CN109624929A - 车辆服务控制 - Google Patents

车辆服务控制 Download PDF

Info

Publication number
CN109624929A
CN109624929A CN201811169880.XA CN201811169880A CN109624929A CN 109624929 A CN109624929 A CN 109624929A CN 201811169880 A CN201811169880 A CN 201811169880A CN 109624929 A CN109624929 A CN 109624929A
Authority
CN
China
Prior art keywords
vehicle
fluid
route
planned
data
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.)
Pending
Application number
CN201811169880.XA
Other languages
English (en)
Inventor
大卫·J·施密特
哈里·洛博
文卡特什·克里希南
保罗·肯尼士·戴尔洛克
马哈茂德·尤瑟夫·加纳姆
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 CN109624929A publication Critical patent/CN109624929A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/56—Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens
    • B60S1/60—Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens for signalling devices, e.g. reflectors
    • B60S1/603—Cleaning windscreens, windows or optical devices specially adapted for cleaning other parts or devices than front windows or windscreens for signalling devices, e.g. reflectors the operation of at least a part of the cleaning means being controlled by electric means
    • 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
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/46—Cleaning windscreens, windows or optical devices using liquid; Windscreen washers
    • B60S1/48—Liquid supply therefor
    • B60S1/481—Liquid supply therefor the operation of at least part of the liquid supply being controlled by electric means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/46—Cleaning windscreens, windows or optical devices using liquid; Windscreen washers
    • B60S1/48—Liquid supply therefor
    • B60S1/50—Arrangement of reservoir
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种系统，所述系统包括处理器和存储器，所述存储器包括将由所述处理器执行以进行以下操作的指令：确定车辆中的流体的流体水平；确定所规划的车辆路线；以及在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到所述服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体。

Description

车辆服务控制
技术领域
本公开总体涉及车辆服务，并且更具体来说，涉及车辆服务控制方法和系统。
背景技术
车辆可以被装备成在自主模式和乘员驾驶模式两者中操作。车辆可以配备有计算装置、网络、传感器和控制器以获取关于车辆的环境的信息并且基于所述信息来驾驶车辆。对车辆的安全和舒适的驾驶可能取决于获取关于车辆的环境的准确和及时的信息。因此，车辆传感器提供可能关于车辆的环境的最准确的数据是非常重要的。为此，可以提供传感器清洗系统，使得镜头等得到维护以提供传感器的清晰视野。然而，问题在于，例如在提供清洗以允许传感器操作(这继而允许安全有效的车辆操作)的状态下此类清洗系统可能是不可用的，举例来说，这是因为传感器清洗系统未得到维护和/或不处于提供清洗的状态。
发明内容
本文公开的是一种方法，所述方法包括：确定车辆中的流体的流体水平；确定所规划的车辆路线；以及在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体，其中所述流体是燃料和清洗流体中的一者，并且其中所述清洗流体清洗车辆传感器窗口。可以通过经由网络与服务器计算机通信来确定所规划的车辆路线和每单位行进距离所需的流体量。可以基于车辆的位置以及在所述服务器计算机处接收到运输请求来确定所述所规划的车辆路线。可以在考虑到所预测的天气状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。可以在考虑到所预测的道路状况的情况下基于多条所规划的车辆路线来确定每单位行进距离所需的流体。
可以基于将流体水平传输到所述服务器计算机以及接收来自所述服务器计算机的命令来确定是致动车辆部件以按所规划的车辆路线行进还是致动车辆部件行进去补充流体。可以从所述服务器计算机接收用于在完成所规划的车辆路线之前补充流体的命令或者用于在车辆服务位置处补充流体的命令。可以在考虑到所预测的交通意外事件的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体，其中所预测的交通意外事件包括紧急情况、延误和绕路。所述服务器计算机可以基于所上传的流体水平和所规划的车辆路线来确定所述命令。所述服务器计算机可以通过使用AI引擎来处理所上传的流体水平、所规划的车辆路线和车辆数据以确定所述命令而确定所述命令。车辆数据可以包括车辆位置、清洗事件成空估计、雨传感器和雨刷器数据、速度和方向数据、阳光传感器数据、环境温度数据和外部照明数据。
进一步公开的是一种计算机可读介质，所述计算机可读介质存储程序指令来执行以上方法步骤中的一些或所有步骤。进一步公开的是一种计算机，所述计算机经编程以执行以上方法步骤中的一些或所有步骤，所述计算机包括计算机设备，所述计算机设备经编程以：确定车辆中的流体的流体水平；确定所规划的车辆路线；以及在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体，其中所述流体是燃料和清洗流体中的一者，并且其中所述清洗流体清洗车辆传感器窗口。可以通过经由网络与服务器计算机通信来确定所规划的车辆路线和每单位行进距离所需的流体量。可以基于车辆的位置以及在所述服务器计算机处接收到运输请求来确定所述所规划的车辆路线。可以在考虑到所预测的天气状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。可以在考虑到所预测的道路状况的情况下基于多条所规划的车辆路线来确定每单位行进距离所需的流体。
所述计算机可以进一步经编程以基于将流体水平传输到所述服务器计算机以及接收来自所述服务器计算机的命令来确定是致动车辆部件以按所规划的车辆路线行进还是致动车辆部件行进去补充流体。可以从所述服务器计算机接收用于在完成所规划的车辆路线之前补充流体的命令或者用于在车辆服务位置处补充流体的命令。可以在考虑到所预测的交通意外事件的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体，其中所预测的交通意外事件包括紧急情况、延误和绕路。所述服务器计算机可以基于所上传的流体水平和所规划的车辆路线来确定所述命令。所述服务器计算机可以通过使用AI引擎来处理所上传的流体水平、所规划的车辆路线和车辆数据以确定所述命令而确定所述命令。车辆数据可以包括车辆位置、清洗事件成空估计、雨传感器和雨刷器数据、速度和方向数据、阳光传感器数据、环境温度数据和外部照明数据。
车辆可以被装备成在自主模式和乘员驾驶模式两者中操作。对于半自主模式或者全自主模式，我们是指其中可以由作为具有传感器和控制器的车辆信息系统的部分的计算装置来驾驶车辆的操作模式。所述车辆可以被占用或者无人，但在任一情况下，可以在没有乘员辅助的情况下驾驶车辆。出于本公开的目的，将自主模式界定为以下模式：其中由一个或多个车辆计算机来控制车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者；在半自主模式中，车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主车辆中，这些都不由计算机控制。
附图说明
图1是示例性车辆的框图。
图2是具有传感器的示例性车辆的图。
图3是传感器数据的实例的图。
图4是具有传感器和清洗流体喷雾器的示例性车辆的图。
图5是用于确定车辆命令的示例性过程的图。
图6是用于驾驶车辆的示例性过程的流程图。
图7是用于确定车辆命令的示例性过程的流程图。
具体实施方式
图1是车辆信息系统100的图，所述车辆信息系统包括可以在自主(“自主”在本公开中自动地指“全自主”)模式和乘员驾驶(还称为非自主)模式中操作的车辆110。车辆110还包括一个或多个计算装置115，以便执行用于在自主操作期间驾驶车辆110的计算。计算装置115可以从传感器116接收关于车辆的操作的信息。
计算装置115包括例如已知的处理器和存储器。此外，所述存储器包括一种或多种形式的计算机可读介质，并且存储可以由处理器执行以执行各种操作(包括本文公开的操作)的指令。举例来说，计算装置115可以包括程序以操作车辆制动、推进(例如，通过控制内燃发动机、电动马达、混合发动机等中的一者或多者来控制车辆110中的加速度)、转向、气候控制、内部灯和/或外部灯等中的一者或多者，并且与人类操作者相对地确定计算装置115是否以及何时控制此类操作。
计算装置115可以包括或者(例如，经由在下文进一步描述的车辆通信总线)通信地耦合到一个以上计算装置，所述计算装置例如为在车辆110中包括的用于监测和/或控制各种车辆部件的控制器等，所述车辆部件例如为动力传动系统控制器112、制动控制器113、转向控制器114等。计算装置115一般被布置成用于在车辆通信网络(例如，包括车辆110中的总线(例如，控制器局域网(CAN)等))上进行通信；车辆110网络可以另外或者替代地包括例如已知的有线或无线通信机制，例如，以太网或者其他通信协议。
计算装置115可以经由所述车辆网络将消息传输到所述车辆中的各种装置，和/或从各种装置(例如，控制器、致动器、传感器等(包括传感器116))接收消息。替代地，或者另外，在计算装置115实际上包括多个装置的情况下，可以使用所述车辆通信网络来用于在于本公开中表示为计算装置115的装置之间的通信。此外，如下文提及，各种控制器或者感测元件(例如，传感器116)可以经由所述车辆通信网络向计算装置115提供数据。
另外，计算装置115可以被配置用于经由网络130通过车辆到基础设施(V到I)接口111与远程服务器计算机120(例如，云服务器)通信，如下文所描述，所述网络可以利用各种有线和/或无线连网技术，例如，蜂窝、以及有线和/或无线分组网络。计算装置115可以被配置用于使用在附近的车辆110之间特别地形成或者通过基于基础设施的网络而形成的车辆到车辆(V到V)网络通过V到I接口111与其他车辆110通信。计算装置115还包括例如已知的非易失性存储器。计算装置115可以通过将信息存储在非易失性存储器中来记录所述信息，以供稍后检索并且经由车辆通信网络和车辆到基础设施(V到I)接口111传输到服务器计算机120或者用户移动装置160。
如已经提及，程序一般包括在指令中，所述指令存储在存储器中并且可以由计算装置115的处理器执行，以便在没有人类操作者介入的情况下操作一个或多个车辆110部件，例如，制动、转向、推进等。计算装置115通过使用在计算装置115中接收的数据(例如，来自传感器116、服务器计算机120等的传感器数据)可以作出各种决定和/或在没有驾驶员的情况下控制各种车辆110部件和/或操作来操作车辆110。举例来说，计算装置115可以包括程序来调节车辆110操作行为(即，车辆110操作的物理表现)(例如，速度、加速度、减速度、转向等)以及策略行为(即，通常以意图实现路线的安全和有效横越的方式对操作行为的控制)，例如车辆之间的距离和/或车辆之间的时间量、车道变换、车辆之间的最小间隙、左转最小路径、到达特定位置的时间以及到达越过十字路口的十字路口(没有信号)最少时间。
如本文使用的术语控制器包括通常经编程以控制特定车辆子系统的计算装置。实例包括动力传动系统控制器112、制动控制器113和转向控制器114。控制器可以是例如已知的电子控制单元(ECU)，有可能包括如本文描述的额外程序。控制器可以通信地连接到计算装置115，并且从所述计算装置接收指令以根据所述指令来致动子系统。举例来说，制动控制器113可以从计算装置115接收指令以操作车辆110的制动器。
车辆110的一个或多个控制器112、113、114可以包括已知的电子控制单元(ECU)等，包括(作为非限制性实例)一个或多个动力传动系统控制器112、一个或多个制动控制器113和一个或多个转向控制器114。控制器112、113、114中的每一者可以包括相应的处理器和存储器以及一个或多个致动器。控制器112、113、114可以被编程并且连接到车辆110通信总线，例如控制器局域网(CAN)总线或者本地互连网络(LIN)总线，以从计算机115接收指令并且基于所述指令来控制致动器。
传感器116可以包括已知经由车辆通信总线来提供数据的多种装置。举例来说，固定到车辆110的前保险杠(未示出)的雷达可以提供从车辆110到车辆110前方的下一车辆的距离，或者设置在车辆110中的全球定位系统(GPS)传感器可以提供车辆110的地理坐标。计算装置115可以使用由雷达和/或其他传感器116提供的距离和/或由GPS传感器提供的地理坐标来自主地或者半自主地操作车辆110。
车辆110一般是具有三个或更多个车轮的陆基的自主车辆110，例如，乘用车、轻型卡车等。车辆110包括一个或多个传感器116、V到I接口111、计算装置115和一个或多个控制器112、113、114。
传感器116可以经编程以收集与车辆110和车辆110操作所在的环境相关的数据。举例来说且非限制，传感器116可以包括(例如)高度计、相机、LIDAR、雷达、超声波传感器、红外线传感器、压力传感器、加速度计、陀螺仪、温度传感器、压力传感器、霍尔传感器、光学传感器、电压传感器、电流传感器、机械传感器(例如，开关)等。可以使用传感器116来感测车辆110操作所在的环境，例如，传感器116可以检测现象，例如天气状况(降水、外部环境温度等)、道路等级、道路的位置(例如，使用道路边缘、车道标线等)或者例如相邻车辆110等目标对象的位置。传感器116可以进一步用于收集数据，包括与车辆110的操作相关的动态车辆110数据，例如速度、横摆率、转向角度、发动机速度、制动压力、油压、施加于车辆110中的控制器112、113、114的功率电平、部件之间的连接性以及车辆110的部件的准确和及时的性能。
图2是配备有传感器116的车辆110的图，所述传感器在此实例中体现为摄像机204、208，但可以是如上文关于图1所论述的雷达、LIDAR或者其他传感器116。可以将摄像机204收容在附接到车辆110的外表面的传感器舱(pod)202(例如，车顶部分)中，或者与摄像机208一样收容在车辆110的车身面板内。可以在壳体等中提供摄像机204、208，所述壳体包括保护窗206、210以分别防止比如污垢、泥浆、冰、雪或者雨等外部环境要素到达摄像机204、208，同时准许摄像机204、208观看车辆110周围的环境。
图3是来自例如摄像机204、208的传感器116的视频数据的两个帧的图。视频图像302示出在车辆110前方的道路上的交通视图。可以将视频图像302输入到计算装置115并且对所述视频图像进行处理以获得将用于驾驶车辆110的数据。视频图像304示出被保护摄像机204、208的保护窗206、210上的外来物质306部分遮蔽的道路上的交通视图。保护窗206、210上的外来物质306的存在可能会(例如)妨碍计算装置处理视频图像以获得将用于驾驶车辆110的数据。外来物质306可以是可以粘到保护窗206、210的污垢、灰尘、泥浆、雪、冰或者任何其他物质。外来物质306可以来自车辆110行进所处的环境的任何部分，例如，来自天空的降水或者来自道路的碎屑。
图4是被配置成具有用于清洗(例如)保护窗206、210和车辆110挡风玻璃420的洗涤器系统400的车辆110的图。洗涤器系统400包括被配置成将清洗流体喷射404、412、422到保护窗206、210和挡风玻璃420上的喷嘴402、410、418。除了喷嘴402、410、418之外，可以进一步提供机械雨刷器(即，挡风玻璃雨刷器)以辅助清洗保护窗206、210和挡风玻璃420。通过将喷嘴402、410、418连接到清洗流体储器408、416、426的软管406、414、424向喷嘴402、410、418供应清洗流体或水。清洗流体可以是基于水的流体，其含有肥皂和洗涤剂以有助于清洗保护窗206、210和挡风玻璃420，并且含有(例如)防冻剂以使清洗流体在低温下保持液态。
清洗流体储器可以是单独的，并且可能各自需要单独地重新填充，或者清洗储器408、416、426可以经由软管406、414、424与另一清洗储器连接，以准许在清洗流体储器408、416、426之间共享清洗流体。在实例中，清洗流体储器408、416、426中的一者可以是使用软管和泵而连接到其他储器408、416、426的中央储器，所述软管和泵可以将流体从所述中央储器传递到其他储器408、416、426。在这些实例中的任一者中，每个储器408、416、426可以被配置成具有流度计，所述流度计确定在每个储器408、416、426中存在的清洗流体的量。举例来说，流度计可以是：机械的，其采用浮子和传感器来检测浮子的位置；光学的，其采用发光和光检测元件来检测储器408、416、426中的流体的量；或者超声波的，其中采用声波来检测储器408、416、426中的流体水平。举例来说，流度计可以检测在储器408、416、426中剩余的流体的量并且向计算装置115报告检测到的流体水平。
车辆110可能会经受与一般维护相关联的一定范围的操作限制，包括(但不限于)低燃料、爆胎或低压轮胎、换油等。车辆110可能会经受与来自在外部和内部安装的传感器116的降级的数据质量相关联的操作限制。这些传感器116，例如摄像机和LIDAR，可能会由于因为它们的保护窗206、210表面上的累积的碎屑阻碍了光而体验到降级的图像质量，所述累积的碎屑是由于外部环境因素，例如雨、冰、雪、道路污垢等，如上文关于图3所论述。
降低的传感器性能可能会由于降低的对象和/或危险的检测而不利于自主车辆的稳健操作。因此，保护窗206、210可能会经受洗涤器流体喷射的频繁清洗，以提供传感器保护窗206、210表面清洁度和透明度。由于大量清洗事件的此可能性，可能会显著增加经历低洗涤器流体水平的可能性。相同的逻辑可以适用于车辆110中的其他流体水平，(例如)包括燃料水平。另外，还可能会偶尔地清洗车辆110挡风玻璃420以使得车辆乘员可以更清楚地看到外部世界的可能性可能会进一步加剧洗涤器流体消耗。对挡风玻璃420的清洗可以自动化并且将显著增加洗涤器流体的消耗并且影响用于清洗保护窗206、210的洗涤器流体的可用性。
车辆110可以经由V到I接口111经由例如蜂窝或者WiFi等通信机制(如上文关于图1所论述)向服务器计算机120广播洗涤器流体水平状态。车辆110可以报告洗涤器流体水平或者以可接受的裕度或者储量来支持任务总计所需的洗涤器流体的可用量(以及其他流体水平，比如燃料水平)。车辆110任务是描述车辆110在执行任务(比如将乘员从第一位置运输到第二位置)的过程中将要行进的路径的一系列一条或多条路线，其中将当前背景中的位置界定为车辆110在地球上的位置，所述位置例如表示为纬度、经度以及可能还有海拔。在其中车辆110在自主模式中操作的实例中，任务可以包括(例如)从存放、停车或者服务位置行进到第一位置以搭载乘员；在乘员在车上的情况下从所述第一位置行进到第二地理位置以使乘员下车；以及最后行进到存放、停车或者服务位置。车辆110任务可以包括确定任务中的每条路线的替代路线。在其中由于(例如)事故或者施工而引起的道路封闭致使要封闭与路线相关联的道路的情况下，可以按替代路线行进。举例来说，不利的交通状况也可能基于确定路线的行进时间以及基于所预测的交通的替代路线而提示选择替代路线行进。
图5是将关于车辆110流体供应、位置和环境的输入数据502以及实时和预报天气数据508与人工智能(AI)506深度学习引擎进行组合的清洗预报系统500的图。AI 506引擎产生输出数据510，所述输出数据与和任务相关联的主要路线和替代路线组合以产生预报车辆110的清洗事件的清洗预报514。将预报清洗事件传递到输出命令516模块，其中将预报清洗事件与可用的洗涤器流体进行比较以确定车辆110是否具有足够的洗涤器流体来完成任务，并且基于是否有足够的洗涤器流体可用而向车辆110输出引导。洗涤器流体水平应足以支持车辆110在从其当前位置到乘员搭载位置的路线上以及随后在到所请求的下车位置的路线上行进。还需要包括进一步储备的洗涤器流体以使得其可以在到其中车辆可以将所有流体补充满的最近位置的路线上行进。所有任务能力分析需要还包括足够的储备洗涤器流体(和燃料)来应对交通意外事件，例如紧急情况、延误、绕路等，以及可能会全部导致额外的行进时间的潜在大量的替代路线。在车辆110不具有足够的洗涤器流体以使用储备完成任务的实例中，车辆110可以由服务器计算机120致动以行进到服务中心来补充洗涤流体，而服务器计算机120引导不同的车辆110实现所述任务。
输入数据502可以包括在每次清洗事件收集的车辆110数据，其中清洗事件是在其期间计算装置115致动一个或多个喷嘴402、410、418以将洗涤器流体喷射404、412、422到车辆110的保护窗206、210或挡风玻璃420上以清洗所述保护窗206、210或挡风玻璃420的事件。在表1中包括输入数据502的实例。
地理位置和时间
清洗事件成空估计
雨传感器和雨刷器数据
速度和方向数据
阳光传感器数据
环境温度数据
外部照明状态
表1.输入数据502
在每次清洗事件，计算装置115可以确定清洗事件的时间和位置。可以检查每个储器408、416、426以确定相应的流体水平作为要成空的清洗事件的所估计的剩余数目。雨传感器116和附接到雨刷器马达的传感器116可以确定当前的降雨量和雨刷器数据。可以使用传感器116来确定车辆110遥测数据，包括速度和方向。另外，阳光传感器116可以基于光电技术来确定洒在车辆110上的外部光的量，并且与温度传感器116和确定在车辆110中包括的每个外部灯(例如，头灯、转向灯、停止灯等)的状态的外部照明状态传感器116一起可以准许计算装置115确定外部环境输入数据502。
输入数据502可以与当前预报天气数据508在AI 506深度学习引擎中进行组合。人工智能深度学习引擎的实例包括卷积神经网络，所述卷积神经网络可以接收输入数据502和天气数据508，并且可以经过训练以通过向所述神经网络提供先前确定的正确结果作为卷积内核选择过程的反馈来得出关于洗涤器流体消耗的预测。通过提供正确结果的实例，卷积神经网络学会辨识输入数据的模式并且可靠地使正确结果(输出数据510)与输入数据502相关联。在此实例中，AI 506深度学习引擎可以在服务器计算机120上执行，所述服务器计算机可以与一区域或者地理区中的大量车辆110通信。举例来说，可以使用来自大量车辆110的关于按照时间、位置和天气排序的大量任务的大量清洗事件来训练AI 506深度学习引擎。
通过使用随时间维护的大车辆110任务数据集(全部含有关于按照天气状况、位置、日时等排序的每个车辆110的传感器116清洗事件的信息)来训练AI 506深度学习引擎使得使用所应用的人工智能分析和深度学习方法有可能确定任何车辆110的当前洗涤器流体水平是否将足以支持潜在的所请求的任务，包括有限数目的潜在路线以及任何有限数目的替代路线。如果认为选定的车辆110的洗涤器流体水平不足以支持给定任务，那么服务器计算机120可以选择不同的车辆来支持那个任务。被视为不足以支持给定任务包括在车辆110清洗流体储器408、416、426中未剩余足够数目的清洗事件来实现与包括替代路线的潜在路线相关联的所预测数目的清洗事件。在此实例中，服务器计算机120将需要使车辆110停止运行，并且将其引导去往服务位置以补充洗涤器流体，同时引导不同的车辆来支持任务。
AI 506深度学习引擎可以通过提供输入数据502来提供特定于每个车辆110的输出数据510，如表2中所示。
每英里的标称清洗事件
清洗事件成空估计
预报天气的乘法因数
位置的乘法因数
日时的乘法因数
表2.输出数据510
举例来说，AI 506深度学习引擎可以输出每个车辆110的每英里的标称清洗事件和要成空的清洗事件的所估计的数目。基于车辆110的一般位置，可以在输出数据510中包括每行进单位的乘法因数，例如，基于预报的天气、基于路线的位置和日时的每英里行进的清洗事件，其中位置是车辆110的三维物理位置，例如纬度、经度和海拔。将输出数据510传递到清洗预报514，其中在由路线规划512模块产生的当前任务中包括的路线可以与任务数据组合以产生与每个车辆110任务相关联的清洗事件的所预测数目。将与任务相关联的清洗事件的所预测数目的最差情况预报与由车辆110报告的要成空的清洗事件的所估计的剩余数目进行比较可以准许服务器计算机120确定车辆110是否具有可用于完成任务的足够数目的清洗事件，其中假设在清洗事件的所预测数目中包括了替代路线和潜在延误以使针对所述任务所预测的清洗事件的数目最大化。
路线规划512包括为任务规划一组或多组主要路线以及一条或多条替代路线，通常是具有两组或更多组主要路线以及一条或多条替代路线的多路线任务。可以由乘员对服务器计算机120请求运输来起始规划多路线任务。举例来说，与任务相关联的第一主要路线和替代路线可以包括选择从乘员搭载位置到乘员下车位置的主要路线和替代路线。第二主要路线和替代路线包括选择车辆110并且将车辆110(例如)从其存放、停车或者服务位置路由到乘员搭载位置。可以根据位置来选择车辆110，其中举例来说，选择最靠近搭载位置的车辆110。第三主要路线和替代路线包括从乘员下车位置到存放、停车或者服务位置或者下一乘员的搭载位置的主要路线和替代路线。
基于来自AI 506深度学习引擎的输出数据510以及与任务相关联的路线规划512数据，清洗预报514可以在假设清洗事件的最差情况数目的情况下预报与任务相关联的清洗事件的数目。可以将清洗事件的预报数目与要成空的清洗事件的所估计的剩余数目进行比较，以确定车辆110是否具有足够的洗涤器流体来完成任务。在输出命令516处，服务器计算机120可以指令车辆110前进到乘员搭载位置以开始任务或者返回到服务位置进行流体补充。服务器计算机120还可以指令车辆110前进到乘员搭载位置，随后前进到乘员下车位置，并且随后在完成任务之后前进到服务中心进行流体补充。
图6是用于确定是按照规划的路线驾驶还是补充流体的过程600的关于图1至图5所描述的流程图的图。过程600可以由计算装置115的处理器实施，举例来说，从传感器116取得信息作为输入，并且执行命令并且经由控制器112、113、114发送控制信号。过程600包括以所公开的次序采取的多个步骤。过程600还包括包含更少的步骤的实现方式或者可以包括以不同的次序采取的步骤。
过程600开始于步骤602，其中车辆110中的计算装置115确定洗涤器流体水平，其中洗涤器流体处于一个或多个储器408、416、426中，每个储器分别与喷嘴402、410、418相关联，用于清洗车辆110的保护窗206、210或者挡风玻璃420，如关于图4所论述。
在步骤604，车辆110中的计算装置115确定多条所规划的车辆路线。所述多条所规划的车辆路线可以包括由来自乘员的输入确定的主要路线和替代路线，或者可以经由V到I接口111从服务器计算机120下载与任务相关联的多条主要路线和替代路线，如上文关于图5所论述。
在步骤606，计算装置115可以上传流体水平和关于清洗事件的其他数据，如关于图5所论述。计算装置还可以将多条所规划的车辆路线上传到服务器计算机120，除非在步骤604处服务器计算机120已经基于来自乘员的(例如)对车辆110的输入而确定了所述多条所规划的车辆路线。
在步骤608，计算装置115可以从服务器计算机120接收关于流体补充的命令，所述流体补充可以由服务器计算机120如图7的过程700中所示而确定。如果步骤608处的命令是“是”，那么过程600前进到步骤612。如果在步骤608处接收到的命令是“否”，那么过程600前进到步骤610。
在步骤610，计算装置115按照所规划的路线驾驶车辆110，从而在行进时根据从服务器计算机120接收到的命令而按照主要路线或者替代路线行进。所规划的路线可以包括在任务期间行进到服务位置进行流体补充。在步骤610之后，过程600结束。
在步骤612，计算装置115不按照所规划的路线驾驶车辆110，而是将车辆驾驶到服务位置，在所述服务位置，可以向储器408、416、426中的流体补充洗涤器流体。在步骤612之后，过程600结束。
图7是用于确定车辆110补充命令的过程700的关于图1至图5所描述的流程图的图。举例来说，过程700可以由服务器计算机120的处理器实施，从计算装置115取得信息作为输入，并且执行命令并且将命令发送到车辆110中的计算装置115。过程700包括以所公开的次序采取的多个步骤。过程700还包括包含更少的步骤的实现方式或者可以包括以不同的次序采取的步骤。
过程700开始于步骤702，其中服务器计算机120通过接收车辆110的流体储器408、416、426的所估计的剩余的要成空的清洗事件来确定流体水平。服务器计算机120还可以从车辆110中的计算装置115接收输入数据502，包括如表1中所示的位置和时间、雨传感器116和雨刷器数据、速度和方向、太阳传感器116数据、环境温度和外部照明状态。可以将此数据与当前预报天气数据508一起输入到AI 506深度学习引擎以产生输出数据510，所述输出数据包括在给定预报天气和道路状况的情况下车辆110的每英里的标称清洗事件、所估计的剩余的要成空的清洗事件以及预报的天气、位置和日时的每英里的清洗事件的乘法因数，如表2中所示并且关于图5所论述。
在步骤704，服务器计算机120确定所规划的路线或者任务的主要路线和替代路线。服务器计算机120可以从车辆110中的计算装置115接收所规划的路线，或者(例如)基于运输请求来确定主要路线和替代路线，如上文关于图5所论述。
在步骤706，服务器计算机120基于主要路线和替代路线和输出数据510来预测与所规划的路线或者任务相关联的清洗事件的数目以形成清洗预报514。
在步骤708，服务器计算机120将清洗事件的所预测的数目与所估计的剩余的要成空的清洗事件进行比较以确定是否有足够的流体来成功地完成所规划的路线。如果答案是“否”，那么过程700前进到步骤712。如果答案是“是”，那么过程70前进到步骤710。
在步骤710，服务器计算机120命令车辆110中的计算装置115引导车辆110按照所规划的路线行进，从而完成所规划的任务。在此步骤之后，过程700结束。
在步骤712，服务器计算机120命令车辆110中的计算装置115引导车辆110行进到服务位置以补充流体。在此步骤之后，过程700结束。
计算装置(例如本文论述的计算装置)一般各自包括可以由一个或多个计算装置(例如，上文所识别的计算装置)执行并且用于实行上文描述的过程的框或步骤的命令。举例来说，上文论述的过程框可以体现为计算机可执行命令。
可以从使用多种编程语言和/或技术创建的计算机程序编译或解译计算机可执行命令，所述编程语言和/或技术包括(非限制，并且单独地或组合地)JavaTM、C、C++、VisualBasic、Java Script、Perl、HTML等。一般来说，处理器(例如，微处理器)例如从存储器、计算机可读介质等接收命令，并且执行这些命令，进而执行一个或多个过程，包括本文描述的过程中的一者或多者。此类命令和其他数据可以存储在文件中并且使用多种计算机可读介质来传输。计算装置中的文件一般是存储在例如存储介质、随机存取存储器等计算机可读介质上的数据的集合。
计算机可读介质包括参与提供数据(例如，命令)的可以由计算机读取的任何介质。此类介质可以采取许多形式，包括(但不限于)非易失性介质、易失性介质等。非易失性介质包括(例如)光盘或磁盘和其他持久存储器。易失性介质包括动态随机存取存储器(DRAM)，其通常构成主存储器。计算机可读介质的常见形式包括(例如)软盘、柔性磁盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他光学介质、穿孔卡片、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、FLASH EEPROM、任何其他存储器芯片或盒或者计算机可以从其读取的任何其他介质。
在权利要求书中使用的所有术语意图具有本领域技术人员所理解的它们的平常和普通的含义，除非在本文作出相反的明确指示。具体来说，使用例如“一”、“所述(the/said)”等单数冠词应被解读为叙述所指示的要素中的一者或多者，除非权利要求相反地叙述明确的限制。
本文在代表实例的含义上使用术语“示例性”，例如，提及“示例性窗口小部件”应被解读为简单地是指窗口小部件的实例。
修饰值或结果的副词“约”是指形状、结构、测量结果、值、确定、计算等可以由于材料、机械加工、制造、传感器测量、计算、处理时间、通信时间等中的缺陷而偏离确切描述的几何形状、距离、测量结果、值、确定、计算等。
在图式中，相同的参考数字指示相同的元件。此外，可以改变一些或所有这些元件。关于本文描述的介质、过程、系统、方法等，应理解，虽然已经将所述过程的步骤等描述为根据特定排序的序列而发生，但可以使用通过本文描述的次序之外的次序而执行的所描述的步骤来实践所述过程。还应当理解，某些步骤可以被同时执行，可以添加其他步骤，或可以省略本文所描述的某些步骤。换句话说，提供对本文过程的描述是用于说明某些实施例，并且绝不应理解为限制所要求保护的发明。
根据本发明，提供一种方法，所述方法具有：确定车辆中的流体的流体水平；确定所规划的车辆路线；以及在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体。
根据实施例，所述流体是燃料和清洗流体中的一者。
根据实施例，所述清洗流体清洗车辆传感器窗口。
根据实施例，以上发明的特征还在于，通过经由网络与服务器计算机通信来确定所规划的车辆路线并且确定每单位行进距离所需的流体量。
根据实施例，以上发明的特征还在于，基于车辆的位置以及在服务器计算机处接收到运输请求来确定所规划的车辆路线。
根据实施例，以上发明的特征还在于，在考虑到所预测的天气状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。
根据实施例，以上发明的特征还在于，在考虑到所预测的道路状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。
根据实施例，以上发明的特征还在于，基于将流体水平传输到所述服务器计算机以及接收来自所述服务器计算机的命令来确定是致动车辆部件以按所规划的车辆路线行进还是致动车辆部件行进去补充流体。
根据实施例，以上发明的特征还在于，从所述服务器计算机接收用于在完成所规划的车辆路线之前补充流体的命令或者用于在车辆服务位置处补充流体的命令。
根据本发明，提供一种系统，所述系统具有处理器；以及存储器，所述存储器包括将由处理器执行以进行以下操作的指令：确定车辆中的流体的流体水平；确定所规划的车辆路线；以及在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体。
根据实施例，所述流体是燃料和清洗流体中的一者。
根据实施例，所述清洗流体清洗车辆传感器窗口。
根据实施例，以上发明的特征还在于，通过经由网络与服务器计算机通信来确定所规划的车辆路线并且确定每单位行进距离所需的流体量。
根据实施例，以上发明的特征还在于，基于在服务器计算机处接收到运输请求以及车辆的位置来确定所规划的车辆路线。
根据实施例，以上发明的特征还在于，在考虑到所预测的天气状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。
根据实施例，以上发明的特征还在于，在考虑到所预测的道路状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的流体。
根据实施例，以上发明的特征还在于，基于将流体水平传输到所述服务器计算机以及接收来自所述服务器计算机的命令来确定是致动车辆部件以按所规划的车辆路线行进还是致动车辆部件行进去补充流体。
根据实施例，以上发明的特征还在于，从所述服务器计算机接收用于在完成所规划的车辆路线之前补充流体的命令或者用于在车辆服务位置处补充流体的命令。
根据本发明，提供一种系统，所述系统具有处理器；以及存储器，所述存储器包括将由处理器执行以进行以下操作的指令：确定车辆中的流体的流体水平；确定所规划的车辆路线；确定每单位行进距离所需的流体量；基于所述流体水平大于所述所规划的车辆路线所需的流体量而致动车辆部件按所规划的车辆路线行进；以及如果所述流体水平不大于所述所规划的车辆路线所需的流体量，则致动所述车辆部件行进去补充所述流体。
根据实施例，所述流体是燃料和清洗流体中的一者。

Claims (15)

1.一种方法，其包括：
确定车辆中的流体的流体水平；
确定所规划的车辆路线；以及
在将所述流体水平和所述所规划的车辆路线上传到服务器之后并且响应于将所述流体水平和所述所规划的车辆路线上传到所述服务器，根据来自所述服务器的命令来致动车辆部件以补充所述流体。
2.如权利要求1所述的方法，其中所述流体是燃料和清洗流体中的一者。
3.如权利要求2所述的方法，其中所述清洗流体清洗车辆传感器窗口。
4.如权利要求1所述的方法，所述方法进一步包括通过经由网络与服务器计算机通信来确定所述所规划的车辆路线并且确定每单位行进距离所需的流体量。
5.如权利要求4所述的方法，所述方法进一步包括基于所述车辆的位置以及在所述服务器计算机处接收到运输请求来确定所述所规划的车辆路线。
6.如权利要求1所述的方法，所述方法进一步包括在考虑到所预测的天气状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的所述流体。
7.如权利要求1所述的方法，所述方法进一步包括在考虑到所预测的道路状况的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的所述流体。
8.如权利要求4所述的方法，所述方法进一步包括基于将所述流体水平传输到所述服务器计算机以及接收来自所述服务器计算机的命令来确定是致动所述车辆部件以按所述所规划的车辆路线行进还是致动所述车辆部件行进去补充所述流体。
9.如权利要求8所述的方法，所述方法进一步包括从所述服务器计算机接收用于在完成所述所规划的车辆路线之前补充所述流体的命令或者用于在车辆服务位置处补充所述流体的命令。
10.如权利要求1所述的方法，所述方法进一步包括在考虑到所预测的交通意外事件的情况下基于所述所规划的车辆路线来确定每单位行进距离所需的所述流体。
11.如权利要求10所述的方法，其中所预测的交通意外事件包括紧急情况、延误和绕路。
12.如权利要求1所述的方法，其中所述服务器计算机基于所述所上传的流体水平和所述所规划的车辆路线来确定所述命令。
13.如权利要求12所述的方法，其中所述服务器计算机通过使用AI引擎来处理所述所上传的流体水平、所述所规划的车辆路线和车辆数据以确定所述命令而确定所述命令。
14.如权利要求13所述的方法，其中车辆数据包括车辆位置、清洗事件成空估计、雨传感器和雨刷器数据、速度和方向数据、阳光传感器数据、环境温度数据和外部照明数据。
15.一种系统，所述系统包括经编程以执行如权利要求1至14中任一项所述的方法的计算机。
CN201811169880.XA 2017-10-05 2018-10-08 车辆服务控制 Pending CN109624929A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/726,341 US10627245B2 (en) 2017-10-05 2017-10-05 Vehicle service control
US15/726,341 2017-10-05

Publications (1)

Publication Number Publication Date
CN109624929A true CN109624929A (zh) 2019-04-16

Family

ID=65816980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811169880.XA Pending CN109624929A (zh) 2017-10-05 2018-10-08 车辆服务控制

Country Status (3)

Country Link
US (1) US10627245B2 (zh)
CN (1) CN109624929A (zh)
DE (1) DE102018124439A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6731887B2 (ja) * 2017-06-27 2020-07-29 Kddi株式会社 保守システム及び保守方法
JP6696942B2 (ja) * 2017-08-14 2020-05-20 Kddi株式会社 車両保安システム及び車両保安方法
US10586132B2 (en) * 2018-01-08 2020-03-10 Visteon Global Technologies, Inc. Map and environment based activation of neural networks for highly automated driving
WO2019181766A1 (ja) * 2018-03-19 2019-09-26 株式会社小糸製作所 車両用クリーナシステム
US10974699B2 (en) * 2018-11-06 2021-04-13 Volvo Car Corporation Estimating consumption of washer fluid
US20200158553A1 (en) * 2018-11-20 2020-05-21 GM Global Technology Operations LLC Method to predict remaining time and expected consumption before a fluid sysytem reaches a low fluid level
DE102018222720B4 (de) * 2018-12-21 2022-01-05 Continental Teves Ag & Co. Ohg Überwachung von auf neuronalen Netzwerken basierten Fahrfunktionen
DE102019210787A1 (de) * 2019-07-22 2021-01-28 Audi Ag Verfahren zum Bereitstellen einer Instandhaltungsprognose für ein Kraftfahrzeug, Speichermedium, mobiles portables Endgerät, Servervorrichtung, Prognoseeinrichtung, und Kraftfahrzeug
US11209280B2 (en) * 2019-07-31 2021-12-28 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for route selection
US11241721B2 (en) * 2019-10-15 2022-02-08 Toyota Motor Engineering & Manufacturing North America, Inc. Sensor cleaning system and sensor cleaning method for vehicle
DE102020214526A1 (de) 2020-11-18 2021-12-23 Continental Automotive Gmbh Verfahren zum Signalisieren der Notwendigkeit, die Flüssigkeit in einem Wischwassertank eines Fahrzeugs aufzufüllen
DE102021100260A1 (de) 2021-01-11 2022-07-14 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung des Füllstands eines Wischwasser-Behälters eines Fahrzeugs
US20230139740A1 (en) * 2021-11-02 2023-05-04 Tusimple, Inc. Remote access application for an autonomous vehicle
US20230306801A1 (en) * 2022-03-25 2023-09-28 Here Global B.V. Apparatus and methods for determining charging efficiency rates for solar-powered vehicles

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4000835A (en) * 1975-09-12 1977-01-04 Bassett Walter D Windshield washer service apparatus
DE3825630A1 (de) 1988-07-28 1990-02-01 Bayerische Motoren Werke Ag Verfahren zur bestimmung und anzeige der in einem vorratsbehaelter enthaltenen vorratsmenge von kraftfahrzeug-betriebsfluessigkeiten
US6236180B1 (en) 1999-10-14 2001-05-22 Daimlerchrysler Corporation Smart windshield wiper wash system
DE10325267A1 (de) 2003-06-03 2004-12-23 Endress + Hauser Gmbh + Co. Kg Anordnung und Verfahren zur Füllstandsmessung
US7263417B2 (en) 2004-09-29 2007-08-28 International Truck Intellectual Property Company, Llc User adaptive automated pre-trip inspection system
DE102008021382B4 (de) 2008-04-29 2018-06-14 Continental Automotive Gmbh Ermittlung des Füllstands eines Flüssigkeitsbehälters einer Kraftfahrzeug-Scheibenwaschanlage
DE102009039145A1 (de) 2009-08-27 2011-03-03 GM Global Technology Operations, Inc., Detroit Verfahren und Vorrichtung zur Überwachung des Füllstandes zumindest eines Betriebsmittels eines Fahrzeugs
JP5056919B2 (ja) 2009-09-29 2012-10-24 株式会社デンソー 車載光学センサカバー及び車載光学センサ装置
DE102010049091A1 (de) 2010-10-21 2012-04-26 Gm Global Technology Operations Llc (N.D.Ges.D. Staates Delaware) Verfahren zum Betreiben zumindest eines Sensors eines Fahrzeugs und Fahrzeug mit zumindest einem Sensor
US9126534B2 (en) 2013-03-14 2015-09-08 Ford Global Technologies, Llc Automated camera wash for vehicles
US9454856B2 (en) 2014-01-21 2016-09-27 GM Global Technology Operations LLC Liquefied petroleum gas tank leak detection systems and methods
US9520006B1 (en) 2014-08-28 2016-12-13 Allstate Insurance Company Vehicle diagnostics
US9400500B2 (en) 2014-11-14 2016-07-26 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle refueling locator
US9719409B2 (en) 2014-12-26 2017-08-01 Ford Global Technologies, Llc Method and system for engine cooling system control
JP6172181B2 (ja) 2015-02-25 2017-08-02 トヨタ自動車株式会社 周辺情報検出装置及び自動運転車両
DE102015210312A1 (de) 2015-06-03 2016-12-08 Volkswagen Aktiengesellschaft Verfahren zum Ermitteln und Signalisieren einer Wischerflüssigkeitsreichweite eines Fahrzeugs
DE102015223557A1 (de) 2015-11-27 2017-06-01 Continental Automotive Gmbh Verfahren und Vorrichtung zum Prognostizieren eines Waschwasserverbrauchs einer Scheibenwaschanlage eines Fahrzeuges
WO2017095906A1 (en) 2015-11-30 2017-06-08 Bourns, Inc. Detecting fluid characteristics via a float
US11119477B1 (en) * 2016-01-22 2021-09-14 State Farm Mutual Automobile Insurance Company Anomalous condition detection and response for autonomous vehicles
DE102016206129A1 (de) 2016-04-13 2017-10-19 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Bestimmung einer Restreichweite eines Kraftfahrzeugs
US10685510B2 (en) 2017-04-10 2020-06-16 Oshkosh Corporation Response vehicle systems and methods
US10222249B2 (en) 2017-05-02 2019-03-05 GM Global Technology Operations LLC Liquid level sensing and diagnostic determination
US10300869B1 (en) 2017-11-30 2019-05-28 Ford Global Technologies, Llc Washer fluid tank with magnetically responsive sensors

Also Published As

Publication number Publication date
DE102018124439A1 (de) 2019-04-11
US20190107401A1 (en) 2019-04-11
US10627245B2 (en) 2020-04-21

Similar Documents

Publication Publication Date Title
CN109624929A (zh) 车辆服务控制
US11403492B2 (en) Generating labeled training instances for autonomous vehicles
US10969789B2 (en) Verifying predicted trajectories using a grid-based approach
US20200209867A1 (en) Labeling Autonomous Vehicle Data
US11630458B2 (en) Labeling autonomous vehicle data
US11086319B2 (en) Generating testing instances for autonomous vehicles
CN108292474B (zh) 派遣和维护自主车辆的车队的协调
CN109421628A (zh) 协作的车辆操作
CN109017691A (zh) 对车辆传感器进行清洁
US11256263B2 (en) Generating targeted training instances for autonomous vehicles
US10086844B2 (en) Vehicle sensor diagnosis system and method and a vehicle comprising such a system
US20190122037A1 (en) Pedestrian behavior predictions for autonomous vehicles
CN109677362A (zh) 车辆窗户清洁
US10780861B2 (en) Liquid droplet path prediction
US11183061B2 (en) Parking monitoring for wait time prediction
US11247644B2 (en) Vehicle sensor cleaning with additives
CN109606318A (zh) 车辆传感器清洁
US11472436B1 (en) Method and system for operating an autonomous agent with incomplete environmental information
JP6962604B2 (ja) 極限状況でフォールトトレランス及びフラクチュエーションロバスト性のある、自動車間通信基盤の協業的なブラインドスポット警報方法及び装置
US11017674B1 (en) Managing and tracking scouting tasks using autonomous vehicles
CN118176406A (zh) 用于为自动驾驶车辆提供服务的优化的路线规划应用
CN110207718A (zh) 清洗液液位检测
US20220291690A1 (en) Continuing Lane Driving Prediction
CN109895776A (zh) 车辆车道变换
US20240124028A1 (en) Autonomous vehicle blind spot management

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