DE102019133337A1 - SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE - Google Patents
SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE Download PDFInfo
- Publication number
- DE102019133337A1 DE102019133337A1 DE102019133337.7A DE102019133337A DE102019133337A1 DE 102019133337 A1 DE102019133337 A1 DE 102019133337A1 DE 102019133337 A DE102019133337 A DE 102019133337A DE 102019133337 A1 DE102019133337 A1 DE 102019133337A1
- Authority
- DE
- Germany
- Prior art keywords
- vehicle
- representatives
- characteristic
- maps
- groups
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/70—Interactions with external data bases, e.g. traffic centres
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/54—Energy consumption estimation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Abstract
Die Erfindung betrifft ein System und Verfahren zur Übertragung von Flottendaten (11) an ein Fahrzeug (1) für eine Energiebedarfsprognose (15) des Fahrzeugs (1). Das Verfahren umfasst ein Gruppieren (20) von ein- oder mehrdimensionalen ersten Merkmalskennfeldern (12), die jeweils eine Wahrscheinlichkeitsverteilung wenigstens eines physikalischen Dynamikparameters für ein einzelnes Segment (2) eines von dem Fahrzeug (1) zu durchfahrenden Streckenabschnitts (3) umfassen, aus den Flottendaten (11) in mehrere Gruppen (G1, G2), ein Zuweisen (22) jeweils eines zweiten Merkmalskennfeldes (31, 32), das aus den ersten Merkmalskennfeldern (12) jeder Gruppe (G1, G2) ausgewählt oder unter Zuhilfenahme der ersten Merkmalskennfelder (12) jeder Gruppe (G1, G2) berechnet wird, als Repräsentant (R1, R2) zu jeweils einer der Gruppen (G1, G2), wobei die Repräsentanten (R1, R2) ein Codebuch (23) außerhalb des Fahrzeugs (1) bilden, ein Bilden (24) einer Zuordnung (26) jedes ersten Merkmalskennfeldes (12) jeweils zu einem der Repräsentanten (R1, R2) außerhalb des Fahrzeugs (1), ein Übertragen des Codebuchs (23) an das Fahrzeug (1) in einem ersten Übertragungsschritt (27) und von zumindest einer der Zuordnungen (26) an das Fahrzeug (1) in einem zweiten Übertragungsschritt (28), und ein Auswählen (29) des zweiten Merkmalskennfeldes (31, 32), das als Repräsentant (R1, R2) in der Zuordnung (26) hinterlegt ist, aus dem Codebuch (23) im Fahrzeug (1) zur Erstellung der Energiebedarfsprognose (15) des Fahrzeugs (1). Die Erfindung bezieht sich zudem auf ein Softwareprogramm und ein System zur Übertragung der Flottendaten (11) an das Fahrzeug (1) für die Energiebedarfsprognose (15) des Fahrzeugs (1).The invention relates to a system and method for transmitting fleet data (11) to a vehicle (1) for an energy demand forecast (15) of the vehicle (1). The method comprises a grouping (20) of one- or multi-dimensional first characteristic maps (12), each of which comprises a probability distribution of at least one physical dynamic parameter for an individual segment (2) of a route section (3) to be traveled by the vehicle (1) the fleet data (11) in several groups (G1, G2), an assignment (22) in each case a second characteristic map (31, 32) selected from the first characteristic maps (12) of each group (G1, G2) or with the aid of the first Feature maps (12) of each group (G1, G2) is calculated as a representative (R1, R2) for one of the groups (G1, G2), the representatives (R1, R2) having a code book (23) outside the vehicle (1 ) form (24) an assignment (26) of each first characteristic map (12) to one of the representatives (R1, R2) outside the vehicle (1), a transfer of the code book (23) to the vehicle (1) in a first transfer step (27) and of at least one of the assignments (26) to the vehicle (1) in a second transfer step (28), and selecting (29) the second characteristic map (31, 32), which is used as a representative (R1, R2) in the assignment (26) is stored from the code book (23) in the vehicle (1) for creating the energy demand forecast (15) of the vehicle (1). The invention also relates to a software program and a system for transmitting the fleet data (11) to the vehicle (1) for the energy demand forecast (15) of the vehicle (1).
Description
Die Offenbarung betrifft ein System und Verfahren zur Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs.The disclosure relates to a system and method for transmitting fleet data to a vehicle for an energy demand forecast of the vehicle.
Hybrid- oder Elektrofahrzeuge werden von einem Elektromotor angetrieben, wobei die nötige elektrische Energie beispielsweise in einem Hochvoltspeicher gespeichert wird. Der Hochvoltspeicher kann an einer Ladestation eines Hauses oder an einer (öffentlichen) Ladesäule oder einem Ladepunkt aufgeladen werden.Hybrid or electric vehicles are driven by an electric motor, with the necessary electrical energy being stored, for example, in a high-voltage storage device. The high-voltage battery can be charged at a charging station in a house or at a (public) charging station or charging point.
Für solche Fahrzeuge können Energiebedarfsprognosen bzw. Reichweitenprognosen erstellt werden, um beispielsweise einen Fahrer darüber zu informieren, ob ein Fahrtziel mit dem vorhandenen Energievorrat erreichbar ist. Für die Energiebedarfsprognose bzw. Reichweitenprognose werden in der Regel eine mittlere Geschwindigkeit pro Straßenabschnitt und einzelne Beschleunigungsmanöver (Abzweigung, Vorfahrtszeichen etc.) verwendet, um daraus den Energiebedarf bzw. die Reichweite abzuleiten. Für die Energiebedarfsprognose wird eine Bereitstellung von Merkmalskennfeldern bzw. nichtparametrischen Wahrscheinlichkeitsverteilungen aus Flottendaten aus Datenschutzgründen im Fahrzeug benötigt. Individuelle Fahrerprofildaten des Fahrzeugführers können auf diese Weise ohne externe Datenspeicherung im Fahrzeug mit den flottenbasierten Merkmalskennfeldern zur Berechnung der Energiebedarfsprognose kombiniert werden. Die Übertragung der Flottendaten ins Fahrzeug ist aufwendig und/oder teuer, da für die Übertragung einer Vielzahl von vieldimensionalen Merkmalskennfelder, wie z.B. nichtparametrischen Wahrscheinlichkeitsverteilungen, in das Fahrzeug eine große Datenmenge übertragen werden muss. Aufgrund Bandbreitenbegrenzungen ist eine schnelle Bereitstellung dieser Verteilungen im Fahrzeug zudem nicht oder nicht immer möglich.Energy demand forecasts or range forecasts can be created for such vehicles in order, for example, to inform a driver whether a destination can be reached with the available energy supply. For the energy demand forecast or range forecast, an average speed per road section and individual acceleration maneuvers (junction, right-of-way signs, etc.) are generally used in order to derive the energy demand or the range. For the energy demand forecast, a provision of characteristic maps or non-parametric probability distributions from fleet data is required in the vehicle for data protection reasons. In this way, individual driver profile data of the vehicle driver can be combined with the fleet-based characteristic maps to calculate the energy demand forecast without external data storage in the vehicle. The transfer of the fleet data to the vehicle is complex and / or expensive, since a large amount of data has to be transferred to the vehicle in order to transfer a large number of multi-dimensional characteristic maps, such as non-parametric probability distributions. Due to bandwidth limitations, these distributions can not or not always be made available quickly in the vehicle.
Es ist eine Aufgabe der vorliegenden Erfindung, eine Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs unter Aufrechterhaltung einer hohen Präzision und Zuverlässigkeit der Energiebedarfsprognose zu verbessern. Insbesondere ist eine Aufgabe der Erfindung, ein Verfahren zur Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs und ein System zur Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs bereitzustellen, die eine zuverlässige Bereitstellung aktueller Flottendaten auch bei Bandbreitenbegrenzungen im Fahrzeug auf einfache und kostengünstige Weise ermöglichen.It is an object of the present invention to improve the transmission of fleet data to a vehicle for an energy demand forecast of the vehicle while maintaining a high level of precision and reliability of the energy demand forecast. In particular, it is an object of the invention to provide a method for transmitting fleet data to a vehicle for an energy demand forecast of the vehicle and a system for transmitting fleet data to a vehicle for an energy demand forecast of the vehicle, which provides a reliable supply of current fleet data even with bandwidth limitations in the vehicle simple and inexpensive way to enable.
Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben.This problem is solved by the subject matter of the independent claims. Advantageous refinements of the invention are specified in the subclaims.
Bei dem computerimplementiertes Verfahren zur Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs werden ein- oder mehrdimensionalen ersten Merkmalskennfeldern, die jeweils eine Wahrscheinlichkeitsverteilung wenigstens eines physikalischen Dynamikparameters, der vorzugsweise spezifisch für eine Zeitspanne, beispielsweise 0:00 bis 0:30 Uhr, ist, für ein einzelnes Segment eines von dem Fahrzeug zu durchfahrenden Streckenabschnitts umfassen, aus den Flottendaten in mehrere Gruppen gruppiert. Jeweils ein zweites Merkmalskennfeld, das aus den ersten Merkmalskennfeldern jeder Gruppe ausgewählt oder unter Zuhilfenahme der ersten Merkmalskennfelder jeder Gruppe berechnet wird, wird als Repräsentant zu jeweils einer der Gruppen zugewiesen, wobei die Repräsentanten ein Codebuch außerhalb des Fahrzeugs bilden. Eine Zuordnung jedes ersten Merkmalskennfeldes jeweils zu einem der Repräsentanten außerhalb des Fahrzeugs wird gebildet. Das Codebuch wird an das Fahrzeug in einem ersten Übertragungsschritt übertragen und zumindest eine der Zuordnungen wird an das Fahrzeug in einem zweiten Übertragungsschritt übertragen. Im Fahrzeug wird das zweite Merkmalskennfeld, das als Repräsentant in der Zuordnung hinterlegt ist, aus dem Codebuch im Fahrzeug zur Erstellung der Energiebedarfsprognose des Fahrzeugs ausgewählt.In the computer-implemented method for the transmission of fleet data to a vehicle for an energy demand forecast of the vehicle, one-dimensional or multi-dimensional first characteristic maps, each of which is a probability distribution of at least one physical dynamic parameter, which is preferably specific for a period of time, for example 0:00 to 0:30 o'clock, is, for a single segment of a route section to be traveled by the vehicle, grouped from the fleet data into several groups. A second characteristic map, which is selected from the first characteristic maps of each group or is calculated with the aid of the first characteristic maps of each group, is assigned as a representative to one of the groups, the representatives forming a code book outside the vehicle. An assignment of each first characteristic map to one of the representatives outside the vehicle is formed. The code book is transmitted to the vehicle in a first transmission step and at least one of the assignments is transmitted to the vehicle in a second transmission step. In the vehicle, the second characteristic map, which is stored as a representative in the assignment, is selected from the code book in the vehicle in order to generate the energy demand forecast for the vehicle.
Anstelle der ersten Merkmalskennfelder werden also die zweiten Merkmalskennfelder im Fahrzeug zur Energiebedarfsprognose verwendet. Es erfolgt also gegenüber einer Übertragung einer gesamten Menge an Daten für die ersten Merkmalskennfelder eine Übertragung einer reduzierten Menge an übertragenen Daten für die zweiten Merkmalskennfelder ins Fahrzeug. Durch die Übertragung lediglich der Repräsentanten der gebildeten Gruppen an ersten Merkmalskennfeldern in Form der zweiten Merkmalskennfelder wird die Datenmenge der übertragenen Merkmalskennfelder ins Fahrzeug reduziert um den Faktor, der sich aus dem Verhältnis sämtlicher Gruppen zu sämtlichen ersten Merkmalskennfeldern ergibt. Wenn sich beispielsweise durchschnittlich zwanzig erste Merkmalskennfelder in einer Gruppe befinden, wird die Datenmenge um den Faktor zwanzig gegenüber der Übertragung sämtlicher erster Merkmalskennfelder reduziert. Zudem findet eine Auswahl der die für die jeweilige Route benötigten zweiten Merkmalskennfelder mit minimaler ins Fahrzeug zu übertragender Datenmenge statt, da anstelle der ersten Merkmalskennfelder lediglich die Zuordnungen dieser ersten Merkmalskennfelder zu den zweiten Kennfeldern als Repräsentanten der Gruppe erfolgt, in die das jeweilige erste Merkmalskennfeld gruppiert wurde.Instead of the first characteristic maps, the second characteristic maps are used in the vehicle to forecast the energy demand. In contrast to the transmission of a total amount of data for the first characteristic maps, a reduced amount of transmitted data for the second characteristic maps is transmitted into the vehicle. By transferring only the representatives of the groups formed to the first characteristic maps in the form of the second characteristic maps, the amount of data of the transferred characteristic maps is reduced into the vehicle by the factor that results from the ratio of all groups to all first characteristic maps. If, for example, there are an average of twenty first characteristic maps in a group, the amount of data is reduced by a factor of twenty compared to the transmission of all the first characteristic maps. In addition, the second characteristic maps required for the respective route are selected with a minimal amount of data to be transmitted into the vehicle, since instead of the first characteristic maps only the assignments of these are made first feature maps to the second maps takes place as representatives of the group in which the respective first feature map was grouped.
Die Übertragung des Codebuchs mit den Repräsentanten der Gruppen in Form jeweils eines zweiten Merkmalskennfeldes pro Gruppe kann asynchron zu der Übertragung der Zuordnungen ins Fahrzeug erfolgen. Beispielsweise kann der erste Übertragungsschritt des Codebuchs ins Fahrzeug viermal jährlich mit beispielsweise 81 Repräsentanten mit fünf physikalischen Dynamikparametern und beispielsweise 27 Float-Werten erfolgen, die die Wahrscheinlichkeitsverteilungen der Dynamikparameter beschreiben, wenn die Wahrscheinlichkeitsverteilungen nichtparametrisch sind, was zu einer jährlichen Datenmenge von ungefähr 0,35 Megabyte führt. Ein Float ist ein Datentyp. Der Datentyp umfasst reele Zahlen in der Sprache der Computer, also Zahlen mit Kommastellen. Im Gegensatz zu Float-Werten weisen Integer-Werte keine Nachkommastellen auf und sind somit ganzzahlige Zahlen. Der zweite Übertragungsschritt der Übertragung der Zuordnungen ins Fahrzeug kann beispielsweise für eine jährlich durchfahrene Strecke von ungefähr 9200 km mit ungefähr 195.000 Segmenten mit jeweils einem Integer-Wert, also ganzzahligem Wert, erfolgen, was mit einer Datenmenge von ungefähr 8,7 Megabyte pro Jahr verbunden ist. Diese Datenmengen können auch bei Bandbreitenbeschränkungen je nach Feldstärkeabdeckung des zur Übertragung genutzten Funknetzes, Wetter, Fahrten im Ausland etc. sicher und zuverlässig übertragen werden.The transmission of the code book with the representatives of the groups in the form of a second characteristic map per group can take place asynchronously to the transmission of the assignments into the vehicle. For example, the first step of transferring the code book into the vehicle can take place four times a year with, for example, 81 representatives with five physical dynamic parameters and, for example, 27 float values that describe the probability distributions of the dynamic parameters if the probability distributions are non-parametric, which results in an annual data volume of approximately 0.35 Megabyte leads. A float is a data type. The data type includes real numbers in the language of computers, i.e. numbers with decimal places. In contrast to float values, integer values have no decimal places and are therefore whole numbers. The second transfer step of transferring the assignments into the vehicle can take place, for example, for a distance traveled annually of approximately 9200 km with approximately 195,000 segments, each with an integer value, which is associated with a data volume of approximately 8.7 megabytes per year is. These amounts of data can be transmitted safely and reliably even with bandwidth restrictions depending on the field strength coverage of the radio network used for transmission, weather, trips abroad, etc.
Anstelle einer ausschließlich generischen verlustfreien Übertragung sämtlicher Flottendaten in Form der ersten Merkmalskennfelder ohne Datenkomprimierung erfolgt also eine zweigeteilte komprimierte Übertragung der Flottendaten in Form der zweiten Merkmalskennfelder ins Fahrzeug. Im Fahrzeug sind die hinsichtlich der ursprünglichen ersten Merkmalskennfelder genäherten zweiten Merkmalskennfelder jederzeit und in aktualisierter Form verfügbar. Mit den nach Bedarf ausgewählten zweiten Merkmalskennfeldern anhand der im zweiten Übertragungsschritt mit den übertragenen Zuordnungen getroffenen Auswahl erfolgt die Erstellung oder Berechnung der Energiebedarfsanalyse, die ein Bereitstellen eines Streckenabschnitts, der eine Vielzahl von Segmenten umfasst bzw. der in eine Vielzahl von Segmenten unterteilt ist, umfasst. Dem wenigstens einen ersten Segment ist wenigstens ein physikalischer Dynamikparameter (bzw. ein Wert oder eine Werteverteilung des wenigstens einen physikalischen Dynamikparameters) zugeordnet, der basierend auf Daten einer Vielzahl von Flottenfahrzeugen bestimmt wurde. Das Berechnen des Energiebedarfs des Fahrzeugs erfolgt für den Streckenabschnitt durch Aufaddieren von Energiebedarfen der Vielzahl von Segmenten, wobei der Energiebedarf eines jeweiligen Segments unter Verwendung des dem besagten Segment zugeordneten wenigstens einen physikalischen Dynamikparameters berechnet wird. Die Vielzahl von über die Länge des Streckenabschnitts verteilten Werte des physikalischen Dynamikparameters fließt direkt in der Berechnung des Energiebedarfs ein. Hierzu wird ein Energiebedarf für jedes Segment berechnet. Der (Gesamt-)Energiebedarf des Streckenabschnitts wird durch Aufaddieren der Energiebedarfe der Segmente bestimmt. Dadurch kann eine physikalisch korrekte Quantifizierung des Streckenabschnitts für eine Energiebedarfs- bzw. Reichweitenprognose erfolgen. Zudem kann durch die physikalisch korrekte Quantifizierung und durch die statistische Erfassung der Dynamikparameterstreuung ein Fahrereinfluss auf die Energiebedarfsprognose quantifiziert und optimiert werden.Instead of an exclusively generic, loss-free transmission of all fleet data in the form of the first characteristic maps without data compression, there is a two-part, compressed transmission of the fleet data in the form of the second characteristic maps into the vehicle. In the vehicle, the second characteristic maps approximated with respect to the original first characteristic maps are available at any time and in updated form. With the second characteristic maps selected as required on the basis of the selection made in the second transfer step with the transferred assignments, the creation or calculation of the energy demand analysis is carried out, which includes providing a route section that comprises a plurality of segments or which is divided into a plurality of segments . The at least one first segment is assigned at least one physical dynamic parameter (or a value or a value distribution of the at least one physical dynamic parameter), which was determined based on data from a multiplicity of fleet vehicles. The energy requirement of the vehicle is calculated for the route section by adding up the energy requirements of the plurality of segments, the energy requirement of a respective segment being calculated using the at least one physical dynamic parameter assigned to said segment. The large number of values of the physical dynamic parameters distributed over the length of the route section flow directly into the calculation of the energy requirement. For this purpose, an energy requirement is calculated for each segment. The (total) energy requirement of the route section is determined by adding up the energy requirements of the segments. This enables a physically correct quantification of the route section for an energy demand or range forecast. In addition, through the physically correct quantification and the statistical recording of the dynamic parameter scatter, the driver's influence on the energy demand forecast can be quantified and optimized.
Die auf den Flottendaten basierenden Dynamikparameter oder Integrale der Dynamikparameter für das wenigstens eine Segment können in einem Backend außerhalb des Fahrzeugs gesammelt und gespeichert werden. Die auf den Flottendaten basierenden Dynamikparameter oder Integrale der Dynamikparameter für das wenigstens eine Segment werden an das Fahrzeug übertragen, beispielsweise bei der Herstellung und/oder online während des Betriebs des Fahrzeugs. So kann das Navigationssystem regelmäßig mit aktuellen Flottendaten aktualisiert werden. Die Flottendynamik kann online für einen bestimmten Streckenabschnitt bei dem Backend angefragt werden, wenn der Streckenabschnitt befahren werden soll. Das Fahrzeug kann die erhaltenen Dynamikparameter oder Integrale der Dynamikparameter für die Berechnung des Energiebedarfs abrufen und verwenden.The dynamic parameters or integrals of the dynamic parameters for the at least one segment based on the fleet data can be collected and stored in a backend outside the vehicle. The dynamic parameters or integrals of the dynamic parameters for the at least one segment based on the fleet data are transmitted to the vehicle, for example during manufacture and / or online during operation of the vehicle. In this way, the navigation system can be regularly updated with current fleet data. The fleet dynamics can be requested online for a certain route section at the backend if the route section is to be used. The vehicle can call up and use the received dynamic parameters or integrals of the dynamic parameters for calculating the energy requirement.
Typischerweise sind die Flottenfahrzeuge Fahrzeuge vom selben und/oder einem ähnlichen Fahrzeugtyp. Insbesondere kann die Flotte Fahrzeuge desselben und/oder des ähnlichen Typs wie das Fahrzeug, für das der Energiebedarf für den Streckenabschnitt berechnet wird („Eigenfahrzeug“), enthalten. Die Flotte kann insbesondere eine Vielzahl von Fremdfahrzeugen und optional das Eigenfahrzeug umfassen.Typically, the fleet vehicles are vehicles of the same and / or a similar vehicle type. In particular, the fleet can contain vehicles of the same and / or similar type as the vehicle for which the energy requirement for the route section is calculated (“own vehicle”). The fleet can in particular comprise a large number of third-party vehicles and optionally the own vehicle.
Vorzugsweise ist der wenigstens eine physikalische Dynamikparameter aus der Gruppe ausgewählt, die eine Geschwindigkeit und eine Beschleunigung umfasst, oder die daraus besteht. Die Erfindung ist jedoch nicht hierauf begrenzt und andere geeignete physikalische Dynamikparameter können verwendet werden. Es können mehr als zwei physikalische Dynamikparameter verwendet werden, um den Energiebedarf des Fahrzeugs zu berechnen. Beispielsweise können insgesamt fünf verschiedene physikalische Dynamikparameter zur Berechnung des Energiebedarfs verwendet werden. Vorzugsweise ist jedem Segment einer Vielzahl von Segmenten eine entsprechende Streckenlänge und ein entsprechender Zeitraum zugeordnet („Space-Time-Bucket“). Die Streckenlänge kann zum Beispiel ein vorbestimmtes Streckenintervall (z.B. 50 Meter) sein. Der Zeitraum kann zum Beispiel ein vorbestimmtes Zeitintervall (z.B. 30 Minuten) und/oder eine Tageszeit sein. Die Erfindung ist jedoch nicht hierauf begrenzt und die Streckenlängen und Zeiträume können auf andere geeignete Weisen festgelegt werden. Die Segmente können dieselben Streckenlängen und/oder Zeiträume aufweisen, oder können zumindest teilweise unterschiedliche Streckenlängen und/oder Zeiträume aufweisen.The at least one physical dynamic parameter is preferably selected from the group which comprises a speed and an acceleration or which consists of these. However, the invention is not limited thereto and other suitable physical dynamic parameters can be used. More than two physical dynamic parameters can be used to calculate the energy requirements of the vehicle. For example, a total of five different physical dynamic parameters can be used to calculate the energy requirement. A corresponding route length and a corresponding period of time are preferably assigned to each segment of a multiplicity of segments (“space-time bucket”). The route length can be, for example, a predetermined route interval (for example 50 meters). The time period can be, for example, a predetermined time interval (for example 30 minutes) and / or a time of day. However, the invention is not limited to this, and the route lengths and time periods can be determined in other suitable ways. The segments can have the same route lengths and / or time periods, or can at least partially have different route lengths and / or time periods.
Vorzugsweise umfasst das Verfahren weiter ein Verwenden einer jeweiligen Wahrscheinlichkeitsverteilung des wenigstens einen physikalischen Dynamikparameters, auch dynamische Parameterverteilungen genannt („Dynamic Parameter Distribution“, DPD) genannt, für die einzelnen Segmente des Streckenabschnitts beim Berechnen des Energiebedarfs. Beispielsweise kann für das Berechnen des Energiebedarfs des einzelnen Segments wenigstens derjenige Wert des Segments verwendet werden, der die höchste Wahrscheinlichkeit aufweist. Anders gesagt kann für ein Segment, und insbesondere für alle Segmente, eine Vielzahl von Werten vorhanden sein. Eine Streuung der Werte innerhalb der einzelnen Segmente erlaubt eine Aussage über ein Dynamikverhalten, beispielsweise die Beschleunigung und/oder Geschwindigkeit, und damit der Energieprognose im Segment und auf dem Streckenabschnitt. Damit kann eine hohe Zuverlässigkeit der Reichweitenprognose erreicht werden.The method preferably further comprises using a respective probability distribution of the at least one physical dynamic parameter, also called dynamic parameter distribution (DPD), for the individual segments of the route section when calculating the energy requirement. For example, at least that value of the segment which has the highest probability can be used for calculating the energy requirement of the individual segment. In other words, there can be a multiplicity of values for a segment, and in particular for all segments. Scattering the values within the individual segments allows a statement to be made about dynamic behavior, for example the acceleration and / or speed, and thus the energy prognosis in the segment and on the route section. This enables a high level of reliability of the range forecast to be achieved.
Alternativ können für das wenigstens eine Segment sogenannte Cluster definiert bzw. vorhanden sein, wenn zwei oder mehr physikalische Dynamikparameter verwendet werden. Insbesondere kann jedem Segment ein entsprechender Cluster zugeordnet sein. Ein Cluster besteht dabei aus Sätzen der zwei oder mehr physikalischen Dynamikparameter.Alternatively, so-called clusters can be defined or present for the at least one segment if two or more physical dynamic parameters are used. In particular, a corresponding cluster can be assigned to each segment. A cluster consists of sets of the two or more physical dynamic parameters.
Der Begriff Fahrzeug umfasst PKW, LKW, Busse, Wohnmobile, Krafträder, etc., die der Beförderung von Personen, Gütern, etc. dienen. Insbesondere umfasst der Begriff Kraftfahrzeuge zur Personenbeförderung. Ergänzend oder alternativ kann das Hybrid- oder Elektrofahrzeug gemäß Ausführungsformen ein reines Elektrofahrzeug (BEV) oder ein Plugin-Hybridfahrzeug (PHEV) sein. Es können jedoch auch andere Antriebsformen verwendet werden, beispielsweise in Forme eines diesel- oder benzinbetriebenen Fahrzeugs. Das Fahrzeug kann auch in Form eines Schienenfahrzeugs vorliegenThe term vehicle includes cars, trucks, buses, mobile homes, motorcycles, etc., which are used to transport people, goods, etc. In particular, the term includes motor vehicles for passenger transport. Additionally or alternatively, the hybrid or electric vehicle according to embodiments can be a purely electric vehicle (BEV) or a plug-in hybrid vehicle (PHEV). However, other forms of drive can also be used, for example in the form of a diesel or gasoline-powered vehicle. The vehicle can also be in the form of a rail vehicle
Mit dem erfindungsgemäßen Verfahren findet daher eine zuverlässige Übertragung aktueller Flottendaten auch bei Bandbreitenbegrenzungen im Fahrzeug, beispielsweise einem Hybrid- oder Elektrofahrzeug, auf einfache und kostengünstige Weise für eine Energie- und Reichweitenprognose des Fahrzeugs statt.With the method according to the invention, a reliable transmission of current fleet data therefore takes place in a simple and inexpensive manner for an energy and range prognosis of the vehicle, even with bandwidth limitations in the vehicle, for example a hybrid or electric vehicle.
Die ersten Merkmalskennfelder werden gemäß einer bevorzugten Ausführungsform der Erfindung in die Gruppen unter Verwendung von zumindest einem Clustering-Algorithmus gruppiert, wobei der Clustering-Algorithmus vorzugsweise als k-means-Algorithmus, Self-Organizing Map (SOM) oder Bisecting k-means-Algorithmus ausgeführt wird. Ein Fehler durch die Komprimierung in Form einer Abweichung des zweiten im Fahrzeug zur Energiebedarfsprognose verwendeten Merkmalskennfeldes von dem ursprünglichen ersten Merkmalskennfeldes, das durch das zweite Merkmalskennfeld ersetzt wurde, kann bei Verwendung von einem dieser Clustering-Algorithmen auf effiziente Weise gering gehalten werden.According to a preferred embodiment of the invention, the first characteristic maps are grouped into the groups using at least one clustering algorithm, the clustering algorithm preferably as a k-means algorithm, self-organizing map (SOM) or bisecting k-means algorithm is performed. An error due to the compression in the form of a deviation of the second characteristic map used in the vehicle for the energy demand forecast from the original first characteristic map, which was replaced by the second characteristic map, can be efficiently kept low when using one of these clustering algorithms.
Besonders bevorzugt werden unter Verwendung des k-means-Algorithmus die ersten Merkmalskennfelder in die Gruppen gruppiert, die zweiten Merkmalskennfelder jeweils als Repräsentanten den Gruppen zugewiesen, und die Zuordnung jedes ersten Merkmalskennfeldes jeweils zu einem der Repräsentanten gebildet. Nach Einteilen der Gruppen und Zuweisen der zweiten Merkmalskennfelder jeweils als Repräsentanten zu den Gruppen kann also mithilfe des k-means-Algorithmus auf effiziente Weise auch die Zuordnung jedes ersten Merkmalskennfeldes jeweils zu einem der Repräsentanten erfolgen. Die Verwendung des k-means-Algorithmus für sämtliche Verfahrensschritte außerhalb des Fahrzeugs vor den Übertragungsschritten vereinfacht das erfindungsgemäße Verfahren und führt zu einer geringen Abweichung des zweiten im Fahrzeug zur Energiebedarfsprognose verwendeten Merkmalskennfeldes von dem ursprünglichen ersten Merkmalskennfeldes derart, dass die Energiebedarfsprognose mit einer hohen Präzision erstellt werden kann.Particularly preferably, the first feature maps are grouped into the groups using the k-means algorithm, the second feature maps are assigned to the groups as representatives, and the assignment of each first feature map to one of the representatives is formed. After dividing the groups and assigning the second characteristic maps in each case as representatives to the groups, the assignment of each first characteristic map to one of the representatives can thus also take place in an efficient manner with the aid of the k-means algorithm. The use of the k-means algorithm for all method steps outside the vehicle before the transmission steps simplifies the method according to the invention and leads to a slight deviation of the second method in the vehicle Energy demand prognosis feature map used from the original first feature map in such a way that the energy demand prognosis can be created with a high degree of precision.
In bevorzugter Ausführung wird ein Abstandsmaß zur Festlegung eines Abstandes von Perzentilen jeweils zweier Wahrscheinlichkeitsverteilungen unterschiedlicher Merkmalskennfelder festgelegt, um den Clustering-Algorithmus auszuführen, aus den ersten Merkmalskennfeldern jeweils die Repräsentanten für die Gruppen zu berechnen, und das erste Merkmalskennfeld jeweils einem der Repräsentanten zuzuordnen, wobei das Abstandsmaß als zweite Wasserstein-Metrik, erste Wasserstein-Metrik, Jensen-Shannon-Metrik oder euklidischer Abstand bestimmt wird. Auf diese Weise kann eine geringe Abweichung des zweiten im Fahrzeug zur Energiebedarfsprognose verwendeten Merkmalskennfeldes von dem ursprünglichen ersten Merkmalskennfeldes erzielt werden, um die Energiebedarfsprognose mit einer hohen Präzision ausführen zu können.In a preferred embodiment, a distance measure is used to define a distance between percentiles of two probability distributions of different characteristic maps in order to execute the clustering algorithm, to calculate the representatives for the groups from the first characteristic maps, and to assign the first characteristic map to one of the representatives, with the distance measure is determined as a second water stone metric, first water stone metric, Jensen-Shannon metric or Euclidean distance. In this way, a slight deviation of the second characteristic map used in the vehicle for the energy demand prognosis from the original first characteristic map can be achieved in order to be able to carry out the energy demand prognosis with a high degree of precision.
Eine vorteilhafte Ausführungsform liegt vor, wenn in einer Rekursion die ersten und zweiten Merkmalskennfelder in Form von dynamischen Parameterverteilungen (DPD) vorliegen, das Abstandsmaß vorgegeben wird, anhand des Abstandsmaßes die ersten Merkmalskennfelder zueinander in Beziehung gesetzt werden, um sie in die Gruppen zu gruppieren, die zweiten Merkmalskennfelder als Repräsentanten bestimmt werden, die Zuordnung der ersten Merkmalskennfelder zu den Repräsentanten erfolgt, und die so bestimmten Repräsentanten und ersten Merkmalskennfeldern anhand des Abstandsmaßes jeweils solange zueinander in Beziehung gesetzt werden, um die Gruppen zu gruppieren, die Repräsentanten zu bestimmen, und die ersten Merkmalskennfelder den Repräsentanten zuzuordnen, bis eine Änderung der so bestimmten Repräsentanten zueinander unterhalb eines Schwellwertes liegt. Auf diese Weise kann effizient ein Satz von im Fahrzeug zur Energiebedarfsprognose verwendeten Repräsentanten bestimmt werden, die jeweils eine geringe Abweichung von dem ursprünglichen ersten Merkmalskennfeld aufweisen.An advantageous embodiment is when the first and second characteristic maps are present in a recursion in the form of dynamic parameter distributions (DPD), the distance measure is specified, the first characteristic maps are related to one another on the basis of the distance measure in order to group them into the groups, the second feature maps are determined as representatives, the assignment of the first feature maps to the representatives takes place, and the thus determined representatives and first feature maps are related to one another on the basis of the distance measure in order to group the groups, determine the representatives, and the assign the first characteristic maps to the representatives until a change in the thus determined representatives to one another is below a threshold value. In this way, a set of representatives used in the vehicle for the energy demand forecast can be determined efficiently, each of which has a slight deviation from the original first characteristic map.
Vorteilhafterweise wird das zweite Merkmalskennfeld durch Mittelung aller ersten Merkmalskennfelder der Gruppe, die durch das zweite Merkmalskennfeld repräsentiert wird, berechnet. Ein auf diese Weise berechneter Repräsentant kann von einem k-means-Algorithmus erzeugt werden. Auch andere Clustering-Algorithmen können zur Mittelung aller ersten Merkmalskennfelder der Gruppe verwendet werden.The second characteristic map is advantageously calculated by averaging all the first characteristic maps of the group which is represented by the second characteristic map. A representative calculated in this way can be generated by a k-means algorithm. Other clustering algorithms can also be used for averaging all the first characteristic maps of the group.
Vorteilhafterweise erfolgt wie oben bereits ausgeführt der erste Übertragungsschritt asynchron zu dem zweiten Übertragungsschritt, vorzugsweise mit dem ersten Übertragungsschritt einmal bis viermal jährlich und/oder dem zweiten Übertragungsschritt bei Antritt jeder Fahrt oder mehr als 30 mal pro Jahr, insbesondere 36 mal pro Jahr. Auf diese Weise ist eine aktuelle und bedarfsgerechte Übertragung der für die Energiebedarfsprognose erforderlichen Merkmalskennfelder in das Fahrzeug mit einer nur geringen zu übertragenen Datenmenge möglich.Advantageously, as already stated above, the first transfer step takes place asynchronously to the second transfer step, preferably with the first transfer step once to four times a year and / or the second transfer step when starting every journey or more than 30 times a year, in particular 36 times a year. In this way, an up-to-date and needs-based transmission of the characteristic maps required for the energy demand forecast into the vehicle is possible with only a small amount of data to be transmitted.
Die Erfindung umfasst auch ein Softwareprogramm, das eingerichtet ist, das computerimplementierte Verfahren nach einem der vorhergehenden Ansprüche auszuführen, wenn es auf einem Computer ausgeführt wird, wobei der Computer vorzugsweise ein verteiltes Computersystem ist, von dem vorzugsweise ein Teil in einem Cloud-Computersystem angeordnet ist. Das Softwareprogramm kann eingerichtet werden, um auf einem oder mehreren Prozessoren ausgeführt zu werden, und um dadurch das erfindungsgemäße Verfahren auszuführen. Das Softwareprogramm kann auf einem oder mehreren Speichermedien gespeichert sein.The invention also comprises a software program which is set up to carry out the computer-implemented method according to one of the preceding claims when it is carried out on a computer, the computer preferably being a distributed computer system, a part of which is preferably arranged in a cloud computer system . The software program can be set up to be executed on one or more processors, and thereby to execute the method according to the invention. The software program can be stored on one or more storage media.
Die Erfindung umfasst auch ein System zur Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs. Es umfasst eine Gruppiereinheit, die eingerichtet ist zum Gruppieren von ein- oder mehrdimensionalen ersten Merkmalskennfeldern, die jeweils eine Wahrscheinlichkeitsverteilung wenigstens eines physikalischen Dynamikparameters, der vorzugsweise spezifisch für eine Zeitspanne, beispielsweise 0:00 bis 0:30 Uhr, ist, für ein einzelnes Segment eines von dem Fahrzeug zu durchfahrenden Streckenabschnitts umfassen, aus den Flottendaten in mehrere Gruppen. Es umfasst weiter eine Zuweisungseinheit, die eingerichtet ist zum Zuweisen jeweils eines zweiten Merkmalskennfeldes, das aus den ersten Merkmalskennfeldern jeder Gruppe ausgewählt oder unter Zuhilfenahme der ersten Merkmalskennfelderjeder Gruppe berechnet wird, als Repräsentant zu jeweils einer der Gruppen, wobei die Repräsentanten ein Codebuch außerhalb des Fahrzeugs bilden, und eine Zuordnungseinheit, die eingerichtet ist zum Bilden einer Zuordnung jedes ersten Merkmalskennfeldes jeweils zu einem der Repräsentanten außerhalb des Fahrzeugs. Ebenfalls umfasst ist eine erste Übertragungseinheit, die eingerichtet ist zum Übertragen des Codebuchs an das Fahrzeug in einem ersten Übertragungsschritt und eine zweite Übertragungseinheit, die eingerichtet ist zum Übertragen von zumindest einer der Zuordnungen an das Fahrzeug in einem zweiten Übertragungsschritt, und eine Auswahleinheit, die eingerichtet ist zum Auswählen des zweiten Merkmalskennfeldes, das als Repräsentant in der Zuordnung hinterlegt ist, aus dem Codebuch im Fahrzeug zur Erstellung der Energiebedarfsprognose des Fahrzeugs.The invention also comprises a system for transmitting fleet data to a vehicle for an energy demand forecast of the vehicle. It comprises a grouping unit which is set up to group one- or multi-dimensional first characteristic maps, each of which contains a probability distribution of at least one physical dynamic parameter, which is preferably specific for a period of time, for example 0:00 to 0:30, for a single segment comprise a route section to be traveled by the vehicle, from the fleet data into several groups. It further comprises an assignment unit which is set up to assign a second characteristic map, which is selected from the first characteristic maps of each group or is calculated with the aid of the first characteristic maps of each group, as a representative to one of the groups, the representatives having a code book outside the vehicle form, and an allocation unit which is set up to form an allocation of each first characteristic map in each case to one of the representatives outside the vehicle. Also included is a first transmission unit, which is configured to transmit the code book to the vehicle in a first transmission step, and a second transmission unit, which is configured to transmit at least one of the assignments to the vehicle in a second transmission step, and a selection unit, which is configured is for selecting the second characteristic map, which is stored as a representative in the assignment, from the code book in the vehicle for creating the energy demand forecast of the vehicle.
Das erfindungsgemäße System weist dem erfindungsgemäßen Verfahren entsprechende Vorteile und Effekte auf. Die ersten und zweiten Übertragungseinheiten können als separate Einheiten oder als integrierte Einheit, beispielsweise Funkeinheit, vorliegen.The system according to the invention has advantages and effects corresponding to the method according to the invention. The first and second transmission units can be present as separate units or as an integrated unit, for example a radio unit.
Die Gruppiereinheit, die Zuweisungseinheit, und die Zuordnungseinheit können in einem Backend-Server zusammengefasst sein und/oder die Auswahleinheit kann von einer elektronischen Kontrolleinheit (Electronic Control Unit, ECU) des Fahrzeugs umfasst sein.The grouping unit, the assignment unit, and the assignment unit can be combined in a back-end server and / or the selection unit can be comprised by an electronic control unit (ECU) of the vehicle.
Ausführungsbeispiele der Offenbarung sind in den Figuren dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
-
1 eine schematische Darstellung eines Segments eines Streckenabschnitts, für den eine Energiebedarfsprognose erstellt wird gemäß dem Stand der Technik, -
2 eine schematische Wahrscheinlichkeitsverteilung eines Dynamikparameters für ein Segment eines Streckenabschnitts, für den eine Energiebedarfsprognose erstellt wird, gemäß dem Stand der Technik, -
3 ein Schema für eine Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs gemäß dem Stand der Technik, -
4 ein Schema für eine Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs gemäß einer ersten Ausführungsform der Erfindung, -
5 ein Schema für eine Übertragung von Flottendaten an ein Fahrzeug für eine Energiebedarfsprognose des Fahrzeugs gemäß einer zweiten Ausführungsform der Erfindung, -
6 schematisch Merkmalskennfelder, deren Gruppierung in Gruppen, und Repräsentanten der Gruppen, wobei unter Verwendung eines k-means-Algorithmus die Merkmalskennfelder in die Gruppen gruppiert und die Repräsentanten den Gruppen zugewiesen sind, gemäß einer weiteren Ausführungsform der Erfindung. -
7 ein Ablaufschema für eine Rekursion gemäß einer weiteren Ausführungsform der Erfindung, bei der Repräsentanten und Merkmalskennfelder anhand eines Abstandsmaßes jeweils solange zueinander in Beziehung gesetzt werden, um Gruppen zu gruppieren, die Repräsentanten zu bestimmen, und die Merkmalskennfelder den Repräsentanten zuzuordnen, bis eine Änderung der so bestimmten Repräsentanten unterhalb eines Schwellwertes liegt.
-
1 a schematic representation of a segment of a route section for which an energy demand forecast is made according to the prior art, -
2 a schematic probability distribution of a dynamic parameter for a segment of a route section for which an energy demand forecast is created, according to the prior art, -
3rd a scheme for a transmission of fleet data to a vehicle for an energy demand forecast of the vehicle according to the prior art, -
4th a scheme for a transmission of fleet data to a vehicle for an energy demand forecast of the vehicle according to a first embodiment of the invention, -
5 a scheme for a transmission of fleet data to a vehicle for an energy demand forecast of the vehicle according to a second embodiment of the invention, -
6th schematically feature maps, their grouping in groups, and representatives of the groups, the feature maps being grouped into the groups and the representatives assigned to the groups using a k-means algorithm, according to a further embodiment of the invention. -
7th a flowchart for a recursion according to a further embodiment of the invention, in which representatives and characteristic maps are related to one another based on a distance measure in order to group groups, determine the representatives, and assign the characteristic maps to the representatives until a change of the so certain representatives is below a threshold value.
Im Folgenden werden, sofern nicht anders vermerkt, für gleiche und gleichwirkende Elemente gleiche Bezugszeichen verwendet.Unless otherwise noted, the same reference symbols are used below for elements that are the same and have the same effect.
Der Energiebedarf für ein Segment 2 wird unter Verwendung wenigstens eines, und insbesondere eines jeden der folgenden Ausdrücke berechnet:
Die Ausdrücke sind dabei nach Rekuperations-/Schubstrecke und Zugstrecke getrennt. Die Trennung kann von einer Grenzbeschleunigung abhängen:
- ηZug: Wirkungsgrad zwischen einem Rad des Fahrzeugs 1 und einem Hochvoltspeicher (HVS) des Fahrzeugs 1 für Energiefluss von HVS zu dem Rad
- m: Fahrzeuggesamtmasse
- e: Rotationsmassenzuschlagsfaktor
- s: Weg
- a(s): Beschleunigung über den Weg
- fR: Rollwiderstandskoeffizient
- g: Erdbeschleunigung
- ρ: Dichte der Luft
- cx: Luftwiderstandskoeffizient
- A: Stirnfläche des Fahrzeugs 1
- v(s): Geschwindigkeit über den Weg
- α(s): Steigung über den Weg
- ηSchub: Wirkungsgrad zwischen Rad und Hochvoltspeicher (HVS) für Energiefluss von Rad zum HVS
- PNV,n: Nebenverbraucherleistung im Segment n
- Benötige Zeit zum Durchfahren des Segmentes n
- η train : efficiency between a wheel of
vehicle 1 and a high-voltage storage device (HVS) ofvehicle 1 for energy flow from HVS to the wheel - m: total vehicle mass
- e: Rotational mass addition factor
- s: way
- a (s): Acceleration over the path
- f R : coefficient of rolling resistance
- g: acceleration due to gravity
- ρ: density of the air
- c x : drag coefficient
- A: Frontal area of the
vehicle 1 - v (s): speed on the way
- α (s): slope over the path
- η thrust : efficiency between wheel and high-voltage storage (HVS) for energy flow from wheel to HVS
- P NV, n : Ancillary consumer power in segment n
- Time required to drive through segment n
Typischerweise sind Flottenfahrzeuge
Für jedes Segment n des Streckenabschnitts kann eine jeweilige Wahrscheinlichkeitsverteilung, also eine Streuung, der Werte des wenigstens einen physikalischen Dynamikparameters berechnet werden. Für das Berechnen des Energiebedarfs des einzelnen Segments kann beispielsweise nur derjenige Wert des Segments verwendet werden, der die höchste Wahrscheinlichkeit aufweist. In einem anderen Beispiel kann ein Schwellwert für die Wahrscheinlichkeit festgelegt werden, wobei diejenigen Werte des wenigstens einen physikalischen Dynamikparameters für das Berechnen des Energiebedarfs verwendet werden, die eine Wahrscheinlichkeit aufweisen, die gleich oder größer als der Schwellwert ist. Auf diese Weise kann eine Zuverlässigkeit der Energieprognose für das Segment und damit den gesamten Streckenabschnitt erhöht werden.A respective probability distribution, that is to say a scatter, of the values of the at least one physical dynamic parameter can be calculated for each segment n of the route section. For example, only that value of the segment that has the highest probability can be used to calculate the energy requirement of the individual segment. In another example, a threshold value can be established for the probability, with those values of the at least one physical dynamic parameter being used for calculating the energy requirement which have a probability that is equal to or greater than the threshold value. In this way, the reliability of the energy forecast for the segment and thus the entire route section can be increased.
Eine Lage eines Fahrermodells kann in der Wahrscheinlichkeitsverteilung
Wenn die Flottendynamikparameter die Wahrscheinlichkeitsverteilung
Im Fahrzeug
Im Backend-Server findet ein Gruppieren
Der erste Übertragungsschritt
Im Fahrzeug
Schließlich umfasst das System die Auswahleinheit
Ziel von k-Means ist es in dem in
Nach Grenzziehung zwischen den ersten Merkmalskennfeldern
Das Abstandsmaß
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Beispielhaft genannte Ausführungsformen stellen nur Beispiele dar, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterungen in der Beschreibung, definiert wird.Although the invention has been illustrated and explained in more detail by preferred exemplary embodiments, the invention is not restricted by the disclosed examples and other variations can be derived from them by the person skilled in the art without departing from the scope of protection of the invention. It is therefore clear that there is a multitude of possible variations. Embodiments cited by way of example only represent examples that are not to be interpreted in any way as a limitation, for example, of the scope of protection, the possible applications or the configuration of the invention. Rather, the preceding description and the description of the figures enable the person skilled in the art to specifically implement the exemplary embodiments, whereby the person skilled in the art, with knowledge of the disclosed inventive concept, can make various changes, for example with regard to the function or the arrangement of individual elements mentioned in an exemplary embodiment, without the To leave the scope of protection that is defined by the claims and their legal equivalents, such as further explanations in the description.
Die unter Bezug auf die dargestellten Ausführungsformen beschriebenen Merkmale der Erfindung, beispielsweise die Verwendung des k-means-Algorithmus 34 für das Gruppieren der Gruppen
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019133337.7A DE102019133337A1 (en) | 2019-12-06 | 2019-12-06 | SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019133337.7A DE102019133337A1 (en) | 2019-12-06 | 2019-12-06 | SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019133337A1 true DE102019133337A1 (en) | 2021-06-10 |
Family
ID=75962397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019133337.7A Pending DE102019133337A1 (en) | 2019-12-06 | 2019-12-06 | SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102019133337A1 (en) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110258044A1 (en) * | 2004-04-28 | 2011-10-20 | Agnik, Llc | Onboard vehicle data mining, social networking, and pattern-based advertisement |
DE102012008688A1 (en) * | 2012-04-28 | 2013-10-31 | Audi Ag | Method for determining an expected consumption value of a motor vehicle |
US20140278038A1 (en) * | 2013-03-15 | 2014-09-18 | Abalta Technologies, Inc. | Vehicle Range Projection |
US20150276420A1 (en) * | 2014-03-31 | 2015-10-01 | Ford Global Technologies, Llc | Crowd sourced energy estimation |
DE102018104773A1 (en) * | 2018-03-02 | 2019-09-05 | Schaeffler Technologies AG & Co. KG | Method for determining a range of a motor vehicle |
DE102018203974A1 (en) * | 2018-03-15 | 2019-09-19 | Bayerische Motoren Werke Aktiengesellschaft | A method for an energy demand forecast of a vehicle and system for an energy demand forecast of a vehicle |
DE102015009567B4 (en) * | 2015-07-23 | 2020-02-20 | Audi Ag | Prediction of the drive power required in the motor vehicle |
-
2019
- 2019-12-06 DE DE102019133337.7A patent/DE102019133337A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110258044A1 (en) * | 2004-04-28 | 2011-10-20 | Agnik, Llc | Onboard vehicle data mining, social networking, and pattern-based advertisement |
DE102012008688A1 (en) * | 2012-04-28 | 2013-10-31 | Audi Ag | Method for determining an expected consumption value of a motor vehicle |
US20140278038A1 (en) * | 2013-03-15 | 2014-09-18 | Abalta Technologies, Inc. | Vehicle Range Projection |
US20150276420A1 (en) * | 2014-03-31 | 2015-10-01 | Ford Global Technologies, Llc | Crowd sourced energy estimation |
DE102015009567B4 (en) * | 2015-07-23 | 2020-02-20 | Audi Ag | Prediction of the drive power required in the motor vehicle |
DE102018104773A1 (en) * | 2018-03-02 | 2019-09-05 | Schaeffler Technologies AG & Co. KG | Method for determining a range of a motor vehicle |
DE102018203974A1 (en) * | 2018-03-15 | 2019-09-19 | Bayerische Motoren Werke Aktiengesellschaft | A method for an energy demand forecast of a vehicle and system for an energy demand forecast of a vehicle |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102015108270B4 (en) | PREDICTION OF VEHICLE SPEED PROFILE USING NEURAL NETWORKS | |
DE102015113701A1 (en) | Route-to-empty calculation based on route for a vehicle | |
EP1741591B1 (en) | Method for predicting driving situations in a vehicle | |
DE112010005366B4 (en) | ROUTE SEARCH DEVICE | |
DE102015208380A1 (en) | Vehicle energy management device | |
DE102014222513B4 (en) | Method of operating a hybrid or electric vehicle | |
DE102017209667A1 (en) | Storage of velocity information for the prediction of the future velocity trajectory | |
DE102015116600A1 (en) | SYSTEM AND METHOD FOR ESTIMATING THE AVAILABLE TRACK LENGTH | |
DE102017211689A1 (en) | Method for route planning and route optimization for an electrically driven vehicle | |
DE102012214598A1 (en) | A system and method for assisting the driver in driving an electric vehicle in a more environmentally friendly efficient manner | |
DE102012008688A1 (en) | Method for determining an expected consumption value of a motor vehicle | |
DE102015103267A1 (en) | Travel partitioning based on energy consumption driving patterns | |
DE102016210453A1 (en) | Vehicle, system in communication with a communication module of the vehicle, and system in communication with a group of vehicles | |
DE102018203974A1 (en) | A method for an energy demand forecast of a vehicle and system for an energy demand forecast of a vehicle | |
DE102020210561A1 (en) | Method for operating a motor vehicle with a drive train having at least one traction motor powered by a traction battery | |
DE102010041616A1 (en) | Method for detecting power consumption i.e. fuel consumption, of motor vehicle, for track section e.g. urban track section, of driving route, involves storing normalized power consumption as property of track section | |
DE102019109561A1 (en) | Method for route planning in a navigation system of a vehicle, navigation system for a vehicle and vehicle with the same | |
DE102020119861A1 (en) | Method and assistance device for the iteratively optimized operation of a motor vehicle and motor vehicle | |
DE112017002942T5 (en) | Method and system for evaluating the operating performance of driver assistance systems associated with a vehicle | |
WO2020148051A1 (en) | Method for route planning in a navigation system of a vehicle, navigation system for a vehicle and vehicle having said navigation system | |
DE102019129807A1 (en) | Method for an energy demand prognosis of a vehicle and system for an energy demand prognosis of a vehicle | |
DE102020102883B4 (en) | COMPUTER IMPLEMENTED METHOD FOR DETERMINING A DEVIATION OF AN ESTIMATED VALUE OF AVERAGE TRAVEL TIME FOR A RUN THROUGH A ROUTE SECTION FROM A READING OF driven TRAVELING TIME FOR THE RUN THROUGH THE ROUTE SECTION, SOFTWARE PROGRAM AND SYSTEM FOR DETERMINING THE DIFFERENT THE ESTIMATED VALUE OF THE AVERAGE DURATION OF THE READING driven TRAVELING TIME | |
DE102012210454A1 (en) | Method for providing data for electronic horizon for e.g. navigation apparatus of motor car, involves merging parameters from group of vehicles to data packet for electronic horizon when group of vehicles, comprises two other vehicles | |
DE102016220561A1 (en) | Method for determining driving routes for land vehicles | |
DE102019133337A1 (en) | SYSTEM AND METHOD FOR TRANSMISSION OF FLEET DATA TO A VEHICLE FOR AN ENERGY DEMAND FORECAST FOR THE VEHICLE |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication |