道路坡度自动映射的方法及装置制造方法
【专利摘要】本发明创建在道路上的车辆所行驶区域的道路坡度模型，该道路具有在多个预先确定的坡度范围内变化的坡度。以预先确定的频率操作车辆时，产生一系列的坡度值，其中，每一个坡度值标识出随后被遇到的相应的坡度范围。响应于系列的坡度值，更新马尔科夫链道路坡度模型，其中，该模型表示从每一预先确定的坡度范围到相应的顺次下一坡度范围的转移事件矩阵中的概率的相应元素。矩阵的每一个元素具有值πi,j，其代表从第一相应坡度值到第二相应坡度值的转移事件的加权频率除以从第一相应的坡度值初始化的转移事件的加权频率，使得该矩阵连续地逼近该区域的道路坡度。
【专利说明】道路坡度自动映射的方法及装置
【技术领域】
[0001]本发明总体上涉及车辆控制系统，更加具体地，涉及用来优化车辆动力传动系统性能的道路坡度或者其它道路特性的车载模型创建和使用。
【背景技术】
[0002]车辆制造者不断地努力使驱动车辆的能耗减到最小(例如，对于汽油车辆，最大化其每单位汽油的行驶距离，对于电动车辆，最大化其每单位电荷的行驶距离)。对于效能的重要影响包括车辆行驶速度、在所行驶路线上的道路坡度变化，以及交通状况。自动速度控制(例如，巡航控制)系统可以通过减少车辆加速所用的时间量以对燃料经济性具有有益的影响，尤其是在高速公路上行驶的过程中。然而，在上坡和下坡的道路坡度过程中保持单一的速度设置，要比允许车辆速度变化以利用道路坡度变化来优化燃料消耗，消耗更多的燃料。如果提前知晓即将到来的道路坡度变化(比如从全球卫星定位(GPS)地图以及事先设定的路线)，那么可以在速度设定中引入相应地改善能耗的暂时补偿。然而，在车辆上确定这种实时的补偿的全球卫星定位(GPS)导航装置以及必要的车载地图数据、计算的及/或远程的数据通信需求，意味着显著的成本或者在某些地区可能无法获得。因此，就需要减少这种确定适当速度补偿的需求。
[0003]通过参考并入本发明中的、Kolmanovsky等人在2010年7月在慕尼黑举办的第6届IFAC车辆控制进展研讨会上的论文《充分利用地形及交通对车辆速度控制进行优化(Terrain and Traffic Optimized Vehicle Speed Control)》，描述了用于导出车辆在具体的地理区域所使用的、实现最好的平均性能的控制策略，而无需事先知晓要行驶的路线或者实际接近即将来临的道路坡度。该控制策略描述了在所期待的平均燃料经济性和所期待的平均行驶速度之间实现最佳权衡的车辆速度设定值。地形和交通特性(即，行车条件)集合为马尔科夫链(Markov chain)模型的转移概率矩阵(TPM)中的马尔科夫链(Markovchain)模型转移概率。随机动态规划产生离线的(即，在使用独立的地形特性表征的车辆设计阶段的过程中在车辆外进行的)控制策略，然后，该离线控制策略被载入车内当车辆行驶在相应区域时进行使用。
[0004]通过参考并入本发明中的、麦克多诺(McDonough)等人在2011年9月在丹佛举行的2011年电气与电子工程师协会(IEEE)控制应用的多方会议上的论文《使用转移概率模型建立车辆行驶条件模型(Modeling of Vehicle Driving Conditions UsingTransition Probability Models)》,披露了使用马尔科夫链模型的转移概率矩阵之间的Kullback-Leibeler (KL)散度(相对熵)对于相似或不相似的行驶条件进行区分。根据对应车辆当前行驶条件的TPM，KL散度可以被用于对于所开发的一组离散的典型行驶循环的控制策略进行内插，以用于车辆动力传动系统操作对于地形和交通状况的适应。
[0005]之前提出的系统严重依赖先验的数据收集(以描述各种地区和行驶条件的特征)和分析(以创建需要预先载入目标车辆的控制策略)。对于行驶在各种各样区域和行驶条件的大量的、多样化的车辆型号的车辆，需要更加实用的方法以进行优化。在车上的、实时创建和使用的TPM以及相关控制策略的车辆系统和方法，在与本发明同时递交的、申请号为83341069的、名称为《使用随机优化的车载实时速度控制设定值变化(On-Board Real-TimeSpeed Control Setpoint Variation Using Stochastic Optimization)》的共同待审的美国申请中有披露，该申请通过参考并入本发明。
[0006]导出精确反映在特定地区转移概率的TPM，有赖于对于大量数据的处理。为了在车辆上实施这样的处理，存储空间的使用效率以及只依赖于计算上的简单步骤是极为可取的。而且，还期望对于车辆在要求用于进行精确特性表征的不同TPM的区域之间的运动提供可靠的检测。
【发明内容】
[0007]本发明提供了用于在车辆上自动表征道路/地形特性(例如，道路坡度或者交通速度)的智能体(agent)，而无需使用地形学上的或者其它基于区域的信息的电子数据库(例如，GPS地图、电子地平线(Electronic Horizon)或者地理资讯系统(GIS))。该智能体的主要功能包括确定车辆行驶路段的地形属性，并且将该地形属性汇总在覆盖该车辆所行驶区域的地形特性的一组模型中。该智能体确定何时代表一个区域的足够的数据已经被收集，或者何时继续收集过程表明已经进入了不同的区域。
[0008]在本发明的一个方面，提供了构建车辆所行驶区域的道路坡度模型的方法。在车辆被在具有坡度——其坡度在多个预先确定的坡度范围内变化——的道路上操作的过程中，在以预定的频率操作车辆时，产生一系列坡度值。每个坡度值标识出随后被车辆所遇到的相应的坡度范围。根据该系列的坡度值对马尔科夫链道路坡度模型进行更新，其中，模型代表从每一个预先确定的坡度范围到顺次下一个相应的坡度范围的转移事件的矩阵中的概率的相应元素。矩阵的每一个元素具有值n i, j，其代表从第一相应坡度值到第二相应坡度值的转移事件的加权频率除以从第一相应坡度值初始化的转移事件的加权频率，使得矩阵连续地逼近该区域的道路坡度。
【专利附图】
【附图说明】
[0009]图1是示出了变化的道路坡度的曲线图，变化的道路坡度被转化为连续范围的值。
[0010]图2是对于接续范围的值之间的转移概率的矩阵表示。
[0011]图3是描绘与特定地理区域相对应的道路坡度的转移概率模型的三维曲线图。
[0012]图4是示出了使用转移概率模型优化车辆动力传动系统控制的方法的流程图。
[0013]图5是示出了本发明一个优选实施例的框图。
[0014]图6是本发明一个优选方法的流程图。
【具体实施方式】
[0015]为方便起见，本发明被详细描述为表征区域内的道路坡度特性。然而，任何其它道路特性都可以用本发明构建模型(并且用于优化车辆性能)，根据所表示的概率，发生针对该道路特性的从一个值到另一个值的转移。这样的其它道路特性包括车辆速度分布和交通速度。[0016]描绘道路坡度特征的车载智能体可以由在所预期的可能的道路坡度的整个范围的概率性的占用网格(即地图)来表示。占用地图是具有与单个的道路坡度范围或者通过在整个坡度范围施加网格所限定的区间相对应的状态的马尔科夫模型。由于道路坡度是呈空间分布的，开发出表示指定道路距离段(例如，平均30米)的道路坡度转移的马尔科夫模型。例如，限定百分比道路坡度的整个范围的概率性的马尔科夫模型的网格可以选定为[-6，-5，-4，3，2，I, O, I, 2，3，4，5，6]。该模型限定下一个路段内(例如，下一段30米)从坡度的一个值改变到另外一个值的概率。例如，如果全部预期的坡度范围[_6%，6%]离散化到每个区间4%的三个区间内，马尔科夫模型的转移概率矩阵限定在下一个30米路段内坡度在[-6%到-2%]、[-2%到2%]，和[2%到6%]的区间对之间改变的概率。在实践中，分割成三个区间可能太粗糙了。比如6这样数量更大的区间数可能会更适宜用，或者也可以可选地使用模糊的分割。
[0017]现在参见图1，曲线10表示当车辆在具体的地理区域内的道路上行驶距离S时的变化的道路坡度。坡度(测量为倾斜度的百分比)随着道路瞬时改变，但是，道路坡度的改变对于车辆性能(例如，燃料经济性)的影响可以通过使用对于连续的距离间隔11 (例如，30米)所测量的平均坡度进行评估。在操作车辆时，坡度可以通过使用基于发动机扭矩、车轮速度以及其他感测变量的传统技术进行估计，或者通过使用比如倾斜传感器进行度量。覆盖相应区间的平均或者复合坡度，可以通过形成例如区域12和13的积分来确定。
[0018]样本矩阵在图2中示出，其中，道路坡度分成从X1到X6的六个坡度范围。每一个坡度范围可以根据范围内的中间或者平均坡度尤来标记。每一行对应道路坡度的当前值(具有指标i)，每一列对应顺次下一个的范围(具有指标j)。矩阵的每一个元素都有对应的概率JI，概率JI估计了从第一坡度范围Xi到下一坡度范围\的转移事件的概率。
[0019]图3示出了作为三维曲面15的转移概率(TP)模型，其中曲面的高度表示当前坡度到下一坡度值的每一对的转移概率的大小。为了导出对于转移概率的合理估计，需要在整个建模区域进行足够海量的数据采样。
[0020]基于前述转移概率，车辆性能可以如图4所示进行优化(就如共同待审的申请号为83341069的美国申请所描述的)。整体方法产生改善了燃油效率的优化的速度分布。所知的优选方法为随机的最优控制，其将随机动态规划(SDP)运用到油耗、行驶时间和距离以及影响效率、时间和距离的不同的坡度和交通状况。在步骤16中，制作转移概率模型以表征特定区域的相关道路特性(例如，交通速度和道路坡度)的可以预计的模式的特征。抵达目的地的油耗和行驶时间模型在步骤17中进行构建，该模型取决于道路坡度、交通状况，及/或速度。使用SDP，在步骤18中对模型进行合并，使得可以计算出可以控制速度设定值以获得燃料效率及/或行驶时间的最佳平均性能的最佳控制策略。基于该控制策略，车辆控制系统可以要么建议司机进行所推荐的速度改变，要么执行巡航控制系统的速度设定值的自动控制。
[0021]这种方法的益处是它并不假定事先知道要行驶的路线，只要车辆正在行驶在具体的地理区域，在这个区域内，所建模的道路特性是一致的。目的是要确定控制策略，该控制策略一方面，只对当前的操作条件进行反应(如同传统的动力传动系统控制策略的情形)，但是，另一方面，当频繁在这一区域内行驶时，提供了最佳的平均性能。换句话说，期望一个车辆速度设定值，其达到在所期望的平均燃料经济性和所期待的平均行驶速度之间的最佳平衡。在上述引用的Kolmanovsky和McDonough的论文所描述的这一方法中，该区域的地形和交通特征在马尔科夫链的转移概率中表征。
[0022]对于马尔科夫特性的链，过程的下一状态只取决于过程的当前状态。仅使用当前状态的概率分布，以及当前状态和所有可能的下一状态之间的转移的条件概率，就可以预测下一状态。在现有技术中，数据已经在预先的设计阶段进行了收集，直到获得了产生该区域的现实模型的、在状态之间的足够数量的转移(参见:例如，上面的技术论文以及菲莱夫(Filev)等人的技术论文《广义的马尔科夫链建模方法的机载应用(A Generalized MarkovChain Modeling Approach for On Board Applications)》，《2010 年国际神经网络联席会议(The2010International Joint Conference on Neural Networks)》(IJCNN)第 1-8 页，2010年7月)。所需要的是能够实时地在车辆上构建TPM矩阵的系统，这在单个车辆行驶时逐渐习得。
[0023]在本发明中所利用的有限状态的马尔科夫链模型中，转移概率π 是从全部转移频率中估计的。对于多个测量值k，
【权利要求】
1.一种用于建立车辆行驶区域的道路特性的模型的方法，其特征在于，含有下述步骤: 在具有在多个预先确定的范围内变化的特性的道路上操作车辆； 在以预先确定的频率操作车辆时产生一系列的特性值，其中，每一个特性值标识出随后会被车辆遇到的相应的预先确定的范围；而且 响应于该系列特性值，对马尔科夫链道路特性模型进行更新，其中，该模型代表从每一个预先确定的范围到相应的顺次下一个范围的转移事件矩阵中的概率的相应元素； 其中，矩阵的每一个元素具有值H U，其代表从第一相应的特性值到第二相应的特性值的转移事件的加权频率除以从第一相应特性值初始化的转移事件的加权频率，使得矩阵连续地逼近该区域的道路特性。
2.如权利要求1所述的方法，其特征在于，进一步包含下述步骤: 使用KL散度周期性地检验矩阵当前状态对于矩阵先前状态的收敛； 如果发现收敛，则使用矩阵去识别出针对所表征的道路特性优化的动力传动系统控制策略；而且 使用所识别出来的控制策略调整车辆动力传动系统的操作。
3.如权利要求 2所述的方法，其特征在于，动力传动系统控制策略通过下述步骤识别出来: 将收敛的矩阵与多个预先习得的参照矩阵进行比较，以搜索匹配的参照矩阵；而且选择与匹配的参照矩阵相对应的动力传动系统控制策略，其中，所选择的动力传动系统控制策略已经按照匹配的参照矩阵所表征的道路特性进行优化。
4.如权利要求3所述的方法，其特征在于，如果没有发现相匹配的参照矩阵，那么: 通过将收敛的矩阵附加到预先习得的参照矩阵，将收敛的矩阵作为新的参照矩阵存储起来； 确定针对新的参照矩阵所表征的道路特性优化的新控制策略；而且 使用新的控制策略调整车辆动力传动系统的操作。
5.如权利要求1所述的方法，其特征在于，进一步包含如下步骤: 周期性地检验矩阵的当前状态相对矩阵的先前状态的收敛； 如果发现收敛，则使用矩阵识别针对所表征的道路特性优化的动力传动系统控制策略； 使用所识别出来的控制策略调整车辆动力传动系统的操作； 继续周期性地检验矩阵的更新状态相对矩阵的先前状态的收敛； 如果未发现收敛，则中断对所识别出来的动力传动系统控制策略的使用，并且等待，直至收敛被再次发现，以便识别相应的动力传动系统控制策略。
6.一种用于车辆的装置，该车辆行驶于显示出在多个预先确定的范围内变化的道路特性的道路的区域中，其特征在于，包含: 调整车辆动力传动系统组件的控制参数的动力传动系统控制器； 在以预先确定的频率操作车辆时产生一系列特性值的道路监视器，其中，每一个特性值标识出随后被车辆所遇到的相应的范围；以及 包括马尔科夫链道路特性模型的优化器，该马尔科夫链道路特性模型响应于该系列的特性值被更新，其中，该模型代表从每一预先确定的范围到相应的顺次下一范围的转移事件矩阵中的概率的相应元素，并且其中，矩阵的每一个元素具有值H U，其代表从第一相应特性值到第二相应特性值的转移事件的加权频率除以从第一相应特性值初始化的转移事件的加权频率，使得该矩阵连续地逼近该区域的道路特性。
7.如权利要求6所述的装置，其特征在于，该优化器周期性地检验矩阵的当前状态相对矩阵的先前状态的收敛，其中，如果发现收敛，则优化器使用该矩阵识别针对所表征的道路特性优化的动力传动系统控制策略，并且其中，动力传动系统控制器使用所识别出的控制策略调整控制参数。
8.如权利要求7所述的装置，其特征在于，其进一步包含: 习得的参照矩阵和相应的控制策略的数据库； 其中，优化器将收敛的矩阵与参照矩阵进行比较，以搜索匹配的参照矩阵，并且选择与匹配的参照矩阵对应的控制策略，其中，所选择的控制策略已经按照匹配的参照矩阵所表征的道路特性进行了优化。
9.如权利要求8所述的装置，其特征在于，如果没有发现匹配的参照矩阵，那么，优化器将收敛的矩阵存储在数据库中作为新的参照矩阵，确定针对新的参照矩阵所表征的道路特性优化的新的控制策略，并且使用新的控制策略调整控制参数。
10.如权利要求6所述的装置，其特征在于，优化器周期性地检验矩阵的当前状态对于矩阵的先前状态的收敛，其中，如果发现收敛，则优化器使用该矩阵去识别出为所表征的道路特性优化的动力传动系统控制策略，并且其中，该动力传动系统控制器使用所识别出的控制策略调整控制参数；并且 其中优化器继续周期性地检验矩阵的更新状态对于矩阵的先前状态的收敛，如果未发现收敛，则终止使用所识别出来的动力传动系统控制策略，并且等待，直到收敛被再次发现，以识别出相应的动力传动系统控制策略。
【文档编号】G06F19/00GK104008266SQ201410067295
【公开日】2014年8月27日 申请日期:2014年2月26日 优先权日:2013年2月26日
【发明者】迪米塔尔·P·菲莱夫, 约翰·O·米切里尼, 斯蒂文·J·斯瓦波夫斯基, 戴安娜·亚纳基耶夫, 穆罕穆德·阿布·纳斯尔 申请人:福特全球技术公司