CN110901648A - 用于实时生态路线选择和自适应驱动控制的车辆、系统和逻辑 - Google Patents

用于实时生态路线选择和自适应驱动控制的车辆、系统和逻辑 Download PDF

Info

Publication number
CN110901648A
CN110901648A CN201910490213.XA CN201910490213A CN110901648A CN 110901648 A CN110901648 A CN 110901648A CN 201910490213 A CN201910490213 A CN 201910490213A CN 110901648 A CN110901648 A CN 110901648A
Authority
CN
China
Prior art keywords
vehicle
energy consumption
speed
grade
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910490213.XA
Other languages
English (en)
Inventor
C-K·高
S·E·马尔登
C-F·常
E·冈拉克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN110901648A publication Critical patent/CN110901648A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/076—Slope angle of the road
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

公开了用于预测路线规划和自适应控制的智能车辆系统和控制逻辑，用于制造/操作这种系统的方法，以及具有实时生态路径选择和自动驾驶功能的机动车辆。一种用于控制车辆操作的方法，包括确定车辆起点和目的地信息，以及识别从所述起点前往到所述目的地的候选路线。为每个候选路线接收道路级数据，包括速度和拓扑数据。估计经由每个候选路线将车辆从起点推进到目的地的总能耗。所述估计包括对照将能耗与速度、转角和/或坡度相关联的存储器存储表来评估每个候选路线相应的道路级数据。常驻车辆控制器基于一个或多个候选路线对应的一个或多个估计总能耗来命令常驻车辆子系统执行控制操作。

Description

用于实时生态路线选择和自适应驱动控制的车辆、系统和 逻辑
引言
本公开总体上涉及车辆能耗估计和路线规划。更具体地，本公开的各方面涉及具有用于预测生态路线规划和自适应驱动控制的控制逻辑的智能车辆。
当前生产的机动车辆，例如现代汽车，最初配备有动力系，该动力系用于推进车辆并为车辆的车载电子设备提供动力。例如，在汽车应用中，车辆动力系通常以原动机为代表，该原动机通过手动或自动换挡的多速变速器和最终驱动系统(例如，差速器、驱动轴等)向车辆的车轮传递驱动力。历史上，汽车由往复活塞式内燃机(ICE)组件提供动力，这是由于其容易获得并且成本相对低廉，重量轻和总体效率高。作为一些非限制性示例，这种发动机包括二冲程和四冲程压缩点火(CI)柴油发动机、四冲程火花点火(SI)汽油发动机、六冲程结构和旋转发动机。另一方面，混合动力和全电动车辆利用替代动力源来推进车辆，从而最小化或消除对基于矿物燃料的发动机的动力依赖。
混合动力车辆动力系利用多个牵引动力源来推进车辆，最常见的是结合电池供电或燃料电池供电的电动机来操作内燃机组件。例如，混合动力电动车辆(HEV)存储电能和化学能，并将其转换为机械动力以驱动车辆的车轮。HEV通常配备有电动机(电机)，其通常为发动机/发电机组(MGU)的形式，并与ICE并联或串联操作。串联混合动力结构从电动机获得所有牵引动力，因此消除了发动机和最终驱动构件之间的任何驱动机械连接。相比之下，并联混合动力架构的发动机和电动机/发电机组件各自具有与动力变速器的驱动机械联接。由于混合动力车辆被设计成从ICE以外的来源获得其动力，所以当车辆由电动机推进时，HEV中的发动机可以全部或部分地关闭。
全电动车辆(FEV)，俗称“电动车辆”，是一种替代类型的电驱动车辆配置，其完全省掉了动力系统中的内燃机和伴随外围部件，仅依赖于电动牵引电动机来推进车辆。例如，电池电动车辆(BEV)利用存储在可再充电的车载电池组中的能量而不是燃料箱、燃料电池或飞轮中的能量为电动机提供动力。电动车辆采用通过动力系控制模块(PCM)控制的电力分配系统，用于在车载电池组和电动机之间来回传输电能。插入式电动车辆(PEV)变体允许通过住宅或商用车辆充电站从外部电源(例如公共电网)对电池组进行再充电。
随着车辆发展，通信和感测能力不断提高，制造商不断提供更多的系统自动化驾驶功能，希望最终提供能够在城市和乡村场景中的异构车辆类型中运行的全自动车辆。原始设备制造商(OEM)正在朝车辆到车辆(V2V)和车辆到基础设施(V2I)“谈话”汽车的方向发展，集无线连接(例如，专用短程通信或DSRC)和高级驾驶自动化特征为一体，采用自动转向，制动和动力系统以实现无人驾驶车辆操作。自动路线生成系统利用车辆状态和动态传感器，道路地图数据和路线预测算法来为车辆路线选择和重新路线选择提供自动车道中心和车道改变预测，场景规划等。出于本公开的目的，“自动车辆”和“自动驾驶车辆”以及“联网的自动/自动驾驶车辆”(CAVs)可以同义地并且可互换地用于表示具有部分辅助的和/或全自动驾驶功能的车辆，包括可以被归类为汽车工程师协会(SAE)2级、3级、4级或5级车辆的任何相关车辆平台。
许多汽车现在配备有车载导航系统，该系统结合导航软件和地图数据库利用全球定位系统(GPS)收发器来获得与车辆的当前位置相关的道路地形，交通和限速信息。高级驾驶员辅助系统(ADAS)和自动驾驶系统通常能够基于由车载导航系统获得的道路信息来适应某些自动驾驶操纵。例如，基于自组织网络的ADAS将GPS和映射数据与多跳位置辅助多波V2V和V2I数据交换相结合，以促进自动车辆操纵和动力系控制。在辅助和非辅助车辆操作期间，常驻导航系统可以基于给定行程的路线起点与路线目的地之间的估计的最短时间或估计的最短距离来确定推荐行进路线。然后，可以将该推荐行进路线显示为地理编码和注释图上的地图轨迹或路线规划方向。这种用于路线规划的传统方法虽然能有效地确定前往期望目的地的最短行进距离/时间，但确没有考虑到用于管理车辆操作的最节能路线或最有利路线。
发明内容
本公开公开了具有用于预测路线规划和自适应控制的伴随控制逻辑的智能车辆系统，用于制造和操作这种系统的方法，以及具有实时生态路线选择和自适应驱动控制功能的机动车辆。作为示例，提出了新颖的生态路线选择算法，其监控实时交通状况和道路级数据以获得车辆能耗估计，系统从该估计生成替代的，更节能的路线。自动驾驶和自动车辆驱动控制可以作为闭环系统来操作，该闭环系统主动地使用传感器测量值来调整燃料消耗数据(例如，作为查找表存储在常驻高速缓冲存储器中)。用于节能车辆操作的基于模型的路线概率规划可能是计算密集型的，因此对于常驻车辆硬件而言是不可实行的。相比之下，本公开所公开的生态路线选择策略结合地理定位地图应用和交通应用编程接口(API)使用车辆校准的能耗查找表来获得从给定起点行进到期望目的地的每个候选路线的能耗估计，从而节省大量计算。除了减少车内处理负荷之外，本公开所公开的生态路线选择技术有助于提高车辆燃料经济性或扩大生态驾驶范围(例如，用于HEV和FEV应用)，同时改进ADAS和自动驾驶功能。
本公开的各方面涉及用于优化车辆能量使用的实时生态路线选择技术和自适应驱动控制算法。例如，提出了一种用于控制机动车辆的操作的方法。该车辆包括多个车轮，可操作以驱动一个或多个车轮的原动机(例如，ICE和/或MGU)，以及控制原动机的常驻车辆控制器。该代表性方法包括，以上和以下公开的选项和特征的任何顺序的任何组合：例如，使用常驻车辆控制器通过与图形化人机界面(HMI)和GPS收发器，蜂窝数据芯片等的协同操作来确定机动车辆的车辆出发地和车辆目的地；例如。使用常驻车辆控制器通过常驻或远程存储器存储的地图数据库来进行地理空间查询从而识别从车辆起点到车辆目的地的多个候选路线；例如，使用常驻车辆控制器接收来自地图数据库或云计算资源服务，该云计算资源服务收集与每个候选路线相关的众包车辆动态数据，道路级数据——速度，转角和/或坡度数据；例如，使用常驻车辆控制器估计经由每个候选路线将机动车辆从车辆起点推进到车辆目的地的原动机的各个总能耗，该估计包括对照存储在存储器中的数据(例如，一个或多个查找表)来评估每一个候选路线相应的道路级数据。该数据将能耗与速度、转角和/或坡度相关联；例如，基于一个或多个候选路线对应的一个或多个估计总能耗，使用常驻车辆控制器向常驻车辆子系统发送一个或多个命令信号来执行控制操作。
本公开的其他方面涉及具有实时生态路线选择和自适应驱动控制功能的智能机动车辆。如本文中所使用的，术语“机动车辆”可以包括任何相关的车辆平台，例如客车(内燃、混合动力、全电动、燃料电池等)、商用车、工业车辆、履带式车辆、越野和全地形车辆(ATV)、摩托车、农场设备、船、飞机等。在一个示例中，机动车辆包括车身，该车身具有可操作地附接到该车身的多个车轮。安装在车身上的原动机驱动一个或多个车轮来推进车辆。该机动车辆还配备有附接到车身的常驻车辆导航系统，例如，安装在车厢内。车辆导航系统包括车辆位置跟踪装置，一个或多个电子用户输入装置和电子显示装置。
继续对以上示例的讨论，常驻车辆控制器附接到机动车辆的车身并且通信地连接到原动机，导航系统等。该车辆控制器被编程用来执行存储器存储指令以：确定机动车辆的车辆起点和车辆目的地；通过存储器存储的地图数据库进行地理空间查询，以识别机动车辆从车辆起点行进到车辆目的地的多个候选路线；接收与每个候选路线相关的各个道路级数据，该道路级数据包括速度数据和转角和/或坡度数据；估计经由每个候选路线将机动车辆从车辆起点推进到车辆目的地的原动机的各自总能耗，所述估计包括对照将能耗与速度和转角和/或坡度相关联的存储器存储表来评估候选路线相应的道路级数据；以及，基于至少一个候选路线对应的至少一个估计总能耗，向常驻车辆子系统发送命令信号来执行控制操作。
对于本公开所公开的系统、方法和车辆中的任一个，估计候选路线的总能耗可以包括：将候选路线分割成多个路段；根据存储在存储器存储地图数据库中的道路级数据，确定每个道路段的平均速度，平均转角和平均坡度；通过对照将能耗与速度和转角和/或坡度相关联的存储器存储表评估每个路段各自的平均速度，转角和坡度，来估计每个路段的车辆能耗；并且，汇总各个路段的车辆能耗，从而估计所分析的候选路线的总能耗。作为另一选择，估计候选路线的总能耗可包括：接收指示多个参与车辆在候选路线上行进固定时间窗口时的速度，转角和坡度的车辆动态数据；从接收到的车辆动态数据确定候选路线的平均速度，平均转角和平均坡度；以及，通过对照将能耗与速度和转角和/或坡度相关联的表格评估候选路线的平均速度、转角和坡度，从而估计每个候选路线的总能耗。
对于本公开所公开的系统、方法和车辆中的任一个，车载电子显示设备可以显示出每个候选路线以及他们各自的估计总能耗的指示。然后，常驻车辆控制器可以通过电子用户输入设备接收用户对一个所显示的候选路线的选择。一旦被选择，常驻车辆控制器可以确定干扰事件(例如，碰撞、恶劣天气等)是否已经将所选择的候选路线的估计行驶时间增加了至少预定阈值时间(例如，预设时间值或预设时间百分比)。响应于将估计行进时间增加至少预定阈值时间的干扰事件，电子显示装置显示选择另一个候选路线的提示。作为另一选择，如果确定干扰事件将估计行驶时间增加预定阈值时间，则常驻车辆控制器可进行另一地理空间查询以识别备选候选路线，估计每一个备选候选路线的总能耗，并命令电子显示装置显示每一个备选候选路线以及他们各自的估计总能耗的指示。
对于本公开所公开的系统、方法和车辆中的任一个，可以为每一个候选路线确定估计的行驶时间和距离。在这种情况下，进一步地控制操作还基于一个或多个候选路线的一个或多个估计行驶时间/距离。作为另一选择，存储器存储表可以包括第一查找表，该第一查找表将能耗与速度和转角相关联，并且还限定已经被确定为最小化车辆能耗的第一最佳操作区域。该存储器存储表还包括第二查找表，该第二查找表使能耗与速度和坡度相关联，并且还限定已经被确定为最小化车辆能耗的第二最佳操作区域。在任一前述实例中，可用来自动驱动机动车辆的自动驱动控制模块可在第一或第二最佳操作区域内操作机动车辆。
对于本公开所公开的系统、方法和车辆中的任一个，常驻车辆控制器可以，例如，从车载传感器的分布阵列接收实时能耗数据，该实时能耗数据指示了在存储器存储表采样点对应的指定速度、转角和/或坡度下原动机实际能耗。对于每个采样点，控制器确定实际能耗值是否与采样点的存储器存储能耗值相差至少预定增量。如果是，则控制器将响应地更新存储器存储表，用实际能耗值替换存储器存储能耗值。在接收实时能耗数据之前，车辆控制器可以确定机动车辆是否以存储器存储表中任何一个采样点对应的速度和转角或速度和坡度操作。
对于本公开所公开的系统、方法和车辆中的任一个，常驻车辆子系统可以包括用来管理机动车辆驱动的ADAS控制模块。在这种情况下，控制操作包括执行自动转向操纵和/或自动巡航控制操纵，该自动巡航控制操纵已经由ADAS控制模块基于至少一个候选路线的至少一个估计总能耗来调整。可选地，常驻车辆子系统可以包括具有电子显示设备的车辆导航系统。在这种情况下，控制操作包括将候选路线的估计总能耗保存在存储器存储的地图数据库中和/或在电子显示设备显示每个候选路线以及他们各自的估计总耗的指示。
以上概述并不旨在表示本公开的每个实施例或每个方面。相反，以上概述仅提供本文所阐述的一些新颖概念和特征的示例。当结合附图和所附权利要求书时，本公开的上述特征和优点，以及其它特征和伴随的优点将从以下对用于实施本公开的说明性示例和代表性模式的详细描述中变得显而易见。此外，本公开明确地包括以上和以下出现的元件和特征的任何和所有组合和子组合。
附图说明
图1是根据本公开的各方面的代表性机动车辆的示意图，该机动车辆具有用于执行生态路线选择技术和自动驾驶操作的车载控制器、感测设备和通信设备的网络；
图2是示出了根据所公开概念的各方面的代表性生态路线选择控制算法的流程图，该算法用于估计提供的智能路线规划的总车辆能耗，该算法可以对应被车载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备的网络执行的存储器存储指令；
图3A和3B是根据本发明方面的代表性机动车辆的油耗与车速和转角的函数的曲线图；
图4A和4B是根据本发明方面的代表性机动车辆的油耗与车速和坡度的函数的曲线图；
图5是示出了根据所公开概念的各方面的代表性实时学习算法的流程图，该算法用来为单个车辆/驾驶员调整油耗查找表，该算法可以对应被车载或远程控制逻辑电路、可编程电子控制单元或其他基于计算机的设备或设备的网络执行的存储器存储指令；
本公开可以进行各种修改和替代，并且一些代表性实施例通过附图中的示例示出并且将在此详细描述。然而，应当理解，本公开的新颖方面不限于以上列举的附图中所示的特定形式。相反，本公开将涵盖所附权利要求书所包含的本公开范围内的所有修改、等同物、组合、子组合、置换、分组和替换。
具体实施方式
本公开允许许多不同形式的实施例。本公开的代表性实施例在附图中示出并在此将详细描述，应当理解这些提供的代表性实施例是本公开原理的示例，而不是限制本公开的广泛方面。就此而言，例如在摘要，背景技术，发明内容和详细的说明书中描述但未在权利要求中明确阐述的元素和限制不应单独地或共同地以暗示、推断或其它方式并入权利要求中。
为了详细描述本公开，除非特别声明：单数包括复数，反之亦然；词语“和”和“或”应当即是结合的又是分离的；词语“任何”和“全部”都是指“任何和全部”；并且词语“包括”、“含有”、“包含”、“具有”等应各自表示“包括但不限于”。此外，近似词，例如“约”，“几乎”，“基本上”，“近似”等在本文中可以以例如“在、接近或接近”或“在0-5％之内的……”或“在可接受的制造公差范围内”或其任何逻辑组合的意义来使用。最后，方向形容词和副词，例如前、后、内侧、外侧、右舷、左舷、垂直、水平、向上、向下、前、后、左、右等，可以相对于机动车辆而言，例如当车辆可操作地定向在正常驱动表面上时机动车辆的向前驱动方向。
现在参考附图，表示相同特征的相同附图标记贯穿若干个视图。图1示出了一种代表性的汽车，该汽车一般地被指定为10，并且出于讨论的目的在此被描绘为轿车型客车。用来执行一个或多个辅助或自动驾驶操作的车载电子设备的网络被包装在汽车10的车身12上，例如，分布在不同车厢中。所示的汽车10——在此简称为“机动车辆”或“车辆”——仅仅是可以实践本公开的方面和特征的示例性应用。同样，以下讨论的特定计算网络体系结构的本公开概念的实现也应被理解为本公开所公开的新颖特征的示例性应用。照此，应当理解，本公开的方面和特征可以应用于其他系统结构，用于各种自动驾驶操作，并且用于任何逻辑上相关类型的机动车辆。此外，仅示出了网络和车辆的选择组件，并且将在下面更详细地描述。然而，在此讨论的机动车辆和网络体系结构可以包括，例如，许多附加的和替代的特征，以及其他可用的外围部件，以执行本公开的各种方法和功能。最后，这里给出的附图不一定是按比例绘制的，并且仅仅是为了说明的目的而提供的。因此，附图中示出的特定和相对尺寸不应被解释为限制性的。
图1的代表性车辆10最初配备有车辆电信和信息(“远程信息处理”)单元14，其与远程位置的或非车载云计算系统24进行无线通信(例如，通过信号塔、基站、V2X和/或移动交换中心(MSCs)等)。通常在图1中示出的一些其他车辆硬件组件16，作为非限制性示例，包括电子视频显示设备18、麦克风28、一个或多个音频扬声器30和各式输入控制设备32(例如，按钮、旋钮、开关、触控板、键盘、触摸屏等)。通常，这些硬件组件16至少部分地起到常驻车辆导航系统的作用，例如，实现辅助和/或自动车辆导航，并且作为人/机界面(HMI)，例如，使用户能够与远程信息处理单元14和车辆10的其他系统和系统组件通信。麦克风28向车辆乘员提供输入口头或其它听觉命令的装置；车辆10可以配备有被编程有计算语音识别软件模块的嵌入式语音处理单元。相反，扬声器30向车辆乘员提供可听输出，并且可以是专门与远程信息处理单元14一起使用的独立扬声器或者可以是音频系统22的一部分。音频系统22可操作地连接到网络连接接口34和音频总线20，以通过一个或多个扬声器组件接收模拟信息并将其翻译为语音。
网络连接接口34通信地耦合到远程信息处理单元14，其合适的示例包括双绞线/光纤以太网交换机、内部/外部并行/串行通信总线、局域网(LAN)接口、控制器局域网(CAN)，面向媒体的系统传输(MOST)、本地互连网络(LIN)接口等。其它合适的通信接口可以包括符合ISO、SAE和IEEE标准和规范的通信接口。网络连接接口34使车辆硬件16能够彼此发送和接收信号，并且与车体12内或“常驻”以及车体12外或“远程”的各种系统和子系统发送和接收信号。这使得车辆10执行各种车辆功能，例如控制车辆转向，管理车辆变速器的操作，控制发动机节气门，接合/分离制动系统以及其他自动驾驶功能。例如，远程信息处理单元14向/从ADAS电子控制单元(ECU)52、发动机控制模块(ECM)54、动力系控制模块(PCM)56、传感器接口模块58、制动系统控制模块(BSCM)60和各种其他车辆ECUs，比如变速器控制模块(TCM)、气候控制模块(CCM)等，接收和/或发送数据。
继续参考图1，远程信息处理单元14是车载计算设备，其单独地并且通过其与其他联网设备的通信来提供混合服务。该远程信息处理单元14通常由一个或多个处理器40组成，每个处理器可以实现为分立微处理器、专用集成电路(ASIC)、专用控制模块等。车辆10可通过中央处理单元(CPU)36提供车辆集中控制，中央处理单元(CPU)36可操作地耦合到一个或多个电子存储设备38，每个电子存储设备38可采取CD-ROM、磁盘、IC装置、半导体存储器(例如，各种类型的RAM或ROM)等，以及实时时钟(RTC)42的形式。与远程、非车载联网设备的远程车辆通信功能可以通过蜂窝芯片组/组件、导航和定位芯片组/组件(例如，全球定位系统(GPS)收发器)，或无线调制解调器中的一个或多个或全部来提供，所有这些共同用44表示。近距离无线连接可通过短距离无线通信设备46(例如，
Figure BDA0002086752840000101
单元或近场通信(NFC)收发器)、专用短距离通信(DSRC)组件48和/或双天线50来提供。应当理解，车辆10可以在没有一个或多个上述部件的情况下实施，或者可以根据特定最终用途的需要包括附加部件和功能。上述各种通信设备可以被配置作为在V2V通信系统或其他车辆到一切(V2X)通信系统(例如，车辆到基础设施(V2I)、车辆到行人(V2P)、车辆到设备(V2D))中的周期性广播的一部分来交换数据。
CPU 36从一个或多个传感设备接收传感器数据，所述传感设备使用，例如，光电检测、雷达、激光、超声波、光学、红外或其它合适的技术来用于执行自动驾驶操作。根据所示示例，汽车10可以配备有一个或多个数字摄像机62，一个或多个距离传感器64，一个或多个速度传感器66，一个或多个车辆动态传感器68，以及用于处理原始传感器数据的任何必要的滤波、分类、融合和分析硬件和软件。数字相机62可以使用电荷耦合器件(CCD)传感器或其他合适的光学传感器来生成指示车辆10视野的图像，并且可以被配置成用于连续图像生成，例如，每秒生成至少约35个图像。相比较而言，距离传感器64可以发射和检测反射的无线电波、电磁波或基于光的波(例如，雷达、EM感应、光检测和测距(LIDAR)等)以检测，例如，物体的存在、几何尺寸和/或接近度。速度传感器66可以采用各种形式，包括测量车轮速度的车轮速度传感器，其然后用于确定实时车速。此外，车辆动态传感器68可以是单轴或三轴加速计、角速度传感器、倾角计等形式，用于检测纵向和横向加速度、横摆、侧倾和/或俯仰率，或其他动态相关参数。通过使用来自传感装置62、64、66、68的数据，CPU 36识别车辆10可检测范围内的物体，并确定目标物体的属性，例如尺寸、相对位置、接近角度、相对速度等。
现在参考图2所示的流程图，示出了根据本公开的各方面的一种用于估计总车辆能耗以提供机动车辆(例如图1的汽车10)的智能生态路线规划的改进方法或控制策略，大体上在100处描述。图2所示的并且以下会进一步详细描述的一些或全部操作可以是一种对应处理器可执行指令的代表性算法，该处理器可执行指令可以存储在，例如，主要或辅助或远程存储器中，并且被例如车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行来实现根据本公开所公开概念的以上或以下描述的功能中的任一个或全部。应认识到，可改变所示操作块的执行次序，可添加额外的块，并且可修改、组合或删减所述的一些块。
方法100从终端块101开始，其具有可用于编程控制器或控制模块或类似的合适的处理器的处理器可执行指令，以调用用于实时生态路线选择协议的初始化过程，所述实时生态路线选择协议提供准确的燃料/电池消耗估计，改进车辆路线规划，并帮助优化系统能耗。该程序可以在正在进行的车辆操作期间实时地、连续地、系统地、零星地和/或以规则的间隔(例如，每100毫秒等)执行。作为又一选择，终端块101可以响应于来自用户的命令提示或来自后端或中间件计算节点的广播提示信号而初始化，该后端或中间件计算节点负责收集、分析、分类、储存和分发车辆数据。作为块101的初始化过程的一部分，常驻车辆远程信息处理单元14可以执行导航处理代码段，例如，为了获得地理空间数据、车辆动态数据、时间戳和相关时间数据等，并且可选地将该数据的选择方面显示给车辆10的乘员。在过程块103处，车辆10的驾驶员或其他乘员可以采用HMI输入控制器32中的任一个来选择期望的起点和/或目的地。还可以想象，CPU 36或远程信息处理单元处理器40从其他来源接收车辆起点和目的地信息，例如为云计算系统24供应数据交换的服务器级计算机或在智能电话或其它手持计算设备上操作的专用移动软件应用。
一旦在终端块103处确认了车辆起点(起始位置)和车辆目的地(结束位置)，则方法100在输入/输出块105处执行地理空间查询以识别机动车辆从车辆起点行进到车辆目的地的候选路线。作为示例而非限制，在块105处进行的查询可以利用车辆的实时位置信息(例如，GPS生成的一组大地基准)和时间信息(例如，由CPU 36的实时时钟(RTC)产生的时间戳)来识别从给定起点到达选定目的地的两个或多个候选路线。在一些非限制性示例中，地理空间信息可以包括道路几何形状和边界数据、路肩和中心位置数据、坡度数据、交叉中点位置数据等。输入/输出块105的地理空间查询识别与车辆的开始和结束位置相对应的多个路线，而不是识别单个路线选项，该单个路线选项可以不必在特定日期为对象车辆提供最佳行驶路线。方法100可以附带地访问
Figure BDA0002086752840000121
(OSM)数据服务或类似的合适的映射数据库以“查找”与每个路线相关的道路级数据。该基线“道路级”信息可以包括形成给定路线的互连段、每个路段的名称、每个路段的限速、车道校准信息、交通灯位置、停车标志位置、高速公路入口/出口信息等。
在建立车辆起点、目的地和多个候选路线，然后汇总每个路线的相关道路级数据和道路交通/干扰数据之后，方法100前进到预处理块107，以确定每个候选路线的估计总车辆能耗——无论是燃料还是电池还是两者。总车辆能耗至少部分地基于该路线的相应交通、速度和几何信息。可选的实现例还考虑驾驶员特定的历史行为和车辆特定的操作特性，这将在下面详细描述。尽管可以想象，可以从常驻在车辆上和远离车辆的各种资源中的任何一种资源中检索该信息，可以期望是常驻车辆控制器，例如图1的CPU 36，来执行V2X数据交换并访问缓存存储器存储的能耗查找表。这些查找表可以通过任何合适的方式生成，包括计算机模拟、系统结构仿真、众包驾驶数据、车辆校准驾驶数据等。在基于模型的生态路线选择策略通常关注发动机级或马达级能耗的情况下，方法100试图通过关注车辆级能耗来提供到达期望目的地的总能耗的更全面的评估。
在预处理块107处指示的控制操作可以由常驻车辆导航系统执行，例如图1的远程信息处理单元14，其可以包含路径规划软件和地图、表格、兴趣点和其他地理位置数据的数据库。图3A和3B图示了代表性机动车辆的实际油耗数据与车速和转角的函数的曲线图。具体地，图3A示出了三个车辆相关变量之间的函数关系的三维(3D)表面图：作为y轴上的因变量的油耗FC(加仑/100英里)；作为x轴上的第一独立变量的车速V(英里/小时)；以及作为z轴上的第二独立变量的转角AT(度)。作为比较，图3B示出了与图3A中的各个油耗FC区域相关联的转角AT(度；y轴)和车速V(mph；x轴)的二维(2D)轮廓和散点图。在图3B的2D油耗图上重叠的点代表可用于建立燃料/速度/角度查找表的样本点或区域。这两个曲线图有助于证明车辆油耗对速度和转角的敏感性。使用该信息，自动或推荐的候选路线选择(或触发的重选)可以偏向(第一)最佳操作区域OR1(图3B)。根据所示的示例，最佳操作区域OR1将优先考虑平均车速为约40至60mph的路线，或在一些实施例中，约47至55mph的路线，这将导致最小油耗为约1.0至4.0gal/100mi，通常与先前的转角无关。这种趋势通常显示出从较低速度向较高速度(例如，约60mph，)的真实移动。超过60mph，车辆阻力效应变得更加显著，从而增加了油耗。因此，可能更希望将车速降低到60mph以下以减少油耗。
在预处理块107处获得总车辆能耗可能需要访问以上参考图3A和3B所讨论的补充或替代信息源。作为非限制性示例，图4A和4B图示了代表性机动车辆的实际油耗数据与车速和道路坡度(例如，水平面倾斜或下降)的函数的曲线图。图4A示出了油耗FC(加仑/100英里；y轴)，道路坡度G(上升至行驶的坡度百分比；x轴)和车速V(英里/小时；z轴)。此外，图4B示出了与图4A中各个油耗FC区域相关联的坡度G(％；y轴)和车速V(mph；x轴)的2D轮廓和散点图。在图4B的2D油耗图上重叠的点代表可用于建立燃料/速度/坡度查找表的样本点或区域。这些曲线图有助于证明车辆油耗对速度和道路坡度的敏感性。使用该信息，候选路线选择或重选可以偏向(第二)最佳操作区域OR2(图4B)。根据所示的示例，图4B的最佳操作区域OR2优先考虑平均车速为约30至60mph的路线，或在一些实施例中，为约32至57mph的路线，这将导致在坡度为大约3％(向上)倾斜到6％(向下)下降的情况下，最小油耗为约2.0至5.0gal/100mi。
给定候选路线的总车辆油耗可以以多种可选方式估计。第一种方法可以包括将每个候选路线分割成一系列互连的路段，其中每个路段具有预定尺寸(例如，1/10英里)。候选行进路线可以基于多种不同的分割技术来分割，例如包括：(1)每右转或左转开始一个新段；(2)每个路段具有大致相同的估计行驶时间；(3)每个路段具有大致相同的行程距离；(4)每个路段具有大致相同的平均速度；(5)路线上的每个坡度变化成为路段等。使用在处理块105检索的道路级数据，为每个路段确定平均速度、平均转角和平均坡度。然后，将路段的平均速度、转角和坡度与存储在常驻存储器中的查找表进行对比，以估计该路段的相应车辆能耗。然后系统对所有路段的车辆能耗求和，从而估计给定候选路线的总能耗。可选地或替代地，CPU 36或云计算系统24接收、汇总和处理指示在对象候选路线上行驶固定时间窗的多个参与车辆的速度、转角和坡度的众包车辆动态数据。根据所接收的车辆动态数据，系统确定每个候选路线的相应平均速度、平均转角和平均坡度。然后，通过对照将能耗与速度/转角/坡度相关联的查找表来评估所述路线的相应平均速度、转角和坡度，来确定每个候选路线的总车辆能耗。
路线规划协议的可选的自适应驱动控制程序可以包括增大或减小实际车速以将平均车辆速度朝向操作区域OR1和OR2中的一个或两个靠近，从而使车辆操作与任何给定道路坡度和转角下的最小油耗相匹配。通过图3A、3B、4A和4B的图形分析，可以生成以下路线选择驾驶规则，例如：(1)总体平均车速目标约为50mph；(2)一般车速目标运行范围约为30-50mph；(3)上坡目标车速运行范围约为25-45mph；以及(4)下坡目标车速运行范围约为35-55mph。这些驾驶规则本质上是非限制性的和示例性的，因此可以基于车辆品牌、型号、类型、选项等而变化。
路线选择规则本身不是静态的，并且可以针对单独的驾驶风格和/或不同的车辆平台来定制。激进驾驶行为，例如硬加速/减速、超速、激进转弯等，通常会增加上述目标速度下的油耗。此外，增加的阻力(例如，轿跑车车身与轿车、卡车或SUV车身；拖车；行李架等)将增加图3B和4B上的车辆燃料消耗，在更高车速下产生更坏的阻力影响。发动机尺寸、车辆总重量、轮胎尺寸和其它因素可能影响给定车辆平台的燃料经济性。为了抵消这些因素，系统可以改变路线选择驾驶规则或者缩小目标操作速度或者可以实施CPU自动驾驶限制。作为附加的或替代的选择，CPU 36可以与动力系控制模块(PCM)协调以实现一组增强的低能耗驾驶规则，例如将车辆10设定为“节能驾驶员模式”，其控制车辆速度并限制发动机/马达扭矩、附件使用等。在这点上，ADAS模块可以使一个或多个预定驾驶操纵自动化，以帮助保持电池电量，包括在校准速度下启动自适应巡航控制(ACC)，所述校准速度已经被验证可以优化能耗。
在完成预处理块107之后，图2的方法100继续到处理块109，使用处理器可执行指令输出可用候选路线的总车辆油耗。处理块109可以包括，例如，用于远程信息处理单元14的电子显示设备18显示地理编码和注释的道路地图的指令，该道路地图具有车辆起点销、车辆目的地销和描绘各个候选路线的离散地图轨迹。地图轨迹可经色彩编码或编号以提供额外的描绘方式。存储设备38临时地/永久地存储和显示装置18，并伴随地显示每个候选路线计算出的车辆油耗、行驶时间/距离和可选的道路信息(例如，交通、收费道路等)。对于至少一些应用，CPU 36选择或建议一个候选路线作为“偏好”路线；基于所有可用候选路线与上述路线选择驾驶规则的比较，候选路线可以被表征为“偏好”。在分布式计算系统体系结构中，处理块109可以附加地或替代地包括将数据段传送到云计算资源服务24以便存储在云服务器上。同样地，信息可以通过任何合适的方式呈现给驾驶员或其他车辆乘员，可以是视觉的、听觉的、触觉的或输出介质的组合。
方法100前进到处理块111，其中接收用户输入以选择一个可用候选路线。继续讨论图1的代表性应用，车辆10的驾驶员或其他乘员可以采用HMI输入控制器32中的任一个，例如覆盖显示设备18的触摸屏，来选择一个所显示的候选路线。可选地，CPU 36或远程信息处理单元14处理器40可以自动选择“偏好”路线，例如，在开始全自动驾驶模式之前，所述全自动驾驶模式将同时操作车辆10沿着选定路线到达期望目的地。作为又一选择，CPU 36或远程信息处理单元14从其它来源接收路线选择，例如云计算资源服务24或在乘员的智能电话、平板电脑或可佩戴电子计算设备上操作的专用移动应用。
在处理块111处接收候选路线的选择之前、同时或之后，方法100包括路线重新计算触发器，以确定干扰事件是否显著增加了任何候选路线的估计行驶时间或总车辆能耗。如果在给定候选路线上发生了不可预见的交通事件，则系统可以重新计算该路线的估计总车辆能耗/总行驶时间。如果任一个值增加超过校准阈值(例如，行驶时间增加10分钟以上或15％；总油耗增加超过2gal./100mi或10％)，系统可向驾驶员呈现替代路线，并提示选择另一路线。在自动驾驶场景中，车辆10可以自动地使车辆10的重新路线选择与替代路线相一致。例如，在判定块113处，方法100确定干扰事件是否延长了在处理块111处选择的候选路线的估计行驶时间或增加了总车辆能耗。为了进行这种评估，车辆硬件16可以对当前路线的行驶时间变化(例如，碰撞、构造等)进行实时监控(例如，通过DSRC无线电或基于蜂窝的应用)。响应于确定干扰事件已经将估计行驶时间延长或总车辆能耗增加了至少预定阈值(块113＝Y)，系统可以返回到输入/输出块105并通过方法100循环。例如，方法100可返回到OSM数据服务并检索与一个或多个备选路线(“重新路线”)相关联的道路级数据，每个备选路线可根据图2的方法100被评估为候选路线。
响应于确定干扰事件未发生或干扰事件未将估计行驶时间/总车辆能耗增加其各自的阈值量(块113＝N)，方法100前进到预处理块115以执行查找表更新过程(例如，使用下述任何技术)。作为非限制性示例，CPU 36将所选路线的计算的总油耗与在该路线完成时车辆10的实际测量的油耗进行比较。如果计算值和测量值之间的数值差大于预定值或百分比，例如，5mpg或10％，则可以修改燃料查找表以更紧密地与实际的测定值对齐。方法100此后可以前进到终端块117并结束。另一方面，方法100此后可以循环回到终端块101并且以连续循环运行。
预处理块115的查找表更新过程可以包括实时学习和适配过程，该适配过程将车辆能耗查找表适配到特定车辆和/或个人驾驶风格。在该示例中，为通用车辆平台/动力系段创建一组基础查找表。然后，可以捕获个人用户驾驶风格作为在离散的各种速度、道路坡度和转向角增量下的油耗的实时采样点。该数据可用于生成更新的或替代的燃料经济性图和相应的查找表。如果满足阈值条件(例如，循环缓冲点的新平均值，与基本表的大差异等)，更新的/替代的油耗(FC)表中的一个或多个新值将替换基本FC表中的相应值。循环缓冲点允许自动复位(例如，车辆牵引拖车)和适配(例如，车辆随时间变得燃料效率较低)。例如，每当对象车辆在燃料经济性表的操作点/区域附近操作时，常驻车辆传感器捕获燃料经济性的实际测量当前值。将该值与基础表中的当前点进行比较，并对是否用测量的点值替换当前表的点值做出逻辑或数学判定。
基于应用于预设大小上的一组样本点的评估标准，循环缓冲器计算方法可用于“触发”新油耗表的写入或现有表值的重写。循环缓冲器是一种计算操作，其中存储器用于预设的时间窗口或预设数量的采样点，然后开始重写其自身。这样做，可以捕获采样点值，例如，每5分钟或每300个样本(每个存储器位置1个样本)。在下一个时间步骤，例如，五分钟、一秒或第301个数据点，存储器从第一位置开始被重新使用。这允许在未知或延长的时间段内使用有限数量的存储器。在预处理块115中，方法100可以捕获数据流以计算燃料经济性表点。一旦被捕获，就进行逻辑或数学比较以确定缓冲器中捕获的值是否应该替换当前用于路线计算的表中的现有值。
触发事件，例如行驶路线选择、点火周期、现有表值和实时测量值之间的增量变化，将循环缓冲器中向常驻存储器写入更新的表点值，目的是评估和使用新的缓冲器值来替换原始FC基础表中的值。在一个示例中，为查找图或表的每个定义的离散速度/道路坡度/先前转角点值或区域创建循环缓冲器。可选地，对查找表或地图的离散速度/道路坡度/先前转角点值或区域的子集进行采样，同时使用内插或外推方法填充或调整其他点/区域。对于至少一些实施例，FC表、循环缓冲器和触发逻辑的数据收集、计算和存储可以在本地执行，例如，使用远程信息处理单元，或远程地，例如，使用无线“云”服务，或在一些组合配置中。
当车辆在表中限定的数据点区域内的操作条件下行驶时，可以计算实时油耗。新的实时油耗值可以首先以可选择的采样速率(例如，1HZ)被写入到“最右边”的循环缓冲存储器位置。存储(最大)缓冲器长度“C”的总尺寸的条目；此时，丢弃缓冲区中最旧的条目(例如，最左侧)，所有缓存值左移，并且在最右边添加新条目。缓冲器的历史长度“N”允许从最大尺寸“C”调整每个表位置的条目数量(例如，到最少一个条目)。基于触发事件执行用基于缓冲器条目的新测量值来实际替换基础FC表值，例如以下参考图5的流程图描述的那些触发事件。可以评估超过尺寸“P”的采样点，例如，平均值、模式、最小值、最大值等，以获得替换值。
先前转角FC累加器可用于学习和评估用于油耗值比较的数值并触发表写入操作。在驾驶时，实时转角累加器跟踪并累加在选定时间段、行驶距离、行驶速度和/或行驶路线上发生的总转向活动量。特定距离和速度上的给定车辆/驾驶员的更多的转向运动通常倾向于降低燃料经济性。通过实时地计算转角累加器的累加器值，并将实时累加器值与针对选定驾驶员、时间段、行驶距离、行驶速度、行驶路线等先验地计算的值进行比较，所得到的差可以用于相关FC比较。例如，一个存储位置保存一个数值，该数值是基于在选定的时间采样速率上转角的瞬时绝对值的附加累加并乘以由速度和道路坡度的FC图中的数值所创建的相应权重因数(例如，通过平均)。作为另一选择，一个存储器位置保存一个数值，该数值基于在选定路线上的转角的绝对值的预测附加累加，并乘以由速度和道路坡度的FC图中的数值所创建的选定路线上的相应预测权重因数(例如，通过平均)。
现在参考图5所示的工作流程图，示出了根据本公开的各方面的一种为单个车辆/驾驶员调整油耗查找表的改进方法或控制策略，大体上在200处描述。图5所示的并且以下会进一步详细描述的一些或全部操作可以是对应处理器可执行指令的代表性算法，该处理器可执行指令可以存储在，例如，主要或辅助或远程存储器中，并且被，例如，车载或远程控制器、处理单元、控制逻辑电路或其他模块或设备执行来实现本公开所公开概念的以上或以下描述的功能中的任一个或全部。应认识到，可改变所示操作块的执行次序，可添加额外的块，并且可修改、组合或删减所述的一些块。
在处理块201处，针对一系列速度、道路坡度和转角生成基本油耗(FC)查找表，例如，以上述任何方式或以任何可用和合适的方式。在处理块203处，记录查找表的每个条件/位置的实时油耗值(例如，瞬时油耗(IFC))。处理块203还可以包括将记录值与在相同的驾驶条件(例如，速度、坡度、角度等)下的测量值进行比较。如上所述，可以捕获个人驾驶风格(积极或保守，转角增量等)作为在离散的各种速度、道路坡度、转角等上的油耗采样点。图5的方法200继续前进到判定块205以确定绝对增量值是否大于预设百分比(比如，10％)或预设值。响应于确定绝对增量值不大于预设百分比/值(块205＝N)，方法200循环回到处理快203。相反，如果绝对增量值实际上大于预设百分比/值(块205＝Y)，则方法200推断满足表更新的触发条件，并作为响应前进到处理块207并更新基础查找表中的相应值或值组。这样，所述一个或多个查找表可适用于单个驾驶员以获得更好的油耗估计。
可能存在这样的使用情况，其中由导航系统或专用软件应用建议的“偏好”或“最佳”路线被确定为不再是本身最优的路线。这可能是由于由上述任何修改的油耗表过程触发的重新计算。因此，基本表和/或实时修改表的油耗地图信息可用于将建议路线推荐改变为对于给定车辆/驾驶员来说更“生态”的路线。通过以最佳速度目标，例如，将车辆速度调整为更接近地与FC图上所示的目标速度或目标速度范围一致，操作车辆可以达到最佳燃料经济性。例如，参考图3A、3B、4A和4B的FC映射信息，系统可以推断超过60mph的行驶可能不是燃料最优的。如果学习到的FC图捕获到车辆阻力较高或驾驶员具有加速趋势，则超过60mph的行驶路线平均速度被认为燃料效率更低。其他考虑因素可以包括交通延迟、多个收费点，或道路上交通交叉路口停止的可能性更大。这些因素中的每一个都导致车辆在较低速度范围内操作，这在较长的驾驶持续时间内效率较低。
在一些实施例中，可以通过指令的计算机可执行程序来实现本公开，所述指令的计算机可执行程序诸如程序模块，其通常被称为由车载车辆计算机或常驻和远程计算设备的分布式网络执行的软件应用程序或应用程序。在非限制性示例中，软件可以包括执行特定任务或实现特定数据类型的例程、程序、对象、组件和数据结构。软件可以形成接口以允许常驻车辆控制器或控制模块或其它合适的集成电路设备根据输入源做出反应。软件还可与其它代码段协作以响应于结合数据源所接收的数据来启动各种任务。软件可以存储在各种存储介质中的任何一种上，例如CD-ROM、磁盘、磁泡存储器和半导体存储器(例如各种类型的RAM和ROM)。
此外，本公开的各方面可用各种计算机系统和计算机网络架构来实现，包括多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机、主从、对等或并行计算框架等。此外，本公开的各方面可以在分布式计算环境中实现，其中任务由通过通信网络链接的常驻和远程处理设备来执行。在分布式计算环境中，程序模块可位于包括存储器存储设备的车载和非车载计算机存储介质中。因此，本公开的各方面可结合计算机系统或其它处理系统中的各种硬件、软件或其组合来实现。
本文所述的任何方法可以包括通过以下方式执行的机器可读指令：(a)处理器，(b)控制器，和/或(c)任何其他合适的处理设备。本文所述的任何算法、软件、控制逻辑、协议或方法可在存储在有形介质，例如，快闪存储器、CD-ROM、软盘、硬盘驱动器、数字多功能盘(DVD)或其它存储器设备上的软件中实现。整个算法、控制逻辑、协议或方法和/或其部分可替换地由除控制器之外的设备来执行和/或以可用的方式在固件或专用硬件中实现(例如，它可以由专用集成电路(ASIC)、可编程逻辑器件(PLD)、现场可编程逻辑器件(FPLD)、离散逻辑等来实现)。此外，尽管参考本文所示的流程图描述了特定的算法，但是存在可替的用于实现示例性机器可读指令的许多其他方法。
已经参考所示的实施例详细描述了本公开的各方面；然而，所属领域的技术人员可以认识到，在不脱离本公开的范围的情况下，可以对其进行许多修改。本公开不限于本公开公开的精确构造和组合物；从前述中显而易见的任何和所有修改、改变和变化都在由所附权利要求限定的本公开的范围内。此外，本公开概念明确地包括前述元素和特征的任何和所有组合和子组合。

Claims (10)

1.一种用于控制机动车辆操作的方法，所述机动车辆包括多个车轮，可操作以驱动至少一个车轮的原动机，以及可操作以控制所述原动机的常驻车辆控制器，所述方法包括：
通过所述常驻车辆控制器确定所述机动车辆的车辆起点和车辆目的地；
通过具有存储器存储地图数据库的所述常驻车辆控制器进行地理空间查询，以识别机动车辆从车辆起点行进到车辆目的地的多个候选路线；
接收与每个所述候选路线相关联的相应道路级数据，所述道路级数据包括速度数据和转角数据和/或坡度数据；
估计经由每个所述候选路线将机动车辆从车辆起点推进到车辆目的地的相应原动机总能耗，所述估计包括对照将能耗与速度和转角和/或坡度相关联的存储器存储表来评估候选路线的相应道路级数据；以及
基于至少一个候选路线对应的至少一个估计总能耗，通过所述常驻车辆控制器向常驻车辆子系统发送命令信号以执行控制操作。
2.根据权利要求1所述的方法，其中，估计所述候选路线的总能耗包括：
将每个所述候选路线分割成多个路段；
根据存储在存储器存储地图数据库中的道路级数据来确定每个路段的相应平均速度、平均转角和平均坡度；
通过对照将能耗与速度和转角和/或坡度相关联的存储器存储表评估路段的相应平均速度、转角和坡度，从而估计每个路段的相应车辆能耗；以及
汇总路段的车辆能耗，从而估计每个所述候选路线的相应总能耗。
3.根据权利要求1所述的方法，其中，估计所述候选路线的相应总能耗包括：
接收指示多个参与车辆在所述候选路线上行驶固定时间窗口时的速度、转角和坡度的车辆动态数据；
根据接收到的车辆动态数据，确定与每个所述候选路线相关联的相应道路级数据，包括相应的平均速度、平均转角和平均坡度；以及
通过对照将能耗与速度和转角和/或坡度相关联的表评估候选路线的相应平均速度、平均转角和平均坡度，从而估计每个所述候选路线的相应总能耗。
4.根据权利要求1所述的方法，其中，所述常驻车辆子系统包括具有输入设备和电子显示设备的车辆导航系统，所述方法进一步包括：
通过电子显示设备同时显示每个所述候选路线以及相应的估计总能耗的指示；
通过所述输入设备接收对一个候选路线的用户选择；
确定干扰事件是否已经将所选择的候选路线的估计行驶时间增加了至少预定阈值时间；以及
响应于所述干扰事件将估计行驶时间增加预定阈值时间，通过所述电子显示设备显示选择另一个候选路线的提示。
5.根据权利要求4所述的方法，进一步包括，响应于所述干扰事件将估计行驶时间增加预定阈值时间：
进行第二地理空间查询以识别机动车辆从车辆起点行进到车辆目的地的多个备选候选路线；
从所述存储器存储地图数据库或多个参与车辆接收与每个备选候选路线相关联的相应道路级数据；
通过对照将能耗与速度和转角和/或坡度相关联的存储器存储表评估备选候选路线的相应道路级数据，从而估计经由每个备选候选路线将机动车辆从车辆起点推进到车辆目的地的相应原动机总能耗；以及
通过所述电子显示设备同时显示每个备选候选路线以及相应的估计总能耗的指示。
6.根据权利要求5所述的方法，其中，所述预定阈值时间包括预设时间值或预设时间百分比。
7.根据权利要求1所述的方法，还包括：
根据所述道路级数据确定每个所述候选路线的相应估计行驶时间和距离，
其中，所述控制操作还基于至少一个候选路线对应的至少一个估计行驶时间和距离。
8.根据权利要求1所述的方法，其中，所述存储器存储表包括将能耗与速度和转角相关联的第一查找表，所述第一查找表限定被确定为使车辆能耗最小化的第一最佳操作区域，并且其中，所述常驻车辆子系统包括自动驱动控制模块，所述自动驱动控制模块可操作以自动驱动机动车辆，所述控制操作包括在第一最佳操作区域内操作机动车辆。
9.根据权利要求1所述的方法，其中，所述存储器存储表包括将能耗与速度和坡度相关联的第二查找表，所述第二查找表限定被确定为使车辆能耗最小化的第二最佳操作区域，并且其中，所述常驻车辆子系统包括自动驱动控制模块，所述自动驱动控制模块可操作以自动驱动机动车辆，所述控制操作包括在第二最佳操作区域内操作机动车辆。
10.根据权利要求1所述的方法，还包括：
接收实时能耗数据，所述实时能耗数据指示所述原动机在与所述存储表中的样本点相对应的指定速度和转角和/或坡度下的实际能耗；
确定每个样本点的相应实际能耗是否与所述样本点的相应存储器存储能耗相差至少预定使用增量；以及
响应于样本点的相应实际能耗与样本点的相应存储器存储能耗相差至少预定使用增量，更新存储器存储表，用实际能耗替换存储器存储能耗。
CN201910490213.XA 2018-09-13 2019-06-06 用于实时生态路线选择和自适应驱动控制的车辆、系统和逻辑 Pending CN110901648A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/130367 2018-09-13
US16/130,367 US20200089241A1 (en) 2018-09-13 2018-09-13 Intelligent motor vehicles, systems, and control logic for real-time eco-routing and adaptive driving control

Publications (1)

Publication Number Publication Date
CN110901648A true CN110901648A (zh) 2020-03-24

Family

ID=69646709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910490213.XA Pending CN110901648A (zh) 2018-09-13 2019-06-06 用于实时生态路线选择和自适应驱动控制的车辆、系统和逻辑

Country Status (3)

Country Link
US (1) US20200089241A1 (zh)
CN (1) CN110901648A (zh)
DE (1) DE102019113865A1 (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111832839A (zh) * 2020-07-24 2020-10-27 河北工业大学 基于充分增量学习的能耗预测方法
CN112356822A (zh) * 2020-11-12 2021-02-12 北京车和家信息技术有限公司 混动车辆及其发电量的预测方法、装置和预测系统
CN112668153A (zh) * 2020-12-11 2021-04-16 国汽(北京)智能网联汽车研究院有限公司 一种自动驾驶仿真场景生成的方法、装置及设备
CN113212438A (zh) * 2021-05-31 2021-08-06 重庆工程职业技术学院 一种基于用户驾驶行为分析的行车导航系统
CN113942515A (zh) * 2021-10-26 2022-01-18 日立楼宇技术（广州）有限公司 Agv车辆能耗优化方法、装置、设备、存储介质及程序产品
CN113970919A (zh) * 2020-07-21 2022-01-25 图森有限公司 用于自动路线导航的系统和方法
WO2022022514A1 (zh) * 2020-07-28 2022-02-03 比亚迪股份有限公司 一种路径确定方法、装置、设备及介质
CN114047757A (zh) * 2021-11-05 2022-02-15 季华实验室 一种多agv路径评估规划方法
CN114061601A (zh) * 2020-08-03 2022-02-18 通用汽车环球科技运作有限责任公司 考虑拖车的路线推荐
CN114228693A (zh) * 2021-11-30 2022-03-25 重庆江康汽车技术有限公司 一种电动汽车节能方法及系统
CN114384823A (zh) * 2022-03-23 2022-04-22 智能网联汽车(山东)协同创新研究院有限公司 基于智能网联汽车的模拟道路仿真测试系统
CN115421477A (zh) * 2021-05-14 2022-12-02 丰田自动车株式会社 物流系统以及物流机器人控制方法
CN116691693A (zh) * 2022-03-02 2023-09-05 丰田自动车株式会社 信息处理装置、系统、方法和存储介质
CN116931496A (zh) * 2023-09-15 2023-10-24 青岛能征智能装备有限公司 一种基于数据采集的无人驾驶车辆控制系统
WO2024164498A1 (zh) * 2023-07-13 2024-08-15 之江实验室 基于随机事件捕获的飞行轨迹规划方法，系统及存储介质

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6939376B2 (ja) * 2017-10-10 2021-09-22 トヨタ自動車株式会社 自動運転システム
US11017665B1 (en) * 2018-02-25 2021-05-25 Matthew Roy Vehicle-to-vehicle payment system for traffic prioritization in self-driving vehicles
US11001248B2 (en) * 2018-10-08 2021-05-11 GM Global Technology Operations LLC Method for enhancing powertrain efficiency and driveline quality through dynamic mission planning optimization
US20200124435A1 (en) * 2018-10-17 2020-04-23 Toyota Motor North America, Inc. Distributed route determination system
EP3906173B1 (en) * 2018-12-31 2024-05-22 Thermo King LLC Methods and systems for providing predictive energy consumption feedback for powering a transport climate control system
US12554260B2 (en) * 2019-02-28 2026-02-17 University Of South Carolina Iterative feedback motion planning
US11856882B2 (en) * 2019-04-10 2024-01-02 Kansas Stte University Research Foundation Autonomous robot system for steep terrain farming operations
US20220266827A1 (en) * 2019-06-26 2022-08-25 Volvo Truck Corporation A method for controlling a vehicle
US12259724B2 (en) 2019-08-27 2025-03-25 Crown Equipment Corporation Adaptive acceleration for materials handling vehicle
US11754408B2 (en) * 2019-10-09 2023-09-12 Argo AI, LLC Methods and systems for topological planning in autonomous driving
US11827503B2 (en) * 2020-03-18 2023-11-28 Crown Equipment Corporation Adaptive acceleration for materials handling vehicle
US11960298B2 (en) 2020-04-09 2024-04-16 The Regents Of The University Of Michigan Multi-range vehicle speed prediction using vehicle connectivity for enhanced energy efficiency of vehicles
EP3926431B1 (en) * 2020-06-15 2025-04-23 Volvo Autonomous Solutions AB A method for controlling an autonomous vehicle operating at a worksite
US11585669B2 (en) * 2020-08-31 2023-02-21 Hitachi, Ltd. Vehicle routing using connected data analytics platform
KR20230059765A (ko) * 2020-09-03 2023-05-03 구글 엘엘씨 전기 차량 충전 스테이션을 통과하는 자동 경로 설정
WO2022098402A1 (en) 2020-11-03 2022-05-12 Crown Equipment Corporation Adaptive acceleration for materials handling vehicle
JP2022108002A (ja) * 2021-01-12 2022-07-25 本田技研工業株式会社 データ圧縮方法、データ圧縮プログラム、及び、データ圧縮装置
CN112965476B (zh) * 2021-01-22 2022-06-07 西安交通大学 一种基于多窗口模型的高速无人车轨迹规划系统及方法
US11691628B2 (en) * 2021-02-01 2023-07-04 Tusimple, Inc. Vehicle powertrain integrated predictive dynamic control for autonomous driving
US11555710B2 (en) * 2021-04-15 2023-01-17 GM Global Technology Operations LLC Secure eco-routing with databases under homomorphic encryption
DE102021203994A1 (de) * 2021-04-21 2022-10-27 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Betreiben eines wenigstens teilweise automatisierten Fahrzeugs
US20230063419A1 (en) * 2021-08-30 2023-03-02 Hyliion Inc. System and method for managing performance of a vehicle based on terrain
CN114013450B (zh) * 2021-11-16 2023-10-31 交控科技股份有限公司 车辆运行控制方法、系统和计算机设备
CN118541293A (zh) * 2021-12-22 2024-08-23 B·V·潘科夫 用于生成运行中车辆的能量有效驾驶路线的方法
CA3249405A1 (en) * 2022-01-28 2023-03-09 Boris Valerevich PANKOV GENERATION OF A RESOURCE-EFFICIENT WAY FOR A MOTOR VEHICLE
US11867521B2 (en) * 2022-02-16 2024-01-09 GM Global Technology Operations LLC Adaptive in-drive updating of vehicle energy consumption prediction
US12377878B2 (en) 2022-06-27 2025-08-05 Tusimple, Inc. Wheel torque estimation for autonomous driving
US12044537B2 (en) * 2022-08-10 2024-07-23 GM Global Technology Operations LLC Method and system for cloud-based electrified vehicle energy usage system
CN115246382B (zh) * 2022-09-21 2022-12-13 清研军融通用装备(苏州)有限公司 一种混合动力汽车车速的控制方法
CN116588125B (zh) * 2023-07-17 2023-09-19 四川中普盈通科技有限公司 一种车载边缘侧数据处理系统
US20250060217A1 (en) * 2023-08-16 2025-02-20 GM Global Technology Operations LLC System and method for efficient driving
US20250198775A1 (en) * 2023-12-14 2025-06-19 Exergi Predictive Llc Machine learning based energy use prediction

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110160990A1 (en) * 2009-12-28 2011-06-30 Honda Motor Co., Ltd. Devices And Methods For Determining Fuel Consumption And Searching Vehicle Routes
US20110313647A1 (en) * 2005-11-17 2011-12-22 Motility Systems Power management systems and designs
US20130253782A1 (en) * 2012-03-20 2013-09-26 Eaton Corporation System and method for simulating the performance of a virtual vehicle
US20130261914A1 (en) * 2010-10-04 2013-10-03 W. Morrison Consulting Group, Inc. Vehicle control system and methods
US20130304379A1 (en) * 2010-11-08 2013-11-14 Daniel Fulger Navigation apparatus and method
US20140277835A1 (en) * 2013-03-13 2014-09-18 Ford Global Technologies, Llc Route navigation with optimal speed profile
US8972161B1 (en) * 2005-11-17 2015-03-03 Invent.Ly, Llc Power management systems and devices
US20150369620A1 (en) * 2013-01-16 2015-12-24 Lg Electronics Inc. Electronic device and control method for the electronic device
US20160047664A1 (en) * 2013-03-22 2016-02-18 Toyota Jidosha Kabushiki Kaisha Route retrieval device and route retrieval system
US20170045137A1 (en) * 2015-08-14 2017-02-16 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for alerting/downshifting in response to an upcoming downgrade
US20180045527A1 (en) * 2016-08-10 2018-02-15 Milemind, LLC Systems and Methods for Predicting Vehicle Fuel Consumption

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110313647A1 (en) * 2005-11-17 2011-12-22 Motility Systems Power management systems and designs
US8972161B1 (en) * 2005-11-17 2015-03-03 Invent.Ly, Llc Power management systems and devices
US20110160990A1 (en) * 2009-12-28 2011-06-30 Honda Motor Co., Ltd. Devices And Methods For Determining Fuel Consumption And Searching Vehicle Routes
US20130261914A1 (en) * 2010-10-04 2013-10-03 W. Morrison Consulting Group, Inc. Vehicle control system and methods
US20130304379A1 (en) * 2010-11-08 2013-11-14 Daniel Fulger Navigation apparatus and method
US20130253782A1 (en) * 2012-03-20 2013-09-26 Eaton Corporation System and method for simulating the performance of a virtual vehicle
US20150369620A1 (en) * 2013-01-16 2015-12-24 Lg Electronics Inc. Electronic device and control method for the electronic device
US20140277835A1 (en) * 2013-03-13 2014-09-18 Ford Global Technologies, Llc Route navigation with optimal speed profile
US20160047664A1 (en) * 2013-03-22 2016-02-18 Toyota Jidosha Kabushiki Kaisha Route retrieval device and route retrieval system
US20170045137A1 (en) * 2015-08-14 2017-02-16 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for alerting/downshifting in response to an upcoming downgrade
US20180045527A1 (en) * 2016-08-10 2018-02-15 Milemind, LLC Systems and Methods for Predicting Vehicle Fuel Consumption

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113970919A (zh) * 2020-07-21 2022-01-25 图森有限公司 用于自动路线导航的系统和方法
CN111832839B (zh) * 2020-07-24 2021-04-30 河北工业大学 基于充分增量学习的能耗预测方法
CN111832839A (zh) * 2020-07-24 2020-10-27 河北工业大学 基于充分增量学习的能耗预测方法
US12320659B2 (en) 2020-07-28 2025-06-03 Byd Company Limited Path determination method and apparatus, device, and medium
WO2022022514A1 (zh) * 2020-07-28 2022-02-03 比亚迪股份有限公司 一种路径确定方法、装置、设备及介质
CN114061601A (zh) * 2020-08-03 2022-02-18 通用汽车环球科技运作有限责任公司 考虑拖车的路线推荐
CN112356822A (zh) * 2020-11-12 2021-02-12 北京车和家信息技术有限公司 混动车辆及其发电量的预测方法、装置和预测系统
CN112668153A (zh) * 2020-12-11 2021-04-16 国汽(北京)智能网联汽车研究院有限公司 一种自动驾驶仿真场景生成的方法、装置及设备
CN112668153B (zh) * 2020-12-11 2024-03-22 国汽(北京)智能网联汽车研究院有限公司 一种自动驾驶仿真场景生成的方法、装置及设备
CN115421477A (zh) * 2021-05-14 2022-12-02 丰田自动车株式会社 物流系统以及物流机器人控制方法
CN113212438B (zh) * 2021-05-31 2022-07-08 重庆工程职业技术学院 一种基于用户驾驶行为分析的行车导航系统
CN113212438A (zh) * 2021-05-31 2021-08-06 重庆工程职业技术学院 一种基于用户驾驶行为分析的行车导航系统
CN113942515B (zh) * 2021-10-26 2023-08-22 日立楼宇技术（广州）有限公司 Agv车辆能耗优化方法、装置、设备、存储介质及程序产品
CN113942515A (zh) * 2021-10-26 2022-01-18 日立楼宇技术（广州）有限公司 Agv车辆能耗优化方法、装置、设备、存储介质及程序产品
CN114047757B (zh) * 2021-11-05 2023-05-19 季华实验室 一种多agv路径评估规划方法
CN114047757A (zh) * 2021-11-05 2022-02-15 季华实验室 一种多agv路径评估规划方法
CN114228693A (zh) * 2021-11-30 2022-03-25 重庆江康汽车技术有限公司 一种电动汽车节能方法及系统
CN116691693A (zh) * 2022-03-02 2023-09-05 丰田自动车株式会社 信息处理装置、系统、方法和存储介质
CN114384823A (zh) * 2022-03-23 2022-04-22 智能网联汽车(山东)协同创新研究院有限公司 基于智能网联汽车的模拟道路仿真测试系统
WO2024164498A1 (zh) * 2023-07-13 2024-08-15 之江实验室 基于随机事件捕获的飞行轨迹规划方法，系统及存储介质
CN116931496A (zh) * 2023-09-15 2023-10-24 青岛能征智能装备有限公司 一种基于数据采集的无人驾驶车辆控制系统
CN116931496B (zh) * 2023-09-15 2023-12-15 青岛能征智能装备有限公司 一种基于数据采集的无人驾驶车辆控制系统

Also Published As

Publication number Publication date
DE102019113865A1 (de) 2020-03-19
US20200089241A1 (en) 2020-03-19

Similar Documents

Publication Publication Date Title
CN110901648A (zh) 用于实时生态路线选择和自适应驱动控制的车辆、系统和逻辑
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
US11370435B2 (en) Connected and automated vehicles, driving systems, and control logic for info-rich eco-autonomous driving
CN111688663B (zh) 机动交通工具及控制其自动驾驶操作的方法
CN111736588B (zh) 用于过渡表面摩擦条件的具有增强纵向控制的自动驾驶系统和控制逻辑
CN110888426B (zh) 用于多车道分离和路段轨线提取的车辆导航系统、方法和逻辑
US10838423B2 (en) Intelligent vehicle navigation systems, methods, and control logic for deriving road segment speed limits
US12014552B2 (en) Intelligent vehicle systems and control logic for incident prediction and assistance in off-road driving situations
US20190286151A1 (en) Automated driving systems and control logic for cloud-based scenario planning of autonomous vehicles
CN112859830A (zh) 一种设计运行区域odd判断方法、装置及相关设备
CN112783149B (zh) 具有分布式传感器架构以及嵌入式处理的智能车辆
US11691566B2 (en) Intelligent vehicle systems and control logic for surround view augmentation with object model recognition
CN111532254A (zh) 用于控制自主车辆的系统和方法
CN114056347A (zh) 车辆运动状态识别方法及装置
CN115042821A (zh) 车辆控制方法、装置、车辆及存储介质
CN115100377A (zh) 地图构建方法、装置、车辆、可读存储介质及芯片
CN118107395A (zh) 用于估计交通工具的剩余能量里程的系统和方法
CN119527290A (zh) 用于交通工具推进控制的系统和方法
CN115205848A (zh) 目标检测方法、装置、车辆、存储介质及芯片
US20200387161A1 (en) Systems and methods for training an autonomous vehicle
CN119142160B (zh) 车辆续航里程自适应预估方法、装置、车辆及存储介质
CN115447601A (zh) 车辆控制方法及相关装置
CN116935679A (zh) 一种辅助驾驶方法、装置及相关设备
CN121224736A (zh) 用于评估候选自动驾驶特征的方法
CN117055019A (zh) 一种基于车载雷达的车速的计算方法以及相应的装置和模块

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200324