本发明涉及在驾驶区域中驾驶车辆的驾驶员的速度的预测。本发明特别适用于机动车辆领域。
背景技术：
目前，机动车辆装配有许多用于提高车辆的乘客和驾驶员的安全性的装置。因此，存在已知的用于防止车轮在强制动发生的情况下锁定的制动系统(abs)。还存在已知的使得能够通过控制路径来避免车辆打滑的电子路径校正器(esp)。
这些系统的发展已经通过在车辆中安装许多电子装置以及使用越来越强大的电子计算机而使得能够在不占据更多空间的情况下将大量计算能力嵌入机动车辆中。
还已知的是，过高或不适当的车辆速度是道路交通事故最常见的原因之一。速度控制或速度限制系统使得驾驶员能够设定不得超过的最大速度。然而，这些系统不是自适应的，并且尽管它们可以防止过快的驾驶，但是它们不能确保驾驶员例如在诸如包括拐角的区域的特定驾驶区域或情况中以合适的速度行驶。此外，速度控制器或限制器由驾驶员控制，所述驾驶员自己设定最大速度，但未必知晓其相对于将要走过的路线的驾驶廓线。
在美国专利us8478499中公开了一种用于基于速度历史来预测车辆速度的已知方法。然而，已经发现，该方法有时提供对于车辆的驾驶员来说相当不适当的预测。
本发明旨在通过提供一种适应于车辆驾驶员和车辆将在其中行驶的驾驶区域二者的速度预测方法来克服这些缺陷。本发明还提供了一种用于预先确定驾驶员类别和与这些类别相关联的参考廓线的方法。
技术实现要素：
因此，本发明涉及一种用于预测驾驶车辆的驾驶员相对于道路的速度的方法，其包括以下步骤：
-在第一驾驶区域中测量驾驶员的速度，
-将该测得的速度与一组速度廓线进行比较，每个廓线对应于预定的驾驶员类别，
-基于该比较的结果，选择车辆驾驶员的相关类别，以及
-基于所选类别的参考廓线来预测第二驾驶区域中的驾驶员的速度。
此处所提及的是“驾驶员的”速度，因为本发明涉及取决于驾驶车辆的人的预测方法。然而，此处所考虑的速度实际上是由驾驶员驾驶的车辆相对于道路的速度。该解释对于本文中全部所提及的速度都是有效的。该解释适用于“加速度”(当该术语被使用时)。
以下详细描述用于预先确定一定数量的驾驶员类别的方法。
在说明书的剩余部分中，术语“分级”和“分类”将以等同的方式使用。类似地，在一些情况下，术语“类别”和“廓线”也将以等同的方式使用，因为每个驾驶员类别对应于单个参考廓线。
在一优选实施例中，本发明涉及一种预测方法，所述预测方法还包括以下步骤：
-确定驾驶员的廓线与所选类别的参考廓线的差距，以及
-基于该差距校正所预测的速度。
在一优选实施例中，该预测方法如下，即，除了驾驶员的速度之外，还测量第一驾驶区域中的驾驶员的加速度，并且该加速度的测量被用于选择相关的驾驶员类别。
在一优选实施例中，预测速度的步骤在于将所选类别的在第二驾驶区域中或在与车辆所接近的驾驶区域具有相似性的驾驶区域中的平均速度分配给驾驶员。
在一优选实施例中，该预测方法还包括基于外部参数校正所预测的速度的步骤。这些参数例如被包括在以下组中，所述组包括：气象参数、关于道路状态的参数、关于机动交通的参数以及关于车辆的参数。
在一优选实施例中，所述预测方法包括将所预测的速度发送至安装在车辆中的驾驶员辅助装置的步骤。表述“驾驶员辅助系统”被认为是指例如“自适应巡航控制”型的装置。
在另一优选实施例中，所述预测方法包括将所预测的速度发送至车辆驾驶员可用的显示和/或警告装置的步骤，所述显示和/或警告装置可以是可听的和/或可视的。
本发明还涉及用于确定速度的方法的速度廓线的确定方法，其中所述方法包括以下步骤：
-获取代表预定驾驶区域中的预定驾驶员组的驾驶速度的数据，每个驾驶员都被认为是一个个体，
-执行所述个体的层次分级，以将它们划分至基于所述数据来界定的多个等级中，
-对于以此方式确定的每个等级确定廓线速度。
在一有利的实施例中，所使用的层次分级是上升层次分级(ahc)。
此处应当注意，可以独立于本发明使用将所述个体分类在预定数量的类别中的步骤。这是因为，例如，使用个体分类以便使基于个体廓线的服务市场化是可行的。
在一优选实施例中，通过仅仅使用所述数据的一部分来执行所述层次分级，所述数据选自于在预定的相关驾驶区域中得到的观测结果。
具体实施方式
驾驶员类别的确定
如上所述，为了确定驾驶员类别，观测同一路线上的一定数量的个体的速度，并且对所有可用的观测结果执行层次分级。此处应该注意，以适合于记录器件的频率记录变量。在统计学意义上，这些变量被认为是一组点观测结果，而不是连续曲线。因此，一组观测结果与这些行程中的每个行程的每个个体相关联。
该分级的原理是使用合适的差距概念来将用户分组在等级中，每个等级尽可能同质(均匀)，并且尽可能不同于其它等级。在一示例性实施例中，所述等级使得等级内方差(差异)最小化，同时组间方差(差异)最大化。
有利地，为了执行所述分级，在沿着同一路线的多个行程上记录个体的速度，每个行程产生一组观测结果。为了界定两个用户之间的差距，计算这些用户中的每个用户的参考速度之间的差距。
当确定等级时，确定每个等级的平均速度，也被称为廓线速度。
在这种层次分级中，所使用的等级的数量选择为后验，并且如果在添加等级时等级间方差(差异)没有显著减小则所使用的等级的数量被认为是合适的。
因此，在本发明的一示例性实施例中，提出使用六个等级，以使等级间方差最小化。然而，已经发现，可以通过四个等级获得同样的相关结果。因此，为了简约起见，优选选择该四等级的数量。这使得能够减少所需的计算能力和时间。
同样为了简约起见，在一示例性实施例中，通过仅仅使用一些可用的观测结果而非使用所有这些观测结果来确定类别。例如，将选择相关驾驶区域(例如拐角或高加速度区域)中的观测结果。
例如基于驾驶区域的地图，或者基于通过这些区域时的车辆行为来确定所述相关驾驶区域，例如在这些区域中的车辆速度和/或加速度方面对所述行为进行分析。
个体的参考速度：
可以以不同的方式选择用于分级的参考速度。因此，在一个示例中，参考速度是用户行程的各种速度的中值。
在另一示例中，选择被称为“75％处的速度”的人为参考值。通过在每次观测中取这些行程中的每个行程中的用户速度的第三个四分位数来确定该速度。
个体分级于类别中：
为了将尚未考虑的新的个体分级在如上所述地确定的类别之一中，确定该新的个体的参考速度和每个等级的廓线速度之间的差距。然后将所述个体分级在该差距最小的等级中。
为了确保以相关方式执行该分级，如果在相似的驾驶区域中或在具有共同特性的区域中确定所述被比较的速度将是有帮助的。
因此，在一个示例中，在个体预先声明的路线上确定所述个体的参考速度。为了发现该路线的特性，可以例如通过使用地图(制图)数据来充实所述方法。
在另一示例中，在一组预定的特性区域中确定个体的参考速度。特性区域例如为具有某一曲率半径的拐角、快速加速度区域或陡坡。
预测个体的速度：
当个体已经被分级在某一类别中时，可以使用该类别的速度廓线来预测其在未来驾驶区域中的速度。
为此，通过考虑类别并将类别的廓线速度分配给每个驾驶员，在每个单位时间预测速度。
术语“廓线速度”被认为是指属于以下组的统计学上确定的速度，所述组包括类别中的个体的平均速度、类别中的个体的中值速度、类别中的个体的速度分布的任何顺序的四分位数，或代表类别中的个体组的速度的任何其它统计估计量。
在一有利的实施例中，预测第二驾驶区域中的驾驶员速度的步骤在于预测第二驾驶区域的多个有限点处的速度并且在这些点之间进行近似。因此，例如，仅仅在速度显著变化的某些特定区域预测速度，并且在这些区域之间进行近似。该实施例使得能够减小用于预测的计算能力。此处应当注意，基于速度变化执行点的选择，并且因此不一定在驾驶区域上呈现出规则(有规律)的分布。
有利地，基于外部参数校正以此方式预测的速度，所述外部参数例如为：
-驾驶区域的最大法定许可速度，
-气象数据，
-关于道路的数据，例如关于抓地性的局部减小水平的信息。
在另一示例性实施例中，通过使用诸如拐角的特性区域中的个体的在统计学上建立的子行为来校正所预测的速度。
在又一示例中，通过使用个体与其等级的平均值的差距来校正所预测的速度。这是因为尽管个体的分类使得能够进行相对相关的预测，但是该预测可以被改善(细化)，特别是对于在每个类别的极端处的个体。
根据本发明的方法的执行：
在一示例性实施例中，根据本发明的方法在实践中执行如下：
-首先将参考廓线下载至嵌入车辆中的存储器中，
-当驾驶员坐在方向盘处时，检查所述存储器以确定所述驾驶员是否已经被分类在现存廓线之一中，
-如果驾驶员没有被分类，则执行向其分配类别的步骤，
-将以此方式确定的廓线存储在存储器中，以及
-基于该参考廓线预测速度。
在一个实施例中，所述方法的执行可包括以下步骤，即，如果在路线起始处进行的记录显示出相对于预先确定的类别的过宽的散布，则改变个体的类别。
在另一实施例中，驾驶员的廓线未存储在车辆的存储器中，而是存储在远程数据库中。在该情况下，当个体坐在转向盘处时，车辆经由安装在车辆中的电信器件从该数据库中取得信息。