[0025]普遍的观点是，因为微观仿真模型尚未在足够大的地理尺度上建立，并且微观仿真模型的成本太高以至于不能建立和验证、或计算要求太高以至于无法有用，所以缺乏车道级的建模细节的中观交通仿真是唯一提供实时路径引导的可行的方法。对区域范围内的交通微观仿真的障碍传统上包括关于基于一天中的时间的出行模式以及道路分段和其中的车道的网络性能的详细数据的缺乏、在对驾驶员路径选择的建模上的困难、尤其在严重拥堵的交通状况下对大量机动车的准确的仿真上的问题、以及为了使结果是有用的而在足够短的时间内执行仿真的计算负担。但是采用在这里以引用的方式整体并入的、共同受让的美国专利7，155，376中所述的方法可以实施在区域尺度上的微观仿真。
[0026]在交通仿真中，并且尤其在以车道级细节仿真车辆的微观交通仿真中，可以向车辆提供路径引导，而同时考虑网络上的其他交通工具。但是现有的基于仿真的系统试图对实际的驾驶员行为和自由决定的车道改变建模，而不考虑用于从出发地到目的地或路径的一部分中车道使用的规范的策略。因此，这些系统不能基于历史的、测量的、仿真的、或预测的车道级的密度以及可能的速度，适当地确定用于整个行程或行程的一部分的最佳车道、或确定试图在其处做出车道改变的道路路段内的位置。
[0027]由因特网源提供的当前商业可用的导航系统和导航引导可以在拥堵发生时频繁地识别拥堵并且提供替代的路径。这种引导有三个根本的限制。首先，在相同的两个位置之间的所有驾驶员被给予相同的引导，这本身可以起到相反的作用。其次，并且更严重的是，这种引导假定当前的状况将持续保持足够长的时间以使得路径引导是恰当的。很少会出现这种情况，因为拥堵可以在任何时间点恶化或缓解。第三，没有关于在特定位置的哪些车道将提供比其他车道更好的预期行驶时间的特定引导。
[0028]依赖于在车道级的历史数据、或车道级的探测数据、或两者的系统已经被提出，但是历史数据或当前数据均完全不可以应用于将在某时间点处经历的行驶状况。诸如天气或特殊事件或事故之类的真实世界状况的改变将呈现这样的在先的数据误导。同时，历史数据或探测数据通常不会对所有车道分段和通过十字路口的动作都是可用的。虽然已经被提出的诸如自回归模型之类的统计方法可以被用于填补缺失的观察，那些方法仍然具有依赖过去经验和状况的相同的限制。
[0029]还可以有其他的限制，诸如无法获取交通信号或堵塞的十字路口、并排停车的车辆、以及行人的影响，以及无法考虑行驶环境的变化，这可能使得基于平均状况的引导呈现为非常次优的。
[0030]自适应的交通信号系统和其他如匝道控制之类的措施可以导致交通系统在不同拥堵水平上的不同性能。无法表示这些机制的影响和行为可以导致错误或次优的路径指引。
[0031]在路径和交通管理中对其他车辆交通的混合和其他车辆的明确的考虑可以是有利的。很好理解的是，甚至一个或若干缓慢的车辆的存在可以严重地和随机地影响全部的交通流并且造成拥堵。同样，卡车的比例，特别是大卡车的比例，被认为对于网络性能有巨大影响。在没有车辆级别的建模的情况下，缓慢车辆的存在不会被考虑。
[0032]从众包(crowd-sourcing)、移动电话机、航空图像、LIDAR、更精确的全球定位系统设备、道路传感器、车载传感器、以及道路摄像机的新形式的数据收集正在逐渐地降低针对区域范围的仿真的数据障碍。虽然不是所有的新数据源均具有车道级的地理分辨率和精度，但是可用于路径规划、交通仿真、和交通管理目的的车道级信息的供应将是预期增加的。
[0033]当前的导航系统在提供路径引导时(如果提供路径引导真的会发生的话)，粗糙地对待时间。可能有对应于一天中的高峰时段或其他时间的被使用的预期路段行驶时间或速度，或当前的导航系统可以基于标牌速度和/或实时观察到的速度而简单地使用行驶时间的一些复合。这些速度通常地随着路的功能种类变化，但是没有针对在区域中或区域外的每个单一道路路段收集或观察这些速度。一些系统可以利用关于拥堵的实时数据，但是这些数据通常限于主要的公路并且不能考虑主干道上的状况或将在未来持续超过15到30分钟的状况。这些系统中没有一个明确地使用车道级的信息以用于路径规划，除了当遵循一个路径时可能指示针对每个转弯有多少条车道被提供。
[0034]现有的交通管理系统，即使是最先进的实时交通管理和控制系统，使用简化模型进行预测。行驶需求和行驶时间或基于历史数据或基于有限的实时测量。没有证据用于车道级的行驶需求的估计和基于这样的需求对交通流的优化。
[0035]在一个使用中观仿真方法的已知的系统中，供应侧交通性能在路段级而不是车道级被对待。通常来说，研究文献教导微观仿真对于整个区域是无法可行的并且无法被足够快速地计算以提供导航引导。
[0036]然而，上述并入的美国专利7，155，376描述了一种适用于路径规划和交通微观仿真的车道级GIS数据库。基于此系统，在亚利桑那州凤凰城中一个500平方英里的区域内的所有的交通流的工作微观仿真模型已经被开发，并且甚至在膝上型计算机上，此仿真比实时运行得更快。随着附加的增强，利用所述系统用于实时导航可以获得进一步的速度改进。这里提供的方法和装置产生更加详细和更加有效的路径引导，为一辆汽车一自用汽车、合伙使用汽车(其可以具有附加的可用车道一使用诸如高承载车辆(HOV)车道之类的替代车道)、卡车、公共汽车、摩托车、或自行车一并且还提供交通拥堵的管理和改进，所述拥堵由多个车辆穿过在大的都市区域内的广泛分隔的出发地和目的地之间的路径造成。针对不同车辆类型(例如前述的合伙使用汽车的例子)的车道使用的许可