EP2991870A1 - Procede d'optimisation de la consommation energetique d'un vehicule hybride - Google Patents

Procede d'optimisation de la consommation energetique d'un vehicule hybride

Info

Publication number
EP2991870A1
EP2991870A1 EP14722262.4A EP14722262A EP2991870A1 EP 2991870 A1 EP2991870 A1 EP 2991870A1 EP 14722262 A EP14722262 A EP 14722262A EP 2991870 A1 EP2991870 A1 EP 2991870A1
Authority
EP
European Patent Office
Prior art keywords
energy
sections
vehicle
optimization method
consumption
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP14722262.4A
Other languages
German (de)
English (en)
Inventor
Maxime DEBERT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Renault SAS
Original Assignee
Renault SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Renault SAS filed Critical Renault SAS
Publication of EP2991870A1 publication Critical patent/EP2991870A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/15—Control strategies specially adapted for achieving a particular effect
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/24—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means
    • B60W10/26—Conjoint control of vehicle sub-units of different type or different function including control of energy storage means for electrical energy, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B60W20/10—Controlling the power contribution of each of the prime movers to meet required power demand
    • B60W20/12—Controlling the power contribution of each of the prime movers to meet required power demand using control strategies taking into account route information
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/188—Controlling power parameters of the driveline, e.g. determining the required power
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/0083—Setting, resetting, calibration
    • B60W2050/0088—Adaptive recalibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/30—Driving style
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0677—Engine power
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/08—Electric propulsion units
    • B60W2710/086—Power
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/24—Energy storage means
    • B60W2710/242—Energy storage means for electrical energy
    • B60W2710/244—Charge state
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/24—Energy storage means
    • B60W2710/242—Energy storage means for electrical energy
    • B60W2710/248—Current for loading or unloading
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S903/00—Hybrid electric vehicles, HEVS
    • Y10S903/902—Prime movers comprising electrical and internal combustion motors
    • Y10S903/903—Prime movers comprising electrical and internal combustion motors having energy storing means, e.g. battery, capacitor
    • Y10S903/93—Conjoint control of different elements

Definitions

  • the present invention relates to the field of energy management of hybrid vehicles, having at least one source of thermal energy and a source of electrical energy.
  • it relates to a method for optimizing the energy consumption of a hybrid vehicle on a route according to the energy management laws of the vehicle, the state of charge of its traction batteries, and the planned course.
  • This invention has a preferred application, but not exclusive, on plug-in hybrid vehicles, whose traction batteries can be recharged directly from a power socket on the power grid.
  • a common mode of management of energy on a rechargeable hybrid vehicle is to prioritize first of all the electric discharge of the batteries, then to maintain the state of charge when the battery is lightly charged. This method is generally incompatible with a goal of reducing energy expenditure and protecting the environment. Depending on the distance and the profile of the planned route, it may indeed be more advantageous to ride in hybrid mode, even if it means reaching its destination with discharged batteries.
  • the vehicle's energy management system In order to be able to use the vehicle's energy (electrical and thermal) resources efficiently, the vehicle's energy management system must know the energy requirement of the vehicle and the amount of energy that can be recovered on the intended route. This need depends on a large number of parameters, such as the driving style, the environment (urban, highway, elevation profile), as well as various disturbances, specific to the vehicle (loading) or external (rain, wind, traffic density). , etc.).
  • Publication US 2010/0305839 discloses an energy prediction method based on vehicle consumption patterns as a function of traffic conditions. This method does not include the particularities of each driver. It is therefore hardly compatible with an embedded energy management system.
  • the present invention aims to predict the energy category of the sections taken by a vehicle on a given route, in order to optimize the exploitation of its energy resources according to the particularities of the vehicle and the route.
  • the distribution between the contribution of torque of thermal origin and the contribution of electrical torque on the route is based on a prediction of the overall energy consumption of the route established according to a estimate of the consumption, and of the energy distribution between these two contributions, on various sections composing this course.
  • the path is decomposed into sections in a database enriched with an estimate of the energy category of each section.
  • Figure 1 shows a network of curves representing fuel consumption according to the percentage of electrical energy used to make a kilometer, the average slope of the section, the energy category of the section
  • Figure 2 illustrates the classification of the road sections in the database used
  • Figure 3 shows the results of a "logistic regression" on four energy segments categories
  • Figure 4 summarizes the optimization process.
  • the invention proposes to exploit consumption curves of a hybrid vehicle, as a function of the percentage of electrical energy used.
  • Figure 1 shows, as an example and comparison, a network of consumption curves for the same hybrid vehicle on a motorway cycle, a road cycle, an urban cycle, and bottling, to perform 1km with different average gradients.
  • the invention uses an on-board navigation system of a vehicle is always able to indicate the position and course of the vehicle.
  • the system provides information on sections of the route, such as: average speed, number of lanes, lights, signs etc., allowing it to calculate the shortest, fastest route, and most importantly , the most interesting from the point of view of energy management.
  • the proposed method is based on the operation of a specific cartographic database, by the navigation system.
  • This database is built from existing map data by listing a sufficient number of routes to establish a prediction model.
  • a directory makes it possible to classify road sections, given by the mapping provider: in general, a section corresponds to a segment of road with identical characteristics. The sections can be from a few meters to several kilometers. They are classified according to the optimal distribution over the same distance found by an optimization algorithm using a calculation model, based on the fundamental principle of the dynamics, from information of course given by the vehicles, in particular the speeds and the slopes registered. This information also includes a network of curves such as those in Figure 1, showing the fuel consumption based on the percentage of electrical energy used to make a kilometer, on four different categories of sections. The sections are thus classified into energy categories, according to the shape of the consumption curve as a function of the percentage of electrical energy used. To characterize the pace we can for example rely on correlation functions.
  • the optimization of the energy consumption of a hybrid vehicle is carried out over an entire route, according to the energy management laws of this vehicle, the state of charge of its traction batteries and the planned route.
  • an algorithm of the navigation system calculates an optimal distribution of energy between the thermal and electrical sources over the entire path planned to predict the energy requirements of the vehicle thereon.
  • the prediction consists in estimating the energy category of the sections that the vehicle will use, thanks to the enriched database database.
  • This demand classifies for example the planned route, in one of the four categories mentioned: traffic jam, urban, road and highway.
  • the database is advantageously built by recording on GPS vehicles their GPS position ("Global Position System”), and their speed. Each test run is then broken down into sections in the database, which is enriched with an estimate of the energy expenditure of the vehicle on each section. From the GPS coordinates and the sections borrowed, certain characteristics relating to these, are also noted. The optimization algorithm then knows how to find, on each of the sections, the optimal distribution of energy, minimizing the cost of displacement. As indicated above, the sections are ranked according to the shape of their curve closest to one of the pre-established categories, for example the four categories mentioned (traffic jam, urban, road and motorway).
  • the construction of the database is illustrated in a nonlimiting manner in FIG. 2 in the form of matrix dot clouds.
  • the sections are classified according to ten characteristic information:
  • the invention provides for implementing from these data, a statistical model for predicting the energy class of the course.
  • This model is advantageously constructed using the "logistic regression" technique used in many fields, such as medicine and banking.
  • other methods of classification / discrimination may be suitable (such as decision trees, neural networks, etc.), and applied to realize the invention.
  • the model of the logistic regression is for example of the form:
  • Figure 3 shows the results of the logistic regression for the four categories on the validation data. Continuous lines represent the iso-probabilities of belonging to a given class. The section category predictions obtained by this method are 97% reliable.
  • the distribution between the contribution of torque of thermal origin and the contribution of electrical torque on the route is based on a prediction of the overall energy consumption of the route established according to an estimate of the consumption and of the energy distribution between these two contributions on different sections composing this course.
  • the implementation of the invention requires having a sufficient database to classify the sections and predict the category of a course.
  • This database can be continuously enriched from data collected on vehicles in transit, so as to feed a reliable model of energy prediction.
  • This model is preferably of the "classifier" type, for example a logistic regression model. It is preferably embedded on a vehicle in a navigation system, so as to communicate to the calculator performing the energy optimization, the probabilities of future energy demands.
  • the database can also be updated from a driver training using the vehicle, in order to optimize the strategy for the latter.
  • the onboard GPS calculator or a mobile communication tool of the "Smartphone” type, is capable of establishing a future of travel by breaking it down into borrowed sections in order to predict the energy consumption of the journey.
  • the "category of route” information is then used within the vehicle calculator (HEVC) to determine the distribution between the electrical and thermal energy input on the path.
  • HEVC vehicle calculator
  • the latter is able in application of the laws of energy management of the vehicle (LGE), the amount of electrical energy to be used on the sections to minimize the consumption of the vehicle and to optimize the energy stored in the vehicle's batteries.
  • LGE laws of energy management of the vehicle
  • the discharge curve of the battery on the path minimizes the overall energy consumption of the vehicle.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Navigation (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Hybrid Electric Vehicles (AREA)

Abstract

Procédé d'optimisation de la consommation énergétique d'un véhicule hybride sur un parcours en fonction des lois de gestion de l'énergie de ce véhicule, de l'état de charge de ses batteries de traction et du parcours prévu, caractérisé en ce que la répartition entre l'apport de couple d'origine thermique et l'apport de couple d'origine électrique sur le parcours repose sur une prédiction de la consommation énergétique globale du parcours établie en fonction d'une estimation de la consommation et de la répartition énergétique entre ces deux apports,sur différents tronçons composant ce parcours.

Description

PROCEDE D'OPTIMISATION DE LA CONSOMMATION ENERGETIQUE D'UN
VEHICULE HYBRIDE
La présente invention se rapporte au domaine de la gestion énergétique des véhicules d'hybrides, disposant d' au moins une source d' énergie thermique et une source d'énergie électrique.
Plus précisément, elle a pour objet un procédé d'optimisation de la consommation énergétique d'un véhicule hybride sur un parcours en fonction des lois de gestion de l'énergie de ce véhicule, de l'état de charge de ses batteries de traction, et du parcours prévu.
Cette invention trouve une application privilégiée, mais non exclusive, sur des véhicules hybrides rechargeables, dont les batteries de traction peuvent être rechargées directement à partir d'une prise d'alimentation sur le réseau électrique.
Un mode de gestion habituel de l'énergie sur un véhicule hybride rechargeable, consiste à privilégier dans un premier temps la décharge électrique des batteries, puis à en maintenir l'état de charge lorsque la batterie est faiblement chargée. Cette méthode est généralement incompatible avec un objectif de réduction des dépenses énergétiques et de protection de l'environnement. Selon la distance et le profil du parcours prévu, il peut en effet être plus avantageux de rouler en mode hybride, quitte à rejoindre sa destination avec des batteries déchargées.
Pour pouvoir utiliser de façon judicieuse les ressources énergétiques (électrique et thermique) du véhicule, le système de gestion de l'énergie du véhicule doit connaître le besoin énergétique du véhicule et la quantité d'énergie récupérable sur le trajet prévu. Ce besoin dépend d'un grand nombre de paramètres, comme le style de conduite, l'environnement (urbain, autoroute, profil altimétrique) , ainsi que diverses perturbations, propres au véhicule (chargement) ou externes (pluie, vent, densité du trafic, etc.) . Par la publication US 2010/0305839, on connaît une méthode de prédiction énergétique reposant sur des modèles de consommation des véhicules en fonction des conditions de circulation. Cette méthode n'intègre pas les particularités propres à chaque conducteur. Elle est donc difficilement compatible avec un système de gestion énergétique embarqué.
La présente invention vise à prédire la catégorie énergétique des tronçons empruntés par un véhicule sur un parcours donné, afin d'optimiser l'exploitation de ses ressources énergétique en fonction des particularités du véhicule et du parcours.
Dans ce but, elle propose que la répartition entre l'apport de couple d'origine thermique et l'apport de couple d'origine électrique sur le parcours, repose sur une prédiction de la consommation énergétique globale du parcours établie en fonction d'une estimation de la consommation, et de la répartition énergétique entre ces deux apports, sur différents tronçons composant ce parcours .
De préférence, le parcours est décomposé en tronçons dans une base de données enrichie d'une estimation de la catégorie énergétique de chaque tronçon.
La présente invention sera mieux comprise à la lecture de la description suivante d'un mode de réalisation non limitatif de celle-ci, en se reportant aux dessins annexés, sur lesquels :
la figure 1 montre un réseau de courbes représentant la consommation de carburant en fonction du pourcentage d'énergie électrique utilisée pour faire un kilomètre, de la pente moyenne du tronçon, de la catégorie énergétique du tronçon
la figure 2 illustre le classement des tronçons routiers dans la base de données utilisée,
la figure 3 montre les résultats d'une « régression logistique » sur quatre catégorie énergétiques de tronçons, et
la figure 4 résume le procédé d'optimisation. L'invention propose d'exploiter des courbes de consommation d'un véhicule hybride, en fonction du pourcentage d'énergie électrique utilisée. La figure 1 regroupe, à titre d'exemple et de comparaison, un réseau courbes de consommation pour un même véhicule hybride sur un cycle autoroutier, un cycle routier, un cycle urbain, et en embouteillage, pour effectuer 1km avec différente dénivellations moyennes.
L'invention utilise un système de navigation embarqué d'un véhicule est toujours apte à indiquer la position et le parcours du véhicule. Le système renseigne en plus, des informations sur des tronçons de parcours, telles que : la vitesse moyenne, le nombre de voies, les feux, les panneaux etc., lui permettant de calculer le parcours le plus court, le plus rapide, et surtout, le plus intéressant du point de vue de la gestion énergétique. La méthode proposée repose pour cela sur l'exploitation d'une base de données cartographique spécifique, par le système de navigation.
Cette base de données est établie à partir de données cartographiques existantes en répertoriant un nombre suffisant de parcours pour établir un modèle de prédiction. Un répertoire permet de classer des tronçons routiers, donnés par le fournisseur de cartographie : en général un tronçon correspond à un segment de route aux caractéristiques identiques. Les tronçons peuvent être de quelques mètres à plusieurs kilomètres. Ils sont classés en fonction de la répartition optimale sur une même distance trouvée par un algorithme d'optimisation utilisant un modèle de calcul, basé sur le principe fondamental de la dynamique, à partir d'informations de parcours données par les véhicules, notamment les vitesses et les pentes enregistrées. Ces informations incluent également un réseau de courbes telles que celles de la figure 1, montrant la consommation de carburant en fonction du pourcentage d'énergie électrique utilisée pour faire un kilomètre, sur quatre catégories différentes de tronçons. Les tronçons sont ainsi classés en catégories énergétiques, selon l'allure de la courbe de consommation en fonction du pourcentage d'énergie électrique utilisée. Pour caractériser l'allure nous pouvons par exemple nous appuyer sur des fonctions de corrélation.
L'optimisation de la consommation énergétique d'un véhicule hybride est effectuée de sur l'ensemble d'un parcours, en fonction des lois de gestion de l'énergie de ce véhicule, de l'état de charge de ses batteries de traction et du parcours prévu. Un algorithme du système de navigation calcule pour cela une répartition optimale de l'énergie entre les sources thermiques et électriques sur l'ensemble du trajet prévu pour prédire les besoins énergétique du véhicule sur celui-ci. La prédiction consiste à estimer la catégorie énergétique des tronçons qu'empruntera le véhicule, grâce à la base de base de données enrichie. Cette demande classe par exemple le parcours prévu, dans l'une des quatre catégories citées : embouteillage, urbain, routier et autoroutier.
La base de données se construit avantageusement en enregistrant sur des véhicules témoins leur position GPS (« Global position System ») , et leur vitesse. Chaque parcours de test est alors décomposé en tronçons dans la base de données, qui s'enrichit d'une estimation de la dépense énergétique du véhicule sur chaque tronçon. A partir des coordonnées GPS et des tronçons empruntés, certaines caractéristiques relatives à ces derniers, sont également notées. L'algorithme d'optimisation sait alors trouver, sur chacun des tronçons, la répartition optimale d'énergie, minimisant le coût du déplacement. Comme indiqué plus haut, les tronçons sont classés selon l'allure de leur courbe se rapprochant le plus de l'une de catégories préétablie, par exemple les quatre catégories citées (embouteillage, urbain, routier et autoroutier) .
La construction de la base de données est illustrée de manière non limitative par la figure 2 sous la forme de nuages de points matriciels. Dans cet exemple les tronçons sont classés en fonction de dix informations caractéristiques :
• le type de tronçon (parmi six catégories),
• la vitesse maximale autorisée sur le tronçon,
• la vitesse moyenne constatée actualisée avec l'info trafic (vitesse par défaut) ,
• les « attributs » de la route : présence de rond- point, pont, urbaine, intersection, etc.,
• la « classe » du tronçon (donnant un renseignement sur son débit maximum) ,
• une vitesse de référence (« catégorie de vitesse ») ,
• le nombre de voies (dans le sens de circulation) ,
• le trafic (présence ou non de ralentissements, actualisée avec l'info trafic)
• la présence de stop,
• la présence de feux tricolores.
Dans cet exemple, on voit que toutes les variables sont pertinentes pour trier les catégories énergétiques. Par exemple une vitesse réglementaire élevée montre une bonne corrélation avec les catégories autoroute et routier. Elle peut être complétée par les roulages effectués par le client s'il le souhaite (enregistrement de ses trajets) .
L'invention prévoit de mettre en œuvre à partir de ces données, un modèle statistique permettant de prédire la classe énergétique du parcours. Ce modèle se construit avantageusement en utilisant la technique de « régression logistique » utilisée dans de nombreux domaines, comme la médecine et le domaine bancaire. Cependant d'autres méthodes de classification/discrimination peuvent convenir (comme les arbres de décision, les réseaux de neurones, etc.), et être appliquées, pour réaliser l'invention.
Le modèle de la régression logistique est par exemple de la forme :
Pr(G = K - 1\X = x) rj aT
l0g Pr(G = K\X = x) = k-V° + '^-| ·
Le modèle est spécifié en if - 1 fonction logarithme reflétant la contrainte que la somme des probabilités doit être é ale à 1. Un calcul simple donne :
L'estimation du modèle de régression logistique se fait notamment par la méthode du maximum de vraisemblance popularisée par le statisticien et biologiste R.A. Fisher. Comme Pr(G\x) satisfait les conditions de distribution, la fonction log-vraisemblance pour N observations s'écrit :
N
i=l
Une fois que l'algorithme d'optimisation a identifié les paramètres du modèle (équation 1) sur les données d'identification, il faut vérifier sa validité sur des données de validation. La Figure 3 montre les résultats de la régression logistique pour les quatre catégories sur les données de validation. Les lignes continues représentent les iso-probabilités d'appartenir à une classe donnée. Les prédictions de catégorie des tronçons obtenus par cette méthode sont fiables à 97%.
En résumé, la répartition entre l'apport de couple d'origine thermique et l'apport de couple d'origine électrique sur le parcours repose sur une prédiction de la consommation énergétique globale du parcours établie en fonction d'une estimation de la consommation et de la répartition énergétique entre ces deux apports sur différents tronçons composant ce parcours. La mise en œuvre de l'invention nécessite de disposer d'une base de données suffisante pour classer les tronçons et prédire la catégorie d'un parcours. Cette base de données peut s'enrichir en permanence à partir des données collectées sur des véhicules en roulage, de manière à alimenter un modèle de prédiction énergétique fiable. Ce modèle est de préférence de type « classifieur », par exemple un modèle de régression logistique. Il est de préférence embarqué sur véhicule dans un système de navigation, de manière à communiquer au calculateur réalisant l'optimisation énergétique, les probabilités des futures demandes énergétiques. La base de données peut aussi être mise à jour à partir d'un apprentissage du conducteur utilisant le véhicule, en vue d'optimiser la stratégie pour ce dernier.
Comme indiqué sur la figure 4, le calculateur GPS embarqué, ou d'un outil de communication mobile du type « Smartphone », est capable d'établir un futur de parcours en le décomposant en tronçons empruntés, pour prédire la consommation énergétique du trajet. L'information « catégorie de parcours », est ensuite exploitée au sein du calculateur du véhicule (HEVC) , pour déterminer la répartition entre l'apport d'énergie électrique et thermique sur le trajet.
Avec d'autres informations, pente, longueurs des tronçons, ce dernier est en mesure en application des lois de gestion énergétiques du véhicule (LGE) , la quantité d'énergie électrique à utiliser sur les tronçons pour minimiser la consommation du véhicule et optimiser l'énergie stockée dans les batteries du véhicule. De préférence, la courbe de décharge de la batterie sur le parcours, minimise la consommation globale d'énergie du véhicule .
Les avantages de l'invention sont nombreux. Parmi ceux-ci, on peut citer :
• la possibilité d'adapter la prédiction énergétique au conducteur et à son style de conduite, grâce à la possibilité d'apprentissage,
• la réduction de la consommation des véhicules hybrides rechargeables, et
• la possibilité de provisionner de l'énergie électrique pour des zones urbaines réglementées aux véhicules « zéro émission ».
Enfin, il faut souligner que l'application de l'invention est principalement automobile, mais que les supports utilisables pour sa mise en œuvre sont multiples (« Smartphone », tablette, calculateur de navigation débarqué, GPS portable, calculateur d'infrastructure etc.) .

Claims

REVENDICATIONS
1. Procédé d'optimisation de la consommation énergétique d'un véhicule hybride sur un parcours en fonction des lois de gestion de l'énergie de ce véhicule, de l'état de charge de ses batteries de traction et du parcours prévu, caractérisé en ce que la répartition entre l'apport de couple d'origine thermique et l'apport de couple d'origine électrique sur le parcours, repose sur une prédiction de la consommation énergétique globale du parcours établie en fonction d'une estimation de la consommation et de la répartition énergétique entre ces deux apports sur différents tronçons composant le parcours prévu .
2. Procédé d'optimisation selon la revendication 1, caractérisé en ce que le parcours est décomposé en tronçons dans une base de données enrichie d'une estimation de la catégorie énergétique de tous les tronçons.
3. Procédé d'optimisation selon la revendication 2, caractérisé en ce que les tronçons sont classés en fonction de différents critères, permettant de déterminer la répartition optimale du besoin énergétique sur chacun d' eux .
4. Procédé d'optimisation selon la revendication 3, caractérisé en ce que les tronçons sont classés selon l'allure de leur courbe de consommation en fonction de l'énergie électrique utilisée.
5. Procédé d'optimisation selon la revendication 4, caractérisé en ce que les tronçons sont classés en quatre catégories qualifiées de autoroutier, routier, urbain et embouteillage selon l'allure de leur courbe de consommation .
6. Procédé d'optimisation selon l'une des revendications précédentes, caractérisé en ce que le cumul des tronçons détermine, à l'aide d'un modèle statistique, l'appartenance du parcours à une catégorie énergétique permettant de prédire les besoins énergétiques du véhicule sur celui-ci .
7. Procédé d'optimisation, selon la revendication 6, caractérisé en ce que la catégorie du parcours est exploitée au sein du calculateur du véhicule pour déterminer la répartition entre l'apport d'énergie électrique et thermique sur le trajet.
8. Procédé d'optimisation selon la revendication 5, 6 ou 7, caractérisé en ce que la courbe de décharge de la batterie sur le parcours minimise la consommation globale d'énergie du véhicule.
9. Procédé d'optimisation selon l'une des revendications précédentes, caractérisé en ce que la base de données est mise à jour à partir d'un apprentissage du conducteur .
EP14722262.4A 2013-05-03 2014-04-11 Procede d'optimisation de la consommation energetique d'un vehicule hybride Withdrawn EP2991870A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1354089A FR3005296B1 (fr) 2013-05-03 2013-05-03 Procede d'optimisation de la consommation energetique d'un vehicule hybride
PCT/FR2014/050890 WO2014177786A1 (fr) 2013-05-03 2014-04-11 Procede d'optimisation de la consommation energetique d'un vehicule hybride

Publications (1)

Publication Number Publication Date
EP2991870A1 true EP2991870A1 (fr) 2016-03-09

Family

ID=48782467

Family Applications (1)

Application Number Title Priority Date Filing Date
EP14722262.4A Withdrawn EP2991870A1 (fr) 2013-05-03 2014-04-11 Procede d'optimisation de la consommation energetique d'un vehicule hybride

Country Status (5)

Country Link
US (1) US20160167642A1 (fr)
EP (1) EP2991870A1 (fr)
CN (1) CN105246753A (fr)
FR (1) FR3005296B1 (fr)
WO (1) WO2014177786A1 (fr)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015004782A1 (fr) * 2013-07-11 2015-01-15 トヨタ自動車株式会社 Véhicule hybride
FR3037025B1 (fr) * 2015-06-05 2018-07-27 Psa Automobiles Sa. Procede de controle de la decharge de l'accumulateur electrique d'un vehicule hybride pour le roulage dans une zone de circulation controlee
FR3041308B1 (fr) * 2015-09-17 2017-10-20 Renault Sas Procede et dispositif de commande du couple electrique d'un vehicule automobile hybride.
DE102015223588B4 (de) * 2015-11-27 2025-10-23 Bayerische Motoren Werke Aktiengesellschaft Steuersystem mit mindestens einer elektronischen Steuereinheit zur Steuerung eines Verbrennungsmotors in einem Hybridfahrzeug
FR3061471B1 (fr) * 2017-01-05 2020-10-16 Renault Sas Procede d’optimisation de la consommation energetique d’un vehicule hybride
FR3061470B1 (fr) * 2017-01-05 2019-05-17 Renault S.A.S. Procede de calcul d'une consigne de gestion de la consommation en carburant et en courant electrique d'un vehicule automobile hybride
US10486681B2 (en) * 2017-01-13 2019-11-26 Ford Global Technologies, Llc Method and system for torque management in hybrid vehicle
US10678234B2 (en) 2017-08-24 2020-06-09 Tusimple, Inc. System and method for autonomous vehicle control to minimize energy cost
US10632818B2 (en) 2017-10-13 2020-04-28 Toyota Motor Engineering & Manufacturing North America, Inc. Mitigating environmental-control load for a hybrid vehicle
CN108162953B (zh) * 2017-12-01 2020-04-21 浙江吉利汽车研究院有限公司 车辆拥堵区域控制方法及装置
US10611262B2 (en) * 2018-01-15 2020-04-07 Ford Global Technologies, Llc Adaptive cruise control system
DE102018203975A1 (de) * 2018-03-15 2019-09-19 Bayerische Motoren Werke Aktiengesellschaft Fahrerassistenzverfahren für ein Fahrzeug, Fahrerassistenzsystem und Fahrzeug mit einem derartigen Fahrerassistenzsystem
CN108773372B (zh) * 2018-05-30 2020-05-15 江苏卫航汽车通信科技有限责任公司 一种自适应车辆自动控制系统
FR3084318B1 (fr) 2018-07-25 2020-06-26 Airbus Helicopters Procede et dispositif de gestion de l'energie d'une installation motrice hybride d'un aeronef multirotor
EP3906173B1 (fr) * 2018-12-31 2024-05-22 Thermo King LLC Methodes et systemes pour générer un retour de prédiction de consommation d' énergie pour un système de climatisation de moyen de transport
US11358585B2 (en) * 2019-01-04 2022-06-14 Delphi Technologies Ip Limited System and method for torque split arbitration
FR3100509B1 (fr) 2019-09-09 2023-11-24 Psa Automobiles Sa Contrôle du seuil de couple de démarrage thermique d’un groupe motopropulseur hybride d’un véhicule sur un trajet
KR102353411B1 (ko) * 2020-07-28 2022-01-24 주식회사 현대케피코 차량의 제어 장치 및 방법
US11780453B2 (en) * 2020-09-29 2023-10-10 Delphi Technologies Ip Limited Intelligent driving passive pedal control
FR3123324B1 (fr) * 2021-05-31 2023-04-21 Airbus Helicopters Procédé d’aide au pilotage d’un giravion en hautes altitudes grâce à l’apport d’une puissance mécanique provenant d’une installation motrice électrique
CN113276829B (zh) * 2021-07-09 2022-11-01 吉林大学 一种基于工况预测的车辆行驶节能优化变权重方法
CN116811870A (zh) * 2023-07-17 2023-09-29 深蓝汽车科技有限公司 能量回收策略的确定方法、装置、设备和存储介质

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3700552B4 (de) * 1987-01-10 2005-06-02 Robert Bosch Gmbh Verfahren zur Ausgabe von Wegeinformationen für Fahrer von Landfahrzeugen und Informationsausgabesystem
US5844505A (en) * 1997-04-01 1998-12-01 Sony Corporation Automobile navigation system
US6483198B2 (en) * 2001-01-19 2002-11-19 Transportation Techniques Llc Hybrid electric vehicle having a selective zero emission mode, and method of selectively operating the zero emission mode
US7221287B2 (en) * 2002-03-05 2007-05-22 Triangle Software Llc Three-dimensional traffic report
DE10226143B4 (de) * 2002-06-13 2006-02-16 Bayerische Motoren Werke Ag Verfahren zum Steuern eines Hybridantriebs bei einem Kraftfahrzeug
WO2007103840A2 (fr) * 2006-03-06 2007-09-13 Gm Global Technology Operations, Inc. Procédé et appareil de commande de groupe motopropulseur de véhicule hybride
US9373149B2 (en) * 2006-03-17 2016-06-21 Fatdoor, Inc. Autonomous neighborhood vehicle commerce network and community
US20110246010A1 (en) * 2006-06-09 2011-10-06 De La Torre Bueno Jose Technique for Optimizing the Use of the Motor in Hybrid Vehicles
US20080249667A1 (en) * 2007-04-09 2008-10-09 Microsoft Corporation Learning and reasoning to enhance energy efficiency in transportation systems
JP4788643B2 (ja) * 2007-04-23 2011-10-05 株式会社デンソー ハイブリッド車両用の充放電制御装置および当該充放電制御装置用のプログラム
US20090063045A1 (en) * 2007-08-30 2009-03-05 Microsoft Corporation Gps based fuel efficiency optimizer
US7885764B2 (en) * 2007-09-06 2011-02-08 GM Global Technology Operations LLC Method for adaptively constructing and revising road maps
US8214122B2 (en) * 2008-04-10 2012-07-03 GM Global Technology Operations LLC Energy economy mode using preview information
US8014914B2 (en) * 2008-12-05 2011-09-06 International Business Machines Corporation Energy and emission responsive routing for vehicles
WO2010081837A1 (fr) * 2009-01-16 2010-07-22 Tele Atlas B.V. Procédé de création de profils de vitesse pour cartes numériques
DE102009052853B4 (de) * 2009-11-11 2017-07-20 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Reichweitenabschätzung eines Kraftfahrzeugs
US8538694B2 (en) * 2010-05-21 2013-09-17 Verizon Patent And Licensing Inc. Real-time route and recharge planning
DE102010030309A1 (de) * 2010-06-21 2011-12-22 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Ermittlung einer energieverbrauchsoptimierten Route
WO2012009492A2 (fr) * 2010-07-15 2012-01-19 Blue Wheel Technologies, Inc. Systèmes et procédés pour l'alimentation électrique d'un véhicule, et la génération et la distribution d'énergie sur une chaussée
US8185302B2 (en) * 2010-08-26 2012-05-22 Ford Global Technologies, Llc Conservational vehicle routing
WO2012114446A1 (fr) * 2011-02-21 2012-08-30 トヨタ自動車株式会社 Dispositif de commande pour véhicule hybride
JP5480441B2 (ja) * 2011-02-24 2014-04-23 三菱電機株式会社 地図表示装置、ナビゲーション装置および地図表示方法
US8755993B2 (en) * 2011-03-08 2014-06-17 Navteq B.V. Energy consumption profiling
US8718932B1 (en) * 2011-06-01 2014-05-06 Google Inc. Snapping GPS tracks to road segments
US9026814B2 (en) * 2011-06-17 2015-05-05 Microsoft Technology Licensing, Llc Power and load management based on contextual information
DE102011118543A1 (de) * 2011-11-15 2012-05-16 Daimler Ag Verfahren und Vorrichtung zur Steuerung eines Hybridantriebsstrangs eines Fahrzeugs mit einer Nebenantriebsfunktion
US20120109508A1 (en) * 2011-12-28 2012-05-03 Ariel Inventions, Llc Method and system for route navigation based on energy efficiency
CN102765388B (zh) * 2012-07-03 2014-09-10 清华大学 一种基于多信息融合的整车控制方法
US8793035B2 (en) * 2012-08-31 2014-07-29 Ford Global Technologies, Llc Dynamic road gradient estimation
US9121719B2 (en) * 2013-03-15 2015-09-01 Abalta Technologies, Inc. Vehicle range projection
US20170008525A1 (en) * 2015-07-09 2017-01-12 Sung-Suk KO Intelligent vehicle management system
JP6384416B2 (ja) * 2015-07-10 2018-09-05 トヨタ自動車株式会社 車両制御装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
None *
See also references of WO2014177786A1 *

Also Published As

Publication number Publication date
WO2014177786A1 (fr) 2014-11-06
US20160167642A1 (en) 2016-06-16
FR3005296A1 (fr) 2014-11-07
FR3005296B1 (fr) 2016-10-07
CN105246753A (zh) 2016-01-13

Similar Documents

Publication Publication Date Title
EP2991870A1 (fr) Procede d'optimisation de la consommation energetique d'un vehicule hybride
US20250214609A1 (en) Learning in Lane-Level Route Planner
EP3363707B1 (fr) Procede de determination d'une zone atteignable par un vehicule au moyen d'un modele dynamique et d'un graphe adjoint
CN111080018B (zh) 一种基于道路交通环境的智能网联汽车车速预测方法
Jiang et al. SunChase: Energy-efficient route planning for solar-powered EVs
US9778658B2 (en) Pattern detection using probe data
US20220276653A1 (en) Lane-Level Route Planner for Autonomous Vehicles
EP3769175A1 (fr) Gestion d'énergie, gestion de mémoire et de routage dynamique de véhicules à conduite autonome
US11624621B2 (en) Re-routing context determination
EP3317139A1 (fr) Procédé de calcul d'une consigne de gestion de la consommation en carburant et en courant électrique d'un véhicule automobile hybride
EP4414907B1 (fr) Procédé de positionnement de stations de recharge pour véhicules éléctriques dans un espace prédeterminé
WO2020102399A1 (fr) Système et procédé d'acheminement de véhicule à l'aide de mégadonnées
EP3856600B1 (fr) Procédé de calcul d'une consigne de gestion de la consommation en carburant et en courant électrique d'un véhicule automobile hybride
EP3565747A1 (fr) Procede de calcul d'une consigne de gestion de la consommation en carburant et en courant electrique d'un vehicule automobile hybride
CN114462869B (zh) 一种混合公交线路的车辆调度与驾驶人调度协同优化方法
CN120308090A (zh) 一种混合动力车辆能量管理方法、装置、设备及介质
EP3782259B1 (fr) Système optimisé de recharge dynamique de véhicules électriques
EP4414880A1 (fr) Methode de dimensionnement d'une batterie pour vehicule electrique
Montazeri-Gh et al. Application of vehicle telematic system in fuzzy-based HEV control
Veach et al. Achieving Smart Mobility: A Review
CN117549751A (zh) 电量消耗的预测方法、装置及车辆
WO2026068173A1 (fr) Procede de determination de la duree de file d'attente estimee d'un vehicule electrique dans des infrastructures de recharge
CN121436357A (zh) 车辆的能耗预估方法、计算机程序产品、车辆及存储介质
CN120020020A (zh) 一种通勤工况的混动车辆能量管理方法、装置及设备
FR2974332A1 (fr) Procede et systeme de gestion de l'energie d'un vehicule automobile

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20151019

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAX Request for extension of the european patent (deleted)
GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: GRANT OF PATENT IS INTENDED

INTG Intention to grant announced

Effective date: 20190321

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20190801