KR20160135753A - 에너지 제약이 있는 이동 계획 - Google Patents

에너지 제약이 있는 이동 계획 Download PDF

Info

Publication number
KR20160135753A
KR20160135753A KR1020167028374A KR20167028374A KR20160135753A KR 20160135753 A KR20160135753 A KR 20160135753A KR 1020167028374 A KR1020167028374 A KR 1020167028374A KR 20167028374 A KR20167028374 A KR 20167028374A KR 20160135753 A KR20160135753 A KR 20160135753A
Authority
KR
South Korea
Prior art keywords
energy
driver
vehicle
path
information
Prior art date
Application number
KR1020167028374A
Other languages
English (en)
Other versions
KR101906190B1 (ko
Inventor
앤드류 디. 바글리노
토르스텐 하이어
브레넌 보브렛
매튜 폭스
비닛 에이치. 매타
게이지로 이케베
케빈 쉬에
크레이그 비. 칼슨
제프리 비. 스트로벨
Original Assignee
테슬라 모터스, 인크.
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 테슬라 모터스, 인크. filed Critical 테슬라 모터스, 인크.
Publication of KR20160135753A publication Critical patent/KR20160135753A/ko
Application granted granted Critical
Publication of KR101906190B1 publication Critical patent/KR101906190B1/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
    • B60L11/18—
    • 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
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/70—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by fuel cells
    • 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
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
    • 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
    • Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

하나의 방법은, (i) 차량의 에너지 스토리지의 충전 상태, (ii) 차량에 대해 계획된 드라이빙 경로에 대응하는 경로 정보, 및 (iii) 예측된 드라이버 특성에 적어도 대응하는 정보를 수신하는 것; 수신된 정보의 이용을 판정하고, 차량의 드라이버에게, 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도(energy-versus-distance measure)를 제시하는 것; 적어도 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 수신하는 것; 및 수신된 정보 및 사용자 입력의 이용을 판정하고, 제안된 변경을 고려한 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도를 드라이버에게 제시하는 것을 포함한다.

Description

에너지 제약이 있는 이동 계획{TRIP PLANNING WITH ENERGY CONSTRAINT}
많은 차량은 내비게이션 기능을 가진다. 일반적으로, 이것은 무선 기술(예를 들면, GPS)에 바탕을 두고 있으며, 드라이버가 실시간으로 표시되는 맵에서 차량의 위치를 볼 수 있게 하고, 또한 1개 이상의 목적지로의 이동을 계획하는 기능을 제공할 수 있다.
차량을 추진하는 엔진의 유형에 상관없이, 운전을 계속하기 위해서는 에너지가 때때로 보급되어야 한다. 예를 들면, 일부 차량은 배터리에 저장된 에너지에 의해 파워를 받는 완전 전기 드라이브트레인(drivetrain)에 의존하는 한편, 다른 일부 차량은 하이브리드 엔진 또는 심지어 화석 연료의 연소에 의존하는 연소 엔진을 사용한다. 드라이버가 차량의 잔존 에너지의 상태를 모니터링하고 이용 가능한 에너지 레벨이 의도하는 드라이빙 거리의 나머지 부분(예를 들면, 이동의 나머지)에 어떠한 영향을 주게 될지를 파악하는 데 관심을 갖는 것은, 모든 유형의 차량에 공통된다.
제 1 양태에서, 방법은, (i) 차량의 에너지 스토리지의 충전 상태, (ii) 차량에 대해 계획된 드라이빙 경로에 대응하는 경로 정보, 및 (iii) 예측된 드라이버 특성에 적어도 대응하는 정보를 수신하는 단계, 수신된 정보의 이용을 판정하고, 차량의 드라이버에게, 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도(energy-versus-distance measure)를 제시하는 단계, 적어도 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 수신하는 단계, 및 수신된 정보 및 사용자 입력의 이용을 판정하고, 제안된 변경을 고려한 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도를 드라이버에게 제시하는 단계를 포함한다.
실시예는, 다음의 특징의 일부 또는 전부를 포함할 수 있다. 예측된 드라이버 특성은 추정 드라이빙 속도를 포함하고, 제안된 변경은 추정 드라이빙 속도를 수정한다. 예측된 드라이버 특성은 드라이버의 드라이빙 기록을 반영한다. 예측된 드라이버 특성은 차량의 차량군(fleet of vehicles)으로부터의 드라이빙 기록을 반영한다. 정보는 추정 실내 환경 제어 시스템 사용을 반영하고, 제안된 변경은 추정 실내 환경 제어 시스템 사용을 수정한다. 정보는 추정 차량 닫음 설정(closure setting)을 반영하고, 제안된 변경은 추정 차량 닫음 설정을 수정한다. 방법은, 제 1 에너지-대-거리 척도를 제시하는 단계 및 제 2 에너지-대-거리 척도를 제시하는 단계는, 거리의 함수로서 에너지 스토리지의 잔존 에너지의 그래프를 제시하는 단계를 포함한다. 그래프에 있어서, 계획된 드라이빙 경로의 종료 지점에서, 제 1 에너지-대-거리 척도 및 제 2 에너지-대-거리 척도에 대응하는 충전 상태 퍼센티지의 각각의 표시를 제공하는 단계를 더 포함한다. 사용자 입력은, 차량이 계획된 드라이빙 경로의 일부에 대해 드라이빙된 후에 수신되고, 계획된 드라이빙 경로의 드라이빙된 부분에 의거하여 종료 지점에 대한 충전 상태 퍼센티지를 판정하고, 그래프에서 판정된 충전 상태 퍼센티지의 표시를 제공하는 단계를 더 포함한다. 계획된 드라이빙 경로는 개시 지점 및 종료 지점을 포함하고, 방법은, 계획된 드라이빙 경로에, 전기 차량을 위한 충전 위치에 대응하는 충전 중간지점을 추가하는 단계를 더 포함하고, 현재의 에너지-대-거리 척도는 충전 중간지점의 추가에 의거하여 다시 계산된다. 충전 중간지점은, 에너지 스토리지의 충전 상태에 응답하여 자동으로 추가된다. 방법은, 에너지 스토리지의 충전 상태에 응답하여, 택일적 충전 중간지점들을 드라이버에게 제시하는 단계를 더 포함하고, 충전 중간지점은 드라이버에 의한 선택에 의거하여 계획된 드라이빙 경로에 추가된다. 드라이버는 충전 위치를 지정하는 정보를 입력하고, 충전 중간지점은 입력된 정보를 이용해서 계획된 드라이빙 경로에 생성 및 추가된다. 제 1 에너지-대-거리 척도는 이력 정보에 의거하고, 차량이 계획된 드라이빙 경로의 일부에 대해 드라이빙된 후에, 제 3 에너지-대-거리 척도가 계획된 드라이빙 경로의 드라이빙된 부분에 의거하여 판정되고, 제 3 에너지-대-거리 척도는 모델 에러(model error) 및 드라이버 에러(driver error)를 이용해서 제 1 에너지-대-거리 척도를 수정하고, 사용자 입력에 응답하여, 제 2 에너지-대-거리 척도는, 드라이버 에러가 아닌, 제안된 변경 및 모델 에러를 이용해서 제 1 에너지-대-거리 척도를 수정함으로써 판정된다.
제 2 양태에 있어서, 실행시 프로세서에 동작들을 행하게 하는 명령어가 저장된 컴퓨터 판독 가능한 스토리지 매체로서, 동작들은, (i) 차량의 에너지 스토리지의 충전 상태, (ii) 차량에 대해 계획된 드라이빙 경로에 대응하는 경로 정보, 및 (iii) 예측된 드라이버 특성에 적어도 대응하는 정보를 수신하는 것, 수신된 정보의 이용을 판정하고, 차량의 드라이버에게, 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도를 제시하는 것, 적어도 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 수신하는 것, 및 수신된 정보 및 사용자 입력의 이용을 판정하고, 제안된 변경을 고려한 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도를 드라이버에게 제시하는 것을 포함한다.
제 3 양태에 있어서, 실행시, 프로세서에 그래픽 사용자 인터페이스를 생성하게 하는 명령어가 저장된 컴퓨터 판독 가능한 스토리지 매체로서, 그래픽 사용자 인터페이스는, 차량에 대해 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도를 제시하는 영역 ― 제 1 에너지-대-거리 척도는 (i) 전기 차량의 에너지 스토리지의 충전 상태, (ii) 전기 차량에 대응하는 경로 정보, 및 (iii) 예측된 드라이버 특성을 적어도 포함하는 수신된 정보를 이용해서 판정됨 ―, 및 적어도 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 생성하는 입력 제어를 포함하고, 수신된 정보 및 사용자 입력을 이용해서 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도가 판정되어 영역에서 제시되고, 제 2 에너지-대-거리 척도는 제안된 변경을 고려하한다.
도 1은 에너지 제약을 이용한 차량 내비게이션을 행하는 시스템을 나타낸 개략도.
도 2a 내지 도 2c는 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖는 것으로 판정된 예를 나타내는 도면.
도 3a 내지 도 3e는, 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖지 않고 사용자가 충전 중간지점을 수동으로 추가하는 예를 나타내는 도면.
도 4a 내지 도 4d는, 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖지 않고 사용자가 시스템에 의해 제안된 충전 중간지점을 선택하는 예를 나타내는 도면.
도 5a 내지 도 5d는, 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖지 않고 시스템이 충전 중간지점을 자동으로 추가하는 예를 나타내는 도면.
도 6a 내지 도 6c는 사용자 선호, 제안 및 커스텀 경로의 예를 나타내는 도면.
도 7a 내지 도 7c는 드라이브 시뮬레이터를 사용하는 예를 나타내는 도면.
도 8a 내지 도 8c는 초기 예측, 동적 예측 및 "가정(what if)" 시뮬레이션이 제시되는 예를 나타내는 도면.
본원은, 사용자에게 하나 이상의 에너지-대-거리 척도를 제시하는 이동 계획을 제공하기 위한 시스템 및 기술에 대해 설명한다. 일부 실시예에서, 시스템은, 계획된 차량 이동의 개시시에, 얼마나 많은 에너지(예를 들면, 전기 차량의 배터리 충전 또는 내연 기관 차량의 연료)가 계획된 이동의 종료시에 남게 될지를 나타내는 척도를 제시할 수 있다. 이동 중의 임의의 지점에서, 차량에 실제로 잔존하는 에너지는 예측에 있어서 하나 이상의 에러에 따라 예측 양과 다를 수 있다. 따라서, 시스템은, 드라이버가 나머지 이동 동안 자신의 운전 거동(예를 들면, 드라이빙 스타일)을 변경할 경우, 에너지 소비량이 어떻게 변화할지를 드라이버가 평가하기 위한 방법을 제공할 수 있다(하나 이상의 에너지-대-거리 척도에 의해 나타남).
일부 실시예에서, 하나 이상의 소스로 인한 에너지 소비량의 예측시의 누적 에러를 "모델 에러"라 하고, 이것은 예측에 사용되는 기초 에너지 모델과 관련되기 때문이다. 이동 전체는 다수의 컴퓨터 기반 도로 세그먼트들로 논리적으로 구성될 수 있다. 차량이 하나 이상의 세그먼트를 드라이빙한 후, 지금까지 이동에 대한 사후평가(hindsight)의 에너지 소비를 계산할 수 있다. 어떤 의미에서, 사후평가의 에너지 계산은, 횡단 세그먼트(들)에서 드라이버의 실제 속도를 알고 있었더라면, 이동의 개시시에 예측되었을 에너지 소비를 나타낸다. 사후평가의 에너지는 횡단된 다수의 세그먼트들에 걸쳐 합산된다. 우선 소비된 실제 에너지로부터 사후평가의 에너지 소비 전체를 빼고, 이어서 그 차를 사후평가의 에너지 소비로 나눔으로써, 모델 에러가 계산된다.
이와 대조적으로, 드라이버 에러는, 예측된 드라이버 거동과는 다른 드라이버의 거동으로 인한 누적 에러로서 정의될 수 있다. 이것은, 단지 일부 예를 들면, 드라이버가 진행한 속도, 또는 드라이버가 실내 환경 조절 또는 전력을 사용하는 다른 기능을 활성화시키고 있는지의 여부와 연관될 수 있다. 드라이버 에러는, 우선 사후평가의 에너지 소비로부터 세그먼트(들)에 걸친 예측된 에너지 사용을 빼고, 이어서 그 차를 사후평가의 에너지 소비로 나눔으로써 계산될 수 있다. 즉, 여기에서, 예측된 에너지는 하나 이상의 횡단 세그먼트들에 걸친 예측된(실제가 아닌) 속도를 이용해서 작성된 추정치이다.
모델 에러 및 드라이버 에러는, 사용자에게 제시되는 에너지-대-거리 척도에 영향을 주며, 이는 이후 본원에서 예시된다.
도 1은 에너지 제약을 이용한 차량 내비게이션을 행하는 시스템(100)을 개략적으로 나타낸다. 사용자 인터페이스(102)에서, 사용자는 기점(104) 및 목적지(106)를 입력한다. 일부 실시예에서, 기점이 (예를 들면, 현재의 GPS 데이터에 의거하여) 자동으로 입력될 수 있다. 이 정보는 시스템의 이동 계획 컴포넌트(108)에 제공된다. 예를 들면, 이동 계획 컴포넌트는 하나 이상의 소프트웨어 모듈로서 구현될 수 있다. 이동 계획 컴포넌트(108)는 경로-발견 동작(110)을 행한다. 지정된 기점으로부터 지정된 목적지로의 경로가 판정된다. 판정된 경로, 차량 세부 사항 및 이동할 도로 세그먼트(들)에 대한 정보에 의거하여, 시스템은 에너지 계산 동작(112)을 행한다. 에너지 계산은 차량이 목적지로 이동하는 데 얼마나 많은 에너지(예를 들면, 얼마나 많은 킬로와트아워(kilowatthour) 전기 충전, 또는 얼마나 많은 연료)가 필요한지를 판정한다.
동작(110)은 하나 이상의 내비게이션 툴을 사용할 수 있고, 에너지 계산 동작(112)은 하나 이상의 도로 부하 방정식을 사용할 수 있다. 두 가지 동작은 데이터 소스(113)로부터 하나 이상의 유형의 데이터를 고려할 수 있다. 데이터 유형은, 제한이 아닌 예시로서, 차량 프로필(예를 들면, 임의의 선택적 장비를 포함하는 차량의 유형 및 모델), 차량군 프로필(예를 들면, 평균 배터리 소비 데이터 또는 드라이버 거동 등의 차량의 차량군으로부터 수집되는 데이터), 드라이버 에러 및 모델 에러(예를 들어 후술됨), 도로 네트워크 데이터(예를 들면, 도로 세그먼트에 대한 길이, 슬로프 및 표면 유형), 날씨 데이터(예를 들면, 바람 또는 강수량에 관한 로컬화 정보) 및 트래픽 데이터를 포함한다. 데이터 소스 정보의 일부는 연속적으로 업데이트되어, 예를 들면 현재 날씨 및 교통 정보를 고려하거나 현재 드라이버의 드라이버 에러를 조정할 수 있다.
에너지 계산으로부터의 출력은, 시스템의 사용자 인터페이스(114)의 업데이트시에 사용될 수 있다. 일부 실시예에서, 맵 인터페이스(116)는, 예를 들면 목적지에서 잔존하는 예측 에너지 양을 나타내도록 업데이트될 수 있다. 일부 실시예에서, 분석 인터페이스(118)는, 예를 들면 에너지-대-거리 차트를 표시하기 위해 업데이트될 수 있다. 이들 인터페이스 중 어느 것 또는 모두는, 도움이 되는 방식으로, 차량에 얼마나 많은 에너지가 남아 있는지를 나타내는 에너지-대-거리 척도를 제시할 수 있다. 인터페이스의 예는 이후에 설명된다.
에너지 계산 동작(112)은, 분기 질문(120)(이 예에서는, 에너지가 목적지에서 충분히 남아 있습니까?로 기재되어 있음)에 대한 답변을 판정한다. 즉, 에너지 계산은, 차량이 현재 이동의 끝에 도달하는 데 충분한 에너지를 가짐을 나타내거나, 차량이 도중에 재충전 또는 연료 재보급이 이루어져야 함을 나타낸다. 이 예에서, 질문(120)에 대한 가능한 결과는, yes(122A), no(122B), 및 yes지만 에너지 레벨이 낮음(122C)이다. 대답이 yes(122A)일 경우, 이동 계획의 컴포넌트는, 새로운 계산이 행해져야 할 때까지, 기본적으로 유휴(idle)로 유지될 수 있다. 예를 들면, 데이터 소스로부터의 새로운 데이터(113)(있을 경우)를 고려할 수 있도록, 에너지 계산은 정기적인 간격으로 반복될 수 있다.
대답이 no(122B)일 경우, 시스템은, 하나 이상의 식별된 충전 옵션들의 리스트를 생성하는 동작(124)을 행할 수 있다. 이것은 차량에 대해 계획된 경로를 고려하고 충전 스테이션의 소스(126)를 사용할 수 있다. 예를 들면, 충전 스테이션은 배터리 재충전, 배터리 교환, 및/또는 연료 재보급을 제공할 수 있다. 생성된 리스트에 의거하여, 시스템은, 하나 이상의 가능한 충전 옵션이 발견되었는 지의 여부를 판정하는 분기 쿼리(128)를 행한다. 이러한 판정의 결과는 사용자 인터페이스(130)에서 하나 이상의 동작을 트리거할 수 있다. 일부 실시예에서, 시스템은 계획된 경로(132A)에 하나 이상의 충전 중간지점을 자동으로 추가할 수 있거나, 시스템은 사용자 선택을 위한 하나 이상의 충전 중간지점(132B)을 제안할 수 있거나, 사용자는, 시스템이 알지 못했던 하나 이상의 충전 중간지점(예를 들면, 비공공 충전 장비)을 수동으로 추가할 수 있다. 예를 들면, 동작(124)에서 no 응답 후에, 옵션(132C)만을 사용자가 이용할 수 있는 한편, yes 후에는, 모든 3개의 옵션(132A-C)이 사용될 수 있다. 옵션(132A-C)의 어느 것 후에, 이동 계획 컴포넌트(108)의 동작(110)이 다시 행해져, 중간지점(들)을 포함하는 올바른 경로를 찾고 에너지 계산을 업데이트할 수 있다.
질문(120)에 대한 결과가 yes이지만 에너지 레벨이 낮은 경우(122C), 시스템은, 차량이 보다 효율적으로 운전되어야 하거나(낮은 속도 또는 덜 가속 등), 드라이버가 전력(예를 들면, 실내 환경 제어 시스템)을 소비하는 기능을 끄거나, 드라이버가 선루프 또는 다른 차량 클로저를 닫는 것(공기 역학을 개선할 수 있음)을 권고할 수 있다.
이동 전 또는 중에 하나 이상의 지점에서, 드라이버는 사용자 인터페이스(138)에서 "가정" 시뮬레이션을 행할 수 있다. "가정" 시뮬레이션은, 몇몇 예를 들면, 차량의 에너지 소비가 특정 드라이빙 스타일이나 실내 환경 제어의 사용에 의해 어떻게 영향을 받는지 드라이버가 조사할 수 있게 한다. 일부 실시예에서, 드라이버는, 예를 들면 가상 속도 및/또는 실내 환경 제어 값을 입력함으로써 입력(140)을 작성할 수 있고, 시스템은 이러한 제약(들)을 고려하면서 에너지 소비를 시뮬레이션할 수 있다. 예를 들면, "가정" 시나리오의 결과가 (예를 들면, 예측된 잔존 에너지에 따라 경로 세그먼트들을 라벨링함으로써) 맵(116), 또는 (예를 들면, 예측된 잔존 에너지를 진행 거리의 함수로서 나타냄으로써) 분석 인터페이스(118)에서 제시될 수 있다.
드라이버는 사용자 인터페이스(142)로 경로를 수정할 수 있다. 예를 들면, 수정(144)은 경로에 하나 이상의 중간지점을 추가하거나, 계획된 경로를 왕복 이동으로 하는 것을 수반할 수 있다. 다른 예로서, 변경(146)은 하나 이상을 고려하여 경로를 변경하는 것을 수반할 수 있다(예를 들면, 경치가 좋은 지역을 지나는 우회로를 포함시킴).
사용자 인터페이스(102, 114, 130, 138 및 142)는 하나 이상의 디스플레이 디바이스에서 생성될 수 있다. 일부 실시예에서, 차량은, 차량 설정의 제어시에 사용하기 위해 구성되는 기본 디스플레이 화면(예를 들면 터치스크린)을 갖고, 이러한 디스플레이는 본원에서 설명되는 상호 작용 중의 어느 것에 사용될 수 있다. 다른 예로서, 인터페이스는 하나 이상의 모바일 디바이스 또는 다른 휴대 기기(예를 들면, 스마트폰 및 GPS 디바이스)에 통합될 수 있다.
도 2a 내지 도 2c는 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 가진다고 판정되는 예를 나타낸다. 즉, 이것은 답변 yes(122A)(도 1)에 대응하고, 여기에서는 어느 추가적인 충전 중간지점을 제공할 필요가 없다. 이 예를, 예를 들면 디스플레이 디바이스에서 드라이버에게 제시되는 사용자 인터페이스(200)를 이용해서 설명한다. 사용자 인터페이스는, 검색 버튼을 갖는 텍스트 입력 필드 등의 검색 기능(202)을 가진다. 여기에서, 검색은 "Sacramento"에 대한 것이고, 맵 영역(204)은 검색 결과인 Sacramento, California를 나타내도록 업데이트되었다. 맵 영역은, 적절한 배경(예를 들면, 맵 또는 위성 이미지)에서 하나 이상의 경로를 제시하고, 제한이 아닌 예시로서, 차량의 현재 위치, 에너지 상태(예를 들면, 배터리 충전 레벨) 및 경로의 나머지 부분에 대한 예측을 포함하는, 드라이버에게 유용한 정보를 나타낼 수 있다.
검색 결과에 대한 정보 박스(206)가 제시되고, 이 박스는 차량이 현재 이 위치에서 얼마나 떨어져 있는지(이 예에서는, 120마일)를 나타낸다. 또한, 정보 박스(206)는 해당 목적지(즉, 이 예에서는, Sacramento, Ca)에의 새로운 이동을 개시하기 위한 제어(208)를 제공한다. 드라이버가 제어(208)를 작동시킬 경우, 이것은 사용자 인터페이스(102)(도 1)에서 이루어지는 입력에 대응할 수 있다. 즉, 이것은 예를 들면 상기 예시한 바와 같이, 이동 계획의 컴포넌트에 이동 기점(차량의 현재 위치) 및 이동 목적지가 입력되게 할 수 있다. 이어서, 이동을 위한 에너지 계산이 행해지고, 예시하는 바와 같이, 현재의 예는, 차량이 이동 전체에 대해 이미 충분한 에너지(예를 들면, 충분한 배터리 충전)를 가진 것을 상정하고 있다.
따라서, 사용자 인터페이스(200)는, 예를 들면 도 2b에 나타내는 바와 같이, 이동의 개시를 반영하도록 업데이트될 수 있다. 여기에서, 맵 영역(204)은 이제 차량의 현재 위치뿐만 아니라 이 이동에 대해 판정된 경로의 초기 세그먼트를 나타낸다. 또한, 턴-바이-턴 명령 및 목적지 필드(212)를 제시하는 정보 영역(210)도 표시된다. 목적지 필드는 목적지의 이름 및 그에 대한 거리뿐만 아니라, 드라이브를 위한 예측된 타이밍 정보(예를 들면, 추정 기간 및 도착 시간)를 포함한다.
목적지 필드(212)는 또한, 차량이 목적지에 도달할 때 가질 것으로 추정되는 에너지 레벨(이 예에서는, 50% 에너지가 잔존)을 나타내는 에너지 인디케이터(214)를 포함한다. 즉, 목적지와 연관된 에너지 인디케이터(214)는 에너지-대-거리 척도의 예이다. 에너지 인디케이터 및 차량 경로가 컬러화(또는 음영화 또는 패턴화)되어, 차량이 재충전 또는 연료 재보급 없이 목적지에 도달하는 데 충분한 에너지를 갖는 것으로 예측됨을 반영할 수 있다. 예를 들면, 경로 및 에너지 인디케이터는 녹색으로 나타날 수 있다.
인디케이터(216)는, 에너지 인디케이터(214)의 값의 현재의 추이(trend)의 방향을 반영한다. 이 예에서, 화살표는 상향이며, 이는 예측되는 잔존 에너지가 현재 표시되는 값보다 높은 경향에 있음을 의미한다(즉, 50% 이상). 이러한 추이는, 드라이빙 속도 및 실내 환경 제어의 사용 등 에너지 효율에 영향을 주는 요인을 모니터링하는 것에 의거한다. 즉, 차량이 현재 에너지 계산에서 추정되는 것보다 느리게 운전되고 있을 경우, 이것은 예측된 것보다 에너지가 덜 사용됨을 나타내서, 인디케이터는 상향 화살표로서 제시될 수 있다. 마찬가지로, 차량이 추정 계산에서보다 더 많은 에너지를 사용하는 방식으로 운전되고 있는 경우, 하향 화살표가 나타날 수 있다.
사용자가 이동 오버뷰 제어(218)를 선택하면, 사용자 인터페이스는 이동 전체에 관한 정보를 나타내도록 업데이트될 수 있다. 도 2c가 이 예를 나타내고 있고, 여기에서 맵 영역(204)은, 차량의 현재 위치에 대한 마커를 갖고 이동 전체에 대한 경로를 현재 나타내고 있다. 사용자 인터페이스는 또한, 계획된 이동에 관한 이동 정보 영역(220)을 나타낸다. 이동 정보 영역은, 에너지 인디케이터(현재 80%임)를 갖는 현재 위치 및 에너지 인디케이터(214)를 갖는 목적지를 제시한다. 경로 요소(222)는 현재 위치와 목적지 사이의 경로를 나타내며, 경로가 주간고속도로 I-80를 지나며 2시간이 소요될 것으로 추정되는 등의 일부 관련 정보를 제시된다. 경로 요소는 맵 영역(204)에서의 경로 및 에너지 인디케이터(예를 들면, 녹색)와 동일한 컬러(또는 음영 또는 패턴)를 가질 수 있다. 컬러/음영/패턴 경로 요소(222)는 에너지-대-거리 척도의 또 다른 예이다.
여기에서의 예는, 차량의 드라이버가 다양한 시스템의 사용자인 관점에서 설명되고 있다. 이것은 단지 단순화를 위해 행해지고 있으며, 설명되는 시스템 및 기술이 적용 가능한 법률 또는 규정을 단지 준수하는 방식으로 사용되는 것이 고려되고 있다. 예를 들면, 드라이버는, 시스템을 안전하게 동작시키기에 앞서 차량을 정차할 필요가 있을 수 있다.
드라이브 시뮬레이터 제어(224)는, 운전 거동 또는 차량 설정의 일부 양태의 변경의 에너지 관련 영향을 드라이버가 조사 가능하게 하며, 이하의 예에서 설명된다.
도 3a 내지 도 3e는 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖지 않고 사용자가 충전 중간지점을 수동으로 추가하는 예를 나타낸다. 즉, 이것은 도 1의 시나리오에 대응하고, 여기에서 에너지 충분성 판정은 no(122B)로 되며, 옵션(132C)으로 이어진다.
이전 예와 마찬가지로, 드라이버는 검색 기능(202)을 사용하지만, 여기에서는 대신 "Los Angeles"를 입력한다. 따라서, 맵 영역(204) 및 정보 박스(206)는, Los Angeles, California가 드라이버의 검색 결과임을 현재 반영하고 있다. 이 예에서, 해당 위치는 차량의 현재 위치로부터 320마일 떨어져 있다.
드라이버가 제어(208)를 작동시킬 경우, 목적지에 대한 경로가 판정될 것이고, 차량이 이동 전체를 위해 충분한 에너지를 현재 갖고 있는 지의 여부를 판정하도록, 에너지 계산이 수행될 것이다. 이 예에서는, 차량이 도중에 재충전/재급유되어야 하는 것이 상정한다.
따라서, 사용자 인터페이스(200)는, 도 3b에 나타난 바와 같이 업데이트될 수 있다. 즉, 맵 영역(204)은, 경로 요소(300A-C)로 나타나는 경로 전체를 현재 나타내고 있다. 이동 정보 영역(220)은 현재 위치(차량은 80% 충전이 남아 있음) 및 목적지를 나타내며, 여기에서, 에너지 인디케이터(214)는 30% 부족(즉, 음의 30%)을 나타낸다. 이동 정보 영역의 경로 요소(222A-C)는 맵 영역에서의 각 경로 요소(300A-C)에 대응한다. 각 경로 요소는, 경로의 해당 부분 동안의 예측된 잔존 에너지 레벨을 반영하도록 컬러화(또는 음영화 또는 패턴화)될 수 있다. 컬러/음영/패턴 경로 요소(300A-C)는 에너지-대-거리 척도의 예이다.
예를 들면, 경로 요소(300A 및 222A)에 대응하는 이동 부분 동안, 에너지가 충분하다고 예측되어, 이들 경로 요소는 녹색으로 컬러화될 수 있다. 그러나, 이동 중의 일부 지점에서, 차량의 저장 에너지(예를 들면, 배터리 충전)가 미리 정의된 임계값 아래로 떨어질 것으로 예측된다(예를 들면, 10% 잔존). 따라서, 이것은 경로 요소(300B 및 222B)의 개시를 정의하고, 이에 따라 이들 경로 요소는 달리 강조 표시될 수 있다(예를 들면, 노란색). 마지막으로, 예측은 (재충전/재급유가 없다면) 차량이 에너지가 고갈될 것임을 나타내고, 이것은 경로 요소(300C 및 222C)에 의해 나타나며 이에 따라 강조 표시될 수 있다(예를 들면, 빨간색). 그러나, 이러한 상황이 발생하는 것을 방지하기 위해, 시스템은, 적절한 조치를 취할 수 있도록, 드라이버에게 경고(302)를 제시할 수 있다.
충전 중간지점의 수동 추가를 설명할 목적으로, 여기에서는, 시스템이 계획된 경로를 따른 임의의 이용 가능한 충전 스테이션을 모르는 것으로 상정한다. 즉, 현재의 예는, 소스(126)(도 1)가, 이 특정 경로에 대해 이 차량의 요구에 맞는 임의의 충전 중간지점을 포함하지 않는다는 전제에 의거한다.
이어서, 드라이버는, 충전을 위해 이용 가능한 위치에 대해 시스템에 통지할 수 있다. 즉, 여기에서, 소스(126)(도 1)는 여기에서 모든 공공 충전 스테이션을 포함할 것으로 예상되지만, 드라이버는, 알고 있는 이용 가능한 사설 또는 준사설 충전 스테이션에 관해 시스템을 업데이트할 수 있다. 여기서, 드라이버는, 검색 기능(202)에 "5550 Old River Rd, Bakersfield"를 입력하고, 이어서 사용자 인터페이스가 도 3c에 나타내는 바와 같이 업데이트될 수 있다. 맵 영역(204)은 현재 Bakersfield, California 주위의 영역을 나타내고, 중간지점 박스(304)가 제시되어 있다. 중간지점 박스는 이 위치까지의 거리(여기에서는 255마일)를 나타내며 이 위치를 중간지점으로서 이동에 추가하기 위한 제어(306)를 제공하는 한편, 제어(308)는 드라이버가 대신 새로운 이동을 개시 가능하게 한다. 여기에서, 경로 요소(300A)가 시인 가능하여, 새로운 위치가 원래 계획된 경로 근방임을 나타낸다. 이 예에서, 드라이버는 제어(306)를 작동시키고, 이어서 시스템은, 경로에 중간지점이 추가된 차이로 인해, 다시 경로 판정 및 에너지 계산을 행한다.
도 3d는 중간지점이 추가된 후의 사용자 인터페이스(200)의 예를 나타낸다. 현재, 새로운 위치(즉, Bakersfield, CA)가 중간지점으로서 이동에 추가되었지만, 시스템은 아직 이 중간지점에서의 어떠한 추가적인 충전을 고려하고 있지 않다. 따라서, 이동 정보 영역에는, Bakersfield에 대한 중간지점 영역(310)이 업데이트되고, 이 영역은 중간지점에의 도달시의 차량의 잔존 에너지의 예측 레벨(여기에서는 19%)을 나타내는 에너지 인디케이터(312)를 포함한다. 또한, 최종 목적지에 대한 에너지 인디케이터(214)는 30% 대신 음의 32%를 나타내며, 이는, 차량이 원래의 경로(예를 들면, 주간고속도로)에서 벗어나서 Bakersfield의 특정 위치를 방문할 경우 작은 양의 에너지(여기에서는 약 2%)를 사용할 것임을 반영한다. 마지막으로, 경고(302)는 계획대로 최종 목적지에 도달하기 위해 충전이 필요함을 드라이버에게 여전히 통지한다.
중간지점 영역(310)에서의 제어(314)는, 드라이버가 이 중간지점에서 차량을 충전(또는 경우에 따라, 전기 배터리 교환 또는 재급유)하는 것을 지정 가능하게 할 수 있다. 사용자가 제어(314)를 작동시킬 경우, 이것은, Bakersfield를 충전 중간지점으로서 정의하도록 시스템을 트리거하고, 사용자 인터페이스(200)는 도 3e에 나타난 바와 같이 업데이트될 수 있다.
여기에서, 제어(314)는 활성 상태를 나타내도록 변경되고, 지시(316)가 중간지점 영역(310)에서 제공된다. 이 예에서, 드라이버는, 적어도 62% 충전 상태까지 차량을 충전하도록 지시받으며, 여기에서 이것은 차량의 배터리에 31kWh를 추가하는 것에 대응한다. 목적지에 대한 에너지 인디케이터(214)에 따르면, 차량은 목적지에 도착시 10%의 에너지가 남을 것으로 현재 예상된다. 즉, 경로에 충전 중간지점 추가시, 시스템은, 목적지에 도달시 얼마나 많은 에너지가 남아야 하는지(이 예에서는 10%)의 임계값을 갖고 개시될 수 있다. 이어서, 시스템은, 임계값이 만족될 것으로 예상되게 지시(316)를 구성할 수 있다.
맵 영역(204)에는, 새롭게 추가된 위치에서 차량이 충전되어야 함을 나타내는 마커가 업데이트될 수 있다. 또한, 경로 요소(300A-C)(예를 들면, 도 3b)는, 차량의 에너지 상황의 변화를 반영하도록 수정될 수 있다. 예를 들면, 여기에서 제 1 경로 요소(318A)는 충전 중간지점까지의 이동의 제 1 부분을 나타낸다. 제 2 경로 요소(318B)는, 차량의 에너지 레벨이 미리 정의된 임계값 아래로 떨어지는 것이 예측되는 지점과 충전(또는 재급유) 사이의 이동 부분을 나타낸다. 이에 따라, 경로 요소(318A-B)의 진행 동안, 차량이 미리 정의된 임계값 위로 유지되는 것이 예측되고, 이에 따라 이들 요소는 동일한 유형의 컬러/음영/패턴(예를 들면, 녹색)을 가질 수 있다. 이와 대조적으로, 에너지 임계값이 더 이상 만족되지 않는 후의 이동의 마지막 부분을 나타내는 제 3 경로 요소(318C)는 다른 방식으로 강조 표시될 수 있다(예를 들면, 녹색 윤곽). 그러나, 충전 중간지점이 경로에 추가되었으므로, 차량은, 더 이상 이전의 경로 요소(300B-C)(예를 들면, 도 3b)의 낮은 에너지 레벨에 도달할 것으로 예측되지 않는다.
도 4a 내지 도 4d는, 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖고 있지 않고 사용자가 시스템에 의해 제안된 충전 중간지점을 선택하는 예를 나타낸다. 이전 예와 마찬가지로, 드라이버는 Los Angeles를 검색하고, 이 목적지로의 새로운 이동을 개시하고, 시스템에 의해 충전이 필요함이 통지된다. 이 점에서, 도 4a 및 도 4b는 도 3a 및 도 3b과 마찬가지이다. 그러나, 이 예에서, 시스템은 적어도 하나의 이용 가능한 충전 중간지점을 알고 있고, 이에 따라 도 4b는 경고(302)에 제어(400)를 포함한다. 제어(400)는 특정 경로 및 현재 에너지 레벨에 의존하여 이용 가능한 충전을 위한 옵션을 제공하고, 여기에서 드라이버가 제어를 작동시킨다.
도 4c는, 이용 가능한 충전을 위한 옵션을 나타내도록, 사용자 인터페이스(200)가 업데이트될 수 있는 방법의 예를 나타낸다. 선택 영역(402)은, 드라이버가 선택하기 위한 하나 이상의 충전 정차를 나타낸다. 이들 옵션은 시스템에 의해 드라이버에게 제안으로서 제시되고, 소스(126)(도 1)의 충전 스테이션들 중에서 선택될 수 있다. 차에 에너지를 보급하기 위한 임의의 적절한 시설이 제시될 수 있다. 예를 들면, 옵션(404A)은 Tesia Supercharger에 대응하고, 옵션(404B)은 Tesia 배터리 교환 스테이션이고, 옵션(404C)은 ChargePoint 스테이션이다. 옵션(404A-C) 각각은 가용성 정보(406) 및 적어도 하나의 서비스 아이콘(408)을 제시할 수 있다. 예를 들면, 이것은, 스테이션에서 대기가 있을 가능성의 여부 및 차량의 충전 동안 드라이버(및 임의의 승객)가 무엇을 할 수 있는지를 나타낼 수 있다.
여기에서, 옵션(404A)은 (예를 들면, 디폴트에 의해) 선택되었고, 이는, 맵 영역(204)에서 정보 박스(406)를 제시하도록 시스템을 트리거한다. 정보 박스는, 특정 정차에 대한 정보가 포함하고 있으며, 또한 이동에 충전 중간지점을 추가하거나 새로운 이동을 개시하는 제어(306 및 308)를 각각 제공한다. 여기에서는, 드라이버가 이동에 옵션(404A)을 추가하는 것을 선택한다.
추가된 충전 중간지점에 의거하여, 시스템은 경로를 다시 판정하고 에너지 계산을 행한다. 도 4d는, 이동 정보 영역(220)이 Bakersfield에 대한 충전 중간지점 영역(410)을 포함하도록, 사용자 인터페이스(200)가 업데이트된 것을 나타낸다. 충전 지시(412) 및 다른 관련 정보가 충전 중간지점 영역에서 제시될 수 있다. 따라서, 에너지 인디케이터(214)는 새롭게 추가된 충전 중간지점에서 행해질 것으로 예상되는 충전에 의거하여 현재 업데이트된다.
일부 실시예에서, 차량의 통신 장비(예를 들면, 빌트인(built-in) 3G 또는 4G 디바이스)는 선택된 시설에 대한 예약 시스템에 원격으로 액세스하여, 가용성을 판정할 수 있고, 드라이버는 특정 옵션의 선택시에 예약 타임 슬롯을 할당받을 수 있다.
도 5a 내지 도 5d는, 차량이 계획된 목적지에 도달하는 데 충분한 에너지를 갖지 않고 시스템이 충전 중간지점을 자동으로 추가하는 예를 나타낸다. 이전 예와 마찬가지로, 드라이버는 Los Angeles를 검색하고, 이 목적지에 대한 새로운 이동을 개시하고, 시스템에 의해 충전이 필요함을 통지받는다. 이 점에서, 도 5a는 도 3a와 마찬가지이다. 그러나, 이 예에서, 시스템은, 이동에 충전이 필요하다는 것의 검출시에, 이동에 충전 중간지점을 자동으로 추가한다. 따라서, 도 5b는, 자동으로 추가되는 충전 중간지점에 대응하는 충전 중간지점 영역(500)을 정보 영역(210)이 나타내도록, 사용자 인터페이스(200)가 업데이트된 것을 나타낸다. 즉, 영역(210)은 현재, 차량이 Bakersfield 충전 스테이션에 도착하도록 취해야 할 경로에 대해 드라이버에게 지시하고, 해당 지점을 넘는 이동의 나머지 부분은 현재 시인 가능하지 않다.
그러나, 이동 전체의 개략을 보기 위해, 드라이버는 제어(218)를 작동시킬 수 있고 도 5c에 나타낸 바와 같이 사용자 인터페이스(200)가 업데이트될 수 있다. 특히, 이동 정보 영역(220)은 현재 충전 중간지점 영역(410)을 포함하고 있다. 드라이버가 충전 중간지점 영역(410)을 작동시킬 경우(예를 들면, 클릭 또는 다른 방법으로 선택), 예를 들면 도 5d에 나타난 바와 같이, 더 많은 정보를 드러내도록 이행될 수 있다. 여기에서, 충전에 관한 지시(412)가 드라이버에게 제시된다.
도 6a 내지 도 6c는 사용자 선호, 제안 및 커스텀 경로의 예를 나타낸다. 도 6a에서, 사용자 인터페이스(200)는, 시스템이 이동을 어떻게 라우팅할지 및/또는 시스템이 에너지 보급을 어떻게 처리할지에 영향을 주는 하나 이상의 입력을 드라이버가 행할 수 있는 선호 영역(600)을 포함한다. 특히, 경로 선호(602)는, 시스템이 가장 빠른 경로 또는 최단 경로를 선택하게 하는 것과, 경치 좋은 경로가 고려되어야 하는 것 사이에서, 드라이버가 선택 가능하게 한다. 충전 선호(604)는, 충전 중간지점(들)의 추가시에 시스템이 경로를 자동으로 완성하거나, 드라이브전 충전을 고려해야할지의 여부나, 충전을 위한 우회를 고려할지의 여부 사이에서, 드라이버가 선택 가능하게 한다. 사용자가 하나 이상의 선호를 선택하거나, 및/또는 하나 이상의 사전 선택된 선호를 클리어한 후, 시스템은 드라이버의 현재 선호를, 관련되어 있을 경우, 고려한다.
도 6b는, 시스템이 드라이버에게 선택할 옵션들을 제시하는 예를 나타낸다. 예를 들면, 여기에서 이동 정보 영역(220)은 옵션(608A-B)을 나타내는 옵션 영역(606)을 포함한다. 예를 들면, 옵션(608A)은, 하나의 충전 정차만이 필요한 짧은 경로(350마일)를 포함한다. 이 옵션은, 빠른 이동을 하기 위해 속도에 우선순위를 두는 드라이버에게 매력적일 수 있다. 대조적으로, 옵션(608B)은 경치가 좋은 경로를 포함하고 이에 따라 긴 경로(500마일)에 대응하며, 이것은 두 번의 충전 정차를 요할 것이다. 각 경로는 맵 영역(204)에 나타날 수 있다. 드라이버가 선택하는 옵션은, 그에 따라 경로를 계획하도록 시스템을 트리거할 것이다.
일부 실시예에서, 드라이버는 커스텀 경로를 선택할 수 있다. 여기에서, 지시(608)는, 드라이버가 제시된 경로 요소(들)를 드래그해서 경로를 변경할 수 있음을 나타낸다. 예를 들면, 도 6c는, 드라이버가 더 직접적인 경로로 개시하고 처음에 바다에 가깝게 주행되게 부분적으로 다시 라우팅하는 예를 나타낸다. 이어서, 커스텀 경로 영역(610)이 사용자 인터페이스(200)에서 제시될 수 있으며 관련 정보(예를 들면, 총 거리 및/또는 추정된 진행 시간)를 제시할 수 있고, 드라이버가 경로 변경을 취소할 수 있게 한다.
도 7a 내지 도 7c는 드라이브 시뮬레이터를 사용하는 예를 나타낸다. 시스템은, 예를 들면 도 7a에 나타난 바와 같이, 사용자 인터페이스(200)의 이동 정보 영역(220)에서 드라이브 시뮬레이터 제어(700)를 제공할 수 있다. 드라이브 시뮬레이터는, 드라이빙 거동 또는 차량 설정에서의 하나 이상의 변경에 의해 현재의 에너지 추정치가 어떻게 영향을 받을지 드라이버가 조사 가능하게 한다. 현재, 에너지 값은 다음과 같이, 에너지 인디케이터(312)에 따르면, 충전 중간지점에 도착할 때 차량은 20% 에너지가 잔존할 것으로 예상되고, 에너지 인디케이터(214)에 따르면, 목적지에 도착할 때 차량은 10% 에너지가 잔존할 것으로 예상된다.
드라이버에 의한 드라이브 시뮬레이터 제어(700)의 작동시, 드라이브 시뮬레이터는, 예를 들면 도 7b에 나타낸 바와 같이 개시될 수 있다. 여기에서, 속도 시뮬레이터(704) 및 실내 환경 제어 시뮬레이터(706)를 포함하는 드라이브 시뮬레이터 영역(702)이 제시된다. 속도 시뮬레이터가 개시되면, 드라이버가 예상되는 드라이빙 표준 스타일보다 높거나 낮은 속도를 선택할 경우, 예측되는 충전 레벨이 어떻게 변하는지를 드라이버가 평가 가능하게 한다. 예를 들면, 시스템에 의해 사용되는 디폴트 드라이빙 속도가 특정 경로 세그먼트에 대해 65mph이고, 드라이버가 속도 시뮬레이터(704)를 사용하여 더 빠른 속도(여기에서는, 70mph)를 입력하는 것을 선택하는 것을 상정한다. 즉, 이것은, 이 경로 세그먼트에서 드라이버가 시스템에 의해 예상되는 65mph 대신 70mph로 운전할 경우, 에너지 소비의 측면에서, 드라이버가 시스템에 묻는 것으로 생각될 수 있다. 제어(708)는, 이러한 가정 시나리오가 이동의 모든 경로에, 또는 현재 경로 세그먼트에만 적용되어야 하는지의 여부를, 드라이버가 지정 가능하게 한다. 여기에서, 제어는, 가정 시나리오 이동을 폭 넓게 적용하도록 활성화되었다.
드라이버의 입력에 응답해서, 시스템은, 드라이버의 가정 시나리오를 이용해서, 즉 입력된 70mph 값을 이용해서 에너지 계산을 행한다. 그 결과, 시스템은, Bakersfield에서 잔존될 것으로 예측되는 10% 에너지를 반영하도록 에너지 인디케이터(312)를 업데이트한다. 즉, 드라이버는, 이 드라이빙 스타일(즉, 높은 속도)로 인해, 배터리(또는 연료) 레벨이, 가정 시나리오 전에 예측되었던 20%가 아닌, 10%까지 내려갈 것임을 알 수 있다. 목적지에서 잔존하는 에너지(에너지 인디케이터(214)에 의해 나타남)는 이 가정 시나리오에서 변화될 것이라 예측되지 않는다. 그 이유는, 드라이빙 거동에서 이 가설적 변경을 보상하도록 Bakersfield에 대해 권고되는 충전량을 증가시킬 수 있기 때문이다. 즉, 시스템은, 가정 시나리오 전의 예측이었던 31kWh 이상 추가하도록 드라이버에게 지시할 것이다. 따라서, 목적지에서의 잔존 에너지는 또한 가정 시나리오에서의 10%가 계속된다.
에너지 인디케이터(214 및 312) 모두는, 화면이 실제 값이 아닌 시뮬레이션을 나타내고 있음을 드라이버를 상기시키도록 강조 표시되어 있다. 예를 들면, 강조 표시는 점선 윤곽을 제공하는 것을 포함할 수 있다. 맵 영역(204)에서의 경로 요소는 마찬가지인 방법으로 강조 표시될 수 있다. 이러한 강조 표시(예를 들면, 점선) 이외에도, 경로 요소는, 가정 시나리오에서 강조 표시가 유효한 정도로, 이전 컬러/음영/패턴(예를 들면, 녹색, 또는 녹색 윤곽)을 가질 수 있다. 녹색은 임계 에너지 이상이 잔존하는 것을 나타내는 것으로 상정한다. 이어서, 시뮬레이션된 변경이 경로의 해당 부분에서 차량을 임계값 이하로 되게 하지 않을 경우, 경로 요소는 가정 시나리오에서 계속해서 녹색으로 된다.
위의 예에서, 속도는 절대 수치(예를 들면, 70mph)로 설정된다. 일부 실시예에서, 드라이버는 다른 방식으로 정보를 입력할 수 있다. 예를 들면, 드라이버는 델타 값(예를 들면, 시스템의 예측 속도보다 5mph 위나 아래)을 입력함으로써 속도를 설정할 수 있다. 이러한 설정은 또한, 서로 다른 예측 드라이버 속도(예를 들면 65mph 세그먼트 및 55mph 세그먼트)의 세그먼트들을 경로가 포함할 경우 적용될 수 있다. 다른 예로서, 속도가 퍼센티지(예를 들면, 시스템의 예측 속도보다 10% 위나 아래)로서 입력될 수 있다.
실내 환경 제어 시뮬레이터(706)와 관련하여, 디폴트 설정이 "on"이고, 드라이버가 가정 시뮬레이션의 일부로서 대신 "off"로 변경하는 것을 상정한다. 이어서, 시스템은 이를 (활성화될 수도 있는 임의의 다른 가정 시나리오와 함께) 에너지 계산에 고려하고, 유사한 방법으로 결과를 제시한다. 예를 들면, 실내 환경 제어를 오프하는 것은, 일부 배터리 에너지 양을 절약할 것으로 예상되고, 이어서 예측 레벨이 대신 증가될 수 있다.
드라이버가 시스템에서 어떤 가정 시나리오를 실행하는지의 여부(실제, 특정 실시예가 해당 능력을 제공하는지의 여부)에 상관없이, 도 7c에 나타난 바와 같이, 시스템은 드라이버에게 권고를 제공할 수 있다. 예를 들면, Bakersfield 충전 중간지점에 대한 인디케이터(312)는 현재 5%를 가리키고 있는 것을 상정한다. 이것은, 값이 드라이빙 중에 이전 예측 레벨(예를 들면, 도 7a 참조)로부터 감소된 것을 의미한다.
예측 값의 변화는 에너지 예측에서의 에러로 간주될 수 있고, 여기에서 현재 에너지 레벨이 예측보다 낮아서(또는 높아서), 추가적으로 경로를 따라 감소(또는 증가) 예측으로 되게 된다. 예측 에러의 검출시, 시스템은 드라이버에게 권고 영역(710)을 제시할 수 있다. 여기에서, 권고(712A)는 드라이버가 보다 효율적으로 드라이빙(즉, 60mph에의 크루즈 속도를 설정)하도록 장려하고, 권고(712B)는 드라이버가 선루프를 닫을 것을 제안한다.
일부 실시예에서, 권고(712A-B) 중 적어도 하나는 동일한 권고를 실현하는 제어일 수 있다(또는 포함할 수 있다). 예를 들면, 드라이버가, 선루프를 닫도록 차량의 제어 시스템을 트리거하는 권고(712B)를 클릭할 수 있다. 물론, 드라이버는, 몇 가지 예를 들어 느리게 드라이빙하거나, 선루프를 닫거나, 실내 환경 제어를 오프함으로써 변화가 이루어지는 보통의 방식으로, 임의의 이러한 권고를 대신 실현할 수도 있다.
도 8a 내지 도 8c는, 시스템이, 초기 예측(800), 드라이브 중의 동적 예측(802), 및 사용자 입력에 의거한 가정 시나리오(804)를 제시하는 예를 나타낸다. 이러한 뷰 각각은, 보조 내비게이션 디바이스(예를 들면, GPS 유닛) 또는 차량의 기본 디스플레이 등의 디스플레이(806)에서 제시될 수 있다.
예측(800, 802 및 804)은 모두, 거리 또는 시간의 함수로서 에너지를 플롯하는 좌표계를 사용한다. 여기에서 예를 들면, 퍼센티지로서의 잔존 에너지는 세로축에 대해 측정되고, 이동 거리는 가로축에 대해 측정된다. 거리(또는 시간)의 함수로서 예측 에너지 레벨을 시각적으로 제시하는 다른 방법을 사용할 수 있다.
좌표계는 개시 값(808) 및 종료 값(810)을 포함한다. 개시 값은, 이동의 개시시 차량에서 이용 가능한 에너지 양(예를 들면, 전기 차량에서의 충전 상태, 이 예에서는 약 80%)에 대응하고, 종료 값은, 이동의 종료시에 잔존하리라 현재 예측되는 에너지 양에 대응한다. 여기에서, 이 값은 20%이고, 이것은 또한 에너지 인디케이터(812)에 의해 반영되어 있다. 어떤 의미에서, 이동은, 경로(814)를 따라 개시 값"으로부터" 종료 값"까지" 행해지는 것으로 예측된다. 즉, 경로(814)는 현재, 이용 가능한 모델에 기초한 예측이고, 이동이 취해지면 차량이 실제 따르는 에너지 소비 경로는 경로(814)와 다를 수 있다(예를 들면, 모델 에러 및/또는 드라이버 에러로 인함). 경로(814)는 에너지-대-거리 척도의 예이다.
예측되는 잔존 에너지의 초기 계산(즉, 종료 값(810) 및 에너지 인디케이터(812)에서 반영됨)은 다수의 유형의 정보를 고려할 수 있다. 일부 실시예에서, 다음이 사용될 수 있다.
도로 세그먼트 정의(예를 들면, 위도/경도 사양)
필요한 세그먼트 데이터(예를 들면, 도로 유형, 속도 제한)
트래픽 정보(예를 들면, 트래픽 속도에 대한 실시간 정보)
고도 프로필(세그먼트 슬로프)
파라미터화된 에너지 소비 방정식
차량 파라미터(예를 들면, 공기역학 저항, 타이어 롤링 저항, 또는 차량 질량의 계수)
차량의 전력 회생("regen")에 대한 제한(적용 가능할 경우)
드라이브트레인 효율(예를 들면, 경험적 데이터로부터 도출됨)
역풍, 옆바람 계산(예를 들면, NOAA 또는 다른 날씨 데이터 소스로부터 얻어지는 현재 데이터에 의거함)
항력 계수에 대한 옆바람 영향(예를 들면, 특정 차량 모델의 공기역학, 차량 속도 및 방향과, 풍속 및 방향에 대해 판정됨)
공기 밀도 계산(예를 들면, 현재 기상 데이터를 사용함)
캐빈 소비 계산(예를 들면, 경험적으로 도출되는 캐빈 소비 모델을 사용함)
예측 내부 배터리 손실 계산(예를 들면, 차량의 DC 에너지 소비에 의거함)
파라미터화된 에너지 소비 방정식은, 세그먼트 및 차량의 특정 특성을 고려한다. 일부 실시예에서, 특정 세그먼트에 대한 평균 도로 부하 전력은 도로 부하 방정식을 이용해서 계산될 수 있다. 예를 들면, 도로 부하 방정식은 차량의 차량군으로부터 얻어지는 드라이브 파라미터를 고려할 수 있으며, 이 파라미터는, 제한이 아닌 예시로서, 속도비(예를 들면, 예측 평균 속도로 나눈 예측 평균제곱근 속도), 예측 평균 양의(positive) 가속도(예를 들면, 차량 특정 또는 차량군에 의거함), 및 회생 파라미터(예를 들면, 총 회복 에너지의 회복 퍼센트)를 포함한다.
경로상의 각 지점에서의 날씨는, 그리드 날씨 큐브 또는 예측 경로를 따른 이산 위치들에서의 날씨로부터 보간될 수 있다. 일부 실시예에서, 날씨는 위도, 경도 및 시간의 그리드 함수일 수 있다. 예를 들면, 공기 밀도는 주위 온도, 상대 습도 및 고도의 함수일 수 있다. 주위 지표면 온도 및 상대 습도는 위도, 경도, 및 시간의 함수이다.
회생 전력 제한이 적용될 수 있다. 일부 실시예에서, 예상되는 회생 토크가 회생 토크 제한 밖일 경우, 잔존 전력은 브레이크에서 소모될 수 있다. 예를 들면, 회생 토크 제한은 평균 속도의 함수일 수 있고 룩업 테이블의 형태로 제공될 수 있다. 토크 제한이 예측되는 이용 가능한 배터리 충전 전력에 의해 포화될 수 있다(예를 들면, 배터리가 풀 상태일 경우, 어느 더 많은 에너지를 받아들일 수 없고 회생 토크 제한이 제로로 포화됨).
내부 배터리 손실은, 이동 전체에 걸쳐 배터리 밖으로의 에너지 가중 전력의 함수일 수 있다. 일부 실시예에서, 에너지 가중 평균 방전 전력이 주어지면, 이용 가능한 예측 출력 에너지가 판정될 수 있다. 예를 들면, 이러한 계산은 차량의 배터리 관리 시스템에 의해 행해질 수 있다.
이동 중의 하나 이상의 지점에서, 동적 예측이 행해진다. 일부 실시예에서, 계산은 기본적으로 연속적으로 행해진다. 새로운 예측이 행해질 경우, 좌표계는, 현재 상태를 드라이버에게 통지하도록 업데이트될 수 있다. 예를 들면, 에너지 인디케이터(812)가 업데이트될 수 있다.
도 8b는 드라이브 중의 동적 예측을 제시하는 예를 나타낸다. 여기에서, 차량은 현재, 좌표계의 가로축을 따른 위치(816)에 있고, 이는 차량이 125마일, 또는 계획된 이동의 절반을 진행한 것에 대응한다. 처음 예측된 경로(814)는 굵은 선을 가진 다른 경로(818)에 의해 현재 보완되었다. 경로(818)에 대한 값(820)은, 또한 에너지 인디케이터(822)에 의해 나타나는 차량의 현재 잔존 에너지 레벨(즉, 40%)을 반영한다. 값(820)은 경로(814)상의 대응하는 지점보다 좌표계에서 낮은 에너지 레벨에 있다. 즉, 차량은 현재, 경로를 따른 주행 거리에서 가질 것으로 처음 예측된 것보다 적은 잔존 에너지를 갖는다. 경로(818)는 에너지-대-거리 척도의 예이다.
경로(818)는 실제 컴포넌트(818A) 및 예측 컴포넌트(818B)를 갖는다. 실제 컴포넌트는 지금까지(즉, 개시 값으로부터 값(820)까지) 이동 중의 차량의 실제 에너지 상태를 반영한다. 예측 컴포넌트는 지금까지의 실제 에너지 값을 고려하여, 이동의 나머지에 대해 동적으로 업데이트되는 추정치를 반영한다. 즉, 동적 계산에 의거하여, 새로운 종료 값(824)이 현재 판정되고, 이것은 이전 예측 종료 값과 비교하여, (5% 잔존 에너지까지의) 하향 조정을 나타낸다. 이 동적으로 계산된 종료 값은 또한 인디케이터(812)에 의해 나타난다.
2개의 경로들(818 및 814)간의 차이는 예측 에러라 생각될 수 있고, 상술한 바와 같이, 이러한 에러는 두 가지 부분: 모델 에러 및 드라이버 에러로 구성되는 것으로 볼 수 있다. 모델 에러는 차량의 에너지 소비를 모델링함에 있어서의 불충분함에 대응한다(또한 드라이버가 상정된 예측으로 정확하게 드라이빙했다고 해도 일어날 수 있었던 것임). 한편, 드라이버 에러는, 예를 들면 차량이 예상보다 느리거나 빠르게 드라이빙되었거나 및/또는 다르게 가속되었다는 점에서, 이동에 대한 드라이버의 실제 속도를 예측함에 있어서의 불충분함에 대응한다. 또한 여기에서, 경로들(818 및 814)간의 갭은, 모델 에러 및 드라이버 에러에 비례하여 이동의 나머지 부분에서 증가될 것으로 예상된다.
이동의 일부 지점에서, 드라이버는 차량이 에너지가 너무 낮아지지 않는 것을 보장하도록 일부 조치를 취하는 것을 원할 수 있다. 따라서, 시스템은, 드라이버가 시뮬레이션된 시나리오(때때로, 가정 시나리오라고 함)를 평가할 수 있는 제어(826)를 제공한다.
제어(826)를 활성화시키는 것은, 드라이버가 서로 다른 드라이빙 파라미터의 영향을 조사하도록, 하나 이상의 입력 기능을 제공할 수 있다. 드라이브 시뮬레이터 영역(702)(도 7b)은 이와 관련하여 일부 예를 나타낸다. 일부 실시예에서, 드라이버는, 차량이 이동의 나머지에 대해 더 낮은 속도로 드라이빙되도록 지정할 수 있다. 예를 들면, 차량은 지금까지 추정 드라이버 속도(즉, 65mph 대신 약 75mph)를 넘고 실내 환경 제어가 활성화되어 드라이빙되었었을 수 있다.
이하 드라이버가 가정 시나리오를 활성화시키는 것으로 상정한다. 특히, 드라이버는 나머지 마일에 대해 드라이빙 스타일로서 55mph를 지정하고 실내 환경 제어를 오프하는 것을 지정한다. 드라이버의 입력 정보에 의거하여, 예측이 다시 계산되고 가정 시나리오가 제시된다.
도 8c는 이러한 가정 시나리오에서 제공되는 시뮬레이션 경로(828)의 예를 나타낸다. 시뮬레이션 경로는, 값(820)(가정 시나리오가 계산됨)으로부터 시뮬레이션된 종료 점(830)으로 된다. 시뮬레이션 에너지 인디케이터(832)는, 배터리가 목적지에서 20% 에너지가 잔존하는 것으로 예측됨을 나타낸다. 시뮬레이션 경로 및 시뮬레이션 에너지 인디케이터는, 그들이 시뮬레이션임을 나타내도록 점선 윤곽을 갖는다. 영역(834)은, 55mph 차량 속도를 유지하고 실내 환경 제어를 오프하는 것을 가정 시나리오가 수반하는 것을 드라이버에게 통지한다. 시뮬레이션 경로(828)는 에너지-대-거리 척도의 예이다.
가정 시나리오는, 차량의 현재 위치로부터 다시 계산되는 전향(forward looking)의 모델(이 예에서는 125마일)을 사용하고 현재 잔존 에너지(이 예에서는 40%)를 사용해서 판정된다. 전향의 모델은 드라이버 에러가 제로인 것임을 상정하고 있다는 것(즉, 드라이버는 가정 시나리오의 입력에서 나타나는 바와 같이 거동할 것임)이 중요하다. 예를 들면, 가정 시나리오는 다음과 같이 판정될 수 있다.
Figure pct00001
여기에서,
Figure pct00002
는 가정 시나리오에 따라 예측된 잔존 에너지이다.
Figure pct00003
는 특정 설정(예를 들면, 평균 차량 속도 및 캐빈 장비)에 의거하여 잔존 에너지를 예측하는 함수이다.
Figure pct00004
는 사용자가 가정 시나리오에서 입력한 평균 속도이다.
Figure pct00005
는 사용자가 가정 시나리오에서 입력한 실내 환경 제어 설정이다.
Figure pct00006
은 모델 에러에 적용된 가중치이다(예를 들면, 0과 1 사이의 요소).
Figure pct00007
는, 드라이버 에러와 함께, 가정 시나리오를 계산하는 지점(여기에서는, 위치(518))에서의 총 예측 에러를 구성하는 모델 에러이다.
즉, 가정 시나리오에 따라 예측되는 잔존 에너지를 판정하는 데 있어서, 드라이버가 입력한 속도 정보 및 캐빈 설정이 함수
Figure pct00008
에서 고려된다.
이와 대조적으로, 인디케이터(812)에 의해 반영되는(즉, 가정 시나리오를 반영하지 않는) 예상되는 에너지는, 모델 에러 및 드라이버 에러 모두를, 예를 들면 다음과 같이 고려한다.
Figure pct00009
여기에서,
Figure pct00010
는 모델에서 상정되는 차량의 평균 속도이다.
Figure pct00011
은 실내 환경 제어 시스템이 동작되고 있는 것으로 모델이 상정함을 나타낸다.
Figure pct00012
는 드라이버 에러에 적용된 가중치이다(예를 들면, 0과 1 사이의 인자).
Figure pct00013
는, 모델 에러와 함께 총 예측 에러를 구성하는 드라이버 에러이다.
즉, 어떠한 가정 시나리오 없이 예측되는 잔존 에너지를 판정하는 데 있어서, 모델이 상정한 평균 속도 및 캐빈 설정이 함수
Figure pct00014
에서 고려된다.
도 8c를 다시 참조하면, 시스템은, 차량의 현재 위치에 의거하여 가정 시나리오 계산을 업데이트하기 위해 제어(836)를 제공할 수 있다. 예를 들면, 위의 예에서, 제어(836)는 이동에 있어 나중에 활성화될 수 있고, 화면은, 차량 및 이동의 나머지 부분을 특성화하는 파라미터 및 값을 사용해서 계산된 정보가 업데이트된다. 다른 예로서, 시스템은 기본적으로 연속해서 가정 시나리오를 업데이트할 수 있다.
일부 실시예에서, 차량은 제조사 또는 다른 엔티티들에게 되돌려 데이터를 실질적으로 보고하는 것에 관련될 수 있다. 예를 들면, 차량은, 차량이 상시 또는 정기적으로 원격 위치에 다양한 데이터를 보고 가능하게 하는 통신 장비를 가질 수 있고, 이러한 데이터는 진단, 서비스, 고객 관련 관리, 또는 다른 목적에 사용될 수 있다. 적용 가능한 법률, 규정, 조례, 다른 규칙 및/또는 차량 소유자와의 계약 합의에 의해 요구되는 바와 같이, 차량의 소유자 및 다른 관계자(예를 들면, 승객), 및 그에 기인한 또는 관련된 데이터의 프라이버시는 보호된다.
이하, 차량이 에너지를 다 소비하지 않는 안락한 레벨을 드라이버에게 제공하는 것에 관련된 다른 양태를 설명한다. 전기 차량이 다음의 설명에서 예시로서 사용된다. 일부 실시예에서, 전기 차량은, 드라이버가 가장 가까운 충전 스테이션으로부터 너무 멀어지게 진행할 경우 및 그 때, 드라이버에게 경고하도록 구성된다. 어떤 의미에서, 이것은, 드라이버에게 차량이 범위 밖이 되지 않는 보증, 즉 축약해서 범위 보증을 제공하는 것으로 생각할 수 있다. 예를 들면, 시스템(100)(도 1)의 일부 기능이 사용될 수 있다. 내비게이션 동안(도 3a 내지 도 8c) 및/또는 차량이 내비게이션 없이 드라이빙 시에, 범위 보증이 제공될 수 있다.
차량이 드라이빙되고 있을 경우, 차량 시스템은 관련 정보를 모니터링하고 드라이버가 이용 가능한 이용 가능 에너지의 레벨 및 옵션에 관한 계산을 한다. 일부 실시예에서, 동작(112)(필요한 에너지를 계산)에 의해 고려되는 임의의 또는 모든 정보(데이터 소스(113)로부터의 정보 등)가 고려될 수 있다. 예를 들면, 자동차의 위치 및 전기 에너지 스토리지(예를 들면, 배터리 팩)의 SOC(state-of-charge)가 판정될 수 있다. 행해지는 다른 계산은 자동차 관련하여 실행 불가능 반경을 정의하는 것이다. 즉, 차량이 도중에 재충전이 행해지지 않을 경우, 해당 반경에 의해 정의되는 원을 넘어 차량이 드라이빙되는 것이 실행 불가능하도록, 반경이 SOC, 위치 등에 관한 알고 있는 정보에 의거하여 정의된다. 한편, 원 내의 어느 위치는 현재 상황에서 잠재적(반드시 확실한 것은 아님)으로 도달 가능하다.
계산된 원은, 충전 스테이션들의 세트를 하위세트, 즉 원 내에 위치되는 충전 스테이션으로 줄인다. 이 줄이기는 차량이 액세스 가능한 충전 스테이션들의 리스트로부터 행해진다. 일부 실시예에서, 동작(124)(식별된 충전 옵션들의 리스트를 생성)은 충전 스테이션의 소스(126)를 사용하여 이 작업을 행할 수 있다. 예를 들면, 차량이 과거에 방문한 차저(charger)뿐만 아니라 알려진 모든 차저들(예를 들면, Tesla Motors 슈퍼차저 및 목적지 차저)의 리스트가 차량에 저장되어, 이 정보의 소스로서 사용될 수 있다.
충전 스테이션의 하위세트는 실시간으로 모니터링된다. 수시로(예를 들면, 분당 1회 정도 또는 더 자주) 시스템은 리스트 상의 충전 스테이션들을 평가한다. 일부 실시예에서, 에너지 계산은 하위세트 내의 스테이션마다 행해진다. 예를 들면, 각 충전 스테이션에 대해, 차량이 (즉, 평가가 행해질 때의) 현재 위치로부터 해당 충전 스테이션으로 드라이빙할 때 얼마나 많은 에너지가 사용될지가 평가될 수 있다. 하위세트 내의 충전 스테이션들 중의 적어도 하나가 현재 상태 및 상황에 의거하여 도달 가능한 한, 시스템은 어느 특별한 출력을 내지 않거나, 그렇지 않으면 이들 계산이 행해지고 있음을 드라이버에게 경고한다. 즉, 드라이버는 백그라운드에서 범위 보증이 행해지고 있음을 모르고 있을 수 있다.
차량이 주어진 충전 스테이션에 도달할 수 있다는 판정은 임계값 SOC를 고려할 수 있다. 예를 들면, 동작(112)(필요한 에너지를 계산)은, 차량이 충전 스테이션에 도달할 경우 (특정 SOC에 대응하는) 스토리지에 특정 에너지 양을 가질 것이라 추정할 수 있다. 특정 SOC가 이들 평가에 대해 미리 정의된 최소 SOC와 적어도 동일할 경우, 충전 스테이션은 도달 가능하다고 생각된다. 잔존 에너지 양은, 제한이 아닌 예시로서 이용 가능한 범위를 포함하여, 임의의 적절한 척도로 나타날 수 있다. 예를 들면, 차량이 주어진 충전 스테이션에 도착하고 스토리지에 이용 가능한 적어도 최소 범위의 양(차량의 배터리 관리 시스템에 의해 판정됨)을 여전히 가지는지의 여부가 판정된다. 일부 실시예에서, 사용자는 이 계산을 위한 임계값을 설정할 수 있다. 예를 들면, 선호 메뉴(예를 들면, 도 6a의 영역(600))는 이 설정을 하기 위한 제어를 제공할 수 있다. 임의의 적절한 형태의 입력 제어는, 제한이 아닌 예시로서, 슬라이더를 포함하여 사용될 수 있다.
하위세트 내의 충전 스테이션의 연속적인 또는 정기적인 모니터링의 일환으로서, 도달 가능해지지 않는 임의의 스테이션은 하위세트로부터 제외된다. 해당 특정 스테이션이 한번 도달 가능해졌었어도, 위치 및 에너지 레벨에 의거하여 더 이상 도달 가능하지 않을 수 있고, 이에 따라 제거된다. 그 동안 내내, 차량이 진행함에 따라 새로운 충전 스테이션들이 입력될 수 있다.
전술한 바와 같이, 적어도 하나의 충전 스테이션이 하위세트 내에 남아 있는 한, 범위 보증 동작은 드라이버에게 눈에 띄지 않을 수 있다. 한편, 하위세트가 빈 상태가 되면, 경고가 생성될 수 있다. 예를 들면, 드라이버에게 차량을 충전하도록 권고하는 시각적 큐가 (예를 들면, 도 2a 내지 도 8c의 사용자 인터페이스(200)에서) 제시될 수 있다. 시스템은 발견된 에너지 상황에 대해 드라이버에게 1회 이상 환기시키고 매번 확인 입력을 요구할 수 있다.
일부 실시예에서, 상술한 바와 같이 드라이버에게 경고시, 시스템은 사용할 최선의 차저, 및 해당 위치에서 얼마나 오랫동안 충전되는지에 대해 (예를 들면, 명령(412) 라인들(도 4d)에 따라) 구체적인 권고를 할 수 있다. 이러한 권고는 특별히 일부 충전 스테이션(예를 들면, 더 빠른 것)을 선호할 수 있다.
충전 스테이션의 하위세트가 빈 상태가 될 경우, 및 선택적으로 또한 다른 시기에서, 다른 정보가 제시될 수 있다. 예를 들면, 시스템은, 선택할 도달 가능한 충전 스테이션들의 위치를 나타낼 수 있다. 다른 예로서, 시스템은 권고(712A-B) 라인(도 7C)을 따라 하나 이상의 제안을 할 수 있다.
충전 스테이션에 관련된 실시간 정보가 고려될 수 있다. 일부 실시예에서, 옵션(404A-C) 및/또는 박스(406)(도 4c) 등의 정보가 제시될 수 있다. 예를 들면, 각 충전 스테이션과 관련하여, 드라이버는 관련 트래픽 혼잡, 스테이션에 의해 제공되는 충전 레벨, 및/또는 스테이션 및 그 차저의 가용성에 대해 통지받을 수 있다.
차량이 임의의 주어진 충전 스테이션에 도달할 수 있는지의 여부의 판정은 임의의 다양한 유형의 정보를 고려할 수 있다. 예를 들면, 도로 거리, 고도 변화, 날씨 데이터 및/또는 실제 고속도로 드라이빙 속도가 고려될 수 있다. 일부 실시예에서, 동작(112)에 의한 에너지 계산에 사용되는 하나 이상의 도로 부하 방정식이 사용될 수 있다. 예를 들면, 도 8의 상기 설명에서 열거되는 일부 또는 모든 유형의 정보가 사용될 수 있다.
다수의 실시예가 예로서 설명되었다. 그렇지만, 다른 실시예가 다음의 특허의 청구범위에 의해 커버된다.

Claims (16)

  1. (i) 차량의 에너지 스토리지의 충전 상태,
    (ii) 차량에 대해 계획된 드라이빙 경로에 대응하는 경로 정보, 및
    (iii) 예측된 드라이버 특성
    에 적어도 대응하는 정보를 수신하는 단계,
    상기 수신된 정보의 이용을 판정하고, 상기 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도(energy-versus-distance measure)를 차량의 드라이버에게 제시하는 단계,
    적어도 상기 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 수신하는 단계, 및
    상기 수신된 정보 및 상기 사용자 입력의 이용을 판정하고, 상기 제안된 변경을 고려한 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도를 드라이버에게 제시하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 예측된 드라이버 특성은 추정 드라이빙 속도를 포함하고, 상기 제안된 변경은 상기 추정 드라이빙 속도를 수정하는 방법.
  3. 제 1 항에 있어서,
    상기 예측된 드라이버 특성은 드라이버의 드라이빙 기록을 반영하는 방법.
  4. 제 1 항에 있어서,
    상기 예측된 드라이버 특성은 차량의 차량군(fleet of vehicles)으로부터의 드라이빙 기록을 반영하는 방법.
  5. 제 1 항에 있어서,
    상기 정보는 추정 실내 환경 제어 시스템(climate system) 사용을 추가로 반영하고, 상기 제안된 변경은 상기 추정 실내 환경 제어 시스템 사용을 수정하는 방법.
  6. 제 1 항에 있어서,
    상기 정보는 추정 차량 폐쇄 설정(closure setting)을 추가로 반영하고, 상기 제안된 변경은 추정 차량 닫음 설정을 수정하는 방법.
  7. 제 1 항에 있어서,
    상기 제 1 에너지-대-거리 척도를 제시하는 단계 및 상기 제 2 에너지-대-거리 척도를 제시하는 단계는, 거리의 함수로서 상기 에너지 스토리지의 잔존 에너지의 그래프를 제시하는 단계를 포함하는 방법.
  8. 제 7 항에 있어서,
    상기 그래프에 있어서, 상기 계획된 드라이빙 경로의 종료 지점에서, 상기 제 1 에너지-대-거리 척도 및 상기 제 2 에너지-대-거리 척도에 대응하는 충전 상태 퍼센티지의 각각의 표시를 제공하는 단계를 더 포함하는 방법.
  9. 제 8 항에 있어서,
    상기 사용자 입력은, 차량이 상기 계획된 드라이빙 경로의 일부에 대해 드라이빙된 후에 수신되고,
    상기 계획된 드라이빙 경로의 드라이빙된 부분에 의거하여 종료 지점에 대한 충전 상태 퍼센티지를 판정하고, 상기 그래프에서 상기 판정된 충전 상태 퍼센티지의 표시를 제공하는 단계를 더 포함하는 방법.
  10. 제 1 항에 있어서,
    상기 계획된 드라이빙 경로는 개시 지점 및 종료 지점을 포함하고,
    상기 방법은,
    상기 계획된 드라이빙 경로에, 전기 차량을 위한 충전 위치에 대응하는 충전 중간지점을 추가하는 단계를 더 포함하고,
    상기 충전 중간지점의 추가에 의거하여, 현재의 에너지-대-거리 척도가 다시 계산되는 방법.
  11. 제 10 항에 있어서,
    상기 충전 중간지점은, 상기 에너지 스토리지의 충전 상태에 응답하여 자동으로 추가되는 방법.
  12. 제 10 항에 있어서,
    상기 에너지 스토리지의 충전 상태에 응답하여, 대체 가능한 충전 중간지점들을 드라이버에게 제시하는 단계를 더 포함하고,
    상기 충전 중간지점은 드라이버에 의한 선택에 의거하여 상기 계획된 드라이빙 경로에 추가되는 방법.
  13. 제 10 항에 있어서,
    드라이버는 상기 충전 위치를 지정하는 정보를 입력하고, 상기 충전 중간지점은 상기 입력된 정보를 이용해서 생성되어 상기 계획된 드라이빙 경로에 추가되는 방법.
  14. 제 1 항에 있어서,
    상기 제 1 에너지-대-거리 척도는 이력 정보에 의거하고,
    차량이 상기 계획된 드라이빙 경로의 일부에 대해 드라이빙된 후에, 제 3 에너지-대-거리 척도가 상기 계획된 드라이빙 경로의 드라이빙된 부분에 의거하여 판정되고, 상기 제 3 에너지-대-거리 척도는 모델 에러(model error) 및 드라이버 에러(driver error)를 이용해서 상기 제 1 에너지-대-거리 척도를 수정하고,
    상기 사용자 입력에 응답하여, 상기 제 2 에너지-대-거리 척도는, 상기 드라이버 에러가 아닌, 상기 제안된 변경 및 상기 모델 에러를 이용해서 상기 제 1 에너지-대-거리 척도를 수정함으로써, 판정되는 방법.
  15. 실행시 프로세서에 동작들을 행하게 하는 명령어가 저장된 컴퓨터 판독 가능한 스토리지 매체로서,
    상기 동작들은,
    (i) 차량의 에너지 스토리지의 충전 상태,
    (ii) 차량에 대해 계획된 드라이빙 경로에 대응하는 경로 정보, 및
    (iii) 예측된 드라이버 특성
    에 적어도 대응하는 정보를 수신하는 것,
    상기 수신된 정보의 이용을 판정하고, 상기 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도를 차량의 드라이버에게 제시하는 것,
    적어도 상기 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 수신하는 것, 및
    상기 수신된 정보 및 상기 사용자 입력의 이용을 판정하고, 상기 제안된 변경을 고려한 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도를 드라이버에게 제시하는 것을 포함하는,
    컴퓨터 판독 가능한 스토리지 매체.
  16. 실행시 프로세서에 그래픽 사용자 인터페이스를 생성하게 하는 명령어가 저장된 컴퓨터 판독 가능한 스토리지 매체로서,
    상기 그래픽 사용자 인터페이스는,
    차량에 대해 계획된 드라이빙 경로에 대한 제 1 에너지-대-거리 척도를 제시하는 영역 ― 상기 제 1 에너지-대-거리 척도는, (i) 전기 차량의 에너지 스토리지의 충전 상태, (ii) 상기 전기 차량에 대응하는 경로 정보, 및 (iii) 예측된 드라이버 특성을, 적어도 포함하는 수신된 정보를 이용해서 판정됨 ―, 및
    적어도 상기 드라이버 특성에서의 제안된 변경을 나타내는 사용자 입력을 생성하는 입력 제어를 포함하고,
    상기 수신된 정보 및 상기 사용자 입력을 이용해서 상기 계획된 드라이빙 경로에 대한 제 2 에너지-대-거리 척도가 판정되어 상기 영역에서 제시되고, 상기 제 2 에너지-대-거리 척도는 상기 제안된 변경을 고려하는,
    컴퓨터 판독 가능한 스토리지 매체.
KR1020167028374A 2014-04-04 2015-03-19 에너지 제약이 있는 이동 계획 KR101906190B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461975534P 2014-04-04 2014-04-04
US61/975,534 2014-04-04
PCT/US2015/021556 WO2015153140A1 (en) 2014-04-04 2015-03-19 Trip planning with energy constraint

Publications (2)

Publication Number Publication Date
KR20160135753A true KR20160135753A (ko) 2016-11-28
KR101906190B1 KR101906190B1 (ko) 2018-10-10

Family

ID=54241100

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167028374A KR101906190B1 (ko) 2014-04-04 2015-03-19 에너지 제약이 있는 이동 계획

Country Status (9)

Country Link
US (3) US10295355B2 (ko)
EP (1) EP3126183B8 (ko)
JP (1) JP6376619B2 (ko)
KR (1) KR101906190B1 (ko)
CN (1) CN106163862B (ko)
HK (1) HK1231445A1 (ko)
HU (1) HUE059453T2 (ko)
PL (1) PL3126183T3 (ko)
WO (1) WO2015153140A1 (ko)

Families Citing this family (90)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IN2015CH01270A (ko) * 2015-03-13 2015-04-10 Wipro Ltd
JP6117844B2 (ja) * 2015-03-31 2017-04-19 本田技研工業株式会社 サーバ、クライアントおよびシステム
EP3104122A1 (en) * 2015-06-12 2016-12-14 Ecole Nationale de l'Aviation Civile Energy management system for vehicles
US20170146354A1 (en) * 2015-11-25 2017-05-25 International Business Machines Corporation Electric Vehicle Exchange Management
KR20170114148A (ko) * 2016-04-05 2017-10-13 현대자동차주식회사 차량 및 그 제어방법
DE102016005205A1 (de) 2016-04-29 2017-11-02 Audi Ag Verfahren zum Steuern eines Ladezustands einer Energiespeicherung eines Kraftfahrzeugs
JP6565812B2 (ja) * 2016-07-19 2019-08-28 株式会社デンソー 走行履歴記憶装置
US10180333B2 (en) * 2016-08-12 2019-01-15 Ford Global Technologies, Llc Crowd-sourced electric vehicle charging station identification
US10515390B2 (en) 2016-11-21 2019-12-24 Nio Usa, Inc. Method and system for data optimization
JP2018085843A (ja) * 2016-11-24 2018-05-31 株式会社豊田自動織機 航続距離延長システム
US10215579B2 (en) 2016-12-14 2019-02-26 Samsung Electronics Co., Ltd. Method and apparatus for estimating driving information
US11002556B2 (en) * 2017-03-29 2021-05-11 Transportation Ip Holdings, Llc System and method for arranging transportation systems for travel
CN109287122B (zh) * 2017-05-22 2022-05-27 百度时代网络技术（北京）有限公司 基于自动驾驶车辆的控制反馈更新地图的方法和系统
US10837790B2 (en) 2017-08-01 2020-11-17 Nio Usa, Inc. Productive and accident-free driving modes for a vehicle
DE102017215792B4 (de) * 2017-09-07 2020-06-18 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Routenplanung für ein Fahrzeug
US10534089B2 (en) * 2017-09-22 2020-01-14 Qualcomm Incorporated Method and apparatus for providing power-based route options
CN107747948B (zh) * 2017-09-25 2021-09-17 北京信息科技大学 一种电动汽车车载复合电源控制系统及方法
US10773597B2 (en) * 2017-10-06 2020-09-15 Ford Global Technologies, Llc Autonomous vehicle acceleration profile
US20190107406A1 (en) * 2017-10-09 2019-04-11 Nio Usa, Inc. Systems and methods for trip planning under uncertainty
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
GB2568466B (en) * 2017-11-13 2022-01-05 Jaguar Land Rover Ltd Determining a minimum state of charge for an energy storage means of a vehicle
EP3514682B1 (en) * 2017-11-24 2021-09-29 Autel Robotics Co., Ltd. Task execution method and apparatus, movable object, and computer readable storage medium
KR20190069996A (ko) * 2017-12-12 2019-06-20 현대자동차주식회사 외부 전력 제공 시 친환경 차량 정보 표시 장치, 그를 포함한 시스템 및 그 방법
EP3498520B1 (en) * 2017-12-18 2023-05-03 Volvo Car Corporation Method and system for providing an advice to an occupant of an electrical vehicle
US11060883B2 (en) * 2017-12-21 2021-07-13 Spark EV Technology Ltd. System and method for determining the energy requirement of a vehicle for a journey
US11420641B2 (en) * 2017-12-21 2022-08-23 Spark EV Technology, Ltd. System and method for determining the energy requirement of a vehicle for a journey
CN108344424A (zh) * 2018-03-06 2018-07-31 上海博泰悦臻网络技术服务有限公司 电动汽车及其导航方法和系统
CN108510129B (zh) * 2018-04-12 2021-12-21 中南大学 一种无人驾驶车辆实时电量智慧预测方法及装置
US20190378055A1 (en) 2018-06-06 2019-12-12 Lyft, Inc. Systems and methods for determining allocation of personal mobility vehicles
US11067403B2 (en) * 2018-07-05 2021-07-20 GM Global Technology Operations LLC Vehicle energy usage tracking
EP3626490A1 (en) 2018-09-19 2020-03-25 Thermo King Corporation Methods and systems for power and load management of a transport climate control system
EP3626489A1 (en) 2018-09-19 2020-03-25 Thermo King Corporation Methods and systems for energy management of a transport climate control system
US11034213B2 (en) 2018-09-29 2021-06-15 Thermo King Corporation Methods and systems for monitoring and displaying energy use and energy cost of a transport vehicle climate control system or a fleet of transport vehicle climate control systems
US11273684B2 (en) 2018-09-29 2022-03-15 Thermo King Corporation Methods and systems for autonomous climate control optimization of a transport vehicle
WO2020070051A1 (en) * 2018-10-02 2020-04-09 Pirelli Tyre S.P.A. Method and system for estimating a residual range of a vehicle
US10809733B2 (en) * 2018-10-16 2020-10-20 GM Global Technology Operations LLC Intelligent motor vehicles, systems, and control logic for driver behavior coaching and on-demand mobile charging
US10870333B2 (en) 2018-10-31 2020-12-22 Thermo King Corporation Reconfigurable utility power input with passive voltage booster
US11059352B2 (en) 2018-10-31 2021-07-13 Thermo King Corporation Methods and systems for augmenting a vehicle powered transport climate control system
US10875497B2 (en) 2018-10-31 2020-12-29 Thermo King Corporation Drive off protection system and method for preventing drive off
US10926610B2 (en) 2018-10-31 2021-02-23 Thermo King Corporation Methods and systems for controlling a mild hybrid system that powers a transport climate control system
US11022451B2 (en) 2018-11-01 2021-06-01 Thermo King Corporation Methods and systems for generation and utilization of supplemental stored energy for use in transport climate control
US11554638B2 (en) 2018-12-28 2023-01-17 Thermo King Llc Methods and systems for preserving autonomous operation of a transport climate control system
WO2020142063A1 (en) * 2018-12-31 2020-07-09 Thermo King Corporation Methods and systems for providing predictive energy consumption feedback for powering a transport climate control system
US11072321B2 (en) 2018-12-31 2021-07-27 Thermo King Corporation Systems and methods for smart load shedding of a transport vehicle while in transit
WO2020142065A1 (en) 2018-12-31 2020-07-09 Thermo King Corporation Methods and systems for providing feedback for a transport climate control system
US11397092B2 (en) * 2019-01-03 2022-07-26 International Business Machines Corporation Determining directional guidance for vehicles
DE102019201955A1 (de) * 2019-02-14 2020-08-20 Robert Bosch Gmbh Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs mit einem elektrischen Antrieb
JP6995205B2 (ja) * 2019-06-24 2022-01-14 グーグル エルエルシー ナビゲーションアプリケーションの性能を評価するためのシステムおよび方法
US11740098B2 (en) * 2019-08-14 2023-08-29 Honda Motor Co., Ltd. System and method for providing charging options based on electric vehicle operator activities
US11420495B2 (en) 2019-09-09 2022-08-23 Thermo King Corporation Interface system for connecting a vehicle and a transport climate control system
US11135894B2 (en) 2019-09-09 2021-10-05 Thermo King Corporation System and method for managing power and efficiently sourcing a variable voltage for a transport climate control system
US11458802B2 (en) 2019-09-09 2022-10-04 Thermo King Corporation Optimized power management for a transport climate control energy source
EP3789221B1 (en) 2019-09-09 2024-06-26 Thermo King LLC Prioritized power delivery for facilitating transport climate control
US11376922B2 (en) 2019-09-09 2022-07-05 Thermo King Corporation Transport climate control system with a self-configuring matrix power converter
US11794551B2 (en) 2019-09-09 2023-10-24 Thermo King Llc Optimized power distribution to transport climate control systems amongst one or more electric supply equipment stations
US11214118B2 (en) 2019-09-09 2022-01-04 Thermo King Corporation Demand-side power distribution management for a plurality of transport climate control systems
US11203262B2 (en) 2019-09-09 2021-12-21 Thermo King Corporation Transport climate control system with an accessory power distribution unit for managing transport climate control loads
US10985511B2 (en) 2019-09-09 2021-04-20 Thermo King Corporation Optimized power cord for transferring power to a transport climate control system
JP2021050920A (ja) * 2019-09-20 2021-04-01 株式会社デンソー 電気自動車向けナビゲーションシステム
IL269715A (en) * 2019-09-26 2021-04-29 Seamless Vision 2017 Ltd Vehicle navigation indication
JP6976300B2 (ja) * 2019-10-31 2021-12-08 本田技研工業株式会社 車両システム、車両制御方法、およびプログラム
US11027650B2 (en) 2019-11-07 2021-06-08 Nio Usa, Inc. Method and apparatus for improving operation of a motor vehicle
US20210178914A1 (en) * 2019-12-11 2021-06-17 Lyft, Inc. Modular bicycle designs
US11489431B2 (en) 2019-12-30 2022-11-01 Thermo King Corporation Transport climate control system power architecture
JP7010985B2 (ja) * 2020-03-03 2022-01-26 本田技研工業株式会社 走行可能距離表示装置
KR102417993B1 (ko) 2020-03-17 2022-07-07 주식회사 라운지랩 자율 주행 차량을 이용한 음식 주문 및 전달 방법 및 이를 이용한 시스템
EP3923260A1 (en) * 2020-06-09 2021-12-15 Honeywell International Inc. Systems and methods for displaying off-board recharge station information for an urban air mobility (uam) vehicle
US11518393B2 (en) * 2020-07-31 2022-12-06 Uatc, Llc Vehicle trajectory dynamics validation and interpolation
US11515741B2 (en) 2020-08-28 2022-11-29 Toyota Motor North America, Inc. Wireless energy transfer to transport based on route data
US11865939B2 (en) 2020-08-28 2024-01-09 Toyota Motor North America, Inc. Power allocation to transports
US11851011B2 (en) 2020-09-01 2023-12-26 Brunswick Corporation Systems and methods for automatically and intelligently reducing the power consumption of devices
US20220072962A1 (en) * 2020-09-10 2022-03-10 Zero Electric Vehicles Corp. Power Management Method
US11959758B2 (en) * 2020-10-05 2024-04-16 Ford Global Technologies, Llc Systems and methods for optimizing vehicle deployment
DE102020215678A1 (de) 2020-12-10 2022-06-15 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Reichweitenkontrolle für ein batteriebetriebenes Kraftfahrzeug
US20220300915A1 (en) * 2021-03-18 2022-09-22 Toyota Motor North America, Inc. Decommissioning transport batteries
US20220332332A1 (en) * 2021-04-19 2022-10-20 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle battery control based on remaining charge
CN113085655B (zh) * 2021-05-11 2022-08-26 国网黑龙江省电力有限公司电力科学研究院 一种车载电动汽车综合服务系统
US11914840B2 (en) * 2021-07-20 2024-02-27 Rivian Ip Holdings, Llc Charger map overlay and detail card
EP4381244A1 (en) * 2021-08-03 2024-06-12 Bareways Gmbh Methods and systems for predicting an energy consumption of a vehicle for its travel along a defined route and for routing
US12008848B2 (en) 2021-09-22 2024-06-11 Garrett Transportation I Inc. Adaptive fuel and charge consumption estimation in powertrain systems
US20230123720A1 (en) * 2021-10-18 2023-04-20 Caterpillar Paving Products Inc. Electric vehicle with reserve power
WO2023139647A1 (ja) * 2022-01-18 2023-07-27 日本電気株式会社 処理装置、処理方法及びプログラム
US11867521B2 (en) * 2022-02-16 2024-01-09 GM Global Technology Operations LLC Adaptive in-drive updating of vehicle energy consumption prediction
US20230408277A1 (en) * 2022-06-21 2023-12-21 Toyota Motor North America, Inc. Electric vehicle destination routing prediction
JP7382673B1 (ja) * 2022-09-07 2023-11-17 キワ・アート・アンド・デザイン株式会社 移動支援システム、移動支援プログラム及び、移動支援方法
DE102022130369A1 (de) 2022-11-16 2024-05-16 Bayerische Motoren Werke Aktiengesellschaft Computerimplementiertes Verfahren zur Charakterisierung einer Ladestrategie für ein Kraftfahrzeug
CN116109025B (zh) * 2023-04-04 2023-07-07 深圳天溯计量检测股份有限公司 基于大数据的电池续航测试方法
CN117077869B (zh) * 2023-10-11 2023-12-19 鱼快创领智能科技(南京)有限公司 一种场景化的定制访问顺序的车辆分配及路线规划的方法

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3758140B2 (ja) 2001-07-09 2006-03-22 日産自動車株式会社 情報提示装置
JP4175923B2 (ja) * 2003-03-13 2008-11-05 株式会社エクォス・リサーチ 走行速度パターン推定装置
SE531526C2 (sv) 2006-05-26 2009-05-12 Scania Cv Abp Anordning för bestämning av bränsleförbrukningsbeteende
US8139755B2 (en) 2007-03-27 2012-03-20 Convergys Cmg Utah, Inc. System and method for the automatic selection of interfaces
JP4427759B2 (ja) * 2007-06-29 2010-03-10 アイシン・エィ・ダブリュ株式会社 車両挙動学習装置及び車両挙動学習プログラム
JP5120204B2 (ja) 2008-10-28 2013-01-16 アイシン・エィ・ダブリュ株式会社 走行案内装置、走行案内方法及びコンピュータプログラム
US10161758B2 (en) * 2009-01-16 2018-12-25 Tomtom Global Content B.V. Method for creating speed profiles for digital maps
JP4975075B2 (ja) 2009-09-30 2012-07-11 クラリオン株式会社 ナビゲーション装置および経路演算方法
DE102009052853B4 (de) 2009-11-11 2017-07-20 Dr. Ing. H.C. F. Porsche Aktiengesellschaft Verfahren zur Reichweitenabschätzung eines Kraftfahrzeugs
CN102859323A (zh) * 2009-11-24 2013-01-02 特洛吉斯有限公司 基于能源利用的车辆路线选择
US9459110B2 (en) 2010-01-25 2016-10-04 Ford Global Technologies, Llc Adaptive initial estimation and dynamic determination and update of distance until charge of a plug-in hybrid electric vehicle
JP5304699B2 (ja) 2010-03-24 2013-10-02 アイシン・エィ・ダブリュ株式会社 車両用充電施設案内装置及びコンピュータプログラム
JP2011210084A (ja) * 2010-03-30 2011-10-20 Panasonic Corp 運転支援装置
JP5141709B2 (ja) 2010-03-31 2013-02-13 アイシン・エィ・ダブリュ株式会社 車両用走行案内装置、車両用走行案内方法及びコンピュータプログラム
JP5589650B2 (ja) * 2010-07-30 2014-09-17 日産自動車株式会社 情報提供装置及び情報提供方法
US9043106B2 (en) 2010-10-04 2015-05-26 W. Morrison Consulting Group, Inc. Vehicle control system and methods
JP2012101755A (ja) 2010-11-12 2012-05-31 Denso Corp 車速制御システム
US9043060B2 (en) * 2010-12-31 2015-05-26 Cummins Inc. Methods, systems, and apparatuses for driveline load management
TWI424381B (zh) 2011-01-28 2014-01-21 Ind Tech Res Inst 電動車的駕駛輔助方法及駕駛輔助系統
JP5722686B2 (ja) 2011-04-12 2015-05-27 クラリオン株式会社 運転支援装置および該装置を有する車両
JP5338856B2 (ja) 2011-06-13 2013-11-13 株式会社デンソー 車両用制御装置
US20130046466A1 (en) * 2011-08-18 2013-02-21 Sermet Yücel Selecting a Route to Optimize Fuel Efficiency for a Given Vehicle and a Given Driver
KR20130020468A (ko) 2011-08-19 2013-02-27 현대자동차주식회사 전기자동차의 내비게이션 장치 및 그 방법
US20130073113A1 (en) 2011-09-16 2013-03-21 Ford Global Technologies, Llc Vehicle and method for estimating a range for the vehicle
JP5803548B2 (ja) 2011-10-13 2015-11-04 日産自動車株式会社 充電制御装置
DE102011121260A1 (de) * 2011-12-15 2013-06-20 Gm Global Technology Operations, Llc Verfahren zum Unterstützen eines Fahrers eines Kraftfahrzeugs bei einem Aufmerksamkeitsverlust mit Hilfe eines Fehlerzählers
JP5929602B2 (ja) * 2012-08-02 2016-06-08 株式会社デンソー ナビゲーション装置
JP5631367B2 (ja) * 2012-08-09 2014-11-26 本田技研工業株式会社 経路探索装置
US9958272B2 (en) 2012-08-10 2018-05-01 Telogis, Inc. Real-time computation of vehicle service routes
JP2014042383A (ja) * 2012-08-22 2014-03-06 Hitachi Ltd 電気自動車の位置情報を用いた系統負荷の予測システム
JP6020150B2 (ja) * 2012-12-27 2016-11-02 日産自動車株式会社 車両用情報提供装置
US9713963B2 (en) * 2013-02-18 2017-07-25 Ford Global Technologies, Llc Method and apparatus for route completion likelihood display
JP5623584B1 (ja) * 2013-04-19 2014-11-12 三菱電機株式会社 電動車両管理システム
US20150112526A1 (en) * 2013-10-22 2015-04-23 Ford Global Technologies, Llc Vehicle system and method for at-home route planning
US9476719B2 (en) * 2014-08-29 2016-10-25 Ford Global Technologies, Llc Route-based distance to empty calculation for a vehicle

Also Published As

Publication number Publication date
EP3126183B1 (en) 2022-05-04
HK1231445A1 (zh) 2017-12-22
WO2015153140A1 (en) 2015-10-08
US20240085203A1 (en) 2024-03-14
US20170030728A1 (en) 2017-02-02
PL3126183T3 (pl) 2022-10-31
KR101906190B1 (ko) 2018-10-10
JP6376619B2 (ja) 2018-08-22
EP3126183A4 (en) 2018-03-21
US11703340B2 (en) 2023-07-18
EP3126183B8 (en) 2022-06-15
EP3126183A1 (en) 2017-02-08
US20190265057A1 (en) 2019-08-29
US10295355B2 (en) 2019-05-21
JP2017513006A (ja) 2017-05-25
HUE059453T2 (hu) 2022-11-28
CN106163862B (zh) 2019-07-05
CN106163862A (zh) 2016-11-23

Similar Documents

Publication Publication Date Title
KR101906190B1 (ko) 에너지 제약이 있는 이동 계획
US11650066B2 (en) Systems and methods for variable energy routing and tracking
CN111055850B (zh) 用于驾驶员行为指导和按需移动充电的智能机动车辆、系统和控制逻辑
US20210129704A1 (en) Braking Power Management
CN107782327B (zh) 能量最优的车辆路线选择
US20140277971A1 (en) In-truck fuel economy estimator
JP6058299B2 (ja) 電気自動車用運転者エコドライブ支援方法
US8972161B1 (en) Power management systems and devices
JP5771902B2 (ja) 経路案内装置、経路案内方法及びコンピュータプログラム
US10850616B2 (en) Using vehicle systems to generate a route database
CA2840479C (en) System and method for generating vehicle drive cycle profiles
CN104864883A (zh) 基于云平台的电动汽车路径规划方法
US20180017399A1 (en) Safety charging for computer vehicle
US20190283598A1 (en) Electric Vehicle Power Management System
US20230001824A1 (en) Route based battery preconditioning systems and methods
JP2024511928A (ja) 車線レベルルートプランナにおける学習
US11225144B2 (en) Vehicle power management system
JP2009298271A (ja) ハイブリッド車両の運転支援装置、運転支援方法及びプログラム
JP2015215356A (ja) 経路案内装置、経路案内方法及びコンピュータプログラム
JP2024511707A (ja) 自律走行車用の車線レベルルートプランナ

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant