CN104925050B - 基于行驶模式能量消耗的行驶分割 - Google Patents

基于行驶模式能量消耗的行驶分割 Download PDF

Info

Publication number
CN104925050B
CN104925050B CN201510108959.1A CN201510108959A CN104925050B CN 104925050 B CN104925050 B CN 104925050B CN 201510108959 A CN201510108959 A CN 201510108959A CN 104925050 B CN104925050 B CN 104925050B
Authority
CN
China
Prior art keywords
route
vehicle
section
factor
feature
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.)
Expired - Fee Related
Application number
CN201510108959.1A
Other languages
English (en)
Other versions
CN104925050A (zh
Inventor
于海
曾福林
王青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN104925050A publication Critical patent/CN104925050A/zh
Application granted granted Critical
Publication of CN104925050B publication Critical patent/CN104925050B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • 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
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/64—Electric machine technologies in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Abstract

本发明涉及基于行驶模式能量消耗的行驶分割，公开了一种车辆，该车辆包括配置用于使用电池电力推进车辆的电机。车辆还包括配置用于基于多个路线分割的叠加而沿预定路线运转电机的控制器。每个分割基于与路线关联的不同力特征并且定义至少一个路段转变，其中每个路段转变定义之前路段的结束和后续路段的开始。预定路段是不通过相同的力特征来定义叠加的两个相邻路段的路段。

Description

基于行驶模式能量消耗的行驶分割
技术领域
本发明涉及车辆动力传动系统控制系统。
背景技术
对环境和能量安全的担忧使得对能量可持续性和效率的要求越来越高。车辆电子是可以用于解决环境和能量问题的技术。与仅通过内部燃料来推进车辆相比，电动车辆(EV)允许通过电网提供高效的能量源。然而，应该克服比如EV行程范围和拥有成本的技术挑战以促进大规模的市场接受。
对行程范围的担心已经成为EV应用的限制因素。EV的行程范围主要取决于电池容量。使用标准电源插座使EV电池完全再充电通常花费数小时。相比而言，加注燃料箱仅花费数分钟。电池耗尽导致的潜在的旅程中断或中止是EV用户的主要担心。EV应用的成功可能依赖于建立快速电池充电和更换设施。此外，信息技术可以向EV用户提供更精确的行程范围估算、能量效率规划和再充电指导。
发明内容
在至少一个实施例中，车辆包括配置用于使用电池电力推进车辆的电机。车辆还包括配置用于基于多个路线分割的叠加而沿预定路线运转电机的控制器。每个分割是基于与路线关联的不同力特征并且形成至少一个路段转变(segment transition)，其中每个路段转变定义之前路段的结束和后续路段的开始。预定路段是不通过相同的力特征定义叠加的两个相邻路段的路段。
在至少一个实施例中，运转车辆的方法包括基于第一路线特征将预定路线分割成每者通过第一路段转变定义的第一系列路段以及基于第二路线特征将预定路线分割成每者通过第二路段转变定义的第二系列路段。该方法还包括叠加第一和第二系列路段以形成使不通过相同路线特征定义两个相邻路段的路线。方法进一步包括基于与叠加的路段关联的特征沿预定路线运转电机。
在至少一个实施例中，车辆动力传动系统包括通过电池驱动的电机。车辆进一步包括配置用于基于第一力特征而分割预定路线以及额外地基于第二力特征而分割预定路线的控制器。控制器进一步配置用于叠加路段分割以形成不通过相同力特征定义两个相邻路段的路段，并且根据通过路段定义的整个路线受力模式(force pattern)从电机输出需求功率。
根据本发明的一个实施例，力特征包括指示车辆加速度、突然停车频率、天气状况或交通状况的动态阻力因子。
根据本发明的一个实施例，控制器进一步配置用于基于动态阻力因子的变化定期地更新分割中的至少一者。
根据本发明的一个实施例，进一步包含配置用于推进车辆的发动机，其中控制器进一步配置用于在电机和发动机之间分配功率输出。
根据本发明的一个实施例，第一和第二力特征中的至少一者包括指示道路曲率、道路坡度、道路地形类型、预测的停车频率或路线速度限制的静态力因子。
根据本发明的一个实施例，控制器进一步配置用于当沿预定路线运转电机时从非车载源接收更新的路线信息并且基于更新的路线信息而修改路段中的至少一者。
根据本发明的一个实施例，第一和第二力特征中的至少一者包括指示车辆加速度、突然停车的频率、天气状况或交通状况的动态力特征。
附图说明
图1是混合动力电动车辆的示意图；
图2是用于行驶能量的框图；
图3是输入至行驶能量的静态因子的框图；
图4是输入至行驶能量的动态因子的框图；
图5是动力传动系统管理系统的系统图；
图6A至6E是显示模式识别进程的对应空间图；
图7是基于不同特征的路线分割的叠加。
具体实施方式
根据需要，本说明书中公开了本发明的具体实施例；然而，应理解公开的实施例仅为本发明的示例，其可以多种替代形式实施。附图无需按比例绘制；可以放大或缩小一些特征以显示特定部件的细节。所以，此处所公开的具体结构和功能细节不应解释为限定，而仅为教导本领域技术人员以多种形式实施本发明的代表性基础。
图1描述了插电式混合动力电动车辆100的示例。混合动力电动动力传动系统102可以包含机械连接至混合动力传动装置106的一个或多个电机或电动马达104。此外，混合动力传动装置106机械连接至发动机108。混合动力传动装置106还可以机械连接至驱动车轮112的驱动轴110。当发动机108打开时以及当发动机关闭时电动马达104提供车辆推进。额外地电动马达104可以通过对驱动轴施加阻力扭矩而提供车辆减速。电动马达104还可以配置为发电机并且通过回收在摩擦制动系统中通常将作为热量损失掉的能量可以提供燃料经济性益处。由于在特定状况下可以电机动力传动系统模式运转混合动力电动车辆100，电动马达104还可以减少污染排放。
牵引电池或电池组114存储可以用于驱动电动马达104的能量。车辆电池组114能提供高压直流(DC)输出。电池组114电连接至电力电子(power electronic)模块116。电力电子模块116电连接至电动马达104并且能在电池组114和电动马达104之间双向传输能量。例如，电池组114可以提供直流电压而电动马达104的运转可能需要三相交流(AC)电。这种情况下，电力电子模块116将直流电压转换为电动马达104接收的三相交流电。在再生模式中，电力电子模块116将来自作为发电机的电动马达104的三相交流电转换为电池组114需要的直流电压。本说明书中描述的方法同样可以应用到纯电动车辆或者使用电池组的任何其它装置。
电池组114除了提供用于推进的电池电力之外，还可以提供用于其它车辆电子系统的能量。DC/DC转换器模块118能将电池组114的高压DC输出转换为与低压车辆负载兼容的低压DC输出。其它高压负载(比如压缩器和电动加热器)可以直接连接至从电池组114引出的高压总线。低压系统还可以电连接至12V电池120。纯电动车辆可以具有类似的架构只是没有发动机108。
可以通过外部电源126向电池组114再充电。外部电源126可以经由充电端口124通过电连接向车辆100提供交流或直流电。充电端口124可以是配置用于从外部电源126向车辆100传输电力的任何类型的端口。充电端口124可以电连接至电力转换模块122。电力转换模块可以适配来自外部电源126的电力以向电池组114提供适合的电压和电流水平。在一些运用中，外部电源126可以配置用于向电池组114提供适合的电压和电流水平使得电力转换模块22不是必需的。例如，电力转换模块122的功能可以包含在外部电源126中。可通过动力传动系统控制模块(PCM)128控制包括发动机、变速器、电动马达、发电机和电力电子件的车辆动力传动系统。
除了说明插电式混合动力车辆之外，如果去除发动机108，则图1还可以是电池电动车辆(BEV)的代表。类似地，如果去掉关于插电式充电的部件122、124和126，则图1可以代表传统的混合动力电动车辆(HEV)或者功率分流(power-split)的混合动力电动车辆。
本发明提供一种精确估算与变通状况变化关联的能量消耗速率变化的方法。主要通过车辆状态(比如速度和惯性加速度)确定满足车辆推进需求所消耗的能量。车速和加速度的变化通常与行驶行为关联。现实表明行驶行为受交通和道路状况的约束。然而，在通过相同道路部分时行驶行为确实倾向于表现出特定程度的相似性，但是沿给定路线中的部分与部分之间可能不同。因此，能建立多个行驶行为模式的模型的方法通常可以辅助行程导向的能量消耗分析和计划。
预览的车速信息可以用于构建行驶模式。可以从车速以及确定性地或在统计上形成加速度预期模型(profile)的其它因子在暗中建立加速度的模型。这些额外的因子还可以用于构建独立模式。所有关联因子的聚集较大程度上形成车辆在道路上的行为。可以基于这些因子的属性而提前分割预定路线，在相邻分割之间识别这些转变。分割的每个路段通过当在道路上体验时产生不同行驶能量需求属性的特有特征组合来区分。数据聚类方法用于识别沿路线的不同区域。通过合成沿路线的所有单独分割的区域来识别整个路线的行驶模式。可以通过基于较高影响因子(比如道路曲率、海拔变化、速度调整等)的客观测量来区分行驶场景。一旦可以获取主体和特定行程信息，则行驶模式的通用模型用作初始候选模式以构建以更加应用为导向的行驶模式。
在行驶期间，道路上的大多数车辆能量消耗来自推进车辆所需要的能量。其它能量消耗源包括车辆附件和支持系统。可以时间域将可用于在预定路线上推进车辆的总电能Edrv表征为：
其中，Ebatt是电池可用的总电能而Ts是在路线期间车辆运转的持续时间。Pacc是提供至车辆附件的功率加上车辆的其它运转损失。在持续时间Ts期间可以对Pacc积分以表示从电池释放的总能量。
还可以空间域将整个路线的距离中可用于车辆推进的总能量Edrv表征为：
其中S是总行程距离而s是空间域距离变量。Fdrv是车辆推进需要的等效驱动阻力。这是车轮处为了保持或改变车辆的运转状态的总反作用力。也可以在行驶距离内对Fdrv积分以获取与执行用于沿路线推进车辆的总功率关联的能量。Fwhl是实际的车轮牵引力而Facc是代表车辆附件负荷加上运转能量损失的模拟车轮力(dummy wheel force)术语。也可以在路线的长度内对这些分力中的每者积分以获取各自对总体能量消耗的贡献。
为了进一步分解这些因子，通过Fdrv的多个贡献影响因子间接地构建本发明的行驶模式。将Fdrv分解成更小的分量允许更加全面地分析行驶模式。总力可以表示为：
Fdrv＝Fine+Ffbk+Fdrag+Frgl+Facc (3)。
其中是基于车速和车辆质量的惯性阻力。Vx是车速，而是车速或加速度的变化速率。m是车辆总质量。Ffbk是车轮处的摩擦制动阻力。
Fdrag是包括空气动力学和滚动阻力的总阻力(lumped drag force)，大概可以表示为：
其中δ是道路车轮转角。参数ki(i＝0、1、2、3)是与车辆和环境状况关联的常数。Frgl是道路坡度阻力，大概可以表示为：
Frgl＝mg*sinαr (5)。
其中αr是道路倾角。
基于上面对Fdrv的分解，在直接测量可用之前可以得出贡献的分力和影响因子的代表模型用于提前计划。通过分解驱动力，特别地识别出较高影响因子(比如Vx、δ和αr)，因为它们对多个阻力作出贡献。可以通过特别关联的特征来分类特定的单个因子。例如，Vx和的特征组合可以称为“速度因子”。同样，δ和αr都可以从与道路几何数据关联的特征得出并且可以分别称为“曲率因子”和“坡度因子”。
可以基于上文描述的特征因子来区分行驶模式。当在不同的时间域查看时每个特征因子频繁地表现出不同的属性。对多个因子的数据分析使用特定的时间标度可以促进该模式的处理和精度。为此，关于本发明至少使用三个时间标度：静态、半静态(quasi-static)和动态的时间标度。
静态时间标度可以指示在相对较长的时间段内稳定的特征行为或模式。最好以静态时间标度分析的特征因子认为是“静态因子”。例如，它们可以包括道路几何数据(比如道路倾角、道路曲率)、基于法规的停车频率、速度限制、地形类型等。这些因子中的每者通常在较长期间内保持稳定。从静态因子识别的行驶模式通常是通用的，这些模式可以应用到不同应用、不同车辆和驾驶员配置。
半静态时间标度很像静态时间标度。然而，以半静态时间标度来分析可能经历非常少见的变化的因子。这类特征在特定时间段内还是相对稳定并且可以认为是“半静态因子”。例如，由道路建设导致的限速的变化或者由于交通事故导致的规定速度的变化是可能适用以半静态时间域来分析的特征因子变量。可以基于可能过期或不用的模式的识别结果而使用半静态时间标度的特征因子变量更新静态特征因子。由于半静态特征信息在一段时间和特定路段内有效且稳定，所以更新的模式识别也可以通用于不同的应用、不同的车辆和驾驶员配置。
动态时间标度捕获频繁地或者甚至持续地随时间变化的路线特征。通常该信息仅在非常短的时间段有效并且从而其有效范围对于即将到来的路段是有限的。动态特征信息通常还是主体特定的(host-specific)并且可能仅限于用于特定应用。例如，交通信息可能有助于动态时间标度分析并且可能经历最新更新。在空间域中，交通流量信息通常仅对本车前方的数百米至几英里是可靠的。此外天气状况也可以认为是动态特征因子。额外地，可以进一步分解特定影响因子以包括静态和动态部分。
通过对相关特征因子执行时间标度分解，能分别以不同时间标度来处理模式合成和识别。如上文讨论的，高度影响行驶程序的大量特征因子实际上是静态的。从而，可以通过这些因子相对于车辆在离线识别行驶模式以构建基于地图的空间域模式数据库。例如特别是对于静态因子，可以基于非车载云计算的控制和信息分享。这些路线数据的离线处理很在程度上最小化车辆用于实时应用所需要的处理计算和通信资源。额外地，处理的静态数据是通用的使得可以对行驶在和接近共同路段的所有车辆分享处理的结果。一旦特定的主车(host vehicle)信息和动态行驶信息可用，相对于用于基本行驶模式的信息仅需要处理从行驶部分中应用的静态模式数据库改变的高级行驶模式更新。
在空间域中影响的特征因子也变化。它们在不同的路段中展现出不同的变化模式。例如，道路倾角αr在山区上展现出较大的变化和变化量但是在高速公路路段上很稳定。从而，分离州际高速公路部分和山区行驶部分，因为在这些不同区域的每者中由道路坡度负荷阻力Frgl贡献的能量需求显著不同。第二示例是与州际高速公路相比市区的速度模型(speed profile)包含更多重复的停停走走循环。所以，执行行驶模式分析与行程分割是有益的使得分割的每个路段的模式特征具有不同的能量需求属性。通过基于特征的行程分割，行程部分内单个特征的行为可以是连续的且无变化的。由于模式之间差异越强可以通过动态规划的能量消耗分析或者从车辆测试数据建立的能量需求属性越精确，能够更加精确地评估每部分的能量需求。
参考图2，通过说明高级信息流的系统框图示意性地显示了影响因子分析。从车轮处施加的在总路线距离206上施加的总驱动力204得到驱动能量(Edrv)202。如上文描述的，总驱动力204包含通过多个不同源产生的多个分力。同样如上文描述的，静态影响因子208和动态影响因子210影响车轮处需要的总驱动力204。本车的特定属性或主体因子(hostfactor)212进一步影响形成总驱动力204的分力。
图3也是框图，但是更详细地描述静态影响因子和总驱动分力。在该示例中，通过五个分力代表车轮处的总驱动力(Fdrv)204。车辆惯性力(Fine)214、阻力(Fdrag)216(包括气动阻力和滚动阻力)、代表驱动车辆附件的等效模拟车轮力(Facc)218、道路坡度负荷力(Frgl)220、和摩擦制动力(Ffbk)222中的每者贡献于车轮处需要的模型总驱动力204。可预想可以使用额外的阻力特征包含在总驱动力中。
类似地，静态影响因子208包括影响车轮处所需力的多个阻力因子。在图3的示例中，速度因子224、曲率因子226、地形类型228、海拔230、坡度因子232和停车因子234中的每者是贡献于推进车辆所需力的静态因子。如上文讨论的，每个静态影响因子通常是稳定的并且可以认为是通用的以应用到不同车辆。
速度因子224主要基于车速Vx，并且作为阻力216和代表驱动车辆附件的车轮力218的输入。例如，沿路线已知的速度限制可以用于影响速度因子224。可以从车辆行驶历史或者从交通数据库获取速度模型信息。此外，可以从导航或地图数据获取关于路线速度限制的信息。
曲率因子226是主要基于通过道路车轮转角δ指示的道路曲率的阻力因子并且贡献于总体阻力216。关于道路形状的几何地图数据可以用于得出沿路线的静态道路曲率信息。
根据地形类型的地形因子228也影响总体阻力216。例如，道路地形类型可以解释铺装与非铺装路面，这可以直接贡献于滚动阻力。海拔230可以贡献于代表运转车辆附件所需功率的等效模拟车轮力218。
坡度因子232是主要基于道路倾角αr的阻力因子并且直接贡献于道路坡度负荷力220。可以从地图数据或从主车行驶记录获取道路海拔数据。可以从道路的几何海拔数据得出道路倾角。
路线的停车特征或者停车因子234贡献于车轮处需要的摩擦制动力222。停车因子是主要基于沿路线的已知停车位置的频率和持续时间的阻力因子。用于停车因子的原始数据包括沿路线的已知位置百分比的潜在停车。交通灯、交叉路口、停车和让行标志对车辆停止都存在变化的可能性。可以从交通数据或从之前的行驶模式获取停车强度(stopintensity)。
通过进一步参考图3，静态因子之间还存在相互影响使得多个因子影响其它因子。例如，解释道路曲率的曲率因子226还可以运转用于影响速度因子224以及沿路线行驶的后续速度。类似地，地形类型228可以允许沿路线的特定部分的更高或更小的速度。这样地形类型228也影响速度因子224。此外，解释停车事件的频率和持续时间的停车因子234影响速度因子224。
图4通过框图的方式描述信息传输的类似关系。图中显示了动态影响因子210和主车因子212两者对总驱动力204的影响。总驱动力204与图3中显示的相同并且包括影响车轮处所需力的多个源。在图4的示例中，动态影响因子210包括动态速度因子236、天气因子238、曲率因子240和停车因子242。在至少一个实施例中，控制器监视动态影响因子中的每者，基于动态阻力因子的变化而更新分割中的至少一者。
动态速度因子236受车速变化的影响并且影响车辆惯性力214、阻力216和代表运转车辆附件所需功率的等效模拟车轮力218。可以从偏离静态受力模式的路线的车辆加速和减速得出动态速度因子236。此外，实际交通状况可以传输至控制器以更新动态速度因子236。
天气因子238是影响车辆惯性力214、阻力216和代表运转车辆附件所需功率的等效模拟车轮力218的另一个动态影响因子。例如，天气因子238可以包括较大的风、雪、冰、雨、温度或可能影响速度、阻力或附件负荷的其它状况。
动态曲率因子240包括道路车轮转角δ。与静态曲率因子226相比，动态曲率因子240额外地解释从已知静态道路曲率偏离的驾驶员动态转向和曲率。
停车因子242基于从预定的静态停车因子234偏离的停车强度变化。例如，响应于比静态停车模式更多或多少频率的停车，控制器可以更新能量消耗预测。
还存在特别用于本车的多个主体因子212。驾驶员因子244可以包括分配给特定驾驶员的模型，包括驾驶员的偏好和驾驶习惯。驾驶员因子244从而可以影响其它动态影响因子。例如，驾驶员因子244影响速度因子236、曲率因子240和停车因子242中的每者。
车辆配置246是特定车辆的额外主体因子。例如，车辆可以提供改变施加的力的运动模式、舒适模式或经济模式以及车轮影响速度因子236。额外的力可以归咎于代表附件能量消耗和运转能量损失的等效附件力218。此外与车辆配置246关联的是车辆是否接合在四轮驱动或两轮驱动。推进车辆的车轮数量可以进一步影响车轮处施加的力。
质量因子248代表车辆和驾驶员的质量。这些质量运转为至惯性阻力214和道路负荷坡度力220的输入。质量因子248和动态速度因子236之间存在进一步的相互影响。
图5是描述根据一个实施例的行驶模式识别系统的多个数据源和数据接收者之间关系的系统图。如上文讨论的，可以离线计算并处理静态影响因子。静态交通数据库502可以提供关于道路的特定数据。这些数据可以至少包括关于道路曲率、海拔、速度限制和路面地形类型的信息。可以将通用静态交通信息从交通数据库502传输至离线处理器504。
从可能时不时地发生变化的意义上讲关于道路的特定静态信息可以认为是半静态的。交通和法规信息中心506可以传输半静态交通信息更新至离线处理器504。例如半静态信息可以包括涉及施工的速度限制变化或封路。此外，那些稳定的但是由交通事故导致的偏离静态速度因子的法规速度限制的变化可以认为是半静态的。
离线处理器504包括利用静态和半静态道路信息基于与路线关联的不同力特征而分割路段的第一子程序508。车辆信息中心510将用户选择的路线数据传输至离线处理器504。离线处理器504进一步包括使用关于用户选择的路线和该道路分割的信息以特别针对用户选择的路线产生初始行程分割的第二子程序512。基于静态和半静态道路信息的初始行程分割从而传输至在线车辆处理器514。
在线处理器514包括处理动态特征信息的第一子程序516。交通和法规信息中心506将关于道路的动态交通信息传输至在线处理器514。动态信息可能经常变化并且包括交通流量、事故位置和天气状况之类的信息。在图5的示例中，可以将更新的路线信息从外部源定期提供至车辆。
车辆信息中心510也将用户选择的路线数据传输至在线处理器514。第一子程序516可以将来自交通和法规信息中心506的动态交通信息应用到用户选择的路线中以确定用户选择的路线的特定动态特征。
在线处理器514还从车辆信息中心510接收关于主车特征的信息。主车特征信息是特定于本车的并且至少包括总体动力传动系统效率和损失因子、车辆质量以及驾驶员和乘客质量。主车信息还可以包括关于来自之前行程的沿共用路段的行驶模式的信息。
在线处理器514进一步包括考虑动态程序信息、主车信息和静态行程分割信息以更新用户选择的路线的第二子程序518。第二子程序可以例如基于动态道路信息或之前的主车行驶模式而细分特定路线分割来更新行程分割。可替代地，如果动态信息影响路线则第二子程序可以组合相继的路线分割使得相邻的路线分割具有类似的特征。
车辆应用程序520使用改良的路线信息以计划路线中的能量使用。讨论的车辆应用程序可以根据行程分割的路线来计划路线中的能量消耗。
图6A至6E是显示针对通用特征因子的路线分割的进程的一系列空间图。可以预想参考这一系列图描述的一般进程可以独立应用于多个不同特征。控制器可以配置用于针对每个不同力特征独立地分割预定路线。
图6A描述沿路线的静态特征模型。如上文讨论的，多个影响因子的静态模型可以离线确定并且分配至不同车辆以用于在路线计划中通用。垂直轴线602对应于静态特征的幅度。水平轴线604对应于沿起点和目的地之间的路线的位置。在图6A的示例中，说明的阶梯模型(step profile)606包括路线的每个初始分割之间的瞬时转变幅度。应理解，取决于考虑的路线特征和静态特征，可以存在不同模型。
图6B描述静态特征模型的半静态更新。在该示例中，半静态更新模型608从沿路线之前的值表现出变化。半静态更新模型608沿路线通常为零，其中部分610表现出基本静态特征模型值的增加的改变幅度。静态特征阶梯模型606的区域612受更新的路线信息的影响。
图6C是基于考虑任何更新之后的静态特征的初始路线分割。基于通用特征的幅度的差异，分割路线。每个分割对应于预定幅度水平(或范围)。在图6C的示例中，使用四个不同的幅度水平建立八个分割。应注意分割6是受半静态更新影响的特定部分。
图6D显示基于动态特征模型的一个路线分割的动态更新。可以使用聚类(clustering)方法基于在该分割期间不同的特征行为而进一步细分该分割。在该示例中基于通用特征在对应分割期间的动态变化而更新区域614。
图6E描述上文讨论的多个改良之后的最终系列的分割。从图中可见，基于通用特征的动态行为将之前在图6B中的第二分割分成三个子分割。在最终分割616中，沿路线有十个分割。
基于上文讨论的时间标度分解与空间域分割的组合，通过系统地组织来自所有单独特征识别的结果而可以产生总体驱动阻力模式。如图6A至6E显示的应用于单个特征的分割进程的输出类似地应用于所有相关特征。彼此叠加每个系列的分割以确定总体行程分段。
图7显示了基于与路线关联的不同力特征对路线的多个分割的示例叠加。路线702显示了起点和目的地之间的整个行程。基于与路线关联的不同力特征而分割多个不同的系列。
基于速度的分割704显示沿路线的多个速度区域。在图7的示例中，存在考虑的三个不同水平的速度。低速区域706、中速区域708和高速区域710整体上用于表征路线中经历的不同速度限制。例如，居民速度限制712、当地高速速度限制714和州际高速限制716可以通过三个速度区域中的每者来表示。
基于坡度的分割718显示了基于沿路线每个分割的平整程度分成的多个区域。平整区域720、轻度山区722和重度山区724可以每者对应于各自沿路线的道路倾角范围。在图7的示例中，坡度因子(Fh)可以用于区分每个分割。
基于曲率的分割726显示了基于沿路线的道路曲率分开的多个区域。类似于上文讨论的其它因子的分割，分开的区域对应于沿路线的曲率范围。直路区域728和弯路区域730通过曲率因子(Fc)的量来表征。
基于停车的分割732显示了基于沿路线的预期停车频率的多个区域。高频率停车区域734和不停车区域736可以每者对应于各自预测的停车频率的强度范围。停车标记和让行标记的已知位置直接贡献于用于计算停车强度的停车因子(Fstp)。
这些分割系列中的每者定义至少一个路段转变。彼此叠加这些分割。基于所有分割系列的路段转变的多个位置的校准得出总体路线受力模式738。路段转变位置可以定义之前路段的结束和后续路段的开始。通过基于路段转变的位置来划分路线，不通过相同组合的力特征来定义整个路线受力模式的两个相邻路段。在图7的示例中，沿路线存在七个不同的力特征组合以及提供的八个独立路段(740-754)。每个分割的水平的数量以及相对因子的特定变化可以产生整个路线受力模式较高的分割。
可以预想，在特定实例中转变位置可以在空间上出现得足够近使得单个转变可以包含单个分割系列的多个幅度变化。在图7的示例中，从第五路段748至第六路段750的转变位置可以平衡单个特征的多个不同路段转变。相反，第二路段742和第四路段746之间空间位置分割的幅度变化足够高以使得交叉的第三路段744具有与之前的路段和后续路段不同的特征。
本发明提供可以使用比如事件驱动、中断驱动、多任务、多线程等执行的代表性控制策略和/或逻辑。这样，本说明书所描述的多个步骤或功能可以描述的序列、并行执行，或在某些情况下有所省略。即使一直没有明确地描述，本领域内的普通技术人员应理解取决于使用的特定策略可以反复执行一个或多个描述的步骤或功能。同样，处理顺序并非达到本说明书描述的特征和优点所必需的，而提供用于说明和描述的方便。
主要可以在通过基于微处理器的车辆、发动机和/或动力传动系统控制器执行的软件中执行控制逻辑。当然，取决于特定应用，可以在一个或多个控制器的软件、硬件或软件和硬件的组合中执行控制逻辑。当在软件中执行时，控制逻辑可以提供在具有代表通过计算机执行以控制车辆或其子系统的代码或指令的存储数据的一个或多个计算机读取的存储装置或媒介。计算机可读的存储装置或媒介可以包括多个已知物理装置中的一者或多者，这些物理装置利用电、磁和/或光学存储来保持可执行指令和关联的校准信息、运转变量等。可替代地，可以使用适当的硬件部件整体地或部分地包含该程序、方法或算法，比如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其它硬件部件或设备，或者硬件、软件和固件部件的结合。
虽然上文描述了示例实施例，但是并不意味着这些实施例描述了权利要求包含的所有可能的形式。说明书中使用的词语为描述性词语而非限定，并且应理解不脱离本发明的精神和范围可以作出各种改变。如上所述，可以组合多个实施例的特征以形成本发明没有明确描述或说明的进一步的实施例。尽管已经描述了多个实施例就一个或多个期望特性来说提供了优点或相较于其他实施例或现有技术应用更为优选，本领域技术人员应该认识到，取决于具体应用和实施，为了达到期望的整体系统属性可以对一个或多个特征或特性妥协。这些属性可包括但不限于：成本、强度、耐用性、生命周期成本、可销售性、外观、包装、尺寸、可维护性、重量、可制造性、易于装配等。因此，描述的实施例在一个或多个特性上相对于其他实施例或现有技术应用不令人满意也未超出本发明的范围，并且这些实施例可以满足特定应用。

Claims (16)

1.一种车辆，包含：
配置用于使用电池电力推进所述车辆的电机；以及
控制器，配置用于基于预定路线的即将到来的部分的多个分割的叠加而沿所述预定路线运转所述电机，其中每个所述分割是基于与所述预定路线关联的一组不同的即将到来的静态阻力特征和动态阻力特征的并且每个所述分割定义至少一个路段转变，并且其中每个所述路段转变定义之前路段的结束和后续路段的开始，使得不通过一组相同的即将到来的静态阻力特征和动态阻力特征来定义叠加的两个相邻路段。
2.根据权利要求1所述的车辆，其特征在于，所述静态阻力特征包括指示道路曲率、道路坡度、道路地形类型、预测的停车频率或路线速度限制的静态阻力因子。
3.根据权利要求2所述的车辆，其特征在于，所述控制器进一步配置用于当沿所述预定路线运转所述电机时接收更新的路线信息并且基于所述更新的路线信息修改所述静态阻力因子中的至少一者。
4.根据权利要求1所述的车辆，其特征在于，所述动态阻力特征包括指示车辆加速度、突然停车的频率、天气状况或交通状况的动态阻力因子。
5.根据权利要求4所述的车辆，其特征在于，所述控制器进一步配置用于基于所述动态阻力因子的变化定期地更新所述分割中的至少一者。
6.一种运转车辆的方法，包含：
基于即将到来的静态路线特征将预定路线分割成均通过第一路段转变定义的第一系列路段；
从外部源接收即将到来的动态路线特征；
基于所述即将到来的动态路线特征将所述预定路线分割成均通过第二路段转变定义的第二系列路段；
叠加所述第一系列路段和第二系列路段以定义所述预定路线，使得不通过相同路线特征定义两个相邻路段；以及
基于与叠加的路段关联的阻力沿所述预定路线运转电机。
7.根据权利要求6所述的方法，其特征在于，所述静态路线特征包括指示道路曲率、道路坡度、道路地形类型、预测的停车频率或路线速度限制的静态力因子。
8.根据权利要求6所述的方法，其特征在于，所述动态路线特征包括指示车辆加速度、突然停车的频率、天气状况或交通状况的动态力因子。
9.根据权利要求6所述的方法，进一步包含：在运转所述电机的同时从非车载处理器接收更新的路线信息，并且作为响应基于所述更新的路线信息而更新叠加的系列路段中的至少一者。
10.根据权利要求6所述的方法，其特征在于，所述静态路线特征包含沿所述预定路线的车速模式。
11.根据权利要求6所述的方法，其特征在于，所述静态路线特征包含沿所述预定路线的停车频率模式。
12.一种车辆动力传动系统，包含：
通过电池驱动的电机；以及
控制器，配置用于：
基于静态力特征分割预定路线，
在行驶期间从外部源接收动态力特征，
基于所述动态力特征分割所述预定路线，
叠加路线分割以限定独特的路段，以及
根据通过所述路段定义的总体路线受力模式从所述电机输出需求的功率。
13.根据权利要求12所述的车辆动力传动系统，进一步包含配置用于推进车辆的发动机，其中，所述控制器进一步配置用于在所述电机和所述发动机之间分配功率输出。
14.根据权利要求12所述的车辆动力传动系统，其特征在于，所述静态力特征包括指示道路曲率、道路坡度、道路地形类型、预测的停车频率或路线速度限制的静态力因子。
15.根据权利要求12所述的车辆动力传动系统，其特征在于，所述控制器进一步配置用于当沿所述预定路线运转所述电机时从非车载源接收更新的路线信息，并且基于所述更新的路线信息而修改所述路段中的至少一者。
16.根据权利要求12所述的车辆动力传动系统，其特征在于，所述动态力特征包括指示车辆加速度、突然停车的频率、天气状况或交通状况的动态力因子。
CN201510108959.1A 2014-03-19 2015-03-12 基于行驶模式能量消耗的行驶分割 Expired - Fee Related CN104925050B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/219,293 2014-03-19
US14/219,293 US9121722B1 (en) 2014-03-19 2014-03-19 Trip partitioning based on driving pattern energy consumption

Publications (2)

Publication Number Publication Date
CN104925050A CN104925050A (zh) 2015-09-23
CN104925050B true CN104925050B (zh) 2018-10-26

Family

ID=53938831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510108959.1A Expired - Fee Related CN104925050B (zh) 2014-03-19 2015-03-12 基于行驶模式能量消耗的行驶分割

Country Status (3)

Country Link
US (1) US9121722B1 (zh)
CN (1) CN104925050B (zh)
DE (1) DE102015103267A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11346678B2 (en) 2016-08-15 2022-05-31 Massachusetts Institute Of Technology System and method for estimating and predicting vehicle trip energy consumption
US10081360B2 (en) 2016-08-25 2018-09-25 GM Global Technology Operations LLC Vehicle propulsion systems and methods
US10220850B2 (en) 2017-01-30 2019-03-05 GM Global Technology Operations LLC Vehicle propulsion systems and methods
AT520320B1 (de) * 2017-09-26 2019-03-15 Avl List Gmbh Verfahren und eine Vorrichtung zum Erzeugen eines dynamischen Geschwindigkeitsprofils eines Kraftfahrzeugs
GB201721535D0 (en) * 2017-12-21 2018-02-07 Spark Ev Tech Ltd System and method for determining the energy requirement of a vehicle for a journey
US11060883B2 (en) * 2017-12-21 2021-07-13 Spark EV Technology Ltd. System and method for determining the energy requirement of a vehicle for a journey
US11420641B2 (en) * 2017-12-21 2022-08-23 Spark EV Technology, Ltd. System and method for determining the energy requirement of a vehicle for a journey
US11067403B2 (en) * 2018-07-05 2021-07-20 GM Global Technology Operations LLC Vehicle energy usage tracking
US11255692B2 (en) * 2019-03-19 2022-02-22 Here Global B.V. System and method for identification of a roadwork zone
CN110414818A (zh) * 2019-07-19 2019-11-05 中国汽车技术研究中心有限公司 一种乘用车节能竞争力评价方法及系统
KR20210129534A (ko) * 2020-04-20 2021-10-28 현대자동차주식회사 차량용 전원 시스템
US11527161B2 (en) * 2020-04-27 2022-12-13 Here Global B.V. Methods and systems for detecting a speed funnel in a region
CN114944075A (zh) * 2022-05-06 2022-08-26 南京依维柯汽车有限公司 基于交通流分类的混合动力汽车生态路径方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950018A (zh) * 2009-07-09 2011-01-19 株式会社电装 估算目标物体信息的装置
CN102639376A (zh) * 2009-09-11 2012-08-15 Alte公司 组合混合动力汽车控制方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5487002A (en) * 1992-12-31 1996-01-23 Amerigon, Inc. Energy management system for vehicles having limited energy storage
US7360615B2 (en) * 2004-06-09 2008-04-22 General Motors Corporation Predictive energy management system for hybrid electric vehicles
EP1741591B1 (de) * 2005-07-06 2009-10-14 Ford Global Technologies, LLC Verfahren zur Vorhersage von Fahrtsituationen in einem Kraftfahrzeug
US7928693B2 (en) * 2008-03-13 2011-04-19 International Business Machines Corporation Plugin hybrid electric vehicle with V2G optimization system
US8214122B2 (en) * 2008-04-10 2012-07-03 GM Global Technology Operations LLC Energy economy mode using preview information
WO2009129106A1 (en) * 2008-04-15 2009-10-22 The Uwm Research Foundation, Inc. Power management systems and methods in a hybrid vehicle
JP4596073B2 (ja) * 2009-01-13 2010-12-08 株式会社デンソー 動力発生源制御装置
US8086364B2 (en) 2009-03-11 2011-12-27 General Electric Company System and method for operation of electric and hybrid vehicles
DE102011003993A1 (de) * 2010-02-15 2011-08-18 DENSO CORPORATION, Aichi-pref. Laderegler und Navigationsvorrichtung für ein Plug-In-Fahrzeug
EP2769071B1 (en) * 2011-10-19 2018-08-15 Fuel Saving Technologies, Inc. Energy conservation systems and methods

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101950018A (zh) * 2009-07-09 2011-01-19 株式会社电装 估算目标物体信息的装置
CN102639376A (zh) * 2009-09-11 2012-08-15 Alte公司 组合混合动力汽车控制方法

Also Published As

Publication number Publication date
US20150268053A1 (en) 2015-09-24
CN104925050A (zh) 2015-09-23
DE102015103267A1 (de) 2015-09-24
US9121722B1 (en) 2015-09-01

Similar Documents

Publication Publication Date Title
CN104925050B (zh) 基于行驶模式能量消耗的行驶分割
Lv et al. Hybrid-learning-based classification and quantitative inference of driver braking intensity of an electrified vehicle
CN105091892B (zh) 车辆用能量管理装置
He et al. Eco-driving advisory strategies for a platoon of mixed gasoline and electric vehicles in a connected vehicle system
US9663111B2 (en) Vehicle speed profile prediction using neural networks
JP6183244B2 (ja) 移動支援装置及び移動支援方法
CN103347757B (zh) 通过使用预测环境和驾驶员行为信息来优化燃油经济性的系统和方法
JP5133197B2 (ja) ハイブリッド自動車およびコンピュータ装置ならびにプログラム
Karbowski et al. Route-based online energy management of a PHEV and sensitivity to trip prediction
JP2014038047A (ja) 消費電力量推定装置
CN113525340A (zh) Ace重卡节油机器人系统
US20140107912A1 (en) Factor cost time series to optimize drivers and vehicles: method and apparatus
Kavas-Torris et al. Fuel economy benefit analysis of pass-at-green (PaG) V2I application on urban routes with STOP signs
Zhu et al. A GPU implementation of a look-ahead optimal controller for eco-driving based on dynamic programming
Plianos et al. Predictive energy optimization for connected and automated HEVs
CN105431341B (zh) 用于处理数字地图的地图数据的方法和设备
Lin et al. Co-optimization of on-ramp merging and plug-in hybrid electric vehicle power split using deep reinforcement learning
JP5992012B2 (ja) エネルギーマネージメント装置
Mozaffari et al. Real-time immune-inspired optimum state-of-charge trajectory estimation using upcoming route information preview and neural networks for plug-in hybrid electric vehicles fuel economy
Gupta Look-ahead optimization of a connected and automated 48v mild-hybrid electric vehicle
Kraus et al. A New Approach to an Adaptive and Predictive Operation Strategy for PHEVs
Alighanbari Ecological control and coordination of connected and automated PHEVs at roundabouts under uncertainty
Mensing et al. Trajectory optimisation for eco-driving–an experimentally verified optimisation method
CN114829877A (zh) 用于控制车辆的方法
Sajadi Alamdari Stochastic model predictive control for eco-driving assistance systems in electric vehicles

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20181026

CF01 Termination of patent right due to non-payment of annual fee