CN113993760B - 用于控制车辆的方法 - Google Patents

Abstract

本发明涉及一种用于控制车辆(1)的方法，该方法包括：‑建立(S1)多个示例情况，其中每个示例情况由多个示例情况特征来表征，多个示例情况特征包括至少车辆的速率(VS)、车辆的速率变化(VCS)和道路倾斜度(αS)，‑针对多个示例情况中的每一个，根据在相应的示例情况下操作车辆的成本来确定(S2)示例情况成本(CS)，‑随后获得(S3)指示由车辆将要行驶的路线(RT)的拓扑的拓扑数据，‑至少部分地基于路线拓扑和至少多个示例情况成本(CS)，确定(S4‑S8，S41)车辆沿路线(RT)的速率分布(VP)。

Description

用于控制车辆的方法

技术领域

本发明涉及一种用于控制车辆的方法、一种计算机程序、一种计算机可读介质和一种控制单元或一组控制单元。

本发明可以应用于重型车辆，诸如卡车和公共汽车。尽管本发明将针对卡车进行描述，但是本发明不限于这种特定类型的车辆，而是也可以用于其他类型的车辆，诸如运输货车和汽车。

背景技术

提高生产率同时保持操作成本尽可能低是许多车辆操作，特别是商用车辆操作的目标。

Ivarsson、

和Nielsen的文章“用于最小化行程时间和燃料消耗的重型卡车的前瞻控制(Look-ahead control for heavy trucks to minimize triptime and fuel consumption)”，2009，Control Engineering Practice(

University)公开了用于重型柴油卡车的驾驶任务。借助机载道路坡度数据库与GPS单元结合，提取关于前方道路几何形状的信息。这个前瞻信息用于关于权衡行程时间和燃料消耗的标准公式优化速率分布。通过不断地向常规巡航控制器馈送新的设定点，设计了一种动态编程算法并将其用于预测控制方案中。

然而，速率分布的计算计算量很大，并且带来了对车辆的控制单元的高计算能力的需要。

发明内容

本发明的目的是降低对控制车辆的计算能力要求。本发明的目的还是降低对确定车辆的速率分布的计算能力要求。本发明的目的还在于提供高效的车辆操作，同时降低车辆的计算能力要求。

这些目的利用根据权利要求1的方法实现。因此，这些目的利用一种用于控制车辆的方法来实现，该方法包括：

-建立多个示例情况，其中每个示例情况由多个示例情况特征来表征，该多个示例情况特征包括至少示例情况下的车辆速率、示例情况下的车辆的速率变化以及示例情况下的道路倾斜度，

-针对多个示例情况中的每一个，根据在相应的示例情况下操作车辆的成本来确定示例情况成本，

-随后获得指示由车辆将要行驶的路线的拓扑的拓扑数据，

-至少部分地基于路线拓扑和至少多个示例情况成本，确定车辆沿路线的速率分布。

示例情况可以由至少车辆的速率、车辆的速率变化和车辆被定位的道路倾斜度的组合加以表征。因此，速率、速率变化和道路倾斜度可以是车辆可能经受的同时状况。如下面举例说明的，示例情况也可以由一段道路的长度来表征。也如下面举例说明的那样，示例情况也可以由车辆的负载来表征。

示例情况可能是离散的。因此，示例情况与另一示例情况不同之处可以在于示例情况特征中的一个或多个的步骤。进一步，示例情况可以分布在车辆的整个驾驶包线中。因此，示例情况可以离散地覆盖离散车辆速度、车辆速率变化和道路倾斜度的所有可行组合。

可以为相应的示例情况确定每个示例情况成本。示例情况成本可以指示在相应示例情况下操作车辆的成本。示例情况成本可能取决于示例情况下车辆的能耗。在车辆的推进装置包括内燃发动机的情况下，示例情况成本可能取决于在相应示例情况下的发动机燃料消耗。在推进装置包括电动机的情况下，示例情况成本可能取决于相应示例情况下的电能消耗。在推进装置包括电能存储设备(诸如电池组)的情况下，示例情况成本可能取决于能量存储设备的健康状态，例如劣化程度。在一些实施例中，对健康状态的依赖可以是在示例情况下对健康状态的变化的依赖。例如，当以给定的初始速率、给定的速率变化和给定的道路倾斜度行进穿过给定长度的一段路线时，示例情况成本可能取决于健康状态的变化。因此，可以省略健康状态的绝对值。例如，与推进装置的相对低的功率相比，车辆的推进装置的相对高的功率可能导致健康状态的较大变化，并且因此导致更高的示例情况成本。

示例情况成本可以通过车辆模型来确定。这种模型可以包括车辆推进装置的模型。车辆的推进装置可以包括内燃发动机和/或电动机。推进装置还可以包括电能存储设备，诸如电池组。车辆模型还可以包括制动模型。

在一些实施例中，示例情况成本中的一些或全部可以通过车辆或该车辆的驾驶期间的数据收集来确定。因此，该方法可以包括建立多个示例情况的示例情况特征，作为根据真实操作数据确定的实际情况特征。因此，该方法可以包括建立多个实际示例情况，其中每个示例情况由根据实际操作数据确定的多个实际示例情况特征来表征。进一步，该方法可以包括针对多个实际示例情况中的每一个，取决于在相应的实际示例情况下操作车辆的成本的实际示例情况成本。真实操作数据可以在车辆或另一车辆(优选地同一模型)的一次或多次测试驾驶期间收集。这种测试驾驶可以在人类驾驶员的控制下进行，也可以利用自主驾驶进行。因此，可以使用临时准备的或预备的速度分布。例如，可以测量车辆速率和车辆速率变化。道路倾斜度可以从地图数据中确定。实际示例情况成本的确定可以包括实际能耗的计算。这种计算可以根据一个或多个车辆传感器信号来完成。例如，在具有包括电动机的推进装置的车辆中，实际能量消耗可以通过电池电流传感器来确定。

优选地，该方法包括部分地基于至少多个示例情况，并且部分地基于近似函数部分地基于其的示例情况的示例情况成本建立近似函数。近似函数可以部分地基于近似函数部分地基于其的示例情况的示例情况特征。优选地，近似函数适于根据预测的情况的多个预测的情况特征来提供预测的情况成本，预测的情况特征至少包括预测的情况下的车辆速率、预测的情况下的车辆速率变化以及预测的情况下的道路倾斜度。

因此，该方法可以包括部分地基于拓扑数据建立多个预测的情况，其中每个预测的情况由多个预测的情况特征表征，包括至少预测的情况下的车辆的速率、预测的情况下的车辆的速率变化以及预测的情况下的道路倾斜度。该方法还可以包括针对多个预测的情况中的每一个，根据在相应预测的情况下操作车辆的成本来确定预测的情况成本。速率分布可以至少部分地基于预测的情况和预测的情况成本来确定。优选地，表征每个预测的情况的预测的情况特征包括一段路线的长度。因此，每个预测的情况可以由多个预测的情况特征来表征，包括至少车辆的速率、车辆的速率变化、道路倾斜度和一段路线的长度。段长度可以表示为沿着路线的两个位置之间的距离。

优选地，在获得拓扑数据之前建立近似函数。可以在车辆投入操作之前建立近似函数。近似函数可以基于由车辆的驾驶包线形成的空间中的点来形成。这种驾驶包线可以由示例情况成本和示例情况特征形成。每个点可以由示例情况成本和为其确定情况成本的示例情况的示例情况特征的组合形成。近似函数可以是已知的一类函数。例如，近似函数可以是多元多项式、多元有理函数或高斯函数。近似函数可以例如通过车辆驾驶包线中的点的插值或外推来形成。

优选地，该方法包括根据拓扑数据建立多个预测的情况，并且对于至少多个所建立的预测的情况中的每一个，通过近似函数确定指示在相应的预测的情况下操作车辆的成本的预测的情况成本，其中速率分布是部分地基于所确定的预测的情况成本来确定的。因此，速率分布可以部分地基于示例情况成本、通过部分地基于预测的情况成本进行确定来确定，该预测的情况成本又通过近似函数来确定，该近似函数又部分地基于至少多个示例情况成本来建立。

示例情况成本可以存储在例如数据存储设备中。更具体地，通过针对多个或所有示例情况中的每一个确定取决于在相应情况下操作车辆的成本的示例情况成本，可以提供示例情况成本的存储。

如所理解的，该方法可以包括至少部分地基于路线拓扑和至少多个示例情况以及示例情况成本来确定车辆沿路线的速率分布。对确定示例情况成本的计算能力要求可能相对较大。然而，示例情况成本是在获得拓扑数据之前确定的。因此，可以利用相对低的计算能力来进行沿着路线的速率分布的确定。原因是路线的各个段的操作成本不必通过车辆模型来计算。相反，路线的各个段的操作成本可以通过示例情况和示例成本来确定。例如，路线的各个段的操作成本可以通过基于示例情况和示例成本建立的近似函数来确定。

替代性地，可以通过仅标识所存储的示例情况成本来确定一段路线的操作成本，该示例情况成本是针对速率、速率变化和道路倾斜度确定的，该速率、速率变化和道路倾斜度至少近似地与该路线段的速率、速率变化和道路倾斜度相同。因此，还可以针对示例情况的道路段的长度来确定所存储的示例情况成本，该道路段的长度至少近似地与要针对其确定速率分布的路线中的路线段的长度相同。

示例特征的存储可以例如被提供为具有示例情况特征的离散值的表。因此，表可以包括有限数量的离散示例情况特征的组合。该表可以为离散示例情况特征的多个组合中的每一个提供示例情况成本的值。

在一些实施例中，示例情况的速率变化可以表示为两个车辆速率值和速率中的相应一个出现的两个位置之间的距离。如下面进一步举例说明的那样，路线可以被分成段。因此，示例情况可以部分地由段的入口处的车辆速率和道路的段的出口处的车辆速率来表征。如下所建议那样，示例情况也可以由段的入口和出口之间的距离来表征。加速度在整个段上可以是恒定的。示例情况成本可以是在行进通过段的同时操作车辆的成本。与示例情况相关联的速率变化可以是正的、负的或零。

路线的各个段可以具有相等长度。在一些实施例中，段中的一个或多个的长度不同于其余段的长度。在一些实施例中，每个段长度可以不同于路线中的所有其他段长度。这些段可以具有任何长度，但优选地相对较短，诸如1m或10m。优选地，这些段足够短，以沿着相应的段呈现恒定的道路倾斜度。

在一些实施例中，示例情况的速率变化可以表示为加速度参数的值。因此，示例情况可以至少部分地由瞬时车辆速率、瞬时车辆加速度和瞬时道路倾斜度来表征。这种示例情况的示例情况成本可以呈每次成本或成本流的形式。

优选地，表征每个示例情况的示例情况特征包括一段道路的长度。因此，每个示例情况可以由多个示例情况特征来表征，包括至少车辆的速率、车辆的速率变化、道路倾斜度和一段道路的长度。段长度可以表示为沿着道路的两个位置之间的距离。

道路倾斜度可以表示为道路的角度。在一些实施例中，道路倾斜度可以表示为沿着道路的两个位置之间的高度差以及位置之间的距离。

所确定的速率分布优选地在整个路线上是连续的。如下面进一步举例说明的那样，路线可以被分成段。在这样的实施例中，速率分布确定的约束优选地是在段中的一个的入口处的速率、与紧接在前的段的出口处的速率相同。

在一些实施例中，该方法包括至少部分地基于路线拓扑和多个示例情况成本来确定取决于行进通过路线时操作车辆的成本的路线成本。

示例情况和示例情况成本可以以多种方式用于路线成本确定。例如，可以沿着路线建立位置的序列。因此，路线可以被分成多个段。因此，段的端部可以由相邻位置限定。位置处的速率可以根据相邻位置的先前确定的速率来确定。根据拓扑数据，可以确定某一位置处的道路倾斜度。位置处的速率、速率变化以及沿着路段的道路倾斜度可以用于通过近似函数来确定预测的情况成本。替代性地，位置处的速率、速率变化和沿着路段的道路倾斜度可以用于查找示例情况的示例情况成本，其中示例情况特征与位置处的速率、速率变化和沿着路段的道路倾斜度相同或近似相同。

该方法可以包括：确定速率分布包括使用取决于在行进通过路线时操作车辆的成本以及车辆行进通过路线的持续时间的加权函数。加权函数可以提供操作成本和持续时间的期望平衡。因此，在一些实施例中，建立取决于在行进通过路线时操作车辆的成本以及车辆行进通过路线的持续时间的加权函数。加权函数可以是操作成本、持续时间和加权变量的函数。操作成本和持续时间的平衡可以通过加权变量进行调节。在一些实施例中，在车辆的任务是紧急的情况下，则与任务不是紧急的情况下相比，给予行进通过路线的持续时间更多的权重。在一些实施例中，加权函数在值方面随着在行进通过路线时操作车辆的增加的成本而增加，并且加权函数在值方面也随着车辆行进通过路线的增加的持续时间而增加。因此，可以确定速率分布，使得速率分布最小化加权函数。因此，可以提供一种平衡车辆操作成本与车辆生产率(即车辆运输持续时间)的有效方式。

加权函数的最小化可以根据各种方式来完成。在一些实施例中，多个或所有示例情况成本中的每一个可以与在相应示例情况下操作车辆的成本相同。因此，一旦已经检索到示例情况成本或者已经使用了近似函数，就可以使用加权函数用于进行速率分布确定。在其他实施例中，如下面举例说明的那样，多个或所有示例情况成本中的每一个可以是使用加权函数的产物。因此，多个或所有示例情况成本中的每一个可以取决于在相应示例情况下操作车辆的成本以及示例情况下的车辆速率。

优选地，确定速率分布包括建立沿着路线的位置的序列。优选地，该方法还包括将位置的相应海拔高度和/或该位置处的相应道路倾斜度与多个位置，优选地所有位置中的每一个相关联。这种关联将有助于通过示例情况成本进行路线成本确定。在多个或所有示例情况中的每一个涉及一段道路的情况下，沿着路线的位置优选地分离等于示例情况段的长度的距离。

优选地，该方法包括针对多个相邻位置对中的每一对，至少部分地基于在该相邻位置对处的预测的车辆速率和从该相邻位置对中的一个到另一个的预测的速率变化，确定用于操作车辆从该相邻位置对中的一个到另一个的预测的情况成本。因此，预测的情况成本优选地通过近似函数来确定，该近似函数部分地基于至少多个示例情况、并且部分地基于近似函数部分地基于其的示例情况的示例情况成本建立。近似函数可以部分地基于近似函数部分地基于其的示例情况的示例情况特征。速率分布优选地部分基于所确定的预测的情况成本来确定。

如所建议的那样，该方法可以包括建立多个预测的情况，并且根据在相应预测的情况下操作车辆的成本来确定预测的情况成本。该方法还可以包括至少部分地基于在相邻位置之间驾驶的时间来调节预测的情况成本。替代性地或此外，该方法可以包括至少部分地基于在相应示例情况下在相邻位置之间驾驶的时间来调节示例情况成本。

确定速率分布可以包括利用路线位置的序列和每个位置的一个或多个车辆速率值来建立路线的矩阵。优选地，对于多个或者全部路线位置中的每一个，存在多个速率值。路线位置的多个速率值可以是离散的，即步进式的。可以选择速率值的步长，使得它们适合于确定候选预测的情况成本，如下举例说明那样。矩阵中的速率值在本文中也被称为速率节点。如从下面的示例可以理解的那样，预测的情况成本可以是从矩阵中的一个节点移动到另一节点的成本。

该矩阵可以以多种方式实现，例如实现为多维表。矩阵可能被车辆速率限制限制。车辆速率限制可以由法定速度限制提供。可以由路线上的曲率提供车辆速率限制。车辆速率限制可以由需要降低的速率的交通情况提供。车辆速率限制可以由天气情况提供。车辆速率限制可以由车辆的最大速率能力提供。车辆速率限制可能取决于道路倾斜度。从一个路线位置到另一路线位置车辆速度限制可能不同。例如，对于第一位置，可以有高达第一最大速率的速率值，并且对于第二位置，可以有比对于第一位置更少的速率值，其中第二最大速率低于第一最大速率。

优选地，该方法包括针对位置的序列中的相邻位置对确定位置中的一个处的车辆速率，并确定各自提供位置中的另一个处的相应车辆速率的多个候选预测的速率变化。在上面举例说明的矩阵中，每个候选预测的速率变化可以表示从一个速率节点到另一速率节点的移动。例如，可以确定在车辆行进方向上首先到达的相邻位置对中的位置处的车辆速率，并且由此可以确定各自提供车辆行进方向上的下一位置处的相应车辆速率的多个候选预测的速率变化。替代性地，可以确定在车辆行进方向上最后到达的相邻位置对中的位置处的车辆速率，并且由此可以确定各自提供车辆行进方向上的前一位置处的相应车辆速率的多个候选预测的速率变化。

应当注意，候选预测的速率变化优选地是可行的速率变化。因此，候选预测的速率变化优选地使得在考虑到车辆的性能容量的情况下，它们是可能获得的。进一步，候选预测的速率变化优选地使得在考虑到道路倾斜的情况下，它们是可能获得的。

该方法可以包括针对多个或所有候选预测的速率变化中的每一个，至少部分地基于示例情况成本中的至少一个，确定候选预测的情况成本。多个候选预测的情况中的每一个可以由多个预测的情况特征来表征，包括在位置中的一个处的相应候选预测的速率变化的车辆速率、在位置中的另一个处的相应候选预测的速率变化的车辆速率以及相应候选预测的速率变化的道路倾斜度。预测的情况特征还可以包括一段路线的长度，诸如路线上两个位置之间的距离。

优选地，至少多个候选预测的情况成本通过近似函数来确定，该近似函数部分地基于至少多个示例情况、并且部分地基于近似函数部分地基于其的示例情况的示例情况成本建立。近似函数可以部分地基于近似函数部分地基于其的示例情况的示例情况特征。因此，候选预测的情况成本可以通过近似函数，至少部分地基于在该相邻位置对处的预测的车辆速率以及从该相邻位置对中的一个到另一个的预测的速率变化来确定。

在一些情况下，候选预测的情况成本中的一个或多个可以通过标识由匹配相应预测的情况特征的示例情况特征表征的示例情况的相应示例情况成本来确定。由此，可以容易地进行候选预测的情况成本的确定。在本文中，匹配可能意味着与某物相同或近似相同。

该方法可以包括确定预测的速率变化候选是否可行。这可以利用布尔函数来完成。替代性地，这可以通过将非常高的示例情况成本分配给对应于预测的速率变化候选的示例情况来完成。因此，示例情况成本可能足够高以便该方法基于其候选预测的情况成本来排除该预测的速率变化候选。

近似函数可以通过示例情况成本中的两个或多个的插值来建立。因此，候选预测的情况成本中的一个或多个可以通过示例情况成本中的两个或多个的插值来确定。近似函数在其为未存储在车辆中的情况提供候选预测的情况成本的能力方面可以提供显著的优势。

因此，本发明的实施例可以提供近似函数，用于计算行进通过一段路线的成本。这可以在例如相应预测的情况特征的组合与示例情况中的任何一个的示例情况特征的组合不相同的情况下完成。因此，可以根据较少数量的示例情况成本来获得多个候选预测的情况成本。因此，示例情况的数量可以保持相对较低。

该方法还可以包括至少部分地基于在相邻位置之间驾驶的时间来调节候选预测的情况成本。在一些实施例中，候选预测的情况成本至少部分地基于示例情况成本来确定，并且因此，可以调节候选预测的情况成本。可以通过加权函数进行调节，该加权函数平衡在相邻位置之间行进时的操作车辆成本和在相邻位置之间行进的持续时间。在一些实施例中，示例情况可以涉及与路线上两个相邻位置之间的距离相同的道路距离。在一些实施例中，可以至少部分地基于在相应示例情况下在相邻位置之间驾驶的时间来调节示例情况成本。因此，用于确定候选预测的情况成本的示例情况成本可以是加权函数的结果，该加权函数平衡在相邻位置之间行进时的操作车辆成本和在相邻位置之间行进的持续时间。因此，示例情况可以考虑车辆行进的持续时间。这意味着候选预测的情况成本的确定可以被简化。

因此，该方法可以包括在调节示例情况成本和/或候选预测的情况成本之后，通过为每对相邻位置选择候选预测的情况成本中的一个来确定路线的速率分布，使得在整个路线上选择的候选预测的情况成本的总和被最小化。如所建议的那样，可以在路线已知之前计算示例情况成本。因此，确定路线的速率分布所需的计算能力将显著低于作为确定车辆分布的一部分从例如车辆模型计算成本的情况。此外，示例情况成本和/或候选预测的情况成本的调节提供了操作成本和生产率之间的平衡的权衡。

优选地，示例情况成本与车辆分离地确定。优选地，示例情况成本与车辆的控制单元分离地确定。本文中，与车辆分离地执行的活动也被称为非机载执行的活动。例如，示例情况成本可以通过与车辆分离的控制单元(例如计算机)来确定。示例情况成本可以通过车辆模型来确定。

因此，车辆控制单元可以免于确定示例情况成本。由于示例情况成本的确定可能需要较大的计算能力，这种免于允许避免车辆控制单元计算能力方面的高成本增加。

如所建议的那样，优选地，该方法包括部分地基于至少多个示例情况，并且部分地基于近似函数部分地基于其的示例情况的示例情况成本建立近似函数。可以提供近似函数来确定车辆的相应预测的情况的预测的情况成本。因此，近似函数可以存储在车辆中。因此，近似函数可以与车辆分离地建立。应当注意，基于示例情况和示例情况成本建立的近似函数可能需要特别小的数据存储空间。

然而，在一些实施例中，该方法可以包括在车辆中存储至少多个示例情况特征和至少多个示例情况成本。

在本文中，在车辆中执行的活动也被称为机载地执行的活动。例如，具有示例情况成本的近似函数和/或示例情况特征可以存储在车辆的控制单元中，或者存储在车辆中的车辆控制单元可访问的数据存储单元中。由此，车辆控制单元可以执行以下步骤：获得指示要由车辆行进的路线的拓扑的拓扑数据，并且至少部分地基于路线拓扑并且借助于近似函数来确定车辆沿着路线的速率分布。替代性地，车辆控制单元可以至少部分地基于路线拓扑和至少多个示例情况成本来确定车辆沿着路线的速率分布。例如，如上举例说明那样，设置矩阵可以机载地进行。候选预测的速率变化的确定可以机载地进行。而且，候选预测的情况成本的确定可以机载地进行。矩阵设置、候选预测的速率变化确定和/或候选预测的情况成本确定可以在车辆行进之前或同时进行。

本发明的实施例允许避免对示例情况成本进行资源消耗的机载计算。通过例如借助于车辆模型非机载地计算示例情况成本并且机载地使用近似函数，可以避免基于车辆模型的计算，这降低了机载处理能力要求。

优选地，该方法包括确定操作车辆的实际成本，并根据所确定的实际成本调节近似函数。在一些实施例中，该方法包括确定操作车辆的实际成本，并根据所确定的实际成本调节示例情况成本。因此，可以通过真实的操作数据来提高示例情况成本的准确性。例如，实际成本确定可以包括实际能耗的计算。这种计算可以根据一个或多个车辆传感器信号来完成。例如，在具有包括电动机的推进装置的车辆中，实际能量消耗可以通过电池电流传感器来确定。

优选地，表征示例情况的多个示例情况特征包括车辆的负载。因此，除了车辆的速率、车辆的速率变化和道路倾斜度之外，示例情况成本可以根据车辆负载来确定。车辆负载可以以任何合适的方式表示，例如，表示为净负载、总车辆质量或总车辆重量。因此，近似函数基于至少多个示例情况成本、以及针对其确定示例情况成本的示例情况的包括负载的示例情况特征的值。因此，至近似函数的输入参数可以是负载、路线段长度、速率、速率变化和道路倾斜度。

因此，沿着路线的速率分布的确定可以涉及确定车辆的实际负载。因此，可以为速率分布确定选择适当的示例情况。如上举例说明那样，在为候选预测的速率变化确定候选预测的情况成本的情况下，车辆的实际负载可以与用于候选预测的情况成本确定的示例情况的负载相同或近似相同。替代性地，候选预测的情况成本可以根据多个示例情况的负载的插值来确定。

在沿着路线的位置之间的距离变化(为了进行速率分布确定)的情况下，两个位置之间的距离可以是示例情况的另一示例情况特征。

这些目的还利用根据权利要求23的计算机程序、根据权利要求24的计算机可读介质、或者根据权利要求25的控制单元或一组控制单元来实现。

本发明的另外的优点和有利特征在以下描述和从属权利要求中公开。

附图说明

参考附图，下文是作为示例引用的本发明的实施例的更详细的描述。

在附图中：

图1是车辆和固定控制单元的示意图。

图2是描绘根据本发明实施例的用于确定图1中的车辆的速率分布的方法中的步骤的图。

图3示出了具有用于速率分布确定的参数的表。

图4显示了由车辆行进的路线的轮廓。

图5和图6描绘了用于确定车辆的速率分布的矩阵。

图7是描绘根据本发明的更一般实施例的方法中的步骤的流程图。

具体实施方式

图1示出了车辆1。在这个示例中，车辆1是带有半挂车的卡车。然而，本发明同样适用于其他类型的车辆，诸如汽车、公共汽车、自卸卡车和采矿车辆。

该车辆包括动力系统。动力系统包括推进装置。本发明的实施例适用于各种推进装置。推进装置可以包括内燃发动机。车辆可以布置成仅由发动机驱动。推进装置可以包括电动机。推进装置可以是具有发动机和电机的混合装置。在这个示例中，车辆是完全电动的车辆。

该车辆包括被布置成控制车辆的功能(诸如其推进和制动)的车辆控制单元101。控制单元被布置成控制推进装置。控制单元被布置成控制车辆的制动系统。车辆控制单元101可以被提供为单个物理单元，或者被提供为被布置为彼此通信的多个物理单元。

车辆还包括用于无线通信的车辆装备102。车辆控制单元101被布置成经由车辆通信装备102接收数据。

图1还示出了固定控制单元201。固定控制单元201可以被提供为计算机。固定控制单元201连接到用于无线通信的固定装备202。固定控制单元201被安排成通过固定通信装备202发送数据。

参考图2，将描述根据本发明实施例的方法。

该方法包括为一个或多个车辆建立S1多个示例情况。在这个示例中，示例情况由固定控制单元201确定。在这个示例中，示例情况被描述为是指单个车辆或单种类型的车辆，诸如特定的车辆模型。然而，在一些实施例中，示例情况中的一个可以指一种类型的车辆，而其他示例情况指一种或多种其他类型的车辆。

每个示例情况由多个示例情况特征来表征。示例情况特征包括车辆的速率、车辆的速率变化、道路倾斜度和车辆的负载。示例情况特征可以表示速率、速率变化、道路倾斜度或负载的值。这些参数的值可以从一个示例特征步进到另一示例特征。进一步，不同的参数值可以分布到不同的示例情况。每个示例情况可以由示例情况特征的唯一组合来表征。

示例情况特征还可以包括一段路线的长度，例如表示为沿着路线的两个位置之间的距离。

该方法还包括为多个或所有示例情况中的每一个确定S2示例情况成本。示例情况成本取决于在相应示例情况下操作车辆的成本。如下举例说明那样，每个示例情况成本也可以取决于在相应示例情况下的行进的时间或速率。

示例情况成本通过车辆模型确定。车辆模型可以包括动力系统的模型。该模型可以包括动力系统的能量损失。车辆模型可以包括推进装置的模型。在推进装置是电混合推进装置或完全电动的推进装置的情况下，车辆模型可以包括电动机的模型和电存储设备的模型，诸如电池或电池组。电存储设备模型可以包括存储设备的健康状态的模型。电存储设备模型可以包括电池劣化模型。存储设备能力可以取决于存储设备的充电状态。

车辆模型还可以包括车辆的制动系统的模型。制动系统可包括行车制动器。制动系统可以包括借助于电机和存储设备的再生制动功能。进一步，车辆模型可以包括道路摩擦的模型。该方法的目的是最小化行车制动器的使用。为此，如车辆模型所示，需要使用行车制动器的示例情况可能被分配相对较高的示例情况成本。

根据示例情况的速率、速率变化和道路倾斜度，可以确定动力系统的所需力、扭矩和/或动力。车辆模型可以包括车辆或动力系统的约束。这种约束可以指示示例情况的候选是否可行。例如，根据推进装置能力和道路倾斜度，可能存在车辆加速度的限制。而且，根据制动系统的能力或道路摩擦，可能存在负车辆加速度的限制。此外，根据负道路倾斜度，可能存在负车辆加速度的限制。示例情况成本可以仅针对可行的示例情况加以确定S2。

如下面举例说明的那样，要由车辆行进的路线可以被分成段。这些段可以具有不同的长度，或者具有相等的长度。在这些段具有相等长度的情况下，这些段在本文中也被称为单位段。而且，每个示例情况可以涉及车辆行进通过单位段。因此，示例情况可以部分地由段长度、单位段的入口处的车辆速率、以及段的出口处的车辆速率以及段的倾斜度来表征。

示例情况成本由固定控制单元201确定S2。因此，示例情况成本与车辆分离地确定。每个示例情况成本可以是在相应示例情况下操作车辆的成本。操作车辆的成本可能取决于车辆在相应示例情况下的能量消耗。在相应的示例情况下操作车辆的成本通过车辆模型来确定。

因此，具有其示例情况特征的每个示例情况与示例情况成本中的相应示例情况成本相关。

该方法还包括基于至少多个示例情况成本CS、以及针对其确定示例情况成本的示例情况的示例情况特征的值来建立近似函数，以便基于车辆的相应的预测的情况的预测的情况特征确定预测的情况成本。

近似函数被发送到车辆控制单元101。替代性地，表示所确定的示例情况特征的数据和示例情况成本被发送到车辆控制单元101。发送可以通过通信装备102、202来完成。近似函数存储在车辆中、车辆控制单元101中或者可对其进行访问。

近似函数存储在车辆控制单元101中。替代性地，示例情况特征和示例情况成本存储在车辆中、车辆控制单元101中或者可对其进行访问。在车辆控制单元101中，示例情况特征和示例情况成本可以以表的形式提供。图3示出了这样的表的示例。对于车辆负载LS、道路倾斜度αS、车辆速率VS和车辆速率变化VCS的每个组合，表可以呈现示例情况成本CS。如上所述，示例情况特征还可以包括一段路线的长度，在图3中未示出。

因此，为了确定速率分布，车辆控制单元101没有负担确定操作情况的成本的需要计算的工作。相反，车辆控制单元使用近似函数、和/或示例情况特征、以及示例情况成本，如下举例说明那样。

速率分布可以在车辆静止的同时确定，例如，对于计划的路线。替代性地，对于形成车辆的行程一部分的路线，可以在车辆正在行进的同时重复地确定速率分布。例如，可以借助于诸如GPS(全球定位系统)单元的旅程规划设备来确定路线。为了这种呈现，这种设备可以被理解为形成车辆控制单元101的一部分。速率分布的确定可以以规则的时间间隔或驾驶距离间隔进行，例如每100米。

也参考图4。该方法包括获得S3指示由车辆将要行驶的路线RT的拓扑的拓扑数据。拓扑数据可以从地图数据中获得。至少部分地基于路线拓扑和至少多个存储的示例情况成本CS来确定车辆沿路线的速率分布。这个确定包括沿路线建立S4位置P0至P9的序列。因此，路线被分成段ST1至ST9。在这个示例中，段具有相等的长度，本文中称为单位段。路线段的长度与所存储的示例情况的段的长度相同。应当注意，在一些实施例中，路线的段的长度可以彼此不同。应该注意的是，为了这种呈现的简单起见，图4中的位置的数量比本发明的实际实施例中的少得多。例如，段的长度可以是10米。这意味着，对于1km的路线，将有101个位置，每10米一个。

根据拓扑数据，海拔高度ALT与每个位置P0至P9相关联。在这个示例中，假设每个段ST1至ST9的道路倾斜度是恒定的。如图4中举例说明那样，段ST4的道路倾斜度α可以由段ST4的端部的位置P3、P4的海拔高度和段的长度来确定。

也参考图5。确定速率分布包括为路线RT设置矩阵MX。该矩阵包括路线位置P0至P9的序列。对于每个位置，提供多个车辆速率值V1至V9。应该注意的是，为了这种呈现的简单起见，图5中矩阵中的位置和速率的数量比本发明的实际实施例中的少得多。

速率值在图5中以圆圈指示。矩阵中的一对位置和速率在本文也被称为节点。对于每个位置，速率值都是步进式离散值。可以选择步长的大小，目的是在计算速率分布的相对较低的任务大小和近似计算的精度之间获得适当的平衡。例如，速率步长可以是0.1m/s。

考虑速率限制，例如道路弯道或法定速度限制施加的速率限制。为此，可以在矩阵MX中移除一些速率值。这在图5中通过在位置P5、P6中的一些处移除一些速率V6至V9的节点来举例说明。而且，对于矩阵，可以考虑较低的速率限制。

该方法还包括至少部分地基于路线拓扑和多个示例情况成本CS来确定路线成本。路线成本取决于在行进通过路线时操作车辆的成本。如图5中举例说明那样，确定路线成本包括针对位置P0至P9的序列中的相邻位置对P2、P3确定S5位置P2中的一个处的车辆速率V5，并确定各自提供位置P3中的另一个处的相应车辆速率V1至V9的多个候选预测的速率变化。候选预测的速率变化在图5中的示例中利用所讨论的节点之间的线表示。这个示例中的候选预测速率变化被指定为P2V5-P3V1、P2V5-P3V2、P2V5-P3V3等。

该方法还包括针对多个或所有候选预测的速率变化中的每一个，至少部分地基于所存储的示例情况成本CS中的至少一个，通过使用近似函数确定S6候选预测的情况成本，如下举例说明那样。候选预测的情况成本中的一个或多个可以通过使用近似函数来确定。因此，候选预测的情况成本可以通过示例情况成本CS中的两个或多个的插值来确定。

替代性地，候选预测的情况成本中的一个或多个可以通过标识示例情况的相应存储的示例情况成本CS来确定。示例情况可以是由与候选预测的速率变化的特征(例如位置P2中的一个处的车辆速率V5、位置P3中的另一处的车辆速率V1至V9以及道路倾斜度α)匹配的示例情况特征LS、αS、VS、VCS表征的示例情况。示例情况成本CS的示例情况可以通过例如以矢量的形式提供相应候选预测的速率变化的特征(即位置P2中的一个处的速率V5、位置P3中的另一个处的速率V1至V9以及道路倾斜度α)来标识，以便在示例情况的存储中进行搜索。

该方法还包括标识不可行的候选速率变化。例如，由于道路摩擦的限制、动力系统的能力限制和/或制动系统的能力限制，在位置P3、P2之间的段的长度内，某些速率变化可能是不可能的。例如，在图5中，候选速率变化P2V5-P3V1和P2V5-P3V9可能是不可行的。当确定其候选预测的情况成本时，可以确定候选速率变化是否可行。近似函数可以指示候选速率变化是不可行的。替代性地，示例情况的存储可以指示候选速率变化是不可行的。因此，该方法可以包括针对可行的候选预测的速率变化中的每一个，至少部分地基于示例情况成本CS中的至少一个，确定候选预测的情况成本。

确定速率分布，使得取决于在行进通过路线时操作车辆的成本以及车辆行进通过路线的持续时间的加权函数被优化，例如被最小化。加权函数可以以任何合适的方式提供。加权函数提供了操作成本和时间成本之间的平衡，这是车辆的生产率的指示。

对于操作成本和生产率平衡，可以至少部分地基于相邻位置P2、P3之间的驾驶时间来调节示例情况成本CS和/或候选预测的情况成本。在这个示例中，候选预测的情况成本被调节S7。例如，加权函数可以是

(1)CCadj＝(1-w)*CC/CCopernom+w*Δt/Δtnom

其中CCadj是经调节的候选预测的情况成本，CC是未调节的候选预测的情况成本，即候选速率变化的操作成本，CCopernom是用于归一化操作成本CC的参考操作成本，Δt是在位置P2、P3之间行进的时间，Δtnom是归一化时间Δt的参考时间，并且w是用于平衡操作成本和时间的加权因子。加权因子w可以在0到1的区间内。例如，可以通过使参考操作成本CCopernom等于沿着路线的所有段的预测的情况成本的中值来确定参考操作成本。替代性地，例如，可以通过使参考操作成本CCopernom等于沿着路线的所有段的预测的情况成本的平均值来确定参考操作成本。

加权函数的替代性方案可以是：

(2)CCadj＝(1-w)*(CC1/CC1nom+CC2/CC2nom)+w*Δt/Δtnom

其中CC1是第一类操作成本(例如能源使用的成本)，而CC2是第二类操作成本，例如磨损的成本，例如健康状况成本。

等式(1)和(2)使成本和时间无量纲化。更一般性的加权函数可以是：

(3)CCadj＝(1-w)*f1+w*f2

其中f1至少基于操作成本，以及f2至少基于时间。

在一些实施例中，示例情况成本CS在被用于近似函数确定之前被调节。在一些实施例中，示例情况成本CS在被存储之前被调节。由此，减少了车辆控制单元101的计算任务。

除了候选预测的情况成本的调节S7之外，通过为每对相邻位置P2、P3选择候选预测的情况成本中的一个来确定路线RT的速率分布，使得在整个路线中选择的候选预测的情况成本的总和被最小化S8。这种优化可以通过最短路径算法(例如Bellman-Ford算法)来完成。为此，必须选择路线的最后位置P9的速率中的一个。由于路径的开始处的速率可以已知为车辆的当前速率，因此最短路径算法的结束值是可用的。最后位置P9处的速率可以以任何合适的方式选择，例如，选择为等于结束位置P9处的法定速度限制。

应当注意，候选预测的情况成本的调节S7可以与在整个路线上选择候选预测的情况成本同时进行，以便最小化S8候选预测的情况成本之和。然而，在一些实施例中，当对于矩阵MX中的所有可行的候选预测的速率变化已经获得时间平衡的候选预测的情况成本时，通过为每对相邻位置P2、P3选择候选预测的情况成本中的一个来确定路线RT的速率分布，使得在整个路线中选择的候选预测的情况成本的总和被最小化S8。

优化S8可以以步进的方式完成。作为最短路径算法的替代性方案，车辆1的当前位置P0(图4)处的速率可以用作矩阵MX中的开始节点。因此，如上举例说明那样，可以确定用于在前两个相邻位置P0、P1之间行进的最低的经调节的候选预测的情况成本。最低的经调节的候选预测的情况成本的候选预测速率变化将给出下一位置P1处的速率。然后，为下一对相邻位置P1、P2重复用于确定最低的经调节的候选预测的情况成本的过程。

优化S8的结果将是一系列所选择的候选预测速率变化，它们一起形成所确定的速率分布VP，如图6中举例说明那样。

该方法还可以包括确定操作车辆的实际成本，并且根据所确定的实际成本来调节示例情况成本CS中的一个或多个。为此，针对其确定实际成本的驾驶情况的特征可以与一个或多个示例情况的示例情况特征相匹配。因此，可以基于真实成本来提高所存储的示例情况成本的准确性。

参考图7，其描绘了根据本发明的更一般的实施例的方法中的步骤。如上举例说明那样，该方法可以由车辆控制单元101和固定控制单元201实行。该方法包括建立S1多个示例情况，其中每个示例情况由多个示例情况特征表征，包括至少车辆的速率VS、车辆的速率变化VCS和道路倾斜度αS。该方法还包括针对多个示例情况中的每一个，根据在相应示例情况下操作车辆的成本来确定S2示例情况成本。该方法还包括随后获得S3指示由车辆将要行驶的路线的拓扑的拓扑数据。此外，该方法包括至少部分地基于路线拓扑和至少多个示例情况成本，确定S41车辆沿路线的速率分布。

应当理解的是，本发明不限于以上描述的和附图中展示的实施例；相反，本领域技术人员将认识到，在所附权利要求的范围内可以进行许多改变和修改。

Claims (26)

1.一种用于控制车辆（1）的方法，所述方法包括：

- 建立（S1）多个示例情况，其中每个示例情况由多个示例情况特征来表征，所述多个示例情况特征包括至少所述示例情况下的车辆速率（VS）、所述示例情况下的车辆的速率变化（VCS）以及所述示例情况下的道路倾斜度（αS），

- 针对所述多个示例情况中的每一个，根据在相应的所述示例情况下操作车辆的成本来确定（S2）示例情况成本（CS），

- 随后获得（S3）指示由所述车辆将要行驶的路线（RT）的拓扑的拓扑数据，

- 至少部分地基于所述路线拓扑和至少多个示例情况成本（CS），确定（S4-S8、S41）所述车辆沿所述路线（RT）的速率分布（VP）。

2.根据权利要求1所述的方法，其特征在于，所述示例情况成本是通过车辆模型来确定的。

3.根据权利要求1或2所述的方法，其特征在于，部分地基于至少多个示例情况，并且部分地基于近似函数部分地基于其的示例情况的示例情况成本（CS）建立所述近似函数。

4.根据权利要求3所述的方法，其特征在于，根据所述拓扑数据建立多个预测的情况，并且对于至少多个所建立的预测的情况中的每一个，通过所述近似函数确定指示在相应的所述预测的情况下操作所述车辆的成本的预测的情况成本（CC），其中所述速率分布是部分地基于所确定的预测的情况成本（CC）来确定的。

5.根据权利要求1所述的方法，其特征在于，确定所述速率分布（VP）包括建立沿着所述路线（RT）的位置（P0-P9）的序列。

6.根据权利要求5所述的方法，其特征在于，将所述位置的相应海拔高度和/或所述位置处的相应道路倾斜度（α）与多个位置或所有位置（P0-P9）中的每一个相关联。

7.根据权利要求5所述的方法，其特征在于，针对多个相邻位置对（P2、P3）中的每一对，至少部分地基于在所述对相邻位置处的预测的车辆速率（V5）和从所述相邻位置中的一个到另一个的预测的速率变化（P2V5-P3V1、..），确定用于操作所述车辆从所述相邻位置中的一个到另一个的预测的情况成本。

8.根据权利要求6所述的方法，其特征在于，针对多个相邻位置对（P2、P3）中的每一对，至少部分地基于在所述对相邻位置处的预测的车辆速率（V5）和从所述相邻位置中的一个到另一个的预测的速率变化（P2V5-P3V1、..），确定用于操作所述车辆从所述相邻位置中的一个到另一个的预测的情况成本。

9.根据权利要求7或8所述的方法，其特征在于，所述预测的情况成本（CC）是通过近似函数来确定的，所述近似函数部分地基于至少多个所述示例情况、并且部分地基于所述近似函数部分地基于其的示例情况的示例情况成本（CS）得以建立。

10.根据权利要求7或8所述的方法，其特征在于，所述速率分布是部分地基于所确定的预测的情况成本（CC）来确定的。

11.根据权利要求9所述的方法，其特征在于，所述速率分布是部分地基于所确定的预测的情况成本（CC）来确定的。

12.根据权利要求5至8中任一项所述的方法，其特征在于，确定所述速率分布（VP）包括利用路线位置（P0-P9）的序列和每个位置的一个或多个车辆速率值（V1-V9）来设置所述路线（RT）的矩阵（MX）。

13.根据权利要求5至8中任一项所述的方法，其特征在于，针对位置的序列中的相邻位置对（P2、P3）确定所述位置中的一个（P2）处的车辆速率（V5），并确定（S5）各自提供所述位置中的另一个（P3）处的相应的车辆速率（V1-V9）的多个候选预测的速率变化（P2V5-P3V1、..）。

14.根据权利要求13所述的方法，其特征在于，针对多个或所有候选预测的速率变化（P2V5-P3V1、..）中的每一个，至少部分地基于所述示例情况成本（CS）中的至少一个，确定（S6）候选预测的情况成本（CC）。

15.根据权利要求14所述的方法，其特征在于，至少多个所述候选预测的情况成本是通过近似函数来确定的，所述近似函数部分地基于至少多个所述示例情况、并且部分地基于所述近似函数部分地基于其的示例情况的示例情况成本得以建立。

16.根据权利要求15所述的方法，其特征在于，所述近似函数是通过所述示例情况成本（CS）中的两个或多个的插值来建立的。

17.根据权利要求14-16中任一项所述的方法，其特征在于，至少部分地基于在所述相邻位置之间驾驶的时间（Δt）来调节（S7）所述候选预测的情况成本（CC）。

18.根据权利要求17所述的方法，其特征在于，在调节所述示例情况成本（CS）和/或所述候选预测的情况成本（CC）之后，通过为每对相邻位置选择所述候选预测的情况成本中的一个来确定所述路线（RT）的速率分布（VP），使得在整个所述路线（RT）上选择的候选预测的情况成本的总和被最小化（S8）。

19.根据权利要求1所述的方法，其特征在于，所述示例情况成本（CS）被与所述车辆（1）分离地加以确定。

20.根据权利要求1所述的方法，其特征在于，部分地基于至少多个示例情况，并且部分地基于近似函数部分地基于其的示例情况的示例情况成本（CS）建立所述近似函数，以用于确定所述车辆的相应的预测的情况的预测的情况成本。

21.根据权利要求20所述的方法，其特征在于，将所述近似函数存储在所述车辆（1）中。

22.根据权利要求20或21所述的方法，其特征在于，确定用于操作所述车辆的实际成本，并根据所确定的实际成本调节所述近似函数。

23.根据权利要求1所述的方法，其特征在于，确定用于操作所述车辆的实际成本，并根据所确定的实际成本调节示例情况成本（CS）。

24.根据权利要求1所述的方法，其特征在于，表征所述示例情况的多个示例情况特征（LS、αS、VS、VCS）包括所述车辆（1）的负载（LS）。

25.一种承载计算机程序的计算机可读介质，所述计算机程序包括程序代码装置，所述程序代码装置用于当所述计算机程序在计算机或所述计算机的集合上运行时执行权利要求1至24中任一项中的步骤。

26.一种控制单元（101、201）或所述控制单元（101、201）的集合，所述控制单元或所述控制单元的集合被配置为执行根据权利要求1至24中任一项中的方法的步骤。

Images