CN111448379A - 智能车辆引擎关闭 - Google Patents

Abstract

提供了一种引擎控制系统(1200)。该引擎控制系统(1200)包括：第一传感器组(1202)中的一个或多个传感器；第二传感器组(1204)中的一个或多个传感器；一个或多个处理器(1206)，其中该处理器(1206)被配置成用于：至少基于来自第一传感器组(1202)的数据来确定对一个或多个关闭控制标准(1106)的满足；至少基于来自第二传感器组(1204)的数据来确定下一次加速的时间间隔(1102)；并且用于在既满足一个或多个关闭控制标准(1106)并且所确定的下一次加速的时间间隔(1102)又大于预定阈值(1104)时根据第一操作模式(1108)控制车辆；并且用于在不满足一个或多个关闭控制标准(1106)或者所确定的下一次加速的时间间隔(1102)小于预定阈值(1104)时根据第二操作模式(1110)控制车辆。

Description

智能车辆引擎关闭

技术领域

本公开的各个方面总体上涉及对车辆引擎关闭功能的控制。

背景技术

许多机动车辆配备有自动引擎关闭功能，这使得引擎在各种车辆状况被满足时关闭。此类车辆状况的已知构造是制动踏板压下、零车速、不活动车辆压缩器、以及预定阈值内的引擎温度的组合。根据理论，该功能通过标识引擎可被安全地关掉而不需要中断操作的情况而准许更好的燃料经济性，从而允许改善燃料经济性。然而，在使用中，已知引擎关闭功能在甚至非常短暂的时间段或不建议关闭引擎的情况下也会关断引擎。此类频繁的、短暂的关闭可能会减小燃料效率，并可能增加车辆的磨损。此外，重复的短暂的引擎关闭与驾驶员的不满意度相关联。

发明内容

本文公开了一种引擎控制系统，该引擎控制系统包括：第一传感器组中的一个或多个传感器；第二传感器组中的一个或多个传感器；一个或多个处理器，该一个或多个处理器被配置成用于：至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；并且用于在满足一个或多个关闭控制标准以及所确定的下一次加速的时间间隔大于预定阈值两者时根据第一操作模式控制车辆；并且用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时根据第二操作模式控制车辆。

附图说明

贯穿附图，应注意，相同的附图标记用于描绘相同或相似的要素、特征和结构。这些附图不一定按比例绘制，而是一般着重于说明本公开的多个方面。在以下描述中，参照下面的附图描述本公开的一些方面，其中：

图1示出了引擎关闭的已知操作。

图2示出了根据本公开的一方面的引擎关闭的操作；

图3示出了根据本公开的另一方面的引擎关闭的操作；

图4示出了对关闭操作中的交通拥堵的考虑；

图5示出了根据本公开的另一方面的关闭操作中的交通拥堵的考虑；

图6示出了所确定的加速大于预定阈值的时段；

图7示出了对关闭操作中的交通灯定时器的考虑；

图8示出了对关闭操作中的交通灯改变的考虑；

图9示出了用于与引擎关闭一起使用的视频描述技术；

图10示出了用于与引擎关闭一起使用的深度学习模块；

图11示出了相对于操作模式的关闭标准和所确定的加速的关系；

图12示出了根据本公开的一方面的用于引擎控制的系统，以及

图13示出了根据本公开的另一方面的用于引擎控制的方法。

具体实施方式

以下详细描述中对附图进行参考，附图通过图解说明示出了可在其中实施本公开的具体细节和方面。足够详细地描述了这些方面以使本领域的技术人员能够实施本公开。可利用其他方面，并且可作出结构的、逻辑的和电气的改变，而不背离本公开的范围。各方面不一定是互斥的，因为可将一些方面与一个或多个其他方面组合以形成新的方面。结合方法描述各方面，并且结合设备描述了各方面。然而，可理解，结合方法描述的方面可被类似地应用于设备，并且反之亦然。

在本文中使用词语“示例性”以意指“用作示例、实例、或说明”。本文中被描述为“示例性”的本公开的任何方面不一定要被解释为相比本公开的其他方面更优选或有利。

贯穿附图，应注意，相同的附图标记用于描绘相同或相似的要素、特征和结构。

术语“至少一个”和“一个或多个”可被理解为包括大于或等于一的数量(例如，一个、二个、三个、四个、[...]等)。术语“多个(a plurality)”可被理解为包括大于或等于二的数量(例如，二个、三个、四个、五个、[...]等)。

关于一组要素的短语“至少一个”在本文中可用于意指来自由要素组成的组的至少一个要素。例如，关于一组要素的短语“至少一个”在本文中可用于意指以下各项中的选择：所列要素中的一个、所列要素中的多个要素、多个单独的所列要素、或多个所列要素中的多个。

说明书和权利要求书中的词语“复数”和“多个(multiple)”明确地指代大于一的量。因此，任何明确地援引上述词语来指代某个数量的对象的短语(例如，多个(“aplurality of)[对象]”、“多个(multiple)[对象]”)明确地指代多于一个的所述对象。说明书和权利要求书中的术语“(……的)组”、“(……的)集”、“(……的)集合”、“(……的)系列”、“(……的)序列”、“(……的)分组”等(如果存在)指代等于或大于一的量，即一个或多个。术语“适当的子集”、“减小的子集”和“较小的子集”指代集合的不等于该集合的子集，即集合的包含比该集合少的元件的子集。

如本文中所使用的术语“数据”可被理解为包括采用任何合适的模拟或数字形式的信息，例如，作为文件、文件的部分、文件集合、信号或流、信号或流的部分、信号或流的集合等等来提供的信息。进一步地，术语“数据”还可用于意指对信息的例如以指针的形式的引用。然而，术语数据不限于上述示例，并且可采取各种形式并表示如本领域中理解的任何信息。

例如，本文使用的术语“处理器”或“控制器”可被理解为允许处理数据、信号等的任何种类的实体。可根据由处理器或控制器执行的一个或多个特定功能来处理数据、信号等。

处理器或控制器因此可以是或可包括模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、集成电路、专用集成电路(ASIC)等，或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实现方式也可被理解为处理器、控制器或逻辑电路。应理解，本文中详述的处理器、控制器或逻辑电路中的任何两个(或更多个)可被实现为具有等效功能或类似功能的单个实体，并且相反地，本文中详述的任何单个处理器、控制器或逻辑电路可被实现为具有等效功能或类似功能的两个(或更多个)分开的实体。

本文详述的术语“系统”(例如，驱动系统、位置检测系统等)可被理解为交互元件的集合，作为示例而非限制，这些元件可以是一个或多个机械组件、一个或多个电子组件、一个或多个指令(例如，被编码在存储介质中)、一个或多个控制器等。

如本文使用的“电路”被理解为任何种类的逻辑实现实体，其可包括专用硬件或执行软件的处理器。因此，电路可以是模拟电路、数字电路、混合信号电路、逻辑电路、处理器、微处理器、中央处理单元(“CPU”)、图形处理单元(“GPU”)、数字信号处理器(“DSP”)、现场可编程门阵列(“FPGA”)、集成电路、专用集成电路(“ASIC”)等，或其任何组合。下文将进一步详细描述的相应功能的任何其他种类的实现也可被理解为“电路”。应理解，本文详述的任何两个(或更多个)电路可被实现为具有基本等效功能的单个电路，并且相反地，本文详述的任何单个电路可被实现为具有基本等效功能的两个(或更多个)分开的电路。附加地，对“电路”的引用可指代共同形成单个电路的两个或更多个电路。

如本文使用的，“存储器”可被理解为非暂态计算机可读介质，数据或信息以可被存储于其中以供检取。因此，对本文中所包括的“存储器”的引用可被理解为指代易失性或非易失性存储器，包括随机存取存储器(“RAM”)、只读存储器(“ROM”)、闪存、固态存储、磁带、硬盘驱动器、光盘驱动器等、或其任何组合。此外，应领会，寄存器、移位寄存器、处理器寄存器、数据缓冲器等在本文中也被术语存储器所涵盖。应理解，被称为“存储器”或“一存储器”的单个组件可由多于一种不同类型的存储器组成，并且因此可指代包括一种或多种类型的存储器的集体组件。容易理解的是，任何单个存储器组件可被分成多个集体等同存储器组件，并且反之亦然。此外，虽然存储器可被描绘为与一个或多个其他组件分离(诸如，在附图中)，但是应理解，存储器可被集成在另一个组件内，诸如被集成在公共集成芯片上。

许多车辆配备有引擎关闭系统，该引擎关闭系统在某些参数被满足时关闭或禁用车辆的引擎。例如，已知当制动踏板被压下，引擎温度在预定范围内，车速为零，并且空调压缩机未在操作时，使得引擎关闭。出于标识引擎可以被安全地关闭并且不太可能干扰车辆操作的一个或多个时间段的意图而选择这些或其他用于引擎关闭的标准。通过创建引擎关闭的时段而不是允许引擎怠速，理论上可以增加燃油效率。

该想法的隐含的概念在于，较长时段的引擎关闭比较短时段的引擎关闭可能产生更大的燃料效率。也就是说，与在该时段允许引擎怠速相比，允许车辆引擎保持关闭的时间越长，引擎消耗的燃料就越少。因此，标识引擎可能保持关闭的长时段是有用的。

相反，非常短暂的引擎关闭时段可能会提供不期望的净效应或总体上负面的净效应。在引擎关闭的时段是短暂的情况下，可以节省很少的怠速时间，这可能与燃料经济性方面的小效应相对应。此外，由于与常规的怠速消耗相比，启动车辆可能需要额外的燃料突发，因此在引擎点火之后频繁短暂的引擎关闭时段可能需要比引擎怠速相当长时间内所需的燃料更多的燃料。因此，仅在非常短暂的时间内关断引擎并且然后随后重启引擎，可能会使燃料经济性有净降低。此外，该动作可能增加车辆磨损，从而提供附加的有害影响。

在高度交通拥堵的时段期间，该问题可能尤其严重。在拥堵的道路上，可能会导致车辆频繁地启动与停车，在停靠休息之前仅行驶很短暂的距离。高度交通拥堵的时段与重复的、频繁的、短暂的移动时段相关联，该重复的、频繁的、短暂的移动时段散布在频繁的、短暂的不移动的时段之间。在这些频繁的、短暂的不移动时段期间执行引擎关闭功能的情况下，结果可能适得其反，并导致燃料经济性降低。

另外，频繁短暂的引擎关闭与驾驶员的沮丧和不满意度相关联。频繁的引擎关闭可能会使驾驶员烦恼。一些引擎关闭系统可能会被驾驶员禁用，并且众所周知，驾驶员报告由于频繁短暂的引擎关闭而感到烦恼或沮丧，从而禁用引擎关闭系统。

鉴于上述情况，期望改善引擎关闭系统，使得在关闭可能是短暂的时段可以避免引擎关闭。通过对附加的传感器信息的评估以及潜在地使用机器学习算法，实现了对关闭的合适时段的改善的标识。

图1描绘了已知的引擎关闭技术100。已知的引擎关闭技术评估了通过参与一系列传感器评估或数据评估是否可以停止引擎102的问题。在已知的引擎关闭配置中，当车速为0 104，制动踏板被压下106，空气压缩机108被关闭，并且引擎在预定范围110内时，引擎可以被停止。这些因素可以共同地、单独地、或以任意组合的形式作为关闭控制标准被知晓。本文在要素104至110中呈现的要素是用于引擎关闭的样本因子，这些要素是出于清楚起见和说明性目的而呈现。明确地认识到，可以为引擎关闭考虑其他和/或替代因素，所述因素通常由不同的制造商分别确定。为了认识到附加和/或替代因素的可能性，本文描述了要素112。要素112中考虑的因素可以是任何因素，包括但不限于安全带状态和/或其他供应商特定要素。在图1中，分析被串行地执行，使得这些因素的肯定存在导致引擎关闭功能的接合114。如果不存在任何因素，则引擎关闭功能被禁用116。在已知的引擎关闭技术100中考虑的这些因素各自涉及车辆的状况或车辆的要素。这些因素未考虑车辆外部的状况。

图2示出了用于将细调模块添加到引擎关闭技术的过程200，使得在某些情况下，可以细化用于引擎关闭的因素。根据该图，开始评估202，并判定汽车是否处于运行状态204。假设车辆正在运行，则评估启动/停止监测模块是否是活动的206。这可以指代模块评估用于引擎关闭的一个或多个因素是否正在被评估。假设因素正在被评估，则判定是否满足停止参数208。在不满足停止参数的情况下，监测模块206继续重新评估参数，直到判定已满足停止参数208。在满足常规停止参数的情况下，然后评估是否应该激活或考虑细调模块212。在不激活或考虑细调模块，但满足常规停止参数的情况下，可以根据引擎关闭程序来停止引擎212。

当引擎关闭时，然后可以监测车辆因素以判定引擎被开启的时段。在这种情况下，停止状态监测模块214可以监测一个或多个因素以判定是否开启引擎。在停止状态监测模块是活动的214并且正在评估一个或多个因素的情况下，判定是否满足启动参数216。如果不满足启动参数，则停止状态监测模块214继续监测启动参数，直到它们被满足为止。在满足启动参数216的情况下，启动引擎218并且评估在框204处恢复。

在细调模块210被激活的情况下，判定是否满足附加的停止控制参数220。在不满足附加的停止控制参数的情况下，执行停止控制模块222，该停止控制模块阻止发起智能引擎关闭。在满足附加停止控制参数220的情况下，执行智能引擎关闭，并且停止引擎212。

图3描绘了细调模块和附加的停止参数的更详细的视图。在这种情况下，当启动细调模块300时，判定是否存在常规的停止参数。如果不存在常规的停止参数，则引擎关闭将不会被接合。在常规停止参数是活动的情况下，使用车辆间的间隙动态逻辑304执行附加的考虑。车辆间的间隙动态逻辑304可考虑常规停止参数以外的一个或多个数据源。根据本公开的一个方面，一个或多个附加数据源可以是车辆外的数据源，使得数据源提供关于车辆外部的对象或状况的信息。车辆间的间隙动力学逻辑304的考虑可以包括但不限于，正面图像数据310、交通信息312、拥堵信息314、车辆间通信316、和车辆间距离计算318。在根据车辆间的间隙动态逻辑304，附加的考虑被满足的情况下，则评估车辆间的变化频率中止时段。根据本公开的一个方面，可以使用在车辆间的间隙动力学逻辑304内考虑的一个或多个因素来确定中止时段306的长度。可以将所确定的中止时段与预定阈值进行比较，并且在所确定的中止时段大于预定阈值的情况下，可以允许引擎关闭。相比之下，在所确定的中止时段小于预定阈值的情况下，可以禁用引擎关闭。该比较的结果在模块输出308中传送。

图4展示了引擎关闭功能可能是不期望的情况。在该图像中，车辆402c在高交通密集程度的道路上行驶。车辆402c在前方被车辆402a-402b包围，在后方被车辆402d-402f包围。车辆402c可能已经长时间内处于高交通密集的时段。在这种情况下，车辆402c将仅具有短暂的前向运动时段的历史，该短暂的前向运动时段以制动和以零速度等待的时段间隔。这由图4底部的移动和制动时间线404展示。随着时间的推移，该图示出了短暂的移动时段406，随后是短暂的制动时段408。在繁忙交通的时段，由于制动时段而得到的任何停止时段可能都非常短暂，诸如，例如0至1秒、或者1至5秒。在这种情况下，引擎关闭可能是不期望的，因为引擎关闭除了短暂的引擎不活动时段之外不可能产生任何结果，并且在该短暂的时段之后重启引擎的必要性需要添加燃料并造成不必要的磨损。此外，考虑到在密集的道路上行驶时频繁停止和关闭通常会经历的挫败感，频繁关闭和重启引擎可能会降低驾驶员的满意度。在此类情况下，驾驶员的挫败感可能会使得驾驶员手动禁用引擎关闭功能。

图5示出了对于图4中描述的情况的引擎关闭功能的不期望的确定。在这种情况下，车辆402c再次在具有由频繁、短暂的停止时段表征的高密度的道路上操作。此类情况提供了若干车辆外的数据因素，可以考虑这些车辆外的数据因素以判定引擎关闭是否适当。如图5所描绘，可以评估最近的制动时间或速度时间以判定给定的零速度时段将延长超过预定阈值的可能性。如504中所示，可以相对于引擎关闭功能来评估车辆停止506、车辆正在移动508、以及车辆正在制动510的时段的记录。此外，可以相对于引擎关闭功能来评估车辆512之间的距离。该信息可以从能够接收关于车辆附近地区的数据的任何传感器获得，诸如但不限于车辆图像传感器、声纳传感器、雷达传感器、激光雷达传感器或其他方式。车辆可以被配置成从一个或多个交通信息源接收交通信息数据514。各种商业源可用于提供交通信息，并且许多地图绘制程序显示、计算、或以其他方式包括交通信息。在接收到交通信息的地方(诸如繁忙交通或发生事故的地点)，可以在确定冗长的零速度时段相对于短暂的零速度时段的可能性时考虑该信息。一个或多个传感器也可以收集拥堵信息516，该拥堵信息516可以被理解为与车辆附近的对象或危险有关的信息，诸如行人、骑自行车者、障碍物、或其他。这些各种信息源可以分别被评估为例如历史数据518、车辆距离数据520、交通信息数据522、和拥堵数据/周围环境524。可以使用这些因素的任意组合来计算关于零速度时段延长超过预定阈值的可能性的决策。

图6示出了在汽车停在停车灯处的情况下启用的引擎关闭功能。在这种情况下，车辆602c停在前方的车辆602a-602b与后方的车辆602d之间的停车灯处。车辆正在停车灯604处等待，该停车灯表面上是红色的。停车灯周期可能会很长，延长超过30秒，并且潜在地延长超过1至2分钟。除非车辆在停车灯变为绿色之前仅短暂地到达红色停车灯处，否则在停车灯处等待时关闭引擎可能会准许引擎在相当长的一时间段内是不活动的，从而准许车辆潜在地获得由于引擎关闭功能产生的引擎不活动所增加的燃料经济性。

由此，试图区分车辆可能保持仅短暂停车的时段(诸如，在高交通密度时段)与车辆可能在相当长的时间内保持停车的时段(诸如，在停车灯处等待)是有用的。

图7示出了根据本公开的一个方面的确定下一次加速的方法。在某些国家/地区，停车灯可能配备有倒数定时器，该定时器指示在灯从红色变为绿色之前的一时间段(诸如秒数)。在图7中，示出了车辆702停在停车灯706处。车辆702配备有传感器704(诸如，相机)，该传感器704可以被配置成获取交通灯和交通灯倒数定时器的图像。在该情况下，交通灯706包括传统的红色灯、绿色灯和黄色灯的组合708和倒数定时器710两者。当该灯为红色时，倒数定时器710开始从预定数量倒数到0。每个数字都可以指示灯改变之前的秒数。车辆传感器704可以被安装成接收倒数定时器710的视频图像，并且一个或多个处理器可以被配置成解释视频数据，并且具体地被配置成将定时器定位在视频数据内，识别定时器的数字，并将数字理解为灯改变前的倒数。使用该信息，车辆能够判定达到零速度与灯变为绿色之间的时间长度，这很可能对应于加速的时段。在作出该判定时，车辆可以将该时间长度与预定阈值进行比较，以判定在零速度的时段期间引擎关闭是否适当。

图8示出了根据本公开的另一方面的引擎开启特征。在这种情况下，车辆802再次配备有传感器804，传感器804被配置成接收交通灯806的视频图像数据，该交通灯806包括多色交通灯808，诸如红色808a、黄色808b、和绿色808c。在某些国家/地区，交通灯不是直接从红色变为绿色，而是从红色变为黄色再变为绿色。中间显示黄色是绿灯即将到来的指示。在使用传感器检测交通灯的状态(诸如哪种颜色被点亮)的情况下，可以使用一个或多个处理器来判定交通灯何时从红色变为黄色。因为从红色到黄色的变化指示在不久的将来将出现绿灯，所以红色到黄色的过渡是重启已关闭的车辆发动机的有用标准。即，当发动机被关闭时灯从红色变为黄色的情况下，发动机可能会在预期绿灯的情况下重启，这将需要车辆加速。

图9描绘了用于图像传感器数据解释的视频描述技术的包含。用于视频解释和学习的一种或多种技术可以用于解释来自一个或多个传感器的数据。根据本公开的一方面，条件随机场可以用于解释视觉数据以在引擎关闭评估中使用。条件随机场是一类机器学习和模式识别，其可用作用于结构化确定的统计建模方法。条件随机场提供能够在确定给定变量的信息时考虑上下文的益处。因此，条件随机场可能能够根据视觉数据的其他要素来解释视觉数据的要素。而且，条件随机场可能能够根据其他传感器数据来解释视觉数据，从而使其适合于从各种传感器信息中得出有意义的结论。

为了确定未来加速的可能性，车辆还可以采用长短期记忆(“LSTM”)，该长短期记忆(“LSTM”)是卷积神经网络中的基本要素，该卷积神经网络被设计成至少用于确定事件之间未知持续时间的时间滞后。

图9示出了使用条件随机场和长短期记忆的视觉数据900的样本分析。在这种情况下，视频输入902由一个或多个处理器评估以得出结论。作为此类视频分析过程的示例，可以由一个或多个处理器利用条件随机场906和长短期记忆908对描绘一个正在将橙子榨汁的男人904的视频进行分析。视频中的特征被识别，并且根据上下文理解各种特征的动作。因此，使用男人和橙子的示例，男人和橙子两者都可以被识别，以及男人相对于橙子的动作也可以被识别。结果可以被输出910为视频内容的描述。例如，输出可以是句子“一个将橙子榨汁的男人”912。

使用条件随机场906和长短期记忆908，一个或多个处理器能够从视频信息中导出意义，并且能够作出与所确定的加速之前时间长度有关的有意义的判定。以来自车辆前方的视频数据为例，此类视频数据可以提供与道路上的汽车数量、车辆之间的距离、交通状态、任何停车灯的存在及其各自颜色、任何停车标志的存在、附近的行人或骑自行车者的存在、或其他信息有关的有意义的信息。除了仅识别视频数据内的这些特征之外，条件随机场和长短期记忆的组合还可以用于在上下文中评估该信息(甚至在上下文中利用来自其他传感器的数据)以确定下一次加速之前的时间长度。在所确定的下一次加速之前的时间长度低于预定阈值的情况下，应避免引擎关闭。在所确定的下一次加速之前的时间长度超过预定阈值的情况下，可能期望引擎关闭。

图10示出了一个或多个处理器执行深度学习模块，该深度学习模块解释传感器数据并为引擎启动或停止动作做出相关判定。如图10所描绘，图像数据(诸如来自前置相机1002的数据)，以及其他数据(诸如交通灯数据1004、或来自附加源1006的数据)可以被引导到一个或多个处理器，所述其他数据可包括来自附加传感器的数据，或来自被配置成从诸如交通信息提供者、地图提供者、或位置提供者之类的源接收数据的收发机的数据。所接收的信息由执行深度学习模块1008的一个或多个处理器处理。使用各种数据源，并在上下文中对其加以考虑，确定下一次加速之前的时间长度。将所确定的下一次加速之前的这个时间长度与预定阈值进行比较，从中做出是否关闭车辆引擎的决策1010。相反，在已经关闭车辆引擎的情况下，可以收集数据以评估加速在预定阈值内的可能性，这可能是对重启引擎的指示。

图11示出了所确定的加速与对关闭控制标准的满足之间的相互关系。在该图中，所确定的加速的范围被描绘为1102。一个或多个处理器使用来自至少第二组传感器的数据来确定下一次加速之前的持续时间。也就是说，在满足关闭标准(诸如正压下制动踏板)的情况下，预期车辆将减速或处于零速度。然后确定到下一次加速的持续时间。确定加速的附加步骤有助于防止在车辆可能在不久的将来加速的情况下不必要的引擎关闭。该系统被配置成具有加速确定阈值1104，将所确定的加速1102与该加速确定阈值1104进行比较。在所确定的加速早于预定加速阈值1104的情况下，满足用于第一操作模式1108的第一标准。为了进入第一操作模式，也必须满足对关闭控制标准1106的满足。在既满足关闭控制标准并且所确定的加速1102又低于预定阈值1104的情况下，可以进入第一操作模式1108。在所确定的加速1102高于预定阈值1104或未实现对关闭控制标准1106的满足中的一者或两者的情况下，则将遵循第二操作模式1110。

图12示出了引擎控制系统1200，该引擎控制系统1200包括第一传感器组1202中的一个或多个传感器；第二传感器组1204中的一个或多个传感器；以及一个或多个处理器1206，该一个或多个处理器1206被配置成至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；并且其中在既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时，根据第一操作模式控制车辆；并且其中在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时,根据第二操作模式控制车辆。引擎控制系统1200还可以配置有引擎关闭设备1208，该引擎关闭设备1208被配置成根据第一操作模式关掉车辆引擎或根据第二操作模式开启车辆引擎。

图13示出了引擎控制方法，该引擎控制方法包括：至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足1301；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔1302；当既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时，根据第一操作模式控制车辆1303；以及当不满足一个或多个关闭控制或者所确定的下一个速度的时间间隔小于预定阈值时，根据第二操作模式控制车辆1304。

引擎关闭是许多车辆上普遍安装的特征，即在某些制动或零速度时段期间关掉引擎。尽管该功能可通过减少不必要的引擎怠速时间来得到增加的燃料经济性并减少污染，但在减速或零速度时段非常短暂的情况下实现时，该特征可能是不令人满意的。即，当车辆仅停止短暂的时间段时，短暂的引擎关闭时段可能是不期望的。在某些情况下，非常短暂的引擎关闭时段实际上可能会降低燃料经济性。此外，频繁且短暂的引擎关闭时段与用户的不满意度相关联。

当前控制引擎关闭的方法很大程度上与对引擎关闭的一个或多个标准的满足相关联以确定是否应该实现引擎关闭。例如，根据一种已知的操作引擎关闭的方法，在车辆停车、压下制动踏板、空调压缩机关闭、以及引擎温度在预定范围内的情况下，引擎将被关闭。但是，值得注意的是，这些因素并未考虑车辆在不久的将来需要加速的可能性，或者车辆停车的短暂性。

期望根据两种操作模式来操作车辆。第一操作模式接合引擎关闭功能，使得引擎将在减速和/或零速度时段期间将至少暂时地关断。第二操作模式解除引擎关闭功能。在使用第二操作模式的情况下，引擎关闭功能被禁用，并且基于引擎关闭功能的对关闭引擎的尝试将是不成功的。另外，如果已经进行了引擎关闭功能，则可以根据第二操作模式重启引擎。

至少基于对一个或多个关闭控制标准的满足以及所确定的加速与预定阈值的比较来进入操作模式。为此，一个或多个处理器评估来自一个或多个传感器的数据。可以将传感器设想为被划分为2个组，第一传感器组和第二传感器组。尽管确定了加速，但是第一传感器组将关于为了允许引擎关闭而可以满足的多个条件的信息提供给一个或多个处理器。例如，使用上述场景，第一传感器组中的一个或多个传感器可以将用于一个或多个处理器的信息递送至一个或多个处理器，以确定车辆是否停车、制动踏板是否被压下、压缩机是否关闭、以及引擎是否在预定温度范围内操作。尽管是常规的，但是这些因素不是限制性的，并且可以基于给定实现方式的需要来对其进行修改、扩展或减少。

根据本公开的一个方面，第一传感器组内的传感器可以提供车辆内数据。即，传感器可以被配置成提供来自车辆本身或来自车辆内的数据。尽管确定了加速，这些传感器可以被配置成但不限于提供实现引擎关闭所必需的信息。

第二传感器包括一个或多个传感器，该一个或多个传感器被配置成将传感器数据提供给一个或多个处理器，以用于下一车辆加速的确定。第二传感器组内的传感器可以不同于第一传感器组内的传感器，或者替代地，两组内的传感器可以重叠或相同。

根据本公开的一个方面，来自第二传感器组的传感器可以提供车辆外信息，诸如关于车辆周围环境、其他车辆、天气、交通、拥堵、或其他方面的信息。

一个或多个处理器从第一传感器组和第二传感器组接收信息。关于来自第一传感器组的信息，一个或多个处理器被配置成评估来自第一传感器组的信息，以确定对一个或多个关闭控制标准的满足。关于来自第二传感器组的数据，一个或多个处理器被配置成评估第二传感器组的数据，以确定下一次加速的时间间隔。不作为限制，一个或多个处理器可以被配置成基于任何因素来确定下一次加速的时间间隔。根据本公开的一个方面，一个或多个处理器可以在数据中包括用于确定下一次加速的历史数据，诸如先前的制动动作、先前的停止持续时间、先前距车辆的距离、先前的天气状况、先前的交通状况、先前的拥堵状况、先前的交通灯配置、先前的机动车事故或其任何组合。

根据本公开的一个方面，第一传感器组中的一个或多个传感器可以包括以下各项中的至少一项：速度计、制动踏板压下检测器、压缩机传感器、引擎冷却剂温度传感器或其任意组合。该列表是不受限制地给出的，并且第一传感器组可以按照实现方式所期望的那样配备有附加的传感器。

根据本公开的一个方面，第二传感器组中的一个或多个传感器可以包括以下各项中的至少一项：图像传感器、声纳传感器、雷达传感器、激光雷达传感器、被配置成接收交通信息的收发机、被配置成与一个或多个附加车辆通信的收发机、被配置成与一个或多个定位系统通信的收发机或其任意组合。该列表是不受限制地给出的，并且第二传感器组可以按照实现方式所期望的那样配备有附加的传感器。

第一传感器组和第二传感器组内的每个传感器被配置成将传感器数据提供给一个或多个处理器以用于评估。数据的类型是依赖于传感器的。根据本公开的一个方面，针对由一个或多个处理器评估的来自第一传感器组的可用数据可以包括以下各项中至少一项：车速、车辆加速、制动踏板压下、压缩机操作、引擎冷却液温度或其任意组合。

根据示例1至8中的任一项的引擎控制系统，其中，来自第二传感器组的数据包括关于以下各项中的至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二辆车的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

一个或多个处理器评估来自第二传感器组的数据，以确定下一次加速的时间间隔。即，一个或多个处理器确定直到发生下一次加速前的时间段。可以基于瞬时传感器数据来确定下一次加速，瞬时传感器数据提供关于车辆中或车辆周围的当前事件、环境、情况、或其他方面的信息。附加地或替代地，可以基于关于车辆中或车辆周围的过去事件、过去环境、过去情况或过去状况的信息来确定下一次加速。

如本文所述，一个或多个处理器可以配备有机器学习模块，该机器学习模块被配备成从历史传感器数据和瞬时传感器数据中的一者或两者中得出上下文相关的结论。机器学习模块可以包括用于确定下一次加速的一种或多种算法。一种或多种算法可以用于确定一个或多个处理器可用的数据的任何组合。

一个或多个处理器可以利用条件随机场来进行信息的上下文相关分析。条件随机场可至少用于模式识别和机器学习以创建下一次加速的结构化确定。根据一个或多个附加数据源，可以采用条件随机场来考虑一个或多个数据源，从而采用上下文感知学习来确定下一次加速。

一个或多个处理器可以采用一个或多个卷积神经网络来确定下一次加速。卷积神经网络可以允许一个或多个处理器处理输入序列。不作为限制，任何类型的卷积神经网络都可以用于该应用。

在各种类型的卷积神经网络中，并且根据本公开的一方面，一个或多个处理器可以利用长短期记忆来记住任意时间段内的值。例如，使用长时短期记忆而不是永久地存储历史传感器数据可以确认，更近期的数据可能更适于同时确定用于加速的时间段，并且因此长时短期记忆可用于“记住”近期事件，从而将优先级赋予近期事件，并“忘记”超出任意时间阈值的事件。

一旦确定了下一次加速的时间段，就将该下一次加速的时间段与预定的加速阈值进行比较。预定阈值可以是任何值，无论是以秒或者是以其他方式表达，并且可以是固定值或取决于一个或多个附加因素的值。根据本公开的一方面，预定阈值可以是五秒的默认值。根据本公开的另一方面，预定阈值可以是十秒。预定阈值可以被设置在任何范围内，无论是由制造商、经销商、还是终端用户或以其他方式来设置。根据本公开的另一方面，预定阈值可以不以持续时间表达，而是以与持续时间的偏差来表达。即，预定阈值可以是与加速之前的上一个时段、零速度的上一个时段、上一个所确定的加速等或其他方式的偏差。预定阈值可以是与这些图的中值或平均值的偏差。预定阈值可以是距与加速时间段有关的任何同时的确定或过去的确定的一个或多个标准偏差。根据本公开的一方面，可以全部或部分地基于一种或多种引擎状况(诸如但不限于引擎温度、油温、引擎已经操作的期间、引擎寿命或它们的任意组合)来确定预定值。可以使用算法、方程、和/或一个或多个查找表以考虑上述引擎状况中的一个或多个(无论是单独使用还是与一个或多个传感器值结合使用)来确定预定值。

引擎控制系统可以被配置成从交通信号灯定时器导出信息。在某些位置处，交通灯配备有定时器，该定时器在红灯期间显示倒计数。该内容通常在红灯被点亮时开始，并且在从红色变为另一种颜色时结束。倒计数通常指示灯光改变之前的秒数。本文公开的引擎控制系统可以被配置成使用一个或多个图像传感器以及一个或多个处理器来考虑交通控制定时器。许多车辆配置有一个或多个图像传感器(诸如，相机)，该一个或多个图像传感器被配置成拍摄车辆附近环境的图像或视频。例如，车辆可以具有一个或多个相机以接收来自车辆前方的区域的视频图像。在车辆停在交通灯处的情况下，交通灯定时器可以位于车辆的前视区域内，并且一个或多个相机可以接收包括交通定时器的视频图像。一个或多个处理器可以被配置成识别视频内的交通定时器，并且被配置成从交通定时器的图像中导出关于倒数定时器期满之前的秒数或通用时间段的数据。一个或多个处理器可以使用该信息来确定下一加速时段。例如，在定时器倒计数信息是可用的情况下，下一加速时段可与倒计数定时器的期满相对应，因为预期车辆将在灯变为绿色时或变为绿色不久后开始加速。根据本公开的另一方面，内容定时器可以是确定下一次加速的多个因素中的一个因素。

尽管以上关于交通信号定时器的示例是关于一个或多个图像传感器(诸如摄像机)进行描述的，但可以使用任何类型的传感器，只要该传感器能够接收交通灯计时器数据。

根据本公开的另一方面，一个或多个传感器可以被配置成在车辆接近交通灯的时段期间获得交通灯的图像信息。通常可以假设交通灯一旦变红，它将在可能超过预定阈值的延长时段内保持红色。因此，车辆可以接收关于车辆正在接近的交通灯的信息。在灯变成红色的情况下，可以评估灯变成红色与车辆在灯的前方减速之间的持续时间，以确定直到灯变成绿色前的剩余时间。即，在灯变成红色与车辆在灯的前方减速之间仅经过短暂时段的情况下，可以假设保留了大部分的红灯期间，这表明在预定阈值之后发生变成绿灯的可能性更大。但是，在灯变红与车辆在灯的前方减速之间经过较长的时段的情况下，这可能表明该灯将不再保持红色更久，这增加了红灯的剩余持续时间小于预定阈值的可能性。根据本公开的一方面，车辆可以被配置成接收对应的交通灯的红灯的持续时间。然后，可以从所接收的红灯的总持续时间中减去灯变成红色与减速之间的持续时间，从中可以确定红灯的剩余持续时间。

引擎控制系统还可被配置成在引擎关闭的一时段之后重启引擎。在车辆进入静止状态并确定保证引擎关闭的情况下，系统可以被配置成重启引擎。根据本公开的一方面，可以在不满足一个或多个引擎关闭控制标准的任何时间重启引擎。例如，本文描述了在车辆停车、制动踏板被压下、压缩机被关闭、以及引擎在预定温度范围内操作的情况下可以满足引擎关闭控制标准。如果这些因素中的任何一个因素不再为真(诸如制动踏板突然不再被压下的情况)，则系统可以被配置成重启车辆的引擎。此外，即使当满足一个或多个引擎关闭控制标准时，但是在所确定的加速接近时，车辆也可以被配置成重启引擎。例如，在车辆停车并且满足引擎关闭控制标准中的每一个引擎关闭控制标准的情况下，车辆可以在11秒确定下一次加速，并且由于11秒可能大于预定阈值，因此根据第一操作模式操作车辆并关闭引擎。假设继续满足一个或多个引擎关闭控制标准，则系统仍然可以在所确定的加速时段接近时重启引擎。使用相同的示例，当达到或接近达到第11秒的时段时，可以重启引擎。

引擎控制系统可以依赖于第二预定阈值以便使引擎重新接合。第二预定阈值可以是在所确定的加速之前的时间段，在此时应当根据第二操作模式重启引擎。根据本公开的一方面，第二预定阈值可以是一秒。第二预定阈值可以是：任何值，无论时间长短；与标准值、平均值、或中值的偏差；或者其他值。

根据本公开的另一方面，车辆控制系统可以被配置成基于与交通灯的状况有关的传感器数据来重启引擎。在某些国家/地区，交通灯从红色变为黄色再变为绿色，由此短暂的黄灯是警告信号，即绿灯将很快接着出现。尽管可能不允许在黄灯时开始加速，但黄灯可作为有用的指示，即绿灯将很快接着出现。一个或多个传感器(诸如一个或多个图像传感器)可被配置成接收交通灯数据并从交通灯确定被点亮的灯的颜色。一个或多个处理器可以被配置成感知从红灯到黄灯的变化，并且在车辆位于从红色到黄色再到绿色的变化的管辖区中的一者内的情况下，可以被配置成感知从红色到黄色的变化，该变化作为即将到来的绿灯的指示。在根据第一操作模式操作车辆并且因此在引擎关闭期间操作的情况下，在红灯期间，一个或多个处理器可以被配置成在灯从红色变为黄色时根据第二操作模式操作车辆。即，在灯从红色变为黄色的情况下，可以重启引擎。引擎的这一重启可以在预期绿灯的情况下发生，使得车辆将能够在变为绿灯时或变为绿灯之后不久加速。

本文所述的车辆控制系统可以依赖于任何系统来实际地脱离或关闭车辆引擎。

第一传感器组和第二传感器组中的任一组或两组可以进一步包括一个或多个收发机，该一个或多个收发机被配置成在车辆与一个或多个基站、一个或多个移动设备、一个或多个车辆、一个或多个交通控制设备或其他设备之间发送或接收传输。该通信可以根据任何无线电接入技术、车辆到车辆通信、物联网通信或其他方式。

根据本公开的一方面，引擎关闭微调特征可以被提供为可以被安装和/或被卸载的特征或模块，该引擎关闭微调特征包括加速的确定和基于所确定的加速与预定阈值的比较对引擎关闭的进一步控制。

根据本公开的另一方面，当检测到有缺陷的传感器时，本发明公开的引擎控制系统可由一个或多个处理器禁用。

进一步地，将在下文中描述各种实施例。

在示例1中，公开了一种引擎控制系统，该系统包括：

第一传感器组中的一个或多个传感器；第二传感器组中的一个或多个传感器；一个或多个处理器，该一个或多个处理器被配置成用于：至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；并且用于在既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时根据第一操作模式控制车辆；并且用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时根据第二操作模式控制车辆。

在示例2中，公开了示例1的引擎控制系统，其中，第一操作模式接合引擎关闭功能，并且其中第二操作模式禁用引擎关闭功能。

在示例3中，公开了示例1或示例2的引擎控制系统，其中，一个或多个处理器被配置成用于至少基于来自第二传感器组和来自先前制动动作或先前的停车持续时间中的至少一者的数据来确定下一次加速的时间间隔。

在示例4中，公开了示例1至3中的任一项的引擎控制系统，其中，第一传感器组中的一个或多个传感器是车辆内传感器。

在示例5中，公开了示例1至4中的任一项的引擎控制系统，其中，第二传感器组中的一个或多个传感器是车辆外传感器。

在示例6中，公开了示例1-5中任一项的引擎控制系统，其中，第一传感器组中的一个或多个传感器包括以下各项中的至少一项：速度计、制动踏板压下检测器、压缩机传感器、引擎冷却剂温度传感器或其任意组合。

在示例7中，公开了示例1至6中任一项的引擎控制系统，其中，第二传感器组中的一个或多个传感器包括以下各项中的至少一项：图像传感器、声纳传感器、雷达传感器、激光雷达传感器、被配置成用于接收交通信息的收发机、被配置成用于与一个或多个附加车辆通信的收发机、被配置成用于与一个或多个定位系统通信的收发机或其任意组合。

在示例8中，公开了示例1至7中任一项的引擎控制系统，其中，来自第一传感器组的数据包括关于以下各项中的至少一项的数据：车速、车辆加速、制动踏板压下、压缩机操作、引擎冷却剂温度、或其任意组合。

在示例9中，公开了示例1至8中的任一项的引擎控制系统，其中，来自第二传感器组的数据包括关于以下各项中至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二车辆的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

在示例10中，公开了示例1至9中的任一项的引擎控制系统，其中，第一传感器组中的一个或多个传感器也在第二传感器组中。

在示例11中，公开了示例1至10中的任一项的引擎控制系统，其中，第一传感器组中的不存在的传感器也存在于第二传感器组中。

在示例12中，公开了示例1至11中任一项的引擎控制系统，其中，关闭控制标准包括以下各项中的至少一项：零速度、高于预定阈值的制动压下、压缩机不活动、引擎温度在预定范围内或其任意组合。

在示例13中，公开了示例1至12中任一项的引擎控制系统，其中，预定阈值为5秒。

在示例14中，公开了示例1至12中任一项的引擎控制系统，其中，预定阈值为10秒。

在示例15中，公开了示例1至14中任一项的引擎控制系统，其中，预定阈值不同于零速度的平均时段。

在示例16中，公开了示例1至15中任一项的引擎控制系统，其中，预定阈值是可调节的。

在示例17中，公开了示例1至16中任一项的引擎控制系统，其中，一个或多个处理器进一步被配置成用于通过至少基于一个或多个先前的制动尝试、一个或多个先前的零速度时段、一个或多个先前的交通状况、一个或多个先前的拥堵信息项、一个或多个先前的交通灯定时、一个或多个先前的车辆间通信、一个或多个先前的车辆间距离或其任意组合确定下一次加速的时间间隔，来执行机器学习功能。

在示例18中，公开了示例1至示例17中的任一项的引擎控制系统，其中，机器学习功能包括条件随机场(CRM)。

在示例19中，公开了示例1至示例18中的任一项的引擎控制系统，其中，机器学习功能包括长短期记忆(LSTM)。

在示例20中，公开了示例1至示例19中的任一项的引擎控制系统，其中，机器学习功能包括卷积神经网络(CNN)。

在示例21中，公开了示例1至20中任一项的引擎控制系统，其中，机器学习功能被配置成用于在上下文中将至少一种类型的传感器数据与至少一种其他类型的传感器数据一起使用来确定下一次加速。

在示例22中，公开了示例1至21中任一项的引擎控制系统，其中，一个或多个处理器进一步被配置成用于在图像数据中标识交通灯定时器并且用于至少基于与所标识的交通灯定时器相对应的持续时间来确定下一次加速的时间间隔。

在示例23中，公开了示例1至22中的任一项的引擎控制系统，其中，一个或多个处理器至少基于交通灯定时器小于预定阈值来从第一操作模式切换到第二操作模式。

在示例24中，公开了示例1至23中的任一项的引擎控制系统，其中，一个或多个处理器在交通控制灯从红色变为绿色或从红色变为黄色时从第一操作模式切换到第二操作模式。

在示例25中，公开了示例1至24中的任一项的引擎控制系统，进一步包括引擎操作设备，该引擎操作设备被配置成用于根据第一操作模式关掉车辆引擎。

在示例26中，公开了示例25的引擎控制系统，其中，引擎操作设备进一步被配置成用于根据第二操作模式来开启车辆引擎。

在示例27中，公开了一种引擎控制方法，该方法包括：至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；以及当既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时，根据第一操作模式控制车辆；以及当不满足一个或多个关闭控制标准或者所确定的下一加速的时间间隔小于预定阈值时，根据第二操作模式控制车辆。

在示例28中，公开了示例27的引擎控制方法，其中，第一操作模式接合引擎关闭功能，并且其中第二操作模式禁用引擎关闭功能。

在示例29中，公开了示例27或示例28的引擎控制方法，该方法进一步包括至少基于来自第二传感器组和来自先前的制动动作或先前的停车持续时间中的至少一者的数据来确定下一次加速的时间间隔。

在示例30中，公开了示例27至29中的任一项的引擎控制方法，其中，第一传感器组包括车辆内传感器。

在示例31中，公开了示例27至30中的任一项的引擎控制方法，其中，第二传感器组包括车辆外传感器。

在示例32中，公开了示例27至31中任一项的引擎控制方法，其中，第一传感器组包括以下各项中的至少一项：速度计、制动踏板压下检测器、压缩机传感器、引擎冷却剂温度传感器或其任何组合。

在示例33中，公开了示例27至32中任一项的引擎控制方法，其中，第二传感器组包括以下各项中的至少一项：图像传感器、声纳传感器、雷达传感器、激光雷达传感器、被配置成用于接收交通信息的收发机、被配置成用于与一个或多个附加车辆通信的收发机、被配置成用于与一个或多个定位系统通信的收发机或其任意组合。

在示例34中，公开了示例27至33中任一项的引擎控制方法，其中，来自第一传感器组的数据包括关于以下各项中的至少一项的数据：车速、车辆加速、制动踏板压下、压缩机操作、引擎冷却剂温度、或其任意组合。

在示例35中，公开了示例27至34中的任一项的引擎控制方法，其中，来自第二传感器组的数据包括关于以下各项中至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二车辆的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

在示例36中，公开了示例27至35中的任一项的引擎控制方法，其中，第一传感器组中的一个或多个传感器也在第二传感器组中。

在示例37中，公开了示例27至36中的任一项的引擎控制方法，其中，第一传感器组中不存在的传感器也存在于第二传感器组中。

在示例38中，公开了示例27至37中任一项的引擎控制方法，其中，关闭控制标准包括以下各项中的至少一项：零速度、高于预定阈值的制动压下、压缩机不活动、引擎温度在预定范围内或其任意组合。

在示例39中，公开了示例27至38中任一项的引擎控制方法，其中，预定阈值为5秒。

在示例40中，公开了示例27至39中任一项的引擎控制方法，其中，预定阈值为10秒。

在示例41中，公开了示例27至40中任一项的引擎控制方法，其中，预定阈值不同于零速度的平均时段。

在示例42中，公开了示例27至41中任一项的引擎控制方法，其中，预定阈值是可调节的。

在示例43中，公开了示例27至42中任一项的引擎控制方法，进一步包括通过至少基于一个或多个先前的制动尝试、一个或多个先前的零速度时段、一个或多个先前的交通状况、一个或多个先前的拥堵信息项、一个或多个先前的交通灯定时、一个或多个先前的车辆间通信、一个或多个先前的车辆间距离或其任意组合确定下一次加速的时间间隔，来执行机器学习功能。

在示例44中，公开了示例27至示例43中的任一项的引擎控制方法，其中，机器学习功能包括条件随机场(CRM)。

在示例45中，公开了示例27至示例44中的任一项的引擎控制方法，其中，机器学习功能包括长短期记忆(LSTM)。

在示例46中，公开了示例27至示例45中的任一项的引擎控制方法，其中，机器学习功能包括卷积神经网络(CNN)。

在示例47中，公开了示例27至46中任一项的引擎控制方法，其中，机器学习功能被配置成用于在上下文中将至少一种类型的传感器数据与至少一种其他类型的传感器数据一起使用来确定下一次加速。

在示例48中，公开了示例27至47中任一项的引擎控制方法，进一步包括在图像数据中标识交通灯定时器并且至少基于与所标识的交通灯定时器相对应的持续时间来确定下一次加速的时间间隔。

在示例49中，公开了示例27至48中的任一项的引擎控制方法，其中，进一步包括至少基于交通灯定时器小于预定阈值来从第一操作模式切换到第二操作模式。

在示例50中，公开了示例27至49中的任一项的引擎控制方法，进一步包括在交通控制灯从红色变为绿色或从红色变为黄色时从第一操作模式切换到第二操作模式。

在示例51中，公开了示例27至50中的任一项的引擎控制方法，进一步包括根据第一操作模式关掉车辆引擎。

在示例52中，公开了示例51的引擎控制方法，进一步包括根据第二操作模式开启车辆引擎。

在示例53中，公开了用于引擎控制的装置，该装置包括：第一感测装置组中的一个或多个感测装置；第二感测装置组中的一个或多个感测装置；一个或多个处理装置，该一个或多个处理装置被配置成用于：至少基于来自第一感测装置组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二感测装置组的数据来确定下一次加速的时间间隔；并且用于在既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值两者时根据第一操作模式控制车辆；并且用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时根据第二操作模式控制车辆。

在示例54中，公开了示例53的用于引擎控制的装置，其中，第一操作模式接合引擎关闭功能，并且其中第二操作模式禁用引擎关闭功能。

在示例55中，公开了示例53或示例54的用于引擎控制的装置，其中，一个或多个处理装置被配置成用于至少基于来自第二感测装置组和来自先前制动动作或先前的停车持续时间中的至少一者的数据来确定下一次加速的时间间隔。

在示例56中，公开了示例53至55中的任一项的用于引擎控制的装置，其中，第一感测装置组中的一个或多个感测装置是车辆内传感器。

在示例57中，公开了示例53至56中的任一项的用于引擎控制的装置，其中，第二感测装置组中的一个或多个感测装置是车辆外传感器。

在示例58中，公开了示例53至57中任一项的用于引擎控制的装置，其中，第一感测装置组中的一个或多个感测装置包括以下各项中的至少一项：速度计、制动踏板压下检测器、压缩机传感器、引擎冷却剂温度传感器或其任意组合。

在示例59中，公开了示例53至58中任一项的用于引擎控制的装置，其中，第二感测装置组中的一个或多个感测装置包括以下各项中的至少一项：图像传感器、声纳传感器、雷达传感器、激光雷达传感器、被配置成用于接收交通信息的收发机、被配置成用于与一个或多个附加车辆通信的收发机、被配置成用于与一个或多个定位系统通信的收发机或其任意组合。

在示例60中，公开了示例53至59中任一项的用于引擎控制的装置，其中，来自第一感测装置组的数据包括关于以下各项中的至少一项的数据：车速、车辆加速、制动踏板压下、压缩机操作、引擎冷却剂温度、或其任意组合。

在示例61中，公开了示例53至60中的任一项的用于引擎控制的装置，其中，来自第二感测装置组的数据包括关于以下各项中至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二车辆的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

在示例62中，公开了示例53至61中的任一项的用于引擎控制的装置，其中，第一感测装置组中的一个或多个感测装置也位于第二感测装置组中。

在示例63中，公开了示例53至62中的任一项的用于引擎控制的装置，其中，第一感测装置组中不存在的传感器也存在于第二感测装置组中。

在示例64中，公开了示例53至63中任一项的用于引擎控制的装置，其中，关闭控制标准包括以下各项中的至少一项：零速度、高于预定阈值的制动压下、压缩机不活动、引擎温度在预定范围内或其任意组合。

在示例65中，公开了示例53至64中任一项的用于引擎控制的装置，其中，预定阈值为5秒。

在示例66中，公开了示例53至65中任一项的用于引擎控制的装置，其中，预定阈值为10秒。

在示例67中，公开了示例53至66中任一项的用于引擎控制的装置，其中，预定阈值不同于零速度的平均时段。

在示例68中，公开了示例53至67中任一项的用于引擎控制的装置，其中，预定阈值是可调节的。

在示例69中，公开了示例53至68中任一项的用于引擎控制的装置，其中，一个或多个处理装置进一步被配置成用于通过至少基于一个或多个先前的制动尝试、一个或多个先前的零速度时段、一个或多个先前的交通状况、一个或多个先前的拥堵信息项、一个或多个先前的交通灯定时、一个或多个先前的车辆间通信、一个或多个先前的车辆间距离或其任意组合确定下一次加速的时间间隔，来执行机器学习功能。

在示例70中，公开了示例53至示例69中的任一项的用于引擎控制的装置，其中，机器学习功能包括条件随机场(CRM)。

在示例71中，公开了示例53至示例70中的任一项的用于引擎控制的装置，其中，机器学习功能包括长短期记忆(LSTM)。

在示例72中，公开了示例53至示例71中的任一项的用于引擎控制的装置，其中，机器学习功能包括卷积神经网络(CNN)。

在示例73中，公开了示例53至72中任一项的用于引擎控制的装置，其中，机器学习功能被配置成用于在上下文中将至少一种类型的传感器数据与至少一种其他类型的传感器数据一起使用来确定下一次加速。

在示例74中，公开了示例53至73中任一项的用于引擎控制的装置，其中，一个或多个处理装置进一步被配置成用于在图像数据中标识交通灯定时器并且用于至少基于与所标识的交通灯定时器相对应的持续时间来确定下一次加速的时间间隔。

在示例75中，公开了示例53至74中的任一项的用于引擎控制的装置，其中，一个或多个处理装置至少基于交通灯定时器小于预定阈值来从第一操作模式切换到第二操作模式。

在示例76中，公开了示例53至75中的任一项的用于引擎控制的装置，其中，一个或多个处理装置在交通控制灯从红色变为绿色或从红色变为黄色时从第一操作模式切换到第二操作模式。

在示例77中，公开了示例53至76中的任一项的用于引擎控制的装置，进一步包括引擎操作装置，该引擎操作装置被配置成用于根据第一操作模式关掉车辆引擎。

在示例78中，公开了示例77的用于引擎控制的装置，其中，引擎操作装置进一步被配置成用于根据第二操作模式来开启车辆引擎。

示例79中，公开了一种包含程序指令的非暂态计算机可读介质，该程序指令用于使计算机执行示例27至52的方法中的任一项。

在示例80中，公开了一种引擎控制系统，该系统包括：第一传感器组中的一个或多个传感器，该一个或多个传感器被配置成用于将第一传感器组数据提供给一个或多个关闭控制处理器；第二传感器组中的一个或多个传感器，该一个或多个传感器被配置成用于将第二传感器组数据提供给一个或多个加速确定处理器；一个或多个处理器，该一个或多个处理器被配置成用于评估第一传感器组数据对一个或多个关闭控制标准的满足；评估第二传感器组数据以确定下一次加速的时间间隔；并且用于在满足一个或多个关闭控制标准并且所确定的用于下一次加速的时间间隔大于预定阈值时，根据第一操作模式控制车辆；并且用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时，根据第二操作模式控制车辆。

在示例81中，公开了一种引擎关闭控制系统，该系统包括：一个或多个车辆内传感器，该一个或多个车辆内传感器被配置成用于将车辆内传感器数据提供给一个或多个引擎关闭控制处理器；一个或多个车辆外传感器，该一个或多个车辆外传感器被配置成用于将车辆外传感器数据提供给一个或多个引擎关闭控制处理器；一个或多个引擎关闭控制处理器，该一个或多个引擎关闭控制处理器被配置成用于：评估车辆内传感器数据对一个或多个车辆内控制标准的满足；评估车辆外传感器数据对一个或多个车辆外控制标准的满足；当不满足车辆内控制标准和车辆外控制标准中的一个或多个时，根据第一操作模式控制车辆；以及当满足车辆内控制标准和车辆外控制标准两者时，根据第二操作模式控制车辆。

在示例82中，公开了一种引擎控制系统，该引擎控制系统包括：第一传感器组中的一个或多个传感器；第二传感器组中的一个或多个传感器；一个或多个处理器，该一个或多个处理器被配置成用于：至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；并且用于在既满足一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时根据第一操作模式控制车辆；并且用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时根据第二操作模式控制车辆。

虽然已经参照具体实施例具体地示出和描述了本发明，但本领域技术人员应当理解，可对本发明作出形式上和细节上的各种变化而不背离如所附权利要求所限定的本发明的精神和范围。因此，本发明的范围由所附权利要求表示并且因此旨在涵盖落在权利要求的等效含义和范围内的所有变化。

Claims (25)

1.一种引擎控制系统，所述系统包括：

第一传感器组中的一个或多个传感器；

第二传感器组中的一个或多个传感器；

一个或多个处理器，所述一个或多个处理器被配置成用于：

至少基于来自所述第一传感器组的数据来确定对一个或多个关闭控制标准的满足；

至少基于来自所述第二传感器组的数据来确定下一次加速的时间间隔；并且

用于在既满足所述一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时根据第一操作模式控制车辆；并且

用于在不满足一个或多个关闭控制标准或者所确定的下一次加速的时间间隔小于预定阈值时根据第二操作模式控制所述车辆。

2.如权利要求1所述的引擎控制系统，其特征在于，所述第一操作模式接合引擎关闭功能，并且其中所述第二操作模式禁用所述引擎关闭功能。

3.如权利要求1所述的引擎控制系统，其特征在于，所述一个或多个处理器被配置成用于至少基于来自所述第二传感器组和来自先前制动动作或先前停车持续时间中的至少一者的数据来确定下一次加速的时间间隔。

4.如权利要求1所述的引擎控制系统，其特征在于，所述第一传感器组中的一个或多个传感器是车辆内传感器。

5.如权利要求1所述的引擎控制系统，其特征在于，所述第二传感器组中的一个或多个传感器是车辆外传感器。

6.如权利要求1所述的引擎控制系统，其特征在于，所述第一传感器组中的一个或多个传感器可以包括以下各项中的至少一项：速度计、制动踏板压下检测器、压缩机传感器、引擎冷却剂温度传感器或其任意组合。

7.如权利要求1所述的引擎控制系统，其特征在于，所述第二传感器组中的一个或多个传感器包括以下各项中的至少一项：图像传感器、声纳传感器、雷达传感器、激光雷达传感器、被配置成接收交通信息的收发机、被配置成与一个或多个附加车辆通信的收发机、被配置成与一个或多个定位系统通信的收发机或其任意组合。

8.如权利要求1所述的引擎控制系统，其特征在于，来自所述第一传感器组的数据包括关于以下各项中的至少一项的数据：车速、车辆加速、制动踏板压下、压缩机操作、引擎冷却剂温度或其任意组合。

9.如权利要求1所述的引擎控制系统，其特征在于，来自所述第二传感器组的数据包括关于以下各项中的至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二车辆的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

10.如权利要求1所述的引擎控制系统，其特征在于，所述关闭控制标准包括以下各项中的至少一项：零速度、高于预定阈值的制动压下、压缩机不活动、引擎温度在预定范围内或其任意组合。

11.如权利要求1至10中任一项所述的引擎控制系统，其特征在于，所述一个或多个处理器进一步被配置成用于通过至少基于一个或多个先前的制动尝试、一个或多个先前的零速度时段、一个或多个先前的交通状况、一个或多个先前的拥堵信息项、一个或多个先前的交通灯定时、一个或多个先前的车辆间通信、一个或多个先前的车辆间距离或其任意组合确定所述下一次加速的时间间隔，来执行机器学习功能。

12.如权利要求11所述的引擎控制系统，其特征在于，所述机器学习功能包括条件随机场(CRM)。

13.如权利要求11所述的引擎控制系统，其特征在于，所述机器学习功能包括长短期记忆(LSTM)。

14.如权利要求11所述的引擎控制系统，其特征在于，所述机器学习功能包括卷积神经网络(CNN)。

15.如权利要求11所述的引擎控制系统，其特征在于，所述机器学习功能被配置成用于在上下文中将至少一种类型的传感器数据与至少一种其他类型的传感器数据一起使用来确定下一次加速。

16.如权利要求1至10中任一项所述的引擎控制系统，其特征在于，所述一个或多个处理器进一步被配置成用于在图像数据中标识交通灯定时器并且用于至少基于与所标识的交通灯定时器相对应的持续时间来确定所述下一次加速的时间间隔。

17.如权利要求16所述的引擎控制系统，其特征在于，所述一个或多个处理器至少基于交通灯定时器小于预定阈值来从所述第一操作模式切换到所述第二操作模式。

18.一种引擎控制方法，所述方法包括：

至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；

至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；以及

当既满足所述一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时根据第一操作模式控制所述车辆；以及

当不满足所述一个或多个关闭控制标准或者所述所确定的下一次加速的时间间隔小于所述预定阈值时根据第二操作模式控制所述车辆。

19.如权利要求18所述的引擎控制方法，其特征在于，所述第一操作模式接合引擎关闭功能，并且其中所述第二操作模式禁用所述引擎关闭功能。

20.如权利要求18所述的引擎控制方法，进一步包括至少基于来自所述第二传感器组和来自先前的制动动作或先前的停车持续时间中的至少一者的数据来确定下一次加速的时间间隔。

21.如权利要求18所述的引擎控制方法，其特征在于，来自所述第二传感器组的数据包括关于以下各项中的至少一项的数据：车辆外图像、声纳数据、雷达数据、激光雷达数据、交通信息、车辆内通信；车辆到基础设施通信；拥堵信息、绘图系统数据、事故报告数据、交通传感器数据、距第二车辆的距离、第二车辆的速度；第二车辆的加速；附近区域内的车辆密度；高于预定阈值的交通干扰；高于预定阈值的交通拥堵；预定阈值内的交通灯定时器或其任何组合。

22.如权利要求18至21中任一项所述的引擎控制方法，进一步包括通过至少基于一个或多个先前的制动尝试、一个或多个先前的零速度时段、一个或多个先前的交通状况、一个或多个先前的拥堵信息项、一个或多个先前的交通灯定时、一个或多个先前的车辆间通信、一个或多个先前的车辆间距离或其任意组合确定所述下一次加速的时间间隔，来执行机器学习功能。

23.如权利要求22所述的引擎控制方法，其特征在于，所述机器学习功能包括以下各项中的至少一项：条件随机场(CRM)；长短期记忆(LSTM)、或卷积神经网络(CNN)。

24.如权利要求22所述的引擎控制方法，其特征在于，所述机器学习功能被配置成用于在上下文中将至少一种类型的传感器数据与至少一种其他类型的传感器数据一起使用来确定下一次加速。

25.一种包含程序指令的非暂态计算机可读介质，所述程序指令用于使计算机执行引擎控制方法，所述方法包括：

至少基于来自第一传感器组的数据来确定对一个或多个关闭控制标准的满足；

至少基于来自第二传感器组的数据来确定下一次加速的时间间隔；以及

在既满足所述一个或多个关闭控制标准并且所确定的下一次加速的时间间隔又大于预定阈值时根据第一操作模式控制所述车辆；以及

当不满足所述一个或多个关闭控制标准或者所述所确定的下一次加速的时间间隔小于所述预定阈值时根据第二操作模式控制所述车辆。

Images