CN111256715A - 对自主车辆的机会性加燃料 - Google Patents

对自主车辆的机会性加燃料 Download PDF

Info

Publication number
CN111256715A
CN111256715A CN201911211446.8A CN201911211446A CN111256715A CN 111256715 A CN111256715 A CN 111256715A CN 201911211446 A CN201911211446 A CN 201911211446A CN 111256715 A CN111256715 A CN 111256715A
Authority
CN
China
Prior art keywords
fueling
fuel
vehicle
trip plan
option
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
CN201911211446.8A
Other languages
English (en)
Inventor
艾德·M·杜道尔
芬恩·曾
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 CN111256715A publication Critical patent/CN111256715A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3476—Special cost functions, i.e. other than distance or default speed limit of road segments using point of interest [POI] information, e.g. a route passing visible POIs
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • G06Q50/40—

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Automation & Control Theory (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Tourism & Hospitality (AREA)
  • Navigation (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)

Abstract

本公开提供了“对自主车辆的机会性加燃料”。本文公开了对约车自主车辆的机会性加燃料。一种示例方法包括：评估行程计划，所述行程计划具有车辆的一个或多个目的地；基于所述行程计划而计算多个潜在路线，所述多个潜在路线具有沿着所述车辆的建议的行驶路径的加燃料选项；应用一个或多个车辆加燃料约束；使用所述一个或多个车辆加燃料约束从所述车辆的所述多个潜在路线中选择优化的路线；以及使用所述优化的路线来完成所述行程计划。

Description

对自主车辆的机会性加燃料
技术领域
本公开大体上涉及车辆加燃料，并且更具体地但非限制性地，涉及用于为自主车辆(AV)加燃料的系统和方法。
背景技术
常规的个人车辆每年积累10,000至15,000英里。在未来，在约车/共享车辆投入汽车共享/约车范式时，预计约车/共享车辆每三年积累约250,000英里。约车/共享车辆将很可能具有许多短的停休时间段(在本文中一般被称为怠速时间)，以及许多熄火和点火事件。在约车模型下，加燃料可能需要成为日常任务或甚至可能在一天内发生多次。
相关地，燃料价格取决于加燃料的位置和方法而变化很大(固定加油站与移动按需燃料递送相比)。有机会以更具成本效益的方式为约车和递送车队加燃料以通过降低成本和改进正常运行时间来提高盈利。
常规的车辆使用涉及更多自发地规划的/随机的行程。约车车辆典型地将提前具有至少若干个规划的行程，使得预览和规划活动更可行。此外，许多车辆制造商都沉迷于对客户驾驶模式和行为进行建模的大数据工作。因此，关于未来和预测的规划行程的这个先验知识是宝贵的数据，其可以被智能地使用来在可编程的使用范围内预计和执行未来加燃料需要。当前，没有系统和/或方法能够智能地创建车辆的用于以减少总体燃料消耗(或符合另一个AV操作目标)的方式导航车辆的路线。上面的需要和/或问题中的一些或全部可以通过本文公开的某些实施例来解决。
发明内容
本文公开了对约车自主车辆的机会性加燃料。一种示例方法包括：评估行程计划，所述行程计划具有车辆的一个或多个目的地；基于所述行程计划而计算多个潜在路线，所述多个潜在路线具有沿着所述车辆的建议的行驶路径的加燃料选项；应用一个或多个车辆加燃料约束；使用所述一个或多个车辆加燃料约束从所述车辆的所述多个潜在路线中选择优化的路线；以及使用所述优化的路线来完成所述行程计划。
附图说明
参考附图阐述具体实施方式。相同的参考标号的使用可以指示类似或相同项。各种实施例可以利用除了附图中示出的那些之外的元件和/或部件，并且一些元件和/或部件可能不存在于各种实施例中。附图中的元件和/或部件未必是按比例绘制的。贯穿本公开，取决于上下文，单数和复数术语可以互换地使用。
图1描绘了用于实践本公开的各方面的一般化环境。
图2示意性地示出了从多个潜在路线选择优化的路线。
图3是本公开的示例方法的流程图。
图4是本公开的另一个示例方法的流程图。
具体实施方式
概述
一般，本公开涉及智能或机会性车辆加燃料的系统和方法。广泛地，本公开可以涉及对车辆(其可以包括AV)的行程计划的分析、基于行程计划对加燃料选项的评估，以及优化的路线的生成，该优化的路线包括基于车辆加燃料约束的应用而选择的至少一个加燃料选项。车辆加燃料约束可以是基于车辆的加燃料参数(诸如燃料箱大小或燃料类型)，和/或描述例如可用的燃料类型、燃料价格、等待时间等的加燃料选项参数。因此，一些车辆加燃料约束受车辆的属性的控制，而其他车辆加燃料约束与可用的加燃料选项的属性相关。这两种类型的一般类别的属性/参数被称为车辆加燃料约束。
实际上，由于可能预计约车车辆每天积累数百英里，因此可能需要定期地补给燃料和/或保持燃料被加至高填充水平。约车车辆可以提前知道当天规划的行程，或可以在当天动态地填补该约车车辆的计划。当约车车辆四处行驶时，可以监测该约车车辆的燃料水平和剩余燃料可行驶距离(附加的车辆加燃料约束，其是车辆的属性)，以及其行驶周期(城市和/或高速公路)如何影响燃料经济性。
本文的系统和方法还可以被配置为利用附加的因素，诸如在最近的加油站与未来的目的地之间的距离、在未来的目的地处的移动加油车/到未来的目的地的移动加油车的存在(称为机会性加燃料)、在未来的目的地附近的加油站处的等待时间、在预订之间的怠速时间(例如，用于补给燃料的空闲时间)、在未来的目的地附近的汽油燃料类型的可用性(例如，E10、E85、柴油，仅举几例)。该系统和方法还可以允许强加超驰条件，诸如高收益潜力，诸如为准时接载/递送付费的客户意愿。在这些情况下，如果客户愿意接受高于平均的服务价格，那么车辆可以优先考虑高收益而不是其他考虑(诸如燃料成本)。
这些系统和方法可以提供用于确定行程计划中的下一个目的地以及确定附近或途中加燃料机会的列表的智能预览方法。同样，所述系统和方法可以考虑车辆加燃料约束，诸如怠速时间(无盈利产生)，并且利用混合整数规划来评估所有替代方案，以便预计最佳加燃料策略、确定在哪里加燃料，以及要在任何给定加燃料选项处获得多少燃料。
本文公开的系统和方法可以提供系统的方法来提高AV约车服务盈利、提供最佳加燃料策略以适应全天在不同区域处的不同盈利产生能力、利用在加燃料位置处的增强水平的排队信息和按需加燃料服务，以及提供混合整数线性规划问题(MILP)的公共/商业求解器，包括以下GurobiTM和CPLEXTM。在下面的描述中参考全部附图提供了附加的细节。
说明性架构
现在转到附图，图1描绘了说明性架构100，其中可以实现用于提供本文公开的系统和方法的技术和结构。说明性架构100可以包括自主车辆(AV)102，其被配置为沿着优化的路线运输乘坐者104。如上所述，AV 102可以包括具有导航部件的传统车辆。一般，AV 102一般被配置为根据由AV 102的控制和导航单元106维护的行程计划将乘坐者104从一个位置运输到另一个位置。一般，例如，控制和导航单元106包括处理器108、存储器110、位置感测模块112和通信模块114。处理器108被配置为执行存储在存储器中的指令以执行与智能车辆加燃料相关的车辆自动化和导航的方法。下面更详细地公开了更具体的配置细节。在一些实施例中，位置感测模块112可以包括GPS、蜂窝或用于感测AV 102的位置的其他类似硬件和/或软件。在各个实施例中，通信模块114可以用于允许AV 102通过网络118与乘坐者104及其移动装置116双向地通信。通信模块114还允许AV 102与一个或多个加燃料选项(诸如加油站和/或移动加燃料选项)双向地通信。
网络118可以包括多种不同类型的网络中的任一种或其组合，诸如电缆网络、互联网、无线网络和其他私有和/或公用网络。在一些情况下，网络118可以包括蓝牙、蜂窝、近场通信(NFC)、Wi-Fi或Wi-Fi Direct。在一些实施例中，网络118包括通过短程无线连接的装置对装置通信。
在一些实施例中，可以实现路线优化服务器120，而不是要求AV 102分析数据并计算最佳路线。在一些情况下，AV 102和路线优化服务器120可以共享最佳路线确定和/或选择的各方面。例如，AV 102可以维护行程计划并与乘坐者通信，而路线优化服务器120可以用于收集加燃料选项参数，诸如当前加燃料成本、等待时间、移动加燃料属性等。最佳路线确定可以由AV 102或路线优化服务器120做出。同样，这仅是示例性操作划分。在一些实施例中，路线优化服务器120可以执行本文公开的路线优化过程的全部或一部分。这在具有有限计算能力或机制的车辆中是有利的。在其他实施例中，AV 102可以被配置为执行本文公开的路线优化过程的全部或一部分。
图1中描绘的环境示出了三个潜在加燃料选项。第一加燃料选项122和第二加燃料选项124各自包括加油站。第三加燃料选项126包括可根据需要将燃料递送到AV 102的移动加油车。
就上下文而言，将假设AV 102将接载乘坐者104并将乘坐者104递送到最终目的地127。将乘坐者104从接载位置128运输到最终目的地127被称为行程计划。在接载乘坐者104之后，加燃料选项122、124和126中的每一个都可供AV 102使用。乘坐者104可以通过共乘应用程序或本领域的普通技术人员将已知的任何其他手段来请求使用AV 102。共乘应用程序还可以向AV 102提供所需的信息以计算接载位置128与最终目的地127之间的可能路线。而且，尽管未针对这个具体示例公开，但是AV 102也可以考虑在接载乘坐者104的途中可能存在的加燃料选项。而且，如上所述，这些方法也可在共乘场景的范围外采用，并且可以用于能够导航的车辆中，或甚至通过使用可在移动装置上执行的应用程序来使用。一般，本文公开的机会性/智能加燃料能力不会受本地车辆能力严格限制。
出于完整描述目的，AV 102可以使用若干可能路线将乘坐者104从接载位置128运输到最终目的地127。第一潜在路线包括从接载位置128行驶到加燃料选项122并然后到达最终目的地127，就距离而言，该第一潜在路线为D1和D4的和。第二潜在路线包括从接载位置128行驶到加燃料选项122、继续行驶到加燃料选项124并然后到达最终目的地127，就距离而言，该第二潜在路线为D1、D2和D3的和。第三潜在路线包括从接载位置128直接地行驶到最终目的地127，就距离而言，该第三潜在路线等于D5。尽管第三潜在路线是一个选项，但是为了防止模糊本公开相对于选择加燃料选项的显著特征，将仅讨论第一潜在路线和第二潜在路线。
一般地，鉴于与AV 102相关的各种车辆加燃料约束，就其维护的行程计划来限定AV 102的各方面。例如，车辆加燃料约束将包括燃料箱大小、平均(或实时)燃料消耗率、可接受的燃料类型等。
加燃料选项122、124和126中的每一个可以就加燃料选项属性进行限定，诸如可用的燃料类型、燃料成本和等待时间，该等待时间限定客户要排队等待多长时间才能获得燃料。关于第三加燃料选项126，移动燃料递送服务由等待时间限定，但是这个等待时间是指移动燃料递送服务到达AV 102将花费多长时间，而不是如关于加燃料选项122和124讨论的等待时间。在一些情况下，如果移动燃料递送服务被计划为在沿优化的路线的某个点处或在目的地处迎接AV 102，那么等待时间可以为零。
说明性过程
关于上面提供的示例架构/环境，下面更详细地描述了关于将选择哪个(哪些)加燃料选项来获得燃料、获得多少燃料等的实现细节。确定的是，在一个实施例中，优化的路线被限定为多个潜在路线中的被选择以便允许AV以最低可能燃料获取成本来完成行程计划的一个。也就是说，在假设将获得燃料的情况下，可能路线确保将乘坐者递送到其预期目的地，同时允许AV达成最低可能燃料获取成本(尽管存在也将讨论的超驰条件)。
一般，确定AV的优化路线在其最高水平被描述为优化问题。在任何优化问题中，都可以应用约束函数来确保仅选择最佳场景。就本公开而言，可以选择约束以确保选择最佳路线。同样，在一些情况下，就达成最低可能燃料获取成本方面来限定路线的优化，而在其他实施例中，可以使用其他优化目标。
在一些实施例中，如果确定AV不应在加油站处停车，那么可以使用示例约束确保在加油站处获得的燃料量为零。而且，将假设仅选择一种场景(例如，潜在路线)。在一些实施例中，可以使用其他约束，诸如最小/最大值。例如，可以维持燃料的缓冲体积(燃料箱中的燃料量，低于该燃料量就不应操作AV)和/或AV不应获得在AV的燃料箱中能够存储的更多燃料。另一个示例最小/最大值约束可以包括确保等待时间被限制为最多十分钟，这防止过长的怠速时间。
优化问题也可以就决策变量方面来限定。关于本公开，决策变量可以包括与AV和/或加燃料选项的属性/参数相关的车辆加燃料参数。确定的是，这些决策变量中的一个或多个可以具有与之相关联的相关联负或正成本。例如，AV基于其行程计划而可以具有等待时间和空闲时间，它们被统称为怠速时间。怠速时间还可以包括乘客/乘坐者的平均接载或上车时间。等待时间可以是指等待乘坐者花费的时间和/或等待燃料的时间。空闲时间可以包括在乘坐者事件之间的时间。例如，在让第一乘坐者在目的地处下车之后，AV在必须接载第二乘坐者之前可以有三十分钟的时间。当AV的引擎在运行时的怠速时间被认为是负成本，而当AV的引擎不运行时的怠速时间则可能是成本中立的。
其他变量可以包括燃料成本、加燃料时间和行驶距离，该行驶距离影响行程计划和燃料消耗两者。根据一些实施例，附加的变量包括关于在给定位置处接载客户以将其运输到目的地的潜在收入。同样，这些各自都有负成本或正成本。
就广义而言，负成本可以包括资源(燃料量/类型)，并且成本相关变量在最小化问题中被最小化，而收入/利润变量可能在最小化问题中被最大化。
依据最小化方程的示例目标函数包括min:∑F(i)*p(i)+Ct(∑G(i)*w t(i))–Ft)+Cd(j)(∑路线(j)*d(j))–I(k)∑收入(k)。在这个示例最小化方程中，在选定的加燃料选项处获得的燃料的和F(i)乘以表示在给定加燃料选项处的燃料价格P(i)。关于影响成本的变量，Ct是与时间相关参数或变量相关联的负成本，其包括在一个或多个加燃料选项G(i)处的等待时间wt(i)的计算，以及指示在G(i)处获得需要的燃料量所需的时间的加燃料时间Ft。另一个负成本与行驶距离Cd(j)相关，其中d(j)表示关于不同路线选择的行驶距离。一般，路线由变量j指示。每个路线j将具有其自己的唯一相关联成本，诸如行驶距离d(j)。
在一些实施例中，该方法包括将潜在路线变量与路线相关变量相关联。例如，可以就行驶距离d(j)来进一步评估每个路线，因为每个距离将导致燃料消耗和成本的成比例增加。变量I(k)指示目的地(例如，基于第一行程计划而进行的停车)，其表示正成本。收入(k)表示另一个正成本参数，其表示来自在某个位置I(k)处接载客户/乘坐者的潜在收入。
将理解，目标函数中的一些变量可能要求约束，这将防止它们被评估为无穷大，并且由此产生错误值。此外，一些变量(车辆加燃料参数)可能彼此相关。作为示例，要放入AV中的燃料量和选择的加燃料选项彼此明显地相关。在一个示例约束公式K*G(i)-F(i)≥0中，K是AV的最大箱大小，G(i)是选定的加燃料选项，并且F(i)是在选定的加燃料选项处获得的燃料量。在该示例中，最大箱大小的物理限制用于将彼此相关的两个连续且二进制变量(例如，加燃料选项和在加燃料选项处获得的燃料量)联系在一起。
在另一个示例中，路线替代方案(变量j)在替代方案中仅有一个将发生而其他替代方案不发生的意义上可能是相关的。也就是说，∑路线(j)可以等于1。此外，由于这些是二进制变量，因此确保只有一个替代方案将为真。
在一个或多个实施例中，本公开的系统和方法可以通过预过滤来简化所考虑的变量。例如，可以通过基于车辆加燃料约束进行过滤来不予考虑加燃料选项中的一个或多个。通过示例，如果加油站不具有与AV所需的那些燃料类型匹配的燃料类型，那么将该加油站过滤掉。
一般，对数据的有效预处理/过滤可以用于减少变量总数并极大地降低目标分析的复杂性。例如，可以就燃料价格、加燃料时间、与路线的接近度、总加燃料时间等方面考虑许多加油站。在实践中，这种过滤显著地减少计算时间，这对于混合整数/连续变量规划问题来说是重要的。实际上，通过限制系统用来解决优化问题的变量的总数来产生效率。
在示例使用情况下，本文的系统和方法可以从各种资源实时地或近实时地获得关于加燃料选项的数据。在一些实施例中，这包括加油站的有关燃料类型和燃料价格(一些具有现金价格和赊销价格两者)的(众包)内容，这仅是一个示例。确定的是，一些数据可以通过众包或由主车辆(例如，根据本公开适配的车辆)进行的重复的直接观察来获得。车辆通过定期或重复的直接观察获得的数据示例包括加燃料速率(以加仑/分钟为单位测量)，其可以影响加燃料时间，并且当以此方式获得时，此类数据可能更准确。
本文公开的方法可以利用行程计划来标识潜在加燃料选项。例如，行程计划可以标识当前AV位置和下一个乘坐者接载位置、候选路线(如果不进行停车的话)，以获得在这些位置中的一个或多个的预限定的距离内的加油站列表。
可以实现过滤程序，使得可以将几个候选站缩小到符合以下的那些站：(1)在距默认路线的短距离内；(2)具有相对较低的燃料价格；以及(3)至少一种可用的相容燃料类型，或其某一排列或组合。同样，该过滤过程减少了在主程序中要考虑的加油站的量，这将因减少求解时间而产生更快的响应。而且，应当理解，预过滤过程是任选的组成部分，而不是在所有实施例中必需的。
车辆加燃料约束的另一个组成部分被称为资源约束，它们也在目标函数中使用。一些资源要求一个以上变量才能完整地描述。在利用多个变量来描述资源的情况下，为了提供更完整的分析，可以完整地描述多个变量以确保任何结果/优化解在现实生活应用中是可行的。也就说，由于问题的复杂性因更详细地描述资源而增加，因此还可以提供更合适的解决方案。因此，随着更充分地限定资源的参数或变量，可以提供更详细的解决方案。作为示例，如果已知的唯一燃料相关变量是价格，那么此信息是宝贵的，但是与知道在给定的加燃料选项处的燃料价格、燃料类型和等待时间相比而言不太具体。
在一个示例中，可以就固定成本和可变成本两者来计算成本。用于分析资源成本的变量可以采用许多形式，诸如表示二进制选择的二进制变量、指示使用情况的连续变量，以及总体资源使用情况。关于连续变量，加燃料选项可以包括对在加燃料选项处补给燃料要花费多长时间(泵等待时间和加燃料时间)的分析，以及在该加油站处获得的燃料量。
本公开可以根据相关联的价格来聚合资源使用情况(在本公开中与燃料相关)，并且可以通过将资源使用违反与极高价格相关联来防止过度使用资源，或可以使用约束来操纵使用(获得的燃料量)。
鉴于以上，以下描述提供了用于确定优化的路线的示例计算和方案。图2示出了具有AV的多个潜在路线的示例行驶路线示意图200。初始位置C0是AV的当前位置。还示出了多个目的地C1、C2和C3。每个较小的圆形物体示出加燃料选项204A至204G，诸如加油站。在该示例中，计算两个可能路线，即第一路线206和第二路线208。为了确定哪个路线是最佳路线，鉴于行程计划(由车辆加燃料约束告知)对加燃料选项执行评估。确定的是，每个加油站/加燃料选项与一组加燃料选项参数相关联。例如，加燃料选项204A包括加燃料选项标识符G1、怠速/等待时间T1、要添加的燃料Fin、偏移值1和P1，其中P1是上面的最小化函数中引用的示例p(i)值。在这个示例中，P1是在给定的加燃料选项G1处的燃料价格。
如本文所述，可以做出关于是使用移动加燃料选项还是固定位置加燃料选项的决策。在上面的最小化方程中，等待时间wt(i)变量被限定为与等待时间和加燃料时间相关联。因此，这些变量应当与在特定加油站处获得的燃料量和根据示例约束函数wt(i)＝F(i)*ft(i)+G(i)*lt(i)限定的附加的等待时间相关，其中在这个示例中，wt(i)是等待时间和加燃料时间的组合，ft(i)即每单位加燃料时间，并且lt(i)表示偏移，该偏移包括在选定的加燃料选项处获得燃料所花费的时间。对于移动加燃料服务，项lt(i)可能比传统的加油站短得多。而且，可以获得和/或估计(历史或众包)这些变量作为已知参数。
可以使用示例公式，该公式将关于是否在给定的加燃料选项处加燃料的决策与加燃料量还有怠速/等待时间联系在一起。可以使用公式表示这种关系：K*G(i)–fin(i)>＝0，其中K是AV的最大箱大小，并且偏移i被选择为可以是1至7中的任何值。偏移包括当前在AV中的燃料量。确定的是，fin只有在G1取值时才能取值。也就是说，仅在已经决定在给定的加油站处停车的情况下获得的燃料量才是相关的。公式将G(i)和fin(i)联系在一起，使得fin(i)只有在G(i)为1的情况下才取值。可以使用另一个约束来确保放入的燃料不超过AV的最大燃料箱大小。
在另一个示例中，可以使用公式，该公式鉴于AV的最大怠速时间来将关于是否在给定的加燃料选项处加燃料的决策与加燃料量联系在一起。在这个公式中，M*G(i)–T(i)≥0，其中M是AV的最大怠速时间，另外某一偏移i被选择为可以是1至7中的任何值。偏移包括当前在AV中的燃料量。该方法还可以实现另一个约束，其确保不超过最大允许加燃料时间。在一个示例中，AV可以维持三加仑的缓冲体积的燃料。因此，如果需要十加仑来确保AV完成行程计划，那么AV可以获得十三加仑的燃料，以确保在行程计划完成时存在缓冲体积的燃料。一般，这些约束函数用来约束上面公开的最小化方程中表示的目标函数。
如上所述，存在多于一个可能路线。为了清楚和简洁起见，将仅考虑在点C0和C1之间的第一路线206和第二路线208来描述可选路线选择的各方面。确定的是，本文公开的逻辑可以等同地用于评估沿着更复杂的路径延伸的更复杂的潜在路线。
一般地，从C0到C1有四个可能路线，因为G1和G2是进行加燃料的唯一可能停车点。第一选项包括不停下来加燃料：XC0C1；在G1处停下来加燃料：XC0G1C1；在G2处停下来加燃料：XC0G2C1；以及在G1和G2处停下来加燃料：XC0G1G2C1。
一般，选项的和XC0C1+XC0G1C1+XC0G2C1+XC0G1G2C1＝1。可以使用表1和以下公式：1≥2*XC0C1+G1+G2≤2；以及XC0C1与G1和G2之间的联系来计算路线替代方案。当XC0C1为0时，必须选择G1或G2中的至少一个。当XC0C1为1时，G1或G2两者都必须为0。
Figure BDA0002298247310000121
表1
Figure BDA0002298247310000131
表2
而且，使用表2和以下公式进一步分析路线替代方案：-1≥2*XC0G1G2C1-(G1+G2)≤0，其中产生XC0G1G2C1与G1和G2的联系。在这个示例中，当XC0G1G2C1为0时，G1或G2不能同时地取值1。而且，当XC0G1G2C1为1时，G1或G2两者都等于1。通过所建立的上述内容，可以确定XC0G1C1–G1≤0；XC0G1C1+G1+G2≤2；XC0G2C1–G2≤0；以及XC0G2C1+G1+G2≤2。
可以使用X来执行另一个示例计算，以限定当到达目的地时的所需燃料水平，在这个情况下，所需燃料水平为C1。因此，代替最大化成本，对算法进行调谐，以确保当完成行程计划(或到达行程计划的目的地)时实现所需燃料水平(诸如缓冲燃料水平或体积)。在这个示例中，限定以下变量：Flvl(C0)：在开始时在C0处的燃料水平；以及Flvl_剩余(C1)：到达C1时的所需燃料水平。XC0C1、XC0G1C1、XC0G1G2C1、XC0G2C1是二进制变量，指示AV如何从C0移动到C1和是否发生加燃料。FC(C0C1)、FC(C0G1C1)、FC(C0G1G2C1)、FC(C0G2C1)是每个可能路线的燃料消耗值。
在所有四种可能场景下，在C1处的燃料水平包括：XC0C1＝1：Fl vl(C1)＝Flvl(C0)-FC(C0C1)；XC0G1C1＝1：Flvl(C1)＝Flvl(C0)-FC(C0G1C1)+Fin1；XC0G2C1＝1：Flvl(C1)＝Flvl(C0)-FC(C0G2C1)+Fin2；以及XC0G1G2C1＝1：Flvl(C1)＝Flvl(C0)-FC(C0G1G2C1)+Fin1+Fin2。因此，在Flv l(C1)处的预期燃料水平被限定为：XC0C1*Flvl_剩余(XC0C1)+XC0G1C1*Flvl_剩余(XC0G1C1)+XC0G2C1*Flvl_剩余(XC0G21C1)+XC0G1G2C1*Flvl_剩余(XC0G1G2C1)≥Flvl_剩余(C1)。
因此，可以最佳地选择路线，从而不仅确保找到最低燃料获取成本，而且可以利用其他目标，诸如确保在行程完成之后仍保留缓冲水平的燃料等。
图3是本公开的方法的示例流程图。该方法包括估计行程计划的步骤302，该行程计划包括车辆的一个或多个目的地。例如，这可以包括评估车辆的当前位置以及车辆中的乘客的接载和下车目的地。
一旦解析和分析行程计划，该方法包括基于行程计划而计算多个潜在路线的步骤304。这可以包括计算各种路线，如果遵循这些路线，那么导致车辆通过不同交通路线(例如，参见图2)到达给定目的地。确定的是，多个潜在路线中的至少一部分包括沿着车辆的建议行驶路径的加燃料选项。同样，加燃料选项中的一个可以包括移动燃料递送服务，当剩余加燃料选项不是可行的选项但必需要加燃料时，就会选择该移动加燃料服务。在一些实施例中，如果沿最直接的路线不可用加燃料选项，那么可以基于加燃料选项的位置而不是使用最直接的路线来指导路线的选择。
为了确定多个潜在路线中的哪个是最佳的，该方法可以包括应用一个或多个车辆加燃料约束的步骤306。在一些实施例中，车辆加燃料约束包括以下任一者或多者：车辆的燃料消耗率、车辆的基于行程计划的怠速时间、车辆的燃料箱大小(K)，以及车辆的储备燃料水平。
在一些实施例中，相对于优化目标来评估车辆加燃料约束。例如，优化目标可以包括在完成行程计划时确保最低可能燃料获取成本。总之，行程计划在以最便宜的可能成本加注燃料时完成，该最便宜的可能成本可以包括购买廉价的燃料、在一个加燃料选项处只购买有限量的燃料而然后在出售便宜的燃料的另一个加燃料选项处购买更多的燃料。同样，这可能会受到行程计划中提供的时间范围约束。行程计划还可以提供其中加燃料有利的指示的时间范围。例如，在乘客行程或其他怠速时间之间的间隙可以用来加燃料，而不对总体盈利率造成大的影响。在另一个示例实施例中，优化目标可以包括确保在完成行程时车辆中存在缓冲水平的燃料。在其他实施例中，可以实现多个优化目标。总之，步骤306包括应用一个或多个车辆加燃料约束，该车辆加燃料约束将与根据优化目标配置的目标函数一起使用。
接下来，该方法包括使用一个或多个车辆加燃料约束从车辆的多个潜在路线中选择优化的路线的步骤308。在各种实施例中，使用包括各种约束、条件和变量(诸如二进制变量和连续变量)的目标函数来计算优化的路线。该步骤可以包括以优化的路线对车辆的控制和导航单元进行编程或重新编程。
在选择时，使用目标函数来执行优化的路线，该目标函数估计以下的组合：(a)是否在多个加燃料选项中的选定加燃料选项G(i)处获得燃料；(b)在选定加燃料选项处获得多少燃料F(i)；(c)多个潜在路线中的与选定加燃料选项相关联的潜在路线j；以及(d)对一个或多个目的地中的至少一个的选择I(k)。将理解，a至d中的每一个与正成本或负成本相关联，并且目标函数基于每个正成本或负成本而利用a至d来最大化盈利。在一些实施例中，该方法包括使用优化的路线来完成行程计划的步骤310。
如本文所述，该方法可以包括通过比较过程来过滤加燃料选项的任选过程。该比较评估以下任一个：距行程计划的一个或多个目的地的距离、加燃料选项的燃料的燃料价格，和/或在加燃料选项处的燃料的燃料类型。将这些值与行程计划和一个或多个车辆加燃料约束进行比较。确定的是，自动地移除多个加燃料选项中的不对应于行程计划或一个或多个车辆加燃料约束的任一个。
在一些实施例中，加燃料选项各自由加燃料选项参数限定，该加燃料选项参数包括以下至少一者：燃料价格、燃料类型、获得燃料的等待时间，或车辆与选定的加燃料选项之间的距离。在一个或多个实施例中，加燃料选项参数是实时地定位的，从而允许实时地选择优化的路线。
如上所述，可以基于对超驰条件的检测来选择优化的路线。超驰条件包括表明乘坐者将支付燃料附加费的指示。因此，如果优化目标是成本节省，那么在乘坐者愿意为乘车服务支付附加费来以抵消因完成行程而损失的成本节省的情况下，这个指示可以超驰该过程。
图4示出了示例方法的另一个流程图。一般，该方法包括评估行程计划的步骤402，该行程计划包括自主车辆的一个或多个目的地。将理解，行程计划要求自主车辆在一个或多个目的地之间至少一次获得燃料。
接下来，该方法包括使用一个或多个车辆加燃料约束生成自主车辆的优化的路线的步骤404。优化的路线包括对多个加燃料选项中的至少一个加燃料选项的选择，以及从该至少一个加燃料选项获得的燃料量。还将理解，优化的路线被构建为允许自主车辆以最低可能燃料获取成本来完成行程计划。在一个或多个实施例中，当选择优化的路线时，该方法包括以优化的路线来更新自主车辆的导航系统的步骤406。
在一个或多个实施例中，该方法可以包括将消息传输到与选定的加燃料选项(例如，加油站)相关联的燃料泵预留服务的步骤408。该消息包括在基于自主车辆的行程计划而选择的时隙预留燃料泵。
示例实施例
示例1可以包括一种方法，所述方法包括：确定第一行程计划，所述第一行程计划包括车辆的一个或多个目的地；基于所述第一行程计划而确定多个潜在路线，其中所述多个潜在路线中的至少一部分包括沿着所述车辆的建议的行驶路径的加燃料选项；确定目标函数，所述目标函数包括一个或多个车辆加燃料约束，所述一个或多个车辆加燃料约束包括所述车辆的燃料消耗率、所述车辆的基于所述行程计划的怠速时间、所述车辆的燃料箱大小(K)和所述车辆的储备燃料水平中的任一者或多者；使用所述目标函数从所述车辆的所述多个潜在路线中选择优化的路线；以及基于所述第一行程计划和所述优化的路线而确定第二行程计划。
示例2可以包括根据示例1的方法，所述方法还包括通过将以下任一者与所述行程计划和所述一个或多个车辆加燃料约束进行比较来过滤所述加燃料选项：距所述行程计划的所述一个或多个目的地的距离；所述加燃料选项的燃料的燃料价格；或者在所述加燃料选项处的所述燃料的燃料类型，其中自动地移除多个加燃料选项中的不对应于所述行程计划或所述一个或多个车辆加燃料约束的任一个。
示例3可以包括根据示例1和/或本文一些其他示例的方法，其中所述加燃料选项中的第一加燃料选项包括以下至少一者：燃料价格、燃料类型、获得燃料的等待时间，或所述车辆与所述选定的加燃料选项之间的距离。
示例4可以包括根据示例3和/或本文一些其他示例的方法，所述方法还包括实时地获得所述加燃料选项参数。
示例5可以包括根据示例1和/或本文一些其他示例的方法，所述方法还包括基于所述一个或多个车辆加燃料约束而过滤所述加燃料选项。
示例6可以包括根据示例1和/或本文一些其他示例的方法，其中所述一个或多个目的地中的每一个与到达时间相关联。
示例7可以包括根据示例1的和/或本文一些其他示例的方法，其中所述加燃料选项中的一个包括移动燃料递送服务，当剩余加燃料选项不符合所述一个或多个车辆加燃料约束时，选择所述移动燃料递送服务。
示例8可以包括根据示例1和/或本文一些其他示例的方法，其中选择所述优化的路线包括检测超驰条件，所述超驰条件包括乘坐者将支付燃料附加费的指示。
示例9可以包括根据示例1和/或本文一些其他示例的方法，其中所述目标函数评估：(a)是否在所述多个加燃料选项中的选定的加燃料选项G(i)处获得所述燃料；(b)在所述选定的加燃料选项处获得多少所述燃料F(i)；(c)所述多个潜在路线中的与所述选定的加燃料选项相关联的潜在路线j；以及(d)对所述一个或多个目的地中的至少一个的选择I(k)；并且其中a至d中的每一个与正成本或负成本相关联，并且所述目标函数基于每个正成本或负成本而利用a至d来最大化盈利。
示例10可以包括根据示例9和/或本文一些其他示例的方法，其中当使用所述车辆的所述燃料箱大小(K)时，根据K*G(i)–Fin(i)≥0对所述目标函数进行约束。
示例11可以包括根据示例10和/或本文一些其他示例的方法，其中根据Wt(i)＝F(i)*ft(i)+G(i)*lt(i)对所述目标函数进行进一步约束，其中Wt(i)是等待时间和加燃料时间的组合，ft(i)即每单位加燃料时间，其中lt(i)表示偏移，所述偏移包括在所述选定的加燃料选项处获得燃料所花费的时间。
示例12可以包括根据示例11和/或本文一些其他示例的方法，其中从众包资源获得ft(i)和lt(i)。
示例13可以包括根据示例11和/或本文一些其他示例的方法，其中相对于箱大小K或最大怠速时间T(i)中的至少一者来确定关于是否在所述选定的加燃料选项处补给燃料的确定。
示例14可以包括一种自主车辆，所述自主车辆包括：控制和导航单元，所述控制和导航单元被配置为：评估行程计划，所述行程计划包括自主车辆的一个或多个目的地，所述行程计划要求所述自主车辆使用至少一个加燃料选项在所述一个或多个目的地之间至少一次获得燃料；使用一个或多个车辆加燃料约束来选择所述至少一个加燃料选项和从所述至少一个加燃料选项获得的所述燃料的量以选择所述自主车辆的优化的路线，所述优化的路线被选择以便允许所述自主车辆以最低可能燃料获取成本来完成所述行程计划；以及使用所述优化的路线来完成所述行程计划。
示例15可以包括根据示例14的自主车辆，其中所述一个或多个车辆加燃料约束包括基于所述行程计划的自主车辆怠速时间和在所述至少一个加燃料选项处获得所述燃料的等待时间。
示例16可以包括根据示例14和/或本文一些其他示例的自主车辆，其中所述控制和导航单元还被配置为当乘坐者愿意支付燃料附加费时，超驰所述优化的路线。
示例17可以包括一种方法，所述方法包括：评估行程计划，所述行程计划包括自主车辆的一个或多个目的地，所述行程计划要求所述自主车辆在所述一个或多个目的地之间至少一次获得燃料；使用一个或多个车辆加燃料约束来生成所述自主车辆的优化的路线，所述优化的路线包括对多个加燃料选项中的至少一个加燃料选项的选择和从所述至少一个加燃料选项获得的所述燃料的量，所述优化的路线被构建为允许所述自主车辆以最低可能燃料获取成本来完成所述行程计划；以及用所述优化的路线来更新所述自主车辆的导航系统。
示例18可以包括根据示例17的方法，所述方法还包括基于以下任一个而过滤多个加燃料选项：距所述行程计划的所述一个或多个目的地的距离；所述多个加燃料选项的所述燃料的燃料价格；和/或在所述多个加燃料选项处的所述燃料的燃料类型，其中自动地移除不对应于所述行程计划或所述一个或多个车辆加燃料约束的所述多个加燃料选项。
示例19可以包括根据示例18和/或本文一些其他示例的方法，其中所述多个加燃料选项各自由包括以下至少一者的加燃料选项参数限定：燃料价格、燃料类型、获得燃料的等待时间，或所述自主车辆与加燃料位置之间的距离。
示例20可以包括根据示例19和/或本文一些其他示例的方法，所述方法还包括基于如所述行程计划中限定的所述自主车辆的到达时间而预留所述至少一个加燃料选项处的燃料泵。
在以上公开中，参考附图，附图形成本公开的一部分，并且示出其中可以实践本公开的具体实现方式。应当理解，可以利用其他实现方式，并且在不脱离本公开的范围的情况下，可以做出结构改变。本说明书中对“一个实施例”、“实施例”、“示例实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但是每一个实施例可能不一定包括该特定特征、结构或特性。此外，此类短语不一定是指同一个实施例。另外，当结合实施例描述特定特征、结构或特性时，无论是否明确地描述，本领域的技术人员将结合其他实施例认识到此类特征、结构或特性。
本文公开的系统、设备、装置和方法的实现方式可以包括或利用专用或通用计算机，该专用或通用计算机包括计算机硬件，诸如像一个或多个处理器和系统存储器，如本文所讨论。在本公开的范围内的实现方式还可以包括用于携载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这种计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。携载计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实现方式可以包括至少两个截然不同种类的计算机可读介质：计算机存储介质(装置)和传输介质。
计算机存储介质(装置)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(SSD)(例如，基于RAM)、快闪存储器、相变存储器(PCM)、其他类型的存储器、其他光盘存储、磁盘存储或其他磁性存储装置、或可以用于存储呈计算机可执行指令或数据结构的形式的期望的程序代码手段并可由通用或专用计算机访问的任何其他介质。
本文公开的装置、系统和方法的实现方式可以通过计算机网络进行通信。“网络”被定义为支持在计算机系统和/或模块和/或其他电子装置之间传输电子数据的一个或多个数据链路。当通过网络或另一种通信连接(硬连线、无线或硬连线或无线的任何组合)向计算机传递或提供信息时，计算机适当地将连接视作为传输介质。传输介质可以包括网络和/或数据链路，其可以用于携带呈计算机可执行指令或数据结构的形式的期望的程序代码手段并可以由通用或专用计算机访问。上述的组合也应当包括在计算机可读介质的范围内。
计算机可执行指令包括例如在处理器中执行时使通用计算机、专用计算机或专用处理装置执行特定功能或功能组的指令和数据。计算机可执行指令可以是例如二进制代码、中间格式指令(诸如汇编语言)或甚至源代码。尽管已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应当理解，所附权利要求中限定的主题不一定限于上面描述的所述的特征或动作。相反，所述的特征和动作被公开为实现权利要求的示例形式。
本领域的技术人员将了解，本公开可以在具有许多类型的计算机系统配置的网络计算环境中实践，该计算机系统配置包括内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器的或可编程的消费电子设备、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、寻呼机、路由器、交换机、各种存储装置等。本公开还可以在分布式系统环境中实践，其中通过网络链接(通过硬连线数据链路、无线数据链路或通过硬连线和无线数据链路的组合)的本地和远程计算机系统两者都执行任务。在分布式系统环境中，程序模块可以位于本地和远程存储器存储装置两者中。
另外，在适当的情况下，本文描述的功能可以在以下一个或多个中执行：硬件、软件、固件、数字部件或模拟部件。例如，一个或多个专用集成电路(ASIC)可以被编程为执行本文所述的系统和程序中的一个或多个。贯穿说明书和权利要求使用某些术语以指代特定系统部件。如本领域的技术人员将了解，可以用不同的名称来指称部件。本文件不旨在区分名称不同但功能相同的部件。
应当注意，上面讨论的传感器实施例可以包括计算机硬件、软件、固件或其任何组合，以执行其功能的至少一部分。例如，传感器可以包括被配置为在一个或多个处理器中执行的计算机代码，并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在本文中是出于说明目的而提供，而不旨在是限制性的。如相关领域的技术人员将知道，本公开的实施例可以在另外的类型的装置中实现。
本公开的至少一些实施例已经涉及计算机程序产品，其包括存储在任何计算机可用介质上的这种逻辑(例如，以软件的形式)。这种软件在一个或多个数据处理装置中执行时致使装置如本文所述的那样操作。
虽然已经在上面描述了本公开的各种实施例，但是应当理解，这些实施例仅通过示例而非限制的方式呈现。对于相关领域的技术人员将显而意见的是，在不脱离本公开的精神和范围的情况下，可以作出在形式和细节上的各种改变。因此，本公开的广度和范围不应受上述示例性实施例中的任一个限制，而是应仅根据以下权利要求及其等效物来限定。已经出于说明和描述目的而呈现了前述描述。不旨在穷举或将本公开限制为所公开的精确形式。鉴于上面的教导，许多修改和变化是可能的。另外，应当注意，任何或所有上述可选实现方式可以以期望的任何组合使用来形成本公开的附加混合实现方式。例如，相对于特定装置或部件描述的任何功能可以通过另一个装置或部件来执行。另外，虽然已经描述具体装置特性，但是本公开的实施例可以涉及许多其他装置特性。另外，尽管已经用结构特征和/或方法动作特定的语言描述了实施例，但是应当理解，本公开不一定限于所描述的具体特征或动作。而是，将具体特征和动作公开为实现实施例的说明性形式。除非另外具体地说明，或者在所用的上下文内另外理解，否则诸如“能够”、“可以”、“可能”或“可”等条件语言一般旨在表达尽管其他实施例可能不包括，但是某些实施例可以包括某些特征、元件和/或步骤。因此，这种条件语言一般不旨在暗示特征、元件和/或步骤无论如何都是一个或多个实施例所要求的。
根据本发明，一种方法包括：确定第一行程计划，所述第一行程计划包括车辆的一个或多个目的地；基于所述第一行程计划而确定多个潜在路线，其中所述多个潜在路线中的至少一部分包括沿着所述车辆的建议的行驶路径的加燃料选项；确定目标函数，所述目标函数包括一个或多个车辆加燃料约束，所述一个或多个车辆加燃料约束包括所述车辆的燃料消耗率、所述车辆的基于所述行程计划的怠速时间、所述车辆的燃料箱大小(K)和所述车辆的储备燃料水平中的任一者或多者；使用所述目标函数从所述车辆的所述多个潜在路线中选择优化的路线；以及基于所述第一行程计划和所述优化的路线而确定第二行程计划。
根据一个实施例，以上发明的特征还在于，通过将以下任一者与所述行程计划和所述一个或多个车辆加燃料约束进行比较来过滤所述加燃料选项：距所述行程计划的所述一个或多个目的地的距离；所述加燃料选项的燃料的燃料价格；或者在所述加燃料选项处的所述燃料的燃料类型，其中自动地移除多个加燃料选项中的不对应于所述行程计划或所述一个或多个车辆加燃料约束的任一个。
根据一个实施例，所述加燃料选项中的第一加燃料选项包括以下至少一者：燃料价格、燃料类型、获得燃料的等待时间，或所述车辆与所述选定的加燃料选项之间的距离。
根据一个实施例，以上发明的特征还在于，实时地获得所述加燃料选项参数。
根据一个实施例，以上发明的特征还在于，基于所述一个或多个车辆加燃料约束而过滤所述加燃料选项。
根据一个实施例，所述一个或多个目的地中的每一个与到达时间相关联。
根据一个实施例，所述加燃料选项中的一个包括移动燃料递送服务，当剩余加燃料选项不符合所述一个或多个车辆加燃料约束时，选择所述移动燃料递送服务。
根据一个实施例，选择所述优化的路线包括检测超驰条件，所述超驰条件包括乘坐者将支付燃料附加费的指示。
根据一个实施例，所述目标函数评估：(a)是否在所述多个加燃料选项中的选定的加燃料选项G(i)处获得所述燃料；(b)在所述选定的加燃料选项处获得多少所述燃料F(i)；(c)所述多个潜在路线中的与所述选定的加燃料选项相关联的潜在路线j；以及对所述一个或多个目的地中的至少一个的选择I(k)；并且其中a至d中的每一个与正成本或负成本相关联，并且所述目标函数基于每个正成本或负成本而利用a至d来最大化盈利。
根据一个实施例，当使用所述车辆的所述燃料箱大小(K)时，根据K*G(i)–Fin(i)≥0对所述目标函数进行约束。
根据一个实施例，根据Wt(i)＝F(i)*ft(i)+G(i)*lt(i)对所述目标函数进行进一步约束，其中Wt(i)是等待时间和加燃料时间的组合，ft(i)即每单位加燃料时间，其中lt(i)表示偏移，所述偏移包括在所述选定的加燃料选项处获得燃料所花费的时间。
根据一个实施例，从众包资源获得ft(i)和lt(i)。
根据一个实施例，相对于箱大小K或最大怠速时间T(i)中的至少一者来确定关于是否在所述选定的加燃料选项处补给燃料的确定。
根据本发明，一种自主车辆包括：控制和导航单元，所述控制和导航单元被配置为：评估行程计划，所述行程计划包括自主车辆的一个或多个目的地，所述行程计划要求所述自主车辆使用至少一个加燃料选项在所述一个或多个目的地之间至少一次获得燃料；使用一个或多个车辆加燃料约束来选择所述至少一个加燃料选项和从所述至少一个加燃料选项获得的所述燃料的量以选择所述自主车辆的优化的路线，所述优化的路线被选择以便允许所述自主车辆以最低可能燃料获取成本来完成所述行程计划；以及使用所述优化的路线来完成所述行程计划。
根据一个实施例，所述一个或多个车辆加燃料约束包括基于所述行程计划的自主车辆怠速时间和在所述至少一个加燃料选项处获得所述燃料的等待时间。
根据一个实施例，所述控制和导航单元还被配置为当乘坐者愿意支付燃料附加费时，超驰所述优化的路线。
根据本发明，一种方法包括：评估行程计划，所述行程计划包括自主车辆的一个或多个目的地，所述行程计划要求所述自主车辆在所述一个或多个目的地之间至少一次获得燃料；使用一个或多个车辆加燃料约束来生成所述自主车辆的优化的路线，所述优化的路线包括对多个加燃料选项中的至少一个加燃料选项的选择和从所述至少一个加燃料选项获得的所述燃料的量，所述优化的路线被构建为允许所述自主车辆以最低可能燃料获取成本来完成所述行程计划；以及用所述优化的路线来更新所述自主车辆的导航系统。
根据一个实施例，以上发明的特征还在于，基于以下任一个而过滤多个加燃料选项：距所述行程计划的所述一个或多个目的地的距离；所述多个加燃料选项的所述燃料的燃料价格；和/或在所述多个加燃料选项处的所述燃料的燃料类型，其中自动地移除不对应于所述行程计划或所述一个或多个车辆加燃料约束的所述多个加燃料选项。
根据一个实施例，所述多个加燃料选项各自由包括以下至少一者的加燃料选项参数限定：燃料价格、燃料类型、获得燃料的等待时间，或所述自主车辆与加燃料位置之间的距离。
根据一个实施例，以上发明的特征还在于，基于如所述行程计划中定义的所述自主车辆的到达时间而预留所述至少一个加燃料选项处的燃料泵。

Claims (15)

1.一种方法，所述方法包括：
确定第一行程计划，所述第一行程计划包括车辆的一个或多个目的地；
基于所述第一行程计划而确定多个潜在路线，其中所述多个潜在路线中的至少一部分包括沿着所述车辆的建议的行驶路径的加燃料选项；
确定目标函数，所述目标函数包括一个或多个车辆加燃料约束，所述一个或多个车辆加燃料约束包括所述车辆的燃料消耗率、所述车辆的基于所述行程计划的怠速时间、所述车辆的燃料箱大小(K)和所述车辆的储备燃料水平中的任一者或多者；
使用所述目标函数从所述车辆的所述多个潜在路线中选择优化的路线；以及
基于所述第一行程计划和所述优化的路线而确定第二行程计划。
2.根据权利要求1所述的方法，所述方法还包括通过将以下任一者与所述行程计划和所述一个或多个车辆加燃料约束进行比较来过滤所述加燃料选项：
距所述行程计划的所述一个或多个目的地的距离；
所述加燃料选项的燃料的燃料价格；或者
在所述加燃料选项处的所述燃料的燃料类型，
其中自动地移除所述多个加燃料选项中的不对应于所述行程计划或所述一个或多个车辆加燃料约束的任一个。
3.根据权利要求1所述的方法，其中所述加燃料选项中的第一加燃料选项包括以下至少一者：燃料价格、燃料类型、获得燃料的等待时间，或所述车辆与选定的加燃料选项之间的距离。
4.根据权利要求3所述的方法，所述方法还包括实时地获得所述加燃料选项参数。
5.根据权利要求1所述的方法，所述方法还包括基于所述一个或多个车辆加燃料约束而过滤所述加燃料选项。
6.根据权利要求1所述的方法，其中所述一个或多个目的地中的每一个与到达时间相关联。
7.根据权利要求1所述的方法，其中所述加燃料选项中的一个包括移动燃料递送服务，当剩余加燃料选项不符合所述一个或多个车辆加燃料约束时，选择所述移动燃料递送服务。
8.根据权利要求1所述的方法，其中选择所述优化的路线包括检测超驰条件，所述超驰条件包括乘坐者将支付燃料附加费的指示。
9.根据权利要求1所述的方法，其中所述目标函数评估：
(a)是否在所述多个加燃料选项中的所述选定的加燃料选项G(i)处获得所述燃料；
(b)在所述选定的加燃料选项处获得多少所述燃料F(i)；
(c)所述多个潜在路线中的与所述选定的加燃料选项相关联的潜在路线j；以及
(d)对所述一个或多个目的地中的至少一个的选择I(k)；并且
其中a至d中的每一个与正成本或负成本相关联，并且所述目标函数基于每个正成本或负成本而利用a至d来最大化盈利。
10.根据权利要求9所述的方法，其中当使用所述车辆的所述燃料箱大小(K)时，根据K*G(i)–Fin(i)≥0对所述目标函数进行约束。
11.根据权利要求10所述的方法，其中根据Wt(i)＝F(i)*ft(i)+G(i)*lt(i)对所述目标函数进行进一步约束，其中Wt(i)是等待时间和加燃料时间的组合，ft(i)即每单位加燃料时间，其中lt(i)表示偏移，所述偏移包括在所述选定的加燃料选项处获得燃料所花费的时间。
12.根据权利要求11所述的方法，其中从众包资源获得ft(i)和lt(i)。
13.根据权利要求11所述的方法，其中相对于箱大小K或最大怠速时间T(i)中的至少一者来确定关于是否在所述选定的加燃料选项处补给燃料的确定。
14.一种自主车辆，所述自主车辆包括：
控制和导航单元，所述控制和导航单元被配置为：
评估行程计划，所述行程计划包括自主车辆的一个或多个目的地，所述行程计划要求所述自主车辆使用至少一个加燃料选项在所述一个或多个目的地之间至少一次获得燃料；
使用一个或多个车辆加燃料约束来选择所述至少一个加燃料选项和从所述至少一个加燃料选项获得的所述燃料的量以选择所述自主车辆的优化的路线，所述优化的路线被选择以便允许所述自主车辆以最低可能燃料获取成本来完成所述行程计划；以及
使用所述优化的路线来完成所述行程计划。
15.根据权利要求14所述的自主车辆，其中所述一个或多个车辆加燃料约束包括基于所述行程计划的自主车辆怠速时间和在所述至少一个加燃料选项处获得所述燃料的等待时间。
CN201911211446.8A 2018-12-03 2019-12-02 对自主车辆的机会性加燃料 Pending CN111256715A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/207,294 US11060877B2 (en) 2018-12-03 2018-12-03 Opportunistic fueling for autonomous vehicles
US16/207,294 2018-12-03

Publications (1)

Publication Number Publication Date
CN111256715A true CN111256715A (zh) 2020-06-09

Family

ID=70681490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911211446.8A Pending CN111256715A (zh) 2018-12-03 2019-12-02 对自主车辆的机会性加燃料

Country Status (3)

Country Link
US (1) US11060877B2 (zh)
CN (1) CN111256715A (zh)
DE (1) DE102019132735A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11402222B2 (en) * 2019-02-25 2022-08-02 Verizon Patent And Licensing Inc. Route determination based on fuel stops and waypoints that are part of route restrictions
WO2020235478A1 (ja) * 2019-05-20 2020-11-26 パナソニックＩｐマネジメント株式会社 情報処理方法及び情報処理システム
JP7367665B2 (ja) * 2020-12-17 2023-10-24 トヨタ自動車株式会社 情報処理装置、情報処理システム、およびプログラム
US20220270013A1 (en) * 2021-02-19 2022-08-25 Rishabh Sood Systems and methods for allocating vehicles to ride requests
JP2023018846A (ja) * 2021-07-28 2023-02-09 トヨタ自動車株式会社 運行システム、運行方法、および運行プログラム
US11904906B2 (en) * 2021-08-05 2024-02-20 Argo AI, LLC Systems and methods for prediction of a jaywalker trajectory through an intersection
DE102021004201A1 (de) 2021-08-17 2021-09-30 Daimler Ag Verfahren zur Ermittlung geeigneter Lade- oder Tankstellen für autonom fahrende Fahrzeuge

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6484088B1 (en) 1999-05-04 2002-11-19 Ssi Technologies, Inc. Fuel optimization system with improved fuel level sensor
US20070290039A1 (en) 2006-06-20 2007-12-20 Lucent Technologies Inc. Method and apparatus for in vehicle low price fuel finder
US9671241B2 (en) * 2009-02-03 2017-06-06 Telenav, Inc. Navigation system having route customization mechanism and method of operation thereof
US20120191517A1 (en) * 2010-12-15 2012-07-26 Daffin Jr Mack Paul Prepaid virtual card
US9958272B2 (en) * 2012-08-10 2018-05-01 Telogis, Inc. Real-time computation of vehicle service routes
US9234766B2 (en) 2013-12-03 2016-01-12 International Business Machines Corporation Fuel purchase planning along a route
US9880013B2 (en) * 2014-08-01 2018-01-30 Ford Global Technologies, Llc Method and system for vehicle refueling
US10101171B2 (en) * 2014-09-26 2018-10-16 International Business Machines Corporation Generating an optimal refueling plan for road vehicles
US10748230B2 (en) * 2015-04-01 2020-08-18 Booster Fuels, Inc. Delivery of fuel to vehicles
US9792575B2 (en) * 2016-03-11 2017-10-17 Route4Me, Inc. Complex dynamic route sequencing for multi-vehicle fleets using traffic and real-world constraints
US10046962B2 (en) * 2016-06-21 2018-08-14 Hall Labs Llc Mobile vehicle refueling system
US9909889B2 (en) * 2016-06-21 2018-03-06 David R. Hall Mobile vehicle refueling method
US10260893B2 (en) * 2016-09-22 2019-04-16 Trimble Inc. System for integrating hours of service (HOS) with a vehicle's navigation system
US10802490B2 (en) * 2016-10-14 2020-10-13 Toyota Motor Engineering & Manufacturing North America, Inc. On-the-fly autonomous vehicle refueling and recharging
US10243867B2 (en) 2016-10-28 2019-03-26 Uber Technologies, Inc. Vehicle security system
WO2018087550A2 (en) * 2016-11-09 2018-05-17 Inventive Cogs (Campbell) Limited Vehicle route guidance
WO2018217640A1 (en) * 2017-05-22 2018-11-29 Via Transporation, Inc. Systems and methods for managing ridesharing vehicles
US10710633B2 (en) * 2017-07-14 2020-07-14 Nio Usa, Inc. Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles
WO2019023324A1 (en) * 2017-07-26 2019-01-31 Via Transportation, Inc. SYSTEMS AND METHODS FOR MANAGING AND ROUTING COOPERATING VEHICLES
DE102017215792B4 (de) * 2017-09-07 2020-06-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Routenplanung für ein Fahrzeug
US10809733B2 (en) * 2018-10-16 2020-10-20 GM Global Technology Operations LLC Intelligent motor vehicles, systems, and control logic for driver behavior coaching and on-demand mobile charging
US11117475B2 (en) * 2018-10-22 2021-09-14 Woven Planet North America, Inc. Systems and methods for efficient vehicle control

Also Published As

Publication number Publication date
DE102019132735A1 (de) 2020-06-04
US20200173800A1 (en) 2020-06-04
US11060877B2 (en) 2021-07-13

Similar Documents

Publication Publication Date Title
CN111256715A (zh) 对自主车辆的机会性加燃料
US11650066B2 (en) Systems and methods for variable energy routing and tracking
US20210248555A1 (en) Systems for routing and controlling vehicles for freight
US9739624B2 (en) Vehicle power management utilizing operator schedule data
Adler et al. Online routing and battery reservations for electric vehicles with swappable batteries
EP3631707A1 (en) Systems and methods for managing ridesharing vehicles
EP3702202B1 (en) Method and system to optimize distributed charging station efficiency and user experience
JP7008802B2 (ja) 配車管理装置及び配車管理方法
JP6603995B2 (ja) サーバ装置およびサービス提供方法
CN109155015A (zh) 用于按需燃料运送的方法和设备
JP2016143246A (ja) 消費電力量予測装置、消費電力量予測方法、サーバ装置
JP2012184974A (ja) 駐車位置案内システム
JP6428190B2 (ja) 共用車両管理装置及び共用車両管理方法
AU2018217973A1 (en) Dynamic selection of geo-based service options in a network system
US20230086061A1 (en) Dynamic event-triggered updates for network-based services
JP2010086123A (ja) 専有対象物管理システム
US10635764B2 (en) Method and device for providing vehicle navigation simulation environment
US20230042632A1 (en) Dynamic scheduling of driver breaks in a ride-sharing service
Csehi et al. Truck routing and scheduling
US20240104491A1 (en) Auto-Constraint Generation for the Optimization of Planned Pickups and Deliveries
EP4367611A1 (en) Dynamic scheduling of driver breaks in a ride-sharing service
WO2024028644A1 (en) Dynamic scheduling of driver breaks in a ride-sharing service
Lopez-Pires et al. City government perspectives for multi-objective urban goods movement
CN118037171A (zh) 一种物流车的分油管理方法、系统及设备
JP2010086122A (ja) 専有対象物管理システム

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