用于错路驾驶员识别的方法、设备和系统与流程

本发明从一种根据独立权利要求类型的设备或方法出发。本发明的主题也是一种计算机程序。

背景技术：

错路驾驶员(“开错方向的驾驶员”)在事故情况下至少造成巨大的财产损失。仅基于导航装置进行的识别(道路等级和方向)，对于大多数情况而言过晚，也就是说错路驾驶员(以高的行驶速度和大的碰撞概率)已经位于错误的行车道上。

技术实现要素：

在该背景下，借助在此提出的方案，根据独立权利要求提出一种用于错路驾驶员识别的方法、设备和系统，以及最后提出一种相应的计算机程序。通过在从属权利要求中列举的措施能够实现在独立权利要求中说明的设备的有利扩展方案和改进方案。

例如基于云的错路驾驶员警告可以有利地借助粒子滤波器通过专门匹配于应用情况的识别来实现。

用于错路驾驶员识别的方法包括以下步骤：

通过接口读取位置数据，其中，所述位置数据代表车辆的测量位置；

在使用所述位置数据的情况下确定多个粒子，其中，一个粒子代表车辆的假设位置和配属于该假设位置的权重；和

在使用粒子滤波器的情况下基于所述多个粒子求取车辆在可由该车辆行驶的道路网上的当前位置。

所述车辆可以是道路车辆。错误行驶可以理解为车辆在道路上逆着规定的行驶方向行驶。所述测量位置可以是在使用布置在车辆中的传感器情况下测得的。可以在使用借助已知粒子滤波器所使用的方法的情况下来确定所述多个粒子。在此，粒子可以具有不同的假设位置，这些位置例如围绕所述测量位置被分组。当前位置可以是在使用粒子滤波器的情况下被估计的位置，该位置可以被用作车辆的实际位置。当前位置可以取代所述测量位置被用于识别车辆的错误行驶。

所述方法包括在使用当前位置的情况下确定错误行驶信号的步骤。在此，错误行驶信号指出，是否存在车辆的错误行驶。例如可以仅在认为存在错误行驶时才提供错误行驶信号。

所述方法可以包括读取地图数据的步骤，所述地图数据反映可由车辆行驶的道路网。在此，可以在求取步骤中在使用地图数据的情况下求取车辆的当前位置。这些地图数据可以被使用，以便能够以高精度确定当前位置。

在读取步骤中，可以通过计算云、即所谓的云的接口来读取位置数据。这能够实现基于云的解决方案。

在求取步骤中，可以基于所述多个粒子在使用粒子滤波器的情况下确定多个改变了的粒子。可以相应地在使用多个改变了的粒子情况下求取车辆的当前位置。例如可以通过粒子滤波器改变粒子的权重，由此又可以更精确地求取当前位置。

在此，在求取步骤中还可以在使用多个之前的、改变了的粒子情况下求取当前位置，这些改变的粒子代表基于多个之前的粒子在使用粒子滤波器的情况下所确定的粒子。以该方式可以在求取当前位置时考虑车辆运动的历史记录。

用于错路驾驶员识别的相应设备被设立为用于在相应的单元中实施所述方法的步骤。例如，这样的设备可以具有读取装置、确定装置和求取装置，所述读取装置构造为用于通过接口读取位置数据，所述确定装置构造为用于在使用位置数据的情况下确定多个粒子，所述求取装置构造为用于基于所述多个粒子在使用粒子滤波器的情况下确定车辆在可由该车辆行驶的道路网上的当前位置。相应地，所述设备可以包括粒子滤波器。

用于错路驾驶员识别的相应系统包括至少一个发送装置以及所说的用于错路驾驶员识别的设备，该发送装置可布置或已布置在车辆中并且构造为用于发送位置数据，该设备构造为用于例如通过无线连接接收由至少一个发送装置发送的位置数据。

用于错路驾驶员识别的另一系统包括至少一个发送装置和至少一个接收装置，该发送装置可布置或已布置在车辆中并且构造为用于发送位置数据，其中，所述位置数据代表车辆的测量位置，该接收装置可布置或已布置在所述车辆中并且构造为用于接收设备的数据，该设备根据在此所述的用于错路驾驶员识别的方案构造为用于接收由至少一个发送装置发送的位置数据。

所述方法可以在软件或硬件方面或以软件和硬件构成的混合形式例如在设备中被实现。

为此，所述设备可以具有至少一个用于处理信号或数据的计算单元、至少一个用于存储信号或数据的存储单元和/或至少一个用于读取或输出被嵌入到通信协议中的数据的通信接口。所述计算单元例如可以是信号处理器、微型控制器等，其中，所述存储单元可以是闪存、eprom或磁性存储单元。所述通信接口可以构造为用于无线地和/或有线地读取或输出数据，其中，可以读取或输出有线传输的数据的通信接口例如可以电地或光学地从相应的数据传输线路读取所述数据或将所述数据输出到相应的数据传输线路中。

当前，设备可以理解为一种电设备，该电设备处理传感器信号并且根据其输出控制信号和/或数据信号。所述设备可以具有接口，该接口可以在硬件和/或软件方面来构造。在硬件方面的构造中，该接口例如可以是所谓的系统asic的一部分，该部分包含所述设备的各种不同功能。然而也可能的是，该接口是自有的集成电路或者至少部分地由离散的结构元件组成。在软件方面的构造中，该接口可以是软件模块，这些软件模块例如与其他软件模块并列地存在于微型控制器上。

计算机程序产品或具有程序代码的计算机程序也是有利的，所述程序代码可以储存在机器可读的载体或存储介质上，例如半导体存储器、硬盘存储器或光学存储器并且被用于尤其在所述程序产品或程序在计算机或设备上实施时执行、转化和/或操控根据前述实施方式所述的方法的步骤。

附图说明

在附图中示出并在接下来的说明书中详细阐述在此提出的方案的实施例。附图示出：

图1根据一个实施例的、用于错路驾驶员识别的系统；

图2根据一个实施例的、用于错路驾驶员识别的方法的流程图；

图3隐马尔科夫链模型(hiddenmarkovchainmodel)；

图4根据一个实施例的粒子滤波进程的流程；

图5根据一个实施例的、用于错路驾驶员识别的系统；

图6根据一个实施例的车辆；

图7根据一个实施例的程序流程；和

图8根据一个实施例的粒子滤波器的程序流程。

具体实施方式

在接下来对本方案有利实施例的描述中，对于在不同附图中示出并且类似作用的元件使用相同或类似的附图标记，其中，省去对这些元件的重复描述。

图1示出根据一个实施例的用于错路驾驶员识别的系统。该系统包括车辆100，该车辆具有传输装置102，该传输装置构造为用于将在使用至少一个布置在车辆100中的传感器装置104的情况下所检测的测量数据106无线地发送给用于错路驾驶员识别的设备110。设备110构造为用于将测量数据106整理成经整理的数据并且在使用粒子滤波器的情况下进一步处理所述经整理的数据，以便产生并且发送错误行驶信号112。根据一个实施例，错误行驶信号112指出，具有已处理的测量数据106的车辆100当前实施错误行驶。根据该实施例，不仅车辆100的传输装置102而且另一车辆100的传输装置102都构造为用于接收错误行驶信号112并且响应于对错误行驶信号112的接收地激活对应的车辆100,114的警告装置，该警告装置例如警告对应车辆100,114的驾驶员以防错误行驶或者根据一个实施例干预对应车辆100,114的至少部分自动的控制，例如干预制动机构或转向机构的控制。根据不同的实施例，传输装置102可以仅实施为发送装置或者也可以实施为发送接收装置。

根据一个实施例，测量数据106包括位置数据，这些位置数据在使用车辆100的位置确定装置的情况下被检测到并且反映车辆100的当前位置。根据另一实施例，测量数据106还包括运动数据，所述运动数据例如在使用车辆100的至少一个加速度传感器的情况下被检测到并且包括关于车辆100的当前运动的信息，例如关于行驶方向、纵向加速度、横向加速度的信息或者关于车辆围绕车辆轴线的转动的信息。

根据一个实施例，设备110构造为用于读取地图数据116，所述地图数据反映可由车辆100行驶的道路网。根据一个实施例，地图数据116例如包括关于道路网的道路区段的信息。根据一个实施例，关于每个道路区段的地图数据116还包括至少一个参数，该参数例如定义了对应道路区段的或对应道路区段走向的行驶方向规定。例如，可以通过该参数来定义，所述道路区段是直线走向还是曲线延伸。根据一个实施方式，设备110具有存储装置，在该存储装置中存储地图数据116。

根据一个实施例，设备110或设备110的功能模块布置或被实现在云118中。

所述方案可以补充或替代地使用多种用于探测错路驾驶员的方法，在这些方法中例如使用视频传感装置，以便探测“禁止驶入”的指示牌被经过，或者结合导航来使用数字地图，以便识别在仅能沿一个方向行驶的道路区段上对错误行驶方向的探测。此外已知的是。此外，所述方案可以与无线方法组合，所述无线方法借助基础设施、例如行车道中或行车道边缘处的路标来探测错路驾驶员。

除了探测错路驾驶员以外，所述方案还提供对错路驾驶员作出反应的多个可能性。为此的示例是，通过显示器或声学提示来警告错路驾驶员本身。也可以应用以下方法，借助这些方法例如通过车对车通信或借助移动无线电来警告错路驾驶员附近的其它驾驶员。此外，能够通过在道路边缘处竖起的变换交通标志来警告其它交通参与者。也可以对错误行驶的车辆100的马达控制装置或制动器进行干预。

所述方案使得能够探测到错路驾驶员并且还能及时警告其附近的其它交通参与者，为此仅需提供非常少的时间。

所述方案涉及具有客户端服务器解决方案(client-server-)的错路驾驶员识别(wrong-way-driver-detection)。可设置位于机动车处或中的器具作为客户端，该器具具有互联网连接并且至少可调用位置坐标。在此例如可以涉及传输装置102。传输装置102例如可以是智能电话。在传输装置102中可以集成传感器装置104。因此，针对错路驾驶员特定的、借助智能电话进行的服务器客户端通信可以被转化为示例性的客户端。所述智能电话可以通过具有网关(pdn_gw)的移动无线电网络连接到互联网上，例如呈服务器形式的设备110可以布置在该互联网中。

由具有客户端服务器解决方案的错误驾驶员警告的上述可能功能方式得到该技术的由在此所述方案涉及的以下关键问题领域：

a)减少假正

假正，即在正确行驶方式情况下的错误探测，必须在自警告和/或主动介入的情况下尽可能被减少或者被完全避免。根据警告方案而定，必须满足直至asil-a(automotivesafetyintegritylevela：汽车安全完整性等级a)的标准。

b)时间紧要地实施触发链

为了从错路驾驶员出发将对其它交通参与者的威胁保持得尽可能小，应尽可能快地进行干预或者警告。也就是说，从探测到紧要状况经识别到错路驾驶员直至进行干预或警告的完整功能链应在尽可能小的时间区间内完成。在此，服务器例如设备110在该功能使用范围相同情况下的满负荷和因此需要的功能能力起到非常重要的作用。除了触发时间以外，经济性也是重要的部分方面。

c)通信、数据效率和电流消耗

特别对于移动设备而言，通信和电流消耗必须是尽可能高效的或者说低的，以便实现可接受的蓄电池使用时间。移动无线电小区或其他方面的无线通信单元的过载也必须通过数据高效的通信被禁止。只要可能，也应限制数据流量和与之相关的成本。由于计算能力原因，通信的效率在服务器侧也是格外重要的因素。

所述方案首先涉及关键领域a)“减少假正”和b)时间紧要地实施触发链，然而c)“通信、数据效率和电流消耗”也可能受上述情况影响。基于商业通用的智能电话传感装置和连接控制单元传感装置在云118中对错路驾驶员的识别不是无意义的冒险。

图2示出根据一个实施例的、用于错路驾驶员识别的方法的流程图。所述方法例如可以在使用根据图1所示的、用于错路驾驶员识别的设备的装置情况下实施。

该方法包括步骤201，在该步骤中，通过接口读取位置数据。这些位置数据为车辆的测量位置。在步骤203中，在使用这些位置数据的情况下确定多个粒子。在此，这些粒子中的每一个各代表车辆的一个假设位置和配属于该假设位置的权重。在此，这些假设位置根据一个实施例围绕所述测量位置分布。在步骤205中，在使用粒子滤波器的情况下求取车辆在可由该车辆行驶的道路网上的当前位置。

根据一个实施例，在此在使用由粒子滤波器滤过的并在此例如在其权重方面改变的粒子的情况下求取当前位置。此外，根据一个实施例，在求取当前位置时附加或替代于之前的时间步骤地在使用相同的粒子滤波器的情况下引入改变的粒子。这些之前的粒子可以在之前的步骤203中在使用之前的位置数据的情况下已被确定。

对于错路驾驶员识别不起决定性作用的是，错路驾驶员驶过哪个路线。所需的信息首先是，错路驾驶员当前位于哪里并且该错路驾驶员是否在道路上逆着行驶方向行驶。对于所述求取当然需要历史记录，然而该历史记录不是问题提出的一部分，而是通向结果的路径。

由于这些情况，提出一种基于粒子滤波器的方法。该粒子滤波器类似于卡尔曼滤波器地可应用到由隐马尔科夫链特性、即具有不被观测的状态的马尔科夫链决定的系统上。

图3示出具有在时间k和k-1时的状态x和观测z的隐马尔科夫链模型320。

也就是说，系统的状态不能被直接测量出，而是可以基于其他观测被估计。在该情况下适用的是，估计位置并因此估计当前的道路。为此必须求解以下公式：

p(xk|z0：k，u0：k)＝η·g(zk|xk，z0：k-1，u0：k)π(xk|z0：k-1，u0：k)

下面，在时间点k时的状态以xk来描述，先前的状态以x0：k-1＝(x0，...，xk-1)来概括。类似于x地，该法则也适用于控制参量u和观测量u.η并且描述了标准项(normalisierungsterm)，然而该标准项在下面不具有很大意义。该公式可以被简化为以下公式：

并且这些公式在两个步骤中被描述：预知步骤

和权重项：

在粒子滤波器的情况下，对概率分布的积分借助数值近似

和蒙特卡洛方法来求解。w^[j]在此描述第j个粒子的权重/概率。粒子的数量借助

x＝{<x^[j]，w^[j]>}j＝1，…，j

来描述。因此，每个粒子具有权重w^[j]和状态x^[j]。

图4示出根据一个实施例的粒子滤波进程的流程。为此，在图4中示出具有在时间k和k-1时的状态x和观测z的隐马尔科夫链模型。

该工作的大部分是找到合适的函数用于

和

所述函数优化地反映了该问题。对此的基础是定义待估计的状态x。

模块401代表粒子滤波器(xk-1，uk，zk)。

从模块403跳至模块405，直至完成所有值j＝1：j。

在模块405中计算新的状态：

在模块407中计算权重：

如果在模块403中完成了所有值，那么跳至模块409。从模块409跳至模块411，直至完成所有值i＝1：j。

在模块411中，按照标记一个值。

在模块413中，按照添加给粒子组。

如果在模块409中完成了所有值，那么跳至模块415，该模块为结束xk。

图5示出根据一个实施例的用于错路驾驶员识别的系统。所述系统包括例如呈根据图1所述的传输装置形式的器具102并且包括用于错误驾驶员识别的设备110，该设备根据该实施例实施为所谓的wdw服务器。设备110构造为用于从器具102接收数据106，例如根据图1所述的测量数据，并且基于这些数据106提供警告112并且例如以根据图1所述的错误行驶信号的形式将其发回给器具102。

所述设备具有用于进行预处理的装置530、粒子滤波器532和警告模块534。

在基于云的错误驾驶员警告的简化构架中，如在图5中所示那样的粒子滤波器532被嵌入。

借助粒子滤波器532可以近似地确定车辆位置的概率分布。

图6根据车辆100示出可以被引入到根据图5所示的模型中的值。这些值例如可以是沿纵轴x、横轴y、竖轴z方向的状态以及围绕纵轴的侧倾p、围绕横轴的俯仰q和围绕竖轴的横摆r。

关于在使用粒子滤波器的情况下的地图适配方面适用贝叶斯滤波器p(xk|z0：k，u0：k)。在此，在参照图3的情况下xk可以代表所述状态(未测量)是什么，例如经度、纬度和地理高度，uk+1代表车辆100如何运动，例如在速度和转动速率方面，并且zk代表什么可以被观测，例如gps信号或涉及车辆100的环境的信号(摄像机等)。

图7示出根据一个实施例的程序流程。所述流程以模块701开始。在模块530中，执行数据预处理，如例如根据图5所述那样。在模块703中加入先前点的状态，如果存在的话。在模块705中，借助粒子滤波器进行地图适配(map-matching)。在模块707中对结果进行解释。在模块709中检查是否存在错误行驶。如果是这种情况，那么在模块534中发送警告，如例如根据图5所述那样。如果不存在错误行驶，那么以模块711结束该程序流程。

图8示出根据一个实施例的粒子滤波器的程序流程。模块801代表粒子滤波器的开始。在模块803中，在考虑例如根据图1所述的传感器装置的传感器不精确性的情况下移动这些粒子。在模块805中求取与地图有关的参数。这样的参数例如说明，是否有粒子位于道路上或者该道路的走向(titel)是什么。在模块807中计算新的粒子权重。在模块809中进行所谓的重采样，在所述重采样中删除不相关的区域和/或粒子。在模块811中对各个粒子进行解释，在模块813中对可能的道路进行还原。

通过使用粒子滤波器，会改善下面所说的方面。一方面，实现顺序(能实时地)工作的方法，该方法首要地求取道路网上的当前位置。此外，能够稳健地估计道路网上的当前位置。关于当前估计的不可靠性可被求取。这使得能够可靠地有意义地延迟对潜在错误行驶的判定。

如果一个实施例包括第一特征和第二特征之间的“和/或”关联，那么这应当解读为，该实施例根据一个实施方式既具有第一特征又具有第二特征而根据另一实施方式或者仅具有第一特征或者仅具有第二特征。