[發(fā)明專利]道路坡度自動映射的方法及裝置

有效

• 申請?zhí)枺?/td>: 201410067295.4
• 申請日: 2014-02-26
• 公開（公告）號: CN104008266B
• 公開（公告）日: 2018-06-05
• 發(fā)明（設(shè)計）人: 迪米塔爾·P·菲萊夫;約翰·O·米切里尼;斯蒂文·J·斯瓦波夫斯基;戴安娜·亞納基耶夫;穆罕穆德·阿布·納斯?fàn)?/a>
• 申請（專利權(quán)）人: 福特全球技術(shù)公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京連和連知識產(chǎn)權(quán)代理有限公司 11278
• 代理人: 王淑麗

本發(fā)明創(chuàng)建在道路上的車輛所行駛區(qū)域的道路坡度模型，該道路具有在多個預(yù)先確定的坡度范圍內(nèi)變化的坡度。以預(yù)先確定的頻率操作車輛時，產(chǎn)生一系列的坡度值，其中，每一個坡度值標(biāo)識出隨后被遇到的相應(yīng)的坡度范圍。響應(yīng)于系列的坡度值，更新馬爾科夫鏈道路坡度模型，其中，該模型表示從每一預(yù)先確定的坡度范圍到相應(yīng)的順次下一坡度范圍的轉(zhuǎn)移事件矩陣中的概率的相應(yīng)元素。矩陣的每一個元素具有值πi,j，其代表從第一相應(yīng)坡度值到第二相應(yīng)坡度值的轉(zhuǎn)移事件的加權(quán)頻率除以從第一相應(yīng)的坡度值初始化的轉(zhuǎn)移事件的加權(quán)頻率，使得該矩陣連續(xù)地逼近該區(qū)域的道路坡度。

技術(shù)領(lǐng)域

本發(fā)明總體上涉及車輛控制系統(tǒng)，更加具體地，涉及用來優(yōu)化車輛動力傳動系統(tǒng)性能的道路坡度或者其它道路特性的車載模型創(chuàng)建和使用。

背景技術(shù)

車輛制造者不斷地努力使驅(qū)動車輛的能耗減到最小（例如，對于汽油車輛，最大化其每單位汽油的行駛距離，對于電動車輛，最大化其每單位電荷的行駛距離）。對于效能的重要影響包括車輛行駛速度、在所行駛路線上的道路坡度變化，以及交通狀況。自動速度控制（例如，巡航控制）系統(tǒng)可以通過減少車輛加速所用的時間量以對燃料經(jīng)濟(jì)性具有有益的影響，尤其是在高速公路上行駛的過程中。然而，在上坡和下坡的道路坡度過程中保持單一的速度設(shè)置，要比允許車輛速度變化以利用道路坡度變化來優(yōu)化燃料消耗，消耗更多的燃料。如果提前知曉即將到來的道路坡度變化（比如從全球衛(wèi)星定位（GPS）地圖以及事先設(shè)定的路線），那么可以在速度設(shè)定中引入相應(yīng)地改善能耗的暫時補(bǔ)償。然而，在車輛上確定這種實時的補(bǔ)償?shù)娜蛐l(wèi)星定位（GPS）導(dǎo)航裝置以及必要的車載地圖數(shù)據(jù)、計算的及/或遠(yuǎn)程的數(shù)據(jù)通信需求，意味著顯著的成本或者在某些地區(qū)可能無法獲得。因此，就需要減少這種確定適當(dāng)速度補(bǔ)償?shù)男枨蟆?/p>

通過參考并入本發(fā)明中的、Kolmanovsky等人在2010年7月在慕尼黑舉辦的第6屆IFAC車輛控制進(jìn)展研討會上的論文《充分利用地形及交通對車輛速度控制進(jìn)行優(yōu)化（Terrain and Traffic Optimized Vehicle Speed Control）》，描述了用于導(dǎo)出車輛在具體的地理區(qū)域所使用的、實現(xiàn)最好的平均性能的控制策略，而無需事先知曉要行駛的路線或者實際接近即將來臨的道路坡度。該控制策略描述了在所期待的平均燃料經(jīng)濟(jì)性和所期待的平均行駛速度之間實現(xiàn)最佳權(quán)衡的車輛速度設(shè)定值。地形和交通特性（即，行車條件）集合為馬爾科夫鏈（Markov chain）模型的轉(zhuǎn)移概率矩陣（TPM）中的馬爾科夫鏈（Markovchain）模型轉(zhuǎn)移概率。隨機(jī)動態(tài)規(guī)劃產(chǎn)生離線的（即，在使用獨立的地形特性表征的車輛設(shè)計階段的過程中在車輛外進(jìn)行的）控制策略，然后，該離線控制策略被載入車內(nèi)當(dāng)車輛行駛在相應(yīng)區(qū)域時進(jìn)行使用。

通過參考并入本發(fā)明中的、麥克多諾（McDonough）等人在2011年9月在丹佛舉行的2011年電氣與電子工程師協(xié)會（IEEE）控制應(yīng)用的多方會議上的論文《使用轉(zhuǎn)移概率模型建立車輛行駛條件模型（Modeling of Vehicle Driving Conditions Using TransitionProbability Models）》，披露了使用馬爾科夫鏈模型的轉(zhuǎn)移概率矩陣之間的Kullback-Leibeler（KL）散度（相對熵）對于相似或不相似的行駛條件進(jìn)行區(qū)分。根據(jù)對應(yīng)車輛當(dāng)前行駛條件的TPM，KL散度可以被用于對于所開發(fā)的一組離散的典型行駛循環(huán)的控制策略進(jìn)行內(nèi)插，以用于車輛動力傳動系統(tǒng)操作對于地形和交通狀況的適應(yīng)。

之前提出的系統(tǒng)嚴(yán)重依賴先驗的數(shù)據(jù)收集（以描述各種地區(qū)和行駛條件的特征）和分析（以創(chuàng)建需要預(yù)先載入目標(biāo)車輛的控制策略）。對于行駛在各種各樣區(qū)域和行駛條件的大量的、多樣化的車輛型號的車輛，需要更加實用的方法以進(jìn)行優(yōu)化。在車上的、實時創(chuàng)建和使用的TPM以及相關(guān)控制策略的車輛系統(tǒng)和方法，在與本發(fā)明同時遞交的、申請?zhí)枮?3341069的、名稱為《使用隨機(jī)優(yōu)化的車載實時速度控制設(shè)定值變化（On-Board Real-TimeSpeed Control Setpoint Variation Using Stochastic Optimization）》的共同待審的美國申請中有披露，該申請通過參考并入本發(fā)明。