用于有效地导航定时控制特征的车辆速度和车道建议

技术领域

说明性实施例总体上涉及用于有效地导航定时控制特征的车辆速度和车道建议的方法和设备。

背景技术

在一些交通信号灯的一天中的某些时间，并且对于其他交通信号灯，信号灯定时由某些变量控制，如果已知并且适应，则这些变量可以允许可以保持一致速度的驾驶员无障碍地行驶通过一系列信号灯。然而，在一些情况下，定时随交叉交通而改变，并且即使驾驶员可以看到等待交叉路口信号灯的车辆，也几乎不可能基于另一车辆的存在来预测信号灯何时将改变。在其他情况下，信号灯定时是始终周期性的，但是在驾驶员进入已知周期之前，可能必须适应至少一个信号灯。

即使学习信号灯的本地定时以例如一旦第一信号灯变绿就以一致的速度行驶以便正确地为其他信号灯计时的驾驶员也无法确定前方的交通，这可能导致驾驶员必须减速和错过信号灯周期。此外，在多车道道路中，驾驶员可能不知道哪个车道最畅通，直到改变车道为时已晚，这也导致驾驶员减速和错过信号灯时间。

能够减速但不停车并且始终保持速度提供了燃料效率的合理提高、减少的行驶时间和更舒适的乘坐。然而，有问题的是，存在许多动态变量，这些动态变量不容易由试图导航一系列定时信号灯以规避停车的驾驶员管理。因此，除非驾驶员独自或在非常有限的交通中，否则驾驶员对此类导航的尝试将几乎总是不成功的，并且尝试适应变化的变量(诸如信号灯之间的意外交通)可能导致驾驶员不得不以不稳定的方式驾驶，以适应维持一定速度所必需的损失时间和最后一秒变道。

发明内容

在第一说明性实施例中，一种系统包括一个或多个处理器，所述一个或多个处理器被配置为确定在距第一车辆的预定义距离内状态变化的交通控制信号的存在。所述一个或多个处理器还被配置为请求所述交通控制信号的定时信息。而且，所述一个或多个处理器被配置为基于所述定时信息确定从当前位置到所述交通控制信号的推荐车辆速度，所述推荐车辆速度将使得所述第一车辆在所述控制信号将允许行驶时到达所述控制信号，同时保持车辆动量，并且在所述第一车辆的车辆显示器上显示所述推荐速度。

在第二说明性实施例中，一种方法包括：确定从车辆的当前位置到交通控制信号的剩余距离；以及基于与所述交通控制信号相关联的状态变化定时信息确定在剩余距离内的推荐速度，所述推荐速度将使得所述车辆在所述信号允许行驶时到达所述交通控制信号。所述方法还包括显示所述推荐速度并且继续确定所述距离，确定所述推荐速度并且显示所述推荐速度直到所述车辆停车或到达所述交通控制信号为止，以适应所述车辆的速度与所述推荐速度不匹配。

在第三说明性实施例中，一种方法包括确定从车辆的当前位置到交通控制信号的剩余距离。所述方法还包括基于与所述交通控制信号相关联的状态变化定时信息确定在剩余距离内的推荐速度，所述推荐速度将使得所述车辆在所述信号允许行驶时到达所述交通控制信号。所述方法还包括获得指示所述当前位置与所述信号之间存在交通车辆的交通数据，并且预测由所述交通数据指示的交通车辆的移动模式和定时。而且，所述方法包括调整所述推荐速度以适应交通车辆的所述预测的移动模式和定时，以根据所述预测的移动模式和定时所需的行驶变化来保持车辆动量。所述方法另外包括显示所述推荐速度并且至少继续确定所述距离，确定所述推荐速度并且显示所述推荐速度直到所述车辆停车或到达所述交通控制信号为止，以适应所述车辆的速度与所述推荐速度不匹配。

附图说明

图1示出了车辆和交叉路口系统的说明性示例；

图2示出了定时和速度预测过程的说明性示例；

图3示出了说明性交通适应过程；

图4示出了用于定时和速度推荐的数据流的说明性示例；以及

图5示出了可以使用车道和速度控制的说明性场景。

具体实施方式

本文描述了本公开的实施例。然而，应理解，所公开的实施例仅仅是示例并且其他实施例可呈现各种形式和替代形式。附图不一定按比例绘制；一些特征可被放大或最小化以示出特定部件的细节。因此，本文公开的具体结构细节和功能细节并不解释为限制性，而仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。如本领域普通技术人员将理解，参考附图中的任何一个示出和描述的各种特征可与一个或多个其他附图中示出的特征组合以产生未明确地示出或描述的实施例。示出的特征的组合提供用于典型应用的代表性实施例。然而，对于特定的应用或实施方式，可能期望与本公开的教导一致的对特征的各种组合和修改。

除了使示例性过程由位于车辆中的车辆计算系统执行之外，在某些实施例中，所述示例性过程还可由与车辆计算系统进行通信的计算系统来执行。此种系统可包括但不限于无线装置(例如但不限于移动电话)或通过无线装置连接的远程计算系统(例如但不限于服务器)。此类系统可统称为车辆相关联计算系统(VACS)。在某些实施例中，VACS的特定部件可依据所述系统的特定实施方式来执行过程的特定部分。作为示例而非限制，如果过程具有与配对的无线装置发送或接收信息的步骤，则很可能无线装置未执行所述过程的所述部分，因为无线装置不会与自己“发送并且接收”信息。本领域普通技术人员将理解何时将特定计算系统应用于给定解决方案是不合适的。

可以通过使用单独工作或彼此结合工作并执行存储在各种非暂时性存储介质(诸如但不限于快闪存储器、可编程存储器、硬盘驱动器等)上的指令的一个或多个处理器来促进过程的执行。系统与过程之间的通信可包括使用例如蓝牙、Wi-Fi、蜂窝通信和其他合适的无线和有线通信。

在本文讨论的说明性实施例中的每一者中，示出了由计算系统执行的过程的示例性非限制性示例。关于每个过程，执行所述过程的计算系统可能为了执行所述过程的有限目的而变得被配置为用于执行所述过程的专用处理器。所有过程不需要完整地执行，并且被理解成是可执行以达成本发明的要素的过程类型的示例。可以根据需要在示例性过程中添加或移除附加步骤。

关于在示出说明性过程流程的附图中描述的说明性实施例，应注意，出于执行由这些附图示出的一些或所有示例性方法的目的，可暂时启用通用处理器作为专用处理器。当执行提供执行所述方法的一些或所有步骤的指令的代码时，处理器可暂时改换用途作为专用处理器，直到所述方法完成为止。在另一示例中，在适当的程度上，根据经预配置的处理器起作用的固件可致使处理器充当为执行所述方法或其某一合理变型而提供的专用处理器。

在行驶时遇到一串绿灯始终是非常令人满意的体验，从而允许连续行驶而不会停车。一些驾驶员偶尔会偶然实现这一点，而其他驾驶员可能对信号灯定时有一定程度的熟悉，并且将知道他们必须以多快的速度无障碍地行驶才能在绿灯周期期间到达下一个信号灯。不幸的是，意外的变量(诸如交通)通常会破坏信号灯之间的此类计划。知道他们必须在信号灯之间以50mph的速度行驶的驾驶员可能会发现其他交通车辆正在经过他们，并且他们可能知道其他交通车辆最终将不得不停车，但是这也会对无障碍行驶造成障碍。

驾驶员可能不知道其他交通车辆最终将停在哪个车道上，这可能导致驾驶员必须不断地变换车道并且试图预测哪个车道将是最畅通的。如果车辆具有关于信号灯时间和交通情况的更好信息，则其他驾驶员将被限制为没有动力超速前进，因为这样做只能保证他们必须在红灯处停车。利用更好的信息工作的驾驶员可以以更协调的方式驾驶，并且所有驾驶员都可以受益于有限的减速。这将减少拥堵、提高燃料效率、平稳行驶(减少抖动和摇摆)，并且通常保持整个交通系统更好地流动，同时节省燃料资源。

说明性实施例提出了一种系统，所述系统可以利用多个信息源，诸如但不限于车辆对车辆(V2V)通信、车辆对基础设施通信(V2I)、车辆传感器、基础设施传感器、相机和其他车辆信息，以更好地预测交通流量、最佳速度和最佳车道以使车辆保持移动。知道有多少车辆和/或哪些类型的车辆已经在给定的信号灯处和/或在给定的车道中停车或预计必须停车，可以帮助预测信号灯变绿后所有交通移动的时间。虽然可能不知道给定的驾驶员的速度变化曲线，但是可以使用关于车辆速度变化的一般假设。如果某些车辆是连接的车辆，则可以报告这些车辆的存在，并且可以使用相机和车辆传感器来对不能或不自我报告的车辆的存在进行建模。

如果信号灯定时是一致的且周期性的，则可以从关于信号灯的通用数据库获得信号灯的定时信息。该信息可以直接从信号灯提供商(例如，市政当局)获得，或者可以通过使用车辆传感器(例如，速度、相机等)的历史观察来获得。动态定时信号灯(诸如对其他交通车辆作出反应的信号灯)的定时信息可以经由基础设施收发器分配和/或基于给定交通信号灯的观察到的行为来建模。

例如，在一种情况下，信号灯可以通知基础设施何时它将改变状态，并且车辆可以使用该信息来规划最佳速度以在信号灯为绿色时到达信号灯，以最小的减速来保持速度和节省燃料。在另一种情况下，经过信号灯的车辆可以观察到停车的交叉交通车辆，这可以基于信号灯如何表现的历史知识而给出可能发生信号灯状态变化的一些信息。尾随车辆可以尝试使用该信息来对信号灯变化进行计时，但是可能难以以精确的准确度对这种变化进行建模，除非人们知道停车的车辆已经停车了多长时间，假设信号灯以某种形式的一致性对停车的车辆的存在作出反应。然而，更好的信息流和分析可以导致更短的行驶时间、减少的减速、更平稳的车辆行驶和更好的燃料效率。

图1示出了车辆和交叉路口系统的说明性示例。在该示例中，车辆100被称为自我意识车辆，并且是在示例中进行确定的中心点。该车辆100包括车载计算系统1010，所述车载计算系统包括一个或多个处理器103以及通信收发器。那些可以包括例如蓝牙105、提供远程蜂窝通信的远程信息处理控制单元(TCU)107以及Wi-Fi收发器109。Wi-Fi收发器可以用于与基础设施和其他车辆通信。蓝牙收发器可以用于与车载装置(诸如蜂窝电话)和近距离的其他车辆通信。TCU可以用于远程蜂窝通信，并且可以允许车辆100访问关于交通、信号灯定时等的数据库和信息源。

车辆100还可以包括速度和车道分析过程111。类似的过程135可以在云131中执行。是在车上还是在云中做出速度和车道推荐可以是设计选择的问题。两个系统也可以结合工作，其中云131过程135做出长期推荐，而车载过程111做出适应于在车辆100接近信号灯129时变化的信息的短期推荐。

车辆100可以包括导航系统和坐标系，诸如全球定位系统113，其可以用于确定与信号灯的接近度并且自报告位置信息以辅助其他车辆122进行行驶速度确定。车辆100还可以包括用于提供车道使用和速度推荐等的显示器115。速度推荐可以动态地适应变化的情况，并且可以尝试帮助驾驶员管理速度以尽可能多地节省燃料和动量。如果车辆是完全自主的或部分自主的(例如，具有自适应巡航控制过程117)，则车辆100可能能够受益于定时和车道信息以辅助驾驶员或控制车辆以根据推荐保持速度和/或车道。

通用基础设施可以包括一个或多个收发器121，诸如Wi-Fi或能够与车辆和交通控制特征129通信的其他收发器。与在交通控制相机125的范围之外的车辆的通信可以辅助相机定时系统基于车辆位置做出决策。例如，当车辆已经停车超过15秒时，信号灯可能会改变。繁忙的道路可以具有主要的绿灯，但是当存在交叉交通时，信号灯可能会改变以适应交叉交通。如果信号灯知道这样的车辆正在接近，并且当预测接近车辆到达时在主要道路上不存在交叉交通，则信号灯可以对变化进行计时以允许横穿车辆在不停车的情况下通过，这将增加该车辆的交通流量，并且这可以在稍后在主要道路上存在交通车辆时规避信号灯的状态变化。基础设施收发器121可以接收从信号灯系统收发器123、127传输的该信息，并且还可以与云131共享该定时变化信息，其中该定时变化信息可以作为定时数据库137中的临时定时变化的一部分广泛可用。然后，接近交叉路口的车辆将知道减速，使得它们在状态变化仍在进行时不会到达交叉路口。

云131可以包括多个后端过程，并且能够通过网关133处理各种通信和服务请求。网关可以将对信号灯定时、速度和车道建议等的请求路由到分析过程135。该过程可以访问定时数据库137，所述定时数据库可以存储已知的信号灯定时时间表、信号灯定时的历史分析以及诸如上述定时的临时变化，或者例如以适应紧急车辆。云131还可以访问交通数据139，所述交通数据可以包括当前报告的(自我报告和/或检测到的)车辆位置，所述车辆位置对于确定在给定信号灯处已经停车或即将停车的交通车辆可能是有用的。信号灯基础设施收发器121也可以访问此位置信息，所述光基础设施收发器可以使用所述信息进行动态定时改变。在当前数据当前未知时，历史交通信息(诸如指示平均2.5辆车辆在下午5点至7点之间的给定交通信号灯处停车的信息)可能是有用的，因此任何速度预测都可能想要适应介入必须进行的停车的交通车辆可能性。

当自我意识车辆接近信号灯时，它可以使用感测来确定车道是否被占用或畅通，并且基于预测的交通车辆来确定速度的准确性。例如，如果预期有车辆的车道看起来是畅通的，并且如果没有相邻的行驶车辆可以移动到所述车道中，则可以增加自我意识车辆速度或者可以发生增加的推荐，以及换挡到所述开放车道的推荐。这可以是最初预测交通情况的云建模和当自我意识车辆接近信号灯时适合于适应实时情况的车载分析过程的示例。取决于来自基础设施(诸如相机125)的传感器反馈的稳健性，当自我意识车辆接近信号灯并且进入基础设施收发器或停在信号灯处的另一车辆122的范围内时，关于信号灯处的交通状况的附加信息可以变得可用，所述基础设施收发器或另一车辆可以使用其自身的车载传感器来分析所述状况并且例如通过Wi-Fi向正在接近的自我意识车辆报告所述状况。

同时，此类基础设施收发器和停车的车辆也可以向云131报告，因此利用稳健的整体系统，可以在大多数时间在任何给定的信号灯下合理地完整地传达和更新关于即时场景的信息。

图2示出了定时和速度预测过程的说明性示例。在该过程中，路线分析引擎在201处检查即将到来的路段，其可以包括预定义距离、直到下一个已知交通控制的距离、在预期下一个交通控制之前没有交通控制的距离等。

例如，如果用户在单条道路上行驶10英里直到下一个交通控制，则尝试计划速度可能没有多大意义，除非交通控制以10分钟的周期执行。也就是说，在用户到达控制之前很久，无论用户速度如何，状态都将改变多次。因此，所述过程可以检查前方的最大距离，所述最大距离可以涉及车辆的速度、到控制的行驶持续时间与同一控制的周期的持续时间(例如，根据行驶时间，当车辆处于N个控制周期内时，开始检查控制)。例如，如果信号灯在每个方向上以1分钟的状态变化间隔开启，则所述过程可以在用户距离2-4分钟时开始检查信号灯，以建立交通曲线并且预测定时。这还假设没有中间控制。

例如，如果在到达控制之前有停车标志，则用户在任何情况下都必须停车，因此在这种情况下，一旦用户已经越过停车标志，所述过程就可以开始检查信号灯。通过这种方式和类似方式，可以动态地调适即将到来的道路的路段的大小和距离何时开始规划行驶以在有利的周期点中到达信号灯是合理的。

如果在203处检查的距离内存在信号灯，则所述过程可以在205处请求信号灯的定时信息。这可以包括诸如已知定时、当前循环点等信息。如果信息直接来自信号灯或信号灯控制系统，则所述过程可以获得对于当前状态是精确的并且指示下一个状态将何时发生。如果信息来自数据库，则所述信息可以仅包括状态持续时间(如果已知的话)，和/或历史数据，所述历史数据指示在定时未发生的情况下的可能定时以及已知和确认的间隔。可以将所述请求发送到与信号灯129或信号灯控制系统通信的基础设施单元121，或者发送到云131，或两者。如果可通过V2V通信获得自组织联网，则还可以将所述请求转发到足够的车辆，直到具有感测能力(例如，相机)的一辆车辆可以看到当前信号灯状态为止。

即使信息有些不完整，知道当前状态和周期持续时间也可以帮助预测变化。如果没有可用的定时信息，则所述过程可以退出。所述过程还可以基于自我观察获得一些信息，例如，如果车辆频繁地行驶路线，并且车辆100本身可以记录在一天中的不同时间通常观察到的信号灯的信号灯周期定时的记录，这是基于车辆100被迫停车以及被允许行驶时观察到的。

在209处，车辆100或过程还可以请求交通信息，所述交通信息同样可以是对基础设施121、其他车辆122、云131等的请求。根据当前停在信号灯处的车辆和行驶到信号灯处的车辆，不同的信息源可以被组合以构建场景的更完整的画面。

如果没有交通信息可用或者如果不存在交通车辆，则据所述过程所知，在211处，所述过程可以在219处确定适当的速度。这是被设计成通过防止车辆过快地改变速度或不必要地停车来优化或部分优化燃料效率的速度。车辆可能必须降低一些速度，但这可能比维持更快的速度然后被迫完全停车然后完全重新加速更好。可以在221处显示推荐速度，所述推荐速度可以是在用户没有精确地映射速度的情况下波动的数字，使得用户从那个时刻开始不断地知道从当前位置推荐什么速度以优化燃料效率和行驶平稳性。例如，速度可以是推荐的40MPH，但是用户可以继续以50MPH行驶。当用户接近信号灯时，这可能会导致推荐速度下降，因此速度推荐可能会降低到30MPH，以防止完全停车。用户还可能能够接合自主或半自主(诸如巡航控制或自适应巡航控制)设置以维持推荐速度，并且所述设置还可能能够对来自例如相邻道路或入口匝道的可能出现的交通车辆作出反应。

如果在211处已知或获得交通数据，则所述过程可以在213处适应交通。这可以包括确定已经停车的每辆车辆的可能起动和移动曲线，以及估计可能在自我意识车辆到达信号灯之前停车的移动车辆的速度曲线。还可以适应车道位置，使得可以建立每个车道的移动曲线。使用上面的示例，在没有交通车辆时以40MPH行驶的相同推荐可以是在有交通车辆时车道1的20MPH和车道2的25MPH。这可能是因为更多的车辆停在车道1中，并且将花费更长时间来开始行驶，或者例如因为车道1中的车辆或各车辆(诸如大型卡车)可能花费更长时间来开始移动。

即使每个车道中有相当数量的车辆，如果一些车辆(诸如接近信号灯的车辆)的当前速度和位置将允许它们在保持一定动量的情况下到达信号灯，则它们可能不必完全停车。所述过程可以为车道中的每辆车辆建立预计行驶和速度曲线，并且聚合所述信息以基于某些速度(不遇到不移动的其他车辆)来确定自我意识车辆将到达的位置以及什么速度将允许自我意识车辆保持动量。也就是说，虽然用户可以保持40MPH的速度并且到那时一些交通车辆可能已经开始移动，但是用户可能必须停车，因为并非所有交通车辆都已经移动，并且用户将到达比十字路口更近的停车点，在所有交通车辆移动之前，该停车点本身是在给定车道中距自我意识车辆最近的车辆后面的点。这缩短了行驶距离，并且由于移动的延迟而需要较低的速度，并且两者都可以通过计算来适应。

所述过程可以在215处选择具有最大燃料节省可能性的车道，并且在217处向驾驶员推荐该车道。此时，由于车道的曲线是已知的，因此所述过程还可以适当地显示该车道和/或任何其他车道的推荐速度。所述过程还可以在可能时计算速度的逐渐转变，以防止用户紧急制动从50MPH下降到30MPH，并且因此可以推荐逐步降低到可能最终达到目标速度但可以防止紧急制动的某些速度。

图3示出了说明性交通适应过程。在该示例中，所述过程可以接收交通数据301，所述交通数据包括从十字路口相机125和/或收发器121发送的数据，所述数据指示在自我意识车辆与信号之间的信号灯或车辆处存在停车的车辆122。所述数据也可以从云接收，并且表示向云报告它们自己的位置和移动曲线的车辆，所述车辆也介入在自我意识车辆与信号之间。所述数据还可以经由V2V通信来接收，并且可以包括响应车辆的行驶数据的响应车辆数据以及指示检测到的当前可能未报告信息的其他车辆的传感器数据两者。

对于交通数据中指示的给定车辆，所述过程可以在303处确定车辆当前是否停车。对于每个停车的车辆，所述过程可以在305处确定预计的速度增加率，所述预计的速度增加率可以包括例如一旦信号改变，特定大小的车辆在历史上倾向于花费多长时间来增加速度。这还可以包括基于每辆车辆在一排停车的车辆中向后多远的较长延迟，因为交通车辆并不总是基于信号变化而一致地移动。在前导车辆开始移动之前，每辆车辆通常不会向前移动，因此随着信号灯变化，交通车辆通常会以波纹形式移动。而且，较重和较大的车辆通常花费更长的时间来实现动量，并且观察到的车辆大小可用于进行至少平均确定。

然后，所述过程可以在307处添加针对每排车辆的延迟，并且在309处相应地调整每个车道。一排停车的车辆不仅需要一定量的时间来移动，而且还将可能的停车点移回到更靠近自我意识车辆的位置，因此所述过程也可以适应这种情况。例如，对于给定的自我速度，如果所有前导车辆都已经开始移动但尚未达到全速，则所述过程可以确定可能的停车点，推荐速度的定时可以被设计成达到可以保持最大速度而不会与另一车辆相遇的点，例如，假设所有前导车辆可预测地移动，可以保持例如至少20MPH的点，甚至如果没有引导车辆则40MPH将是最佳速度。但这可能比推荐例如25MPH更可取，由于前导车辆的移动曲线，这可能导致自我意识车辆必须减速到10MPH或甚至停车。

所述过程可以进一步考虑交通数据中仍在移动但基于其当前位置和/或速度可能必须在某个点停车的任何车辆。还可以适应那些车辆的预测停车点，并且可以考虑它们从那些停车点回到某个速度水平的移动曲线。

基于根据交通数据对每个车道进行的车道调整，所述过程可以确定一旦信号灯改变并且在给定时间针对沿着车道的给定位置的可能的车道速度，例如，在时间X处，车道1将已经到达最慢(最后一个前导)车辆的速度为10MPH，并且该最后一辆车辆将在位置N处。因此，如果预测自我意识车辆在该时刻也处于或经过位置N，则将推荐较慢的速度。如果自我意识车辆将在该时刻之后的某个点到达点N，则可以推荐更高的速度，直到自我速度推荐将自我意识车辆置于最大速度，所述最大速度将防止与另一车辆相遇但保持尽可能多的动量，并且在定时周期内将自我意识车辆尽可能靠近信号灯放置。如果基于交通量预测停车是不可避免的，则也可以传达此信息，并且可以根据预测的必要停车来推荐燃料节省速度。使用此车道级数据，可以推导并且推荐最佳预测车道，诸如根据车辆100可能无法防止停车的事实而尽可能多地滑行而无需有意的速度变化。

同样，如前所述，自主控制可以遵循建议和/或可以由驾驶员请求(如果不总是参与)，以便使车辆100更准确地遵循目标速度并且实现更平滑的速度变化曲线以节省燃料。

图4示出了用于定时和速度推荐的数据流的说明性示例。在该示例中，路边单元(RSU)401提供传感器数据和V2I通信数据，指示观察到的车辆、它们的速度和位置，以及任何报告的车辆(自报告)速度和位置。所述单元还可以接收自主控制的指示，所述指示可用于确定给定车辆122遵循面向机器的轨迹的可能性有多大，所述面向机器的轨迹可能比人类控制的轨迹更可预测。

远程车辆403可以报告基本消息407，所述基本消息可以包括位置和速度。RSU 401可以包括协作感知消息传递(CPM)(其可以是每个检测到的车辆的BSM)以及即将到来的控制特征的灯信号相位和定时信息(SPAT)，以及指示车道的地图数据，以及十字路口405的布局。如果某些车道是仅转弯车道并且即使没有交通车辆也不应被推荐为“快速”直通车道，则该地图数据也可能是有用的，因为驾驶员随后将被迫转弯。

预测过程(诸如在图3和图4中讨论的预测过程)可以接收上述信息并且确定每个车道411的交通车辆移动预览。该信息以及自我意识车辆速度413和位置415可以用于生成建议路线417。这可以包括例如在419处的速度限制建议(车辆应行驶以节省燃料/保持动量的速度)和/或如果车辆100不在最佳车道中，则是任何车道变换建议421。

图5示出了可以使用车道和速度控制的说明性场景。在该示例中，车辆100被示为在两个位置中，一次在车道1 503中，并且一次在车道2 505中。车道2中的交通车辆509已经在十字路口507处停车，并且包括四辆车辆。车道1中的交通车辆511部分停车并且包括一辆仍在行驶的车辆。即使仍在行驶的车辆被迫停车，车道1中的所有交通车辆也可能没有更少的完整行驶时间来实现一定水平的向前移动，然而以某些速度尾随最后一辆车辆可能会迫使自我意识车辆停车。车道1可能会被推荐为优选车道，但是速度要适应车道1中的尾随车辆将需要在某个点停车的任何预测。信号灯502的信号定时信息将用于确定灯何时将改变到允许状态，并且可以相应地调整自我意识车辆100的推荐速度。

如果大型车辆(诸如半挂车)停放在车道1中，则即使有更多的交通车辆，车道2也可能是更快的车道，因为此类大型车辆一旦停车就会出现移动延迟。如果车道1中的交通车辆511中的最后一辆中间车辆是半挂车，则推荐是车道1还是车道2可以基于半挂车是否被预测必须停车、基于其自身的当前位置和观察到的速度。驾驶员几乎不可能考虑所有这些信息并且进行此类预测，尤其是当很少(如果有的话)知道精确的信号灯定时时，并且因此说明性实施例提供产生成功可能性高、防止不稳定行驶、并且通常有助于节省燃料并减少总体行驶时间和交通拥堵的推荐。如果使用此类系统的许多中间车辆永远不必完全停车，则总体交通流量可能会显著增加，因为在信号灯周期之间将存在较少的延迟，因为车辆不仅必须等待周期改变，而且必须等待所有中间车辆开始移动。

虽然上文描述了示例性实施例，但这些实施例并不意图描述权利要求所涵盖的所有可能形式。说明书中使用的词语是描述性词语而非限制词语，并且应理解，可在不背离本公开的精神和范围的情况下做出各种改变。如先前所述，各种实施例的特征可以组合以形成可能未明确描述或示出的本发明的另外的实施例。虽然各种实施例就一个或多个期望的特性而言可能已经被描述为提供优点或优于其他实施例或现有技术实施方式，但本领域普通技术人员应认识到，可折衷一个或多个特征或特性来实现期望的整体系统属性，这取决于具体应用和实施方式。这些属性可包括但不限于强度、耐久性、可销售性、外观、包装、大小、可维护性、重量、可制造性、易组装性等。为此，就一个或多个特性而言被描述为不如其他实施例或现有技术实施方式所期望的实施例处在本公开的范围内，并且对于特定应用来说可能是期望的。

根据本发明，提供了一种系统，所述系统具有：一个或多个处理器，所述处理器被配置为确定在距第一车辆的预定义距离内状态变化交通控制信号的存在；请求所述交通控制信号的定时信息；基于所述定时信息确定从当前位置到所述交通控制信号的推荐车辆速度，所述推荐车辆速度将使得所述第一车辆在所述控制信号将允许行驶时到达所述控制信号，同时保持车辆动量；以及在所述第一车辆的车辆显示器上显示所述推荐速度。

根据一个实施例，所述定时信息包括所述信号的状态持续时间或状态变化间隔。

根据一个实施例，所述定时信息包括当前状态和所述当前状态的持续时间或直到所述信号的下一个状态的时间。

根据一个实施例，当所述车辆行驶到所述信号并且调整到实际车辆速度时，继续对推荐车辆速度的所述确定，并且其中所述显示的推荐车辆速度改变以反映所述继续确定。

根据一个实施例，所述一个或多个处理器还被配置为接收以所述推荐速度控制所述第一车辆的请求；以及自动维持所述推荐速度直到所述第一车辆到达所述信号为止，从而阻止发生导致所述第一车辆下降到所述推荐速度以下的传感器事件。

根据一个实施例，所述一个或多个处理器还被配置为请求指示所述当前位置与所述信号之间存在交通车辆的交通数据；预测由所述交通数据指示的交通车辆的移动模式和定时；以及调整所述推荐速度以适应交通车辆的所述预测的移动模式和定时，以根据所述预测的移动模式和定时所需的行驶变化来保持车辆动量。

根据一个实施例，所述预测的移动模式包括预测包括在所述交通数据中的给定车辆是否将由于其他交通车辆的状态或所述信号而必须停车。

根据一个实施例，所述预测的移动模式包括预测包括在所述交通数据中的一辆或多辆车辆的行驶速度，直到所述第一车辆到达所述信号为止。

根据本发明，一种方法包括：确定从车辆的当前位置到交通控制信号的剩余距离；基于与所述交通控制信号相关联的状态变化定时信息，确定在所述剩余距离内将使所述车辆在所述信号允许行驶时到达所述交通控制信号的推荐速度；显示所述推荐速度；以及继续确定所述距离、确定所述推荐速度并且显示所述推荐速度，直到所述车辆停车或到达所述交通控制信号为止，以适应所述车辆的速度与所述推荐速度不匹配。

在本发明的一个方面，所述推荐速度包括被确定为实现最大燃料效率的速度。

在本发明的一个方面，所述推荐速度包括被确定为实现最小制动的速度。

在本发明的一个方面，所述方法包括：接收对所述车辆的自动控制的请求；以及自动地控制所述车辆以所述推荐速度操作。

在本发明的一个方面，所述方法包括：获得指示所述当前位置与所述信号之间存在交通车辆的交通数据；预测由所述交通数据指示的交通车辆的移动模式和定时；以及调整所述推荐速度以适应交通车辆的所述预测的移动模式和定时，以根据所述预测的移动模式和定时所需的行驶变化来保持车辆动量。

在本发明的一个方面，所述方法包括：基于所述预测的移动模式和所述交通定时来预测允许最大推荐速度的推荐行驶车道；以及推荐在所述预测的推荐车道中行驶。

在本发明的一个方面，所述交通车辆的所述预测的移动模式和定时至少部分地基于所述交通数据中指示的车辆大小特性。

根据本发明，一种方法包括：确定从车辆的当前位置到交通控制信号的剩余距离；基于与所述交通控制信号相关联的状态变化定时信息，确定在所述剩余距离内将使所述车辆在所述信号允许行驶时到达所述交通控制信号的推荐速度；获得指示所述当前位置与所述信号之间存在交通车辆的交通数据；预测由所述交通数据指示的交通车辆的移动模式和定时；调整所述推荐速度以适应交通车辆的所述预测的移动模式和定时，以根据所述预测的移动模式和定时所需的行驶变化来保持车辆动量；显示所述推荐速度；以及至少继续确定所述距离、确定所述推荐速度并且显示所述推荐速度，直到所述车辆停车或到达所述交通控制信号为止，以适应所述车辆的速度与所述推荐速度不匹配。

在本发明的一个方面，所述推荐速度包括被确定为实现最大燃料效率的速度或被确定为实现最小制动的速度。

在本发明的一个方面，所述方法包括：接收对所述车辆的自动控制的请求；以及自动地控制所述车辆以所述推荐速度操作。

在本发明的一个方面，所述方法包括：基于所述预测的移动模式和所述交通定时来预测允许最大推荐速度的推荐行驶车道，并且推荐在所述预测的推荐车道中行驶。

在本发明的一个方面，所述交通车辆的所述预测的移动模式和定时至少部分地基于所述交通数据中指示的车辆大小特性。