Verfahren zum Prognostizieren zumindest eines Ampelschaltzu- stands während einer Fahrt eines Kraftfahrzeugs sowie Steu- ervorrichtung, Kraftfahrzeug und Servervorrichtung

Die Erfindung betrifft ein Verfahren zum Voraussagen oder Prognostizieren eines Ampelschaltzustands einer Ampel. Die Prognose kann während einer Fahrt eines Kraftfahrzeugs be ^¬ reitgestellt werden.

Aus der DE 102013223022 AI ist ein statistisches Modell bekannt, das auf der Grundlage eines Kalman-Filters ein Schaltverhalten einer Ampel modellieren kann.

Nachteilig bei der Modellierung des Schaltverhaltens einer einzelnen Ampel ist, dass zwar die relativen Schaltzeiten innerhalb eines Schaltzyklus ermittelt werden können, aber die absoluten Zeitpunkte, zu welchen eine Ampel schaltet, nicht bekannt sind. Nähert sich also ein Kraftfahrzeug einer Ampel und ist nicht bekannt, in welcher Phase sich der Schaltzyklus gerade befindet, so kann mittels eines solchen Modells nicht vor ^¬ hergesagt werden, wann die Ampel das nächste Mal schaltet, weil das Modell erst mit der Ampel synchronisiert werden muss.

Aus der DE 102011 083 677 AI ist bekannt, auf der Grundlage einer simulierten Fahrt eine zukünftige Verkehrssituation zu prognostizieren. Hierbei werden zum einen historische Daten zur Ermittlung von statistischen Verkehrseigenschaften und zum anderen eine Angabe zum aktuellen Zustand des Fahrzeugs, d.h. zum Beispiel seine Position und/oder Fahrgeschwindigkeit, zu ^¬ grundegelegt. Die Simulation der Fahrt geht davon aus, dass absolute SchaltZeitpunkte von Ampeln bekannt sind. Dies er- fordert aber die Beschaffung von Planungsdaten, durch welche die SchaltZeitpunkte angegeben sind. Der Erfindung liegt die Aufgabe zugrunde, in einem Kraftfahrzeug für zumindest eine entlang einer Fahrstrecke nachfolgende Ampel deren Schaltzustand zu prognostizieren. Die Aufgabe wird durch die Gegenstände der unabhängigen Pa ^¬ tentansprüche gelöst. Vorteilhafte Weiterbildungen der Er ^¬ findung sind durch die abhängigen Patentansprüche, die folgende Beschreibung sowie die Figuren beschrieben. Durch die Erfindung ist ein Verfahren zum Prognostizieren oder Vorhersagen eines Ampelschaltzustands zumindest einer Ampel bereitgestellt. Das Verfahren ist im Folgenden zunächst für eine einzelne Ampel beschrieben. Das Verfahren kann für mehrere Ampeln entsprechend erweitert werden. Das Verfahren prognostiziert den Ampelschaltzustand für ein Kraftfahrzeug, das entlang einer vor der Ampel liegenden und zu der Ampel führenden Fahrstrecke fährt. Mittels des Verfahrens ist es möglich, das besagte „Synchro ^¬ nisieren" auf einen Schaltzyklus der Ampel durchzuführen, so dass die aktuelle Phase des Schaltzyklus bekannt ist. Die Syn- chronisation erfolgt an einem Haltepunkt, der entlang der

Fahrstrecke der Ampel vorgelagert ist, also durch das Kraft ^¬ fahrzeug zuerst passiert wird, bevor das Kraftfahrzeug sich der Ampel annähert. Die Synchronisation erfolgt anhand eines Auslöseereignisses an dem Haltepunkt. Das Auslöseereignis kann z.B. das Losfahren oder Anfahren an dem Haltepunkt sein.

Ausgehend von diesem Auslöseereignis wird dann das Schalt ^¬ verhalten der in Fahrtrichtung nachfolgenden Ampel prognostiziert. Die Prognose des Schaltverhaltens bezieht sich dabei auf die erwartete Durchfahrtsrichtung, in welcher die Ampel von dem Fahrzeug passiert werden wird.

Das Schaltverhalten wird mittels einer Häufigkeitsverteilung beschrieben. Die Häufigkeitsverteilung gibt eine jeweilige Anzahl von in der Vergangenheit beobachteten Ampelschaltzu- ständen (z.B. „rot" oder „grün") für verschiedene, zeitliche Abstände an, die seit dem Auslöseereignis vergangen sind. Die Häufigkeitsverteilung bezieht sich also relativ auf den Ereigniszeitpunkt des Auslöseereignisses. Ein zeitlicher Abstand kann also beispielsweise angeben: 10 Sekunden nach dem Auslöseereignis oder 20 Sekunden nach dem Auslöseereignis oder 30 Sekunden nach dem Auslöseereignis. Jedem zeitlichen Abstand ist durch die Häufigkeitsverteilung zugeordnet, wie häufig oder mit welcher Wahrscheinlichkeit ein bestimmter Ampelschaltzustand vorliegt (z.B. „75% rot", „80% rot") . Von der Häufigkeit kann auf die Wahrscheinlichkeit z.B. dadurch umgerechnet werden, dass der größten Anzahl ein Wahrscheinlichkeitswert von 100% oder 1 und den übrigen Werten proportional dazu ein kleinerer Wahr- scheinlichkeitswert zugeordnet wird. Für die Häufigkeitsver ^¬ teilung ist es dabei egal, wie weit die Ampel von dem Haltepunkt entfernt ist. Die Häufigkeitsverteilung gibt lediglich an, in welchem zeitlichen Abstand (in Bezug auf den Ereigniszeitpunkt) diese Ampel welchen Ampelschaltzustand aufweist. Die Häufig- keitsverteilung berücksichtigt dabei die Durchfahrtsrichtung an der Ampel. Es wird also z.B. unterschieden, ob an der Ampel der Ampelschaltzustand für eine Geradeausfahrt oder für

Rechts-Abbiegen oder Links-Abbiegen angegeben wird. Für den Fall, dass die Fahrstrecke über eine mehrere Straßen verknüpfende Kreuzung führt, gibt die Durchfahrtsrichtung also an, über welchen möglichen Haltepunkt der Kreuzung das Kraftfahrzeug die Kreuzung erreicht und zu welchem nächsten Haltepunkt der nächsten Ampel das Kraftfahrzeug die Kreuzung verlässt. Es wird also bei dem Verfahren für einen auf einer Fahrstrecke vor der Ampel gelegenen Haltepunkt ein Auslöseereignis definiert und zu dem Auslöseereignis und der an der Ampel erwarteten Durchfahrtsrichtung eine Häufigkeitsverteilung bereitgestellt, welche eine jeweilige Anzahl von in der Vergangenheit beo- bachteten Ampelschaltzuständen für verschiedene, zeitliche

Abstände angibt, die seit dem Auslöseereignis vergangen sind.

Fährt nun das Kraftfahrzeug entlang der Fahrstrecke, so sieht das Verfahren vor, dass an dem Haltepunkt das Auslöseereignis tatsächlich detektiert wird und eine Ankunftszeit an der Ampel ermittelt wird und anhand der Häufigkeitsverteilung der Ampelschaltzustand für die erwartete Durchfahrtsrichtung und für die berechnete Ankunftszeit prognostiziert wird. Das Ermitteln kann ein Errechnen sein oder kann durch Sortieren oder Suchen innerhalb der Häufigkeitsverteilung sein.

Durch die Erfindung ergibt sich der Vorteil, dass für das Kraftfahrzeug ab dem Haltepunkt immer dann, wenn dort das

Auslöseereignis detektiert wird, ein Ampelschaltzustand einer auf der Fahrstrecke nachfolgenden oder streckenabwärts liegenden Ampel für eine bestimmte Durchfahrtsrichtung und für die vo ^¬ raussichtliche Ankunftszeit vorausgesagt oder prognostizieren werden kann.

Zu der Erfindung gehören auch Weiterbildungen, durch deren Merkmale sich zusätzliche Vorteile ergeben. Nähert sich ein Kraftfahrzeug einer Kreuzung, so muss zum

Prognostizieren des Ampelschaltzustands ermittelt werden, in welcher Durchfahrtrichtung das Kraftfahrzeug die Ampel passieren wird, d.h. wo die Fahrstrecke entlang führen wird. Eine Wei ^¬ terbildung sieht vor, dass als die Durchfahrtsrichtung eine wahrscheinlichste Fahrstrecke oder eine durch eine Navigati ^¬ onseinrichtung des Kraftfahrzeugs signalisierte Fahrstrecke zugrunde gelegt wird. Die wahrscheinlichste Fahrstrecke kann beispielsweise entlang einer Hauptverkehrsstraße führen, d.h. es kann die größte Straße zugrunde gelegt werden. Es können auch Verkehrsstatistiken zum Ermitteln der wahrscheinlichsten

Fahrstrecke zugrundegelegt sein. Bevorzugt wird das individuelle Fahrverhalten des Kraftfahrzeugs und/oder eines spezifischen Fahrers des Kraftfahrzeugs zugrunde gelegt (sog. individua ^¬ lisierter wahrscheinlichster Pfad) . Hierzu können historische Fahrdaten zugrunde gelegt werden, d.h. aus dem Fahrverhalten des eigenen Kraftfahrzeugs kann die Durchfahrtsrichtung geschätzt werden. Ist die aktuelle Fahrtroute aus einer Navigations ^¬ einrichtung des Kraftfahrzeugs bekannt, so kann deren Verlauf natürlich zugrundegelegt werden. Die wahrscheinlichste Fahr- strecke kann definiert sein als:

- der eigene, wahrscheinlichste Pfad auf Grund der Häufigkeit der von dem Fahrer (gemäß einem Fahrerprofil) oder dem Kraftfahrzeug verwendeten Abbiegungen; oder alternativ (falls der Fahrer oder das Kraftfahrzeug auf dieser Straße noch nie gefahren ist) ,

- mit den Abbiegewahrscheinlichkeiten von Fahrzeugen, die ein ähnliches Bewegungsprofil haben (fahren immer morgens um 7:00 Uhr zum Arbeitsamt , so wie der Fahrer/das eigene Kraftfahrzeug auch) . Diese Fahrzeuge fahren an der Kreuzung z.B. zu 80% links, der Fahrer/das Kraftfahrzeug selbst muss noch nie an dieser Kreuzung gewesen sein. Bei dem erfindungsgemäßen Verfahren ist man nicht an einen einzigen Haltepunkt gebunden. Eine Weiterbildung sieht vor, dass eine Matrix vorgesehen ist, die ausgehend von mehreren möglichen Haltepunkten jeweils für zumindest eine nachfolgende Ampel eine jeweilige Häufigkeitsverteilung des Ampelschaltzustands für mögliche Durchfahrtsrichtungen angibt. Für eine bestimmte Ampel und eine bestimmte Durchfahrtsrichtung kann man somit an einem ersten Haltepunkt bei Detektieren des Auslöseereignisses eine erste Häufigkeitsverteilung und später bei Erreichen des zweiten Haltepunkts und bei Detektieren des Auslöseereignisses dort dann eine zweite Häufigkeitsverteilung auswählen. Die Matrix gibt bevorzugt in den Zeilen die Haltepunkte mit beobachteten Auslöseereignissen und in den Spalten Haltepunkte an den nachfolgenden Ampeln zusammen mit einer Durchfahrtsrichtung / Abbiegerichtung nach der Ampel an. Die Durchfahrtsrichtung kann mit dem nächsten Haltepunkt bezeichnet oder angegeben werden, der nach dem Losfahren am Haltepunkt der aktuellen Ampel in der jeweiligen Durchfahrtsrichtung folgt. Die Zellen der Matrix geben also eine Häufigkeitsverteilung des Ampelzustandes der nachfolgenden Ampel zusammen mit der Durchfahrtsrichtung (Spalte) für verschiedene zeitliche Abstände, die in der

Vergangenheit seit dem Auslöseereignis an dem Haltepunkt (Zeile) beobachtet bzw. erfasst wurden, an. Wenn man mehrere Haltepunkte mit Auslöseereignissen vor der aktuell zu prognostizierenden Ampel und für die erwartete Durchfahrtsrichtung an dieser Ampel tatsächlich beobachtet hat, kann man die zugehörigen Häufigkeitsverteilungen nach dem Prinzip überlagern, das im Folgenden Absatz beschrieben wird. Anhand der Häufigkeitsverteilungen jedes Haltepunkts, an welchem das jeweilige Auslöseereignis detektiert wurde, kann dann eine kombinierte Häufigkeitsverteilung erzeugt werden. Die ermittelten Häufigkeitsverteilungen werden also zum Prognostizieren des Ampelschaltzustands der Ampel kombiniert. Beispielsweise können Häufigkeitsverteilungen in Form von Histogrammen fusioniert oder überlagert werden. Gemäß einer Weiterbildung wird hierzu zusätzlich zu dem besagten Haltepunkt noch für zumindest einen weiteren Haltepunkt entlang der Fahrstrecke zu einem weiteren Auslöseereignis eine Häufigkeitsverteilung bereitgestellt und die Häufigkeitsverteilungen jedes Haltepunkts, an welchem das jeweilige Auslöseereignis detektiert wurde, werden zum Prognostizieren des Ampelschaltzustands kombiniert, indem die Häufigkeitsverteilung des letzten Haltepunkts mit detek- tiertem Auslöseereignis zugrunde gelegt wird und jede übrige Häufigkeitsverteilung mit einem jeweils zugehörigen zeitlichen Versatz angepasst wird, der der bei der jeweiligen Fahrt real beobachteten Fahrzeit bis zu dem Auslöseereignis am letzten Haltepunkt, d.h. dem Losfahren am letzten Haltepunkt, ent- spricht. Es zählt also immer das Losfahren am letzten Haltepunkt mit Stopp/Anhalten. Alle anderen Haltepunkte mit Losfahren nach einem Stopp/Anhalten werden über den zeitlichen Versatz auf dieses letzte Losfahren/Anfahren (Auslöseereignis) bezogen. Es geht immer um den Zeitpunkt des Losfahrens, wenn an dem jeweiligen Haltepunkt eine rote Vorgängerampel grün wird oder allgemein ein Auslöseereignis beobachtet wird. Zuvor passierte grüne Vor ^¬ gängerampeln tragen in diesem Fall nichts bei, weil an den zu den Vorgängerampeln gehörenden Haltepunkten kein Auslöseereignis beobachtet wurde und deswegen keine Häufigkeitsverteilung zugeordnet werden kann. Allgemein kann natürlich der Ampelschaltzustand „grün" auch prognostiziert werden (Grün =

Nicht-Rot) , wie später noch erläutert wird. Denn wenn man eine Rot-Prognose hat, hat man damit auch eine Grün-Prognose. Mittels der Matrix kann auch der besagte individualisierte wahrscheinlichste Pfad ermittelt werden. Hierzu ist es lediglich notwendig, die in der Matrix gespeicherten Häufigkeitsverteilungen für jede Durchfahrtsrichtung unabhängig von der Zeitkomponente aufzusummieren . Dabei kann man die die Summation einschränken auf die Anteile der Häufigkeitsverteilungen, die von dem Fahrer, dem Kraftfahrzeug oder mehreren oder allen teilnehmenden Fahrzeugen stammen.

Einige Weiterbildungen betreffen die Frage, wie man die Häufigkeitsverteilung ermitteln oder erzeugen kann. Dies kann im laufenden Betrieb des Kraftfahrzeugs, also während der besagten Fahrt entlang der Fahrstrecke und auf weiteren, vorangegangenen Fahrten mit dem Kraftfahrzeug oder auch mit anderen Fahrzeugen geschehen .

Hierzu sieht eine Weiterbildung vor, dass während einer

Stoppphase oder Rotphase an der Ampel oder während des Fahrens in Richtung oder in der Nähe der Ampel ein tatsächlicher Ampelschaltzustand der Ampel erfasst wird und auf der Grundlage des jeweils erfassten tatsächlichen Ampelschaltzustands und dem jeweiligen zeitlichen Abstand seit dem Detektieren des Auslöseereignisses an einem in der jeweiligen Fahrt vorgelagerten Haltepunkt die zugehörige Häufigkeitsverteilung aktualisiert wird. Es wird also während einer Haltephase oder Rotphase an der Ampel gezählt, d.h. in der Häufigkeitsverteilung die Anzahl der beobachteten Ampelschaltzustände aktualisiert. Zu beachten ist hierbei, dass während einer einzelnen Fahrt bevorzugt nicht nur für einen einzelnen Zeitpunkt der dann jeweils erfassbare tatsächliche Ampelschaltzustand ermittelt wird, sondern für ein ganzes Zeitintervall, d.h. für mehrere Zeitpunkte oder mehrere zeitliche Abstände, jeweils der tatsächliche Ampelschaltzustand ermittelt wird. Hält das Kraftfahrzeug also an der Ampel an, so ist diese offensichtlich rot geschaltet, sodass für die

Zeitpunkte des Wartens an der Ampel in die Häufigkeitsverteilung jeweils der Ampelschaltzustand „rot" eintragen oder gezählt werden kann. Fährt das Kraftfahrzeug an einer Ampel vorbei, so ist diese offensichtlich grün geschaltet, sodass auch die Zeitpunkte des Passierens der Ampel in eine Häufigkeitsver ^¬ teilung für den Ampelschaltzustand „grün" eintragen werden können . Bei der Aktualisierung bzw. dem Aufbau der Häufigkeitsverteilung ist der Aspekt wichtig, dass beim Erkennen einer Rotphase an der aktuellen Ampel nicht nur das Histogramm / die Häufigkeits ^¬ verteilung des unmittelbaren Vorgängerhaltepunktes mit Aus- löseereignis aktualisiert werden kann (nicht nur eine Spalte in der beschriebenen Matrix) . Es können auch alle weiteren Histogramme/Häufigkeitsverteilungen der Vorgängerhaltepunkte mit in der aktuellen Fahrt beobachtetem Auslöseereignis (d.h.

Losfahren nach Rot) aktualisiert werden. Hierbei sollte man nicht zu weit zurückgehen, also bspw. maximal 10 - 15 Vorgängerhaltepunkte. Sonst ist die zu prognostizierende Ampel zu weit von den (Referenz- ) Haltepunkten mit Auslöseereignis entfernt.

Diese Aktualisierungen können erst nach dem Durchfahren der aktuellen Ampel in die richtigen Histogramme eingetragen werden, denn erst nach dem Durchfahren der aktuellen Ampel kennt man die Durchfahrtsrichtung, zu der die gemessenen Zeitdauern (seit dem Losfahren an den jeweiligen Vorgänger-Haltpunkten mit Auslöseereignis) gehören. Die Zeitdauern werden also erst gemessen (beispielsweise vom Anfahren an Vorgänger-Haltepunkt Nr. 7 bis jetzt; vom Anfahren an Vor-Vor-Vorgänger-Haltepunkt Nr. 5 bis jetzt) und erst, wenn klar ist, in welche Richtung die Ampel durchfahren wurde, in alle passenden Histogramme / Häufig ^¬ keitsverteilungen aus der Matrix eingetragen.

Insgesamt kann die Häufigkeitsverteilung durch mehrmaliges Passieren oder Abfahren der Fahrstrecke erfasst werden. Mittels eines Schwellenwerts kann hierbei angegeben werden, ab wann diese Häufigkeitsverteilung als gültig akzeptiert wird, also genug empirische Beobachtungsdaten enthält. Zum Beispiel kann hierzu die Anzahl der tatsächlich erfassten zeitlichen Abstände von Ampelschaltzuständen zugrundegelegt werden. Die Häufigkeits ^¬ verteilung (z.B. über ein Histogramm abgeschätzt) kann also ganz neu aufgebaut werden. Es ist keine Vorbelegung nötig. Erst, wenn ein Qualitätskriterium wie z . B . „Mehr als x Beobachtungen" (x ist der Schwellenwert) erreicht ist, wird das Histogramm verwendet. Eine Weiterbildung sieht vor, dass auch während einer Annäherung an die Ampel mittels einer Erfassungseinrichtung der aktuelle, tatsächliche Ampelschaltzustand der Ampel erfasst wird und auf der Grundlage des erfassten tatsächlichen Ampelschaltzustands die Häufigkeitsverteilungen aktualisiert werden. Hierzu wird während einer Annäherung an die nachfolgende Ampel mittels beispielsweise einer Kamera zu mehreren Zeitpunkten jeweils der aktuelle, tatsächliche Ampelschaltzustand der jeweiligen Ampel zusammen mit der jeweiligen Durchfahrtsrichtung (bspw. grüner Rechts-Abbiegepfeil bei roter Hauptampel) erfasst und auf dieser Grundlage die Häufigkeitsverteilung aktualisiert. Wenn die Erfassungseinrichtung diese Genauigkeit nicht hergibt, kann man die Aktualisierung der Häufigkeitsverteilung auch erst nach der beobachteten Durchfahrt des Fahrzeuges durch die Kreuzung aktualisieren. Dann ist bekannt, welchen Weg das Kraftfahrzeug genommen hat und man kann die Ampelzustandsdaten (z.B. Kamerabilder von der Ampel) zusammen mit dem beobachteten Verhalten des Kraftfahrzeuges (z.B. „ist stehen geblieben und dann links abgebogen") auswerten und damit die zur Abbiege- oder Durch- fahrtsrichtung gehörende Häufigkeitsverteilung aktualisieren.

Bevorzugt wird nicht nur ein einziges Kraftfahrzeug zum Erzeugen der Häufigkeitsverteilung genutzt. Eine Weiterbildung sieht vor, dass aus zumindest einem weiteren Kraftfahrzeug Zustandsdaten betreffend einen jeweiligen durch das weitere Kraftfahrzeug erfassten tatsächlichen Ampelschaltzustand der Ampel z.B.

mittels einer Fahrzeug-zu-X-Kommunikationseinrichtung

(Car-2-X-Kommunikation) empfangen werden und die Häufigkeitsverteilungen anhand der Zustandsdaten aktualisiert werden. Somit kann der Ampelschaltzustand auch dann prognostiziert werden, wenn er nicht im Erfassungsbereich des Kraftfahrzeugs selbst liegt, weil dieses die Ampel beispielsweise noch nie durchfahren hat. Mit den Zustandsdaten können z.B.: a) die kompletten Häufigkeitsverteilungen aus den anderen Fahrzeugen übertragen werden und diese in die zugehörige (gleicher Haltepunkt und gleiche Ampel mit gleicher Durchfahrtsrichtung) in die eigenen Häufigkeitsverteilungen aufaddiert werden; b) Auszüge einer Häufigkeitsverteilung ab einem bestimmten Zeitpunkt der Vergangenheit aus den anderen Fahrzeugen übertragen werden; Rest wie a) ; c) anstelle der Häufigkeitsverteilungen können auch die Fahr-Beobachtungen aus den anderen Fahrzeugen übertragen werden (Losgefahren an GPS-Position XY1 und Hl Uhr.

Stehengeblieben an GPS Position XY2 um H2 Uhr, ... ) . Daraus kann der Empfänger selbst die Histogramme aktualisieren, als wäre er mit dem übertragenen Fahrprofil selbst diese Strecke gefahren. Aktualisierung dann wie bei einer eigenen Fahrt möglich. d) Dies sind nur beispielhafte Angaben für mögliche Zu ^¬ standsdaten . Der technische Fachmann würde diese Daten sicher in einer komprimierten Form übertragen.

Im Zusammenhang mit der Nutzung mehrerer Kraftfahrzeuge zum Erzeugen der Häufigkeitsverteilungen sieht die Erfindung auch eine zentrale Erfassung der Zustandsdaten und Weiterverteilung von/an die angebundenen Fahrzeuge vor. Durch die Erfindung ist hierzu eine Servervorrichtung zum Betreiben z.B. am Internet bereitgestellt. Die Servervorrichtung ist dazu eingerichtet, aus mehreren Kraftfahrzeugen jeweils Fahrdaten betreffend ein vorbestimmtes Auslöseereignis an einem Haltepunkt sowie Zu ^¬ standsdaten betreffend einen jeweiligen durch das Kraftfahrzeug erfassten Ampelschaltzustand einer in eine Durchfahrtrichtung passierten Ampel mit Zeitdaten betreffend einen jeweiligen Erfassungszeitpunkt des erfassten Ampelschaltzustands zu empfangen und anhand der Zustandsdaten und der Zeitdaten aller Kraftfahrzeuge zu dem Auslöseereignis und der Durchfahrts ^¬ richtung eine Häufigkeitsverteilung zu erzeugen und bereitzustellen, wobei die Häufigkeitsverteilung eine jeweilige Anzahl der beobachteten Ampelschaltzustände für verschiedene, zeit ^¬ liche Abstände angibt, die seit dem Auslöseereignis vergangen sind. Die Servervorrichtung kann auf der Grundlage eines Computers oder eines Computerverbunds gebildet sein. Die be- schriebenen Verfahrensschritte kann die Servervorrichtung auf der Grundlage eines Computerprogramms für die Servervorrichtung durchführen .

Die bisher beschriebene Häufigkeitsverteilung sieht vor, dass der Schaltzyklus jeder Ampel unverändert betrieben wird. Es gibt aber auch Ampeln, deren Schaltzyklus während des Verlaufs des Tages und/oder zu bestimmten Tagen umgeschaltet wird. Eine Weiterbildung sieht vor, dass die Häufigkeitsverteilung aus mehreren, für unterschiedliche absolute Zeitintervalle, also zum Beispiel Tageszeiten (vormittags, mittags, nachmittags , abends , nachts, jeweils definiert durch Anfangs- und Endzeitpunkt) oder Wochentage, vorgesehenen Häufigkeitsverteilungen in Abhängigkeit vom Datum und/oder der Uhrzeit ausgewählt wird. Mit anderen Worten wird also in Abhängigkeit davon, zu welchem der Zeitintervalle (z.B. Tageszeit, Wochentag) das Kraftfahrzeug unterwegs ist oder fährt, eine andere der Häufigkeitsvertei ^¬ lungen genutzt. Die besagte Servervorrichtung oder die Steuervorrichtung des Kraftfahrzeugs kann diese Häufigkeitsverteilungen mithilfe zum Beispiel einer Clusteranalyse aus den erfassten Zustandsdaten mit Zeitdaten vieler Kraftfahrzeuge erzeugen, nämlich für jede beobachtete Schaltfrequenz eine. Damit können zeitlich veränderliche Ampelsteuerungen berücksichtigt werden. Zusätzlich oder alternativ dazu kann eine Verkehrsdichteangabe berücksichtigt werden, wie sie beispielsweise durch einen Verkehrsdienst zum Beispiel über das Internet bereitgestellt werden kann. Für mehrere unterschiedliche Werteintervalle von Verkehrsdichteangaben kann es also eine Häufigkeitsverteilung geben. Hierdurch kann eine Aufteilung der Häufigkeitsverteilungen in Abhängigkeit von unterschiedlichen Werten oder Intervallen für die Verkehrsdichteangabe erfolgen, sodass auch verkehrsgesteuerte Ampeln berücksichtigt werden können, die auf die Verkehrsdichte reagieren.

Der besagte Haltepunkt, für den das Auslöseereignis definiert wird, sollte derart gewählt sein, dass ein dort mögliches

Auslöseereignis mit dem Schaltzyklus der nachfolgenden Ampel korreliert. Eine Weiterbildung sieht vor, dass als Haltepunkt eine weitere, vorgelagerte Ampel vorgesehen ist und das Aus ^¬ löseereignis ein Losfahren an der vorgelagerten Ampel darstellt. Das Auslöseereignis ist dann ein Anfahren des Kraftfahrzeugs nach dem Grün-Schalten der Ampel. Dies kann z.B. anhand der Fahrgeschwindigkeit des Kraftfahrzeugs detektiert werden. Ein mögliches Kriterium hierfür ist, dass für eine vorbestimmte MindestZeitdauer, beispielsweise 1 Sekunde, die Fahrge- schwindigkeit durchgehend größer als eine vorbestimmte Min ^¬ destgeschwindigkeit, zum Beispiel 1 m/s , seinmuss, nachdem zuvor eine vorbestimmte Mindesthaltedauer (Stillstand) an dem Hal ^¬ tepunkt erkannt worden ist. Insbesondere in einem Ballungs ^¬ gebiet, also zum Beispiel in einer Stadt, sind entlang einer Fahrstrecke hintereinander angeordnete Ampeln in Bezug auf ihr Schaltverhalten synchronisiert, sodass das einmalige Detek- tieren des Auslöseereignisses (Grün-Schalten einer ersten Ampel) eine Prognose für den Ampelschaltzustand einer oder mehrerer nachfolgender Ampeln zulässt. Ein möglicher alternativer Haltepunkt kann beispielsweise einen Bahnübergang sein, wobei dann das Auslöseereignis das Öffnen der Bahnschranke sein kann. Ein möglicher Haltepunkt kann eine Klappbrücke oder Hubbrücke an einem Fluss sein, wobei dann das Auslöseereignis das Freigeben der Brücke nach einer Sperrung sein kann.

Prognostiziert man nun für eine Ankunftszeit oder einen An ^¬ kunftszeitpunkt den Ampelschaltzustand einer Ampel, an die sich das Kraftfahrzeug annähert oder an welcher das Kraftfahrzeug wartet, so kann hierdurch eine Steuerung in dem Kraftfahrzeug prädiktiv erfolgen. So kann z.B. vorgesehen sein, dass in

Abhängigkeit von dem prognostizierten Ampelschaltzustand der Ampel ein Verbrennungsmotor eines Hybridantriebs des Kraft ^¬ fahrzeugs gesteuert wird. So kann z.B. das Wieder-Starten des ausgeschalteten Verbrennungsmotors unterbleiben, wenn bekannt ist, dass sich das Kraftfahrzeug einer Ampel nähert, die bei Erreichen derselben rot geschaltet sein wird. Wenn man die Rot-Phase prognostizieren kann, ergibt sich daraus auch eine Prognose für die Grün-Phase (= Nicht-Rot) . Entsprechend kann somit z.B. der Motor vor oder mit dem Ende der Rot-Phase wieder angelassen werden.

Mögliche, beispielhafte Anwendungen sind also die folgenden:

(1) Start/Stopp-Funktion - Vor Ampel warten - Falls Ampel in naher Zukunft ohnehin auf grün schaltet, dann wird das Deaktivieren des Verbrennungsmotors unterbunden. (2) Start/Stopp-Funktion - Wenn Grünphase unmittelbar bevorsteht: Verbrennungsmotor aktivieren, damit bei Beschleunigungsbefehl durch den Fahrer bei grün unverzögert beschleunigt werden kann. (3) Rekuperation : Falls nächste Ampel auf Rot schalten wird und Fahrzeug fährt: rechtzeitig in Rekuperationsbetrieb gehen, insbesondere mit Mild-Hybriden, die mehr Weg brauchen um das Kraftfahrzeug zum Halten zu bringen. Für alle Hybride entsteht der Vorteil, dass die elektrische Maschine im Bereich besten generatorischen Wirkungsgrades gehalten werden kann, wenn der Weg zur Rekuperation frei gewählt werden kann. Dazu kann eine Ausgabeeinrichtung, z.B. ein haptisches Pedal (AFFP - Ac- celerator Force Feedback Pedal, aktives Gaspedal) , vorgesehen sein (Fahrer muss vom Gas gehen) . Gilt auch für Pedelecs die Rekuperieren können. Es ergibt sich eine Teilautomatisierung. Ziel ist die maximale Energierückgewinnung.

(4) Segelbetrieb: wie 3., aber zunächst wird Segeln kommandiert, dann Rekuperation zum Anhalten. Richtige Reihenfolge wird kommandiert. AFFP bevorzugt bereitgestellt.

(5) Rot/Grün-Phasenschätzungen werden z.B. in der besagten Servervorrichtung in die Fahrzeugtraj ektorie integriert (die ins Kraftfahrzeug geladen werden kann) , um damit das Bordnetz proaktiv mit Energie zu versorgen, bevorzugt inklusive Heizen/ Kühlen (prädiktives Batterieladen) . (6) Fahrer bekommt den Hinweis / die Information, dass die nächste/nachfolgende Ampel Rot ist, und kann dann telefonieren oder Smartphone benutzen. Vor dem Umschalten der Ampel wird ein Hinweis, dass die Ampel 'umspringt' oder umschaltet, ausgegeben. Um das erfindungsgemäße Verfahren durchzuführen, ist durch die Erfindung eine Steuervorrichtung bereitgestellt. Diese weist eine Prozessoreinrichtung auf, die dazu eingerichtet ist, eine Ausführungsform des erfindungsgemäßen Verfahrens durchzuführen. Die Prozessoreinrichtung kann auf der Grundlage eines Mikro- Prozessors oder MikroControllers gebildet sein. Das Verfahren kann auf der Grundlage eines Programmcodes für die Prozesso ^¬ reinrichtung realisiert sein. Die Steuervorrichtung kann als ein Steuergerät für das Kraftfahrzeug ausgestaltet sein. Die Steuervorrichtung kann aber auch als verteilte Vorrichtung zum teilweisen Einbau in das Kraftfahrzeug und zum teilweisen Betrieb außerhalb des Kraftfahrzeugs zum Beispiel im Internet ausge ^¬ staltet sein. Im Internet kann dieser Teil der Steuervorrichtung zum Beispiel durch die besagte Servervorrichtung durchgeführt werden .

Durch Einbauen der als Steuergerät für ein Kraftfahrzeug ausgestalteten Steuervorrichtung in ein Kraftfahrzeug ergibt sich eine Ausführungsform des erfindungsgemäßen Kraftfahrzeugs. Wie bereits erläutert, gehört zu der Erfindung auch die Ser ^¬ vervorrichtung z.B. zum Betreiben am Internet. Sie ist dazu eingerichtet, die besagte Häufigkeitsverteilung mittels meh ^¬ rerer Kraftfahrzeuge oder durch Nutzung mehrerer Kraftfahrzeuge zu erzeugen.

Im Folgenden ist ein Ausführungsbeispiel der Erfindung beschrieben. Hierzu zeigt: Fig. 1 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Kraftfahrzeugs;

Fig. 2 eine Skizze zur Veranschaulichung einer beispiel- haften Fahrsituation des Kraftfahrzeugs von Fig. 1 ;

Fig. 3 ein Diagramm mit einem schematisierten Verlauf einer

Häufigkeitsverteilung; Fig. 4 ein Diagramm mit schematisierten Verläufen zweier

Häufigkeitsverteilungen für unterschiedliche Haltepunkte ;

Fig. 5 ein Diagramm zur Veranschaulichung der Erzeugung einer

Häufigkeitsverteilung; und

Fig. 6 eine schematische Darstellung einer Matrix zum Bereitstellen mehrerer Häufigkeitsverteilungen für unterschiedliche Haltepunkte, an denen ein Auslö- seereignis detektiert wurde, und unterschiedliche

Haltepunkte an Ampeln zusammen mit der jeweiligen Durchfahrtsrichtung an der Ampel.

Bei dem im Folgenden erläuterten Ausführungsbeispiel handelt es sich um eine bevorzugte Ausführungsform der Erfindung. Bei dem Ausführungsbeispiel stellen die beschriebenen Komponenten der Ausführungsform jeweils einzelne, unabhängig voneinander zu betrachtende Merkmale der Erfindung dar, welche die Erfindung jeweils auch unabhängig voneinander weiterbilden und damit auch einzeln oder in einer anderen als der gezeigten Kombination als Bestandteil der Erfindung anzusehen sind. Des Weiteren ist die beschriebene Ausführungsform auch durch weitere der bereits beschriebenen Merkmale der Erfindung ergänzbar.

In den Figuren sind funktionsgleiche Elemente jeweils mit denselben Bezugszeichen versehen. Fig. 1 zeigt ein Kraftfahrzeug 10, bei dem es sich zum Beispiel um einen Kraftwagen, insbesondere einem Personenkraftwagen, handeln kann. In dem gezeigten Beispiel befindet sich das Kraftfahrzeug 10 auf einer Fahrt entlang einer Fahrstrecke 11. Dargestellt ist, dass das Kraftfahrzeug 10 an einer Ampel 12 halten muss, weil die Ampel 12 auf Rot geschaltet ist. In dem Beispiel stellt eine Halteposition an einer Ampel 12 einen Haltepunkt 13 dar, der für die weitere Beschreibung des Aus ^¬ führungsbeispiels alternativ als Haltepunkt A bezeichnet ist. Falls die Ampel 12 von Rot auf Grün umschaltet und das

Kraftfahrzeug deshalb losfährt, stellt dieses Losfahren ein Auslöseereignis 14 dar. In dem Kraftfahrzeug 10 kann eine Steuervorrichtung 15 bei Erkennen oder Detektieren des Auslöseereignisses 14 eine Häufigkeitsverteilung 16 auswählen, die in der Steuervorrichtung 15 angibt, zu welchen zukünftigen

Zeitpunkten ab dem Auslöseereignis 14 zumindest eine weitere, streckenabwärts der Fahrstrecke 11 liegende Ampel einen be ^¬ stimmten Ampelschaltzustand für eine bestimmte Durchfahrts ^¬ richtung aufweisen wird. Die Steuervorrichtung 15 ermittelt entsprechend auch eine Zeitdauer 17, die seit dem Auslöseereignis

14 vergangen ist, also seit dem Detektionszeitpunkt , zu welchem sie das Auslöseereignis 14 detektiert hat. Die Steuervorrichtung

15 kann die voraussichtliche Ankunftszeit an der nächsten Ampel ermitteln und dann anhand der Häufigkeitsverteilung 16 für die Ankunftszeit den dann voraussichtlich vorliegenden Ampelschaltzustand für eine oder alle Durchfahrtsrichtungen an dieser Ampel prognostizieren.

In Abhängigkeit von dem zur Ankunftszeit voraussichtliche vorliegenden Ampelschaltzustand kann die Steuervorrichtung 15 zum Beispiel ein Steuersignal 18 für eine Fahrzeugkomponente 19 erzeugen, um hierdurch die Fahrzeugkomponenten 19 auf ein Fahrverhalten des Kraftfahrzeugs 10, wie es durch den Ampel ^¬ schaltzustand der nachfolgenden Ampel erzwungen werden wird, vorzubereiten. Die Fahrzeugkomponente 19 kann beispielsweise ein Verbrennungsmotor eines Hybridantriebs des Kraftfahrzeugs 10 sein . Von dem Kraftfahrzeug 10 sind des Weiteren eine Kommunikati ^¬ onseinrichtung 20 zum Bereitstellen einer Kommunikationsverbindung 21 zu einer Servervorrichtung 22 des Internets 23 und/oder einer Kommunikationsverbindung 24 zu einem voraus- fahrenden (nicht dargestellten) anderen Kraftfahrzeug. Aus der Servervorrichtung 22 kann die Steuervorrichtung 15 zum Beispiel die Häufigkeitsverteilung 16 empfangen haben. Wenn die Verbindung zu einem anderen Fahrzeug aufgebaut wird (z.B. mittels Car-2-X-Technologie) , kann anstelle der Servervorrichtung 22 auch ein Fahrzeug eine Datenquelle sein. Die Kommunikations ^¬ verbindungen 21, 24 können zum Beispiel ein Mobilfunkmodul und/oder ein WLAN-Funkmodul (WLAN - Wireless Local Area Network) umfassen . Das Fahrzeug 10 kann des Weiteren einen Umgebungssensor 25 aufweisen, zum Beispiel eine Kamera, mittels welcher der ak ^¬ tuelle, tatsächliche Ampelschaltzustand zumindest einer Ampel erfasst werden kann. Mittels des Umgebungssensors 25 kann zum Beispiel auch das Auslöseereignis 14 detektiert werden, also hier das Grün-Schalten der Ampel 12. Die Steuervorrichtung 15 kann das Auslöseereignis 14 auch anhand zum Beispiel von Zustandsdaten des Kraftfahrzeugs 10 selbst detektieren, beispielsweise anhand eines zeitlichen Verlaufs des Werts 25 einer Fahrgeschwindigkeit V des Kraftfahrzeugs 10. Ein besonderer Vorteil ergibt sich, wenn der Umgebungssensor die Rotphase schon in der Anfahrt vor der Ampel erkennen kann. Dann lässt sich schon vor dem Anhalten die Rotphase der Ampel in die Häufigkeitsverteilungen der Vorgängerhaltepunkte eintragen. Das Fahrzeug 10 kann des Weiteren einen Datenspeicher 26 aufweisen, in welchem die Häufigkeitsverteilung 16 gespeichert sein kann.

Der mittels des Umgebungssensors 25 und/oder auf der Grundlage zum Beispiel der Fahrgeschwindigkeit V ermittelte tatsächliche Ampelschaltzustand einer Ampel 12 kann an die Servervorrichtung 22 über die Kommunikationsverbindung 21 in Form von Zustandsdaten 27 signalisiert werden. Zu den Zustandsdaten 27 mit Zeitdaten übermittelt, die den Zeitpunkt des erkannten Ampelschaltzustands einer nachfolgenden, also streckenabwärts angeordneten weiteren Ampel angeben. Anhand von Fahrdaten der Kraftfahrzeuge können die zurückgelegte Fahrstrecke 11 und Haltepunkte 13 und Auslö- seereignisse 14 erkannt werden. Die Fahrdaten können ebenfalls an die Servervorrichtung 22 ausgesendet werden. Dabei ist zu beachten, dass erst nach dem Durchfahren der Ampel in eine bestimmte Durchfahrtsrichtung und dem Erreichen oder Passieren des nächsten Haltepunktes diese Daten für einen Dritten nutzbar sind. Darum sollte dieser auch erst später übertragen werden, wenn alle Daten vorliegen.

Die Servervorrichtung 22 kann z.B. auf der Grundlage der Zu- standsdaten 27 mit den Zeitdaten und der Fahrdaten des

Kraftfahrzeugs 10 sowie entsprechender Zustandsdaten und

Zeitdaten und Fahrdaten anderer Kraftfahrzeuge in der Vergangenheit die Häufigkeitsverteilung 16 gebildet oder erzeugt haben . Für die weitere Erläuterung des Beispiels ist in Fig. 2 die aktuelle Fahrstrecke 11 genauer gezeigt. Das Kraftfahrzeug 10 steht, wie im Zusammenhang mit Fig. 1 erläutert, an der Ampel 12, die hier den Haltepunkt 13 (A) darstellt. Die Fahrstrecke 11 führe das Kraftfahrzeug 10 über drei Kreuzungen Kl, K2, K3. Hierbei wird unterschieden, über welchen Haltepunkt 13 das Fahrzeug 10 in die Kreuzung jeweils einfährt und zu welchem nächsten Haltepunkt (13 ^λ ) das Kraftfahrzeug 10 die Kreuzung Kl wieder verlässt. Die Kombination des Haltepunkts 13 an der hinführenden Straße 29 und dem nächsten möglichen Haltepunkt 13 ^λ stellt eine Durch- fahrtsrichtung oder kurz Durchfahrt AI über die Kreuzung Kl dar. Die Durchfahrt AI ist also die Kombination aus Haltepunkt A und dem nächsten Haltepunkt E. Die Durchfahrt AI , wie sie die gezeigte Fahrstrecke 11 vorsieht, entspricht somit der Kombination AI: A - E; eine Durchfahrt A2 entspricht der Kombination A2 : E - H und eine Durchfahrt A3 der Kombination A3: H - L.

Fig. 3 veranschaulicht eine mögliche Ausführungsform der be ^¬ schriebenen Häufigkeitsverteilung 16 als Histogramm. Darge- stellt ist ein Diagramm, das für Zeitangaben 17, nämlich einem zeitlichen Abstand ΔΤ seit dem Auslöseereignis 14, eine Anzahl 31 oder Häufigkeit des in der Vergangenheit beobachteten Am ^¬ pelschaltzustands S (hier „rot") der nächsten Ampel 32 entlang der Fahrstrecke 11 (Durchfahrt A2) angeben kann. Die Zu ^¬ standsangabe 31 kann als eine Wahrscheinlichkeit P dafür in ^¬ terpretiert werden, dass die Ampel 32 zu dem jeweiligen zeitlichen Abstand ΔΤ rot geschaltet ist. Die Ampel 32 ist diejenige, die für die Durchfahrt A2 relevant ist, also in dem Beispiel für das Rechts-Abbiegen . Dies ist in Fig. 3 durch die Angabe der Durchfahrt A2 : E - H veranschaulicht. Der Detek- tionszeitpunkt TO des Auslöseereignisses 14 entspricht in der Häufigkeitsverteilung 16 dem Zeitpunkt 0 des Diagramms. Hier wurde das Auslöseereignis 14 am Haltepunkt 13 (A) detektiert. Die Häufigkeitsverteilung 16, wie sie in Fig. 3 dargestellt ist, gibt an, dass ab einer Zeitdauer 17 mit dem Wert 40 Sekunden nach dem Detektionszeitpunkt TO die Ampel 32 auf Rot schalten könnte.

Die Steuervorrichtung 15 kann auf der Grundlage der Fahrge- schwindigkeit V einen Ankunftszeitpunkt 33 ermitteln, zu welchem das Kraftfahrzeug 10 die Ampel 32 erreichen wird. Die aktuelle Fahrzeugposition und eine Position der Ampel 32 können z.B. auf der Grundlage von GPS-Daten und Navigationsdaten identifiziert werden. Anhand der Häufigkeitsverteilung 16 kann zu dem An- kunftszeitpunkt 33 die zugeordnete Wahrscheinlichkeit P für den Ampelschaltzustand „Rot" ausgelesen werden. In dem Beispiel ist angegeben, dass für den Ankunftszeitpunkt 33 eine Wahr ^¬ scheinlichkeit P von 75 % für Rot ermittelt wird. Fährt das Kraftfahrzeug 10 schneller, so gibt es eine Rückwärtsver- Schiebung 33 ^λ des Ankunftszeitpunkts 33. Fährt das Kraftfahrzeug langsamer, gibt es eine Vorwärtsverschiebung 33" des Ankunftszeitpunkts 33.

Die Häufigkeitsverteilung 16 kann in dem Beispiel ein Histogramm 34 sein, das für vorgegebene Zeitintervalle 35 jeweils die Häufigkeit oder die Anzahl 31 darüber angibt, dass ein vor ^¬ bestimmter Ampelschaltzustand (z.B. „rot") beobachtet worden ist. Aus dem Histogramm kann z.B. mittels einer parametrischen Funktion, z.B. einer Summe aus Gaußfunktionen (SOG - Sum of Gaussians) ein geglätteter Verlauf 34 ^λ als Häufigkeitsverteilung 16 bereitgestellt sein. Die Häufigkeitsverteilung kann alternativ auf der Grundlage einer Methode des Maschinenlernens oder maschinellen Lernens, beispielsweise mittels einer SVM (Support Vector Machine) , gebildet sein. Hierzu können die Zustandsdaten 27 mit den Zeitdaten als Trainingsdaten genutzt worden sein.

Anhand eines Rot-Schwellwerts R und eines Grün-Schwellwerts G kann z.B. das Steuersignal 18 zum Starten oder Abschalten des Verbrennungsmotors erzeugt werden. Z.B. kann anhand des

Grün-Schwellwerts G eine voraussichtliche oder (nach Erreichen der Ampel 32) eine verbleibende Wartezeit W bis zum Grün-Schalten der Ampel 32 prognostiziert werden. Einem Fahrer des Kraft ^¬ fahrzeugs 10 kann beim Annähern an die Ampel 32 auch eine Fahranweisung zum Verändern der Fahrgeschwindigkeit V gegeben werden, um den Ankunftszeitpunkt 33 durch das Verschieben 33 33 ^{λ λ} in eine Grünphase der Ampel 32 zu verschieben.

Die Häufigkeitsverteilung 16 kann zum Beispiel durch die Servervorrichtung 22 auf der Grundlage der besagten Fahrdaten, der Zustandsdaten 27 mit den Zeitdaten mehrerer Kraftfahrzeuge ermittelt worden sein. Die Steuervorrichtung 15 des Kraftfahrzeugs 10 kann die Häufigkeitsverteilung 16 auch ausschließlich auf der Grundlage eigener Beobachtungsdaten erzeugt haben . Fig. 4 veranschaulicht des Weiteren, dass zu Haltepunkt A nicht nur für die nächste Ampel 32 (Durchfahrt A2), sondern auch für zumindest eine weitere Ampel 32 ^λ entlang der Fahrstrecke 11 (siehe Fig. 2) ebenfalls eine Häufigkeitsverteilung 16 ^λ mit einer Anzahl 31 an Beobachtungen, d.h. einer Wahrscheinlichkeit P für deren Ampelzustand S angegeben werden kann. Im zugrundegelegten Beispiel ist dies die Ampel 32 ^λ für die Durchfahrt A3: H - L. Die hierfür bereitgestellte Häufigkeitsverteilung 16 ^λ geht dabei von dem Haltepunkt A (Haltepunkt 13) und dem Auslöseereignis 14 aus, dass zum Detektionszeitpunkt TO detektiert wurde.

Muss nun das Kraftfahrzeug 10 auch am Haltepunkt E (Haltepunkt 13 ^λ ) an der Ampel 32 für die Durchfahrt A2 halten, weil die Ampel 32 rot geschaltet ist, so kann das anschließende Grün-Schalten der Ampel 32 für den Haltepunkt 13 ^λ der Ampel 32 ebenfalls ein Auslöseereignis 14 ^λ darstellen. Für dieses Auslöseereignis 14 ^λ am Haltepunkt 13 ^λ und die Fahrstrecke mit der Durchfahrt A3: H-L kann ausgehend von dem Haltepunkt 13 ^λ ebenfalls eine Häufig ^¬ keitsverteilung 16 ^{λ λ} bereitgestellt werden, die dann auf den Detektionszeitpunkt Tl bezogen ist.

Die Steuervorrichtung 15 kann nun auf Grundlage beider Häu- figkeitsverteilungen 16 16 ^{λ λ} durch eine Überlagerung 35 (in Fig. 4 symbolisiert durch ein +-Zeichen) eine kombinierte Häufigkeitsverteilung 16 ^{λ λ λ} erzeugen, die sowohl die Häufigkeitsverteilung 16 ^λ als auch die Häufigkeitsverteilung 16 ^{λ λ} berücksichtigt. Hierdurch ist im Zusammenhang mit Häufig- keitsverteilungen, die auf empirischen oder probabilistischen Beobachtungsdaten beruhen, eine zuverlässigere Angabe der Wahrscheinlichkeit P eines bestimmten Ampelschaltzustands S für die Ampel 32 ^λ zur Durchfahrt A3: H-L gegeben. Das Überlagern kann durch Aufsummieren der gezählten Anzahl 31 an Beobachtungen erfolgen. Hierbei müssen die Häufigkeitsverteilungen 16 16 ^λ ' zeitlich zueinander in Beziehung gesetzt werden. Dies kann auf der Grundlage der Detektionszeitpunkte TO und Tl erfolgen, indem die Fahrzeit TF gemessen wird. Auf Grundlage der Fahrzeit TF wird die Häufigkeitsverteilung 16 ^λ auf die zuletzt ermittelte Häufigkeitsverteilung 16 ^{λ λ} bezogen oder verschoben.

Fig. 5 veranschaulicht, wie die Zustandsdaten 27 mit den Zeitdaten beispielhaft durch das Kraftfahrzeug 10 ermittelt werden können. Hierbei sei angenommen, dass für die Fahrstrecke 11 die Häufigkeitsverteilung 16 erst erzeugt werden soll.

Dargestellt ist die Fahrt entlang der Fahrstrecke 11 über die Zeit t. Für die Erläuterung sei angenommen, dass das Kraftfahrzeug 10 die Ampel 32 für die Durchfahrt A2 erreicht, während die Ampel 32 grün geschaltet ist.

Zunächst wartet das Kraftfahrzeug 10 in der beschriebenen Weise an der Ampel 12 (siehe Fig. 2), weil diese rot geschaltet ist. Dies kann zum Zeitpunkt t = 10 s geschehen, wie dies in Fig. 5 dargestellt ist. Wenn die Ampel 12 auf Grün schaltet, wird dies vom Kraftfahrzeug 10 als das Auslöseereignis 14 detektiert und somit das Messen der Zeitdauer 17 begonnen, also die vergangene Zeitdifferenz ΔΤ seit dem Detektionszeitpunkt TO. Der Detek- tionszeitpunkt TO ist in Fig. 5 bei t = 20 s angenommen.

Das Kraftfahrzeug 10 kann dann mit der Fahrgeschwindigkeit V die Fahrstrecke 11 entlang fahren und beispielsweise bei t = 80 s die Ampel 32 für die Durchfahrt A2 erreichen. Hierzu kann nun ein erster Merkmalsvektor 36 erzeugt werden, der für die Durchfahrt A2 ausgehend vom Haltepunkt 13 den Ampelschaltzustand S (GRÜN - grün) bei der Zeitdauer 17 mit dem Wert ΔΤ = 60 s (t minus TO = 80 s minus 20 s) angibt. Es kann zusätzlich noch eine absolute Zeitangabe, im Beispiel Freitag FR, mit dem Monat m, dem Tag d, der Stunde h und der Minutenangabe min angegeben werden. Da sich eine Durchfahrt 37 ohne Anhalten ergibt, ist in dem Beispiel nur für einen Zeitpunkt der Merkmalsvektor 36 gebildet. Des Weiteren kann angenommen sein, dass das Kraftfahrzeug 10 die Ampel 32 ^λ für die Durchfahrt A3 zu einer absoluten Zeit t = 160 s erreicht. Als Zeitdauer 17 ergibt sich der Wert ΔΤ = 140 s (t minus TO = 160 s minus 20 s) . Die Ampel 32 ^λ sei auf Rot geschaltet. Während der sich ergebenden Stoppphase 38, die nun folgt, kann für jeden zu erfassenden Zeitschritt, beispielsweise jede

Sekunde, ein Merkmalsvektor 36 für die Durchfahrt A3 erzeugt werden. In Fig. 5 sind beispielhaft drei Merkmalsvektoren 36 für eine Wartedauer von 3 Sekunden angegeben. Für die Zeitdauer 17 mit dem Wert ΔΤ = 143 s (t minus TO = 163 s minus 20 s) kann ein Merkmalsvektor 36 mit dem Ampelschaltzustand S des Werts GRÜN erzeugt werden, wenn zu diesem Zeitpunkt die Ampel 32 ^λ auf Grün schaltet und ein Losfahren 39 möglich ist. Um auch schon Merkmalsvektoren beim Annähern an eine Ampel zu bilden zu können, kann der Umgebungssensor 25 erzeugt werden, indem die nachfolgende Ampel zum Beispiel mit dem Umgebungssensor 25 erfasst wird, z.B. gefilmt und durch eine Bildverarbei- tungsmethode der Leuchtzustand der Ampel erkannt wird. Auch aus einem vorausfahrenden Kraftfahrzeug können über die Kommunikationsverbindung 24, beispielsweise mittels einer

Car2Car-Kommunikation, von diesem vorausfahrenden Kraftfahrzeug Zustandsdaten betreffend zu unterschiedlichen Beobachtungs- Zeitpunkten oder Zeitdauerwerten 17 erfasste Ampelschaltzustände empfangen werden.

Die Merkmalsvektoren 36, wie sie beschrieben sind, eignen sich zum Trainieren einer SVM. Mittels der Angabe zur Zeitdauer 17 und dem zugeordneten Ampelschaltzustand S kann auch das Histogramm 34 (siehe Fig. 3) erzeugt oder aktualisiert werden.

Die Ampelschaltzustände S der entlang der Fahrstrecke 11 nachfolgenden Ampeln 32, 32 ^λ können dann mittels der Häufig- keitsverteilung 16 prognostiziert werden, d.h. es kann angegeben werden, in welcher Zeit das Kraftfahrzeug 10 stehen bleiben muss, weil die jeweilige Ampel 32, 32 ^λ rot geschaltet ist. Die Häufigkeitsverteilungen 16, 16 16" können auch dazu genutzt werden, an einer rot geschalteten Ampel 32, 32 ^λ zu prognos- tizieren, wann diese wieder grün geschaltet wird. Es kann durch einen Schwellenwertvergleich mit Schwellenwerten L0, LI, L2 (siehe Fig. 3) angegeben werden, wie aussagekräftig die j eweilige Beobachtung bisher ist. Bei der Nutzung eines maschinellen Lernens, z.B. einer SVM, kann auch dort das jeweilige Ergebnis mit einem Konfidenzwert versehen sein, der zum Beispiel aus einer Abstandsmessung bei einer SVM oder aus einer

Log-Likelihood-Funktion gebildet sein kann.

Indem Histogramme oder SVMs gebildet werden, „erlernt" die Steuervorrichtung 15 und/oder die Servervorrichtung 22 die ab der Veränderung fehlenden oder neuen Ampelschaltzeiten selbstständig. Es können auch veraltete Daten, die älter als ein vorbestimmtes Höchstalter sind, verworfen werden, um hierdurch das „Vergessen" potentiell veralteter Daten zu ermöglichen.

Fig. 6 veranschaulicht, wie mittels einer Matrix 40 mehrere Häufigkeitsverteilungen 16, 16 ^λ , 16" bereitgestellt und/oder für eine Aktualisierung verwaltet werden können. Für mehrere Haltepunkte 41 können jeweils für wiederum mehrere, von dem jeweiligen Haltepunkt 41 erreichbare Durchfahrten 42 Daten für ein jeweiliges Histogramm 16, 16 16" bereitgestellt und/oder gespeichert und/oder verwaltet werden. Falls ein Kraftfahrzeug 10 zu einem bestimmten Haltepunkt 41 ein Auslöseereignis be ^¬ obachtet hat und dann nach einer darauffolgenden Durchfahrt 42 neue Zustandsdaten 27 mit den 28 sendet, können diese zum jeweiligen Aktualisieren des zugehörigen Histogramms 16, 16 16" verwendet werden.

Des Weiteren kann diese Matrix 40 auch für die Prognose verwendet werden. Beobachtet das Kraftfahrzeug 10 an einem Haltepunkt 41 ein Auslöseereignis und wird eine Durchfahrt 42 erwartet, so kann das zugehörige Histogramm 16, 16 16 ^{λ λ} aus der Matrix 40 ausgelesen werden. In der beschriebenen Weise kann dann zu einer geschätzten Ankunftszeit 33 (siehe Fig. 3) eine Wahrschein ^¬ lichkeit für den Ampelzustand S aus dem Histogramm bestimmt werden .

Insgesamt zeigt das Beispiel, wie durch die Erfindung eine Vorhersage von Schaltphasen von Ampeln auf Basis von Trainingsfahrten bereitgestellt werden kann. Bezugs zeichenliste

10 Kraftfahrzeug

11 Fahrstrecke

12 Ampel

13 Haltepunkt

13 ^λ Haltepunkt

13 ^{λ λ} Haltepunkt

14 Auslöseereignis

14 ^λ Auslöseereignis

15 Steuervorrichtung

16 Häufigkeitsverteilung

16 ^λ Häufigkeitsverteilung

16 ^{λ λ} Häufigkeitsverteilung

16 ^{λ λ λ} Kombinierte Häufigkeitsverteilung

17 Ermittelte Zeitdauer

18 Steuersignal

19 Fahrzeugkomponente

20 Kommunikationseinrichtung

21 KommunikationsVerbindung

22 Servervorrichtung

23 Internet

24 KommunikationsVerbindung

25 Umgebungssensor

26 Datenspeicher

27 ZuStandsdaten

29 Straße

31 Anzahl

32 Nachfolgende Ampel

32 ^λ Nachfolgende Ampel

33 Ankunfts Zeitpunkt

34 Histogramm

34 ^λ Geglätteter Verlauf

35 Zeitintervall

36 Merkmalsvektor

37 Durchfahrt

38 Stoppphase

39 Losfahren 40 Matrix

41 Mögliche Haltepunkte

42 Mögliche Durchfahrten AI Durchfahrt

A2 Durchfahrt

A3 Durchfahrt

Kl Kreuzung

K2 Kreuzung

K3 Kreuzung

P Wahrscheinlichkeit

S Ampelschaltzustand

TO Detektionszeitpunkt

Tl Detektionszeitpunkt TF Fahrzeit

V Fahrgeschwindigkeit