监测系统、交通工具的设备、路边单元的设备、交通基础设施系统及其方法与流程

1.各个方面总体上涉及交通基础设施系统(例如，监测系统)的一个或多个设备，例如，路边单元或路边单元的设备、交通工具的设备及其方法。


背景技术：

2.一般而言，与交通相关的网络基础设施的发展可应用于智能交通领域。所谓的“智能交通系统”(its)可包括用于提供与运输管理相关的(例如，具有实现运输网络的安全和协调的使用的目标的)一个或多个服务的各方面。its的一个或多个方面可能与道路交通相关。与道路交通相关的its可包括应用于道路运输领域的信息和通信技术，包括例如基础设施、交通工具和用户。各种形式的通信技术可用于在its中实现通信，例如，短距离通信或长距离通信。交通工具与基础设施之间的通信可被称为交通工具对基础设施(v2i)通信和/或基础设施对交通工具(i2v)通信。交通工具之间的通信可被称为交通工具对交通工具(v2v)的通信。基础设施组件彼此之间的通信可称为基础设施对基础设施(i2i)通信或基础设施内部通信。its可能包括配备有机载单元(obu)和路边单元(rsu)的交通工具。v2v-通信可包括机载单元彼此之间的数据交换，并且v2i-通信可包括obu与一个或多个rsu之间的数据交换。
附图说明
3.贯穿附图，应注意，相同的附图标记用于描绘相同或类似的要素、特征和结构。这些附图不一定按比例绘制，而是一般着重于说明本公开的各方面。在以下描述中，参照下面的附图描述本公开的一些方面，其中：图1以示意图示出根据一些方面的示例性交通基础设施系统及其组件；图2a至图2d以示意图示出根据一些方面的可以作为交通基础设施系统一部分的示例性各种组件；图3a至图3b以示意图示出根据一些方面的可以作为交通基础设施系统一部分的示例性各种组件；图4a以示意图示出根据一些方面的可以与交通基础设施系统相关联的各种组件；图4b示出根据一些方面的在处理具有不同级别的复杂度和准确性的相同类型的问题时与等待时间相对于吞吐量的权衡相关的示图；图5a至图5b以示意图示出根据一些方面的可以作为交通基础设施系统一部分的示例性各种组件；以及图6至图8以示意图示出根据一些方面的与可以作为交通基础设施系统的一部分的组件的操作相关联的示例性流程图。
具体实施方式
4.以下详细描述中对附图进行参考，附图通过图示方式示出了可在其中实施本公开的具体细节和方面。足够详细地描述了这些方面以使本领域的技术人员能够实施本公开。可利用其他方面，并且可作出结构的、逻辑的和电气的改变，而不背离本公开的范围。各方面不一定是互斥的，因为可将一些方面与一个或多个其他方面组合以形成新的方面。结合方法描述各方面，并且结合设备描述了各方面。然而，可理解，结合方法描述的方面可被类似地应用于设备，并且反之亦然。
5.各个方面涉及交通基础设施系统，该交通基础设施系统包括一个或多个设备，该一个或多个设备(例如，随时间)确定各个路边单元(或交通基础设施系统的其他组件)如何表现，并且例如考虑到各种类型的状况提供与由路边单元提供的信息有多稳健或可信有关的信息。各个方面涉及用于(例如，自主地)验证一个或多个路边单元的估计(例如，预测)的高级模型的实现方式。各个方面涉及反馈方案的实现方式，包括对与来自路边单元的估计(例如，预测)相关联的一个或多个交通工具的评估。
6.图1以示意图图示出根据各个方面的道路系统101、作为示例性道路使用者的多个交通工具120、以及交通基础设施系统150。应注意的是，所有类型的交通参与者(例如，摩托车、机器人、公共汽车、卡车、自行车、行人)都可以使用道路系统100，并且可以以与图示出的交通工具120类似的方式被理解为道路使用者。作为示例，道路系统101可以包括道路101r、交叉路口101c、和/或任何其他道路结构(未图示出)，例如桥梁、隧道、停车库。
7.根据各个方面，交通工具120中的每一者(或至少一者)可以包括设备(例如，机载单元)，该设备可以被配置成用于允许在交通工具120中的一者或多者与交通基础设施系统150的组件之间(例如，在一个或多个交通工具120与一个或多个路边单元110之间、在一个或多个交通工具120与监测系统130之间、和/或在一个或多个交通工具120与交通工具监测系统140之间)进行通信。监测系统130(也被称为监测实体，也被称为证实和信誉实体)可以是一个或多个集中式计算设备和/或一个或多个分散式计算设备的一部分或在一个或多个集中式计算设备和/或一个或多个分散式计算设备中来实现。监测系统130可以包括一个或多个集中式计算设备和/或一个或多个分散式计算设备。监测系统130可以是智能运输系统的实体，或者可以是与智能运输系统相关联的附加实体。作为示例，监测系统130可以被配置成用于从一个或多个路边单元110、从一个或多个交通工具120、和/或从交通工具监测系统140中接收数据。通过借助于螺栓标志来在图1中图示出允许在各个设备之间传输信息的数据传输。监测系统130可以包括用于各相应的数据传输的一个或多个通信接口和/或一个或多个应用编程接口(api)。监测系统130可以被配置成用于将数据发送到一个或多个路边单元110和/或发送到一个或多个交通工具120和/或将数据进行广播以允许由一个或多个路边单元110和/或一个或多个交通工具120对数据的接收。一个或多个路边单元110可以包括或可以耦合到用于相应的数据传输的一个或多个发射器和/或一个或多个接收器。一个或多个交通工具120(例如，交通工具1120中的每一者的一个或多个设备)可以包括或可以耦合到用于相应的数据传输的一个或多个发射器和/或一个或多个接收器。监测系统130可包括或可耦合到用于相应的数据传输的一个或多个发射器和/或一个或多个接收器。交通工具监测系统140可包括或可耦合到用于相应的数据传输的一个或多个发射器和/或一个或多个接收器。
8.一个或多个路边单元110可以耦合到或可以包括用于获得数据(例如，传感器数据)的一个或多个传感器。传感器数据可以表示与交通相关的信息。传感器数据可以是一个或多个交通相关的特性的基于模型的估计(例如，当前状态的估计或未来状态的估计，被称为预测)的输入。仅作为示例，交通相关的信息可包括环境信息，例如，与天气状况、温度、湿度、雾、降雨、降雪、阳光、白天、夜间、照明相关的信息。仅作为示例，与交通相关的信息可以包括交通工具信息，例如，与交通密度、事故、一个或多个交通工具的速度、一个或多个交通工具的类型、一个或多个交通工具的功能(例如，交通工具，例如，救护车，可以是有特权的)相关的信息。仅作为示例，与交通相关的信息可包括道路状况信息，例如，与存在结冰道路、潮湿道路、干燥道路、多个坑洼、道路的表面状况相关的信息。仅作为示例，与交通相关的信息可包括与道路工程、改道、一个或多个交通灯的状态、人行横道相关的信息。
9.与一个或多个路边单元110相关联的一个或多个传感器可以包括例如一个或多个相机。路边单元110可以从图像数据(例如，通过在图像数据上应用一个或多个图像分析算法)获得交通相关的信息。一个或多个相机可以被配置成用于提供图像数据。然而，仅作为示例，与一个或多个路边单元110相关联的一个或多个传感器可以包括其他类型的传感器，例如，一个或多个radar(无线电检测和测距)传感器、一个或多个温度传感器、一个或多个湿度传感器、一个或多个照明传感器、一个或多个声学传感器、一个或多个lidar(光检测和测距)传感器。
10.一个或多个路边单元110、路边单元110的一个或多个设备、路边单元110的一个或多个处理器、或路边单元110的一个或多个设备的一个或多个处理器可以被配置成用于生成估计数据。估计数据可以表示基于交通相关的信息对一个或多个交通相关的特性的估计。仅作为示例，一个或多个交通相关的特性的估计可以包括天气状况、温度、湿度、雾的存在、降雨的存在、降雪的存在、阳光的存在、时间、白天的存在、夜间的存在、照明。仅作为示例，对一个或多个交通相关的特性的估计可以包括交通密度、事故的存在、一个或多个交通工具的速度、一个或多个交通工具的类型、一个或多个交通工具的功能(例如，交通工具，例如救护车，可以是有特权的)。仅作为示例，对一个或多个交通相关的特性的估计可以包括道路状况信息，例如，结冰道路的存在、潮湿道路的存在、干燥道路的存在、多个坑洼、道路的表面状况。仅作为示例，对一个或多个交通相关特性的估计可以包括道路工程的存在、一条或多条道路的状态、改道的存在、一个或多个交通灯的状态、人行横道的存在、道路上行人的存在。
11.一个或多个路边单元110、路边单元110的一个或多个设备、路边单元110的一个或多个处理器、或路边单元110的一个或多个设备的一个或多个处理器可以被配置成用于使得将估计数据发送(例如，输出到发射器或传送)至路边单元110附近区域中的一个或多个交通工具120。路边单元110的附近区域可以包括例如基于传输的类型(例如，可以取决于信息的类型和所期望的估计来使用短距离传输(例如，在高达100m或以上的范围内)或长距离传输(例如，高达1km或超过1km))与相应的路边单元110相关联的一个或多个发射器的覆盖范围。
12.一个或多个路边单元110、路边单元110的一个或多个设备、路边单元110的一个或多个处理器、或路边单元110的一个或多个设备的一个或多个处理器可以被配置成用于获得监测数据。监测数据可以表示与创建一个或多个交通相关的特性的估计相关联的一个或
多个参数。该估计可以基于使用传感器数据作为数据输入的模型计算或基于模型的算法(例如，包括一个或多个神经元网络实现方式、或一个或多个ai实现方式)。监测数据可以包括以下一组数据类型中的一个或多个数据类型：表示交通相关的信息的传感器数据(例如，用于生成由估计数据表示的一个或多个估计的传感器数据)、表示用于生成一个或多个估计的模型的一个或多个特性(例如，模型标识，例如，模型类型，例如，模型参数)的模型数据、表示与路边单元110相关的环境信息的情境数据(例如，照明度、天气状况，等等)、表示与用于生成一个或多个估计的模型的执行(例如，用于生成一个或多个估计的一个或多个处理器的工作负载，例如，用于生成一个或多个估计的计算系统的系统状况，等等)相关联的一个或多个特性的执行数据。
13.一个或多个路边单元110、路边单元110的一个或多个设备、路边单元110的一个或多个处理器、或路边单元110的一个或多个设备的一个或多个处理器可以被配置成用于使得将估计数据和例如任选的监测数据发送到(例如，输出到发射器)与路边单元110相关联的监测系统(例如，监测系统130)以用于创建验证数据。验证数据可以表示与由路边单元110的一个或多个设备生成的估计相关联的估计质量。作为示例，路边单元110的一个或多个设备可以在一个或多个估计已经生成之后进一步生成一个或多个估计，并且另一个实体(例如交通工具)可以基于与一个或多个估计相关联的验证数据来验证进一步的一个或多个估计。
14.根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于获得估计数据和例如任选的、与路边单元(例如，路边单元110中的一者)相关联的监测数据。估计数据可以表示由路边单元110生成的、对一个或多个交通相关的特性的一个或多个估计，例如，如上所述。监测数据可表示与由路边单元110创建的一个或多个估计相关联的辅助信息，例如，如上所述。辅助信息可以包括交通相关的信息(例如，传感器信息)、模型信息(例如，模型标识信息、例如，模型类型信息、例如，模型参数信息)、表示环境信息的情境信息(例如，照明信息、天气状况信息，等等)、执行信息(例如，工作负载信息，例如，系统状况信息，等等)。
15.根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于获得估计参考数据。估计参考数据可以表示由估计数据表示的一个或多个估计的可靠性。估计参考数据可以表示与由估计数据所表示的一个或多个估计相关联的一个或多个参考估计。一般而言，各种类型的数据(或者说明性地，来自已经生成一个或多个估计的路边单元110以外的其他实例的反馈)可能适于执行基于此的一个或多个估计的验证。估计参考数据的类型可适配所进行的一个或多个估计的类型。
16.在一些方面，监测系统130可以例如基于对由路边单元110用于生成一个或多个估计的相同传感器数据的更高质量的处理来获得(例如，生成)估计参考数据。在这种情况下，相应的路边单元110可以将传感器数据(例如，作为监测数据的一部分)传送到监测系统130。
17.在其他方面，监测设备130可以基于一个或多个交通工具120可以传送到监测设备130的附加传感器数据来获得(例如，生成)估计参考数据。一个或多个交通工具120可以(例如，通过相应的交通工具120的一个或多个传感器)获得例如表示附加交通相关的信息的附加传感器数据。监测系统130或监测系统130的一个或多个处理器可以被配置成用于基于附
加传感器数据来生成附加估计数据。附加估计数据表示对一个或多个交通相关的特性的一个或多个附加估计。监测系统130可以基于附加传感器数据来生成该一个或多个附加估计或附加估计数据。路边单元110可以使用该一个或多个附加估计或附加估计数据作为估计参考数据，以基于传感器数据来验证估计。
18.在另外的其他方面，监测设备130可以从一个或多个交通工具120获得(例如，接收)估计参考数据。一个或多个交通工具120可以生成例如表示相应的一个或多个交通相关的特性的一个或多个附加估计的附加估计数据。相应的交通工具120(例如，交通工具120的机载单元)可以例如基于(例如，由相应的交通工具120的一个或多个传感器获得的)附加传感器数据来生成一个或多个附加估计。相应的一个或多个交通工具120可以将由附加估计数据表示的一个或多个附加估计发送到监测系统130。监测系统130可以使用附加估计数据作为估计参考数据来验证由路边单元110生成的估计。
19.根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于基于估计数据(例如，任选的监测数据)和估计参考数据来验证一个或多个估计。根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于生成路边单元验证数据。路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
20.根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于从一个或多个传感器(例如，从与一个或多个交通工具120相关联的或一个或多个交通工具中包括的一个或多个传感器)获得(例如，接收)路边单元验证数据。在一些方面，监测系统130或监测系统130的一个或多个处理器可以直接通信地耦合到传感器，以在一个或多个估计中考虑传感器数据。
21.根据各个方面，监测系统130或监测系统130的一个或多个处理器可以被配置成用于从一个或多个交通工具120获得(例如，接收)路边单元验证数据。在一些方面，一个或多个交通工具120可以生成例如表示相应的一个或多个交通相关的特性的一个或多个附加估计的附加估计数据。相应的交通工具120(例如，交通工具120的机载单元)可以基于(例如，由相应的交通工具120的一个或多个传感器获得的)附加传感器数据来生成一个或多个附加估计。一个或多个交通工具120或相应的一个或多个交通工具120的一个或多个设备可以被配置成用于从路边单元110获得(例如，接收)估计数据和例如任选的监测数据。由附加估计数据表示的一个或多个附加估计可以用作估计参考数据，并且一个或多个交通工具120或相应的一个或多个交通工具120的一个或多个设备可以被配置成用于基于估计数据、任选的监测数据、和估计参考数据来对由路边单元110生成的一个或多个估计进行验证，并且用于生成路边单元验证数据。路边单元验证数据可以表示对一个或多个估计的验证的一个或多个结果。相应的一个或多个交通工具可以将路边单元验证数据传送到监测系统130。
22.根据各个方面，作为示例，单个实体或多个实体(例如，一个或多个交通工具120的一个或多个设备(例如，监测系统130)，例如，一个或多个路边单元110的一个或多个设备)可以执行监测系统130的一个或多个或全部功能。
23.在一些方面，作为示例，监测系统130可以接收来自交通工具120的数据，例如，估计参考数据或验证数据(例如，与关于特定路边单元如何提供输入的反馈有关的数据)。在一些方面，监测系统130可以被配置成用于在从交通工具120提供的数据不正确或至少具有低可靠性的情况下忽略此类数据。根据各个方面，监测系统(例如，监测系统130或与一个或
多个交通工具120相关联的交通工具监测系统140)或监测系统的一个或多个处理器可以被配置成用于：获得交通工具可靠性数据，该交通工具可靠性数据表示由交通工具的一个或多个设备生成的数据的可靠性，基于交通工具可靠性数据来验证由交通工具的一个或多个设备生成的数据，生成交通工具验证数据，该交通工具验证数据表示对由交通工具的一个或多个设备生成的数据的验证的一个或多个结果。由交通工具120的一个或多个设备生成的数据可以包括估计参考数据，该估计参考数据可以表示由路边单元生成的估计的可靠性和/或与由路边单元生成的估计相关联的一个或多个参考估计。
24.在一些方面，交通基础设施系统(例如，监测系统130，或交通工具监测系统140)的一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于：获得交通工具信任数据，该交通工具信任数据表示与由交通工具生成的估计相关联的估计质量，并且使得例如根据请求来将交通工具信任数据发送至监测系统(例如，监测系统130)。
25.根据各个方面，交通工具(例如，交通工具120)或交通工具的(例如，交通工具120的)一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计；获得验证数据或信任数据，该验证数据或信任数据表示与由路边单元生成的估计相关联的估计质量；并且基于验证数据或信任数据来选择性地使用或忽略由估计数据表示的估计。
26.根据各个方面，交通工具(例如，交通工具120)或交通工具的(例如，交通工具120的)一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据，该估计数据表示由路边单元(例如，路边单元110)生成的、对一个或多个交通相关的特性的估计；获得验证数据或信任数据，该验证数据或信任数据表示与由路边单元生成的估计相关联的估计质量；并且基于估计数据和验证数据或信任数据两者而允许、修改、或拒绝一个或多个交通工具相关的动作。
27.根据各个方面，交通工具(例如，交通工具120)或交通工具(例如，交通工具120的)的一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据和监测数据，该估计数据表示由路边单元(例如，路边单元110)生成的、对一个或多个交通相关的特性的估计，并且监测数据表示与该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得(接收、生成、加载等)参考数据(例如，通过使用交通工具的传感器测量和/或确定)，该参考数据表示由估计数据表示的估计的可靠性和/或与由估计数据表示的估计相关联的参考估计；基于估计数据、监测数据和参考数据来对估计进行验证；并且使得将验证数据发送到监测系统，该验证数据表示关于对估计的验证的一个或多个结果。
28.根据各个方面，交通基础设施系统(例如，交通基础设施系统150)可以包括一个或多个监测系统(例如，监测系统130)、一个或多个路边单元(例如，路边单元110)、一个或多个交通工具(或一个或多个交通工具(例如，一个或多个交通工具120)的至少一个机载单元)、以及一个或多个交通工具监测系统(例如，交通工具监测系统140)。
29.根据各个方面，交通基础设施系统(例如，交通基础设施系统150)可以包括：路边单元(例如，路边单元110)，该路边单元连接到或包括一个或多个(例如，一个或多个第一)传感器，路边单元可以在第一操作模式下被配置成用于基于从一个或多个传感器提供给路边单元的第一传感器数据生成一个或多个交通相关的特性的第一估计，路边单元可以在第
二操作模式下被配置成用于获得第二传感器数据并基于第二传感器数据来生成一个或多个交通相关的特性的第二估计，并且将第一估计与第二估计彼此进行比较，并基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
30.交通基础设施系统(例如，交通基础设施系统150)可以进一步包括附加路边单元(例如，另一个路边单元110)，该附加路边单元可以连接到或包括一个或多个附加(例如，一个或多个第二)传感器，并且可以被配置成用于基于从一个或多个附加(例如，一个或多个第二)传感器提供给附加路边单元的第二传感器数据来生成一个或多个交通相关的特性的估计，其中附加路边单元被配置成用于将第二传感器数据传输到路边单元。
31.交通基础设施系统(例如，交通基础设施系统150)可以进一步包括：路边单元(例如，路边单元110)，路边单元可以被配置成用于将第一传感器数据作为参考数据存储在一个或多个存储器中并且用于从一个或多个存储器加载参考数据，从一个或多个存储器加载的参考数据可用作第二传感器数据。
32.作为示例，交通基础设施系统(例如，交通基础设施系统150)可以进一步包括：路边单元(例如，路边单元110)，路边单元可以被配置成用于基于与交通基础设施系统(例如，根据监测系统(例如，监测系统130)、根据云计算系统、根据云存储系统)的设备的通信来获得第二传感器数据。
33.根据各个方面，路边单元(例如，路边单元110的)的一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于获得第一传感器数据，基于第一传感器数据生成一个或多个交通相关的特性的第一估计，获得第二传感器数据，基于第二传感器数据生成一个或多个交通相关的特性的第二估计，并且将第一估计与第二估计彼此进行比较，并且基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
34.根据各个方面，交通基础设施系统(例如，交通基础设施系统150，例如，监测系统130)的一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于：获得信任数据，该信任数据表示与由路边单元生成的估计相关联的估计质量，使得例如根据来自交通工具(例如，交通工具120中的一者)的请求将信任数据发送到该交通工具。
35.与路边单元(例如，路边单元110)、交通工具(例如，一个或多个交通工具120中的交通工具)、监测系统(例如，监测系统130，例如，路边单元监测系统、交通工具监测系统140、和/或交通基础设施系统150，或其一个或多个处理器)相关的各个方面在下文中进行了描述。
36.图2a以示意图示出根据各个方面的交通基础设施系统(例如，监测系统130)的一个或多个设备及其各种功能。监测系统130可以包括一个或多个处理器230，该一个或多个处理器230被配置成用于获得信任数据230t。信任数据230t可以表示与由路边单元110生成的估计230e相关联的估计质量。该一个或多个处理器230可以进一步被配置成用于使得将信任数据230t发送202s到交通工具120。
37.在一些方面，交通工具120可以从包括一个或多个处理器230的监测系统130中检取信任数据230t。这可以允许对由估计数据230e表示的估计的质量进行评定。在信任数据230t表示路边单元110是不可信的情况下，与交通工具相关联的一个或多个处理器可以被配置成用于忽略、较少信任、或再次检查来自路边单元110的估计230e。
38.图2b以示意图示出根据各个方面的交通基础设施系统(例如，监测系统130)的一
个或多个设备及其各种功能。监测系统130可以包括一个或多个处理器230，该一个或多个处理器230被配置成用于获得估计数据230e，以及例如任选的与路边单元110相关联的监测数据230m。估计数据230e可以表示由路边单元110生成的对一个或多个交通相关的特性的一个或多个估计，并且监测数据230m可以表示与路边单元110对一个或多个估计的创建相关联的辅助信息。一个或多个处理器230可以被进一步被配置成用于获得估计参考数据230r。估计参考数据230r可以表示与由路边单元110生成的并且由估计数据表示的一个或多个估计相关联的一个或多个参考估计。一个或多个处理器230可以进一步被配置成用于基于估计参考数据230r并且例如任选地基于监测数据230m来对由估计数据230e表示的一个或多个估计进行验证200v，并生成路边单元验证数据230v。路边单元验证数据230v可以表示对一个或多个估计的验证的一个或多个结果。在一些方面，验证数据230v可以用作信任数据230t，该验证数据230v可由一个或多个交通工具120从监测系统130中检取，如例如参考图1和图2a所解释。在其他方面，验证数据230v可用于基于其生成信任数据230t，其中监测系统130可例如根据请求将(例如，由监测系统130的一个或多个处理器生成的)信任数据230t发送到一个或多个交通工具120，如例如参考图1和图2a所解释。
39.在一些方面，监测系统130的一个或多个处理器230例如基于从路边单元110或从与路边单元110相关联的一个或多个传感器接收到的传感器数据(原始数据)生成估计参考数据230r。在其他方面，交通工具120的一个或多个处理器例如基于从交通工具120或从与交通工具120相关联的一个或多个传感器获得的附加传感器数据生成估计参考数据230r。在另外的其他方面，监测系统130的一个或多个处理器230例如基于从交通工具120或从与交通工具120相关联的一个或多个传感器接收到的附加传感器数据(原始数据)生成估计参考数据230r。
40.如图2a和图2b中所图示，交通工具120或交通工具120的一个或多个设备可以包括一个或多个处理器，该一个或多个处理器被配置成用于获得估计数据230e并获得验证数据230v和/或信任数据230t。进一步地，与交通工具120相关联的一个或多个处理器可以被配置成用于基于验证数据230v和/或信任数据230t选择性地使用或忽视由估计数据230e表示的估计。作为示例，与交通工具120相关联的一个或多个处理器可以被配置成用于基于估计数据和验证数据两者从而允许、修改、或拒绝一个或多个交通工具相关的动作。
41.图2c以示意图示出根据各个方面的路边单元110的一个或多个设备及其各种功能。该一个或多个设备可以包括一个或多个处理器210，该一个或多个处理器被配置成用于生成估计数据230。该估计数据可以表示基于交通相关信息对一个或多个交通相关的特性的估计。一个或多个处理器210可以进一步被配置成用于使得将估计数据230e发送212s(例如，输出到发射器)到路边单元110附近区域中的一个或多个交通工具120。一个或多个处理器210可以进一步被配置成用于获得监测数据230m。监测数据230m可以表示与对一个或多个交通相关的特性的估计的创建相关联的一个或多个参数(例如，模型id，例如，模型类型，例如，情境信息)。一个或多个处理器210可以进一步被配置成用于使得将估计数据230e和监测数据230m发送203s(例如，输出到发射器)到与路边单元110相关联的监测系统130，以用于创建验证数据。
42.如图2c所图示，路边单元110可以将相应的数据(估计数据230e和/或监测数据230m)提供给监测系统130，并且该数据可用于生成验证信息，参见图2b。
43.图2d以示意图示出根据各个方面的交通工具110的一个或多个设备及其各种功能。交通工具110的一个或多个处理器210可以被配置成用于例如基于从与交通工具120相关联的一个或多个传感器获得的附加传感器数据220s来生成估计参考数据230r。交通工具110的一个或多个处理器210可以被配置成用于使得将估计参考数据230r发送213s到监测系统130。在其他方面，交通工具110的一个或多个处理器210可以被配置成用于使得将从与交通工具120相关联的一个或多个传感器获得的附加传感器数据220s发送到监测系统130，并且监测系统130实现估计参考数据230r的生成。
44.在其他方面，交通工具110的一个或多个处理器210可以被配置成用于除了附加传感器数据220s之外还接收(例如，来自路边单元110或监测系统130的)估计数据230e。与交通工具120相关联的一个或多个处理器220可以基于由路边单元110生成的估计数据230e所表示的一个或多个估计以及(例如，由交通工具的一个或多个传感器获得的)一个或多个附加传感器数据两者来生成估计参考数据。
45.图3a以示意图示出根据各个方面的交通基础设施系统(例如，监测系统130)的一个或多个设备及其各种功能。监测系统130可包括一个或多个处理器330，该一个或多个处理器330被配置成用于将附加信任数据330v或验证数据330v分配给一个或多个附加路边单元310。该一个或多个附加路边单元310与路边单元110可以是相同的类型。附加的验证数据330v可以表示与参考路边单元110获得的验证数据相同的一个或多个结果。验证数据230v和/或信任数据230t表示与由路边单元110生成的估计相关联的估计质量，并且附加验证数据330v或信任数据330v表示相同的估计质量，但与由一个或多个附加路边单元310生成的估计相关联。这允许对与来自路边单元310的估计相关联的质量进行评定，这些估计未基于相同类型的路边单元可能在类似状况下递送类似的估计质量的假设进行更详细的调查。
46.图3b以示意图示出根据各个方面的交通基础设施系统(例如，监测系统130或交通工具监测系统140)的一个或多个设备及其各种功能。监测系统130、140可以包括一个或多个处理器330，该一个或多个处理器230被配置成用于获得交通工具可靠性数据340r。交通工具可靠性数据340r可以表示由交通工具120(参见图2d)的一个或多个设备生成的数据330r(例如，估计参考数据230r，例如，附加传感器数据220s)的可靠性。一个或多个处理器330可以进一步被配置成用于基于交通工具可靠性数据340r来对由交通工具的一个或多个设备生成的(例如，由交通工具的一个或多个设备生成的)数据330r进行验证300v，并生成交通工具验证数据340v。交通工具验证数据340v可以表示对由交通工具120的一个或多个设备生成的数据330r的验证300v的一个或多个结果。
47.在一些方面，在交通工具验证数据340v表示交通工具120和/或其提供的数据330r是不可信的情况下，监测系统130、140的一个或多个处理器被配置成用于忽略、不太信任、或再次检查从交通工具120接收到的数据330r。
48.根据各个方面，监测系统130、140的一个或多个处理器230、330可以被配置成用于将附加的交通工具验证数据分配给一个或多个附加交通工具120。该一个或多个附加交通工具可以包括例如与交通工具120相同类型的硬件(例如，相同的机载单元，例如，相同的传感器，等等)。该一个或多个附加交通工具可以具有例如与交通工具120相同的品牌(例如，由同一汽车制造商制造)。这允许对与来自一个或多个交通工具120的估计相关联的质量进行评定，这些估计未基于相同类型的交通工具、硬件、和/或传感器可能在类似状况下呈现
类似的估计质量的假设进行更详细的调查。
49.与路边单元(例如，路边单元110和/或路边单元110的一个或多个处理器210)、交通工具(例如，一个或多个交通工具120中的交通工具或交通工具的一个或多个处理器220)、监测系统(例如，监测系统130、140，例如，路边单元监测系统、交通工具监测系统140、交通基础设施系统15、或其一个或多个处理器230、330)相关的各个方面将在下文中进行描述。
50.v2x/v2v通信部署中的挑战之一可能是跨基础设施移动的实体可对路边单元或其他信息提供方提供的信息的有多少信任的各方面。作为示例，路边单元可以通知实体在100m的距离内道路会结冰。路边单元可以基于估计(例如，预测)获得该信息。该估计可以是基于模型的，包括作为输入的传感器数据。这可能不是路边单元以恶意的方式(例如，它已被破坏)进行动作的情况。相反，情况可能是取决于其他因素(例如，一天中的时间、环境、基础设施的有多么拥挤等)，路边单元可能生成更好或更差的估计/预测。
51.另一方面，路边单元可运行不同的模型，并且可以具有不同的静态(例如，平台的类型、cpu、ai加速器等)和动态(例如，负载、温度等)特性。在这种观点下，可能需要具有一种用于确定一个或多个路边单元在大规模部署(例如，具有多于一千的rsu)中如何表现以及它们有多可信的解决方案。上文描述了确定和处置验证数据和信任数据的一些方面，其中此类验证数据和信任数据可以表示由一个或多个路边单元生成的数据(例如，表示估计/预测)有多可信。另外，(由监测数据表示的)一个或多个附加状况可被视为提供依赖于状况的验证数据和表示由一个或多个路边单元在特定状况下生成的数据(例如，表示估计/预测)有多可信的信任数据。作为示例，特定的路边单元110可以具有针对第一状况(例如，在白天，例如，在阳光的情况下、在低处理器负载的情况下、在低交通密度的情况下)分配给它的第一验证数据和/或第一信任数据，以及针对第二状况(例如，在夜间，例如，在雨或雾的情况下、在高处理器负载的情况下、在高交通密度的情况下)分配给它的第二验证数据和/或第二信任数据，其中由路边单元110作出的估计的质量对于相应的状况中的每一种状况可能是不同的；并且这可以在相应的验证数据和/或信任数据中表示。
52.如图4a所示，交通工具120可以从沿行程400r的不同路边单元110-1、110-2、110-3接收关于交通工具120正在其上驾驶的道路的状态的估计/预测。道路的状态可以包括表示道路可能是湿滑还是可能不是湿滑的信息。取决于状况，被部署在这些位置的模型可能表现得更好。例如，被部署在三个不同的路边单元110-1、110-2、110-3上的同一模型由于与例如具有与其相关联的第二环境状况410-2的第二路边单元110-2和/或具有与其相关联的第三环境状况410-3的第三路边单元110-3相比，对应的第一环境状况410-1(例如，更多的光，例如，更少的湿度，等等)而在第一路边单元110-1上可能更准确。因此，那些模型(以及因此那些路边单元)的可信度(例如，估计的质量、信誉等等)可能取决于相应的环境状况。在一些方面，对一个或多个设备和/或一种或多种方法进行了描述，允许交通工具根据一个或多个附加(例如，外部)状况来证实和验证模型的信誉。
53.一个或多个方面可以包括一种其中(以向外扩展和/或集中方式的)基础设施(例如交通基础设施系统150)可以随时间学习和定义各个路边单元110如何表现，并提供与它们在各种类型的状况下有多稳健或可信的有关的(例如，由验证数据和/或信任数据表示的)信息的机制。路边单元110中的每一个路边单元可负责随机地将提供给交通工具120的
估计/预测和/或信息中的每一者的样本发送到基础设施的监测实体(例如，监测系统130、140)。路边单元110可以执行采样，以便覆盖不同的模型、动作、和状况(环境、光等)。基础设施(例如，监测系统)可以使用模式高级的模型，以便创建随时间建立信誉的部分的基础事实。
54.作为示例，图4b示出取决于其复杂度具有较低或较高级别的准确性的不同的模型410m。模型1可以具有86.66％的准确性、模型2可以具有91.61％的准确性、模型3可以具有92.74％的准确性、以及模型4可以具有93.43％的准确性。在一些方面，具有更高的准确性(例如，具有高于90％(例如，高于92％或高于93％)的准确性)的模型(例如，模型4)可用于创建基础事实。基础事实可以是由估计验证数据230v、330v表示的方面以(例如，基于比较)确定由一个或多个路边单元110做出的估计的质量。图4b所图示出的图400b示出以每秒帧数为单位的吞吐量(例如，以用于处理图像传感器的图像)相对于各种模型的以毫秒为单位的等待时间。与效率有关的信息(以每秒帧数/瓦为单位)由符号的尺寸表示。
55.在一些方面，接收或使用来自路边单元110的信息的一个或多个交通工具120可以在预测或事件可以被验证之后向基础设施(例如，向监测系统130)提供反馈；例如，对潮湿道路的预测。基础设施(例如，包括监测系统130、140)可以使用证实方案来对同时提供反馈的交通工具120的信誉或可信度进行验证。例如，在给定的交通工具为合并的路边单元提供不良反馈的情况下。交通工具120的(例如，由交通工具可靠性数据340r或交通工具验证数据340v表示的)信誉可以在某个时间期间演变。
56.根据各个方面，本文所述的设备(例如，监测系统130)可以使用附加方案(诸如区块链方案)以使其更强大，以保持对基础设施的演变的认证跟踪。
57.在一些方面，v2x基础设施可以利用能够至少基于两个方面随时间学习由路边单元执行的不同模型随时间表现得有多好或多坏(它们预测有多好)的一个或多个实体来扩展。
58.第一方面可以包括使用高级模型来(例如，自主地)对路边单元中的每一者如何随时间预测进行验证。为了这样做，在边缘上运行的一个或多个(例如，每个)模型(其通常可能倾向于更简单，以在较低的成本和功率包络下实现更好的性能)可以在基础设施上具有对应的模型，该模型具有更高的准确性(例如，由于其使用的分辨率或由于被使用的神经网络架构)。
59.第二方面可以包括使用来自交通工具的反馈(例如，验证)，这些反馈来自接收到的来自路边单元的预测。例如，交通工具可以从第一路边单元接收告诉该道路在100米距离内可能是结冰的估计/预测。交通工具可以仅在100米之后对该估计/预测进行验证，并向基础设施提供反馈。该反馈可以至少部分地由交通工具110(参见图2d)的一个或多个设备生成的数据330r(例如，估计参考数据230r，例如，附加传感器数据220s)表示。
60.根据一些方面，基础设施(例如，通过监测系统130)可以利用路边单元中的每一者的情境信息(诸如环境)既跨越上述第一方面又跨越上述第二方面。目标可能是标识这些情境要素对路边单元的准确性和工作有多大影响。例如，光的强度可以用来确定某些状况：明亮的夏日：100,000勒克斯(lux)(约10,000英尺烛光)；全日照：10,000lux(约1,000英尺烛光)；阴天：1,000lux(约100英尺烛光)；传统办公室照明：300-500lux(30-50英尺烛光)；普通楼梯：50-100lux(5-10英尺烛光)；黄昏：10lux(1英尺烛光)；满月：《1lux(《0.1英尺烛
光)。作为解释，光源(如白炽灯泡)例如可以在所有方向上发光，该光源的总测量值被显示为光通量。现在，流明是光的单位，但当把它放在给定的表面区域上的情境中时，它们尤其成为更有用的度量，这使我们转向照度(英尺烛光/勒克斯)。
61.图5a和图5b示出交通基础设施系统150的各方面，包括路边单元110(示例性地针对多个路边单元110中的一个路边单元)、交通工具120(示例性地针对一个或多个交通工具120中的一个交通工具)、以及一个或多个监测系统130、140。以下方面可以作为交通基础设施系统150的一部分被包括。
62.基础设施的监测部分(例如，监测系统130)。监测系统130可以是驻留在网络的回程上的实体，其中所有各个路边单元110和网络的要素可以连接，并且被管理(例如，由基础设施所有者管理)。监测系统130可以包括暴露于一个或多个交通工具120和/或一个或多个路边单元110的一个或多个接口，例如，第一接口1a、第二接口1b和第三接口1c。
63.第一接口1a可以被配置成用于允许路边单元110提供对路边单元110向一个或多个交通工具120提供的推断(例如，估计，例如，预测)或预测中的至少一些的采样。第一接口1a可以包括以下各项中的至少一项，参见图5a和5b中的[0]：用于执行推断的模型(或路边单元110)的模型id；标识执行什么类型的模型和执行什么类型的推断的模型类型(例如，模型类型可以指示对道路是干的、湿的还是结冰的预测)；用于执行推断的有效载荷(例如，来自传感器510的原始数据)(例如，一个或多个图像、激光雷达数据、其他传感器)。在一些方面，有效载荷(例如，传感器数据)可具有最高的可能的分辨率，而不考虑路边单元110上的本地预计可能由于路边单元110的有限的计算能力而使用较小的分辨率。该模型实现的推断结果；和/或情境信息(诸如环境信息)；与模型如何被执行有关的信息，以及可能影响推断的结果的信息，例如，所利用的负载和资源、模型分辨率(例如，浮点型32相对于整型8，等等)。
[0064]
第二接口1b可以被配置成用于允许交通工具120向基础设施(例如，向监测系统130)提供关于来自路边单元110的特定信息或预计是否正确的反馈。第二接口1b可以包括以下各项中的至少一项，参见图5a和5b中的[15]：用于执行推断的模型(或路边单元110)的模型id；标识执行什么类型的模型和执行什么类型的推断的模型类型(例如，模型类型可以指示对道路是干的、湿的还是结冰的预测)。由路边单元110提供的预计或估计/预测，一旦预计或预测被验证时(例如，交通工具120进入应当是湿的区域，但实际上并不是湿的)交通工具120的观察，和/或情境信息(诸如环境等)。
[0065]
第三接口1c可被配置成用于允许交通工具120针对特定模型预测访问特定路边单元110的信誉。第三接口1c可以包括以下各项中的至少一项，参见图5a和5b中的[20]：用于执行推断的模型(或路边单元110)的模型id；标识执行什么类型的模型和执行什么类型的推断的模型类型(例如，模型类型可以指示对道路是干的、湿的还是结冰的预测)。
[0066]
第三接口1c可以利用由遥测(其可能是另一接口)提供的最后已知情境信息和利用信誉逻辑来聚集预期的准确性并将其返回给交通工具。
[0067]
交通基础设施系统150可以包括监测系统130、140(例如，交通工具证实逻辑2)，该监测系统被配置成用于创建汽车交通工具信誉(例如，交通工具验证数据340v)。当信息(例如，数据330r)由交通工具120提供时，该交通工具可以通过交通工具信誉的(例如，外部)证实实体2来进行证实。交通工具的信誉可基于向基础设施提供反馈的多个交通工具而随时间建立。
[0068]
作为示例：首先，在下午1:01，在100英里处的交通工具1提供道路是湿的，并且在特定的路边单元110处的模型指示它将具有90％的概率是干的的反馈。其次，在下午1:02，在100英里处的交通工具2、交通工具3提供道路是干的，并且特定的路边单元110指示它将具有90％的概率是干的的反馈。在该示例中，基础设施可以推断出交通工具1很可能是不可信的(例如，传感器可能是坏的、其可能是老旧的交通工具、其可能是恶意的，等等)。但是，根据一些方面，要将交通工具视为是不可信的，它可能必须数次提供不良的反馈。例如，在前面的示例中，在下午1:01，在100英里处，道路上仅有一条车道(交通工具1所使用的那条车道)是湿的，而交通工具2、交通工具3和交通工具4使用不同的车道。基础设施(例如，监测系统130)可以在所提供的信息与所有其他交通工具对某种情况的反馈相差太远的情况下减少交通工具的信誉。
[0069]
根据各个方面，基础设施实体1(例如，监测系统130)可以包括验证模型实体3(例如，一个或多个处理器，该一个或多个处理器被配置成用于提供估计参考数据230r以验证由来自路边单元110的估计数据230e表示的估计)，该验证模型实体3负责对由不同路边单元提供的样本进行实际地验证并确定预测中的每一个预测是否准确并且基于当前状况(例如，基于监测数据230m)来建立该路边单元随着时间的(例如，由验证数据230v、330v或信任数据230t、330v表示的)信誉。在一些方面，验证模型实体3可以将每个模型类型(例如，湿滑的道路模型)映射到基础事实模型(例如，参考或边缘模型)。当验证模型实体3基于第一接口1a接收到新的推断时，验证模型实体3可以选择正确的参考模型来推断路边单元的预测是否已经是正确的以及其有多正确(例如，如果路边单元110提供具有70％的湿的道路的概率而复杂模型预测10％)。
[0070]
验证模型实体3可以使用所预测的信息(例如，包括复杂模型验证)来计算推断的相对误差。然后，逻辑可以被存储到该实体的日志中：所估计的预测误差(例如，以％为单位)、由路边单元110提供的情境信息、和/或路边单元和模型类型或模型id。
[0071]
例如，可以训练各种模型以标识类似的特征，参见例如图4b。图4b中图示出的示例性模型可以基于mobilenetv2作为其主干。模型1至模型3可以使用2个ssd(单帧检测器)头作为检测器。更高的准确性可以通过增加输入尺寸来实现：模型1、模型2和模型3的输入尺寸分别为3x256x256、3x384x384和3x448x448。模型4可以通过使用fcos(全连接一次拍摄)头(更复杂但更精确的检测器)实现更高的准确性。模型4可具有3x 416x 416的输入尺寸。
[0072]
注意到，各种模型可以允许基于输入数据(例如，基于图像数据)生成估计(例如，预测)。示例可以包括基于以下拓扑中的一个或多个拓扑的一个或多个模型：resnet-18、resnet-50、resnet-152、ste-resnet-152、mobilenet-v1、mobilenet-v3和/或其更高版本。
[0073]
根据各个方面，基础设施实体1(例如，监测系统130)可以包括信誉和证实建模器
组件4(例如，一个或多个处理器230、330)，该组件被配置成用于随时间为各个路边单元110和交通工具120创建路边单元信誉模型。该证实可以创建根据附加状况推断路边单位和/或不同模型有多可信的模型。该模型(例如，基于循环神经网络(rnn)、深度神经网络dnn、或任何其他学习或数据挖掘模型)可以使用由验证模型实体3和/或第二接口1b提供的信息，以便建立信誉。
[0074]
信誉和证实建模器组件4的模型可以具有以下输入：当前路边单位情境信息、待推断的模型类型，等等。信誉和证实建模器组件4的模型可以生成以下输出：预计预测有多准确。
[0075]
另外，在一些方面，当一个或多个模型的准确性存在明显差异时，可以考虑路边单元110的类型(例如，硬件规格)来设置、增加、或减少一组类似设备(例如，具有相同硬件、相同模型的路边单元110等)的信誉。作为示例，一些路边单元110可能使用较旧的硬件，而新一代的硬件可以包括新的指令，并且工作得更好，所以信誉系统不是逐个地检查和改变路边单元的信誉，而是可以改变作为群组的信誉，以使系统更高效和/或可扩展。这可能有助于一些硬件即将被替换但更新过程需要时间(例如，改变许多旧的rsu需要几个月)的情况。当没有其他路边单元提供数据时，来自这些旧的路边单元的信息可能是有用的，所以数据可以被汽车获取并利用该数据来谨慎地驾驶。
[0076]
附加地，在一些方面，边缘路边单元可以使用信誉机制来执行自我修复方案。例如，在第一路边单元和第二路边单元注意到第三路边单元的信誉随时间降级的情况下，第一路边单元和第二路边单元可以被配置成用于帮助诊断该问题。问题可以被分组为以下问题：数据改变足以使模型需要重新训练或至少重新调整；输入数据存在问题，例如，相机图像质量降低，例如，由于下雨引起泥浆太多，或者新安装的路灯造成眩光；硬件不再是足够的(例如，可能发生存储器错误)；和/或rsu/模型已被篡改或被攻击。
[0077]
作为自主实体，第一路边单元和/或第二路边单元可以被配置成用于实现以下过程以帮助诊断该问题：模型测试：在非高峰期间，第一路边单元和/或第二路边单元可将新的流发送到第三路边单元进行处理。第一路边单元和/或第二路边单元可以同时处理该相同的流，并测量他们的模型和被部署在第三路边单元上的模型之间的准确性差异。在一些方面，第一路边单元和/或第二路边单元可以发送一些所需的校准，以适应他们的情境相对于第三路边单元的情境。输入测试：第一路边单元和/或第二路边单元可以请求在第三路边单元的输入上运行他们的模型，并计算出与他们自己的输入相比的平均准确性。如果偏差超过阈值，那么也许相机(或其他输入传感器)可能有问题。硬件或篡改测试：第一路边单元和/或第二路边单元可以保留来自第三路边单元的少数存档的样本，并回放这些样本。如果第三路边单元的输出随时间改变，那么诊断可以指示物理设备有问题。在第一路边单元和/或第二路边单元具有资源来保持第三路边单元上的模型的情况下，它们可能潜在地将其发送到第三路边单元以用于重新部署。
[0078]
根据各个方面，此类诊断可以帮助信誉系统添加关于他们是否应该增加或减少模型、输入、或物理设备的信誉的情境。
[0079]
在其他方面，基础设施(例如，监测系统130)可以根据其预期的输出对交通工具进行分组。例如，制造商可能倾向于生产多个不同的品牌。在这种情况下，他们可能重新使用不同的智能模块，包括模型。路边单元可被配置成用于帮助创建对此类交通工具组及其准确性和可信度级别的经聚合的预期。因此，仅仅通过知道交通工具的制造商，交通基础设施系统(例如，监测系统130或路边单元110)可以具有预期的结果，并向其分配平均信任得分。
[0080]
根据各个方面，交通基础设施系统的设备可以被配置成用于获得基础设施参与者推断数据(例如，路边单元推断数据)，基础设施参与者的推断数据可以表示由基础设施参与者(例如，由机载单元(obu)、路边单元(rsu)，等等)生成的推断；获得推断参考数据，该推断参考数据可以表示与由基础设施参与者生成的推断相关联的受信任的推断；基于基础设施参与者推断数据和推断参考数据两者来获得基础设施参与者信誉数据，该基础设施参与者信誉数据可以表示与由基础设施参与者生成的推断相关联的置信度。进一步地，交通基础设施系统的设备可以被配置成用于存储基础设施参与者信誉数据，以允许随后基于基础设施参与者信誉数据确定由基础设施参与者生成的一个或多个进一步推断是受信任的还是不受信任的。
[0081]
基础设施参与者推断数据可以具有与其相关联的监测数据，该监测数据可以表示与由基础设施参与者生成的推断相关联的一个或多个参数(例如，表示环境状况、硬件状况等)。
[0082]
根据各个方面，交通基础设施系统的设备可以被配置成用于确定在哪些状况下路边单元可以提供可信任的信息。该确定可以包括路边单元信息与其他例如建模信息和/或与证实信息的比较。一个或多个交通工具可以提供证实信息(例如，事后)。
[0083]
根据各个方面，交通基础设施系统的设备可以被配置成用于确定哪一组参与者(例如，路边单元组、交通工具组等)提供可信任的信息。
[0084]
图6示出根据各个方面的用于监测路边单元的方法600的流程图。方法600可包括：在610中，获得与路边单元相关联的估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计；在620中，获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；以及，在630中，在基于估计参考数据来对估计数据表示的一个或多个估计进行验证的基础上生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0085]
图7示出根据各个方面的用于操作路边单元的方法700的流程图。方法700可包括：在710中，生成估计数据，该估计数据表示基于交通相关的信息对一个或多个交通相关的特性的估计；在720中，使得将该估计数据发送到路边单元附近区域中的一个或多个交通工具；在730中，获得监测数据，该监测数据表示与对一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；以及在740中，使得将估计数据和监测数据发送到与路边单元相关联的监测系统，以用于创建验证数据，该验证数据表示与由路边单元的一个或多个设备生成的估计相关联的估计质量。
[0086]
图8示出了根据各方面的用于操作交通工具的设备的方法800的流程图。方法800可包括：在810中，获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相
关的特性的估计；在820中，获得验证数据，该验证数据表示与由路边单元生成的估计相关联的估计质量；以及在830中，基于验证数据选择性地使用、修改或忽略由估计数据表示的估计。
[0087]
在一些方面，本文中参考数据(例如,估计数据、监测数据、路边单元验证数据、和交通工具验证数据，等等)的生成来使用术语“生成”。术语生成可以包括或可以被理解为以下术语中的一个或多个术语：创建、确定、计算，例如，基于一个或多个模型来确定和/或计算，例如，基于一个或多个神经网络来确定和/或计算，例如，基于人工智能(ai)实现方式来确定和/或计算，等等。
[0088]
在一些方面，本文中参考获得数据(例如,估计数据、监测数据、传感器数据、验证数据、路边单元验证数据、和交通工具验证数据，等等)来使用术语“获得”。术语获得可以包括或可以被理解为以下术语中的一个或多个术语：生成(例如，创建、确定、计算，例如，基于一个或多个模型确定和/或计算，例如，基于一个或多个神经网络确定和/或计算，例如，基于人工智能(ai)实现方式确定和/或计算，等等)、接收(例如，经由一个或多个接收器)、加载(例如，从一个或多个存储器)，等等。
[0089]
本文例如参考一个或多个路边单元、一个或多个交通工具、监测系统、交通基础设施系统以及其一个或多个实体来描述各种功能和/或过程。应注意，一个或多个功能和/或一个或多个过程的各种组合可以在一个或多个处理器中被实现；在一些情况下，独立于整个交通基础设施系统中一个或多个处理器的位置。说明性地，(例如，交通基础设施系统的、交通工具的、监测系统的、路边单元的，等等)一个或多个处理器可以被配置成用于实现本文所述的任何单个功能或功能组合和/或本文所述的任何单个过程或过程的组合。
[0090]
在本文中使用词语“示例性”来意指“充当示例、实例或说明”。本文中被描述为“示例性”的任何方面或设计不必被解释为相比其他方面或设计是优选或有利的。
[0091]
术语“至少一个”和“一个或多个”可被理解为包括大于或等于一的数量(例如，一个、两个、三个、四个、[...]等)。术语“多个(a plurality)”可被理解为包括大于或等于二的数量(例如，两个、三个、四个、五个、[...]等)。
[0092]
关于一组要素的短语“至少一个”在本文中可用于意指来自由要素组成的组的至少一个要素。例如，关于一组要素的短语“至少一个”在本文中可用于意指以下各项中的选择：所列要素中的一个、所列要素中的多个要素、多个单独的所列要素、或多个所列要素中的多个。
[0093]
说明书和权利要求书中的词语“复数”和“多个(multiple)”明确地指代大于一的量。因此，任何明确地调用上述词来指代一定数量的对象的短语(例如，多个“(a plurality of)[对象]”、“多个(multiple)[对象])”明确地指代多于一个的所述对象。说明书和权利要求书中的术语“(
……
的)组”、“(
……
的)集”、“(
……
的)集合”、“(
……
的)系列”、“(
……
的)序列”、“(
……
的)分组”等(如果存在)指代等于或大于一的量，即一个或多个。
[0094]
如本文中所使用的术语“数据”可被理解为包括采用任何合适的模拟或数字形式的信息，例如，作为文件、文件的部分、文件集合、信号或流、信号或流的部分、信号或流的集合等等来提供的信息。进一步地，术语“数据”还可用于意指对信息的例如以指针的形式的引用。然而，术语数据不限于上述示例，并且可采取各种形式并表示如本领域中理解的任何信息。
[0095]
例如，如本文中所使用的术语“处理器”可被理解为允许处置数据的任何种类的实体。处理器可以根据由处理器执行的一个或多个特定功能来处理数据。此外，本文使用的处理器可以理解为任何种类的电路，例如任何种类的模拟或数字电路。例如，如本文中所使用的指代数据处置、文件处置或请求处置的术语“处置(handle)”或“处置(handling)”可被理解为任何种类的操作，例如，i/o操作、和/或任何种类的逻辑操作。i/o操作可包括例如存储(也被称为写入)和读取。
[0096]
因此，处理器可以是或者可包括模拟电路、数字电路、混合信号电路、逻辑电路、微处理器、加速器、中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、集成电路、专用集成电路(asic)等、或其任何组合。相应功能的任何其他种类的实现方式也可被理解为处理器、控制器或逻辑电路。应理解，本文中详述的处理器、控制器或逻辑电路中的任何两个(或更多个)可被实现为具有等效功能的单个实体等等，并且相反地，本文中详述的任何单个处理器、控制器或逻辑电路可被实现为具有等效功能的两个(或更多个)分开的实体等等。
[0097]
软件实现的数据处置与硬件实现的数据处置之间的差异可能模糊。本文中详述的处理器、控制器和/或电路能以软件、硬件和/或作为包括软件和硬件的混合实现方式来实现。
[0098]
本文中详述的术语“系统”(例如，监测系统、交通网络系统等)可被理解为交互元件的集合，其中，作为示例而非限制，这些元件可以是一个或多个机械组件、一个或多个电气组件、一条或多条指令(例如，被编码在存储介质中)、和/或一个或多个处理器等等。
[0099]
如本文所使用，术语“存储器”(等等)可被理解为非瞬态计算机可读介质，数据或信息可以被存储于其中以供检取。因此，对本文中所包括的对“存储器”的引用可被理解为指代易失性或非易失性存储器，包括随机存取存储器(ram)、只读存储器(rom)、闪存、固态存储、磁带、硬盘驱动器、光盘驱动器等、或其任何组合。此外，应领会，寄存器、移位寄存器、处理器寄存器、数据缓冲器等在本文中也被术语存储器所涵盖。应领会，被称为“存储器”或“一存储器”的单个组件可由多于一种不同类型的存储器组成，并且因此可指代包括一种或多种类型的存储器的集体组件。容易理解的是，任何单个存储器组件可被分成多个集体等同的存储器组件，并且反之亦然。
[0100]
如本文中所使用的术语“交通工具”可被理解为任何合适类型的交通工具，例如也被称为汽车的机动交通工具或非机动交通工具(例如，自行车)。作为示例，交通工具可以是也被称为机动车、客车等的汽车。作为另一示例，交通工具可以是卡车(也被称为机动卡车)。作为其他示例，交通工具可以是或者可以包括公共汽车、小型公共汽车、货车、卡车、房车、车辆拖车、摩托车、自行车、三轮车、火车机车、火车车厢、移动机器人、个人运输机、船只、船、潜水器、潜艇、无人机、和/或飞机。
[0101]
除非明确地指定，否则术语“发射”涵盖直接(点对点)和间接(经由一个或多个中间点)的发射两者。类似地，术语“接收”涵盖直接和间接的接收两者。此外，术语“发射”、“接收”、“传递”和其他类似术语涵盖物理传输(例如，对无线电信号的传输)和逻辑传输(例如，通过逻辑软件级连接对数字数据的传输)两者。例如，处理器或控制器可通过与另一处理器或控制器的软件级连接以无线电信号的形式对数据进行发射或接收，其中，物理发射和接收由诸如rf收发机和天线之类的无线电层组件处置，并且通过软件级连接的逻辑发射和接
收由处理器或控制器执行。术语“传递”涵盖发射和接收中的一者或两者，即，在传入方向和传出方向中的一个方向或这两个方向上的单向或双向传输。术语“计算”涵盖经由数学表达式/公式/关系进行的
‘
直接’计算和经由查找表或散列表以及其他数组索引或搜索操作进行的
‘
间接’计算两者。
[0102]
本文各方面可以利用一个或多个机器学习模型来执行或控制与交通控制、交通监督等有关的功能。一个或多个机器学习模型可以用于例如基于输入数据(例如，基于传感器数据)来生成一个或多个交通相关特性的估计。例如，如本文中所使用的术语“模型”可被理解为根据输入数据提供输出数据的任何种类的算法(例如，根据输入数据生成或计算输出数据的任何种类的算法)。机器学习模型可由计算系统执行以渐进地改进特定任务的性能。在一些方面中，可在训练阶段期间基于训练数据来调整机器学习模型的参数。可在推断阶段期间使用经训练的机器学习模型基于输入数据来作出预测或决策。在一些方面中，可使用经训练的机器学习模型来生成附加训练数据。可在第二训练阶段期间基于所生成的附加训练数据来调整附加机器学习模型。可在推断阶段期间使用经训练的附加机器学习模型来基于输入数据作出预测或决策。
[0103]
本文所使用的术语“交通基础设施”可以被理解为发生在道路交通中的任何类型的结构，这些结构可以被配置成用于影响道路交通和/或获得与道路交通有关的信息。作为示例，交通基础设施可包括交通灯、交通标志、大门、铁路道口、吊桥、施工现场、重型货物运输等。交通基础设施可以包括一个或多个路边单元。路边单元可与交通灯、交通标志、大门、铁路道口、吊桥、施工现场、重型货物运输等相关联(例如，被安装在上述各项中或被包括在上述各项中)。路边单元可与一个或多个传感器相关联(例如，包括一个或多个传感器或至少通信地耦合到一个或多个传感器)。交通基础设施可包括一个或多个计算设备，例如，分散式计算设备或集中式计算设备。该计算设备可包括一个或多个基于云的计算设备。计算设备可以包括与特定交通区域相关联的一个或多个本地安装的计算设备。
[0104]
在下文中，参考一个或多个交通工具、一个或多个机载单元(obu)、和/或一个或多个路边单元(rsu)来示例性地说明和描述交通基础设施系统。然而，本文描述的交通基础设施系统可以被实现成以类似的方式管理任何其他类型的交通(例如，人和/或货物流)。
[0105]
本文参考机动车辆描述了各个方面；然而，可以提供其他类型的车辆，包括与对机动车辆示例性地描述的相同或相似的结构和功能。本文参考特定类型的交通基础设施(例如，与作为传感器的相机一起工作的rsu)描述了各个方面；然而，可以提供其他类型的交通基础设施(例如，与任何其他类型的传感器一起工作的rsu)，包括如本文示例性描述的相同或类似的结构和/或功能。
[0106]
本文中所描述的机器学习模型可以是或可包括神经网络。神经网络可以是任何种类的神经网络，诸如卷积神经网络、自编码器网络、变分自编码器网络、稀疏自编码器网络、循环神经网络、去卷积网络、生成性对抗网络，前瞻性神经网络、和积神经网络等等。神经网络可包括任何数量的层。对神经网络的训练(例如，调整神经网络的层)可使用或可基于任何种类的训练原理，诸如反向传播(例如，使用反向传播算法)。
[0107]
本文的各个实施例可以利用一个或多个机器学习模型来执行或控制与交通基础设施系统相关联的一个或多个设备的功能(或本文所述的其他功能)。例如，本文使用的术语“模型”可以被理解为根据输入数据提供输出数据的任何种类的算法(例如，从输入数据
生成或计算输出数据的任何种类的算法)。机器学习模型可由计算系统执行以渐进地改进特定任务的性能。在一些方面中，可在训练阶段期间基于训练数据来调整机器学习模型的参数。可在推断阶段期间使用经训练的机器学习模型基于输入数据来作出估计或决策。在一些方面中，可使用经训练的机器学习模型来生成附加训练数据。可在第二训练阶段期间基于所生成的附加训练数据来调整附加机器学习模型。可在推断阶段期间使用经训练的附加机器学习模型基于输入数据来作出估计或决策。
[0108]
本文中所描述的机器学习模型可采取任何合适的形式或利用任何合适的技术(例如，以用于训练目的)。例如，这些机器学习模型中的任何机器学习模型均可利用监督式学习、半监督式学习、无监督式学习、或强化学习技术。
[0109]
在监督式学习中，可使用训练数据集来建立模型，该训练数据集既包括输入又包括对应的期望输出(说明性地，每个输入可与针对该输入的期望或预期输出相关联)。每个训练实例可包括一个或多个输入并且包括期望输出。训练可包括通过训练实例迭代以及使用目标函数来教导模型估计针对新的输入的输出(说明性地，对于训练集中不包括的输入)。在半监督式学习中，训练集中的输入中的部分可能缺少相应的期望输出(例如，一个或多个输入可能不与任何期望或预期的输出相关联)。
[0110]
在无监督式学习中，可从仅包括输入而不包括期望输出的训练数据集来建立模型。无监督式模型可用于说明性地通过发现数据中的模式而找到该数据中的结构(例如，对数据点的分组或聚类)。可在无监督式学习模型中实现的技术可包括例如自组织图、最近邻映射、k均值聚类、以及奇异值分解。
[0111]
强化学习模型可以包括正反馈(也被称为奖励)或负反馈，以改善准确性。强化学习模型可尝试使一个或多个目标/回报最大化。可在强化学习模型中实现的技术可包括例如q学习、时间差(td)和深度对抗网络。
[0112]
本文参考交通基础设施系统描述了各个方面。交通基础设施系统的示例可以是智能交通系统(its)、高级交通管理系统(tms)、或与交通的分析、影响和/或控制相关的任何其他合适的系统。在一些方面，交通基础设施系统可依赖于来自道路安装的感测技术(例如，视频相机、感应回路等)的(例如，实时)数据。道路安装的感测技术可由一个或多个路边单元实现或在一个或多个路边单元中实现。交通基础设施系统可以是高度联网的并且在一些方面可形成主从结构(例如，多个交通信息、控制信号等可由控制中心管理)。交通基础设施系统可被配置为集中式、分散式、或混合式系统。
[0113]
各个方面涉及交通基础设施系统的组件，例如，涉及交通基础设施系统的一个或多个路边单元或其他设备、涉及交通工具的一个或多个机载单元或其他设备、涉及监测系统。一个或多个集中式设备和/或一个或多个分散式设备可提供监测系统(也称为监测实体或证实和信誉实体)。
[0114]
在下文中，描述了与本文所述的各方面和附图相关的各个示例。
[0115]
示例1是一种监测系统，包括一个或多个处理器，该一个或多个处理器被配置成用于：获得与路边单元相关联的估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；并且在基于估计参考数据对由估计数据表示的一个或多个估计进行验证的基础上来生成路边单元验证数据，该路边单元验
证数据表示对一个或多个估计的验证的一个或多个结果。
[0116]
在示例2中，示例1的监测系统可任选地包括，一个或多个处理器进一步被配置成用于获得监测数据。该监测数据表示与由路边单元对一个或多个估计的创建相关联的(例如，辅助)信息。
[0117]
在示例3中，示例2的监测系统可任选地包括，一个或多个处理器被配置成用于在基于监测数据和路边单元验证数据对由估计数据表示的一个或多个估计进行验证的基础上生成路边单元验证数据。
[0118]
在示例4中，示例2或示例3的监测系统可任选地包括，监测数据包括表示交通相关的信息的传感器数据，并且该传感器数据与由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计相关联。
[0119]
在示例5中，示例4的监测系统可任选地包括，一个或多个处理器被配置成用于基于应用于传感器数据的一种或多种算法来生成估计参考数据。
[0120]
在示例6中，示例3的监测系统可任选地包括，监测数据包括表示潜在地影响路边单元生成一个或多个估计的一种或多种状况的分类数据。
[0121]
在示例7中，示例6的监测系统可任选地包括，一个或多个处理器进一步被配置成用于对路边单元验证数据进行分类。经分类的路边单元验证数据表示对与一种或多种状况相关联的(例如，被分配给)一个或多个估计的验证的一个或多个结果。
[0122]
在示例8中，示例6或示例7的监测系统可任选地包括，一种或多种状况包括以下状况中的一种或多种：表示用于生成一个或多个估计的模型的一个或多个特性的模型参数、与路边单元相关的环境状况和/或表示与用于生成一个或多个估计的模型的执行相关联的一个或多个特性的执行状况。
[0123]
在示例9中，示例1至示例8中任一项的监测系统可任选地包括，一个或多个处理器被配置成用于基于对多个估计的验证的多个结果来生成路边单元验证数据。该路边单元验证数据表示与由路边单元生成的估计相关联的估计质量。
[0124]
在示例10中，示例1至示例9中任一项的监测系统可任选地包括，一个或多个处理器被配置成用于在第一时间间隔内基于对多个估计的验证的多个结果来生成路边单元验证数据。该路边单元验证数据表示与在第一时间间隔之后的第二时间间隔内由路边单元生成的估计相关联的估计质量。
[0125]
在示例11中，示例1至10中任一项的监测系统可任选地包括，一个或多个处理器被配置成用于从一个或多个交通工具接收估计参考数据。
[0126]
在示例12中，示例11的监测系统可任选地包括，一个或多个处理器和/或一个或多个附加处理器被配置成用于：获得交通工具可靠性数据，交通工具可靠性数据表示由一个或多个交通工具生成的估计参考数据的可靠性，并且在基于交通工具可靠性数据来对由一个或多个交通工具生成的估计参考数据进行验证的基础上生成交通工具验证数据。交通工具验证数据是表示验证的一个或多个结果。
[0127]
在示例13中，示例12的监测系统可任选地包括，一个或多个处理器进一步被配置成用于基于与交通工具相关联的交通工具验证数据来使用、修改或忽略估计参考数据。
[0128]
在示例14中，示例12或13的监测系统可任选地包括，一个或多个处理器和/或一个或多个附加处理器进一步被配置成用于将附加交通工具验证数据分配给一个或多个附加
交通工具，一个或多个附加交通工具与交通工具是相同的类型。附加交通工具验证数据是表示与交通工具验证数据相同的验证的一个或多个结果。
[0129]
在示例15中，示例1至14中任一项的监测系统可任选地包括，一个或多个处理器被配置成用于使得将路边单元验证数据发送到一个或多个交通工具。
[0130]
在示例16中，示例1至15中任一项的监测系统可任选地包括，一个或多个处理器进一步被配置成用于将附加路边单元验证数据分配给一个或多个附加路边单元。该一个或多个附加路边单元与路边单元是相同的类型。附加路边单元验证数据是表示与路边单元验证数据相同的验证的一个或多个结果。
[0131]
在示例17中，示例1至16中任一项的监测系统可任选地包括，一个或多个处理器进一步被配置成用于使得基于对路边单元验证数据的评估而将指令发送到一个或多个路边单元。该指令表示与一个或多个路边单元相关联的修复方案(例如，自我修复)的触发。
[0132]
在示例18中，示例1至示例17中任一项的监测系统可任选地包括，一个或多个处理器和/或一个或多个附加处理器被配置成用于：基于对由一个或多个交通工具生成的交通工具数据进行验证而获得交通工具信任数据，该交通工具信任数据表示与由一个或多个交通工具生成的交通工具数据相关联的数据质量。
[0133]
在示例19中，示例18的监测系统可任选地包括：交通工具数据包括由一个或多个交通工具生成的估计参考数据，并且一个或多个处理器进一步被配置成用于基于与一个或多个交通工具相关联的交通工具信任数据来使用、修改、或忽视估计参考数据。
[0134]
在示例20中，示例18或19的监测系统可任选地包括，一个或多个处理器和/或一个或多个附加处理器进一步被配置成用于将附加交通工具信任数据分配给一个或多个附加交通工具，一个或多个附加交通工具与一个或多个交通工具是相同的类型，该附加交通工具信任数据表示与交通工具信任数据相同的数据质量。
[0135]
示例21是一种路边单元的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：生成估计数据，该估计数据表示基于交通相关的信息对一个或多个交通相关的特性的估计；使得将该估计数据发送到路边单元附近区域中的一个或多个交通工具；获得监测数据，该监测数据表示与对一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；并且使得将估计数据和监测数据发送到与路边单元相关联的监测系统，以用于创建验证数据，该验证数据表示与由路边单元的一个或多个设备生成的估计相关联的估计质量。
[0136]
在示例22中，示例21的设备可任选地进一步包括，一个或多个处理器进一步被配置成用于使得将监测数据发送到路边单元附近区域中的一个或多个交通工具。
[0137]
在示例23中，示例21或22的设备可任选地进一步包括，一个或多个处理器进一步被配置成用于获得交通数据，该交通数据表示交通相关的信息。
[0138]
在示例24中，示例23的设备可任选地进一步包括，交通数据表示以下类型的交通相关的信息中的一种或多种：温度、湿度、天气状况、交通密度、交通工具的速度、照明、交通状况的图像、交通工具的图像、交通基础设施的一部分的图像、交通基础设施的操作状态、交通工具的操作状态。
[0139]
在示例25中，示例21至示例24中任一项的设备可任选地进一步包括，监测数据包括以下数据类型的组中的一种或多种数据类型：表示交通相关的信息的传感器数据、表示
用于生成一个或多个估计的模型的一个或多个特性的模型数据、表示与路边单元相关的环境信息的情境数据、表示与用于生成一个或多个估计的模型的执行相关联的一个或多个特性的执行数据。这也可以任选地适用于与监测数据相关的其他示例。
[0140]
示例31是一种交通工具的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计；获得验证数据，该验证数据表示与由路边单元生成的估计相关联的估计质量；并且基于验证数据选择性地使用、修改或忽略由估计数据表示的估计。
[0141]
在示例32中，示例31的设备可任选地进一步包括，一个或多个处理器进一步被配置成用于基于估计数据和验证数据两者来允许、修改、或拒绝一个或多个交通工具相关的动作。
[0142]
示例33是一种交通工具的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；基于估计数据、监测数据、和参考数据来验证估计；并且使得将验证数据发送到监测系统，该验证数据表示对估计的验证的一个或多个结果。
[0143]
在示例34中，示例33的设备可任选地进一步包括，监测数据包括以下数据类型的组中的一种或多种数据类型：表示交通相关的信息的传感器数据、表示用于生成一个或多个估计的模型的一个或多个特性的模型数据、表示与路边单元相关的环境信息的情境数据、表示与用于生成一个或多个估计的模型的执行相关联的一个或多个特性的执行数据。这也可以任选地适用于与监测数据相关的其他示例。
[0144]
示例35是一种交通工具的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据和任选的监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；使得将参考数据发送到监测系统，该参考数据允许任选地基于监测数据对由估计数据表示的估计进行验证。
[0145]
示例40是一种交通基础设施系统(例如，监测系统)的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得信任数据，该信任数据表示与由路边单元生成的估计相关联的估计质量；使得将该信任数据发送到一个或多个交通工具。该一个或多个处理器被配置成用于接收包括路边单元标识数据的一个或多个交通工具的请求，该路边单元标识数据指示交通基础设施系统的特定路边单元，并使得将与该特定路边单元相关联的信任数据发送到该一个或多个交通工具。
[0146]
示例41是一种(例如，与交通基础设施系统相关联的)监测系统，该监测系统包括一个或多个处理器，该一个或多个处理器被配置成用于：获得与路边单元相关联的估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，并且该监测数据表示与由路边单元对一个或多个估计的创建相关联的(例如，辅助)信息；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；基于估计数据、监测数据、和估计参考数据来对一个或多个
估计进行验证；并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0147]
在示例42中，示例41的监测系统可任选地进一步包括，一个或多个处理器被配置成用于基于对多个估计的验证的多个结果来生成路边单元验证数据，该路边单元验证数据表示与由路边单元生成的估计相关联的估计质量。
[0148]
在示例43中，示例41或示例42的监测系统可任选地进一步包括，一个或多个处理器被配置成用于在第一时间间隔内基于对多个估计的验证的多个结果来生成路边单元验证数据，该路边单元验证数据表示与在第一时间间隔之后的第二时间间隔内由路边单元生成的估计相关联的估计质量。
[0149]
在示例44中，示例41的监测系统可任选地进一步包括，一个或多个处理器被配置成用于基于路边单元验证数据来生成路边单元信任数据，该路边单元信任数据表示与由路边单元生成的估计相关联的估计质量。
[0150]
在示例45中，示例41或示例44的监测系统可任选地进一步包括，一个或多个处理器被配置成用于在第一时间间隔内基于路边单元验证数据来生成路边单元信任数据，该路边单元信任数据表示与将由路边单元在第一时间间隔之后的第二时间间隔内生成的估计相关联的估计质量。
[0151]
在示例46中，示例41至示例45中任一项的监测系统可任选地进一步包括，监测数据包括以下数据类型的组中的一种或多种数据类型：表示交通相关的信息的传感器数据、表示用于生成一个或多个估计的模型的一个或多个特性的模型数据、表示与路边单元相关的环境信息的情境数据、表示与用于生成一个或多个估计的模型的执行相关联的一个或多个特性的执行数据。这也可以任选地适用于与监测数据相关的其他示例。
[0152]
在示例46中，示例41至示例45中的任一项的监测系统可任选地进一步包括，监测数据包括与一个或多个估计相关联的传感器数据，并且一个或多个估计基于传感器数据。
[0153]
在示例47中，示例45或46中的任一项的监测系统可任选地进一步包括，一个或多个估计由一个或多个路边单元基于传感器数据生成。
[0154]
在示例48中，示例45至47中任一项的监测系统可任选地进一步包括，一个或多个处理器进一步被配置成用于基于应用于传感器数据的一种或多种算法来生成估计参考数据。
[0155]
在示例49中，示例45至48中的任一项的监测系统可任选地进一步包括，一个或多个估计由一个或多个路边单元基于应用于传感器数据的一个或多个第一算法生成，并且一个或多个处理器进一步被配置成用于基于应用于传感器数据的一个或多个第二算法来生成估计参考数据。该一个或多个第二算法具有比该一个或多个第一算法更高的计算复杂度。
[0156]
在示例50中，示例45至示例49中任一项的监测系统可任选地进一步包括，估计参考数据由交通工具的一个或多个设备基于由一个或多个路边单元生成的一个或多个估计和(例如，由交通工具的一个或多个设备获得的)一个或多个附加传感器数据生成。
[0157]
在示例51中，示例45至示例49中任一项的监测系统可任选地进一步包括，估计参考数据是由交通工具的一个或多个设备基于(例如，由交通工具的一个或多个设备获得的)一个或多个附加的传感器数据生成。
[0158]
在示例52中，示例51的监测系统可任选地进一步包括，一个或多个处理器进一步被配置成用于获得交通工具可靠性数据，该交通工具可靠性数据表示由交通工具的一个或多个设备生成的估计参考数据的可靠性；基于交通工具可靠性数据对由交通工具的一个或多个设备生成的(例如，由交通工具的一个或多个设备生成的)估计参考数据进行验证；并且生成交通工具验证数据，该交通工具验证数据表示对由交通工具的一个或多个设备生成的估计参考数据的验证的一个或多个结果。
[0159]
在示例53中，示例45至示例52中任一项的监测系统可任选地进一步包括，传感器数据表示以下交通相关的信息中的一种或多种信息：温度、湿度、天气状况、交通密度、交通工具的速度、照明、交通状况的图像、交通工具的图像、交通基础设施的一部分的图像、交通基础设施的操作状态、和/或交通工具的操作状态。这也可以任选地适用于与传感器数据相关的其他示例。
[0160]
在示例54中，示例41至53中任一项的监测系统可任选地进一步包括，一个或多个处理器进一步被配置成用于从一个或多个交通工具接收估计参考数据。
[0161]
在示例55中，示例54的监测系统可任选地进一步包括，估计参考数据与附加传感器数据相关联和/或估计参考数据基于附加传感器数据而生成。附加传感器数据可以表示以下交通相关的信息中的一种或多种信息：温度、湿度、天气状况、交通密度、交通工具的速度、照明、交通状况的图像、交通工具的图像、交通基础设施的一部分的图像、交通基础设施的操作状态、和/或交通工具的操作状态。这也可以任选地适用于与附加传感器数据相关的其他示例。附加传感器数据可由一个或多个交通工具基于由该交通工具的一个或多个组件执行的一个或多个确定(例如，测量，例如，模型计算等)而生成。在一些方面，一个或多个交通工具可以基于由交通工具的一个或多个组件执行的一个或多个确定(例如，测量，例如，模型计算等)来生成附加的传感器数据。
[0162]
在示例56中，示例54或示例55的监测系统可任选地进一步包括，一个或多个处理器进一步被配置成用于基于与一个或多个交通工具相关联的交通工具信任数据来使用或忽视估计参考数据。
[0163]
在示例57中，示例56的监测系统可任选地进一步包括，交通工具信任数据(例如，由一个或多个处理器)基于交通工具验证数据而生成。
[0164]
在示例58中，示例12至示例14、示例52或示例57的监测系统可任选地进一步包括，一个或多个处理器被配置成用于基于交通工具验证数据来生成交通工具信任数据。
[0165]
在示例59中，示例41至示例58中任一项的监测系统可任选地进一步包括，一个或多个处理器被配置成用于使得将验证数据(或信任数据)发送到一个或多个交通工具(例如，在由一个或多个交通工具请求时)。
[0166]
在示例60中，示例41至示例59中任一项的监测系统可任选地进一步包括，一个或多个处理器被配置成用于将附加验证数据分配给一个或多个附加路边单元，一个或多个附加路边单元与路边单元是相同的类型，该附加验证数据表示与验证数据相同的验证的一个或多个结果。
[0167]
在示例61中，示例60的监测系统可任选地进一步包括，验证数据表示与由路边单元生成的估计相关联的估计质量，并且附加验证数据表示和与由路边单元生成的估计相关联的估计质量相同的与由一个或多个附加路边单元生成的估计相关联的估计质量。
[0168]
在示例62中，示例41至示例61中任一项的监测系统可任选地进一步包括，一个或多个处理器被配置成用于基于参考数据来生成信任数据，该信任数据表示与由路边单元生成的估计相关联的估计质量，并且使得(例如，在一个或多个交通工具请求时)将信任数据发送到一个或多个交通工具。
[0169]
在示例63中，示例41至示例62中任一项的监测系统可任选地进一步包括，一个或多个处理器被配置成用于将附加的信任数据分配给一个或多个附加路边单元，该一个或多个附加路边单元与路边单元是相同的类型，该附加信任数据表示和与由路边单元生成的估计相关联的估计质量相同的与由一个或多个附加路边单元生成的估计相关联的估计质量。
[0170]
在示例64中，示例60、示例61或示例63的监测系统可任选地进一步包括，一个或多个附加路边单元包括与路边单元相比相同的硬件、相同的算法、和/或相同的传感器输入中的至少一者。
[0171]
示例71是一种(例如，与交通工具和/或交通基础设施系统相关联的)监测系统，该监测系统包括一个或多个处理器，该一个或多个处理器被配置成用于：获得交通工具可靠性数据，该交通工具可靠性数据表示由该交通工具的一个或多个设备生成的数据的可靠性；基于交通工具可靠性数据对由该交通工具的一个或多个设备生成的(例如，由交通工具的一个或多个设备生成的)数据进行验证；生成交通工具验证数据，该交通工具验证数据表示对由交通工具的一个或多个设备生成的数据的验证的一个或多个结果。
[0172]
在示例72中，示例71的监测系统可任选地进一步包括，由交通工具的一个或多个设备生成的数据包括估计参考数据，该估计参考数据表示与由路边单元生成的估计相关联的参考估计和/或该估计参考数据表示由路边单元生成的估计的有效性。
[0173]
在示例73中，示例71或示例72的监测系统可任选地进一步包括，在交通工具验证数据表示交通工具和/或其提供的数据是不可信的情况下，一个或多个处理器被配置成用于忽略、不太信任、或再次检查从交通工具接收到的数据。
[0174]
示例81是一种交通基础设施系统，包括：路边单元，该路边单元连接到或包括一个或多个传感器，该路边单元在第一操作模式下被配置成用于基于从一个或多个传感器提供给路边单元的第一传感器数据生成一个或多个交通相关的特性的第一估计，其中路边单元在第二操作模式下被配置成用于获得第二传感器数据，基于第二传感器数据来生成一个或多个交通相关的特性的第二估计，并且将第一估计与第二估计彼此进行比较，并基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0175]
在示例82中，示例81的交通基础设施系统可任选地进一步包括附加路边单元。附加路边单元被连接到或包括一个或多个第二传感器，并且被配置成用于基于从一个或多个第二传感器提供给附加路边单元的第二传感器数据来生成一个或多个交通相关的特性的估计。附加路边单元被配置成用于将第二传感器数据传输到路边单元。
[0176]
在示例83中，示例81或示例82的交通基础设施系统可任选地进一步包括，路边单元被配置成用于将第一传感器数据作为参考数据存储在一个或多个存储器中并且用于从一个或多个存储器加载参考数据，从一个或多个存储器加载的参考数据可用作第二传感器数据。
[0177]
在示例84中，示例81至示例83中的任一项的交通基础设施系统可任选地进一步包括，路边单元被配置成用于基于与交通基础设施系统的设备的通信来获得第二传感器数
据。
[0178]
在示例85中，示例81至示例84中的任一项的交通基础设施系统可任选地进一步包括，被配置成用于与路边单元进行通信的(交通基础设施系统的)设备是分布式计算系统的一部分。
[0179]
示例90是一种路边单元的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得第一传感器数据，基于第一传感器数据来生成对一个或多个交通相关的特性的第一估计，获得第二传感器数据，基于第二传感器数据来生成对一个或多个交通相关的特性的第二估计，并且将第一估计和第二估计彼此进行比较，并且基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0180]
示例91是一种交通基础设施系统(例如，监测系统)的设备，该设备包括一个或多个处理器，该一个或多个处理器被配置成用于：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计，基于估计数据和估计参考数据两者来对一个或多个估计进行验证，并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0181]
示例101是一种用于监测路边单元的方法，该方法包括：获得与路边单元相关联的估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；以及在基于估计参考数据对由估计数据表示的一个或多个估计进行验证的基础上来生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0182]
在示例102中，示例101的方法可任选地包括获得监测数据。该监测数据表示与由路边单元对一个或多个估计的创建相关联的(例如，辅助)信息。
[0183]
在示例103中，示例102的方法可任选地包括，在基于监测数据和路边单元验证数据来对由估计数据表示的一个或多个估计进行验证的基础上生成路边单元验证数据。
[0184]
在示例104中，示例102或示例103的方法可任选地包括，监测数据包括表示交通相关的信息的传感器数据，该传感器数据与由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计相关联。
[0185]
在示例105中，示例104的方法可任选地包括，基于应用于传感器数据的一种或多种算法来生成估计参考数据。
[0186]
在示例106中，示例103的方法可任选地包括，监测数据包括表示潜在地影响路边单元生成一个或多个估计的一种或多种状况的分类数据。
[0187]
在示例107中，示例106的方法可任选地包括对路边单元验证数据进行分类。经分类的路边单元验证数据表示对与一个或多个状况相关联的一个或多个估计的验证的结果。
[0188]
在示例108中，示例106或示例107的方法可任选地包括，一种或多种状况包括以下状况中的一种或多种：表示用于生成一个或多个估计的模型的一个或多个特性的模型参数、与路边单元相关的环境状况和/或表示与用于生成一个或多个估计的模型的执行相关联的一个或多个特性的执行状况。
[0189]
在示例109中，示例101至示例108中任一项的方法可任选地包括，基于对多个估计
的验证的多个结果来生成路边单元验证数据。该路边单元验证数据表示与由路边单元生成的估计相关联的估计质量。
[0190]
在示例110中，示例101至示例109中任一项的方法可任选地包括，在第一时间间隔内基于对多个估计的验证的多个结果来生成路边单元验证数据。该路边单元验证数据表示与在第一时间间隔之后的第二时间间隔内由路边单元生成的估计相关联的估计质量。
[0191]
在示例111中，示例101至示例110中任一项的方法可任选地包括从交通工具接收估计参考数据。
[0192]
在示例112中，示例111的方法可任选地包括获得交通工具可靠性数据，该交通工具可靠性数据表示由交通工具生成的估计参考数据的可靠性，以及在基于交通工具可靠性数据对由交通工具生成的估计参考数据进行验证的基础上生成交通工具验证数据。交通工具验证数据是表示验证的一个或多个结果。
[0193]
在示例113中，示例112的方法可任选地包括基于与交通工具相关联的交通工具验证数据来使用、修改、或忽视估计参考数据。
[0194]
在示例114中，示例112或示例113的方法可任选地将附加交通工具验证数据分配给一个或多个附加交通工具，该一个或多个附加交通工具与该交通工具是相同的类型。附加交通工具验证数据是表示与交通工具验证数据相同的验证的一个或多个结果。
[0195]
在示例115中，示例101至示例114中任一项的方法可任选地包括使得将路边单元验证数据发送到一个或多个交通工具。
[0196]
在示例116中，示例101至示例115中任一项的方法可任选地包括将附加路边单元验证数据分配给一个或多个附加路边单元。该一个或多个附加路边单元是与路边单元相同的类型。附加路边单元验证数据是表示与路边单元验证数据相同的验证的一个或多个结果。
[0197]
在示例117中，示例101至示例116中任一项的方法可任选地包括使得基于对路边单元验证数据的评估而将指令发送到一个或多个路边单元。该指令表示与一个或多个路边单元相关联的修复方案(例如，自我修复)的触发。
[0198]
示例121是一种用于操作路边单元的方法，该方法包括：生成估计数据，该估计数据表示基于交通相关的信息对一个或多个交通相关的特性的估计；使得将该估计数据发送到路边单元附近区域中的一个或多个交通工具；获得监测数据，该监测数据表示与对一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；以及使得将估计数据和监测数据发送到与路边单元相关联的监测系统，以用于创建验证数据，该验证数据表示与由路边单元的一个或多个设备生成的估计相关联的估计质量。
[0199]
在示例122中，示例121的方法可任选地包括使得将监测数据发送到路边单元附近区域中的一个或多个交通工具。
[0200]
示例123是一种用于操作交通工具的设备的方法，该方法包括：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计；获得验证数据，该验证数据表示与由路边单元生成的估计相关联的估计质量；以及基于验证数据选择性地使用、修改或忽略由估计数据表示的估计。
[0201]
在示例124中，示例123的方法任选地包括用于基于估计数据和验证数据两者来允许、修改、或拒绝一个或多个交通工具相关的动作。
[0202]
示例125是一种用于操作交通工具的设备的方法，该方法包括：获得估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；基于估计数据、监测数据、和参考数据来验证估计；并且使得将验证数据发送到监测系统，该验证数据表示对估计的验证的一个或多个结果。
[0203]
示例125是一种用于操作交通工具的设备的方法，该方法包括：获得估计数据和任选的监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；以及使得将参考数据发送到监测系统，该参考数据允许任选地基于监测数据对由估计数据表示的估计进行验证。
[0204]
示例125是一种用于操作交通基础设施系统的方法，该方法包括：获得信任数据，该信任数据表示与由路边单元生成的估计相关联的估计质量；以及使得将该信任数据发送到一个或多个交通工具。方法125可任选地进一步包括：接收包括路边单元标识数据的一个或多个交通工具的请求，该路边单元标识数据指示交通基础设施系统的特定路边单元，以及使得将与该特定路边单元相关联的信任数据发送到该一个或多个交通工具。
[0205]
示例126是一种用于操作监测系统的方法，该方法包括：获得与路边单元相关联的估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，并且该监测数据表示与由路边单元对一个或多个估计的创建相关联的(例如，辅助)信息；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；基于估计数据、监测数据、和估计参考数据来对一个或多个估计进行验证；并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0206]
示例127是一种用于操作监测系统的方法，该方法包括：获得交通工具可靠性数据，该交通工具可靠性数据表示由该交通工具的一个或多个设备生成的数据的可靠性；基于交通工具可靠性数据对由该交通工具的一个或多个设备生成的(例如，由交通工具的一个或多个设备生成的)数据进行验证；以及生成交通工具验证数据，该交通工具验证数据表示对由交通工具的一个或多个设备生成的数据的验证的一个或多个结果。
[0207]
示例128是一种用于操作路边单元的方法，该方法包括：在第一操作模式下基于从一个或多个传感器提供给路边单元的第一传感器数据生成一个或多个交通相关的特性的第一估计；以及在第二操作模式下获得第二传感器数据，基于第二传感器数据来生成一个或多个交通相关的特性的第二估计，并且将第一估计与第二估计彼此进行比较，并基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0208]
示例129是一种用于操作路边单元的方法，该方法包括：获得第一传感器数据，基于第一传感器数据来生成对一个或多个交通相关的特性的第一估计，获得第二传感器数据，基于第二传感器数据来生成对一个或多个交通相关的特性的第二估计，并且将第一估计和第二估计彼此进行比较，并且基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0209]
示例130是一种用于操作交通基础设施系统的方法，该方法包括：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计，基于估计数据和估计参考数据两者来对一个或多个估计进行验证，并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0210]
示例131是一种用于监测路边单元的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得与路边单元相关联的估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；以及在基于估计参考数据对由估计数据表示的一个或多个估计进行验证的基础上来生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0211]
示例132是一种用于操作路边单元的装置，包括一个或多个处理装置，该一个或多个处理装置用于：生成估计数据，该估计数据表示基于交通相关的信息对一个或多个交通相关的特性的估计；使得将该估计数据发送到路边单元附近区域中的一个或多个交通工具；获得监测数据，该监测数据表示与对一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；以及使得将估计数据和监测数据发送到与路边单元相关联的监测系统，以用于创建验证数据，该验证数据表示与由路边单元的一个或多个设备生成的估计相关联的估计质量。
[0212]
示例133是一种用于操作路边单元的设备的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计；获得验证数据，该验证数据表示与由路边单元生成的估计相关联的估计质量；以及基于验证数据选择性地使用、修改或忽略由估计数据表示的估计。
[0213]
示例134是一种用于操作路边单元的设备的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；基于估计数据、监测数据、和参考数据来验证估计；并且使得将验证数据发送到监测系统，该验证数据表示对估计的验证的一个或多个结果。
[0214]
示例135是一种用于操作路边单元的设备的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得估计数据和任选的监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的估计，并且该监测数据表示与对该一个或多个交通相关的特性的估计的创建相关联的一个或多个参数；获得参考数据，该参考数据表示与由估计数据表示的估计相关联的参考估计；以及使得将参考数据发送到监测系统，该参考数据允许任选地基于监测数据对由估计数据表示的估计进行验证。
[0215]
示例136是一种用于操作交通基础设施系统的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得信任数据，该信任数据表示与由路边单元生成的估计相关联的估计质量；以及使得将该信任数据发送到一个或多个交通工具。方法125可任选地进一步包括：接收包括路边单元标识数据的一个或多个交通工具的请求，该路边单元标识数据
指示交通基础设施系统的特定路边单元，以及使得将与该特定路边单元相关联的信任数据发送到该一个或多个交通工具。
[0216]
示例137是一种用于操作监测系统的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得与路边单元相关联的估计数据和监测数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，并且该监测数据表示与由路边单元对一个或多个估计的创建相关联的(例如，辅助)信息；获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计；基于估计数据、监测数据、和估计参考数据来对一个或多个估计进行验证；并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0217]
示例138是一种用于操作监测系统的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得交通工具可靠性数据，该交通工具可靠性数据表示由该交通工具的一个或多个设备生成的数据的可靠性；基于交通工具可靠性数据对由该交通工具生成的(由交通工具的一个或多个设备生成的)数据进行验证；并且生成交通工具验证数据，该交通工具验证数据表示对由交通工具生成(由交通工具的一个或多个设备生成)的数据的验证的一个或多个结果。
[0218]
示例139是一种用于操作路边单元的装置，包括一个或多个处理装置，该一个或多个处理装置用于：在第一操作模式下基于从一个或多个传感器提供给路边单元的第一传感器数据生成一个或多个交通相关的特性的第一估计；以及在第二操作模式下获得第二传感器数据，基于第二传感器数据来生成一个或多个交通相关的特性的第二估计，并且将第一估计与第二估计彼此进行比较，并基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0219]
示例140是一种用于操作路边单元的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得第一传感器数据，基于第一传感器数据来生成对一个或多个交通相关的特性的第一估计，获得第二传感器数据，基于第二传感器数据来生成对一个或多个交通相关的特性的第二估计，并且将第一估计和第二估计彼此进行比较，并且基于该比较来确定第一传感器数据的质量和/或第一估计的质量。
[0220]
示例141是一种用于操作交通基础设施系统的装置，包括一个或多个处理装置，该一个或多个处理装置用于：获得估计数据，该估计数据表示由路边单元生成的、对一个或多个交通相关的特性的一个或多个估计，获得估计参考数据，该估计参考数据表示与由估计数据表示的一个或多个估计相关联的一个或多个参考估计，基于估计数据和估计参考数据两者来对一个或多个估计进行验证，并且生成路边单元验证数据，该路边单元验证数据表示对一个或多个估计的验证的一个或多个结果。
[0221]
根据各方面，本文描述的任何方法或方法的部分可以部分地或完全被实现为具有程序指令的非暂态计算机可读介质，这些程序指令在被执行时使得一个或多个处理器执行该方法的至少一部分或全部。
[0222]
根据各方面，参考上述示例描述的任何功能或功能组合可以部分地或完全地被实现为方法，在一些方面独立于被描述为实现相应功能或功能组合的设备。
[0223]
根据各方面，参考上述示例描述的任何功能或功能组合可以由一个或多个装置部分地或完全地实现，在一些方面独立于被描述为实现相应功能或功能组合的设备。
[0224]
虽然已经参照具体方面具体地示出和描述了本公开，但本领域技术人员应当理解，可对本发明作出形式上和细节上的各种变化而不背离如所附权利要求所限定的本公开的精神和范围。因此，本公开的范围由所附权利要求表示并且因此旨在涵盖落在权利要求的等效含义和范围内的所有变化。