DE102020106704A1 - Systeme und verfahren zum bereitstellen einer prognostizierten strecke bis zu einem leeren tank für fahrzeuge - Google Patents

Abstract

Diese Offenbarung stellt Systeme und Verfahren zum Bereitstellen einer prognostizierten Strecke bis zu einem leeren Tank für Fahrzeuge bereit. Es werden Systeme und Verfahren zum Bereitstellen von Beurteilungen von prognostizierten Strecken bis zu einem leeren Tank (DTE) für Fahrzeuge, die Elektro-, Gas- oder Hybridfahrzeuge beinhalten können, offenbart. Ein beispielhaftes Verfahren beinhaltet das Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination von Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden, und Anwenden einer DTE-Funktion für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs und die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs basierend auf einer aktuellen Kapazität der Energiequelle nutzt, um eine DTE für das Fahrzeug zu bestimmen.

Description

• TECHNISCHES GEBIET
• Die vorliegende Offenbarung bezieht sich auf Systeme und Verfahren, die Beurteilungen von prognostizierten Strecken bis zu einem leeren Tank (distance-to-empty - DTE) für Fahrzeuge, die Elektro-, Gas- oder Hybridfahrzeuge beinhalten können, bereitstellen. Einige Ausführungsformen ermöglichen die Verwendung von Echtzeit-Rückmeldung und - Modellierung von Fahrzeugparametern basierend auf maschinellem Lernen.
• ALLGEMEINER STAND DER TECHNIK
• Die Strecke bis zu einem leeren Tank (DTE) ist eine Streckenzahl, welche die Strecke angibt, die ein Fahrzeug gefahren werden kann, bevor die Batterie oder die Energiequelle verbraucht ist (bei Batterieelektrofahrzeugen) oder ein Kraftstofftank leer wird (bei Fahrzeugen mit Brennkraftmaschine). Sie kann dem Fahrer im Fahrzeug-Kombiinstrument oder in mobilen Apps angezeigt werden. Bei Batterieelektrofahrzeugen ist eine genaue DTE von entscheidender Bedeutung, um die Reichweitenangst eines Kunden zu reduzieren und den Komfort und das Vertrauen des Kunden beim Fahren des Fahrzeugs zu erhöhen. Wenn die DTE nicht genau ist, können die Kunden natürlich im Nachteil sein. In Anwendungsfällen, wie etwa bei Batterieelektrofahrzeugen (battery electric vehicles - BEVs) wird der Benutzer möglicherweise davon abgehalten, einen zukünftigen Kauf eines Elektrofahrzeugs in Betracht zu ziehen. Diese Nachteile können sich auch negativ auf die Meinung anderer potenzieller Kunden zu den Fahrzeugen auswirken, insbesondere zu Batterieelektrofahrzeugen.
• KURZDARSTELLUNG
• Es werden Systeme und Verfahren zum Bereitstellen von Beurteilungen von prognostizierten Strecken bis zu einem leeren Tank (DTE) für Fahrzeuge, die Elektro-, Gas- oder Hybridfahrzeuge beinhalten können, offenbart. Ein beispielhaftes Verfahren beinhaltet das Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination von Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden, und Anwenden einer DTE-Funktion für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs und die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs basierend auf einer aktuellen Kapazität der Energiequelle nutzt, um eine DTE für das Fahrzeug zu bestimmen.
• Figurenliste
• Die detaillierte Beschreibung ist unter Bezugnahme auf die beigefügten Zeichnungen dargelegt. Die Verwendung der gleichen Bezugszeichen kann ähnliche oder identische Elemente angeben. Verschiedene Ausführungsformen können andere Elemente und/oder Komponenten nutzen als die in den Zeichnungen veranschaulichten und einige Elemente und/oder Komponenten können in verschiedenen Ausführungsformen nicht vorhanden sein. Elemente und/oder Komponenten in den Figuren sind nicht zwingend maßstabsgetreu gezeichnet. In dieser Offenbarung können in Abhängigkeit vom Kontext Singular- und Pluralterminologie austauschbar verwendet werden.
• 1 stellt eine veranschaulichende Architektur dar, in der Techniken und Strukturen zum Bereitstellen der in der vorliegenden Schrift offenbarten Systeme und Verfahren umgesetzt sein können.
• 2 ist ein beispielhafter Signalfluss oder ein schematischer Fluss eines Schätzprozesses der Strecke bis zu einem leeren Tank, der gemäß verschiedenen hierin offenbarten Ausführungsformen durchgeführt werden kann.
• 3A ist eine beispielhafte schematische Darstellung eines Prozesses zum Berechnen einer geschätzten DTE in einem Fahrtzeitraum.
• 3B ist eine beispielhafte schematische Darstellung eines Prozesses zum Berechnen einer geschätzten DTE in einem Zeitraum nach der Fahrt.
• 4 ist ein Ablaufdiagramm eines beispielhaften Verfahrens, das gemäß verschiedenen hierin offenbarten Ausführungsformen durchgeführt werden kann.
• DETAILLIERTE BESCHREIBUNG
• Überblick
• In einigen Ausführungsformen stellen die hierin offenbarten Systeme und Verfahren DTE-Analysen für Fahrzeuge sowie umsetzbare Rückmeldungen an Benutzer über eine Mensch-Maschine-Schnittstelle des Fahrzeugs bereit. Im Allgemeinen kann jedes Fahrzeug die hierin offenbarten prognostizierten DTE-Systeme und -Verfahren nutzen, aber einige Anwendungsfälle ermöglichen eine Reduzierung der Benutzerangst und verbessern die Akzeptanz bestimmter Fahrzeugtypen, wie z.B. Batterieelektrofahrzeugen. Die vorliegenden Systeme und Verfahren können Informationen zur historischen Energieverbrauchsrate von Fahrzeugen (in der Einheit von kWh/km) verwenden. Die tatsächliche DTE hängt stark von zukünftigen Fahr- und Umgebungsinformationen ab, einschließlich zukünftiger Änderungen der Temperatur, der Geschwindigkeitsverteilung und der Reisehöhe - um nur einige zu nennen. Somit stellen die vorliegenden Systeme und Verfahren verschiedene Mittel zum Erhalten und Verwenden von prognostizierten und zukünftigen Daten zum Verbessern von DTE-Berechnungen bereit.
• Im Allgemeinen sind die vorliegenden Systeme und Verfahren in einigen Ausführungsformen dazu konfiguriert, eine Fahrzeugkonnektivität zu verwenden, um prognostizierte Informationen von einem Cloud-System (Dienstanbieter) oder anderen Ressourcen von Drittanbietern zu erhalten und diese Informationen zu verwenden, um eine optimierte Schätzung der DTE für Batterieelektrofahrzeuge (BEV) bereitzustellen. In einigen Ausführungsformen kann diese prognostizierte DTE mit oder ohne Fahrtrouteninformationen von einer Navigationsvorrichtung des Fahrzeugs oder einem Navigationsdienstanbieter verwendet werden.
• In verschiedenen Ausführungsformen beinhalten verfügbare Daten für DTE-Schätzungen, die gemäß der vorliegenden Offenbarung durchgeführt werden, unter anderem historische Informationen, die aus dem Fahrzeugbetrieb erlernt wurden, Informationen über eine Navigationskarte und eine Höhe, die entweder an Bord oder von einem Dienstanbieter (z. B. einem Cloud-System) erhalten wurden, und Informationen, die von dem Cloud-System erhalten wurden, über Verkehr und/oder Wettervorhersagen. Die Informationen von dem Dienstanbieter oder dem Drittanbietersystem sind informativ, da Verkehrsstaus und zukünftige Temperaturen einen Einfluss auf die DTE-Schätzungen haben. Das Einbeziehen von Verkehrs- und Wettervorhersagedaten in die hierin offenbarten DTE-Analysen verbessert die Genauigkeit der DTE-Schätzung erheblich.
• Im Allgemeinen beinhalten Fahrzeuge, die zur Verwendung gemäß der vorliegenden Offenbarung ausgestaltet sind, eine Fahrzeugsteuerung, die dazu konfiguriert sein kann, Aspekte des maschinellen Lernens durchzuführen. Beispielsweise kann die Fahrzeugsteuerung in einer Lernphase Parameter erlernen, die den Fahrstil eines Fahrers, die Klimaanlagenpräferenzen, die Verwendung von Fahrzeugzubehör und den durchschnittlichen wöchentlichen Fahrzeugbetriebsplan beschreiben können. Wenn der Fahrer einen Fahrplan über die Navigationsfunktion des Fahrzeugs bereitstellt, kann die Fahrzeugsteuerung mit dem Dienstanbieter kommunizieren, um die Verkehrsgeschwindigkeit und die Außentemperatur für eine geplante Fahrt oder Route zu ermitteln. Anschließend kann die Fahrzeugsteuerung diese Daten mit Höhendaten (die entweder aus einer fahrzeuginternen Karte oder einer Karte eines Dienstanbieters stammen) und erlernten Parametern (zu Fahrstil und Klimaanlagenpräferenzen) kombinieren, um den Energieverbrauch für die geplante Route abzuschätzen. Die Fahrzeugsteuerung kann auch Wettervorhersagedaten von dem Dienstanbieter erhalten und die Wettervorhersagedaten mit erlernten Parametern (zum Beispiel Fahrstil, Klimaanlagenpräferenzen und Wochenplan) kombinieren, um eine Energieverbrauchsrate für einen zukünftigen Zeitrahmen zu schätzen, der sich verlängert, wenn die geplante Fahrt abgeschlossen ist.
• Schließlich kann die Fahrzeugsteuerung auch die geschätzten Energienutzungsinformationen kombinieren und eine DTE-Schätzung ad-hoc bereitstellen, mit oder ohne Bezug zu einer geplanten Route. In einigen Ausführungsformen können Aspekte der Routenplanung Berechnungen eines Fahrtzeitraums (Reichweite während einer Fahrt) einer geplanten Route sowie eines Zeitraums nach der Fahrt (Reichweite abseits der Fahrt) der geplanten Route beinhalten.
• Das heißt, dass die vorliegenden DTE-Schätzsysteme und -verfahren können mit oder ohne geplante Route ausgeführt werden können. Wenn der Fahrer kein Navigationssystem verwendet, können die vorliegenden Systeme und Verfahren die DTE-Genauigkeit verbessern, indem sie Wettervorhersagedaten von dem Dienstanbieter einbeziehen und DTE-Änderungen aufgrund des Energieverbrauchs der Klimaanlage berücksichtigen. Diese und andere Aspekte und Vorteile der vorliegenden Offenbarung werden hierin unter Bezugnahme auf die Gesamtheit der Zeichnungen genauer beschrieben.
• Veranschaulichende Architektur
• Unter Bezugnahme auf die Zeichnungen stellt 1 eine veranschaulichende Architektur 100 dar, in der Techniken und Strukturen der vorliegenden Offenbarung umgesetzt sein können. Die veranschaulichende Architektur 100 kann einen Dienstanbieter 102, ein Fahrzeug 104 und ein Netzwerk 106 beinhalten. Das Netzwerk 106 kann einen beliebigen oder eine Kombination aus mehreren unterschiedlichen Netztwerkypen beinhalten, wie etwa Kabelnetzwerke, das Internet, drahtlose Netzwerke und andere private und/oder öffentliche Netzwerke. In einigen Fällen kann das Netzwerk 106 Mobilfunk, Wi-Fi oder Wi-Fi Direct beinhalten. In einigen Ausführungsformen kann die Architektur 100 ein oder mehrere Systeme von Drittanbietern umfassen, wie etwa das System 107 eines Drittanbieters, das externe Daten bereitstellt, die sich auf Aspekte, wie etwa Wetterdaten oder Verkehrsdaten, beziehen. Der Dienstanbieter 102 kann in einer Cloud-Computing-Umgebung oder als virtueller oder physischer Server umgesetzt sein. In einigen Ausführungsformen umfasst der Dienstanbieter 102 mindestens einen Prozessor 101 und einen Speicher 103. Der Prozessor 101 ist dazu konfiguriert, im Speicher 103 gespeicherte Anweisungen auszuführen, um eine oder mehrere der hierin offenbarten DTE-Schätzfunktionen entweder allein oder in Verbindung mit dem Fahrzeug 104 (insbesondere der nachfolgend offenbarten Fahrzeugsteuerung 108) bereitzustellen.
• Im Allgemeinen umfasst das Fahrzeug 104 eine Fahrzeugsteuerung 108, die einen Prozessor 110 und einen Speicher 112 umfasst. Der Speicher 112 umfasst Module, wie etwa ein fahrzeuginternes Modul 114 für maschinelles Lernen, ein Datenaggregationsmodul 116 und ein Rückkopplungskomparatormodul 118. Das Fahrzeug 104 umfasst im allgemeinen ein Antriebsstrangsystem 105, ein Klimaanlagensystem 107, ein oder mehrere Fahrzeugzubehörteile 109 und eine Energiequelle 111. Der Dienstanbieter 102 beinhaltet außerdem ein Effizienzvorhersagemodul 120, das DTE-Berechnungen oder -Schätzungen durchführt. Jedes dieser Elemente oder Module wird im Hinblick auf einzelne und gemeinsame Vorgänge in Bezug auf 2 erörtert.
• In einigen Ausführungsformen können die Merkmale und Funktionen der vorliegenden Offenbarung, die sich auf die DTE-Schätzung beziehen, vollständig von dem Dienstanbieter 102 durchgeführt werden. In anderen Ausführungsformen können die DTE-Schätzungen am Fahrzeug durch die Fahrzeugsteuerung 108 durchgeführt werden und in anderen Ausführungsformen kann die DTE-Schätzung gemeinsam von dem Dienstanbieter 102 und der Fahrzeugsteuerung 108 ausgeführt werden, wie hierin ausführlicher beschrieben wird.
• Die 1 und 2 veranschaulichen gemeinsam einen beispielhaften Anwendungssignalfluss, bei dem die Fahrzeugsteuerung 108 des Fahrzeugs 104 verschiedene Ausgabearten bereitstellt, die von Komponenten des Dienstanbieters 102 verwendet werden können. In einigen Ausführungsformen erfasst und aktualisiert die Fahrzeugsteuerung 108 kontinuierlich oder periodisch Signale 124, die sich auf eine Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs beziehen. In einigen Ausführungsformen wird diese Aufgabe des kontinuierlich an Bord ausgeführt und aktualisiert erlernte Parameter. Diese erlernten Parameter zeigen an, wie ein Fahrer des Fahrzeugs 104 Energie in verschiedenen Szenarien verwendet und wann das Fahrzeug 104 normalerweise an jedem Wochentag betrieben wird.
• In verschiedenen Ausführungsformen können Sollwerte für Parameter verwendet werden, bevor ein Lernen beginnt. Während das Fahrzeug 104 arbeitet, kann das fahrzeuginterne Modul 114 für maschinelles Lernen der Fahrzeugsteuerung 108 ausgeführt werden, und die Parameter können aktualisiert werden, um ein Verhalten des Fahrzeugs darzustellen. Die Vielzahl von erlernten Parametern kann in dem Speicher 112 der Fahrzeugsteuerung 108 an Bord gespeichert werden. In einigen Ausführungsformen kann die Vielzahl von erlernten Parametern auch zum Speichern zu dem Dienstanbieter 102 hochgeladen werden. In einigen Ausführungsformen kann die Vielzahl von erlernten Parametern bei Bedarf für eine asynchrone Übertragung von dem Fahrzeug 104 zu dem Dienstanbieter 102 gestapelt werden.
• Das Effizienzvorhersagemodul 120 des Dienstanbieters 102 kann dazu konfiguriert sein, die Signale 126 als DIE-Eingabe sowie die erlernten Parameter, den aktuellen Fahrzeugstatus sowie Verkehrs- und Wetterinformationen zu nutzen, die aus dem System eines Drittanbieters erhalten werden (zusammen externe Cloud-API 122, die verwendet wird, um auf das/die System(e) 107 eines Drittanbieters zuzugreifen). Das Effizienzvorhersagemodul 120 kann ausgeführt werden, wenn eine DTE-Berechnungsanforderung angefordert wird. Wiederum empfängt das Effizienzvorhersagemodul 120 DTE-Werte von Eingangssignalen 126 von einzelnen Fahrzeugmodulen oder insgesamt von der Fahrzeugsteuerung 108. Das Effizienzvorhersagemodul 120 berechnet DTE-Schätzwerte 123 und kann auch DTE-Schätzwerte zur Anzeige auf einer Mensch-Maschine-Schnittstelle (HMI) 128 des Fahrzeugs 104 ausgeben.
• Gemäß einigen Ausführungsformen kann das Rückkopplungskomparatormodul 118 der Fahrzeugsteuerung 108 ausgeführt werden, um den geschätzten Energieverbrauch mit dem tatsächlichen Energieverbrauch für eine Fahrt mit einer bekannten Route zu vergleichen. Das Rückkopplungskomparatormodul 118 kann Signale 130 zum Rückkopplungsvergleich von der Fahrzeugsteuerung 108 empfangen. Das Ergebnis kann in einigen Ausführungsformen auf der HMI 128 angezeigt werden. In einigen Ausführungsformen kann das Rückkopplungskomparatormodul 118 überwachen, ob eine tatsächliche Route, die von dem Fahrzeug 104 genommen wird, der geplanten Route gleich oder im Wesentlichen ähnlich ist. In einigen Ausführungsformen wird kein Vergleich zwischen dem geschätzten Energieverbrauch und dem tatsächlichen Energieverbrauch vorgenommen, wenn die tatsächliche Route von der geplanten Route abweicht. Zusätzliche Details zu den Vorgängen des Rückkopplungskomparatormoduls 118 sind vorstehend bereitgestellt.
• Gemäß einigen Ausführungsformen kann das Datenaggregationsmodul 116 der Fahrzeugsteuerung 108 dazu konfiguriert sein, verschiedene Fahrzeugdaten zu erfassen und zusammenzufassen, wie z. B. Signale 132, die nicht von anderen Datenerfassungskanälen abgedeckt werden, die dem Dienstanbieter 102 von der Fahrzeugsteuerung 108 bereitgestellt werden. Da die Größe von Hochfrequenzdaten zu groß sein kann, um direkt an den Dienstanbieter 102 gesendet zu werden, kann ein gewisses Maß an fahrzeuginterner Zusammenfassung umgesetzt werden. Das Datenaggregationsmodul 116 der Fahrzeugsteuerung 108 kann kontinuierlich (oder periodisch) an Bord des Fahrzeugs ausgeführt werden, sodass die Fahrzeugsteuerung 108 diese Daten mit einer niedrigeren Frequenz an den Dienstanbieter 102 übertragen kann. Beispielsweise kann die Fahrzeugsteuerung 108 zusammengefasste Daten nach jeder Fahrt oder zu Beginn oder am Ende eines jeden Tages übertragen. Die hochgeladenen Daten können zur weiteren Analyse durch den Dienstanbieter 102 gespeichert werden. Zusätzliche Details bezüglich des Erfassens und Beurteilens einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs werden hierin ausführlicher bereitgestellt.
• Gemäß einigen Ausführungsformen können Energieverbrauchs- und Energieverbrauchsratenwerte über zwei unterschiedliche Abschnitte oder Zeiträume einer geplanten Route berechnet werden. In einigen Ausführungsformen wird der DTE-Wert unter Verwendung einer Zusammenfassung oder einer Kombination von zwei Energieschätzungen berechnet. Wie vorstehend erwähnt, können diese Zeiträume einen Fahrzeitraum umfassen und/oder einen Zeitraum nach einer Fahrt beinhalten. Für den Fahrzeitraum kann ein Gesamtenergieverbrauch (kWh) durch das Effizienzvorhersagemodul 120 des Dienstanbieters 102 geschätzt werden. Wetterdaten und Verkehrsgeschwindigkeitsdaten können in der Energiechätzung durch das Effizienzvorhersagemodul 120 verwendet werden. Für den Zeitraum nach einer Fahrt (z. B. von dem Ende der Fahrt bis zum Verbrauch der Energiequelle 111) kann eine Gesamtenergierate (kWh/km) für den Zeitraum nach der Fahrt geschätzt werden. Wettervorhersagedaten können in der Energieverbrauchsschätzung nach der Fahrt ebenfalls verwendet werden. Im Allgemeinen wird auch verfügbare Batterieenergie bestimmt (auch als aktuelle Kapazität einer Energiequelle 111 des Fahrzeugs 104 bezeichnet). Dieser Wert kann von der Fahrzeugsteuerung 108 erhalten werden.
• Im Allgemeinen beinhaltet ein beispielhaftes Verfahren oder ein beispielhafter Algorithmus zum Schätzen der DTE über beide dieser Zeiträume das Bestimmen eines verfügbaren Energieniveaus der Energiequelle 111 und das Subtrahieren eines vorhergesagten Energieverbrauchs (z. B. Effizienz) für einen Fahrzeitraum. Diese Berechnung stellt für jeden Zeitraum nach einer Fahrt ein restliches Energieniveau der Energiequelle 111 bereit, das verwendet werden kann, um einen restlichen DTE-Wert für die Energiequelle 111 zu bestimmen. Wenn eine Strecke nach einer Fahrt bekannt ist, kann diese in Kombination mit dem restlichen Energieniveau der Energiequelle 111 und einer prognostizierten Energienutzung (z. B. Effizienz) für den Zeitraum nach der Fahrt verwendet werden, um eine DTE über die beiden Zeiträume hinweg zu berechnen.
• Genauer gesagt, wenn eine Strecke einer Fahrt mit einer bekannten Route D_trip ist, die Batterieenergie, die vor einer Fahrt verfügbar ist (aktuelle Kapazität der Energiequelle 111 des Fahrzeugs 104), E_bat ist, der prognostizierte Gesamtenergieverbrauch für die Fahrt E_trip ist, die prognostizierte Gesamtenergierate über die Fahrt hinaus ist (z. B. Zeitraum nach der Fahrt) η_beyond ist, wird der DTE-Wert wie folgt berechnet: $D_{DTE}=D_{trip}+\frac{E_{bat}-E_{trip}}{{\eta }_{beyond}}.$

  
• Eine prognostizierte Gesamtenergierate über die Fahrt hinaus η_beyond wird berechnet durch das Bestimmen einer Strecke des Betriebs des Fahrzeugs nach einer Fahrt unter Verwendung eines geeigneten Verfahrens (siehe vorstehend offenbarte Beispiele). Dann beinhaltet das Verfahren das Schätzen des Energieverbrauchs über den Betrieb des Fahrzeugs nach einer Fahrt (z. B. Zeitraum nach einer Fahrt) und dann das Schätzen der Energierate über den Zeitraum nach der Fahrt des Fahrzeugs.
• Diese geschätzte Energierate kann als Energierate vom Ende der Fahrt bis zum Verbrauch der Energiequelle 111 des Fahrzeugs 104 verwendet werden, um den DTE-Wert zu berechnen. Es versteht sich, dass die Schätzungen des Betriebs nach einer Fahrt geringfügig länger oder kürzer sein können als die gesamte DTE-Schätzung, da sie berechnet werden können, bevor die DTE-Schätzung erhalten wird. Dies ist akzeptabel, da angenommen wird, dass die durchschnittliche Energierate während des Betriebs nach einer Fahrt des Fahrzeugs und der DTE-Bereich bezüglich des Wertes sehr nahe beieinander sind.
• Die folgenden Absätze stellen Beschreibungen von Energieverbrauchsmodellen zur Verwendung gemäß der vorliegenden Offenbarung bereit. In einigen Ausführungsformen kann die von dem Fahrzeug 104 verbrauchte Energie in vier Kategorien unterteilt werden (z. B. eine Vielzahl von Energieverbrauchsparametern): (1) Energie, die zum Antreiben der Räder durch das Antriebsstrangsystem 105 verwendet wird, (2) Energie, die zur Klimaregelung durch das Klimaanalgensystem 107 verwendet wird, (3) Energie, die für Zubehör durch das eine oder die mehreren Fahrzeugzubehörteile 109 verwendet wird, und (4) Energieverlust aufgrund externer Faktoren (z. B. niedriger Temperatur).
• In einigen Ausführungsformen kann der Energieverbrauch für das Antriebsstrangsystem 105 in sekundären Zuständen erlernt werden, wie etwa, wenn ein Anhänger von dem Fahrzeug 104 gezogen wird. Das Erlernen kann durch die Fahrzeugsteuerung 108 für zusätzliche Zustände erfolgen, die für einzelne Anhänger spezifisch sind, sodass Einstellungen vorgenommen werden können, wenn ein spezifischer Anhänger verbunden ist. Die typischen Massenbelastungen, die Fahrzeugdynamik und die aerodynamischen Eigenschaften, die der Anhänger dem Fahrzeug 104 verleiht, können über die vier vorstehend aufgeführten Parameter widergespiegelt werden, indem der Energieverbrauch für diese sekundären Zustände separat verfolgt wird. Somit kann die Fahrzeugsteuerung 108 dazu konfiguriert sein, zu bestimmen, wann eine Auslösebedingung auftritt, wie etwa, wenn ein Anhänger mit dem Fahrzeug 104 verbunden ist. Dies kann das Erfassen beinhalten, wann ein Anhänger an eine Anhängerschnittstelle des Fahrzeugs 104 angeschlossen ist.
• Für beide Teile einer geplanten Route, z. B. den Fahrzeitraum und den Zeitraum nach der Fahrt, wird der Energieverbrauch für die vier Energieverbrauchsparameter durch das fahrzeuginterne Modul 114 des maschinellen Lernens der Fahrzeugsteuerung 108 modelliert und kann berechnet werden, wenn eine DTE-Berechnungsanforderung empfangen wird. Die erlernten Energieverbrauchsraten für das Fahren in verschiedenen Szenarien sowie die prognostizierten Informationen, einschließlich Wettervorhersage, Verkehrsbedingungen und Höheninformationen, können in den Energieverbrauchsmodellen verwendet werden, um eine genaue Schätzung der DTE bereitzustellen.
• 3A ist eine schematische Darstellung, die Energieverbrauchsdatenberechnungen veranschaulicht, die für einen Fahrzeitraum einer geplanten Route durchgeführt werden. Dieser Prozess wird als Bestimmen einer Vielzahl von Energieverbrauchsparametern für ein Fahrzeug auf einer geplanten Route bezeichnet. Die Vielzahl von Energieverbrauchsparametern kann als „erste“ Parameter bezeichnet werden, wenn sie in Bezug auf den Fahrzeitraum berechnet wird. Insbesondere beinhaltet der in 3A veranschaulichte Prozess das Berechnen von Energieverbrauchsdaten für einen Fahrzeitraum einer geplanten Route. Es versteht sich, dass einige Prozesse, die in den Energieverbrauchsdatenberechnungen enthalten sind, von erlernten Prozessen abgeleitet sind, wie vorstehend erwähnt. Einige Daten stammen von Drittanbieter-Ressourcen, wie etwa Wetter- und/oder Verkehrsdaten.
• In einigen Ausführungsformen beinhaltet der Prozess das Berechnen eines fahrbasierten Energieverbrauchsparameters 302 basierend auf einer beliebigen Kombination einer Strecke, die das Fahrzeug in einem Fahrzeitraum (Routen- oder Kartendaten mit Höhe 304) über eine festgelegte Straßenklasse 306 fährt, zusammen mit Echtzeit-Verkehrsdaten 308 und einer erlernten Straßenklasseneffizienz 310 für das Fahrzeug. In einigen Ausführungsformen umfasst der Prozess das Berechnen eines temperaturbasierten Energieverbrauchsparameters 312 basierend auf einer beliebigen Kombination eines erlernten temperaturbasierten Energieverlusts 314 für das Fahrzeug basierend auf Außentemperaturdaten 316 und eines erlernten kaltstartbasierten Energieverlusts 318 für das Fahrzeug, was von den Außentemperaturdaten 316 und einer aktuellen Fahrzeugtemperatur 320 (z. B. anfänglichen Fahrzeugtemperatur) abhängig ist.
• In verschiedenen Ausführungsformen umfasst der Prozess zum Berechnen der Energienutzung für einen Fahrzeitraum ferner das Berechnen eines ersten klimaanlagenbasierten Energieverbrauchsparameters 322 basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage 324, was von anfänglichen Kabinentemperaturdaten 326 und den Außentemperaturdaten 316 abhängig ist, und einer erlernten Effizienz für die Klimaanlage 330, was von den Außentemperaturdaten 316 abhängig ist. In einigen Ausführungsformen umfasst der Prozess zum Berechnen der Energienutzung für eine Fahrt ferner das Berechnen eines ersten fahrzeugzubehörbasierten Energieverbrauchsparameters 332 basierend auf einer erlernten Effizienz für Fahrzeugzubehörteile 334. In verschiedenen Ausführungsformen werden die Energieverbrauchsparameter unter Bezugnahme auf eine Fahrzeit 335 (z. B. die Länge des Fahrzeugbetriebs während eines Fahrzeitraums) berechnet.
• 3B ist eine schematische Darstellung, welche Energieverbrauchsdatenberechnungen veranschaulicht, die in einem Zeitraum nach einer Fahrt oder über die Reichweite hinweg durchgeführt werden. Die Vielzahl von Energieverbrauchsparametern kann als „zweite“ Parameter bezeichnet werden, wenn sie in Bezug auf den Zeitraum nach einer Fahrt berechnet wird. In einigen Ausführungsformen beinhaltet das Verfahren das Berechnen des Energieverbrauchs zum Betreiben des Fahrzeugs nach Abschluss der geplanten Route durch das Berechnen eines fahrbasierten Energieverbrauchsparameters 336 basierend auf einem erwarteten Energieverbrauch 338 für das Fahren des Fahrzeugs. In verschiedenen Ausführungsformen kann das Verfahren das Berechnen eines temperaturbasierten Energieverbrauchsparameters 340 basierend auf einer beliebigen Kombination eines erlernten temperaturbasierten Energieverlusts 342 für das Fahrzeug basierend auf zukünftigen Außentemperaturdaten 344 und eines erlernten kaltstartbasierten Energieverlusts 346 für das Fahrzeug, was von den zukünftigen Außentemperaturdaten 344 und einer prognostizierten Fahrzeugtemperatur 348 abhängig ist, beinhalten. Es versteht sich, dass die zukünftigen Außentemperaturdaten 344 von einer beliebigen Plattform eines Drittanbieters oder einem Dienst, der Wetterdaten bereitstellt, erhalten werden können.
• In verschiedenen Ausführungsformen kann das Verfahren das Berechnen eines klimaanlagenbasierten Energieverbrauchsparameters 350 basierend auf einer erlernten zusätzlichen vorübergehenden Energie für die Klimaanlage 352, was von prognostizierten anfänglichen Kabinentemperaturdaten 354 und den zukünftigen Außentemperaturdaten 344 abhängig ist, beinhalten. Diese Berechnung kann auch eine erlernte Effizienz für die Klimaanlage 356 beinhalten, was von den zukünftigen Außentemperaturdaten 344 abhängig ist. In einigen Ausführungsformen wird der klimaanlagenbasierte Energieverbrauchsparameter 350 ferner durch eine erwartete oder prognostizierte Anzahl an Kaltstarts 358, die auftreten kann, beeinflusst. Die prognostizierten Kaltstartmaßnahmen können auch bei der Berechnung des temperaturbasierten Energieverlustparameters 340 verwendet werden. Gemäß einigen Ausführungsformen kann das Verfahren auch das Nutzen des ersten fahrzeugzubehörbasierten Energieverbrauchsparameters 360 umfassen, was von einer erlernten Effizienz der Fahrzeugzubehörteile 362 abhängig ist. In einigen Ausführungsformen werden diese Werte in Abhängigkeit von einer erwarteten Länge einer Fahrt (Fahrzeit 364) bestimmt.
• Zusätzliche beschreibende Details bezüglich der Berechnung des Energieverbrauchs unter Verwendung der vorstehend erwähnten Vielzahl von Energieverbrauchsparametern sind in den folgenden Absätzen ausführlicher bereitgestellt. Diese Energieverbrauchsanalysen wiederum werden zuerst unter Bezugnahme auf einen Fahrzeitraum und dann in Bezug auf einen Zeitraum nach einer Fahrt erörtert.
• Im Allgemeinen ist der Energieverbrauch innerhalb des Fahrzeitraums eine Summe des Energieverbrauchs über die vier zuvor erwähnten Energieverbrauchsparameter gemäß der folgenden Gleichung: $$E_{trip}=E_{dr}+E_{cl}+E_{acc}+E_{lo}$$

  
• Es versteht sich, dass E_dr den fahrbasierten Energieverbrauchsparameter darstellt, der sich auf das Antriebsstrangsystem 105 des Fahrzeugs 104 (siehe 1) bezieht. E_cl stellt den klimaanlagenbasierten Energieverbrauchsparameter dar, der sich auf das Klimaanlagensystem 107 des Fahrzeugs 104 bezieht. In einigen Ausführungsformen stellt E_acc den fahrzeugzubehörbasierten Energieverbrauchsparameter dar, der sich auf die Fahrzeugzubehörteile 109 des Fahrzeugs 104 bezieht, und stellt E_lo den temperaturbasierten Energieverlustparameter dar und wie die Temperatur zu einem Verlust in dem Energiespeicher 111 des Fahrzeugs 104 führt.
• Der fahrbasierte Energieverbrauchsparameter E_dr innerhalb eines Fahrzeitraums kann unter Verwendung der Gleichung E_dr = Σ_i η_i· D_i berechnet werden, wobei η_i die erlernte Energierate (kWh/km oder Kilowattstunden pro Kilometer) auf der Straßenklasse i ist, wobei and D_i (km) die Strecke auf der Straßenklasse i für den Fahrzeitraum ist. Die Straßenklasse wird durch eine Durchschnittsgeschwindigkeit auf der Straße und einer Straßenneigung (anhand von Navigations- oder Kartendaten bestimmt) definiert.
• Der Wert von η_i kann in einigen Fällen direkt aus den gespeicherten erlernten Parametern erhalten werden. Der Wert von D_i kann von verarbeiteten Routendaten mit Echtzeit-Verkehrsgeschwindigkeits- und -Höheninformationen, die von einem Verkehrs- oder Navigationsdatendienst von einem Drittanbieter empfangen werden, erhalten werden.
• Der klimaanlagenbasierte Energieverbrauchsparameter E_cl kann mit der folgenden Gleichung berechnet werden: E_cl = µ_cl · t + K_cl, wobei µ_cl eine erlernte Energierate (kWh/s oder Kilowattstunden pro Sekunde) ist, um die Klimaeinstellung des Klimaanlagensystems 107 des Fahrzeugs 104 unter einer aktuellen Temperaturbedingung beizubehalten (z. B. konstante Energienutzungsrate), t (s) der Fahrzeitraum ist und K_cl (kWh) eine erlernte zusätzliche Energienutzung ist, um die aktuelle Kabinentemperatur zur Zieltemperatur zu erhöhen oder zu reduzieren (z. B. vorübergehende Energienutzung).
• Der Wert von µ_cl kann aus einer Lookup-Tabelle von erlernten Parametern erhalten werden. Die Eingabe in die Lookup-Tabelle beinhaltet in einigen Ausführungsformen die Außentemperatur T_out, die von einem Wetterdienst oder -system eines Drittanbieters (siehe System 107 eines Drittanbieters aus 1) erhalten wird. Somit wird in einigen Fällen µ_cl basierend auf einer Beziehung von µ_cl = µ_cl(T_out) bestimmt. Eine beispielhafte Lookup-Tabelle ist nachfolgend bereitgestellt: Tabelle 1

  Outside T.	<-40	-30	-20	-	30	40	>50
  Efficiency

  Wenn der Zeitrahmen für die Fahrt lang ist und die Temperaturänderung während der Fahrt aufgrund einer Änderung von Zeit und Ort signifikant ist, kann die durchschnittliche Effizienz von mehreren Temperaturwerten verwendet und mit ${\mu }_{cl}=\frac{{\mu }_{cl}\left(T_{out\mathrm{,1}}\right)+{\mu }_{cl}\left(T_{out\mathrm{,2}}\right)+\dots +{\mu }_{cl}\left(T_{out,n}\right)}{n}$

  

  berechnet werden, wobei der Wert des Fahrzeitraums t von dem Navigationssystem oder der Fahrzeugsteuerung des Fahrzeugs geschätzt wird. Der Wert von K_cl kann aus einer anderen beispielhaften Lookup-Tabelle von erlernten Parametern erhalten werden. Die Eingaben in die Lookup-Tabelle sind die anfängliche Kabinentemperatur T_cab und die Außentemperatur T_out. Somit gilt: K_cl = K_cl (T_cab, T_out). In einigen Ausführungsformen wird die Kabinentemperatur von dem Fahrzeug erhalten und wird die Außentemperatur von einem Wetterdatendienst oder -system eines Drittanbieters erhalten. Tabelle 2

  Initial cabin T. \Outside T.	<-40	-30	-20	-	30	40	>50
  <-40
  -
  >50

• Der fahrzeugzubehörbasierte Energieverbrauchsparameter kann unter Verwendung von E_acc = µacc · t berechnet werden, wobei µ_acc die erlernte Energierate (kWh/s) für die Zubehörenergie ist und and t der Fahrzeitraum ist. Der Wert von µ_acc kann direkt aus den erlernten Parametern erhalten werden.
• Der temperaturbasierte Energieverlustparameter (z. B. Energieverlust als Folge von äußeren Faktoren) kann unter Verwendung von E_lo = µ_lo · t + K_lo berechnet werden, wobei µ_lo die erlernte Energierate (kWh/s) ist, um die Fahrzeugtemperatur unter der aktuellen Temperaturbedingung zu halten (konstante Energienutzungsrate), t der Fahrzeitraum ist und K_lo die erlernte zusätzliche Energienutzung für das Erhöhen der aktuellen Fahrzeugtemperatur auf die Zieltemperatur ist (vorübergehende Energienutzung). Der Wert von µ_lo wird aus der Lookup-Tabelle 1 erhalten, welche die erlernten Parameter beinhaltet. Die Eingabe in die Lookup-Tabelle ist die Außentemperatur T_out. Wiederum wird in einigen Ausführungsformen µ_lo gemäß einer Beziehung µ_lo = µ_lo(T_out) bestimmt. Wenn die Fahrt lang ist und die Temperaturänderung während der Fahrt aufgrund einer Änderung von Zeit und Ort signifikant ist, kann die durchschnittliche Effizienz von mehreren Temperaturwerten verwendet werden. Die folgende Gleichung kann verwendet werden, um den durchschnittlichen Wert ${\mu }_{lo}=\frac{{\mu }_{lo}\left(T_{out\mathrm{,1}}\right)+{\mu }_{lo}\left(T_{out\mathrm{,2}}\right)+\dots +{\mu }_{lo}\left(T_{out,n}\right)}{n}$

  

  zu berechnen, wobei der Wert von K_lo aus einer Lookup-Tabelle 2 der erlernten Parameter erhalten wird. Die Eingaben in die Lookup-Tabelle sind die anfängliche Kabinentemperatur T_cab und die Außentemperatur T_out . In einigen Ausführungsformen gilt K_l0 = K_lo (T_cab, T_out).
• Die folgende Beschreibung stellt Einzelheiten zur Berechnung des Energieverbrauchs für den Betrieb des Fahrzeugs nach Abschluss der geplanten Route bereit. Dieser Zeitraum wurde als Zeitraum nach einer Fahrt oder prognostizierte Reichweite über die Fahrt hinaus bezeichnet. Dieser Zeitraum beginnt am Ende des Fahrzeitraums, für den eine Route bekannt ist, und endet an einem ungefähr geschätzten Ende der DTE. Die grob geschätzte DTE verwendet den folgenden DTE-Algorithmus: D_beyond,start = D_trip und $D_{beyond,end}=D_{trip}+\frac{E_{bat}-E_{trip}}{{\eta }_{ave}},$

  

  wobei η_ave die durchschnittliche Gesamtenergierate (kWh/km) ist. In einigen Ausführungsformen ist dies eine vorkalibrierte Konstante. Somit gilt in einigen Ausführungsformen: D_beyond = D_beyond,end - D_beyond,start.
• Es ist anzumerken, dass diese Strecke angepasst werden kann, da D_beyond,end angepasst werden kann. Wenn der Zeithorizont dieser Strecke beispielsweise länger als 10 Tage beträgt, kann er unter Verwendung von historischen wöchentlichen Betriebsdaten auf eine geschätzte Fahrstrecke von 10 Tagen gekürzt werden, wenn der Wetterbericht nur für 10 Tage verfügbar ist. Wiederum ist die Startzeit für den Zeitraum nach einer Fahrt oder die prognostizierte Reichweite über die Fahrt hinaus die Endzeit des Fahrzeitraums mit der bekannten Route. Dessen Endzeit wird unter Verwendung der Tabelle mit dem erlernten wöchentlichen Betriebsmuster bestimmt (weitere Einzelheiten zu den erlernten Parametern sind vorstehend beschrieben). Ein Beispiel für die Tabelle mit dem erlernten wöchentlichen Betriebsmuster ist in Tabelle 3 unten gezeigt. Tabelle 3

  —	Mon. 0-2 am	Mon. 2-4 am	Mon. 4-6 am	-	Tue. 6-8 am	Tue. 8-10 am	-	Fri. 4-6 pm	-
  Average distance (km)	05	0	0	-	10	1	-	15	-
  Average trip time (s)	30	0	0	-	1600	60	-	1700	-
  Average energy for driving (kWh)	0.2	0	0	-	2	0.2	-	2.5	-
  Averagenumber of cold start	0.1	0	0	-	0.9	0	-	0.8	-
  Average temperature difference of cold start (T_cab-T_out)	-10	0	0	-	0.9	0	-	0.8	-

• In einigen Ausführungsformen kann eine durchschnittliche Fahrstrecke in jedem Zeitfenster in einer Woche in Tabelle 3 als erlernte Parameter gespeichert werden. Beginnend mit einem Beginn des Zeitraums nach einer Fahrt, nachdem die prognostizierte Reichweite erreicht wurde, kann die Endzeit unter Verwendung von Tabelle 4 ermittelt werden. Tabelle 4

  =	Mon. 0–2 am	Mon. 2-4 am	Mon. 4-6 am	-	Tue. 6-8 am	Tue. 8-10 am	-	Fri. 4-6 pm	-
  Average distance (km)	0.5	0	0	-	10	1	-	15	-
  		Beyond the trip prediction horizon -e.g. 120 km

• Wenn die Reichweite das Ende einer Woche erreicht, sollte sie in einigen Ausführungsformen in der nächsten Woche fortgesetzt werden. Das Vorgangsmuster für die nächste Woche entspricht in verschiedenen Ausführungsformen der gespeicherten Tabelle. In anderen Ausführungsformen, wenn das Ende der Reichweite mehr als 10 Tage nach einem aktuellen Tag liegt, kann sie am 10. Tag abgebrochen werden und die Strecke für den Zeitraum nach einer Fahrt oder die prognostizierte Reichweite über die Fahrt hinaus D_beyond kann ebenfalls entsprechend angepasst werden. Es versteht sich, dass die neue Strecke eine Summe der durchschnittlichen Fahrstrecken vom Beginn der Reichweite bis zum Ende des 10. Tages beinhalten kann. Während Beispiele mit 10 Tagen hierin bereitgestellt wurden, können andere Zeitrahmen gleichermaßen genutzt werden.
• Das Verfahren kann auch das Abbauen des Energieverbrauchs im Zeitraum nach der Fahrt beinhalten. Der Energieverbrauch in dem Zeitraum nach der Fahrt kann als eine Summe des Energieverbrauchs in jedem Zeitfenster in dem Zeitraums nach der Fahrt wie folgt berechnet werden: E_beyond = Σ_j E_beyond,j. Die Zeitfenster können genauso wie die Zeitfenster bei dem Erlernen des wöchentlichen Betriebsmusters definiert sein. Unter erneuter Bezugnahme auf Tabelle 4 ist es sehr wahrscheinlich, dass das erste Zeitfenster (Mo. 0-2 Uhr) und das letzte Zeitfenster (Fr. 16-18 Uhr) nur teilweise von der prognostizierten Reichweite abgedeckt werden können. In diesem Beispiel können verschiedene Ausgleichsprozesse verwendet werden. In einem Prozess kann das System davon ausgehen, dass es sich dabei um ein vollständig enthaltenes Zeitfenster handelt, und die Strecke für die prognostizierte Reichweite für den Zeitraum nach einer Fahrt entsprechend anpassen. In anderen Ausführungsformen kann das System ein oder mehrere Zeitfenster verwerfen und die Strecke für die prognostizierte Reichweite für den Zeitraum nach einer Fahrt entsprechend anpassen. In noch einer weiteren Ausführungsform können eines oder mehrere der Fenster als teilweise enthaltenes Zeitfenster betrachtet werden, und der geschätzte Energieverbrauch kann durch ein Verhältnis angepasst werden.
• In verschiedenen Ausführungsformen kann eine Berechnung des Energieverbrauchs in jedem der Zeitfenster durchgeführt werden. Innerhalb jedes Zeitfensters für jede prognostizierte Reichweite für den Zeitraum nach einer Fahrt kann die Summe des Energieverbrauchs in den vier Parametern folgendermaßen berechnet werden: E_beyond,j = E_dr + E_cl + E_acc + E_lo trip Erneut repräsentiert E_dr den fahrbasierten Energieverbrauchsparameter, repräsentiert E_cl den klimaanlagenbasierten Energieverbrauchsparameter, repräsentiert E_acc den fahrzeugzubehörbasierten Energieverbrauchsparameter und repräsentiert E_lo den temperaturbasierten Energieverlustparameter.
• In Bezug auf den fahrbasierten Energieverbrauchsparameter kann die Energie für das Antreiben der Räder in einem Zeitfenster die historische durchschnittliche Energie für das Antreiben der Räder in diesem Zeitfenster sein. Er kann direkt aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten werden.
• In Bezug auf den klimaanlagenbasierten Energieverbrauchsparameter kann die folgende Gleichung verwendet werden: E_cl = µ_cl · t + N trip K_cl, wobei µ_cl die erlernte Energierate (kWh/s) ist, t (s) die erwartete Fahrzeit ist und K_cl (kWh) die erlernte vorübergehende zusätzliche Energienutzung ist. N ist die erwartete Anzahl an Fahrten mit Kaltstarts in diesem Zeitfenster. Der Wert von µ_cl wird aus einer Lookup-Tabelle der erlernten Parameter erhalten, wie bei den vorstehend bereitgestellten Beispielen (siehe Tabelle 1). Die Eingabe in die Lookup-Tabelle ist die Außentemperatur T_out zur Zeit des Zeitfensters, die von einem Wetterdatendienst oder -system eines Drittanbieters erhalten wird. Um sicher zu sein, gilt: µ_cl = µ_cl(T_out) - In einigen Ausführungsformen kann der Wert von t aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten werden, kann der Wert von N aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten werden und kann der Wert von K_cl aus einer Lookup-Tabelle der erlernten Parameter erhalten werden (siehe zum Beispiel Tabelle 2). Die Eingabe in die Lookup-Tabelle kann die anfängliche Kabinentemperatur T_cab und die Außentemperatur Tout beinhalten In einigen Ausführungsformen gilt: K_cl = K_cl(T_cab, T_out), wobei die Kabinentemperatur unter Verwendung von Tout erhalten wird und der erwartete Temperaturunterschied ΔT aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten wird. Kurz gesagt gilt in einigen Ausführungsformen: T_cab = T_out + ΔT.
• In verschiedenen Ausführungsformen kann der fahrzeugzubehörbasierte Energieverbrauchsparameter mit E_acc = µ_acc · t berechnet werden, wobei µ_acc die erlernte Energierate (kWh/s) für die Zubehörenergie ist und t die erwartete Fahrzeit ist. Der Wert von µ_acc kann direkt von den gespeicherten erlernten Parametern erhalten werden.
• Gemäß einigen Ausführungsformen kann der temperaturbasierte Energieverlustparameter unter Verwendung der folgenden Gleichung berechnet werden: E_lo = µ_lo · t + N · K_lo, wobei µ_lo die erlernte Energierate (kWh/s) ist, t (s) die erwartete Fahrziet ist und K_lo (kWh) die erlernte vorübergehende zusätzliche Energienutzung ist. N ist die erwartete Anzahl an Fahrten mit Kaltstarts in diesem Zeitfenster. Der Wert von µ_lo wird aus einer eindimensionalen Lookup-Tabelle der erlernten Parameter erhalten. Die Eingabe in die Lookup-Tabelle ist die Außentemperatur T_out zur Zeit des Zeitfensters, die von einem Wetterdatendienst oder -system eines Drittanbieters erhalten wird. Somit gilt in einigen Ausführungsformen: µ_lo = µ_lo(T_out), wobei der Wert von t aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten wird. Der Wert von N wird aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten und der Wert von K_lo wird aus einer zweidimensionalen Lookup-Tabelle der erlernten Parameter erhalten (siehe Tabelle 2 oben). Die Eingaben in die Lookup-Tabelle sind die anfängliche Kabinentemperatur T_cab und die Außentemperatur T_out . In verschiedenen Ausführungsformen gilt: K_lo = K_lo(T_cab,T_out), wobei die Kabinentemperatur unter Verwendung von Tout erhalten wird und der erwartete Temperaturunterschied ΔT aus der Tabelle mit dem erlernten wöchentlichen Betriebsmuster erhalten wird. Kurz gesagt gilt in verschiedenen Ausführungsformen: T_cab = T_out + ΔT.
• Die Energierate für den Zeitraum nach einer Fahrt (z. B. Reichweite über die Fahrt hinaus) kann unter Verwendung des Gesamtenergieverbrauchs für die prognostizierte Reichweite für den Zeitraum nach einer Fahrt, geteilt durch die Strecke der prognostizierten Reichweite für den Zeitraum nach einer Fahrt unter Verwendung der folgenden Gleichung berechnet werden: ${\eta }_{beyond}=\frac{E_{beyond}}{D_{beyond}}.$

  
• Unter erneuter Bezugnahme auf 1, wie vorstehend angemerkt, können einige Daten, die von der Fahrzeugsteuerung des Fahrzeugs erhalten werden, in den vorstehend offenbarten zahlreichen Berechnungen nicht genutzt werden, können dennoch einen Wert für einen Fahrzeugführer, einen Fahrzeughersteller oder eine ähnliche Einheit bereitstellen. Wie vorstehend erwähnt, beinhalten außerdem einige Ausführungsformen DTE-Berechnungen, die von dem Dienstanbieter 102 und insbesondere dem Effizienzvorhersagemodul 120 des Dienstanbieters 102 durchgeführt werden. In einigen Ausführungsformen können DTE-Schätzungen an Bord des Fahrzeugs 104 von der Fahrzeugsteuerung 108 berechnet werden.
• In verschiedenen Ausführungsformen beinhalten Energieratenergebnisse, die von dem Dienstanbieter 102 an das Fahrzeug 104 übermittelt werden, nicht nur die gesamte Energierate, sondern auch zusätzliche Informationen für die fahrzeuginternen Module, um zukünftige DTE zu berechnen. Dadurch wird eine DTE-Berechnung oder -Optimierung ermöglicht, auch wenn eine Verbindung mit dem Dienstanbieter 102 verlorengegangen ist. In einigen Ausführungsformen werden Energieratenzahlen (in kWh/km) und eine Fahrlänge an das Fahrzeug 104 übermittelt. Wenn $E_{dr}^t,E_{cl}^t,E_{acc}^t,E_{lo}^t$

  

  der Energieverbrauch in vier Kategorien innerhalb des Fahrzeitraums ist, können vier Energieraten ${\eta }_{dr}^t=\frac{E_{dr}^t}{D_{trip}},{\eta }_{cl}^t=\frac{E_{cl}^t}{D_{trip}},{\eta }_{acc}^t=\frac{E_{acc}^t}{D_{trip}}$

  

  und ${\eta }_{lo}^t=\frac{E_{lo}^t}{D_{trip}}$

  

  an das Fahrzeug 104 übermittelt werden. Wenn $E_{dr}^b,E_{cl}^b,E_{acc}^b,E_{lo}^b$

  

  der Energieverbrauch in vier Kategorien für die prognostizierte Reichweite für den Zeitraum nach einer Fahrt ist, können vier Energierraten ${\eta }_{dr}^b=\frac{E_{dr}^b}{D_{beyond}},{\eta }_{cl}^b=\frac{E_{cl}^b}{D_{beyond}},{\eta }_{acc}^b=\frac{E_{acc}^b}{D_{beyondtrip}}$

  

  und ${\eta }_{lo}^b=\frac{E_{lo}^b}{D_{beyond}}$

  

  gesendet werden. Die Fahrstrecke D_trip kann ebenfalls an das Fahrzeug 104 gesendet werden.
• Gemäß einigen Ausführungsformen können Vergleiche zwischen geschätztem Energieverbrauch und tatsächlichem Energieverbrauch durchgeführt werden, um die Genauigkeit der DTE-Algorithmen zu verifizieren und Berechnungen zu verbessern oder zu optimieren. Vor dem Vergleichen des tatsächlichen Energieverbrauchs während der Fahrt mit dem prognostizierten Energieverbrauch kann es vorteilhaft sein, die tatsächliche Fahrroute mit der geplanten Fahrroute zu vergleichen. Der Routenvergleich kann an Bord unter Verwendung der Fahrzeugsteuerung 108 durchgeführt werden. Wenn also die Geometriedaten der geplanten Fahrroute an Bord nicht verfügbar sind, können derartige Daten von dem Dienstanbieter 102 an das Fahrzeug 104 gesendet werden. Die Daten der geplanten Route sind eine Sequenz von Längen- und Breitengraden für wichtige geometrische Wegpunkte entlang der Route, und derartige Daten können an das Fahrzeug 104 gesendet werden, bevor die Fahrt beginnt.
• Beispielhafte Verfahren für vollständige Berechnungen der DTE-Schätzungen sind nachfolgend bereitgestellt. Aktuelle Daten zur verfügbaren Batterieenergie E_bat können bei der Berechnung von DTE-Schätzungen verwendet werden. Eine DTE-Schätzung kann berechnet werden mit: $D_{CE-DTE}=D_{trip}+\frac{E_{bat}-E_{trip}}{{\eta }_{beyond}}=D_{trip}+\frac{E_{bat}-D_{trip}\left({\eta }_{dr}^t+{\eta }_{cl}^t+{\eta }_{acc}^t+{\eta }_{lo}^t\right)}{{\eta }_{dr}^b+{\eta }_{cl}^b+{\eta }_{acc}^b+{\eta }_{lo}^b}.$

  

  Wenn während des Fahrzeitraums die Strecke der Fahrt D ist, ist die übrige Strecke der Fahrt $D_{trip}^r=D_{trip}-D\text{ und }{D}_{CE-DTE}=D_{trip}^r+\frac{E_{bat}-D_{trip}^r\left({\eta }_{dr}^t+{\eta }_{cl}^t+{\eta }_{acc}^t+{\eta }_{lo}^t\right)}{{\eta }_{dr}^b+{\eta }_{cl}^b+{\eta }_{acc}^b+{\eta }_{lo}^b}.$

  

  Nach der Fahrt gilt: $D_{trip}^r=\mathrm{0,}$

  

  dann: $D_{CE-DTE}=\frac{E_{bat}}{{\eta }_{dr}^b+{\eta }_{cl}^b+{\eta }_{acc}^b+{\eta }_{lo}^b}.$

  
• Die folgenden Abschnitte stellen zusätzliche Details zu Aspekten des Erlernens von Parametern bereit, die unter Verwendung des fahrzeuginternen Moduls 114 des maschinellen Erlernens der Fahrzeugsteuerung 108 erzielt werden können. Während das Erlernen der Parameter an Bord umgesetzt werden kann, kann die Ausgabe des Erlernens der Parameter an Bord gespeichert sowie bei Bedarf zu dem Dienstanbieter 102 hochgeladen werden. Natürlich werden diese erlernten Parametern in den beispielhaften Prozessen der 3A und 3B verwendet.
• Die folgenden Parameter können von dem fahrzeuginternen Modul 114 des maschinellen Lernens erlernt werden. In einigen Ausführungsformen können Energieraten (kWh/km) für das Antreiben der Räder auf jeder Straßenklasse bestimmt werden. Diese werden als erlernte Straßenklasseneffizienz für das Fahrzeug bezeichnet. In einigen Ausführungsformen können diese Daten als eindimensionale Tabelle für η_i gespeichert werden, wobei es sich um die erlernte Fahrenergierate auf der Straßenklasse i handelt. In einigen Ausführungsformen kann das fahrzeuginterne Modul 114 des maschinellen Lernens konstante Energieraten (kWh/s) für die Klimaanlage bei unterschiedlichen Außentemperaturen erlernen. Erneut können diese Daten in einer eindimensionalen Lookup-Tabelle für µ_cl(T_out) gespeichert werden. In verschiedenen Ausführungsformen kann das fahrzeuginterne Modul 114 des maschinellen Lernens zusätzliche vorübergehende Energienutzung der Klimaanlage erlernen, um die aktuelle Kabinentemperatur auf die Zieltemperatur zu senken oder zu erhöhen. Wie vorstehend angemerkt, können diese Daten in einer zweidimensionalen Lookup-Tabelle für K_cl(T_cab, T_out) gespeichert werden.
• In einigen Ausführungsformen kann das fahrzeuginterne Modul 114 des maschinellen Lernens Energieraten (kWh/s) für Zubehörteile erlernen, wobei es sich um eine erlernte Anzahl µ_acc handelt. In einer oder mehreren Ausführungsformen kann das fahrzeuginterne Modul 114 des maschinellen Lernens einen konstanten Energieratenverlust als Folge von äußeren Faktoren (z. B. geringer Temperatur) (kWh/s) bei verschiedenen Außentemperaturen erlernen. Natürlich können diese Daten in einer eindimensionalen Tabelle für µ_lo(T_out) gespeichert werden. Das fahrzeuginterne Modul 114 des maschinellen Lernens kann einen zusätzlichen vorübergehenden Energienutzungsverlust als Folge von äußeren Faktoren (z. B. geringer Temperatur) erlernen, der in einer zweidimensionalen Lookup-Tabelle für K_lo (T_cab, Tout) gespeichert werden kann. Im Allgemeinen können diese verschiedenen erlernten Parameter unter Verwendung des fahrzeuginternen Moduls 114 des maschinellen Lernens bestimmt werden, welches die Signalausgabe von jedem von dem Antriebsstrangsystem 105, dem Klimaanlagensystem 107 und den einzelnen Fahrzeugzubehörteilen 109 überwacht.
• In einigen Ausführungsformen können von diesen verschiedenen Fahrzeugsystemen erfasste Daten gespeichert werden. Beispielsweise können Parameter des wöchentlichen Betriebsmusters des Fahrzeugs erhalten und in einer Tabelle oder einer anderen ähnlichen Datenstruktur gespeichert werden. Beispielsweise kann eine Woche in M Zeitfenster unterteilt werden und können die durchschnittlichen Betriebsattribute in jedem Zeitfenster erlernt und gespeichert werden. In einigen Ausführungsformen kann das fahrzeuginterne Modul 114 des maschinellen Lernens eine durchschnittliche Fahrstrecke in jedem Zeitfenster, eine durchschnittliche Fahrzeit in jedem Zeitfenster, eine durchschnittliche Anzahl an Kaltstarts der Fahrt in jedem Zeitfenster, eine durchschnittliche Energie für das Fahren in jedem Zeitfenster und einen durchschnittlichen Temperaturunterschied T_cab - T_out bei Kaltstarts der Fahrt in jedem Zeitfenster berechnen und speichern.
• In einigen Ausführungsformen, wenn Energieverbrauchsparameter erlernt wurden, können einige Initialisierungswerte verwendet werden. Das heißt, dass für den zu erlernenden Parameter x ein anfänglicher Wert x₀ gespeichert wird, bevor mit dem Erlernen durch das fahrzeuginterne Modul 114 des maschinellen Lernens begonnen wird. Diese anfänglichen Werte sollten in der Lage sein, eine angemessene DTE-Schätzung bereitzustellen, bevor das Erlernen beginnt. Wenn der im Fahrzeug gespeicherte Parameter x_st ist, ist ein neuer aktualisierter Wert für diesen Parameter x_latest und kann der neue gespeicherte Parameter als eine gewichtete Summe des alten gespeicherten Parameters und des letzten Werts aktualisiert werden. Dieser Austauschprozess wird folgendermaßen dargestellt: x_st+ = λ · x_st + (1 - λ) · x_latest, wobei λ als ein Vernachlässigungsfaktor betrachtet werden kann. In einigen Ausführungsformen kann jeder Parameter einen anderen Vernachlässigungsfaktor verwenden.
• Nachdem die Initialisierungswerte verwendet wurden, können die Berechnungen von verschiedenen Energieverbrauchsparametern unter Verwendung von Echtzeit erhaltenen Daten von den verschiedenen Komponenten des Fahrzeugs, die an einem Energieverbrauch und/oder -verlust beteiligt sind, aktualisiert werden. In einigen Ausführungsformen können die Energieraten (kWh/km) für das Antreiben der Räder auf jeder Straßenklasse aktualisiert werden. In einem Beispiel kann die durchschnittliche Geschwindigkeit v_ave des Fahrzeugs für jeden von dem Fahrzeug gefahrenen Kilometer wie folgt berechnet werden: $v_{ave}=\frac{d_{end}-d_{start}}{t_{end}-t_{start}}.$

  

  Außerdem wird eine durchschnittliche Straßenneigung θ_ave erhalten (kann von Navigationsdaten von einem Navigations- oder Kartensystem von einem Drittanbieter oder von einer fahrzeuginternen Navigations- oder Kartenfunktion erhalten werden). Die für das Antreiben der Räder während dieses Zeitraums verwendete Energie ist E_dr. Somit wird die Energieraten wie folgt berechnet: ${\eta }_{dr}=\frac{E_{dr}}{d_{end}-d_{start}}.$

  

  Wenn v_ave und θ_ave in die Straßenklasse i fallen, kann η_dr verwendet werden, um η_i zu aktualisieren, und zwar unter Verwendung der allgemeinen Parameteraktualisierungsregeln.
• Konstante Energieraten (kWh/s) für die Klimaanlage bei unterschiedlichen Außentemperaturen können ebenfalls aktualisiert werden. Während des Fahrzeugbetriebs, nach dem ersten 10 Minuten (beispielhafter Zeitrahmen, der variiert werden kann) und alle 10 Minuten ist die Klimaanlagenenergienutzung E_cl und ist die Energierate für die Klimaanlage ${\mu }_{cl}=\frac{E_{cl}}{t}.$

  

  Eine Außentemperatur ist T_amb. µ_cl und dieser Wert kann verwendet werden, um den entsprechenden Wert in der eindimensionalen Lookup-Tabelle für µ_cl(T_out) unter Verwendung der allgemeinen Parameteraktualisierungsregeln zu aktualisieren.
• Die zusätzliche vorübergehende Energienutzung der Klimaanlage, um die aktuelle Kabinentemperatur auf die Zieltemperatur zu reduzieren oder zu erhöhen, kann ebenfalls aktualisiert werden. Während des Fahrzeugbetriebs ist die Klimaanlagenenergie in den ersten 10 Minuten (beispielhafter Zeitrahmen, der variiert werden kann) E_cl. Die zusätzliche vorübergehende Energienutzung der Klimaanlage ist E_{cl_t} = E_cl - µ_cl(T_out) · t.. Die Außentemperatur ist T_amb. Die Kabinentemperatur bei Fahrbeginn T_cab· E_{cl_t} kann verwendet werden, um den entsprechenden Wert in der zweidimensionalen Lookup-Tabelle für K_cl(T_Cab, T_out) unter Verwendung der allgemeinen Parameteraktualisierungsregeln zu aktualisieren. Wenn die Fahrt kürzer als 10 Minuten ist (beispielhafter Zeitrahmen, der variiert werden kann), kann an K_cl (T_cab, T_out) in der zweidimensionalen Lookup-Tabelle keine Aktualisierung vorgenommen werden.
• In verschiedenen Ausführungsformen kann eine Energierate (kWh/s) für Zubehörteile aktualisiert werden. Während des Fahrzeugbetriebs, wenn die Zubehörenergie E_acc ist, ist die Energierate für Zubehörteile ${\mu }_{acc}=\frac{E_{acc}}{t}\cdot {\mu }_{acc}$

  

  und kann verwendet werden, um die gespeicherte Energierate für den Wert der Zubehörteile unter Verwendung der allgemeinen Parameteraktualisierungsregeln zu aktualisieren.
• In verschiedenen Ausführungsformen kann der konstante Energieratenverlust als Folge von äußeren Faktoren (z. B. geringer Temperatur) (kWh/s) unter verschiedenen Außentemperaturen aktualisiert werden. Während des Fahrzeugbetriebs, nach den ersten 10 Minuten (erneut, lediglich als Beispiel) und alle 10 Minuten ist der Energieverlust E_lo und ist die Energierate für den Energieverlust ${\mu }_{lo}=\frac{E_{lo}}{t}.$

  

  Die Außentemperatur ist T_amb. µ_cl und kann verwendet werden, um den entsprechenden Wert in der eindimensionalen Lookup-Tabelle für µ_lo(T_out) unter Verwendung der allgemeinen Parameteraktualisierungsregeln zu aktualisieren.
• Der zusätzliche vorübergehende Energienutzungsverlust als Folge von äußeren Faktoren (z. B. geringer Temperatur) kann ebenfalls in einigen Fällen aktualisiert werden. Während des Fahrzeugbetriebs ist der Energieverlust in den ersten 10 Minuten E_lo.. Der zusätzliche vorübergehende Energieverlust der Klimaanlage ist E_{lo_t} = E_lo - µ_lo (T_out) · t.. Die Außentemperatur ist T_amb. Die Kabinentemperatur bei Fahrbeginn ist T_cab · E_{lo_t} und kann verwendet werden, um den entsprechenden Wert in der zweidimensionalen Lookup-Tabelle für K_lo (T_cab, T_out) unter Verwendung der allgemeinen Parameteraktualisierungsregeln zu aktualisieren.
• Erneut, wenn die Fahrt kürzer als 10 Minuten ist (oder kürzer als der verwendete Zeitrahmen), kann keine Aktualisierung an K_lo (T_cab, T_out) in der zweidimensionalen Lookup-Tabelle vorgenommen werden.
• In einigen Ausführungsformen können Fahrzeugbetriebsmusterparameter täglich oder wöchentlich aktualisiert werden. In einigen Ausführungsformen wird eine Aktualisierung am Ende jedes Zeitfensters und/oder zu Beginn jeder Fahrt umgesetzt. Zu Beginn jeder Fahrt kann eine Überprüfung vorgenommen werden, ob Zeitfenster vorliegen, die zwischen der letzten Aktualisierung und der aktuellen Zeit nicht aktualisiert wurden. Wenn Zeitfenster vorliegen, die nicht aktualisiert wurden, kann eine Aktualisierung für diese Zeitfenster durchgeführt werden. Selbst wenn das Fahrzeug während eines Zeitfensters nicht gefahren ist, ist eine Aktualisierung erforderlich, da sich einige (aber nicht alle) der durchschnittlichen Attribute ändern können, wenn die Fahrzeit Null war. Einige Aktualisierungen werden unter Verwendung der allgemeinen Parameteraktualisierungsregeln durchgeführt. Beispielsweise kann eine durchschnittliche Fahrstrecke in jedem Zeitfenster aktualisiert werden. Die Fahrstrecke ist die Gesamtstrecke in dem Zeitfenster, die die Summe der Strecken bei mehreren Fahrten sein kann. Wenn das Fahrzeug in dem Zeitfenster nicht gefahren wird, ist der aktualisierte Wert für die durchschnittliche Fahrstrecke Null. Außerdem kann eine durchschnittliche Fahrzeit in jedem Zeitfenster aktualisiert werden. Die Fahrzeit ist die Gesamtzeit in dem Zeitfenster, die die Summe der Fahrzeit bei mehreren Fahrten sein kann. Wenn das Fahrzeug in dem Zeitfenster nicht gefahren wird, ist der aktualisierte Wert für die durchschnittliche Fahrzeit Null.
• In verschiedenen Ausführungsformen kann die durchschnittliche Anzahl an Kaltstarts der Fahrt in jedem Zeitfenster aktualisiert werden. Um sicherzugehen, ist ein Kaltstart als ein Fahrzeugstartereignis definiert, das mindestens 60 Minuten nach dem letzten Abschalten des Fahzreugs erfolgt. Wenn das Fahrzeug in dem Zeitfenster nicht gefahren wird, ist der aktualisierte Wert für die durchschnittliche Anzahl an Kaltstarts Null.
• In einigen Ausführungsformen kann eine durchschnittliche Energie für das Fahren in jedem Zeitfenster aktualisiert werden. Die Fahrzeit ist die gesamte Energie für das Antreiben der Räder in dem Zeitfenster, die die Summe von mehreren Fahrten sein kann. Wenn das Fahrzeug in dem Zeitfenster nicht gefahren wird, ist der aktualisierte Wert für die durchschnittliche Energie für das Fahren Null. Außerdem kann ein durchschnittlicher Temperaturunterschied T_cab - T_out bei Kaltstarts der Fahrt in jedem Zeitfenster aktualisiert werden. Dieser Temperaturunterschied wir bei Kaltstarts der Fahrt berechnet. Wenn in einem Zeitfenster mehrere Kaltstarts vorliegen, werden mehrere Aktualisierungen benötigt. Wenn in einem Zeitfenster kein Kaltstart stattfindet, wird dieser Wert möglicherweise nicht aktualisiert.
• Wie durchgehend erwähnt, können die hierin offenbarten Systeme und Verfahren in einigen Ausführungsformen in Echtzeit oder kontinuierlich betrieben werden, wobei Lernparameter in Echtzeit oder nahezu in Echtzeit aus einer Rückkopplung, wie etwa Vergleichen der geschätzten DTE mit der tatsächlichen DTE oder des geschätzten Energieverbrauchs mit dem empirischen oder tatsächlichen Energieverbrauch, aktualisiert werden. Um sicherzugehen, weisen Abweichungen zwischen geschätzten und tatsächlichen Werten für beliebige dieser Messungen auf die Notwendigkeit hin, die DTE- oder Energieverbrauchsverfahren zu verbessern.
• Gemäß einigen Ausführungsformen wird eine Pufferung der prognostizierten Gesamtenergie für den Fahrzeitraum mit einer bekannten Route durchgeführt. In einigen Ausführungsformen, wenn eine DTE-Schätzung berechnet wird, beinhalten die Daten, die von dem Dienstanbieter 102 an das Fahrzeug 104 gesendet werden, Informationen über die prognostizierte gesamte Energienutzung $E_{trip}^{pred}$

  

  der Fahrt, wobei $E_{trip}^{pred}=D_{trip}\left({\eta }_{dr}^t+{\eta }_{cl}^t+{\eta }_{acc}^t+{\eta }_{lo}^t\right).E_{trip}^{pred}$

  

  in der Fahrzeugsteuerung 108 gespeichert werden kann, bis eine Abweichung von einer geplanten Route detektiert wird oder die Fahrt abgeschlossen ist und der Rückkopplungsvergleich der Energie der Fahrt vorgenommen wird.
• Die Fahrzeugsteuerung 108 kann dazu konfiguriert sein, eine Abweichung einer Fahrt (z. B. einer geplanten Fahrt) zu detektieren. Der Vergleich des prognostizierten Energieverbrauchs und des tatsächlichen Energieverbrauchs kann nur dann erfolgen, wenn das Fahrzeug der Route folgt, die verwendet wird, um die DTE zu berechnen. Zwei beispielhafte Arten der Abweichungsdetektion können von der Fahrzeugsteuerung 108 umgesetzt werden, um zu bestimmen, ob das Fahrzeug der geplanten Route wirklich folgt. In einer Ausführungsform ist die Fahrzeugsteuerung 108 dazu konfiguriert, eine Abweichung unter Verwendung von GPS und der Routengeometrie zu detektieren. In einigen Ausführungsformen schließt dieser Prozess das Interpolieren von Routenwegpunkten ein. Die von dem Dienstanbieter 102 an das Fahrzeug 104 gesendeten Routengeometriedaten können eine Sequenz von Wegpunkten umfassen. Das Straßensegment zwischen zwei Punkten wird als gerade Linie betrachtet. Wenn die Strecke zwischen zwei benachbarten Punkten länger als 500 Meter ist, können ein oder mehrere Interpolationspunkte hinzugefügt werden. Die resultierende Sequenz der Punkte sollte eine maximale Strecke von 500 Metern zwischen zwei benachbarten Punkten aufweisen. Als nächstes kann die Fahrzeugsteuerung 108 eine Abweichung detektieren, indem die Strecke von dem Fahrzeug zur Route berechnet wird. Das Detektieren einer Abweichung durch das Vergleichen von GPS und Routengeometrie des Fahrzeugs kann periodisch am Fahrzeug durchgeführt werden (zum Beispiel alle 30 Sekunden oder jede Minute).
• Die Strecke von dem aktuellen GPS-Standort des Fahrzeugs zu dem nächstliegenden Wegpunkt in der Routengeometriesequenz kann berechnet werden. Es gibt einige Möglichkeiten, die Berechnung effizienter zu gestalten, als alle Punkte zu durchlaufen. In einigen Ausführungsformen kann die Fahrzeugsteuerung 108 eine k-dimensionale Struktur aller Routenwegpunkte zu Beginn der Fahrt erstellen und die k-dimensionale Struktur verwenden, um den nächstliegenden Punkt und die nächstliegende Strecke zu finden. Alternativ kann die Fahrzeugsteuerung 108 den nächstliegenden Punkt, die Routenstrecke vom Beginn zum nächstliegenden Punkt und die für die Fahrt gefahrene Strecke nachverfolgen. Die Fahrzeugsteuerung 108 kann diese Informationen verwenden, um die möglichen nächstliegenden Punkte einzugrenzen und nur ein paar Punkte zu durchlaufen, um den nächstliegenden ausfindig zu machen. Wenn die Strecke von dem Fahrzeug zum nächstliegenden Wegpunkt auf der Route größer als drei Kilometer ist, wird angenommen, dass das Fahrzeug von der geplanten Route abgewichen ist.
• In einem anderen alternativen Verfahren kann die Fahrzeugsteuerung 108 eine Abweichung des Fahrzeugs von einer geplanten Route durch Messen der Fahrstrecke detektieren. Das Detektieren einer Abweichung durch das Vergleichen der gefahrenen Strecke des Fahrzeugs und der geplanten Fahrstrecke wird in einigen Ausführungsformen am Ende der Fahrt durchgeführt. Das Ende der Fahrzeit wird durch die Strecke des aktuellen GPS-Standorts des Fahrzeugs und des Standorts des Endes der Fahrt bestimmt. Wenn die Strecke einen Schwellenwert unterschreitet, wird angenommen, dass das Fahrzeug das Ende der Fahrt erreicht hat.
• Wenn das Fahrzeug das Ende der Fahrt erreicht, wird die tatsächliche gefahrene Strecke von der Fahrzeugsteuerung 108 anhand der Differenz des Kilometerzählers zu Beginn und am Ende der Fahrt berechnet. Wenn diese gefahrene Strecke mehr als zwei Kilometer kürzer oder länger als D_trip ist (was die Fahrzeugsteuerung 108 zu Beginn der Fahrt empfangen hat, als die DTE durch den Dienstanbieter 102 berechnet wurde), wird angenommen, dass das Fahrzeug von der geplanten Fahrroute abweicht.
• In einigen Ausführungsformen kann das Rückkopplungskomparatormodul 118 ausgeführt werden, um einen tatsächlichen Energieverbrauch während der Fahrt mit dem prognostizierten Energieverbrauch während der Fahrt zu vergleichen. Nach Abschluss einer Fahrt wird der tatsächliche Energieverbrauch der Fahrt von dem Rückkopplungskomparatormodul 118 anhand der Differenz der verfügbaren Batterieenergie zu Beginn und am Ende der Fahrt berechnet, sodass Folgendes gilt: $E_{trip}^{actual}=E_{bat}\left(t_{start}\right)-E_{bat}\left(t_{end}\right).$

  

  Wenn das Fahrzeug nicht von der geplanten Fahrroute abweicht, kann die Differenz (oder relative Differenz) zwischen $\begin{array}{ccc}{E}_{trip}^{actual}& \text{und}& E_{trip}^{pred}\end{array}$

  

  durch das Rückkopplungskomparatormodul 118 berechnet werden. Der prognostizierte und der tatsächliche Energieverbrauch in jeder der vier Kategorien E_dr, E_cl, E_acc, E_lo kann ebenfalls von dem Rückkopplungskomparatormodul 118 verglichen werden. Durch das Betrachten der Differenz zwischen dem prognostizierten Wert und dem tatsächlichen Wert in jeder Kategorie kann das Rückkopplungskomparatormodul 118 Benachrichtigungen für den Fahrer erzeugen (die auf der HMI des Fahrzeugs 104 angezeigt werden), um zu erläutern, was zu dem Fehler der vorherigen DTE-Schätzung geführt hat, wenn die vorherige DTE-Schätzung ungenau war.
• Wenn beispielsweise die Differenz der Energie für die Kategorie der Klimaanlage signifikant ist, kann das Rückkopplungskomparatormodul 118 den Fahrer darüber informieren, dass der Fehler der vorherigen DTE-Schätzung auf die unerwartete Energienutzung von dem Klimaanlagensystem zurückzuführen ist. Wenn die Differenz der Energie für das Antreiben der Räder signifikant ist, kann das Rückkopplungskomparatormodul 118 zuerst die prognostizierte Fahrzeit mit der tatsächlichen Fahrzeit vergleichen. Wenn die Differenz der Fahrzeit signifikant ist, kann die Ursache für die DTE-Ungenauigkeit auf die Ungenauigkeit der Verkehrsinformationen zurückzuführen sein. Anderenfalls kann das Rückkopplungskomparatormodul 118 ableiten, dass ein Modellfehler vorliegt. Das Rückkopplungskomparatormodul 118 kann dann einen Prozess ausführen, bei dem das Modell durch das Effizienzvorhersagemodul 120 des Dienstanbieters 102 aktualisiert wird.
• Wie angemerkt, wenn das Fahrzeug periodisch gefahren wird (wie etwa alle fünf Minuten), können einige Zusammenfassungswerte, die berechnet und vorübergehend gespeichert werden, an den Dienstanbieter 102 gesendet werden. Beispielhafte berechnete Werte beinhalten Energie, die für das Antreiben der Räder des Fahrzeugs verwendet wird, Energie, die aus dem Bremsen zurückgewonnen wird, Energie für die Klimaanlage, Energie für Zubehörteile, Energieverlust und Energie für geringe Temperatur, Durchschnittsgeschwindigkeit, Geschwindigkeitsänderung, durchshcnittliches Antriebsmoment, Antriebsmomentänderung, positive Antriebsmomentzeit, durchschnittliches Bremsmoment, Bremsmomentänderung, positive Bremsmomentzeit, gefahrene Strecke, Energie der Batterie (z. B. Energiequelle), die zu Beginn (und am Ende) des Zeitraums verfügbar ist, Batterieladezustand zu Beginn (und am Ende) des Zeitraums und GPS-Standort zu Beginn (und am Ende) des Zeitraums - um nur einige zu nennen.
• In einigen Ausführungsformen werden einige Datentypen erfasst und gespeichert, wenn eine Auslösebedingung oder ein Auslöseereignis auftritt. Die folgenden Daten werden gespeichert, wenn ein bestimmter Fehler auftritt. Normalerweise sind die Ereignisse „Wertänderungen“, sofern nicht festgelegt. Der Wert zusammen mit dem Zeitstempel für das Ereignis wird in einigen Ausführungsformen vorübergehend an Bord gespeichert und an den Dienstanbieter 102 gesendet Beispielhafte Daten beinhalten Kabinentemperatur, Umgebungstemperatur, DTE-API-Aufrufeingabe und -reaktion (z. B. Kommunikationen zwischen dem Fahrzeug 104 und dem Dienstanbieter 102 bei DTE-Berechnungen), Klimaeinstellungen, Nutzbremseinstellungen und Fahrmodi, ein Benutzerprofil, ein Anhängerstatus (verbunden oder getrennt) und Stromversorgung - um nur einige zu nennen.
• 4 veranschaulicht ein beispielhaftes Ablaufdiagramm für ein Verfahren der vorliegenden Offenbarung. Das Verfahren beinhaltet im Allgemeinen einen Schritt 402 zum Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs. Diese Daten können anhand von verschiedenen historischen Energieverbrauchsraten für verschiedene Systeme im Fahrzeug bestimmt werden. Erneut können diese erlernten Parameter eine erlernte Straßenklasseneffizienz für das Fahrzeug, einen erlernten temperaturbasierten Energieverlust für das Fahrzeug, einen erlernten kaltstartbasierten Energieverlust für das Fahrzeug, eine erlernte vorübergehende zusätzliche Energie für die Klimaanlage, eine erlernte Effizienz für die Klimaanlage und eine erlernte Effizienz für die Fahrzeugzubehörteile beinhalten. Diese erlernten Parameter können verwendet werden, um Energieverbrauchsparameter zu berechnen, wie etwa einen fahrbasierten Energieverbrauchsparameter, einen temperaturbasierten Energieverbrauchsparameter, einen klimaanlagenbasierten Energieverbrauchsparameter und einen fahrzeugzubehörbasierten Energieverbrauchsparameter.
• Das Verfahren beinhaltet außerdem einen Schritt 404 zum Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination aus Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden. Dies kann Erhalten von Wetterdaten, Verkehrsdaten, Höhenänderungsdaten für verschiedene Straßenklassen und so weiter beinhalten.
• Das Verfahren beinhaltet außerdem einen Schritt 406 des Anwendens einer Funktion für die Strecke bis zu einem leeren Tank (DTE-Funktion) für die Energiequelle des Fahrzeugs. Um sicher zu sein, die distance-to-empty Die Funktion verwendet die Vielzahl von gelernten Parametern des Fahrzeugbetriebs und die Vielzahl von Vorhersageparametern des Fahrzeugbetriebs des Fahrzeugs sowie eine aktuelle Kapazität der Energiequelle, um eine DTE für die Energiequelle zu bestimmen.
• Ausführungsbeispiele
• In einigen Fällen können die folgenden Beispiele gemeinsam oder getrennt durch die hierin beschriebenen Systeme und Verfahren umgesetzt sein.
• Beispiel 1 kann ein Verfahren beinhalten, umfassend: Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination von Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden; und Anwenden einer Funktion für eine Strecke bis zu einem leeren Tank (DTE-Funktion) für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs, die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs und eine aktuelle Kapazität der Energiequelle nutzt, um eine DTE für die Energiequelle zu bestimmen.
• Beispiel 2 kann das Verfahren aus Beispiel 1 beinhalten, wobei die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs ferner Straßentypdaten umfasst und die Wetterdaten mindestens Temperaturdaten beinhalten, wobei die Straßentypdaten Echtzeit-Verkehrsgeschwindigkeit, durchschnittliche Straßenneigung und Echtzeit-Verkehrsbedingungen umfassen.
• Beispiel 3 kann das Verfahren aus Beispiel 1 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs im Laufe der Zeit und unter Bezugnahme auf einen spezifischen Fahrer erfasst wird und die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs ferner Fahrstil, Klimaanlageneinstellungen und einen durchschnittlichen wöchentlichen Fahrzeugbetriebsplan umfasst.
• Beispiel 4 kann das Verfahren aus Beispiel 1 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die DTE für einen beliebigen eines Fahrtzeitraums der geplanten Route oder eines Zeitraums nach der Fahrt berechnet wird.
• Beispiel 5 kann das Verfahren aus Beispiel 1 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, ferner umfassend: Bestimmen einer tatsächlichen Energieverbrauchsrate; und Aktualisieren der DTE-Funktion basierend auf Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate.
• Beispiel 6 kann das Verfahren aus Beispiel 5 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate berechnet werden und die DTE-Funktion nur dann aktualisiert wird, wenn das Fahrzeug die geplante Route nutzt.
• Beispiel 7 kann das Verfahren aus Beispiel 1 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei, wenn die geplante Route vollständig ist, die DTE-Funktion verwendet wird, um die DTE erneut zu schätzen, indem eine prognostizierte gesamte Energieverbrauchsrate durch Folgendes berechnet wird: Bestimmen einer Strecke eines Vorgangs nach einer Fahrt des Fahrzeugs; Schätzen eines Energieverbrauchs des Vorgangs nach der Fahrt; und Schätzen einer Energieverbrauchsrate des Vorgangs nach der Fahrt basierend auf der Strecke und dem für den Vorgang nach der Fahrt geschätzten Energieverbrauch.
• Beispiel 8 kann ein Verfahren zum Schätzen des Energieverbrauchs für ein Fahrzeug beinhalten, wobei das Verfahren Folgendes umfasst: Bestimmen einer Vielzahl von Energieverbrauchsparametern für ein Fahrzeug auf einer geplanten Route durch: Berechnen eines ersten fahrbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer Strecke, die das Fahrzeug auf einer geplanten Route über eine festgelegte Straßenklasse fährt, Echtzeit-Verkehrsdaten und einer erlernten Straßenklasseneffizienz für das Fahrzeug; Berechnen eines ersten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination eines erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den Außentemperaturdaten und einer aktuellen Fahrzeugtemperatur abhängig ist; Berechnen eines ersten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von anfänglichen Kabinentemperaturdaten und den Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den Außentemperaturdaten abhängig ist; und Schätzen des Energieverbrauchs des Fahrzeugs unter Verwendung der Vielzahl von Energieverbrauchsparametern.
• Beispiel 9 kann das Verfahren aus Beispiel 8 beinhalten, ferner umfassend das Berechnen eines Energieverbrauchs für das Betreiben des Fahrzeugs nach Abschluss der geplanten Route durch: Berechnen eines zweiten fahrbasierten Energieverbrauchsparameters basierend auf einem erwarteten Energieverbrauch für das Fahren des Fahrzeugs; Berechnen eines zweiten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination des erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf zukünftigen Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den zukünftigen Außentemperaturdaten und einer prognostizierten Fahrzeugtemperatur abhängig ist; Berechnen eines zweiten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von prognostizierten anfänglichen Kabinentemperaturdaten und zukünftigen Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den zukünftigen Außentemperaturdaten abhängig ist; und Nutzen des ersten fahrzeugzubehörbasierten Energieverbrauchsparameters.
• Beispiel 10 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die erlernte Straßenklasseneffizienz für das Fahrzeug Energieraten für das Fahren des Fahrzeugs auf einer Vielzahl von Straßenklassen umfasst.
• Beispiel 11 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die erlernte Effizienz für die Klimaanlage konstante Energieraten für die Klimaanlage des Fahrzeugs umfasst, die über einen Bereich von Außentemperaturwerten berechnet wurden.
• Beispiel 12 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die erlernte vorübergehende zusätzliche Energie für die Klimaanlage eine Berechnung der Nutzung der zusätzlichen Energie für die Klimaanlage des Fahrzeugs umfasst, um sicherzustellen, dass eine Kabinentemperatur der Kabine auf eine Zieltemperatur eingestellt wird.
• Beispiel 13 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei der erlernte temperaturbasierte Energieverlust und der erlernte kaltstartbasierte Energieverlust jeweils Verluste der konstanten Energierate umfassen, die über einen Bereich von Außentemperaturwerten berechnet wurden.
• Beispiel 14 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, ferner umfassend das Bestimmen von Betriebsmusterparametern des Fahrzeugs, die beliebige von Folgendem umfassen: eine durchschnittliche Fahrstrecke in jedem einer Vielzahl von Zeitfenstern; eine durchschnittliche Fahrzeit in jedem der Vielzahl von Zeitfenstern; eine durchschnittliche Anzahl an Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern; einen Durchschnitt des ersten fahrbasierten Energieverbrauchsparameters, der in jedem der Vielzahl von Zeitfenstern berechnet wurde; und eine durchschnittliche Temperaturdifferenz bei Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern.
• Beispiel 15 kann das Verfahren aus Beispiel 8 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, ferner umfassend das Anzeigen des Energieverbrauchs des Fahrzeugs auf einer Mensch-Maschine-Schnittstelle des Fahrzeugs.
• Beispiel 16 kann ein System beinhalten, umfassend: eine Fahrzeugsteuerung, umfassend mindestens einen Prozessor und einen Speicher, wobei der mindestens eine Prozessor im Speicher gespeicherte Anweisungen für Folgendes ausführt: Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination aus Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden; und Anwenden einer Funktion für die Strecke bis zu einem leeren Tank (DTE) für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs, die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs und eine aktuelle Kapazität der Energiequelle nutzt, um eine DTE für die Energiequelle zu bestimmen.
• Beispiel 17 kann das System aus Beispiel 16 beinhalten, wobei die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs ferner Straßentypdaten umfasst und die Wetterdaten mindestens Temperaturdaten beinhalten, wobei die Straßentypdaten Echtzeit-Verkehrsgeschwindigkeit, durchschnittliche Straßenneigung und Echtzeit-Verkehrsbedingungen umfassen, und wobei ferner die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs im Laufe der Zeit und unter Bezugnahme auf einen spezifischen Fahrer erfasst wird und die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs ferner Fahrstil, Klimaanlageneinstellungen und einen durchschnittlichen wöchentlichen Fahrzeugbetriebsplan umfasst.
• Beispiel 18 kann das System aus Beispiel 16 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei der mindestens eine Prozessor ferner die im Speicher gespeicherten Anweisungen für Folgendes ausführt: Erfassen eines Auftretens einer Auslösebedingung; erneutes Bestimmen der Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs basierend auf der historischen Energieverbrauchsrate für eine Energiequelle des Fahrzeugs angesichts der Auslösebedingung; erneutes Bestimmen der Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination der Wetterdaten oder der Navigationsdaten angesichts der Auslösebedingung; und Anwenden der Funktion für die Strecke bis zu einem leeren Tank (DTE-Funktion), welche die erneut bestimmte Vielzahl von erlernten Parametern des Fahrzeugbetriebs und die erneut bestimmte Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs nutzt, um die DTE für das Fahrzeug angesichts der Auslösebedingung neu zu berechnen.
• Beispiel 19 kann das System aus Beispiel 18 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei die Auslösebedingung die Verbindung eines Anhängers mit dem Fahrzeug umfasst.
• Beispiel 20 kann das System aus Beispiel 16 und/oder einem anderen Beispiel in der vorliegenden Schrift beinhalten, wobei der mindestens eine Prozessor ferner im Speicher gespeicherten Anweisungen für Folgendes ausführt: Bestimmen einer tatsächlichen Energieverbrauchsrate; und Aktualisieren der DTE-Funktion basierend auf Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate, wobei, wenn die geplante Route abgeschlossen ist und die aktuelle Kapazität der Energiequelle bei oder über einem leeren Schwellenwert liegt, der mindestens eine Prozessor ferner die im Speicher gespeicherten Anweisungen für Folgendes ausführt: Nutzen der DTE-Funktion, um die DTE erneut zu schätzen, indem eine prognostizierte gesamte Energieverbrauchsrate durch Folgendes berechnet wird: Bestimmen einer Strecke eines Vorgangs nach einer Fahrt des Fahrzeugs; Schätzen eines Energieverbrauchs des Vorgangs nach der Fahrt; und Schätzen einer Energieverbrauchsrate des Vorgangs nach der Fahrt basierend auf der Strecke und dem für den Vorgang nach der Fahrt geschätzten Energieverbrauch.
• In der vorstehenden Offenbarung ist auf die beigefügten Zeichnungen Bezug genommen worden, die einen Teil hiervon bilden und konkrete Umsetzungen veranschaulichen, in denen die vorliegende Offenbarung umgesetzt werden kann.Es versteht sich, dass andere Umsetzungen verwendet werden können und strukturelle Änderungen vorgenommen werden können, ohne vom Umfang der vorliegenden Offenbarung abzuweichen.Bezugnahmen in der Beschreibung auf „eine Ausführungsform“, „ein Ausführungsbeispiel“ usw. weisen daraufhin, dass die beschriebene Ausführungsform ein(e) bestimmte(s) Merkmal, Struktur oder Eigenschaft beinhalten kann; es muss jedoch nicht notwendigerweise jede Ausführungsform diese(s) bestimmte Merkmal, Struktur oder Eigenschaft beinhalten. Darüber hinaus beziehen sich derartige Formulierungen nicht notwendigerweise auf dieselbe Ausführungsform.Außerdem wird, wenn ein(e) konkrete(s) Merkmal, Struktur oder Eigenschaft in Verbindung mit einer Ausführungsform beschrieben wird, ein Fachmann erkennen, dass diese(s) Merkmal, Struktur oder Eigenschaft in Verbindung mit anderen Ausführungsformen verwendet werden kann, ob dies nun ausdrücklich beschrieben ist oder nicht.
• Umsetzungen der hier offenbarten Systeme, Einrichtungen, Vorrichtungen und Verfahren können einen Spezial- oder Universalcomputer umfassen oder verwenden, der Computerhardware beinhaltet, wie zum Beispiel einen oder mehrere Prozessoren und Systemspeicher, wie sie hierin erörtert sind. Ausführungen innerhalb des Schutzumfangs der vorliegenden Offenbarung können außerdem physische und andere computerlesbare Medien zum Tragen oder Speichern computerausführbarer Anweisungen und/oder Datenstrukturen beinhalten. Bei derartigen computerlesbaren Medien kann es sich um beliebige verfügbare Medien handeln, auf die über ein Universal- oder Spezialcomputersystem zugegriffen werden kann. Computerlesbaren Medien, die computerausführbare Anweisungen speichern, sind Computerspeichermedien (-vorrichtungen). Computerlesbare Medien, die computerausführbare Anweisungen tragen, sind Übertragungsmedien. Daher können Umsetzungen der vorliegenden Offenbarung beispielsweise und nicht einschränkend mindestens zwei deutlich unterschiedliche Arten von computerlesbaren Medien umfassen: Computerspeichermedien (-vorrichtungen) und Übertragungsmedien.
• Computerspeichermedien (-vorrichtungen) beinhalten RAM, ROM, EEPROM, CD-ROM, Festspeicherlaufwerke (solid state drives - SSDs) (z. B. auf Grundlage von RAM), Flash-Speicher, Phasenwechselspeicher (phase-change memory - PCM), andere Speicherarten, andere optische Plattenspeicher, Magnetplattenspeicher oder andere Magnetspeichervorrichtungen oder ein beliebiges anderes Medium, das zum Speichern gewünschter Programmcodemittel in der Form computerausführbarer Anweisungen oder Datenstrukturen verwendet werden kann und auf das durch einen Universal- oder Spezialcomputer zugegriffen werden kann.
• Eine Umsetzung der hierin offenbarten Vorrichtungen, Systeme und Verfahren kann über ein Computernetzwerk kommunizieren. Ein „Netzwerk“ ist als eine oder mehrere Datenverbindungen definiert, die den Transport elektronischer Daten zwischen Computersystemen und/oder Modulen und/oder anderen elektronischen Vorrichtungen ermöglichen. Wenn Informationen über ein Netzwerk oder eine andere Kommunikationsverbindung (entweder festverdrahtet, drahtlos oder eine beliebige Kombination aus festverdrahtet oder drahtlos) an einen Computer übertragen oder einem Computer bereitgestellt werden, sieht der Computer die Verbindung zweckgemäß als Übertragungsmedium an. Übertragungsmedien können ein Netzwerk und/oder Datenverbindungen beinhalten, die verwendet werden können, um gewünschte Programmcodemittel in der Form computerausführbarer Anweisungen oder Datenstrukturen zu tragen, und auf die durch einen Universal- oder Spezialcomputer zugegriffen werden kann. Kombinationen des Vorstehenden sind ebenfalls als im Schutzumfang computerlesbarer Medien enthalten zu betrachten.
• Computerausführbare Anweisungen umfassen zum Beispiel Anweisungen und Daten, die, wenn sie an einem Prozessor ausgeführt werden, einen Universalcomputer, Spezialcomputer oder eine Spezialverarbeitungsvorrichtung dazu veranlassen, eine bestimmte Funktion oder Gruppe von Funktionen durchzuführen. Die computerausführbaren Anweisungen können beispielsweise Binärdateien, Zwischenformatanweisungen, wie etwa Assemblersprache, oder sogar Quellcode sein.Auch wenn der Gegenstand in für Strukturmerkmale und/oder methodische Handlungen typischer Sprache beschrieben ist, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht notwendigerweise auf die vorstehend beschriebenen Merkmale oder Handlungen beschränkt ist.Die beschriebenen Merkmale und Handlungen sind vielmehr als beispielhafte Formen zum Umsetzen der Ansprüche offenbart.
• Der Fachmann versteht, dass die vorliegende Offenbarung in einer Netzwerkrechenumgebung mit vielen Arten von Coputersystemkonfigurationen umgesetzt werden kann, einschließlich Fahrzeugcomputern im Armaturenbrett, PCs, Desktop-Computern, Laptop-Computern, Nachrichtenprozessoren, Handgeräte, Multiprozessorsystemen, mikroprozessorbasierter oder programmierbarer Verbraucherelektronik, Netzwerk-PCs, Minicomputern, Mainframe-Computern, Mobiltelefonen, PDAs, Tablets, Pagern, Routern, Switches, verschiedener Speichergeräte und dergleichen.Die Offenbarung kann ebenfalls in Umgebungen mit verteilten Systemen angewendet werden, in denen sowohl lokale Computersysteme als auch Remotecomputersysteme, die durch ein Netzwerk (entweder durch drahtgebundene Datenverbindungen, drahtlose Datenverbindungen oder durch eine beliebige Kombination aus drahtgebundenen und drahtlosen Datenverbindungen) verbunden sind, Aufgaben ausführen.In einer Umgebung mit verteilten Systemen können sich Programmmodule sowohl in lokalen als auch in entfernten Speichergeräten befinden.
• Ferner können gegebenenfalls die in der vorliegenden Schrift beschriebenen Funktionen in einem oder mehreren von Hardware, Software, Firmware, digitalen Komponenten oder analogen Komponenten durchgeführt werden.Ein oder mehrere anwendungsspezifische integrierte Schaltkreise (application specific integrated ciruits - ASIC) können zum Beispiel dazu programmiert sein, ein oder mehrere der hierin beschriebenen Systeme und Verfahren auszuführen.Gewisse Ausdrücke, die in der gesamten Beschreibung und den Ansprüchen verwendet werden, beziehen sich auf bestimmte Systemkomponenten.Für den Fachmann liegt auf der Hand, dass die Komponenten mit unterschiedlichen Bezeichnungen bezeichnet werden können. Im vorliegenden Dokument soll nicht zwischen Komponenten unterschieden werden, die sich der Bezeichnung nach unterscheiden, nicht jedoch hinsichtlich ihrer Funktion.
• Es ist anzumerken, dass die vorstehend erörterten Sensorausführungsformen Computerhardware, -software, -firmware oder eine beliebige Kombination davon umfassen können, um zumindest einen Teil ihrer Funktionen durchzuführen. Ein Sensor kann zum Beispiel Computercode beinhalten, der dazu konfiguriert ist, in einem oder mehreren Prozessoren ausgeführt zu werden, und kann eine Hardware-Logikschaltung/elektrische Schaltung beinhalten, die durch den Computercode gesteuert wird. Diese beispielhaften Vorrichtungen sind hierin zu Veranschaulichungszwecken bereitgestellt und sollen nicht der Einschränkung dienen.Ausführungsformen der vorliegenden Offenbarung können in weiteren Arten von Vorrichtungen umgesetzt werden, wie es einem Fachmann bekannt ist.
• Zumindest einige Ausführungsformen der vorliegenden Offenbarung sind auf Computerprogrammprodukte ausgerichtet, die derartige Logik (z. B. in Form von Software) umfassen, die auf einem beliebigen computerverwendbaren Medium gespeichert ist.Derartige Software veranlasst eine Vorrichtung bei Ausführung in einem oder mehreren Datenverarbeitungsgeräten dazu, wie hierin beschrieben zu funktionieren.
• Wenngleich vorstehend verschiedene Ausführungsformen der vorliegenden Offenbarung beschrieben wurden, versteht es sich, dass diese lediglich als Beispiele und nicht der Einschränkung dienen.Der Fachmann wird erkennen, dass verschiedene Änderungen bezüglich Form und Detail daran vorgenommen werden können, ohne vom Wesen und Umfang der vorliegenden Offenbarung abzuweichen. Somit sollten die Breite und der Umfang der vorliegenden Offenbarung nicht durch eine der vorstehend beschriebenen beispielhaften Ausführungsformen eingeschränkt sein, sondern lediglich gemäß den folgenden Ansprüchen und ihren Äquivalenten definiert sein.Die vorstehende Beschreibung wurde zur Veranschaulichung und Beschreibung bereitgestellt. Sie erhebt keinerlei Anspruch auf Vollständigkeit und soll die vorliegende Offenbarung nicht auf die genaue offenbarte Form beschränken.Viele Modifikationen und Variationen sind in Anbetracht der vorstehenden Lehren möglich. Ferner ist anzumerken, dass eine beliebige oder alle der vorstehend genannten alternativen Umsetzungen in einer beliebigen gewünschten Kombination genutzt werden können, um zusätzliche Hybridumsetzungen der vorliegenden Offenbarung zu bilden. Zum Beispiel können beliebige der unter Bezugnahme auf eine konkrete Vorrichtung oder Komponente beschriebenen Funktionen durch eine andere Vorrichtung oder eine andere Komponente durchgeführt werden. Während spezifische Vorrichtungseigenschaften beschrieben wurden, können sich Ausführungsformen der Offenbarung auf zahlreiche andere Vorrichtungseigenschaften beziehen. Ferner versteht es sich, dass, wenngleich die Ausführungsformen in für Strukturmerkmale und/oder methodische Handlungen spezifischer Sprache beschrieben wurden, die Offenbarung nicht notwendigerweise auf die konkreten beschriebenen Merkmale oder Handlungen beschränkt ist. Die spezifischen Merkmale und Handlungen werden vielmehr als veranschaulichende Formen der Umsetzung der Ausführungsformen offenbart. Konditionalsprache, wie etwa unter anderem „kann“, „können“, „könnte“ oder „könnten“, ist im Allgemeinen so zu verstehen, dass sie bedeutet, dass gewisse Ausführungsformen gewisse Merkmale, Elemente und/oder Schritte beinhalten könnten, während es sein kann, dass andere Ausführungsformen diese nicht beinhalten, es sei denn, es ist ausdrücklich etwas anderes angegeben oder der verwendete Kontext legt etwas anderes nahe. Somit soll derartige bedingte Sprache im Allgemeinen nicht implizieren, dass Merkmale, Elemente und/oder Schritte in irgendeiner Weise für eine oder mehrere Ausführungsformen erforderlich sind.
• Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination von Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden; und Anwenden einer Funktion für eine Strecke bis zu einem leeren Tank (DTE-Funktion) für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs, die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs und eine aktuelle Kapazität der Energiequelle nutzt, um eine DTE für die Energiequelle zu bestimmen.
• Gemäß einer Ausführungsform umfasst die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs ferner Straßentypdaten und beinhalten die Wetterdaten mindestens Temperaturdaten, wobei die Straßentypdaten Echtzeit-Verkehrsgeschwindigkeit, durchschnittliche Straßenneigung und Echtzeit-Verkehrsbedingungen umfassen.
• Gemäß einer Ausführungsform wird die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs im Laufe der Zeit und unter Bezugnahme auf einen spezifischen Fahrer erfasst und umfasst die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs ferner Fahrstil, Klimaanlageneinstellungen und einen durchschnittlichen wöchentlichen Fahrzeugbetriebsplan.
• Gemäß einer Ausführungsform wird die DTE für einen beliebigen eines Fahrtzeitraums der geplanten Route oder eines Zeitraums nach der Fahrt berechnet.
• Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch: Bestimmen einer tatsächlichen Energieverbrauchsrate; und Aktualisieren der DTE-Funktion basierend auf Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate.
• Gemäß einer Ausführungsform werden die Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate berechnet und wird die DTE-Funktion nur dann aktualisiert, wenn das Fahrzeug die geplante Route nutzt.
• Gemäß einer Ausführungsfor, wenn die geplante Route vollständig ist, wird die DTE-Funktion verwendet, um die DTE erneut zu schätzen, indem eine prognostizierte gesamte Energieverbrauchsrate durch Folgendes berechnet wird: Bestimmen einer Strecke eines Vorgangs nach einer Fahrt des Fahrzeugs; Schätzen eines Energieverbrauchs des Vorgangs nach der Fahrt; und Schätzen einer Energieverbrauchsrate des Vorgangs nach der Fahrt basierend auf der Strecke und dem für den Vorgang nach der Fahrt geschätzten Energieverbrauch.
• Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren zum Schätzen des Energieverbrauchs für ein Fahrzeug Bestimmen einer Vielzahl von Energieverbrauchsparametern für ein Fahrzeug auf einer geplanten Route durch: Berechnen eines ersten fahrbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer Strecke, die das Fahrzeug auf einer geplanten Route über eine festgelegte Straßenklasse fährt, Echtzeit-Verkehrsdaten und einer erlernten Straßenklasseneffizienz für das Fahrzeug; Berechnen eines ersten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination eines erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den Außentemperaturdaten und einer aktuellen Fahrzeugtemperatur abhängig ist; Berechnen eines ersten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von anfänglichen Kabinentemperaturdaten und den Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den Außentemperaturdaten abhängig ist; und Schätzen des Energieverbrauchs des Fahrzeugs unter Verwendung der Vielzahl von Energieverbrauchsparametern.
• Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch Berechnen eines Energieverbrauchs für das Betreiben des Fahrzeugs nach Abschluss der geplanten Route durch: Berechnen eines zweiten fahrbasierten Energieverbrauchsparameters basierend auf einem erwarteten Energieverbrauch für das Fahren des Fahrzeugs; Berechnen eines zweiten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination des erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf zukünftigen Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den zukünftigen Außentemperaturdaten und einer prognostizierten Fahrzeugtemperatur abhängig ist; Berechnen eines zweiten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von prognostizierten anfänglichen Kabinentemperaturdaten und zukünftigen Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den zukünftigen Außentemperaturdaten abhängig ist; und Nutzen des ersten fahrzeugzubehörbasierten Energieverbrauchsparameters .
• Gemäß einer Ausführungsform umfasst die erlernte Straßenklasseneffizienz für das Fahrzeug Energieraten für das Fahren des Fahrzeugs auf einer Vielzahl von Straßenklassen.
• Gemäß einer Ausführungsform umfasst die erlernte Effizienz für die Klimaanlage konstante Energieraten für die Klimaanlage des Fahrzeugs, die über einen Bereich von Außentemperaturwerten berechnet wurden.
• Gemäß einer Ausführungsform umfasst die erlernte vorübergehende zusätzliche Energie für die Klimaanlage eine Berechnung der Nutzung der zusätzlichen Energie für die Klimaanlage des Fahrzeugs, um sicherzustellen, dass eine Kabinentemperatur der Kabine auf eine Zieltemperatur eingestellt wird.
• Gemäß einer Ausführungsform umfassen der erlernte temperaturbasierte Energieverlust und der erlernte kaltstartbasierte Energieverlust jeweils Verluste der konstante Energierate, die über einen Bereich von Außentemperaturwerten berechnet wurden.
• Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch das Bestimmen von Betriebsmusterparametern des Fahrzeugs, die beliebige von Folgendem umfassen: eine durchschnittliche Fahrstrecke in jedem einer Vielzahl von Zeitfenstern; eine durchschnittliche Fahrzeit in jedem der Vielzahl von Zeitfenstern; eine durchschnittliche Anzahl an Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern; einen Durchschnitt des ersten fahrbasierten Energieverbrauchsparameters, der in jedem der Vielzahl von Zeitfenstern berechnet wurde; und eine durchschnittliche Temperaturdifferenz bei Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern.
• Gemäß einer Ausführungsform ist die vorstehende Erfindung ferner gekennzeichnet durch das Anzeigen des Energieverbrauchs des Fahrzeugs auf einer Mensch-Maschine-Schnittstelle des Fahrzeugs.
• Gemäß der vorliegenden Erfindung wird ein System bereitgestellt, aufweisend eine Fahrzeugsteuerung, umfassend mindestens einen Prozessor und einen Speicher, wobei der mindestens eine Prozessor im Speicher gespeicherte Anweisungen für Folgendes ausführt: Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination aus Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden; und Anwenden einer Funktion für die Strecke bis zu einem leeren Tank (DTE) für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs, die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs und eine aktuelle Kapazität der Energiequelle nutzt, um eine DTE für die Energiequelle zu bestimmen.
• Gemäß einer Ausführungsform umfasst die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs ferner Straßentypdaten und beinhalten die Wetterdaten mindestens Temperaturdaten, wobei die Straßentypdaten Echtzeit-Verkehrsgeschwindigkeit, durchschnittliche Straßenneigung und Echtzeit-Verkehrsbedingungen umfassen, und wobei ferner die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs im Laufe der Zeit und unter Bezugnahme auf einen spezifischen Fahrer erfasst wird und die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs ferner Fahrstil, Klimaanlageneinstellungen und einen durchschnittlichen wöchentlichen Fahrzeugbetriebsplan umfasst.
• Gemäß einer Ausführungsform führt der mindestens eine Prozessor ferner die im Speicher gespeicherten Anweisungen für Folgendes aus: Erfassen eines Auftretens einer Auslösebedingung; erneutes Bestimmen der Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs basierend auf der historischen Energieverbrauchsrate für eine Energiequelle des Fahrzeugs angesichts der Auslösebedingung; erneutes Bestimmen der Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination der Wetterdaten oder der Navigationsdaten angesichts der Auslösebedingung; und Anwenden der Funktion für die Strecke bis zu einem leeren Tank (DTE-Funktion), welche die erneut bestimmte Vielzahl von erlernten Parametern des Fahrzeugbetriebs und die erneut bestimmte Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs nutzt, um die DTE für das Fahrzeug angesichts der Auslösebedingung neu zu berechnen.
• Gemäß einer Ausführungsform umfasst die Auslösebedingung die Verbindung eines Anhängers mit dem Fahrzeug.
• Gemäß einer Ausführungsform führt der mindestens eine Prozessor ferner im Speicher gespeicherten Anweisungen für Folgendes aus: Bestimmen einer tatsächlichen Energieverbrauchsrate; und Aktualisieren der DTE-Funktion basierend auf Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate, wobei, wenn die geplante Route abgeschlossen ist und die aktuelle Kapazität der Energiequelle bei oder über einem leeren Schwellenwert liegt, der mindestens eine Prozessor ferner die im Speicher gespeicherten Anweisungen für Folgendes ausführt: Nutzen der DTE-Funktion, um die DTE erneut zu schätzen, indem eine prognostizierte gesamte Energieverbrauchsrate durch Folgendes berechnet wird: Bestimmen einer Strecke eines Vorgangs nach einer Fahrt des Fahrzeugs; Schätzen eines Energieverbrauchs des Vorgangs nach der Fahrt; und Schätzen einer Energieverbrauchsrate des Vorgangs nach der Fahrt basierend auf der Strecke und dem für den Vorgang nach der Fahrt geschätzten Energieverbrauch.

Claims (15)

1. Verfahren, umfassend: Bestimmen einer Vielzahl von erlernten Parametern des Fahrzeugbetriebs eines Fahrzeugs basierend auf einer Vielzahl von Energieverbrauchsparametern des Fahrzeugs; Bestimmen einer Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs, ausgewählt aus einer beliebigen Kombination aus Wetterdaten oder Navigationsdaten, wobei die Navigationsdaten relativ zu einer geplanten Route bestimmt werden; und Anwenden einer Funktion für die Strecke bis zu einem leeren Tank (DTE) für die Energiequelle, wobei die DTE-Funktion die Vielzahl von erlernten Parametern des Fahrzeugbetriebs, die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs des Fahrzeugs und eine aktuelle Kapazität der Energiequelle nutzt, um eine DTE für die Energiequelle zu bestimmen.
2. Verfahren nach Anspruch 1, wobei die Vielzahl von prognostizierten Parametern des Fahrzeugbetriebs ferner Straßentypdaten umfasst und die Wetterdaten mindestens Temperaturdaten beinhalten, wobei die Straßentypdaten Echtzeit-Verkehrsgeschwindigkeit, durchschnittliche Straßenneigung und Echtzeit-Verkehrsbedingungen umfassen.
3. Verfahren nach Anspruch 1, wobei die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs im Zeitverlauf und unter Bezugnahme auf einen spezifischen Fahrer erfasst wird und die Vielzahl von erlernten Parametern des Fahrzeugbetriebs des Fahrzeugs ferner Fahrstil, Klimaanlageneinstellungen und einen durchschnittlichen wöchentlichen Fahrzeugbetriebsplan umfasst.
4. Verfahren nach Anspruch 1, wobei die DTE für einen beliebigen eines Fahrtzeitraums der geplanten Route oder eines Zeitraums nach der Fahrt berechnet wird.
5. Verfahren nach Anspruch 1, ferner umfassend: Bestimmen einer tatsächlichen Energieverbrauchsrate; und Aktualisieren der DTE-Funktion basierend auf Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate.
6. Verfahren nach Anspruch 5, wobei die Abweichungen zwischen der tatsächlichen Energieverbrauchsrate und der historischen Energieverbrauchsrate berechnet werden und die DTE-Funktion nur dann aktualisiert wird, wenn das Fahrzeug die geplante Route nutzt.
7. Verfahren nach Anspruch 1, wobei, wenn die geplante Route vollständig ist, die DTE-Funktion verwendet wird, um die DTE erneut zu schätzen, indem eine prognostizierte gesamte Energieverbrauchsrate durch Folgendes berechnet wird: Bestimmen einer Strecke nach einer Fahrt des Fahrzeugs; Schätzen eines Energieverbrauchs nach der Fahrt; und Schätzen einer Energieverbrauchsrate nach der Fahrt basierend auf der Strecke und dem nach der Fahrt geschätzten Energieverbrauch.
8. Verfahren zum Schätzen des Energieverbrauchs für ein Fahrzeug, wobei das Verfahren Folgendes umfasst: Bestimmen einer Vielzahl von Energieverbrauchsparametern für ein Fahrzeug auf einer geplanten Route durch: Berechnen eines ersten fahrbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer Strecke, die das Fahrzeug auf einer geplanten Route über eine festgelegte Straßenklasse fährt, Echtzeit-Verkehrsdaten und einer erlernten Straßenklasseneffizienz für das Fahrzeug; Berechnen eines ersten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination eines erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den Außentemperaturdaten und einer aktuellen Fahrzeugtemperatur abhängig ist; Berechnen eines ersten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von anfänglichen Kabinentemperaturdaten und den Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den Außentemperaturdaten abhängig ist; und Berechnen eines ersten fahrzeugzubehörbasierten Energieverbrauchsparameters basierend auf einer erlernten Effizienz für Fahrzeugzubehör; und Schätzen des Energieverbrauchs des Fahrzeugs unter Verwendung der Vielzahl von Energieverbrauchsparametern.
9. Verfahren nach Anspruch 8, ferner umfassend das Berechnen eines Energieverbrauchs für das Betreiben des Fahrzeugs nach Abschluss der geplanten Route durch: Berechnen eines zweiten fahrbasierten Energieverbrauchsparameters basierend auf einem erwarteten Energieverbrauch für das Fahren des Fahrzeugs; Berechnen eines zweiten temperaturbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination des erlernten temperaturbasierten Energieverlusts für das Fahrzeug basierend auf zukünftigen Außentemperaturdaten und eines erlernten kaltstartbasierten Energieverlusts für das Fahrzeug, was von den zukünftigen Außentemperaturdaten und einer prognostizierten Fahrzeugtemperatur abhängig ist; Berechnen eines zweiten klimaanlagenbasierten Energieverbrauchsparameters basierend auf einer beliebigen Kombination einer erlernten vorübergehenden zusätzlichen Energie für die Klimaanlage, was von prognostizierten anfänglichen Kabinentemperaturdaten und zukünftigen Außentemperaturdaten abhängig ist, und einer erlernten Effizienz für die Klimaanlage, was von den zukünftigen Außentemperaturdaten abhängig ist; und Nutzen des ersten fahrzeugzubehörbasierten Energieverbrauchsparameters.
10. Verfahren nach Anspruch 8, wobei die erlernte Straßenklasseneffizienz für das Fahrzeug Energieraten für das Fahren des Fahrzeugs auf einer Vielzahl von Straßenklassen umfasst.
11. Verfahren nach Anspruch 8, wobei die erlernte Effizienz für die Klimaanlage konstante Energieraten für die Klimaanlage des Fahrzeugs umfasst, die über einen Bereich von Außentemperaturwerten berechnet wurden.
12. Verfahren nach Anspruch 8, wobei die erlernte vorübergehende zusätzliche Energie für die Klimaanlage eine Berechnung der Nutzung der zusätzlichen Energie für die Klimaanlage des Fahrzeugs umfasst, um sicherzustellen, dass eine Kabinentemperatur der Kabine auf eine Zieltemperatur eingestellt wird.
13. Verfahren nach Anspruch 8, wobei der erlernte temperaturbasierte Energieverlust und der erlernte kaltstartbasierte Energieverlust jeweils Verluste der konstante Energierate umfassen, die über einen Bereich von Außentemperaturwerten berechnet wurden.
14. Verfahren nach Anspruch 8, ferner umfassend das Bestimmen von Betriebsmusterparametern des Fahrzeugs, die beliebige von Folgendem umfassen: eine durchschnittliche Fahrstrecke in jedem einer Vielzahl von Zeitfenstern; eine durchschnittliche Fahrzeit in jedem der Vielzahl von Zeitfenstern; eine durchschnittliche Anzahl an Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern; einen Durchschnitt des ersten fahrbasierten Energieverbrauchsparameters, der in jedem der Vielzahl von Zeitfenstern berechnet wurde; und eine durchschnittliche Temperaturdifferenz bei Kaltstarts während der Fahrt in jedem der Vielzahl von Zeitfenstern.
15. Verfahren nach Anspruch 8, ferner umfassend das Anzeigen des Energieverbrauchs des Fahrzeugs auf einer Mensch-Maschine-Schnittstelle des Fahrzeugs.

Images