CN112714715A - 用于对车辆进行里程估计的方法和设备 - Google Patents

Abstract

本发明涉及一种用于对车辆进行里程估计的方法和设备，其中根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定（210）车辆的剩余的里程，其中根据比较结果来更新（224）配属情况，在比较中，车辆的配属情况与其他的车辆的多个配属情况进行比较（220）。

Description

用于对车辆进行里程估计的方法和设备

技术领域

本发明涉及一种用于对车辆进行里程估计的方法和设备。

背景技术

车辆的里程估计用于预测剩余的里程。为此，一方面考虑剩余的燃料余量，或者在电动或混动运行的车辆中考虑到电池的充电状态。从关于车辆位置并且可能关于通过导航系统计算出的车辆应该经过的路线的信息出发，确定剩余的里程。例如基于关于特定的路线特性的未知或基于假定的驾驶方式与实际的驾驶方式之间的不同或基于其他的环境影响出现对于剩余的里程的预测与实际可达到的里程的偏差。里程估计的改进因此是值得期望的。

发明内容

这通过根据独立权利要求的设备和方法实现。

关于用于对车辆进行里程估计的方法设置的是，根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定车辆的剩余的里程，其中根据比较结果来更新配属情况，在比较中，车辆的配属情况与其他的车辆的多个配属情况比较。其例如与不同的地图属性有关。

为了里程估计，测得的消耗配属于特定的路线属性、例如上坡、速度、街道等级、车道数量。通过外部温度、副消耗器、部件数据、如充电状态（SOC）或健康状态（SOH）、时间、在行驶开始后的时间导致的相关性同样可以分配给环境的数字代表。配属情况是表格或特性曲线，在特性曲线中，针对每个检测的环境，特定的消耗值可以用于估计里程。除了根据经验的里程估计以外，还可以使用机器学习的方法（例如人工神经网络）。

其中每个配属情况在相应的车辆运行时在本地形成，并且通过与其他的车辆的其他的配属情况的比较来补偿。由此，首先可以在本地学习消耗统计。信息例如在不同的车辆中的分布式计算系统中被补偿和优化。例如比较车辆类型的结构相同的车辆。对于所有车辆来说改进里程估计，因为里程估计基于相同的环境中的其他的车辆的消耗值，而车辆本身不必已经实施环境中的测量。

优选设置的是，根据其中至少一个配属情况来确定基本配属情况，其中在车辆上第一次实施方法时，将基本配属情况预设为车辆的配属情况。从信息收集建立基本数据组。基本数据组在新车辆中用作初始值。

优选设置的是，在本地关于车辆确定至少一个配属情况，其中将用于确定比较结果的配属情况发送到远离车辆的发送器/接收器，其中接收比较结果，并且其中在本地关于车辆更新该配属情况。这种分布式解决方案能够实现处理大量数据，而不用使各个车辆需要具有高计算能力的控制装置。

优选设置的是，环境的数字代表包括对街道段的鉴别或街道段的属性。因此，存储每个街道段的消耗统计。在例如在外部温度、时间或者在类似的交通条件方面类似的条件下，第一次驶过街道段的车辆因此可以在里程估计中使用驶过相同的街道段的车辆的消耗数据。这明显改进了里程估计的精度。

优选设置的是，环境的数字代表包括表征街道段的车道的数量、街道段的上坡或下坡或街道段的类型的信息作为属性。街道段的类型例如限定，车辆是否位于城市中、乡道或高速公路上。信息进一步改进里程估计，因为根据环境要预期不同的驾驶方式。

优选设置的是，环境的数字代表包括对街道段的鉴别，其中根据关于针对相同的街道段的两个或更多个车辆的至少一个消耗值的信息，确定不同的车辆的消耗值彼此间的偏差，并且其中将关于偏差的信息发送到其中至少一个车辆。在相同的路线上的消耗值的偏差表示用于各个车辆或驾驶员的不同的驾驶特性的度量。将信息作为反馈转移到车辆来提供用于改变或调整驾驶特性的潜力。同样，个体化的车辆和驾驶员可以与相同的类型的全部车辆的子集进行比较。

优选设置的是，确定不同的车辆类型的车辆的消耗值的偏差。不同的车辆类型由此是可比较的。例如，在速度30km/h时，车辆类型A之间的消耗总是比车辆类型B高20%。

优选设置的是，确定相同的车辆类型的车辆或相同的车辆的消耗值的偏差。不同的驾驶员或驾驶方式由此是可比较的。

优选地，从车辆的当前的位置出发沿多个方向确定示例路线，用以估计里程，并且根据里程估计，车辆的里程显示使可能的和/或可到达的行驶目的地和去那儿的路线可视化。

优选地，为了估计里程，确定至少一个街道段和配属于街道段的消耗值，其中根据针对该街道段的待预期的、尤其平均的速度估计消耗值，其中根据驾驶员的尤其学习的偏好、车辆的消耗特性、路线特性、尤其限速和/或用于无人驾驶的预测的速度调节来确定速度。这是里程估计的特别适当的应用。

关于设备设置的是，设备包括处理器和具有指令的存储器，在通过处理器实施指令时，根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定车辆的剩余的里程，其中根据至少一个比较的结果来更新车辆的配属情况，在比较中，该配属情况与其他的车辆的多个配属情况进行比较。这样的设备提供改进的里程估计。

优选设置的是，根据其中至少一个配属情况来确定基本配属情况，其中在车辆上第一次实施里程估计时，基本配属情况可以预设为车辆的配属情况。由此，在新车辆中，特别好的初始值可以用于里程估计。

优选设置的是，在本地关于车辆可以确定至少一个配属情况，其中设备包括发送器，发送器构造用于，将用于确定比较结果的配属情况发送到远离车辆的发送器/接收器，其中设备包括接收器，接收器构造用于接收比较结果，并且其中在本地关于车辆更新配属情况。分布式计算结构提供使用进一步改进里程估计的大数据量的可能性。

优选设置的是，设备包括导航装置，导航装置利用街道段提供环境的数字代表，其中环境的数字代表包括对街道段的鉴别或街道段的属性。因此，也能够在还没有在具有鉴别或属性的街道段上驶过的车辆中实现对里程的预测的改进。

优选设置的是，环境的数字代表包括表征街道段的车道的数量、街道段的上坡或下坡或街道段的类型的信息作为属性。

优选设置的是，环境的数字代表包括街道段的鉴别，其中根据关于针对相同的街道段的两个或更多个车辆的至少一个消耗值的信息，确定不同的车辆的消耗值彼此间的偏差，并且其中将关于偏差的信息发送到其中至少一个车辆。因此，在相同的街道段上的不同的消耗值是可比较的。

优选设置的是，确定不同的车辆类型的车辆的消耗值的偏差。

优选设置的是，确定相同的车辆类型的车辆或相同的车辆的消耗值的偏差。因此，不同的驾驶风格是可比较的。

优选地，沿多个方向从车辆的当前的位置出发确定示例路线，用以估计里程，其中设备包括里程显示，其构造用于，根据车辆的里程估计使可能的和/或可到达的行驶目的地和/或去那儿的路线可视化。

附图说明

另外的有利的实施方式由随后的描述和附图得到。在附图中：

图1示意性示出了用于估计里程的设备；并且

图2示意性示出了在用于估计里程的方法中的步骤。

具体实施方式

图1示意性示出了用于车辆的估计里程的设备100，其特征在于，设备100包括处理器102和具有指令的存储器104，在通过处理器102实施指令时，根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定车辆的剩余的里程。

根据至少一个比较的结果更新车辆的配属情况，在比较中，该配属情况与其他的车辆的多个配属情况比较。

在一个方面中，根据其中至少一个配属情况来确定用于设备的基本配属情况。在该情况下，在车辆上第一次实施里程估计时，可以将基本配属情况预设为车辆的配属情况。

在一个方面中，可以在本地关于车辆确定和/或更新至少一个配属情况。设备例如包括发送器106，其构造用于，将用于确定比较结果的配属情况发送到远离车辆的发送器/接收器108。设备100例如包括接收器110，其构造用于接收比较的结果。

在一个方面中，设备包括导航装置112，其提供环境的具有街道段的数字代表。环境的数字代表包括街道段的鉴别或街道段的属性。

导航装置112例如包括全球导航卫星系统GNSS，或其他的用于确定车辆位置和相关的地理信息的装置。导航装置112例如包括环境的地图、尤其地形图作为关于环境的信息。关于环境的信息例如包括划分为多个街道段。例如给每个街道段配属其上坡或其下坡、街道段的一定数量的车道、或街道段的类型、如乡道、高速公路、城市、行驶方向、每个段的平均速度。

环境的数字代表可以包括所述信息作为属性。

备选地或附加地，环境的数字代表可以包括街道段的鉴别、例如唯一的鉴别码。

在示例中，设备100包括用于连接至车辆通信网络的接口114，通过车辆通信网络可以接收关于当前的运行状态、尤其车辆电池的充电状态、健康状态、当前的车速和/或副消耗器的消耗的信息。数据线路116连接这些元件。通信例如借助控制器域网协议进行。无线的连接118连接发送器106和接收器110与远离的发送器/接收器108。通信例如借助长期演进网络协议进行。

随后在两个示例中对于电动车示例性地描述了表格数字代表。多个表格可以设置用于不同的车辆类型或车辆。可以设置的是，根据外部温度或其他的影响消耗的因素、如副消耗器、车辆电池的健康状态或充电状态使用不同的表格。可以使用一个或多个记录所述信息的特征曲线。车辆模型或人工神经网络可以用作表格数字代表的备选。其可以利用机器学习或模型形成的方法利用参数估计、借助车辆收集的测量数据来提供数据。在学习阶段中，测量数据可以由车辆使用，以便训练人工神经网络，或者使模型参数化。在使用阶段中，在该情况下，借助人工神经网络或模型实施里程估计。

示例1：

在电动车中，在第一示例中说明了街道集群的消耗值。街道集群是包含具有相同的属性的多个街道的类别。作为属性示例性地说明车道的数量、即1车道、2车道、3车道…，以%表示的上坡或以%表示的下坡和一种路线段、即陆路、高速公路、城市。

在该示例中，给不同的车速分配不同的消耗值。因此得到第一配属情况：

街道集群	30km/h	40 km/h	50 km/h
				1车道、0.5%上坡、城市	18Wh	20Wh	35Wh
2车道、1%上坡、高速公路	23Wh	24Wh	25Wh
				1车道、3%上坡、陆路	26Wh	27Wh	28Wh

在示例中，第一配属情况存储在存储器104中，并且如在随后的方法中描述的那样更新。

为了估计里程，首先获知车辆刚好位于哪个街道集群中。随后，从第一配属情况获知消耗值，消耗值最接近当前的车速。消耗值用于获知对在驶过路线区段之后剩余的电池电量、即剩余的充电状态的预测。如果目的地是已知的，或者车辆仍要驶过哪些路线段，那么预测可以包括这些路线段。为此，设备可以构造用于，使用来自导航系统112的目的地。同样可以使用多个将来不可避免的路线段、例如在高速公路上要驶到下一出口的路线段。为了在前方的路线区段中估计预期的速度，可以使用驾驶员和/或车辆的学习的速度偏好。

为了在本地建立或在本地更新第一配属情况，设备构造用于在车辆在路线段中运动期间测量消耗值。消耗值随后配属于路线集群，路线集群的属性最好与刚好驶过的路线段的属性一致。消耗值例如配属于平均速度，所述平均速度最接近该街道段的平均的驶过的车速。在示例中除了通过与其他的配属情况的比较的结果来更新以外还进行这一点。

示例2：

在电动车中，在第二示例中说明针对特定的街道段的消耗值。街道段通过鉴别、例如鉴别码唯一地被鉴别。信息例如来自导航系统112，在导航系统中，街道段配属于地理位置。当前的车辆位置因此可以唯一地配属于街道段。另外的属性因此是不需要的。隐含包含关于车道数量、上坡或下坡或路线段的类型的认识。

在该示例中，给不同的车速分配不同的消耗值。因此得到第一配属情况：

街道段	30km/h	40 km/h	50 km/h
				ID23525	18Wh	20Wh	35Wh
ID23526	23Wh	24Wh	25Wh
				ID23527	26Wh	27Wh	28Wh

在示例中，第二配属情况存储在存储器104中，并且如在随后的方法中描述的那样更新。

为了估计里程，获知车辆位于哪个街道段中，并且使用来自第二配属情况的消耗值，该消耗值最接近平均的驶过的车速。如果目的地是已知的，那么街道段的消耗值相加，直到到达目的地。消耗值例如作为平均的消耗值、与时间相关的消耗值或针对其中每个街道段的驾驶员或车辆专属的消耗值包含在地图数据中，地图数据形成里程估计的基础。可以设置的是，估计每个街道段的待预期的平均速度。这例如可以通过驾驶员和/或车辆的消耗特性的学习的偏好进行。此外可以使用路线特性、如来自地图数据的限速。例如，在限速80km/h时并且在所有车辆的76km/h的平均速度时，例如以78km/h的预期的车速为基础，或者预设用于无人驾驶的预测的速度调节。如果驾驶员没有输入目的地，那么沿多个方向从车辆的当前的位置出发的示例路线用于里程估计。在一个方面中，根据里程估计设置的是，车辆的里程显示使可能的和/或可到达的行驶目的地和去那儿的路线可视化。

为了建立或更新第二配属情况，设备构造用于识别当前驶过的街道段，确定消耗值，并且在配属于街道段的鉴别中，在最接近该段的平均的驶过的车速的速度中利用消耗值来补充第二配属情况。

设备100构造用于实施随后根据图2描述的方法。该方法例如在接通设备100之后开始。

在步骤200中检验，是否是在设备100上第一次实施方法。如果是在设备100上第一次实施方法，那么实施步骤201。否则实施步骤202。

在步骤201中需要设备100与远离的发送器/接收器108的基本布置。为此优选传输车辆类型或车辆鉴别。

随后实施步骤203。

在步骤203中，根据其中至少一个配属情况，针对其他的车辆确定基本配属情况。优选传输用于相同的车辆类型的基本配属情况。必要时根据车辆鉴别获知该车辆类型。

随后实施步骤205。

在步骤205中，设备100从远离的发送器/接收器接收基本配属情况。

随后实施步骤207。

在步骤207中，将基本配属情况预设为车辆的配属情况。

随后实施步骤202。

在步骤202中，在本地在设备100上初始化里程估计。为此获知车辆的当前的位置和当前的车速。

随后实施步骤204。

在步骤204中，在本地在设备100上获知街道段的鉴别。

随后实施步骤206。

在步骤206中，在本地在设备100上获知街道段的鉴别。

随后实施步骤208。

在步骤208中，在本地在设备100上确定用于通过街道段的鉴别获知的街道段和获知的平均车速的消耗值。从用于街道段的配属情况连同针对速度的相应的鉴别确定最接近当前的车速的消耗值。

随后实施步骤210。

在步骤210中，在本地在设备100上根据消耗值确定车辆的剩余的里程。附加地，可以考虑副消耗器的消耗值、图表状态或其他的对于里程有意义的参量。剩余的里程的预测可以包括多个彼此相继的路线区段。例如针对通过目的地输入已知的目的地，或针对最可能预期的街道段确定里程。

随后实施步骤212。

在步骤212中输出剩余的里程。输出可以通过车辆中的显示或通过接口114输出至车辆的显示装置。如果没有输入目的地，那么可以通过所谓的里程多边形、在不同的点上沿所有方向从车辆的当前的位置出发构建里程。例如沿多个方向从车辆的当前的位置出发确定示例路线，用以估计里程。在该情况下，里程显示构造用于，根据车辆的里程估计、尤其利用里程多边形使可能的和/或可到达的行驶目的地和/或去那儿的路线可视化。

随后实施步骤214。

在步骤214中，确定车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况。

例如，在驶过街道段时使用平均车速，并且针对驶过街道段确定实际的消耗值。鉴别是环境的数字代表。例如通过直接在驶过街道段之前和之后的充电状态的差获知实际的消耗值。电池在驶过街道段之前和之后的分别当前的充电状态为此在本地在设备100上被获知，或通过接口114接收。

随后实施步骤216。

在步骤216中，消耗值在元件中在配属情况中、在本地存储在设备100上，通过对街道段的鉴别和平均车速来鉴别元件。在本地关于车辆确定配属情况。

随后实施步骤218。

在步骤218中，将设备100用于确定比较结果的配属情况发送到关于车辆远离的发送器/接收器108。

随后实施步骤220。

在步骤220中，通过远离的发送器/接收器108实施比较，在比较中，车辆的配属情况与其他的车辆的多个配属情况比较。

根据其中至少一个配属情况，在示例中确定基本配属情况的新的版本，其在车辆上第一次实施方法时预设为车辆的配属情况。

随后实施步骤222。

在步骤222中，比较结果由远离的发送器/接收器108发送，并且由设备100在本地接收。例如接收新的配属情况，用以进行补偿。

随后实施步骤224。

在步骤224中，在本地关于车辆根据比较结果来更新配属情况。

如果新的配属情况与车辆的配属情况不同，那么新的配属情况例如在本地存储为车辆的配属情况。随后实施步骤200。

在一个方面中设置的是，根据关于针对相同的街道段的两个或更多个车辆的至少一个消耗值的信息，确定不同的车辆的消耗值彼此间的偏差，并且将关于偏差的信息发送到其中至少一个车辆。

可以针对不同的车辆类型、针对车辆类型相同的车辆或针对相同的车辆在不同的时间点驶过相同的街道段确定车辆的消耗值的偏差。

在该情况下，将偏差发送到一个或所有参与的车辆作为反馈。

Claims (15)

1.用于对车辆进行里程估计的方法，其特征在于，根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定（210）车辆的剩余的里程，其中根据比较结果来更新（224）所述配属情况，在比较中，将车辆的配属情况与其他的车辆的多个配属情况进行比较（220）。

2.根据权利要求1所述的方法，其特征在于，根据其中至少一个配属情况来确定（203、220）基本配属情况，其中在车辆上第一次实施方法时，将所述基本配属情况预设（205）为车辆的配属情况。

3.根据权利要求1或2所述的方法，其特征在于，在本地关于车辆确定（214）至少一个配属情况，其中将用于确定比较结果的配属情况发送（218）到关于车辆远离的发送器/接收器，其中接收（222）比较结果，并且其中在本地关于车辆更新（224）所述配属情况。

4.根据前述权利要求中任一项所述的方法，其特征在于，环境的数字代表包括对街道段的鉴别或街道段的属性。

5.根据权利要求4所述的方法，其特征在于，所述环境的数字代表包括表征街道段的车道的数量、街道段的上坡或下坡或者街道段的类型的信息作为属性。

6.根据权利要求4或5中任一项所述的方法，其特征在于，所述环境的数字代表包括对街道段的鉴别，其中根据关于针对相同的街道段的两个或更多个车辆的至少一个消耗值的信息，确定不同的车辆的消耗值彼此间的偏差，并且其中将关于偏差的信息发送到其中至少一个车辆。

7.根据权利要求6所述的方法，其特征在于，确定不同的车辆类型的车辆的消耗值的偏差。

8.根据权利要求6所述的方法，其特征在于，确定相同的车辆类型的车辆或相同的车辆的消耗值的偏差。

9.根据前述权利要求中任一项所述的方法，其特征在于，从车辆的当前的位置出发沿多个方向确定示例路线，用以估计里程，并且根据里程估计，车辆的里程显示使能实现的和/或能到达的行驶目的地和去那儿的路线可视化。

10.根据前述权利要求中任一项所述的方法，其特征在于，为了估计里程，确定至少一个街道段和配属于街道段的消耗值，其中根据针对所述街道段的待预期的、尤其平均的速度估计消耗值，其中根据驾驶员的尤其学习的偏好、车辆的消耗特性、路线特性、尤其限速和/或用于无人驾驶的预测的速度调节来确定速度。

11.用于对车辆进行里程估计的设备（100），其特征在于，所述设备（100）包括处理器（102）和具有指令的存储器（104），在通过处理器（102）实施指令时，根据车辆在其中运行的环境的至少一个数字代表和关于环境中的至少一个消耗值的信息之间的配属情况来确定车辆的剩余的里程，其中根据至少一个比较的结果来更新车辆的配属情况，在比较中，将所述配属情况与其他的车辆的多个配属情况进行比较。

12.根据权利要求10所述的设备，其特征在于，根据其中至少一个配属情况来确定基本配属情况，其中在车辆上第一次实施里程估计时，能够将基本配属情况预设为车辆的配属情况。

13.根据权利要求10或11所述的设备，其特征在于，在本地关于车辆能够确定至少一个配属情况，其中所述设备包括发送器（106），所述发送器构造用于，将用于确定比较结果的配属情况发送到关于车辆远离的发送器/接收器（108），其中所述设备包括接收器（110），所述接收器构造用于接收比较结果，并且其中在本地关于车辆更新配属情况。

14.根据权利要求10至12中任一项所述的设备，其特征在于，所述设备包括导航装置（112），所述导航装置利用街道段提供环境的数字代表，其中环境的数字代表包括对街道段的鉴别或街道段的属性。

15.根据权利要求10至14中任一项所述的设备，其特征在于，所述设备构造用于实施根据权利要求5至10中任一项所述的方法。

Images