AT522925A1 - Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs - Google Patents

Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs Download PDF

Info

Publication number
AT522925A1
AT522925A1 ATA50745/2019A AT507452019A AT522925A1 AT 522925 A1 AT522925 A1 AT 522925A1 AT 507452019 A AT507452019 A AT 507452019A AT 522925 A1 AT522925 A1 AT 522925A1
Authority
AT
Austria
Prior art keywords
vehicle
energy consumption
route
predicted
routes
Prior art date
Application number
ATA50745/2019A
Other languages
English (en)
Other versions
AT522925B1 (de
Original Assignee
Ait Austrian Inst Tech Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ait Austrian Inst Tech Gmbh filed Critical Ait Austrian Inst Tech Gmbh
Priority to ATA50745/2019A priority Critical patent/AT522925B1/de
Publication of AT522925A1 publication Critical patent/AT522925A1/de
Application granted granted Critical
Publication of AT522925B1 publication Critical patent/AT522925B1/de

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469Fuel consumption; Energy use; Emission aspects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3484Personalized, e.g. from learned user behaviour or user-defined profiles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3446Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Navigation (AREA)

Abstract

Verfahren zur Ermittlung der optimalen Route (OR) eines Fahrzeugs aus einer Anzahl von alternativen Routen (R1, ..., Rn) zwischen einem Fahrtausgangsort und einem Fahrtziel - wobei der mechanische Energieverbrauch (EM) des Fahrzeugs auf den einzelnen Routen (R1, ..., Rn) vorhergesagt wird, und - wobei unter den alternativen Routen diejenige Route mit minimalem Energieverbrauch und/oder minimaler Fahrtzeit und/oder minimaler Routenlänge unter Berücksichtigung der Kapazität (CS) des Energiespeichers des jeweiligen Fahrzeugs als optimale Route (OR) des jeweiligen Fahrzeugs ermittelt wird, wobei unter den alternativen Routen (R1, ..., Rn) zwischen dem Fahrtausgangsort und dem Fahrtziel diejenige Route als optimale Route (OR) des Fahrzeugs ermittelt wird, deren Kosten hinsichtlich einer gewichteten Summe aus dem vorhergesagten Gesamt- Energieverbrauch (Eges) des Fahrzeugs, der Fahrtzeit (tR) und/oder der Routenlänge optimal sind, wobei bei der Vorhersage des Gesamt-Energieverbrauchs (Eges) der jeweiligen Route - zu dem für die einzelnen Routen (R1, ..., Rn) vorhergesagten mechanischen Energieverbrauch (EM) des Fahrzeugs eine zusätzliche Energiemenge (EPV+F) als Puffer für durch Variationen des Fahrstils und/oder der Verkehrssituation und/oder des Umfelds bedingte Variationen des Energieverbrauchs hinzugefügt wird, und - der Energieverbrauch der Nebenverbraucher (EN) berücksichtigt wird, wobei die von den Nebenverbrauchern des Fahrzeugs benötigte Leistungsaufnahme (PN) mit einer von der Temperatur abhängigen Funktion vorhergesagt wird und als Grundlage für die Vorhersage des Energieverbrauchs der Nebenverbraucher (EN) herangezogen wird.

Description

Fahrtziel gemäß dem Oberbegriff von Patentanspruch 1.
Der Anteil von Batterie-elektrischen Fahrzeugen, sogenannten battery-electric vehicles, BEV, an der gesamten Fahrzeug-Flotte aller industrialisierten Länder steigt. Da die Kapazität der kostenintensiven Batterien die Reichweite der Fahrzeuge begrenzt, ist die effektive Reichweite des Fahrzeuges eine wichtige Information für den Fahrer. Daher berechnen die Regelungssysteme vieler Fahrzeugmarken die voraussichtliche Reichweite des Fahrzeuges auf seiner geplanten Route, die indirekt proportional zum vorhergesagten Energieverbrauch des Fahrzeuges ist.
Der Gesamt-Energieverbrauch von batterie-elektrischen Fahrzeugen hängt von einer Vielzahl von Faktoren ab. Erstens gibt es fahrzeugbezogene Faktoren wie beispielsweise Fahrzeugmasse, Fahrzeugform und Fahr- und _Rekuperations-Effizienz des Antriebssystems. Zweitens gibt es straßen- und umfeldbezogene Faktoren wie Steigung, Rollwiderstand, Wind und Regen. Drittens wirken sich Entscheidungen und der Fahrstil der Fahrer im Kontext von Verkehrssituation und Umfeld wie u.a. das Beschleunigungsverhalten oder die Verwendung der Heizung, etc. auf den
Energieverbrauch von Fahrzeugen aus.
Zur Abschätzung des mechanischen Energieverbrauchs wird häufig ein physikalisches Modell, z.B. das sog. Längsdynamikmodell oder LDM, verwendet, das die wichtigsten auf das Fahrzeug einwirkenden Kräfte wie die Trägheit, den Luftwiderstand, den Rollwiderstand etc. beschreibt.
Aufgrund der Vielzahl von Faktoren ist die richtige und präzise Vorhersage des Energieverbrauchs eine komplexe Aufgabe. Je mehr Faktoren präzise vorgesagt werden können, desto geringer ist die Unsicherheit der Berechnung des Energieverbrauches und der effektiven Reichweite des Fahrzeuges. Wenn die Unsicherheit der Vorhersage sinkt, reduziert sich auch die sogenannte „Reichweiten-Angst“ der Fahrer von Batterieelektrischen Fahrzeugen.
Es wurden bereits zahlreiche Verfahren offenbart, die das Längsdynamikmodell zur Vorhersage des Energieverbrauches von Fahrzeugen einsetzen. Eine Vorrichtung und ein Verfahren zur Vorhersage des Energieverbrauches sind beispielsweise in der EP 2985570 A1 gezeigt. Die EP 2720000 A1 offenbart eine Vorrichtung und ein Verfahren zur
Diese Verfahren beschreiben die Berechnung des Energieverbrauches auf Basis von fahrzeugbezogenen und straßen- und umfeld-bezogenen Faktoren, ohne jedoch den Einfluss zu quantifizieren, den die Entscheidungen und der Fahrstil der Fahrer des jeweiligen Fahrzeugs im Kontext von Verkehrssituation und Umfeld auf den Energieverbrauch haben. Alle fahrzeug-bezogenen und straßen- und umfeldbezogenen Faktoren auf einer Route sind in der Regel bekannt und bewirken daher nur eine geringe Unsicherheit im vorhergesagten Energieverbrauch.
Die Entscheidungen und der Fahrstil der Fahrer im Kontext von Verkehrssituation und Umfeld haben einen schwerer quantifizierbaren Einfluss auf den vorhergesagten Energieverbrauch. In der Regel wählt der Fahrer eine akzeptable Innentemperatur und schaltet Heizung oder Kühlung ein und regelt somit den Energieverbrauch der Nebenverbraucher. Weiters unterscheidet sich der Fahrstil verschiedener Fahrer in Wechselwirkung mit Verkehrssituation und Umfeld. Verkehrssituation und Umfeld bewirken somit eine zufällige, nicht vorhersagbare Variation des Energieverbrauches.
Wenn die Leistungsaufnahme der MNebenverbraucher unbekannt und der Energieverbrauch aufgrund von Fahrstil, Verkehrssituation und Umfeld schwer prognostizierbar ist, ist die Variation des vorhergesagten Energieverbrauches und der Reichweite unbekannt. Je weniger Faktoren präzise vorgesagt werden können, desto höher ist die Unsicherheit der Berechnung des Energieverbrauches und der effektiven Reichweite des Fahrzeuges. Die ungenaue Vorhersage der Reichweite kann die subjektiv empfundene "Reichweiten-Angst" der Fahrer von Batterie-elektrischen Fahrzeugen
verstärken.
Aufgabe der Erfindung ist es daher, diesbezüglich Abhilfe zu schaffen und ein Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs zwischen einem Fahrtausgangsort und einem Fahrtziel zur Verfügung zu stellen, das eine präzisere Vorhersage und
Berücksichtung des Energieverbrauchs ermöglicht.
Bei der Vorhersage des Gesamt-Energieverbrauchs der jeweiligen Route wird zu dem für die einzelnen Routen vorhergesagten mechanischen Energieverbrauch des Fahrzeugs eine zusätzliche Energiemenge als Puffer für durch Variationen des Fahrstils und/oder der Verkehrssituation und/oder des Umfelds bedingte Variationen des Energieverbrauchs hinzugefügt. Weiters wird der Energieverbrauch der Nebenverbraucher berücksichtigt, wobei die von den Nebenverbrauchern des Fahrzeugs benötigte Leistungsaufnahme mit einer von der Temperatur abhängigen Funktion vorhergesagt wird und als Grundlage für die Vorhersage des Energieverbrauchs der Nebenverbraucher herangezogen wird.
Erfindungsgemäß wird somit vorteilhafterweise ein Verfahren zur Routensuche bereitgestellt, das den Energieverbrauch eines Fahrzeuges auf einer Route mit einer herkömmlichen Methode zur Berechnung des Energieverbrauchs vorhersagt, die Route mit minimalem Energieverbrauch und/oder minimaler Routenlänge und/oder minimaler Fahrtzeit für jedes Fahrzeug berechnet und als Bedingung die Kapazität des Energiespeichers des Fahrzeuges enthält.
Unter Verkehrssituation ist im Zusammenhang mit der Erfindung eine Kombination aus dem Typ des Straßennetzes, z.B. Autobahn, interurban oder intraurban, und der aktuellen Verkehrsdichte, d.h. frei, dicht oder Stau, zu verstehen. Unter Umfeld ist im Zusammenhang mit der Erfindung das aktuelle Wetter und sein Einfluss auf den Straßenzustand, z.B. nass, Regen, Straßenglätte, Schnee, zu verstehen.
Zusätzlich wird vorteilhafterweise die von den Nebenverbrauchern des Fahrzeugs benötigte Leistungsaufnahme mit einer temperaturabhängigen Funktion vorhergesagt und beim benötigten Gesamt-Energieverbrauch berücksichtigt.
Die vorhergesagte Energiemenge für eine Route bildet ein Kriterium für die Wahl von alternativen Routen. Zusätzlich zur Energiemenge können auch Fahrtzeit auf einer Route und/oder Routenlänge wichtige Entscheidungskriterien für den Fahrer darstellen. Der Fahrer und/oder der Routing-Algorithmus können in der konkreten Situation einer Fahrt,
eingesetzt werden.
Da mehrere Entscheidungskriterien in einen Kostenfaktor zusammengefasst werden, können aus dem Stand der Technik bekannte Algorithmen eingesetzt werden, wie z.B. ein heuristisches Verfahren zur Wahl von Gewichtungsfaktoren in einem Wertebereich und ein Suchalgorithmus für kürzeste Wege wie z.B. das Verfahren nach Dijkstra mit unterschiedlichen Programm-technischen Umsetzungen (siehe Ahuja R.K., Magnanti T.L., Orlin J.B. (1993) „Network Flows. Theory, Algorithms and Applications“, Prentice Hall, chapters 4.5 bis 4.8, pp.108 -121).
Für die Suche nach Routen mit minimalen Kosten könnten auch weitere bekannte Optimierungs-Algorithmen für multiple Zielfunktionen eingesetzt werden, wie u.a. Deb K, Pratap A., Agarwal S. and Meyarivan T. (2002) „A fast and elitist multi-objective Genetic Algorithm: NSGA2“, IEEE Transactions on Evolutionary Computation, vol. 6, no. 2, pp. 182-197. Diese Optimierungs-Algorithmen berechnen Lösungen für mehrere Zielfunktionen, die näher an der optimalen Lösung liegen, jedoch für Routing-Algorithmen zu lange Rechenzeiten von mehr als 1 s pro berechneter Route benötigen.
Eine besonders zuverlässige Ermittlung der optimalen Route unter Berücksichtigung der durch den individuellen Fahrstil eines Fahrers, sowie durch Verkehrssituation und Umfeld bedingten Schwankungen des Energieverbrauchs kann gewährleistet werden, wenn die als Puffer zum vorhergesagten mechanischen Energieverbrauch hinzuzurechnende zusätzliche Energiemenge durch wiederholte Messungen des mechanischen Energieverbrauchs des Fahrzeugs bei Fahrten auf derselben Route bei Benutzung durch unterschiedliche Fahrer ermittelt wird.
Durch diese Ausgestaltung eines erfindungsgemäßen Verfahrens kann vorteilhafterweise der Einfluss, den Entscheidungen und Fahrstil eines Fahrers in Wechselwirkung mit Verkehrssituation und Umfeld auf das Geschwindigkeitsprofil der Fahrten haben, besonders präzise berücksichtigt werden. Die als Puffer zum vorhergesagten Energieverbrauch hinzuzurechnende zusätzliche Energiemenge kann besonders präzise aus Messdaten abgeleitet werden, wobei eine wichtige Datengrundlage Messungen des Energieverbrauchs darstellen, die auf Fahrten mit unterschiedlichen Fahrern in unterschiedlichen Verkehrssituationen und Umfeldbedingungen gemessen wurden. Der
vom Energieverbrauch der Nebenverbraucher erfasst werden.
Eine noch zuverlässigere Vorhersage des Energieverbrauchs der Nebenverbraucher eines Fahrzeugs kann erzielt werden, wenn die Funktion zur Vorhersage der von den Nebenverbrauchern des Fahrzeugs benötigten Leistungsaufnahme von der Außentemperatur abhängig ist, wobei die Außentemperatur am Fahrzeug ermittelt oder von einem Wetterdienst bereitgestellt wird.
Unter der Außentemperatur ist im Zusammenhang mit der Erfindung die in der Umgebung des Fahrzeugs herrschende Temperatur zu verstehen, die beispielsweise mit einem am
Fahrzeug angebrachten Temperaturfühler gemessen werden kann.
Eine weitere Verbesserung der Vorhersage des _Energieverbrauchs der Nebenverbraucher eines Fahrzeugs kann erzielt werden, wenn die von der Temperatur abhängige Funktion für die Leistungsaufnahme der Nebenverbraucher des Fahrzeugs auf Grundlage wiederholter Messungen der Leistungsaufnahme der Nebenverbraucher bei unterschiedlichen der in der Umgebung des Fahrzeugs herrschenden Außentemperaturen
ermittelt wird.
Auf Grundlage derartiger wiederholter Messungen der Leistungsaufnahme der Nebenverbraucher bei unterschiedlichen Außentemperaturen kann vorteilhafterweise durch die Anwendung einer bekannten Methode, z.B. einer geglätteten Funktion, ein Zusammenhang zwischen der Außentemperatur und der Leistung der Nebenverbraucher, wie beispielsweise Heizung und Kühlung geschätzt werden. Als Ergebnis steht eine temperaturabhängige Funktion zur Vorhersage der Leistungsaufnahme der Nebenverbraucher zur Verfügung.
Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und den beiliegenden Zeichnungen.
Die Erfindung ist im Folgenden anhand eines besonders vorteilhaften, aber nicht einschränkend zu verstehenden, Ausführungsbeispiels in den Zeichnungen schematisch
dargestellt und wird unter Bezugnahme auf die Zeichnungen beispielhaft beschrieben.
Im Folgenden zeigen schematisch:
Fig. 2 ein Ablaufdiagramm eines Ausführungsbeispiels eines erfindungsgemäßen Verfahrens
Fig. 3 den Zusammenhang zwischen der Fahrtzeit und dem Energieverbrauch für verschiedene Routen,
Fig. 4 die anhand des erfindungsgemäßen Verfahrens aus Fig. 2 ermittelte optimale Route.
Im Folgenden wird ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens zur Ermittlung der optimalen Route OR eines Fahrzeugs beschrieben, das beispielsweise in einem beliebigen Navigationssystem eines Fahrzeugs oder in einem Flottenplanungs-
System zum Einsatz kommen kann.
Wie in Fig. 1 schematisch dargestellt ist, umfasst der Gesamt-Energieverbrauch Eyes den mechanischen Energieverbrauch Em und den Energieverbrauch der Nebenverbraucher En. Der mechanische Energieverbrauch Em wird erfindungsgemäß mit einem aus dem Stand der Technik bekannten physikalischen Modell, wie beispielsweise dem Längsdynamikmodell LDM, siehe Referenzen oben, ermittelt, das auf das Fahrzeug einwirkende Kräfte wie den Luftwiderstand oder den Rollwiderstand berücksichtigt. Durch das physikalische Modell werden fahrzeugbezogene Faktoren F wie beispielsweise Fahrzeugmasse, Fahrzeugform und Fahr- und _Rekuperations-Effizienz des Antriebssystems sowie straßen- und umfeldbezogene Faktoren S, U wie Steigung, Rollwiderstand, Wind und Regen abgebildet.
Die Leistungsaufnahme Py der Nebenverbraucher wie Heizung oder Kühlung wird mit einer von der Temperatur abhängigen Funktion vorhergesagt und daraus der Energieverbrauch der Nebenverbraucher Ey berechnet, wobei sich der Energieverbrauch der Nebenverbraucher Ey ergibt als
En = Py “tr mit der Leistungsaufnahme Py der Nebenverbraucher in [W] und der Fahrtzeit t, in [h]. Die Leistungsaufnahme Py der Nebenverbraucher wird im gezeigten Ausführungsbeispiel
bei Fahrten des Fahrzeugs bei unterschiedlichen Außentemperaturen wiederholt gemessen. Wenn der Fahrer eines Fahrzeugs bei sehr niedrigen Außentemperaturen
Aus den derart gewonnenen Messwerten wird empirisch eine von der Temperatur abhängige Funktion, die den Zusammenhang zwischen der Leistungsaufnahme Py der Nebenverbraucher und der Außentemperatur beschreibt, abgeleitet. Der Zusammenhang kann beispielsweise mit einer geglätteten Funktion dargestellt werden.
Der Ablauf des im Ausführungsbeispiel angewandten erfindungsgemäßen Verfahrens mit den Schritten 101 bis 106 ist schematisch in Fig. 2 dargestellt.
Zunächst werden Fahrtausgangsort und Fahrtziel der Fahrt festgelegt, was Schritt 101 entspricht. Anschließend wird in Schritt 102 eine erste Gewichtung für jeden Faktor, d.h. Energieverbrauch, Fahrtzeit und/oder Routenlänge festgelegt. Im Ausführungsbeispiel in Fig. 2 werden erste Gewichte für Energie und Fahrtzeit festgelegt. Als Gewichtungsfaktoren dienen bekannte oder durch Modelle berechnete Umrechnungsfaktoren des jeweiligen Faktors auf beispielsweise monetäre Kosten. Zur Umrechnung des Energieverbrauches können die Kosten für das Laden einer bestimmten Energiemenge z.B. in Euro/kWh eingesetzt werden, zur Umrechnung der Fahrzeit der sogenannte Wert der Zeit (Value of Time, VOT) z.B. in Euro/h.
Für die Faktoren Energieverbrauch und Fahrzeit hat die Kostenfunktion im Ausführungsbeispiel die folgende Form:
C= 3” Eges + b * tr
mit dem vorhergesagten Gesamt-Energieverbrauch Eyes In [kWh], dem Umrechnungsfaktor a in [Euro/kWh], der Fahrtzeit tg in [h] und dem Umrechnungsfaktor b in [Euro/h].
Anschließend werden im gesamten Straßennetz, für das eine Route gesucht wird, z.B. in einem Stadtgebiet, die Kosten für jeden Straßenabschnitt mit der gewichteten Summe aus Energieverbrauch, Fahrtzeit und/oder Routenlänge berechnet, was Schritt 103 entspricht.
Der Gesamt-Energieverbrauch Eye jedes Streckenabschnittes kann über Modelle
berechnet werden, die aktuelle Fahrtzeit jedes Streckenabschnittes wird z.B. über ein Reisezeit-Informationssystem erhalten. Im Ausführungsbeispiel werden für jeden
wird.
Mit einem aus dem Stand der Technik bekannten Suchalgorithmus für kürzeste Wege, z.B. dem Verfahren nach Dijkstra (siehe Ahuja R.K., Magnanti T.L., Orlin J.B. (1993) „Network Flows. Theory, Algorithms and Applications“, Prentice Hall, chapters 4.5 bis 4.8, pp.108 -121), wird in Schritt 104 die Route R}, mit den niedrigsten Kosten ermittelt, um
vom Fahrtausgangsort zum Fahrtziel zu gelangen.
Anschließend wird in Schritt 102 eine neue Gewichtung der Faktoren a, b gewählt. Die Gewichtung der Faktoren wird in einem Bereich variiert, der dem bekannten oder mit Modellen berechneten Wertebereich der Umrechnungsfaktoren entspricht, z.B. ein Wertebereich der Kosten für das Laden einer bestimmten Energiemenge und ein Wertebereich des aus Modellen bekannten Wertes der Zeit (Value of Time, VOT).
Die Berechnung der Kosten wird in Schritt 103 für jeden Streckenabschnitt im Straßennetz sowie die Suche nach der Route mit den niedrigsten Kosten in Schritt 104 wiederholt. Durch Wiederholung der Verfahrensschritte erhält man eine bestimmte Zahl von Routen R-ı, ..., Ra mit minimalen Kosten, um vom Fahrtausgangsort zum Fahrtziel zu
gelangen, siehe Linie der minimalen Kosten in Fig. 3 im Ausführungsbeispiel.
Anschließend wird eine zusätzliche Energiemenge EPy,- als Puffer zum vorhergesagten mechanischen Energieverbrauch Em und dem Energieverbrauch Ey der Nebenverbraucher hinzugefügt, um in Schritt 105 den für das Fahren benötigten GesamtEnergieverbrauch Eyes für jede Route zu berechnen.
Im Ausführungsbeispiel wird der mechanische Energieverbrauch Em von wiederholten Messfahrten auf derselben Route, auf der unterschiedliche Fahrer in unterschiedlichen Verkehrssituationen und Umfeldbedingungen gefahren sind, als Datenbasis zur Berechnung des Puffers EPy,- erfasst. Eine Häufigkeitsverteilung der gemessenen mechanischen Energiemengen Ey dient als Basis für die Berechnung des Pufferwertes EPy.-. Günstigerweise wird als Puffer die Differenz zwischen Mittelwert und einem oberen Quantil der Verteilung, wie z.B. dem 95 %-Quantil, eingesetzt.
Der Puffer kann alternativ durch andere Maßzahlen, die die Variation der Verteilung beschreiben, z.B. als Differenz zwischen Median und einem oberen Quantil der
werden.
Optional ist es für die Berechnung eines besonders wirklichkeitsnahen Energie-Puffers möglich, die Variation des mechanischen Energieverbrauches Em auf mehreren verschiedenen Routen, die von unterschiedlichen Fahrern unter unterschiedlichen Verkehrssituationen und Umfeldbedingungen befahren wurden, zu messen. Auf Basis dieser Aufzeichnungen können Häufigkeitsverteilungen des Energieverbrauchs für mehrere verschiedene Routen berechnet werden. Diese können zu einer typischen Häufigkeitsverteilung für eine Vielzahl an Routen oder zu homogenen Gruppen von
Häufigkeitsverteilungen zusammengefasst werden.
Aus den zur Verfügung stehenden Routen kann der Fahrer in Schritt 106 diejenige Route auswählen, die seiner aktuellen Situation entspricht. Wenn er energiesparend fahren möchte, wird er eine Route mit niedrigerem Energieverbrauch und höherer Fahrtzeit (z.B. die Routen R+ bis Rz in Fig.3) wählen. Wenn er Zeit sparen will, wird er eine Route mit niedrigerer Fahrtzeit und höherem Energieverbrauch (z.B. die Routen Rı bis R-, in Fig.3)
wählen.
Im Ausführungsbeispiel wird diejenige Route auf der Linie der minimalen Kosten gewählt, bei der der Gesamt-Energieverbrauch Eyes Niedriger oder gleich der verfügbaren Energiemenge, d.h. die Kapazität CS des Energiespeichers des Fahrzeugs ist und die Fahrtzeit t& minimal ist. Als Ergebnis wird die Route mit der minimalen Fahrtzeit te, ohne die sicher verfügbare Energiemenge des Fahrzeugs zu überschreiten, als optimale Route OR des Fahrzeugs ermittelt.
Neben dieser günstigen Ausführungsform gibt es mehrere mögliche Kombinationen von Faktoren, die ausgehend vom beschriebenen Verfahren für den Fachmann naheliegend sind. Das Verfahren kann analog eingesetzt werden, wenn Gesamt-Energieverbrauch Eges und Weglänge statt Gesamt-Energieverbrauch E,es und Fahrtzeit ta zur Berechnung der Kosten der einzelnen Routen R;ı;, ..., R, eingesetzt werden. Ebenso ist eine Kostenberechnung aus den drei Faktoren Gesamt-Energieverbrauch E,es, Fahrtzeit tr und Weglänge möglich.

Claims (4)

1. Verfahren zur Ermittlung der optimalen Route (OR) eines Fahrzeugs aus einer Anzahl von alternativen Routen (Rı, ..., Rn) zwischen einem Fahrtausgangsort und einem Fahrtziel - wobei der mechanische Energieverbrauch (Em) des Fahrzeugs auf den einzelnen Routen (R-;, ..., Ra) vorhergesagt wird, und - wobei unter den alternativen Routen diejenige Route mit minimalem Energieverbrauch und/oder minimaler Fahrtzeit und/oder minimaler Routenlänge unter Berücksichtigung der Kapazität (CS) des Energiespeichers des jeweiligen Fahrzeugs als optimale Route (OR) des jeweiligen Fahrzeugs ermittelt wird, dadurch gekennzeichnet, dass unter den alternativen Routen (R;, ..., R.) zwischen dem Fahrtausgangsort und dem Fahrtziel diejenige Route als optimale Route (OR) des Fahrzeugs ermittelt wird, deren Kosten hinsichtlich einer gewichteten Summe aus dem vorhergesagten GesamtEnergieverbrauch (Eye) des Fahrzeugs, der Fahrtzeit (te) und/oder der Routenlänge optimal sind, wobei bei der Vorhersage des Gesamt-Energieverbrauchs (Eges) der jeweiligen Route - zu dem für die einzelnen Routen (R-ı, ..., R.) vorhergesagten mechanischen Energieverbrauch (Em) des Fahrzeugs eine zusätzliche Energiemenge (EPy,r) als Puffer für durch Variationen des Fahrstils und/oder der Verkehrssituation und/oder des Umfelds bedingte Variationen des Energieverbrauchs hinzugefügt wird, und - der Energieverbrauch der Nebenverbraucher (Ey) berücksichtigt wird, wobei die von den Nebenverbrauchern des Fahrzeugs benötigte Leistungsaufnahme (Py) mit einer von der Temperatur abhängigen Funktion vorhergesagt wird und als Grundlage für die Vorhersage des Energieverbrauchs der Nebenverbraucher (Ex)
herangezogen wird.
2, Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die als Puffer zum vorhergesagten mechanischen Energieverbrauch (Em) hinzuzurechnende zusätzliche Energiemenge (EPy,r-) durch wiederholte Messungen des mechanischen Energieverbrauchs (Em) des Fahrzeugs bei Fahrten auf derselben Route bei Benutzung durch unterschiedliche Fahrer ermittelt wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Funktion zur Vorhersage der von den _ANebenverbrauchern des Fahrzeugs benötigten
4. Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die von der Temperatur abhängige Funktion für die Leistungsaufnahme (Py) der Nebenverbraucher des Fahrzeugs auf Grundlage wiederholter Messungen der Leistungsaufnahme (Py) der Nebenverbraucher bei unterschiedlichen der in der Umgebung des Fahrzeugs herrschenden Außentemperaturen ermittelt wird.
ATA50745/2019A 2019-08-28 2019-08-28 Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs AT522925B1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
ATA50745/2019A AT522925B1 (de) 2019-08-28 2019-08-28 Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA50745/2019A AT522925B1 (de) 2019-08-28 2019-08-28 Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs

Publications (2)

Publication Number Publication Date
AT522925A1 true AT522925A1 (de) 2021-03-15
AT522925B1 AT522925B1 (de) 2022-03-15

Family

ID=74859551

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA50745/2019A AT522925B1 (de) 2019-08-28 2019-08-28 Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs

Country Status (1)

Country Link
AT (1) AT522925B1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2136182A1 (de) * 2008-06-19 2009-12-23 Harman Becker Automotive Systems GmbH Berechnung einer energieoptimierten Route
US20110160990A1 (en) * 2009-12-28 2011-06-30 Honda Motor Co., Ltd. Devices And Methods For Determining Fuel Consumption And Searching Vehicle Routes
JP4910612B2 (ja) * 2006-10-04 2012-04-04 日産自動車株式会社 ハイブリッド車両とその制御方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4910612B2 (ja) * 2006-10-04 2012-04-04 日産自動車株式会社 ハイブリッド車両とその制御方法
EP2136182A1 (de) * 2008-06-19 2009-12-23 Harman Becker Automotive Systems GmbH Berechnung einer energieoptimierten Route
US20110160990A1 (en) * 2009-12-28 2011-06-30 Honda Motor Co., Ltd. Devices And Methods For Determining Fuel Consumption And Searching Vehicle Routes

Also Published As

Publication number Publication date
AT522925B1 (de) 2022-03-15

Similar Documents

Publication Publication Date Title
CN104442825B (zh) 一种电动汽车剩余行驶里程的预测方法和***
CN106163862B (zh) 用于行程规划的方法和计算机可读存储介质
CN103956050B (zh) 基于车辆行程数据的道路网运行评价方法
DE102015208380A1 (de) Fahrzeugenergie-Handhabungsvorrichtung
DE102017211689A1 (de) Verfahren zur Routenplanung und Routenoptimierung für ein elektrisch fahrendes Fahrzeug
DE102013003411A1 (de) Verfahren und System zum Steuern und/oder Regeln des Energieverbrauchs und/oder der Fahrtroute eines Elektrofahrzeugs
CN103745110B (zh) 纯电动公交车营运续驶里程估算方法
CN104781863A (zh) 预测链路上的未来的移动时间的方法
CN112224089A (zh) 基于能耗的行程规划方法、装置、电子设备及存储介质
CN104748753A (zh) 一种在线导航方法和在线导航***
JP2001504590A (ja) 走行経路データを算出するための方法
WO2014173592A1 (de) Verfahren und vorrichtung zum auswählen einer route zum befahren durch ein fahrzeug
DE102022118589A1 (de) Verfahren und systeme zur vorhersage des energieverbrauchs eines fahrzeugs für seine fahrt entlang einer definierten route und zur routenplanung
DE102009053982A1 (de) System zur Berechnung einer verbrauchsoptimierten Route eines Kraftfahrzeugs, Kraftfahrzeug mit einem entsprechenden System sowie Verfahren zur Berechnung einer verbrauchsoptimierten Route
CN115907076A (zh) 一种山地城市充电负荷概率预测***及方法
Zhang et al. Bi-national delay pattern analysis for commercial and passenger vehicles at niagara frontier border
AT522925A1 (de) Verfahren zur Ermittlung der optimalen Route eines Fahrzeugs
CN112330025A (zh) 用于城市电动汽车的时空充电负荷的预测方法
CN111784027A (zh) 计及地理信息的城市范围电动汽车充电需求预测方法
DE102020202650A1 (de) Computerimplementiertes Verfahren zur Routenberechnung für ein autonom fahrendes Kraftfahrzeug, Verfahren zum Fahren eines autonom fahrenden Kraftfahrzeugs, Computerprogrammprodukt sowie Kraftfahrzeug
CN108981733B (zh) 一种电动汽车充电导航***的速度预测方法
CN109816170A (zh) 一种基于轨迹挖掘的出租车等待时间预测方法及***
DE102018220572A1 (de) Prädiktive energieoptimierung einer gesamten fahrt
CN115359672A (zh) 一种数据驱动与强化学习结合的交通区域边界控制方法
Cheng et al. Accounting for travel time reliability and trip purpose in an agent-based approach to toll pricing with dynamic feedback control: Case study on I-95 managed-lanes corridor