CN103376119B - 执行路网搜索的方法和用于估计车辆续航里程的系统 - Google Patents
执行路网搜索的方法和用于估计车辆续航里程的系统 Download PDFInfo
- Publication number
- CN103376119B CN103376119B CN201310116660.1A CN201310116660A CN103376119B CN 103376119 B CN103376119 B CN 103376119B CN 201310116660 A CN201310116660 A CN 201310116660A CN 103376119 B CN103376119 B CN 103376119B
- Authority
- CN
- China
- Prior art keywords
- section
- level
- road
- weighted factor
- course continuation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3469—Fuel consumption; Energy use; Emission aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
不同实施方案涉及一种估计车辆的续航里程(15)的方法。所述方法包括执行路网搜索。检索数字地图数据(2),其包括一组路段(3、3a至3j),各路段与一个层级和一个海拔相关。针对所述路段(3、3a至3j)确定路段特定加权因子,所述加权因子取决于所述特定路段至所述车辆的当前位置(1)的距离以及取决于所述特定路段的所述海拔。所述路段(3、3a至3j)基于所述加权因子和所述相关层级而被选择性抛弃。所述路网搜索基于沿着路线链路行驶的车辆的相关能耗而扩展所述路段的所述路线链路。基于所确定的多个所述路段的可到达性估计所述续航里程(15)。
Description
技术领域
不同实施方案涉及一种为车辆导航而执行路网搜索的方法、一种估计车辆续航里程的方法和一种用于估计车辆续航里程的系统。
背景技术
车辆中导航单元的功能目前已扩大到估计车辆的续航里程,即,确定在给定当前可用的燃料或能量的量的情况下或在最大时间内车辆仍可到达的最远地理位置。具体来说,由传统燃料提供动力的汽车提供相对大量的能量存储且因此能够行驶较大距离,即具有相对较大的续航里程;而由替代能量提供动力的车辆(如氢动力汽车或混合动力汽车或电动汽车)可能具有相对较小的续航里程。对于这种情境,可能需要对续航里程的特别准确的估计,以便准确预测是否可在不加燃料的情况下到达特定目的地或何时需要加燃料。
车辆续航里程通常取决于许多不同参数,其具体来说可能与时间相关。例如,可用能量的量通常随行驶时间的增加而减少。此外,影响续航里程的交通状况可能变化。例如,交通阻塞可能减小续航里程。重要的是,车辆的当前位置也可能随时间而改变,从而改变续航里程。因此,为了始终提供准确的续航里程,就可能需要频繁更新先前计算得到的续航里程。
但是,续航里程的确定可能在计算上是昂贵的,即需要大量计算资源;因此,续航里程的更新速率可能因有限量的计算资源而受限制。因此,存在旨在在减少确定和更新所需的计算资源的同时提供频繁更新的且准确的续航里程的技术。
例如,WO2011/029562A1公开了用于针对多条道路的续航里程计算的技术,其中这些道路可划分为多个层级。续航里程基于属于第一层级的道路来计算。
因此,用于估计续航里程的当前现有技术能够在未简化或未大规模简化路网的情况下计算续航里程,从而占用大量计算资源;或能够选择性地考虑例如不同层级而估计续航里程,但仅以近似的方式来进行。但是,后一种技术可能仅提供相对不准确的续航里程。由于基于形成路网的路段的层级的路网简化,特定路段可能被估计为可到达而其实际上无法到达;而其他路段可能被估计为无法到达,而其却可能可以到达。有可能从这种情境中出现危险状况,其中例如车辆在尚未到达先前估计为可到达的位置(即位于续航里程内的位置)时因能量或燃料不足而停车。
因此,存在对提供用于以更准确但计算上经济的方式估计车辆续航里程的技术的需要。具体来说,存在对提供考虑能耗而为车辆导航而执行路网搜索的方法的需要,这种路网搜索在计算上是经济的。
发明内容
这种需要通过独立权利要求的特征来满足。从属权利要求定义实施方案。
根据一个方面,提供一种为车辆导航而执行路网搜索的方法。该方法包括确定车辆的当前位置和检索当前位置附近的数字地图数据。数字地图数据包括一组路段,其中每个路段与一个层级和一个海拔相关。该方法还包括确定路段的路段特定加权因子,其中对于每个特定路段,加权因子取决于从该特定路段至当前位置的距离且其中该因子还取决于该特定路段的海拔。该方法还包括基于加权因子和相关层级而从路段组中选择性地抛弃路段,以便获得更新的路段组。该方法还包括通过基于更新的路段组扩展路线链路而执行路网搜索。
对于估计续航里程的方法,可能有可能随后采用路网搜索。在这种情况下,路网搜索可基于沿着路线链路行使的车辆的相关能耗而扩展路线链路。
路段可与给定地理位置的起点(xy坐标,例如纬度和经度)和给定地理位置的终点相关。起点和终点还被称作节点。通过从路段组中选择性地抛弃路段,即疏化数字地图数据的路网,更新的路段组可含有若与原始检索的路段组相比而较小的数量的路段。因为针对路网搜索考虑较少的路段,所以路网搜索可使用较少计算资源执行而且/或者可更快地执行。对于路网搜索,路段可与成本相关;成本对应于沿着相应路段行驶所需的行驶时间和/或行驶距离和/或燃料或能量消耗。
海拔可存储在每个路段的数字地图数据中,例如,路段的边界节点(起点和终点)的平均海拔或海拔。但是,也可能有可能从提供地理区域的海拔的数字地形模型中检索海拔。随后,路段海拔可基于路段的地理位置而得自数字地形模型。
也可能有可能将选择性抛弃基于路段所覆盖的高度差。例如,可不抛弃仅具有两个限制节点(即,路段的起点和终点)之间的相对较小的高度差的那些路段。但是,通过不单单基于特定路段(即给定加权因子相关的路段组中的路段)的相关层级和/或高度差来选择性抛弃,而且基于加权因子(其可又取决于特定路段至车辆当前位置的距离和特定路段的海拔),路网搜索的准确度可能不会因路网的疏化而显著劣化。换言之,可基于能耗和/或行驶时间抛弃那些不太可能参与车辆的行驶的路段。
例如,加权因子可以是特定路段至当前位置的距离和特定路段的海拔的分析表达式。在这种情况下,可能有可能基于加权因子而选择性抛弃具有至当前位置的大距离和具体来说与车辆的当前海拔相比的小海拔的那些特定路段。从而,可能有可能在当前位置附近执行准确的路网搜索:这可能有利于准确地确定具有高层次(即对应于更高速度、更高容量或更高过境交通中的至少一个)的特定路段的可及性。换句话说,在当前位置附近,具有低层次(例如地方道路)但可能充当较高层次路段(例如,公路或高速公路)的支路的道路较不可能因相应的加权因子而被选择性抛弃。因此,路网搜索的准确性不受重要支路(其可能具有较低层级)的抛弃的不利影响。
数字地图数据可从数字地图数据库检索,数字地图数据库包括分层网络,其中对应于不同抽象级别和/或不同细节级别的不同层包括路段。特定路段的层级可得自包括特定路段的分层网络的层的层次。
具体来说,可存在不同层,其提供路网的不同抽象级别和/或不同细节级别。因此,包括在给定层中的路段可与特定层级相关。例如,特定路段(例如地方道路或支路)可仅包括在对应于低抽象级别的那些层中。此外,可能有可能实体道路可在数字地图数据中通过对应于较小(较大)细节级别的那些层中的较小(较大)数量的路段来表示。
在此方面,选择性抛弃可对应于抛弃包括在给定层中且可能包括在较低抽象级别/较高细节级别的所有层中的那些路段。具体来说,对于给定加权因子,可抛弃不属于特定层的所有路段。换句话说,根据加权因子,可使用分层网络的特定层的路段执行路网搜索。
基于特定路段的海拔确定的加权因子可允许减小选择性抛弃具体来说与车辆的当前海拔相比具有相对较高的海拔的那些路段的可能性。在采用根据用于估计续航里程的本发明的目前所述方面执行路网搜索的方法时,对于路网搜索可能需要考虑具有大海拔的那些道路;这是因为能量或燃料消耗可能极大程度地取决于海拔。在说明性情境中,在不构成本发明的部分的情况下,当加权因子并非取决于特定路段的海拔时,误导的路网搜索和后续续航里程估计可能发生:特定道路可能因经由山路到达特定道路所需的大量潜在能量而被估计为无法到达;但是,在过山公路末端的山谷中的特定道路实际上可通过绕开过山公路而到达。在这种情境下,驾驶人可能随后被引导使用显得较短的过山公路,但这可能导致车辆在当前位置与过山公路末端的山谷中的目标位置之间的半路上因无燃料而熄火。但是,根据本发明的不同实施方案通过也基于特定路段的海拔而准确疏化路网,这种情况可避免。
该方法还可包括确定近似续航里程以及基于近似续航里程确定一组地理位置。加权因子还可根据特定路段至该组地理位置的距离而被确定。例如,近似续航里程可基于车辆的可用能量和车辆的能耗及当前位置。能耗可从平均化的先前能耗确定或可等于预定义值。仅依赖于这些参数,可能已经可以确定近似续航里程。但是,可能有可能考虑其他参数。
具体来说,在这种情况下,近似续航里程的确定可独立于相对于当前位置的地理方向。换句话说,近似续航里程可对应于以车辆当前位置为中心的续航半径且/或可不考虑路网而被确定。具体来说,近似续航里程可仅使用少量计算资源来确定,即可快速和/或频繁地确定。
例如,地理位置组可与如上所述的续航半径一致。地理位置组还可与续航半径处于预定义关系,例如,若朝至当前位置的更近距离位移达预定义量。在任何情况下,地理位置组可基于近似续航里程而被确定。
随后,可有可能选择性地抛弃路段,即在近似续航里程附近区域中疏化路网至较小范围。换句话说,在粗略估计燃料或能量的量变低的区域中,可有可能更准确地执行路网搜索;且随后通过从路段组中选择性抛弃在这样的区域中的路段为较小程度而执行续航里程的估计。这可允许更准确地估计续航里程。
此外,根据本发明的当前所述方面执行路网搜索的方法还可包括确定与车辆导航相关的特定位置,其中加权因子还根据特定路段至特定位置的距离而被确定。例如,若车辆的计划路线已知,那么可能存在与车辆导航相关的许多类型的特定位置。实例包括目标位置,即路线的目的地,或交通阻塞,或关注点,如加油站或停车场等。在这种情况下,可能也需要基于这些特定位置而确定加权因子,如下文所述:
在交通阻塞的情况下,例如,道路封闭或堵车,可选择避开被阻塞道路的绕路。为了能够在这种情境下准确执行路网搜索,可能需要在确定加权因子时考虑这样一个因素且因此根据情况减小或增大特定位置附近路网的疏化程度。另一个实例可能是与时间相关(例如与白天或工作日相关)的道路封闭。例如,特定道路或甚至道路车道可能取决于时间而遭遇交通管制。一个实例是高承载率车辆(HOV)车道。可能需要相应地设定加权因子,以确保准确的路网搜索。所有这些可允许随后更准确地确定续航里程。
该方法还可包括确定车辆的当前海拔,其中加权因子根据特定路段的海拔相对于当前海拔的相对海拔差而被确定。具体来说,考虑到燃料或能量消耗,例如为了估计续航里程,车辆需克服的相对海拔差可能尤其相关。在这样情况下,可能需要将路段的选择性抛弃基于相对海拔差。具体来说,加权因子可针对正和负海拔差而不同地被确定。例如,如果特定路段与当前位置之间的海拔差是正数,即特定路段具有高于当前位置的绝对海拔高度,那么加权因子可取决于该海拔差。另一方面,如果特定路段与当前位置之间的相对海拔差是负数,即,特定路段具有低于当前位置的绝对海拔高度,那么若与前一种情况相比,加权因子可能不相关或可能具有性质上相反的相关性。例如,在此情境下,特定路段可具有高于海平面700米的海拔高度,而当前位置具有高于海平面1200米的海拔高度。在这种情况下,可如上文所述相应地确定加权因子。例如,当前海拔可从全球定位系统获得(可能结合当前位置和数字地图数据)。例如,可采用数字地形模型。
选择性抛弃可包括抛弃与对应于若与阈值层级相比而较小的行驶速度、较小的交通容量或减小的过境交通中的至少一个的层级相关的路段组中的那些路段。在本领域中,路段的不同分类为层级已知且存在这方面的标准。例如,可能有可能依赖用于数字地图数据的这种标准化层次分类。在这种分类中,高或大的层次归属于允许快速行驶的那些路段,例如公路或高速公路。低或小的层次与地方道路或支路相关。若与高层级道路相比,这些道路通常具有较小的行驶速度、较小的交通容量和减小的过境交通。随后,被估计为较不可能作为车辆所遵循的路线的部分的那些道路可能遭遇抛弃,所述估计基于所确定的加权因子。例如,当行驶较大距离时,较不可能使用低层次的地方道路;而是,可能优选路线将遵循高层次道路,如公路或高速路。
具体来说,在这种情况下,阈值层级可取决于加权因子。在特定说明情境中,数字地图数据的路段可分组为四个层级,其涉及:1=地方道路,2= 集散道路,3=干道,4=高速路。在相对较大加权因子的情况下,阈值层级可减小(例如,从3至2),从而导致仅选择性抛弃具有相对较小层级的相对较小数量的路段(例如,仅具有层级1和2的道路而非具有层级1和2和3的道路)。加权因子、层级和选择性抛弃的这种相关性不得解释为限制,因为其仅为说明性的。应了解,可基于由路网搜索和/或后续续航里程估计所施加的特定要求使用任何相关性和关系。如果层级得自分层网络,那么阈值层级可对应于特定层。
但是,在一个实施方案中,对于所有下列情况,特定路段的加权因子的确定若与确定的参考路段的加权因子相比可具有相同的相关性符号:特定路段与参考路段相比具有至当前位置的较小距离;以及特定路段与参考路段相比具有与当前位置的较大正海拔差。换句话说,在此,相对海拔差可以是相应路段相对于当前位置的差异。正海拔差可对应于与当前位置相比具有较大绝对海拔高度的特定路段。
由于至当前位置的较小距离和相对于当前位置的较大海拔差而具有相同相关性符号的加权因子可导致加权因子由于较小距离以及较大海拔差而增大或减小。换句话说,如果加权因子是例如至当前位置的距离和相对海拔差的分析函数,那么这个分析函数相对于距离的求导可具有与这个分析函数相对于高度差的求导相同的符号。
这可具有至当前位置的增大的距离对加权的影响在性质上与增大的海拔差对加权因子的影响相同的效果。但是,应了解,虽然性质相关性可能是相同的,但是数量上不同的相关性程度或强度可能存在。根据特定系统要求,这样的数量相关性可能受系统布局和微调的限制以及取决于不同参数。
以相同方式,对于所有下列情况,特定路段的加权因子的确定若与确定的参考路段的加权因子相比可具有相同的相关性符号:特定路段与参考路段相比具有至与车辆导航相关的特定位置的较小距离;以及特定路段与参考路段相比具有至基于近似续航里程确定的一组地理位置的较小距离。例如,特定位置可是堵车或道路封闭、加油站、停车场,即与交通状况和/或关注点相关。
如上所述,可考虑估计续航里程来执行路网搜索。
根据另一个方面,提供一种为车辆导航而执行路网搜索的方法。该方法包括确定车辆的当前位置和检索当前位置附近的数字地图数据,数字地图数据包括对应于分层网络的不同层次级别的许多层且各层包括一组路段,数字地图数据还指示空间分辨海拔。该方法还包括确定当前位置附近的地理区域的空间分辨加权因子,该加权因子取决于从地理区域至当前位置的距离且取决于地理区域的海拔,以及在地理区域中基于加权因子选择性地选择包括在许多层中的给定层中的路段组,以及通过基于所选路段组扩展路线链路而执行路网搜索。
对于这个方面,可获得可与根据先前讨论的方面执行路网搜索的方法相比较的效果。
例如,已知提供分层网络的数字地图数据的标准化数据库格式。不同层可对应于不同抽象级别和/或不同细节级别。例如,特定路段可能不包括在第一层中,而是包括在第二层中。此外,特定实体道路可取决于层而在数字地图数据中通过较大或较小数量的路段来表示。
在不同实施方案中,提供一种估计车辆续航里程的方法。该方法包括根据根据本发明的先前讨论方面为车辆导航而执行路网搜索的方法执行路网搜索,其中路网搜索基于沿着路线链路行驶的车辆的相关能耗扩展路线链路。该方法还可包括基于可用能量和到达多个路段中的每个路段所需的能耗确定多个路段的可到达性,以及基于所确定的多个路段的可到达性估计续航里程。
换句话说,路网搜索可基于与路线链路相关的成本运行,其中成本取决于车辆的能耗。这样的能耗成本可从车辆特定、驾驶人特定、环境和路线特定参数(也包括动态变化信息,如交通信息)确定。这样的参数可包括所接收的有关动态路线特性、交通阻塞、交通信息、时段、天气状况、外部温度、车辆类型、发动机类型、能量类型、车辆中的乘客数量、平均先前能耗和平均先前速度的信息。例如,如果路段覆盖较大海拔差,那么相关消耗成本可能高于未覆盖海拔差的路段。同时,较长路段可具有比较短路段高的相关消耗成本。拥挤城市路段可具有比边远地区路段高的相关消耗成本。此外,被报告堵车的路段可具有比未被报告交通阻塞的路段高的相关消耗成本。这些实例不得解释为限制,因为其只是说明性的。不同相关性可适用。通常,已知允许基于这些参数确定能耗的技术,因此在此上下文中无需讨论进一步的细节。
通过使用如目前讨论的方法估计续航里程,一方面可使用疏化的路网使得计算复杂性和所需计算资源量相对较低,而另一方面可获得估计续航里程的高准确度。
路网搜索针对其扩展多个定向路线链路的多个路段中的给定路段可在所有扩展的路线链路均无法到达的情况下被确定为无法到达。即,在特定情境下,路段可与具有特定定向的两个或更多个路线链路相关。图示这种情况的实例可以是具有单独的反向驾驶车道(例如北向和南向)的高速道路。在这种情境下,可能发生两个路线链路中的一个(例如,北向路线链路)被确定为可到达的情况。例如,指向远离当前位置的方向的公路的驾驶车道可被确定为可到达,而指向车辆的当前位置的公路的驾驶车道可被确定为无法到达。这可能在车辆需选择绕路(例如经由公路出口/进口)以到达指向当前位置的驾驶车道时发生。在本实例中,驾驶人可能需要向北行驶达特定距离,在出口转向并向南反向行驶以到达给定路段的南向路线链路。在这种情况下,可能需要确定给定路段可到达——即使扩展的路线链路之一无法到达。
根据不同实施方案,提供另一种估计车辆续航里程的方法。该方法包括根据根据本发明的先前讨论方面为车辆导航而执行路网搜索的方法执行路网搜索,其中路网搜索基于沿着路线链路行驶的车辆的相关行驶时间扩展路线链路。该方法还可包括基于可用时间量和到达多个路段中的每个路段所需的行驶时间量确定多个路段的可到达性,以及基于所确定的多个路段的可到达性估计续航里程。
在这样的实施方案中,路网搜索可基于与路线链路相关的成本运行,其中成本取决于车辆沿着给定路线链路的行驶时间。这可允许确定对应于例如在给定时间内可到达的路段的续航里程。这可具有用户可容易地查看哪些位置(例如,关注点、地标、医院、药房、派出所等)在给定时间周期内可到达的效果。
根据不同实施方案,提供一种估计至行驶目的地的行驶路线的方法。该方法包括根据一种根据如上所述的本发明的一个方面的为车辆导航而执行路网搜索的方法执行路网搜索。路网搜索基于沿着路线链路行驶的车辆的相关行驶时间和/或行驶距离扩展路线链路。该方法还包括基于扩展的路线链路确定至行驶目的地的行驶路线。行驶路线通过使行驶时间和/或行驶距离最小化来确定。
这种方法可对应于传统的路线搜索。对于这种估计行驶路线的方法,至目的地(即目标位置)的传统导航可以在计算上高效的方式获得。例如,该方法可产生最短路线或可产生最快路线。换句话说,路网搜索可根据与行驶时间和/或行驶距离相关的成本扩展路线链路。
根据另一个方面,提供一种用于估计车辆续航里程的系统。该系统包括被构造来确定当前位置的定位单元和被构造来存储当前位置附近的数字地图数据的存储构件,其中数字地图数据包括一组路段,其中每个路段与一个层级和一个海拔相关。该系统还包括被构造来执行下列步骤以估计续航里程的导航单元:从存储构件检索数字地图数据;确定路段的路段特定加权因子,加权因子取决于从特定路段至当前位置的距离且加权因子还取决于特定路段的海拔。导航单元还被构造来执行下列步骤:基于加权因子和相关层级而从路段组选择性抛弃路段,以获得更新的路段组;以及通过基于更新的路段组扩展路线链路而执行路网搜索,其中路网搜索基于在路线链路上行驶的车辆的相关能耗而扩展路线链路;以及基于可用能量和沿着扩展的路线链路到达多个路段中的每个路段所需的能耗确定多个路段的可到达性。导航单元还被构造来基于所确定的多个路段的可到达性估计续航里程。
对于这种系统,可获得可与用根据如上文所述的方面和实施方案的方法获得的效果相比较的效果。
系统还可包括用户界面,其中导航系统被构造来根据从用户界面接收的用户输入而确定加权因子。例如,可能有可能用户手动指定路段网络的疏化程度,即,多少路段被选择性抛弃。这种用户输入可为明示或暗示的。具体来说,可能有可能用户可经由输入暗含地影响加权因子。在一个实施方案中,估计的续航里程可在系统显示器上显示为里程多边形。在这种情况下,用户可放大或缩小续航里程的这种图示。如果用户放大视觉化续航里程的特定区域,那么可有可能确定加权因子使得选择性地针对这个放大区域将路段网络疏化至较小程度,例如标记路段的选择性抛弃层级的上限的层级阈值可增大。应了解在本发明的另一个实施方案中,独立于地图视图的放大确定加权因子。可有可能在缩放时单独改变例如续航里程的图示,而不改变加权因子。
导航单元还可被构造来基于预定义条件更新续航里程的估计,其中加权因子根据续航里程的估计的两个相继更新之间的时间周期而被确定。这种预定义条件可为固定更新频率、可用燃料或能量的递增量、特定行驶距离、影响燃料消耗的参数的改变,例如,新交通信息消息等。当基于加权因子选择性抛弃时,加权因子可对用于更新续航里程的所需计算资源具有影响。如果续航里程需要非常频繁地更新,即如果存在续航里程的两个相继的更新之间的短时间周期,那么可能需要减少执行更新所需的计算资源。在这种情况下,可相应地确定加权因子。
应了解,上述特征和下文将说明的特征不仅可以指出的相应组合来使用,而且可以其他组合来使用或单独使用,而不脱离本发明的范围。上述方面和实施方案的特征可在其他实施方案中彼此组合。
通过结合附图(其中相同参考数字指的是相同元件)阅读下文的详细描述,本发明的上述及附加特征和效果将变得显而易见。
附图说明
图1是用于估计车辆续航里程的系统的示意图;
图2是路段和路线链路的示意图;
图3图示通过延伸路线链路进行的路网搜索;
图4示意图示路段相比于彼此及相对于近似续航里程的距离和海拔;
图5图示基于图4的距离和海拔确定加权因子;
图6图示基于加权因子和相关层级选择性抛弃路段;
图7图示基于已从中基于加权因子选择性抛弃路段的一组路段延伸路线链路而进行路网搜索;
图8是根据本发明的估计车辆续航里程的方法的流程图;
图9图示针对得自数字地图数据库的分层网络的层级而选择性抛弃路段。
具体实施方式
在下文中,将参考附图说明可用于从路段网络选择性抛弃路段以高效执行路网搜索的技术。高效执行路网搜索在用于估计续航里程的方法和技术中可具有特定应用。虽然选择性抛弃并执行路网搜索的技术主要结合估计续航里程的应用来讨论,但是应了解,其他应用领域也是可能的。例如,基于加权因子采用选择性抛弃路段的路网搜索也可在计算至目标位置的短和/或快速的行驶路线和/或高能效路线时采用。
图1示出用于估计车辆100的续航里程的系统200。车辆100可以是由传统燃料(例如,汽油或柴油)驱动的汽车或可以是混合动力汽车或电动车。系统200能够执行一种基于更新的路段组(即已基于加权因子从中选择性抛弃路段的一组路段)为车辆导航而执行路网搜索的方法。系统200可为车辆 100的一部分。系统200包括被构造来例如经由全球定位系统(GPS)或蜂窝网络或车辆里程计数据确定车辆100的当前位置和/或当前海拔的定位单元101。技术人员已知不同的技术。
提供用于存储数字地图数据2的存储构件103。存储构件103可包括存储在数据库中的数字地图数据2。数据库可具有预定义结构和组织方式。数字地图数据2包括路段和其他地图数据,如地理信息、景观信息(例如,城市、河流、湖泊、标记、关注点、加油站)等。所存储的路段网络的路段各与一个层级和一个海拔相关。海拔可例如指定为海平面上方的海拔。层级可为考虑诸如行驶速度、行驶能力和过境交通的参数的特定路段的标准化分类。例如,层次分类可使用1与8之间的整数来实施,其中小数字(即,低层次)对应于地方道路或支路,而较大数字(即,高层次)对应于公路或高速路。其他层次分类也是可能的。具体来说,路段的层级在路网搜索中可与沿着路段的行驶时间和/或平均速度相关。其可用于计算原点与目标之间的最快路线。
此外,数字地图数据2的数据库的预定义结构/组织层次可提供数字地图数据2的不同路段的层级的另一个实施方案。即,数字地图数据2可包括分层网络的不同层;不同层可对应于路网的不同抽象级别和/或细节级别。例如,特定(高)层可仅包括长距离道路,而另一个(低)层可包括长距离道路和地方道路。可有可能基于这种层信息获得层次分类。这种情境将参考图 9来说明。
提供导航单元102,其例如直接或如图1所示经由车辆总线系统(例如,“CAN”或“MOST”或“FlexRay”总线系统等)耦合至存储构件103。导航单元104可从存储构件102中检索数字地图数据2。导航单元102被构造来通过沿着路段扩展路线链路而基于数字地图数据2执行路网搜索。在本领域中,已知执行路网搜索的不同方法,例如根据Dijkstra的方法或派生方法。这些执行路网搜索的方法依赖于与每条扩展的路线链路相关的成本。成本可考虑沿着路段的行驶时间、考虑路段的距离或也考虑在沿着特定路段行驶时所需的能耗来定义。路网搜索可被构造来产生针对相关成本优化的路线。例如,最小化或最小行驶时间的路线,即最快路线;或最小化或最小行驶距离的路线,即或最短路线;或可获得具有在当前位置或另一个原点与目的地之间的最小化或最小能耗的路线。这些技术为技术人员已知,因此无需在此上下文中讨论进一步的细节。
在系统200中提供显示器105,其例如可用于显示导航单元102所生成的输出。这些输出可包括数字地图数据2的图示(即地图视图)、计划路线的图示,或表示基于根据本发明的实施方案的方法的车辆的估计的续航里程的里程多边形(即分段线性连接)或样条(即分段立方连接)等。系统还包括用户界面104,其允许来自用户(例如,车辆100的驾驶人)的用户输入和向用户的用户输出。例如,经由用户界面104,用户可指定所要目标位置,可放大或缩小地图视图,或可以任意其他方式与系统200的参数和功能交互。用户界面104可包括按钮、语音控制、姿势识别等。
此外,系统200包括许多传感器106。这些传感器可能能够感测可用于为车辆100提供动力的燃料或能量,可能能够感测车辆100中的乘客数量,可能能够感测环境参数,如天气状况或交通状况,且可能概括地说能够感测与燃料或能量消耗速率和可用燃料或能量的量有关的任何参数。换句话说,传感器106的信息可用于执行估计车辆100的续航里程的方法。通常,可有可能提供至中心服务设施的无线连接。中心服务设施在一个实施方案中可提供有关估计续航里程的服务。例如,可将交通阻塞或特定相关区域的特定指示发送至车辆,以便在估计中给予考虑。
示意性地在图2中图示了通过导航单元102执行路网搜索的技术的细节。在图2中,图示多个路段3a、3b、3d、3e、3h。路段在所定义的地理位置的节点5之间扩展。技术人员已知含有路段3a、3b、3d、3e、3h的数字地图数据2的不同格式,依赖于节点5或节点5之间的链路。用于执行路网搜索的技术沿着路段3a、3b、3d、3e、3h(即在相应的节点5之间)扩展单向或双向链路。这些路线链路4a.1、4a.2、4b.1、4b.2、4d.1、4d.2、4e.1、 4e.2、4h.1、4h.2使用箭头示于图2中。对于这些路线链路中的一些,在图2 中,存在作为整数的示意性图示的相关能耗成本24。消耗成本24例如与通过相应的路线链路沿着特定路段行驶所需的燃料或能量的量成比例相关。如可见,例如在路段3h的情况下,路段可包括超过一个的相应路线链路,在路段3h的情况中,提供两个相反的路线链路4h.1、4h.2,例如,北向和南向行驶。两个路线链路4h.1、4h.2与分界节点5之间的相反连接有关。例如,执行路网搜索可能导致从路段3d到达路段3h的成本小于从另一方向到达路段3h的成本的情况。这是因为两个路线链路4h.1、4h.2可具有与其相关的不同成本,例如在相应路段覆盖高度差的情况下。
在根据本发明的一个实施方案确定特定路段的可到达性时,到达该特定路段所需的燃料或能量消耗可基于从路网搜索中获得的路线的相应成本来确定。特定路段的可到达性可基于能耗和可用能量来确定。如果可用能量不足以通过最佳路线(在能耗方面最佳化的路线)到达特定路段,那么该特定路段可被估计为无法到达;且反之亦然。
具体来说,如果对于特定路段,存在多个路线链路(例如,定向路线链路),那么路段可在所有扩展的路线链路均无法到达的情况下被确定为无法到达。在图2中的路段3h的情况下,这将意味着在路线链路4h.1被确定为可到达但路线链路4h.2被确定为无法到达的情境下,路段3h被确定为可到达。
如果针对多个路段确定可到达性,那么车辆的续航里程可通过考虑多个路段的可到达性而确定。例如,可提供里程多边形,其环绕或包围续航里程,即,确定续航里程的外边界。
但是,使用如上所述的技术估计续航里程可能在计算上是昂贵的。在下文中,参考图3至图7,将详细说明根据本发明的不同实施方案的方法,其允许通过在执行路网搜索之前疏化路段网络而减少准确估计车辆的续航里程所需的计算工作量。随后,路网搜索需扩展较小量的路线链路,从而节省计算资源。路网搜索可由导航单元102更快地执行,这可允许更频繁地更新估计的续航里程,从而提高准确度。
在图3中,描绘如存储在系统200的存储构件103中的数字地图数据2 的地理表示,例如,地图视图。图示许多路段3、3a至3j。地图视图以车辆 100的当前位置1为中心。此外,目标位置6例如由用户经由系统200的用户界面104或通过其他方式输入。
图3图示近似续航里程10。近似续航里程可为车辆100在给定目前可用燃料或能量的情况下能够行驶的距离10A的粗略估计。这种粗略估计可基于车辆100的可用燃料或能量的量以及基于车辆100的能耗。例如,可使用平均先前能耗或预定义值,例如,车辆特定值。距离或半径10A因此可容易地被计算。但是,近似续航里程10独立于数字地图数据2具体来说独立于路段网络而被确定,因此近似续航里程10独立于相对于当前位置1的地理方向。换句话说,近似续航里程10形成围绕当前位置1的圆形形状的续航半径。
但是,应了解,对于计算近似续航里程10的明确的一点可以是计算以计算上高效且经济的方式发生。如果情况允许,那么在计算近似续航里程时,可有可能在一定程度(可能对应于较高抽象/较低细节的有限程度)上考虑路段网络。例如,公路或高速道路可被考虑或可考虑在人口密集的市区平均燃料消耗较高等。但是,通常近似续航里程可具有有限的准确度,从而节省计算工作量。
图3中的路段3、3a至3j的数量或量相对较大。为了更高效地执行路网搜索,可在扩展路线链路之前疏化路段网络,即选择性抛弃例如具有被包含在长距离路线中的低概率的那些路段。在这方面,选择性抛弃可基于道路层级。也可能有可能将选择性抛弃基于路段所覆盖的高度差。例如,仅具有两个限制节点之间的相对较小高度差的那些路段可不被抛弃。此外,当采用所执行的用于估计续航里程的路网搜索时,路段3、3a至3j的选择性抛弃可进一步基于加权因子。如将参考下文图4及图5所述,加权因子可考虑不同参数。
图4是沿着图3中标注为I-II的线的数字地图数据2的示意图。依据沿着线I-II的位置绘制海拔20。如可见,海拔20保持为大致恒定值,在具有至当前位置1的特定距离1a的特定路段3g附近除外。具体来说,存在特定路段3g与当前位置1之间的相对海拔差21。此外,特定路段3g具有至近似续航里程的特定距离10b及至当前位置1的距离1a。
在图5中,加权因子30依据沿着图3的线I-II的位置绘制。如可见,加权因子30针对靠近当前位置1的位置以及针对靠近近似续航里程10的位置取大的值。此外,加权因子30针对相对于当前位置具有大海拔差的位置即具体来说针对特定路段3g取大的值。例如,加权因子30可以是这些参数的分析函数。这种分析函数可以被描述为:
w=a f(ΔH)+b f(D1)+c f(D2)。 (1)
在等式1中,w表示加权因子30,ΔH表示相对高度差21,D1表示针对其计算加权因子的特定路段与当前位置1之间的距离1A,且D2表示特定路段与近似续航里程之间的距离10b。a、b和c是参数。例如,加权因子30 可针对计算得到的路段特定即针对路段3和3a至3j中的每一个单独而被确定。
参数a、b、c相对于彼此的相对量值可依据系统200的系统设计和微调而定。例如,函数f可能是线性函数、多项式函数或类似函数。参数a、b、 c的量值确定距离1a、海拔差21和距离10b对加权因子10的影响强度。参数a、b、c的值可能影响路段网络被疏化的程度且从而影响路网搜索所需的计算工作量。
应了解,存在用于确定加权因子30的其他技术,而非使用如上所述的技术。例如,可使用查找表。上文给出的实例只是说明性的。
图6图示路段3、3a至3j根据特定路段的加权因子30的选择性抛弃。图6中依据加权因子30而基于所有使用的层级22的值绘制阈值层级23的值(垂直轴)。阈值层级23依据加权因子30被选择为等于层级22。在图6 的情况下,层级22的值可取整数值1至8。例如,值=1可对应于具有小于 30km/h的限速的地方道路,而值=8可对应于无限速的高速路。例如,当加权因子30非常小(如图6左手侧所示)时,阈值层级23设置为等于大的层级22,即,对应于高流量长距离道路,如公路或高速路,例如层级值=7。随后,例如,具有小于或等于阈值层级23的层级的所有路段可被抛弃,例如在本实例中,具有层级值1至7的那些路段。换句话说,对于加权因子30 较小的区域,路段3、3a至3j中的相对较大部分(即对应于地方道路或支路的所有那些路段)被抛弃。
相应地,在加权因子30较大的区域(在图6中右手侧)中,阈值层级 23设置为层级22的较小值,例如,值=2。随后,路段3、3a至3j中的相对较小部分(即仅具有小于阈值层级23的层级22的那些路段,例如,在本实例中,具有层级值1或2的那些路段)被选择性抛弃。
参考图4、图5和图6,更详细说明了基于层级22和加权因子30的这种选择性抛弃的效果。即,在靠近近似续航里程10和/或靠近当前位置1和/ 或具有相对于当前位置1的大相对海拔21的那些区域中,选择性抛弃的标准即阈值层级23设置为更严格的值。即,仅较小部分的路段3、3a至3j被抛弃。在其他区域中,较大部分的路段3、3a至3j因阈值层级23具有较大值而被选择性抛弃。
靠近当前位置,可能需要路段网络的高准确度,即少量选择性抛弃的路段3、3a至3j,以针对车辆附近的地方道路和支路提供正确的路网搜索。例如,为了到达高层次道路,例如公路,可能需要在执行路网搜索时覆盖当前位置1附近的地方道路和支路。
相应地,在近似续航里程10附近,可能需要仅将路段网络疏化至较小程度,即仅选择性抛弃较小部分的路段3、3a至3j。即,在大致估计可用燃料或能量的量变低的区域中,可能需要路网搜索的大的准确度和续航里程的后续估计。
同样地,在相对于车辆100的当前位置1具有相对较大的海拔差21的那些地理区域中,可能需要使用密集的路段网络执行路网搜索,即不选择性抛弃大部分的路段3、3a至3j。由于克服高度差21以到达这些区域所需的燃料或能量的量相对较大,所以可能需要在续航里程的后续估计中将路网搜索基于包括较大数量的路段3、3a至3j的高度准确的路段网络。在这些区域中,可能需要大的加权因子30。
在图7中,在对应于图3的地图视图的地图视图中描绘数字地图数据2。但是,路段网络已根据如上文参考图4、图5、图6所述的技术疏化。换句话说,路段3、3a至3j已基于相关层级22以及基于相关加权因子30经历选择性抛弃。如从图3和图7的比较可见,已从路段网络中选择性抛弃许多路段3i。这是因为这些路段3i与相对较小的加权因子相关,因为其具有近似续航里程10与当前位置1之间的中间距离;此外,路段3i位于相对于车辆 100的当前位置1具有小的相对海拔差21的区域中。此外,路段3i具有小的层级。归因于小的加权因子和小的层级的组合,参见图6,路段3i被抛弃。
但是,路段3j尚未被选择性抛弃。路段3j也具有小的层级,例如与路段3i相同的层级。但是,路段3j在特定位置7的附近。特定位置7与车辆导航相关,即可对应于已被报告交通阻塞的地点、绕路可能发生之处、先前计划路线的基准点所在之处、关注点所在之处或类似地点。可能加权因子30 进一步根据至特定位置7的距离而被确定。由于特定路段3j至特定位置7 的距离相对较小,所以加权因子30可能相对较大。因此,阈值层级23可设置为等于低层级22。由于路段3j具有大于这个特定层级阈值23的层级,所以其不被抛弃。
其他可设想的情境与路段3j位于估计的续航里程10附近、位于当前位置1附近或具有相对于当前位置1的大海拔差23的情况有关;此外,在这种情境下,与路段3j相关的阈值层级23可相对较小,从而可能导致不抛弃路段3j。参考图6。
应了解,执行路网搜索所需的计算工作量与所考虑的路段组中的路段数量相关。因此,当需要减小计算工作量时,通常加权因子30可被更改至较低值或如图6所描绘的相关性可被改变使得对于给定加权因子30,更多的路段被抛弃。还可调适等式1的相关性。
在图7中,估计的续航里程15被描绘为虚线。估计的续航里程15被示作里程多边形。如从图7可见,在一些部分中,估计的续航里程15与近似续航里程10相比具有至当前位置1的较小距离,而在其他部分中,估计的续航里程15具有至当前位置1的较大距离。这是因为估计的续航里程15与粗略近似的近似续航里程10相比可被认为更准确。
具体来说,在围绕路段3b、3g、3e、3c的山区中,归因于相对较少的被抛弃路段而实现高空间分辨率的估计的续航里程15。具体来说,目标位置 6被估计为可经由沿着路段3a、3b、3c的路径到达,但无法经由沿着路段 3a、3e、3g或3f、3g的路径到达。例如,路段3g可以是过山公路,而目标位置6位于过山公路后面的山谷中。
例如,路段3a、3b、3c可具有比路段3f、3g小的层级。因此,基于与行驶时间或距离相关的成本的传统路网搜索会产生沿着路段3f、3g至目标6 的最短和/或最快路线。如果路段3、3a至3j的选择性抛弃仅基于层级22发生,那么例如路段3b会被抛弃。在这种情况下,目标位置6会被确立为不可到达,因为沿着路段3g的山间公路行驶的能耗会大于可用燃料或能量的量。通过还基于加权因子30选择性抛弃,路段3b未被抛弃,因此允许近似续航里程15的更准确确定,从而显示通过路段3b绕过过山公路3g允许到达目标6。
此外,在图7的左下部分中可见的是续航里程15的岛型部分。围绕续航里程15的该部分的所有区域被估计为可到达。这种情境可能在相应的岛型部分是具有大于周围区域的海拔的山区(例如,对应于高原或山顶等)时发生。
图8是图示一种根据本发明的一个实施方案的估计续航里程的方法的流程图。该方法从步骤S1开始。在步骤S2中,确定车辆100的当前位置1和当前海拔。在步骤S3中,例如从存储构件103中检索包括一组路段2、3a 至3j的数字地图数据2。每个路段与层级22和海拔20的相应值相关。技术人员已知适当的数据库和相关数据格式。此外,车辆100的海拔还可基于数字地图数据2而被确定。
在步骤S4中,根据针对其确定加权因子30的特定路段至当前位置1的距离1a及根据特定路段与当前位置1之间的海拔差21及基于用户输入针对每个路段3、3a至3j确定加权因子30。例如,用户输入可经由系统200的用户界面100接收。例如,如果用户基于数字地图数据2放大地图视图,那么对于地图视图的放大区域,加权因子30可增大。还有可能用户指定续航里程估计的总准确度,从而导致加权因子30分别朝向较高或较小的值改变。不一定根据用户输入确定加权因子30。
在步骤S5中,路段3、3a至3j被选择性抛弃以获得更新的路段组。例如,步骤S5可包含与每个特定路段相关的层级21与基于在步骤S4中针对特定路段确定的加权因子30而确定的阈值层级23之间的阈值比较。参考图 6。
在步骤S6中,基于更新的路段组执行路网搜索。路网搜索在扩展路线链路时考虑针对每个路段3、3a至3j的成本,成本与沿着相应路段行驶的燃料或能量消耗相关。可提供路网搜索的中止标准。一个这种中止标准可基于近似续航里程10来定义。例如,如果路线链路相对于与近似续航里程10相关的当前位置扩展至特定距离,那么路网搜索可停止。也可能有可能提供基于成本的中止标准:例如,可将路网搜索的相应迭代步骤的总燃料或能量消耗成本与可用燃料或能量的量比较。如果总成本达到可用量的特定分率,例如80%或100%或105%或120%,那么路网搜索可终止。
技术人员已知路网搜索的不同方法,例如包括Dijkstra算法或派生算法。具体来说,这些方法可对应于传统路线搜索或可与传统路线搜索紧密相关。例如,这些算法可输出最短路径树,即,构建的曲线图,使得其包含根节点或路段(在此可能是当前位置)与所有其他节点或路段之间的成本优化连接。针对其优化最短路径树的成本可能涉及行驶距离或行驶时间或燃料/能量消耗或其组合等。因此,在此上下文中无需说明路网搜索技术的进一步细节。路网搜索针对更新的路段组中的每个路段产生对应于例如从步骤S1的当前位置到达特定路段所需的燃料或能量消耗的成本值。
在步骤S7中,通过将到达每个特定路段所需的这个燃料或能量的量与可用燃料或能量的量作比较,确定更新的路段组中的路段的可到达性。换句话说,估计多个路段的可到达性。
在步骤S8中,基于如步骤S7确定的可到达性估计续航里程15。续航里程15得自多个路段的可到达性。在一个实施方案中,续航里程由可到达路段与无法到达的路段之间的界线界定。但是,当估计续航里程时,可能在步骤S8中发生后处理。例如,可提供安全边际,即几乎无法到达的一些路段,即可例如通过阈值比较而从续航里程15中排除可用燃料/能量的量变低之处。此外,可有可能确定位于续航里程15附近的加油站并且为用户提供在那里补充能量/燃料的推荐。
在步骤S8中,也可有可能考虑非道路区域,即,不存在路段的数字地图数据区域。例如,在给定位置,续航里程可能受限于死路:当到达这条死路的末端时,可能剩余特定量的燃料或能量。因而,可有可能计算在燃料或能量完全被消耗之前可在道路外从这条死路路段的终点行驶的距离。这可例如以独立于地理方向及/或可考虑非道路地形的高度差的方式发生。
此外,在步骤S8中,估计的续航里程可可选地例如在显示器上及/或作为地图视图的一部分向用户(例如,车辆的驾驶人)输出。这可允许驾驶人确定其在无需加燃料的情况下可行驶多远及/或可允许驾驶人计划加燃料的位置。
在步骤S9中,检查是否需要更新续航里程15。不同标准可用于检查是否需要更新如在步骤S8中获得的估计的续航里程15。例如,标准可为时间跨度的消逝。可能有可能以固定重复频率提供续航里程的更新。也可能有可能一旦车辆已行驶预定义的距离,就更新续航里程。也可能基于消耗参数的改变(例如,最新接收到的交通状况报告)而更新续航里程。
如果在步骤S9中,发现需要更新的续航里程,那么在步骤S10中,可基于从上次更新以来的时间而调适加权因子30。例如,如果从上次更新以来的时间非常短,那么可调适加权因子30使得更多路段被选择性抛弃,从而减小执行步骤S6、S7和S8所需的计算工作量。但是,如果从上次更新以来的时间足够长,那么可调适加权因子30使得路段网络被疏化至较小程度。应了解,也可相应地调适如图6所示的加权因子30与阈值层级23之间的相互关系,而不是调适加权因子30。也可能有可能改变如经由等式1中的参数 a、b、c所指定的距离1A、海拔差21或距离10b对加权因子30的相关性的强度。在这种情况下,可将路段网络的疏化限制为较小的地理区域,或者可减小至针对其选择性抛弃给定层级的路段的当前位置1的距离。此外,以此方式,可减少针对路网搜索被考虑的路段数量,从而减小更新估计的续航里程所需的计算工作量。
在步骤S10后,再次执行步骤S2至S8。
如果在步骤S9中,确定无需续航里程的更新,那么方法在步骤S11中结束。
在图9中,图示层级22和路段的选择性抛弃的替代实施方案。在图9 中,描绘分层网络的三个层40a、40b、40c,即层次数据库。层40a、40b、 40c对应于路网的不同抽象级别/细节级别。第一层40a对应于作为最细节化(即,最高分辨率)的路网的表示的数字地图数据2。包含地方道路。通过提供大量的节点5(即大量路段3),获得路段的高空间分辨率。第二层40b 包含较少路段3。此外,一些道路使用较少量的节点来表示,即,换句话说,通过提供较少数量的路段3,降低了空间分辨率或细节级别。在这方面,第三层40c对应于最大抽象程度,即,最低细节级别。大量路段3从第三层40c 中被移除。由第三层40c表示的那些道路包括相对较少数量的节点5且因此路段3:换句话说,虽然对于起点与终点之间的连接,第一层40a例如使用三个连接的路段3a、3b、3c,但是第三层40c使用单个路段3d。
在这种情境下,可能在每个路段的层级22得自对应于与层40a、40b、 40c的关联的信息的情况下检索数字地图数据2。基于层级22从路段组选择性抛弃路段可对应于抛弃属于具有较低抽象程度(即具有较高空间分辨率和 /或较高细节级别)的那些层40a、40b、40c的那些路段。例如,阈值层级 23可指定层40a、40b、40c中的给定一个。随后,可抛弃不属于给定层的所有路段3。此外,可能有可能抛弃属于对应于比给定层低的抽象级别/高的细节级别的层的所有那些路段3。可设想不同的实施方案。
虽然已相对于特定优选实施方案示出及描述本发明,但是本领域其他技术人员在阅读和理解本说明书时会想到等效例和修改例。本发明包括所有这些等效例和修改例且仅受权利要求书的范围限制。例如,因为图4至图6涉及加权因子30对不同参数的特定相关性以及阈值层级23对加权因子30的特定相关性,所以可定量以及定性地设想不同相关性。这些实施方案不得解释为限制。此外,已主要相对于与沿着路段行驶的燃料/能量消耗相关的路段成本讨论了路网搜索。但是,应了解,可采用任意其他成本,例如,行驶时间或行驶距离或其组合。
Claims (13)
1.一种为车辆(100)导航而执行路网搜索的方法,所述方法包括:
-确定所述车辆(100)的当前位置(1),
-检索所述当前位置(1)附近的数字地图数据(2),所述数字地图数据(2)包括一组路段(3、3a- 3j),各路段与一个层级(22)和一个海拔(20)相关,
-针对所述路段(3、3a- 3j)确定对于该路段为特定的加权因子(30),所述加权因子(30)取决于从特定路段(3g)至所述当前位置(1)的距离(1a)及取决于所述特定路段(3g)的所述海拔(20),
-基于所述加权因子(30)和相关层级(22)从所述路段组(3、3a- 3j)选择性抛弃所述路段(3、3a- 3j)以获得更新的路段组(3、3a- 3j),其中所述选择性抛弃包括抛弃与对应于若与阈值层级(23)相比而较小的行驶速度、较小的交通容量或减小的过境交通中的至少一个的层级(22)相关的所述路段组(3、3a- 3j)中的那些路段(3、3a- 3j),其中所述阈值层级(23)取决于所述加权因子(30),使得在加权因子相对较大的情况下,所述阈值层级减小,从而导致仅选择性抛弃具有相对较小层级的相对较小数量的路段,
-通过基于所述更新的路段组(3、3a- 3j)扩展路线链路(4a.1、4a.2- 4h.1、4h.2)而执行所述路网搜索。
2.根据权利要求1所述的方法,其还包括:
-确定近似续航里程(10),
-基于所述近似续航里程(10)确定一组地理位置,
其中所述加权因子(30)还根据所述特定路段(3g)至所述地理位置组的距离(10a)而被确定。
3.根据先前权利要求中任一项所述的方法,其中从数字地图数据库(103)检索所述数字地图数据(2),所述数字地图数据库包括分层网络,其中对应于不同抽象级别和/或不同细节级别的不同层包括所述路段,且其中所述特定路段的所述层级(22)得自包括所述特定路段的所述分层网络的所述层(40a、40b、40c)的层次。
4.根据权利要求1所述的方法,其还包括:
-确定与所述车辆(100)导航相关的特定位置(7),
其中所述加权因子(30)还根据所述特定路段(3g)至所述特定位置(7)的距离而被确定。
5.根据权利要求1所述的方法,其还包括:
-确定所述车辆(100)的当前海拔(20),其中所述加权因子(30)根据所述特定路段(3g)的所述海拔(20)相对于所述车辆(100)的所述当前海拔(20)的相对海拔差(21)而被确定。
6.根据权利要求1所述的方法,其中对于所有下列情况,所述特定路段(3g)的所述加权因子(30)的确定若与确定的参考路段的加权因子(30)相比具有相同的相关性符号:
-所述特定路段(3g)与所述参考路段相比具有至所述当前位置(1)的较小距离(1a);和
-所述特定路段(3g)与所述参考路段相比具有与所述当前位置(1)的较大正海拔差(21)。
7.根据权利要求6所述的方法,其中对于所有下列情况,所述特定路段(3g)的所述加权因子(30)的所述确定若与确定的参考路段的加权因子(30)相比具有相同的相关性符号:
-所述特定路段(3g)与所述参考路段相比具有至与所述车辆(100)导航相关的特定位置的较小距离;和
-所述特定路段(3g)与所述参考路段相比具有至基于近似续航里程(10)确定的一组地理位置的较小距离。
8.一种估计车辆(100)的续航里程(15)的方法,所述方法包括:
-根据权利要求1至7中任一项所述的方法执行路网搜索,其中所述路网搜索基于沿着所述路线链路行驶的所述车辆(100)的相关能耗(24)扩展所述路线链路(4a.1、4a.2-4h.1、4h.2),
-基于可用能量和沿着扩展的路线链路(4a.1、4a.2- 4h.1、4h.2)到达多个路段(3、3a-3j)中的每个路段所需的所述能耗(24)确定所述多个路段(3、3a- 3j)的可到达性,和
-基于所确定的所述多个路段(3、3a- 3j)的可到达性估计所述续航里程(15)。
9.根据权利要求8所述的方法,其中所述路网搜索针对其扩展多个定向路线链路(4a.1、4a.2- 4h.1、4h.2)的所述多个路段(3、3a- 3j)中的给定路段在所有扩展的路线链路(4a.1、4a.2- 4h.1、4h.2)均无法到达的情况下被确定为无法到达。
10.一种用于估计车辆(100)的续航里程(15)的系统(200),所述系统(200)包括:
-定位单元(101),其被构造来确定当前位置(1),
-存储构件(103),其被构造来存储所述当前位置(1)附近的数字地图数据(2),所述数字地图数据(2)包括一组路段(3、3a- 3j),各路段与一个层级(22)和一个海拔(20)相关,
-导航单元(102),其被构造来执行下列步骤以估计所述续航里程(15):
-从所述存储构件检索所述数字地图数据(2),
-针对所述路段(3、3a- 3j)确定对于该路段为特定的加权因子(30),所述加权因子(30)取决于从特定路段(3g)至所述当前位置(1)的距离(x)以及取决于所述特定路段(3g)的所述海拔(20),
-基于所述加权因子(30)和相关层级(22)从所述路段组(3、3a- 3j)选择性抛弃所述路段(3、3a- 3j)以获得更新的路段组(3、3a- 3j),其中所述选择性抛弃包括抛弃与对应于若与阈值层级(23)相比而较小的行驶速度、较小的交通容量或减小的过境交通中的至少一个的层级(22)相关的所述路段组(3、3a- 3j)中的那些路段(3、3a- 3j),其中所述阈值层级(23)取决于所述加权因子(30),使得在加权因子相对较大的情况下,所述阈值层级减小,从而导致仅选择性抛弃具有相对较小层级的相对较小数量的路段,
-通过基于所述更新的路段组(3、3a- 3j)扩展路线链路(4a.1、4a.2 - 4h.1、4h.2)而执行路网搜索,其中所述路网搜索基于沿着所述路线链路行驶的所述车辆(100)的相关能耗(24)扩展所述路线链路(4a.1、4a.2- 4h.1、4h.2),
-基于可用能量和沿着所述扩展的路线链路(4a.1、4a.2- 4h.1、4h.2)到达多个路段(3、3a- 3j)中的每个路段所需的能耗(24)确定所述多个路段(3、3a- 3j)的可到达性,和
-基于所确定的所述多个路段(3、3a- 3j)的可到达性估计所述续航里程(15)。
11.根据权利要求10所述的系统(200),其还包括用户界面(104),其中所述导航单元(102)被构造来根据接收自所述用户界面(104)的用户输入确定所述加权因子(30)。
12.根据权利要求10或11中任一项所述的系统(200),其中所述导航单元(102)还被构造来基于预定义条件更新所述续航里程(15)的所述估计,
其中所述加权因子(30)根据所述续航里程(15)的所述估计的两个相继的更新之间的时间周期而被确定。
13.根据权利要求10所述的系统(200),其中所述系统(200)被构造来执行根据权利要求1至9中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12164556.8 | 2012-04-18 | ||
EP12164556.8A EP2653834B1 (en) | 2012-04-18 | 2012-04-18 | Method of Performing a Road Network Search and System for Estimating a Cruising Range of a Vehicle |
EP121645568 | 2012-04-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103376119A CN103376119A (zh) | 2013-10-30 |
CN103376119B true CN103376119B (zh) | 2018-06-05 |
Family
ID=46085363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310116660.1A Active CN103376119B (zh) | 2012-04-18 | 2013-04-07 | 执行路网搜索的方法和用于估计车辆续航里程的系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9891062B2 (zh) |
EP (1) | EP2653834B1 (zh) |
CN (1) | CN103376119B (zh) |
BR (1) | BR102013008342A2 (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9163953B2 (en) * | 2012-08-17 | 2015-10-20 | Denso International America, Inc. | Low fuel warning |
US8996295B2 (en) * | 2012-09-11 | 2015-03-31 | GM Global Technology Operations LLC | Vehicle range projection |
US9121719B2 (en) * | 2013-03-15 | 2015-09-01 | Abalta Technologies, Inc. | Vehicle range projection |
US9587954B2 (en) * | 2013-07-10 | 2017-03-07 | Ford Global Technologies, Llc | System and method for vehicle routing using stochastic optimization |
US9638542B2 (en) * | 2015-05-28 | 2017-05-02 | Alpine Electronics, Inc. | Method and system of route scheduling and presenting route-based fuel information |
CN105459842B (zh) * | 2015-11-19 | 2018-04-06 | 安徽师范大学 | 电动汽车续航里程的估算方法 |
US9576490B1 (en) * | 2016-02-08 | 2017-02-21 | GM Global Technology Operations LLC | Personalized navigation route for transportation device |
JP6927193B2 (ja) * | 2016-03-16 | 2021-08-25 | 日本電気株式会社 | 誘導支援装置、誘導支援方法及びプログラム |
DE102018209804A1 (de) * | 2018-06-18 | 2019-12-19 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Vorhersage einer wahrscheinlichen Fahrroute für ein Fahrzeug |
CN110634380B (zh) * | 2018-06-22 | 2022-12-16 | 高德信息技术有限公司 | 道路调平的方法及装置 |
CN110745138A (zh) * | 2018-07-06 | 2020-02-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆可行驶范围管理方法/系统、存储介质及车载终端 |
CN111288991B (zh) * | 2018-12-06 | 2022-09-06 | 北京京东乾石科技有限公司 | 路径规划方法、装置、机器人和计算机可读存储介质 |
WO2020209017A1 (ja) * | 2019-04-12 | 2020-10-15 | 住友電気工業株式会社 | 表示方法、表示装置、表示システム、及びコンピュータプログラム |
CN110309962B (zh) * | 2019-06-21 | 2021-11-23 | 清华大学 | 基于时间扩展模型的铁路行程路线规划方法及装置 |
CN110375758B (zh) * | 2019-07-11 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 一种路网数据处理方法、装置、电子设置以及存储介质 |
DE102019220510A1 (de) * | 2019-12-23 | 2021-06-24 | Robert Bosch Gmbh | Verfahren zum Bereitstellen einer digitalen Lokalisierungskarte |
CN115335664A (zh) * | 2020-03-24 | 2022-11-11 | 御眼视觉技术有限公司 | 用于优化针对导航的地图图块请求的系统和方法 |
CN113295177B (zh) * | 2021-04-30 | 2022-08-19 | 长安大学 | 基于实时路况信息的动态路径规划方法及系统 |
EP4361567A1 (en) * | 2022-10-28 | 2024-05-01 | TomTom Navigation B.V. | Generating an indication of where a mobile unit can move to |
CN116518960B (zh) * | 2023-06-28 | 2023-09-26 | 腾讯科技(深圳)有限公司 | 路网更新方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285391A (en) * | 1991-08-05 | 1994-02-08 | Motorola, Inc. | Multiple layer road memory storage device and route planning system |
CN101645200A (zh) * | 2009-08-19 | 2010-02-10 | 深圳华为通信技术有限公司 | 导航路径选择方法和装置 |
CN101681558A (zh) * | 2007-05-30 | 2010-03-24 | 欧兰公司 | 用于车辆沿着第一点和第二点之间的预定路径行驶的辅助驾驶方法和设备 |
CN102328658A (zh) * | 2010-06-21 | 2012-01-25 | 福特全球技术公司 | 优化沿路线行驶的车辆的能量消耗的系统、装置和方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3758140B2 (ja) * | 2001-07-09 | 2006-03-22 | 日産自動車株式会社 | 情報提示装置 |
DE102009040966A1 (de) | 2009-09-11 | 2011-03-24 | Audi Ag | Reichweitenberechnung bei einer Vielzahl von Wegen |
CA2781688A1 (en) * | 2009-11-24 | 2011-06-03 | Telogis, Inc. | Vehicle route selection based on energy usage |
EP2659229B1 (en) * | 2010-12-31 | 2015-02-18 | TomTom International B.V. | Non-uniform weighting factor as route algorithm input |
-
2012
- 2012-04-18 EP EP12164556.8A patent/EP2653834B1/en active Active
-
2013
- 2013-04-05 BR BR102013008342A patent/BR102013008342A2/pt not_active Application Discontinuation
- 2013-04-07 CN CN201310116660.1A patent/CN103376119B/zh active Active
- 2013-04-16 US US13/864,032 patent/US9891062B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285391A (en) * | 1991-08-05 | 1994-02-08 | Motorola, Inc. | Multiple layer road memory storage device and route planning system |
CN101681558A (zh) * | 2007-05-30 | 2010-03-24 | 欧兰公司 | 用于车辆沿着第一点和第二点之间的预定路径行驶的辅助驾驶方法和设备 |
CN101645200A (zh) * | 2009-08-19 | 2010-02-10 | 深圳华为通信技术有限公司 | 导航路径选择方法和装置 |
CN102328658A (zh) * | 2010-06-21 | 2012-01-25 | 福特全球技术公司 | 优化沿路线行驶的车辆的能量消耗的系统、装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2653834A1 (en) | 2013-10-23 |
US9891062B2 (en) | 2018-02-13 |
BR102013008342A2 (pt) | 2016-01-26 |
US20130282272A1 (en) | 2013-10-24 |
EP2653834B1 (en) | 2014-08-13 |
CN103376119A (zh) | 2013-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103376119B (zh) | 执行路网搜索的方法和用于估计车辆续航里程的系统 | |
CN103542858B (zh) | 车辆到达目标能力评估方法,数据库生成方法、导航系统 | |
EP3561453B1 (en) | Method, apparatus and computer program product for determining likelihood of a route | |
US10847029B2 (en) | Method, apparatus, and system for automatic road closure detection | |
US20200090503A1 (en) | Method, apparatus, and system for real-time detection of road closures | |
JP5402957B2 (ja) | 電子機器 | |
US11450202B2 (en) | Method and system for determining a geographical area occupied by an intersection | |
EP3745087B1 (en) | Method, apparatus, and computer program product for determining lane level vehicle speed profiles | |
US20210341300A1 (en) | Method, apparatus, and system for providing a personally relevant navigation route comparison | |
JPWO2013084931A1 (ja) | 到達可能範囲算出装置、方法、およびプログラム | |
CN114930122B (zh) | 用于更新数字道路地图的方法和处理器电路 | |
CN105841709A (zh) | 一种汽车行驶路径规划方法 | |
US11348452B2 (en) | Method, apparatus, and system for automatic closure verification using multiple possible vehicle paths | |
US9983016B2 (en) | Predicting short term travel behavior with unknown destination | |
US20220063639A1 (en) | Method, apparatus, and computer program product for predicting autonomous transition regions using historical information | |
CN105677899A (zh) | 一种包含道路行进方向的增强型矢量数字地图制作方法 | |
US11867528B2 (en) | Method, apparatus, and system for providing road closure graph inconsistency resolution | |
CN101807348B (zh) | 一种动态网络导航系统及方法 | |
US11183062B2 (en) | Method and system for providing parking recommendations | |
US20230137263A1 (en) | Method and apparatus for generating structured trajectories from geospatial observations | |
US20220065656A1 (en) | Method, apparatus, and computer program product for generating an automated driving capability map index | |
Wang et al. | Segmented trajectory clustering-based destination prediction in IoVs | |
CN106980029A (zh) | 车辆超速判断方法及其系统 | |
US20220090919A1 (en) | System, method, and computer program product for identifying a link offset | |
US20220252424A1 (en) | System and computer-implemented method for validating a road object |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |