IJ、车道数量、道路分类、指示灯数量或停止标志等。传送至服务器104的附加数据使得与 车辆102的能量消耗有关的数据能够链接至车辆102和/或车辆102行驶的道路段的识别 数据。
[0035] 能量消耗数据能够进一步被时间标记，并且能够包括附加数据，例如与在数据收 集的时间和地点上的天气或交通状况有关的数据。服务器104和数据库112处理数据来做 出与车辆102的能量消耗有关的预测。服务器104和数据库112还可W包括用于特定车辆 102的附加的基础能量消耗数据。基础能量消耗数据能够由群源化数据来修正。
[0036] 服务器通信链接106和车辆通信链接110能够允许双向数据传送，从而使车辆102 能够通过链接106、110即发送也接收数据。目P，车辆102能够向服务器104或另一车辆102 发送与其实际能够消耗有关的数据，也能够从服务器104或其它车辆102接收与其预测能 量消耗有关的数据。
[0037] 参考图2,预测用于群101中的车辆102的能量消耗数据的示例方法200被示出。 方法200的步骤202确定起点（例如，基于用户输入的起点或车辆102的当前位置）和结 束点（例如，基于用户输入的结束点或由方法200预测的结束点）之间的路线。在步骤204 中，方法200生成一组沿路线的道路段。在步骤206中，方法200基于个性化的能量消耗模 型确定在每个道路段上的用于车辆102的基础能量消耗率。个性化的能量消耗模型能够考 虑到，例如，驾驶员的习惯、车辆品牌和型号等。
[0038] 在步骤208中，方法200识别对应于路线中的道路段的数据库112中的条目。在步 骤210中，方法200识别对应于类似于该路线中的道路段的道路段的数据库112中的条目。 在步骤208和210中所考虑的数据可W是来源于群101。方法200将随后执行步骤212,其 中，方法200确定关联因数。在将来的步骤214中，关联因数对数据库112的条目排列优先 顺序来进行使用。关联因数能够取决于道路特征，例如车道数量、速度限制、道路坡度、道路 分类、交通灯数量或停止标志等。关联因数还能够取决于自从数据条目被收集时W来的时 间。当道路特征的相似性较高并且自从数据条目被收集W来时的时间较低时，关联因数是 最高的，在步骤212中所述数据被优先使用。在一示例中，在步骤212中使用预定数量的具 有最高关联因数的数据条目。
[0039] 在步骤214中，方法200基于来自步骤208和/或210的数据确定预期能量消耗 率的差。在一示例中，预期能量消耗率差包括用于产生估计的数据的数量，W确定所述估计 的准确性。
[0040] 在步骤216中，方法200增加所估计的能量消耗率差到用于每个道路段的来自步 骤206的基础能量消耗率，W确定校正的能量消耗估计。在步骤218中，方法200W来自步 骤216的校正的能量消耗率乘W来自步骤202的道路段的距离，W确定在道路段上的车辆 102的能量消耗。
[0041] 参考图3并继续参考图1，示例方法300计算并上载用于群101中的车辆102的 能量消耗差，并上载该数据到数据库112。在步骤302中，方法300识别车辆102当前正在 行驶的道路段。在步骤304中，方法300基于个性化的能量消耗模型预测用于正行驶在道 路段上的车辆102的基础能量消耗。步骤304中的预测使用与406相同的能量消耗模型。 如果道路段是已知路线的一部分，则来自304的估计将匹配用于相应段的来自406的估计。 在步骤306中，方法300观察在道路段上的车辆102的实际能量消耗。在步骤308中，方法 300确定预测的基础能量消耗和实际能量消耗之间的差。在步骤310中，方法300上载所述 差到数据库112。在步骤312中，方法300在不间断学习过程中更新模型。
[0042]图4示出了使用示例方法200、300(图2和3)为车辆102规定路线的方法400。在 步骤402中，方法400识别出发点和目的地，运可能由用户给出或基于车辆102的位置来预 巧。。类似地，目的地可能由用户给出或由方法400来预测。在任选的步骤404中，方法400 禁用经由链接106、110的车辆到服务器和车辆到车辆的通信。在步骤406中，方法400-- 例如，由方法200、300 (图2和3) -一在各种条件下确定从出发点到目的地的能量消耗优化 路线。各种条件可能是，例如，下雪条件、刮风条件、正常条件、交通条件等。在步骤408中， 方法400识别最节能的路线。在任选的步骤410中，方法400允许经由链接106、110的车 辆到服务器和车辆到车辆的通信。在步骤412中，方法400使用方法200来更新用于剩余 部分路线的能量消耗估计。具体地，方法400确定使用步骤214更新的预期能量消耗差和 使用步骤206更新的基础能量消耗。在步骤414中，方法400确定预期能量消耗差和/或 基础能量消耗是否有显著改变。例如，用于在步骤408中计算最节能路线的信息一一例如 与路线上的交通和天气条件有关的信息，或者与驾驶员有关的信息一一可W与更多的当前 信息进行比较，W确定是否发生了改变。如果是，在步骤416中，方法400更新最节能的路 线。
[0043]当前的说明实质上是说明性的而并非限制。对本公开的示例做出的不必脱离本发 明实质的变形和变化对本领域技术人员是显而易见的。因此，本发明的法律保护范围只由 下面的权利要求所确定。
【主权项】
1. 一种用于车辆的群源化能量消耗数据的方法，包括： 响应于预测能量消耗而控制车辆，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。2. 权利要求1所述的方法，其中，所述预测能量消耗还基于能量消耗模型。3. 权利要求2所述的方法，还包括响应于所述差而更新所述能量消耗模型。4. 权利要求1所述的方法，其中，所述控制包括选择用于车辆从起始位置行驶到不同 于所述起始位置的目的地的路线，所述路线从多个可能的路线中来选择。5. 权利要求4所述的方法，还包括计算所述车辆的当前位置，并使用所述当前位置作 为所述路线的所述起始位置。6. 权利要求5所述的方法，还包括基于所述车辆的所述当前位置计算当前道路段。7. 权利要求6所述的方法，还包括响应于识别与所述车辆、时间、位置、道路段、或它们 的某些组合有关的信息来控制所述车辆。8. 权利要求1所述的方法，其中，所述车辆的所述控制进一步响应于所述车辆的特征 或所述车辆的驾驶员的特征中的至少一个。
【专利摘要】一种群源化用于车辆的能量消耗数据的示例方法包括响应于预测能量消耗来控制车辆，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。为车辆规划路线的另一示例方法包括响应于当行驶所述路线时用于所述车辆的预测能量消耗改变用于车辆的路线，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。
【IPC分类】B60W40/00, B60W20/00
【公开号】CN105292120
【申请号】CN201510444761
【发明人】詹森·迈尔, 瑞安·亚伯拉罕·麦吉, 曾福林, 乔纳斯·吉尔·克里斯丁森
【申请人】福特全球技术公司
【公开日】2016年2月3日
【申请日】2015年7月27日
【公告号】DE102015111105A1, US20160025508