EP4341882A1 - Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration - Google Patents

Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration

Info

Publication number
EP4341882A1
EP4341882A1 EP22729152.3A EP22729152A EP4341882A1 EP 4341882 A1 EP4341882 A1 EP 4341882A1 EP 22729152 A EP22729152 A EP 22729152A EP 4341882 A1 EP4341882 A1 EP 4341882A1
Authority
EP
European Patent Office
Prior art keywords
vehicle
person
vehicle configuration
profile
driving profile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22729152.3A
Other languages
English (en)
French (fr)
Inventor
Jens Kastens
Heidi Rathgeb
Alexander Graf
Nicolas Blum
Andrea AGOSTINELLI
Dominic SCHMIDT
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.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
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 ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Publication of EP4341882A1 publication Critical patent/EP4341882A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Definitions

  • the invention relates to a method, a computer program, a computer-readable medium and a system for determining a vehicle configuration that is adapted to the driving behavior of a person.
  • One aspect of the invention relates to a method for determining a vehicle configuration that is adapted to the driving behavior of a person or a driver.
  • the computer-implemented method can be executed automatically by a computer system.
  • the method can be used to recommend a suitable drive train for the vehicle as a function of the driving profile.
  • the vehicle may be a road vehicle such as a car, truck, or motorcycle.
  • the method comprises: determining a driving profile of the person, the driving profile being a speed profile and/or comprises an acceleration profile of a vehicle controlled by the person.
  • the driving profile is determined using a vehicle other than the vehicle whose configuration is to be adapted or optimized.
  • the driving profile includes data of a vehicle that is controlled by the person or the driver and that can be recorded and/or determined while driving. This data can include speed values and/or acceleration values. It is also possible that further information, such as a speed of the engine of the vehicle, a gear position, an accelerator pedal position, etc., is included in the driving profile.
  • the data can be determined via sensors in the vehicle and/or calculated from measured values of these sensors. All this data is recorded for the driving profile over time.
  • the method further comprises: determining category values for the driving profile for a plurality of vehicle configurations, the category values comprising at least one of an energy consumption and a CO2 emission of the respective vehicle configuration and wherein the energy consumption or the CO2 -ejection can be calculated from the velocity profile and/or acceleration profile.
  • a simulation, a machine learning algorithm, or a combination thereof can be used to calculate the category scores.
  • a category value evaluates a vehicle configuration in relation to the driving profile in terms of a specific category, such as fuel consumption, energy consumption, C02 emissions, etc.
  • the driving profile is used to determine one or more category values for a plurality of vehicle configurations.
  • a corresponding algorithm is used for this purpose, in which a vehicle configuration and the driving profile are entered and which outputs one or more category values.
  • a vehicle configuration determines the structure of the vehicle to be configured, ie which drive is to be used, how is the transmission structured, etc. Wind resistance and/or a body shape can also be contained in the vehicle configuration. It is possible that person is the plural of vehicle configurations, for example via a configurator application operated by the person.
  • the method further comprises: determining an optimal vehicle configuration by determining vehicle configuration values for each vehicle configuration by weighting the category values for each vehicle configuration and choosing an optimal vehicle configuration value.
  • An optimal vehicle configuration is determined from the one or more category values.
  • the category values are weighted to determine a vehicle configuration value.
  • the vehicle configuration value can be used to evaluate a vehicle configuration in relation to the driving profile. It is possible that the person set the weight using the configurator application mentioned above.
  • the optimal vehicle configuration is determined from the vehicle configuration values. This can be the vehicle configuration with the highest or lowest vehicle configuration value.
  • the driving profile is determined using a person's mobile device, which records movement data with internal sensors and the driving profile is generated from the movement data.
  • the mobile device can be a smartphone or tablet.
  • An internal sensor can be a GPS sensor and/or an acceleration sensor.
  • the data determined by the internal sensors of the mobile device can be stored in the mobile device and/or can be transmitted to a server via a data communication network for mobile devices, which evaluates the data and carries out further steps of the method.
  • the mobile device is carried in a vehicle controlled by the person. With this vehicle, the movement profile or at least a part of routes of the driving profile is determined. In particular, the speed values and/or acceleration values of the driving profile can be recorded with a mobile device in this vehicle.
  • the mobile device recognizes whether it is based on the movement data in a controlled vehicle and whether the driving profile is generated solely from the movement data recorded in the vehicle. From acceleration values and/or speed values it can be determined whether the person is walking or is in a vehicle. This means that it can be automatically recognized whether values for the driving profile are to be recorded.
  • the driving profile includes a plurality of routes.
  • a route can be a specific route taken by the person from a starting point to a destination.
  • a route can be traversed several times and/or regularly.
  • the person can use the mobile device to select which of the routes to use to determine the category values. Only certain routes, such as the way to the person's place of work, can be included in the driving profile.
  • a new route can be started each time the vehicle is stationary for a longer period of time and/or the mobile device detects that it is leaving the vehicle or being brought into the vehicle.
  • the mobile device can be designed to record data communication with the vehicle and in this way recognize that it should start recording data for the driving profile and/or a route.
  • the vehicle configuration includes at least one of the following information: a vehicle string, an average fuel consumption, a mass of a selected vehicle, and/or a drag coefficient of a selected vehicle.
  • a vehicle configuration can have a powertrain type (such as electric, petrol, diesel, gas, etc.), an engine type (e.g. wise with different maximum powers), a transmission type (automatic/manual), etc.
  • the vehicle configuration can include a body type from which the drag coefficient can be derived.
  • the vehicle configuration can include information that indicates a fuel or energy consumption of the vehicle to be configured depending on the driving profile.
  • the weights for the category values are at least partly chosen by the person.
  • the person can use the mobile device to choose which category is more important to them than another category, such as C02 emissions, energy consumption, wear and tear, etc. With this choice, the weight for the important category can then be increased.
  • the driving profile includes positions of a route traveled by the person. Not only the speed and/or the acceleration, but also the location of the vehicle can be stored in the driving profile. It can thus be determined from map data whether certain regularly traveled routes are advantageous for a vehicle configuration or not.
  • the driving profile can indicate, for example, that the person usually drives in a built-up area or drives in a mountainous area.
  • gas stations and/or charging stations can also be determined along routes.
  • a category value is determined that takes into account charging stations for electrically operated vehicles or gas stations along the route.
  • the category value for a vehicle configuration with an electric drive can depend on how many charging stations for the drive are available along the routes of the driving profile.
  • the category values for the driving profile are determined by simulating a vehicle driving along the driving profile with the vehicle configuration.
  • an energy Energy consumption and/or C02 emissions of the respective vehicle configuration can be calculated.
  • the driving profile can be broken down into sections and/or routes. Energy consumption and/or CO2 emissions can then be calculated for each section and/or route of the driving profile. Energy consumption and/or CO2 emissions can also be determined for individual routes.
  • the category values can thus be determined by a simulation with which the route that the person has traveled with the vehicle is virtually driven with a vehicle that has the desired vehicle configuration.
  • the driving behavior of the person who is stored in the driving profile can be included.
  • each category value is determined by a machine learning algorithm into which the driving profile is input. It may be that the entire calculation of a category value from the driving profile is performed by a machine learning algorithm.
  • the output of the machine learning algorithm such as an artificial neural network, is one or more category values.
  • the energy consumption or the CO 2 emission is determined as a function of a speed and/or an acceleration using a machine learning algorithm. It may be that the machine learning algorithm only determines an energy consumption and/or a CO2 emission for the respective vehicle configuration for a section and/or a route of the simulated route that the vehicle covers with a vehicle configuration in the simulation.
  • the vehicle configuration values are also determined by the machine learning algorithm, ie the vehicle configuration values are output values of the machine learning algorithm and/or that a category value is already the vehicle configuration value of the vehicle configuration entered into the machine learning algorithm.
  • the machine learning algorithm has been trained with a variety of driving profiles, speeds and/or accelerations and a variety of vehicle configurations for which the category values, energy consumption and/or CO 2 emissions are known. Driving profiles that have already been provided with category values can be stored in a database, for example on the server.
  • the machine learning algorithm something like an artificial neural network, is trained with data from this database in order to then calculate suitable category values, energy consumption and/or CO2 emissions from an unknown driving profile and vehicle configuration.
  • an associated machine learning algorithm is trained for each vehicle configuration.
  • each vehicle configuration can have its own machine learning algorithm.
  • the vehicle configuration can also be entered into the machine learning algorithm.
  • category values, energy consumption and/or CO2 emissions can also be generated for vehicle configurations for which no training data was available.
  • the machine learning algorithm it is also possible for the machine learning algorithm to evaluate the vehicle configurations in relation to the driving profile, i.e. a value is output for each vehicle configuration that evaluates the vehicle configuration as a whole.
  • the method further comprises: determining a vehicle based on the vehicle configuration.
  • the determined vehicle configuration can be inserted into an order for a vehicle, based on which a vehicle is then manufactured that has the vehicle configuration and in particular the corresponding drive train.
  • a computer-readable medium can be a hard disk, a USB storage device, a RAM, a ROM, an EPROM or a FLASH memory.
  • a computer-readable medium can also be a data communication network, such as the Internet, that enables downloading of program code.
  • the computer system may include the mobile device and optionally a server to which the mobile device is connected.
  • a further aspect of the invention relates to a system for determining a vehicle configuration adapted to the driving behavior of a person, which is set up to carry out the method as described herein. It is to be understood that features of the system can also be features of the method or the computer program and the computer-readable medium and vice versa. The system can be the computer system described above. It is also possible that the vehicle with which the driving profile is recorded is part of the system.
  • FIG. 1 schematically shows a system according to an embodiment of the invention.
  • FIG. 2 shows a flow chart for a method according to an embodiment of the invention.
  • FIG. 1 shows a vehicle 10 together with a system 12 comprising a mobile device 14 and a server 16 for determining a vehicle configuration which is adapted to a person's driving behavior.
  • the mobile device 14, such as a mobile phone or tablet computer, is carried in the vehicle 10, which is controlled by the person. ed. While driving, the mobile device 14 records movement data of the vehicle with internal sensors 18, such as a GPS sensor or an acceleration sensor, and sends this data to a server 16, which compiles this data into a driving profile for the person.
  • the mobile device 14 and the server 16 are connected via a mobile data communication network for data exchange.
  • the person can also create multiple vehicle configurations that are sent to the server 16.
  • the server 16 uses the driving profile to determine which vehicle configuration is optimal for the person's driving profile and thus for their driving behavior with regard to one or more categories, such as energy consumption or CO2 emissions.
  • the mobile device 14 can also partially carry out the method steps which are described above and below in connection with the server 16 .
  • FIG. 2 shows a diagram with which a method for determining a vehicle configuration adapted to the driving behavior of the person is illustrated.
  • the method can be performed by a software application on the mobile device 14 in interaction with other software components on the server 16.
  • the software application on the mobile device can be obtained from the person using a digital distribution platform for application software from the operating system manufacturer of the mobile device 14 .
  • the person can also create a user account and use it to register in the software application.
  • step S10 a driving profile 20 of the person is determined with the mobile device 14 .
  • the driving profile 20 includes a speed profile and/or an acceleration profile of the vehicle 10 controlled by the person, which is recorded with the mobile device 14 carried in the vehicle 10 controlled by the person.
  • the driving profile 20 is determined with the person's mobile device 14, which records movement data with internal sensors 18 and wherein the driving profile 20 consists of the Movement data is generated.
  • the movement data can include speeds, accelerations and/or positions.
  • the software application on the mobile device can record position data during a journey and then transmit this to the server 16 for evaluation.
  • a data history can be stored and pre-processed there.
  • the driving profile 20 can include a history of the movement data of trips made by the person.
  • the trips can be recorded using the software application that is installed on the mobile device 14 via the integrated GNSS (Global Navigation Satellite System) receiver of the mobile device 14 .
  • GNSS Global Navigation Satellite System
  • vehicle data can also be integrated to improve the estimates.
  • the mobile device can receive this data via an interface to the vehicle 10 .
  • the mobile device 14 can automatically recognize whether it is located in the controlled vehicle 10 based on the movement data.
  • the driving profile 20 can then only be generated from the movement data recorded in the vehicle 10 . So that the person does not have to start and stop recording the journey themselves every time they drive, the software application can automatically detect when a journey begins and ends and start and stop the recording process. To do this, it is detected whether movement is possible without a vehicle or not in order to start recording, and after a certain period of time without movement, recording is stopped and the journey is completed. This allows the software application to run in the background and requires little attention from the person.
  • the individual trips can also be stored as routes 22 in the driving profile 20 .
  • the person can use the mobile device 14 to select which of the routes 22 will be used for the further process or stored in a database on the server 16 .
  • the recorded position data for example of an individual trip determined as above, can then be combined into a route 22 .
  • These automatically recorded routes 22 can then be presented to the person on the mobile device 14 in an overview. It's possible that the Person must release the routes 22 for further analysis. Routes 22 can also be deleted.
  • step S12 several possible vehicle configurations 24 are determined. This can be done, for example, by the person configuring one or more vehicles with the software application and the server 16 determining possible vehicle configurations 24 for this purpose. However, it is also possible for the following steps to be carried out for all possible vehicle configurations 24 that are stored in the server 16 .
  • the vehicle configuration 24 is a data structure that can contain information about the following characteristics of a configured vehicle: a drive type, a vehicle train, an average fuel consumption, a mass of the selected vehicle, a Cd value of the vehicle, etc. In particular, information about at what speed and/or what acceleration the vehicle consumes how much energy or fuel can be contained in the vehicle configuration 24 .
  • the method should enable the person to find the optimal drive train concept for his driving profile 20 .
  • the properties of a (hybrid) drive train for example ICE (Internal Combustion Engine), FIEV (Hybrid Electric Vehicle), PFIEV (Plug-in Hybrid Electric Vehicle), BEV (Battery Electric Vehicle), hydrogen drive, natural gas drive , can be configured individually, although concepts that currently do not exist can also be configured, such as a hypothetical hybrid drive made of natural gas and hydrogen.
  • vehicle parameters can also be taken into account and/or stored in the vehicle configuration 24 .
  • vehicle configurations 24 are weighted with regard to certain categories. These weights 26 can be at least partially selected for the categories or the associated category values 28 by the person using the software application. For example, the person can whether an electric drive is very important to her and/or whether she also wants to drive in areas that are poorly accessible for electric vehicles. The weights 26 can then be determined from this information.
  • steps S10 and S12 can also be carried out in reverse order.
  • step S14 the server 16 determines category values 28 for the driving profile 20 for a plurality of vehicle configurations 24.
  • Category values 28 are determined at least for energy consumption and/or CO2 emissions for the respective vehicle configuration 24, which were determined in step S12.
  • the energy consumption or the CO2 emissions are calculated from the speed profile and/or acceleration profile that were determined in step S10.
  • Category values 28 can also be determined for other categories, such as cost savings, CO2 savings, charging/refueling comfort, range, etc.
  • a category value 28 evaluates the respective category, for example from 0 to 1, with 0 being “low” or can mean “minimal” and 1 "high” or "maximum”.
  • the category value 28 for a category relating to the driving profile 20 is determined by simulating driving along the driving profile 20 by a vehicle with the vehicle configuration 24 .
  • the respective energy and/or fuel consumption of the vehicle can be calculated from the parameters for the vehicle configuration 24 and the speed and/or acceleration along the trips and/or routes 22 stored in the driving profile 20 .
  • the parameters can be entered into a model of the vehicle, which calculates the respective energy and/or fuel consumption.
  • the energy and/or fuel consumption for a trip and/or route 22 or for the entire driving profile 20 is calculated by adding up these values.
  • the fuel/energy consumption and/or the C02 emissions can be estimated based on the speed and/or acceleration profile during the journey.
  • Data-driven models (such as machine learning) based on historical vehicle data can be used for the assessment.
  • the model can also take into account vehicle parameters such as the specified WLTP (World harmonized Light-duty Vehicles Test Procedure) consumption or the mass and the drag coefficient.
  • the consumption values can also be used to calculate potential cost savings.
  • additional costs/savings through tax benefits costs for vehicle maintenance (e.g. electric vehicles do not require engine oil and have significantly lower brake wear due to the possible recuperation) and also the depreciation can be taken into account.
  • the environmental compatibility can be evaluated via the C02 emissions.
  • the person's individual usage profile which results from the driving profile 20, is not compared with predefined usage profiles; instead, the person's driving behavior is calculated using simulation with the individual framework conditions and possible drive train configurations.
  • a category value 28 can be determined by a machine learning algorithm into which the driving profile 20 is input. It is also possible for the energy consumption or the CO2 emission to be determined as a function of a speed and/or an acceleration using a machine learning algorithm.
  • the model used to determine the energy consumption or CO2 emissions during the simulation can be a machine learning algorithm. It is possible that an associated machine learning algorithm is trained for each vehicle configuration 24 or that the vehicle configuration 24 is additionally entered into the machine learning algorithm.
  • the position data and the cumulative consumption data can also be used to assess the comfort when recharging or refueling. Depending on the energy source, these times differ considerably. Generally can be rated how often the person has to recharge the energy storage device(s) (petrol, diesel, battery, natural gas, hydrogen) in a given period of time.
  • the corresponding category value 28 can be used as a secondary evaluation criterion or weighted less. First-rate or higher weighting can be used to evaluate how high the proportion of journeys or routes 22 is that cannot be driven with a single tank filling/loading and thus cause additional waiting time for the person for refilling. These evaluation criteria can also be weighted with regard to the existing charging infrastructure by comparing the position data from the driving profile 20 with existing map material.
  • a category value 28 can be determined which takes into account charging stations for electrically operated vehicles or filling stations along the route 22 .
  • the availability of charging options can be taken into account. This means that if there are no charging stations in the vicinity of Route 22, then an electric vehicle is less recommended than if the charging infrastructure is better developed. In this way, regional differences can also be included in the calculation.
  • step S16 an optimal vehicle configuration 24 is determined from the category values 28 .
  • a vehicle configuration value 30 is determined by weighting the category values 28 from step S14.
  • An optimal vehicle configuration value 30, for example the largest vehicle configuration value 30, is selected from the vehicle configuration values 30, which evaluate the vehicle configuration 24 overall.
  • a vehicle configuration value 30 may be calculated by multiplying the category values 28 by the associated weights 26 and then summing.
  • the ratings of the categories, ie the category values 28, can then be user-defined weighted and combined into a unitless total value, ie the vehicle configuration value 30, which can be used for decision-making.
  • the goal may be to recommend the powertrain or vehicle that maximizes the person's utility.
  • the software application can then retrieve the results, such as the category values 28 and/or the vehicle configuration value 30, from the server 16 and visualize them on the mobile device 14 for the person.
  • the person can use their mobile device 14 to record their journeys manually or automatically using the GPS function of the mobile device 14 .
  • the data is uploaded to a central database in the server 16 and analyzed there. If a representative database can be assumed, a powertrain configuration is determined from the analyzes carried out. Certain criteria (e.g. profitability, environmental impact) can be weighted differently in the determination.
  • the recommendation is then transmitted again to the mobile device 14 and displayed to the person.
  • the software application on the mobile device 14 or the system 12 can also be used for other options.
  • the person's driving profile 20 can be compared to the average of driving profiles of other people.
  • the created driving profile 20 is compared with other driving profiles 20 in the database. In this way, the person can be given specific feedback on their driving behavior. Anomalies can be shown and suggestions for improving defined criteria can be displayed.
  • the system 12 can still be used sensibly even after a vehicle has been purchased. It can serve as proof for car insurance. This means that the person receives a rate reduction from the insurance company if they record a defined portion of their journeys with the software application. The system 12 can then also provide feedback and recommendations on driving behavior.
  • the software application can also determine the current mileage or the kilometers driven (ie the mileage) of the vehicle without being connected to the vehicle. All you have to do is enter an initial mileage at the beginning or read it out through an interface to the vehicle.
  • the software application can determine the mileage by continuously recording the distances driven.

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

Ein Verfahren zum Bestimmen einer an das Fahrverhalten einer Person angepassten Fahrzeugkonfiguration (24) umfasst: Bestimmen eines Fahrprofils (20) der Person, wobei das Fahrprofil (20) ein Geschwindigkeitsprofil und/oder ein Beschleunigungsprofil eines von der Person gesteuerten Fahrzeugs (10) umfasst; Ermitteln von Kategoriewerten (28) zu dem Fahrprofil (20) für eine Mehrzahl von Fahrzeugkonfigurationen (24), wobei die Kategoriewerte (28) zumindest wenigstens eines aus einem Energieverbrauch und einem C02 -Ausstoß zu der jeweiligen Fahrzeugkonfiguration (24) umfassen und wobei der Energieverbrauch bzw. der C02-Ausstoß aus dem Geschwindigkeitsprofil und/oder Beschleunigungsprofil berechnet werden; und Bestimmen einer optimalen Fahrzeugkonfiguration (24) durch Ermitteln von Fahrzeugkonfigurationswerten (30) für jede Fahrzeugkonfiguration (24) durch Gewichten der Kategoriewerte (28) für jede Fahrzeugkonfiguration (24) und Wählen eines optimalen Fahrzeugkonfigurationswerts (30).

Description

Bestimmen einer an das Fahrverhalten einer Person anqepassten
Fahrzeuqkonfiquration
Die Erfindung betrifft ein Verfahren, ein Computerprogramm, ein computerlesbares Medium und ein System zum Bestimmen einer an das Fahrverhalten einer Person angepassten Fahrzeugkonfiguration.
Personen, die sich ein neues Fahrzeug kaufen wollen, sind oft mit der Entscheidung überfordert, eine richtige Antriebsstrangkonfiguration auszuwählen. Verkäufer kön nen oft nicht so individuell beraten und sind evtl auch nicht objektiv/unabhängig. Weiter sind der Energieverbrauch, der Treibstoffverbrauch und der C02-Ausstoß ei nes Fahrzeugs vom Fahrverhalten des Fahrers abhängig. Indem die Fahrzeugkonfi guration und insbesondere der Antriebsstrang des Fahrzeugs in Hinblick auf das Fahrverhalten des Fahrers optimiert wird, können sparsamere und umweltfreundli chere Fahrzeuge bereitgestellt werden.
Es ist Aufgabe der Erfindung, ein Fahrzeug mit geringem Energieverbrauch, gerin gem Treibstoffverbrauch und/oder geringem C02-Ausstoß für einen Fahrer bereitzu stellen.
Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Weitere Ausführungsformen der Erfindung ergeben sich aus den abhängigen An sprüchen und aus der folgenden Beschreibung.
Ein Aspekt der Erfindung betrifft ein Verfahren zum Bestimmen einer an das Fahrver halten einer Person bzw. eines Fahrers angepassten Fahrzeugkonfiguration. Das computerimplementierte Verfahren kann automatisch von einem Computersystem ausgeführt werden. Mit dem Verfahren kann insbesondere eine fahrprofilabhängige Empfehlung eines passenden Antriebsstrangs für das Fahrzeug erfolgen. Das Fahr zeug kann ein Straßenfahrzeug, wie etwa ein Pkw, Lkw oder Motorrad, sein.
Gemäß einer Ausführungsform der Erfindung umfasst das Verfahren: Bestimmen ei nes Fahrprofils der Person, wobei das Fahrprofil ein Geschwindigkeitsprofil und/oder ein Beschleunigungsprofil eines von der Person gesteuerten Fahrzeugs umfasst. Das Fahrprofil wird insbesondere mit einem anderen Fahrzeug ermittelt als das Fahrzeug, dessen Konfiguration angepasst bzw. optimiert werden soll. Das Fahrprofil umfasst Daten eines Fahrzeugs, das von der Person bzw. dem Fahrer gesteuert wird und die während der Fahrt aufgezeichnet und/oder ermittelt werden können. Diese Daten können Geschwindigkeitswerte und/oder Beschleunigungswerte umfassen. Es ist auch möglich, dass weitere Informationen, wie etwa eine Drehzahl des Motors des Fahrzeugs, eine Gangstellung, eine Fahrpedalstellung usw., in das Fahrprofil aufge nommen werden. Die Daten können über Sensoren im Fahrzeug ermittelt werden und/oder aus Messwerten dieser Sensoren berechnet werden. Alle diese Daten wer den für das Fahrprofil über die Zeit aufgezeichnet.
Gemäß einer Ausführungsform der Erfindung umfasst das Verfahren weiter: Ermitteln von Kategoriewerten zu dem Fahrprofil für eine Mehrzahl von Fahrzeugkonfiguratio nen, wobei die Kategoriewerte zumindest wenigstens eines aus einem Energiever brauch und einem C02-Ausstoß der jeweiligen Fahrzeugkonfiguration umfassen und wobei der Energieverbrauch bzw. der C02-Ausstoß aus dem Geschwindigkeitsprofil und/oder Beschleunigungsprofil berechnet werden. Beispielsweise kann eine Simula tion, ein Maschinenlernalgorithmus oder eine Kombination davon zur Berechnung der Kategoriewerte verwendet werden. Ein Kategoriewert bewertet eine Fahrzeug konfiguration in Bezug auf das Fahrprofil hinsichtlich einer bestimmten Kategorie, wie etwa Treibstoffverbrauch, Energieverbrauch, C02 -Ausstoß usw.
Das Fahrprofil wird dazu verwendet, für eine Mehrzahl von Fahrzeugkonfigurationen jeweils einen oder mehrere Kategoriewerte zu bestimmen. Dazu wird ein entspre chender Algorithmus verwendet, in dem eine Fahrzeugkonfiguration und das Fahr profil eingegeben werden und der einen oder mehrere Kategoriewerte ausgibt.
Eine Fahrzeugkonfiguration bestimmt den Aufbau des zu konfigurierenden Fahr zeugs, d.h., welcher Antrieb soll verwendet werden, wie ist das Getriebe aufgebaut usw. Auch ein Windwiderstand und/oder eine Karosserieform können in der Fahr zeugkonfigurationen enthalten sein. Es ist möglich, dass die Person die Mehrzahl von Fahrzeugkonfigurationen auswählt, beispielsweise übereine Konfiguratoranwen- dung, die von der Person bedient wird.
Gemäß einer Ausführungsform der Erfindung umfasst das Verfahren weiter: Bestim men einer optimalen Fahrzeugkonfiguration durch Ermitteln von Fahrzeugkonfigurati onswerten für jede Fahrzeugkonfiguration durch Gewichten der Kategoriewerte für jede Fahrzeugkonfiguration und Wählen eines optimalen Fahrzeugkonfigurations werts.
Aus dem einen oder mehreren Kategoriewerten wird eine optimale Fahrzeugkonfigu ration bestimmt. Dazu werden die Kategoriewerte gewichtet, um einen Fahrzeugkon figurationswert zu bestimmen. Mit dem Fahrzeugkonfigurationwert kann eine Fahr zeugkonfiguration in Bezug auf das Fahrprofil bewertet werden. Es ist möglich, dass die Person die Gewichtung mit der oben erwähnten Konfiguratoranwendung festge legt hat.
Die optimale Fahrzeugkonfiguration wird aus den Fahrzeugkonfigurationswerten be stimmt. Dies kann die Fahrzeugkonfiguration mit dem höchsten oder niedrigsten Fahrzeugkonfigurationswert sein.
Gemäß einer Ausführungsform der Erfindung wird das Fahrprofil mit einem Mobilge rät der Person ermittelt, das Bewegungsdaten mit internen Sensoren aufnimmt und wobei das Fahrprofil aus den Bewegungsdaten erzeugt wird. Das Mobilgerät kann ein Smartphone oder Tablet sein. Ein interner Sensor kann ein GPS-Sensor und/oder ein Beschleunigungssensor sein. Die von den internen Sensoren des Mobilgeräts er mittelten Daten können in dem Mobilgerät gespeichert werden und/oder können über ein Datenkommunikationsnetzwerk für Mobilgeräte an einen Server übermittelt wer den, der die Daten auswertet und weitere Schritte des Verfahrens ausführt.
Gemäß einer Ausführungsform der Erfindung wird das Mobilgerät in einem von der Person gesteuerten Fahrzeug mitgeführt. Mit diesem Fahrzeug wird das Bewegungs- profil oder zumindest ein Teil von Routen des Fahrprofils ermittelt. Insbesondere kön nen die Geschwindigkeitswerte und/oder Beschleunigungswerte des Fahrprofils mit einem Mobilgerät in diesem Fahrzeug aufgenommen werden.
Gemäß einer Ausführungsform der Erfindung erkennt das Mobilgerät, ob es sich ba sierend auf den Bewegungsdaten in einem gesteuerten Fahrzeug befindet und das Fahrprofil lediglich aus in den in dem Fahrzeug aufgenommenen Bewegungsdaten erzeugt wird. Aus Beschleunigungswerten und/oder Geschwindigkeitswerten kann ermittelt werden, ob die Person geht oder sich in einem Fahrzeug befindet. Damit kann automatisch erkannt werden, ob gerade Werte für das Fahrprofil aufgenommen werden sollen.
Gemäß einer Ausführungsform der Erfindung umfasst das Fahrprofil eine Mehrzahl von Routen. Eine Route kann ein bestimmter Fahrweg sein, den die Person von ei nem Startpunkt zu einem Zielpunkt gefahren ist. Eine Route kann mehrfach und/oder regelmäßig abgefahren werden. Die Person kann beispielsweise mit dem Mobilgerät auswählen, welche der Routen zum Ermitteln der Kategoriewerte verwendet werden. Es können nur bestimmte Routen, wie etwa der Weg zum Arbeitsplatz der Person, in das Fahrprofil einbezogen werden.
Jedes Mal, wenn das Fahrzeug längere Zeit steht und/oder das Mobilgerät erkennt, dass es das Fahrzeug verlässt bzw. in das Fahrzeug verbracht wird, kann eine neue Route begonnen werden. Das Mobilgerät kann dazu ausgeführt sein, mit dem Fahr zeug eine Datenkommunikation aufzunehmen und auf diese Weise erkennen, dass es mit der Aufzeichnung von Daten für das Fahrprofil und/oder eine Route beginnen soll.
Gemäß einer Ausführungsform der Erfindung enthält die Fahrzeugkonfiguration we nigstens eine aus den folgenden Informationen: einen Fahrzeugstrang, einen durch schnittlichen Treibstoffverbrauch, eine Masse eines gewählten Fahrzeugs, und/oder einen Cw-Wert eines gewählten Fahrzeugs. Eine Fahrzeugkonfiguration kann einen Antriebstyp (wie etwa Elektro, Benzin, Diesel, Gas usw.), einen Motortyp (beispiels- weise mit unterschiedlichen Maximalleistungen), einen Getriebetyp (automa tisch/Schaltung) usw. umfassen. Weiter kann die Fahrzeugkonfiguration einen Karos serietyp, aus dem der Cw-Wert abgeleitet werden kann, umfassen. Im Allgemeinen kann die Fahrzeugkonfiguration Informationen umfassen, die auf einen Treibstoff- bzw. Energieverbrauch des zu konfigurierenden Fahrzeugs in Abhängigkeit von dem Fahrprofil schließen lassen.
Gemäß einer Ausführungsform der Erfindung werden die Gewichte für die Kategorie werte von der Person zumindest teilweise gewählt. Die Person kann beispielsweise mit dem Mobilgerät wählen, welche Kategorie für sie wichtiger ist als eine andere Ka tegorie, wie etwa C02-Ausstoß, Energieverbrauch, Verschleiß usw. Mit dieser Aus wahl kann dann das Gewicht für die wichtige Kategorie erhöht werden.
Gemäß einer Ausführungsform der Erfindung umfasst das Fahrprofil Positionen einer von der Person abgefahrenen Route. Nicht nur die Geschwindigkeit und/oder die Be schleunigung, auch der Ort des Fahrzeugs kann in dem Fahrprofil gespeichert wer den. Damit kann aus Kartendaten ermittelt werden, ob bestimmte regelmäßig abge fahrene Routen vorteilhaft für eine Fahrzeugkonfiguration sind oder nicht. Das Fahr profil kann beispielsweise anzeigen, dass die Person in der Regel innerörtlich fährt oder in einer bergigen Gegend fährt. Weiter können auch Tankstellen und/oder La destationen entlang von Routen ermittelt werden.
Gemäß einer Ausführungsform der Erfindung wird ein Kategoriewert ermittelt, der La destationen für elektrisch betriebene Fahrzeuge bzw. Tankstellen entlang der Route berücksichtigt. Der Kategoriewert für eine Fahrzeugkonfiguration mit elektrischem Antrieb kann beispielsweise davon abhängen, wie viele Ladestationen für den An trieb entlang der Routen des Fahrprofils vorhanden sind.
Gemäß einer Ausführungsform der Erfindung werden die Kategoriewerte zu dem Fahrprofil durch Simulieren eines Abfahrens des Fahrprofils durch ein Fahrzeug mit der Fahrzeugkonfiguration ermittelt. Aus dem Geschwindigkeitsprofil und/oder dem Beschleunigungsprofil kann in Abhängigkeit von der Fahrzeugkonfiguration ein Ener- gieverbrauch und/oder ein C02 -Ausstoß der jeweiligen Fahrzeugkonfiguration be rechnet werden. Das Fahrprofil kann in Abschnitte und/oder Wegstrecken zerlegt werden. Ein Energieverbrauch und/oder ein C02-Ausstoß kann dann je Abschnitt und/oder Wegstrecke des Fahrprofils berechnet werden. Auch für einzelne Routen können der Energieverbrauch und/oder ein C02 -Ausstoß ermittelt werden.
Die Kategoriewerte können somit durch eine Simulation ermittelt werden, mit der das Abfahren der Strecke, die die Person mit dem Fahrzeug abgefahren hat, virtuell mit einem Fahrzeug durchgeführt wird, das die gewünschte Fahrzeugkonfiguration auf weist. Dabei kann das Fahrverhalten der Person, die in dem Fahrprofil gespeichert ist, einbezogen werden.
Gemäß einer Ausführungsform der Erfindung wird jeder Kategoriewert durch einen Maschinenlernalgorithmus bestimmt, in den das Fahrprofil eingegeben wird. Es kann sein, dass die gesamte Berechnung eines Kategoriewerts aus dem Fahrprofil von ei nem Maschinenlernalgorithmus durchgeführt wird. Die Ausgabe des Maschinenler nalgorithmus, wie etwa einem künstlichen neuronalen Netz, sind ein oder mehrere Kategoriewerte.
Gemäß einer Ausführungsform der Erfindung wird der Energieverbrauch bzw. der C02-Ausstoß in Abhängigkeit von einer Geschwindigkeit und/oder einer Beschleuni gung durch einen Maschinenlernalgorithmus bestimmt. Es kann sein, dass der Ma schinenlernalgorithmus lediglich für einen Abschnitt und/oder eine Wegstrecke der simulierten Strecke, die das Fahrzeug mit einer Fahrzeugkonfiguration in der Simula tion zurücklegt, einen Energieverbrauch und/oder einen C02-Ausstoß zu der jeweili gen Fahrzeugkonfiguration bestimmt.
Weiter ist es möglich, dass das Ermitteln der Fahrzeugkonfigurationswerte auch durch den Maschinenlernalgorithmus durchgeführt wird, d.h. , dass die Fahrzeugkon figurationswerte Ausgabewerte des Maschinenlernalgorithmus sind und/oder dass ein Kategoriewert bereits der Fahrzeugkonfigurationswert der in den Maschinenler nalgorithmus eingegebenen Fahrzeugkonfiguration ist. Gemäß einer Ausführungsform der Erfindung wurde der Maschinenlernalgorithmus mit einer Vielzahl von Fahrprofilen, Geschwindigkeiten und/oder Beschleunigungen und einer Mehrzahl von Fahrzeugkonfigurationen trainiert, für die die Kategoriewerte, der Energieverbrauch und/oder der C02-Ausstoß bekannt sind. In einer Datenbank, beispielsweise auf dem Server, können Fahrprofile gespeichert werden, die bereits mit Kategoriewerten versehen worden sind. Der Maschinenlernalgorithmus, in etwa ein künstliches neuronales Netz, wird mit Daten aus dieser Datenbank trainiert, um dann aus einem unbekannten Fahrprofil und einer Fahrzeugkonfigurationen dann passende Kategoriewerte, Energieverbräuche und/oder C02-Ausstöße zu berech nen.
Gemäß einer Ausführungsform der Erfindung wird für jede Fahrzeugkonfiguration ein zugehöriger Maschinenlernalgorithmus trainiert. D.h., zu jeder Fahrzeugkonfiguration kann ein eigener Maschinenlernalgorithmus vorhanden sein. Alternativ kann die Fahrzeugkonfiguration zusätzlich in den Maschinenlernalgorithmus eingegeben wer den. Auf diese Weise können auch für Fahrzeugkonfigurationen, für die keine Trai ningsdaten vorhanden waren, Kategoriewerte, Energieverbräuche und/oder C02- Ausstöße erzeugt werden. Insgesamt ist auch möglich, dass der Maschinenlernalgo rithmus auch insgesamt die Fahrzeugkonfigurationen in Bezug auf das Fahrprofil be wertet, d.h., dass je Fahrzeugkonfiguration ein Wert ausgegeben wird, der die Fahr zeugkonfiguration insgesamt bewertet.
Gemäß einer Ausführungsform der Erfindung umfasst das Verfahren weiter: Fierstel len eines Fahrzeugs basierend auf der Fahrzeugkonfiguration. Die ermittelte Fahr zeugkonfiguration kann in eine Bestellung für ein Fahrzeug eingefügt werden, basie rend auf der dann ein Fahrzeug hergestellt wird, das die Fahrzeugkonfiguration und insbesondere den entsprechenden Antriebsstrang aufweist.
Weiterer Aspekte der Erfindung betreffen ein Computerprogramm, das, wenn es auf einem Computersystem ausgeführt wird, das Computersystem dazu anleitet, das Verfahren, so wie hierin beschrieben, auszuführen, sowie ein computerlesbares Me dium, in dem ein derartiges Computerprogramm gespeichert ist. Ein computerlesbares Medium kann dabei eine Harddisk, ein USB-Speichergerät, ein RAM, ein ROM, ein EPROM oder ein FLASH-Speicher sein. Ein computerlesbares Medium kann auch ein Datenkommunikationsnetzwerk, wie beispielsweise das Inter net, das den Download eines Programmcodes ermöglicht, sein.
Das Computersystem kann beispielsweise das Mobilgerät und optional einen Server umfassen, mit dem das Mobilgerät verbunden ist.
Ein weiterer Aspekt der Erfindung betrifft ein System zum Bestimmen einer an das Fahrverhalten einer Person angepassten Fahrzeugkonfiguration, das dazu eingerich tet ist, das Verfahren, so wie hierin beschrieben, auszuführen. Es ist zu verstehen, dass Merkmale des Systems auch Merkmale des Verfahrens bzw. des Computerpro gramms und des computerlesbaren Mediums sein können und umgekehrt. Das Sys tem kann das oben beschriebene Computersystem sein. Es ist auch möglich, dass das Fahrzeug, mit dem das Fahrprofil aufgenommen wird, ein Teil des Systems ist.
Im Folgenden werden Ausführungsbeispiele der Erfindung mit Bezug auf die beilie genden Figuren detailliert beschrieben.
Fig. 1 zeigt schematisch ein System gemäß einer Ausführungsform der Erfindung.
Fig. 2 zeigt ein Flussdiagramm für ein Verfahren gemäß einer Ausführungsform der Erfindung.
Die in den Figuren verwendeten Bezugszeichen und ihre Bedeutung sind in zusam menfassender Form in der Liste der Bezugszeichen aufgeführt. Grundsätzlich sind identische oder ähnliche Teile mit den gleichen Bezugszeichen versehen.
Fig. 1 zeigt ein Fahrzeug 10 zusammen mit einem System 12 aus einem Mobilgerät 14 und einem Server 16 zum Bestimmen einer an das Fahrverhalten einer Person angepassten Fahrzeugkonfiguration. Das Mobilgerät 14, in etwa ein Mobiltelefon o- der Tabletcomputer, wird in dem Fahrzeug 10 mitgeführt, das von der Person gesteu- ert wird. Während der Fahrt zeichnet das Mobilgerät 14 Bewegungsdaten des Fahr zeugs mit internen Sensoren 18, wie etwa einem GPS-Sensor oder einem Beschleu nigungssensor, auf und sendet diese Daten an einen Server 16, der diese Daten zu einem Fahrprofil der Person zusammenstellt. Das Mobilgerät 14 und der Server 16 sind mittels eines Mobildatenkommunikationsnetzwerks zum Datenaustausch ver bunden.
Mit einer Applikation, die von dem Mobilgerät 14 ausgeführt wird, kann die Person auch mehrere Fahrzeugkonfigurationen erstellen, die an den Server 16 gesendet werden. Aus dem Fahrprofil ermittelt der Server 16 dann, welche Fahrzeugkonfigura tionen in Hinsicht auf eine oder mehrere Kategorien, wie etwa Energieverbrauch oder C02-Ausstoß, für das Fahrprofil der Person und damit für deren Fahrverhalten opti mal ist.
Es ist zu verstehen, dass auch das Mobilgerät 14 auch teilweise die Verfahrens schritte ausführen kann, die oben stehend und unten stehend im Zusammenhang mit dem Server 16 beschrieben werden.
Fig. 2 zeigt ein Diagramm, mit dem ein Verfahren zum Bestimmen einer an das Fahr verhalten der Person angepassten Fahrzeugkonfiguration illustriert wird. Das Verfah ren kann von einer Software-Applikation auf dem Mobilgerät 14 im Zusammenspiel mit weiteren Software-Komponenten auf dem Server 16 ausgeführt werden. Die Soft ware-Applikation auf dem Mobilgerät kann von der Person über eine digitale Ver triebsplattform für Anwendungssoftware des Betriebssystemherstellers des Mobilge räts 14 bezogen werden. Die Person kann auch einen Benutzer-Account anlegen und sich mit diesem in der Software-Applikation registrieren.
Im Schritt S10 wird mit dem Mobilgerät 14 ein Fahrprofil 20 der Person bestimmt.
Das Fahrprofil 20 umfasst ein Geschwindigkeitsprofil und/oder ein Beschleunigungs profil des von der Person gesteuerten Fahrzeugs 10, die mit dem Mobilgerät 14 auf genommen werden, das in dem von der Person gesteuerten Fahrzeug 10 mitgeführt wird. Das Fahrprofil 20 wird mit dem Mobilgerät 14 der Person ermittelt, das Bewe gungsdaten mit internen Sensoren 18 aufnimmt und wobei das Fahrprofil 20 aus den Bewegungsdaten erzeugt wird. Die Bewegungsdaten können Geschwindigkeiten, Beschleunigungen und/oder Positionen umfassen.
Beispielsweise kann die Software-Applikation auf dem Mobilgerät Positionsdaten während einer Fahrt aufzeichnen und diese anschließend zur Auswertung an den Server 16 übermitteln. Dort kann eine Datenhistorie gespeichert und vorverarbeitet werden. Das Fahrprofil 20 kann eine Historie der Bewegungsdaten von Fahrten der Person umfassen. Die Fahrten können dabei über die Software-Applikation, die auf dem Mobilgerät 14 installiert ist, über den integrierten GNSS(Globales Navigations satellitensystem )-Empfänger des Mobilgeräts 14 aufgezeichnet werden. Es ist somit keine direkte Verbindung zum Fahrzeug 10 notwendig. Fahrzeugdaten können aber zur Verbesserung der Schätzungen ebenfalls integriert werden. Dazu kann das Mo bilgerät diese Daten über eine Schnittstelle zum Fahrzeug 10 empfangen.
Es ist möglich, dass das Mobilgerät 14 automatisch erkennt, ob es sich basierend auf den Bewegungsdaten in dem gesteuerten Fahrzeug 10 befindet. Das Fahrprofil 20 kann dann lediglich aus in den in dem Fahrzeug 10 aufgenommenen Bewegungsda ten erzeugt werden. Damit die Person nicht bei jeder Fahrt selbst die Aufzeichnung der Fahrt starten und am Ende stoppen muss, kann die Software-Applikation auto matisch erkennen, wann eine Fahrt beginnt und endet und den Aufzeichnungsvor gang starten und stoppen. Dazu wird erkannt, ob die Bewegung gerade ohne Fahr zeug möglich ist oder nicht, um die Aufzeichnung zu starten, und nach einer be stimmten Zeit ohne Bewegung wird die Aufzeichnung gestoppt und die Fahrt abge schlossen. Damit kann die Software-Anwendung im Flintergrund laufen und benötigt kaum Aufmerksamkeit von der Person.
Die einzelnen Fahrten können auch als Routen 22 in dem Fahrprofil 20 gespeichert werden. Die Person kann mit dem Mobilgerät 14 auswählen, welche der Routen 22 für das weitere Verfahren verwendet bzw. in einer Datenbank im Server 16 abgespei chert werden. Die aufgezeichneten Positionsdaten beispielsweise einer wie oben be stimmten einzelnen Fahrt können anschließend zu einer Route 22 zusammengefasst werden. Diese automatisch aufgezeichneten Routen 22 können der Person dann auf dem Mobilgerät 14 in einer Übersicht dargestellt werden. Es ist möglich, dass die Person die Routen 22 für die weitere Analyse freigeben muss. Routen 22 können auch gelöscht werden.
Im Schritt S12 werden mehrere mögliche Fahrzeugkonfigurationen 24 bestimmt. Dies kann beispielsweise dadurch geschehen, dass die Person eines oder mehrere Fahr zeuge mit der Software-Applikation konfiguriert und der Server 16 dazu mögliche Fahrzeugkonfigurationen 24 bestimmt. Es ist aber auch möglich, dass die folgenden Schritte für alle möglichen Fahrzeugkonfiguration 24, die im Server 16 gespeichert sind, durchgeführt werden.
Die Fahrzeugkonfiguration 24 ist eine Datenstruktur, die Informationen zu den folgen den Merkmalen eines konfigurierten Fahrzeugs enthalten kann: einen Antriebstyp, ei nen Fahrzeugstrang, einen durchschnittlichen Treibstoffverbrauch, eine Masse des gewählten Fahrzeugs, einen Cw-Wert des Fahrzeugs usw. Insbesondere Informatio nen darüber, bei welcher Geschwindigkeit und/oder welcher Beschleunigung das Fahrzeug wie viel Energie bzw. Treibstoff verbraucht, können in der Fahrzeugkonfi guration 24 enthalten sein.
Insgesamt soll das Verfahren es der Person ermöglichen, das für sein Fahrprofil 20 optimale Antriebsstrangkonzept zu finden. Dabei lassen sich die Eigenschaften eines (hybriden) Antriebsstrangs, beispielsweise ICE (Internal Combustion Engine), FIEV (Hybrid Electric Vehicle), PFIEV (Plug-in Hybrid Electric Vehicle), BEV (Battery Electric Vehicle), Wasserstoff-Antrieb, Erdgas-Antrieb, individuell konfigurieren, wo bei sich aber auch aktuell nicht vorhandene Konzepte konfigurieren lassen, wie bei spielsweise ein hypothetischer hybrider Antrieb aus Erdgas und Wasserstoff. Neben den Parametern für den Antrieb können auch Fahrzeugparameter berücksichtigt wer den und/oder in der Fahrzeugkonfiguration 24 gespeichert werden.
In den folgenden Schritten des Verfahrens werden Fahrzeugkonfigurationen 24 hin sichtlich bestimmter Kategorien gewichtet. Diese Gewichte 26 können für die Katego rien bzw. die zugehörigen Kategoriewerte 28 von der Person mit der Software-Appli kation zumindest teilweise gewählt werden. Beispielsweise kann die Person auswäh- len, ob ihr ein Elektroantrieb sehr wichtig ist und/oder ob sie auch in für Elektrofahr zeuge schlecht erschlossenen Gebieten fahren will. Aus diesen Informationen kön nen dann die Gewichte 26 ermittelt werden.
Es ist zu verstehen, dass die Schritte S10 und S12 auch in umgekehrter Reihenfolge ausgeführt werden können.
Im Schritt S14 werden vom Server 16 Kategoriewerte 28 zu dem Fahrprofil 20 für eine Mehrzahl von Fahrzeugkonfigurationen 24 ermittelt. Die Kategoriewerte 28 wer den zumindest zu einem Energieverbrauch und/oder einem C02 -Ausstoß zu der je weiligen Fahrzeugkonfiguration 24 ermittelt, die im Schritt S12 bestimmt wurden. Der Energieverbrauch bzw. der C02 -Ausstoß werden dabei aus dem Geschwindigkeits profil und/oder Beschleunigungsprofil berechnet, die im Schritt S10 bestimmt wurden.
Zur Berechnung werden die Parameter aus der jeweiligen Fahrzeugkonfiguration 24 herangezogen. Es können auch Kategoriewerte 28 für weitere Kategorien ermittelt werden, wie etwa Kosteneinsparung, C02-Einsparung, Lade/Nachtank-Komfort, Reichweite usw. Ein Kategoriewert 28 bewertet dabei die jeweilige Kategorie, bei spielsweise von 0 bis 1 , wobei 0 „niedrig“ oder „minimal“ und 1 „hoch“ oder „maximal“ bedeuten kann.
Insbesondere wird der Kategoriewert 28 für eine Kategorie zu dem Fahrprofil 20 durch Simulieren eines Abfahrens des Fahrprofils 20 durch ein Fahrzeug mit der Fahrzeugkonfiguration 24 ermittelt. Dabei können aus den Parametern für die Fahr zeugkonfiguration 24 und der Geschwindigkeit und/oder Beschleunigung entlang der in dem Fahrprofil 20 gespeicherten Fahrten und/oder Routen 22 der jeweilige Ener gie- und/oder Treibstoffverbrauch des Fahrzeugs berechnet werden. Die Parameter können in ein Modell des Fahrzeugs eingegeben werden, das den jeweiligen Ener gie- und/oder Treibstoffverbrauch berechnet. Der Energie- und/oder Treibstoffver brauch für eine Fahrt und/oder Route 22 bzw. für das gesamte Fahrprofil 20 wird durch Aufsummieren dieser Werte berechnet. Mit der Simulation kann der Kraftstoff-/Energieverbrauch und/oder die C02-Emissio- nen auf Basis des Geschwindigkeits- und/oder Beschleunigungsprofils während der Fahrt geschätzt werden. Zur Abschätzung können hierbei datengetriebene Modelle (wie etwa maschinelles Lernen) auf Basis von historischen Fahrzeugdaten verwendet werden. Das Modell kann dabei auch Fahrzeugparameter wie den angegebenen WLTP-(World harmonized Light-duty vehicles Test Procedure)-Verbrauch oder die Masse und den Cw-Wert berücksichtigen. Mithilfe der Verbrauchswerte können auch Kosteneinsparungspotenziale berechnet werden. Weiter können Mehrkosten/Einspa rungen über steuerliche Vorteile, Kosten für die Wartung des Fahrzeuges (Elektro fahrzeuge benötigen bspw. kein Motoröl und besitzen wegen der möglichen Rekupe- ration einen deutlich niedrigeren Bremsverschleiß) und auch der Wertverfall berück sichtigt werden. Über den C02-Ausstoß lässt sich die Umweltverträglichkeit bewer ten.
Das individuelle Nutzungsprofil der Person, das sich aus dem Fahrprofil 20 ergibt, wird nicht mit vordefinierten Nutzungsprofilen verglichen, sondern das Fahrverhalten der Person wird mit den individuellen Rahmenbedingungen und möglichen Antriebs strangkonfigurationen mittels Simulation durchgerechnet.
Ein Kategoriewert 28 kann durch einen Maschinenlernalgorithmus bestimmt werden, in den das Fahrprofil 20 eingegeben wird. Es ist auch möglich, dass der Energiever brauch bzw. der C02 -Ausstoß in Abhängigkeit von einer Geschwindigkeit und/oder einer Beschleunigung durch einen Maschinenlernalgorithmus bestimmt wird. Das Modell, mit dem der Energieverbrauch bzw. der C02-Ausstoß während der Simula tion bestimmt wird, kann ein Maschinenlernalgorithmus sein. Es ist möglich, dass für jede Fahrzeugkonfiguration 24 ein zugehöriger Maschinenlernalgorithmus trainiert wird oder dass die Fahrzeugkonfiguration 24 zusätzlich in den Maschinenlernalgorith mus eingegeben wird.
Die Positionsdaten und die kumulierten Verbrauchsdaten können auch verwendet werden, um den Komfort beim Nachladen bzw. Nachtanken zu beurteilen. Je nach Energiequelle unterscheiden sich diese Zeiten erheblich. Generell kann bewertet werden, wie häufig in einer gegebenen Zeitspanne die Person den/die Energiespei cher (Benzin, Diesel, Batterie, Erdgas, Wasserstoff) nachladen muss. Der entspre chende Kategoriewert 28 kann als zweitrangiges Bewertungskriterium verwendet werden bzw. schwächer gewichtet werden. Erstrangig bzw. höhergewichtet kann ausgewertet werden, wie hoch der Anteil an Fahrten bzw. Routen 22 ist, die nicht mit einer einzigen Tankfüllung/-Iadung gefahren werden können und somit zusätzliche Wartezeit bei der Person für das Nachfüllen verursachen. Diese Bewertungskriterien können auch mit Hinblick auf die vorhandene Ladeinfrastruktur durch Abgleich der Positionsdaten aus dem Fahrprofil 20 mit vorhandenem Kartenmaterial gewichtet werden.
Wenn das Fahrprofil 20 Positionen einer von der Person abgefahrenen Route 22 um fasst, kann ein Kategoriewert 28 ermittelt werden, der Ladestationen für elektrisch betriebene Fahrzeuge bzw. Tankstellen entlang der Route 22 berücksichtigt. Bei der Bestimmung der bestmöglichen Antriebsstrangkonfiguration kann die Verfügbarkeit von Lademöglichkeiten berücksichtigt werden. D.h., wenn sich in der näheren Umge bung der Routen 22 keine Ladesäulen befinden, dann wird ein Elektrofahrzeug weni ger empfohlen, als wenn die Lade Infrastruktur besser ausgebaut ist. So können auch regionale Unterschiede in die Berechnung eingebunden werden.
Im Schritt S16 wird eine optimale Fahrzeugkonfiguration 24 aus den Kategoriewerten 28 bestimmt. Für jede Fahrzeugkonfiguration 24, die im Schritt S12 bestimmt wurde, wird ein Fahrzeugkonfigurationswert 30 durch Gewichten der Kategoriewerte 28 aus dem Schritt S14 bestimmt. Aus den Fahrzeugkonfigurationswerten 30, die die Fahr zeugkonfiguration 24 insgesamt bewerten, wird ein optimaler Fahrzeugkonfigurati onswert 30 gewählt, beispielsweise der größte Fahrzeugkonfigurationswert 30.
Ein Fahrzeugkonfigurationswert 30 kann durch Multiplizieren der Kategoriewerte 28 mit den zugehörigen Gewichten 26 und anschließendes Aufsummieren berechnet werden. Die Bewertungen der Kategorien, d.h. die Kategoriewerte 28, können anschließend benutzerdefiniert gewichtet und zu einem einheitenlosen Gesamtwert, d.h. dem Fahr zeugkonfigurationswert 30, zusammengefasst werden, der zur Entscheidungsfindung benutzt werden kann. Ziel kann es sein, den Antriebsstrang bzw. das Fahrzeug zu empfehlen, das den Nutzen der Person maximiert.
Die Software-Applikation kann die Ergebnisse, wie etwa die Kategoriewerte 28 und/oder den Fahrzeugkonfigurationswert 30, anschließend vom Server 16 abrufen und der Person auf dem Mobilgerät 14 visualisieren.
Zusammenfassend kann die Person mit der Hilfe ihres Mobilgeräts 14 seine Fahrten manuell oder auch automatisiert über die GPS-Funktion des Mobilgeräts 14 aufzeich nen. Nachdem die Person bestätigt hat, dass die aufgezeichnete Route relevant ist für die Analyse, werden die Daten in eine zentrale Datenbank im Server 16 hochgela den und dort analysiert. Wenn eine repräsentative Datenbasis angenommen werden kann, wird aus den durchgeführten Analysen eine Antriebsstrangkonfiguration be stimmt. Bei der Bestimmung können bestimmte Kriterien (z.B. Wirtschaftlichkeit, Um welteinfluss) unterschiedlich stark gewichtet werden. Die Empfehlung wird dann wie der zum Mobilgerät 14 übertragen und der Person angezeigt.
Die Software-Applikation auf dem Mobilgerät 14 bzw. das System 12 kann auch für weitere Möglichkeiten genutzt werden. Beispielsweise kann das Fahrprofil 20 der Person mit dem Durchschnitt von Fahrprofilen anderer Personen verglichen werden. Das erstellte Fahrprofil 20 wird dabei mit anderen Fahrprofilen 20 in der Datenbank verglichen. Damit kann der Person eine konkrete Rückmeldung zu seinem Fahrver halten gegeben werden. Es können Auffälligkeiten gezeigt und Vorschläge zur Ver besserung von definierten Kriterien angezeigt werden.
Das System 12 kann auch nach einem Fahrzeugkauf noch sinnvoll genutzt werden. Es kann als Nachweis für KFZ-Versicherungen dienen. Das bedeutet, die Person be kommt eine Tarifvergünstigung bei der Versicherung, wenn sie einen zu definieren den Anteil seiner Fahrten mit der Software-Applikation aufzeichnet. Das System 12 kann dann auch Rückmeldungen und Empfehlungen zum Fahrverhalten geben. Auch kann die Software-Applikation den aktuellen Kilometerstand bzw. die gefahre nen Kilometer (d.h. die Laufleistung) des Fahrzeugs ohne Anbindung an das Fahr zeug ermitteln. Dazu muss nur zu Beginn ein initialer KM-Stand eingegeben werden oder durch eine Schnittstelle zum Fahrzeug ausgelesen werden.
Damit kann auch ein regelmäßiger Service in einer Werkstatt koordiniert werden. Um diese Nutzungsausfälle möglichst gut zu planen, kann eine aktuelle Laufleistung des Fahrzeugs ermittelt werden. Oftmals besteht jedoch keine Datenverbindung zum Fahrzeug und auch die Nutzer teilen diese Information nicht regelmäßig mit. Über das kontinuierliche Erfassen der gefahrenen Strecken kann die Software-Applikation die Laufleistung bestimmen.
Ergänzend ist darauf hinzuweisen, dass „umfassend“ keine anderen Elemente oder Schritte ausschließt und „eine“ oder „ein“ keine Vielzahl ausschließt. Ferner sei darauf hingewiesen, dass Merkmale oder Schritte, die mit Verweis auf eines der obigen Ausführungsbeispiele beschrieben worden sind, auch in Kombination mit anderen Merkmalen oder Schritten anderer oben beschriebener Ausführungsbeispiele ver wendet werden können. Bezugszeichen in den Ansprüchen sind nicht als Einschrän kung anzusehen.
Bezuqszeichen Fahrzeug System Mobilgerät Server Bewegungssensor Fahrprofil Route Fahrzeugkonfiguration Gewicht Kategoriewert Fahrzeugkonfigurationswert

Claims

Patentansprüche
1 . Verfahren zum Bestimmen einer an das Fahrverhalten einer Person ange passten Fahrzeugkonfiguration (24), das Verfahren umfassend:
Bestimmen eines Fahrprofils (20) der Person, wobei das Fahrprofil (20) ein Geschwindigkeitsprofil und/oder ein Beschleunigungsprofil eines von der Person ge steuerten Fahrzeugs (10) umfasst;
Ermitteln von Kategoriewerten (28) zu dem Fahrprofil (20) für eine Mehrzahl von Fahrzeugkonfigurationen (24), wobei die Kategoriewerte (28) zumindest wenigs tens eines aus einem Energieverbrauch und einem C02-Ausstoß zu der jeweiligen Fahrzeugkonfiguration (24) umfassen und wobei der Energieverbrauch bzw. der C02-Ausstoß aus dem Geschwindigkeitsprofil und/oder Beschleunigungsprofil be rechnet werden;
Bestimmen einer optimalen Fahrzeugkonfiguration (24) durch Ermitteln von Fahrzeugkonfigurationswerten (30) für jede Fahrzeugkonfiguration (24) durch Ge wichten der Kategoriewerte (28) für jede Fahrzeugkonfiguration (24) und Wählen ei nes optimalen Fahrzeugkonfigurationswerts (30).
2. Verfahren nach Anspruch 1 , wobei das Fahrprofil (20) mit einem Mobilgerät (14) der Person ermittelt wird, das Bewegungsdaten mit internen Sensoren (18) aufnimmt und wobei das Fahrprofil (20) aus den Bewegungsdaten erzeugt wird; wobei das Mobilgerät (14) in dem von der Person gesteuerten Fahrzeug (10) mitgeführt wird.
3. Verfahren nach Anspruch 2, wobei das Mobilgerät (14) erkennt, ob es sich basierend auf den Bewegungs daten in dem gesteuerten Fahrzeug (10) befindet, und das Fahrprofil (20) lediglich aus in den in dem Fahrzeug (10) aufgenommenen Bewegungsdaten erzeugt wird.
4. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Fahrprofil (20) eine Mehrzahl von Routen (22) umfasst, wobei die Person mit einem Mobilgerät (14) auswählen kann, welche der Rou ten (22) zum Ermitteln der Kategoriewerte (28) verwendet werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Fahrzeugkonfiguration (24) enthält: einen Fahrzeugstrang, einen durchschnittlichen Treibstoffverbrauch, eine Masse eines gewählten Fahrzeugs, und/oder einen Cw-Wert eines gewählten Fahrzeugs.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Gewichte (26) für die Kategoriewerte (28) von der Person zumindest teilweise gewählt wurden.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Fahrprofil (20) Positionen einer von der Person abgefahrenen Route (22) umfasst; wobei ein Kategoriewert (28) ermittelt wird, der Ladestationen für elektrisch betriebene Fahrzeuge bzw. Tankstellen entlang der Route (22) berücksichtigt.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kategoriewerte (28) zu dem Fahrprofil (20) durch Simulieren eines Abfahrens des Fahrprofils (20) durch ein Fahrzeug mit der Fahrzeugkonfiguration (24) ermittelt werden.
9. Verfahren nach einem der vorhergehenden Ansprüche, wobei jeder Kategoriewert (28) durch einen Maschinenlernalgorithmus be stimmt wird, in den das Fahrprofil (20) eingegeben wird; und/oder wobei der Energieverbrauch bzw. der C02-Ausstoß in Abhängigkeit von einer Geschwindigkeit und/oder einer Beschleunigung durch einen Maschinenlernalgorith mus bestimmt wird.
10. Verfahren nach Anspruch 9, wobei für jede Fahrzeugkonfiguration (24) ein zugehöriger Maschinenlernalgo rithmus trainiert wird; oder wobei die Fahrzeugkonfiguration (24) zusätzlich in den Maschinen lernalgorith- mus eingegeben wird.
11. Computerprogramm, das, wenn es auf einem Computersystem (12) ausge führt wird, das Computersystem (12) dazu anleitet, das Verfahren nach einem der vorhergehenden Ansprüche auszuführen.
12. Computerlesbares Medium, in dem ein Computerprogramm nach Anspruch 11 gespeichert ist.
13. System (12) zum Bestimmen einer an das Fahrverhalten einer Person ange passten Fahrzeugkonfiguration (24), das dazu eingerichtet ist, das Verfahren nach einem der Ansprüche 1 bis 10 auszuführen.
EP22729152.3A 2021-05-21 2022-05-13 Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration Pending EP4341882A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021205236.3A DE102021205236A1 (de) 2021-05-21 2021-05-21 Bestimmen einer an das Fahrverhalten einer Person angepassten Fahrzeugkonfiguration
PCT/EP2022/063028 WO2022243190A1 (de) 2021-05-21 2022-05-13 Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration

Publications (1)

Publication Number Publication Date
EP4341882A1 true EP4341882A1 (de) 2024-03-27

Family

ID=82016427

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22729152.3A Pending EP4341882A1 (de) 2021-05-21 2022-05-13 Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration

Country Status (4)

Country Link
EP (1) EP4341882A1 (de)
CN (1) CN117355857A (de)
DE (1) DE102021205236A1 (de)
WO (1) WO2022243190A1 (de)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009019398A1 (de) 2009-04-29 2010-11-11 Audi Ag Verfahren zum Unterstützen eines Kunden beim Festlegen von Ausstattungsmerkmalen eines Kraftfahrzeugs und Datenverarbeitungseinrichtung
PL2480871T3 (pl) 2009-09-25 2019-10-31 Geotab Inc System, sposób i program komputerowy do symulowania wykorzystania energii pojazdu
US8862346B2 (en) * 2012-03-20 2014-10-14 Eaton Corporation System and method for simulating the performance of a virtual vehicle
SE536699C2 (sv) 2012-10-17 2014-06-03 Scania Cv Ab Systematiskt val av fordonsspecifikation
US20150073933A1 (en) * 2013-09-11 2015-03-12 Ford Global Technologies, Llc Vehicle powertrain selector
DE102016006541B4 (de) 2016-05-27 2019-02-07 Audi Ag Verfahren zum Ermitteln einer Empfehlung für ein anforderungsgerechtes Alternativfahrzeug und zum Übermitteln der Empfehlung an einen Fahrer eines aktuellen Fahrzeugs, Vorrichtung zum Durchführen des Verfahrens und Fahrzeug mit einer solchen Vorrichtung
US20210133808A1 (en) 2016-10-28 2021-05-06 State Farm Mutual Automobile Insurance Company Vehicle identification using driver profiles
US20180349975A1 (en) * 2017-05-30 2018-12-06 Sung Hyun Lee System and method of facilitating consumer-assisted vehicle sales platform
US10937082B2 (en) 2018-12-20 2021-03-02 Toyota Motor North America, Inc. Vehicle recommendation system using sensors

Also Published As

Publication number Publication date
CN117355857A (zh) 2024-01-05
WO2022243190A1 (de) 2022-11-24
DE102021205236A1 (de) 2022-11-24

Similar Documents

Publication Publication Date Title
EP3137870B1 (de) System und verfahren zur analyse der energieeffizienz eines fahrzeugs
CN104200267B (zh) 一种车辆驾驶经济性评价系统及评价方法
DE102019114590A1 (de) Kraftfahrzeuge mit elektroantrieb, systeme und steuerlogik für vorausschauende ladeplanung und antriebsstrangsteuerung
DE102017119453A1 (de) Energieoptimierte Fahrzeugroutenauswahl
WO2015166069A2 (de) System zur beurteilung und/oder optimierung des betriebsverhaltens eines fahrzeugs
DE102015113701A1 (de) Strecke-bis-Leerzustand-Berechnung auf Routenbasis für ein Fahrzeug
CN106163862A (zh) 具有能源约束的行程规划
DE102018218204A1 (de) Bestimmen eines mindestladezustandes für ein energiespeichermittel eines fahrzeugs
DE112012000447T5 (de) System und Verfahren eines Kraftstoffquantitätsmanagements eines Fahrzeugs
DE102010003760A1 (de) Verfahren sowie Einrichtung für ein Reichweitenmanagement eines Fahrzeugs mit elektromotorischem Antrieb
DE102020119861A1 (de) Verfahren und Assistenzeinrichtung zum iterativ optimierten Betreiben eines Kraftfahrzeugs und Kraftfahrzeug
DE102013002240B3 (de) Verfahren und Vorrichtung zur Reichweitenkennzeichnung für ein Fahrzeug
CN109849817A (zh) 一种共享电动汽车用户免充电、快速换车系统及方法
CN115587678A (zh) 商用车智能地图出行方法和系统
EP3639246A1 (de) Verfahren zur optimierung der fahrt eines kraftfahrzeugs auf einer fahrstrecke
DE102018219621A1 (de) Vorrichtung und verfahren zum bestimmen von fahrzeugleistungsfaktoren
DE102016206802A1 (de) Verfahren, Vorrichtung und mobiles Anwendergerät zur Anpassung einer Energieversorgung eines Antriebssystems eines Fahrzeugs
WO2018202875A1 (de) Anzeigeeinheit für ein hybridfahrzeug
EP4341882A1 (de) Bestimmen einer an das fahrverhalten einer person angepassten fahrzeugkonfiguration
DE102017213209A1 (de) Berücksichtigung der Luftgüte im Fahrzeug
DE102014002998A1 (de) Verfahren zur Ermittlung der Reichweite eines Kraftfahrzeugs
DE102020107537A1 (de) Verfahren und System zum Betreiben eines Kraftfahrzeugs
EP3956636B1 (de) Verfahren und vorrichtung zum berechnen eines energieverbrauchs eines kraftfahrzeugs auf einer fahrtroute
DE102011055669A1 (de) Verfahren zur Prognose einer Reichweite
EP3999808A1 (de) Verfahren zum führen eines kraftfahrzeugs

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

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

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

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

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

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231110

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