CN114910091A - 基于车辆行驶里程和间接成本分配行驶路线的系统和方法 - Google Patents
基于车辆行驶里程和间接成本分配行驶路线的系统和方法 Download PDFInfo
- Publication number
- CN114910091A CN114910091A CN202210116559.5A CN202210116559A CN114910091A CN 114910091 A CN114910091 A CN 114910091A CN 202210116559 A CN202210116559 A CN 202210116559A CN 114910091 A CN114910091 A CN 114910091A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battery
- travel route
- cost
- deployment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000036541 health Effects 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims 1
- 239000003502 gasoline Substances 0.000 description 46
- 239000000446 fuel Substances 0.000 description 17
- 238000012423 maintenance Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000001934 delay Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 239000002828 fuel tank Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- 238000009662 stress testing Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 239000002826 coolant Substances 0.000 description 2
- 230000000779 depleting effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 241000156302 Porcine hemagglutinating encephalomyelitis virus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W20/00—Control systems specially adapted for hybrid vehicles
- B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
- B60W20/13—Controlling the power contribution of each of the prime movers to meet required power demand in order to stay within battery power input or output limits; in order to prevent overcharging or battery depletion
-
- 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
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
Abstract
本公开提供了“基于车辆行驶里程和间接成本分配行驶路线的系统和方法”。本公开总体上涉及用于向车辆分配行驶路线的系统和方法。一种示例性方法可以涉及评估第一车辆以部署在第一行驶路线上以及评估第二车辆来用于第二行驶路线。评估第一车辆可以包括确定第一车辆在第一行驶路线上的部署期间将需要第一能量补充操作的第一概率,以及还确定第一车辆的第一部署成本。第一部署成本可以包括基于第一概率的第一能量补充成本。评估第二车辆可以包括确定第二车辆的第二部署成本,所述第二部署成本包括第二能量补充成本。如果第一部署成本小于第二部署成本,则将第一车辆分配给第一行驶路线,并且将第二车辆分配给第二行驶路线。
Description
技术领域
本公开总体上涉及用于向车辆分配行驶路线的系统和方法。
背景技术
随着各种障碍的克服,对试图用其他类型的车辆替换汽油车辆的生态友好的移动解决方案的推动正在逐渐取得进展。与电动车辆的部署相关联的一个重要障碍是现有电池提供的行驶里程有限。不断努力改进电池技术,再加上能够普遍进行车辆电池充电的基础设施发展,正在解决这个问题并使电动车辆对个人以及车队运营商更具吸引力。
个人通常在购买电动车辆之前分析若干因素,并且之后在操作电动车辆时遵循某些节省成本的程序。例如,个人可以在购买之前将电动车辆的运营成本与汽油车辆的运营成本进行比较,并且还可以分析他/她的通勤距离,以便确保由电动车辆提供的行驶里程不会使他/她在无法使用充电站的情况下滞留。
车队运营商可能会更加犹豫购买电动车辆,特别是当难以识别可以统一应用于车队的所有车辆的行驶里程时。更具体地,运输公司可能发现难以确定在已经包括若干汽油车辆的车队中包括多少电动车辆。即使当车队中包括电动车辆时,执行某些车队操作(例如确定在各个目的地和距离上部署哪些类型的车辆(电动或汽油))也可能是麻烦且耗时的。该问题的一种解决方案可能涉及为车队中的所有电动车辆设置保守的行驶里程。保守的行驶里程可以基于例如不具有大电池容量的一些车辆的行驶里程的因素。此类车辆在电池充满电的情况下可能无法行驶与车队中具有更高电池容量的其他车辆相同的距离。这种解决方案的缺点在于具有更高电池容量的车辆可能未被充分利用并且承担不必要的成本损失,例如与低行驶里程车辆相比购买价格更高。
因此,期望提供解决诸如上述问题的问题的解决方案。
发明内容
本公开总体上涉及用于向车辆分配行驶路线的系统和方法。一种示例性方法可以涉及评估第一车辆以部署在第一行驶路线上以及评估第二车辆来用于第二行驶路线。评估第一车辆可以包括确定第一车辆在第一行驶路线上的部署期间将需要第一能量补充操作的第一概率,并且还确定第一车辆的第一部署成本。第一部署成本可以包括基于第一概率的第一能量补充成本。评估第二车辆可以包括确定第二车辆的第二部署成本,所述第二部署成本包括第二能量补充成本。如果第一部署成本小于第二部署成本,则将第一车辆分配给第一行驶路线,并且将第二车辆分配给第二行驶路线。在一些情况下,第二车辆可以是汽油操作的车辆或混合动力车辆,并且评估该车辆可以包括确定包括汽油成本的部署成本。在示例性场景中,第二行驶路线可以短于第一行驶路线。与例如仅基于车辆里程将汽油车辆或混合动力车辆分配给较长行驶路线相比,将汽油车辆或混合动力车辆分配给两条行驶路线中的较短行驶路线可能构成最优分配策略。
附图说明
参考附图阐述具体实施方式。使用相同的附图标记可以指示类似或相同的项。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/或部件不一定按比例绘制。在整个本公开中,根据上下文,单数和复数术语可以可互换地使用。
图1示出了根据本公开的实施例的可以用于向各种类型的车辆分配行驶路线的示例性车辆分配系统。
图2示出了根据本公开的实施例的指示一些示例性电动车辆的电池特性的表。
图3示出了基于车辆特性指示一些示例性行驶路线和对这些行驶路线的车辆分配的表。
图4示出了根据本公开的实施例的将电动车辆分配给行驶路线的示例性程序的流程图。
图5示出了根据本公开的实施例的向行驶在行驶路线上的电动车辆提供电池充电的示例性程序的流程图。
图6示出了根据本公开的实施例的将电动车辆分配给行驶路线的示例性程序的另一流程图。
具体实施方式
下文将参考附图更全面地描述本公开,其中示出了本公开的示例性实施例。然而,本公开可以以许多不同形式来体现,并且不应被解释为受限于本文阐述的示例实施例。相关领域技术人员将理解,在不脱离本公开的精神和范围的情况下可对各种实施例作出形式和细节上的各种变化。因此,本公开的广度和范围不应受到上述示例性实施例中的任何一个限制,而是应仅根据以下权利要求和其等效物限定。以下描述是为了说明目的而呈现,并且不意图是详尽性的或受限于所公开的精确形式。应理解,替代实施方式可以以任何期望的组合来使用,以形成本公开的另外的混合实施方式。例如,相对于特定装置或部件描述的任何功能性可以通过另一个装置或部件来执行。此外,尽管已描述了特定的装置特性,但本公开的实施例可涉及许多其他装置特性。此外,尽管已用特定于结构特征和/或方法动作的语言描述了实施例,但是应理解,本公开不一定受限于所描述的特定特征或动作。而是,将特定特征和动作公开为实施实施例的说明性形式。
本文使用的某些词语和短语仅是为了方便,并且这些词语和术语应被解释为是指本领域普通技术人员通常以各种形式和等效方式理解的各种对象和动作。例如,如在本公开中使用的词“车辆”可以是关于各种类型的车辆中的任一种,例如卡车、半挂挂车、平板车、轿车、货车、运动型多功能车,以及公共汽车。用于以下描述目的的车队可以包括一个或多个汽油车辆和一个或多个替代燃料车辆。替代燃料车辆的几个示例可以包括电动车辆、混合动力电动-汽油车辆、插电式混合动力电动-汽油车辆、燃料电池车辆和压缩天然气(CNG)车辆。必须理解,本文关于“电动车辆”或“汽油车辆”公开的主题可以同样适用于各种其他类型的车辆。例如,与电动车辆的电池容量相关的描述应被理解为同样适用于CNG车辆中的燃料箱的存储容量。类似地,与基于存储在电动车辆的可再充电电池中的电荷量的电动车辆的行驶里程相关的描述应被理解为同样适用于基于存储在CNG车辆的燃料箱中的CNG气体量的CNG车辆的行驶里程或基于存储在汽油车辆的燃料箱中的汽油量的汽油车辆的行驶里程。本公开中参考电动车辆和汽油车辆(或混合动力车辆)描述的任何比较可以同样适用于具有不同类型的动力传动系统的两个或更多个车辆,例如插电式电动混合动力车辆(PHEV)与氢气车辆之间的比较,和/或具有较旧类型电池的较早型号电动车辆与具有较新类型电池的较新型号电动车辆之间的比较。如本文所使用的词语“电池”不一定限于单个电池,并且通常涉及具有电池组的电池系统,所述电池组向联接到电动车辆的车轮的一个或多个马达提供电力。
图1示出了根据本公开的实施例的可以用于向各种类型的车辆分配行驶路线的示例性车辆分配系统100。示例性车辆分配系统100可以包括车辆调度系统105、车辆电池数据库110、车辆维护记录系统115和车队。在该示例性场景中,车队包括第一电动车辆120、第二电动车辆125、第三电动车辆130和汽油车辆135。在其他场景中,车队可以包括多于一辆汽油车辆和少于或多于三辆可以是电动车辆或其他类型的替代燃料车辆的其他车辆。
车辆调度系统105可以包括通信地耦合到网络140的一个或多个计算机,例如通信地耦合到网络140的计算机106。计算机106可以是各种类型的计算机中的任一种,例如台式计算机、膝上型计算机、平板计算机、或手持式装置(诸如包含处理器和存储器的智能电话)。计算机106通常包括处理器111和存储器109。作为非暂时性计算机可读介质的一个示例的存储器109可以用于存储操作系统(OS)108和例如可以下载到存储器109中的软件应用程序107的各种其他代码模块。软件应用程序107可以由处理器111执行以根据本公开执行各种操作,例如将车队的各种车辆分配给各种行驶路线。下面以将各种车辆分配给各种行驶路线的各种方法和程序的形式描述软件应用程序的一些操作方面。
车辆电池数据库110和车辆维护记录系统115还可以包括通信地耦合到网络140的一个或多个计算机(未示出)。第一电动车辆120可以包括通信地耦合到网络140的车辆计算机121。第二电动车辆125可以包括通信地耦合到网络140的车辆计算机126。第三电动车辆130可以包括通信地耦合到网络140的车辆计算机131。汽油车辆135可以包括通信地耦合到网络140的车辆计算机136。
网络140可以包括任一网络或网络的组合,例如局域网(LAN)、广域网(WAN)、电话网络、蜂窝网络、有线网络、无线网络和/或私有网络/公共网络(诸如互联网)。耦合到网络140的云计算系统141使用一个或多个计算机和一个或多个存储元件来提供基于云的服务。通信地耦合到网络140的各种部件可以通过使用各种通信技术(例如TCP/IP、蓝牙、蜂窝、近场通信(NFC)、Wi-Fi、Wi-Fi直连、车辆对车辆(V2V)通信、车辆对外界(V2X)和/或车辆对基础设施(V2I)通信)来彼此通信。
可以通过启动计算机106中的软件应用程序107来执行根据本公开的行驶路线分配程序。在示例性程序中,软件应用程序107可以经由网络140从各种来源获得信息。例如,可以从车辆电池数据库110获得与车队中的电动车辆中提供的电池有关的信息。关于电池的此类信息的一些示例可以包括电池的制造日期、电池的kWh额定值、电池的使用期限、电池的性能历史、电池的客户评论和/或用于电动车辆的产品兼容性。
软件应用程序107可以获得车辆的车辆维护记录系统115,例如汽油车辆135的维护记录。此类记录的一些示例可以包括机油更换、轮胎更换、零件更换、里程数和/或车辆的各个零件(冷却剂系统、变速器、交流发电机等)的状况。在一些实施方式中,汽油车辆135的各种状况可以在各个时间在车辆维护记录系统115中被动态地修改,例如在部署在行驶路线上之前、在行驶路线上行驶时、在到达目的地时等。动态更新的条件可以包括例如轮胎压力、油位、冷却剂液位和电池参数。在电动车辆的情况下,车辆维护记录系统115可以提供信息,例如在第一电动车辆120的车辆计算机121上执行的软件更新、第一电动车辆120的车辆计算机121中的软件和/或硬件问题、和/或第一电动车辆120的车辆计算机121的性能历史(崩溃、故障、安全问题等)。
在根据本公开的操作中,软件应用程序107可以使用从各种来源(诸如车辆电池数据库110和车辆维护记录系统115)获得的信息来将行驶路线分配给车队中的一些或所有车辆。可以通过评估安装在电动车辆中的一辆或多辆中的可再充电电池的电池健康状况来执行行驶路线分配。电池健康状况可以用于确定电动车辆的各种工况,例如在电动车辆的电池充满电之后电动车辆的行驶里程。行驶里程可能受到电池的各个方面的影响,例如由于各种因素(诸如老化、操作环境和应力)而导致的电池性能降低。可以在各个时间执行对电池健康状况的评估。
在例如已经向第一电动车辆120分配行驶路线的示例性操作中,软件应用程序107可以在第一电动车辆120开始所分配的行驶路线之前评估第一电动车辆120中的电池的健康状况。评估可以涉及确定何时以及何地可能需要沿着行驶路线对电池进行再充电操作(如果有的话)。在另一场景中,评估可以在第一电动车辆120在行驶路线上移动时由软件应用程序107执行,并且是可变的,如车辆HVAC的使用、行驶速度、环境温度、灯和挡风玻璃刮水器的使用等正在影响车辆消耗的能量。可以进行安排以将第一电动车辆120引导到电池再充电站或与再充电车辆(或替换车辆)会合。在示例性场景中,再充电车辆可以将电力从再充电车辆的电池传输到第一电动车辆120的电池。再充电车辆的电池可以具有比第一电动车辆120的电池更高的电荷量以执行再充电操作。
在再充电车辆的情况下,布置可以涉及在第一电动车辆120到达会合位置之前将再充电车辆调度到会合位置。当车辆不是电动车辆时,再充电车辆可以被配备为运输其他类型的燃料(例如,LPG气体)。在替代安排中,第一电动车辆120可以被引导为行驶到行驶路线上的特定再充电站。可以在第一电动车辆120已经到达行驶路线上预期电池需要再充电的地点之前或之后提供方向。提前规划和安排再充电操作可以最小化或消除在执行行驶路线分配时与由于第一电动车辆120的可再充电电池耗尽电量(或替代燃料车辆耗尽燃料)而导致的计划外停车和延迟相关联的某些类型的间接成本。下面关于图6描述与计划外停车和延迟相关联的附加类型的成本。
图2示出了根据本公开的实施例的指示一些示例性电动车辆的电池特性的表200。第一电动车辆120依靠具有70kWh的额定电池容量的可再充电电池来操作。然而,可再充电电池已经由于各种因素而劣化,例如长时间的使用、不良的维护和/或应力(过度的电流消耗、温度、湿度等)。劣化可能会影响可再充电电池的当前健康状况,在该示例中,其为原始容量的83%。因此,可再充电电池可以提供的实际电池容量为58.1kWh(70kWh的83%)。第一电动车辆120以及其他电动车辆中的可再充电电池的健康状况通常反映电荷保持容量、瓦时额定值、充电速率和/或平均故障间隔时间(MTBF)额定值分别与原始电荷保持容量、原始瓦时额定值、原始充电速率和/或原始平均故障时间(MTBF)额定值相比减小。
第二电动车辆125具有可再充电电池,所述可再充电电池具有70kWh的额定电池容量。由于劣化,可再充电电池的当前健康状况为原始容量的95%。因此,此可再充电电池可以提供的实际电池容量为66.5kWh(70kWh的95%)。
电动车辆130具有可再充电电池,所述可再充电电池具有80kWh的额定电池容量。由于劣化,可再充电电池的当前健康状况为原始容量的87%。因此,此可再充电电池可以提供的实际电池容量为69.6kWh(80kWh的87%)。
汽油车辆135依靠汽油发动机运行。设置在汽油车辆135中的可再充电电池通常用于起动发动机,但不用于使汽油车辆135运动。当汽油发动机处于操作中时,汽油车辆135的可再充电电池由交流发电机充电。汽油车辆135的行驶里程通常取决于其燃料箱的大小和所使用的燃料的品质。由于诸如发动机性能和各种部件的磨损等因素,汽油车辆135中可能存在行驶里程方面的性能劣化。
图3示出了指示一些示例性行驶路线和基于车辆特性的对这些行驶路线的车辆分配的表300。路线A长45英里,并且电动车辆需要55kWh的估计电池额定值来完成该行驶路线。估计的电池额定值(kWh)可以基于将可再充电电池充电到特定荷电水平(例如,100%容量)并估计电动车辆在可再充电电池下降到其中需要进行再充电操作的荷电水平之前的行驶里程。可再充电电池的健康状况可能会影响在将可再充电电池充电到其容量的100%时存储在可再充电电池中的电荷量,并且还可能会影响可再充电电池用于移动电动车辆时的放电速率和电荷存储特性。该方面在表200中被指示为可再充电电池的实际电池容量。
表300中所示的路线B长72英里,并且电动车辆穿越路线B需要65kWh的估计电池额定值。表300中所示的另一条路线C长30英里并且电动车辆穿越路线C需要40kWh的估计电池额定值,路线D(表300中所示的最长行驶路线)长94英里,并且电动车辆穿越路线D需要68kWh的估计电池额定值。
可以采用各种类型的车辆分配程序来将表200中所示的示例性车辆分配给表300中所示的示例性行驶路线。可以在先到先得的基础上执行列305中所示的第一车辆分配程序,其中向第一驾驶员提供示例性车辆中的任一者和示例性行驶路线中的任一者的选择。向接下来的第二驾驶员提供剩余车辆中的任一者和剩余行驶路线中的任一者的选择,以此类推。
由于若干原因,该第一车辆分配程序可能是次优的。第一驾驶员可以选择汽油车辆135和最短行驶路线(路线C)。第二驾驶员可以选择第三电动车辆130和下一条最短行驶路线(路线A)。第三驾驶员可以选择第二电动车辆125和下一条最短行驶路线(路线B)。第四驾驶员别无选择,只能选择第一电动车辆120和剩余行驶路线(路线D)。路线D长94英里,并且沿途在不进行再充电操作下完成行驶路线所需的估计的kWh为68kWh。第一电动车辆120的可再充电电池的实际电池容量仅为58.1kWh。因此,在路线D途中需要再充电操作,从而增加了不必要的间接成本,这可能通过更具策略性的车辆分配程序来避免。
可以通过以表300的列310中所示的方式将汽油车辆135分配给最长行驶路线(路线D)并将电动车辆分配给其余行驶路线来执行第二车辆分配程序。除路线D以外的行驶路线所需的估计的kWh为55kWh(路线A)、65kWh(路线B)和40kWh(路线C)。如表200中所示,第一电动车辆120中的可再充电电池的额定电池容量为70kWh,第二电动车辆125中的可再充电电池的额定电池容量为70kWh,并且第三电动车辆130中的可再充电电池的额定电池容量为80kWh,每个电池容量超过下一条最长行驶路线(路线B)所需的估计的65kWh。
然而,表200还指示与额定电池容量相比,由于电池健康状况恶化,可再充电电池的实际电池容量较低。因此,第一电动车辆120可能无法完成路线B。在对第一电动车辆120中的可再充电电池充电之后,第一电动车辆120的驾驶员可以在路线B上出发。可再充电电池在途中耗尽足够的电量来完成路线B。当发生这种情况时,驾驶员可以呼叫总公司以报告需要在附近的充电站处进行再充电操作和/或发出以下请求:调度替换车辆以将货物从第一电动车辆120转移到替换车辆,以便按时完成货物的发运。与作为该第二车辆分配程序的一部分的在途中提供再充电操作(或调度替换车辆)相关联的间接成本可以通过采用更具策略性的车辆分配程序来避免。
上述两个车辆分配程序的缺点可以通过优化的车辆分配程序来解决,所述优化的车辆分配程序基于在将各种车辆分配给各种行驶路线之前评估各种因素。在表300的列315中示出了根据优化的车辆分配程序分配给各种行驶路线的各种车辆。分配可以基于首先基于表200中所示的实际电池容量确定电动车辆中的任一者是否可以完成最长路线(路线D)。第三电动车辆130的实际电池容量为69.6kWh,这满足路线D所需的估计的68kWh。其他两辆电动车辆不适合分配给路线D。因此,第三电动车辆130可以被分配给路线D。下一条最长路线(路线B)需要估计的65kWh,并且实际电池容量为66.5kWh的第二电动车辆125适合分配给该路线。因此,第二电动车辆125可以被分配给路线B。下一条最长路线(路线A)需要估计的55kWh,并且实际电池容量为58.1kWh的第一电动车辆120适合分配给该路线。因此,第一电动车辆120可以被分配给路线A。汽油车辆135被分配给作为所有行驶路线中最短的路线的剩余路线(路线C)。优化的车辆分配与常规的“安全”方法背道而驰,在常规的“安全”方法中,为汽油车辆135分配最长的路线(路线D),然后将电动车辆分配到其余路线。通过优先考虑沿路线消耗的估计能量的量而不是距离可产生使总成本最小化的车辆分配。
图4示出了根据本公开的实施例的包括此类操作的示例性车辆分配程序的流程图400。流程图400示出了可以以硬件、软件或其组合实施的一系列操作。在软件的背景下,所述操作表示存储在一种或多种非暂时性计算机可读介质(诸如计算机106中的存储器109)上的计算机可执行指令,所述计算机可执行指令在由一个或多个处理器(诸如计算机106中的处理器111)执行时执行所列举的操作。包含这种计算机可执行指令的软件的一个示例是计算机106中提供的软件应用程序107。一般而言,计算机可执行指令包括执行特定功能或实施特定抽象数据类型的例程、程序、对象、部件、数据结构等。描述操作的顺序不意图被解释为限制,并且任何数量的所描述的操作可以以不同的顺序执行、省略、以任何顺序组合和/或并行执行。
在框405处,评估电动车辆的电池信息。评估可以由车辆调度系统基于经由网络从例如车辆电池数据库或云计算系统的源获得电池信息来执行。这种电池信息的一些示例可以包括电池的制造日期、电池的kWh额定值、电池的使用期限、电池的性能历史、电池的客户评论、电池的MTBF额定值和/或用于电动车辆的产品兼容性。
在框410处,可以相对于步骤405以串行或并行方式发生,评估电动车辆的车辆信息。评估可以由车辆调度系统经由网络从例如车辆维护记录系统的源获得电池信息来执行。这种车辆信息的一些示例可以包括例如电动车辆的计算机中提供的软件的状态、电动车辆的计算机中的软件和/或硬件问题以及电动车辆的计算机的性能历史(崩溃、故障、安全问题等)。车辆信息还可以包括电动车辆的制造日期、电动车辆投入使用的日期、电动车辆的事故历史、对电动车辆进行的维修、电动车辆的里程。
在框415处,可以相对于步骤405和410以串行或并行方式发生,可以评估关于电动车辆的驾驶员的信息。在一些情况下,可以省略该动作,例如当电动车辆是不需要驾驶员的自主车辆时,或者当隐私法阻止执行这种评估时(例如,当客户租用电动车辆供个人使用时)。关于电动车辆的驾驶员的信息的一些示例可以包括例如驾驶历史、事故历史和所接收的超速罚单的数量。超速罚单可以提供驾驶员开快车可能导致电动车辆的电池消耗增加和里程减少的指示。
在框420处,可以将电池信息和/或车辆信息与驾驶员信息(如果获得的话)组合,并且可以确定电动车辆的行驶里程。在示例性场景中,可以基于电池的健康状况来确定电动车辆的行驶里程。在这种情况下,在完成充电操作时存储在电池中的电荷量可以取决于各种因素,例如电池的健康状况的劣化(电荷保持容量、电荷泄漏、腐蚀效应、温度效应等)。
在另一个示例性场景中,可以基于驾驶员的驾驶特性来确定电动车辆的行驶里程。小心谨慎的驾驶员在特定的日子可能不可用(疾病、假日等),而可用的替代驾驶员可能是以不经济的方式处理电动车辆的激进性驾驶员。在这种场景下,当确定电动车辆的行驶里程时,可以考虑激进性驾驶员的驾驶特性。
在框425处,可以获得关于正考虑分配给电动车辆的行驶路线的路线信息。行驶路线信息可以包括例如行驶路线的距离、行驶路线的坡度信息(平坦、多山、陡坡等)、行驶路线上的速度限制(最大速度、最小速度、速度规则的执法等)和/或远程信息处理数据。在一些情况下,关于行驶路线的远程信息处理数据可以从历史信息和/或各种数据源(实时交通报告、天气报告等)导出。这类远程信息处理数据的一些示例可以包括行驶路线上的特定道路的高精度坡度信息、在行驶路线上行驶的车辆的历史速度曲线和/或沿着行驶路线的路段的温度数据。
在框430处,确定车辆的行驶里程是否足以在没有能量补充操作(例如电池再充电操作或CNG再补充操作)的情况下完成行驶路线。
如果在框430处的确定指示电动车辆的行驶里程足以完成行驶路线,则在框455处,计算与在行驶路线上部署电动车辆相关联的部署成本。在示例性场景中,电动车辆的部署成本可以被计算为计算车队中的一些或所有车辆的部署成本的一部分。可以基于以下因素来部署车队的一些或全部车辆:例如,部署一种类型的车辆的预测可行性、最低预期运营成本、由于消除汽油的使用而节省的成本、维护成本和/或预期的净燃料成本(诸如CNG)。
部署成本可以大致分为三类:燃料成本、维护成本和“其他操作”成本。燃料成本可以涵盖与诸如在电动车辆在行驶路线上起动之前在电动车辆上执行的充电操作、用于为汽油车辆补给燃料的汽油成本、用于为CNG车辆补给燃料的CNG成本、偏离行驶路线以进行燃料补给/再充电的成本,和/或由于再充电/燃料补给引起的时间延迟等事件相关联的成本损失。
在一个示例性场景中,可以按每英里计算维护成本。每英里成本可能会基于评估的车辆类型而显著变化。例如,在汽油车辆的每英里基础上执行的维护成本估计可以考虑当汽油车辆行驶了小于阈值里程时不需要对汽油车辆进行换油或维护。然而,当汽油车辆已经超过此类操作的阈值里程时,可以包括此类成本。电动车辆不需要某些操作,诸如发动机换油或发动机大修,但是在电池的健康状况已经劣化到不可接受的水平之后可能需要更换电池。这种可能昂贵的电池更换不适用于汽油车辆。
除燃料成本和维护成本之外的运营成本可以包括各种其他类型的成本,例如用于操作车辆的保险成本、提供给替代燃料车辆的回扣/福利以及在无排放区周围行驶。
上述三种类型的成本可以用数学形式表示如下:
对于车辆i∈{1,…,N}和日常路线j∈{1,…,M}
E[成本(部署)]=ΣΣMj=1E[燃料成本]ijNi=1+E[维护成本]ij+E[计划外的加燃料事件成本]ij+E[其他操作成本,例如保险]ij
上述数学表达式中的预期成本值以固有地包括概率分量的常规格式(E[X]=X)提供。可以用示例来描述概率分量的影响,其中正面奖励为1且反面成本为-1的抛硬币的预期值为:
E[抛硬币赢利]=1/2x 1+1/2x(-1)=0.5–0.5=0
用于将电动车辆分配给行驶路线的目标通常可以被定义为基于行驶里程和操作约束使预期行驶成本最小化的策略。然而,确定行驶成本(诸如电动车辆在沿分配的行驶路线移动时将需要电池再充电的概率)涉及一定程度的不确定性。因此,这方面的计算应反映输入变量的不确定性因子。不确定性因子可以基于各种历史参数、某些类型的元数据和/或模拟。例如,当针对通过某个国家的寒冷地区(或在冬季)的行驶路线进行电池再充电要求计算时,可能优选地包括基于车辆中的加热器的使用的不确定性因子。车辆的行驶里程可能受到加热器的各个方面的影响,例如反映在行驶路线上的行驶期间由于打开和关闭车门引起的加热器对车辆电池的功率汲取的历史数据、驾驶员的个人温度偏好和/或从各种车辆中的各种驾驶员的先前经验累积的数据。
如果在框430处确定需要能量补充操作,则在框435处,可以进行安排以执行能量补充操作。如果车辆是电动车辆,则能量补充操作可以涉及电动车辆在沿着行驶路线的合适位置处的电池充电操作。如果车辆是替代燃料容器,例如CNG车辆,则在框435处,可以进行安排以将CNG容器递送到CNG车辆,和/或对CNG车辆中的CNG箱进行补充。如果车辆是混合动力电动车辆,则将不需要再充电/燃料补给安排,因为混合动力电动车辆的汽油发动机将提供移动混合动力电动车辆所需的动力,直到可再充电电池被行驶中的混合动力电动车辆再充电为止。
在框440处,可以确定部署成本。部署成本可以包括由于能量补充操作(例如电池再充电操作、补充CNG车辆中的CNG燃料或操作混合动力电动车辆中的汽油发动机)引起的成本。电池充电操作可以包括例如与在电池充电设施处使用充电站相关联的成本、与由于再充电操作引起的时间延迟相关联的成本、和/或与由于额外驾驶时间引起的向电动车辆驾驶员的支付相关联的成本。
在框460处,可以将与电动车辆相关联的部署成本与其他车辆(例如,CNG车辆或混合动力电动车辆)的部署成本进行比较。所述比较可以考虑各个方面,例如在框440处确定的部署成本、行驶路线上的天气状况、目标部署成本、要运输的货物的类型、一个或多个驾驶员的特性、车辆特性(汽油车辆、CNG车辆等)、电池充电限制、燃料补给限制、再充电/燃料补给之前的行驶范围和/或驾驶限制(速度限制、仅允许零排放车辆的区域、不同类型的车辆的通行费)等。
在框445处,确定在框460处针对所评估的车辆确定的部署成本是否可接受。如果发现不可接受,则在框450处,可以对不同车辆进行评估以分配给行驶路线,和/或可以对电动车辆进行评估以分配给不同行驶路线。如果与其他车辆相比,电动车辆的部署成本比较是有利的,则在框465处,将电动车辆分配给行驶路线。
图5示出了根据本公开的实施例的当电动车辆在行驶路线上移动时向电动车辆提供电池充电的示例性程序的流程图500。流程图500可以是在已经为电动车辆分配行驶路线之后的流程图400的接续。在框470处,当电动车辆在行驶路线上行驶时,监测电动车辆中的电池的电池充电水平。监测可以由电动车辆的车辆计算机执行。
在框475处,确定电池充电水平是否低于阈值水平。阈值水平可以是由各种实体(例如车队的运营经理或电动车辆的所有者)中的任一者在车辆计算机中设置的各个水平中的任一者。在示例性场景中,阈值水平可以被设置为允许电动车辆依靠剩余电量行驶一定距离的值。可以基于到达充电站以对已耗尽电池再充电或到达可以由燃料补给车辆执行燃料补给操作(例如,用于CNG车辆)的会合点的行驶里程来选择距离。
在另一个示例性实施方式中,可以省略在框470和框475处执行的操作,并且可以在电动车辆沿行驶路线出发之前提前安排电池的再充电操作。可以基于各种程序(例如基于电动车辆中的电池的电池健康状况的计算、从穿越行驶路线的其他电动车辆导出的历史数据、行驶路线上的一个或多个电池充电站的可用性、行驶时间考虑、行驶成本考虑和/或行驶路线上的天气状况)来确定要执行再充电/燃料补给的预定地点。
在框480处,车辆调度系统可以向电动车辆中的车辆计算机通知电池中的电池电量耗尽和/或传输命令以执行电池再充电操作。当电动车辆是驾驶员操作的车辆时,车辆计算机可以发出关于低电池电量状况的驾驶员警报。车辆计算机还可以建议驾驶员行驶到再充电站,并且可以提供到达充电站的方向。
在自主电动车辆的情况下,车辆调度系统中的计算机可以向车辆计算机传输命令以修改车辆的驾驶特性。车辆计算机可以通过执行各种操作(例如自动地进入省电模式、解锁储备电池能量和/或与再充电站或燃料补给车辆建立通信)来响应从车辆调度系统接收的命令。通过车辆计算机来进入省电模式可以包括例如减慢电动车辆的速度、减小电动车辆的加速速率和/或解锁用于操作电动车辆的储备电池能量(例如,来自备用电池)等动作。
在框485处,可以执行再充电操作。在示例性实施方式中,车辆计算机可以与车辆调度系统通信以向车辆调度系统通知再充电/燃料补给操作的状态。提供对再充电/燃料补给操作的连续更新可以允许车辆调度系统执行诸如在充电站处预先安排电动车辆的时隙和/或协调与燃料补给车辆的会合操作等活动。此类活动在诸如电动车辆中和/或充电站处的快速充电器有缺陷或被证明是不适当的情况下可能特别有用。与电池充电操作的减速相关联的定时延迟增加了行驶成本。车辆调度系统可以评估此类行驶成本对包裹递送和/或客户服务的影响。诸如电动车辆中的快速充电器故障的异常事件可以被存储为与电动车辆有关的历史数据,并且可以随后进行分析以便在将来执行预防措施。
在框490处,电动车辆恢复在行驶路线上行驶。
图6示出了根据本公开的实施例的将电动车辆分配给行驶路线的示例性程序的流程图600。在框605处,可以发起用于获得关于车辆的数据的查询。在示例性场景中,查询可以由计算机106发起,以便从例如车辆计算机121的源获得关于第一电动车辆120的数据。此类数据的几个示例可以包括第一电动车辆120的电池的电池充电状态(半满、90%满等)、第一电动车辆120的电池的实际电池容量,和/或第一电动车辆120的一个或多个轮胎的轮胎压力。计算机106还可以从例如车辆电池数据库110和车辆维护记录系统115的其他源获得与第一电动车辆120有关的数据。此类数据可以包括例如第一电动车辆120的历史信息(维修、故障、维护等)。
在框610处,可以相对于步骤605以串行或并行方式发生,可以发起查询以获得关于一条或多条行驶路线的数据。在示例性场景中,查询可以由计算机106发起,以便获得数据,例如第一行驶路线的距离、第二行驶路线的距离、平均速度曲线、第一行驶路线和/或第二行驶路线的坡度特性、沿着第一行驶路线和/或第二行驶路线的天气状况、道路规则(速度限制、通行费等)以及道路法规。在一些情况下,可以通过使用实时交通应用编程接口(API)和/或天气API来获得数据。在一些其他情况下,可以从其他车辆计算机获得数据。
在框615处,可以相对于步骤605和/或步骤610以串行或并行方式发生,可以发起查询以获得历史驾驶员行为数据。框615是可选的,并且在一些实施方式中可以省略。在示例性场景中,查询可以由计算机106发起,以便获得诸如驾驶员的驾驶记录、驾驶员的驾驶特性(安全的、激进的、粗心的等)、在行驶路线上操作的驾驶员的可用性、驾驶员的可靠性以及驾驶员的职业操守等数据。
在框620处,确定车辆用于完成行驶路线的估计的能量消耗。在图3中示出的表300中提供了电动车辆(诸如第一电动车辆120)的估计的能量消耗(kWh)的一些示例。如果正在对例如汽油车辆、CNG车辆或混合动力车辆等其他车辆进行评估以分配给行驶路线,则可以确定在这些其他车辆的情况下的估计的能量消耗。在一些场景中,可以确定考虑部署在两条不同行驶路线上的两辆不同车辆的估计的能量消耗。两辆不同的车辆可以包括替代能源车辆和汽油车辆(或混合动力电动车辆),并且两条不同的行驶路线可以包括比第二行驶路线短的第一行驶路线。
在框625处,确定车辆在一条或多条行驶路线上途中将需要能量补充操作的概率。在一些情况下,可以基于各种因素(例如完成行驶路线的时间和成本因素)来建立阈值概率要求。
在框630处,确定用于部署一个或多个车辆的部署成本。部署成本可以大致分为三类:燃料成本、维护成本和“其他操作”成本(如上所述)。
在框635处,可以基于部署成本将一辆或多辆车辆分配给一条或多条行驶路线。在示例性场景中,第一电动车辆120可以被分配给第二行驶路线(较长路线),因为用于在第二行驶路线上部署第一电动车辆120的部署成本小于用于在第二行驶路线上部署汽油车辆(或混合动力电动车辆)的部署成本。
在虚线框660内示出的框是当车辆在分配的行驶路线上行驶时可以执行的可选框。在框640处,确定是否已经超过阈值概率要求(在框625处建立)。例如,如果发生了计划外的能量补充操作,则可能超过阈值概率要求。
在框645处,确定由于超过阈值概率要求而导致的干预成本。成本可以包括例如与电池再充电操作或CNG再加注操作相关联的成本。
在框650处,可以识别建立适当的阈值概率要求(在框625处)中的错误的原因。该动作可以涉及例如改进用于建立适当的阈值概率要求的算法。
上述各种程序和技术不仅可以用于实施与以具成本效益的方式将各种类型的车辆分配给各种行驶路线相关联的短期操作策略,而且还可以用于支持诸如车辆购买的长期车队策略、车辆部署策略和应力测试。应力测试可以用于确保当天行驶路线分配程序中的操作稳定性以及预测未来的车辆部署策略。在一种示例性情况下,可以使用蒙特卡洛模拟和其他数学程序来对诸如评估车队的车辆组成、制定车辆更换计划、分析车辆驾驶循环特性和/或归因于由于电池性能而引起的活动中断的风险评估等动作执行应力测试。还可以利用应力测试来确定“劣化-最优”策略,其中通过基于电池劣化模型与向历史远程信息处理数据应用算法(诸如,例如长短期记忆(LSTM)算法)结合限制电池使用来保护实际行驶里程的“劣化-最优”策略。
在以上公开中,已参考了形成以上公开的一部分的附图,附图示出了其中可实践本公开的具体实施方式。应理解,在不脱离本公开的范围的情况下,可以利用其他实现方式,并且可以作出结构上的改变。说明书中对“一个实施例”、“实施例”、“一个示例实施例”、“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以不必包括所述特定特征、结构或特性。另外,此类短语不一定是指同一实施例。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,本领域技术人员都将认识到结合其他实施例的此类特征、结构或特性。
本文所公开的系统、设备、装置和方法的实施方式可以包括或利用包括硬件(诸如,例如本文所讨论的一个或多个处理器和系统存储器)的一个或多个装置。本文公开的装置、系统和方法的实施方式可以通过计算机网络进行通信。“网络”被定义为使得能够在计算机系统和/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、无线或者硬连线或无线的任何组合)向计算机传递或提供信息时,所述计算机适当地将连接视为传输介质。传输介质可以包括网络和/或数据链路,所述网络和/或数据链路可以用于携载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装置,并且可以由通用或专用计算机访问。以上项的组合也应包括在非暂时性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处执行时致使处理器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为例如二进制代码、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,但是应理解,在所附权利要求中限定的主题不必限于上面描述的所述特征或动作。而是,所描述的特征和动作被公开作为实施权利要求的示例性形式。
存储器装置(诸如设置在车辆调度系统105的计算机106或车辆计算机中的存储器109)可以包括易失性存储器元件(例如,随机存取存储器(RAM,诸如DRAM、SRAM、SDRAM等))和非易失性存储器元件(例如,ROM、硬盘驱动器、磁带、CDROM等)中的任何一个存储器元件或组合。此外,存储器装置可以并入有电子、磁性、光学和/或其他类型的存储介质。在本文件的背景下,“非暂时性计算机可读介质”可以是例如但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或装置。计算机可读介质的更具体的示例(非详尽列表)将包括以下项:便携式计算机软磁盘(磁性)、随机存取存储器(RAM)(电子)、只读存储器(ROM)(电子)、可擦除可编程只读存储器(EPROM、EEPROM或快闪存储器)(电子)以及便携式压缩盘只读存储器(CD ROM)(光学)。应注意,计算机可读介质甚至可以是上面打印有程序的纸张或另一种合适的介质,因为可以例如经由对纸张或其他介质的光学扫描来电子地捕获程序,随后进行编译、解译或另外在需要时以合适的方式进行处理,并且随后存储在计算机存储器中。
本领域技术人员将理解,本公开可在具有许多类型的计算机系统配置的网络计算环境(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、个人通信装置、多处理器系统、基于微处理器的或可编程的消费电子产品、网络PC、小型计算机、大型计算机、移动电话、PDA、平板电脑、寻呼机、路由器、交换机、各种存储装置等)中实践。本公开还可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数据链路与无线数据链路的任何组合)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,本文中描述的功能可在以下一者或多者中执行: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)可被编程为执行本文所描述的系统和程序中的一者或多者。贯穿说明书以及权利要求使用某些术语指代特定系统部件。如本领域技术人员将理解,部件可以通过不同的名称来指代。本文件不意图区分名称不同但功能相同的部件。
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)。这种软件当在一个或多个数据处理装置中被执行时致使装置如本文所描述那样进行操作。
尽管上文已描述了本公开的各种实施例,但应理解,仅通过示例而非限制的方式呈现本公开的各种实施例。相关领域的技术人员将明白,在不脱离本公开的精神和范围的情况下可进行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到上述示例性实施例中的任何一个限制,而是应仅根据以下权利要求和其等效物限定。已经出于说明和描述目的而呈现了前述描述。前述描述并不意图是详尽的或将本公开限制于所公开的精确形式。鉴于以上教导,许多修改和变化形式是可能的。此外,应注意,前述可选实施方式中的任一者或全部可按任何所期望的组合使用,以形成本公开的附加混合实施方式。例如,相对于特定装置或部件描述的功能中的任一者可以由另一个装置或部件执行。另外,尽管已经描述了具体装置特性,但本公开的实施例可能涉及许多其他装置特性。此外,尽管已用特定于结构特征和/或方法动作的语言描述了实施例,但是应理解,本公开不一定受限于所描述的特定特征或动作。而是,将特定特征和动作公开为实施实施例的说明性形式。除非另有特别说明或在使用时在上下文内以其他方式理解,否则诸如尤其是“能够”、“可能”、“可以”或“可”的条件语言通常意图表达某些实施例可以包括某些特征、要素和/或步骤,而其他实施例可以不包括某些特征、要素和/或步骤。因此,此类条件语言一般并不意图暗示一个或多个实施例无论如何都需要各特征、要素和/或步骤。
根据本发明的实施例,第一车辆是第一电池操作的车辆,并且其中第一部署成本还基于提供电力以操作第一电池操作的车辆的电池的电池健康状况,电池健康状况由分别与电池的原始电荷保持容量、电池的原始瓦时额定值、电池的原始充电速率和/或电池的原始平均故障间隔时间(MTBF)额定值相比减小的电池电荷保持容量、减小的电池瓦时额定值、减小的电池充电速率和/或减小的电池平均故障间隔时间(MTBF)额定值来限定。
根据本发明的实施例,第一能量补充操作是电池再充电操作,并且其中第一概率是基于第二行驶路线上的天气状况、第一电池操作的车辆的驾驶员的驾驶记录、第二行驶路线的地形特性、第一电池操作的车辆的拖挂成本和/或执行第一能量补充操作所花费的时间。
根据本发明的实施例,第二车辆是汽油操作的车辆或混合动力车辆中的一者,并且其中处理器还被配置为访问存储器并执行附加的计算机可执行指令以执行各操作,所述各操作包括:评估第二电池操作的车辆以在第三行驶路线上部署,所述评估包括:确定第二电池操作的车辆在第三行驶路线上的部署期间将需要第二能量补充操作的第二概率;以及确定第三部署成本,所述第三部署成本包括基于第二概率的第三能量补充成本;确定第三部署成本大于第二部署成本;以及将汽油操作的车辆或混合动力车辆中的所述一者重新分配给第三行驶路线。
根据本发明的实施例,评估第二电池操作的车辆以在第三行驶路线上部署还包括:确定第二电池操作的车辆具有足够的里程来在第三行驶路线上部署而无需第二能量补充操作。
根据本发明的实施例,第一部署成本还基于以下各者来确定:支付给非预期能量补充操作的提供者的充电费用、与执行非预期能量补充操作的时间延迟相关联的第一成本损失,和/或与执行非预期能量补充操作的第一行驶路线的偏离相关联的第二成本损失。
Claims (15)
1.一种方法,其包括:
评估第一车辆以部署在第一行驶路线上,所述评估包括:
确定所述第一车辆在所述第一行驶路线上的部署期间将需要第一能量补充操作的第一概率;以及
确定所述第一车辆的第一部署成本,所述第一部署成本包括基于所述第一概率的第一能量补充成本;
评估第二车辆以部署在第二行驶路线上,所述评估包括:
确定所述第二车辆的第二部署成本,所述第二部署成本包括第二能量补充成本;
确定所述第一部署成本小于所述第二部署成本;以及
将所述第一车辆分配给所述第一行驶路线并且将所述第二车辆分配给所述第二行驶路线。
2.如权利要求1所述的方法,其中确定所述第一概率是基于计划外能量补充操作和/或满足阈值概率要求。
3.如权利要求1所述的方法,其中所述第一车辆是第一电池操作的车辆,并且其中所述第一部署成本还基于提供电力以操作所述第一电池操作的车辆的电池的电池健康状况,所述电池健康状况由分别与所述电池的原始电荷保持容量、所述电池的原始瓦时额定值、所述电池的原始充电速率和/或所述电池的原始平均故障间隔时间(MTBF)额定值相比减小的电池电荷保持容量、减小的电池瓦时额定值、减小的电池充电速率和/或减小的电池平均故障间隔时间(MTBF)额定值限定。
4.如权利要求3所述的方法,其中所述第一能量补充操作是电池再充电操作,并且其中所述第一概率是基于所述第一行驶路线上的天气状况、所述第一电池操作的车辆的驾驶员的驾驶记录、所述第一行驶路线的地形特性、所述第一电池操作的车辆的拖挂成本和/或执行所述第一能量补充操作所花费的时间。
5.如权利要求3所述的方法,其中所述第二车辆是汽油操作的车辆或混合动力车辆中的一者,并且所述方法还包括:
评估第二电池操作的车辆以部署在第三行驶路线上,所述评估包括:
确定所述第二电池操作的车辆在所述第三行驶路线上的部署期间将需要第二能量补充操作的第二概率;以及
确定第三部署成本,所述第三部署成本包括基于所述第二概率的第三能量补充成本;
确定所述第三部署成本大于所述第二部署成本;以及
将所述汽油操作的车辆或所述混合动力车辆中的所述一者重新分配给所述第三行驶路线。
6.如权利要求5所述的方法,其中评估所述第二电池操作的车辆以部署在所述第三行驶路线上还包括:
确定所述第二电池操作的车辆具有足够的里程来在所述第三行驶路线上部署而无需第二能量补充操作。
7.如权利要求1所述的方法,其中所述第一部署成本还基于以下各者来确定:支付给非预期能量补充操作的提供者的充电费用、与执行所述非预期能量补充操作的时间延迟相关联的第一成本损失,和/或与执行所述非预期能量补充操作的所述第一行驶路线的偏离相关联的第二成本损失。
8.一种方法,其包括:
评估安装在电动车辆中的可再充电电池的电池健康状况;
将所述电动车辆分配给行驶路线;
识别所述行驶路线上的第一位置,在所述第一位置,预期所述可再充电电池中的电荷水平下降到阈值水平以下;以及
基于识别所述第一位置来安排所述可再充电电池的再充电操作。
9.如权利要求8所述的方法,其中安排所述再充电操作包括:
在所述电动车辆到达所述行驶路线上的所述第一位置之前向所述行驶路线上的充电站传输请求。
10.如权利要求8所述的方法,其中安排所述再充电操作包括:
安排第二车辆在所述第一位置处与所述电动车辆会合并且将电力从所述第二车辆的第一电池传输到所述电动车辆的所述可再充电电池。
11.如权利要求8所述的方法,其中安排所述再充电操作包括:
在所述电动车辆到达所述第二位置之前,将替换车辆和/或服务车辆调度到沿着所述行驶路线的第二位置。
12.如权利要求8所述的方法,其中评估所述可再充电电池的所述电池健康状况包括确定所述可再充电电池的电荷保持容量、瓦时额定值和/或平均故障间隔时间(MTBF)额定值。
13.如权利要求9所述的方法,其中评估所述可再充电电池的所述电池健康状况包括监测所述电动车辆在所述行驶路线上行驶的电荷消耗。
14.如权利要求8所述的方法,其还包括:
确定所述电动车辆在所述行驶路线上行驶时所述可再充电电池的放电速率;以及
从基站向所述电动车辆传输命令以基于所述放电速率来修改所述电动车辆的驾驶特性。
15.一种系统,其包括:
存储器,其存储计算机可执行指令;以及
处理器,其被配置为访问所述存储器并执行所述计算机可执行指令以执行各操作,所述各操作包括:
评估第一车辆以部署在第一行驶路线上,所述评估包括:
确定所述第一车辆在所述第一行驶路线上的部署期间将需要第一能量补充操作的第一概率;以及
确定所述第一车辆的第一部署成本,所述第一部署成本包括基于所述第一概率的第一能量补充成本;
评估第二车辆以部署在第二行驶路线上,所述评估包括:
确定所述第二车辆的第二部署成本,所述第二部署成本包括第二能量补充成本;
确定所述第一部署成本小于所述第二部署成本;以及
将所述第一车辆分配给所述第一行驶路线并且将所述第二车辆分配给所述第二行驶路线。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/171,073 US20220252415A1 (en) | 2021-02-09 | 2021-02-09 | Systems And Methods For Assigning Travel Routes Based On Vehicle Travel Range And Overhead Costs |
US17/171,073 | 2021-02-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114910091A true CN114910091A (zh) | 2022-08-16 |
Family
ID=82493368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210116559.5A Pending CN114910091A (zh) | 2021-02-09 | 2022-02-07 | 基于车辆行驶里程和间接成本分配行驶路线的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220252415A1 (zh) |
CN (1) | CN114910091A (zh) |
DE (1) | DE102022102926A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116644940A (zh) * | 2023-07-18 | 2023-08-25 | 天津鸿飞达科技有限公司 | 一种车辆调度方法及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11959758B2 (en) * | 2020-10-05 | 2024-04-16 | Ford Global Technologies, Llc | Systems and methods for optimizing vehicle deployment |
US20220414568A1 (en) * | 2021-06-24 | 2022-12-29 | Honeywell International Inc | Systems and methods for determining vehicle capability for dispatch |
JP2023009944A (ja) * | 2021-07-08 | 2023-01-20 | トヨタ自動車株式会社 | 情報処理装置、及び、情報処理方法 |
GB2617695A (en) * | 2022-04-11 | 2023-10-18 | Hydrogen Vehicle Systems Ltd | System and methods for the optimization of hybrid electric vehicle operations through active powertrain system control |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010031544A1 (de) * | 2010-07-20 | 2012-01-26 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines mit einer elektrischen Maschine angetriebenen Kraftfahrzeuges |
US10933767B2 (en) * | 2019-01-04 | 2021-03-02 | Hyundai Motor Company | Electric vehicle energy sharing marketplace |
US20210055120A1 (en) * | 2019-08-20 | 2021-02-25 | Delphi Technologies Ip Limited | System and method for vehicle route selection |
KR20210054271A (ko) * | 2019-11-05 | 2021-05-13 | 엘지전자 주식회사 | 차량 내 멀티 SoC 모듈의 전원 관리 장치 및 방법 |
US20210155221A1 (en) * | 2020-01-09 | 2021-05-27 | Jonathan Gottehrer | Systems and methods for assigning vehicles to transportation requests |
-
2021
- 2021-02-09 US US17/171,073 patent/US20220252415A1/en not_active Abandoned
-
2022
- 2022-02-07 CN CN202210116559.5A patent/CN114910091A/zh active Pending
- 2022-02-08 DE DE102022102926.3A patent/DE102022102926A1/de active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116644940A (zh) * | 2023-07-18 | 2023-08-25 | 天津鸿飞达科技有限公司 | 一种车辆调度方法及系统 |
CN116644940B (zh) * | 2023-07-18 | 2023-10-20 | 天津鸿飞达科技有限公司 | 一种车辆调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
US20220252415A1 (en) | 2022-08-11 |
DE102022102926A1 (de) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220252415A1 (en) | Systems And Methods For Assigning Travel Routes Based On Vehicle Travel Range And Overhead Costs | |
US20180202825A1 (en) | Apparatus and method for providing charging equipment information to vehicle | |
US20180134171A1 (en) | System and method for predictive control of an energy storage system for a vehicle | |
US9079505B1 (en) | System and method for management of a fleet of vehicles having an energy storage system | |
US11383611B2 (en) | Control apparatus, and computer-readable storage medium | |
US9103686B2 (en) | Method and guidance-unit for guiding battery-operated transportation means to reconditioning stations | |
CN112789193B (zh) | 用于预测性地控制机动车辆的电能存储器的充电过程的方法和后端设备 | |
EP3702202B1 (en) | Method and system to optimize distributed charging station efficiency and user experience | |
US20110246252A1 (en) | Vehicle charging allocation managing server and vehicle charging allocation managing system | |
WO2013080211A1 (en) | Battery selection system and method | |
JPWO2019197854A1 (ja) | 配車管理装置及び配車管理方法 | |
CN111055716B (zh) | 确定充电策略的方法及装置、存储介质与处理器 | |
US11959758B2 (en) | Systems and methods for optimizing vehicle deployment | |
US20220270013A1 (en) | Systems and methods for allocating vehicles to ride requests | |
US20220297663A1 (en) | Systems And Methods To Assign Travel Routes To Alternative Energy Vehicles | |
US11981317B2 (en) | Systems and methods to assign travel routes to alternative energy vehicles | |
Mishra et al. | Cost analysis of different vehicle technologies for semi-flexible transit operations | |
US20220207931A1 (en) | Prediction of service completion time for vehicle service | |
US11192468B2 (en) | Electric vehicle pre-conditioning | |
US20240127137A1 (en) | Systems and methods for fleet obsolescence management | |
US20230221132A1 (en) | Information processing apparatus, method, and non-transitory computer readable medium | |
Guanetti et al. | Increasing Electric Vehicles Utilization in Transit Fleets using Learning, Predictions, Optimization, and Automation | |
Edberg et al. | Electrification of Regional Buses and Possibilities of Shared Charging with Other Transportation Modes: What impact does the electrification of transportation modes have on the electric grid? A case study in Lysekil | |
US20220188710A1 (en) | Operation planning system and operation planning method | |
Sari | The strategy to increase the adoption rate of electric vehicle |
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 |