CN107972673A - 使用线图确定使车辆的能耗最小化的路线的方法 - Google Patents

使用线图确定使车辆的能耗最小化的路线的方法 Download PDF

Info

Publication number
CN107972673A
CN107972673A CN201711002333.8A CN201711002333A CN107972673A CN 107972673 A CN107972673 A CN 107972673A CN 201711002333 A CN201711002333 A CN 201711002333A CN 107972673 A CN107972673 A CN 107972673A
Authority
CN
China
Prior art keywords
vehicle
arc
line chart
energy consumption
road network
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.)
Withdrawn
Application number
CN201711002333.8A
Other languages
English (en)
Inventor
G·德农齐奥
L·蒂博
A·夏雷塔
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.)
IFP Energies Nouvelles IFPEN
Original Assignee
IFP Energies Nouvelles IFPEN
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 IFP Energies Nouvelles IFPEN filed Critical IFP Energies Nouvelles IFPEN
Publication of CN107972673A publication Critical patent/CN107972673A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • 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
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/107—Longitudinal acceleration
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • 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
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及基于使用取决于车辆速度和加速度、线图(GA)构造和适合负能量的最短路径算法(ALG)的车辆动力学模型(MOD)来确定使车辆的能耗最小化的路线(ITI)的方法。

Description

使用线图确定使车辆的能耗最小化的路线的方法
技术领域
本发明涉及车辆导航领域，并且尤其涉及经济路线规划领域，经济路线规划确定针对给定路线使车辆的能耗最小化的路线。
背景技术
根据国际能源机构，全世界消耗的50％以上的汽油是由交通部门使用的，3/4以上是用于道路交通。再者，根据该机构，2006年在欧洲，交通部门对约1/4(23.8％)的温室气体排放以及对超过1/4(27.9％)的二氧化碳排放负责。
因此，提高道路旅行的能效以降低能耗(无论是燃料还是电力)比以往更为重要。因此，高级驾驶员辅助系统(ADAS)代表有前途的解决方案，不但经济(可简单地使用驾驶员的智能电话)而且是非侵入式的(车辆的机械部件不需要改动)。
在旨在改善驾驶技术的能耗的驾驶员辅助系统中，主要有能够并且应当作为补充的两种策略：经济驾驶和经济路线规划。经济驾驶在于沿路线的能耗、速度曲线方面的优化。该速度曲线随后被建议给驾驶员，驾驶员能通过遵循所推荐的路线在驾驶期间降低能耗。专利申请FR-2,994,923(US-9,286,737)中描述了关于经济驾驶的方法的示例。经济路线规划在于通过使能耗最小化、并且通过计及多个参数(诸如，车辆的特性、路网的拓扑特性、交通状况等)来标识从起点行至终点的最佳路线。
以下专利申请中考虑了经济路线规划：US-2012/123,657、US-2012/179,315、US-2012/066,232、US-9,091,560。然而，这些专利申请没有载明如何确定使能耗最小化的路线或者如何确定针对这些方法所使用的速度。因此，知晓由这些专利申请中描述的方法获得的精确性是不可能的。
其它经济路线规划方法基于Dijkstra的用于确定使能耗最小化的路线的最短路径算法。然而，该算法不计及负值。因此，该算法仅可被用于内燃机车辆，并且不能被用于可能进行能量回收的(例如，具有再生制动)电动车辆。因此，这些方法不适用于任何类型的车辆。这样的方法在以下文献中被特别描述：
-Andersen O,Jens CS,Torp K,Yang B(2013),《EcoTour:Reducing theenvironmental footprint of vehicles using eco-routes(经济旅行：使用经济路线来减少车辆的环境足迹)》,Proc.2013IEEE 14th Int.Conf.on Mobile Data Management(IEEE第14届移动数据管理国际会议，论文集2013)，意大利米兰，2013年6月3-6日，-Boriboonsomsin K,Barth MJ,Zhu W,Vu A(2012)，《Eco-routing navigation systembased on multisource historical and real-time traffic information(基于多资源历时和实时交通信息的经济路线规划导航系统)》IEEE Trans.on IntelligentTransportation Systems(IEEE智能交通运输系统论文集)，第13卷第4号第1694-1704页，
-Ben Dhaou I，《Fuel estimation model for ECO-driving and ECO-routing(针对经济驾驶和经济路线规划的燃料估算模型)》，Proc.2011IEEE IntelligentVehicles Symposium(论文集2011，IEEE智能车辆研讨会)，巴登巴登，德国，2011年6月5-9日，第37-42页，
-Ericsson E,Larsson H,Brundell-Freij K(2006),《Optimizing route choicefor lowest fuel consumption–Potential effects of a new driver support tool(使路线选择最优化以用于最低燃料消耗——新驾驶员支持工具的潜在效应)》，交通运输研究部分C，第14卷第369-383页。
为了克服这些缺点，本发明涉及基于使用取决于车辆速度和加速度、线图构造和适合负能量的最短路径算法的车辆动力学模型来确定使车辆的能耗最小化的路线的方法。使用此种动力学模型并构造线图(尤其通过计及加速度)允许更高的能耗精确性。适合于负能量的算法使该方法适用于任何类型的车辆，包括电动车辆。
发明内容
本发明因此涉及确定使在路网上行进的车辆的能耗最小化的路线的方法。对于该方法，执行以下步骤：
a)标识所述车辆的位置和目的地，
b)构造将所述车辆消耗的能量与所述车辆的速度和加速度关联的所述车辆的动力学模型，
c)构造所述车辆的所述所标识位置与所述车辆的所述所标识目的地之间的所述路网的线图，
d)藉由车辆的所述动力学模型以及所述车辆关于所考虑弧的平均速度、以及所述车辆为达到关于所考虑弧的所述平均速度的加速度来确定所述车辆针对所述线图的每个弧所消耗的能量，
e)藉由关于所述线图使所述能耗最小化的最短路径算法来确定所述车辆的所述所标识位置与所述车辆的所述所标识目的地之间的所述路线，所述最短路径算法适合考虑(若恰适)关于所述线图的至少一个弧的负能耗。
根据一实施例，所述车辆的所述平均速度和所述加速度藉由所述路网的交通状况和/或拓扑和/或基础设施来确定。
根据一变型，所述交通状况通过与在线数据服务通信来实时地获得。
替换地，所述交通状况被存储在历史数据存储装置中。
根据一特征，使用所述路网的拓扑来构造所述线图。
根据一实现选项，使用地理定位手段来确定所述路网的所述拓扑。
根据一实施例，车辆的所述动力学模型取决于所述车辆的固有参数。
优选地，所述车辆的所述固有参数从数据库获得，或者由用户传送所述固有参数。
根据一实施例，所述路线显示在自主设备上或所述车辆的仪表板上。
有利地，所述车辆的所述动力学模型取决于所述车辆的至少一个辅助系统的功率要求。
优选地，至少一个辅助系统的所述功率要求取决于外部温度。
根据一实施例，所述最短路径算法是Bellman-Ford算法。
根据一变型实施例，通过执行以下步骤来构造所述线图：
i)构造具有节点(N)和弧(A)的所述路网(RR)的有向图(GD)，所述有向图(GD)的所述节点(N)对应于所述路网的交叉点，而所述有向图的所述弧(A)对应于连接所述交叉点的道路，以及
ii)构造具有节点(N)和弧(A)的所述路网(RR)的所述线图(GA)，所述线图(GA)的所述节点(N)对应于所述有向图(GD)的弧(A)，而所述线图(GA)的所述弧(A)对应于所述有向图(GD)的所述弧(A)的邻接。
除此之外，本发明涉及可从通信网络下载和/或记录在计算机可读介质上的和/或处理器或服务器可执行的计算机程序产品，包括当所述程序在计算机或在移动电话上执行时，用于实现根据以上特征之一的方法的程序代码指令。
附图说明
参考附图并对非限制性实施例的各示例的描述将清楚地理解根据本发明的方法的其它特征和优势，在附图中：
-图1解说了根据本发明的实施例的方法的各步骤，
-图2解说了根据本发明的第二实施例的方法的各步骤，
-图3解说了根据本发明的实施例的线图构造，
-图4解说了第一路径上的平均速度和测得速度，
-图5解说了累积测得能耗，该累积能耗由根据现有技术的模型确定并且该累积能耗由根据例如图4的示例的本发明的动力学模型确定。
-图6解说了针对第二路径的平均速度和测得速度，以及
-图7解说了累积测得能耗，该累积能耗由根据现有技术的模型确定并且该累积能耗由根据例如图6的示例的本发明的动力学模型确定。
具体实施方式
本发明涉及经济路线规划方法，即，确定使在路网上行进的车辆的能耗最小化的路线的方法。路线被认为是车辆应该行进以从起始点(车辆的当前位置)行至终点(车辆的目的地)的路径。
根据本发明的方法适合任何类型的车辆：燃料车辆、混合车辆、电动车辆。
符号
在其后的描述中使用以下符号：
v车辆速度[m/s]
x车辆位置[m]
m车辆质量[kg]
ω车辆发动机速度[tr/s]
Fw车轮上的车辆牵引力[N]
Fareo车辆上的空气动力[N]Ffriction车辆承受的摩擦力[N]
Fslop车辆承受的法向力(重力)[N]Fres气动和滚动损失的结果[N]
α道路倾角[rad]
ρα空气密度[kg/m3]
Af车辆的正面[m2]
cd气动阻力系数[-]
cr滚动阻力系数[-]
g重力加速度[m2/s]
a0,a1和a2车辆参数[-]
r车轮半径[m]
ρt车辆传动比[-]
ηt车辆传输效率[-]
Tm发动机扭矩[Nm]
Tm,max最大发动机扭矩[Nm]
Tm,min最小发动机扭矩[Nm]
Pm发动机轴处可用的功率[W]
Pb电池处的功率需求[W]
ηb电力牵引链的聚合效率[-]
Paux车辆辅助设备的功率[W]
Tamb环境温度[K]
i道路段i[-]
i-1道路段i之前的道路段[-]
平均交通速度[m/s]
K函数
段i上的能耗[Wh]
Eb电池处的能耗[Wh]
车辆以平均速度在段i上的功率[W]
车辆以可变速度在段i上的功率[W]
Ti段i上的行进时间[s]
li段i的长度[m]
Ejump,i与段i的速度波动相关联的能耗[Wh]
tjump,i段i的速度波动所需的时间[s]
线图弧权重[Wh]
对于这些符号，时间导数用或所考虑的变量上方的点来标记。
根据本发明的方法包括如下步骤：
1)车辆位置和目的地标识
2)车辆动力学模型构造
3)线图构造
4)线图上的能耗确定
5)路线确定
动力学模型构造和线图构造步骤可按该顺序执行、同时执行或者以相反顺序执行。
图1藉由非限制性示例解说了根据本发明的实施例的方法的各步骤。
1)车辆位置和目的地标识(D/A)
2)车辆动力学模型构造(MOD)
3)线图构造(GA)
4)使用动力学模型(MOD)和线图(GA)的线图上的能耗确定
5)藉由应用于经能耗加权的线图(GA)的最短路径算法(ALG)的经济路线(ITI)确定。
图2藉由非限制性示例解说了根据本发明的第二实施例的方法的各步骤。除了结合图1描述的步骤以外，该方法包括以下可任选步骤：
-确定路网拓扑(TOP)，路网拓扑可被用于构造动力学模型(MOD)以及用于构造线图(GA)，
-确定道路交通(TRA)，交通确定可被用于构造动力学模型(MOD)以及用于构造线图(GA)，
-确定车辆的固有参数(PAR)，这些参数可被用于构造动力学模型(MOD)，
-构造路网的有向图(GD)，可使用路网拓扑(TOP)来获得有向图，并且有向图可被用于构造线图(GA)。
确定路网拓扑(TOP)、道路交通(TRA)以及车辆的固有参数(PAR)的步骤是独立的。因此仅执行这些步骤的一部分是可能的。
以下描述该方法的所有步骤，包括图2中示出的其变型。
1)车辆位置和目的地标识
在该步骤中，车辆的当前位置和目的地被标识。换而言之，要行进的路线的起始点和终点被标识。
可使用(例如GPS或伽利略类型的)地理定位系统来标识车辆的当前位置。替换地，可由用户使用与之(例如智能电话、仪表板或地理定位系统)的接口来给出当前位置。
可由用户使用与之的接口给出车辆的目的地。替换地，目的地可被存储在数据库中，例如如果它是先前已知的目的地(例如，智能电话、仪表板或地理定位系统)。
2)车辆动力学模型构造
在该步骤中，车辆的动力学模型被构造。称为车辆的动力学模型的是将车辆的能耗与车辆的速度和加速度相联系的模型。可使用与发动机能量模型相关联的动力学的基本原理来构造车辆的动力学模型。
根据本发明的实施例(参见确定图2的车辆的固有参数的步骤)，可从车辆的宏观参数构造该模型，例如：车辆发动机功率、车辆质量、最大功率、最大速度、传输类型、空气动力参数等。因此，动力学模型代表该车辆并且计及其特定特性。
根据变型实施例，可从列出服役中的各种车辆的数据库获得宏观参数。例如，可通过输入车辆的注册号来获得宏观参数，数据库将车牌号与其设计(型号、模型、发动机功率等)相关联并包括车辆的宏观参数。替换地，宏观参数可以是由用户提供(尤其是使用接口(例如，智能电话、仪表板或地理定位系统))的制造商数据。
车辆的动力学模型还可取决于道路参数，诸如道路的坡度。可从路网的拓扑(参见图2的拓扑确定步骤)或地图获得此类数据。
车辆的动力学模型计及车辆的动力学。可从应用于其纵轴的车辆动力学的基本原理的应用构造车辆动力学，并且它可被如下写为：
其中m是车辆的质量，v(t)是其速度，Fw是车轮上的力，Faero是空气动力，Ffriction是滚动阻力而Fslope是重力。因此该模型可被如下重写为：
其中ρα是空气密度，Af是车轮的正面，Cd是气动阻力系数，cr是滚动阻力系数，α(x)是根据位置的道路的坡度，而g是重力加速度。气动和滚动损失之和一般用作为速度v的函数的二阶多项式来近似：
Fres＝Faero+Ffriction＝α2v(t)2+α1v(t)+α0
其中可针对从称为滑行测试的标准测试中考虑的车辆来标识参数a0、a1和a2。
因此，车轮上的力可被如下表达：
其后，针对电动车辆的非限制性实施例来描述车轮的动力学模型。电动车辆包括至少一个电机、至少一个用于向电动机供能或用于由电机供能(在再生制动的情形中)的电能存储装置(诸如电池)、以及能量回收装置(特别是再生制动装置)。然而，该模型适应任何类型的发动机(热、混合、电)。
电机达成车轮上所要求力的所要求的扭矩被如下定义：
其中r是车轮半径，ρt和ηt是传动比和传输效率。电机一般是可逆机，因此当Tm为正时它像发动机而当Tm为负时它像发电机(能量回收)。电机所生成的扭矩被Tm,max和Tm,min饱和。特别地，在制动阶段期间，如果发动机扭矩比饱和值Tm,min较不为负，则车辆仅通过再生制动系统慢下来。否则，机械制动开始操作，由此将其动作添加至再生制动。
在存在再生制动系统的情况下，发动机轴处可用的功率可被如下定义：
其中ωt是发动机速度，其被定义为：
电池处的功率要求被如下表达：
其中ηb是电力牵引链(换流器、电池等)的聚合效率。
根据本发明的实施例，可通过在车辆的动力学模型中计及至少一个辅助系统的功率要求来改善模型精度以及路径能耗估计的精度。实际上，驾驶员出于舒适目的，尤其是对于乘客舱供暖或空调所要求的功率在能耗方面是特别昂贵的，尤其对于其中供暖对于续航里程可能具有非常强烈影响的电动车辆而言。与辅助设备所请求功率有关的术语可被表达为环境温度的函数：
paux＝k(Tamb)
因此，对于该实施例，电池在一时间范围T上的能耗可被定义为：
以上描述的模型要求瞬时速度信号。该信息在唯一可用信息是平均速度的道路段(路网的道路部分)上不是先验可用的。
根据本发明，平均速度对于每个道路段是首先要考虑的，随后要考虑车辆从先前段达到该平均速度的车辆加速度。优选地，可从关于路网上的道路交通的信息中获得平均速度。
根据一变型，可通过与获得关于路网上的交通的实时信息的在线数据服务实时通信来获得一段上的平均速度。针对图2的实施例描述了该可任选交通确定步骤。
替换地，平均速度可被历史数据存储装置存储，该历史数据存储装置存储与路网有关的交通数据，尤其是针对不同日期、不同时间等。
因此，如果假设因道路段上的交通导致的平均速度是已知的，则可以修改以上描述的模型以评估车辆用于通过所考虑的道路段的能耗。在动力学模型中，速度v(t)随后被平均交通速度代替。因此，假设道路段i上的所有车辆都以速度行进。因此，针对每个道路段i来修改车轮上的力：
其中加速度项消失。发动机扭矩变为：
发动机速度随时间也是恒定的，因为假设恒定速度
电机处可用的机械功率被如下重写：
其后，假设扭矩饱和值与发动机速度无关。然而，其它实施例也是有效的，尤其是最大值和最小值扭矩可取决于发动机速度。
来自电动车辆的电池的功率请求可被如下定义：
电池的能耗因此是：
其中如果车辆以平均交通速度行进，则是道路段i上的行进时间。
在能耗模型中使用平均速度在现有技术中是标准办法。根据本发明的方法提出了在车辆的动力学模型中计及加速度以供更为精确和可靠地评估真实能耗。为了计及加速现象，在每个道路段上的行进被分为两个阶段：恒定巡航速度的阶段和用于从速度(即，先前段的平均速度)切换至速度(即，当前段的平均速度)的速度波动(即，加速或减速)阶段。优选地，考虑恒定加速(或减速)以达到速度因此，即使可用宏观信息不允许知晓时间信息，也考虑两个道路段之间的接口处发生的空间加速。与两个道路段之间的速度波动相关联的能耗Ejump,i被如下定义：
其中是电池处从速度转向速度的加速度阶段的功率要求。
如先前所述，可从如下定义的接口车轮上的力来获得电池处的这种功率要求：
其中每个瞬时的时变速度v(t)再次可被如下线性地建模为：
其中是上游段的速度，是下游段的速度，而a是用于达成速度变化的恒定加速度。速度波动因此如下被达成：
段i上的总能耗因此被定义为：
Eb,i＝Eb,i+Ejump,i
计及接口加速度使得该模型更加精确。然而，先验可用的信息并不总是完整或更新。尤其是，具有关于次要道路的平均交通速度的精确信息是不可能的。因此，具有交通速度简单地是恒定标称值的长道路部分是可能的。在该情形中，仅计及与路网有关的数据将在于假设没有加速度，这将生成大的能耗评估误差。这就是为什么本发明还允许通过整合由道路基础设施的关键要素(尤其是交通灯、交叉路口和弯道)所引入的速度扰动来充实路网相关数据。例如，如果已知交通灯位于两个段之间的接口处，则在能耗评估中要通过计及这两个段之间的速度波动来计及其影响。
计及这些加速度不仅允许获得更为真实和精确的能量成本，而且避免了对路网建模的路线规划图中的负环路。实际上，负环路代表有负总成本的具有相同起始点和目的地的路段序列。在具有能量权重的经加权图的特定情形中，这表示连续通过环路时的无限能量回收情景，这事实上是不可能的。当考虑电动车辆时以及如果针对道路段和相邻段的能耗评估不计及重要元素(诸如用于从一段转换至另一段的坡度和/或加速度)的情况下，很容易验证这种临界性。在路线规划图中存在负环路防止发现全局地使能耗最小化的路线，因为搜索算法一般将在这些环路上收敛以降低能耗。
根据本发明的实施例，两个段之间的速度波动可被建模为两个瞬时：第一个瞬时用于从速度转换为0(例如，用于在交通灯处停止)，而第二个瞬时用于从速度0变为速度因此，与速度波动有关的能耗可被描述为两个贡献之和：
其中第一项中的速度波动被如下建模：
并且第一波动所需的时间为：
类似地，第二项中的速度波动被如下建模：
v2(t)＝α·t
并且该波动所需的时间为：
因此，根据本发明，车辆的动力学模型可被写为(对于任何类型的车辆)：
其中Ei是段i上的能耗，是当车辆被认为在段i上处于恒定速度时从车辆的储能系统(燃料箱、电池等)所请求的功率，Ti是车辆在此期间被认为在段i上处于恒定速度的时间，是当车辆被认为具有速度波动(段i-1与段i之间的速度波动)时从车辆的储能系统所请求的功率，而tjump,i是达成速度波动所需的时间。该模型的第一项对应于该段上因平均速度所导致的能耗而第二项对应于因用于达成平均速度的速度波动所导致的能耗。
对于计及至少一个辅助系统的功率要求的实施例而言，车辆的动力学模型可被如下写为(对于任何类型的车辆)：
其中Ei是段i上的能耗，是当车辆被认为在段i上处于恒定速度时从车辆的储能系统(燃料箱、电池等)所请求的功率，Paux是至少一个辅助系统的功率，Ti是当车辆在其间被认为具有恒定速度的时间，是当车辆被认为具有速度波动(段i-1与段i之间的速度波动)时从车辆的储能系统所请求的功率，而tjump,i是达成速度波动所需的时间。该模型的第一项对应于该段上因平均速度所导致的能耗而第二项对应于因用于达成平均速度的速度波动所导致的能耗。
要提醒的是，对于电动车辆，能耗可能是负的。实际上，制动可允许在电池中回收能量。
3)线图构造
在该步骤中，路网的线图被构造。在图论中，图G(在本发明的情形中为路网)的线图被理解为代表G的诸边缘之间的邻接关系的图。图的线图可被如下定义：线图的每个顶点代表图G的边缘(也称为弧)，并且当且仅当图G中相应边缘共享共同端点时，线图的两个顶点是毗邻的(即，连接的)。因此，线图是路网的等效表示，其中所有机动(maneuver)被正确解耦(decouple)和区分，这实现能量成本的精确确定。
对于根据现有技术的方法而言，路网可被建模为有向图。使图G＝(V,A)，其中V是所有节点的集合，且A是节点之间所有连接(即弧)的集合。使w：A→W为向图中的每个弧指派权重的函数。在用于常规路线规划的图中，与弧相关联的权重代表长度或行进时间。对于经济路线规划，每个权重代表用于行进通过弧的能耗。
根据本发明的实施例，这项工作的目标可仅基于路网上的统计和拓扑信息来设计策略，不必使用任何真实的驾驶数据。往往是不完整的和/或不精确的这种类型的信息通常在商业网络地图服务(在线服务)上可用。对于图的每个弧i∈A，知晓长度、取决于一天中的时间的当前交通的平均速度vi、以及在所考虑的弧内根据位置变化的坡度αi(x)是可能的。此外，一些网络地图服务提供针对每个道路段的重要程度，其指明它是高速公路、主要城市道路、还是二级城市街道。除此之外，一些交通灯的位置可能是可用的。
藉由根据本发明的方法，在考虑由道路段中的各种速度和/或由已知基础设施元素导致的加速度的情况下，大幅度改善能耗评估以及路线规划导航的精确性是可能的。
计及毗邻弧之间的接口加速度提出了用于将路网建模为有向图(现有技术)并且尤其用于向每个弧指派权重的问题。具体地，图的具有两个或更多个进入弧的每个节点是关键的，因为vi-1并且因此Ejump,i不是唯一的。当然，这防止向弧指派明确的权重。因此，有向图G并不适合所提出的能耗模型。这种模糊性可使用线图作为针对所提出的路线规划策略的图来解决。
根据本发明的实施例，通过执行以下步骤来构造路网的线图：
i)构造具有节点和弧(也称为段或边缘)的所述路网的有向图，有向图的节点对应于路网的交叉点，而有向图的弧对应于连接交叉点的道路，以及
ii)构造具有节点和弧的所述路网的线图，线图的节点对应于有向图的弧，而线图的弧对应于有向图的所述弧的邻接。
图3藉由非限定示例解说了这些线图构造步骤。路网RR涉及两条道路之间的交叉点。第一步骤在于从路网构造有向图GD。有向图GD包括与道路的四端以及其交叉点对应的5个节点N。此外，有向图GD包括连接节点并且对应于路网RR的道路的8个弧A。第二步骤在于从有向图GD构造线图GA。线图GA包括对应于有向图GD的每个弧的8个节点N。此外，线图GA包括对应于有向图GD的节点N的邻接的20个弧。
4)确定线图的每个弧的能耗
在该步骤中，确定线图的每个弧的权重。该权重对应于由该弧上的车辆使用的能量。车辆的动力学模型因此通过考虑车辆在该弧上的平均速度、以及车辆用于达到该平均速度的加速度而被应用于线图的每个弧。因此，精确知晓弧上的能耗是可能的，这允许确定关于能量消耗方面的最佳路线。
使用线图L(G)作为路线规划图允许通过解耦原始图G中建模的所有可能机动以唯一方式向该图的每个弧指派权重。线图的每个弧代表有向图G的两个毗邻弧上的路径，并且因此线图L(G)的每个弧包含关于原始有向图G的每个弧及其上游弧的信息。
线图的该固有性质不但允许正确地考虑毗邻弧之间的接口加速度，而且允许以更为现实的方式来对基础设施对能耗的影响进行建模。更具体地，根据所提议的建模办法，计及由基础设施导致的停车/重启的能量项为：
可仅在代表以下情景的线图的弧上引入这种考虑：
●上游较低优先级道路与下游较高优先级道路之间的接合点处的交通灯或停止标志。主要道路上的绿波因此没有受到惩罚；
●上游和下游弧由具有宽于可调整阈值的转向角的机动所连接。
图G的线图L(G)＝(V*,A*)使图G的弧作为其节点，因此i∈A而且i∈V*。因此，使W*:A*→W*作为向线图的弧指派权重的新函数。针对每个弧的权重k∈A*被如下定义：
要提醒的是，对于电动车辆，弧上的能量可能是负的。因此，线图的该弧的权重可能是负的。实际上，制动可允许电池中的能量回收。
5)路线确定
在该步骤中，确定使所标识位置与所标识目的地之间的车辆的能耗最小化的路线。通过计及线图的每个弧上的能耗来执行该步骤。经济路线的确定是通过最短路径算法执行的。最短路径算法通过计及为每个弧确定的能耗量来确定线图上的路线。计算有向图和经加权图中始自源顶点的最短路径的最佳算法是Bellman-Ford算法。所选算法适合计及线图的至少一个弧上的负权重(即，所消耗的能量)，这与诸如Dijkstra的算法之类的其它算法不同，后者尽管更快，但在存在具有负权重的弧时不是最佳的。
一旦该算法再现了线图的最佳节点序列，该结果就可通过生成与最佳路径对应的原始图中起点与目的地之间的节点序列被容易地传递给原始图，该节点序列亦即关于能量消耗的最佳路线。
根据本发明的实施例，所提议的办法可包括离线记录与在一天的不同时间选择的一周的不同天的交通状况有关的全局历史信息的阶段。仅在驾驶员选择起始点、目的地和出发时间之后才实现实时适配。从历史数据中计算N条最佳经济路线。随后根据当前交通状况来更新其总成本并且进行比较以确定关于能耗的最佳当前路线。该解决方案允许实时地计及交通状况。
实际上，交通状况在一天中变化非常大，并且为了达到最佳全局经济路线规划解决方案，应该根据想要的出发时间来更新图的所有弧的能量成本。图的大小可能很大，并且用于更新所有权重的计算时间不适合实时使用。
除此之外，根据本发明的实施例，所计算的路线可与使用各种性能指标(尤其是行进时间)获得的其它路线作比较。因此，用户可按需选择能耗与行进时间之间的最感兴趣的妥协。
根据本发明的方法的可任选步骤可在于例如在智能手机的地理定位系统(GPS、伽利略)的屏幕上、车辆的仪表板上、网站上等显示所确定的路线。因此，向用户或任何其它人(例如，车队经理、道路基础设施经理等)通知经济路线是可能的。显示藉由模型和线图评估的该路线的能耗也是可能的。
根据本发明的方法可被用于机动车辆。然而，它可被用于道路运输、两轮车等的领域。
此外，本发明涉及可从通信网络下载和/或记录在计算机可读介质上和/或处理器或服务器可执行的计算机程序产品。该程序包括当在计算机或在移动电话上执行该程序时用于实现如上所述方法的程序代码指令。
示例
以下提出的两个示例示出了根据本发明的动力学模型与测得值的良好一致性。用于这两个示例的动力学模型是应用中例示(步骤2)的模型。
用具有表1中示出的特性的电动车辆执行这些示例。
表1－车辆的特性
特性 符号 值
车辆质量 m 1190kg
车轮半径 r 0.2848m
传动比 ρt 5.763
传输效率 ηt 0.95
加速度 a 1.5m/s2
系数 a0 125.73N
系数 a1 1.72N/(m/s)
系数 a2 0.58N/(m/s)2
最小发动机扭矩 Tm,min -50Nm
最大发动机扭矩 Tmmax 200Nm
电机效率 ηb 0.85
用开放道路测试通过使用GPS传感器记录位置和速度来获得这些示例的试验结果。在城镇、在各种道路类型上执行这些测试以通过根据本发明的方法的动力学模型来检查能耗预测的稳健性和精确性。始终在相同出发时间处重复使用相同的路线达若干天。使用述动力学模型从所记录的实际瞬时速度曲线来计算用作随后参考的能耗。由作为本发明目标的宏观模型来从网络(交通)地图服务获得的平均交通速度评估能耗。
这里提出了两个有效结果。这些结果解说了与现有技术中使用的标准技术有关的能耗评估的改善。
第一案例研究
对具有城市道路和高速公路组合的路线执行第一个有效研究。
针对第一案例研究，图4解说了根据该路径上的行进距离D(m)测量的各种速度Vmes(km/h)。图4还解说了每个线路段上的平均速度Vmoy。通过与在线服务通信、根据交通状况来获得平均速度Vmoy。实际速度曲线Vmes示出了即使在实际速度对应于不同天时的良好重复性特性。平均速度Vmoy宏观数据公正地代表测试时刻的交通状况。
针对第一案例研究，图5解说了在该路线上行进的距离D(m)上的累积能耗E(Wh)。该图示出了针对测得值MES(用所测得的速度获得)的累积能耗，其中用根据现有技术的模型AA的平均速度评估的累积能耗不计及加速度，而用根据本发明的模型INV评估的累积能耗计及加速度。基于平均速度的不计及加速度的模型AA通过低估真实消耗而导致显著误差。该类型的模型与第一案例研究中的参考最终能量值的平均值有关的误差约为30％。本发明中提议的还计及加速度的动力学模型INV可更为精确地遵循能耗变动趋势。与参考有关的能耗评估误差约为7％。
第二案例研究
对仅具有二级城市道路的路线执行第二个有效研究。
针对第二案例研究，图6解说了根据该路径上的行进距离D(m)测量的各种速度Vmes(km/h)。图6还解说了每个线路段上的平均速度Vmoy。通过与在线服务通信、根据交通状况来获得平均速度Vmoy。实际速度曲线Vmes示出了即使在实际速度对应于不同天时的良好重复性特性。平均速度Vmoy宏观数据公正地代表测试时刻的交通状况。
针对第二案例研究，图7解说了在该路线上行进的距离D(m)上的累积能耗E(Wh)。该图示出了针对测得值MES(用所测得的速度获得)的累积能耗，其中用根据现有技术的模型AA的平均速度评估的累积能耗不计及加速度，而用根据本发明的模型INV评估的累积能耗计及加速度。在第二案例研究中，根据现有技术的、不计及加速度的基于平均速度的模型AA通过低估真实消耗导致更多的显著误差。与参考有关的误差约为38％。这种行为是由以下事实导致的：在二级城市道路上，宏观平均速度数据的精确性和可靠性低得多。因此，平均速度很少代表真实交通状况，这也提出了具有整合接口加速度的模型的问题。具体地，如果宏观数据提供了在各种道路段之间不变化或不强烈变化的平均速度，则计及接口加速度对于校正能耗预测是不够的。
这恰好就是为什么本发明还允许通过整合由道路基础设施的关键要素所引入的速度扰动来充实路网数据。
本发明中提议的动力学模型可更精确地遵循能耗变动趋势。与参考有关的能耗评估误差约为9％。

Claims (14)

1.一种确定使在路网(RR)上行进的车辆能耗最小化的路线的方法，其特征在于，执行以下步骤：
a)标识所述车辆的位置和目的地，
b)构造将所述车辆消耗的能量与所述车辆的速度和加速度关联的所述车辆的动力学模型(MOD)，
c)构造所述车辆的所述所标识位置与所述车辆的所述所标识目的地之间的所述路网的线图(GA)，
d)藉由所述车辆的所述动力学模型(MOD)以及所述车辆关于所考虑弧的平均速度、以及所述车辆为达到关于所考虑弧的所述平均速度的加速度来确定所述车辆针对所述线图(GA)的每个弧所消耗的能量，
e)藉由关于所述线图(GA)使所述能耗最小化的最短路径算法(ALG)来确定所述车辆的所述所标识位置与所述车辆的所述所标识目的地之间的所述路线(ITI)，所述最短路径算法适合在适当时考虑关于所述线图的至少一个弧的负能耗。
2.如权利要求1所述的方法，其特征在于，所述车辆的所述平均速度和所述加速度藉由所述路网的交通状况(TRA)和/或拓扑(TOP)和/或基础设施来确定。
3.如权利要求2所述的方法，其特征在于，所述交通状况(TRA)通过与在线数据服务通信来实时地获得。
4.如权利要求2所述的方法，其特征在于，所述交通状况(TRA)被存储在历史数据存储装置中。
5.如前述权利要求中任一项所述的方法，其特征在于，使用所述路网的拓扑(TOP)来构造所述线图(GA)。
6.如权利要求2到5中的任一项所述的方法，其特征在于，使用地理定位装置来确定所述路网(RR)的所述拓扑(TOP)。
7.如前述权利要求中任一项所述的方法，其特征在于，所述车辆的所述动力学模型(MOD)取决于所述车辆的固有参数(PAR)。
8.如权利要求7所述的方法，其特征在于，从数据库获得或由用户传送所述车辆的所述固有参数(PAR)。
9.如前述权利要求中任一项所述的方法，其特征在于，所述路线(ITI)显示在自主设备或所述车辆的仪表板上。
10.如前述权利要求中任一项所述的方法，其特征在于，所述车辆的所述动力学模型(MOD)取决于所述车辆的至少一个辅助系统的功率要求。
11.如权利要求10所述的方法，其特征在于，至少一个辅助系统的所述功率要求取决于外部温度。
12.如前述权利要求中任一项所述的方法，其特征在于，所述最短路径算法(ALG)是Bellman-Ford算法。
13.如前述权利要求中任一项所述的方法，其特征在于，通过执行以下步骤来构造所述线图(GA)：
i)构造具有节点(N)和弧(A)的所述路网(RR)的有向图(GD)，所述有向图(GD)的所述节点(N)对应于所述路网的交叉点，而所述有向图的所述弧(A)对应于连接所述交叉点的道路，以及
ii)构造具有节点(N)和弧(A)的所述路网(RR)的所述线图(GA)，所述线图(GA)的所述节点(N)对应于所述有向图(GD)的所述弧(A)，而所述线图(GA)的所述弧(A)对应于所述有向图(GD)的所述弧(A)的邻接。
14.一种能从通信网络下载和/或记录在计算机可读介质上和/或处理器或服务器可执行的计算机程序产品，包括当所述程序在计算机或在移动电话上执行时，用于实现如前述权利要求中任一项所述的方法的程序代码指令。
CN201711002333.8A 2016-10-25 2017-10-24 使用线图确定使车辆的能耗最小化的路线的方法 Withdrawn CN107972673A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1660326 2016-10-25
FR1660326A FR3057951B1 (fr) 2016-10-25 2016-10-25 Procede de determination d'un itineraire minimisant la depense energetique d'un vehicule au moyen d'un graphe adjoint

Publications (1)

Publication Number Publication Date
CN107972673A true CN107972673A (zh) 2018-05-01

Family

ID=57796567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711002333.8A Withdrawn CN107972673A (zh) 2016-10-25 2017-10-24 使用线图确定使车辆的能耗最小化的路线的方法

Country Status (4)

Country Link
US (1) US11215469B2 (zh)
EP (1) EP3315913B1 (zh)
CN (1) CN107972673A (zh)
FR (1) FR3057951B1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658729A (zh) * 2018-12-22 2019-04-19 青岛华通石川岛停车装备有限责任公司 一种立体停车场基于大数据分析的控制方法
CN109779362A (zh) * 2018-12-22 2019-05-21 青岛华通石川岛停车装备有限责任公司 一种立体停车场基于能耗优先的控制方法
CN113610298A (zh) * 2021-08-06 2021-11-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法
US11325614B2 (en) * 2019-10-23 2022-05-10 Hyundai Motor Company System and method for providing speed profile of self-driving vehicle
CN114708724A (zh) * 2021-06-28 2022-07-05 天津大学 一种人车路协同的多车能效优化算法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190120640A1 (en) 2017-10-19 2019-04-25 rideOS Autonomous vehicle routing
FR3084152B1 (fr) 2018-07-23 2020-07-17 IFP Energies Nouvelles Procede de determination d'un itineraire minimisant la depense energetique d'un vehicule hybride au moyen d'un graphe adjoint etendu
US11001248B2 (en) * 2018-10-08 2021-05-11 GM Global Technology Operations LLC Method for enhancing powertrain efficiency and driveline quality through dynamic mission planning optimization
CN113015885A (zh) * 2018-11-13 2021-06-22 麦格纳国际公司 使用大数据进行车辆路由的系统和方法
EP3994425A4 (en) * 2019-07-05 2023-08-23 Assess Threat Pty Ltd SYSTEM AND METHOD FOR PROPHYLACTIC VEHICLE IMPACT DAMAGE MITIGATION
JP7414019B2 (ja) * 2021-01-04 2024-01-16 トヨタ自動車株式会社 エネルギー消費量推定装置およびエネルギー消費量推定方法
CN113495218B (zh) * 2021-08-02 2022-09-13 广东润元能源科技有限公司 一种新能源电池电量有效消耗监测方法、设备及计算机存储介质
DE102021133079A1 (de) 2021-12-14 2023-06-15 Bayerische Motoren Werke Aktiengesellschaft Fahrzeug, Verfahren und Steuergerät zur Überprüfung einer Fahrzeugfunktion eines Fahrzeugs
US20230243662A1 (en) * 2022-02-01 2023-08-03 GM Global Technology Operations LLC Modular machine-learning based system for predicting vehicle energy consumption during a trip
CN114999227B (zh) * 2022-05-25 2023-10-20 中国农业大学 非信控交叉路口混合多车无模型预测协同控制方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2237905A (en) * 1989-10-13 1991-05-15 Plessey Co Plc Road network navigation systems
US6480785B1 (en) * 2000-09-06 2002-11-12 Vindigo, Inc. System for determining a route and presenting navigational instructions therefor
US6687581B2 (en) * 2001-02-07 2004-02-03 Nissan Motor Co., Ltd. Control device and control method for hybrid vehicle
GB0220062D0 (en) * 2002-08-29 2002-10-09 Itis Holdings Plc Traffic scheduling system
CN101218486A (zh) * 2005-07-22 2008-07-09 特拉戈公司 用于对道路网图进行建模的方法、装置及系统
JP5135308B2 (ja) * 2009-09-09 2013-02-06 クラリオン株式会社 エネルギ消費量予測方法、エネルギ消費量予測装置および端末装置
EP2354762B1 (en) * 2010-02-05 2013-11-27 Harman Becker Automotive Systems GmbH Navigation system and method for determining parameters in a navigation system
US8527132B2 (en) * 2010-03-30 2013-09-03 Honda Motor Co., Ltd. Energy maps and method of making
EP2428770B1 (en) 2010-09-08 2013-04-24 Harman Becker Automotive Systems GmbH Vehicle navigation system
JP2012101755A (ja) 2010-11-12 2012-05-31 Denso Corp 車速制御システム
US9057621B2 (en) 2011-01-11 2015-06-16 GM Global Technology Operations LLC Navigation system and method of using vehicle state information for route modeling
US8543328B2 (en) * 2011-01-11 2013-09-24 Navteq B.V. Method and system for calculating an energy efficient route
US8874367B2 (en) * 2011-10-14 2014-10-28 Equilateral Technologies, Inc. Method for estimating and displaying range of a vehicle
EP2770300B1 (en) * 2011-10-17 2018-06-06 Clarion Co., Ltd. Route search method
FR2984570B1 (fr) * 2011-12-14 2015-09-04 Renault Sa Procede de gestion d'energie pour un vehicule electrique
DE102012004258A1 (de) * 2012-03-02 2013-09-05 Audi Ag Verfahren und Vorrichtung zur Ermittlung einer Prädiktionsgüte
EP2669632B1 (de) * 2012-05-31 2019-05-15 Volkswagen Aktiengesellschaft Verfahren zum Berechnen einer Route und Navigationsgerät
KR20130136781A (ko) * 2012-06-05 2013-12-13 현대자동차주식회사 전비맵을 기반으로 하는 에코루트 산출방법
EP2685215B1 (en) 2012-07-13 2021-04-28 Harman Becker Automotive Systems GmbH Method of estimating an ability of a vehicle to reach a target road segment, method of generating a database therefor, and corresponding navigation system
FR2994923B1 (fr) 2012-08-31 2015-11-27 IFP Energies Nouvelles Procede de determination d'un indicateur energetique d'un deplacement d'un vehicule
US9280583B2 (en) * 2012-11-30 2016-03-08 International Business Machines Corporation Scalable multi-query optimization for SPARQL
WO2014112659A1 (en) * 2013-01-16 2014-07-24 Lg Electronics Inc. Electronic device and control method for the electronic device
US9121719B2 (en) * 2013-03-15 2015-09-01 Abalta Technologies, Inc. Vehicle range projection
WO2015051289A1 (en) * 2013-10-04 2015-04-09 GM Global Technology Operations LLC System and method for vehicle energy estimation, adaptive control and routing
US9493089B2 (en) * 2014-03-24 2016-11-15 The Regents Of The University Of Michigan Prediction of battery power requirements for electric vehicles
US9970780B2 (en) * 2015-11-19 2018-05-15 GM Global Technology Operations LLC Method and apparatus for fuel consumption prediction and cost estimation via crowd sensing in vehicle navigation system
US20170213137A1 (en) * 2016-01-25 2017-07-27 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for predicting current and potential ranges of vehicles based on learned driver behavior
US20180045525A1 (en) * 2016-08-10 2018-02-15 Milemind LLC Systems and Methods for Predicting Vehicle Fuel Consumption

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109658729A (zh) * 2018-12-22 2019-04-19 青岛华通石川岛停车装备有限责任公司 一种立体停车场基于大数据分析的控制方法
CN109779362A (zh) * 2018-12-22 2019-05-21 青岛华通石川岛停车装备有限责任公司 一种立体停车场基于能耗优先的控制方法
US11325614B2 (en) * 2019-10-23 2022-05-10 Hyundai Motor Company System and method for providing speed profile of self-driving vehicle
CN114708724A (zh) * 2021-06-28 2022-07-05 天津大学 一种人车路协同的多车能效优化算法
CN114708724B (zh) * 2021-06-28 2023-08-01 天津大学 一种人车路协同的多车能效优化算法
CN113610298A (zh) * 2021-08-06 2021-11-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法
CN113610298B (zh) * 2021-08-06 2024-04-05 北京交通大学 考虑用户出行行为的用户出行能耗预测及路径推荐方法

Also Published As

Publication number Publication date
FR3057951A1 (fr) 2018-04-27
EP3315913B1 (fr) 2020-12-09
EP3315913A3 (fr) 2018-08-08
US20180172462A1 (en) 2018-06-21
US11215469B2 (en) 2022-01-04
FR3057951B1 (fr) 2020-07-17
EP3315913A2 (fr) 2018-05-02

Similar Documents

Publication Publication Date Title
CN107972673A (zh) 使用线图确定使车辆的能耗最小化的路线的方法
US11650066B2 (en) Systems and methods for variable energy routing and tracking
RU2572279C1 (ru) Система для планирования мультимодального маршрута поездки
CN108446448A (zh) 使用动力学模型和线图来确定车辆可到达区域的方法
US8290695B2 (en) Method for computing an energy efficient route
Larson et al. A distributed framework for coordinated heavy-duty vehicle platooning
US8755993B2 (en) Energy consumption profiling
JP4840077B2 (ja) コスト算出装置、ナビゲーション装置、プログラム
US20180058868A1 (en) Energy-optimized vehicle route selection
EP2428770B1 (en) Vehicle navigation system
CN107289958A (zh) 路线规划方法、装置、服务器、客户端、计算机存储介质
CN102052926B (zh) 减少燃料消耗和成本的方法
CN103542858A (zh) 车辆到达目标能力评估方法，数据库生成方法、导航系统
WO2014027699A1 (ja) 消費電力量推定装置
US11443563B2 (en) Driving range based on past and future data
CN102012235A (zh) 车载导航系统
CN108489500A (zh) 一种基于能耗经济性的全局路径规划方法及系统
Hlasny et al. Optimal fuel consumption for heavy trucks: A review
JP2022026418A (ja) 情報処理システム、二酸化炭素の削減量の算出方法、及び、プログラム
US20220146272A1 (en) System and method for vehicle routing using big-data
WO2015181568A2 (en) Predicting attainable locations
US20220114628A1 (en) Vehicle fuel efficiency system
CN103017769A (zh) 一种电动汽车行驶范围计算方法及装置
US20210302183A1 (en) Vehicle efficiency prediction and control
CN102213598A (zh) 消耗优化的路线确定

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180501