本发明涉及一种用于控制电动车辆的增程器的设备和方法，并涉及一种相关联的计算机程序。
背景技术
电动车辆采用各种形式，即纯电动车辆(其中动力源仅为电池)、并联混合动力车辆(其中内燃发动机或电池可驱动车轮)或者次级电源(增程器)对车载电池进行再充电的串联混合动力车辆。本发明主要与后者有关。
在图3中示出了一种用于操作具有增程功能的车辆的已知方案(称为“基本模型”)。使用该方案，车辆仅作为电动车辆运行，直到达到预定的荷电水平为止，此时开启增程器，并且将继续保持增程器开启，直到达到荷电状态(soc)水平的上限为止。
在该基本模型中，当soc达到下限阈值时，增程器(re)以全功率开启；然后荷电增大，直到达到上限阈值为止。增程器的“开启时间”由“re状态”指示，“re状态”是1时为完全开启，是0时为关闭。这有时称为荷电消耗模式/荷电保持模式(这是具有另一可能性的基准示例，该另一可能性为当荷电保持模式在低于全功率下(例如，在有效率的功率下)开启)。
由于通常仅在最大功率下使用增程器，所以基本模型效率低(这与最有效率情形下相反)，它没有考虑增程器使用的最适宜时间(仅考虑soc)，并且电池组在旅行结束时将具有剩余的电荷(部分由增程器产生)，而上述剩余电荷本可以在放电过程使用。固有地，由增程器产生的上述未使用的电力将比来自电网的插入式电力更昂贵。因此需要改进的方案。
技术实现要素：
本发明的目的为缓解上述问题中的至少一些问题。
根据本发明的一方面，提供了一种控制电动车辆的增程器的方法，方法包括：动态地使用实际测量的或建模的污染水平来设置特定位置处的电动车辆的增程器的目标荷电状态水平。
使用实际测量的污染水平可包括测量一个或更多个位置处的动态污染水平。
使用建模的污染水平可包括生成动态污染模型；并且使用生成的模型来计算一个或更多个位置(包括当前或未来时间点处的特定位置)处的建模的污染水平。
设置增程器的目标荷电状态水平可包括使用旅行计划来设置特定位置，该旅行计划包括电动车辆计划行驶到的一个或更多个位置；并且针对电动车辆计划行驶到的特定位置设置增程器的目标荷电状态水平。
设置增程器的荷电状态水平可包括使用针对所述电动车辆计划行驶到所述特定位置处的所述电动车辆的计划到达时间，所述特定位置的建模的污染水平。
特定位置可以是电动车辆的当前位置。
使用实际测量的污染水平可包括使用布置在电动车辆上的一个或更多个传感器来测量电动车辆的当前位置处的当前污染水平。
所述方法可包括检测电动车辆的当前位置并基于针对在当前位置处的电动车辆设置的增程器的最大操作水平来限制增程器的操作水平。
所述方法可包括识别电动车辆的计划路线；并设置目标荷电状态曲线，该目标荷电状态曲线包括针对计划路线上的多个位置设置的目标荷电状态水平。
所述方法可包括计算旅行行程，该旅行行程包括计划路线上的多个位置和电动车辆在每个位置处的计划到达时间。
设置荷电曲线的目标状态可包括设置针对电动车辆的计划到达时间的每个位置设置目标荷电状态水平。
实际测量的污染水平或建模的污染水平可包括一个或更多个位置处的碳氧化物或氮氧化物、碳氢化物和微粒或噪音的水平。
根据本发明的另一方面，提供一种用于控制电动车辆的增程器的设备，该设备被配置为动态地使用实际测量的或建模的污染水平来设置特定位置处的电动车辆的增程器的目标荷电状态水平。
所述设备可测量一个或更多个位置处的动态污染水平。
所述设备可生成动态污染模型；并且使用生成的模型计算一个或更多个位置(包括当前或未来时间点处的特定位置)处的建模的污染水平。
所述设备可使用旅行计划来设置特定位置，该旅行计划包括电动车辆计划行驶到的一个或更多个位置；并且针对电动车辆计划行驶到的特定位置设置增程器的目标荷电状态水平。
所述设备可使用针对所述电动车辆计划行驶到所述特定位置处的所述电动车辆的计划到达时间，所述特定位置的建模的污染水平。
特定位置可以是电动车辆的当前位置。
所述设备可使用布置在电动车辆上的一个或更多个传感器来测量电动车辆的当前位置处的当前污染水平。
所述设备可检测电动车辆的当前位置并基于针对在当前位置处的电动车辆设置的增程器的最大操作水平来限制增程器的操作水平。
所述设备可识别电动车辆的计划路线；并设置目标荷电状态曲线，目标荷电状态曲线包括针对计划路线上的多个位置设置的目标荷电状态水平。
所述设备可计算旅行行程，该旅行行程包括计划路线上的多个位置和电动车辆在每个位置处的计划到达时间。
所述设备可针对所述电动车辆的计划到达时间的每个位置来设置所述目标荷电状态水平。
实际测量的污染水平或建模的污染水平可包括一个或更多个位置处的碳氧化物或氮氧化物、碳氢化物和微粒或噪音的水平。
根据本发明的另一方面，提供一种用于控制电动车辆的增程器的计算机程序，该计算机程序包括软件代码，当该软件代码在数据处理设备上执行时，动态地使用实际测量的或建模的污染水平设置针对特定位置处的电动车辆的增程器的目标荷电状态水平。
所述计算机程序可测量一个或更多个位置处的动态污染水平。
所述计算机程序可生成动态污染模型；并且使用生成的模型计算一个或更多个位置(包括当前或未来时间点处的特定位置)处的建模的污染水平。
所述计算机程序可使用旅行计划来设置特定位置，该旅行计划包括电动车辆计划行驶到的一个或更多个位置；并且针对电动车辆计划行驶到的特定位置设置增程器的目标荷电状态水平。
所述计算机程序可使用针对所述电动车辆计划行驶到所述特定位置处的所述电动车辆的计划到达时间，所述特定位置的建模的污染水平。
特定位置可以是电动车辆的当前位置。
所述计算机程序可使用布置在电动车辆上的一个或更多个传感器来测量电动车辆的当前位置的当前污染水平。
所述计算机程序可检测电动车辆的当前位置并基于在当前位置针对电动车辆设置的增程器的最大操作水平来限制增程器的操作水平。
所述计算机程序可识别电动车辆的计划路线；并设置目标荷电状态曲线，包括针对计划路线上的多个位置设置的目标荷电状态水平。
所述计算机程序可计算旅行行程，该旅行行程包括计划路线上的多个位置和每个位置处的电动车辆的计划到达时间。
所述计算机程序可针对电动车辆的计划到达时间的每个位置设置目标荷电状态水平。
实际测量的污染水平或建模的污染水平可包括一个或更多个位置处的碳氧化物或氮氧化物、碳氢化物和微粒或噪音的水平。
本发明的其它特征是由独立权利要求和从属权利要求限定的。
本发明的一个方面中的任意特征可以以任意适合的组合应用到本发明的其它方面。具体地，方法方面可应用到设备方面，反之亦然。本发明还提供包括软件代码的计算机程序和计算机程序产品，当计算机程序和计算机程序产品在数据处理设备上执行时，该软件代码适于执行此处描述的任意方法，包括它们的组成步骤中的任意或全部。
本发明还提供了包括软件代码的计算机程序和计算机程序产品，当软件代码在数据处理设备上执行时，该软件代码包括此处描述的任意设备特征。
本发明还提供了具有操作系统的计算机程序和计算机程序产品，该操作系统支持用于执行此处描述的任意方法和/或用于体现此处描述的任意设备特征的计算机程序。本发明还提供了计算机可读介质，该计算机可读介质具有存储在其上的上述计算机程序。
本发明还提供了执行上述计算机程序的信号和传输这种信号的方法。
此外，在硬件中实施的特征可在软件中实施，反之亦然。对此处的软件特征和硬件特征的任何引用应该进行相应地解释。还提供此处描述的任意设备特征作为方法特征，反之亦然。如在此使用的，装置加功能特征可以选择性地根据它们相应的结构(诸如恰当编程的处理器和相关存储器)进行表达。还应该认识到，在本发明的任意方面中描述和限定的各个特征的特定组合可以独立地实施和/或供应和/或使用。
在本说明书中，词“或’可以排除的或者包括的意义来解释，除非另有说明。
本发明扩展到大体上参照附图在此描述的方法和/或设备。
附图说明
现在参照附图，仅以示例的方式对本发明进行描述，其中：
图1为增程电动车辆的示意图；
图2为用于控制增程器的操作的控制器的示意电路图；
图3示出了现有技术增程器管理图；
图4示出了在图3的“基本”模型上叠加的“预测”模型；
图5是示出了用于图2控制器的操作方法的流程图；
图6示出了用于由图2控制器操作的增程器的增程器管理图；
图7是示出了用于图2的控制器的操作方法；
图8a示出了车辆路线的图示；
图8b示出了用于在图8a的路线上的车辆的增程器管理图；
图9示出了包括多个车辆和中央服务器的示例系统。
具体实施方式
图1中示意性地示出了增程电动车辆100。该车辆包括用于以控制器102的形式激活电动车辆100内的增程器104的设备，控制器102连接到增程器104和电池106且与增程器104和电池106通信，电池106通常为电池组的形式。增程器104为连接到发电机的次级动力源，例如，柴油内燃发动机或氢燃料电池。增程器连接到电池，以便通过发电机对电池再充电(为了清楚，这里所必需的发电机电路已从附图中省略)。增程器104(通过发电机)还可直接为电动机108提供电力，这仅在下面更详细地描述的特定情形中执行。
内燃发动机的运转产生多种排放，包括可能对环境或个人的身心健康有害的不期望排放。不期望的排放的示例包括二氧化碳(co2)和一氧化碳(co)、氮氧化物(nox)、碳氢化物(cxhy)和微粒物质(例如，煤烟)。内燃发动机的运转还产生不期望的噪音排放，这通常取决于发动机的功率输出而增大。在下面的描述中，术语“排放”包括气体排放、微粒排放、噪音排放，并且还包括内燃发动机对周围环境的任何其它不期望的影响。
由内燃发动机的运转产生的任意类型的排放加重内燃发动机附近的污染水平。任意特定位置处的污染水平可指示特定位置处的二氧化碳(co2)或一氧化碳(co)、氮氧化物(nox)、碳氢化物(cxhy)、微粒物质或噪音的水平。在下面的描述中，术语“污染”包括特定位置处的气体污染、微粒污染和噪音污染。
电池106为电动马达108供应电力，电动马达108通过诸如驱动轴110的传动装置驱动车轮112。
图2示出了控制器102的示意图，控制器102能够控制增程器104使其遵循存储在存储器118中的特定激活计划。控制器102包括用于从外部源接收/检索数据(诸如旅行行程信息和电力使用信息)的数据连接114。该数据连接可为物理连接，诸如通用串行总线(usb)连接，或者无线连接，诸如通用分组无线业务(gprs)、全球移动通信系统(gsm)、通用陆地无线接入网(utran)、演进utran(e-utran)、码分多址(cdma)、长期演进(lte)、全球微波互联接入(wimax)或者
来自这些各种仪器的数据在处理器118的协助下存储在本地存储器118中。本地存储器118还包括与先前旅行相关的信息，诸如与先前旅行相关的遥测数据或测量到的污染水平。该信息可以已从外部源输入到控制器102、可由先前旅行的车载测量值确定、或者可通过上述两种方法的结合获得。当确定是否激活增程器(即，在设置当前旅行的目标荷电状态(soc)曲线)时，可以使用该信息。可通过处理随车检索到的(从本地存储器或从外部源)数据来确定这种目标soc曲线，或者可远程地(例如在“云”中)执行数据的处理并将其通过数据连接114传输到设备存储器118。在处理器120的协助下，逻辑电路122和比较器电路124确定增程器激活条件是否满足，如果满足，则处理器120通过输出模块126向增程器发送信号。
控制器102还包括监测以下参数的车辆参数传感器128，例如，参数为：电池的荷电状态(soc)、电池健康状态(电池管理系统)和马达转速。这种传感器可连接到总线(例如can总线(控制器局域网总线)，以允许在传感器与控制器102之间通信)。该信息存储在存储器118中并在确定是否激活增程器104时使用。控制器102还可包括诸如显示屏和/或键盘的用户界面组件，以使用户手动输入数据(例如，为了识别驾驶员)；为了清楚，所述组件未示出，所述组件通常可无线连接到控制器102且在单独的计算设备(诸如智能电话或平板电脑)中实施。可选地或额外地，单独的用户设备(例如智能手机或平板电脑设备)上可设置有应用，以记录/接收将被控制器使用的数据。
图3示出了传统增程器模型的相对于时间的荷电状态和运转的激活状态。传统增程器仅根据恒定的目标soc运转。在该详细描述中，图3将用作为基准和示例。
增程器被配置为在电池soc降到目标水平以下时，以最大效率开启。如果电池soc远低于目标水平，则增程器可切换到全功率。
soc被确定为小于(＜)目标所处的“触发开启”水平是可以根据特定实施设置的参数。其可以是，例如，比目标低5％的水平，即，在目标为30％时，soc为25％。类似地，soc被确定为远低于(<<)目标时所处的水平也是可根据特定实施设置的参数。该水平可以是比目标低10％的水平，例如，在目标为30％时，soc为20％。
如果电池soc升高到目标水平以上，则增程器被配置为关闭。soc被确定为大于(＞)目标所处的“触发关闭”水平是可以根据特定实施设置的参数。例如，其可以是比目标高10％的水平，即，在目标为30％时，soc为40％。
在车辆正以低速度行驶时，增程器还可仅以低水平使用，由于在此时，增程器的噪音最引人注意。低速度可被限定为小于每小时30英里，更优选地小于每小时20英里。下面的表1示出了多个示例可选模式：
表1－示例增程器运转模式
图4示出了与简单预测增程器模型相比较，根据恒定目标soc操作的传统增程器模型相对于时间的荷电状态。预测增程器模型是根据生成的目标soc曲线操作的。
基本目标soc曲线被设置为基于预期旅行持续时间朝向最终soc水平的10％线性减小。以与减小的目标水平相同的方式应用触发值(例如，soc比目标低5％)。
通过使用预测管理，增程器可用在最有效率而不是用在最大功率(例如)的地方。尽管增程器可以比在基本模型中运行更长的总持续时间，但是它将主要运行在其最有效率时，并且将因此使用比基本模型更少的燃料。这将导致更低的总排放和运行成本的降低。
此外，增程器可用于确保电池组的荷电水平被用于提供提高的整体效率。通过预测旅行的终点，模型可将最终soc减小到10％(例如)，对比基本模型的典型的35％soc。通过这种方式，节省了约10kwh的增程器产生的电量。替代地，较便宜的插入式电力用于下次充电。由于使用电厂产生的电力而非增程器产生的电力，所以还减小了总排放。
可选地(或除此之外)，可利用旅行行程对全天的增程器使用预期进行建模，并且因此能够确定更精确的soc曲线，使得仅在一天当中的最佳时间使用增程器。这种曲线包括期望的终点soc，并且还考虑到增大目标soc的最有效率或最适合的时间段。
例如，最初可将荷电水平保持在高水平(其中放电的最终阶段完全是非保持的)，而非利用线性地向下倾至最终10％soc的曲线来对电池组放电。还可通过更改线性目标soc曲线以遵循不同的路径，基于旅行行程来安排额外的充电、保持或非保持时间段。
根据一个实施例，提供根据动态目标soc曲线运转的增程器104。基于电动车辆100将采用的路线的实际测量的或建模的污染水平，生成增程器104的目标soc曲线。
关于图5，示出了根据一个实施例的控制器102的操作。操作由控制器102执行，并且具体地，由处理器120执行。可替代地，操作可通过经由数据连接114与控制器102通信的服务器执行。
操作开始于步骤5.1。
在步骤5.2处，控制器102被配置为识别电动车辆100所采用的路线。这种路线可在出发前由(例如)用户输入到所述系统中，或者可直接从存储日常路线的服务器导入路线信息。
控制器102可从存储器118或经由数据连接114从服务器检索路线信息。
在步骤5.3处，控制器102被配置为计算电动车辆100的旅行行程。旅行行程包括多个路径点和电动车辆100的预期到达时间。旅行行程基于路线和用于该路线的估计旅行定时。估计旅行定时可基于，例如，电动车辆100的平均速度、沿该路线的每个点的当地速度限制和路线的地形。控制器102还可考虑其他因素，例如，指示预期驾驶员的个人驾驶风格的驾驶员档案、路线上的当地天气状况和路线上的预期交通状况。
在步骤5.4处，控制器102获得与即将到来的旅行有关的污染信息。污染信息包括针对旅行行程上的一个或更多个点的实际测量的或建模的污染水平。污染水平可与特定地理区域和时间有关，以便为动态污染地图上的每个点提供期望的或预测的污染水平。动态污染地图可被设置为示出针对特定地理区域的当前污染水平。动态污染还可示出特定时间下地理区域的预测污染水平。
污染信息随城市区域改变，并且还可随时间改变。污染信息包括针对一个或更多个位置的实际测量的或建模的污染水平。通过布置在静态位置处或布置在电动车辆自身上的一个或更多个传感器来测量实际污染水平。来自传感器的数据被提供到中央服务器或数据库并且由控制器102检索，以确定增程器的激活计划。可替代地，来自布置在电动车辆上的传感器的数据可存储在控制器存储器118中并直接由控制器102检索。
可以针对一个区域生成污染模型，以计算该区域内一个或更多个位置的污染水平。可以利用在一段时间内在该区域内多个位置处测量的实际污染水平与基于相关数据(诸如交通数据或天气数据)的科学预测的组合，来生成污染模型。可针对用于测量实际污染水平的传感器之间的位置计算建模的污染水平，或者可针对未来时间点计划建模的污染水平。建模的污染水平可考虑由于一天中的时间、日期、气候、当前或预测的天气、日程表事件等而产生的变化。可针对要到达特定位置的电动车辆在计划时间在旅行行程上的特定位置计算建模的污染水平。
由控制器检索到的污染信息可涉及由增程器的运转所引起的任何形式的排放，例如，气体碳氧化物和氮氧化物(co、co2、nox)、碳氢化物(cxhy)、微粒和噪音排放。
在一些实施例中，控制器102可获得涉及许可污染水平的额外的或可选的污染信息。该许可污染水平还可与特定地理区域和时间有关。可根据规定或法规设置最大的许可污染水平。
在步骤5.5处，控制器102被配置为核对与增程器104的运转有关的其它数据。例如，这种数据可包括指示预期驾驶员的个人驾驶风格的驾驶员档案、路线上的当地天气状况和路线上的预期交通状况。控制器102可考虑辅助功率负载，诸如：在旅行的一部分在黑暗中进行时考虑灯光、在预期旅行的一部分在雨中进行时考虑风挡刮水器、以及在外部状况相对较热或较冷时考虑乘客或装载量气候控制。
控制器102还可考虑车辆的预期装载量，并且可考虑(例如)装载点和卸载点。对于计程车或公共交通车辆，其它数据可包括预期或预测的上客点/下客点。对于运载车辆，可基于电动车辆100中的每个物品的交货点确定基于时间的装载量数据。
在步骤5.6处，控制器102被配置为计算针对路线的目标soc曲线。目标soc曲线指定针对沿着旅行行程的每个点的目标soc水平。可根据所述位置和目标soc来确定给定时间点处的增程器104的运转。
基于在针对旅行行程上特定位置的污染信息中提供的实际测量的或建模的污染水平，控制器102设置针对特定位置处的增程器104的目标soc水平。控制器102基于即将到来的位置处的当前或预计的污染水平而计算针对旅行行程中的每个即将到来的位置的目标soc水平。
基于污染信息，目标soc曲线在用于激活增程器104的最佳点处增大目标soc水平。在激活增程器非最佳的点处，目标soc水平可能较低。
例如，即将到来的旅行行程上的下客点可位于内城区中。城市区域中的位置可表现出较高的当地污染水平，并且除此之外，可对最大污染水平有限制。例如，可能存在较低的许可微粒水平，由于这些微粒聚积在城市区域中并且可能导致健康问题。在一天的特定时间(诸如清晨)，在内城中可能存在较低的许可噪音水平。
基于涉及内城的检索到的污染信息，控制器102可确定用于激活增程器的最佳点在进入内城之前。在城市限制以外，例如在噪音排放干扰较少并且微粒排放无害地分散的非城市区域中，目标soc水平可以增大。控制器102可控制增程器104在进入内城之前激活，以在到达城市区域之前将soc升高到增大的目标水平。
在微粒和噪音两者的排放均是不期望的城市区域内，目标soc水平可减小。控制器102可控制增程器104在城市区域内关闭，以允许soc下降至较低的目标水平。
在内城之前的区域中，增大的目标soc水平可足够高，使得电动车辆100能够在城市内以全电动模式运转。储存的电荷可足够驱动电动车辆100通过路线的内城部分，而无需在城市区域内达到减小的目标soc水平。如果通过内城的旅行行程对于完全运转在全电动模式下来说过长，则控制器102可设置目标soc曲线，使得增幅器104运转在低噪音模式下。
控制器102还可基于针对电动车辆100当前位置获得的污染信息，来设置针对该位置的最大操作水平。在实际测量的或建模的污染水平高时，控制器可将增程器的最大操作水平设置为低功率模式。
基于特定位置的最大污染水平和在该位置处实际测量的或建模的污染水平，控制器102可确定针对该位置处的电动车辆的增程器的最大排放水平。基于在特定位置处确定的最大排放水平来设置增程器的最大操作水平。最大污染水平可取决于时间，并且可基于针对特定位置处的电动车辆的预计到达时间计算最大排放水平。
在步骤5.7处，控制器102被配置为实施目标soc曲线。控制器102根据目标soc曲线操作增程器104。
利用比较器124，控制器102被配置为将电池106的当前soc与当前由目标soc曲线设置的目标soc水平进行比较。如上所述，如果所述soc降到目标soc水平以下，例如在目标水平以下5％或更多，则激活增程器104。如果所述soc升到目标soc水平以上，例如在目标水平以上10％或更多，则关闭增程器104。
可替代地，控制器102可通过将目标soc曲线传输到增程器104来实施目标soc曲线，以用于通过集成的控制器实施。另外可替代地，由服务器计算的目标soc曲线可通过传递到电动车辆100来实施，以用于由如上所述的控制器102实施。
操作在步骤5.8处结束。
图6示出了当在路线上实施目标soc曲线时控制器102的示例性操作。计划路线包括内城区域，其中增程器104的激活可增强不期望的噪音和微粒物质污染。
如上所述，在soc升高到目标水平以上时关闭增程器104，并且每当soc降到用于激活的触发水平以下时再次开启增程器104。因此，通过控制器102计算出目标soc曲线，以在内城的城区外侧具有高目标soc水平，在城市内具有低的目标soc水平。
在实施由控制器102生成的目标soc曲线时，在旅行的第一区段期间激活增程器104，以保持高的荷电水平(在本示例中，80％-90％)。通过在最大效率模式下激活增程器，而在旅行的第一区段内保持高的荷电水平。
当电动车辆100到达内城时，增程器104关闭并且soc降到较低的目标soc水平。然而，由于在旅行中提早保持高的荷电水平，因此控制器102允许在通过整个内城时关闭增程器，而不将soc消耗到不可接受的程度。当车辆处于内城区域中时，增程器关闭并且不发出噪音和微粒。
参照图7，根据实施例，示出了控制器102的进一步操作。操作由控制器102执行，并且具体地，由处理器120执行。控制器102被配置为响应于一个或更多个触发来重新计算目标soc曲线，以确保增程器104基于所述状况有效率地运转。
操作开始于步骤7.1。
在步骤7.2处，控制器102接收用于重新计算目标soc曲线的触发。
触发可以是，例如，通过数据连接114从服务器接收的警报。服务器可监测沿着路线的一个或更多个点的当前污染水平，并且在测量的污染水平显著偏离在动态污染地图中计算的预计水平时传输警报。
另一触发可以是与计划路线的偏离。车辆遥测单元116可检测到电动车辆100偏航，并且可计算出新路线以到达下一路径点或最终目的地。遥测单元116可触发控制器102重新计算针对新路线的目标soc曲线。
另一触发可以是与旅行行程的偏离。例如，遥测单元116可检测到电动车辆100比预期行进得更慢或更快。遥测单元116还可指示电动车辆100正在未根据预期的驾驶员简况行驶，例如，当前驾驶员比预期的效率低。
另一触发可从车辆传感器128接收。各种仪器可测量，例如，微粒或噪音污染的当前水平，并且控制器102可接收触发，以基于当前的污染数据重新计算目标soc曲线。例如，如果检测到电动车辆100的噪音水平实际比预期的大，则可能必须警告目标soc曲线，从而在旅行的较早部分对电池充电更久和/或更频繁，因为增程器104的噪音将超过进入城市的早期点的许可水平。因此，控制器102接收触发，以相应地重新计算目标soc曲线。
可替代地，控制器102可接收触发，以在一时间段之后自动地重新计算目标soc曲线。重新计算的频率是在处理功率/能量消耗与重新计算的使用之间权衡的因素。另外可替代地，触发可由驾驶员或远程操作者手动发送到控制器102。
在步骤7.3处，控制器102计算旅行行程的剩余部分的预测污染水平的变化。控制器102基于可用的最精确的数据来重新计算旅行行程上的每个位置的预测污染水平。控制器102将新计算的污染水平与最初计算的污染水平进行比较并确定变化。
如果预测污染水平的变化超过预定阈值，则控制器102进行至步骤7.5。如果预测污染水平的变化在预定阈值以内，则控制器102进行至步骤7.4。
在骤7.4处，预测污染水平的变化在预定阈值以内并且控制器102计算生成目标soc曲线所考虑的任何其它因素中的变化。
例如，控制器102可检测与预期相比的交通状况或天气状况中的显著变化。电动车辆100可由于，例如，驾驶风格或由于机械故障而不运转在预期的效率水平。
如果其它因素的变化超过预定阈值，则控制器102进行至步骤7.5。如果其它因素的变化在预定阈值以内，则控制器进行至步骤7.6。
在步骤7.5处，控制器102重新计算剩余旅行行程的目标soc曲线。控制器102启动关于图5描述的操作，以识别剩余路线或更新的路线，以计算更新的旅行行程并基于更新的污染数据和其它数据计算新的目标soc曲线。
在步骤7.6处，预测的污染水平的变化和其它因素的变化均不超过阈值，并且控制器102等待要接收的另一触发。控制器102返回步骤7.2，直到接收到再次形成目标soc曲线的另一触发为止。
通过这种方式，目标soc曲线可随着电动车辆100沿着路线行进而动态更新。
在一些实施例中，计划路线可具有与先前路线相同的一些信息。来自这种先前旅行的目标soc曲线可以可选地适合于即将到来的旅行，以进一步提高电动车辆100的效率。
污染信息还可包括在先前旅行期间存储的测量到的污染中，或者可替代地，由已行驶至少一部分相同路线的另一车辆测量。目标soc曲线可基于检索的污染信息生成，并且还可基于随着旅行进行更新的污染信息而改进或优化。
在一些实施例中，激活计划还识别车辆何时返回到基地并允许电池组放电到其最终的最小soc，以准备利用相对便宜的插入式电力重新充电。如果采用标准路线，则车载远程通信系统可学习和识别车辆何时返回基地，以切换出荷电保持模式。在考虑所有参数(包括，但不仅是最大里程)的情况下，激活计划可确定到达基地所需的预期荷电。
当车辆进入特定地理区域(“地理围栏(geo-fenced)”区域或“地理分区(geo-zone)”)时，如果路线改变，则简单的“地理围栏”可开始生效。例如，地理围栏区域可被设置为基地区域，在车辆基地的特定距离内。在基地区域内，车辆可切换出荷电保持模式。可在该阶段期间由增程器提供低水平的soc后援(relief)，例如，如果达到非常低的荷电水平，则可激活增程器以避免完全耗尽电池。
在一些实施例中，在基地区域内，可逐渐减小车辆的目标soc。目标soc的减小可与车辆距基地的减小的距离相对应。目标soc的减小可基于车辆到基地的直线距离。
图8a示出了由通过地理围栏区域的车辆采取的路线的图示。在距基地b特定距离处设置基地区域。车辆可遵循沿着从a到a的线的路线。车辆驶近基地b，移动到最近途径点c，随后远离基地b。
图8b示出了在车辆通过图8a的基地区域时目标soc的示例性调节。如图8b所示，目标soc的减小可以是线性的。在车辆驶近基地某预定距离时，目标soc可减小固定百分比。例如，车辆每驶近基地800米，目标soc就可减小1％。可替代地，所述减小可基于要从当前车辆位置行驶到基地的估计路线距离。随着车辆驶离基地，目标soc以相同的速率增大。
地理围栏区域可以是基地周围的区域或车辆的出发地，或者可替代地，可以是任意预定点周围的区域。例如，“地理围栏”区域可位于一个地区上多个可能充电点中的每个可能充电点周围。多个地理围栏区域可具有不同的尺寸并且可具有不同的目标soc减小速率。这种地理围栏区域可作为激活计划的一部分或与激活计划分开建立。不具有计划路线的车辆可遭遇一个或更多个这种地理围栏区域，并且可相应地调节目标soc。
在一些实施例中，在地理围栏区域或地理分区内，车辆可切换到任意模式。预定地理分区可由用户(例如，驾驶员或远程操作者)设置。在一个示例中，车辆可在预定地理分区内切换到全电动模式，使得增程器关闭。在另一示例中，可以在预定地理分区内的最大效率或最大功率处开启增程器。可预先设置或者可替代地实时(例如，通过数据连接)设置预定地理分区。
预定地理分区可以是任意限定的地理区域(例如，绘制在地图界面上的区域)、或由距固定点某一距离限定的区域、或者预先限定的位置指示器(邮政编码或类似的)。预定地理分区可以是取决于时间的。预定地理分区可根据(例如)当前时间、当天周几或日期而激活。可替代地或额外地，预定地理分区的任意范围、位置或效果可以是取决于时间的。这种预定地理分区可作为激活计划的一部分或与激活计划分开建立。不具有计划路线的车辆可遭遇一个或更多个这种预定地理分区，并且可相应地切换车辆模式。
仅可提供给控制器102诸如路径点、改变的装载量的信息；或诸如在内城中/高速公路上行驶的距离和下客次数的一般路线信息，而不将详细地图提供给控制器102。该信息可直接源自单独的预先存在的数据库，例如，逻辑数据库。
在一个实施例中，中央逻辑数据库包含整个电动车辆车队的路线信息。通过使用从运行相同或相似路线的电动车辆收集的先前数据，每个电动车辆的目标soc曲线可被计算并输出到每个电动车辆中的单独控制器。如果所述系统还包括实时追踪能力，则测量到的污染水平或诸如可影响当地污染水平的当前交通、天气或其它实时状况的信息、目标soc曲线(或者甚至路线自身)可在旅行途中更新。
图9示出了包括多个增程电动车辆100的系统，每个增程电动车辆100包括如上所述的控制器102。每个电动车辆100与中央服务器200进行数据通信。该数据连接仅可在车辆处于某一范围内(例如，在车库中)时激活，或者该数据连接可以是远程连接，使得电动车辆100能够在基本上所有时间传输和接收数据。每个电动车辆100将诸如位置、速度、加速度、电池soc、天气、下客位置和任意其它旅行信息的遥测数据以及由车辆上的各种仪器记录的当地污染数据记录到中央服务器200。
中央服务器200随后可核对该数据，以生产先前旅行的中央数据库，该中央数据库可用于确定未来旅行的目标soc曲线或调节当前处于旅程中的电动车辆100的目标soc曲线。后一种情形可适用于如果一个车辆报告了在特定位置处的低速度(指示交通拥堵)，则服务器200可给其它电动车辆100发信号，以在路线的早期激活它们的增程器，以便最小化在车辆以低速度移动时聚积的过量特定排放。
未增程的其它车辆202也可形成所述系统的一部分，仅作为数据记录器，例如在车辆上具有合适应用(如上所述)的智能电话或平板电脑的车辆。除了普通远程信息服务包以外，一些或全部可以在诸如
可以利用内置gps、加速计(惯性)和诸如gps和gis(地理信息系统)数据的现有应用。优化计算可在云中完成(或者部分在云中部分在车辆上)。此外，其可利用指导驾驶员更有效(和/或更安全)驾驶技术的“更好驾驶和更安全驾驶”包进行优化。
云中的数据可针对多车辆或者甚至多车队数据挖掘进行汇总，因此是有效地“众包(crowdsourcing)”数据。
另一可能应用是考虑一天期间的额外(随机)的充电机会。例如在运货卡车在某位置处卸下装载量时或者在车辆在午餐时返回基地时。
可能没有必要获知当前的装载量；相反，所述系统可检测不同状况(速度、加速度等)下的实际电流消耗并从中推断不同(预测)状况下的不同负载/电流消耗。统计学分析可识别诸如车载制冷的辅助负载、以及夏季中的多余冷却或冬季中的加热将影响能量使用的季节变化。同样，获知的装载量(当前在车辆上的和预测的在一天期间的变化)可用于对所述系统进行微调。
数据可从多个时间段和多个车辆(例如，相同公司的不同车辆)中记录，以用于恒定优化激活计划。随后，该数据可用于推荐更有效率的路线或车辆硬件的变化(例如，安装更大的电池或增程器)。
还可由系统考虑与所预期的预测的改变，例如，如果车辆必须改变路线。还可通过考虑改变的相似性(频繁发生的变化对比不频繁发生的变化)来处理这些改变。
gps/远程信息服务系统还可识别合适的速度极限，并在超过该速度极限时借助再生制动施加速度调节。该功能还具有用于紧急状况和不正确/损坏数据的情况中的手动超控。可限制增程器将电池充电到特定值以上，使得再生制动总能够在不对电池过度充电的情况下添加到soc。
包括远程信息服务系统的控制器能够识别日常路线(包括地形和预测的速度以及路线偏离/新路线识别)、初始荷电状态、天气状况(还可影响诸如灯、驾驶室加热器、空调或挡风玻璃雨刮器的风和温度)、交通、一天期间的装载量变化，从而进行迭代计算以给出约10％(例如)的最终soc。这将借助预测模型的计算中的再次校准，由于新的、更近的(以及可能更重要的)数据可用于提供更精确的激活计划。
所述系统设置有故障保障装置，借此其在缺乏足够信息或故障的事件中恢复到预设的激活计划。该预设计划可以是诸如基本模型的总体计划、或者诸如最近已被该车辆使用的可能正确的计划、或者由车辆或车辆是其一部分的车队共同使用的计划。
应该理解的是，以上仅通过示例的方式对本发明进行了描述，在本发明的范围内可对细节进行修改。
权利要求中出现的附图标记仅用作说明，不会对权利要求的范围有任何限制作用。