CN111033577A

CN111033577A - 增强的车辆加油

Info

Publication number: CN111033577A
Application number: CN201780094144.XA
Authority: CN
Inventors: 托马斯·G·利昂; 肯尼士·詹姆斯·米勒; 艾德·M·杜道尔
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2017-08-24
Filing date: 2017-08-24
Publication date: 2020-04-17
Also published as: US11505446B2; US20200255281A1; DE112017007788T5; WO2019040075A1

Abstract

收集关于在多个加油站中的每个加油站处的燃料箱的浊度的数据。基于所述收集到的数据来选择加油站。将车辆移动到所述选择的加油站。

Description

增强的车辆加油

背景技术

车辆需要燃料来进行操作。当燃料表指示符低于某个水平时，可以确定给车辆加油。然后可以将车辆导航到加油站给车辆加油。然而，给车辆加油的机会可能受限于某个当日时间和/或特定的加油站(例如在特定的位置)。针对加油，各种环境条件可能影响什么时间和/或地点是可能的和/或比其他时间和/或地点更好。遗憾地是，当前的车辆缺乏接收和处理数据以确定给车辆加油的时间和位置的能力。

附图简述

图1是用于给车辆加油的示例系统的框图。

图2示出了为车辆确定加油时间的示例过程。

图3示出了为车辆确定加油站的示例过程。

具体实施方式

一种系统包括计算机，所述计算机被编程为：收集关于多个加油站中的每个加油站处的燃料箱的浊度的数据；基于所述收集到的数据来选择加油站；并且将车辆移动到所述选择的加油站。

计算机还可以被编程为基于多个加权因子的总和来选择所述加油站，所述多个加权因子包括至少一个基于收集到的浊度数据的加权因子。

计算机还可以被编程为基于用户输入来对所述因子进行加权。计算机还可以被编程为基于车辆的用户操作来对所述因子进行加权。多个因子可以包括基于收集到的关于所述加油站的占用水平和所述加油站处可用的设施中的至少一者的数据的因子。

计算机还可以被编程为确定自从更换所述车辆的燃料滤清器以来经过的时间并且基于所述经过的时间来选择所述加油站。

计算机还可以被编程为基于预定路线和所述多个加油站中的每个加油站之间的距离来选择所述加油站。

计算机还可以被编程为基于所述多个加油站中的每个加油站处的所述燃料箱的估计燃料水平来选择所述加油站。

计算机还可以被编程为确定所述加油站中的每个加油站处的每个燃料箱的加油时间，并且选择自从给燃料箱加油的时间起具有的经过的时间大于时间阈值的加油站。

所述计算机还可以被编程为基于收集到的关于车辆的冷却剂温度、大气臭氧水平和空气质量中的至少一者的数据来确定所述加油时间。

一种方法包括：收集关于多个加油站中的每个加油站处的燃料箱的浊度的数据；基于所述收集到的数据来选择加油站；并且将车辆移动到所述选择的加油站。

所述方法还可以包括基于多个加权因子的总和来选择所述加油站，所述多个加权因子包括至少一个基于收集到的浊度数据的加权因子。

所述方法还可以包括基于用户输入来对所述因子进行加权。所述方法还可以包括基于车辆的用户操作来对所述因子进行加权。在所述方法中，多个因子可以包括基于收集到的关于所述加油站的占用水平和所述加油站处可用的设施中的至少一者的数据的因子。

所述方法还可以包括确定自从更换所述车辆的燃料滤清器以来所经过的时间，并且基于所述经过的时间来选择所述加油站。

所述方法还可以包括基于预定路线和多个加油站中的每个加油站之间的距离来选择所述加油站。

所述方法还可以包括基于多个加油站中的每个加油站处的燃料箱的估计燃料水平来选择所述加油站。

所述方法还可以包括确定所述加油站中的每个加油站处的每个燃料箱的加油时间，并且选择自从给燃料箱加油的时间起具有的经过的时间大于时间阈值的加油站。

所述方法还可以包括基于收集到的关于车辆的冷却剂温度、大气臭氧水平和空气质量中的至少一者的数据来确定所述加油时间。

还公开了一种被编程为执行上述方法步骤中的任一个的计算装置。还公开了一种车辆，所述车辆包括所述计算装置。还公开了一种计算机程序产品，其包括计算机可读介质，所述计算机可读介质存储可由计算机处理器执行的指令，以执行上述方法步骤中的任一个。

车辆计算机可以基于从传感器和服务器收集到的数据来确定给车辆加油的时间和位置。计算机可以收集关于例如环境条件、车辆参数、车辆位置等的数据，并且确定给车辆加油的时间和给车辆加油的位置。计算机可以基于环境和车辆数据来确定加油得分，以提供更可预测的加油机会并且更一致地维持车辆中的燃料。计算机可以基于环境和车辆数据来确定位置得分，以提供给车辆加油的更方便的位置。通过基于各种环境和车辆数据来处理多个因子，计算机可以减少可能限制加油机会的约束。

图1示出了用于给车辆101加油的示例系统100。车辆101中的计算机105被编程为从一个或多个传感器110接收收集到的数据115。例如，车辆101数据115可以包括车辆101的位置、关于车辆周围的环境的数据、关于车辆外部的物体(诸如另一车辆等)的数据。车辆101位置通常以常规形式提供，例如，经由使用全球定位系统(GPS)的导航系统获得的地理坐标(诸如纬度和经度坐标)。数据115的其他示例可以包括车辆101系统和部件的测量结果，例如车辆101速度、车辆101轨迹等。

众所周知，计算机105通常被编程用于车辆101网络上的通信，所述车辆101网络例如包括通信总线。经由网络、总线和/或其他有线或无线机制(例如，车辆101中的有线或无线局域网)，计算机105可以向车辆101中的各种装置发送消息和/或从各种装置接收消息，所述各种装置例如是控制器、致动器、传感器等，包括传感器110。替代地或另外地，在计算机105实际上包括多个装置的情况下，车辆网络可以用于在本公开中表示为计算机105的装置之间的通信。另外，计算机105可以被编程用于与网络125通信，如下所描述的，所描述的网络125可以包括各种有线和/或无线联网技术，例如，蜂窝、

低功耗

有线和/或无线分组网络等。

数据存储装置106可以是任何已知的类型，例如，硬盘驱动器、固态驱动器、服务器或任何易失性或非易失性介质。数据存储装置106可存储从传感器110发送的收集数据115。

传感器110可以包括各种装置。例如，众所周知，车辆101中的各种控制器可作为传感器110操作以经由车辆101的网络或总线提供数据115，例如，与车辆速度、加速度、位置、子系统和/或部件状态等相关的数据115。此外，其他传感器110可以包括相机、运动检测器等，即，用于提供数据115以用于评估目标的位置、投射目标的路径、评估道路车道的位置等的传感器110。传感器110还可以包括短程雷达、远程雷达、激光雷达(LIDAR)和/或超声换能器。

收集到的数据115可以包括在车辆101中收集到的多种数据。以上提供收集数据115的示例，并且另外，数据115通常使用一个或多个传感器110来收集，并且可以另外包括在计算机105中和/或在服务器130处根据数据115计算出的数据。通常，收集到的数据115可以包括可由传感器110收集和/或根据这些数据计算的任何数据。

车辆101可以包括多个车辆部件120。如本文所使用的，每个车辆部件120都包括一个或多个硬件部件，所述一个或多个硬件部件适于执行机械功能或操作，诸如使车辆移动、使车辆减慢或停止、使车辆转向等。部件120的非限制性示例包括推进部件(其包括例如内燃发动机和/或电动马达等)、传动部件、转向部件(例如，其可以包括方向盘、转向齿条等中的一者或多者)、制动部件、驻车辅助部件、自适应巡航控制部件、自适应转向部件、可移动座椅等。

当计算机105操作车辆101时，车辆101是“自主”车辆101。出于本公开的目的，术语“自主车辆”用于指代以全自主模式操作的车辆101。完全自主模式被限定为以下模式：其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动系统)、制动和转向中的每一者都由计算机105控制。半自主模式是以下模式：其中车辆101的推进(通常经由包括电动马达和/或内燃发动机的动力传动系统)、制动和转向中的至少一者至少部分地由计算机105而不是由人类操作员控制。

系统100还可以包括网络125，所述网络125连接到服务器130和数据存储装置135。计算机105还可以被编程为经由网络125与诸如服务器130的一个或多个远程站点进行通信，此类远程站点可能包括数据存储装置135。网络125表示一个或多个机制，车辆计算机105可以通过所述一个或多个机制与远程服务器130通信。因此，网络125可以是各种有线或无线通信机制中的一种或多种，其包括有线(例如，电缆和光纤)和/或无线(例如，蜂窝、无线、卫星、微波和射频)通信机制与任何期望的网络拓扑结构(或当使用多个通信机制时的多个网络拓扑结构)的任何期望的组合。示例性通信网络包括提供数据通信服务的无线通信网络(例如，使用

低能耗

IEEE 802.11、车辆对车辆(V2V)(诸如专用短程通信(DSRC))等)、局域网(LAN)和/或广域网(WAN)(包括因特网)。

所述系统可以包括加油站140。加油站140存储可以提供给车辆101的燃料。燃料可以是用于车辆101的已知能量源，例如汽油、柴油、压缩天然气、乙醇、丁醇、生物柴油、喷气燃料、充电站处的电力等。加油站140可以包括站计算机145。站计算机145可以与网络125通信。站计算机145可以收集关于加油站140的数据115，并且通过网络125将数据115发送到服务器130和/或计算机105。站计算机145可以是例如专用站控制台、个人计算机、膝上型计算机、平板电脑、智能电话等。

计算机105可以基于由传感器110和/或从服务器130收集到的数据115来确定多个因子。所述因子可以表示可能影响车辆101何时能够加油以及车辆101能够在哪里加油的一个或多个要素。计算机105可以基于所述因子来确定加油得分和位置得分。基于所述收集到的数据115，每个因子可以是0和1之间的值，如下面的等式1至等式15所示。

加油得分可以是计算机105用来确定何时给车辆101加油的值。例如，计算机105可以将加油得分确定为时间的函数，并且确定加油得分将下降到加油得分阈值以下的时间。当到达加油时间的时间阈值内的时间时，计算机105可以确定给车辆101加油。替代地或另外地，如果计算机105确定当前加油得分低于阈值，则计算机105可以确定给车辆101加油。加油得分可以是所述因子的组合，例如多个因子的加权总和。例如，计算机105可以收集关于车辆的冷却剂温度、大气臭氧水平和空气质量中的至少一者的数据115，并且基于所述收集到的数据115确定加油时间。加油得分可以是因子的加权总和：

其中S_加油是加油得分，i是指示多个因子中的一个的指数，n是用于确定加油得分的因子总数，f_i是因子中的一个的值，并且k_i是因子f_i的预定权重。因子f_i中的一个或多个可以随时间改变，例如，车辆燃料箱因子可以随着车辆101消耗燃料而改变。计算机105可以使用已知的回归技术来预测未来时间段(例如24小时)的时间依赖性因子中的一个或多个。计算机105因此可以基于时间相关因子来预测所述时间段的加油得分S_加油。

位置得分可以是计算机105用来确定车辆101加油的位置的值。在确定给车辆101加油时，计算机105可以确定多个加油站140的位置得分。可以根据数据存储装置106和/或服务器130中存储的列表来确定加油站140。计算机105可以选择具有最高位置得分的加油站140，然后可以将车辆101移动到所述选择的加油站140以给车辆101加油。如下所描述的，位置得分可以是因子的组合，例如，多个因子的加权总和。例如，计算机105可以收集关于多个加油站140中的每一个处的地下燃料存储箱中的燃料的浊度的数据115，基于所述收集到的数据115选择加油站140，并且将车辆101移动到所述选择的加油站140。位置得分可以是因子的加权总和：

其中S_位置是位置得分，i是指示多个因子中的一个的指数，n是用于确定位置得分的因子总数，f_i是因子中的一个的值，并且k_i是因子f_i的预定权重。

计算机105可以基于从车辆101的燃料箱收集到的数据115来确定车辆燃料箱因子。计算机105可以从车辆燃料箱传感器110收集关于车辆燃料箱中的燃料水平的数据115。车辆燃料箱因子可以与燃料水平数据115负相关，即，随着车辆燃料水平减小，车辆燃料箱因子增加。车辆燃料箱因子可以以线性方式与车辆燃料水平数据115成反比，或者车辆燃料箱因子可以以非线性方式(例如，多项式、指数、阶乘等)与车辆燃料水平数据115相关。下面的等式3描述了描述车辆燃料箱因子的示例S形函数f_vft。

其中C和D是适合于0和1之间的因子的预定常数，V是车辆燃料水平(即，0和1之间的数字指示充满燃料的燃料箱体积的一部分)，并且exp是已知的指数函数。在车辆燃料水平V朝向0(即，空燃料箱)减小时，加油得分S加油随着车辆燃料箱因子f_vft指数地接近1而增加。

车辆燃料箱因子可以被加权，使得在车辆燃料水平数据115下降到车辆燃料水平阈值以下时，加权总和超过加油得分阈值。也就是说，计算机105可以将加油时间确定为不晚于车辆燃料水平将下降到低于车辆燃料水平阈值的预测时间的时间。例如，如示例等式4中所示，

其中k_vft是车辆燃料箱因子的权重值，V_阈值是车辆燃料水平阈值，并且S_{加油，阈值}是加油得分阈值。

计算机105可以确定车辆不在使用中因子。计算机105可以使用已知技术来确定当日的多个时间指示车辆101的使用情况的置信度值。置信度值可以是车辆101将在当日特定时间使用的概率。计算机105可以基于例如车辆101的使用历史数据115来确定置信度值。计算机105可以基于指示车辆101在当日特定时间将不在使用中的置信度值来确定车辆不在使用中因子。在当日时间当预测车辆101不在使用中时，车辆不在使用中因子可以增加，即，计算机105在车辆101不在使用中时可以优选加油时间。此外，计算机105可以确定车辆101的先前使用情况的时间，并且车辆不在使用中因子可以基于车辆101的先前使用情况的时间。例如，可以用以下示例等式5的正态分布函数来确定车辆不在使用中因子f_niu：

其中t是以小时为单位的在0和24之间的当前时间，t_niu是预测车辆101不在使用中的预测时间(例如，在服务车辆101的班次之外、在用户的通勤时间表之外等)，并且C是可以基于车辆不在使用中因子应增加的程度t_niu而确定的常数值。

计算机105可以确定非峰值使用因子。计算机105可以确定当日时间何时道路可能拥堵。计算机105可以从服务器130请求交通数据115，并且使用诸如隐马尔可夫模型的概率计算来确定指示当日道路的峰值使用的时间。计算机105可以收集关于道路的交通拥堵水平的数据115，并且基于交通拥堵水平来确定非峰值使用因子。非峰值使用因子在当日非峰值使用道路的时间可以增加，而在当日峰值使用道路的时间可以减小。例如，在当日时间是当日峰值使用时间(如从概率计算确定的)时，非峰值使用因子可以是0，并且在当日时间是当日非峰值使用时间时，非峰值使用因子可以是1。例如，可以用诸如以下示例等式6的S形函数来确定非峰值使用因子f_npu：

f_npu＝C arccot(a·p(t)-b) (6)

其中a，b，C是被确定为将非峰值使用因子界定在0和1之间的预定常数，并且p(t)是特定时间t的交通拥堵概率。

计算机105可以确定燃料价格因子。计算机105可以从服务器130收集指示多个加油站140处的燃料价格的数据115。计算机105可以使用已知的技术(例如，机器学习、历史趋势等)来预测燃料价格。燃料价格因子可以随着指示燃料价格减小的数据115而增加。例如，计算机105可以确定加油站140中的一个处的当前燃料价格p₁与预测的燃料价格p_pred之间的差，并且将燃料价格因子确定为：

其中C是预定常数。

计算机105可以确定天气因子。计算机可以从例如服务器130、降水传感器110、风速传感器110、温度传感器110等接收数据115。当降水数据115增加、风速数据115增加并且温度数据115高于热阈值或低于冷阈值时，天气因子可以增加。例如，天气因子f_天气可以是数据115的总和：

其中precip₀是当前降水百分比，precip_avg是当日的平均降水百分比，v₀是当前风速，v_avg是当日的平均风速，T_HI是在当前环境温度低于热阈值时为0并且在当前环境温度高于热阈值时为1的布尔值，并且T_LO是在当前环境温度高于冷阈值时为0并且在当前环境温度低于冷阈值时为1的布尔值。

计算机105可以确定站偏好因子。计算机105可以确定多个优选的加油站140，例如由车队运营商批准的、由车辆101的用户指定的公司加油站140、车辆101行驶路线附近的加油站140等。在车辆101和优选站140中的一个之间的距离减小时，站偏好因子可以增加。例如，可以基于以下示例等式9来确定站偏好因子f_sp：

f_sp＝C exp(-ax) (9)

其中a，C是预定常数，并且x是车辆101的位置和最近的优选加油站140之间的当前距离。

计算机105可以确定预热因子。计算机105可以从传感器110确定发动机冷却剂温度。随着发动机冷却剂变暖，动力传动系统消耗较少的燃料，因此当发动机冷却剂温度高于冷却剂温度阈值时，车辆101在移动到加油站140时可以消耗较少的燃料。当发动机冷却液温度升高时，预热因子可以增加。例如，可以基于以下示例等式10来确定预热因子f_预热：

其中a，C是预定常数，arcsinh是已知的反双曲正弦函数，并且T_冷却剂是当前冷却剂温度。

计算机105可以确定臭氧警报因子。计算机105可以从服务器130接收数据115，所述数据115指示当日是否是臭氧警报日，即地方当局鼓励用户在天黑后给车辆101加油以减少臭氧和烟雾产生的日子。计算机105可以确定在臭氧警报日的预测日落时间之后的所述加油时间。当来自服务器130的数据115指示当日是臭氧警报日时，臭氧警报因子可以在预测日出时间和预测日落时间之间的时间期间减小。例如，在当日是臭氧警报日，并且当前时间在臭氧警报日的预测日出时间和预测日落时间之间时，臭氧警报因子可以是布尔值0，并且在当前时间在当日的预测日落时间和第二天的预测日出时间之间时，臭氧警报因子可以是1。

计算机105可以确定空气质量因子。空气质量因子可以基于指示可能干扰加油的灰尘和碎屑的水平的数据115。计算机105可以收集风速和湿度的数据115，以确定空气质量因子。空气质量因子可以随着风速的增加而减小，并且可以随着湿度的减小而减小。例如，可以基于以下示例等式11来确定空气质量因子f_空气：

其中a，C是预定常数，φ是相对湿度，并且v是风速。

计算机105可以确定距离因子。距离因子可以基于指示车辆101的计划的预定路线和每个加油站140之间的距离的数据115。距离因子可以随着距离的增加而减小。例如，距离因子f_距离可以与车辆101的地理位置坐标和加油站140的地理位置坐标之间的距离x站成反比，例如，如示例等式12所示：

其中C是预定常数。

计算机105可以确定设施因子。设施因子可以基于指示加油站140处可用的设施(即兴趣点和/或便利设施)的数据115。示例设施包括例如餐馆、咖啡店、风景、步行路径、宠物区域、无线接入等。对于由用户基于例如历史数据、用户输入等预先确定为优选的设施，设施因子可以增加。计算机105可以确定加油站140处的设施数量n_f，并且根据以下示例等式13确定设施因子f_设施：

计算机105可以确定易访问因子。易访问因子可以基于指示基于车辆101的路线增加对加油站140的访问的特征的数据115。这些特征可以包括例如加油站140是否沿着车辆101在路线上的行进方向、在加油站140处可用燃料泵的数量等。易访问因子可以随着特征的数量的增加而增加。计算机105可以识别特征的数量N_特征，并且根据以下示例等式14来确定易访问因子f_eac：

计算机105可以确定加油站140处的燃料的浊度因子。加油站140可以包括存储液体燃料的多个地下燃料存储箱。燃料存储箱可由运送燃料的卡车再填充。当卡车再填充燃料存储箱时，燃料存储箱中的燃料的浊度可以随着燃料存储箱中的沉积物被搅动而增加。沉积物可由车辆101中的燃料滤清器收集，从而减少燃料滤清器的寿命。计算机105可以从服务器130收集指示当地下燃料存储箱最近被再填充时的再填充时间的数据115。随着再填充时间的增加，地下燃料存储箱中的沉积物可以沉积。浊度因子可以随着再填充时间的增加而减小。此外，计算机105可以收集关于在多个加油站140中的每一个处的燃料存储箱的估计燃料水平的数据115。随着沉积物的数量相对于剩余燃料量的增加，较低的估计燃料水平可以增加浊度因子。计算机105还可以确定自从更换车辆101的燃料滤清器以来所经过的时间，并且基于所述经过的时间来确定浊度因子。例如，根据以下示例等式14，浊度因子f_浊度基于燃料存储箱的再填充时间t_fill和估计燃料水平V_存储：

计算机105可以确定拥堵因子。拥堵因子可以基于指示在加油站140处的车辆101的占用情况和加油站140处的可用燃料泵的数量的数据115。计算机105可以从服务器130收集指示车辆101的占用情况和每个加油站140处的可用燃料泵的数量的数据115。对于增加数量的车辆101和减小数量的可用燃料泵，拥堵因子可以增加。计算机105可以确定车辆的数量n_veh和可用燃料泵的数量n_泵，并且基于以下示例等式15确定拥堵因子f_cong：

可以基于因子的加权总和来确定加油得分和位置得分。计算机105可以将权重值分配给每个因子，以控制特定因子对相应得分的影响。例如，对于加油得分，计算机105可以将比车辆不在使用中因子更高的权重值分配给燃料表因子，指示燃料表因子可以比车辆不在使用中因子更多地影响加油得分。每个权重值可以是存储在数据存储装置106和/或服务器130中的预定值。替代地或另外地，计算机105可以基于车辆101的用户输入和/或用户操作来确定每个权重值。

例如，可以确定初始权重值以关注客户便利性，例如，车辆燃料箱因子和车辆不在使用中因子的权重值比其他因子更高。用户可以基于个人偏好来调整权重值，例如，用户可以在燃料价格因子上选择更高的权重值，优选在燃料上花费较少的金钱。可能需要长于几分钟的加油时间的车辆101(例如，电动车辆)可以具有较高的设施因子权重值，以在加油期间使用户有事可做。在臭氧行动日实施日间加油处罚的区域，用户可以在臭氧警报因子上选择较高的权重值。如果保修数据示出了某些车辆101或某些地理区域的燃料滤清器堵塞，则服务器130可以发送针对那些车辆101的浊度因子的增加的权重值。权重值可以是常数值，或者可以是基于特定因子的值和/或用于确定因子的数据115的非常数函数，例如线性函数、多项式函数、指数函数等。

图2示出了为车辆101确定加油时间的示例过程200。过程200开始于框205，在框205中，计算机105致动一个或多个传感器110以收集数据115。计算机105可以致动传感器110以收集关于例如车辆101位置、车辆101轨迹、燃料表水平、大气臭氧水平、天气等的数据115。

接下来，在框210中，计算机105基于数据115确定因子。如上所描述的，计算机105可以基于所述收集到的数据115来确定多个因子。例如，计算机105可以基于收集到的关于大气臭氧的数据115来确定臭氧警报因子。在另一个示例中，计算机105可以基于车辆燃料箱水平来确定车辆燃料箱因子。在上面的等式1至等式15中示出了基于数据115的示例因子。

接下来，在框215中，计算机105基于因子的加权总和来确定加油得分。如上所描述的，加油得分指示车辆101是否要加油。当加油得分下降到加油得分阈值以下时，计算机105可以使车辆101移动以进行加油。每个因子的权重可以是存储在服务器130和/或数据存储装置106中的预定值或非常数函数。替代地或另外地，可以基于例如用户输入、车辆101的用户操作等来确定每个因子的权重。例如，因子中的一个的权重最初可以是存储在服务器130中的预定常数值，并且计算机105可以提示用户提供输入以可选地改变权重的值。在另一个示例中，因子中的一个的权重可以是用于所述因子的数据115的指数函数，并且计算机105可以被编程为不提示用户输入来改变权重。

接下来，在框220中，计算机105确定加油时间。加油时间是加油得分将下降到加油得分阈值以下的预测时间。如上所描述的，计算机105可以基于一个或多个时间相关因子来预测未来时间段的加油得分，并且确定加油得分将下降到加油得分阈值以下的时间。因此，在加油时间，计算机105可以将车辆101移动到加油站140以进行加油。

接下来，在框225中，计算机105确定所述加油时间是否已经到来。在当前时间在加油时间的时间阈值内时，计算机105可以确定所述加油时间已经到来。时间阈值可以是预定值，例如10分钟，并且存储在服务器130和/或数据存储装置106中。如果加油时间已经到来，则过程200在框230中继续。否则，计算机105保持在框225中，直到加油时间已经到来。

在框230中，计算机105基于所述因子来识别加油站140。如上所描述的并且在下面的过程300中示出的，计算机105可以确定多个加油站140中的每一个的位置得分。计算机105可以基于加油得分来识别加油站140。

接下来，在框235中，计算机105将车辆101移动到在框230中识别的加油站140。计算机105可以致动转向装置120、推进装置120和制动器120，以将车辆101移动到加油站140以进行加油。在框235之后，过程200结束。

图3示出了用于确定加油站140的示例过程300，在所述加油站140处给车辆101加油。过程300开始于框305，在框305中，计算机105致动一个或多个传感器110以收集数据115。如上所描述的，计算机105可以收集关于车辆101和/或多个加油站140的数据115。计算机105可以在每个加油站140处从每个站计算机145收集数据115。

接下来，在框310中，计算机105为每个加油站140确定多个因子。如上所描述的，每个因子可以基于由计算机105从服务器130和/或传感器110收集到的数据115。例如，计算机105可以基于地理位置数据115来确定与加油站140和车辆101之间的确定距离成反比的距离因子。

接下来，在框315中，计算机105为每个加油站140确定位置得分。计算机105可以将位置得分确定为上述因子的加权总和。每个因子的权重可以是存储在服务器130和/或数据存储装置106中的预定值。替代地或另外地，计算机105可以基于例如用户输入、车辆101驾驶历史等来调整因子中的一个或多个的权重。

接下来，在框320中，计算机105识别具有最高位置得分的加油站140。在识别出加油站140后，计算机105可以将车辆101移动到识别出的加油站140，如上文在过程200的框235中所描述的。在框320之后，过程300结束。

如本文所使用，修饰形容词的副词“基本上”意指形状、结构、测量、值、计算等可能偏离精确描述的几何形状、距离、测量、值、计算等，这是因为材料、加工、制造、数据采集器测量、计算、处理时间、通信时间等存在缺陷。

计算机105通常各自包括可由一个或多个计算装置(诸如上面识别的那些)执行并且用于实行上文所描述的过程的框或步骤的指令。计算机可执行指令可由使用多种编程语言和/或技术创建的计算机程序来编译或解译，所述多种编程语言和/或技术包括但不限于以下的单一形式或组合形式：Java^TM、C、C++、Visual Basic、Java Script、Perl、HTML等。一般来说，处理器(例如，微处理器)接收例如来自存储器、计算机可读介质等的指令，并且执行这些指令，从而执行一个或多个过程，其包括本文所描述的过程中的一个或多个。可以使用多种计算机可读介质来存储和传输此类指令和其他数据。计算装置105中的文件通常是存储在计算机可读介质(诸如存储介质、随机存取存储器等)上的数据集合。

计算机可读介质包括参与提供可由计算机读取的数据(例如，指令)的任何介质。此类介质可以采取许多形式，其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性存储器。易失性介质包括通常构成主存储器的动态随机存取存储器(DRAM)。常见形式的计算机可读介质包括(例如)软磁盘、软盘、硬盘、磁带、任何其他磁性介质、CD-ROM、DVD、任何其他任何光学介质、穿孔卡、纸带、带有穿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存储器盒或者计算机可读的任何其他介质。

关于本文描述的介质、过程、系统、方法等，应理解，尽管已经将此类过程等的步骤描述为根据某一有序次序发生，但是此类过程可以用以与本文所描述的顺序不同的顺序执行的所描述步骤来实践。还应理解，某些步骤可以同时执行，可以添加其他步骤，或者可以省略本文描述的某些步骤。例如，在过程200中，可以省略一个或多个步骤，或者可以以不同于图2中所示的顺序执行所述步骤。换句话说，本文中的系统和/或过程的描述是出于说明某些实施例的目的而提供的，并且不应被解释为限制所公开的主题。

因此，应理解，包括以上描述和附图以及以下权利要求的本公开意图是说明性的而非限制性的。在阅读以上描述之后，除了所提供的示例之外的许多实施例和应用对于本领域技术人员而言将是显而易见的。本发明的范围不应参考以上描述来确定，而应参考随附于本发明和/或被包括在基于本发明的非临时专利申请中的权利要求以及享有此类权利要求的权利的等效物的完整范围来确定。可以预期并且预想未来的发展将在本文讨论的技术中发生，并且所公开的系统和方法将结合到此类未来实施例中。总之，应理解，所公开的主题能够进行修改和变化。

除非另有说明，或者上下文另有要求，否则修饰名词的冠词“一个”应理解为指一个或多个。短语“基于”涵盖部分地或完全地基于。

Claims

1.一种系统，其包括计算机，所述计算机被编程为：

收集关于在多个加油站中的每个加油站处的燃料箱的浊度的数据；

基于所述收集到的数据来选择加油站；并且

将车辆移动到所述选择的加油站。

2.如权利要求1所述的系统，其中所述计算机还被编程为基于多个加权因子的总和来选择所述加油站，所述多个加权因子包括至少一个基于所述收集到的浊度数据的加权因子。

3.如权利要求2所述的系统，其中所述计算机还被编程为基于用户输入来对所述因子进行加权。

4.如权利要求2所述的系统，其中所述计算机还被编程为基于所述车辆的用户操作来对所述因子进行加权。

5.如权利要求2所述的系统，其中所述多个因子包括基于收集到的关于所述加油站的占用水平和所述加油站处可用的设施中的至少一者的数据的因子。

6.如权利要求1所述的系统，其中所述计算机还被编程为确定自从更换所述车辆的燃料滤清器以来经过的时间并且基于所述经过的时间来选择所述加油站。

7.如权利要求1所述的系统，其中所述计算机还被编程为基于预定路线和所述多个加油站中的每个加油站之间的距离来选择所述加油站。

8.如权利要求1所述的系统，其中所述计算机还被编程为基于所述多个加油站中的每个加油站处的所述燃料箱的估计燃料水平来选择所述加油站。

9.如权利要求1所述的系统，其中所述计算机还被编程为确定所述加油站中的每个加油站处的每个燃料箱的加油时间，并且选择自从给所述燃料箱加油的时间起具有的经过的时间大于时间阈值的加油站。

10.如权利要求1所述的系统，其中所述计算机还被编程为基于收集到的关于车辆的冷却剂温度、大气臭氧水平和空气质量中的至少一者的数据来确定所述加油时间。

11.一种方法，其包括：

基于所述收集到的数据来选择加油站；并且

将车辆移动到所述选择的加油站。

12.如权利要求11所述的方法，其还包括基于多个加权因子的总和来选择所述加油站，所述多个加权因子包括至少一个基于所述收集到的浊度数据的加权因子。

13.如权利要求12所述的方法，其还包括基于用户输入来对所述因子进行加权。

14.如权利要求12所述的方法，其还包括基于所述车辆的用户操作来对所述因子进行加权。

15.如权利要求12所述的方法，其中所述多个因子包括基于收集到的关于所述加油站的占用水平和所述加油站处可用的设施中的至少一者的数据的因子。

16.如权利要求11所述的方法，其还包括确定自从更换所述车辆的燃料滤清器以来所经过的时间，并且基于所述经过的时间来选择所述加油站。

17.如权利要求11所述的方法，其还包括基于预定路线和所述多个加油站中的每个加油站之间的距离来选择所述加油站。

18.如权利要求11所述的方法，其还包括基于所述多个加油站中的每个加油站处的所述燃料箱的估计燃料水平来选择所述加油站。

19.如权利要求11所述的方法，其还包括确定所述加油站中的每个加油站处的每个燃料箱的加油时间，并且选择自从给所述燃料箱加油的时间起具有的经过的时间大于时间阈值的加油站。

20.如权利要求11所述的方法，其还包括基于收集到的关于车辆的冷却剂温度、大气臭氧水平和空气质量中的至少一者的数据来确定所述加油时间。