CN105143827A - 用于选择车辆行驶路线的方法和装置 - Google Patents
用于选择车辆行驶路线的方法和装置 Download PDFInfo
- Publication number
- CN105143827A CN105143827A CN201480022905.7A CN201480022905A CN105143827A CN 105143827 A CN105143827 A CN 105143827A CN 201480022905 A CN201480022905 A CN 201480022905A CN 105143827 A CN105143827 A CN 105143827A
- Authority
- CN
- China
- Prior art keywords
- route
- vehicle data
- vehicle
- prediction
- section
- 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.)
- Granted
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
-
- 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
- G01C21/3484—Personalized, e.g. from learned user behaviour or user-defined profiles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于选择车辆行驶路线的方法(100)。该方法(100)具有预测步骤(110),其使用路线的路段数据和车辆的所获取的或所估计的实际车辆数据为路线的至少一个路线区段预测车辆的在驶过可选择的路线时数值可动态变化的车辆数据,以产生预测车辆数据。该方法(100)还具有评估步骤(120),其使用预测车辆数据对路线进行评估,以产生路线评估结果,用以根据路线评估结果选择包含至少一个路线区段的路线。
Description
技术领域
本发明涉及一种用于选择车辆行驶路线的方法、一种用于选择车辆行驶路线的装置以及一种用在车辆中或与车辆结合使用的相应的计算机程序产品。
背景技术
用于车辆的导航设备借助于定位和存储的地理信息可实现在遵循所期望的标准和规定的情况下经由一条路线导航到选定的位置。JP2008-233033A公开了一种导航设备、一种信息提供服务器、一种路线搜寻方法、一种路线搜寻程序和一种路线搜寻系统,其中,当与路线相关的状况改变时,特别是可触发路线的重新计算。
发明内容
在这种背景下,提出了根据独立权利要求所述的一种用于选择车辆行驶路线的方法、一种用于选择车辆行驶路线的装置以及一种相应的计算机程序产品。有利的设计方案由相应的从属权利要求和下面的说明给出。
特别有利的用于选择车辆行驶路线的方法具有以下步骤:
预测步骤,使用路线的路段数据和车辆的所获取的或估计的实际车辆数据为路线的至少一个路线区段预测车辆的在驶过可选择的路线时数值可动态变化的车辆数据,以产生预测车辆数据;和
评估步骤,使用预测车辆数据对路线进行评估,以产生路线评估结果,用以根据路线评估结果选择包含所述至少一个路线区段的路线。
车辆可为机动车、特别是道路车辆,例如为乘用车、摩托车、载重汽车或其他商用车。该方法可与导航设备和至少一个车辆数据传感器相结合地实施。导航设备特别是可为固定地装入车辆中的或可拆下地设置在车辆中的移动的导航设备,例如具有导航功能的可访问互联网的移动电话,其借助于通信接口可与至少一个车辆数据传感器连接。导航设备借助于定位和存储的地理信息可实现在遵循所期望的标准和规定的情况下通过一条—在用户侧和/或在控制侧或在计算侧—可选择的路线或多条可选择的路线之一导航到选定的位置。地理信息可具有路线的路段数据。路线的路段数据可具有至少一个路线区段的路段数据。可选择的路线可在导航开始之前或之后选择。可选择的路线可具有所述至少一个路线区段。可选择的路线可为一组可选择的路线的一部分。可选择的路线和至少一个替代的可选择的路线可具有不同的路线区段或至少一个相同的路线区段。
所述至少一个车辆数据传感器可构造为用于获取车辆的车辆数据并且将车辆数据提供给导航设备。所获取的车辆数据为实际车辆数据。代替通过传感器获取,还可通过适合的算法估计实际车辆数据。车辆数据可具有至少一个数值,由于行驶于可选择的路线该数值可动态地变化。车辆数据的动态的数值变化与路线的路段数据相关。由此,车辆数据的动态的数值变化还与所选择的路线相关。预测车辆数据可具有用于至少一个路线区段的车辆数据的预测值。预测步骤可针对所选择的路线的至少一个路线区段实施。在此,预测步骤还可针对所选择的路线的所有路线区段实施。在此,还可在使用用于多个路线区段的预测车辆数据的情况下产生用于可选路线的累计预测车辆数据。在评估步骤中,在使用预测车辆数据或累计预测车辆数据的情况下可产生路线评估结果。形成路线评估结果以实现选择路线,该路线构成车辆的推荐路线并且适于,在驶过可选路线时车辆的数值可动态变化的车辆数据方面在考虑路线的至少一个路线区段的适合性的情况下到达行驶目的地或路线终点。路线评估结果可基于至少一个路线区段的预测车辆数据。该方法可具有可选择的车辆行驶路线的选择步骤,其中,在选择步骤中可根据路线评估结果选择或否决可选择的路线。在预测步骤中,借助于适合的算法或设备并且根据预定义的和/或可改变的规则由路段数据和实际车辆数据推出预测车辆数据。在评估步骤中,借助于适合的算法或设备并且根据预定义的和/或可改变的规则由预测车辆数据推出路线评估结果。
特别有利的用于选择车辆行驶路线的装置具有如下特征:
预测设备,用于使用路线的路段数据和车辆的所获取的或所估计的实际车辆数据为路线的至少一个路线区段预测车辆的在驶过可选路线时数值可动态变化的车辆数据,以产生预测车辆数据;以及
评估设备,用于使用预测车辆数据对路线进行评估,以产生路线评估结果,用以根据路线评估结果选择包括所述至少一个路线区段的路线。
该装置可构造为用于在相应的设备中执行或实施前述方法的变型方案的步骤。同样通过本发明的呈装置形式的实施变型方案还可有利地实现前文所述的目的。
装置当前可理解为处理路段数据和所获取的实际车辆数据并且据此输出预测车辆数据和路线评估结果的电设备。装置可具有接口,该接口可构造为硬件式和/或软件式。在硬件式的构造方式中,接口例如可为所谓的系统专用集成电路(ASIC)的一部分,其包括控制器的不同功能。而还可行的是,接口为特有的集成电路或者至少部分地由离散的结构元件组成。在软件式的构造方式中,接口可为软件模块,该软件模块例如在微控制器上与其他软件模块并存。
还有利的是具有程序代码的计算机程序产品,其可存储在可机读的载体(如半导体存储器、硬盘存储器或光学存储器)上,并且当程序在计算机或者装置或前文所述的装置上运行时该计算机程序产品用于实施前文所述的方法。
根据本发明的实施方式,特别是可在考虑动态车辆数据的情况下进行路线搜寻或路线选择。在此,例如可借助于关于车辆状态(例如发动机温度)的预测和与之相关的能耗实现由此得出的、修正的路线计算。可进行关于在驶过路线期间预计出现的车辆数据变化的预测并且在选择路线时考虑该预测。在此,为了预测可根据路线数据或路段数据调整车辆数据。特别是可作为路段数据以及所获取的车辆数据的函数求出对至少一个路线区段的预测车辆数据。由此,可根据本发明的实施方式在搜寻路线或选择路线时考虑可预测的、在行驶期间出现的车辆数据变化。
有利的是,可根据本发明的实施方式考虑并预测车辆的车辆数据,以找到或选出对车辆最优的路线。由此,可有利地计算或选择优化能耗的路线、即具有尽可能低的能耗的路线。由此,为了计算路线不仅可在搜寻路线时考虑关于车辆数据、例如关于充电状态(例如在到达目的地时最小的充电状态)的约束条件,而且特别是还可通过预测车辆数据更精确地进行路线选择,以找到能耗更低的路线。如果例如车辆数据在两个搜寻过程之间改变,即在第一路线的选择和第二路线的选择之间改变,则可考虑这种变化。例如,通过加载负荷可改变在两个搜寻过程之间的车辆总重。该变化可通过相应的输入接口或传感器获取。在第二搜寻过程中,在预测步骤中使用改变的车辆数据。此外,例如相对于在行驶期间重新计算路线且在此考虑改变的车辆数据的方案,预测的使用提供了如下优点,即,在使用预测时可全局地关于预测的车辆数据优化路线,而代替在利用改变的车辆数据进行必需的、可能重复的重新计算时仅能够在假设车辆数据不变且实时化的情况下找到剩余路线的局部最优方案,其中,优化受到在重新计算时车辆的当前位置的限制。
根据方法的一种实施方式,在预测步骤中可使用路线的长度、速度曲线、坡度曲线、高度曲线和/或气候条件作为路线的路段数据来预测牵引电池的充电状态、内燃机的发动机温度、油箱液面高度和/或至少一个胎压作为车辆数据。需动态考虑的车辆数据例如为在电动车辆或混合动力车辆中的电池的充电状态、发动机温度、油箱液面高度、车辆内部温度和胎压。此外,例如可利用车辆的重量或质量和/或与速度相关的能耗说明,以尽可能精确地预测在可能的路线上的能耗并且由此从可能的路线中选出对于给定的车辆具有最小的预计能耗的路线。这种实施方式提供的优点是,可结合路段数据精确地预测车辆数据,以选出能耗最低的路线。
对于路线搜寻或路线选择相关的车辆数据可能在行驶期间变化。因此例如发动机温度可能在行驶期间变化。当发动机在行驶开始时是冷的时特别是如此。内燃机的温度对其能耗有影响,因为在冷的发动机中产生比在热的发动机中更高的摩擦损失。如果在通过预测车辆数据计算能耗优化的路线时考虑到车辆数据的这种变化,则可找到比不考虑该变化时具有较低能耗的路线。这种路线例如可在初始的几公里上具有很低的速度,因为高的速度由于行车气流会减缓发动机的升温。相关车辆数据的变化的另一示例是混合动力车辆的电池的充电状态(SOC,StateofCharge)。在某些路段上这种车辆的电驱动机构的使用可为特别有利的,例如在城镇中,因为在这些地方多次进行加速过程,而在其他路段上优选内燃机,例如在高速公路上。在混合动力车辆的运行策略中例如决定什么时候以多大比例使用哪种发动机。在此,充电状态为主要的约束条件,因为仅当电池具有足够能量时才能利用电驱动机构。通过了解运行策略可创建关于充电状态的预测。在考虑该预测的情况下可计算这样的路线,该路线使得充电状态尽可能在每个时间点或尽可能在每个路线区段最优地与路段数据相匹配。例如,路线可以是这样的,即,跟在混合动力车辆的电池借以充电的长距离下坡之后是具有很低负荷要求的路段,在该路段上可纯电动行驶。基于根据本发明的实施方式选出的路线在时间上优化地利用内燃机和电动马达实现了在路线上的很低的总能耗。
同样可在评估步骤中使用预测车辆数据对至少一个路线区段的路段数据适用的适用程度来评估路线。这种实施方式提供的优点是,可选出具有这种路线区段的路线,即,该路线区段最优地与在到达至少一个路线区段时存在的预测车辆数据相匹配。由此可特别是进行预测车辆数据和路段数据的相互匹配,以找到具有最低能耗的路线。
根据一种实施方式,可在预测步骤中使用静态的预测模型预测车辆数据。由此,用于车辆数据的预测车辆数据可借助于静态模型来计算。例如,可从当前的发动机温度或实际发动机温度和外部温度出发对给定的车辆预测随时间和路段变化的发动机温度曲线。同样可在了解运行策略的情况下预测电动车辆或混合动力车辆的电池的充电状态曲线。这种实施方式提供的优点是,可花很少的功夫预测车辆数据。特别是可以这种方式预测适用于静态预测模型的车辆数据。由此可以很少的工作量获得尽可能准确的评估结果。
此外可在预测步骤中使用自学习的预测模型预测车辆数据。在此,为了匹配自学习的预测模型可将在车辆行驶期间获取的实际车辆数据与预测车辆数据相比较。可借助于自学习模型计算预测车辆数据,在该自学习模型中可将在行驶期间的真实车辆数据或实际车辆数据与预测车辆数据相比较,以自学习地产生匹配的预测车辆数据,并且必要时可相应地调整未来的预测。这种实施方式提供的优点是,可实现对车辆数据的特别精确且自我改善的预测。由此可基于车辆数据的精确预测获得尽可能准确的评估结果。
还可在预测步骤中使用动态的预测模型预测车辆数据。在此可评估在车辆行驶期间获取的实际车辆数据,以调整预测车辆数据。在动态的预测模型中可在行驶期间评估当前的车辆数据或实际车辆数据并且基于该当前数据调整预测车辆数据。这种实施方式提供的优点是,即使在已经开始导航的情况下也可进行路线选择的进一步优化。
在此,当在预测车辆数据和经过调整的预测车辆数据之间的偏差超过阈值时,可使用经过调整的预测车辆数据重复路线的评估步骤。在此可在重复的评估步骤中产生经过调整的评估结果。此外响应于重复的评估步骤,还可使用经过调整的评估结果进行重复的选择步骤。当出现预测数据的显著改变时,可基于经过调整的预测车辆数据重新选择或计算路线。例如,当在行驶10分钟之后实际发动机温度与预测的发动机温度的偏差大于5度时,则可调整之后的预测并且基于当前最新的预测重新选择路线。这种实施方式提供的优点是,可灵活地对改变的车辆数据以及环境影响做出反应。
特别是可在评估步骤中使用预测车辆数据和路线的路段数据计算路线的成本函数,以产生路线评估结果。成本函数用于为路线区段或路段分配数值,该数值代表在驶过路线区段时产生的成本。该成本可为路线区段的具体特性,例如路线区段的长度或驶过路线区段所需的时间。成本还可为路线区段特性的线性或逻辑组合。路线区段的特性可从地理信息或数字地图获得。路线成本为组成路线的良好路段的成本之和。这种实施方式提供的优点是,由此为了通过成本函数选择路线可利用路线搜寻算法的频繁使用的核心元素。
如果在选择路线或搜寻路线期间比较两个可能的路线,则可相应地优选那个根据成本函数具有较低成本的路线。这使得作为路线选择的结果输出到终点具有最低总成本的路线。因此,成本函数反映了路线选择的优化标准。成本函数提供对在沿着路线区段行驶时产生的实际成本的估计。通过在成本函数中使用关于未来车辆数据的预测可改善成本函数,也就是说,当使用预测车辆数据形式的准确预测时,通过成本函数对实际成本的估计更贴近实际情况。根据本发明的实施方式,动态的车辆数据可包含在路线搜寻的成本函数中。为了计算给定的路线区段的成本,创建关于在车辆到达路线区段的时刻预计存在的车辆数据的预测。该预测可尤其与直至到达路线区段所驶过的路段或路线的特性相关。
例如,可通过预测发动机温度改善成本函数,该成本函数说明在路线或路段上的能耗,因为能耗主要与发动机温度相关。例如,可借助于路线的长度、速度曲线和/或高度曲线创建在到达路线区段的时刻关于发动机温度的预测。该预测可用于借助与发动机温度相关的能耗模型计算在路线区段上的预计的能耗。这种模型可由多个曲线对组成,这些曲线对分别说明了所定义的加速过程的能耗和在以恒速行驶时与速度相关的能耗。对每个温度可使用各自的说明发动机能耗的曲线对。同样可借助于路线走向或路段走向预测混合动力车辆的牵引电池的充电状态。可在使用预测的情况下将成本函数例如设计为,制动过程在高的充电状态下比在低的充电状态下具有更高的成本,因为在低的充电状态下可再生或回收更多的制动能量。此外,下坡可在低的充电状态下比在高的充电状态下具有更低的且必要时甚至负的成本,因为在低的充电状态下可比在高的充电状态下再生或回收更多的运动能量。
附图说明
下面借助于附图示例性地详细阐述本发明。其中:
图1示出了根据本发明一种实施例的用于选择车辆行驶路线的方法的流程图;
图2示出了具有根据本发明一种实施例的用于选择车辆行驶路线的装置的车辆的示意图;以及
图3和图4示出了可选择的车辆行驶路线的示意图。
在本发明的优选实施例的以下说明中,对于在不同附图中所示的且作用相似的元件使用相同或相似的附图标记,其中省去了对这些元件的重复说明。
具体实施方式
图1示出了根据本发明一种实施例的用于选择车辆行驶路线的方法100的流程图。方法100可结合根据图2的装置或选择装置有利地实施。方法100具有预测步骤110,其使用路线的路段数据和车辆的所获取的实际车辆数据为路线的至少一个路线区段预测车辆的在驶过可选择的路线时数值可动态变化的车辆数据,以产生预测车辆数据。方法100还具有评估步骤120,其使用预测车辆数据对路线进行评估,以产生路线评估结果,用以根据路线评估结果选择包含至少一个路线区段的路线。通过实施方法100,可选择考虑了预测车辆数据的路线、例如在图3中所示的车辆行驶的第一路线。
图2示出了具有根据本发明一种实施例的用于选择车辆行驶路线的装置的车辆的示意图。所示出的是车辆200、车辆数据提供装置210、车辆数据215、路段数据提供装置220、路段数据225、用于选择车辆200行驶路线的选择装置230、预测设备232、预测车辆数据233、评估设备234、路线输出装置240和路线选择数据245。车辆200具有车辆数据提供装置210、路段数据提供装置220、选择装置230和路线输出装置240。选择装置230具有预测设备232和评估设备234。即使在图2中没有明确示出,路段数据提供装置220、选择装置230和路线输出装置240例如为导航设备的一部分。
车辆数据提供装置210例如具有至少一个车辆数据传感器或与至少一个车辆数据传感器的接口,尽管在图2中没有示出。车辆数据提供装置210构造用于为使用车辆数据215的其他装置提供车辆数据215。车辆数据215例如为所获取的实际车辆数据。车辆数据215包括车辆200的在驶过可选择的路线时数值可动态变化的车辆数据。车辆数据提供装置210借助于通信接口,例如电线、无线连接、无线电等与选择装置230连接。
路段数据提供装置220例如具有用于路段数据225的存储设备或与用于路段数据225的存储设备的接口,尽管在图2中没有示出。路段数据225例如为导航数据库等的地理数据。路段数据225代表沿着可选路线的路段的特性。路段数据提供装置220借助于另一通信接口,例如电线、无线连接、无线电等与选择装置230连接。
选择装置230设置用于选择车辆200的行驶路线。选择装置230构造用于接收车辆数据提供装置210的车辆数据215和路段数据提供装置220的路段数据225。
选择装置230的预测设备232构造用于从车辆数据提供装置210读入车辆数据215。预测设备232还构造用于从路段数据提供装置220读入路段数据225。此外预测设备232构造用于使用路线的路段数据225和车辆200的所获取的实际车辆数据215为路线的至少一个路线区段预测在驶过可选择的路线时车辆200的数值可动态变化的车辆数据225,以产生预测车辆数据233。预测设备232例如构造用于基于静态的、动态的和/或自学习的预测模型产生预测车辆数据233。
选择装置230的评估设备234构造用于从预测设备232读入预测车辆数据233。评估设备234还构造用于使用借助于预测设备232产生的预测车辆数据233对路线进行评估,以产生路线评估结果,用以根据路线评估结果选择包含所述至少一个路线区段的路线。此外评估设备234可选地构造用于读入关于至少一个路线区段的路段数据225并且使用预测车辆数据233和至少一个路线区段的路段数据225对路线进行评估。
选择装置230构造用于根据评估设备234的路线评估结果选择或放弃路线。在此,选择装置230例如构造用于生成代表车辆200行驶路线的选择的路线选择数据245。
路线输出装置240借助于另一通信接口,例如电线、无线连接、无线电等与选择装置230连接。路线输出装置240构造用于从选择装置230接收路线选择数据245。路线输出装置240还构造用于基于路线选择数据245以及基于从导航设备接收的至少一个可选路线的路线数据或目的地导引数据为车辆200的驾驶员输出车辆行驶路线。
图3示出了可选择的车辆行驶路线的示意图。所示出的是第一路线A、第二路线B、第三路线C以及第四路线D、路线的开始节点或者说起点s、重新计算的地点X、路线的目标节点或者说终点z、例如有利于车辆的冷发动机的第一路段特性310和例如有利于车辆的暖发动机的第二路段特性320。路线A、B、C和D在起点s和终点z之间延伸。重新计算的地点X设置在起点s和终点z之间。
第一路线A为考虑到预测车辆数据的路线。第一路线A例如借助于图1的方法和/或借助于图2的装置或选择装置被选择。第一路线A从起点s延伸直到终点z。在路线的在起点s处开始的第一部分区段中,路线具有有利于冷发动机的第一路段特性310。在路线的在第一部分区段和终点z之间延伸的第二部分区段中,路线具有有利于暖发动机的第二路段特性320。
第二路线B为没有考虑预测车辆数据的路线。第二路线B基于发动机模型“暖”或用于暖发动机的能耗模型被选择。第二路线B从起点s延伸直到终点z。由此第二路线B沿着其在起点s和终点z之间的整个延伸段具有有利于暖发动机的第二路段特性320。
第四路线D为没有考虑预测车辆数据的路线。第四路线D基于发动机模型“冷”或用于冷发动机的能耗模型被选择。第四路线D从起点s延伸直到终点z。由此第四路线D沿着其在起点s和终点z之间的整个延伸段具有有利于冷发动机的第一路段特性310。
第三路线C是在重新计算地点x处在没有考虑预测车辆数据的情况下以及基于发动机模型“暖”或用于暖发动机的能耗模型重新计算的路线。重新计算的地点X沿着第四路线D设置。第三路线C从重新计算的地点X延伸直到终点z。第三路线C沿着其在重新计算的地点X和终点z之间的整个延伸段具有有利于暖发动机的第二路段特性320。
换言之,在图3中由此示出了四个不同的从起点s到终点z的路线A、B、C和D。第一路线A是在使用预测车辆数据的情况下选择或计算的并且由呈第一部分区段形式(对冷发动机有利)的较短的路段和呈第二部分区段形式(对暖发动机有利)的较长的路段组成。第一路线A计算为使得发动机大概在第一部分区段和第二部分区段之间的过渡部处达到其工作温度。
第二路线B是在不考虑预测车辆数据的情况下通过用于暖发动机的能耗模型计算的。可假设,在第二路线B上的实际燃料消耗比计算的更大,因为在第二路线B的开端处在冷发动机中提高的燃料消耗没有被考虑。由于没有进行的考虑,可假设能耗比在第一路线A上更大。
第四路线D是在不考虑预测车辆数据的情况下通过用于冷发动机的能耗模型计算的。可假设,在第四路线D上的实际燃料消耗虽然比计算的更小,但是比在第一路线A上更大,因为第四路线D是针对冷发动机优化的,然而其中发动机在第四路线D的大部分期间是暖的。
当发动机达到其工作温度时,第三路线C是在沿着第四路线D的行驶期间计算的。从位置X开始第三路线C对暖发动机是最优的。可假设,第四路线D和第三路线C的组合具有比第一路线A更高的燃料消耗,因为第三路线C在道路网中缺乏替代路线在向前推移的地点X处例如具有较强的弯曲性,该较强的弯曲性对燃料消耗有负面影响。这种状况在不使用预测车辆数据的情况下可在路线选择中不予考虑,因为在计算第四路线D的时刻还不知道之后利用其它参数(改变的发动机温度)进行重新计算。
许多用于路线搜寻的算法例如基于路线迭代扩展多个其他的路线区段或路段。在此,路线例如开始于路线搜寻的起始位置,然而在大多数情况下尚未导向到终点。为了决定路线是否应扩展一个路线区段或路段,该路线区段被评估。借助于路线的特性、例如其长度、速度曲线或坡度曲线,根据本发明的实施例创建关于在车辆到达路线区段的时刻将存在的车辆数据的预测。利用该预测可比在没有预测的情况下更精确地估算路线区段对路线的适用性。对各个路线区段的更精确的评估使得比在没有关于车辆数据的预测的情况下找到更好的路线。此外,利用预测相对于在行驶期间重新计算路线且在此时才考虑改变的车辆数据的方法提供了优点。在使用预测的情况下特别是从一开始就尽可能就路线的全部关于预测的车辆数据对路线进行优化,而在重新计算时仅能够在假设车辆数据不变且实时化的情况下找到局部的最优方案并且优化受到车辆当前位置的限制。这一事实在图3中示出。
图4示出了可选择的车辆行驶路线的示意图。换言之,图4示出了在路线选择或路线搜寻时与成本函数相关的可选择的车辆行驶路线。所示出的是开始节点s、从开始节点s直到中间节点u且继续直到扩展节点v的第一路线R、从开始节点s直到中间节点u’且继续直到扩展节点v’的第二路线R’、从开始节点s直到中间节点u”且继续直到扩展节点v”的第三路线R”、从开始节点s直到扩展节点v”的第四路线T和目标节点z。
换言之,图4示出了在其中执行程序“扩展且评估的路线”的情况的示例。在图4中示例性地仅示出了开始节点s、目标节点z和其他节点u、v、u’、v’、u”以及v”和属于示例路线之一的边线。在路线搜寻的过程中在不同的时间点对第一路线R、第二路线R’和第三路线R”实施该程序。在第一路线R和第二路线R’的情况中,在实施该程序的时间点,直到相应的扩展节点v或v’的路线是未知的。在第三路线R”的情况中,在实施该程序的时间点已经知道导向到扩展节点v”的第四路线T。只有当直到中间节点u”的第三路线R”的成本和从中间节点u”直到扩展节点v”的路线区段的成本之和小于第四路线T的成本时,才将第三路线R”选择且储存为到扩展节点v”的新的最佳路线。
下面参考图1至图4示例性地说明可如何在许多用于路线搜寻的算法中考虑与路段相关的或与路段数据相关的对车辆数据的预测。在此,道路网通过具有节点和边线的数学图表示,其中,节点代表交叉路口并且边线代表道路或路线区段或者道路部分。例如,边线u、v在此连接节点u和v。
首先说明在许多用于路线搜寻的算法中使用的基本程序“扩展且评估的路线”。在该程序中,从路线搜寻的开始节点s导向到节点u的路线R扩展一个边线u、v。该扩展的路线为R+。须决定的是,R+的成本是否低于目前最佳的从s到v的路线(如果已知这种路线)。R的成本例如从以前的算法迭代中已知。该程序由以下步骤组成:1、为了计算R+的成本,将u、v的成本加到R的成本上。2、当R+的成本低于目前最佳的到v的路线的成本时(如果已知这种路线),则将R+储存为到v的新的最佳路线。如果还不知道这种路线,同样将R+储存为到v的新的最佳路线。此外储存R+的成本。这样的或相似的基本程序例如在已知的路线搜寻算法(例如A*算法、迪杰斯特拉算法和贝尔曼-福特算法)中实施。
根据本发明的实施例修改上述程序。该修改在于,在步骤1中根据路线R的特性计算u、v的成本并且之后加到R的成本上。R的必要的特性同R的成本一样迭代地或非迭代地借助于数字地图的数据来计算。这可以与下一样的数据结构储存,目前最低的到每个节点的成本也以该数据结构储存。特别是可结合利用上文说明的基本程序的算法来应用图1的方法。路线的路段数据或特性(在其基础上计算车辆数据的预测)例如为长度、速度曲线、坡度曲线和高度曲线以及气候条件。
所说明的和在附图中所示的实施例仅仅是示例性选择的。不同的实施例可完全或关于各个单独特征彼此组合。一个实施例还可由另一实施例的特征补充。
此外,根据本发明的方法步骤可重复进行并且可以不同于所描述的顺序的其他顺序实施。
如果实施例在第一特征和第二特征之间包括连接词“和/或”,则应将其理解为,该实施例根据一种实施方式不仅具有第一特征而且具有第二特征,根据另一实施方式仅具有第一特征或者仅具有第二特征。
Claims (10)
1.一种用于选择车辆(200)行驶路线的方法(100),其中,所述方法(100)具有以下步骤:
预测步骤(110),使用路线的路段数据(225)和所述车辆(200)的所获取的或所估计的实际车辆数据(215)为所述路线的至少一个路线区段预测所述车辆(200)的在驶过可选择的路线时数值可动态变化的车辆数据(215),以产生预测车辆数据(233);和
评估步骤(120),使用所述预测车辆数据(233)对所述路线进行评估,以产生路线评估结果(245),用以根据所述路线评估结果(245)选择包含所述至少一个路线区段的路线。
2.根据权利要求1所述的方法(100),其特征在于,在所述预测步骤(110)中使用所述路线的长度、速度曲线、坡度曲线、高度曲线和/或气候条件作为所述路线的路段数据(225)来预测牵引电池的充电状态、内燃机的发动机温度、油箱液面高度和/或至少一个胎压作为车辆数据(215)。
3.根据上述权利要求中任一项所述的方法(100),其特征在于,在所述评估步骤(120)中使用所述预测车辆数据(233)对所述至少一个路线区段的路段数据(225)适用的适用程度来评估所述路线。
4.根据上述权利要求中任一项所述的方法(100),其特征在于,在所述预测步骤(110)中使用静态预测模型预测所述车辆数据(215)。
5.根据上述权利要求中任一项所述的方法(100),其特征在于,在所述预测步骤(110)中使用自学习预测模型预测所述车辆数据(215),其中,为了匹配所述自学习预测模型将在所述车辆(200)行驶期间获取的实际车辆数据(215)与预测车辆数据(233)相比较。
6.根据上述权利要求中任一项所述的方法(100),其特征在于,在所述预测步骤(110)中使用动态预测模型预测所述车辆数据(215),其中,对在所述车辆(200)行驶期间获取的实际车辆数据(215)进行评估,以调整所述预测车辆数据(233)。
7.根据权利要求6所述的方法(100),其特征在于,当在所述预测车辆数据(233)和经过调整的预测车辆数据之间的偏差超过阈值时,使用所述经过调整的预测车辆数据重复所述路线的评估步骤(120)。
8.根据上述权利要求中任一项所述的方法(100),其特征在于,在所述评估步骤(120)中使用所述预测车辆数据(233)和所述路线的路段数据(225)计算所述路线的成本函数,以产生所述路线评估结果(245)。
9.一种用于选择车辆(200)行驶路线的装置(230),其中,所述装置(230)具有以下特征:
预测设备(232),其用于使用路线的路段数据和所述车辆(200)的所获取的或所估计的实际车辆数据(215)为所述路线的至少一个路线区段预测所述车辆(200)的在驶过可选择的路线时数值可动态变化的车辆数据(215),以产生预测车辆数据(233);以及
评估设备(234),其用于使用所述预测车辆数据(233)对所述路线进行评估,以产生路线评估结果(245),用以根据所述路线评估结果(245)选择包括所述至少一个路线区段的路线。
10.一种具有程序代码的计算机程序产品,当程序在装置(230)上运行时该计算机程序产品用于执行根据权利要求1至8中任一项所述的方法(100)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013207688.6 | 2013-04-26 | ||
DE102013207688.6A DE102013207688A1 (de) | 2013-04-26 | 2013-04-26 | Verfahren und Vorrichtung zum Auswählen einer Route zum Befahren durch ein Fahrzeug |
PCT/EP2014/055582 WO2014173592A1 (de) | 2013-04-26 | 2014-03-20 | Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105143827A true CN105143827A (zh) | 2015-12-09 |
CN105143827B CN105143827B (zh) | 2018-12-18 |
Family
ID=50397114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480022905.7A Active CN105143827B (zh) | 2013-04-26 | 2014-03-20 | 用于选择车辆行驶路线的方法和装置 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP2989422B1 (zh) |
CN (1) | CN105143827B (zh) |
DE (1) | DE102013207688A1 (zh) |
WO (1) | WO2014173592A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108944945A (zh) * | 2018-07-10 | 2018-12-07 | 深圳地平线机器人科技有限公司 | 用于辅助驾驶的状态预测方法、装置、电子设备和车辆 |
CN110774855A (zh) * | 2018-07-31 | 2020-02-11 | 大众汽车有限公司 | 用于车辆中识别气味干扰的方法和装置 |
CN111356620A (zh) * | 2017-08-24 | 2020-06-30 | 图森有限公司 | 用于自主车辆控制以最小化能量成本的系统和方法 |
CN112477866A (zh) * | 2020-12-09 | 2021-03-12 | 广州小马慧行科技有限公司 | 车辆的控制方法、控制装置、处理器和车辆系统 |
CN114467008A (zh) * | 2019-10-11 | 2022-05-10 | Zf 腓德烈斯哈芬股份公司 | 用于处理车辆的gps路线数据的方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9639995B2 (en) | 2015-02-25 | 2017-05-02 | Snap-On Incorporated | Methods and systems for generating and outputting test drive scripts for vehicles |
WO2017017494A1 (en) * | 2015-07-28 | 2017-02-02 | Volvo Truck Corporation | Method and device for eco driving assistance |
US11067403B2 (en) * | 2018-07-05 | 2021-07-20 | GM Global Technology Operations LLC | Vehicle energy usage tracking |
CN117236779A (zh) * | 2023-10-09 | 2023-12-15 | 速度科技股份有限公司 | 一种大型数据库的数据运输评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2448972A (en) * | 2007-05-03 | 2008-11-05 | Ford Motor Co | A System and Method for Controlling the Operation of a Vehicle |
CN101334289A (zh) * | 2007-06-29 | 2008-12-31 | 通用汽车环球科技运作公司 | 燃料成本预测器系统 |
CN101395552A (zh) * | 2006-03-06 | 2009-03-25 | 通用汽车环球科技运作公司 | 混合动力车辆动力系控制方法和装置 |
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 |
CN102859323A (zh) * | 2009-11-24 | 2013-01-02 | 特洛吉斯有限公司 | 基于能源利用的车辆路线选择 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008233033A (ja) | 2007-03-23 | 2008-10-02 | Pioneer Electronic Corp | ナビゲーション装置、情報提供サーバ、ルート探索方法、ルート探索プログラム及びルート探索システム |
US8483949B2 (en) * | 2009-04-13 | 2013-07-09 | Toyota Jidosha Kabushiki Kaisha | Running pattern calculating apparatus and running pattern calculating method |
-
2013
- 2013-04-26 DE DE102013207688.6A patent/DE102013207688A1/de not_active Withdrawn
-
2014
- 2014-03-20 WO PCT/EP2014/055582 patent/WO2014173592A1/de active Application Filing
- 2014-03-20 CN CN201480022905.7A patent/CN105143827B/zh active Active
- 2014-03-20 EP EP14714189.9A patent/EP2989422B1/de active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101395552A (zh) * | 2006-03-06 | 2009-03-25 | 通用汽车环球科技运作公司 | 混合动力车辆动力系控制方法和装置 |
GB2448972A (en) * | 2007-05-03 | 2008-11-05 | Ford Motor Co | A System and Method for Controlling the Operation of a Vehicle |
CN101334289A (zh) * | 2007-06-29 | 2008-12-31 | 通用汽车环球科技运作公司 | 燃料成本预测器系统 |
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 |
CN102859323A (zh) * | 2009-11-24 | 2013-01-02 | 特洛吉斯有限公司 | 基于能源利用的车辆路线选择 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111356620A (zh) * | 2017-08-24 | 2020-06-30 | 图森有限公司 | 用于自主车辆控制以最小化能量成本的系统和方法 |
CN108944945A (zh) * | 2018-07-10 | 2018-12-07 | 深圳地平线机器人科技有限公司 | 用于辅助驾驶的状态预测方法、装置、电子设备和车辆 |
CN108944945B (zh) * | 2018-07-10 | 2020-03-20 | 深圳地平线机器人科技有限公司 | 用于辅助驾驶的状态预测方法、装置、电子设备和车辆 |
CN110774855A (zh) * | 2018-07-31 | 2020-02-11 | 大众汽车有限公司 | 用于车辆中识别气味干扰的方法和装置 |
US11648817B2 (en) | 2018-07-31 | 2023-05-16 | Volkswagen Aktiengesellschaft | Method and device for detecting odor in a transportation vehicle |
CN114467008A (zh) * | 2019-10-11 | 2022-05-10 | Zf 腓德烈斯哈芬股份公司 | 用于处理车辆的gps路线数据的方法 |
CN112477866A (zh) * | 2020-12-09 | 2021-03-12 | 广州小马慧行科技有限公司 | 车辆的控制方法、控制装置、处理器和车辆系统 |
CN112477866B (zh) * | 2020-12-09 | 2022-06-28 | 广州小马慧行科技有限公司 | 车辆的控制方法、控制装置、处理器和车辆系统 |
Also Published As
Publication number | Publication date |
---|---|
EP2989422B1 (de) | 2020-07-15 |
EP2989422A1 (de) | 2016-03-02 |
WO2014173592A1 (de) | 2014-10-30 |
CN105143827B (zh) | 2018-12-18 |
DE102013207688A1 (de) | 2014-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105143827A (zh) | 用于选择车辆行驶路线的方法和装置 | |
KR101810797B1 (ko) | 이동 정보 처리 장치, 이동 정보 처리 방법 및 운전 지원 시스템 | |
EP2685215B1 (en) | Method of estimating an ability of a vehicle to reach a target road segment, method of generating a database therefor, and corresponding navigation system | |
US9604633B2 (en) | Travel support device, travel support method, and drive support system | |
CN104670219B (zh) | 用于混合驱动的操作方法 | |
JP6194872B2 (ja) | 車両用情報処理装置 | |
JP6007929B2 (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
US10157242B2 (en) | Charger arrangement planning supporting apparatus, charger arrangement planning supporting method, and program | |
KR101769723B1 (ko) | 이동 지원 장치, 이동 지원 방법, 및 구동 지원 시스템 | |
JP2015157569A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
JP6201808B2 (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
Perger et al. | Energy efficient route planning for electric vehicles with special consideration of the topography and battery lifetime | |
JP2015157567A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
JP2015209113A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
Grubwinkler et al. | Range prediction for EVs via crowd-sourcing | |
JP2015063177A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
JP2015209114A (ja) | 移動支援装置、移動支援方法、及び運転支援システム | |
JP2013242198A (ja) | 経路探索装置及びコンピュータプログラム | |
JP5953630B2 (ja) | 経路探索装置及びコンピュータプログラム | |
WO2013172157A1 (ja) | 経路探索装置及びコンピュータプログラム | |
Karmakar et al. | Trip planning for electric vehicle through optimal driving using genetic algorithm | |
KR20120061683A (ko) | 내비게이션 시스템에서의 경로 설정 장치 및 그 방법 | |
US20240053161A1 (en) | Method for Predicting a Velocity Profile of a Vehicle | |
Hrazdira et al. | Optimal real-time navigation system: Application to a hybrid electrical vehicle | |
KR20210142063A (ko) | 차량의 자율주행 방법 및 장치 |
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 |