KR102225006B1 - 차량 제동 에너지 회수 방법 및 장치 - Google Patents

차량 제동 에너지 회수 방법 및 장치 Download PDF

Info

Publication number
KR102225006B1
KR102225006B1 KR1020197016304A KR20197016304A KR102225006B1 KR 102225006 B1 KR102225006 B1 KR 102225006B1 KR 1020197016304 A KR1020197016304 A KR 1020197016304A KR 20197016304 A KR20197016304 A KR 20197016304A KR 102225006 B1 KR102225006 B1 KR 102225006B1
Authority
KR
South Korea
Prior art keywords
vehicle
speed
safety
distance
weight
Prior art date
Application number
KR1020197016304A
Other languages
English (en)
Other versions
KR20190077516A (ko
Inventor
주퀴 리우
지안펭 정
진보 마
지아준 후앙
웨이 장
Original Assignee
후아웨이 테크놀러지 컴퍼니 리미티드
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 후아웨이 테크놀러지 컴퍼니 리미티드 filed Critical 후아웨이 테크놀러지 컴퍼니 리미티드
Publication of KR20190077516A publication Critical patent/KR20190077516A/ko
Application granted granted Critical
Publication of KR102225006B1 publication Critical patent/KR102225006B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L7/00—Electrodynamic brake systems for vehicles in general
    • B60L7/10—Dynamic electric regenerative braking
    • B60L7/18—Controlling the braking effect
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L7/00—Electrodynamic brake systems for vehicles in general
    • B60L7/10—Dynamic electric regenerative braking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B60L15/2009—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for braking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L7/00—Electrodynamic brake systems for vehicles in general
    • B60L7/20—Braking by supplying regenerated power to the prime mover of vehicles comprising engine-driven generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T1/00—Arrangements of braking elements, i.e. of those parts where braking effect occurs specially for vehicles
    • B60T1/02—Arrangements of braking elements, i.e. of those parts where braking effect occurs specially for vehicles acting by retarding wheels
    • B60T1/10—Arrangements of braking elements, i.e. of those parts where braking effect occurs specially for vehicles acting by retarding wheels by utilising wheel movement for accumulating energy, e.g. driving air compressors
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/12—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/10—Vehicle control parameters
    • B60L2240/14—Acceleration
    • B60L2240/16—Acceleration longitudinal
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/421—Speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/423—Torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/64—Road conditions
    • B60L2240/642—Slope of road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/60—Navigation input
    • B60L2240/68—Traffic data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/70—Interactions with external data bases, e.g. traffic centres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00—Type of vehicle
    • B60Y2200/90—Vehicles comprising electric prime movers
    • B60Y2200/91—Electric 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
    • 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
    • Y02T10/64—Electric machine technologies in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Abstract

차량 제동 에너지 회수 방법 및 장치가 개시된다. 방법은, 차량의 현재 위치 정보를 획득하는 단계와, 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정하는 단계와, 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여 현재 도로 시나리오를 판정하는 단계와, 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하는 단계와, 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하는 단계와, 타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하는 단계를 포함한다. 차량 제동 에너지 회수 방법 및 장치는 제동 에너지 회수율을 개선할 수 있다.

Description

차량 제동 에너지 회수 방법 및 장치
이 출원은 에너지 회수 기술에 관련되고, 특히, 차량 제동 에너지 회수 방법 및 장치에 관련된다.
현재, 대기 오염이 심각하고, 스모그가 빈번하며, 환경 보호에 많은 관심이 기울여진다. 그러므로, 전기차(Electric Vehicle: EV)의 발전은 다양한 나라의 관심을 끌고 있다. 그러나, 주행 거리가 EV 촉진을 저해하는 가장 큰 문제이다.
선행 기술에서, EV 에너지 이용을 개선하는 방식이 주행 거리 문제를 해결하는 데에 통상적으로 사용된다. 구체적으로, EV 에너지 이용을 개선하는 데에 제동 에너지 회수(braking energy recovery)가 사용될 수 있다. 도 1은 선행 기술에서의 차량(vehicle) 제동 에너지 회수 시스템의 프레임워크(framework) 도해이다. 도 1에 도시된 바와 같이, 기존의 EV 제동 에너지 회수 및 제어 결정에서, 가속 페달(pedal), 제동기(brake) 페달 및 클러치(clutch) 페달의 개방 각도의 식별을 통해 가속기(accelerator)신호, 제동 신호 및 클러치 신호가 획득되고, 이후에 최대 허용 충전 전류 및 배터리 충전 상태(state of charge)(줄여서 SOC)를 기반으로, 전체 차량 제어기(entire vehicle controller)가 모터 회전 속도에 기반하여 제동기 토크 명령(torque command)을 계산하며, 에너지 피드백을 수행하도록 모터를 제어한다.
그러나, 기존의 제동 에너지 회수 방식은 페달에 대해 운전자에 의해 수행되는 동작 및 배터리와 모터의 상태에 기반하여 제동 에너지를 수동적으로 회수하는 것인바, 상대적으로 낮은 제동 에너지 회수율을 초래한다.
제동 에너지 회수율을 개선하기 위해, 이 출원의 실시예는 차량 제동 에너지 회수 방법 및 장치를 제공한다.
제1 측면에 따라, 이 출원의 실시예는 차량 제동 에너지 회수 방법을 제공하되, 방법은 다음을 포함한다:
차량의 현재 위치 정보(current location information)를 획득하는 것;
차량의 현재 위치 정보에 기반하여 현재 도로 시나리오(current road scenario)를 판정하는 것;
도로 시나리오 및 가중치(weight) 간의 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정하는 것;
가중치에 기반하여 차량의 안전 거리(safe distance) 및 안전 속도(safe speed)를 판정하는 것;
차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크(target torque)를 판정하는 것;
타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하는 것.
제1 측면에서 제공되는 차량 제동 에너지 회수 방법에 따라, 차량의 현재 위치 정보가 획득되고, 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오가 판정되며, 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여 현재 도로 시나리오에 대응하는 가중치가 판정되고, 가중치에 기반하여 차량의 안전 거리 및 안전 속도가 판정되며, 이후에 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크가 판정되고, 최종적으로, 제동 에너지를 회수하도록 타겟 토크에 기반하여 차량의 모터가 제어된다. 차량의 안전 속도 및 안전 거리가 차량의 현재 도로 시나리오에 기반하여 판정되고, 이후에 제동 에너지를 회수하기 위해 타겟 토크가 판정된다. 구체적으로, 도로 시나리오는 차량에 의해 감지된 정보에 기반하여 판정되고, 상이한 가중치가 상이한 도로 시나리오에 분배되어서, 안전 거리 및 안전 속도를 계산하고, 이후에 타겟 감속도(target deceleration)를 판정하고, 토크를 분배하는바, 이로써 제동 에너지 회수율을 개선한다.
가능한 설계에서, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고;
가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하는 것은 다음을 포함한다:
차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하는 것; 및
차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하는 것.
전술한 설계에서, 동일한 시나리오에 대해, 차량의 안전 거리 가중치 및 차량의 안전 속도 가중치는 동일할 수 있거나, 상이할 수 있다.
가능한 설계에서, 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하기 전에, 방법은:
차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00001
을 판정하는 것(
Figure 112019057948074-pct00002
은 장애물 및 차량 간의 상대적 거리임); 및
차량 인터넷(Internet of Vehicles)에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00003
를 판정하는 것(
Figure 112019057948074-pct00004
는 장애물 및 차량 간의 상대적 거리임)을 더 포함하고;
차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하는 것은 다음을 포함한다:
공식
Figure 112019057948074-pct00005
에 따라 차량의 안전 거리를 계산하는 것, 여기서
Figure 112019057948074-pct00006
는 안전 거리이고;
안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00007
및
Figure 112019057948074-pct00008
.
전술한 설계에서, 장애물은 이동하는(moving) 또는 정적(static)인 물체(object)를 포함하는데, 예를 들어, 다른 차량 또는 난간(railing)과 같은 물체를 포함한다.
가능한 설계에서, 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하기 전에, 방법은:
차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00009
을 판정하는 것(
Figure 112019057948074-pct00010
은 장애물 및 차량 간의 상대적 속도임); 및
차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00011
를 판정하는 것(
Figure 112019057948074-pct00012
는 장애물 및 차량 간의 상대적 속도임)을 더 포함하고;
차량의 안전 거리 가중치에 기반하여 차량의 안전 속도를 계산하는 것은 다음을 포함한다:
공식
Figure 112019057948074-pct00013
에 따라 차량의 안전 속도를 계산하는 것, 여기서
Figure 112019057948074-pct00014
는 안전 속도이고;
안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00015
및
Figure 112019057948074-pct00016
.
가능한 설계에서, 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하기 전에, 방법은:
차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00017
을 판정하는 것(
Figure 112019057948074-pct00018
은 장애물 및 차량 간의 상대적 거리임);
차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00019
를 판정하는 것(
Figure 112019057948074-pct00020
는 장애물 및 차량 간의 상대적 거리임); 및
클라우드 데이터 센터(cloud data center)에 저장된 도로 이력 정보(road historical information)를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00021
를 판정하는 것(
Figure 112019057948074-pct00022
는 장애물 및 차량 간의 상대적 거리임)을 더 포함하고;
차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하는 것은 다음을 포함한다:
공식
Figure 112019057948074-pct00023
에 따라 차량의 안전 거리를 계산하는 것, 여기서
Figure 112019057948074-pct00024
는 안전 거리이고;
안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00025
,
Figure 112019057948074-pct00026
및
Figure 112019057948074-pct00027
.
가능한 설계에서, 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하기 전에, 방법은:
차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00028
을 판정하는 것(
Figure 112019057948074-pct00029
은 장애물 및 차량 간의 상대적 속도임);
차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00030
를 판정하는 것(
Figure 112019057948074-pct00031
는 장애물 및 차량 간의 상대적 속도임); 및
클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00032
를 판정하는 것(
Figure 112019057948074-pct00033
는 장애물 및 차량 간의 상대적 속도임)을 더 포함하고;
차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하는 것은 다음을 포함한다:
공식
Figure 112019057948074-pct00034
에 따라 차량의 안전 속도를 계산하는 것, 여기서
Figure 112019057948074-pct00035
는 안전 속도이고;
안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00036
,
Figure 112019057948074-pct00037
및
Figure 112019057948074-pct00038
.
전술한 가능한 설계에서 제공되는 차량 제동 에너지 회수 방법에 따라, 차량의 안전 거리 및 안전 속도는 상이한 경우에 대해 상이한 방식으로 계산될 수 있어서, 안전 거리 및 안전 속도를 계산하는 방식은 더 유연하다.
가능한 설계에서, 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하는 것은 다음을 포함한다:
차량의 주행 속도(driving speed), 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하는 것; 및
타겟 감속도에 기반하여 타겟 토크를 판정하는 것.
전술한 가능한 설계에서, 차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하는 것은 다음을 포함한다:
다음의 공식에 따라 타겟 감속도를 계산하는 것:
Figure 112019057948074-pct00039
, 여기서
Figure 112019057948074-pct00040
은 타겟 감속도이고,
Figure 112019057948074-pct00041
는 안전 속도이며,
Figure 112019057948074-pct00042
는 안전 거리이고,
Figure 112019057948074-pct00043
는 차량의 주행 속도이다.
전술한 가능한 설계에서 제공되는 차량 제동 에너지 회수 방법에서, 타겟 감속도는 차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 계산되고, 타겟 토크는 타겟 감속도 및 차량 동역학 모델(vehicle dynamics model)에 기반하여 판정된다. 이 방식으로, 타겟 토크는 타겟 감속도에 기반하여 그리고 차량 동역학 모델을 도입함으로써 계산되고, 따라서 전체적인 경제적 고려사항에 기반하여 제동 에너지를 회수한다는 목적이 달성될 수 있다.
가능한 설계에서, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도(road-allowed maximum speed), 도로 경사도(road slope), 신호등 상태(signal light status), 신호등 거리(signal light distance), 현재 도로의 평균 통행 속도(average traffic speed) 및 제1 혼잡 계수(congestion coefficient) 중 적어도 하나를 포함한다.
가능한 설계에서, 클라우드 데이터 센터에 저장되는 도로 이력 정보는 현재 시간 기간(time period)에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘(machine learning algorithm) 및 이력 데이터(historical data)에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다.
제2 측면에 따라, 이 출원의 실시예는 차량 제동 에너지 회수 장치를 제공하되, 장치는 다음을 포함한다:
차량의 현재 위치 정보를 획득하도록 구성된 획득 모듈;
차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정하도록 구성된 판정 모듈(여기서
판정 모듈은 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정하도록 또한 구성되고;
판정 모듈은 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하도록 또한 구성되며;
판정 모듈은 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하도록 또한 구성됨); 및
타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하도록 구성된 제어 모듈.
가능한 설계에서, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고;
판정 모듈은 다음을 포함한다:
차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하도록 구성된 제1 계산 유닛; 및
차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하도록 구성된 제2 계산 유닛.
가능한 설계에서, 획득 모듈은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00044
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00045
은 장애물 및 차량 간의 상대적 거리이며;
획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00046
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00047
는 장애물 및 차량 간의 상대적 거리이며;
제1 계산 유닛은:
공식
Figure 112019057948074-pct00048
에 따라 차량의 안전 거리를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00049
는 안전 거리이고;
안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00050
및
Figure 112019057948074-pct00051
.
가능한 설계에서, 획득 모듈은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00052
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00053
은 장애물 및 차량 간의 상대적 속도이며;
획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00054
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00055
는 장애물 및 차량 간의 상대적 속도이며;
제2 계산 유닛은:
공식
Figure 112019057948074-pct00056
에 따라 차량의 안전 속도를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00057
은 안전 속도이고;
안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00058
및
Figure 112019057948074-pct00059
.
가능한 설계에서, 획득 모듈은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00060
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00061
은 장애물 및 차량 간의 상대적 거리이며;
획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00062
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00063
는 장애물 및 차량 간의 상대적 거리이며;
획득 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고;
판정 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00064
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00065
는 장애물 및 차량 간의 상대적 거리이며;
제1 계산 유닛은:
공식
Figure 112019057948074-pct00066
에 따라 차량의 안전 거리를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00067
는 안전 거리이고;
안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00068
,
Figure 112019057948074-pct00069
및
Figure 112019057948074-pct00070
.
가능한 설계에서, 획득 모듈은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00071
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00072
은 장애물 및 차량 간의 상대적 속도이며;
획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00073
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00074
는 장애물 및 차량 간의 상대적 속도이며;
획득 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고;
판정 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00075
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00076
는 장애물 및 차량 간의 상대적 속도이며;
제2 계산 유닛은:
공식
Figure 112019057948074-pct00077
에 따라 차량의 안전 속도를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00078
는 안전 속도이고;
안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00079
,
Figure 112019057948074-pct00080
및
Figure 112019057948074-pct00081
.
가능한 설계에서, 판정 모듈은:
차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하고;
타겟 감속도에 기반하여 타겟 토크를 판정하도록 구체적으로 구성된다.
가능한 설계에서, 판정 모듈은 다음의 공식에 따라 타겟 감속도를 계산하도록 또한 구성된다:
Figure 112019057948074-pct00082
, 여기서
Figure 112019057948074-pct00083
은 타겟 감속도이고,
Figure 112019057948074-pct00084
는 안전 속도이며,
Figure 112019057948074-pct00085
는 안전 거리이고,
Figure 112019057948074-pct00086
는 차량의 주행 속도이다.
가능한 설계에서, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다.
가능한 설계에서, 클라우드 데이터 센터에 저장되는 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다.
제2 측면 및 제2 측면의 가능한 설계에서 제공되는 차량 제동 에너지 회수 장치의 유익한 효과에 대해, 제1 측면 및 제1 측면의 가능한 설계에 의해 초래되는 유익한 효과를 참조한다. 세부사항은 여기에서 다시 기술되지 않는다.
제3 측면에 따라, 이 출원의 실시예는 다음을 포함하는 차량을 제공한다:
차량의 현재 위치 정보를 획득하도록 구성된 프로세서, 여기서
프로세서는 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정하도록 또한 구성되고;
프로세서는 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정하도록 또한 구성되며;
프로세서는 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하도록 또한 구성되고;
프로세서는 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하도록 또한 구성되며;
프로세서는 타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하도록 또한 구성된다.
가능한 설계에서, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고;
프로세서는 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하도록 또한 구성되며;
프로세서는 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하도록 또한 구성된다.
가능한 설계에서, 프로세서는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00087
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00088
은 장애물 및 차량 간의 상대적 거리이고;
프로세서는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00089
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00090
는 장애물 및 차량 간의 상대적 거리이며;
프로세서는 공식
Figure 112019057948074-pct00091
에 따라 차량의 안전 거리를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00092
는 안전 거리이고;
안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00093
및
Figure 112019057948074-pct00094
.
가능한 설계에서, 프로세서는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00095
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00096
은 장애물 및 차량 간의 상대적 속도이고;
프로세서는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00097
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00098
는 장애물 및 차량 간의 상대적 속도이며;
프로세서는 공식
Figure 112019057948074-pct00099
에 따라 차량의 안전 속도를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00100
는 안전 속도이고;
안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019063691469-pct00101
및
Figure 112019063691469-pct00102
.
가능한 설계에서, 프로세서는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00103
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00104
은 장애물 및 차량 간의 상대적 거리이고;
프로세서는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00105
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00106
는 장애물 및 차량 간의 상대적 거리이며;
프로세서는 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00107
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00108
는 장애물 및 차량 간의 상대적 거리이고;
프로세서는 공식
Figure 112019057948074-pct00109
에 따라 차량의 안전 거리를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00110
는 안전 거리이고;
안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00111
,
Figure 112019057948074-pct00112
및
Figure 112019057948074-pct00113
.
가능한 설계에서, 프로세서는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00114
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00115
은 장애물 및 차량 간의 상대적 속도이고;
프로세서는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00116
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00117
는 장애물 및 차량 간의 상대적 속도이며;
프로세서는 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00118
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00119
는 장애물 및 차량 간의 상대적 속도이고;
프로세서는 공식
Figure 112019057948074-pct00120
에 따라 차량의 안전 속도를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00121
는 안전 속도이고;
안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019063691469-pct00122
,
Figure 112019063691469-pct00123
및
Figure 112019063691469-pct00124
.
가능한 설계에서, 프로세서는 차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하도록 또한 구성되고;
프로세서는 타겟 감속도에 기반하여 타겟 토크를 판정하도록 또한 구성된다.
가능한 설계에서, 프로세서는 다음의 공식에 따라 타겟 감속도를 계산하도록 또한 구성된다:
Figure 112019057948074-pct00125
, 여기서
Figure 112019057948074-pct00126
은 타겟 감속도이고,
Figure 112019057948074-pct00127
는 안전 속도이며,
Figure 112019057948074-pct00128
는 안전 거리이고,
Figure 112019057948074-pct00129
는 차량의 주행 속도이다.
가능한 설계에서, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다.
가능한 설계에서, 클라우드 데이터 센터에 저장되는 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다.
제3 측면 및 제3 측면의 가능한 설계에서 제공되는 차량의 유익한 효과에 대해, 제1 측면 및 제1 측면의 가능한 설계에 의해 초래되는 유익한 효과를 참조한다. 세부사항은 여기에서 다시 기술되지 않는다.
도 1은 선행 기술에서의 차량 제동 에너지 회수 시스템의 프레임워크 도해이고,
도 2는 이 출원에 따른 차량 제동 에너지 회수 방법의 개략적인 시스템 아키텍처 도해이며,
도 3은 이 출원에 따른 차량 제동 에너지 회수 방법의 실시예 1의 개략적인 흐름도이고,
도 4는 차량의 안전 거리를 계산하는 개략적인 흐름도 1이며,
도 5는 차량의 안전 거리를 계산하는 개략적인 흐름도 2이고,
도 6은 차량의 안전 속도를 계산하는 개략적인 흐름도 1이며,
도 7은 차량의 안전 속도를 계산하는 개략적인 흐름도 2이고,
도 8은 이 출원의 실시예에 따른 차량 제동 에너지 회수 장치의 실시예 1의 개략적인 구조도이며,
도 9는 이 출원의 실시예에 따른 차량 제동 에너지 회수 장치의 실시예 2의 개략적인 구조도이고,
도 10은 이 출원에 따른 차량의 실시예의 개략적인 구조도이다.
도 2는 이 출원에 따른 차량 제동 에너지 회수 방법의 개략적인 시스템 아키텍쳐 도해이다. 도 2에 도시된 바와 같이, 이 출원의 실시예는 차량 인터넷 시스템에 적용가능하다. 시스템은 다음을 포함한다: 감지 서브시스템(perception subsystem)과, 컴퓨팅 및 융합 서브시스템(computing and convergence subsystem)과, 실행 및 결정 서브시스템(execution and decision subsystem).
감지 서브시스템은 자가 감지 유닛(self-perception unit), 차량 인터넷 유닛, 차량 위치 측위 유닛(vehicle location positioning unit), 클라우드 데이터 센터 유닛 및 주행 의도 식별 유닛(driving intention identification unit)을 포함한다. 자가 감지 유닛은 주로 지능형 자동차에 장착되고 차량의 속도/거리/방향을 측정하는 레이저 레이더(laser radar), 밀리미터파 레이더(millimeter wave radar), 단안 카메라(monocular camera), 다중 뷰 카메라(multi-view camera), 가속도 센서 또는 기타 등등이다. 차량 인터넷 유닛은 주로 차량 대 차량(vehicle-to-vehicle)(줄여서 V2V) 정보 교환, 차량 대 인프라스트럭처(vehicle-to-infrastructure)(줄여서 V2I) 정보 교환, 및 차량 대 보행자(vehicle-to-pedestrian)(줄여서 V2P) 정보 교환을 통해 주위 환경의 파라미터를 측정하는 모듈이며, 차량, 도로 및 네트워크 협동(coordination)을 위한 핵심적 환경 파라미터를 제공한다. 차량 위치 측위 유닛은 주로, 예를 들어, 전역 측위 시스템(Global Positioning System)(줄여서 GPS), 차분 전역 측위 시스템(Differential Positioning System)(줄여서 DGPS), 바이두 항법 시스템(BeiDou navigation system), 갈리레오 항법 시스템(Galileo navigation system), 러시아의 GLONASS 항법 시스템, 그리고 관성 측정 유닛(Inertial Measurement Unit)(줄여서 IMU) 시스템의 다양한 유형의 차량 측위 정보를 제공하고, 미터 수준(meter-level) 측위 정밀도, 센티미터 수준(centimeter-level) 측위 정밀도 및 차선 측위 수준(lane-line positioning level)의 측위 정밀도를 제공한다. 클라우드 데이터 센터 유닛은 빅데이터(big data), 머신 러닝(machine learning) 및 딥 러닝(deep learning)에 기반하여 획득되는 상이한 날씨 조건 하의 상이한 기간에서의 각 도로 상태의 안전 주행 데이터, 예를 들어, 위험 등급(risk grade) 및 혼잡 지수(congestion index)를 주로 획득한다. 주행 의도 식별 유닛은 가속기 페달의 상태, 제동기 페달의 상태 및 차량 제어 상태에 기반하여 운전자의 주행 의도를 식별하도록 구성된다.
컴퓨팅 및 융합 서브시스템은 주로 다음을 포함한다: 차량 환경 감지 정보 융합 유닛, 차량 타겟 감속도 계산 유닛, 차량 타겟 토크 계산 유닛, 그리고 차량 토크 분배 및 제어 유닛. 차량 환경 감지 정보 융합 유닛은 주로 감지 서브시스템에 의해 획득된 다양한 파라미터를 통합하고, 차량 주행 시나리오의 유형에 기반하여, 차량 타겟 감속도 계산 모듈로의 입력으로서 다양한 파라미터의 가중치를 선택하도록 구성된다.
실행 및 결정 서브시스템은 다음을 포함한다: 전기적 구동 유닛, 전력 배터리 유닛 및 능동적 기계적 제동 유닛.
이 출원의 이 실시예에서의 차량 제동 에너지 회수 방법에 따라, 차량 내부의 (전기적 구동 시스템, 배터리 시스템, 페달 상태, 제어 상태 등) 및 차량 외부의 (환경, 도로 시나리오, 외부 차량 등) 두 유형의 중요 정보 입력이 종합적으로 고려되어, 최종적인 재생(regenerative) 제동 제어 및 구동 제어를 수행한다. 재생 제동은 운전자가 대응하는 제동 동작을 수행하는 경우에 최적화되고, 더욱이, 재생 제동은 운전자가 제동 의도를 갖지 않은 경우에 환경에 기반하여 지능적으로 수행된다. 이는 차량의 전반적인 경제성을 달성하고 갑작스러운 가속도 또는 갑작스러운 감속도를 방지한다. 기계적 제동이 가능한 한 적게 사용되어, 주행 범위에 대한 최적 제어가 달성된다.
다음은 구체적인 실시예를 사용하여 이 출원의 기술적 해결안을 상세히 기술한다. 다음의 몇 개의 구체적인 실시예는 서로 조합될 수 있고, 동일하거나 유사한 개념 또는 프로세스가 몇몇 실시예에서 반복적으로 기술되지 않을 수 있다.
도 3은 이 출원에 따른 차량 제동 에너지 회수 방법의 실시예 1의 개략적인 흐름도이다. 이 출원의 이 실시예는 차량 제동 에너지 회수 방법을 제공한다. 방법은 차량 제동 에너지 회수 방법을 수행하는 임의의 장치에 의해 수행될 수 있고, 장치는 소프트웨어 및/또는 하드웨어를 사용함으로써 구현될 수 있다. 이 실시예에서, 장치는 차량 내에 통합될 수 있다.
도 2에 도시된 시스템 아키텍처에 기반하여, 도 3에 도시된 바와 같이, 이 실시예에서의 방법은 다음의 단계를 포함할 수 있다.
단계(301): 차량의 현재 위치 정보를 획득한다.
이 실시예에서, 차량은 감지 서브시스템의 차량 위치 측위 유닛을 사용함으로써 차량의 현재 위치 정보를 획득할 수 있다. 구체적인 구현 프로세스에서, 현재 위치 정보는, 예를 들어, GPS, DGPS, 바이두 항법 시스템, 갈리레오 항법 시스템, 러시아의 GLONASS 항법 시스템, 또는 IMU 시스템을 사용함으로써 획득될 수 있다.
단계(302): 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정한다.
이 실시예에서, 차량은 감지 서브시스템의 자가 감지 유닛을 사용함으로써 제1 범위 내에서의 도로 경사도 i1, 도로 속도 제한 Vmax1 과 같은 정보를 획득할 수 있는데, 제1 범위는, 예를 들어, 레이더, 카메라 또는 센서에 의해 측정될 수 있는 최대 거리, 가령, 200m일 수 있고; 감지 서브시스템의 차량 인터넷 유닛을 사용함으로써 도로 허용 최대 속도 Vmax2, 도로 경사도 i2, 신호등 상태 Slight, 차량 및 신호등 간의 거리 Llight, 현재 도로의 평균 통행 속도 Vavg1 및 제1 혼잡 계수 f1을 획득할 수 있으며; 빅데이터, 머신 러닝 등을 사용함으로써 획득된 대량의 데이터에 기반하여 클라우드 데이터 센터 유닛을 사용함으로써 현재 시간 기간에서의 현재 도로의 평균 차량 속도 Vavg2, 제2 혼잡 계수 f2 등을 획득할 수 있다.
전술한 정보를 획득하고 차량의 현재 위치 정보를 획득한 후, 차량은 지도(map) 상에 표시된 도로 유형 식별 정보에 기반하여 현재 도로 시나리오를 판정한다. 지도 상에 표시된 도로 유형 식별 정보는 다음을 포함한다: G (국도(national highways)), S (도 수준 도로(provincial-level roads)), X (군 수준 도로(county-level roads)), Y (마을 수준 도로(township-level roads)) 등, 또는 일반 도로 (A급 도로), 고속화 도로(expressway)(B급 도로), 지능형 연결 주행 전용 차선(intelligent & connected driving dedicated lanes)(C급 도로), 지능형 연결 주행 전용 도로(intelligent & connected driving dedicated road)(D급 도로) 등. 실제 적용에서, 전술한 정보, 차량의 현재 위치 정보 및 지도 상에 표시된 도로 유형 식별 정보에 기반하여, 차량은 차량의 현재 도로 시나리오를 판정할 수 있다. 도로 시나리오는 고속화 도로 (시나리오 1), 도 수준 도로 (시나리오 2), 도심 도로(urban road) (시나리오 3), 마을 수준 도로 (시나리오 4) 등을 포함한다. 예를 들어, 차량이 30°의 도로 경사도, 30 km/h의 도로 허용 최대 속도 및 0.1의 제1 혼잡 계수를 획득하면, 그것은, 차량의 환경에서, 도로 경사도는 비교적 크고, 도로 허용 최대 속도가 비교적 낮으며, 차량 혼잡 정도는 높지 않음을 나타낸다. 차량의 현재 위치 정보에 기반하여, 차량은 차량의 위치가 지도 상에 Y(마을 수준 도로)로서 표시된다고 판정한다. 이 경우, 현재 도로 시나리오는 마을 수준 도로임이 판정될 수 있다.
차량은 현재 위치 정보에만 기반하여 현재 도로 시나리오를 판정할 수 있거나, 자가 감지 유닛, 차량 인터넷 유닛 또는 클라우드 데이터 센터 유닛 중 적어도 하나에 의해 측정된 파라미터에 기반하여, 그리고 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정할 수 있다. 현재 도로 시나리오를 판정하는 구체적인 방식에 대해, 여기에서는 이 실시예에서 어떠한 한정도 부과되지 않는다.
단계(303): 도로 시나리오 및 가중치 간의 맵핑 관계(mapping relationship)에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정한다.
이 실시예에서, 도로 시나리오 및 가중치 간의 맵핑 관계는 차량에 사전저장된다. 현재 도로 시나리오를 판정한 후, 차량은, 사전저장된 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정한다. 구체적으로, 가중치는 현재 도로 시나리오를 판정하는 방식에 기반하여 분배될 수 있다. 예를 들어, 자가 감지 유닛, 차량 인터넷 유닛 또는 클라우드 데이터 센터 유닛에 의해 측정된 파라미터에 기반하여, 그리고 현재 위치 정보에 기반하여 차량이 현재 도로 시나리오를 판정하는 경우, 가중치는 표 1에서의 분배 방식에 기반하여 판정된다:
표 1
Figure 112019057948074-pct00130
맞춤화된 구성이 δ1, δ2 및 δ3에 대해 수행될 수 있다. 예를 들어, 일반적으로 차량 판매 지역에서, 맞춤화된 구성은 판매 지역에서의 통행 규칙, 지도 도로 작동 조건 등에 기반하여 수행될 수 있다. 추가로, 사전구성 시장에 대해서는, 차량이 공장에서 출하되기 전에 구성이 완료될 수 있고; 사후구성 시장에 대해서는, 설치 동안에 구성이 수행될 수 있다.
δ1, δ2, 및 δ3은 각각 자가 감지 유닛, 차량 인터넷 유닛 및 클라우드 데이터 센터 유닛에 의해 측정된 데이터의 가중치의 백분율(percentage)임에 유의하여야 한다. 예를 들어, 시나리오 1(고속화 도로)에 대해, 자가 감지 유닛, 차량 인터넷 유닛 및 클라우드 데이터 센터 유닛에 의해 측정된 데이터의 가중치의 백분율은 각각 60%, 20% 및 20%이다.
자가 감지 유닛 및 차량 인터넷 유닛에 의해 측정된 파라미터에 기반하여, 그리고 현재 위치 정보에 기반하여 차량이 현재 도로 시나리오를 판정하는 경우, 가중치는 표 2에서의 분배 방식에 기반하여 판정된다:
표 2
Figure 112019057948074-pct00131
시나리오 1, 시나리오 2, 시나리오 3 및 시나리오 4에서, 자가 감지 시스템에 의해 획득된 거리 파라미터는 제일 큰 비율을 차지한다.
추가로, 고속화 도로의 도로 조건에 대해서, δ2는 200 미터 내지 수 킬로미터의 도로 조건에 관련되는데, 이는 차량의 주행 속도에 상대적으로 큰 영향을 끼치고, 고속화 도로 상에는 신호등이 없으며; 도심 도로에 대해서, δ2는 신호등 상태의 영향이고 상대적으로 큰 비율을 차지하되; 마을 수준 도로에 대해서, 자가 감지 유닛에 의해 획득된 안전 거리 데이터가 사용된다.
단계(304): 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정한다.
이 실시예에서, 선택적으로, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함한다. 그러므로, 실제 적용에서, 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하는 것은 다음을 포함한다: 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하는 것; 그리고 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하는 것.
추가로, 동일한 시나리오에 대해, 차량의 안전 거리 가중치 및 차량의 안전 속도 가중치는 동일할 수 있거나, 상이할 수 있다.
선택적으로, 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하는 구현가능한 방식은 다음의 유형을 포함할 수 있다:
방식 1: 도 4에 도시된 차량의 안전 거리를 계산하는 개략적인 흐름도 1을 참조하면, 단계(304)는 구체적으로 다음의 단계를 포함할 수 있다.
단계(401): 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00132
을 판정하는데,
Figure 112019057948074-pct00133
은 장애물 및 차량 간의 상대적 거리이다.
구체적으로, 차량은, 자가 감지 유닛 내의 레이더, 카메라, 다른 유형의 센서 등을 사용함으로써, 차량에 의해 감지된 정보를 획득하고, 또한 장애물 및 차량 간의 상대적 거리
Figure 112019057948074-pct00134
, 즉, 제1 안전 거리
Figure 112019057948074-pct00135
을 판정할 수 있다. 장애물은 이동하는 또는 정적인 물체를 포함하는데, 예를 들어, 다른 차량이나 난간과 같은 물체를 포함한다.
단계(402): 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00136
를 판정하는데,
Figure 112019057948074-pct00137
는 장애물 및 차량 간의 상대적 거리이다.
구체적으로, 차량은, 차량 인터넷 유닛의 V2V, V2I, V2P 등을 통해, 차량 인터넷에 의해 송신된 정보를 획득하고, 또한 장애물 및 차량 간의 상대적 거리
Figure 112019057948074-pct00138
, 즉, 제2 안전 거리
Figure 112019057948074-pct00139
를 판정할 수 있다. 장애물은 또한 이동하거나 정적인 물체를 포함할 수 있는데, 예를 들어, 다른 차량이나 난간과 같은 물체를 포함할 수 있다.
선택적으로, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다. 제1 혼잡 계수는 0부터 1까지의 임의의 값에 의해 나타내어질 수 있다. 더 큰 값은 더 심한 차량 혼잡을 나타낸다.
단계(403): 공식
Figure 112019057948074-pct00140
에 따라 차량의 안전 거리를 계산한다.
Figure 112019057948074-pct00141
는 안전거리이고, 안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00142
및
Figure 112019057948074-pct00143
. 구체적으로, 차량에 의해 획득된 정보가 차량에 의해 감지된 정보 및 차량 인터넷에 의해 송신된 정보를 포함하기 때문에, 현재 도로 시나리오에서의 안전 거리 가중치는 단계(303)의 표 2에서의 맵핑 관계에 기반하여 판정될 수 있다. 예를 들어, 차량은 시나리오 1(고속화 도로)에서 주행한다. 이 시나리오에서, 안전 거리 가중치의 파라미터는
Figure 112019057948074-pct00144
= 80% 및
Figure 112019057948074-pct00145
= 20% 이고, (0.8 0.2)에 의해 나타내어진다. 추가로, 제1 안전 거리
Figure 112019057948074-pct00146
및 제2 안전 거리
Figure 112019057948074-pct00147
가 획득된 후, 차량의 안전 거리가 공식
Figure 112019057948074-pct00148
에 따라 계산된다.
방식 2: 도 5에 도시된 차량의 안전 거리를 계산하는 개략적인 흐름도 2을 참조하면, 단계(304)는 구체적으로 다음의 단계를 포함할 수 있다.
단계(501): 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00149
을 판정하는데,
Figure 112019057948074-pct00150
은 장애물 및 차량 간의 상대적 거리이다.
단계(502): 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00151
를 판정하는데,
Figure 112019057948074-pct00152
는 장애물 및 차량 간의 상대적 거리이다.
단계(501) 및 단계(502)는 단계(401) 및 단계(402)와 유사하고, 세부사항은 여기에서 다시 기술되지 않는다.
단계(503): 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00153
를 판정하는데,
Figure 112019057948074-pct00154
는 장애물 및 차량 간의 상대적 거리이다.
구체적으로, 차량은 빅데이터, 머신 러닝, 딥 러닝 등에 기반하여 클라우드 데이터 센터 유닛을 사용함으로써 상이한 날씨 조건 하의 상이한 시간 기간에서의 안전 주행 데이터를 획득할 수 있으니, 즉, 장애물 및 차량 간의 상대적 거리
Figure 112019057948074-pct00155
, 즉, 제3 안전 거리
Figure 112019057948074-pct00156
를 획득할 수 있다.
선택적으로, 클라우드 데이터 센터에 저장된 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하는데, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다. 제2 혼잡 계수는 0부터 1까지의 임의의 값에 의해 나타내어질 수 있다. 더 큰 값은 더 심한 차량 혼잡을 나타낸다.
단계(504): 공식
Figure 112019057948074-pct00157
에 따라 차량의 안전 거리를 계산한다.
Figure 112019057948074-pct00158
는 안전거리이고, 안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00159
,
Figure 112019057948074-pct00160
및
Figure 112019057948074-pct00161
. 구체적으로, 차량에 의해 획득된 정보가 차량에 의해 감지된 정보, 차량 인터넷에 의해 송신된 정보 및 클라우드 데이터 센터에 저장된 도로 이력 정보를 포함하기 때문에, 현재 도로 시나리오에서의 안전 거리 가중치는 단계(303)에서의 표 1에서의 맵핑 관계에 기반하여 판정될 수 있다. 예를 들어, 차량은 시나리오 2(고속화 도로)에서 주행한다. 이 시나리오에서, 안전 거리 가중치의 파라미터는
Figure 112019057948074-pct00162
= 70%,
Figure 112019057948074-pct00163
= 30% 및
Figure 112019057948074-pct00164
= 0 이고, (0.7 0.3 0)에 의해 나타내어진다. 추가로, 제1 안전 거리
Figure 112019057948074-pct00165
, 제2 안전 거리
Figure 112019057948074-pct00166
및 제3 안전 거리
Figure 112019057948074-pct00167
가 획득된 후, 차량의 안전 거리는 공식
Figure 112019057948074-pct00168
에 따라 계산된다.
선택적으로, 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하는 구현가능한 방식은 다음의 유형을 포함할 수 있다:
방식 1: 도 6에 도시된 차량의 안전 속도를 계산하는 개략적인 흐름도를 참조하면, 단계(304)는 구체적으로 다음을 포함할 수 있다:
단계(601): 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00169
을 판정하는데,
Figure 112019057948074-pct00170
은 장애물 및 차량 간의 상대적 속도이다.
구체적으로, 차량은 자가 감지 유닛 내의 레이더, 카메라, 다른 유형의 센서 등을 사용함으로써, 차량에 의해 감지된 정보를 획득하고, 또한 장애물 및 차량 간의 상대적 속도
Figure 112019057948074-pct00171
, 즉, 제1 안전 속도
Figure 112019057948074-pct00172
을 판정할 수 있다. 장애물은 이동하거나 정적인 물체를 포함하는데, 예를 들어, 다른 차량이나 난간과 같은 물체를 포함한다.
단계(602): 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00173
를 판정하는데,
Figure 112019057948074-pct00174
는 장애물 및 차량 간의 상대적 속도이다.
구체적으로, 차량은 차량 인터넷 유닛의 V2V, V2I, V2P 등을 통해, 차량 인터넷에 의해 송신된 정보를 획득하고, 또한 장애물 및 차량 간의 상대적 속도
Figure 112019057948074-pct00175
, 즉, 제2 안전 속도
Figure 112019057948074-pct00176
를 판정할 수 있다. 장애물은 또한 이동하거나 정적인 물체를 포함하는데, 예를 들어, 다른 차량이나 난간과 같은 물체를 포함한다.
선택적으로, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다. 제1 혼잡 계수는 0부터 1까지의 임의의 값에 의해 나타내어질 수 있다. 더 큰 값은 더 심한 차량 혼잡을 나타낸다.
단계(603): 공식
Figure 112019057948074-pct00177
에 따라 차량의 안전 속도를 계산한다.
Figure 112019063691469-pct00178
는 안전 속도이고, 안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019063691469-pct00179
및
Figure 112019063691469-pct00180
. 구체적으로, 차량에 의해 획득된 정보가 차량에 의해 감지된 정보 및 차량 인터넷에 의해 송신된 정보를 포함하기 때문에, 현재 도로 시나리오에서의 안전 속도 가중치는 단계(303)에서의 표 2에서의 맵핑 관계에 기반하여 판정될 수 있다. 예를 들어, 차량은 시나리오 1(고속화 도로)에서 주행한다. 이 시나리오에서, 안전 속도 가중치의 파라미터는
Figure 112019063691469-pct00181
= 80% 및
Figure 112019063691469-pct00182
= 20% 이고, (0.8 0.2)로 나타내어진다. 추가로, 제1 안전 속도
Figure 112019063691469-pct00183
및 제2 안전 속도
Figure 112019063691469-pct00184
가 획득된 후, 차량의 안전 속도는 공식
Figure 112019063691469-pct00185
에 따라 계산된다.
방식 2: 도 7에 도시된 차량의 안전 거리를 계산하는 개략적인 흐름도 2을 참조하면, 단계(304)는 구체적으로 다음의 단계를 포함할 수 있다.
단계(701): 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00186
을 판정하는데,
Figure 112019057948074-pct00187
은 장애물 및 차량 간의 상대적 속도이다.
단계(702): 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00188
를 판정하는데,
Figure 112019057948074-pct00189
는 장애물 및 차량 간의 상대적 속도이다.
단계(701) 및 단계(702)는 단계(601) 및 단계(602)와 유사하고, 세부사항은 여기에서 다시 기술되지 않는다.
단계(703): 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00190
를 판정하는데,
Figure 112019057948074-pct00191
는 장애물 및 차량 간의 상대적 속도이다.
구체적으로, 차량은 빅데이터, 머신 러닝, 딥 러닝 등에 기반하여 클라우드 데이터 센터 유닛을 사용함으로써 상이한 날씨 조건 하의 상이한 시간 기간에서의 안전 주행 데이터를 획득할 수 있으니, 즉, 장애물 및 차량 간의 상대적 속도
Figure 112019057948074-pct00192
, 즉, 제3 안전 속도
Figure 112019057948074-pct00193
를 획득할 수 있다.
선택적으로, 클라우드 데이터 센터에 저장된 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터 센터에 의한 계산을 통해 획득된다. 제2 혼잡 계수는 0부터 1까지의 임의의 값에 의해 나타내어질 수 있다. 더 큰 값은 더 심한 차량 혼잡을 나타낸다.
단계(704): 공식
Figure 112019057948074-pct00194
에 따라 차량의 안전 속도를 계산한다.
Figure 112019063691469-pct00195
는 안전 속도이고, 안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019063691469-pct00196
,
Figure 112019063691469-pct00197
및
Figure 112019063691469-pct00198
. 구체적으로, 차량에 의해 획득된 정보가 차량에 의해 감지된 정보, 차량 인터넷에 의해 송신된 정보 및 클라우드 데이터 센터에 저장된 도로 이력 정보를 포함하기 때문에, 현재 도로 시나리오에서의 안전 속도 가중치는 단계(303)에서의 표 1에서의 맵핑 관계에 기반하여 판정될 수 있다. 예를 들어, 차량은 시나리오 2(고속화 도로)에서 주행한다. 이 시나리오에서, 안전 속도 가중치의 파라미터는
Figure 112019063691469-pct00199
= 70%,
Figure 112019063691469-pct00200
= 30% 및
Figure 112019063691469-pct00201
= 0 이고, (0.7 0.3 0)에 의해 나타내어진다. 추가로, 제1 안전 속도
Figure 112019063691469-pct00202
, 제2 안전 속도
Figure 112019063691469-pct00203
및 제3 안전 속도
Figure 112019063691469-pct00204
가 획득된 후, 차량의 안전 속도는 공식
Figure 112019063691469-pct00205
에 따라 계산된다.
단계(305): 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정한다.
이 실시예에서, 차량의 안전 거리 및 안전 속도가 계산된 후, 계산된 안전 거리 및 안전 속도에 기반하여 타겟 토크가 판정되어서, 차량은, 타겟 토크 및 운전자의 주행 의도에 기반하여, 전체 차량에 의해 요구되는 토크를 판정하여, 제동 에너지를 회수하도록 차량의 모터를 제어한다.
선택적으로, 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하는 것은 다음을 포함한다: 차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 판정하는 것; 및 타겟 감속도에 기반하여 타겟 토크를 판정하는 것.
구체적인 구현 프로세스에서, 컴퓨팅 및 융합 서브시스템 내의 차량 타겟 감속도 계산 유닛은 공식
Figure 112019057948074-pct00206
에 따라 타겟 감속도를 계산할 수 있는데,
Figure 112019057948074-pct00207
은 타겟 감속도이고,
Figure 112019057948074-pct00208
는 안전 속도이며,
Figure 112019057948074-pct00209
는 안전 거리이고,
Figure 112019057948074-pct00210
는 차량의 주행 속도이다.
타겟 감속도가 판정된 후, 차량 타겟 토크 계산 유닛은 타겟 감속도, 감지 서브시스템에 의해 획득된 도로 경사도 i, 그리고 차량 동역학 모델에 기반하여 타겟 토크를 계산한다. 구체적으로, 타겟 토크는 공식
Figure 112019057948074-pct00211
에 따라 계산될 수 있다. G는 차량의 가중치이고, f는 회전 저항 계수(rolling resistance coefficient)이며, CD는 바람 저항 계수(wind resistance coefficient)이고, A는 차량의 전면 면적이며, v는 차량의 실시간 주행 속도이고, i는 차량이 주행하는 도로의 경사도이며, δ는 회전 질량 환산 계수(rotational mass conversion coefficient)이고, m은 차량의 질량이며,
Figure 112019057948074-pct00212
은 타겟 감속도이고, r은 차량의 바퀴의 반경이며, ig은 차량의 트랜스미션 기어(transmission gear) 비율이고, i0는 최종 구동(final drive) 비율이며, ηT 는 기계적 전달 효율(mechanical transmission efficiency)이고, Ttrg은 타겟 토크이다.
Ttrg이 0보다 큰 경우, Ttrg은 타겟 구동 토크이거나; Ttrg이 0보다 작은 경우, Ttrg은 타겟 제동 토크이다.
이 실시예에서, 차량 동역학 모델을 도입함으로써 타겟 토크가 계산되어서, 전반적인 경제적 고려사항에 기반하여 제동 에너지를 회수한다는 목적을 달성한다.
단계(306): 타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어한다.
이 실시예에서, 타겟 토크를 판정한 후, 차량은 타겟 토크와, 주행 의도 식별 유닛에 의해 식별된 주행 의도에 기반하여, 전체 차량에 의해 요구되는 토크를 판정하고, 전체 차량에 의해 요구되는 판정된 토크를 분배하여, 제동 에너지를 회수하도록 차량의 모터를 제어한다.
구체적으로, 차량 토크 분배 및 제어 유닛은 차량 내의 모터의 최대 출력 토크 값, 차량 내의 모터의 최소 출력 토크 값, 차량 내의 배터리의 실시간 허용가능한 충전 전력 및 차량 내의 배터리의 실시간 허용가능한 방전 전력에 기반하여 토크를 분배하여서, 모터 및 능동적 기계적 제동 시스템으로 하여금 작동하도록 제어한다.
이 출원의 이 실시예에서 제공되는 차량 제동 에너지 회수 방법에 따라, 차량의 현재 위치 정보가 획득되고, 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오가 판정되며, 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여 현재 도로 시나리오에 대응하는 가중치가 판정되고, 현재 가중치에 기반하여 차량의 안전 거리 및 안전 속도가 판정되어, 이후에 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크가 판정되고, 최종적으로, 제동 에너지를 회수하도록 타겟 토크에 기반하여 차량의 모터가 제어된다. 차량의 안전 속도 및 안전 거리가 차량의 현재 도로 시나리오에 기반하여 판정되고, 이후에 제동 에너지를 회수하기 위해 타겟 토크가 판정된다. 구체적으로, 도로 시나리오는 차량에 의해 감지된 정보에 기반하여 판정되고, 상이한 가중치가 상이한 도로 시나리오에 분배되어서, 안전 거리 및 안전 속도를 계산하여, 이후에 타겟 감속도를 판정하고, 토크를 분배하는바, 이로써 제동 에너지 회수율을 개선한다.
도 8은 이 출원의 실시예에 따른 차량 제동 에너지 회수 장치의 실시예 1의 개략적인 구조도이다. 회수 장치는 독립적인 차량일 수 있거나, 차량 내에 통합된 장치일 수 있다. 장치는 소프트웨어, 하드웨어, 또는 소프트웨어와 하드웨어의 조합으로 구현될 수 있다. 도 8에 도시된 바와 같이, 회수 장치는 다음을 포함한다:
차량의 현재 위치 정보를 획득하도록 구성된 획득 모듈(11);
차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정하도록 구성된 판정 모듈(12)(여기서
판정 모듈(12)은 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정하도록 또한 구성되고;
판정 모듈(12)은 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하도록 또한 구성되며;
판정 모듈(12)은 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하도록 또한 구성됨); 및
타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하도록 구성된 제어 모듈(13).
선택적으로, 획득 모듈(11), 판정 모듈(12) 및 제어 모듈(13)은 차량 내의 프로세서에 대응할 수 있다.
이 출원의 이 실시예에서 제공되는 차량 제동 에너지 회수 장치는 전술한 방법 실시예를 수행할 수 있다. 장치의 구현 원리 및 기술적 효과는 방법 실시예와 유사하며, 세부사항은 여기에서 다시 기술되지 않는다.
도 9는 이 출원의 실시예에 따른 차량 제동 에너지 회수 장치의 실시예 2의 개략적인 구조도이다. 전술한 실시예에 기반하여, 또한, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고; 판정 모듈(12)은 다음을 구체적으로 포함한다:
차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하도록 구성된 제1 계산 유닛(121); 및
차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하도록 구성된 제2 계산 유닛(122).
선택적으로, 획득 모듈(11)은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00213
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00214
은 장애물 및 차량 간의 상대적 거리이며;
획득 모듈(11)은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00215
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00216
는 장애물 및 차량 간의 상대적 거리이며;
제1 계산 유닛(121)은:
공식
Figure 112019057948074-pct00217
에 따라 차량의 안전 거리를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00218
는 안전 거리이고;
안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00219
및
Figure 112019057948074-pct00220
.
선택적으로, 획득 모듈(11)은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00221
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00222
은 장애물 및 차량 간의 상대적 속도이며;
획득 모듈(11)은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00223
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00224
는 장애물 및 차량 간의 상대적 속도이며;
제2 계산 유닛(122)은:
공식
Figure 112019057948074-pct00225
에 따라 차량의 안전 속도를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00226
는 안전 속도이고;
안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019063691469-pct00227
및
Figure 112019063691469-pct00228
.
선택적으로, 획득 모듈(11)은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00229
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00230
은 장애물 및 차량 간의 상대적 거리이며;
획득 모듈(11)은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00231
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00232
는 장애물 및 차량 간의 상대적 거리이며;
획득 모듈(11)은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00233
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00234
는 장애물 및 차량 간의 상대적 거리이며;
제1 계산 유닛(121)은:
공식
Figure 112019057948074-pct00235
에 따라 차량의 안전 거리를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00236
는 안전 거리이고;
안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00237
,
Figure 112019057948074-pct00238
및
Figure 112019057948074-pct00239
.
선택적으로, 획득 모듈(11)은 차량에 의해 감지된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00240
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00241
은 장애물 및 차량 간의 상대적 속도이며;
획득 모듈(11)은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00242
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00243
는 장애물 및 차량 간의 상대적 속도이며;
획득 모듈(11)은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고;
판정 모듈(12)은 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00244
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00245
는 장애물 및 차량 간의 상대적 속도이며;
제2 계산 유닛(122)은:
공식
Figure 112019057948074-pct00246
에 따라 차량의 안전 속도를 계산하도록 구체적으로 구성되되,
Figure 112019057948074-pct00247
는 안전 속도이고;
안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019063691469-pct00248
,
Figure 112019063691469-pct00249
및
Figure 112019063691469-pct00250
.
선택적으로, 판정 모듈(12)은:
차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하고;
타겟 감속도에 기반하여 타겟 토크를 판정하도록 구체적으로 구성된다.
선택적으로, 판정 모듈(12)은 다음의 공식에 따라 타겟 감속도를 계산하도록 또한 구성된다:
Figure 112019057948074-pct00251
, 여기서
Figure 112019057948074-pct00252
은 타겟 감속도이고,
Figure 112019057948074-pct00253
는 안전 속도이며,
Figure 112019057948074-pct00254
는 안전 거리이고,
Figure 112019057948074-pct00255
는 차량의 주행 속도이다.
선택적으로, 차량 인터넷에 의해 송신되는 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다.
선택적으로, 클라우드 데이터 센터에 저장되는 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다.
이 출원의 이 실시예에서 제공되는 차량 제동 에너지 회수 장치는 전술한 방법 실시예를 수행할 수 있다. 장치의 구현 원리 및 기술적 효과는 방법 실시예와 유사하고, 세부사항은 여기에서 다시 기술되지 않는다.
도 10은 이 출원에 따른 차량의 실시예의 개략적인 구조도이다. 도 10에 도시된 바와 같이, 차량은 발신기(20), 프로세서(21), 메모리(22) 및 적어도 하나의 통신 버스(23)를 포함할 수 있다. 통신 버스(23)는 요소 간의 통신 연결을 구현하도록 구성된다. 메모리(22)는 고속 RAM 메모리를 포함할 수 있거나, 비휘발성 메모리(NonVolatile Memory: NVM), 예를 들어, 적어도 하나의 자기 디스크 스토리지(magnetic disk storage)를 더 포함할 수 있다. 메모리(22) 내에서, 다양한 처리 기능을 완료하고 실시예에서의 방법의 단계를 구현하기 위해 다양한 프로그램이 저장되고 사용될 수 있다. 추가로, 차량은 수신기(24)를 더 포함할 수 있다. 이 실시예에서의 수신기(24)는 통신 기능 및 정보 수신 기능을 갖는 대응하는 입력 인터페이스일 수 있다. 이 실시예에서의 발신기(20)는 통신 기능 및 정보 발신 기능을 갖는 대응하는 출력 인터페이스일 수 있다. 선택적으로, 발신기(20) 및 수신기(24)는 하나의 통신 인터페이스 내에 통합될 수 있거나, 두 개의 독립적인 통신 인터페이스일 수 있다.
이 실시예에서, 프로세서(21)는 차량의 현재 위치 정보를 획득하도록 구성되고;
프로세서(21)는 차량의 현재 위치 정보에 기반하여 현재 도로 시나리오를 판정하도록 또한 구성되며;
프로세서(21)는 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 현재 도로 시나리오에 대응하는 가중치를 판정하도록 또한 구성되고;
프로세서(21)는 가중치에 기반하여 차량의 안전 거리 및 안전 속도를 판정하도록 또한 구성되며;
프로세서(21)는 차량의 안전 거리 및 안전 속도에 기반하여 타겟 토크를 판정하도록 또한 구성되고;
프로세서(21)는 타겟 토크에 기반하여, 제동 에너지를 회수하도록 차량의 모터를 제어하도록 또한 구성된다.
선택적으로, 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고;
프로세서(21)는 차량의 안전 거리 가중치에 기반하여 차량의 안전 거리를 계산하도록 또한 구성되며;
프로세서(21)는 차량의 안전 속도 가중치에 기반하여 차량의 안전 속도를 계산하도록 또한 구성된다.
선택적으로, 프로세서(21)는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00256
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00257
은 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00258
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00259
는 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 공식
Figure 112019057948074-pct00260
에 따라 차량의 안전 거리를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00261
는 안전 거리이고;
안전 거리 가중치는 2개의 파라미터를 포함한다:
Figure 112019057948074-pct00262
및
Figure 112019057948074-pct00263
.
선택적으로, 프로세서(21)는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00264
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00265
은 장애물 및 차량 간의 상대적 속도이며;
프로세서(21)는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00266
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00267
는 장애물 및 차량 간의 상대적 속도이며;
프로세서(21)는 공식
Figure 112019057948074-pct00268
에 따라 차량의 안전 속도를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00269
는 안전 속도이고;
안전 속도 가중치는 2개의 파라미터를 포함한다:
Figure 112019063691469-pct00270
및
Figure 112019063691469-pct00271
.
선택적으로, 프로세서(21)는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 거리
Figure 112019057948074-pct00272
을 판정하도록 또한 구성되되,
Figure 112019057948074-pct00273
은 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 거리
Figure 112019057948074-pct00274
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00275
는 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 거리
Figure 112019057948074-pct00276
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00277
는 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 공식
Figure 112019057948074-pct00278
에 따라 차량의 안전 거리를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00279
는 안전 거리이고;
안전 거리 가중치는 3개의 파라미터를 포함한다:
Figure 112019057948074-pct00280
,
Figure 112019057948074-pct00281
및
Figure 112019057948074-pct00282
.
선택적으로, 프로세서(21)는 차량에 의해 감지된 정보를 획득하고, 차량에 의해 감지된 정보에 기반하여 제1 안전 속도
Figure 112019057948074-pct00283
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00284
은 장애물 및 차량 간의 상대적 속도이며;
프로세서(21)는 차량 인터넷에 의해 송신된 정보를 획득하고, 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
Figure 112019057948074-pct00285
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00286
는 장애물 및 차량 간의 상대적 속도이며;
프로세서(21)는 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 클라우드 데이터 센터에 저장된 도로 이력 정보에 기반하여 제3 안전 속도
Figure 112019057948074-pct00287
를 판정하도록 또한 구성되되,
Figure 112019057948074-pct00288
는 장애물 및 차량 간의 상대적 거리이며;
프로세서(21)는 공식
Figure 112019057948074-pct00289
에 따라 차량의 안전 속도를 계산하도록 또한 구성되되,
Figure 112019057948074-pct00290
는 안전 속도이고;
안전 속도 가중치는 3개의 파라미터를 포함한다:
Figure 112019063691469-pct00291
,
Figure 112019063691469-pct00292
및
Figure 112019063691469-pct00293
.
선택적으로, 프로세서(21)는 차량의 주행 속도, 안전 거리 및 안전 속도에 기반하여 타겟 감속도를 계산하도록 또한 구성되고;
프로세서(21)는 타겟 감속도에 기반하여 타겟 토크를 판정하도록 또한 구성된다.
선택적으로, 프로세서(21)는 다음의 공식에 따라 타겟 감속도를 계산하도록 또한 구성된다:
Figure 112019057948074-pct00294
, 여기서
Figure 112019057948074-pct00295
은 타겟 감속도이고,
Figure 112019057948074-pct00296
는 안전 속도이며,
Figure 112019057948074-pct00297
는 안전 거리이고,
Figure 112019057948074-pct00298
는 차량의 주행 속도이다.
선택적으로, 차량 인터넷에 의해 송신된 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함한다.
선택적으로, 클라우드 데이터 센터에 저장된 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 현재 시간 기간에서의 평균 차량 속도, 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 클라우드 데이터에 의한 계산을 통해 획득된다.
이 출원의 이 실시예에서 제공되는 차량은 전술한 방법 실시예를 수행할 수 있다. 차량의 구현 원리 및 기술적 효과는 방법 실시예와 유사하고, 세부사항은 여기에서 다시 기술되지 않는다.
편리하고 간략한 설명을 위해, 전술한 기능 모듈의 구분은 예시를 위한 예로서 사용될 뿐임이 당업자에 의해 명확히 이해될 수 있다. 실제 구현에서, 전술한 기능은 상이한 기능 모듈에 분배되고 요구사항에 기반하여 구현될 수 있으니, 즉, 장치의 내부 구조가 상이한 기능 모듈로 구분되어 위에서 기술된 기능 중 일부 또는 전부를 구현한다. 전술한 시스템, 장치 및 유닛의 상세한 작동 프로세스에 대해, 전술한 방법 실시예에서의 대응하는 프로세스에 대한 참조가 행해질 수 있으며, 세부사항은 여기에서 다시 기술되지 않는다.
이 출원에서 제공되는 몇 개의 실시예에서, 개시된 시스템, 장치 및 방법은 다른 방식으로 구현될 수 있음이 이해되어야 한다. 예를 들어, 기술된 장치 실시예는 예일 뿐이다. 예를 들어, 모듈 또는 유닛 구분은 논리적 기능 구분일 뿐이며 실제 구현예에서는 다른 구분일 수 있다. 예를 들어, 복수의 유닛 또는 컴포넌트가 조합될 수 있거나 다른 시스템 내에 통합될 수 있거나, 몇몇 특징은 무시될 수 있거나 수행되지 않을 수 있다. 추가로, 현시되거나 논의된 상호 커플링 또는 직접 커플링 또는 통신 연결은 몇몇 인터페이스를 사용함으로써 구현될 수 있다. 장치 또는 유닛 간의 간접 커플링 또는 통신 연결은 전기적, 기계적 또는 다른 형태로 구현될 수 있다.
별개의 부분으로서 기술된 유닛은 물리적으로 별개일 수 있거나 그렇지 않을 수 있고, 유닛으로서 현시된 부분은 물리적 유닛일 수 있거나 그렇지 않을 수 있거나, 하나의 위치에 위치될 수 있거나, 복수의 네트워크 유닛 상에 분포될 수 있다. 실시예의 해결안의 목적을 달성하기 위해 실제의 요구사항에 기반하여 유닛의 일부 또는 전부가 선택될 수 있다.
추가로, 이 출원의 실시예에서의 기능적 유닛은 하나의 처리 유닛 내에 통합될 수 있거나, 유닛 각각이 물리적으로 단독으로 존재할 수 있거나, 둘 이상의 유닛이 하나의 유닛 내에 통합된다. 통합된 유닛은 하드웨어의 형태로 구현될 수 있거나, 소프트웨어 기능적 유닛의 형태로 구현될 수 있다.
통합된 유닛이 소프트웨어 기능적 유닛의 형태로 구현되고 독립적인 제품으로서 판매되거나 사용되는 경우에, 통합된 유닛은 컴퓨터 판독가능 저장 매체 내에 저장될 수 있다. 그러한 이해에 기반하여, 이 출원의 기술적 해결안은 본질적으로, 또는 선행 기술에 기여하는 부분은, 또는 기술적 해결안의 전부 또는 일부는 소프트웨어 제품의 형태로 구현될 수 있다. 소프트웨어 제품은 저장 매체 내에 저장되며, 컴퓨터 디바이스(이는 개인용 컴퓨터, 서버, 네트워크 디바이스 등일 수 있음) 또는 프로세서로 하여금 이 출원의 실시예에서 기술된 방법의 단계의 전부 또는 일부를 수행하도록 명령하기 위한 몇 개의 명령어를 포함한다. 전술한 저장 매체는 다음을 포함한다: 프로그램 코드를 저장할 수 있는 임의의 매체, 예를 들면 USB 플래시(flash) 드라이브, 탈착가능(removable) 하드 디스크, 판독 전용 메모리(ROM, Read-Only Memory), 랜덤 액세스 메모리(RAM, Random Access Memory), 자기 디스크, 또는 광 디스크.

Claims (20)

  1. 차량 제동 에너지 회수 방법에 있어서,
    차량의 현재 위치 정보를 획득하는 단계와,
    상기 차량의 상기 현재 위치 정보 및 지도에 표시된 도로 유형 식별 정보에 기반하여 현재 도로 시나리오를 판정하는 단계와,
    도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 상기 현재 도로 시나리오에 대응하는 가중치를 판정하는 단계와,
    상기 가중치에 기반하여 상기 차량의 안전 거리 및 안전 속도를 판정하는 단계와,
    상기 차량의 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 토크(target torque)를 판정하는 단계와,
    상기 타겟 토크에 기반하여, 제동 에너지를 회수하도록 상기 차량의 모터를 제어하는 단계를 포함하는,
    방법.
  2. 제1항에 있어서,
    상기 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고,
    상기 가중치에 기반하여 상기 차량의 안전 거리 및 안전 속도를 판정하는 단계는,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하는 단계와,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하는 단계를 포함하는,
    방법.
  3. 제2항에 있어서,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하는 단계 전에, 상기 방법은,
    상기 차량에 의해 감지된 정보를 획득하고, 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 거리
    Figure 112019057948074-pct00299
    을 판정하는 단계 -
    Figure 112019057948074-pct00300
    은 장애물 및 상기 차량 간의 상대적 거리임 - 와,
    차량 인터넷(Internet of Vehicles)에 의해 송신된 정보를 획득하고, 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 거리
    Figure 112019057948074-pct00301
    를 판정하는 단계 -
    Figure 112019057948074-pct00302
    는 장애물 및 상기 차량 간의 상대적 거리임 - 를 더 포함하고,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하는 단계는,
    공식
    Figure 112019057948074-pct00303
    에 따라 상기 차량의 상기 안전 거리를 계산하는 단계를 포함하되,
    Figure 112019057948074-pct00304
    는 상기 안전 거리이고,
    상기 안전 거리 가중치는 2개의 파라미터
    Figure 112019057948074-pct00305
    및
    Figure 112019057948074-pct00306
    를 포함하는,
    방법.
  4. 제2항에 있어서,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하는 단계 전에, 상기 방법은,
    상기 차량에 의해 감지된 정보를 획득하고, 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 속도
    Figure 112020095143198-pct00307
    을 판정하는 단계 -
    Figure 112020095143198-pct00308
    은 장애물 및 상기 차량 간의 상대적 속도임 - 와,
    차량 인터넷에 의해 송신된 정보를 획득하고, 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 속도
    Figure 112020095143198-pct00309
    를 판정하는 단계 -
    Figure 112020095143198-pct00310
    는 장애물 및 상기 차량 간의 상대적 속도임 - 를 더 포함하고,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하는 단계는,
    공식
    Figure 112020095143198-pct00311
    에 따라 상기 차량의 상기 안전 속도를 계산하는 단계를 포함하되,
    Figure 112020095143198-pct00312
    는 상기 안전 속도이고,
    상기 안전 속도 가중치는 2개의 파라미터
    Figure 112020095143198-pct00313
    및
    Figure 112020095143198-pct00314
    를 포함하는,
    방법.
  5. 제2항에 있어서,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하는 단계 전에, 상기 방법은,
    상기 차량에 의해 감지된 정보를 획득하고, 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 거리
    Figure 112019057948074-pct00315
    을 판정하는 단계 -
    Figure 112019057948074-pct00316
    은 장애물 및 상기 차량 간의 상대적 거리임 - 와,
    차량 인터넷에 의해 송신된 정보를 획득하고, 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 거리
    Figure 112019057948074-pct00317
    를 판정하는 단계 -
    Figure 112019057948074-pct00318
    는 장애물 및 상기 차량 간의 상대적 거리임 - 와,
    클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보에 기반하여 제3 안전 거리
    Figure 112019057948074-pct00319
    를 판정하는 단계 -
    Figure 112019057948074-pct00320
    는 장애물 및 상기 차량 간의 상대적 거리임 - 를 더 포함하고,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하는 단계는,
    공식
    Figure 112019057948074-pct00321
    에 따라 상기 차량의 상기 안전 거리를 계산하는 단계를 포함하되,
    Figure 112019057948074-pct00322
    는 상기 안전 거리이고,
    상기 안전 거리 가중치는 3개의 파라미터
    Figure 112019057948074-pct00323
    ,
    Figure 112019057948074-pct00324
    및
    Figure 112019057948074-pct00325
    를 포함하는,
    방법.
  6. 제2항에 있어서,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하는 단계 전에, 상기 방법은,
    상기 차량에 의해 감지된 정보를 획득하고, 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 속도
    Figure 112020095143198-pct00326
    을 판정하는 단계 -
    Figure 112020095143198-pct00327
    은 장애물 및 상기 차량 간의 상대적 속도임 - 와,
    차량 인터넷에 의해 송신된 정보를 획득하고, 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 속도
    Figure 112020095143198-pct00328
    를 판정하는 단계 -
    Figure 112020095143198-pct00329
    는 상기 장애물 및 상기 차량 간의 상대적 속도임 - 와,
    클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하고, 상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보에 기반하여 제3 안전 속도
    Figure 112020095143198-pct00330
    를 판정하는 단계 -
    Figure 112020095143198-pct00331
    는 장애물 및 상기 차량 간의 상대적 속도임 - 를 더 포함하고,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하는 단계는,
    공식
    Figure 112020095143198-pct00332
    에 따라 상기 차량의 상기 안전 속도를 계산하는 단계를 포함하되,
    Figure 112020095143198-pct00333
    는 상기 안전 속도이고,
    상기 안전 속도 가중치는 3개의 파라미터
    Figure 112020095143198-pct00334
    ,
    Figure 112020095143198-pct00335
    및
    Figure 112020095143198-pct00336
    를 포함하는,
    방법.
  7. 제2항에 있어서,
    상기 차량의 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 토크를 판정하는 단계는,
    상기 차량의 주행 속도, 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 감속도(target deceleration)를 계산하는 단계와,
    상기 타겟 감속도에 기반하여 상기 타겟 토크를 판정하는 단계를 포함하는,
    방법.
  8. 제7항에 있어서,
    상기 차량의 주행 속도, 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 감속도를 계산하는 단계는,
    공식
    Figure 112019057948074-pct00337
    에 따라 상기 타겟 감속도를 계산하는 단계를 포함하되,
    Figure 112019057948074-pct00338
    은 상기 타겟 감속도이고,
    Figure 112019057948074-pct00339
    는 상기 안전 속도이며,
    Figure 112019057948074-pct00340
    는 상기 안전 거리이고,
    Figure 112019057948074-pct00341
    는 상기 차량의 상기 주행 속도인,
    방법.
  9. 제3항에 있어서,
    상기 차량 인터넷에 의해 송신된 상기 정보는 도로 허용 최대 속도(road-allowed maximum speed), 도로 경사도(road slope), 신호등 상태(signal light status), 신호등 거리(signal light distance), 현재 도로의 평균 통행 속도(average traffic speed) 및 제1 혼잡 계수(congestion coefficient) 중 적어도 하나를 포함하는,
    방법.
  10. 제5항에 있어서,
    상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보는 현재 시간 기간(time period)에서의 평균 차량 속도, 상기 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 상기 현재 시간 기간에서의 상기 평균 차량 속도, 상기 현재 시간 기간에서의 상기 평균 차량 거리 및 상기 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 상기 클라우드 데이터 센터에 의한 계산을 통해 획득되는,
    방법.
  11. 차량 제동 에너지 회수 장치에 있어서,
    차량의 현재 위치 정보를 획득하도록 구성된 획득 모듈과,
    상기 차량의 상기 현재 위치 정보 및 지도에 표시된 도로 유형 식별 정보에 기반하여 현재 도로 시나리오를 판정하도록 구성된 판정 모듈 - 상기 판정 모듈은 도로 시나리오 및 가중치 간의 맵핑 관계에 기반하여, 상기 현재 도로 시나리오에 대응하는 가중치를 판정하도록 또한 구성되고, 상기 판정 모듈은 상기 가중치에 기반하여 상기 차량의 안전 거리 및 안전 속도를 판정하도록 또한 구성되며, 상기 판정 모듈은 상기 차량의 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 토크를 판정하도록 또한 구성됨 - 과,
    상기 타겟 토크에 기반하여, 제동 에너지를 회수하도록 상기 차량의 모터를 제어하도록 구성된 제어 모듈을 포함하는
    장치.
  12. 제11항에 있어서,
    상기 가중치는 안전 거리 가중치 및 안전 속도 가중치를 포함하고,
    상기 판정 모듈은,
    상기 차량의 상기 안전 거리 가중치에 기반하여 상기 차량의 상기 안전 거리를 계산하도록 구성된 제1 계산 유닛과,
    상기 차량의 상기 안전 속도 가중치에 기반하여 상기 차량의 상기 안전 속도를 계산하도록 구성된 제2 계산 유닛을 포함하는,
    장치.
  13. 제12항에 있어서,
    상기 획득 모듈은 상기 차량에 의해 감지된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 거리
    Figure 112020095143198-pct00342
    을 판정 -
    Figure 112020095143198-pct00343
    은 장애물 및 상기 차량 간의 상대적 거리임 - 하도록 또한 구성되며,
    상기 획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 거리
    Figure 112020095143198-pct00344
    를 판정 -
    Figure 112020095143198-pct00345
    는 상기 장애물 및 상기 차량 간의 상대적 거리임 - 하도록 또한 구성되며,
    상기 제1 계산 유닛은,
    공식
    Figure 112020095143198-pct00346
    에 따라 상기 차량의 상기 안전 거리를 계산하도록 구체적으로 구성되되,
    Figure 112020095143198-pct00347
    는 상기 안전 거리이고,
    상기 안전 거리 가중치는 2개의 파라미터
    Figure 112020095143198-pct00348
    및
    Figure 112020095143198-pct00349
    를 포함하는,
    장치.
  14. 제12항에 있어서,
    상기 획득 모듈은 상기 차량에 의해 감지된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 속도
    Figure 112020095143198-pct00350
    을 판정 -
    Figure 112020095143198-pct00351
    은 장애물 및 상기 차량 간의 상대적 속도임 - 하도록 또한 구성되며,
    상기 획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
    Figure 112020095143198-pct00352
    를 판정 -
    Figure 112020095143198-pct00353
    는 장애물 및 상기 차량 간의 상대적 속도임 - 하도록 또한 구성되며,
    상기 제2 계산 유닛은,
    공식
    Figure 112020095143198-pct00354
    에 따라 상기 차량의 상기 안전 속도를 계산하도록 구체적으로 구성되되,
    Figure 112020095143198-pct00355
    는 상기 안전 속도이고,
    상기 안전 속도 가중치는 2개의 파라미터
    Figure 112020095143198-pct00356
    및
    Figure 112020095143198-pct00357
    를 포함하는,
    장치.
  15. 제12항에 있어서,
    상기 획득 모듈은 상기 차량에 의해 감지된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 거리
    Figure 112020095143198-pct00358
    을 판정 -
    Figure 112020095143198-pct00359
    은 장애물 및 상기 차량 간의 상대적 거리임 - 하도록 또한 구성되며,
    상기 획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량 인터넷에 의해 송신된 상기 정보에 기반하여 제2 안전 거리
    Figure 112020095143198-pct00360
    를 판정 -
    Figure 112020095143198-pct00361
    는 장애물 및 상기 차량 간의 상대적 거리임 - 하도록 또한 구성되며,
    상기 획득 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보에 기반하여 제3 안전 거리
    Figure 112020095143198-pct00362
    를 판정 -
    Figure 112020095143198-pct00363
    는 장애물 및 상기 차량 간의 상대적 거리임 - 하도록 또한 구성되며,
    상기 제1 계산 유닛은,
    공식
    Figure 112020095143198-pct00364
    에 따라 상기 차량의 상기 안전 거리를 계산하도록 구체적으로 구성되되,
    Figure 112020095143198-pct00365
    는 상기 안전 거리이고,
    상기 안전 거리 가중치는 3개의 파라미터
    Figure 112020095143198-pct00366
    ,
    Figure 112020095143198-pct00367
    및
    Figure 112020095143198-pct00368
    를 포함하는,
    장치.
  16. 제12항에 있어서,
    상기 획득 모듈은 상기 차량에 의해 감지된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량에 의해 감지된 상기 정보에 기반하여 제1 안전 속도
    Figure 112020095143198-pct00369
    을 판정 -
    Figure 112020095143198-pct00370
    은 장애물 및 상기 차량 간의 상대적 속도임 - 하도록 또한 구성되며,
    상기 획득 모듈은 차량 인터넷에 의해 송신된 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 차량 인터넷에 의해 송신된 정보에 기반하여 제2 안전 속도
    Figure 112020095143198-pct00371
    를 판정 -
    Figure 112020095143198-pct00372
    는 상기 장애물 및 상기 차량 간의 상대적 속도임 - 하도록 또한 구성되며,
    상기 획득 모듈은 클라우드 데이터 센터에 저장된 도로 이력 정보를 획득하도록 또한 구성되고,
    상기 판정 모듈은 상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보에 기반하여 제3 안전 속도
    Figure 112020095143198-pct00373
    를 판정 -
    Figure 112020095143198-pct00374
    는 장애물 및 상기 차량 간의 상대적 속도임 - 하도록 또한 구성되며,
    상기 제2 계산 유닛은,
    공식
    Figure 112020095143198-pct00375
    에 따라 상기 차량의 상기 안전 속도를 계산하도록 구체적으로 구성되되,
    Figure 112020095143198-pct00376
    는 상기 안전 속도이고,
    상기 안전 속도 가중치는 3개의 파라미터
    Figure 112020095143198-pct00377
    ,
    Figure 112020095143198-pct00378
    및
    Figure 112020095143198-pct00379
    를 포함하는,
    장치.
  17. 제12항에 있어서,
    상기 판정 모듈은,
    상기 차량의 주행 속도, 상기 안전 거리 및 상기 안전 속도에 기반하여 타겟 감속도를 계산하고,
    상기 타겟 감속도에 기반하여 상기 타겟 토크를 판정하도록 구체적으로 구성된,
    장치.
  18. 제17항에 있어서,
    상기 판정 모듈은 공식
    Figure 112019057948074-pct00380
    에 따라 상기 타겟 감속도를 계산하도록 또한 구성되되,
    Figure 112019057948074-pct00381
    은 상기 타겟 감속도이고,
    Figure 112019057948074-pct00382
    는 상기 안전 속도이며,
    Figure 112019057948074-pct00383
    는 상기 안전 거리이고,
    Figure 112019057948074-pct00384
    는 상기 차량의 상기 주행 속도인,
    장치.
  19. 제13항에 있어서,
    상기 차량 인터넷에 의해 송신된 상기 정보는 도로 허용 최대 속도, 도로 경사도, 신호등 상태, 신호등 거리, 현재 도로의 평균 통행 속도 및 제1 혼잡 계수 중 적어도 하나를 포함하는,
    장치.
  20. 제15항에 있어서,
    상기 클라우드 데이터 센터에 저장된 상기 도로 이력 정보는 현재 시간 기간에서의 평균 차량 속도, 상기 현재 시간 기간에서의 평균 차량 거리 및 제2 혼잡 계수를 포함하되, 상기 현재 시간 기간에서의 상기 평균 차량 속도, 상기 현재 시간 기간에서의 상기 평균 차량 거리 및 상기 제2 혼잡 계수는 머신 러닝 알고리즘 및 이력 데이터에 기반하여 상기 클라우드 데이터 센터에 의한 계산을 통해 획득되는,
    장치.
KR1020197016304A 2016-11-09 2016-12-28 차량 제동 에너지 회수 방법 및 장치 KR102225006B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610988900.0A CN108058615B (zh) 2016-11-09 2016-11-09 车辆制动能量的回收方法和装置
CN201610988900.0 2016-11-09
PCT/CN2016/112756 WO2018086218A1 (zh) 2016-11-09 2016-12-28 车辆制动能量的回收方法和装置

Publications (2)

Publication Number Publication Date
KR20190077516A KR20190077516A (ko) 2019-07-03
KR102225006B1 true KR102225006B1 (ko) 2021-03-08

Family

ID=62109197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197016304A KR102225006B1 (ko) 2016-11-09 2016-12-28 차량 제동 에너지 회수 방법 및 장치

Country Status (6)

Country Link
US (2) US11260756B2 (ko)
EP (2) EP3536538B1 (ko)
JP (2) JP2019537414A (ko)
KR (1) KR102225006B1 (ko)
CN (2) CN108058615B (ko)
WO (1) WO2018086218A1 (ko)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108819725A (zh) * 2018-06-28 2018-11-16 北京车和家信息技术有限公司 制动能量处理方法、装置、车辆及计算机可读存储介质
CN108656958A (zh) * 2018-07-17 2018-10-16 合肥工业大学 一种基于道路信息的纯电动汽车制动能量回收方法
JP2020030361A (ja) * 2018-08-23 2020-02-27 トヨタ自動車株式会社 情報処理装置、情報処理方法およびプログラム
CN109484197A (zh) * 2018-11-16 2019-03-19 北京长城华冠汽车科技股份有限公司 电动汽车及其减速控制方法和装置
CN109515200A (zh) * 2018-11-30 2019-03-26 北京新能源汽车股份有限公司 车辆及单踏板电动汽车的再生制动控制方法和装置
DE102019200876A1 (de) * 2019-01-24 2020-07-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Bremssystems, Bremssystem und Fahrzeug
CN110154783A (zh) * 2019-04-28 2019-08-23 南京金龙客车制造有限公司 基于开沃汽车四种动力模式整车控制器
KR102648604B1 (ko) * 2019-07-31 2024-03-19 현대모비스 주식회사 차량의 자동 긴급 제동 시스템 및 그 동작 방법
CN112441000B (zh) * 2019-08-16 2022-07-19 华为技术有限公司 一种车辆制动的控制方法和装置
CN112622630A (zh) * 2019-09-24 2021-04-09 中车时代电动汽车股份有限公司 电动汽车的电机控制方法及装置
CN112549973A (zh) * 2019-09-26 2021-03-26 北京四维图新科技股份有限公司 车辆控制方法及装置
CN110949144B (zh) * 2019-11-29 2021-04-06 北京理工大学 一种电动汽车输出扭矩的控制方法和系统
CN112977072A (zh) * 2019-12-13 2021-06-18 长城汽车股份有限公司 新能源车辆的控制方法、装置以及新能源车辆
CN111038270B (zh) * 2019-12-30 2021-03-02 华人运通(江苏)技术有限公司 一种车辆的能量回馈控制方法、装置、汽车及存储介质
CN113119746B (zh) * 2020-01-10 2022-11-18 上海汽车集团股份有限公司 输出扭矩的数据处理方法、装置、系统及电子设备
CN112297858B (zh) * 2020-02-24 2021-09-24 长城汽车股份有限公司 一种能量回收控制方法、系统及车辆
EP4147929A4 (en) * 2020-05-13 2023-06-14 Huawei Technologies Co., Ltd. HYDRAULIC PRESSURE ADJUSTMENT DEVICE, HYDRAULIC PRESSURE ADJUSTMENT SYSTEM, BRAKE SYSTEM AND CONTROL METHOD
CN114132181A (zh) * 2020-09-03 2022-03-04 长城汽车股份有限公司 车辆控制方法和装置、介质、设备
CN114161938B (zh) * 2020-09-10 2024-01-23 威马智慧出行科技（上海）有限公司 一种电动汽车能量回收方法及电子设备
WO2022056771A1 (zh) * 2020-09-17 2022-03-24 浙江吉利控股集团有限公司 一种滑行能量回收方法、装置、电子设备及存储介质
US20220105925A1 (en) * 2020-10-01 2022-04-07 GM Global Technology Operations LLC One pedal driving
CN114475260B (zh) * 2020-11-13 2023-07-14 比亚迪股份有限公司 能量回收方法、装置、电动汽车及存储介质
CN112739593B (zh) * 2020-12-22 2022-09-09 华为技术有限公司 汽车的驻车制动系统、汽车及其控制方法
CN112660130A (zh) * 2020-12-31 2021-04-16 联合汽车电子有限公司 基于智能网联信息的新能源汽车滑行控制系统、方法及新能源汽车
CN112793428B (zh) * 2021-02-25 2022-04-01 合肥工业大学 一种汽车制动能量回收系统的工况识别与匹配控制方法
CN112895907A (zh) * 2021-02-26 2021-06-04 芜湖佳景科技有限公司 车辆的能量回收控制系统及方法
CN112895916A (zh) * 2021-03-22 2021-06-04 中电鹏程智能装备有限公司 一种基于路况感知的油门自适应控制系统及方法
CN113119750B (zh) * 2021-05-06 2023-07-14 恒大恒驰新能源汽车研究院(上海)有限公司 一种车辆能耗的控制方法、装置、及电动车辆
CN113335062B (zh) * 2021-05-14 2022-03-15 江铃汽车股份有限公司 一种电动车辆限速方法、系统、可读存储介质及电动车辆
CN113263917A (zh) * 2021-05-27 2021-08-17 东南（福建）汽车工业有限公司 能量回收技术在电动汽车限速工况的应用方法
CN113370800A (zh) * 2021-06-04 2021-09-10 北京新能源汽车股份有限公司 车辆的扭矩控制方法、装置及车辆
CN113370792A (zh) * 2021-07-06 2021-09-10 恒大新能源汽车投资控股集团有限公司 电动车能量回收等级设置方法、存储介质及电子设备
CN113547930B (zh) * 2021-07-30 2022-06-14 重庆长安新能源汽车科技有限公司 一种纯电动汽车跟车行驶的智能节能控制方法、装置及汽车
CN114228499A (zh) * 2021-12-09 2022-03-25 华人运通(上海)云计算科技有限公司 一种电动汽车控制方法
CN114274956A (zh) * 2021-12-28 2022-04-05 上海集度汽车有限公司 车辆巡航控制方法、装置、车辆及可读存储介质
CN114633630A (zh) * 2022-02-17 2022-06-17 恒大新能源汽车投资控股集团有限公司 能量回收强度自学习方法和装置
CN115320407B (zh) * 2022-09-14 2023-09-29 广州汽车集团股份有限公司 车辆控制方法和车辆控制装置
CN116039637B (zh) * 2022-12-22 2023-10-20 德力新能源汽车有限公司 自动驾驶车辆的能量回收方法、装置及系统
CN116101071A (zh) * 2022-12-28 2023-05-12 小米汽车科技有限公司 车辆制动方法、装置、车辆及介质
CN116853256B (zh) * 2023-08-07 2024-03-22 广州汽车集团股份有限公司 车辆控制方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007054453A1 (de) 2007-11-13 2009-05-14 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Ermittlung einer Wahrscheinlichkeit für das Stattfinden eines bevorstehenden Überholvorgangs
WO2011128410A1 (de) 2010-04-16 2011-10-20 Continental Automotive Gmbh Verfahren und vorrichtung zur antriebssteuerung für ein hybridfahrzeug
EP2782082A1 (en) 2011-11-15 2014-09-24 Toyota Jidosha Kabushiki Kaisha Driving assistance device
US20150183433A1 (en) 2013-12-26 2015-07-02 Fuji Jukogyo Kabushiki Kaisha Vehicle control device and vehicle control method

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005149024A (ja) * 2003-11-13 2005-06-09 Nissan Motor Co Ltd 走行支援用車載情報提供装置
CN101332774B (zh) * 2008-08-06 2010-07-28 山东理工大学 汽车制动能量再生控制方法
KR101114381B1 (ko) 2009-11-19 2012-02-14 현대자동차주식회사 하이브리드 차량의 경제운전 제어장치 및 방법
DE102010063436A1 (de) 2010-12-17 2012-06-21 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bestimmen einer Reichweite eines Fahrzeugs
CN102717800B (zh) * 2012-06-13 2015-06-10 吉林大学 基于发动机万有特性的汽车经济性巡航控制方法
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
DE102012222507A1 (de) * 2012-12-07 2014-06-12 Continental Automotive Gmbh Verfahren zum Betreiben einer Rekuperationsbremse eines Kraftfahrzeugs und Rekuperationsbremse
CN103236177B (zh) 2013-03-26 2015-02-18 清华大学 一种基于车网路多系统融合的智能交互系统的控制方法
JP6286192B2 (ja) * 2013-11-26 2018-02-28 日立オートモティブシステムズ株式会社 移動体の駆動制御装置
JP5880533B2 (ja) * 2013-12-13 2016-03-09 トヨタ自動車株式会社 車両制御装置
CN103921795B (zh) 2014-04-02 2016-04-20 中联重科股份有限公司 车辆及其滑行能量回收方法、系统
CN103921786B (zh) * 2014-04-11 2016-08-17 北京工业大学 一种电动车辆再生制动过程的非线性模型预测控制方法
KR101610490B1 (ko) * 2014-08-19 2016-04-07 현대자동차주식회사 차량의 제동력 분배 제어장치 및 제어방법
CN104554279B (zh) * 2014-12-08 2017-04-05 北京新能源汽车股份有限公司 一种基于道路信息的电动汽车驱动控制方法
JP6491337B2 (ja) * 2014-12-10 2019-03-27 ゴゴロ インク 電動車両用適応制動および衝突回避システムおよび方法
KR101693947B1 (ko) * 2014-12-26 2017-01-06 현대자동차주식회사 하이브리드 차량의 회생제동시 운전점 제어 방법
CN105528498B (zh) * 2016-01-13 2018-11-27 河南理工大学 网联智能电动车辆一体化建模与集成控制方法
CN105898231A (zh) 2016-05-23 2016-08-24 南京莱斯信息技术股份有限公司 基于能量复得技术的车载通信监控系统
CN105857114A (zh) 2016-06-27 2016-08-17 北京新能源汽车股份有限公司 电动汽车能量回收系统的控制方法和装置
CN106043256B (zh) 2016-07-11 2018-09-25 南京航空航天大学 一种电动汽车电液复合制动系统及其优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007054453A1 (de) 2007-11-13 2009-05-14 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Ermittlung einer Wahrscheinlichkeit für das Stattfinden eines bevorstehenden Überholvorgangs
WO2011128410A1 (de) 2010-04-16 2011-10-20 Continental Automotive Gmbh Verfahren und vorrichtung zur antriebssteuerung für ein hybridfahrzeug
EP2782082A1 (en) 2011-11-15 2014-09-24 Toyota Jidosha Kabushiki Kaisha Driving assistance device
US20150183433A1 (en) 2013-12-26 2015-07-02 Fuji Jukogyo Kabushiki Kaisha Vehicle control device and vehicle control method
JP2015123831A (ja) * 2013-12-26 2015-07-06 富士重工業株式会社 車両の制御装置及び制御方法

Also Published As

Publication number Publication date
KR20190077516A (ko) 2019-07-03
EP3536538B1 (en) 2023-03-08
WO2018086218A1 (zh) 2018-05-17
US11919422B2 (en) 2024-03-05
CN114801757A (zh) 2022-07-29
US20220169119A1 (en) 2022-06-02
EP4219218A2 (en) 2023-08-02
CN108058615B (zh) 2022-02-25
EP3536538A1 (en) 2019-09-11
CN108058615A (zh) 2018-05-22
JP2019537414A (ja) 2019-12-19
EP3536538A4 (en) 2019-10-30
EP4219218A3 (en) 2023-10-18
JP2021180609A (ja) 2021-11-18
US20190270384A1 (en) 2019-09-05
US11260756B2 (en) 2022-03-01

Similar Documents

Publication Publication Date Title
KR102225006B1 (ko) 차량 제동 에너지 회수 방법 및 장치
JP2019537414A5 (ko)
WO2021027568A1 (zh) 障碍物避让方法及装置
CN109709965B (zh) 一种自动驾驶车辆的控制方法和自动驾驶系统
WO2021103511A1 (zh) 一种设计运行区域odd判断方法、装置及相关设备
EP4071661A1 (en) Automatic driving method, related device and computer-readable storage medium
CN109727469B (zh) 一种多车道下自动驾驶车辆综合危险度评估方法
WO2021098222A1 (zh) 一种车辆行驶控制方法及相关设备
US20140025292A1 (en) System and method for updating a digital map in a driver assistance system
CN110789533B (zh) 一种数据呈现的方法及终端设备
WO2021189210A1 (zh) 一种车辆换道方法及相关设备
EP4201777A1 (en) Fault diagnosis method and apparatus for vehicle speed measuring apparatus
US20230249660A1 (en) Electronic Mechanical Braking Method and Electronic Mechanical Braking Apparatus
EP4202759A1 (en) Lane line detection method, related device, and computer readable storage medium
US20230048680A1 (en) Method and apparatus for passing through barrier gate crossbar by vehicle
CN114056346A (zh) 一种自动驾驶行车控制方法及装置
EP4194299A1 (en) Method and apparatus for planning lane-changing trajectory
EP4207133A1 (en) Traffic element observation method and apparatus

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant