CN116142214A

CN116142214A - 用于处理与车辆能量消耗相关联的数据的装置和方法

Info

Publication number: CN116142214A
Application number: CN202211453808.6A
Authority: CN
Inventors: 伯诺伊特·伦巴第; 埃马纽埃尔·埃斯特拉尼亚; 延斯·伦德斯特伦; 热罗姆·凯兰; 亚当·斯塔尔; 尼尔斯·欧代博·兰克; 尼克洛斯·弗吕沙尔; 雷吉斯·贝尔纳斯科尼; 法布里斯·卢基尼; 吉尔贝·罗德里格斯
Original assignee: Volvo Truck Corp
Current assignee: Volvo Truck Corp
Priority date: 2021-11-23
Filing date: 2022-11-21
Publication date: 2023-05-23
Also published as: EP4184270A1; US20230162542A1; WO2023094125A1

Abstract

本发明涉及用于处理与车辆能量消耗相关联的数据的装置和方法。本发明涉及一种由装置(101)执行的用于处理与操作中的车辆(100)的能量消耗相关联的数据的方法，装置(101)获得与模型车辆的能量消耗相关联的建模数据。建模数据由操作中的车辆(100)的数字模型生成。装置(101)获得与操作中的车辆(100)的能量消耗相关联的操作数据。装置(101)比较操作数据与建模数据。基于比较的结果，装置(101)检测操作数据与建模数据之间的并且与能量消耗相关联的差异。装置(101)评估与能量消耗相关联的所检测的差异。装置(101)当检测到差异时触发操作。

Description

用于处理与车辆能量消耗相关联的数据的装置和方法

技术领域

本公开总体上涉及一种装置和由该装置执行的方法。更具体地，本公开涉及用于处理与操作中的车辆的能量消耗相关联的数据。

本发明可以应用于至少部分电动重型车辆，诸如卡车、公共汽车和建筑设备等。尽管本发明将针对完全电动卡车进行描述，但本发明并不限于这种特定车辆，而是还可用于其它交通工具，诸如公共汽车、拖车、轮式装载机、铰接式拖车、挖掘机、反铲装载机、客车、船舶等。本发明还可以应用于例如电操作的船舶的电气系统以及各种工业建筑机械或工作机器。本发明适用于完全电动车辆以及也包括内燃机的混合动力车辆。

本发明可以应用于部分自主车辆、完全自主车辆或非自主车辆。

背景技术

能源成本是车辆用户的最高成本中心之一。对车辆用户来说，监测燃料消耗是关键所在，而由于所连接卡车允许定期(每天到每分钟)检索操作数据，现在这一点成为可能。就生成的数据量而言，多种影响能量消耗的因素——例如任务、用户行为、车辆配置、拖车、轮胎等——使得检测差异和了解能源偏差的根本原因非常复杂且耗时。

因此，有必要至少缓解或解决此问题。

发明内容

本发明的一个目的是改进车辆能量消耗的处理。

根据第一方面，目的通过根据权利要求1的方法来实现。该方法由装置执行，且用于处理与操作中的车辆的能量消耗相关联的数据。装置获得与模型车辆的能量消耗相关联的建模数据。建模数据由操作中的车辆的数字模型生成。装置获得与操作中的车辆的能量消耗相关联的操作数据。装置比较操作数据与建模数据。基于比较的结果，装置检测操作数据与建模数据之间的并且与能量消耗相关联的差异。装置评估与能量消耗相关联的所检测到的差异，并且当检测到差异时，触发操作。通过提供方法，改进了车辆的能量消耗的处理。

根据一个实施例，评估与能量消耗相关联的检测到的差异的步骤包括以下中的一项或多项：

·评估操作中的车辆的能量消耗；

·检测操作中的车辆的故障；

·确定差异的原因；

·确定车辆配置改变；以及

·确定车辆操作改变。

此实施例的优点可以在于对检测到的差异的评估是广泛的并且提供了多种可能性。

根据另一实施例，操作包括以下中的一项或多项：

·提供与差异相关联的信息；

·触发警报；

·发起服务操作的调度；以及

·请求来自操作中的车辆的用户的输入。

此实施例的优点可以在于改进了处理车辆能量消耗的可能性。操作可以是各种不同的操作，使得可以根据特定应用、用户要求等来调整操作。通过操作，操作员或用户可以容易地发现能量消耗差异。

根据另一实施例，建模数据和操作数据两者可以均基于静态数据和/或动态数据。此实施例的一个优点可以是，建模数据和操作数据的基础可以基于适合于方法的类型的数据、为检测的差异的评估提供准确且高质量基础的数据。

根据另一实施例，装置可以获得建模数据的统计分布。装置可以通过比较操作数据与建模数据的统计分布以确定操作数据是否符合统计分布来比较操作数据与建模数据。由此，改进在于用提高的准确性进行了比较。

根据另一实施例，评估与能量消耗相关联的检测到的差异的步骤可以包括：装置确定操作中的车辆的用户的用户预期得分。用户预期得分可以是：

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·B：

·S：

·α，β，γ，δ，ε，ζ，w_overall，brake_max：真实值标量参数

·w_overall：总重量

·brake_max：制动影响的最大极限

·f：将任何真实值映射到0与1之间的值的归一化S形函数

·w_light，w_medium，w_full：分别为在轻、中、满重量负载情况下行驶的公里数比

·v：平均速度，并且v_min或v_max之外的速度将被截取为这些值。

用户预期得分的优点可以在于，用户预期得分可以与要执行的特定动作、要达到的目标以及达到目标时能量减少的潜在增益链接。

根据另一实施例，评估与能量消耗相关联的检测到的差异的步骤可以包括：装置确定操作中的车辆的用户的用户生态得分。用户生态得分可以是：

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·O：

·N：

·S：

/>

·η，θ，κ，μ

：真实值标量参数

·w_overall：总重量

·

ξ：：归一化因子

·f：将任何真实值映射到0与1之间的值的归一化S形函数

·w_light、w_medium，w_full：分别为在轻、中、满重量负载情况下行驶的公里数比

·

超载时间比率

·l_notgreen：绿化区域上方每100公里消耗的升数

·l_avg：每100公里的升数

用户生态得分的优点可以在于，用户生态得分可以与要执行的特定动作、要达到的目标以及达到目标时能量减少的潜在增益链接。

根据另一实施例，可以在远程服务器上或在车辆中实施操作中的车辆的数字模型。在远程服务器上实施数字模型的优点可以在于，可以容易地对数字模型进行改变、校正，并且这不影响车辆的操作。在车辆中实施数字模型的优点可以是车辆与数字模型之间的数据传输路径可以是短的，这降低了数据丢失和传输延迟的风险。

根据另一实施例，可以基于从车队获得的历史操作数据来配置数字模型。使用历史操作数据的优点在于，评估可以是可以改进数字模型的准确性。

根据另一实施例，车队中包括的车辆可以具有相似的任务和配置。这样做的优点可以是可以改进数字的准确性。来自具有不同任务和配置的车辆的数据不能用于数字模型，这可能负面地影响数字模型。

根据另一实施例，可以从包括具有相似以及不同任务和配置两者的车辆的主车队中选择车队中包括的车辆。具有相似以及不同任务和配置两者的车队的选择可能比仅具有相似任务和配置的车队的选择更大。因此，可以更容易找到可用于数字模型的车队。

根据本发明的第二方面，目的通过根据权利要求12的装置来实现。用于处理与车辆能量消耗相关联的数据的装置被配置成执行根据第一方面的方法的步骤。装置被配置成执行第一方面所描述的方法的步骤。装置可以是包括用于执行方法的处理电路系统的电子装置。装置可以是计算机。中央单元可以包括硬件或者硬件和软件。装置的优点和作用在很大程度上类似于方法的优点和作用。此外，方法的所有实施例都适用于装置的所有实施例并且可与之组合，反之亦然。

根据本发明的第二方面，目的通过根据权利要求13的车辆来实现。车辆包括根据第二方面的装置。车辆的优点和作用在很大程度上类似于方法的优点和作用。此外，方法的所有实施例都适用于车辆的所有实施例并且可与之组合，反之亦然。

根据本发明的第二方面，目的通过根据权利要求14的计算机程序来实现。计算机程序包括程序代码装置，程序代码装置用于当计算机程序在计算机上运行时执行第一方面的方法的步骤。计算机程序的优点和作用在很大程度上类似于方法的优点和作用。此外，方法的所有实施例都适用于计算机程序的所有实施例并且可与之组合，反之亦然。

根据本发明的第二方面，目的通过根据权利要求15的计算机可读介质来实现。计算机可读介质携载计算机程序，计算机程序包括程序代码装置，程序代码装置用于当计算机程序在计算机上运行时执行第一方面的方法的步骤。计算机可读介质的优点和作用在很大程度上类似于方法的优点和作用。此外，方法的所有实施例都适用于计算机可读介质的所有实施例并且可与之组合，反之亦然。

本发明不限于上述特征和优点。本领域的技术人员在阅读以下详细描述后将了解额外特征和优点。

附图说明

参考附图，下面将更详细地描述作为示例引用的本发明的实施例。

附图中：

图1是示出车辆的示意图。

图2是示出方法的流程图。

图3是示出方法的流程图。

图4是示出方法的流程图。

图5是示出方法的流程图。

图6是示出装置的示意图。

图7是示出数字模型的示意图。

图8是示出统计分析的图表。

图9是示出差异和信任区域的图表。

图10是根本原因调查中使用的图表。

图11a和11b是示出方法的示意图。

附图不一定按比例绘制，并且为了清楚起见，某些特征的尺寸可能被夸大。相反，重点放在示出原理上。

具体实施方式

图1示出车辆100。车辆100可以是至少部分电动重型车辆，诸如卡车、公共汽车、建筑设备、拖车、轮式装载机、挖掘机、客车、船舶、加工机床等。车辆100可以是完全电力操作的车辆以及也包括内燃机的混合动力车辆，和仅包括内燃机的车辆。车辆100可以是全自主车辆、至少部分自主车辆或非自主车辆。

本文使用的例如水平、竖直、横向的方向涉及当车辆100立在平坦地面上时。为了方便，如图1所示的车辆100在本文中相对于笛卡尔坐标系定义，其中车辆100的纵向延伸沿着笛卡尔坐标系统的x轴延伸，车辆100的横向延伸沿着笛卡尔坐标系统的y轴延伸，并且车辆100的高度延伸沿着笛卡尔坐标系统的z轴延伸。然而，应注意，方向、位置、定向等可以用任何其它类型的坐标系表示。

车辆100可以是操作中的车辆。它可能在发动机运行且车辆运行或静止的情况下操作。

车辆100可以由用户使用。用户可以是车辆100的驾驶员、操作员等。例如，如果车辆100是至少部分自主车辆，则它可以由用户操作或驾驶。在另一示例中，如果车辆100是手动操作的，即非自主车辆，则车辆100可以由驾驶员操作或驾驶。车辆100的用户可以在操作车辆100时位于车辆100内部，或者他/她可以远离车辆100。

车辆100可以包括在一个或多个车队中。换句话说，车辆100可以包括在包括多个车辆的一组车辆中。

图1示出装置101。装置101可以包括在车辆100中，或者其可以是远程服务器或包括在远程服务器中。装置101的一部分可以包括在车辆100中，而车辆装置101的另一部分可以包括在远程服务器中。装置101的这两个替代位置在图1中用附图标记为101的框示出。远程服务器可被称为非车载装置。如果装置101包括在车辆100中，则其可以位于车辆100中的任何适当位置。如果装置101是远程服务器或包括在远程服务器中，则装置101适于经由通信链路例如有线或无线地连接到车辆100。远程服务器可以位于距车辆100任何合适的距离处。例如，远程服务器可以靠近车辆100，其可以是云服务器等。装置101可以是电子控制单元，包括用于执行本文描述的方法的处理电路系统。装置101可以是计算机。装置101可以包括硬件或者硬件和软件。装置101可以包括处理器、存储器、发射器、接收器等。装置101可以包括操作中的车辆的数字模型，或者可以适于获得从操作中的车辆100的数字模型生成的数据。稍后将更详细地描述装置101。

在描述用于处理与操作中的车辆100的能量消耗相关联的数据的方法之前，将更详细地描述术语“数字模型”。数字模型可被称为数字孪生(digital twin)。数字孪生可以是物理或真实对象或过程的数字表示。在本发明的上下文中，数字孪生可以是操作中的车辆100的数字表示。数字孪生可以基于来自车队的历史数据而配置。数字孪生可以表示例如在燃料消耗、驾驶行为等方面的理想车辆。数字孪生可以在装置101中实施，或者装置101可以适于从实施数字孪生的另一装置——例如云装置、中央装置等——获得数据。稍后在描述图7时提供关于数字模型的更多细节。

图2是示出由装置101执行的用于处理与操作中的车辆100的能量消耗相关联的数据的方法的流程图。在执行所述方法之前，假设装置101具有对来自车队的数据集的访问。数据集可以是包括先前获得的车队数据的历史数据集。车队可以被描述为多个车辆。在图2中，车队中的车辆可以具有相同的任务和配置。配置的示例可以是空气动力学和轮胎、发动机和动力系等。在步骤201，装置101获得与模型车辆的能量消耗相关联的建模数据。模型车辆可以被描述为理想车辆，即操作中的车辆100的模型或理想表示。建模数据由操作中的车辆100的数字模型生成。建模数据可以被描述为模型车辆的燃料消耗的预测。在步骤202，装置101从操作中的车辆获得操作数据。操作数据可以是在车辆100的操作期间获得的真实数据。在步骤203，装置101比较建模数据与操作数据。例如，装置101比较模型车辆的预测燃料消耗与操作中的车辆100的实际燃料消耗。在步骤204，如果存在，装置101检测建模数据与操作数据之间的差异。装置101还可以生成信任模型。将参考图9更详细地描述信任模型。在步骤205，装置评估并分析检测到的差异。步骤205的输出可以是关于如何减少或克服差异的建议，其可以是指示差异起源的信息等。

图3是示出由装置101执行的用于处理与操作中的车辆100的能量消耗相关联的数据的方法的流程图。在执行方法之前，假设装置101具有对来自主车队或第一车队的数据集的访问。数据集可以是包括先前获得的车队的数据的历史数据集。主车队中包括的车辆可以具有相似以及不同任务和配置两者。配置的示例可以是空气动力学和轮胎、发动机和动力系等。在步骤300，装置101在主车队中找到在任务和配置方面相似的车辆。因此，装置101选择在任务和配置方面相似的车辆。在步骤300，装置101选择主数据集的子集，其从第一数据集中选择第二数据集。在已经执行了步骤300之后，装置101具有与图2中的方法开始时的数据集类似且用于具有相同任务和配置的车辆的数据集。在步骤301，装置101获得与模型车辆的能量消耗相关联的建模数据。模型车辆可以被描述为理想车辆。模型车辆可以被描述为车队中车辆的平均值，其可能被优化。建模数据由操作中的车辆100的数字模型生成。建模数据可以被描述为模型车辆的燃料消耗的预测。在步骤302，装置101从操作中的车辆获得操作数据。操作数据可以是在车辆100的操作期间获得的真实数据。在步骤303，装置101比较建模数据与操作数据。例如，装置101比较模型车辆的预测燃料消耗与操作中的车辆100的实际燃料消耗。在步骤303，装置101经由数字模型进行与相似车辆的比较。装置101可以计算理想的用户燃料消耗和用户得分计算。在步骤304，如果存在，装置101检测建模数据与操作数据之间的差异。装置101还可以生成信任模型。步骤304的输出可以是理想的用户燃料消耗、动作推荐、用户得分和信任指数(TI)，即，为了降低燃料消耗以便移向理想的用户，应该做什么。由装置101确定的信任指数可以被描述为量化行动建议可以被信任的程度的度量，并且这可以基于每个车辆集群的质量。另见图11a和11b。可以使用数字模型并基于车队的历史数据来生成理想用户。步骤304的输出可以是关于如何减少或克服差异的建议，其可以是指示差异起源的信息等。

图4是示出由装置101执行的用于处理与操作中的车辆100的能量消耗相关联的数据的方法的流程图。在步骤401，装置101收集数据并可以转换数据。数据的转换可以是将数据从一种格式转换为另一种格式。数据可以是从操作中的车辆获得的操作数据，也可以是从数字孪生获得的建模数据。操作数据可以包括静态数据和动态数据中的至少一个。建模数据可以包括静态数据和动态数据中的至少一种。静态数据可以是静态的，因为它们在车辆100的操作期间不改变。动态数据可以是动态的，因为它们在车辆100的操作期间改变。静态数据可以包括以下中的一项或多项：

·发动机功率

·减速比

·齿轮箱类型

·空气动力学选项

动态数据可以包括以下中的一项或多项：

·车辆里程

·用户得分：巡航、生态区、空闲、预期

·平均车辆负载

·估计地形，例如发动机负载超过90％

·平均行驶速度

·在生态区花费的时间

·在巡航模式下花费的时间

·在自动模式下花费的时间

·齿轮箱12花费的时间

·制动激活/100公里

·重建平均温度平均值

在步骤402，装置101执行建模数据与操作数据的比较和评估。在步骤403，装置101可以触发操作，例如提供警报和报告。如图4例示的，报告可以说明数字孪生车辆与实际车辆的对比。步骤403中的图表中的实线表示实际车辆且虚线表示数字孪生。图表说明了数字孪生的燃料消耗相对于操作中的车辆100的实际燃料消耗的示例。燃料消耗可以l/km为单位。警报和动作可以例如在用户或任何其它操作员可访问的显示器上指示，其可以例如是实际车辆与数字孪生相比存在强烈偏差并且需要调查。另一示例可以是实际车辆的燃料消耗与数字孪生相一致。另一示例可以是，实际车辆的燃料消耗在很长一段时间内高于数字孪生且因此需要调查。

现在将从装置101的角度描述上述方法。图5是描述在装置101中用于处理与操作中的车辆100的能量消耗相关联的数据的方法的流程图。方法包括将由装置101执行的以下步骤中的至少一个，这些步骤可以按不同于下文描述的任何合适的顺序执行：

步骤501

此步骤对应于图2中的步骤201、图3中的步骤301和图4中的步骤401。装置101获得与模型车辆的能量消耗相关联的建模数据。建模数据由操作中的车辆100的数字模型生成。建模数据可以基于来自车队的历史操作数据生成。建模数据可以包括模型车辆的预测能量消耗。模型车辆可以是理想车辆、平均车辆等。

数字模型可以在远程服务器上或车辆100中实施。

数字模型可以基于从车队获得的历史操作数据进行配置。车队中包括的车辆可以具有相似的任务和配置。装置101可以从包括具有相似以及不同任务和配置的车辆的主车队中选择300包括在车队中的车辆。

步骤502

此步骤对应于图4中的步骤402。装置101可以获得建模数据的统计分布。例如，装置101可以获得燃料消耗的上限预测和下限预测。因此，可以提供预测燃料消耗的置信区间。参见图8用于更多细节。

步骤503

此步骤对应于图2中的步骤201、图3中的步骤301和图4中的步骤401。装置101获得与操作中的车辆100的能量消耗相关联的操作数据。操作数据可以是真实数据，例如操作中的车辆100的真实燃料消耗。操作数据可以例如当车辆100操作时实时获得，可以根据装置101的请求获得，可以由车辆101以规则或不规则的时间间隔提供，可以在某个操作完成或持续一段时间时由车辆101提供，等等。操作数据可以来自操作中的车辆100的拖车和车身。

步骤501中的建模数据和步骤503中的操作数据都可以基于静态数据和/或动态数据。

步骤504

此步骤对应于图2中的步骤203、图3中的步骤303和图4中的步骤402。装置101比较操作数据与建模数据。比较可以提供结果，结果可以指示操作数据和建模数据基本相同，例如它们在公差范围内相同，或者结果可以指示操作数据和模型数据基本不同，例如它们之间存在差异。

步骤504可以包括装置101比较操作数据与建模数据的统计分布，以确定操作数据是否符合统计分布。

步骤505

此步骤对应于图2中的步骤204、图3中的步骤304和图4中的步骤402。基于比较结果，装置101确定操作数据与建模数据之间的差异，并且差异与能量消耗相关联。差异可以被描述为差别、偏差等。

步骤506

此步骤对应于图2中的步骤205、图3中的步骤304和图4中的步骤402。装置101评估与能量消耗相关联的检测到的差异。

评估可以包括以下中的一项或多项：

·评估操作中的车辆100的能量消耗；

·检测操作中的车辆100的故障；

·确定差异的原因；

·确定车辆配置改变；以及

·确定车辆操作改变。

步骤506可以包括装置101确定操作中的车辆100的用户的用户预期得分。用户预期得分可以如下：

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·B：

·S：

·α，β，γ，δ，ε，ζ，w_overall，brake_max：真实值标量参数

·w_overall：总重量

·brake_max：制动影响的最大极限

·f：将任何真实值映射到0与1之间的值的归一化S形函数

步骤506可以包括装置101确定操作中的车辆100的用户的用户生态得分。用户生态得分可以如下：

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·O：

·N：

·S：

·η，θ，κ，μ，

：真实值标量参数

·w_overall：总重量

·

ξ：：归一化因子

·f：将任何真实值映射到0与1之间的值的归一化S形函数

·

超载花费的时间的比率

·l_notgreen：绿化区域上方每100公里消耗的升数

·l_avg：每100公里的升数

步骤507

此步骤对应于图2中的步骤205、图3中的步骤304和图4中的步骤403。当已经检测到差异时，装置101触发操作。

操作可以包括以下中的一项或多项：

·提供与差异相关联的信息；

·触发警报；

·发起服务操作的调度；以及

·请求来自操作中的车辆100的用户的输入。

用于处理与车辆100的能量消耗相关联的数据的装置101被配置成执行根据图2、3、4和5中的至少一个图的方法的步骤。为了执行图2、3、4和5中的至少一个图所示的方法步骤中的至少一个，装置101可以包括如图6所示的布置。

与装置101相关的本发明可以通过一个或多个处理器——诸如图6所描绘的装置101中的处理器601——以及用于执行本文描述的功能和动作的计算机程序代码来实施。如本文所使用，处理器可以被理解为硬件组件。上文提及的程序代码也可以作为计算机程序产品提供，例如以数据载体的形式提供，数据载体在被加载到装置101中时携载用于执行本公开的计算机程序代码。一个此类载体可以呈CD ROM盘的形式。然而，对于诸如记忆棒之类的其它数据载体也是可行的。计算机程序代码可以作为服务器上的纯程序代码提供并下载到装置101。

装置101可以包括存储器603，存储器603包括一个或多个存储器单元。存储器603被布置成用于存储获得的数据、建模数据、操作数据、统计数据、数据、配置、调度和应用等，以在装置101中执行时执行本文的方法。

装置101可以通过接收端口605从例如车辆100、车队接收数据和信息。接收端口605例如可以连接到装置101中的一个或多个天线。装置101可以从例如操作中的车辆100、车队等接收数据。由于接收端口601可以与处理器601通信，因此接收端口605然后可以将接收到的数据发送到处理器601。接收端口605还可以被配置成接收其它数据。

装置101中的处理器601可以被配置成通过发送端口607向例如车辆100、车队、显示器或其它结构传输或发送数据，发送端口可以与处理器601和存储器603通信。

因此，本文描述的用于装置101的方法可以分别借助于计算机程序610来实施，计算机程序包括指令，即软件代码部分，指令当在至少一个处理器601上执行时使至少一个处理器601执行本文描述的由装置101执行的动作。计算机程序610产品可以存储在计算机可读介质612上。其上存储有计算机程序610的计算机可读介质602可以包括指令，指令当在至少一个处理器601上执行时使至少一个处理器601执行本文描述的由装置101执行的动作。计算机可读介质612可以是非暂时性计算机可读存储介质，诸如CD ROM盘或记忆棒。计算机程序610产品可以存储在包含刚刚描述的计算机程序610的载体上，其中载体是电子信号、光信号、无线电信号或计算机可读介质612之一，如上文描述。

车辆100可以包括装置101。

计算机程序可以包括程序代码装置，程序代码装置用于当计算机程序在计算机上运行时执行图2、3、4和5中的至少一个方法的步骤。

计算机可读介质可以携带包括程序代码装置的计算机程序，程序代码装置用于当计算机程序在计算机上运行时执行图2、3、4和5中的至少一个方法的任何步骤。

如前文所描述，建模数据由操作中的车辆100的数字模型生成。数字模型可以是数字孪生。数字模型可以被称为能量数字孪生。数字模型可以是基于来自车队中的车辆的真实生活数据建立的模型。数字模型的示例如图7所示。数字模型可以包括以下构建块中的一个或多个：

-标准相关配置

--理想驾驶

--理想的车辆配置

构建块可以被描述为数字模型的子模型、数字模型中包括的函数、数字模型中包括的过程等。尽管图7示出了三个独立的构建块，但这可以只作为示例。数字模型可以是适于执行每个构建块的功能的一个模型。

在标准相关配置构建块的情况下，数字模型可以识别与车辆和相关联设备链接的异常。标准相关配置可以与例如ISO的任何合适的车辆标准相关联。在标准相关配置的情况下，装置101可能能够检测由于设备引起的差异并识别潜在的根本原因。

在理想驾驶构建块的情况下，如果车辆理想地驾驶，则装置101可能能够评估能量消耗降低的潜力。在理想驾驶构建块的情况下，装置101可能能够检测到与驾驶行为——例如预期、生态区等——潜在链接的改进，并提出行动计划。换句话说，可以比较从操作中的车辆100获得的操作数据与车辆的理想驾驶情况。这可以显示改进的潜力，以激励车辆用户和其它车辆相关人员关注燃料消耗。因此，给定例如理想用户的优秀用户的情况下，装置101可以估计对于给定车辆和任务可实现的燃料消耗。可以从装置101的使用中排除以下操作数据：

·总小时数小于5小时或大于24*7小时

·总公里数小于100

·每100公里的升数小于20且大于66

装置101可以量化如何测量用户的表现，并基于此为每个车辆分配得分。例如，得分在0与1之间，其中1指示可能是优秀的用户表现。装置101可以选择具有例如总人数的10％的最高驾驶员表现的每周操作数据。可以例如使用监督建模方法训练理想驾驶员模型。理想驾驶员模型的输入可以是与驾驶员无关的特征，例如车辆规格、运输任务。理想驾驶员模型的输出可以是燃料消耗，例如每100公里的升数。装置101可以预测所有车辆的燃料消耗，并比较预测的理想燃料消耗与操作中的车辆101的实际值。装置101可以对用户可以改进什么以达到理想的燃料消耗提出建议。

在理想车辆配置构建块的情况下，如果车辆理想地驾驶，则装置101可能能够评估潜在能量消耗降低。在理想车辆配置构建块的情况下，装置101可能能够基于车辆任务指示正确的配置。装置101可以适于提供能源服务规划和根本原因分析。在理想车辆配置构建块的情况下，装置101可能能够检测与例如轴比等的车辆配置链接的改进。

如先前步骤502所提及，装置101可以获得建模数据的统计分布。图8是示出此类统计分布的示例的图表。x轴表示每行驶100公里的升数。顶部虚线801表示燃料消耗预测量0.95，中间虚线802表示燃料消耗预测量0.5。下部虚线803表示每行驶100公里以升为单位的实际燃料消耗。

现在将更详细地描述先前描述的信任模型。图9是示出差异和信任区域的图表。

图10是例如在根本原因调查中可用于评估的参数示例图。装置101可以评估变型是否正常或者是否走错了方向。

图11a示出用于处理与操作中的车辆100的能量消耗相关联的数据的方法。与图3中的步骤300类似，如图11a顶部所示，主车队的尺寸减小。图11a的中间部分示出可以执行聚类。图11a的底部示出集群统计和建模。图11b示出图11a所例示方法的结果。图11b中的图表示出了燃料消耗在同类排前10％的顶级驾驶员。从图中可见，可以例如以1至10的得分形式提供当前用户得分。在图11b中，用户得分被例示为5。根据用户得分，可以提供动作推荐。最后，可以提供信任指数。在图11b中，用户得分被例示为9。也在图3中描述的信任指数可以例如处于从高、中到低的范围内。在图11b中，信任指数被例示为高。

现在将更详细地描述用户预期得分和用户生态得分。

可以基于用户预期得分来选择顶级用户。装置101可能已经执行了参数集搜索以确保顶级用户选择代表完全总体，而不受车辆运输任务的偏见影响。顶级用户可以被定义为预期得分高于0.85且小于1的用户，例如约占总体的6％。装置101可以将总体中的剩余驾驶员与顶级用户的特征进行比较。当考虑平均速度、重量和停靠次数时，顶级用户可能对不同的运输任务有很好的了解。顶级用户可能具有显著更低的每次停车的平均刹车次数。与剩余用户相比，顶级用户可能消耗更少的燃料且超载时间更少。

可以基于用户生态得分来选择顶级用户。装置101可能已经执行了参数集搜索以确保顶级用户选择代表完全总体，而不受车辆运输任务的偏见影响。顶级用户可以被定义为得分高于0.8的用户，例如约占总体的8.5％。装置101可以将总体中的剩余用户与顶级用户的特征进行比较。当考虑平均速度、重量和停靠次数时，顶级用户可能对不同的运输任务有很好的了解。顶级用户相比剩余用户可能在绿化区域上方的发动机燃料花费更少。与剩余用户相比，顶级用户可能消耗更少的燃料且超载时间更少。

总之，本发明涉及减少检测跨任务的能量异常、用户行为和卡车配置数据所需的时间。其支持根本原因分析和相关联改进。本发明能够改进用户得分并跟踪行动计划实施以识别警报的有效性。

利用本发明，可以提供车辆燃料监测。在发生偏离的情况下，可以向车辆的用户或任何其它合适的人员发出警报，并提供改进行动计划。这可以使车队管理者的生活更轻松。

一般而言，本文中“第一”、“第二”、“第三”、“第四”和/或“第五”的用法可以理解为表示不同元素或实体的任意方式，并且可以理解为不赋予它们修改的名词的顺序或时间特征，除非根据上下文另有说明。

词语“A和B中的至少一个”应理解为“仅A、仅B或A和B两者”，其中A和B是本文中使用的任何参数、数字、指示等。

应强调的是，本说明书中使用的词语“包括/包含”用于指定所述特征、整数、步骤或组件的存在，但不排除一个或多个其它特征、整数，步骤、组件或其群组的存在或添加。还应注意，元件前面的“一”并不排除存在多个此类元件。

本文中使用的词语“被配置成”也可以指“被布置成”、“适于”、“能够”或“可用于”。

应理解，本发明不限于上文描述和附图中所示的实施例；相反，本领域的技术人员将认识到，在所附权利要求的范围内可以进行许多改变和修改。

Claims

1.一种由装置(101)执行的用于处理与操作中的车辆(100)的能量消耗相关联的数据的方法，所述方法包括：

获得(201、301、401、501)与模型车辆的能量消耗相关联的建模数据，其中所述建模数据由所述操作中的车辆(100)的数字模型生成；

获得(202、302、401、503)与所述操作中的车辆(100)的能量消耗相关联的操作数据；

比较(203、303、402、504)所述操作数据与所述建模数据；

基于所述比较的结果，检测(204、304、402、505)所述操作数据与所述建模数据之间的并且与所述能量消耗相关联的差异；

评估(205、304、402、506)与所述能量消耗相关联的所检测的差异；以及

当检测到所述差异时，触发(205、304、403、507)操作。

2.根据权利要求1所述的方法，其中，所述的评估(205、304、402、506)与所述能量消耗相关联的所检测的差异包括以下中的一项或多项：

评估所述操作中的车辆(100)的能量消耗；

检测所述操作中的车辆(100)的故障；

确定所述差异的原因；

确定车辆配置改变；以及

确定车辆操作改变。

3.根据前述权利要求中任一项所述的方法，其中，所述操作包括以下中的一项或多项：

提供与所述差异相关联的信息；

触发警报；

发起服务操作的调度；以及

请求来自所述操作中的车辆(100)的用户的输入。

4.根据前述权利要求中任一项所述的方法，其中，所述建模数据和所述操作数据两者均基于静态数据和/或动态数据。

5.根据前述权利要求中任一项所述的方法，包括：

获得(402、502)所述建模数据的统计分布；以及

其中，所述的比较(203、303、402、504)所述操作数据与所述建模数据包括：

比较操作数据与所述建模数据的所述统计分布，以确定所述操作数据是否符合所述统计分布。

6.根据前述权利要求中任一项所述的方法，其中，所述的评估(205、304、402、506)与所述能量消耗相关联的所检测的差异包括：

确定所述操作中的车辆(100)的用户的用户预期得分，其中所述用户预期得分为：

用户预期得分～

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·B：制动影响～

·S：速度影响～

·α，β，γ，δ，ε，ζ，w_overall，brake_max：真实值标量参数

·w_overall：总重量

·brake_max：制动影响的最大极限

·f：将任何真实值映射到0与1之间的值的归一化S形函数

7.根据前述权利要求中任一项所述的方法，其中，所述的评估(205、304、402)与所述能量消耗相关联的所检测的差异包括：

确定所述操作中的车辆(100)的用户的用户生态得分，其中所述用户生态得分为：

生态得分

其中

·W：重量影响～α*w_light+β*w_medium+γ*w_full

·O：过载影响～

·N：不在绿化区域影响～

·S：速度影响～

·η，θ，κ，μ，

真实值标量参数

·w_overall：总重量

·

ζ：：归一化因子

·f：将任何真实值映射到0与1之间的值的归一化S形函数

·

超载花费的时间的比率

·l_notgreen：绿化区域上方每100公里消耗的升数

·l_avg：每100公里的升数

8.根据前述权利要求中任一项所述的方法，其中，在远程服务器上或在所述车辆(100)中实施所述数字模型。

9.根据前述权利要求中任一项所述的方法，其中，基于从车队获得的历史操作数据来配置所述数字模型。

10.根据权利要求9所述的方法，其中，所述车队中包括的车辆(100)具有相似的任务和配置。

11.根据权利要求9至10中任一项所述的方法，其中，从包括具有相似以及不同任务和配置两者的车辆(100)的主车队中选择(300)所述车队中包括的所述车辆(100)。

12.一种用于处理与车辆(100)的能量消耗相关联的数据的装置(101)，所述装置(600)被配置成执行根据权利要求1至11中任一项所述的方法的步骤。

13.一种包括根据权利要求12所述的装置(101)的车辆(100)。

14.一种计算机程序，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上运行时执行根据权利要求1至11中任一项所述的步骤。

15.一种携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上运行时执行根据权利要求1至11中任一项所述的步骤。