群源化来预测车辆能量消耗的制作方法
【专利说明】群源化来预测车辆能量消耗
【背景技术】
[0001] 车辆能量消耗可能受许多因素的影响，如交通、道路条件、天气、风速和风向等。运 些因素可W具有每天与每天不同的变化，其必须被补偿，W准确预测车辆能量消耗。
[0002] 例如混合动力电动车辆的电气化车辆的预测能量消耗例如可用于确定从电动切 换至发动机动力的时间点或者电池电荷是否足W行驶所期望的路线。
【发明内容】
[0003] 根据本公开的示例性方面的方法包括，其中，响应于预测能量消耗控制车辆，所述 预测能量消耗是基于前一预测能量消耗和前一实际基础能量消耗之间的差持续更新的。
[0004] 在上述方法的进一步的非限制性实施例中，预测能量消耗还基于能量消耗模型。 阳〇化]在任何上述方法的进一步的非限制性实施例中，方法进一步包括响应于所述差而 更新能量消耗模型。
[0006] 在任何上述方法的进一步的非限制性实施例中，控制包括选择用于车辆从起点位 置行驶到目的地的路线，路线从多个可能的路线中来选择。
[0007] 在任何上述方法的进一步的非限制性实施例中，方法进一步包括计算车辆的当前 位置，并使用当前位置作为路线的起始位置。
[0008] 在任何上述方法的进一步的非限制性实施例中，方法进一步包括基于车辆的当前 位置计算当前道路段。
[0009] 在任何上述方法的进一步的非限制性实施例中，控制包括响应于识别与车辆、时 间、位置、道路段、或它们的某些组合有关的信息来控制车辆。
[0010] 在任何上述方法的进一步的非限制性实施例中，车辆的控制进一步是响应于车辆 的特征或车辆的驾驶员的特征中的至少一个。
[0011] 根据本公开的另一示例性方面的方法包括，响应于当行驶路线时用于车辆的预测 能量消耗而改变用于车辆的路线，W及其他，预测能量消耗是基于前一预测能量消耗和前 一实际基础能量消耗之间的差。
[0012] 在任何上述方法的进一步的非限制性实施例中，方法包括将路线划分为一组道路 段，并针对该组道路段中的每个道路段执行改变步骤。
[0013] 在任何上述方法的进一步的非限制性实施例中，改变包括基于对应于沿着路线的 道路的第一组数据条目和对应于与该沿着路线的道路类似的道路的第二组数据条目计算 关联因数。
[0014] 在任何上述方法的进一步的非限制性实施例中，计算是相对于沿着路线的道路的 一个或多个特征。
[0015] 在任何上述方法的进一步的非限制性实施例中，特征包括地理位置、速度限制、车 道数量、道路分类、交通灯数量或停止标志中的至少一个。
[0016] 在任何上述方法的进一步的非限制性实施例中，计算关联因数是相对于自从数据 条目被采集时W来的时间。
[0017] 在任何上述方法的进一步的非限制性实施例中，预定数量的具有最高关联因数的 数据条目被用于预测步骤。
[0018] 在任何上述方法的进一步的非限制性实施例中，方法包括改变路线为最节能的路 线。
[0019] 根据本公开的又一示例性方面的系统包括，车辆群、与车辆群通信的服务器、W及 服务器上的数据库、W及其他。服务器和数据库中的至少一个从车辆群收集对应于车辆能 量消耗的数据、更新数据库中的数据、W及向车辆群提供对应于车辆能量消耗的数据。
[0020] 在上述系统的进一步的非限制性实施例中，在群中的车辆还与彼此进行通信。
[0021] 在任何上述系统的进一步的非限制性实施例中，车辆经由移动设备与服务器进行 通信。
[0022] 可W独立地或W任何组合采用上述段落、权利要求书、或下面的描述和附图中的 实施例、示例和备选方案，包括任何它们的各个方面或相应的单独特征。结合一个实施例所 描述的特征适用于所有实施例，除非运些特征是互相矛盾的。
【附图说明】
[0023] 对于本领域普通技术人员，本公开的各种特征和优点将从下面的详细描述中变得 显而易见。附随详细描述的附图能够简要描述如下：
[0024] 图1示意性示出了用于基于群源化（crowd-sourecd)数据预测车辆能量消耗的系 统；
[002引图2示出了使用图1的系统群源化（crowd-sourcing)信息W预测车辆能量消耗 的另一种方法；
[0026] 图3示出了使用图1的系统群源化（crowd-sourcing)信息W预测车辆能量消耗 的一种方法；
[0027] 图4示出了使用例如图2和图3的方法为车辆规定路线的方法。
【具体实施方式】
[0028] 本公开总体上设及用于预测车辆的能量消耗的群源化信息。
[0029] 图1示出了用于群源化信息W预测车辆能量消耗的系统100的示意图。系统100 包括一个或多个车辆102的群101和服务器104。在图1的示例中，群101包括Ξ个车辆 102。在其它示例中，群101可能包括Ξ个W上的车辆102。
[0030] 示例车辆102是电气化车辆，例如混合动力电动车辆。电气化车辆能够受益于能 量消耗的预测。例如，电气化车辆有选择使用电动马达或者汽油发动机来驱动车辆向前 (即，产生推进力）。在某些情况下，一个可能比另一个更有效。然而，由于没有用于产生推 进力的无限量的能量（并且常规混合动力电动车辆必须在驾驶时"产生"其电力），能够预 测未来能量需求的智能车辆能够更有效地选择何时使用哪种推进力。
[0031] 在示例系统100中，车辆102经由服务器通信链接106与服务器104进行通信。服 务器104可能是物理服务器或者基于云的主机托管服务。在一个具体示例中，车辆102经 由内置通信链接106a与服务器104直接通信。在另一示例中，服务器通信链接10化包括 带入式化rou曲t-in)移动设备108,例如驾驶员的移动电话。 阳〇巧移动设备108能够经由无线连接，如剧ue化oth? (蓝牙）连接（美国华盛顿州柯 克兰的BluetoothSIG公司），或有线连接，如通过通用串行总线扣SB)电缆，与车辆102进 行通信。移动设备108也经由无线连接，例如通过经过移动设备108蜂窝数据提供商的数 据传输，例如3G或4G移动网络，与服务器104进行通信。移动设备108能够包括软件来使 其能够执行运些通信功能。
[0033] 除了或代替经由服务器通信链接106连接至服务器104,示例车辆102可操作地经 由例如DSRC(专用短程通信）的车辆通信链接110连接至彼此。应当理解，服务器通信链 接106的上述描述也适用于车辆通信链接110。尽管车辆到车辆的通信在逻辑上是直接的， 其能够通过附加的中间基于云的服务器（未示出）中继，运将不会是服务器104,而是仅提 供车辆102之间的路由功能。运种中继链接可能使用例如DSRC的直接车辆到基础设施的 技术或与直接链接106相同种类的通信。
[0034] 服务器104包括数据库112。数据库112接收并存储与群101中的车辆102的实 际能量消耗有关的数据。在一示例中，从车辆102向服务器104或其他车辆102传送的数 据包括识别信息，诸如，例如，车辆品牌或型号、车辆识别码（VIN)、等等。在另一示例中，从 车辆102传送的数据包括与车辆102行驶的道路段有关的识别信息，例如地理位置、速度限 审