DE102015111105A1 - Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch - Google Patents

Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch Download PDF

Info

Publication number
DE102015111105A1
DE102015111105A1 DE102015111105.5A DE102015111105A DE102015111105A1 DE 102015111105 A1 DE102015111105 A1 DE 102015111105A1 DE 102015111105 A DE102015111105 A DE 102015111105A DE 102015111105 A1 DE102015111105 A1 DE 102015111105A1
Authority
DE
Germany
Prior art keywords
vehicle
energy consumption
route
data
vehicles
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
Application number
DE102015111105.5A
Other languages
English (en)
Inventor
Jason Meyer
Ryan Abraham McGee
Fling Finn Tseng
Johannes Geir Kristinsson
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of DE102015111105A1 publication Critical patent/DE102015111105A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W40/00Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469Fuel consumption; Energy use; Emission aspects
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60WCONJOINT 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
    • B60W20/00Control systems specially adapted for hybrid vehicles
    • B60W20/40Controlling the engagement or disengagement of prime movers, e.g. for transition between prime movers
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

Ein beispielhaftes Verfahren der Massenbeschaffung von Energieverbrauchsdaten für Fahrzeuge enthält Steuern eines Fahrzeugs als Reaktion auf einen vorhergesagten Energieverbrauch, der basierend auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch basierend kontinuierlich aktualisiert wird. Ein anderes beispielhaftes Verfahren zur Routenführung eines Fahrzeugs enthält Ändern einer Route für ein Fahrzeug als Reaktion auf einen vorhergesagten Energieverbrauch für das Fahrzeug, wenn es die Route fährt, wobei der vorhergesagte Energieverbrauch auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch basiert.

Description

  • HINTERGRUND
  • Der Energieverbrauch von Fahrzeugen kann durch eine Anzahl von Faktoren wie Verkehr, Straßenzustand, Wetter, Windgeschwindigkeit und -richtung usw. beeinflusst werden. Diese Faktoren weisen Variationen von Tag zu Tag auf, die kompensiert werden müssen, um den Fahrzeug-Energieverbrauch genau vorherzusagen.
  • Der vorhergesagte Energieverbrauch von elektrifizierten Fahrzeugen wie hybridelektrische Fahrzeuge kann verwendet werden, um zum Beispiel einen Zeitpunkt zu bestimmen, zu dem von elektrischer zu Verbrennungsmotor-Leistung umzuschalten ist, oder ob eine Batterieladung zum Fahren einer gewünschten Route ausreichend ist.
  • ZUSAMMENFASSUNG
  • Ein Verfahren gemäß einem beispielhaften Aspekt der vorliegenden Offenbarung enthält, unter anderem, Steuern eines Fahrzeugs als Reaktion auf einen vorhergesagten Energieverbrauch, der basierend auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch kontinuierlich aktualisiert wird.
  • In einer weiteren, nicht einschränkenden Ausführungsform des vorstehenden Verfahrens basiert der vorhergesagte Energieverbrauch zusätzlich auf einem Energieverbrauchsmodell.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren umfasst das Verfahren ferner Aktualisieren des Energieverbrauchsmodells als Reaktion auf die Differenz.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthält das Steuern, eine Route für das Fahrzeug zum Fahren von einer Ausgangsposition zu einem Ziel auszuwählen, wobei die Route aus einer Vielzahl von möglichen Routen ausgewählt wird.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren umfasst das Verfahren ferner, einen gegenwärtigen Ort des Fahrzeugs zu berechnen und den gegenwärtigen Ort als die Ausgangsposition für die Route zu verwenden.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren umfasst das Verfahren ferner, ein gegenwärtiges Straßensegment basierend auf dem gegenwärtigen Ort des Fahrzeugs zu berechnen.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthält das Steuern, das Fahrzeug als Reaktion auf identifizierende Informationen über das Fahrzeug, die Zeit, den Ort, ein Straßensegment oder einer Kombination dieser zu steuern.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren erfolgt das Steuern des Fahrzeugs ferner als Reaktion auf mindestens ein Charakteristikum des Fahrzeugs oder ein Charakteristikum des Fahrers des Fahrzeugs.
  • Ein Verfahren gemäß einem anderen beispielhaften Aspekt der vorliegenden Offenbarung enthält, unter anderem, Ändern einer Route für ein Fahrzeug als Reaktion auf einen vorhergesagten Energieverbrauch für das Fahrzeug, wenn es die Route fährt, wobei der vorhergesagte Energieverbrauch auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch basiert.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthält das Verfahren, die Route in einen Satz von Straßensegmenten aufzuteilen und den Schritt des Änderns für jedes Straßensegment in dem Satz von Straßensegmenten durchzuführen.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthält das Ändern, einen Relevanzfaktor basierend auf einem ersten Satz von Dateneinträgen, die mit Straßen entlang der Route korrespondieren, und einem zweiten Satz von Dateneinträgen, die mit Straßen ähnlich den Straßen entlang der Route korrespondieren, zu berechnen.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren erfolgt das Berechnen mit Bezug auf ein oder mehrere Charakteristika der Straßen entlang der Route.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthalten die Charakteristika mindestens eines eines geografischen Orts, einer Geschwindigkeitsbegrenzung, einer Anzahl von Fahrspuren, einer Straßenklassifizierung, einer Anzahl von Ampeln oder Stoppschildern.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren erfolgt Berechnen des Relevanzfaktors unter Bezug auf eine Zeit seit der Erfassung der Dateneinträge.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren wird eine im Voraus bestimmte Anzahl von Dateneinträgen mit dem höchsten Relevanzfaktor im Schritt des Vorhersagens verwendet.
  • In einer weiteren, nicht einschränkenden Ausführungsform einer der vorstehenden Verfahren enthält das Verfahren, die Route zur energieeffizientesten Route zu ändern.
  • Ein System gemäß noch einem anderen beispielhaften Aspekt der vorliegenden Offenbarung enthält, unter anderem, eine Masse von Fahrzeugen, einen Server in Kommunikation mit einer Masse von Fahrzeugen und eine Datenbank in dem Server. Der Server und/oder die Datenbank erfassen Daten, die mit Fahrzeug-Energieverbrauch korrespondieren, von der Masse von Fahrzeugen, aktualisieren die Daten in der Datenbank und stellen der Masse von Fahrzeugen Daten bereit, die mit Fahrzeug-Energieverbrauch korrespondieren.
  • In einer weiteren, nicht einschränkenden Ausführungsform des vorstehenden Systems stehen die Fahrzeuge in der Masse ferner miteinander in Kommunikation.
  • In einer weiteren, nicht einschränkenden Ausführungsform eines der vorstehenden Systeme stehen die Fahrzeuge mit dem Server über eine mobile Vorrichtung in Kommunikation.
  • Die Ausführungsformen, Beispiele und Alternativen der vorstehenden Absätze, der Patentansprüche oder der folgenden Beschreibung und Zeichnungen einschließlich beliebige ihrer verschiedenen Aspekte oder jeweiligen individuellen Merkmale können unabhängig oder in beliebiger Kombination genommen werden. Merkmale, die in Verbindung mit einer Ausführungsform beschrieben werden, sind auf alle Ausführungsformen anwendbar, außer wenn derartige Merkmale inkompatibel sind.
  • BESCHREIBUNG DER FIGUREN
  • Die verschiedenen Merkmale und Vorteile der offenbarten Beispiele werden Fachleuten im Fachgebiet aus der ausführlichen Beschreibung ersichtlich werden. Die Figuren, die der ausführlichen Beschreibung beigefügt sind, können kurz wie folgt beschrieben werden:
  • 1 zeigt schematisch ein System zum Vorhersagen von Fahrzeug-Energieverbrauch basierend auf massenbeschafften Daten.
  • 2 zeigt ein anderes Verfahren zur Massenbeschaffung von Informationen zum Vorhersagen von Fahrzeug-Energieverbrauch unter Verwendung des Systems von 1.
  • 3 zeigt ein Verfahren zur Massenbeschaffung von Informationen zum Vorhersagen von Fahrzeug-Energieverbrauch unter Verwendung des Systems von 1.
  • 4 zeigt ein Verfahren zur Routenführung eines Fahrzeugs unter Verwendung zum Beispiel der Verfahren der 2 und 3.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Diese Offenbarung betrifft allgemein die Massenbeschaffung von Informationen zur Vorhersage des Energieverbrauchs eines Fahrzeugs.
  • 1 zeigt ein schematisches Diagramm eines Systems 100 zur Massenbeschaffung von Informationen zum Vorhersagen von Fahrzeug-Energieverbrauch. Das System 100 enthält eine Masse 101 von einem oder mehreren Fahrzeugen 102 und einen Server 104. Im Beispiel von 1 enthält die Masse 101 drei Fahrzeuge 102. In anderen Beispielen kann die Masse 101 mehr als drei Fahrzeuge 102 enthalten.
  • Die beispielhaften Fahrzeuge 102 sind elektrifizierte Fahrzeuge wie hybridelektrische Fahrzeuge. Elektrifizierte Fahrzeuge können aus Vorhersagen des Energieverbrauchs Nutzen ziehen. Zum Beispiel verfügen elektrifizierte Fahrzeug über eine Wahl zur Verwendung entweder des Elektromotors oder des Benzinmotors zum Vorwärtsantrieb des Fahrzeugs (das heißt zum Erzeugen von Antriebskraft). Unter bestimmen Umständen könnte einer effizienter sein als der andere. Da jedoch keine unbegrenzte Energiemenge zum Erzeugen von Antriebskraft vorhanden ist (und ein normales hybridelektrisches Fahrzeug seine Elektrizität „erzeugen“ muss, während es fährt), kann ein intelligentes Fahrzeug, das den zukünftigen Energiebedarf vorhersagen kann, wirksamer auswählen, wann welche Art von Antriebskraft zu verwenden ist.
  • In dem beispielhaften System 100 kommunizieren die Fahrzeuge 102 über Server-Kommunikationsverbindungen 106 mit dem Server 104. Der Server 104 kann ein physikalischer Server oder ein Cloud-basierter Hostingdienst sein. In einem spezifischen Beispiel kommuniziert das Fahrzeug 102 über eine eingebaute Kommunikationsverbindung 106a direkt mit dem Server 104. In einem anderen Beispiel enthält die Server-Kommunikationsverbindung 106b eine eingebrachte mobile Vorrichtung 108 wie das Zelltelefon eines Fahrers.
  • Die mobile Vorrichtung 108 kann über eine drahtlose Verbindung wie eine Bluetooth®-Verbindung (Bluetooth SIG, Inc., Kirkland, WA, USA) oder über eine verdrahtete Verbindung wie ein Universal-Serial-Bus- bzw. USB-Kabel mit dem Fahrzeug 102 kommunizieren. Die mobile Vorrichtung 108 kommuniziert außerdem mit dem Server 104 über eine drahtlose Verbindung wie durch Datenübertragung über den Zellendatenanbieter der mobilen Vorrichtung 108, zum Beispiel 3G- oder 4G-Mobilnetzwerke. Die mobile Vorrichtung 108 kann Software enthalten, um sie in die Lage zu versetzen, diese Kommunikationsfunktionen durchzuführen.
  • Die beispielhaften Fahrzeuge 102 sind über Fahrzeug-Kommunikationsverbindungen 110 wie DSRC betriebsfähig miteinander verbunden, zusätzlich dazu, oder anstelle von, dass sie über die Server-Kommunikationsverbindungen 106 mit dem Server 104 verbunden sind. Es versteht sich, dass die vorstehende Beschreibung der Server-Kommunikationsverbindungen 106 ebenfalls auf Fahrzeug-Kommunikationsverbindungen 110 anwendbar ist. Während die Fahrzeug-zu-Fahrzeug-Kommunikation logisch direkt ist, könnte sie durch einen zusätzlichen zwischengeschalteten Cloud-basierten Server vermittelt sein (nicht dargestellt), der nicht der Server 104 sein würde, sondern nur Weiterleitungsfähigkeiten zwischen den Fahrzeugen 102 bereitstellen würde. Diese vermittelte Verbindung könnte entweder direkte Fahrzeug-zu-Infrastruktur-Technologie wie DSRC oder die gleiche Art von Kommunikation wie die direkten Verbindungen 106 verwenden.
  • Der Server 104 enthält eine Datenbank 112. Die Datenbank 112 empfängt und speichert Daten über den tatsächlichen Energieverbrauch der Fahrzeuge 102 in der Masse 101. In einem Beispiel enthalten Daten, die von Fahrzeugen 102 zum Server 104 oder zu anderen Fahrzeugen 102 übertragen werden, identifizierende Informationen wie zum Beispiel Fahrzeugfabrikat oder -modell, Fahrzeug-Identifizierungs-Nummer (VIN) usw. In einem anderen Beispiel enthalten von Fahrzeugen 102 übertragene Daten identifizierende Informationen über die Straßensegmente, die das Fahrzeug 102 befährt, wie geografischer Ort, Geschwindigkeitsbegrenzung, Anzahl Fahrspuren, Straßenklassifizierung, Anzahl Ampeln oder Stoppschilder usw. Die zusätzlichen Daten, die an den Server 104 übertragen werden, gestatten, dass Daten über den Energieverbrauch eines Fahrzeugs 102 mit identifizierenden Daten des Fahrzeugs 102 und/oder die Straßensegmente, die das Fahrzeug 102 befahren hat, verknüpft werden.
  • Die Energieverbrauchsdaten können ferner mit einem Zeitstempel versehen werden und können zusätzliche Daten wie Daten über das Wetter oder die Verkehrsverhältnisse zur Zeit und am Ort der Datenerfassung enthalten. Der Server 104 und die Datenbank 112 verarbeiten die Daten, um Vorhersagen über den Energieverbrauch des Fahrzeugs 102 zu machen. Der Server 104 und die Datenbank 112 können außerdem zusätzliche grundlegende Energieverbrauchsdaten für ein bestimmtes Fahrzeug 102 enthalten. Die grundlegenden Energieverbrauchsdaten können durch die massenbeschafften Daten modifiziert werden.
  • Die Server-Kommunikationsverbindungen 106 und Fahrzeug-Kommunikationsverbindungen 110 können Zweiweg-Datenübertragung gestatten, so dass Fahrzeuge 102 Daten über die Verbindungen 106, 110 sowohl senden als auch empfangen können. Das heißt, ein Fahrzeug 102 kann Daten über seinen tatsächlichen Energieverbrauch an den Server 104 oder ein anderes Fahrzeug 102 senden und außerdem Daten über seinen vorhergesagten Energieverbrauch 104 von dem Server oder dem anderen Fahrzeug 102 empfangen.
  • Bezug nehmend auf 2, wird ein beispielhaftes Verfahren 200 zum Vorhersagen von Energieverbrauchsdaten für Fahrzeuge 102 in einer Masse 101 dargestellt. Ein Schritt 202 des Verfahrens 200 bestimmt eine Route zwischen einem Ausgangspunkt (zum Beispiel basierend auf einem vom Benutzer eingegebenen Ausgangspunkt oder einem gegenwärtigen Ort des Fahrzeugs 102) und einem Endpunkt (zum Beispiel basierend auf einem vom Benutzer eingegebenen Endpunkt oder einem durch das Verfahren 200 vorhergesagten Endpunkt). In Schritt 204 erzeugt das Verfahren 200 einen Satz von Straßensegmenten entlang der Route. In Schritt 206 bestimmt das Verfahren 200 eine grundlegende Energieverbrauchsrate für ein Fahrzeug 102 auf jedem Straßensegment basierend auf einem personalisierten Energieverbrauchsmodell. Das personalisierte Energieverbrauchsmodell kann zum Beispiel Gewohnheiten des Fahrers, Fahrzeugfabrikat und -modell usw. berücksichtigen.
  • In Schritt 208 identifiziert das Verfahren 200 Einträge in der Datenbank 112, die mit den Straßensegmenten in der Route korrespondieren. In Schritt 210 identifiziert das Verfahren 200 Einträge in der Datenbank 112, die mit Straßensegmenten ähnlich den Straßensegmenten in der Route korrespondieren. Die in den Schritten 208 und 210 berücksichtigten Daten können aus der Masse 101 beschafft sein. Das Verfahren wird dann den Schritt 212 ausführen, in dem das Verfahren 200 einen Relevanzfaktor bestimmt. Der Relevanzfaktor setzt Prioritäten bei Einträgen in der Datenbank 112 zur Verwendung im zukünftigen Schritt 214. Der Relevanzfaktor kann von Straßencharakteristika wie Anzahl Fahrspuren, Geschwindigkeitsbegrenzung, Straßengüte, Straßenklassifizierung, Anzahl von Ampeln oder Stoppschildern usw. abhängen. Der Relevanzfaktor kann außerdem von einer Zeit abhängen, seit der die Dateneinträge erfasst wurden. Wenn die Ähnlichkeit der Straßencharakteristika hoch ist und die Zeit, seit der der Dateneintrag erfasst wurde, kurz ist, ist der Relevanzfaktor der höchste und werden die Daten zur Verwendung in Schritt 212 vorrangig behandelt.
  • In einem Beispiel wird eine im Voraus bestimmte Anzahl von Dateneinträgen mit dem höchsten Relevanzfaktor in Schritt 212 verwendet.
  • In Schritt 214 bestimmt das Verfahren 200 eine erwartete Energieverbrauchsratendifferenz basierend auf Daten aus den Schritten 208 und/oder 210. In einem Beispiel enthält die erwartete Energieverbrauchsratendifferenz eine Datenmenge, die zum Produzieren der Schätzung zum Bestimmen der Genauigkeit der Schätzung verwendet wird.
  • In Schritt 216 addiert das Verfahren 200 die geschätzte Energieverbrauchsratendifferenz zu der grundlegenden Energieverbrauchsrate aus Schritt 206 für jedes Straßensegment, um eine korrigierte Energieverbrauchsschätzung zu bestimmen. In Schritt 218 multipliziert das Verfahren 200 eine Distanz des Straßensegments aus Schritt 202 mit der korrigierten Energieverbrauchsrate aus Schritt 216, um den Energieverbrauch des Fahrzeugs 102 auf dem Straßensegment zu bestimmen.
  • Bezug nehmend auf 3 unter fortgesetzter Bezugnahme auf 1, berechnet ein beispielhaftes Verfahren 300 die Energieverbrauchsdifferenz für Fahrzeuge 102 in der Masse 101 und lädt diese Daten zur Datenbank 112 hoch. In Schritt 302 identifiziert das Verfahren 300 ein Straßensegment, auf dem ein Fahrzeug 102 gegenwärtig fährt. In Schritt 304 sagt das Verfahren 300 einen grundlegenden Energieverbrauch für das Fahrzeug 102, das auf dem Straßensegment fährt, basierend auf einem personalisierten Energieverbrauchsmodell voraus. Die Vorhersage in Schritt 304 verwendet das gleiche Energieverbrauchsmodell wie 406. Wenn das Straßensegment ein Teil einer bekannten Route ist, wird die Schätzung aus 304 mit der Schätzung aus 406 für das korrespondierende Segment übereinstimmen. In Schritt 306 beobachtet das Verfahren 300 den tatsächlichen Energieverbrauch des Fahrzeugs 102 auf dem Straßensegment. In Schritt 308 bestimmt das Verfahren 300 eine Differenz zwischen dem vorhergesagten grundlegenden Energieverbrauch und dem tatsächlichen Energieverbrauch. In Schritt 310 lädt das Verfahren 300 die Differenz zur Datenbank 112 hoch. In Schritt 312 aktualisiert das Verfahren 300 das Modell in einem fortlaufenden Lernprozess.
  • 4 zeigt ein Verfahren 400 zur Routenführung eines Fahrzeugs 102 unter Verwendung der beispielhaften Verfahren 200, 300 (2 und 3). In Schritt 402 identifiziert das Verfahren 400 einen Ausgangspunkt und ein Ziel, der von dem Benutzer gegeben oder basierend auf einem Ort des Fahrzeugs 102 vorhergesagt werden könnten. Gleichermaßen könnte das Ziel von dem Benutzer gegeben oder durch das Verfahren 400 vorhergesagt werden. Im wahlweisen Schritt 404 deaktiviert das Verfahren 400 die Fahrzeug-zu-Server- und Fahrzeug-zu-Fahrzeug-Kommunikation über die Verbindungen 106, 110. In Schritt 406 bestimmt das Verfahren 400 energieverbrauchsoptimierte Routen vom Ausgangspunkt zum Ziel unter verschiedenen Bedingungen, zum Beispiel durch die Verfahren 200, 300 (2 und 3). Die verschiedenen Bedingungen können zum Beispiel Schnee-Bedingungen, Wind-Bedingungen, normale Bedingungen, Verkehrsverhältnisse usw. sein. In Schritt 408 identifiziert das Verfahren 400 die energieeffizienteste Route. Im wahlweisen Schritt 410 aktiviert das Verfahren 400 die Fahrzeug-zu-Server- und Fahrzeug-zu-Fahrzeug-Kommunikation über die Verbindungen 106, 110. In Schritt 412 verwendet das Verfahren 400 das Verfahren 200 zum Aktualisieren der Energieverbrauchsschätzungen für die restlichen Abschnitte der Route. Insbesondere bestimmt das Verfahren 400 eine aktualisierte erwartete Energieverbrauchsdifferenz unter Verwendung von Schritt 214 und einen aktualisierten grundlegenden Energieverbrauch unter Verwendung von Schritt 206. In Schritt 414 bestimmt das Verfahren 400, ob sich die erwartete Energieverbrauchsdifferenz und/oder der grundlegende Energieverbrauch beträchtlich verändert haben. Zum Beispiel können Informationen, die zum Berechnen der energieeffizientesten Route in Schritt 408 verwendet werden, wie Informationen über die Verkehrs- und Wetterverhältnisse auf der Route oder Informationen über den Fahrer, mit aktuelleren Informationen verglichen werden, um zu bestimmen, ob eine Veränderung erfolgt ist. Falls ja, aktualisiert das Verfahren 400 in Schritt 416 die energieeffizienteste Route.
  • Die vorstehende Beschreibung ist in ihrer Art beispielhaft und nicht einschränkend. Abwandlungen und Modifikationen der offenbarten Beispiele, die nicht notwendigerweise vom Wesen dieser Offenbarung abweichen, können Fachleuten im Fachgebiet offensichtlich sein. Folglich kann der Umfang des legalen Schutzes, der für diese Offenbarung besteht, nur durch Lesen der folgenden Patentansprüche bestimmt werden.
  • Es wird ferner beschrieben:
    • A. Verfahren der Massenbeschaffung von Energieverbrauchsdaten für Fahrzeuge, umfassend: Steuern eines Fahrzeugs als Reaktion auf einen vorhergesagten Energieverbrauch, der basierend auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch kontinuierlich aktualisiert wird.
    • B. Verfahren nach A, wobei der vorhergesagte Energieverbrauch zusätzlich auf einem Energieverbrauchsmodell basiert.
    • C. Verfahren nach B, ferner umfassend, das Energieverbrauchsmodell als Reaktion auf die Differenz zu aktualisieren.
    • D. Verfahren nach A, wobei das Steuern enthält, eine Route für das Fahrzeug zum Fahren von einer Ausgangsposition zu einem Ziel, das von der Ausgangsposition verschieden ist, auszuwählen, wobei die Route aus einer Vielzahl von möglichen Routen ausgewählt wird.
    • E. Verfahren nach D, ferner umfassend, einen gegenwärtigen Ort des Fahrzeugs zu berechnen und den gegenwärtigen Ort als die Ausgangsposition für die Route zu verwenden.
    • F. Verfahren nach E, ferner umfassend, ein gegenwärtiges Straßensegment basierend auf dem gegenwärtigen Ort des Fahrzeugs zu berechnen.
    • G. Verfahren nach F, ferner umfassend, das Fahrzeug als Reaktion auf identifizierende Informationen über das Fahrzeug, die Zeit, den Ort, ein Straßensegment oder einer Kombination dieser zu steuern.
    • H. Verfahren nach A, wobei Steuern des Fahrzeugs ferner als Reaktion auf mindestens ein Charakteristikum des Fahrzeugs oder ein Charakteristikum des Fahrers des Fahrzeugs erfolgt.
    • I. Verfahren zur Routenführung eines Fahrzeugs, umfassend: Ändern einer Route für ein Fahrzeug als Reaktion auf einen vorhergesagten Energieverbrauch für das Fahrzeug, wenn es die Route fährt, wobei der vorhergesagte Energieverbrauch auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch basiert.
    • J. Verfahren nach I, ferner umfassend, die Route in einen Satz von Straßensegmenten aufzuteilen und den Schritt des Änderns für jedes Straßensegment in dem Satz von Straßensegmenten durchzuführen.
    • K. Verfahren nach I, wobei das Ändern enthält, einen Relevanzfaktor basierend auf einem ersten Satz von Dateneinträgen, die mit Straßen entlang der Route korrespondieren, und einem zweiten Satz von Dateneinträgen, die mit Straßen ähnlich den Straßen entlang der Route korrespondieren, zu berechnen.
    • L. Verfahren nach K, wobei das Berechnen mit Bezug auf ein oder mehrere Charakteristika der Straßen entlang der Route erfolgt.
    • M. Verfahren nach L, wobei die Charakteristika mindestens eines eines geografischen Orts, einer Geschwindigkeitsbegrenzung, einer Anzahl von Fahrspuren, einer Straßenklassifizierung, einer Anzahl von Ampeln oder Stoppschildern enthalten.
    • N. Verfahren nach K, wobei Berechnen des Relevanzfaktors unter Bezug auf eine Zeit seit der Erfassung der Dateneinträge erfolgt.
    • O. Verfahren nach K, wobei eine im Voraus bestimmte Anzahl von Dateneinträgen mit dem höchsten Relevanzfaktor im Schritt des Vorhersagens verwendet wird.
    • P. Verfahren nach I, ferner umfassend, die Route zur energieeffizientesten Route zu ändern.
    • Q. System zur Massenbeschaffung von Informationen zum Vorhersagen von Fahrzeug-Energieverbrauch, umfassend: einen Server in Kommunikation mit einer Masse von Fahrzeugen; und eine Datenbank in dem Server, wobei der Server und/oder die Datenbank Daten, die mit Fahrzeug-Energieverbrauch korrespondieren, von der Masse von Fahrzeugen erfassen, die Daten in der Datenbank aktualisieren und der Masse von Fahrzeugen Daten, die mit Fahrzeug-Energieverbrauch korrespondieren, bereitstellen.
    • R. System nach Q, wobei die Fahrzeuge in der Masse ferner miteinander in Kommunikation stehen.
    • S. System nach Q, wobei die Fahrzeuge mit dem Server über eine mobile Vorrichtung in Kommunikation stehen.

Claims (8)

  1. Verfahren der Massenbeschaffung von Energieverbrauchsdaten für Fahrzeuge, umfassend: Steuern eines Fahrzeugs als Reaktion auf einen vorhergesagten Energieverbrauch, der basierend auf einer Differenz zwischen einem vorherigen vorhergesagten Energieverbrauch und einem vorherigen tatsächlichen grundlegenden Energieverbrauch kontinuierlich aktualisiert wird.
  2. Verfahren nach Anspruch 1, wobei der vorhergesagte Energieverbrauch zusätzlich auf einem Energieverbrauchsmodell basiert.
  3. Verfahren nach Anspruch 2, ferner umfassend, das Energieverbrauchsmodell als Reaktion auf die Differenz zu aktualisieren.
  4. Verfahren nach Anspruch 1, wobei das Steuern enthält, eine Route für das Fahrzeug zum Fahren von einer Ausgangsposition zu einem Ziel, das von der Ausgangsposition verschieden ist, auszuwählen, wobei die Route aus einer Vielzahl von möglichen Routen ausgewählt wird.
  5. Verfahren nach Anspruch 4, ferner umfassend, einen gegenwärtigen Ort des Fahrzeugs zu berechnen und den gegenwärtigen Ort als die Ausgangsposition für die Route zu verwenden.
  6. Verfahren nach Anspruch 5, ferner umfassend, ein gegenwärtiges Straßensegment basierend auf dem gegenwärtigen Ort des Fahrzeugs zu berechnen.
  7. Verfahren nach Anspruch 6, ferner umfassend, das Fahrzeug als Reaktion auf identifizierende Informationen über das Fahrzeug, die Zeit, den Ort, ein Straßensegment oder einer Kombination dieser zu steuern.
  8. Verfahren nach Anspruch 1, wobei Steuern des Fahrzeugs ferner als Reaktion auf mindestens ein Charakteristikum des Fahrzeugs oder ein Charakteristikum des Fahrers des Fahrzeugs erfolgt.
DE102015111105.5A 2014-07-25 2015-07-09 Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch Pending DE102015111105A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/341,069 US10801848B2 (en) 2014-07-25 2014-07-25 Crowd sourcing to predict vehicle energy consumption
US14/341,069 2014-07-25

Publications (1)

Publication Number Publication Date
DE102015111105A1 true DE102015111105A1 (de) 2016-01-28

Family

ID=55065658

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015111105.5A Pending DE102015111105A1 (de) 2014-07-25 2015-07-09 Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch

Country Status (3)

Country Link
US (1) US10801848B2 (de)
CN (1) CN105292120A (de)
DE (1) DE102015111105A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016201785A1 (de) * 2016-02-05 2017-08-10 Continental Automotive Gmbh Vorrichtung zum kartenreferenzierten Speichern von Fahrzeugdaten für ein Kraftfahrzeug

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11318951B2 (en) * 2014-10-22 2022-05-03 Transportation Ip Holdings Llc Vehicle consumption monitoring system and method
US10215576B2 (en) * 2016-08-25 2019-02-26 GM Global Technology Operations LLC Energy-optimized vehicle route selection
US10126139B2 (en) 2017-01-12 2018-11-13 Ford Global Technologies, Llc Route selection method and system for a vehicle having a regenerative shock absorber
WO2019030985A1 (ja) * 2017-08-10 2019-02-14 住友電気工業株式会社 制御装置、制御方法、およびコンピュータプログラム
US10678234B2 (en) * 2017-08-24 2020-06-09 Tusimple, Inc. System and method for autonomous vehicle control to minimize energy cost
US10166991B1 (en) * 2017-12-01 2019-01-01 GM Global Technology Operations LLC Method and apparatus of selective sensing mechanism in vehicular crowd-sensing system
EP4004489A1 (de) 2019-07-26 2022-06-01 Volvo Truck Corporation Verfahren zur bestimmung von strassenbedingungen
US20240053157A1 (en) * 2022-08-10 2024-02-15 GM Global Technology Operations LLC Method and system for cloud-based electrified vehicle energy usage system

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US232783A (en) 1880-09-28 P peters
US309926A (en) 1884-12-30 Tube-well and pumping mechanism for the same
US60469A (en) 1866-12-18 John h
US166774A (en) 1875-08-17 Improvement in packing-boxes
US4838A (en) 1846-11-06 Printing in colors
US6005494A (en) 1996-10-16 1999-12-21 Chrysler Corporation Energy minimization routing of vehicle using satellite positioning an topographic mapping
US5913917A (en) 1997-08-04 1999-06-22 Trimble Navigation Limited Fuel consumption estimation
DE10335927B4 (de) 2003-08-06 2005-09-22 Siemens Ag Navigationssystem mit Ermittlung einer verbrauchsoptimierten Route
US7512486B2 (en) 2005-06-29 2009-03-31 Intel Corporation Fuel efficient navigation system
WO2008083738A1 (en) 2007-01-10 2008-07-17 Tomtom International B.V. Navigation device and method for displaying navigation information
US7493209B1 (en) 2008-04-07 2009-02-17 International Business Machines Corporation Method of calculating a route based on estimated energy consumption
EP2387698B1 (de) * 2009-01-16 2017-01-04 TomTom Global Content B.V. Verfahren zur erzeugung von geschwindigkeitsprofilen für digitale karten
JP5135308B2 (ja) 2009-09-09 2013-02-06 クラリオン株式会社 エネルギ消費量予測方法、エネルギ消費量予測装置および端末装置
US9046379B2 (en) * 2009-12-28 2015-06-02 Honda Motor Co., Ltd. Devices and methods for determining fuel consumption and searching vehicle routes
US8554473B2 (en) * 2011-04-25 2013-10-08 Navteq B.V. Energy efficient routing using an impedance factor
JP5740215B2 (ja) 2011-06-10 2015-06-24 クラリオン株式会社 エネルギー消費量計算装置とそのエネルギー消費量計算方法
US20130073113A1 (en) * 2011-09-16 2013-03-21 Ford Global Technologies, Llc Vehicle and method for estimating a range for the vehicle
US20130245919A1 (en) * 2012-03-19 2013-09-19 Ford Global Technologies, Llc Low dimensional three way catalyst model for control and diagnostics
US9576488B2 (en) * 2012-11-09 2017-02-21 Iteris, Inc. Animation and visualization of traffic data analytics in a dashboard presentation of a roadway performance measurement system
US20140214267A1 (en) * 2013-01-25 2014-07-31 Audi Ag Predicting consumption and range of a vehicle based on collected route energy consumption data
US20150276420A1 (en) 2014-03-31 2015-10-01 Ford Global Technologies, Llc Crowd sourced energy estimation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016201785A1 (de) * 2016-02-05 2017-08-10 Continental Automotive Gmbh Vorrichtung zum kartenreferenzierten Speichern von Fahrzeugdaten für ein Kraftfahrzeug

Also Published As

Publication number Publication date
US20160025508A1 (en) 2016-01-28
US10801848B2 (en) 2020-10-13
CN105292120A (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
DE102015111105A1 (de) Massenbeschaffung zur vorhersage von fahrzeug-energieverbrauch
DE112014004812B4 (de) Fahrunterstützungsvorrichtung, Fahrunterstützungsverfahren und Fahrunterstützungssystem
DE102016124109B4 (de) Energieverwaltungssystem für ein elektrofahrzeug
DE102015000403B3 (de) Übertragen von Streckendaten an ein Kraftfahrzeug
EP3079962B1 (de) Verfahren zum ermitteln eines fahrzustandes eines hybridfahrzeuges für streckensegmente einer vorausliegenden fahrstrecke und hybridfahrzeug
DE102017119453A1 (de) Energieoptimierte Fahrzeugroutenauswahl
DE102014202730A1 (de) Verfahren und vorrichtung zur wegabschlusswahrscheinlichkeitsgradanzeige
DE102015104265A1 (de) Energieschätzung aufgrund von Daten, die von der Crowd bereitgestellt wurden
DE102014014851B4 (de) Verfahren zum Betrieb eines Navigationssystems eines Hybridkraftfahrzeugs und Hybridkraftfahrzeug
DE102017211689A1 (de) Verfahren zur Routenplanung und Routenoptimierung für ein elektrisch fahrendes Fahrzeug
DE102017209667A1 (de) Speicherung von Geschwindigkeitsinformationen zur Prädiktion der zukünftigen Geschwindigkeitstrajektorie
DE102019100212A1 (de) System und Verfahren zum fahren von Fahrzeugen im Kolonnenmodus
DE102014204308A1 (de) Reichweitenschätzung für Elektrofahrzeuge
EP3688538A1 (de) Verfahren und system zum aktualisieren eines steuerungsmodells für eine automatische steuerung zumindest einer mobilen einheit
DE102019127610A1 (de) Verfahren und system zur wegbestimmung basierend auf einem fahrzeug und einer antriebssystemcharakterisierung
DE102009047395A1 (de) Verfahren und Steuergerät zur Steuerung eines Hybridantriebs eines Fahrzeugs
DE102013008716A1 (de) Fahrzeug mit einem elektrischen Antrieb sowie Verfahren zum Betreiben eines solchen Fahrzeugs
DE102015008353A1 (de) Autonom fahrendes Fahrzeug und Verfahren zum Organisieren von Kolonnenfahrten
EP2989422A1 (de) Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug
DE102020119861A1 (de) Verfahren und Assistenzeinrichtung zum iterativ optimierten Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
DE102015226229A1 (de) Verfahren und Vorrichtung zur Reichweitenberechnung für ein Fahrzeug
WO2019106100A1 (de) Verfahren zum betreiben einer steuervorrichtung eines kraftfahrzeugs, um einen nächsten anhaltevorgang vorauszusagen, sowie steuervorrichtung und kraftfahrzeug
DE102012210454A1 (de) Verfahren und Vorrichtung zur Bereitstellung von Daten für einen elektronischen Horizont für ein Fahrerassistenzsystem eines Fahrzeugs
DE102014001300A1 (de) Verfahren zur Steuerung eines Hybridantriebs in einem Kraftfahrzeug und zugehöriges Kraftfahrzeug
CN113085891A (zh) 车辆控制方法、装置、非易失性存储介质及处理器

Legal Events

Date Code Title Description
R082 Change of representative

Representative=s name: ETL IP PATENTANWALTSGESELLSCHAFT MBH, DE

Representative=s name: ETL IP PATENT- UND RECHTSANWALTSGESELLSCHAFT M, DE

Representative=s name: ETL WABLAT & KOLLEGEN PATENT- UND RECHTSANWALT, DE

R082 Change of representative

Representative=s name: ETL IP PATENTANWALTSGESELLSCHAFT MBH, DE

Representative=s name: ETL IP PATENT- UND RECHTSANWALTSGESELLSCHAFT M, DE

R012 Request for examination validly filed