CN117948995A - 用于选择充电站的动态路线设置系统 - Google Patents

Abstract

本发明实施例涉及一种动态路线设置系统，其包括存储计算机可执行组件的存储器、以及执行存储在存储器中的计算机可执行组件的处理器，其中，计算机可执行组件包括：第一接收组件，其接收包括目的地和出发信息的行程信息；和最佳路线设置组件，其基于当前状况、对充电站的用户偏好、主用户的驾驶习惯、电池的健康状态、财务影响以及在接收行程信息时充电站的可用性，确定最佳路线设置。在行程设定时，系统可以预约在需要预约的充电站处充电。在行程中，如果系统需要更改预约，系统会与充电站建立通信并调整预约。

Description

用于选择充电站的动态路线设置系统

技术领域

本申请涉及一种系统和方法，用于基于规划的充电方案确定具有充电站的最佳路线设置。

背景技术

电动车辆(EV)包括电池组，且电池组储存大量电能，以给车辆发动机提供动力。然而，由于电池组中储存的电能有限，因此需要经常充电。目前，用户在开始行程之前，必须对充电站和在充电站处可用的设施进行调查。对于路线规划和时间规划，重要的是考虑到适用能量供应设施的可达性以及补充能量的时间。

在各种约束条件下，处理车辆路线设置的传统方法无法提供明确地考虑到等待时间、充电时间、驾驶偏好、驾驶习惯和车辆电量状态等不确定性的电动车辆路线设置解决方案。使用地图应用进行传统路线规划的另一个缺点是，用户必须对地图显示路线周围的充电站进行比较和选择。由地图选择的路线可以确保交通路线较好，但在交通较好的路线上，充电站可能比较稀少。

因此，长期以来一直需要提供一种高效的方法和系统，以用于基于规划的充电方案在考虑到尽可能多的因素的情况下提供具有充电站的最佳路线。

发明内容

以下发明内容提供了对本文所述的一个或多个实施例的基本理解。本发明内容无意确定关键或重要元素，也无意划定不同实施例的任何范围和/或权利要求的任何范围。发明内容的唯一目的是以简化的形式提出一些概念，作为本文更详细说明的前序。

本文所述的一个或多个实施例提出了系统、车辆、装置、计算机实施方法、方法、装置、计算机程序产品和/或非瞬态计算机可读介质，它们便于用于电动车辆的最佳路线设置，包括改进的电动车辆充电规划。

根据一个或多个实施例，系统包括动态路线规划系统，动态路线规划系统还包括信息娱乐系统、导航系统、存储器和与存储器通信耦合的处理器，其中，该系统在通电状态下可操作以：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

根据一个或多个实施例，车辆包括：路线规划系统，其还包括信息娱乐系统、电池管理系统、导航系统、存储器以及与存储器通信耦合的处理器，路线规划系统在通电状态下可操作以：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短路线更新为包括第一充电站的驾驶路线。

根据一个或多个实施例，方法包括：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；通过路线规划系统基于第一信息确定从当前位置到目的地的最短驾驶路线；通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息；通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线；其中，该方法便于进行有效的路线规划，以最大化车辆电池的电量。

根据一个或多个实施例，非瞬态计算机可读介质包括存储在其上的指令，这些指令当被至少一个处理器处理时，引起与车辆相关联的系统执行以下操作，包括：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

根据一个或多个实施例，动态路线设置系统包括：存储计算机可执行组件的存储器；以及执行存储在存储器中的计算机可执行组件的处理器，其中，计算机可执行组件包括：第一接收组件，用于接收包括目的地和出发信息的行程信息；以及最佳路线设置组件，其基于以下条件确定最佳路线设置：a)当前状况；b)用户对充电站的偏好；c)主用户的驾驶习惯；d)电池的健康状态；e)经济影响；以及f)在接收行程信息时充电站的可用性。

根据一个或多个实施例，系统配置为：通过计算机网络接收软件应用安装包；以及将软件应用安装到与车辆相关联的计算硬件上；其中，软件应用包括可由计算硬件执行并存储在非瞬态存储介质中的一组指令，这些指令在被执行时可使计算硬件执行以下操作，包括：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

附图说明

现在将参照附图对本发明的这些和其他方面进行更详细的描述，附图显示了本发明的示例性实施例，在附图中：

图1是根据一个或多个实施例的车辆路线规划系统的框图。

图2是根据一个或多个实施例的路线规划系统与地图数据库和充电站交互的代表图。

图3是根据一个或多个实施例的由路线规划系统交换和更新充电站信息以用于智能充电规划和预约的表格示例。

图4A是根据一个或多个实施例的包括路线规划系统的车辆的示意图。

图4B是根据一个或多个实施例的包括路线规划系统的车辆组件之间的信息流的示意图。

图5是根据一个或多个实施例的由车辆与外部设备交换信息以用于智能充电规划和预约的示意图。

图6是根据一个或多个实施例的车辆的信息娱乐系统与外部设备之间经由应用进行智能充电规划和预约的交互示意图。

图7示意了根据一个实施例的用于路线规划的计算机实施方法的流程图。

图8示意了根据一个实施例的用于路线规划的计算机实施方法的流程图，该方法包括为在充电站充电进行预约。

图9示意了根据一个实施例的用于更新路线规划的计算机实施方法的流程图。

图10示意了根据一个或多个实施例的计算机实施方法的流程图，该方法用于更新规划路线，以通过路线规划系统选择和预约第二充电站。

图11A和图11B示意了根据一个实施例的计算机实施方法的流程图，该方法用于选择包括较低成本充电站的路线。

图12是根据一个或多个实施例的用于路线规划以保持高效电量状态的人工智能模块的框图。

图13A示出了具有反馈回路的神经网络/机器学习模型的结构。

图13B示出了具有强化学习功能的神经网络/机器学习模型的结构。

图14A示意了根据一个实施例的非瞬态存储介质，该介质存储了用于执行动态路线规划的指令。

图14B示意了根据一个实施例的系统，该系统用于接收和安装软件应用安装包，以用于由车辆计算机系统进行动态路线设置。

图15示意了根据一个或多个实施例的路线规划系统的框图。

具体实施方式

定义和一般技术

为简单明了起见，附图中示意了一般的结构方式。为避免不必要地掩盖本公开，描述和附图中可省略众所周知的特征和技术的描述和细节。附图中夸大了某些元件相对于其他元件的尺寸，以帮助更好地理解本公开的实施例。不同附图中的相同附图标记表示相同的元件。

虽然本文的详细描述包含了许多用于示意的具体细节，但本领域的普通技术人员会明白，本文中包含了对细节的许多变化和改动。

因此，本文中的实施例不失一般性，也不对提出的任何权利要求施加限制。本文中使用的术语仅用于描述特定的实施例，且不具有限制性。除非另有定义，否则本文中使用的所有技术和科学术语与本公开所属技术领域的普通技术人员通常理解的含义相同。

本文中使用的冠词"一"和"一个"指一个或一个以上(即至少一个)的语法对象。例如，"一个元件"指一个元件或一个以上的元件。此外，除非另有说明或根据上下文可明确理解为单数形式，否则本说明书和附图中冠词"一"和"一个"的用法应理解为"一个或多个"的意思。

术语"示例"和/或"示例性"指作为示例、实例或示意。为避免疑义，此类示例并不限制本文所述的主题。此外，本文作为"示例"和/或"示例性"描述的任何方面或设计并不一定比其他方面或设计有利或有优势，且也不排除本领域普通技术人员已知的等效示例性结构和技术。

如本文所述，说明书和权利要求(如有)中的术语"第一"、"第二"、"第三"等区分类似元件，并不一定描述特定顺序或时间顺序。在适当的情况下，这些术语可以互换，例如，本文中的实施例能够以本文所说明或以其它方式描述的顺序以外的顺序进行操作。此外，术语"包括"、"具有"及其任何变体涵盖了非排他性的包含，例如，包含一系列元件的过程、方法、系统、物品、设备或装置并不一定仅限于这些元件，还可能包括未明确列出的或该过程、方法、系统、物品、设备或装置所固有的其他元件。

本文中使用的术语"左"、"右"、"前"、"后"、"顶"、"底"、"上"、"下"等在描述和权利要求中(如有)是用于描述目的，而不一定用于描述永久性的相对位置。在适当的情况下，所使用的术语可以互换，例如，本文所述的设备、方法和/或物品的实施例能够在除图示或本文所述的方向之外的其他方位上操作。

除非明确说明，否则本文中使用的任何元素/元件行为或指令都不是关键或必要的。此外，术语"一组"包括项目(例如，相关项目、不相关项目、相关项目和不相关项目的组合等)，且可与"一个或多个"互换。如果只包含一个项目，则使用术语"一个"或类似用语。此外，术语"具有"、"有"、"含有"或类似术语是开放式术语。此外，除非另有明确说明，否则术语"基于"意为"至少部分基于"。

本文中使用的术语"系统"、"设备"、"单元"和/或"模块"是指不同的组件/部件、组件部分或在顺序中的各级别的组件。然而，也可以用其他能达到相同目的的表达方式来代替这些术语。

本文中使用的术语"耦合"、"连接"、"耦接"、"联接"等指的是将两个或更多个元件机械地、电气地和/或以其他方式连接在一起。两个或更多个电气元件可以电气耦合在一起，但不以机械方式或以其他方式耦合在一起。耦合可以是任何时间长度，例如永久性、半永久性或仅瞬间耦合。"电气耦合"包括各种类型的电气耦合。在"耦合"等词附近没有"可拆卸"、"可移除"等词，并不意味着有关耦合等是或不是可移除的。

本文中使用的"或"是指包容性的"或"，而不是排他性的"或"。也就是说，除非另有说明或上下文明确，"X采用A或B"是指任何一种自然的包容性排列。也就是说，如果X采用了A；X采用了B；或者X同时采用了A和B，则在上述任何一种情况下，"X采用了A或B"都是成立的。

如在本文中所用的，两个或更多个元件或模块如果在功能上一起操作，则为"整体"或"集成"。如果每个元件都能在功能上独立操作，则两个或更多个元件为"非集成"。

本文中使用的术语"实时"是指在触发事件发生后，在实际可能的情况下尽快进行的操作。触发事件可包括接收执行任务或处理信息所需的数据。由于传输和/或计算速度中固有的延迟，术语"实时"包含在"接近"实时的情况下发生的操作，或在触发事件发生后稍有延迟的操作。在许多实施例中，"实时"可以指实时减去处理(例如，确定)和/或传输数据的时间延迟。具体的时间延迟可根据数据的类型和/或数量、硬件的处理速度、通信硬件的传输能力、传输距离等而有所不同。然而，在许多实施例中，时间延迟可以小于大约一秒、两秒、五秒或十秒。

如本文中所用的，术语"近似"可指在指定或未指定的规定值的指定或未指定范围内。在某些实施例中，"近似"可以是指在规定值的正负百分之十以内。在其他实施例中，"近似"可以是指在规定值的正负百分之五以内。在又另一实施例中，"大约"可以指规定值的正负百分之三以内。在另一些实施例中，"大约"可以指规定值的正负百分之一以内。

在不脱离本发明的精神或特征的前提下，本发明还可以以其他具体形式体现。所描述的实施例在所有方面都是说明性的，而不是限制性的。因此，所附的权利要求书而不是本文的描述表明了本发明的范围。在权利要求的含义和等同范围内的所有变化都在其范围之内。

本文中使用的术语"组件"可广义地理解为硬件、固件和/或硬件、固件和软件的组合。

数字电子电路、或计算机软件、固件或硬件中的数字电子电路，包括本说明书中公开的结构及其结构等同物，或其中一种或多种结构的组合，均可实现本说明书中描述的实施方案和所有功能操作。实施方案可以是一个或多个计算机程序产品，即编码在计算机可读介质上的一个或多个计算机程序指令模块，用于由数据处理设备执行或控制其操作。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储设备、影响机器可读传播信号的物质组合，也可以是其中一种或多种的组合。术语"计算系统"包含用于处理数据的所有装置、设备和机器，例如包括可编程处理器、计算机或多个处理器或计算机。除硬件外，装置还可包括为相关计算机程序创建执行环境的代码，例如，构成处理器固件的代码、协议栈、数据库管理系统、操作系统，或其一个或多个的组合。传播信号是人工生成的信号(例如，机器生成的电信号、光信号或电磁信号)，它对信息进行编码，以便传输到合适的接收装置。

用于实施这些系统和/或方法的实际专用控制硬件或软件代码并不限制实施方案。因此，任何软件和硬件都可以基于本文的描述实现系统和/或方法，而无需参考特定的软件代码。

以任何适当形式的编程语言(包括编译或解释语言)编写计算机程序(也称为程序、软件、软件应用、脚本或代码)。任何适当的形式，包括独立程序或模块、组件、子程序或适合在计算环境中使用的其他单元，都可以部署计算机程序。计算机程序并不一定与文件系统中的文件相对应。程序可以存储在包含其他程序或数据的文件的一部分中(例如，存储在标记语言文档中的一个或多个脚本)，也可以存储在专用于相关程序的单个文件中，或多个协调文件中(例如，存储一个或多个模块、子程序或部分代码的文件)。计算机程序可以在一台计算机上执行，也可以在多台计算机上执行，这些计算机可以位于一个站点，也可以分布在多个站点，并通过通信网络相互连接。

一个或多个可编程处理器执行一个或多个计算机程序，通过操作输入数据和生成输出来执行功能，从而执行本说明书中描述的流程和逻辑流。这些过程和逻辑流也可以由专用逻辑电路来执行，且装置也可以作为专用逻辑电路来实施，例如但不限于现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)系统、复杂可编程逻辑器件(CPLD)等。

适用于执行计算机程序的处理器包括(举例来说)通用和专用微处理器、以及数字计算机中任何适当类型的一个或多个处理器。处理器可从只读存储器或随机存取存储器或两者接收指令和数据。计算机的元件可包括用于执行指令的处理器和用于存储指令和数据的一个或多个存储设备。计算机还包括或被操作性耦合，以用于将数据传输到用于存储数据的一个或多个大容量存储设备/从所述一个或多个大容量存储设备接收数据、或两者兼而有之，所述一个或多个大容量存储设备例如为磁盘、磁光盘、光盘或固态磁盘。然而，计算机不一定需要这些设备。此外，另一种设备，例如，移动电话、个人数字助理(PDA)、移动音频播放器、全球定位系统(GPS)接收器等，也可以嵌入计算机。适用于存储计算机程序指令和数据的计算机可读介质包括各种形式的非易失性存储器、介质和存储器件，举例来说，包括半导体存储器件(例如，可擦除可编程只读存储器(EPROM)、电子可擦除可编程只读存储器(EEPROM)和闪存设备)、磁盘(例如，内置硬盘或可移动磁盘)、磁光盘(例如，光盘只读存储器(CD ROM)盘、数字多功能光盘只读存储器(DVD-ROM)盘)和固态磁盘。专用逻辑电路可以补充或结合处理器和存储器。

为实现与用户的交互，计算机可具有：用于向用户显示信息的显示设备，例如，阴极射线管(CRT)或液晶显示器(LCD)；以及键盘和指向设备，例如，鼠标或轨迹球，用户可通过键盘和指向设备向计算机提供输入。其他类型的设备也可以与用户进行交互。例如，给用户的反馈可以是任何适当形式的感官反馈，例如，视觉反馈、听觉反馈或触觉反馈；并且计算机可以接收来自用户的任何适当形式的输入，包括声音、语音或触觉输入。

这样的计算系统均可实现本文所述的实施方案，该计算系统包括：后端组件，例如，数据服务器；或包括中间件组件，例如，应用服务器；或包括前端组件，例如，具有图形用户界面或网络浏览器的客户端计算机，用户可通过用户界面或网络浏览器与实施方案进行交互；或一个或多个此类后端、中间件或前端组件的任何适当组合。任何适当的数字数据通信形式或媒介，例如，通信网络，都可以将系统的各个组件互连。通信网络的示例包括局域网(LAN)和广域网(WAN)，例如，内联网和互联网。

计算系统可包括客户端和服务器。客户端和服务器彼此相距遥远，通常通过通信网络进行交互。客户端和服务器之间的关系是通过在各自计算机上运行的计算机程序产生的，且彼此之间具有客户端-服务器关系。

本发明的实施例可包括或利用包括计算机硬件在内的专用或通用计算机。本发明范围内的实施例还可包括用于承载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。此类计算机可读介质可以是通用或专用计算机系统可访问的任何介质。存储计算机可执行指令的计算机可读介质是物理存储介质。承载计算机可执行指令的计算机可读介质是传输介质。因此，举例说明而非限制，本发明的实施例可以包括至少两种不同的计算机可读介质：物理计算机可读存储介质和传输计算机可读介质。

尽管本文中描述的本发明的实施例参照具体的示例实施例，但显然可以对这些实施例进行各种修改和变更，而不会偏离各种实施例更广泛的精神和范围。例如，硬件电路(例如，基于互补金属氧化物半导体(CMOS)的逻辑电路)、固件、软件(例如，体现在非瞬态机器可读介质中)或硬件、固件和软件的任何组合均可实现和操作本文所述的各种设备、单元和模块。例如，晶体管、逻辑门和电路(例如，专用集成电路(ASIC)和/或数字信号处理器(DSP)电路)可体现各种电气结构和方法。

此外，非瞬态机器可读介质和/或系统可以体现本文所公开的各种操作、流程和方法。因此，说明书和附图是说明性的，而不是限制性的。

物理计算机可读存储介质包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储(如CD、DVD等)、磁盘存储或其他磁性存储设备、固态磁盘或任何其他介质。它们以计算机可执行指令或数据结构的形式存储所需的程序代码，其可由通用或专用计算机访问。

"网络"是指一个或多个数据链路，其用于在计算机系统和/或模块和/或其他电子设备之间传输电子数据。当网络或其他通信连接(硬连线、无线或硬连线和无线的组合)向计算机传输或提供信息时，计算机会将连接正确地视为传输介质。通用或专用计算机访问传输介质可包括网络和/或数据链路，以计算机可执行指令或数据结构的形式承载所需的程序代码。计算机可读介质的范围包括上述介质的组合，可在计算机系统和/或模块和/或其他电子设备之间传输电子数据。

此外，在到达各种计算机系统组件时，计算机可执行指令或数据结构形式的程序代码可自动从传输计算机可读介质传输到物理计算机可读存储介质(或相反)。例如，通过网络或数据链路接收的计算机可执行指令或数据结构可在具有网络接口模块(NIC)的RAM中缓冲，然后最终传输到计算机系统的RAM和/或更少易失性计算机可读物理存储介质。因此，也(甚至主要)利用传输介质的计算机系统组件可包括计算机可读物理存储介质。

例如，计算机可执行指令包括指令和数据，这些指令和数据可使通用计算机、专用计算机或专用处理设备执行某种功能或某组功能。例如，计算机可执行指令可以是二进制指令、中间格式指令(例如，汇编语言)，甚至是源代码。尽管本文所述的主题采用的是结构特征和/或方法行为的特定语言，但所描述的特征或行为并不限制权利要求中限定的主题。相反，本文所述的特征和行为是实施权利要求的示例形式。

虽然本说明书包含许多具体细节，但这些细节并不能解释为对公开或权利要求范围的限制，而只能解释为对特定实施方案具体特征的描述。单个实施方案可以在单独实施方案的背景下实现本说明书中描述的某些功能。反之，多个实施方案可分别或以任何合适的子组合方式在单个实施方案的背景下实现本文所述的各种功能。此外，尽管本文所述的特征是以某些组合的形式发挥作用，甚至最初也是这样声称的，但在某些情况下，所声称组合中的一个或多个特征可以从组合中删除，且所声称的组合可以针对子组合或子组合的变体。

类似地，虽然附图中描述的操作是以特定顺序进行的，以达到理想的效果，但这不应被理解为要求按所示的特定顺序或按先后顺序执行这些操作，或要求执行所有图示的操作，以达到理想的效果。在某些情况下，多任务和并行处理可能是有利的。此外，不应将实施方案中各种系统组件的分离理解为要求在所有实施方案中都进行这种分离，且应该理解的是，所述程序组件和系统可以集成在单个软件产品中，也可以打包成多个软件产品。

即使在权利要求书和/或说明书中叙述了特征的特定组合，但这些组合并不是为了限制可能的实施方案的公开。其他实施方案也在权利要求书的范围之内。例如，权利要求中叙述的操作可以以不同的顺序执行，但仍能达到理想的效果。事实上，这些特征中的许多特征都可以以权利要求书中未明确记载和/或说明书中未披露的方式进行组合。虽然每个从属权利要求可能只直接依赖于一个权利要求，但可能实施方案的公开包括每个从属权利要求与权利要求书中的每个其他权利要求的组合。

此外，包括一个或多个处理器和计算机可读介质(例如，计算机存储器)的计算机系统也可以实施这些方法。特别地，一个或多个处理器可执行存储在计算机存储器中的计算机可执行指令，以执行各种功能，例如，实施例中所述的行为。

熟悉本领域的技术人员会明白，本发明可在具有多种计算机系统配置的网络计算环境中实施，包括个人计算机、台式计算机、笔记本电脑、信息处理器、手持设备、多处理器系统、基于微处理器或可编程的消费电子产品、网络PC、微型计算机、大型计算机、移动电话、掌上电脑、寻呼机、路由器、交换机等。分布式系统环境也可以实施本发明，在分布式系统环境中，本地和远程计算机系统通过网络连接(或通过硬线数据链路、无线数据链路，或通过硬线和无线数据链路的组合)同时执行任务。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设备中。

本文所述的实施例可以以任何可能的技术细节级别的集成针对系统、方法、装置和/或计算机程序产品中的一个或多个。计算机程序产品可以包括计算机可读存储介质(或介质)，其上具有计算机可读程序指令，以用于使处理器执行本文所述一个或多个实施例的各个方面。计算机可读存储介质可以是有形设备，其可以保留和存储指令，供指令执行设备使用。例如，计算机可读存储介质可以是但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、超导存储设备和/或上述设备的任何合适组合。计算机可读存储介质的更特定示例的非详尽清单还可包括以下内容：便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能磁盘(DVD)、记忆棒、软盘、机械编码设备(例如，打孔卡或凹槽中的凸起结构，其上记录有指令)和/或上述设备的任何适当组合。本文中使用的计算机可读存储介质本身并不表示过渡信号，例如，无线电波和/或其他自由传播的电磁波、通过波导和/或其他传输介质传播的电磁波(如通过光导纤维的光脉冲)和/或通过导线传输的电信号。

本文所述的计算机可读程序指令可从计算机可读存储介质下载到各自的计算/处理设备，和/或经由网络(例如，互联网、局域网、广域网和/或无线网络)下载到外部计算机或外部存储设备。网络可包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并将计算机可读程序指令转发到相应计算/处理设备内的计算机可读存储介质中进行存储。用于执行本文所述一个或多个实施例的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据、用于集成电路的配置数据，和/或以一种或多种编程语言的任意组合编写的源代码和/或目标代码，这些编程语言包括：面向对象编程语言，例如，Smalltalk、C++或类似语言；和/或程序化编程语言，例如，"C"编程语言和/或类似编程语言。计算机可读程序指令可以完全在计算机上执行，也可以部分在计算机上执行，作为独立的软件包，部分在计算机上和/或部分在远程计算机上执行，或者完全在远程计算机和/或服务器上执行。在后一种场景下，远程计算机可以通过任何类型的网络连接到计算机，包括局域网(LAN)和/或广域网(WAN)，和/或可以连接到外部计算机(例如，通过互联网使用互联网服务提供商)。在一个或多个实施例中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)和/或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令，以个性化电子电路，从而执行本文所述的一个或多个实施例的各个方面。

本文所述的一个或多个实施例的各个方面是参照根据本文所述的一个或多个实施例的方法、装置(系统)和计算机程序产品的流程图说明和/或框图来描述的。流程图示意图和/或框图中的每个块以及流程图示意图和/或框图中的块组合都可以通过计算机可读程序指令来实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机和/或其他可编程数据处理设备的处理器，以产生机器，这样，经由计算机或其他可编程数据处理装置的处理器执行的指令可以创建实现流程图和/或框图中的一个或多个块中指定的功能/动作的方法。这些计算机可读程序指令还可以存储在计算机可读存储介质中，该计算机可读存储介质可以指导计算机、可编程数据处理装置和/或其他装置以特定方式运行，这样，存储有指令的计算机可读存储介质就可以包括制造物品，该制造物品包括可以实现流程图和/或框图块中指定的功能/行为的指令。计算机可读程序指令还可以加载到计算机、其他可编程数据处理装置和/或其他设备上，使一系列操作行为在计算机、其他可编程装置和/或其他设备上执行，以产生计算机实施的流程，从而使在计算机、其他可编程装置和/或其他设备上执行的指令实现流程图和/或方框图块中指定的功能/行为。

附图中的流程图和框图说明了根据本文所述的一个或多个实施方案可能实现的系统、计算机可实现方法和/或计算机程序产品的架构、功能和/或操作。在这方面，流程图或框图中的每个块可以代表一个模块、段和/或部分指令，其中包括用于实现指定逻辑功能(一个或多个)的一条或多条可执行指令。在一个或多个替代实施方案中，块中标记的功能可以不按照附图中标记的顺序出现。例如，连续显示的两个块可以基本同时执行，和/或块有时可以按照相反的顺序执行，这取决于所涉及的功能。还需要指出的是，方框图和/或流程图中的每个块，和/或方框图和/或流程图中的块组合，都可以通过基于专用硬件的系统来实现，这些系统可以执行指定的功能和/或行为和/或执行一个或多个专用硬件和/或计算机指令组合。

虽然本文所述的主题是在计算机和/或计算机上运行的计算机程序产品的计算机可执行指令的一般情况，但本领域的技术人员会认识到，本文的一个或多个实施例也可以结合一个或多个其他程序模块来实现。程序模块包括执行特定任务和/或实现特定抽象数据类型的例程、程序、组件、数据结构和/或类似程序。此外，其他计算机系统配置，包括单处理器和/或多处理器计算机系统、微型计算设备、大型计算机，以及计算机、手持计算设备(例如，PDA、电话)、基于微处理器或可编程的消费和/或工业电子设备和/或类似设备，都可以实施本文所述的计算机实施方法。分布式计算环境也可以实现所说明的方面，在分布式计算环境中，通过通信网络连接的远程处理设备执行任务。然而，独立计算机也可以实现本文所述的一个或多个实施例的一个或多个方面，如果不是全部的话。在分布式计算环境中，程序模块可以位于本地和远程存储器存储设备中。

在本申请中使用的术语"组件"、"系统"、"平台"、"接口"和/或类似术语，可指和/或包括与计算机相关的实体或与具有一个或多个特定功能的操作机器相关的实体。本文所述的实体可以是硬件、硬件与软件的组合、软件或执行中的软件。例如，组件可以是但不限于在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。举例来说，在服务器上运行的应用和服务器都可以是一个组件。一个或多个组件可以位于一个进程和/或执行线程中，且组件可以定位在一台计算机上和/或分布在两台或更多台计算机之间。在另一示例中，各个组件可以从各种计算机可读介质上执行，这些介质上存储有各种数据结构。各组件可通过本地和/或远程进程进行通信，例如，根据具有一个或多个数据包的信号(例如，一个组件与本地系统、分布式系统中的另一个组件交互的数据，和/或经由信号与其他系统跨越网络、例如互联网交互的数据)进行通信。作为另一示例，组件可以是具有特定功能的设备，其机械组件由电气或电子电路操作，而电气或电子电路则由处理器执行的软件和/或固件应用操作。在这种情况下，处理器可以在装置内部和/或外部，且至少可以执行部分软件和/或固件应用。作为另一示例，组件可以是通过电子组件提供特定功能的装置，而无需机械组件，其中电子组件可以包括处理器和/或执行软件和/或固件的其他装置，这些软件和/或固件至少部分地赋予电子组件以功能。在一个方面，组件可以经由例如在云计算系统内的虚拟机模拟电子组件。

如在本说明书中使用的，术语"处理器"可指任何计算处理单元和/或设备，包括但不限于：单核处理器；具有软件多线程执行能力的单核处理器；多核处理器；具有软件多线程执行能力的多核处理器；具有硬件多线程技术的多核处理器；并行平台；和/或具有分布式共享存储器的并行平台。此外，处理器还可以指集成电路、专用集成电路(ASIC)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑控制器(PLC)、复杂可编程逻辑器件(CPLD)、分立门或晶体管逻辑、分立硬件组件和/或其任意组合，其设计成执行本文所述的功能。此外，处理器可以利用纳米级架构，例如但不限于基于分子的晶体管、开关和/或门，以优化空间使用和/或提高相关设备的性能。计算处理单元的组合可以实施处理器。

在此，诸如"存储"、"储存"、"数据存储"、"数据储存"、"数据库"和任何与组件的操作和功能相关的其他信息储存组件等术语指的是"存储器组件"、其所体现的实体是"存储器"或包含存储器的组件。本文所述的存储器和/或存储器组件可以是易失性存储器或非易失性存储器，也可以包括易失性存储器和非易失性存储器两者。举例说明而非限制，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除ROM(EEPROM)、闪存和/或非易失性随机存取存储器(RAM)(例如，铁电RAM(FeRAM))。易失性存储器可包括RAM，其例如可用作外部高速缓冲存储器。作为说明而非限制，RAM可以有多种形式，例如，同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、直接总线式RAM(directRambus RAM，简称为DRRAM)、直接总线式动态RAM(DRDRAM)和/或总线式动态RAM(RDRAM)。此外，本文所述的系统和/或计算机实施方法的存储器组件包括但不限于这些和/或任何其他合适类型的存储器。

本文所述的实施例仅包括系统和计算机实施方法的示例。当然，不可能为了描述一个或多个实施例而描述组件和/或计算机实施方法的每一种可想象的组合，但本领域的普通技术人员可以认识到，一个或多个实施例的许多进一步组合和/或排列是可能的。此外，在详细描述、权利要求、附录和/或附图中使用"包含"、"具有"、"拥有"等术语时，这些术语意在以类似于术语"包括"的方式具有包容性，如"包括"在权利要求中作为过渡词使用时被解释的。

对一个或多个实施例的描述是为了说明目的，但并非详尽无遗，也不是对本文所述实施例的限制。对于本领域的普通技术人员来说，许多修改和变化都是显而易见的，而不会偏离所述实施例的范围和精神。本文中使用的术语最好地解释了实施例的原理、实际应用和/或相对于市场上现有技术的技术改进，和/或使本领域普通技术人员能够理解本文所述的实施例。

除非另有说明，下列术语和短语应理解为具有以下含义。

本文中使用的术语"车辆(载具)"是指用于运输人员或货物的物品，例如，汽车、卡车或公共车辆。

本文中使用的术语"电动车辆(EV)"是指由电机驱动的车辆，电机从车载储能装置(例如，电池)汲取电流，车载储能装置可从车外电源(例如，住宅或公共电力服务或车载燃料发电机)充电。EV可以是两轮或更多轮车辆，主要用于公共街道和道路。EV可称为电动轿车、电动汽车、电动道路车辆(ERV)、插电式车辆(PV)、插电式车辆(xEV)等，且xEV可分为插电式全电动车辆(BEV)、电池电动车辆、插电式电动车辆(PEV)、混合动力电动车辆(HEV)、混合动力插电式电动车辆(HPEV)、插电式混合动力电动车辆(PHEV)等。

本文中使用的术语"插电式电动车辆(PEV)"是指通过连接至电网为车载原电池充电的电动车辆。

本文中使用的术语"插电式车辆(PV)"是指无需使用物理插头或物理插座即可通过来自电动车辆供电设备(EVSE)的无线充电被充电的电动车辆。

本文中使用的术语"重型车辆(HD Vehicle)"是指49CFR 523.6或49CFR 37.3(公共车辆)中限定的任何四轮或四轮以上的车辆。

本文中使用的术语"轻型插电式电动车辆"是指由从可充电蓄电池或其他能源装置汲取电流的电机驱动的三轮或四轮车辆，主要用于公共街道、道路和高速道路，且额定车辆总重小于4,545kg。

本文中使用的术语"自主模式"是指独立的且无监督的操作模式。

本文中使用的术语"自动驾驶车辆"也称为自动驾驶车辆、无人驾驶车辆、机器人车辆，指的是具有车辆自动化功能的车辆，即能够感知环境并在几乎没有或完全没有人工输入的情况下安全行驶的地面车辆。自动驾驶车辆结合各种传感器来感知周围环境，例如，热像仪、无线电探测和测距(雷达)、光探测和测距(激光雷达)、声导航和测距(声纳)、全球定位系统(GPS)、里程计和惯性测量单元。为此目的而设计的控制系统可解读传感器信息，以确定适当的导航路径以及障碍物和相关标识。

术语"人工智能模块"是指任何能感知其环境并采取最大化其实现目标机会的行动的系统。人工智能单元利用多种机器学习算法，使系统能够通过经验自动改进。

本文中使用的"机器学习"是指无需明确编程即可让计算机具备学习能力的算法，包括从数据中学习并对数据进行预测的算法。机器学习算法包括但不限于决策树学习、人工神经网络(ANN)(本文中也称为"神经网络")、深度学习神经网络、支持向量机、基于规则的机器学习、随机森林等。为清楚起见，例如线性回归或逻辑回归等算法可以是机器学习过程的一部分。然而，使用线性回归或其他算法作为机器学习过程的一部分，有别于执行统计分析，例如，以电子表格程序进行回归。机器学习过程可以随着新数据的出现不断学习和调整分类器，而不依赖于明确或基于规则的编程。ANN可能具有反馈回路，以在学习到新数据(其可用时)时动态调整系统输出。在机器学习中，反向传播和反馈环路可以训练AI(人工智能)/ML(机器学习)模型，随着时间的推移提高模型的准确性和性能。统计建模依靠寻找变量之间的关系(例如，数学公式)来预测结果。

本文所用的术语"数据集"(或"数据组")是数据的集合。就表格数据而言，数据集对应一个或多个数据库表格，其中表格的每一列代表一特定变量，且每一行对应于相关数据集的给定记录。数据集列出了数据集中每个成员的每个变量值，例如，对象的高度和重量。每个值都是基准。

本文中使用的术语"能源"是指发电或转换电力所需的电气和机械设备及其相互连接。

本文中使用的术语"AC"是指交流电。

本文中使用的术语"DC"是指直流电。

本文中使用的术语"有线连接"是指使用物理电缆连接设备之间的连接。

本文中使用的术语"无线连接"是指两点或更多点之间不使用导体作为介质的电气连接。

本文中使用的术语"电网"是指通常由电力公司负责传输和分配电力的网络。

本文中使用的术语"电路"是指至少有一个输入端和一个输出端相互连接的元件排列，其目的是在输出端处产生以在输入端处信号为依据的信号。

术语"控制单元"或"控制模块"或"电子控制单元"是指计算机系统中控制外围设备的一个或多个单元的功能单元。例如，它可以是充电系统的组件，向充电器单元提供指令或信号，以根据充电要求为电池组充电。

本文中使用的术语"电池组"是指一组任意数量的相同电池或电池的各个电芯。"电池组"也可以指一组非相同的电池。电池组中各电池的配置可以是串联、并联或两者的组合，以提供所需的电压、容量和/或功率密度。

本文中使用的术语"充电站"是指包括至少一个对接终端的设备，所述至少一个对接终端具有用于为电池组充电的充电器。本文中使用的术语"充电站"还指一种装置，其可作为电源为电动车辆的电池组充电，包括电动车辆与充电站之间的便利数据通信。通信可通过有线连接或无线连接进行。充电站还能通过有线连接或无线连接为电动车辆充电。

所使用的术语"充电系统"是指电动车辆中能够从充电站接收电能并为电池组充电的装置。充电系统能够监测和控制电池组。充电系统还能计算和监测电池参数(例如，电池阻抗、电池电阻、电池温度、电量状态、健康状态等)。充电系统与车辆计算机系统通信耦合。充电系统还与充电站通信耦合。

术语"路线规划"或"路线设置"是指计算过程，计算通过几个站点的运输或换乘的有效方法。路线规划确定当从一个地方到另一地方时，哪条路线最具成本效益。它还包括路线优化。

术语"路线优化"是指对各种选项和限制因素的潜在组合进行评估，以制定出最有效利用车队资源的路线规划。如今，由于路线优化技术能够更广泛、更快速地确定最有效的路线规划，因此路线规划过程需要使用路线优化技术。路线优化技术采用算法和其他技术(例如，人工智能或机器学习)来创造最佳结果。

术语"车载计算机系统"是指汽车电子设备中的嵌入式系统，用于控制车辆或其他机动车辆中的一个或多个电气系统或子系统。计算机在独立的控制单元上执行动力总成、底盘、驾驶员辅助和信息娱乐等领域的大量不同软件功能。车辆计算机系统可与用户的外部设备进行通信耦合。车辆计算机系统还可与充电站通信耦合。

本文中使用的术语"信息娱乐系统"或"车载信息娱乐系统"(IVI)是指通过音频/视频接口、控制元件(如触摸屏显示器、按钮面板、语音命令)等向驾驶员和乘客/乘员提供娱乐和信息的车辆系统的组合。车载信息娱乐系统的一些主要组件包括集成式头显、平视显示器、高端数字信号处理器(DSP)和图形处理器(GPU)，以支持多显示器、操作系统、控制器局域网(CAN)、低压差分信号(LVDS)和其他网络协议支持(根据要求)、连接模块、车辆传感器集成、数字仪表盘等。

术语"最大充电"或"最佳充电"是指在不损坏电池组的情况下，电池组在充电时间内的最大充电速率。

本文中使用的术语"充电时间"是指分配用于充电的时间。用户可提供充电时间。充电站或充电系统也可确定充电时间。充电时间可分为多个充电时间段。每个充电时间段可对应于不同的充电级别。每个充电时间段可对应电池组的不同部分。

术语"健康状况(SoH)"是指与电池组的理想状态相比，电池组状况的优劣程度。电池组的健康状况(SoH)描述了正在研究的电池组与新电池组之间的差异，并考虑了电池老化。SoH是最大电池电量与其额定容量的比率。SoH以百分比的形式表示。

术语"电量状态(SoC)"是指电池相对于其电池容量的电量水平。SoC的单位是百分点(0％＝空；100％＝满)。相同量度的另一种形式是放电深度(DoD)，即SoC的倒数(100％＝空；0％＝满)。SoC通常用于讨论使用中电池的当前状态，而DoD则多用于讨论电池重复使用后的寿命。

术语"1级充电"是指使用120-207伏电压充电。每辆电动车辆或插电式混合动力车辆都可以使用1级充电，通过将充电设备插入墙上的普通插座即可。1级充电可能是EV最慢的充电方式。1级充电通常每小时可增加3到5英里的里程。

术语"2级充电"是指使用208-240伏电压充电。2级充电最常用于EV的日常充电。2级充电设备可被安装在家中、工作场所以及如购物广场、火车站等公共场所或其他目的地。2级充电每小时可补充12到80英里的里程，这取决于2级充电器的输出功率和车辆的最大充电速率。

术语"3级充电"是指使用400-900伏直流电充电。3级充电是目前最快的充电方式，为EV充电的速率为每分钟3到20英里的里程。与使用交流电(AC)的1级充电和2级充电不同，3级充电使用直流电(DC)。

本文中使用的"耗电率"是指车辆的耗电率。它包括车辆行驶一段距离的耗电率以及车辆的辅助设备的耗电率。

本文中使用的术语"用户"包括车辆的主驾驶员、副驾驶员和/或乘客。

本文中使用的术语"驾驶习惯"或"偏好驾驶习惯"是指速度偏好、路线偏好、对于手动驾驶操作量的偏好、对于自动驾驶操作量的偏好以及用户所偏好的驾驶模式。

本文中使用的术语"通信"是指借助于电磁波将信息和/或数据从一点传输到另一点。它也是从一点(称为源点)到另一点(称为接收点)的信息流。通信包括以下内容之一：传输数据、指令和信息或数据、指令和信息的组合。通信发生在任何两个通信系统或通信单元之间。术语"通信"可指使用任何系统、硬件、软件、协议或格式，使用电信号交换信息或数据的任何耦合、连接或互动，无论交换是通过无线还是有线连接进行。术语通信包括结合其他更具体通信类型的系统，如V2I(车辆到基础设施)、V2I(车辆到基础设施)、V2N(车辆到网络)、V2V(车辆到车辆)、V2P(车辆到行人)、V2D(车辆到设备)和V2G(车辆到电网)以及车辆到万物(V2X)通信。V2X通信是从车辆向任何可能影响车辆的实体传输信息，反之亦然。开发V2X的主要动机是保证乘员安全、道路安全、交通效率和能源效率。依据所采用的基础技术，V2X通信技术有两种类型：蜂窝网络和支持设备间直接通信的其他技术(例如，专用短程通信(DSRC)、港口社区系统(PCS)、 等)。此外，应急通信装置配置在具有通信功能的计算机上，并通过无线电台和通信网络(例如，公用电话网络)的通信线路或通过通信卫星的卫星通信与车载应急报告装置进行双向通信连接。应急通信装置可通过通信网络与包括道路管理处、警察局、消防队和医院在内的通信终端进行通信。应急通信装置还可以与相关人员的通信终端在线连接，这些人员与应急报告车辆的乘员(接受服务的用户)相关联。

本文中使用的"通信系统"或"通信模块"是指能够在两点之间进行信息交换的系统。信息的传输和接收过程就是通信。通信的主要元件包括但不限于信息传输器、通信通道或媒介以及信息接收器。

本文中使用的术语"连接"是指通信链路。它是指连接两台或更多台设备以进行数据传输的通信通道。它可以指例如电线的物理传输介质，也可以指例如电信和计算机网络中的无线电通道的多路复用介质上的逻辑连接。通道将信息(例如，数字比特流)从一个或多个发送方传输到一个或多个接收方。通道具有一定的信息传输能力，通常以赫兹(Hz)为单位的带宽或以比特/秒为单位的数据传输速率来衡量。例如，车对车(V2V)通信可以无线交换有关周围车辆的速度、位置和方向的信息。

本文中使用的术语"双向通信"是指车辆与基础设施之间通过硬件、软件和固件系统进行的数据交换。这种通信通常是无线通信。

如本文所述，"车辆到设备通信"或"V2D"通信是一种特殊类型的车辆通信系统，包括车辆与任何可能连接到车辆本身的电子设备之间的信息交换，以允许车辆通常经由蓝牙协议与任何智能设备交换信息。

本文中提到的"车到电网通信"或"V2G"也称为"车到家(V2H)"或车到负载(V2L)，描述了一种插电式电动车辆(PEV)向电网通信出售需求响应服务的系统。它是V2X技术组的一个成员，利用智能电网在插电式混合动力车辆(PHEV)、电池电动车辆(BEV)、甚至氢燃料电池车辆(HFCEV)之间提供双向数据交换，以支持交通电气化。这种通信便于更高效地平衡负载，并降低公用事业账单成本。

本文参考附图描述了本申请的电动车辆智能充电规划和预约技术的一些实施例。

本申请涉及为电动车辆提供智能充电规划方案。说明书描述了改进的电动车辆充电规划和计划技术的一个或多个方面，其中路线规划系统考虑了与电动车辆侧、导航侧和充电侧有关的信息，从而能够为电动车辆规划更可靠且更高效的充电方案。本文所提及的车辆包括由电机驱动的纯电动车辆、由电机和发动机同时或单独驱动的插电式混合动力车辆等。电机依靠车辆电池提供的电力运行，因此，在车辆电池消耗到一定程度后，有必要对其充电。目前，电动车辆一般通过公共充电装置、小区充电装置或家用充电装置等进行充电。很多车辆企业已经或即将建设自己的充电站网络，也有很多第三方充电运营商提供充电站网络。由于相关的车辆充电时间和在充电站处的等待时间，通过电动车辆出行需要消耗大量的出行时间。如果电动车辆到达充电站且发现该充电站由于多种原因无法提供充电服务，驾驶员就不得不转向另一充电站，从而进一步增加了出行时间。该应用基于对最佳驾驶路线和最佳充电路线方案的标识，为用户提供可靠的充电规划建议。

在一个实施例中，提供了一种动态路线设置系统，动态路线设置系统接收来自用户的行程的信息，并基于a)当前状况(例如，天气、交通、道路等)；b)用户对充电站的偏好(例如，标准充电站或偏好充电站)；c)主用户的驾驶习惯；以及电池的健康状态；d)财务影响；以及e)接收行程信息时充电站的可用性，确定最佳路线设置(例如，标识一个或多个充电站，以实现电池电量最大化的高效路线设置)。在行程期间，系统会持续监测上述所有因素，包括主用户的驾驶习惯的变化，或是否有具有已知习惯的其他用户驾驶车辆，并调整充电站的选择。在行程设置时，系统可在需要预约的地方进行充电预约。在行程期间，如果需要更改预约，系统会建立通信并调整预约。当环境状况或用户的驾驶习惯造成电池电量状态发生变化时，就会出现这种情况。

根据一个或多个实施例，该系统包括动态路线规划系统，动态路线规划系统还包括信息娱乐系统、导航系统、存储器以及与存储器通信耦合的处理器，其中，该系统在通电状态下可操作以：经由信息娱乐系统接收包括目的地、偏好驾驶习惯和充电偏好的第一信息；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

在一个实施例中，该系统还包括电池管理系统，电池管理系统可操作以估计电池的电量状态、电池的健康状态和耗电率。在另一实施例中，该系统还包括定位系统，定位系统可提供包括电池的车辆的当前位置。

图1是根据一个或多个实施例的车辆路线规划系统的框图。路线规划系统100包括定位系统104、导航系统106、电池管理系统112、信息娱乐系统108、存储器114和处理器102。定位系统104提供车辆的当前位置。导航系统106提供连接当前位置和由系统输入的目的地的所有路线。导航系统106还提供连接当前位置和由系统输入的目的地的所有路线上现有充电站的信息。电池管理系统112提供车辆电池的电量状态。电池管理系统112还可基于用户的驾驶习惯、偏好驾驶模式、道路状况和电池的健康状况提供耗电率。用户可经由信息娱乐系统108与路线规划系统进行交互。通信系统110便于与充电站的通信。处理器102和存储器114在获得电源并接到执行路线规划的指令时，帮助执行路线规划步骤，以便在系统预测电量不足的情况下达成具有充电站的最佳路线。信息娱乐系统的配置便于与用户的持续通信。

路线规划系统与车辆的导航系统通信连接，从而向导航系统传输信息并从导航系统接收信息。这样，路线规划系统可以获取与车辆路线相关的地图信息。在一个实施例中，路线规划系统可以使用外部导航系统作为路线规划的主导航系统。

在一个实施例中，该系统可进一步操作以基于用户的确认，传输第一充电预约请求、当前位置和到达第一充电站的第一估计时间。

在一个实施例中，该系统可进一步操作以：监测驾驶习惯和驾驶偏好；基于驾驶习惯、驾驶偏好和道路状况的变化估计电池耗电率的变化；估计电量状态将达到设定阈值的时间间隔；以及更新驾驶路线以包括车辆能够在时间间隔内到达的第二充电站。在另一实施例中，该系统可进一步操作以基于用户的确认，向可用的第二充电站传输第二充电预约请求和第二估计到达时间。在另一实施例中，该系统可进一步操作以基于用户的确认，向第一充电站传输取消请求。

在一个实施例中，通过导航系统、车辆和用户中的至少一个接收与道路状况有关的第二信息。

在另一实施例中，偏好驾驶习惯包括偏好驾驶模式。

在另一实施例中，偏好驾驶模式是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。

在另一实施例中，道路状况包括路面状况、道路异常和天气状况。

在一个实施例中，该系统可进一步操作以估计在第一充电站和第二充电站处的等待时间。在另一实施例中，该系统可进一步操作以估计在第一充电站和第二充电站处的充电时间。在另一实施例中，驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。在又另一实施例中，基于估计充电时间进一步确定驾驶路线。在另一实施例中，基于实时和历史交通数据进一步确定驾驶路线。在另一实施例中，该系统进一步配置为接收实时交通更新，以进行动态路线规划。

图2是根据一个或多个实施例与充电地图数据库和充电站交互的路线规划系统的示意代表图。

在一个实施例中，路线规划系统200与地图数据库管理器204交互，以提供所选路线上的所有可用充电站。路线规划系统200通过网络202连接到地图数据库206。路线规划系统200还可以与规划路线中可用的充电站服务器(208A、208B等)建立双向通信。

图3是根据一个或多个实施例的用于智能充电规划和预约的充电站表。在一个实施例中，充电站与路线规划系统之间的通信信息可包括充电类型、兼容的充电面板、兼容的车辆存储单元、可用的自动化级别、充电服务状态和充电成本。

根据一个或多个实施例，车辆包括：路线规划系统，其还包括信息娱乐系统、电池管理系统、导航系统、存储器和处理器，处理器与存储器通信耦合，路线规划系统在通电的状态下可操作以：经由信息娱乐系统接收包括目的地、偏好驾驶习惯和充电偏好的第一信息；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短路线更新为包括第一充电站的驾驶路线。

在一个实施例中，车辆通过以下充电装置中的至少一种进行充电，包括：应急充电车辆系统、空中载具充电系统、道路系统、机器人充电系统和高架充电系统。

在另一实施例中，车辆与车辆内的元素建立联系，该元素包括车辆驾驶员、车辆乘客和车辆数据库。在另一实施例中，车辆数据库是远程设置的。在另一实施例中，车辆数据库物理地位于车辆内。在另一实施例中，车辆自动操作。在另一实施例中，车辆在自主环境中半自动操作。在另一实施例中，车辆与远程操作系统建立联系，远程操作系统可提供路线设置指令和控制。

图4A是根据一个或多个实施例的包括路线规划系统的车辆的示意图。车辆包括路线规划系统400、信息娱乐系统408、充电端口404和定位系统。

图4B是根据一个或多个实施例的包括路线规划系统的车辆部分之间的信息流示意图。电池管理系统412、导航系统406、路线规划系统400、通信模块410和处理器402之间存在信息和指令的双向流动。

在一个实施例中，信息娱乐系统配置为便于与用户的持续通信。在另一实施例中，该系统配置为接收由用户对路线的更改。在另一实施例中，信息娱乐系统配置为接收由用户对充电站的更改。

在另一实施例中，信息娱乐系统可操作以显示驾驶路线。

在一个实施例中，信息娱乐系统经由外部设备接收信息。在另一实施例中，外部设备是手持设备。在另一实施例中，外部设备是后座用户显示器。在一个实施例中，外部设备是远程设置的。在另一实施例中，外部设备可操作以显示驾驶路线。在一个实施例中，经由外部设备接收第一信息。在另一实施例中，外部设备是手持设备。在另一实施例中，手持设备是笔记本电脑、手机、平板电脑和后座用户显示器中的一种。

图5是根据一个或多个实施例的用于智能充电规划和预约的车辆与外部设备进行信息交换的示意图。车辆515从数据库获取充电站分布图506，并经由外部设备520(例如，手机)输入用户的充电偏好。然后，系统会选择位于规划路线上的充电站530以及在规划路线附近至多与规划路线相距设定距离的充电站530，并经由互联网发送对可用性状态的查询。在充电站发送可用性状态后，车辆发送对包括可用充电类型、可用兼容充电板、可用自动化级别和充电成本的信息的查询。基于从充电站接收到的信息，车辆(系统处理器)向相应的充电站(一个或多个)发送带有估计到达时间的预约请求。

在一个实施例中，驾驶员(或乘客)拥有安装了相关应用的智能手机(或其他智能设备，诸如，iPad等)，智能手机可驱动电动车辆。用户可以经由智能手机与远程通信网络550进行无线通信。可选地，车辆具具有能够与远程通信网络进行无线通信的无线互联系统；为此，在车辆中设置人机接口，例如，车辆导航系统的输入/输出接口。进一步可替代地，用户的智能手机可以通过有线或无线方式与车辆的无线互联系统互连。

在一个实施例中，信息娱乐系统经由安装在外部设备中的配套应用与外部设备进行通信。

图6是根据一个或多个实施例的车辆的信息娱乐系统608和外部设备620之间经由应用625进行智能充电规划和预约的交互示意图。在一个实施例中，车辆的信息娱乐系统通过外部设备经由应用与用户通信。所述应用可以容易地安装在手机上。用户在应用中的输入会反映到信息娱乐系统上。然后，路线规划系统可以使用用户经由信息娱乐系统输入的数据。

在又另一方面，本文描述了一种方法。该方法包括：经由信息娱乐系统接收来自用户的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；通过路线规划系统基于第一信息确定从当前位置到目的地的最短驾驶路线；通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息；路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线；并且其中，所述方法便于有效的路线规划，以最大化车辆电池的电量。

在一个实施例中，路线规划系统经由外部设备接收第一信息。在另一实施例中，外部设备是手持设备。在另一实施例中，手持设备是笔记本电脑、手机、平板电脑和后座用户显示器中的一种。在另一实施例中，路线规划系统经由导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。在另一实施例中，偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。在另一实施例中，偏好驾驶模式是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。

在一个实施例中，最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法(Dijkstra algorithm)、弗洛伊德·沃肖尔算法(Floyd-Warshall algorithm)、A星算法(Astar algorithm)、分层算法(hierarchical algorithm)、行动行为算法(action behavioralgorithm)、快速探索随机树(Rapidly Exploring Random Tree，简称为RRT)算法、机器学习算法(machine learning algorithm)、势场域法(potential field domain method)、网格法(grid method)、模糊逻辑法(fuzzy logic method)、拓扑法(topological method)、惩罚函数法(penalty function method)、遗传算法(genetic algorithm)、模拟退火法(simulated annealing method)、蚁群法(ant colony method)和神经网络法(neuralnetwork method)中的至少一种。

在一个实施例中，该方法还包括基于来自驾驶员的确认，向第一充电站传输第一充电预约请求、当前位置和第一估计到达时间。在又另一实施例中，该方法还包括：监测驾驶习惯；基于驾驶习惯和道路状况的变化，估计电池耗电的变化；估计时间间隔，电量状态将在该时间间隔内达到设定阈值；以及更新驾驶路线，以包括车辆可在该时间间隔内到达的第二充电站。在又另一实施例中，该方法还包括基于来自驾驶员的确认，向第二可用充电站传输第二充电预约请求和第二估计到达时间。在又另一实施例中，该方法还包括基于来自驾驶员的确认，向第一充电站传输取消请求。在又另一实施例中，该方法还包括更新最短驾驶路线，以包括第三充电站，第三充电站的电能成本低于第一充电站和第二充电站的电能成本。在又另一实施例中，该方法还包括估计在第一充电站和第二充电站处的等待时间。在又另一实施例中，该方法还包括估计在第一充电站和第二充电站处的充电时间。在又另一实施例中，驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。在又另一实施例中，估计充电时间基于在到达充电站的估计时间处的估计电量水平。在又另一实施例中，该方法还包括：当在第一充电站的电能成本相同于以及低于在第三充电站处的电能成本时，确定应在第一充电站和第二充电站处为电池充电至电量状态上限。在又另一实施例中，该方法还包括：当在第一充电站和第二充电站处的电能成本小于在第二充电站处的电能成本时，确定电池应在第一充电站和第二充电站以足以到达第三充电站的电能加上一定电能余量为电池充电。在又另一实施例中，该方法还包括：当电池的电量状态足以将车辆从当前位置驾驶至第二充电站且在第二充电站处的电能成本低于在第一充电站处的电能成本时，确定电池不应在第一充电站处充电。在又另一实施例中，该方法还包括接收实时交通更新，以用于动态路线规划。

在一个实施例中，路线规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法和神经网络法中的至少一种。

图7示出了根据一个实施例的用于路线规划的计算机实施方法700的流程图。

在702处，计算机实施方法700可以包括：经由信息娱乐系统或外部设备接收来自驾驶员的第一信息，第一信息包含目的地、偏好驾驶习惯和充电偏好。外部设备可以是手持设备。外部设备的非限制性示例包括笔记本电脑、手机、平板电脑和后座用户显示器。偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。偏好驾驶模式可以是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。充电偏好包括1级充电、2级充电和3级充电中的一种。基于充电偏好选择充电站。

在704处，方法700可以还包括基于第一信息确定从当前位置到目的地的最短驾驶路线。最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域方法、网格法、模糊逻辑方法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

在706处，方法700可以还包括通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息。经由导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。

在708处，方法700可以还包括通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。路线规划系统还考虑了车轮推动车辆所需的能量、动力传动系统的能量损失以及辅助设备操作所需的能量，以估计耗电率。

在710处，方法700可以还包括通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。估计充电时间基于在到达充电站的估计时间处的估计电量水平。

图8示出了根据一个实施例的用于路线规划的计算机实施方法800的流程图，该方法包括为在充电站充电进行预约。

在802处，计算机实施方法800可以包括：经由信息娱乐系统或外部设备接收来自驾驶员的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好。外部设备可以是手持设备。外部设备的非限制性示例包括笔记本电脑、手机、平板电脑和后座用户显示器。偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。偏好驾驶模式可以是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。充电偏好包括1级充电、2级充电和3级充电中的一种。基于充电偏好选择充电站。

在804处，方法800可以还包括基于第一信息确定从当前位置到目的地的最短驾驶路线。最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域方法、网格法、模糊逻辑方法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

在806处，方法800可以还包括通过路线规划系统接收针对于最短驾驶路线由系统进行分析的与道路状况、实时交通数据、以及历史交通数据有关的第二信息。经由导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。

在808处，方法800可以还包括通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。路线规划系统还考虑了车轮推动车辆所需的能量、动力传动系统的能量损失以及辅助设备操作所需的能量，以用于估计耗电率。

在810处，方法800可以还包括通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。估计充电时间基于在到达充电站的估计时间处的估计电量水平。

在812处，方法800可以还包括发送充电预约请求和到达第一充电站的估计时间。预约请求还可包括偏好付款方式和偏好充电时间。

在一个示例中，用户经由信息娱乐系统输入目的地、偏好驾驶习惯和充电偏好，且系统基于由用户提供的信息规划最短驾驶路线。然后，系统分析最短驾驶路线的与道路状况有关的数据、实时交通数据和历史交通数据，以由系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况估计最短驾驶路线中的耗电率。然后，系统基于耗电率将最短驾驶路线更新为包括由系统提供的充电站的驾驶路线。系统检查充电站的可用性，并基于充电站的可用性，发送具有预期到达时间、充电偏好和充电类型的预约请求。

图9示意了根据一个实施例的用于更新路线规划的计算机实施方法900的流程图。系统在行程期间持续监测驾驶习惯、偏好驾驶模式和道路状况。如果驾驶习惯、偏好驾驶模式和道路状况中的任何一个发生变化，影响到车辆的耗电率，则系统就会更新驾驶路线，以包括车辆在电池电量水平达到设定阈值之前就可以到达的充电站B。

在902处，计算机实施方法900可以包括经由信息娱乐系统或外部设备接收来自驾驶员的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好。外部设备可以是手持设备。外部设备的非限制性示例包括笔记本电脑、手机、平板电脑和后座用户显示器。偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。偏好驾驶模式可以是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。充电偏好包括1级充电、2级充电和3级充电中的一种。基于充电偏好选择充电站。

在904处，方法900可以还包括基于第一信息确定从当前位置到目的地的最短驾驶路线。最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域方法、网格法、模糊逻辑方法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

在906处，方法900可以还包括通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息。经由导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。

在908处，方法900可以还包括通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。路线规划系统还考虑了车轮推动车辆所需的能量、动力传动系统的能量损失以及辅助设备操作所需的能量，以用于估计耗电率。

在910处，方法900可以还包括通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。估计充电时间基于在到达充电站的估计时间处的估计电量水平。

在912处，方法900可以还包括向第一充电站发送充电预约请求和估计到达时间。

在914处，方法900可以还包括通过系统监测驾驶习惯和驾驶偏好。

在916处，方法900可以还包括基于驾驶习惯和驾驶偏好的变化，估计耗电率的变化。

在918处，方法900可以还包括确定时间间隔，电池组的电量状态估计将在该时间间隔内达到设定阈值。

在920处，方法900可以还包括基于估计的时间间隔，将最短驾驶路线更新为包括第二充电站的驾驶路线，车辆可以在估计的时间间隔内到达第二充电站。

图10示意了根据一个实施例的计算机实施方法1000的流程图，该方法用于更新规划路线，以通过路线规划系统选择和预约第二充电站。

在1002处，计算机实施方法1000包括接收来自驾驶员的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好。可经由信息娱乐系统或外部设备接收第一信息。外部设备可以是手持设备。外部设备的非限制性示例包括笔记本电脑、手机、平板电脑和后座用户显示器。偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。偏好驾驶模式可以是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。充电偏好包括1级充电、2级充电和3级充电中的一种。基于充电偏好选择充电站。

在1004处，方法1000可以还包括基于第一信息确定从当前位置到目的地的最短驾驶路线。最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

在1006处，方法1000可以还包括接收针对于最短驾驶路线由系统进行分析的与道路状况、实时交通数据和历史交通数据有关的第二信息。经由导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。

在1008处，方法1000可以还包括基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。路线规划系统还考虑了车轮推动车辆所需的能量、动力传动系统的能量损失以及辅助设备操作所需的能量，以用于估计耗电率。

在1010处，方法1000可以还包括通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。估计充电时间基于在到达充电站的估计时间处的估计电量水平。

在1012处，方法1000可以还包括向第一充电站发送充电预约请求和估计到达时间。

在1014处，方法1000可以还包括通过系统监测驾驶习惯和驾驶偏好的变化。

在1016处，方法1000可以还包括基于驾驶习惯和驾驶偏好的变化，估计耗电率的变化。

在1018处，方法1000可以还包括确定时间间隔，电池组的电量状态估计将在该时间间隔内达到设定阈值。

在1020处，方法1000可以还包括基于估计的时间间隔，将最短驾驶路线更新为包括第二充电站的驾驶路线，车辆可以在估计的时间间隔内到达第二充电站。

在1022处，方法1000可以还包括向第二充电站发送充电预约请求和估计到达时间。

在一个示例中，用户经由信息娱乐系统输入目的地、偏好驾驶习惯和充电偏好，系统基于由用户提供的信息规划最短驾驶路线。然后，系统分析最短驾驶路线的与道路状况有关的数据、实时交通数据和历史交通数据，以由系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。然后，系统基于耗电率将最短驾驶路线更新为包括由系统提供的充电站的驾驶路线。系统检查充电站A的可用性，并基于充电站的可用性，发送具有预期到达时间、充电偏好和充电类型的预约请求。系统持续监测驾驶习惯、偏好驾驶模式和道路状况。如果驾驶习惯、偏好驾驶模式和道路状况中的任何一个发生变化，影响车辆的耗电率，系统就会更新驾驶路线，以包括在电池电量达到设定阈值之前车辆就可以到达的充电站B。系统检查充电站B的可用性，并基于充电站B的可用性发送具有预期到达时间、充电偏好和充电类型的预约请求。系统还可传输对于在充电站A处预约的取消请求。

在一个实施例中，系统进一步配置为当在第一充电站处的电能成本分别与在第三充电站处的电能成本相同以及小于在第三充电站处的电能成本时，确定电池应在第一充电站和第二充电站处充电至电量状态上限。在另一实施例中，系统进一步配置为当在第一充电站和第二充电站处的电能成本大于在第三充电站处的电能成本时，确定应在第一充电站和第二充电站处以足以到达第三充电站的电能加上一定电能余量为电池充电。在另一实施例中，系统进一步配置为当电池的电量状态足以驱动车辆从当前位置驾驶至第二充电站，且在第二目的地处的电能成本低于在第一目的地处的电能成本时，确定电池不应在第一充电站处被充电。

图11A和图11B示意了根据一个实施例的计算机实施方法1100的流程图，该方法用于选择包括成本较低的充电站的路线。如果有两个充电站，其中一个充电站较近但成本较高，另一个充电站稍远但成本较低，则系统使用基于规则的分析以进行充电规划和相应的路线规划。

在1102处，计算机实施方法1100可以包括接收来自驾驶员的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好。可经由信息娱乐系统或外部设备接收第一信息。外部设备可以是手持设备。外部设备的非限制性示例包括笔记本电脑、手机、平板电脑和后座用户显示器。偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。偏好驾驶模式可以是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。充电偏好包括1级充电、2级充电和3级充电。系统基于充电偏好选择充电站。

在1104处，方法1100可以还包括基于第一信息确定从当前位置到目的地的最短驾驶路线。最短驾驶路线和驾驶路线的规划使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域方法、网格法、模糊逻辑方法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

在1106处，方法1100可以还包括接收针对于最短驾驶路线由系统进行分析的与道路状况、实时交通数据以及历史交通数据有关的第二信息。系统通过导航系统、车辆和驾驶员中的至少一个接收与道路状况有关的第二信息。

在1108处，方法1100可以还包括基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。路线规划系统还会考虑车轮推动车辆所需的能量、动力传动系统的能量损失以及辅助设备操作所需的能量，以用于估计耗电率。

在1110处，方法1100可以还包括通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。估计充电时间基于在到达充电站的估计时间处的估计电量水平。

在1112处，方法1100可以还包括向第一充电站发送充电预约请求和估计到达时间。

在1114处，方法1100可以还包括通过系统监测驾驶习惯和驾驶偏好的变化。

在1116处，方法1100可以还包括基于驾驶习惯和驾驶偏好的变化，估计耗电率的变化。

在1118处，方法1100可以还包括确定时间间隔，电池组的电量状态估计将在该时间间隔内达到设定阈值。

在1120处，方法1100可以还包括基于估计的时间间隔，将最短驾驶路线更新为包括第二充电站的驾驶路线，车辆可以在估计的时间间隔内到达第二充电站。

在1122处，方法1100可以还包括检测靠近第二充电站的第三充电站。

在1124处，方法1100可以还包括比较在第二充电站和第三充电站处的充电成本。

在1126处，方法1100可以还包括，如果在第二充电站处的充电成本低于在第三充电站处的充电成本，则向第二充电站发送预约请求。

在1128处，方法1100可以还包括确定电池组的电量状态是否会在到达第三充电站之前达到设定阈值。

在1130处，方法1100可以还包括，如果电池组的电量状态没有达到设定的阈值，则向第三充电站发送预约请求。

在1132处，方法1100还包括，如果电池组的电量状态达到设定阈值，则向第二充电站和第三充电站发送预约请求。方法还包括发送在两个充电站处为电池组充电的估计充电时间。电池组可在第三充电站处被充电至设定阈值，并在第二充电站处被完全充电/充满电。

在一个实施例中，系统会检查在充电站C处充电的成本是否低于在充电站B处充电的成本。如果答案为是，系统会进一步检查车辆电量在到达充电站C之前是否会达到设定阈值。如果对于这个问题的答案为是，则系统会规划在充电站B处进行部分充电的充电计划表和在充电站C处进行完全充电的充电计划表，方式为向充电站B和充电站C两者发送预约请求。在另一示例中，如果在充电站C处充电的成本低于在充电站B处充电的成本，且充电站B和C相距很近，则系统会检查在到达充电站C之前车辆电量是否会达到设定阈值，而不会在充电站B停止和充电。如果对于这个问题的答案为否，则系统会规划在充电站C处进行完全充电的充电计划表，包括考虑到达充电站C的时间间隔，以用于作出计划表或预约。在这个示例中，如果车辆达到设定阈值并且比起充电站C更靠近于充电站B，则系统可维持在充电站B处的预约。在另一示例中，如果在充电站C处充电的成本大于在充电站B处充电的成本，则系统规划在充电站B处进行完全充电的充电计划表。

在一个实施例中，系统配置为便于基于在行程期间遇到的情况进行建议。在一些实施例中，特定出行路线的评估和选择由位于车辆内的一台或多台专门编程的计算机机器执行，所述一台或多台专门编程的计算机机器具有人工智能、电池能量管理和导航控制功能。系统包括人工智能平台，人工智能平台收集实时数据并基于多重分析提供建议。

多重分析涉及使用模糊逻辑计算进行电池能量管理和导航路线控制。这种模糊逻辑计算包括限定的模糊集合，其具有可能重叠的参数范围，相应的决定基于针对特定考虑的路线评估参数在限定的模糊集合中的隶属度的计算。对于多个模糊逻辑隶属度进行去模糊化处理后，就会得出针对所考虑的特定路线的清晰数字路线选择指数。系统可基于与这些得出的清晰数字路线选择指数的比较，选择特定路线。

在一个实施例中，人工智能模块辅助智能充电规划和预约。人工智能模块主要在云平台(其可称为车辆制造商云平台)中构建和实施。车辆制造商云平台可以与用户进行通信。具体来说，车辆制造商云平台能够经由网络进行通信，以与用户(经由智能手机和/或车载信息娱乐系统)收发信息。这样，人工智能模块可以接收各种车辆端信息，包括与车辆相关的车辆状态信息，例如，车辆行驶状态、剩余行驶里程、车辆电池剩余能量、当前车辆耗电速度、车辆巡航距离、用户指令(包括充电计划表信息)等。

人工智能模块还可以向智能手机和/或车辆发送对于路线规划等建议的各种信息。人工智能模块可提供建议，作为来自人工智能模块在智能手机和/或车载信息娱乐系统的输出界面(例如，显示器屏)上的输出，且也可通过声音等方式提示用户。例如，系统可以经由人工智能模块提供导航信息作为建议。

在一个实施例中，人工智能模块配置为在道路状况不佳以使得在到达充电站之前电池仍处于阈值电量水平内/电池仍未达到阈值电量水平的情况下提供改变偏好驾驶习惯的建议。在另一实施例中，人工智能模块配置为在道路状况不佳以使得在到达充电站之前电池就达到阈值电量水平的情况下提供改变偏好驾驶习惯的建议。在另一实施例中，人工智能模块配置为在辅助设备的耗电率估计超过设定阈值以使得在到达充电站之前电池就达到阈值电量水平的情况下提供改变偏好驾驶习惯的建议。

在一个实施例中，人工智能模块配置为，如果在到达充电站之前，辅助设备的耗电率估计超过设定阈值，则提供改变偏好驾驶习惯的建议。

图12是根据一个或多个实施例的用于路线规划以保持高效电量状态的系统的人工智能模块的框图。人工智能模块1200经由路线规划数据库获取多个输入参数1210，并使用模糊逻辑规则以使用多种操作提供建议。模糊逻辑推理引擎的这些操作包括访问人工智能模块知识库1202，该知识库可包括模糊逻辑规则。模糊逻辑操作包括用于建立隶属度(DOM)的模糊器(1204)。模糊器(1204)的输出被供给至模糊逻辑处理元件(1206)。解模糊器(1208)向路线规划系统提供用于路线咨询指数(1212)的清晰数字输出。

在一个示例中，人工智能平台至少部分基于对基于接收到的信息的潜在出行路线中的各个路线评估结果的比较，提供特定出行路线的建议。在另一示例中，系统可建议更改驾驶习惯，以使得电池在到达充电站之前处于阈值电量水平范围内。在另一示例中，如果辅助设备的耗电率超过规划，则系统可建议更改驾驶习惯。在另一示例中，系统可以通知最靠近驾驶路线的充电站。

图13A示出了带有反馈回路的神经网络/机器学习模型的结构。人工神经网络(ANN)模型包括输入层、一个或多个隐藏层和输出层。每个节点或人造神经元都与另一节点或人造神经元相连，并具有相关的权重和阈值。如果任何单个节点的输出高于指定的阈值，该节点就会被激活，向网络的下一层发送数据。否则，不会向网络的下一层传递数据。机器学习模型或ANN模型可以在一组数据上进行训练，以获取输入数据形式的请求(例如，由充电站或充电系统接收到的信息)、对输入数据进行预测、然后提供响应。模型可以从数据中学习。学习可以是有监督的学习和/或无监督的学习，并且可以基于不同的场景和不同的数据集。监督的学习包括使用决策树、逻辑回归和支持向量机中的至少一种的逻辑。无监督的学习包括使用k均值聚类、分层聚类、隐马尔可夫模型(hidden Markov model)和Apriori算法中的至少一种的逻辑。输出层可根据输入数据预测或检测或确定充电消耗率、充电系统健康状态变化、驾驶方式变化或驾驶模式变化、维持电量状态所需的充电顺序、修改后的充电顺序、充电时间更新、健康状态信息更新、电量等中的至少一个。输入数据可包括电池消耗率、影响电池性能的环境因素、路线变化、天气状况、道路状况、交通状况、驾驶方式和驾驶模式中的一个或多个。

在一个实施例中，ANN可以是深度神经网络(DNN)，这是一种多层串联神经网络，其包括人工神经网络(ANN)、卷积神经网络(CNN)和循环神经网络(RNN)，可以从输入中识别特征，进行专家评审，并执行需要预测、创造性思维和分析的操作。在一个实施例中，ANN可以是递归神经网络(RNN)，它是人工神经网络(ANN)的一种类型，使用顺序数据或时间序列数据。深度学习算法通常用于处理顺序或时间问题，例如，语言翻译、自然语言处理(NLP)、语音识别和图像识别等。与前馈和卷积神经网络(CNN)一样，递归神经网络利用训练数据进行学习。它们的显著特点是"记忆"，因为它们经由反馈回路从先前的输入中获取信息，从而影响当前的输入和输出。来自神经网络模型中的输出层的输出通过反馈被回馈给模型。在训练模型时，会对隐藏层(一个或多个)的权重变化进行调整，以更好地符合预期输出。这将允许模型在提供结果时更少犯错误。

神经网络的特点是具有反馈回路，可在其学习新数据时动态调整系统输出。在机器学习中，反向传播和反馈回路用于训练AI模型，并在其使用中不断改进。随着模型接收到的进入数据增加，模型就有更多机会从数据中学习。反馈回路或反向传播算法可以识别不一致之处，并将修正后的信息作为输入回馈给模型。

即使AI/ML模型经过大量标记数据和概念集的良好训练，但经过一段时间后，在添加新的未标记输入时，模型的性能可能会下降，原因有很多，包括但不限于概念漂移、因背离于真正例漂移而导致召回率精度下降以及数据随时间漂移。模型的反馈回路保持AI结果的准确性，并确保即使在吸收了新的未标记数据时，模型仍能保持其性能并不断改进。反馈回路是指AI模型的预测输出被重新用于训练新版本模型的过程。

最初，为了训练AI/ML模型，使用了一些标记样本，包括概念(例如，用于充电速率、充电方式、充电顺序、电量等)的正反两方面示例，以供模型学习。之后，可以使用未标记的数据来测试模型。通过使用深度学习和神经网络等方法，模型可以预测未标记图像中是否存在所需的概念(例如，用于充电速率、充电方式、充电顺序、电量等)。机器学习算法会给每张图片一概率分数，分数越高，代表对模型预测的置信水平越高。当模型给图像打出高概率分数时，机器学习算法就会自动用预测的概念给图像标记。然而，如果模型返回的概率分数较低，机器学习算法可将这个输入发送给控制器(可以是人工仲裁人)，由控制器进行验证，并在必要时纠正结果。在特殊情况下，人工仲裁人也可以提供帮助。反馈回路将自动标记或控制器验证的标记数据动态回馈给模型，且模型可将反馈数据用作训练数据，以使得系统能够实时且动态地改进其预测。

图13B示出了具有强化学习功能的神经网络/机器学习模型的结构。该网络接收来自授权网络环境的反馈。虽然该系统与监督的学习类似，但在这种情况下获得的反馈是评价性的，而不是指导性的，这意味着在监督的学习中没有教师。收到反馈之后，网络会对权重进行调整，以便在未来做出更好的预测。机器学习技术(例如，深度学习)允许模型获取标记的训练数据，并学习在后续数据和图像中识别这些概念。为了加强对模型的训练，可以向模型供给新的数据进行测试，因此，通过向模型供给已经预测过的数据，训练可以被加强。如果机器学习模型有反馈回路，则对于系统的输出的每个真正例都会进行奖励，从而进一步加强训练。反馈回路可确保AI结果不会停滞不前。通过纳入反馈回路，模型输出会随着使用/时间的推移保持动态改进。

在一个实施例中，与信息娱乐系统相关联的计算机系统基于信息内容的优先级分数，重新排列信息娱乐系统的图形用户界面(GUI)或显示器上的图标。处理器跟踪在给定时间内需要显示的信息并生成优先级分数，其中，基于用户需要采取的行动、需要用户输入之前的可用时间、待显示的信息内容、用户输入/需要采取的行动的关键性、需要显示和执行的一条或多条信息的顺序以及整个场景的安全性，确定优先级分数。例如，在确定充电顺序的情况下，队列中需要显示的信息可能是充电顺序、充电时间段、充电级别类型、修改后的充电顺序、电量、通信链路的建立等。在所有这些需要用户注意的信息中，都会基于用户需要采取的行动、用户接收显示信息并做出反应的时间、信息的内容、用户输入/行动的关键性、需要执行的信息顺序以及整个场景的安全性，提供优先级分数。在上述示例中，与提示通信链路的建立相比，提示用户确定充电顺序的信息可能具有更高的优先级。因此，充电顺序会取得优先级并出现在显示器上的相应地方(例如，显示器的中央)，以便立即吸引用户的注意。计算机系统会根据情况的变化动态评估信息的优先级，并实时且动态地更改显示器上的显示器图标、文本或图标的位置和大小。在一个实施例中，信息娱乐系统会根据情况和用户的动作显示和突出显示一条以上的信息。此外，在充电时，如果充电时间有更新(例如，车辆计算机系统确定了修改后的充电顺序，则信息会动态地更改，并告知用户修改后的充电顺序。

在一个方面，本文描述了一种非瞬态计算机可读介质。非瞬态计算机可读介质包括存储在其上的指令，这些指令当被至少一个处理器处理时，引起与车辆相关联的系统执行以下操作，包括：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。在一个实施例中，指令还包括迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。在一个实施例中，指令还包括反向传播和反馈回路，以训练用于优化路线规划的AI模型。

图14A示意了根据一个实施例的存储执行动态路线规划的指令的非瞬态存储介质。非瞬态存储介质1400包括存储在存储器1404中的计算机可执行指令1410。与车辆1450相关联的车辆计算机系统1430的处理器1402可以处理计算机可执行指令1410，以执行以下操作，包括：

在1412处，经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好。

在1414处，基于第一信息确定从当前位置到目的地的最短驾驶路线。

在1416处，接收针对于最短驾驶路线的与道路状况有关的第二信息。

在1418处，基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率。

在1420处，基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

根据一个或多个实施例，系统配置为：通过计算机网络接收软件应用安装包；以及将软件应用安装到与车辆相关联的计算硬件上；其中，软件应用包括可由计算硬件执行并存储在非瞬态存储介质中的一组指令，所述一组指令在被执行时引起计算硬件执行以下操作，包括：经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；基于第一信息确定从当前位置到目的地的最短驾驶路线；接收针对于最短驾驶路线的与道路状况有关的第二信息；基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

图14B示意了根据一个实施例的系统，该系统用于由车载计算机系统接收和安装用于动态路线设置的应用软件包。车辆计算机系统1430从计算机系统1460接收应用软件包。计算机系统1460包括处理器1402和计算机可读介质1464。计算机可读介质1464还包括用于动态路线设置的软件应用1466。软件应用1466包括可由计算硬件执行并存储在图14A的非瞬态存储介质中的一组指令，所述一组指令当被执行时引起计算硬件实施操作，该操作包括在图14A中所述的1412-1420。

图15示意了根据一个或多个实施例的动态路线设置系统1500的框图。该系统包括存储计算机可执行组件1512的存储器1514；以及执行存储在存储器1514中的计算机可执行组件1512的处理器1502，其中，计算机可执行组件1512包括：第一接收组件1504，其用于接收包括目的地和出发信息的行程信息；以及最佳路线设置组件1506，其用于基于a)当前状况；b)用户对充电站的偏好；c)主用户的驾驶习惯；d)电池的健康状态；e)经济影响；以及f)在接收行程信息时充电站的可用性，确定最佳路线设置。在一个实施例中，动态路线设置系统向需要预约的可用充电站处发送充电预约请求。在另一实施例中，动态路线设置系统在行程期间持续监测当前状况的变化、主用户驾驶习惯的变化、副用户驾驶习惯的变化、电池健康状态的变化以及充电站的可用性。在又另一实施例中，动态路线设置系统在行程期间基于当前状况的变化、主用户驾驶习惯的变化、副用户驾驶习惯的变化、电池健康状况的变化以及充电站的可用性，调整充电站的选择。在又另一实施例中，动态路线设置系统配置为：与可用的第二充电站建立第一通信，向可用的第二充电站发送第二预约请求，与可用的充电站建立的第二通信调整预约。在又另一实施例中，当前状况包括道路状况、交通状况和天气状况。在又另一实施例中，用户偏好包括1级电动车辆充电站、2级电动车辆充电站和3级电动车辆充电站中的一个。在又另一实施例中，驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。在又另一实施例中，健康状态包括性能参数的表示，其包括电池容量、电池内阻、电池自放电、电池电量接受能力、电池放电能力、电解质流动性和循环计数信息。在又另一实施例中，财务影响是在可用充电站处充电的电价。

本领域的技术人员可根据特定需要对本申请的电动车辆智能充电规划和计划技术进行任何可行的修正。

尽管本申请已参照特定实施例进行了描述，但本申请的范围并不限于所示细节。在不脱离本申请基本原理的前提下，可以对这些细节进行各种修正。

第一组款项

1.一种系统，其包括：

动态路线规划系统，其还包括信息娱乐系统、导航系统、存储器以及与存储器通信耦合的处理器，其中，该系统在通电状态下可操作以：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

2.如款项1所述的系统，其中，该系统还包括电池管理系统，电池管理系统可操作以估计电池的电量状态、电池的健康状态和耗电率。

3.如款项2所述的系统，其中，该系统还包括定位系统，定位系统可提供包括电池的车辆的当前位置。

4.如款项3所述的系统，其中，该系统可进一步操作以基于用户的确认传输第一充电预约请求、当前位置和到达第一充电站的第一估计时间。

5.如款项4所述的系统，其中，该系统可进一步操作以：

监测驾驶习惯和驾驶偏好；

基于驾驶习惯、驾驶偏好和道路状况的变化，估计电池耗电率的变化；

估计时间间隔，电量状态将在该时间间隔内达到设定阈值；以及

更新驾驶路线，以包括车辆可在该时间间隔内到达的第二充电站。

6.如款项5所述的系统，其中，该系统可进一步操作以基于用户的确认，向第二可用充电站传输第二充电预约请求和第二估计到达时间。

7.如款项6所述的系统，其中，该系统可进一步操作以基于用户的确认向第一充电站传输取消请求。

8.如款项5所述的系统，其中，该系统可进一步操作以更新最短驾驶路线，以包括第三充电站，第三充电站的电能成本低于第一充电站和第二充电站的电能成本。

9.如款项5所述的系统，其中，道路状况包括路面状况、道路异常和天气状况。

10.如款项5所述的系统，其中，该系统可进一步操作以估计在第一充电站和第二充电站处的等待时间。

11.如款项10所述的系统，其中，该系统可进一步操作以估计在第一充电站和第二充电站处的充电时间。

12.如款项11所述的系统，其中，驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。

13.如款项12所述的系统，其中，估计充电时间基于在到达第一充电站和第二充电站的估计时间处的估计电量水平。

14.如款项1所述的系统，其中，基于估计充电时间进一步确定驾驶路线。

15.如款项1所述的系统，其中，基于实时和历史交通数据进一步确定驾驶路线。

16.如款项5所述的系统，其中，该系统进一步配置为：当在第一充电站处的电能成本相同于以及低于在第三充电站处的电能成本时，确定应在第一充电站和第二充电站处为电池充电至电量状态上限。

17.如款项16所述的系统，其中，该系统进一步配置为：当在第一充电站和第二充电站处的电能成本小于在第二充电站处的电能成本时，确定应在第一充电站和第二充电站处以足以到达第三充电站的电能加上一定电能余量为电池充电。

18.如款项17所述的系统，其中，该系统进一步配置为：当电池的电量状态足以将车辆从当前位置驾驶至第二充电站且在第二充电站处的电能成本低于在第一充电站处的电能成本时，确定电池不应在第一充电站处充电。

19.如款项1所述的系统，其中，该系统进一步配置为接收实时交通更新，以用于动态路线设置规划。

20.如款项6所述的系统，其中，信息娱乐系统配置为便于与用户的持续通信。

21.如款项20所述的系统，其中，该系统配置为接收用户对路线的更改。

22.如款项20所述的系统，其中，信息娱乐系统配置为接收用户对充电站的更改。

23.如款项1所述的系统，其中，信息娱乐系统可操作以显示驾驶路线。

24.如款项20所述的系统，其中，信息娱乐系统经由外部设备接收信息。

25.如款项24所述的系统，其中，外部设备是手持设备。

26.如款项24所述的系统，其中，外部设备是后座用户显示器。

27.如款项24所述的系统，其中，外部设备是远程设置的。

28.如款项24所述的系统，其中，信息娱乐系统经由安装在外部设备中的配套应用与外部设备通信。

29.如款项24所述的系统，其中，外部设备可操作以显示驾驶路线。

30.如款项2所述的系统，还包括人工智能模块，其配置为在道路状况不佳以使得在到达充电站之前电池就达到阈值电量水平的情况下，提供改变偏好驾驶习惯的建议。

31.如款项30所述的系统，其中，人工智能模块配置为在估计来自辅助设备的耗电超过设定阈值以使得电池在到达充电站之前就达到阈值电量水平的情况下，提供改变偏好驾驶习惯的建议。

32.一种车辆，其包括：

路线规划系统，其还包括信息娱乐系统、电池管理系统、导航系统、存储器和与存储器通信耦合的处理器，路线规划系统在通电状态下可操作以：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短路线更新为包括第一充电站的驾驶路线。

33.如款项32所述的车辆，其中，车辆经由以下充电装置中的至少一种接收电量：应急充电车辆系统、空中载具充电系统、道路系统、机器人充电系统和高架充电系统。

34.如款项32所述的车辆，其中，车辆与车辆内的元素建立联系，该元素包括车辆驾驶员、车辆乘客和车辆数据库。

35.如款项34所述的车辆，其中，车辆数据库是远程设置的。

36.如款项34所述的车辆，其中，车辆数据库物理地位于车辆中。

37.如款项32所述的车辆，其中，车辆可自主(自动)操作。

38.如款项32所述的车辆，其中，车辆在自主环境中半自主(半自动)操作。

39.如款项32所述的车辆，其中，车辆与可提供路线设置指令和控制的远程操作系统建立联系。

40.一种方法，其包括：

经由信息娱乐系统接收来自驾驶员的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

通过路线规划系统基于第一信息确定从当前位置到目的地的最短驾驶路线；

通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息；

通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线；以及

其中，该方法便于实现高效的路线规划，以最大化车辆电池的电量。

41.如款项40所述的方法，其中，路线规划系统经由外部设备接收第一信息。

42.如款项41所述的方法，外部设备是手持设备。

43.如款项42所述的方法，其中，手持设备是笔记本电脑、手机、平板电脑和后座用户显示器中的一种。

44.如款项40所述的方法，其中，最短驾驶路线和驾驶路线的规划使用迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

45.如款项40所述的方法，其中，路线规划系统经由导航系统、车辆和驾驶员中的至少一个接收关于道路状况的第二信息。

46.如款项40所述的方法，其中，偏好驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。

47.如款项46所述的方法，其中，偏好驾驶模式是经济模式、舒适模式、运动模式、竞赛模式和越野驾驶模式中的一种。

48.如款项40所述的方法，还包括基于驾驶员的确认，向第一充电站传输第一充电预约请求、当前位置和第一估计到达时间。

49.如款项48所述的方法，还包括：

监测驾驶习惯；

基于驾驶习惯和道路状况的变化，估计电池耗电率的变化；

估计时间间隔，电量状态在该时间间隔内达到设定阈值；以及

更新驾驶路线，以包括车辆可在该时间间隔内到达的第二充电站。

50.如款项49所述的方法，还包括基于来自驾驶员的确认，向第二可用充电站传输第二充电预约请求和第二估计到达时间。

51.如款项50所述的方法，还包括基于来自驾驶员的确认，向第一充电站传输取消请求。

52.如款项51所述的方法，还包括更新最短驾驶路线，以包括第三充电站，第三充电站的电能成本低于第一充电站和第二充电站的电能成本。

53.如款项51所述的方法，还包括估计在第一充电站和第二充电站处的等待时间。

54.如款项53所述的方法，还包括估计在第一充电站和第二充电站处的充电时间。

55.如款项54所述的方法，其中，驾驶路线是基于车辆在第一充电站处的估计等待时间和估计充电时间的最佳规划路线。

56.如款项54所述的方法，其中，估计充电时间基于在到达充电站的估计时间处的估计电量水平。

57.如款项52所述的方法，还包括当在第一充电站处的电能成本相同于以及低于在第三充电站处的电能成本时，确定应在第一充电站和第二充电站处为电池充电至电量状态上限。

58.如款项52所述的方法，还包括当在第一充电站和第二充电站处的电能成本低于在第二充电站处的电能成本时，确定应在第一充电站和第二充电站处以足以到达第三充电站的电能加上一定电能余量为电池充电。

59.如款项52所述的方法，还包括当电池的电量状态足以将车辆从当前位置驾驶至第二充电站且在第二充电站处的电能成本低于第一充电站的电能成本时，确定电池不应在第一充电站处充电。

60.如款项40所述的方法，还包括接收实时交通更新，以用于动态路线规划。

61.一种非瞬态计算机可读介质，其包括存储在其中的指令，所述指令当被至少一个处理器处理时，引起与车辆相关联的系统执行以下操作，包括：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

62.如款项61所述的非瞬态计算机可读介质，其中，所述指令还包括迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

63.如款项61所述的非瞬态计算机可读介质，其中，所述指令还包括反向传播和反馈回路，以训练用于优化路线规划的人工智能模型。

64.一种动态路线设置系统，其包括：

存储计算机可执行组件的存储器；和

执行存储在存储器中的计算机可执行组件的处理器，

其中，计算机可执行组件包括：

第一接收组件，其接收包括目的地和出发地信息的行程信息；和

最佳路线设置组件，其基于以下条件确定最佳路线设置：

a)当前状况；

b)对于充电站的用户偏好；

c)主用户的驾驶习惯；

d)电池的健康状况；

e)财务影响；以及

f)在收到行程信息时充电站的可用性。

65.如款项64所述的动态路线设置系统，其中，动态路线设置系统向需要预约的可用充电站发送充电预约请求。

66.如款项65所述的动态路线设置系统，其中，动态路线设置系统持续监测当前状况的变化、主用户驾驶习惯的变化、副用户驾驶习惯的变化、电池健康状态的变化以及行程中充电站的可用性。

67.如款项66所述的动态路线设置系统，其中，动态路线设置系统基于当前状况的变化、主用户驾驶习惯的变化、副用户驾驶习惯的变化、电池健康状况的变化以及行程中充电站的可用性，对充电站的选择进行调整。

68.如款项67所述的动态路线设置系统，其中，动态路线设置系统配置为：

与可用的第二充电站建立通信；以及

调整与可用充电站和可用第二充电站的预约。

69.如款项64所述的动态路线设置系统，其中，当前状况包括道路状况、交通状况和天气状况。

70.如款项64所述的动态路线设置系统，其中，用户偏好包括1级电动车辆充电站、2级电动车辆充电站和3级电动车辆充电站中的一个。

71.如款项64所述的动态路线设置系统，其中，驾驶习惯包括速度偏好、路线偏好、手动驾驶操作量偏好、自动驾驶操作量偏好和偏好驾驶模式。

72.如款项64所述的动态路线设置系统，其中，健康状态包括性能参数的表示，其包括电池容量、电池内阻、电池自放电、电池电量接受能力、电池放电能力、电解质的流动性以及循环计数信息。

73.如款项64所述的动态路线设置系统，其中，财务影响是在可用充电站处充电的电价。

74.一种系统，其配置为：

通过计算机网络接收软件应用安装包；以及

将软件应用安装到与车辆相关的计算硬件上；

其中，软件应用包括：

可由计算硬件执行并存储在非瞬态存储介质中的一组指令，所述指令在被执行时，引起计算硬件执行以下操作，包括：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

第二组款项

1.一种系统，其包括：

路线规划系统，其还包括信息娱乐系统、导航系统、存储器以及与存储器通信耦合的处理器，其中，所述系统在通电状态下可操作以：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

2.如款项1所述的系统，其中，所述系统还包括电池管理系统，电池管理系统可操作以估计电池的电量状态、电池的健康状态以及耗电率。

3.如款项2所述的系统，其中，所述系统还包括定位系统，定位系统能够提供包括电池的车辆的当前位置。

4.如款项1所述的系统，其中，道路状况包括路面状况、道路异常和天气状况。

5.如款项1所述的系统，其中，基于实时交通数据和历史交通数据进一步确定驾驶路线。

6.如款项1所述的系统，其中，信息娱乐系统可操作以便于与用户的持续通信并接收用户对充电站的更改。

7.如款项6所述的系统，其中，信息娱乐系统可操作以显示驾驶路线。

8.如款项6所述的系统，其中，信息娱乐系统经由外部设备接收信息。

9.如款项8所述的系统，其中，外部设备是手持设备。

10.如款项8所述的系统，其中，外部设备是后座用户显示器。

11.如款项8所述的系统，其中，信息娱乐系统经由安装在外部设备中的配套应用与外部设备通信。

12.一种方法，其包括：

经由信息娱乐系统接收来自用户的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

通过路线规划系统基于第一信息确定从当前位置到目的地的最短驾驶路线；

通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息；

通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线；以及

其中，所述方法便于实现高效的路线规划，以最大化车辆电池的电量。

13.如款项12所述的方法，其中，最短驾驶路线和驾驶路线的确定使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

14.如款项12所述的方法，还包括基于来自用户的确认，向第一充电站传输第一充电预约请求、当前位置和第一估计到达时间。

15.如款项12所述的方法，还包括：

监测驾驶习惯；

基于驾驶习惯和道路状况的变化，估计电池耗电率的变化；

估计时间间隔，电量状态在所述时间间隔内达到设定阈值；以及

更新驾驶路线，以包括车辆能够在所述时间间隔内到达的第二充电站。

16.如款项15所述的方法，还包括基于来自用户的确认，向第二可用充电站传输第二充电预约请求和第二估计到达时间。

17.如款项15所述的方法，还包括基于来自用户的确认，向第一充电站传输取消请求。

18.如款项16所述的方法，还包括更新路线，以包括第三充电站，第三充电站的电能成本低于第一充电站和第二充电站的电能成本。

19.如款项15所述的方法，还包括估计在第一充电站和第二充电站处的等待时间和充电时间。

20.如款项19所述的方法，其中，驾驶路线是基于估计等待时间和估计充电时间中的至少一个的最佳规划路线。

21.一种非瞬态计算机可读介质，其包括存储在其中的指令，所述指令当被至少一个处理器处理时，引起与车辆相关联的系统执行以下操作，包括：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

Claims (21)

1.一种系统，其包括：

路线规划系统，其还包括信息娱乐系统、导航系统、存储器以及与存储器通信耦合的处理器，其中，所述系统在通电状态下可操作以：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。

2.如权利要求1所述的系统，其中，所述系统还包括电池管理系统，电池管理系统可操作以估计电池的电量状态、电池的健康状态以及耗电率。

3.如权利要求2所述的系统，其中，所述系统还包括定位系统，定位系统能够提供包括电池的车辆的当前位置。

4.如权利要求1所述的系统，其中，道路状况包括路面状况、道路异常和天气状况。

5.如权利要求1所述的系统，其中，基于实时交通数据和历史交通数据进一步确定驾驶路线。

6.如权利要求1所述的系统，其中，信息娱乐系统可操作以便于与用户的持续通信并接收用户对充电站的更改。

7.如权利要求6所述的系统，其中，信息娱乐系统可操作以显示驾驶路线。

8.如权利要求6所述的系统，其中，信息娱乐系统经由外部设备接收信息。

9.如权利要求8所述的系统，其中，外部设备是手持设备。

10.如权利要求8所述的系统，其中，外部设备是后座用户显示器。

11.如权利要求8所述的系统，其中，信息娱乐系统经由安装在外部设备中的配套应用与外部设备通信。

12.一种方法，其包括：

经由信息娱乐系统接收来自用户的第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

通过路线规划系统基于第一信息确定从当前位置到目的地的最短驾驶路线；

通过路线规划系统接收针对于最短驾驶路线的与道路状况有关的第二信息；

通过路线规划系统基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

通过路线规划系统基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线；以及

其中，所述方法便于实现高效的路线规划，以最大化车辆电池的电量。

13.如权利要求12所述的方法，其中，最短驾驶路线和驾驶路线的确定使用了迪杰斯特拉算法、弗洛伊德·沃肖尔算法、A星算法、分层算法、行动行为算法、快速探索随机树(RRT)算法、机器学习算法、势场域法、网格法、模糊逻辑法、拓扑法、惩罚函数法、遗传算法、模拟退火法、蚁群法、神经网络法中的至少一种。

14.如权利要求12所述的方法，还包括基于来自用户的确认，向第一充电站传输第一充电预约请求、当前位置和第一估计到达时间。

15.如权利要求12所述的方法，还包括：

监测驾驶习惯；

基于驾驶习惯和道路状况的变化，估计电池耗电率的变化；

估计时间间隔，电量状态在所述时间间隔内达到设定阈值；以及

更新驾驶路线，以包括车辆能够在所述时间间隔内到达的第二充电站。

16.如权利要求15所述的方法，还包括基于来自用户的确认，向第二可用充电站传输第二充电预约请求和第二估计到达时间。

17.如权利要求15所述的方法，还包括基于来自用户的确认，向第一充电站传输取消请求。

18.如权利要求16所述的方法，还包括更新路线，以包括第三充电站，第三充电站的电能成本低于第一充电站和第二充电站的电能成本。

19.如权利要求15所述的方法，还包括估计在第一充电站和第二充电站处的等待时间和充电时间。

20.如权利要求19所述的方法，其中，驾驶路线是基于估计等待时间和估计充电时间中的至少一个的最佳规划路线。

21.一种非瞬态计算机可读介质，其包括存储在其中的指令，所述指令当被至少一个处理器处理时，引起与车辆相关联的系统执行以下操作，包括：

经由信息娱乐系统接收第一信息，第一信息包括目的地、偏好驾驶习惯和充电偏好；

基于第一信息，确定从当前位置到目的地的最短驾驶路线；

接收针对于最短驾驶路线的与道路状况有关的第二信息；

基于最短驾驶路线的长度、偏好驾驶习惯和道路状况，估计最短驾驶路线中的耗电率；以及

基于充电偏好、耗电率和第一充电站的可用性，将最短驾驶路线更新为包括第一充电站的驾驶路线。