KR20100094420A - 추진 관련 동작 파라미터 추정 방법 - Google Patents

추진 관련 동작 파라미터 추정 방법 Download PDF

Info

Publication number
KR20100094420A
KR20100094420A KR1020100014575A KR20100014575A KR20100094420A KR 20100094420 A KR20100094420 A KR 20100094420A KR 1020100014575 A KR1020100014575 A KR 1020100014575A KR 20100014575 A KR20100014575 A KR 20100014575A KR 20100094420 A KR20100094420 A KR 20100094420A
Authority
KR
South Korea
Prior art keywords
vehicle
parameter
road segment
propulsion
driving
Prior art date
Application number
KR1020100014575A
Other languages
English (en)
Other versions
KR101728406B1 (ko
Inventor
스바스티안 클루게
알렉세이 프리아킨
페테르 쿠나쓰
Original Assignee
하만 베커 오토모티브 시스템즈 게엠베하
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 하만 베커 오토모티브 시스템즈 게엠베하 filed Critical 하만 베커 오토모티브 시스템즈 게엠베하
Publication of KR20100094420A publication Critical patent/KR20100094420A/ko
Application granted granted Critical
Publication of KR101728406B1 publication Critical patent/KR101728406B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

본 발명은 도로 구간에 대한 차량(1)의 추진 관련 동작 파라미터의 추정 방법에 관한 것으로, 상기 방법은:
-도로 구간에 대해 제공된 정보를 기초로 도로 구간에 대한 차량(1)의 제1 동작 파라미터를 추정하는 단계와;
-상기 제1 동작 파라미터를 기초로 도로 구간에 대한 추진 관련 동작 파라미터를 적어도 하나의 차량 특정 파라미터를 고려하여 추정하는 단계를 포함하고,
상기 적어도 하나의 차량 특정 파라미터는
-차량(1)의 운행 중 적어도 2개의 차량 동작 파라미터에 대한 운전 데이터를 획득하고;
-상기 적어도 2개의 동작 파라미터 사이에 상기 적어도 하나의 차량 특정 파라미터를 고려한 미리 정해진 관계를 제공하고;
-상기 적어도 2개의 차량 동작 파라미터에 대한 상기 운전 데이터와 상기 관계로부터 상기 적어도 하나의 차량 특정 파라미터를 결정하는 것
에 의해 결정되는 것을 특징으로 한다.

Description

추진 관련 동작 파라미터 추정 방법{METHOD OF ESTIMATING A PROPULSION-RELATED OPERATION PARAMETER}
본 발명은 도로 구간에 대한 차량의 추진 관련 동작 파라미터의 추정 방법과 차량 내비게이션 시스템에서 경로 계산 방법에 관한 것이다. 본 발명은 휴대용 내비게이션 시스템 또는 대시보드 장착형 내비게이션 시스템과 같은 내비게이션 시스템에 관한 것이기도 하다.
차량 내비게이션 시스템에서 시작점으로부터 목적지까지의 경로의 결정은 운전 거리 또는 운전 시간을 최소화하곤 한다. 에너지 비용의 증가와 환경적 고려에 따라 에너지 효율적 경로의 이용이 더욱 바람직하게 되고 있다. 이러한 경로의 계산을 위해 경로의 도로 구간에 대한 에너지 소비량을 예측할 필요가 있다. 종래의 내비게이션 시스템은 주어진 도로 구간에 대한 에너지 소비량을 예측하지 못할 뿐 아니라 매우 부정확한 예측을 한다.
주어진 경로에 대한 연료 소비량의 예측의 문제점 중 하나는 연료 소비량이 차량에 특정된다는 사실에 있다. 차량의 평균 연료 소비량은 상이한 제조사와 모델 간에 따라 크게 변화된다. 동일 모델의 경우조차 연료 소비량은 엔진의 종류, 타이어, 차량 액세서리 등이 다르면 변화된다. 연료 소비량의 또 다른 변화는 운전자의 운전 습관과 차량이 주행 중인 도로의 형태와 같은 환경적 조건에 기인한다.
결국, 차량 내비게이션 시스템에서 연료 소비량을 예측하는 것은 현재로서는 비현실적이다. 차량을 위한 복잡한 모델이 존재하지만, 이들은 다수의 고정된 차량 특정적인 파라미터를 사용한다. 이들 파라미터는 모든 종류의 차량에 유용하지 않을 수 있으며, 차량 내비게이션 시스템 공급자에게도 유용하지 않을 것이다. 복잡성과 광범위한 파라미터 공간에 기인하여 상기와 같은 모델은 휴대용 또는 대시보드 장착형 내비게이션 시스템에 사용되는 것이 제한된다. 또한, 내비게이션 시스템이 다른 차량에 사용되면, 시스템에 의한 예측은 더 이상 유효하지 않을 것이다. 결국, 종래의 차량 내비게이션 시스템에서 에너지 효율적 경로를 매우 정확하게 결정하는 것은 불가능하다.
따라서, 도로 구간에 대한 차량의 연료 소비량이나 에너지 소비량 또는 이산화탄소 배출량과 같은 추진 관련 동작 파라미터의 추정을 개선할 수 있는 방법과 이러한 추정을 수행할 수 있는 차량 내비게이션 시스템에 대한 요구가 존재한다. 또한, 다수의 고정된 차량 특정적인 파라미터를 필요로 하지 않고 또한 광범위한 처리 시간 및 파워를 필요로 하지 않고 효율적으로 이러한 추정을 수행할 수 있는 것이 바람직하다. 이러한 추정은 차량 또는 차량의 운전자가 변경될 때와 같이 조건이 변화를 설명하도록 더 적응적이어야 한다.
상기 요구는 독립 청구항의 특징에 의해 만족된다. 종속 청구항에서는 본 발명의 바람직한 실시예가 기술된다.
본 발명의 제1 측면에 따르면, 도로 구간에 대한 차량의 추진 관련 동작 파라미터의 추정 방법이 제공된다. 상기 방법은 도로 구간에 대해 제공된 정보를 기초로 도로 구간에 대한 차량의 제1 동작 파라미터를 추정하는 단계와 상기 제1 동작 파라미터를 기초로 도로 구간에 대한 추진 관련 동작 파라미터를 추정하는 단계를 포함하고, 상기 추정은 적어도 하나의 차량 특정 파라미터를 고려한다. 상기 적어도 하나의 차량 특정 파라미터는 차량의 운행 중 적어도 2개의 차량 동작 파라미터에 대한 운전 데이터를 획득하고, 상기 적어도 2개의 동작 파라미터 사이에 상기 적어도 하나의 차량 특정 파라미터를 고려한 미리 정해진 관계를 제공하고, 상기 적어도 2개의 차량 동작 파라미터에 대한 상기 운전 데이터와 상기 관계로부터 상기 적어도 하나의 차량 특정 파라미터를 결정하는 것에 의해 결정된다.
따라서 상기 적어도 하나의 차량 특정 파라미터는 차량의 특징적 특성일 수 있고 그에 따라 차량 특정 파라미터를 고려하는 것은 도로 구간에 대한 추진 관련 동작 파라미터의 정확한 추정을 가져올 수 있다. 차량 특정 파라미터는 차량 운행 중 획득되는 데이터를 기초로 결정되므로 차량 특정 파라미터에 대한 선험적 정보는 불필요할 수 있다. 따라서, 추진 관련 동작 파라미터의 추정은 매우 적응적이며, 상기 방법을 실시하는 시스템은 여전히 추진 관련 동작 파라미터를 정확하게 예측할 수 있는 한 다른 차량에 적용될 수 있다. 상기 미리 정해진 관계는 차량 운전 중 결정될 수 있는 제한된 수의 차량 특정 파라미터만을 포함할 수 있으므로 광범위한 파라미터 세트를 요하는 복잡한 모델이 필요없다.
상기 추진 관련 동작 파라미터는 예컨대 연료 소비량, 에너지 소비량 및 이산화탄소 배출량 중 적어도 하나일 수 있다.
일 실시예에 따르면, 상기 도로 구간에 대한 상기 제1 동작 파라미터는 도로 구간에 대해 가변적인 함수값에 의한 시간 또는 거리의 함수로서 추정된다. 제1 동작 파라미터의 평균값을 고려하는 것에 의해서도 추진 관련 동작 파라미터의 추정의 정확도를 크게 향상시킬 수 있다. 예를 들면, 차량의 여러 차례의 가속 및 감속이 필요한 도로 구간은 차량이 정속으로 운행할 수 있는 동일 길이의 도로 구간에 비해 연료 소비량이 많을 것이다.
상기 제1 동작 파라미터는 도로 구간에 대해 추정된 차량의 속도와 도로 구간에 대해 추정된 차량의 가속 또는 차량의 움직임/상태를 설명하는 임의의 다른 파라미터 중 적어도 하나일 수 있다. 가속은 음의 값일 수 있고 따라서 감속도 포함할 수 있음을 알아야 한다.
도로 구간에 대해 제공된 정보는 도로 구간의 종류, 도로 구간의 등급, 도로 구간에 허용된 최대 속도, 도로 구간의 종류에 대해 결정된 평균 속도, 도로 구간에 대한 목표 속도, 도로 구간에 대한 형상 파라미터, 도로 구간의 경사 및 도로 구간에 대한 현재 교통 정보 중 적어도 하나를 포함할 수 있다. 도로 구간에 대한 이들 정보 중 하나 또는 정보의 조합을 이용하는 것은 차량의 제1 동작 파라미터를 보다 더 정확하게 추정할 수 있는 장점이 있다.
제1 동작 파라미터의 추정은 또한 차량 운전자에 대해 결정되는 운전 습관을 기초로 할 수 있다. 다른 운전 습관의 운전자의 경우조차 제1 동작 파라미터와 그에 따른 추진 관련 동작 파라미터의 정확한 추정이 가능할 수 있다.
미리 정해진 차량 동작 파라미터 사이의 미리 정해진 관계는 복수의 차량 서브 시스템 모델 각각에 대해 제공될 수 있다. 적어도 하나의 차량 특정 파라미터는 상기 관계를 기초로 각각의 서브 시스템 모델에 대해 결정될 수 있으며, 상기 결정된 차량 특정 파라미터는 추진 관련 동작 파라미터의 추정을 위해 고려된다. 서브 시스템으로의 분할은 운전 데이터가 획득되는 대상의 차량 동작 파라미터 사이의 단순화된 관계를 사용할 수 있도록 하며, 추진 관련 동작 파라미터의 추정의 정확성을 더 형상시킬 수 있다. 따라서, 향상된 추정을 내면서 적은 처리 파워를 요하는 보다 효율적인 계산을 얻을 수 있다.
예를 들면, 차량 서브 시스템 모델은 차륜 모터 커플링을 위한 모델, 업/다운 시프트 중의 슬립을 위한 모델, 차량의 모터로부터 필요한 토오크를 위한 모델 및 공전을 위한 모델 중 적어도 하나를 포함할 수 있다.
운전 데이터가 얻어지는 대상의 상기 적어도 2개의 차량 동작 파라미터는 속도, 가속도, 제동 압력, 모터 토오크, 모터 회전 속도, 체결 기어, 연료 소비량, 연료 탱크의 충전 레벨 및 운전 상태를 포함하는 그룹으로부터 선택될 수 있다. 이들 동작 파라미터 중 2개 이상에 대한 운전 데이터를 획득하는 것에 의해 상기 적어도 하나의 차량 특정 파라미터는 차량 특성을 미리 알 필요 없이도 정확하게 결정될 수 있다.
예를 들면, 상기 적어도 2개의 차량 동작 파라미터 중 적어도 하나에 대한 운전 데이터는 동작 파라미터에 대한 센서 정보가 제공되는 차량의 내부 네트워크로부터 얻어질 수 있다. 예컨대 차량의 제어기 영역 네트워크(controller area network: CAN)로부터 얻어질 수 있다.
상기 적어도 하나의 차량 특정 파라미터는 변속비, 구름 저항 계수(CR), 공기 저항 계수(CL), 가속 저항 계수(CB), 제동 저항 계수, 감속 제동률, 클러치 동작 속도 계수, 공전시 연료 소비량, 공전시 모터 회전 속도 및 차량의 모터 효율을 포함하는 그룹으로부터 선택된 적어도 하나의 차량 특정적 특성에 비례할 수 있다. 이들 차량 특정 파라미터 중 하나 또는 그 조합을 사용하는 것에 의해 추진 관련 동작 파라미터의 정확한 추정이 얻어질 수 있다. 또한, 이들 차량 특정 파라미터는 차량 운전 중 얻어지는 운전 데이터로부터 "온라인"으로 결정될 수 있다.
상기 방법은 적어도 2개의 차량 동작 파라미터에 대해 얻어지는 운전 데이터에서 상이한 운전 국면을 식별하는 단계를 더 포함할 수 있으며, 각각의 운전 국면에서 적어도 하나의 차량 특정 파라미터가 얻어질 수 있다. 식별된 각각의 운전 국면은 예컨대 각각의 운전 데이터로부터 결정되는 차량 특정 파라미터 세트와 결합될 수 있다. 각 세트는 하나 이상의 미리 정해진 차량 특정 파라미터를 포함할 수 있는데, 이때 다른 세트에 동일한 파라미터가 생길 수 있고 상기 파라미터들은 전반적으로 각각의 운전 국면에 대해 특징적이다. 식별된 운전 국면에 대해 결정된 차량 특정 파라미터는 추진 관련 동작 파라미터의 추정시 고려될 수 있다. 상기 차량 특정 파라미터들은 이들이 결정된 운전 국면에 무관하게 추진 관련 동작 파라미터의 추정을 위해 사용될 수 있다. 이 경우, 운전 국면 간의 구분은 추진 관련 동작 파라미터의 추정시가 아닌 차량 특정 파라미터의 추정시에만 생길 수 있다.
다른 실시예에서, 상기 제1 동작 파라미터에 대해 식별된 운전 국면에 따라 차량 특정 파라미터 또는 그 일부만 사용될 수 있다. 예를 들면, 추진 관련 동작 파라미터의 추정은 도로 구간에 대한 상기 제1 동작 파라미터의 함수의 항목에 대하여 다른 운전 국면을 식별하는 것을 포함할 수 있다. 추진 관련 동작 파라미터의 추정을 위해 고려된 상기 적어도 하나의 차량 특정 파라미터는 이후 각각의 운전 국면에 따라 선택될 수 있다. 추진 관련 동작 파라미터는 예컨대 식별된 운전 국면에 대해 별도로 추정될 수 있다. 각각의 운전 국면에서는 적절한 관계와 하나 이상의 대응하는 차량 특정 파라미터가 사용될 수 있으며, 이는 추진 관련 동작 파라미터의 결정의 정확도를 향상시킬 수 있다. 동일한 차량 특정 파라미터는 상이한 운전 국면에 대해서도 고려될 수 있음을 알아야 한다.
예를 들면, 식별될 수 있는 운전 국면은 공전 국면, 가속 국면, 정속 운전 국면, 평면 운전 국면, 감속을 동반한 운전 국면 및 제동이 인가된 운전 국면을 포함한다. 하나의 도로 구간에 대한 운전 데이터에서 오직 하나의 운전 국면이나 복수의 운전 국면이 식별될 수 있음을 알아야 한다. 상이한 차량 특정 파라미터가 상이한 운전 국면에 대해 결정적일 수 있으므로, 추진 관련 동작 파라미터는 추정 과정에서 상기 상이한 국면을 식별하는 것에 의해 보다 정확하게 추정될 수 있다.
예를 들면, 상기 적어도 하나의 차량 특정 파라미터는 변속비를 포함할 수 있는데, 상기 변속비는 차량의 속도에 대한 운전 데이터와 활용 가능한 각각의 기어에 대해 미리 정해진 운전 거리에 걸친 차량의 모터의 회전 속도를 획득하는 것에 의해 결정된다. 상기 변속비는 미리 정해진 관계와 통계적 방법을 이용하여 각각의 기어에 대해 얻어진 운전 데이터로부터 계산될 수 있다.
다른 예로써, 적어도 하나의 차량 특정 파라미터는 구름 및 저항 파라미터와 공기 저항 파라미터를 포함할 수 있고, 양자의 파라미터는 차량의 가속도가 미리 정해진 한계 이하인 경우 미리 정해진 운전 거리에 걸친 차량의 모터에 의해 생성되는 토오크와 차량의 속도에 대한 운전 데이터의 획득을 통해 결정된다. 상기 구름 및 저항 파라미터와 공기 저항 파라미터는 미리 정해진 관계와 통계적 방법을 이용하여 상기 얻어진 운전 데이터로부터 계산될 수 있다.
다른 예에 따르면, 상기 적어도 하나의 차량 특정 파라미터는 가속 저항(CB) 파라미터를 더 포함할 수 있다. 차량의 가속도에 대한 운전 데이터는 상기 획득된 속도로부터 추가로 얻어지거나 결정될 수 있다. 가속 저항 파라미터는 미리 정해진 관계, 상기 결정된 구름 및 공기 저항 파라미터 및 통계적 방법을 이용하여 상기 얻어진 운전 데이터로부터 결정될 수 있다. 또한, 상기 적어도 하나의 차량 특정 파라미터는 제동 저항 파라미터를 포함할 수 있다. 운전 데이터는 차량의 브레이크의 제동 압력에 대해 획득될 수 있다. 제동 저항 파라미터는 미리 정해진 관계, 상기 결정된 구름 및 공기 저항 파라미터, 상기 결정된 가속 저항 파라미터 및 통계적 방법을 이용하여 상기 획득된 운전 데이터로부터 결정될 수 있다.
또 다른 예에 따르면, 상기 적어도 하나의 차량 특정 파라미터는 차량의 모터 효율에 비례하는 효율 파라미터를 포함할 수 있으며, 상기 효율 파라미터는 차량의 모터에 의해 생성되는 토오크와 차량의 모터의 회전 속도와 미리 정해진 운전 거리에 걸친 차량의 연료 소비량에 대한 운전 데이터를 획득하는 것에 의해 결정된다. 효율 파라미터는 미리 정해진 관계와 통계적 방법을 이용하여 상기 획득된 운전 데이터로부터 계산될 수 있다. 상기 모터는 내연 기관, 전기 엔진 또는 차량 추진에 사용되거나 차량 추진을 위한 에너지 생산에 사용되는 다른 종류의 엔진 또는 이들의 조합일 수 있음을 알아야 한다.
상기 적어도 하나의 차량 특정 파라미터는 예컨대 최소자승법과 같은 통계학적 파라미터 추정 절차 또는 파라미터 최적화 절차를 통해 결정될 수 있다. 이러한 방법은 상대적으로 계산적 노력을 덜 들이고도 다량의 획득된 운전 데이터를 처리할 수 있고 운전 데이터가 크게 분산된 경우에도 차량 특정 파라미터를 정확하게 결정할 수 있도록 한다.
단지 하나의 예로써, 추진 관련 동작 파라미터의 추정은 제1 동작 파라미터, 적어도 하나의 차량 특정 파라미터 중 제1 파라미터 및 대응하는 관계를 기초로 도로 구간에 대한 차량의 모터의 회전 속도의 추정을 포함할 수 있다. 차량의 모터에 의해 생성되는 토오크는 제1 동작 파라미터, 적어도 하나의 차량 특정 파라미터 중 적어도 제2 파라미터 및 대응하는 관계를 기초로 도로 구간에 대해 결정될 수 있다. 추진 관련 동작 파라미터는 추정된 모터 회전 속도, 추정된 모터 토오크, 적어도 하나의 차량 특정 파라미터 중 적어도 제3 파라미터 및 대응하는 관계로부터 도로 구간에 대해 추정될 수 있다. 따라서 추진 관련 동작 파라미터에 대한 단순화되고 정확한 추정이 가능할 수 있다.
다른 실시예에서, 상기 제1 동작 파라미터는 차량의 속도이고, 상기 추진 관련 동작 파라미터의 추정은 도로 구간에 대해 추정된 속도, 적어도 하나의 차량 특정 파라미터 및 대응하는 관계를 기초로 도로 구간에 대한 차량의 운전 저항의 합을 추정하는 단계와, 추정된 속도, 추정된 운전 저항, 적어도 하나의 차량 특정 파라미터 중 적어도 제2 파라미터 및 대응하는 관계로부터 도로 구간에 대한 추진 관련 동작 파라미터를 추정하는 단계를 포함한다.
상기 방법은 추정된 추진 관련 동작 파라미터에 대응하는 비용 값을 도로 구간에 또는 도로 구간의 등급이나 종류에 할당하는 단계를 더 포함할 수 있다. 상기 비용 값은 추가의 경로 계산을 위해 제공될 수 있다. 복수의 도로 구간을 포함하는 경로는 예컨대 대응하는 할당된 비용 값을 최소화하도록 계산될 수 있다. 결국, 에너지 또는 연료 효율적 경로 또는 최소 이산화탄소 배출량의 경로가 얻어질 수 있어서 차량의 운전 비용 및 환경 오염의 감소를 가져온다.
본 발명의 다른 측면에 따르면, 차량 내비게이션 시스템에서의 경로 계산 방법이 제공된다. 상기 방법은 내비게이션 시스템의 데이터베이스로부터 도로 구간을 검색하는 단계를 포함하는데, 상기 도로 구간은 전술한 방법 중 하나에 따라 결정되는 추진 관련 동작 파라미터에 대응하는 비용 값에 관련되며, 상기 비용 값은 개별 도로 구간 또는 상이한 종류 또는 등급의 도로 구간에 관련된다. 또한, 추진 관련 동작 파라미터에 대응하는 비용 값을 고려한 시작점으로부터 목적지까지의 경로가 결정된다. 상기 비용 값은 예컨대 무료 간선 도로, 고속 도로, 지방 도로, 도시 도로 등과 같은 상이한 도로 등급에 할당될 수 있고, 또한 그러한 할당은 도로 구간에서 상이한 형상 인자 또는 도로 구간에서의 고도 변화와 같은 도로 구획 특성 간을 차별화할 수 있거나, 또는 비용 값은 개별 도로 구간으로도 할당될 수 있다. 소정의 도로 종류 또는 등급으로의 할당을 위해 내비게이션 시스템의 메모리와 처리 파워에 대한 요건을 낮게 유지할 수 있지만 개별 도로 구간에 대한 비용 값의 할당은 효율적 경로의 결정을 개선하고 보다 정확하게 할 것이다.
본 발명의 다른 측면에 따르면, 차량 내비게이션 시스템에서의 경로의 계산 방법이 제공된다. 상기 방법은 미리 정해진 도로 구간에 대한 현재 교통 정보를 수신하는 단계와, 상기 현재 교통 정보를 고려하여 전술한 방법 중 하나에 따라 미리 정해진 도로 구간에 대한 추진 관련 동작 파라미터의 추정을 수행하는 단계와, 미리 정해진 도로 구간에 대해 추정된 추진 관련 동작 파라미터에 대응하는 비용을 고려하여 목적지까지의 경로를 결정하는 단계를 포함한다. 이러한 방법에 따르면, 교통 체증이나 가변 교통 상태가 우세한 경우에도 예컨대 에너지 또는 연료 소비량이나 이산화탄소 배출량의 측면에서 가장 효율적인 경로의 결정이 가능할 수 있다. 따라서 다른 교통 상태에서 도로 구간에서 연료 소비량의 변화가 설명될 수 있다.
본 발명의 다른 측면에 따르면, 차량용 내비게이션 시스템이 제공된다. 상기 내비게이션 시스템은 차량 센서 시스템에 인터페이스를 제공하는 인터페이스 유닛과, 도로 구간에 대해 제공된 정보를 기초로 도로 구간에 대한 차량의 파라미터중 적어도 제1 동작 파라미터를 추정하고 상기 제1 동작 파라미터를 기초로 도로 구간에 대한 추진 관련 동작 파라미터를 추정하는 것에 의해 도로 구간에 대한 차량의 추진 관련 동작 파라미터를 추정하도록 된 처리 유닛을 포함하는데, 상기 추정은 적어도 하나의 차량 특정 파라미터를 고려한다. 상기 처리 유닛은 차량이 운전 중에 상기 인터페이스 유닛을 통해 적어도 2개의 차량 동작 파라미터에 대한 운전 데이터를 획득하고, 상기 적어도 2개의 차량 동작 파라미터 사이에 상기 적어도 하나의 차량 특정 파라미터를 고려한 미리 정해진 관계를 제공하고, 상기 적어도 2개의 차량 동작 파라미터와 상기 관계에 대한 운전 데이터로부터 상기 적어도 하나의 차량 특정 파라미터를 결정하는 것에 의해 상기 적어도 하나의 차량 특정 파라미터를 결정하도록 되어 있기도 하다. 이러한 내비게이션 시스템에 따라 전술한 바와 유사한 장점들을 얻을 수 있다.
일 실시예에 따르면, 상기 내비게이션 시스템은 상기 처리 유닛에 의해 결정된 적어도 하나의 차량 특정 파라미터를 저장하도록 된 데이터베이스를 더 포함한다. 상기 데이터베이스는 도로 구간과 관련하여 또는 도로 구간의 종류나 등급과 관련하여 상기 결정된 추진 관련 동작 파라미터에 대응하는 비용 값도 저장하도록 되어 있을 수 있다. 차량 특정 파라미터를 저장하는 것의 장점은 새로운 도로 구간을 갖는 새로운 지도 데이터의 이용시, 차량 특정 파라미터를 기초로 새로운 지도 데이터에 대해 추진 관련 동작 파라미터를 추정할 수 있다는 것이다. 대응하는 도로 구간, 도로 구간 종류 또는 등급과 관련하여 비용 값을 저장하는 것의 장점은 비용 효율적 경로의 계산을 위해 검색되어 예컨대 에너지 또는 연료 소비량 또는 이산화탄소 배출량을 최소화할 수 있다는 것이다.
상기 처리 유닛은 또한 전술한 방법 중 하나를 수행하도록 되어 있을 수 있다.
본 발명의 다른 측면에 따르면, 계산 장치의 내부 메모리로 로딩될 수 있는 컴퓨터 프로그램 제품이 제공되며, 상기 제품은 제품의 실행시 전술한 방법 중 하나를 수행하기 위한 소프트웨어 코드부를 포함한다. 이러한 컴퓨터 프로그램 제품은 예컨대 차량 내비게이션 시스템에 사용될 수 있다. 또한, 저장된 전자 판독 가능한 제어 정보를 갖는 전자 판독 가능한 데이터 캐리어가 제공되며, 상기 제어 정보는 컴퓨터 장치에 상기 데이터 캐리어 사용시 전술한 방법 중 하나를 수행하도록 구성되어 있다. 상기 전자 판독 가능한 데이터 캐리어는 예컨대 차량용 내비게이션 시스템에 사용될 수 있다.
전술한 방법은 어떤 종류의 내비게이션 시스템에도 자동으로 수행될 수 있다. 전술한 내비게이션 시스템은 대시보드 장착형 차량 내비게이션 시스템, 소형 휴대용 내비게이션 장치 또는 이동 전화기, 개인 디지털 기기 등과 같은 내비게이션 기능을 갖는 기타 장치로서 제공될 수 있다.
전술하거나 하기에 설명될 특징들은 지시된 각각의 조합은 물론 다른 조합이나 본 발명의 범위를 벗어나지 않고 별도로 사용될 수 있음을 이해하여야 한다.
전술한 것과 이외의 것을 포함하는 본 발명의 특징 및 장점들은 첨부 도면을 참조로 한 하기의 상세한 설명으로부터 보다 분명해질 것이다. 상세한 설명 및 도면들은 발명을 한정하기보다 단지 예시하기 위한 것이다. 도면에서 유사 참조 번호는 유사 요소를 지칭한다.
도 1은 본 발명의 일 실시예에 따라 상이한 데이터 소스로부터의 데이터의 처리를 나타낸 개략적 블록도이고;
도 2는 본 발명의 일 실시예에 따른 내비게이션 시스템을 포함하는 차량 내의 데이터 소스를 개략적으로 도시하며;
도 3은 본 발명의 일 실시예에 따른 내비게이션 시스템의 개략적 블록도이고;
도 4는 본 발명의 일 실시예에 따른 방법을 나타낸 흐름도이고;
도 5는 차량의 추진 관련 동작 파라미터를 추정하는 본 발명의 일 실시예에 따른 방법을 나타낸 흐름도이고;
도 6은 목적지까지의 경로를 결정하는 본 발명의 일 실시예에 따른 방법의 흐름도이고;
도 7은 '속도'와 '모터 회전 속도'의 차량 동작 파라미터에 대한 운전 데이터를 나타낸 다이어그램이고;
도 8은 차량의 모터에 의해 생성되는 '속도'와 '토오크'의 차량 동작 파라미터에 대해 획득된 운전 데이터를 나타낸 다이어그램이고;
도 9는 '제동 압력'과 '가속도'의 차량 동작 파라미터에 대해 얻어진 운전 데이터를 나타낸 다이어그램이다.
도면은 단지 개략적 표현인 것으로 간주되어야 하고 도면 내의 요소는 반드시 서로 비율에 맞을 필요는 없음에 유의하여야 한다. 오히려, 다양한 요소의 표현은 그 기능과 목적이 당업자에게 분명해지도록 선택된다.
하기의 실시예의 설명에서, 도면에 도시된 기능 블록간, 장치간, 성분간, 회로 요소간 또는 기타 물리적이나 기능적 유닛간의 소정의 직접 연결 또는 커플링, 즉 삽입 요소가 없는 소정의 연결 또는 커플링은 간접적 연결 또는 커플링, 즉 하나 이상의 추가의 삽입 요소와의 연결 또는 커플링에 의해서도 실시될 수 있음을 이해하여야 한다. 또한, 도면에 도시된 기능 블록이나 유닛에서 실시예의 분할은 이들 유닛이 반드시 물리적으로 분리된 유닛으로서 실현되는 것을 지시하는 것으로 해석되지 않고 도시되거나 설명된 기능 블록이나 유닛은 별도의 유닛, 회로, 칩 또는 회로 요소로서 실현될 수 있고, 하나 이상의 기능 블록 또는 유닛은 통상의 회로, 칩, 회로 요소 또는 유닛에서 실현될 수도 있음을 알아야 한다.
이하 설명되는 다양한 실시예의 특징들은 달리 구체적으로 지시하지 않는 한 서로 결합될 수 있음을 이해하여야 한다.
이제 본 발명에 따른 내비게이션 시스템(20)의 일 실시예를 설명하고 연이어 그러한 내비게이션 시스템에 의해 수행될 수 있는 방법을 설명한다. 본 실시예의 내비게이션 시스템은 목적지까지 연료 또는 에너지 효율적인 경로를 결정하거나, 연소 엔진의 차량에 대한 연료 소비량에 대략 비례하는 최소 이산화탄소 배출량의 경로를 결정하기 위해 적용된다. 연료 소비량, 에너지 소비량 또는 이산화탄소 배출량은 이들의 양이 차량을 추진하는 모터의 작동을 특성화하므로 차량의 추진 관련 동작 파라미터로서 간주될 수 있다. 본 발명은 내연 기관, 전기 모터, (내연 r기관과 전기 모터의 조합을 사용하는) 하이브리드 구동에 의해 추진되는 차량 또는 연료 전지 추진 차량과 같은 모든 종류의 차량을 위한 내비게이션 시스템에 적용될 수 있음을 알아야 한다. 이하에서는 내연 기관에 의해 추진되는 차량을 참조하겠지만, 이 설명은 분명히 본 발명을 제한하는 것이 아니며 본 발명은 임의의 종류의 차량을 위한 내비게이션 시스템을 포괄함에 유의하여야 한다. 하기의 설명이 연료 소비량을 지칭하는 한, 모든 설명은 전기 에너지와 같은 에너지 소비량, 이산화탄소 배출량 등과 같은 소정의 다른 차량 추진 관련 동작 파라미터에 동등하게 적용될 수 있음을 이해하여야 한다.
본 실시예의 내비게이션 시스템은 지도 데이터에 구비된 도로 구간에 할당된 비용 값을 기초로 연료(또는 에너지) 효율적인 경로를 계산한다. 경로 결정에 있어 신뢰성 있고 정확한 결과를 얻기 위해서는 도로 구간에 할당된 비용이 도로 구간에 대한 연료 소비량을 가능한 한 정확하게 반영하는 것이 바람직하다. 이를 위해, 본 실시예의 내비게이션 시스템은 도로 구간에 대한 연료 소비량을 추정하기 위해 복수의 데이터 소스로부터 얻어지는 운전 데이터를 고려한다. 이것은 도 1에 개략적으로 도시되어 있다. 도로 구간에 대한 차량의 연료 소비량에 영향을 미칠 수 있는 4개 요인을 도면에 나타내고 있다. 하나의 요인은 소정의 공기 저항, 소정의 모터 효율, 소정의 구름(rolling) 저항 등을 가질 수 있는 차량 자체이다. 다른 요인은 예컨대 기어 변속을 빠르게 하여 차량을 연료 효율적으로 운전하거나, 차량을 비효율적으로 운전할 수 있는 차량의 운전자이다. 또 다른 요인은 교통인데, 이는 정체시 연료 소비량이 늘어날 것인 반면 차량이 정속 주행시 연료 소비량이 낮은 값으로 고정되기 때문이다. 다른 요인은 차량이 주행되는 도로의 특성인데, 이는 고속도로상이나 경사지고 굽은 도로상에서 고속 주행시 연료 소비량이 증가될 것인데 반해, 낮은 경사와 제한된 주행 속도로 직선 도로상에서 주행시 적절한 연료 소비량을 예상할 수 있기 때문이다.
본 실시예의 시스템에서, 차량의 다른 동작 파라미터에 대한 운전 데이터(201)는 예컨대 제어 영역 네트워크(CAN)과 같은 차량의 버스 시스템으로부터 얻어진다. 변속비, 구름 저항 계수(CR), 공기 저항 계수(CL), 가속 저항 계수(CB), 클라이밍 저항(climbing resistance) 등의 차량 특정(vehicle-specific) 파라미터는, 차량의 서브 시스템에 대하여 상이한 물리적 모델을 사용하여, 획득된 운전 데이터로부터 결정될 수 있다(기능 유닛 202). 운전자 특성적 파라미터는, 운전자 모델을 사용하는 것(기능 유닛 203)에 의해, 최대 속도나 평균 속도, 운전자가 기어 변속시의 속도 또는 모터 회전 속도 등과 같은 획득된 운전 데이터로부터 결정될 수 있다. 주어진 도로 구간에 대한 연료 소비량은, 차량이 도로 구간 상에서 주행할 것으로 예상되는 속도 프로파일을 알고 있으면, 이들 모델과 결정된 차량 또는 운전자 특정 파라미터를 사용하여 보다 정확하게 추정될 수 있다.
속도/가속도 프로파일의 추정은 기능 유닛 204에서 수행되는데, 이 유닛에서는 교통 데이터 또는 시험 운전으로부터 얻어진 데이터와 같은 기타의 데이터를 데이터 소스(205)로부터 수신한다. 데이터 소스(206)는 또한 도로 네트워크를 반영하는 링크와 노드(node)를 포함하는 지도 데이터를 제공한다. 이들은 또한 도로/거리 모델(207)에 의해 분석될 수 있는데, 이 모델은 지도 데이터에 구비된 특별한 도로 구간을 특성화하는 파라미터를 결정할 수 있다. 속도 프로파일의 추정은 또한 운전자 모델(203)에 의해 전달된 운전자 특정 파라미터를 고려할 수 있다. 예를 들면, 상기 추정된 도로 구간에 대한 속도 프로파일은 도로 크기, 도로 형태, 도로 경사(유닛 207에 의해 전달), 도로에 대한 현재 교통 상황(유닛 205에 의해 전달) 및 운전자의 운전 습관(유닛 203에 의해 전달)에 의존할 수 있다. 따라서, 도로 구간에 대한 속도 프로파일의 보다 정확한 추정이 기능 유닛(204)에 의해 달성될 수 있다.
기능 유닛(208)에서는, 결정된 차량 및 운전자 특정 파라미터를 기초로, 결정된 속도 프로파일로부터 연료 소비량과 같은 차량의 추진 관련 동작 파라미터가 추정될 수 있다. 상기 유닛(208)은 예를 들면 차량 서브 시스템에 대한 모델과 그 대응하는 결정된 파라미터를 사용할 수 있으므로 정확한 추정을 얻을 수 있다. 그 추정은 차량이 도로 구간을 주행했는 지 여부에 무관하게 지도 데이터에 구비된 소정의 도로 구간에 대해 수행될 수 있다. 예상되는 연료 소비량은 지도 데이터에 개별 구비된 다수의 도로 구간에 대해 추정되거나, 도로 구간의 소정의 종류 또는 등급에 대해 추정될 수 있는데, 이는 보다 빠른 수행이 가능하며 추정된 값의 저장을 위한 공간이 덜 필요하다. 추정된 연료 소비량을 기초로, 도로 구간에 또는 도로 구간의 종류 또는 등급에 비용 값을 할당할 수 있다. 도로 구간에 대한 속도 프로파일을 알고 있으므로, 도로 구간을 주행하는 데 필요한 시간은 유닛(208)에서 결정될 수 있으며, 대응하는 비용 값은 도로 구간에 할당될 수 있다.
기능 유닛(209)은 내비게이션 시스템(10)의 사용자에 의해 입력되는 목적지까지의 경로의 결정을 수행하는 데, 상기 결정은 지도 데이터와 할당된 비용 값을 기초로 한다. 주행 거리와 필요한 주행 시간 이외에, 상기 경로의 결정은 특정 경로에 대한 차량의 연료 또는 에너지 소비량을 고려할 수 있다. 기능 유닛(209)은 사용자 선호도에 따라 달리 가중될 수 있는 경로의 결정을 위한 상이한 비용 요인을 고려할 수 있거나, 연료 소비량에 대응하는 비용 값과 같은 특정 종류의 비용 값만을 최소화할 수 있음을 알아야 한다.
도 1에 주어진 내비게이션 시스템(20)의 기능적 개괄로부터 알 수 있는 바와 같이, 연료 소비량 또는 기타의 추진 관련 동작 파라미터는 내비게이션 시스템(20)이 갱신된 지도 데이터나 새로운 지리 영역의 지도 데이터를 수신하는 경우에도 소정의 주어진 지도 데이터에 대해 추정될 수 있다. 상기 추정은 차량 서브 시스템과 운전자 모델에 사용되는 차량 또는 운전자 특정 파라미터의 결정을 위해 충분한 운전 데이터를 수집하였을 때 수행될 수 있다. 초기에, 즉 충분한 운전 데이터가 수집되기 이전에는 이들 파라미터에 디폴트 값이 사용될 수 있다. 차량의 운전 중에 운전 데이터(201)의 수집이 연속적으로 수행될 수 있으므로, 시스템의 정확성은 시간에 걸쳐 향상된다. 또한, 이것은 새로운 운전자나 새로운 차량에 쉽게 적용될 수 있다.
차량 내비게이션 시스템(20)은 대시보드 장착형, 즉 고정식의 내비게이션 시스템 또는 휴대용 내비게이션 시스템일 수 있다. 따라서 시스템은 다른 차량과 다른 운전자에 의해 사용될 수 있다. 따라서, 차량 및 운전자 모델에 대한 파라미터는 현재의 운전자 및 차량에 따라 저장 및 회수될 수 있다.
차량의 운전 중에 상기 모델들에 대한 모든 관련 파라미터가 예컨대 차량 센서로부터 얻어질 수 있으므로, 차량에 대한 특정적이고 상세한 정보를 획득할 필요가 없다. 시스템은 복잡하고 상세한 차량 모델의 사용을 필요로 하지 않는다. 연료 소비량은 도로 구간과 결정된 파라미터에 관해 주어진 정보만을 이용하여 예측될 수 있다. 내비게이션 시스템(20)은 필수적으로 시스템을 장착한 차량의 동력학을 모델링하므로 주로 도로 데이터를 기초로 연료 소비량을 정확하게 예측할 수 있다. 물론, 계산된 경로에 대한 총 연료량도 결정될 수 있다.
도 1에 도시된 기능 유닛 중 다수는 선택적임을 알아야 한다. 예를 들면, 도로/거리 모델(207)과 교통 데이터(205)는 물론 운전자 모델(203)은 추진 관련 운전 데이터를 추정하고 경로의 결정을 수행하는 데 사용될 필요가 없다.
도 2는 예컨대 제어 영역 네트워크(CAN)와 같은 차량 네트워크에 인터페이싱된 차량 네비게이션 시스템(20)을 포함하는 차량을 개략적으로 도시한다. 네트워크(2)는 유무선 접속에 의해 인터페이스 연결될 수 있다. 도 2에 개략적으로 도시된 다수의 센서와 시스템이 네트워크(2)에 연결된다. 대응하는 동작 파라미터에 대한 운전 데이터는 차량 내비게이션 시스템(20)에 의해 네트워크(2)를 통해 센서 또는 시스템 각각으로부터 획득될 수 있다. 데이터 획득은 차량의 운전 중, 즉 차량의 모터가 동작 중 또는 차량이 작동 중에 수행된다. 모터 토오크 센서(3)는 차량의 모터에 의해 현재 생성되거나 인가되는 토오크를 전달한다. 모터 회전 속도 센서(4)는 분당 회전수(RPM)와 같은 차량의 모터의 현재 회전 속도를 전달한다. 연료 주입 센서(5)는 차량의 모터 내로 주입되는 연료의 양을 전달할 수 있으며, 그 측정치로부터 현재 연료 소비량을 결정할 수 있다. 현재 연료 소비량을 결정하기 위해 연료 유량 센서(fuel flow sensor) 등과 같은 다른 센서를 사용할 수 있음을 알아야 한다. 또한, 차량의 연료 탱크의 현재 충전 레벨을 결정하기 위해 연료 레벨 센서(6)가 제공된다. 시스템 클록(7)은 운전 데이터의 시간 의존적 획득에 사용될 수 있는 타이밍 정보를 제공하는 반면, 고도 센서(8)는 예컨대 압력이나 GPS를 기초로 한 차량의 현재 고도를 제공하며 위치 센서(9)는 예컨대 GPS를 기초로 한 차량의 현재 위치를 제공한다. 경사 센서(16)는 차량의 경사도에 관한 정보를 제공한다. 현재의 제동 압력이 파워 브레이크 시스템(10)에 의해 제공될 수 있으며 현재 작동 기어에 대한 정보가 변속 시스템(11)에 의해 제공될 수 있는 반면, 센서(12)는 차량의 차륜의 현재 회전 속도를 제공한다. 다른 시스템에서 변속 시스템(11)은 변속비에 대한 정보 또는 차량의 차륜의 회전 속도에 대한 정보를 직접 제공할 수 있다.
제공되어 네트워크(2)에 결합될 수 있는 추가의 센서는 차량의 현재 속도(V(t))를 제공하는 속도 센서(13)와 차량의 현재 가속도(a(t))를 제공하는 가속도 센서(14)를 포함한다. 도 2에 도시된 이들 센서 대부분은 차량의 대응하는 동작 파라미터가 다른 센서와 시스템으로부터 결정될 수 있으므로 선택적임을 알아야 한다. 예를 들면, 차량의 차륜의 직경을 알고 있으면, 차륜 속도 센서(12)를 사용하여 차량의 차륜의 현재 회전 속도 또는 현재 회전 속도의 변화를 기초로 현재의 차량 속도와 가속도를 결정할 수 있다. 차량 내비게이션 시스템(20)은 전술한 동작 파라미터 중 일부만을 획득하거나, 다른 차량 시스템으로부터 또는 심지어 네트워크(2)가 아닌 데이터 소스로부터 추가의 동작 파라미터를 얻을 수 있음을 알아야 한다. 예를 들면, 내비게이션 시스템(20)은 차량 속도, 현재 연료 소비량과 현재 모터 회전 속도 및 토오크만을 획득할 수 있다. 네트워크(2)는 임의의 종류의 유무선의 네트워크 또는 버스 시스템일 수 있다는 것도 알아야 한다.
도 3은 본 실시예의 내비게이션 시스템(20)을 보다 상세히 도시한다. 내비게이션 시스템(20)은 예컨대 메모리(22)에 저장된 소프트웨어 형태의 제어 명령에 따라 처리 유닛(21)에 의해 제어된다. 처리 유닛(21)은 단일 프로세서, 멀티 프로세서로서 구성될 수 있거나, 범용 또는 특수 목적의 마이크로프로세서 또는 디지털 신호 프로세서를 포함할 수 있다. 메모리(22)는 랜덤 액세스 메모리(RAM), 읽기 전용 메모리(ROM),다른 종류의 비휘발성 메모리로서 예컨대 플래시 메모리, 하드 드라이브 등의 메모리와 같은 여러 종류의 메모리를 포함할 수 있다. 비휘발성 메모리는 EPROM 또는 EEPROM을 포함할 수도 있으며, 내비게이션 장치(20) 내에 제공되거나 메모리 카드와 같은 분리 가능한 형태나 이들의 조합으로 제공될 수 있다. 메모리(22)는 CD-ROM, DVD-ROM 또는 내비게이션 시스템(20)에 의해 액세스될 수 있는 기타 종류의 데이터 캐리어를 포함할 수도 있다. 따라서 메모리(22)는 운전 처리 유닛(21)을 위한 제어 정보는 포함하는 것은 물론, 지도 정보 및 다른 정보를 저장할 수 있으며, 전술한 차량 특정적 또는 운전자 특정 파라미터, 획득된 운전 데이터, 추정된 동작 파라미터, 결정된 비용 값 등을 저장하기 위해 데이터베이스용 저장 공간을 제공할 수 있다. 메모리(22)는 차량 서브 시스템을 위한 모델, 운전자 모델 및/또는 도로/거리 모델을 저장할 수도 있다.
제어 명령에 따라, 처리 유닛(21)은 인터페이스 유닛(26)을 통해 운전 데이터를 획득하여 차량 및/또는 운전자 특정 파라미터의 결정을 수행할 수 있다. 처리 유닛(21)은 도 1과 관련하여 기술된 기능 유닛을 실행할 수 있다. 이와 같이, 처리 유닛은 지도 데이터와 가능하게는 교통 데이터에 따라 속도/가속도 프로파일을 추정하고 결정된 차량 특정 파라미터에 따라 연료 소비량과 같은 추진 관련 동작 파라미터의 추정을 수행할 수 있다. 또한 처리 유닛은 대응하는 비용 값을 결정하고 결정된 비용 값을 고려한 경로 계산을 수행할 수 있다.
인터페이스 유닛(26)은 유선 접속부(27)를 통해 차량의 네트워크(2)와 인터페이스 접속을 행한다. 인터페이스 유닛(26)은 무선 인터페이스 유닛으로서 구성될 수도 있는데, 무선 인터페이스 유닛은 안테나를 포함할 수 있고 무선 접속부를 통해 운전 데이터를 수신할 수 있다. 인터페이스 유닛(26)을 통해, 처리 유닛(21)은 차량의 일 범위의 동작 파라미터에 대한 데이터를 제공받으므로 추진 관련 동작 파라미터의 정확한 추정을 할 수 있게 된다.
또한 처리 유닛(21)은 내비게이션 시스템(20)의 현재 위치를 결정하기 위한 GPS 센서와 같은 위치 센서(23)와 계산된 경로와 같은 정보를 내비게이션 시스템(20)의 사용자에게 디스플레이하기 위한 디스플레이 유닛(24)과 사용자가 목적지, 구성 파라미터 등을 입력할 수 있는 입력 유닛(25)에 인터페이스 접속을 행할 수 있다.
내비게이션 시스템(20)은 처리 유닛과 그외의 성분 사이에 인터페이스를 제공하는 입력/출력 유닛, 음성 명령을 수신하거나 운전 방향을 제시하는 마이크로폰 및 스피커 등과 같이 내비게이션 시스템에 공통적인 추가의 요소들을 포함할 수 있다. 도 2에 도시된 유닛 중 일부, 예컨대 위치 센서(23)는 위치 정보를 인터페이스 유닛(26)을 통해 얻을 수 있으므로 선택적이다. 내비게이션 시스템(20)은 차량 내 소정 위치에 디스플레이 유닛(24)과 입력 유닛(25)이 제공될 수 있는 차량의 대시보드에 장착된 탑재형 내비게이션 시스템일 수 있거나, 개인 내비게이션 시스템(PND), 이동 전화기, 개인 디지털 기기 등과 같은 휴대용 전자 기기의 형태를 가질 수 있다.
도 4 내지 도 6을 참조하여 처리 유닛(21)에 대해 수행될 수 있는 방법을 설명한다. 상기 방법은 차량 특정 파라미터의 결정, 추진 관련 동작 파라미터와 관련 비용 값의 결정 및 추진 관련 동작 파라미터에 대한 효율적 경로의 결정에 관련된다. 하기의 설명은 다른 추진 관련 동작 파라미터에도 동등하게 적용될 수 있을 지라도 차량의 연료 소비량(b(t))을 재차 참조한다.
2개의 시점(t(a)와 t(e)) 사이의 운전에 대한 총 연료 소비량은 다음과 같이 결정될 수 있다:
Figure pat00001
적분은 필연적으로 차량에 의해 수행된 작업이며, 이는 구름 저항에 대한 마찰력(FR), 가속도에 저항하는 관성력(FB), 차량의 공기 저항에 기인하는 힘(FL) 및 클라이밍 저항(FS)에 의존한다. 총 연료 소비량(B)은 사용된 연료의 연료값(Hu)은 물론 모터 효율(ηM)과 변속 효율(ηK)에 추가로 의존한다. 전술한 힘은 차량의 개별 특성에 의존한다. 본 실시예에 따르면, 이들 파라미터는 획득된 운전 데이터를 기초로 결정된다. 상기 방법은 이들 파라미터 중 일부가 차량의 개별 운전자에 의존하여 연료 소비량의 정확한 결정이 특정 운전자에 대해 수행될 수 있다는 사실도 설명한다.
당연히, FB의 값은 차량의 가속도(a(t))에 의존하는 반면, FL 값은 차량의 속도(v(t))의 제곱에 비례한다. 클라이밍 저항(FS)은 높이 차에 관한 지도 데이터의 해상도가 충분히 정확하지 않은 경우 계산될 수 있고 총 구간 비용의 유도를 위해 사용될 수 있다. 동일 지점에서 시작하여 동일 목적지로 이르는 2개의 주어진 경로의 경우 높이 차에 기인한 에너지 차이가 동일하더라도, 다른 경로를 따른 운전의 종국적인 에너지 소비량은 상이한 엔진 동작점 또는 상이한 경사의 분산에 기인하여 변화될 수 있다. 고려될 수 있는 다른 힘은 제동 저항(FV)인데, 이는 브레이크의 작동은 통상 에너지 손실을 가져오기 때문이다.
당업자는 차량 파라미터를 기초로 전술한 힘을 계산할 수 있는 방법을 알기 때문에 여기에서는 그 상세를 논의하지 않는다. 일부의 의존성은 짧게 언급될 것이다. 관성력은 차량의 회전 성분의 관성의 모멘트에 기인한 비율(λ)을 포함한다. 상기 파라미터(λ)는 k로 지정되는 현재 맞물린 기어에 따라 변화될 것이다. 또한, 모터 효율(ηM)과 변속 효율(ηK)은 엔진의 회전 속도와 현재 부하, 즉 현재 생성된 토오크에 의존할 수 있다.
체결된 기어는 변속비(
Figure pat00002
)를 변화시키는데, nM은 차량의 모터 또는 엔진의 회전 속도이고 nR은 차량의 차륜의 회전 속도이다. 체결된 기어는 모터와 변속 효율은 물론, 파라미터(λ)와 그에 따라 감속시 또는 제동시 생기는 힘과 가속 저항에도 영향을 미친다.
일반적으로, 전술한 힘은 개별적으로 측정될 수 없다. 또한, 차량의 주행시, 차량의 엔진은 변속에 의해 차량의 차륜으로 전달되는 소정의 토오크(M(t))를 생성하여 이들 힘을 극복하는데, 즉 엔진은 소정의 파워(P(t))를 생성한다. 차량에 의해 행해지는 일과 그에 따라 차량에 의해 소비되는 연료는 엔진에 의해 생성되는 파워(P(t))에 대한 적분으로서 표현될 수도 있다. 따라서 엔진에 의해 생성되는 파워는 다음과 같이 표현될 수 있다:
Figure pat00003
이것은 엔진의 토오크(M(t))와 회전 속도(nM(t))가 CAN-bus에 대한 인터페이스를 통해 내비게이션 시스템에 의해 얻어질 수 있으므로 유리하다. 또한, 바람이나 경사와 같은 기타의 섭동원(perturbations)을 포함하여 브레이크 패달, 클러치의 작동과 같이 차량의 연료 소비에 영향을 미칠 수 있는 추가의 효과가 존재한다. 또한, 차량의 내부 마찰 저항이 존재하며, 차량의 보조 장치에 기인하여 발광, 발열 등의 추가의 에너지 수요를 커버하도록 추가의 토오크가 엔진으로부터 필요할 수 있다. 따라서 본 실시예에서는 추가의 토오크(Mint)의 도입이 제안되며, 그에 따라 파워는 하기와 같이 계산된다:
Figure pat00004
총 연료 소비량은 다음과 같이 계산될 수 있다:
Figure pat00005
여기서 차량의 모터와 변속에 대한 평균 효율(
Figure pat00006
)이 사용된다. 본 실시예는 지도 데이터를 기초로 추정될 수 있는 동작 파라미터, 기어(k(t)), 속도(v(t)), 가속도(a(t)) 및 제동 압력(p(t))에 대한 값으로부터 M(t)와 nM(t)에 대한 값을 계산한다.
전술한 힘은 차량 특정 파라미터, 즉 차량 중량, 차량의 공기 저항 계수(cx), 공기압(ρ), 차량의 전방 돌출부의 면적(A) 등에 의존한다. 이들 파라미터들은 소정의 적(product)으로 나타나므로 이들은 통상 동작 파라미터에 대해 얻어지는 운전 데이터로부터 별도로는 계산되지 않을 수 있다. 따라서, 전술한 힘 또는 그 적에 비례하는 차량 특정 파라미터가 본 실시예에서 결정된다. 또한, 본 실시예는 상이한 운전 국면에 대해 이들 차량 특정 파라미터의 결정을 행하는 것을 제안한다. 이것은 어떤 운전 국면에는 어떤 파라미터만이 관련되므로 파라미터의 결정을 용이하게 한다. 본 실시예는 또한 차량을 클러치, 변속기, 엔진 및 소비와 같은 소정의 서브 시스템으로 분할하는 것을 제안한다. 다음의 운전 국면이 사용될 수 있다:
-Rest: 속도(v(t))=0 이면 차량은 정지 상태이다. 이것은 속도에 대한 소정의 에러 마진 또는 한계치를 사용하는 것에 의해 행해질 수 있으므로 0과 약간 다른 값의 경우, 차량이 정지 상태에 있는 것으로 결정될 수 있다.
-구동 시작(Take off): 차량은 속도(v(t)≠0)가 임계값(vmin(k))보다 작고 "정지" 국면의 임계 레벨보다 클 때 구동되기 시작한다.
-정속 운전(Constant drive): 차량은 현재 속도가 각각의 임계값(vmin(k))을 초과하고 가속도(
Figure pat00007
)가 소정의 임계값(αmin) 미만일 때 정속 운전 상태에 있다.
-브레이크 인가 없는 운전: 차량은 현재 속도가 각각의 임계값(vmin(k))을 초과하고 제동 압력(p)이 검출되지 않으면, 즉 p(t)=0 이면, 차량은 브레이크 인가 없이 운전되는 중이다. 차량은 예컨대 엔진에 의한 토오크의 인가에 의해 야기되는 바와 같이 가속 또는 감속될 수 있다.
-브레이크 인가되는 상태의 운전: 차량은 현재 속도가 대응하는 임계값(vmin(k))을 초과하고 제동 압력(p(t)≠0)이 검출되는 경우 브레이크 인가 상태로 운전 중이다. 0이 아닌 제동 압력의 검출을 위해 에러 마진을 다시 사용할 수 있다.
-통상의 운전: 차량은 현재 속도가 임계값(vmin(k))을 초과할 때 통상의 운전중이다.
CAN-bus로부터 획득된 운전 데이터의 분석을 통해, 내비게이션 시스템(20)의 처리 유닛은 차량이 작동 중인 운전 국면을 결정할 수 있다. 각각의 운전 국면의 경우, 차량 서브 시스템에 대한 상이한 모델을 사용하여 차량 특정 파라미터를 결정할 수 있다. 이것은 도 4를 참조로 상세히 설명될 것이다.
도 4의 방법은 차량의 제어기 영역 네트워크에 접속된 차량 내비게이션 시스템(20)에 의해 수행될 수 있다. 301 단계에서, 차량 작동이 시작된다. 차량은 엔진 공회전 상태로 동작되거나 정속 또는 가속/감속 상태로 동작될 수 있다. 차량의 작동 중에 있는 동안, 302 단계에서 CAN-bus로부터 차량 동작 파라미터에 대한 운전 데이터가 읽혀진다. 도 2와 관련하여 기술된 작동 파라미터와 같은 CAN-bus에 유효한 임의의 종류의 작동 파라미터가 얻어질 수 있으며, 본 실시예에서는 적어도 현재 기어, 현재 속도 및 현재 제동 압력이 얻어진다. 현재 가속도도 획득될 수 있거나 현재 속도(예, 시간 도함수로서)로부터 결정될 수 있다.
다음의 303 단계에서, 전술한 바와 같이 획득된 운전 데이터의 분석을 통해 운전 국면을 식별한다. 304 단계에서 차량의 서브 시스템에 대한 작동 파라미터 간의 관계가 제공되며, 이후 305 단계에서 다른 운전 국면에 대해 차량 특정 파라미터의 결정이 행해진다. 이하에서는 제공된 관계를 기초로 차량 특정 파라미터의 결정이 행해지는 것을 상세히 설명한다.
차량 특정 파라미터의 결정은 주어진 속도 및/또는 가속도 프로파일만을 기초로 연료 소비량을 예측 가능하게 하는 것이다. 연료 소비량은 모터의 회전 속도(nM)에 의존하므로, 이 작동 파라미터는 결정이 필요하다. 차량의 각각의 기어(k)의 경우, 차량 특정 파라미터(i)는 차량의 속도를 모터의 회전 속도로 변환하기 위해 정의될 수 있다:
Figure pat00008
차량 특정 파라미터(i)는 변속비에 비례하고 각각의 기어(k)에 대해 결정될 수 있다. 상수(i(k))는 도 7에 도시된 바와 같이 속도 및 모터의 회전 속도에 대해 운전 데이터를 획득하고 선형 회귀법을 이용한 최소자승법과 같은 통계적 방법을 사용하는 것에 의해 결정된다. 클러치의 작동 중의 미끄러짐은 전술한 관계에 영향을 미칠 수 있으므로 상수(i(k))는 클러치의 작동이 이미 완료되도록 임계값(vmin(k))이 충분히 높게 설정된 상태의 "통상의 운전" 국면 중에 결정된다.
운전 상태 "rest"에 대하여, 시간당 평균 연료 소비량 형태의 차량 특정 파라미터가 정해진다. 특히, 차량 내에서 구동되는 보조 장치들 때문에, 공전시 상기 평균 연료 소모는 무시할 수 없으며, 그러한 소모를 고려하는 것은 총 연료 소비량의 추정을 개선한다. 현재의 연료 소비량은 CAN-bus로부터 얻어질 수 있으며, 상기 운전 상태 "rest"에서 얻어진 모든 소비 데이터에 걸쳐 평균될 수 있다.
차량의 모터로부터 요구되는 토오크를 결정하기 위한 차량 특정 파라미터는 상기 제3, 제4 및 제5의 운전 상태 중에 결정된다. "정속 운전" 상태 중에, 본 발명의 실시예는 다음과 같은 형태의 토오크(M(t)) 및 속도(v(t)) 사이의 관계를 이용한다.
Figure pat00009
따라서, M(t) 및 v(t)에 대한 운전 데이터를 획득함으로써, 차량 특정 상수
Figure pat00010
및
Figure pat00011
가 결정될 수 있는데, 이들 상수는 각각 차량의 구름 저항 계수(rolling drag coefficient) 및 공기 저항 계수(aerodynamic drag coefficient)에 비례한다. 이러한 운전 데이터 예 및 그 데이터에 맞춰진 관계에 대응하는 곡선이 도 8에 도시되어 있다. 최소자승법(least mean square method)을 이용하여 상기 회귀 방정식(regression equation)으로부터 상기 파라미터를 결정하면, 주어진 속도 프로화일로부터 모터 토오크를 예측할 수 있다.
상기 계수
Figure pat00012
및
Figure pat00013
에 기초하여, "브레이크를 인가하지 않은 상태의 운전" 상태 중에, 가속에 대한 저항에 비례하는 계수()를 결정할 수 있다. 이 운전 상태에서, 차량(a(t))의 가속 또는 감속이 고려되며, 하기의 관계식이 이용된다.
Figure pat00015
차량 특정 파라미터(
Figure pat00016
)는 차량이 동작되는 기어에 의존함에 따라, 그 파라미터는 각 기어에 대하여 별개로 정해진다. 그러한 결정을 위해, 각 기어에 대한 v(t) 및 M(t) 운전 데이터-이들 데이터에 대해 가속 절대값은 운전 상태에 대해 정해진 임계값을 초과한다-가 이용될 수 있다. 따라서, CAN 네트워크로부터 얻어진 데이터는 나뉘어질 수 있으며, 최소자승법을 이용하여 정해진 각 데이터에 대해
Figure pat00017
의 결정을 수행할 수 있다.
제동 상태에서, 차량은 브레이크를 밟음으로써 추가로 감속된다. 이러한 추가의 감속은
Figure pat00018
식을 이용하여 표현할 수 있는데, 상기 식에서 팩터(
Figure pat00019
)는 일반적으로 현재 맞물려 있는 기어에 의존하지 않는다. 따라서, 제동 상태 중에 모터 토오크는 다음과 같이 표현할 수 있다.
Figure pat00020
파라미터
Figure pat00021
,
Figure pat00022
및
Figure pat00023
는 이전에 결정되었으므로, 파라미터(
Figure pat00024
)는 제동 상태 중에, 즉 제동 압력 p(t)>0인 경우에 얻어진 운전 데이터로부터 결정될 수 있다. 상기 팩터(
Figure pat00025
)는 다시 최소자승법과 같은 통계적 방법에 의해 결정될 수 있다는 것은 말할 필요도 없다. 제동 압력 p 및 그에 따른 가속에 대한 데이터의 한 예가 도 9에 도시되어 있는데, 파라미터(
Figure pat00026
)는 도면에 도시한 맞춤선(fitted line)의 기울기에 비례한다.
운전 상태 "take off"는 차량의 클러치 동작을 고려한다. 만약, 예컨대 차량이 기어 k에 있는 동안에 감속된다면, 운전자는 차량 속도가 임계값 vmin(k) 밑으로 떨어지는 경우, 엔진 멈춤(dying)을 방지하기 위하여 클러치를 동작시킬 것이다. 만약 클러치가 동작된다면, 엔진은 일반적으로 소정의 최소 회전 속도로 공전을 하게 되는데, 이는 CAN-bus로부터 얻어진 엔진의 최소 회전속도로서 결정될 수 있다. 이어서, 속도의 임계값은 다음과 같이 결정될 수 있다.
Figure pat00027
상기 파라미터 i(k)는 다시, 기어 k에 대한 변속비(transmision ratio)에 비례하는 상기 결정된 파라미터이다. 그러나, 이 임계값 속도 미만에서, 차량은 늘 최소 속도로 작동되는 것은 아니다. 만약 차량이 가속된다면, 고속의 회전 속도가 발생할 수 있고, 일부 차량은 공전 속도를 그 차량 속도에 동적으로 맞추기조차 할 수도 있다. 따라서, 상기 엔진에 대해 측정된 평균 회전 속도가 연료 소비량 결정시 이용될 것이다. "take off" 상태에서 상기 엔진으로부터 필요한 토오크를 결정하기 위하여, 제동 상태와 관련하여 설명한 관계(수학식 8)가 이용될 수 있다.
상기한 내용으로부터 알 수 있는 바와 같이, 소정 범위의 차량 특정 파라미터들이 상기 주어진 차량 운전 파라미터에 대해 얻어진 운전 데이터 및 주어진 관계식으로부터 결정될 수 있다. 이는 단지 차량 특정 파라미터를 결정하는 한 가지 예에 불과하고, 다른 관계식 및 다른 운전 파라미터가 고려될 수 있으며, 또는 더 적은 수의 차량 특정 파라미터가 결정될 수 있다는 것을 명확히 할 필요가 있다. 차량이 주행 중인 어떤 도로 구간의 경사로를 올라가는 저항이 "정속 주행" 상태에서 고려될 수 있다. 다음에, 대응하는 차량 특정 파라미터가 상기 경사도에 따라 결정될 수 있다. 또한, 운전자가 기어를 변화시키는 엔진 회전 속도와 같이, 차량 운전자의 운전 특성도 고려될 수 있다.
본 발명의 실시예에서, 차량 특정 효율 파라미터 및 추가로 필요한 토오크 Mint가 얻어진 운전 데이터로부터 추가로 정해진다. 이를 위하여, 0차(zeroth order)의 수치 적분 공식을 이용하여 수학식 4의 값을 구하며, 각 시간 스텝 j에 대하여, 다음 수학식이 얻어진다.
Figure pat00028
현재의 연료 소비량 b(t)는 엔진에 의해 가해진 토오크 M과 엔진의 현재의 회전 속도 n뿐만 아니라, CAN-bus로부터 얻어질 수 있다. 차량 특정 파라미터
Figure pat00029
및
Figure pat00030
는 최소자승법을 이용하여 선형 회귀법(linear regression)으로부터 결정될 수 있다. 차량의 고속 감속에 대하여, 음(-)의 연료 소비량이 얻어질 수도 있다는 것에 주의하여야 한다. 이는 종래의 내연기관으로는 불가능함에 따라, M(t)+Mint 함수의 양(+)의 값만이 사용될 수 있고, 반면에 음의 함수값은 0으로 설정될 수도 있다. 하이브리드 운전 또는 전기차와 같이 다른 형태의 차에 대하여, 배터리의 재충전이 가능하고, 따라서 음의 연료 소비가 가능하다.
다시 도 4를 참조하면, 다음 단계(306)에서, 상기 결정된 차량 특정 파라미터들은 내비게이션 시스템에 저장되고, 연료 소비량 예측 및 경로 결정과 같은 추가의 사용을 위해 제공될 수 있다. 상기 얻어진 운전 데이터 역시 저장될 수 있으며, 그 저장된 운전 데이터에 기초하여 차량 특정 파라미터들이 정해질 수 있다는 것을 명확히 할 필요가 있다. 이러한 목적을 위해, 이동 윈도 접근(moving window approach)이 이용될 수 있는데, 미리 정해진 거리 또는 미리 정해진 운전 시간에 걸쳐 얻어진 운전 데이터는 상기 차량 특정 파라미터를 결정하는데 추정된다. 상기 얻어진 운전 데이터 역시, 예컨대 보다 최근에 얻어진 데이터가 더 높게 가중되도록 가중될 수 있다. 상이한 종류의 도로 상에서 두 시간의 운전 동안의 운전 데이터를 수집하는 것은 차량 특정 파라미터의 정확한 결정을 위해 충분할 수 있다. 상기 계수들의 결정은 적합화되어, 내비게이션 시스템은 상이한 차량들에서 사용될 수 있고, 결정된 파라미터의 정확성은 운전 시간 또는 운전 거리에 따라 개선된다.
상기 결정된 차량 특정 파라미터에 기초하여 차량의 추진 관련 동작 파라미터를 추정하는 것을 도 5와 관련하여 설명한다. 제1 단계(401)에서, 예컨대 메모리(22)에 저장될 수 있는 지도 데이터가 검색된다. 다음 단계(402)에서, 차량 운전자에 대한 정보가 검색된다. 이는 운전자가 선호하는 주행 속도, 운전자가 얼마나 빨리 차량을 가속하는지에 대한 정보, 주어진 도로 구간에 대한 속도 프로화일을 추정하는 데에 이용될 수 있는 임의의 다른 종류의 운전자 관련 정보를 포함할 수 있다. 다음 단계(403)에서, 교통 정보가 검색된다. 교통 정보는 트래픽 메시지 채널(TMC), TPEG(Transport Protocol Experts Group), VICS(Vehicle Information and Communication System) 또는 다른 종류의 데이터 소스, 예컨대 모바일 텔레폰 네트워크, 플로팅 카 데이터(floating car data) 등과 같은 데이터 소스로부터 검색될 수 있다. 상기교통 정보는 지도 데이터에 포함된, 예컨대 현재의 차량 위치로부터 소정 거리 내에 있는 어떤 도로 구간에 대하여 검색될 수 있다.
단계(404)에서, 차량 특정 파라미터가 검색/추정된다. 만약 이들 파라미터가 이전에 결정된 것이라면, 그 파라미터는 예컨대, 메모리로부터 검색될 수 있고, 그렇지 않다면 상기한 것과 같이 추정될 수 있다. 또한, 차량 동작 파라미터 사이의 관계가 단계(405)에서 검색된다.
도로 구간에 대한 속도 프로화일은 다음 단계(406)에서 추정된다. 추정라는 것은, 이용 가능한 정보로부터, 그 도로 구간에 대해 속도 프로화일을 결정하는 것을 의미한다. 이는 일반적으로 단지, 차량이 실제 그 도로 구간에서 주행중인 경우, 그 차량의 속도 프로화일을 근사화할 것이다. 상기 추정은 예컨대, 도로가 무료도로인지, 고속도로인지와 같은 도로 구간의 등급(class), 직선 도로인지 아니면 복수의 곡선을 포함하고 있는지와 같은 도로 구간의 기하 형태, 그 도로 구간에서의 교통 상황, 개별 운전자 특성 등을 고려할 수 있다. 상기 추정은 또한, 그 도로 구간에 신호등이 배치되어 있는지(이는 추가의 감속 및 가속을 야기할 수 있다), 그 도로 구간에 대해 최대 허용 속도가 있는지, 그리고 다른 유사한 정보를 고려할 수도 있다. 이러한 상이한 종류의 정보를 고려함으로써, 속도 프로화일은 더 정확히 추정될 수 있다. 속도 프로화일은 또한 가속 상태 및 감속 상태도 고려함에 따라, 그리고, 속도는 도로 구간에 걸쳐 꽤 변동할 수도 있으므로, 그 도로 구간에서의 연료 소비량에 대하여, 어떤 도로 구간에 대한 평균 속도만을 이용하는 방법과 비교하여, 좀 더 정확한 추정이 이루어질 수 있다. 속도 프로화일은 각각의 도로 구간에 대해, 예컨대 어떤 범위 내에서 추정될 수 있고, 또는 단지 상이한 등급 또는 종류의 도로 구간에 대해 추정될 수 있다. 이는 필요로 하는 처리 능력이 크게 감소된다는 이점이 있다.
상기 도로 구간에 대한 속도 프로화일에 기초하여, 차량의 모터로부터 필요로 하는 토오크는 단계(407)에서 그 도로 구간에 대해 추정될 수 있다. 상기 토오크는 수학식 6 내지 8 중 어느 하나에 따란 관계식으로부터 추정될 수도 있다. 추정된 속도 프로화일은 예컨대, 상기한 바와 같이 상이한 여러 운전 상태로 나뉘어질 수 있고, 이어서 상기 결정된 차량 특정 파라미터와 함께 각 운전 상태에 대한 적절한 관계가 토오크 결정을 위해 사용될 수 있다. 유사하게, 모터 회전 속도는 단계(408)에서 상기 도로 구간에 대한 속도 프로화일로부터 추정된다. 이는 수학식 5의 관계식을 이용하여 상이한 체결 기어에 대해 수행될 수 있다.
차량 특정 파라미터 x1, x2를 이용함으로써, 수학식 4에 따른 관계식을 이용하여, 상기 도로 구간에 대해 차량의 연료 소비량이 추정될 수 있다(단계 409). 다른 실시예에서, 전기 모터의 에너지 소비량, 또는 CO2 배출량이 그 도로 구간에 대해 추정될 수 있다. 연료 소비량은 예컨대, 상이한 시간 스텝에 대해 추정될 수 있고, 이어서 상기 속도 프로화일에 걸쳐 적분될 수 있다.
다음에, 연료 소비량에 대해 추정된 값은 단계(410)에서 저장될 수 있다. 다음에, 단계(411)에서, 대응하는 비용 값이 그 도로 구간에 할당되고, 또는 상이한 여러 도로 등급에 할당된다. 어떤 종류의 도로 구간에 대해 더 높은 연료 소비량은 예컨대, 더 큰 비용 값을 야기할 수 있다. 다음에, 비용 값은 단계(412)에서, 예컨대 도로 구간 또는 도로 구간의 여러 상이한 종류와 연관되어 저장된다. 이들은 경로 계산시 직접 액세스될 수 있도록, 예컨대, 하드 드라이브, 또는 플래시 메모리와 같은 비휘발성 메모리에 저장될 수 있다. 이들은 또한 예컨대, 교통 상황이 변화하거나 또는 상기 결정된 차량 특정 파라미터의 값이 변화하는 경우, 동적으로 업데이트될 수 있다.
도 5에 도시한 모든 단계가 반드시 수행될 필요는 없다는 것을 명확히 할 필요가 있다. 속도 프로화일의 추정은 또한 현재의 교통 정보를 이용하지 않으면서 수행될 수도 있고, 또는 추정된 연료 소비량은 그 도로 구간에 대한 비용 값으로서 직접 할당될 수도 있다. 연료 소비량은 그 도로 구간에 대한 평균으로서 계산될 수 있다. 또한, 여러 상이한 도로 구간에 대해 일년 중 특정 기간, 여러 날짜, 여러 일시에서의 교통량(traffic volume)에 대한 역사적 통계 정보를 이용하여, 정정 교통 모델을 활용할 수도 있다.
다음에, 차량 내비게이션 시스템(20)은 도 6과 관련하여 설명하는 바와 같이, 경로 결정을 위해 상기 할당된 비용 값을 이용할 수 있다. 제1 단계(500)에서, 차량의 현재 위치가, 예컨대 위치 또는 GPS 센서(9)에 의해 결정된다. 다음 단계(501)에서, 내비게이션 시스템이 메모리로부터 지도 데이터를 검색한다. 단계(502)에서, 예컨대 운전자 입력에 의해 목적지가 검색된다. 또한, 단계(503)에서 현재의 운전자/교통 정보가 검색되고, 추진 관련 동작 파라미터, 예컨대 연료 소비량 및 대응하는 비용 값이 단계(504)에서, 예컨대 도 5와 관련하여 설명한 방법에 의해 결정된다. 차량은 여러 상이한 운전자들에 의해 이용될 수 있으므로, 현재의 운전자 정보를 검색하는 것은 어떤 경로에 대해 연료 소비량을 점 더 정확히 추정할 수 있다는 이점이 있다. 현재의 운전자는 사용자 입력에 의해, 또는 차량의 현재 운전자를 식별하기 위해 종래 기술에서 알려진 임의의 방법에 의해 결졍될 수 있다. 단계(503, 504)에 따라 비용 값을 동적으로 결정하는 대신에, 이전에 결정되어 저장된 비용 값이 예컨대 메모리(22)로부터 검색될 수 있다.
단계(505)에서, 현재의 위치로부터 목적지까지의 경로는 그 경로의 도로 구간과 관련된 비용을 최소화하는 차량 내비게이션 시스템에 의해 결정된다. 최소화될 비용은 예컨대, 운전자에 의해 결정될 수 있다. 경로 결정은 예컨대, 시간 또는 임의의 다른 비용 범주 뿐만 아니라, 연료 소비와 연관된 비용을 고려할 수 있다. 따라서, 가장 연료 효율적인 경로, 가장 에너지 효율적인 경로 또는 최소의 CO2 배출을 일으키는 경로가 결정될 수 있을뿐만 아니라, 여러 비용 범주 사이의 타협(trade-off)을 최적화하는 경로를 계산할 수 있다. 경로는 Viterbi 서치 알고리즘, A* 알고리즘 등과 같이 당업계에 알려진 임의의 방법에 의해 결정될 수 있다. 이들 알고리즘은 동적 교통 정보와 함께 사용하기에 적합화될 수 있다. 상기알고리즘은 경로의 도로 구간과 연관된 비용이 최소화되는 경로를 검색한다.
한 경로만이 결정될 수도 있고, 또는 최소의 총 비용을 갖는 소정 갯수의 경로가 결정될 수 있고, 또 선택을 위해 운전자에게 제공될 수 있다. 다음 단계(506)에서, 상기 결정된 또는 선택된 경로를 따른 경로 안내가 시작된다. 본 실시예의 방법을 이용하여, 운전자는 가장 연료 효율적인 경로를 따라 안내받을 수 있으며, 그 결과 차량의 운전 비용 및 환경 오염이 감소된다.
본 발명의 여러 특징적 실시예를 설명하였지만, 본 발명의 범위를 벗어나지 않으면서 여러 가지 변화 및 수정을 할 수 있다. 본 발명의 실시예는 예시적이고 비제한적인 것으로 고려되어야 하며, 이하의 청구항의 의미 및 그 등가의 범위 내에 속하는 모든 변형은 그에 속하는 것이다.

Claims (24)

  1. 도로 구간에 대한 차량(1)의 추진 관련 동작 파라미터의 추정 방법으로서:
    -도로 구간에 대해 제공된 정보를 기초로 도로 구간에 대한 차량(1)의 제1 동작 파라미터를 추정하는 단계와;
    -상기 제1 동작 파라미터를 기초로 도로 구간에 대한 추진 관련 동작 파라미터를 적어도 하나의 차량 특정 파라미터를 고려하여 추정하는 단계를 포함하고,
    상기 적어도 하나의 차량 특정 파라미터는
    -차량(1)의 운행 중 적어도 2개의 차량 동작 파라미터에 대한 운전 데이터를 획득하고;
    -상기 적어도 2개의 동작 파라미터 사이에 상기 적어도 하나의 차량 특정 파라미터를 고려한 미리 정해진 관계를 제공하고;
    -상기 적어도 2개의 차량 동작 파라미터에 대한 상기 운전 데이터와 상기 관계로부터 상기 적어도 하나의 차량 특정 파라미터를 결정하는 것
    에 의해 결정되는 것을 특징으로 하는 도로 구간에 대한 차량(1)의 추진 관련 동작 파라미터의 추정 방법.
  2. 제1항에 있어서, 상기 추진 관련 동작 파라미터는 연료 소비량, 에너지 소비량 및 이산화탄소(CO2) 배출량 중 적어도 하나인 것을 특징으로 하는 추정 방법.
  3. 제1항 또한 제2항에 있어서, 상기 도로 구간에 대한 상기 제1 동작 파라미터는 도로 구간에 대해 가변적인 함수값에 의한 시간 또는 거리의 함수로서 추정되는 것을 특징으로 하는 추정 방법.
  4. 제1항 내지 제3항 중 어느 항에 있어서, 상기 제1 동작 파라미터는 도로 구간에 대해 추정된 차량의 속도와 도로 구간에 대해 추정된 차량의 가속도인 것을 특징으로 하는 추정 방법.
  5. 제1항 내지 제4항 중 어느 항에 있어서, 상기 도로 구간에 대해 제공된 정보는 도로 구간의 종류, 도로 구간의 등급, 도로 구간에 허용된 최대 속도, 도로 구간의 종류에 대해 결정된 평균 속도, 도로 구간에 대한 목표 속도, 도로 구간에 대한 형상 파라미터, 도로 구간의 경사 및 도로 구간에 대한 현재 교통 정보(205) 중 적어도 하나를 포함하는 것을 특징으로 하는 추정 방법.
  6. 제1항 내지 제5항 중 어느 항에 있어서, 상기 제1 동작 파라미터의 추정은 차량(1) 운전자에 대해 결정되는 운전 습관(203)을 또한 기초로 하는 것을 특징으로 하는 추정 방법.
  7. 제1항 내지 제6항 중 어느 항에 있어서, 미리 정해진 차량 동작 파라미터 사이의 미리 정해진 관계는 복수의 차량 서브 시스템 모델(202) 각각에 대해 제공되며, 적어도 하나의 차량 특정 파라미터는 상기 관계를 기초로 각각의 서브 시스템 모델에 대해 결정되며, 상기 결정된 차량 특정 파라미터는 추진 관련 동작 파라미터의 추정을 위해 고려되는 것을 특징으로 하는 추정 방법.
  8. 제7항에 있어서, 상기 차량 서브 시스템 모델(202)은 차륜 모터 커플링을 위한 모델, 업/다운 시프트 중의 슬립을 위한 모델, 차량의 모터로부터 필요한 토오크를 위한 모델 및 공전을 위한 모델 중 적어도 하나를 포함하는 것을 특징으로 하는 추정 방법.
  9. 제1항 내지 제8항 중 어느 항에 있어서, 운전 데이터가 얻어지는 대상의 상기 적어도 2개의 차량 동작 파라미터는 속도, 가속도, 제동 압력, 모터 토오크, 모터 회전 속도, 체결 기어, 연료 소비량, 연료 탱크의 충전 레벨 및 운전 상태를 포함하는 그룹으로부터 선택되는 것을 특징으로 하는 추정 방법.
  10. 제1항 내지 제9항 중 어느 항에 있어서, 상기 적어도 하나의 차량 특정 파라미터는 변속비, 구름 저항 계수(CR), 공기 저항 계수(CL), 가속 저항 계수(CB), 제동 저항 계수, 감속 제동률, 클러치 동작 속도 계수, 공전시 연료 소비량, 공전시 모터 회전 속도, 클라이밍 저항 및 차량의 모터 효율을 포함하는 그룹으로부터 선택된 차량 특정적 특성에 비례하는 것을 특징으로 하는 추정 방법.
  11. 제1항 내지 제10항 중 어느 항에 있어서, 상기 적어도 2개의 차량 동작 파라미터에 대해 얻어지는 운전 데이터에서 상이한 운전 국면을 식별하는 단계를 더 포함하며, 각각의 운전 국면에서 적어도 하나의 차량 특정 파라미터가 결정되는 것을 특징으로 하는 추정 방법.
  12. 제11항에 있어서, 식별된 각각의 운전 국면은 각각의 운전 데이터로부터 결정되는 차량 특정 파라미터 세트와 연관되며, 식별된 운전 국면에 대해 결정된 상기 차량 특정 파라미터는 상기 추진 관련 동작 파라미터의 추정시 고려되는 것을 특징으로 하는 추정 방법.
  13. 제11항 또는 제12항에 있어서, 식별될 수 있는 상기 운전 국면은 공전 국면, 가속 국면, 정속 운전 국면, 평면 운전 국면, 감속을 동반한 운전 국면 및 제동이 인가된 운전 국면 중 적어도 하나를 포함하는 것을 특징으로 하는 추정 방법.
  14. 제1항 내지 제13항 중 어느 항에 있어서, 상기 적어도 하나의 차량 특정 파라미터는 통계적 파라미터 추정 절차 또는 파라미터 최적화 절차를 통해 결정되는 것을 특징으로 하는 추정 방법.
  15. 제1항 내지 제14항 중 어느 항에 있어서, 상기 추진 관련 동작 파라미터의 추정은:
    -상기 제1 동작 파라미터, 적어도 하나의 차량 특정 파라미터 중 제1 파라미터 및 대응하는 관계를 기초로 도로 구간에 대한 차량의 모터의 회전 속도를 추정하는 단계와;
    -상기 제1 동작 파라미터, 적어도 하나의 차량 특정 파라미터 중 적어도 제2 파라미터 및 대응하는 관계를 기초로 도로 구간에 대해 차량의 모터에 의해 생성되는 토오크를 추정하는 단계와;
    -상기 추정된 모터 회전 속도, 상기 추정된 모터 토오크, 적어도 하나의 차량 특정 파라미터 중 적어도 제3 파라미터 및 대응하는 관계로부터 도로 구간에 대한 상기 추진 관련 동작 파라미터를 추정하는 단계
    를 포함하는 것을 특징으로 하는 추정 방법.
  16. 제1항 내지 제15항 중 어느 항에 있어서, 상기 제1 동작 파라미터는 차량의 속도이고,
    상기 추진 관련 동작 파라미터의 추정은:
    -상기 속도, 상기 적어도 하나의 차량 특정 파라미터 중 적어도 제1 파라미터 및 대응하는 관계를 기초로 도로 구간에 대한 차량의 운전 저항의 합을 추정하는 단계와,
    -상기 추정된 속도, 상기 추정된 운전 저항, 상기 적어도 하나의 차량 특정 파라미터 중 적어도 제2 파라미터 및 대응하는 관계로부터 도로 구간에 대한 추진 관련 동작 파라미터를 추정하는 단계
    를 포함하는 것을 특징으로 하는 추정 방법.
  17. 제1항 내지 제16항 중 어느 항에 있어서, 상기 추정된 추진 관련 동작 파라미터에 대응하는 비용 값을 도로 구간에 또는 도로 구간의 등급이나 종류에 할당하는 단계를 더 포함하며, 상기 비용 값은 추가의 경로 계산을 위해 제공되는 것을 특징으로 하는 추정 방법.
  18. 차량 내비게이션 시스템에서의 경로 계산 방법으로서:
    -내비게이션 시스템의 데이터베이스로부터, 제1항 내지 제17항 중 한 항의 방법에 따라 결정되는 추진 관련 동작 파라미터에 대응하는 비용 값에 관련된 도로 구간을 검색하는 단계와,
    -상기 추진 관련 동작 파라미터에 대응하는 비용 값을 고려한 시작점으로부터 목적지까지의 경로를 결정하는 단계
    를 포함하며, 상기 비용 값은 개별 도로 구간 또는 상이한 종류 또는 등급의 도로 구간에 관련된 것을 특징으로 하는 차량 내비게이션 시스템에서의 경로 계산 방법.
  19. 차량 내비게이션 시스템에서의 경로의 계산 방법으로서:
    -미리 정해진 도로 구간에 대한 현재 교통 정보를 수신하는 단계와;
    -상기 현재 교통 정보를 고려하여 제1항 내지 제17항 중 한 항에 따라 미리 정해진 도로 구간에 대한 추진 관련 동작 파라미터의 추정을 수행하는 단계와;
    -상기 미리 정해진 도로 구간에 대해 추정된 추진 관련 동작 파라미터에 대응하는 비용을 고려하여 목적지까지의 경로를 결정하는 단계
    를 포함하는 것을 특징으로 하는 차량 내비게이션 시스템에서의 경로 계산 방법.
  20. 차량용 내비게이션 시스템으로서:
    -차량 센서 시스템(1-14)에 인터페이스를 제공하는 인터페이스 유닛(26)과,
    -도로 구간에 대해 제공된 정보를 기초로 도로 구간에 대한 차량의 파라미터중 적어도 제1 동작 파라미터를 추정하고 상기 제1 동작 파라미터를 기초로 도로 구간에 대한 추진 관련 동작 파라미터를 추정하는 것에 의해 도로 구간에 대한 차량의 추진 관련 동작 파라미터를 추정하도록 된 처리 유닛(21)
    을 포함하며,
    상기 추정은 적어도 하나의 차량 특정 파라미터를 고려하며,
    상기 처리 유닛(21)은,
    -차량(1)이 운전 중에 상기 인터페이스 유닛을 통해 적어도 2개의 차량 동작 파라미터에 대한 운전 데이터를 획득하고,
    -상기 적어도 2개의 차량 동작 파라미터 사이에 상기 적어도 하나의 차량 특정 파라미터를 고려한 미리 정해진 관계를 제공하고,
    -상기 적어도 2개의 차량 동작 파라미터와 상기 관계에 대한 운전 데이터로부터 상기 적어도 하나의 차량 특정 파라미터를 결정하는 것
    에 의해 상기 적어도 하나의 차량 특정 파라미터를 또한 결정하도록 되어 있는 것을 특징으로 하는 차량용 내비게이션 시스템.
  21. 제20항에 있어서, 상기 처리 유닛에 의해 결정된 적어도 하나의 차량 특정 파라미터를 저장하도록 된 데이터베이스(22)를 더 포함하는 것을 특징으로 하는 차량용 내비게이션 시스템.
  22. 제20항 또는 제21항에 있어서, 상기 처리 유닛은 제1항 내지 제19항 중 한 항의 방법을 수행하도록 된 것을 특징으로 하는 차량용 내비게이션 시스템.
  23. 계산 장치의 내부 메모리로 로딩될 수 있는 컴퓨터 프로그램 제품으로서, 상기 프로그램 제품의 실행시 제1항 내지 제19항 중 한 항의 방법을 수행하기 위한 소프트웨어 코드부를 포함하는 것을 특징으로 하는 컴퓨터 프로그램 제품.
  24. 저장된 전자 판독 가능한 제어 정보를 갖는 전자 판독 가능한 데이터 캐리어로서, 상기 제어 정보는 컴퓨터 장치에 상기 데이터 캐리어 사용시 제1항 내지 제19항 중 한 항의 방법을 수행하도록 구성된 것을 특징으로 하는 전자 판독 가능한 데이터 캐리어.
KR1020100014575A 2009-02-18 2010-02-18 추진 관련 동작 파라미터 추정 방법 KR101728406B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP09002291.4 2009-02-18
EP09002291.4A EP2221581B1 (en) 2009-02-18 2009-02-18 Method of estimating a propulsion-related operating parameter

Publications (2)

Publication Number Publication Date
KR20100094420A true KR20100094420A (ko) 2010-08-26
KR101728406B1 KR101728406B1 (ko) 2017-04-19

Family

ID=41050389

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100014575A KR101728406B1 (ko) 2009-02-18 2010-02-18 추진 관련 동작 파라미터 추정 방법

Country Status (6)

Country Link
US (1) US8571748B2 (ko)
EP (1) EP2221581B1 (ko)
JP (1) JP5639765B2 (ko)
KR (1) KR101728406B1 (ko)
CN (1) CN101825469A (ko)
CA (1) CA2692982C (ko)

Families Citing this family (103)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5029494B2 (ja) * 2008-05-27 2012-09-19 アイシン・エィ・ダブリュ株式会社 走行エネルギー学習装置、方法およびプログラム
US11482058B2 (en) 2008-09-09 2022-10-25 United Parcel Service Of America, Inc. Systems and methods for utilizing telematics data to improve fleet management operations
WO2010030341A1 (en) 2008-09-09 2010-03-18 United Parcel Service Of America, Inc. Systems and methods of utilizing telematics data to improve fleet management operations
US8634984B2 (en) 2009-09-29 2014-01-21 Clarion Co., Ltd. Navigation system
US8423273B2 (en) * 2010-03-30 2013-04-16 Honda Motor Co., Ltd. Minimum energy route for a motor vehicle
US8527132B2 (en) 2010-03-30 2013-09-03 Honda Motor Co., Ltd. Energy maps and method of making
EP2561315B1 (en) * 2010-04-21 2019-10-02 TomTom Navigation B.V. System and method of generating a route across an electronic map
DE102010030309A1 (de) 2010-06-21 2011-12-22 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Ermittlung einer energieverbrauchsoptimierten Route
DE102010047080B4 (de) * 2010-10-01 2012-09-06 Audi Ag Verfahren zum Gewinnen eines Geschwindigkeitsprofils
DE102010048322A1 (de) * 2010-10-13 2012-04-19 Man Truck & Bus Ag Fahrerassistenzsystem für ein Kraftfahrzeug und entsprechendes Betriebsverfahren
US20110225105A1 (en) * 2010-10-21 2011-09-15 Ford Global Technologies, Llc Method and system for monitoring an energy storage system for a vehicle for trip planning
EP2455714B1 (en) * 2010-11-18 2019-01-23 Harman Becker Automotive Systems GmbH Method and device for displaying road segments
EP2652471B1 (en) * 2010-12-15 2019-01-23 Volvo Lastvagnar AB Torque calibration method
US9162679B2 (en) * 2010-12-23 2015-10-20 Cummins Intellectual Property, Inc. System and method of vehicle operating condition management
WO2012089279A1 (en) * 2010-12-31 2012-07-05 Tomtom International B.V. Non-uniform weighting factor as route algorithm input
US20110224852A1 (en) * 2011-01-06 2011-09-15 Ford Global Technologies, Llc Methods and system for selectively charging a vehicle
US8849499B2 (en) * 2011-01-06 2014-09-30 Ford Global Technologies, Llc Methods and systems for monitoring a vehicle's energy source
US9208626B2 (en) 2011-03-31 2015-12-08 United Parcel Service Of America, Inc. Systems and methods for segmenting operational data
US9953468B2 (en) 2011-03-31 2018-04-24 United Parcel Service Of America, Inc. Segmenting operational data
GB201105830D0 (en) * 2011-04-06 2011-05-18 Lysanda Ltd Mass estimation model
US20130041552A1 (en) 2011-08-11 2013-02-14 Ford Global Technologies, Llc Methods and Apparatus for Estimating Power Usage
US8983752B2 (en) 2011-08-22 2015-03-17 Trimble Navigation Limited System and method for identifying characteristics of a vehicle
US8907776B2 (en) 2011-10-05 2014-12-09 Ford Global Technologies, Llc Method and apparatus for do not disturb message delivery
FR2983614B1 (fr) 2011-12-02 2017-02-03 Renault Sa Procede d'estimation de la consommaton energetique d'un vehicule automobile
US8849742B2 (en) 2012-01-24 2014-09-30 Ford Global Technologies, Llc Method and apparatus for providing charging state alerts
US9378601B2 (en) 2012-03-14 2016-06-28 Autoconnect Holdings Llc Providing home automation information via communication with a vehicle
US20140310379A1 (en) 2013-04-15 2014-10-16 Flextronics Ap, Llc Vehicle initiated communications with third parties via virtual personality
US9384609B2 (en) 2012-03-14 2016-07-05 Autoconnect Holdings Llc Vehicle to vehicle safety and traffic communications
WO2014172327A1 (en) 2013-04-15 2014-10-23 Flextronics Ap, Llc Synchronization between vehicle and user device calendar
US9412273B2 (en) 2012-03-14 2016-08-09 Autoconnect Holdings Llc Radar sensing and emergency response vehicle detection
US9147298B2 (en) 2012-03-14 2015-09-29 Flextronics Ap, Llc Behavior modification via altered map routes based on user profile information
US9082239B2 (en) 2012-03-14 2015-07-14 Flextronics Ap, Llc Intelligent vehicle for assisting vehicle occupants
US8706416B2 (en) 2012-04-03 2014-04-22 Ford Global Technologies, Llc System and method for determining a vehicle route
DE102012016768A1 (de) * 2012-08-23 2014-05-15 Elektrobit Automotive Gmbh Technik zum Verarbeiten kartographischer Daten für das Bestimmen energiesparender Routen
CN103148862B (zh) * 2013-02-18 2015-06-17 东南大学 一种考虑低碳排放约束影响的交通方式与路径选择方法
US9802597B2 (en) * 2013-03-11 2017-10-31 Cummins Intellectual Properties, Inc. System and method of vehicle transient torque management
US9462545B2 (en) 2013-03-14 2016-10-04 Ford Global Technologies, Llc Method and apparatus for a battery saver utilizing a sleep and vacation strategy
US10222222B2 (en) * 2013-03-15 2019-03-05 Abalta Technologies, Inc. Roundtrip range projection
GB2511867B (en) * 2013-03-15 2016-07-13 Jaguar Land Rover Ltd Vehicle speed control system and method
US9066298B2 (en) 2013-03-15 2015-06-23 Ford Global Technologies, Llc Method and apparatus for an alert strategy between modules
US9121719B2 (en) 2013-03-15 2015-09-01 Abalta Technologies, Inc. Vehicle range projection
JP6301605B2 (ja) * 2013-07-31 2018-03-28 株式会社東芝 抵抗推定装置、エネルギ推定装置、方法およびプログラム
US10473474B2 (en) * 2013-10-04 2019-11-12 GM Global Technology Operations LLC System and method for vehicle energy estimation, adaptive control and routing
DE102013220426B3 (de) * 2013-10-10 2015-03-19 Continental Automotive Gmbh Verfahren zum Betreiben eines Fahrzeugs und Fahrerassistenzsystem für ein Fahrzeug
JP5920309B2 (ja) * 2013-10-21 2016-05-18 トヨタ自動車株式会社 移動支援装置、移動支援方法、及び運転支援システム
US9805521B1 (en) 2013-12-03 2017-10-31 United Parcel Service Of America, Inc. Systems and methods for assessing turns made by a vehicle
DE102013225558A1 (de) * 2013-12-11 2015-06-11 Volkswagen Aktiengesellschaft Verfahren zum Ermitteln eines Fahrzustandes eines Hybridfahrzeuges für Streckensegmente einer vorausliegenden Fahrstrecke und Hybridfahrzeug
US9168925B2 (en) * 2013-12-30 2015-10-27 Ford Global Technologies, Llc Method for estimating grade and rolling direction
US9067589B1 (en) * 2014-02-28 2015-06-30 Ford Global Technologies, Llc Hybrid powertrain mode determination based on spatial domain route segmentation
US9389086B2 (en) * 2014-03-27 2016-07-12 Heba Abdulmohsen HASHEM Transportation planner and route calculator for alternative travel methods
US9327712B2 (en) * 2014-04-22 2016-05-03 Alcatel Lucent System and method for control of a hybrid vehicle with regenerative braking using location awareness
DE102014006321A1 (de) 2014-04-30 2015-11-05 Avl List Gmbh System und Verfahren zur Analyse der Energieeffizienz eines Kraftfahrzeugs, insbesondere einer Vorrichtung des Kraftfahrzeugs
DE102014006322A1 (de) 2014-04-30 2015-11-05 Avl List Gmbh System und Verfahren zur Analyse der Energieeffizienz eines Fahrzeugs
US9272712B2 (en) * 2014-05-20 2016-03-01 Ford Global Technologies, Llc Vehicle energy consumption efficiency learning in the energy domain
US20160123752A1 (en) * 2014-10-30 2016-05-05 Microsoft Corporation Estimating and predicting fuel usage with smartphone
US20160334221A1 (en) 2015-05-11 2016-11-17 United Parcel Service Of America, Inc. Determining street segment headings
JP6546456B2 (ja) * 2015-06-19 2019-07-17 矢崎エナジーシステム株式会社 走行情報解析装置及びコンピュータプログラム
JP6347235B2 (ja) * 2015-07-30 2018-06-27 トヨタ自動車株式会社 ハイブリッド車両の制御装置
US10532736B2 (en) * 2015-11-06 2020-01-14 Honda Motor Co., Ltd. Vehicle travel control device
US10692126B2 (en) 2015-11-17 2020-06-23 Nio Usa, Inc. Network-based system for selling and servicing cars
US20180012197A1 (en) 2016-07-07 2018-01-11 NextEv USA, Inc. Battery exchange licensing program based on state of charge of battery pack
US9928734B2 (en) 2016-08-02 2018-03-27 Nio Usa, Inc. Vehicle-to-pedestrian communication systems
US10031523B2 (en) 2016-11-07 2018-07-24 Nio Usa, Inc. Method and system for behavioral sharing in autonomous vehicles
US10410064B2 (en) 2016-11-11 2019-09-10 Nio Usa, Inc. System for tracking and identifying vehicles and pedestrians
US10708547B2 (en) 2016-11-11 2020-07-07 Nio Usa, Inc. Using vehicle sensor data to monitor environmental and geologic conditions
US10694357B2 (en) 2016-11-11 2020-06-23 Nio Usa, Inc. Using vehicle sensor data to monitor pedestrian health
US10515390B2 (en) 2016-11-21 2019-12-24 Nio Usa, Inc. Method and system for data optimization
US10249104B2 (en) 2016-12-06 2019-04-02 Nio Usa, Inc. Lease observation and event recording
US10315663B2 (en) * 2017-01-10 2019-06-11 Ford Global Technologies, Llc Adaptive climate control system
US10074223B2 (en) 2017-01-13 2018-09-11 Nio Usa, Inc. Secured vehicle for user use only
US9984572B1 (en) 2017-01-16 2018-05-29 Nio Usa, Inc. Method and system for sharing parking space availability among autonomous vehicles
US10471829B2 (en) 2017-01-16 2019-11-12 Nio Usa, Inc. Self-destruct zone and autonomous vehicle navigation
US10031521B1 (en) 2017-01-16 2018-07-24 Nio Usa, Inc. Method and system for using weather information in operation of autonomous vehicles
US10286915B2 (en) 2017-01-17 2019-05-14 Nio Usa, Inc. Machine learning for personalized driving
US10464530B2 (en) 2017-01-17 2019-11-05 Nio Usa, Inc. Voice biometric pre-purchase enrollment for autonomous vehicles
US10897469B2 (en) 2017-02-02 2021-01-19 Nio Usa, Inc. System and method for firewalls between vehicle networks
US10551842B2 (en) * 2017-06-19 2020-02-04 Hitachi, Ltd. Real-time vehicle state trajectory prediction for vehicle energy management and autonomous drive
US10234302B2 (en) 2017-06-27 2019-03-19 Nio Usa, Inc. Adaptive route and motion planning based on learned external and internal vehicle environment
US10710633B2 (en) 2017-07-14 2020-07-14 Nio Usa, Inc. Control of complex parking maneuvers and autonomous fuel replenishment of driverless vehicles
US10369974B2 (en) 2017-07-14 2019-08-06 Nio Usa, Inc. Control and coordination of driverless fuel replenishment for autonomous vehicles
US10837790B2 (en) 2017-08-01 2020-11-17 Nio Usa, Inc. Productive and accident-free driving modes for a vehicle
US10890459B2 (en) * 2017-10-13 2021-01-12 John Matsumura Systems and methods for variable energy routing and tracking
US10635109B2 (en) 2017-10-17 2020-04-28 Nio Usa, Inc. Vehicle path-planner monitor and controller
US10606274B2 (en) 2017-10-30 2020-03-31 Nio Usa, Inc. Visual place recognition based self-localization for autonomous vehicles
US10935978B2 (en) 2017-10-30 2021-03-02 Nio Usa, Inc. Vehicle self-localization using particle filters and visual odometry
US10717412B2 (en) 2017-11-13 2020-07-21 Nio Usa, Inc. System and method for controlling a vehicle using secondary access methods
AT520185B1 (de) * 2017-12-04 2019-02-15 Avl List Gmbh Prüfstand und Verfahren zur Durchführung eines Prüfversuchs
US10429849B2 (en) * 2017-12-14 2019-10-01 Baidu Usa Llc Non-linear reference line optimization method using piecewise quintic polynomial spiral paths for operating autonomous driving vehicles
KR102423172B1 (ko) * 2018-03-20 2022-07-22 모빌아이 비젼 테크놀로지스 엘티디 차량의 항법을 위한 시스템 및 방법
US10369966B1 (en) 2018-05-23 2019-08-06 Nio Usa, Inc. Controlling access to a vehicle using wireless access devices
EP3842304B1 (en) 2018-08-14 2024-09-18 Mobileye Vision Technologies Ltd. Systems and methods for navigating with safe distances
US10974729B2 (en) * 2018-08-21 2021-04-13 At&T Intellectual Property I, L.P. Application and portability of vehicle functionality profiles
US10814881B2 (en) * 2018-10-16 2020-10-27 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle velocity predictor using neural networks based on V2X data augmentation to enable predictive optimal control of connected and automated vehicles
US10710600B2 (en) * 2018-11-08 2020-07-14 Ford Global Technologies, Llc Apparatus and method for providing climate and comfort control while optimizing the fuel economy of a motor vehicle
US11370435B2 (en) 2019-09-04 2022-06-28 GM Global Technology Operations LLC Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving
DE102019215587A1 (de) * 2019-10-10 2021-04-15 Continental Automotive Gmbh Verfahren zum Berechnen von relativen positiven oder negativen Beschleunigungen mittels Crowdsourcing
FI20205114A1 (en) * 2020-02-04 2021-08-05 Roadcloud Oy Determination and use of route-specific rolling resistance data to control vehicles
CN115485681A (zh) * 2020-03-18 2022-12-16 伊莱克特拉车辆股份有限公司 用于管理速度配置文件的系统和方法
FR3115256A1 (fr) * 2020-10-16 2022-04-22 IFP Energies Nouvelles Procede pour determiner un profil de vitesse minimisant les emissions polluantes d'un vehicule
WO2023021162A2 (en) * 2021-08-19 2023-02-23 Swiss Reinsurance Company Ltd. Automated dynamic routing unit and method thereof
DE102022101485A1 (de) 2022-01-24 2023-07-27 Audi Aktiengesellschaft Verfahren zum Ermitteln mindestens einer Route eines zumindest teilweise elektrisch antreibbaren Fahrzeugs, Navigationsvorrichtung sowie Kraftfahrzeug mit einer derartigen Navigationsvorrichtung
CN115123221B (zh) * 2022-06-21 2024-08-06 合众新能源汽车股份有限公司 一种速度规划方法、装置和设备
CN116989817B (zh) * 2023-09-26 2023-12-08 常州满旺半导体科技有限公司 基于数据分析的能源设备安全检测数据传输系统及方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5838726B2 (ja) * 1980-04-03 1983-08-25 株式会社デンソー 車両用航続可能距離表示方法
JPS58221120A (ja) * 1982-06-18 1983-12-22 Hitachi Ltd トリツプコンピユ−タ
US4845630A (en) * 1987-03-23 1989-07-04 Paccar Inc. Method and apparatus for calculating corrected vehicle fuel economy
US5216623A (en) * 1990-06-06 1993-06-01 M. T. Mcbrian, Inc. System and method for monitoring and analyzing energy characteristics
US5301113A (en) * 1993-01-07 1994-04-05 Ford Motor Company Electronic system and method for calculating distance to empty for motorized vehicles
US5668310A (en) * 1995-01-20 1997-09-16 Alternative Fuel Technology Systems, Ltd. Co. Vehicle fuel usage tracking device
US5505076A (en) * 1995-01-20 1996-04-09 Alternative Fuel Technology Systems, Ltd. Co. Vehicle fuel usage tracking device
JPH08237810A (ja) 1995-02-27 1996-09-13 Aqueous Res:Kk ハイブリッド車両
DE19605458C1 (de) * 1996-02-14 1997-09-04 Hyundai Motor Co Ltd Fahrzeugnavigationssystem und Verfahren zum Auswählen einer Fahrtstrecke entsprechend dem Kraftstoffverbrauch
JPH10122883A (ja) * 1996-10-15 1998-05-15 Aqueous Res:Kk 車両用ナビゲーション装置及びルート設定方法
US6005494A (en) * 1996-10-16 1999-12-21 Chrysler Corporation Energy minimization routing of vehicle using satellite positioning an topographic mapping
US5913917A (en) * 1997-08-04 1999-06-22 Trimble Navigation Limited Fuel consumption estimation
JP2000002553A (ja) * 1998-06-18 2000-01-07 Hino Motors Ltd ナビゲーション装置
JP2000050416A (ja) * 1998-07-31 2000-02-18 Honda Motor Co Ltd 走行速度制御装置
US6571168B1 (en) * 1999-03-23 2003-05-27 Cummins, Inc. System for determining fuel usage within a jurisdiction
US7502672B1 (en) * 2000-04-24 2009-03-10 Usa Technologies, Inc. Wireless vehicle diagnostics with service and part determination capabilities
US6591185B1 (en) * 2002-02-11 2003-07-08 Visteon Global Technologies, Inc. Method for determination of fuel usage for a vehicle in a vehicle navigation system
WO2004077283A2 (en) * 2003-02-27 2004-09-10 Acculeon, Inc. A vehicle management system
US6931309B2 (en) * 2003-05-06 2005-08-16 Innosurance, Inc. Motor vehicle operating data collection and analysis
US7821421B2 (en) * 2003-07-07 2010-10-26 Sensomatix Ltd. Traffic information system
DE10335927B4 (de) * 2003-08-06 2005-09-22 Siemens Ag Navigationssystem mit Ermittlung einer verbrauchsoptimierten Route
US7389178B2 (en) * 2003-12-11 2008-06-17 Greenroad Driving Technologies Ltd. System and method for vehicle driver behavior analysis and evaluation
JP4544006B2 (ja) * 2005-04-01 2010-09-15 日産自動車株式会社 燃料消費演算方法
JP2006300780A (ja) * 2005-04-21 2006-11-02 Denso Corp 経路探索装置
US7925426B2 (en) * 2005-11-17 2011-04-12 Motility Systems Power management systems and devices
WO2007061409A2 (en) * 2005-11-21 2007-05-31 Ford Motor Company Navigation system for a vehicle
JP2008101977A (ja) * 2006-10-18 2008-05-01 Pioneer Electronic Corp 経路探索装置、経路探索方法、及び経路探索プログラム
JP4840077B2 (ja) * 2006-10-24 2011-12-21 株式会社デンソー コスト算出装置、ナビゲーション装置、プログラム
US20080133120A1 (en) * 2006-11-30 2008-06-05 Romanick Ian D Method for determining and outputting travel instructions for most fuel-efficient route
JP4997011B2 (ja) * 2007-07-25 2012-08-08 日立オートモティブシステムズ株式会社 自動車の燃料消費量推定システム、経路探索システム、及び運転指導システム
WO2009129106A1 (en) * 2008-04-15 2009-10-22 The Uwm Research Foundation, Inc. Power management systems and methods in a hybrid vehicle

Also Published As

Publication number Publication date
JP5639765B2 (ja) 2014-12-10
CA2692982A1 (en) 2010-08-18
EP2221581A1 (en) 2010-08-25
US20110040438A1 (en) 2011-02-17
EP2221581B1 (en) 2017-07-19
JP2010190895A (ja) 2010-09-02
US8571748B2 (en) 2013-10-29
CN101825469A (zh) 2010-09-08
CA2692982C (en) 2015-09-15
KR101728406B1 (ko) 2017-04-19

Similar Documents

Publication Publication Date Title
KR101728406B1 (ko) 추진 관련 동작 파라미터 추정 방법
CN107000751B (zh) 用于提供建议驾驶速度的设备及方法
US11443563B2 (en) Driving range based on past and future data
EP2431711B1 (en) Vehicle navigation system
JP6758025B2 (ja) 高いハイブリッド化度を有するハイブリッド車両のための制御システム
US8712676B2 (en) Method for computing an energy efficient route
US8798901B2 (en) Travel distance estimating apparatus, travel distance estimating method, travel distance estimating program, and recording medium
CN103364006B (zh) 用于确定车辆路径的系统和方法
CN109383505B (zh) 用于确定车辆的高效驾驶速度的系统和方法
KR20170131375A (ko) 변하는 도로 상태들에 따라 차량들을 보조하는 기술들
JP4918076B2 (ja) ハイブリッド車両の制御装置およびハイブリッド車両
CN106767874A (zh) 用于通过在车辆导航系统中的群体感知的燃料消耗预测和成本估计的方法及装置
CN106347256A (zh) 路面水淹推定装置
US9208622B2 (en) Resistance estimation apparatus, energy estimation apparatus, system, method and program
WO2014192615A1 (ja) シミュレーション装置、シミュレーション方法及びプログラム
CN112918475B (zh) 一种用于车辆的自动巡航控制方法及自动巡航系统
JP2013008287A (ja) 道路勾配推定システム、道路勾配推定装置、及びプログラム
JP2015170138A (ja) 車両走行制御情報収集装置
WO2021198791A1 (en) Vehicle efficiency prediction and control
CN109923566B (zh) 用于确定机动车辆速度曲线的方法
JP2019112989A (ja) 車両の燃費推定装置
JP5711937B2 (ja) 制動履歴データベース作成装置及び作成方法
Eriksson Estimation of distance to empty for heavy vehicles

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