CN103364006B - 用于确定车辆路径的***和方法 - Google Patents

Abstract

提供一种用于确定车辆路径的***和方法，所述方法包括：接收指示驾驶员对车辆的动态控制的输入；基于输入确定驾驶员的驾驶方式；基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值。所述方法还包括：识别原点和目的地之间的多个候选路径；将每个候选路径划分为一组预定路径模式；并基于选择的值和限定候选路径的预定路径模式组来确定与每个候选路径相关的能量使用。所述方法还包括：识别具有最小能量使用的候选路径，并提供描述具有最小能量使用的路径的输出。

Description

用于确定车辆路径的***和方法

技术领域

本公开涉及用于选择节能型车辆驾驶路径的算法和实现所述算法的***。

背景技术

全球定位***(GPS)信息可被用于确定从原点到目的地的路径。特定路径可以在距离上比其他路径长。相似地，特定路径可比其他路径具有更长的行驶时间。然而，存在确定与特定路径相关的能量或燃料使用的因素，其中，所述特定路径可以不以可预测的方式与距离或行驶时间关联。

发明内容

一种用于车辆的导航***包括至少一个控制器，所述导航***接收指示驾驶员对车辆的动态控制的输入；基于输入确定驾驶员的驾驶方式；基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值。所述导航***还基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤可包括：将多个候选路径中的每个候选路径划分为一组预定路径模式。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤可包括：基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤可包括：选择具有最小能量使用的候选路径。

基于驾驶方式选择表示驾驶员对车辆的预期动态控制的参数的值的步骤可包括：将表示驾驶员对车辆的预期动态控制的参数的先前值匹配于与表示驾驶员对车辆的预期动态控制的参数的当前值相关的一组能量使用模式。

所述至少一个控制器可被进一步配置为提供描述路径的输出。

根据本发明的实施例，提供一种用于确定车辆的路径的方法，所述方法可包括：接收指示驾驶员对车辆的动态控制的输入；基于输入确定驾驶员的驾驶方式；基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值；识别原点和目的地之间的多个候选路径；将每个候选路径划分为一组预定路径模式；基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用；识别具有最小能量使用的候选路径；提供描述具有最小能量使用的路径的输出。

基于输入确定驾驶员的驾驶方式的步骤可包括：确定输入与均表示不同驾驶方式的多个预定值组之间的相似性。

提供描述具有最小能量使用的路径的输出的步骤可包括：在呈现在显示屏上的地图上显示所述路径。

根据本发明的实施例，提供一种用于确定车辆的路径的方法，所述方法包括：检测指示驾驶员对车辆的动态控制的驾驶员输入；基于输入确定驾驶员的驾驶方式；基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值；基于选择的值，识别原点与目的地之间的使车辆的能量消耗最小化的路径；提供描述所述路径的输出。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤可包括：将多个候选路径中的每个候选路径划分为一组预定路径模式。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤还可包括：基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用。

基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤还可包括：选择具有最小能量使用的候选路径。

基于驾驶方式选择表示驾驶员对车辆的预期动态控制的参数的值的步骤可包括：将表示驾驶员对车辆的预期动态控制的参数的先前值匹配于与表示驾驶员对车辆的预期动态控制的参数的当前值相关的一组能量使用模式。

提供描述路径的输出的步骤可包括：在呈现在显示屏上的地图上显示所述路径。

附图说明

图1是机动车辆的框图。

图2是车辆路径预测算法的流程图。

图3是用于使用仿真或车辆测试数据收集并创建平均车辆效率表的方法的流程图。

图4是路径能量预测算法的流程图。

图5是驾驶员方式识别算法的流程图。

图6是路径能量计算算法的流程图。

具体实施方式

在此描述本公开的实施例；然而，将理解，所公开的实施例仅是示例，其他实施例可采取各种可选择的形式。附图不需要缩放；可夸大或缩小一些特征以示出特定组件的细节。因此，在此公开的特定结构和功能的细节不应被解释为限制，而仅被解释为用于教导本领域的技术人员以各种方式采用本发明的代表性基础。如本领域的普通技术人员将理解的，参照附图中的任何一个示出和描述的各种特征可与在一个或多个其他附图中示出的特征结合，以产生没有明确示出或描述的实施例。示出的特征的结合提供了典型应用的代表性实施例。然而，针对特定应用或实施例，可期望与本公开的教导一致的特征的各种结合和修改。

图1是用于确定为了燃料经济性或能量效率而优化的车辆路径的***的示意性框图。在车辆8中，用户使用用户接口10输入目的地地址，其中，用户接口10可以是触摸屏(显示器)18或键盘。目的地点被发送到一个或多个车辆控制器，以计算路径。车辆8的当前位置可被用作原始点。控制器12可与车辆8中的远程信息处理计算机和多个车辆传感器14连接(interface)，以接收诸如能量使用、温度、车辆重量和车辆负荷的车辆数据。可通过例如OBD端口(未示出)获得车辆传感器信息。控制器12可需要与OBD端口连接，所述OBD端口可通过有线连接发送车辆读数。可选择地，OBD端口可使用蓝牙或其他类似的短距离无线协议被无线地连接。控制器12还与存储指定路径的道路地图、交通和天气信息的数据库16连接。当此信息被存储在位于车辆8中的远程信息处理计算机中时，控制器12可本地接收此信息。还可使用移动调制解调器或移动电话上的蜂窝宽带网络远程地下载此信息。一旦控制器12已从数据库16接收到信息，则控制器12可分析路径信息并提出多个候选路径。控制器12可计算指定路径的估计的能量使用并通过显示屏18显示此信息。

通常存在可在原点A和目的地点B之间采用的许多可行路径。当前，许多GPS***基于距离或行驶时间进行优化。还可基于能量使用或燃料消耗进行优化。因为总的能量使用是基于线性和非线性两者的多个因素(见等式1)，所以其不与距离或行驶时间直接相关。

$E_{{\mathrm{route}}_i}=\frac{{\mathrm{Dis}\tan \mathrm{ce}}_{{\mathrm{route}}_i}}{{\left({\mathrm{\η}}_{\mathrm{veh}}\right)}_{{\mathrm{route}}_i}}---\left(1\right)$

E_route是用于特定路径的总能量，η_veh是车辆能量效率系数。此系数对于每个车辆是唯一的，并确定针对特定距离使用了多少燃料。在等式2中计算η_veh。

${\mathrm{\η}}_{\mathrm{veh}}=\frac{\underset{0}{\overset{t}{\∫}}\mathrm{ved}}{\underset{0}{\overset{t}{\∫}}\frac{P_{\mathrm{load}}}{{\mathrm{\η}}_{\mathrm{sas}\_\mathrm{operation}\_\mathrm{eff}}}}---\left(2\right)$

是在车辆行驶的时间内对车辆的速度的积分。P_load是道路负荷，η_{sys_operation_eff}是基于传动系和动力传动***的效率的整体***效率。道路负荷P_load可被描述为用于推动车辆通过特定距离所需的动力。这在等式3中进行描述。

$P_{\mathrm{load}}=M_{\mathrm{veh}}g\sin \left({\mathrm{\β}}_{\mathrm{incline}}\right)=M_{\mathrm{veh}}{\mathrm{g\υf}}_{\mathrm{roll}}\cos \left({\mathrm{\β}}_{\mathrm{incline}}\right)=\frac{{\mathrm{\ρ}}_{\mathrm{air}}}{2}{(\mathrm{\υ}+{\mathrm{\υ}}_0)}^2{A}_{\mathrm{frontal}}{C}_{\mathrm{drag}}+M_{\mathrm{veh}}\stackrel{\·}{\mathrm{\υ}}\mathrm{\υ}---\left(3\right)$

其中，

M_veh：车辆质量

g：重力加速度常量

β_incline：坡度角

υ：车辆速度

f_roll：滚动阻力系数

ρ_air：空气密度

υ₀：逆风速度

A_frontal：迎风面积

C_drag：气动阻力系数

由于g和Δ_air是常量，所以在等式4中描述影响车辆的整体动力需求的因素。这些因素不是线性的，并且因为这些因素取决于对特定路径唯一的许多特征，所以难以预测。因此，难以计算。

P_load＝P_load(M_veh，β_incline，υ，f_roll，υ₀，A_frontal，C_drag)(4)

***操作系数η_{sys_operation_eff}由动力传动***效率和传动系效率组成。η_{sys_operation_eff}受车辆速度曲线、道路负荷曲线、控制策略、车辆配置和参数、驾驶员以及其他环境因素的影响。通常，其可被写成

η_{sys_operation_eff}＝η_{sys_operation_eff}(υ，P_load，Controller，Veh，Driver，Enviroment)(5)

v是车辆速度曲线，P_load是道路负荷曲线。车辆速度曲线是当以特定速度驾驶时所消耗的能量的量。道路负荷曲线是对车辆加速所需的动力的量。等式5中的Controller确定如何执行能量管理。称为Environment的变量指示可影响传动系效率的因素(例如，湿度和外部温度)。这些因素中的一些可以是外部温度、高度、湿度和风速。

等式5中的Veh包括与车辆特定特征(例如，重量)相关的其他重要因素。然而，在车辆中存在一些变化的因素(例如，轮胎压力、附件负荷、充电状态(SOC)和电池效率)。等式5中的Driver指示驾驶方式或驾驶员如何驾驶车辆。这可显著地影响能量使用。可被测量的用于确定驾驶方式及其对燃料使用的影响的参数可以是驾驶员、制动方式、换挡或他如何对外部条件调节他的驾驶的整体攻击性(aggressiveness)。这些因素共同地可被称为“驾驶方式”。

在等式5中描述的因素通常被表示为在特定环境设置下通过测试获得的不可微分数据图。车辆测试或通过物理建模的大型仿真模型是用于捕获其特性的最有效的方法，因为可以进行密集计算来分析地得出这些因素。

从等式(2)、(4)和(5)，从计算中消除作为贯穿所有路径的常量的因素(例如，车辆重量)。剩下基于驾驶员或路径改变的因素，下面的等式可被简化为如下的函数η_veh：

η_veh＝η_veh(M_veh，β_incline，υ，f_roll，υ₀，A_frontal，C_drag，Controller，Veh，Driver，Enviroment)(6)

由于A_frontal和M_veh可被分组为“车辆”因素，υ₀和C_drag可与“环境因素”结合，所以用于从等式(6)确定车辆效率的函数可被进一步简化为如下：

η_veh＝η_veh(β_incline，f_roll，υ，Controller，Veh，Driver，Enviroment)(7)

如等式8所示，在子路径中使用的总能量是车辆效率、坡度、道路表面条件、速度、车辆控制器、驾驶员和环境的函数：

$E_{{\mathrm{sub}-\mathrm{route}}_i}\left(t\right)=\frac{{\mathrm{Dis}\tan \mathrm{ce}}_{{\mathrm{sub}-\mathrm{route}}_i}}{{\mathrm{\η}}_{\mathrm{veh}}{({\mathrm{\β}}_{\mathrm{incline}},f_{\mathrm{roll}},\mathrm{\υ},\mathrm{Controller},\mathrm{Veh},\mathrm{Driver},\mathrm{Enviroment})}_{{\mathrm{sub}-\mathrm{route}}_i}}---\left(8\right)$

其中，

M_veh：车辆质量

g：重力加速度常量

β_incline：坡度角

υ：车辆速度

f_roll：滚动阻力系数

ρ_air：空气密度

υ₀：逆风速度

A_frontal：迎风面积

C_drag：气动阻力系数

因为这些参数当它们从一状态转变到下一状态时表现出非线性行为，所以可不使用关于当前状态的信息来估计这些参数。因此，因为对于每个下一步可能存在无限多个可行值，所以估计所需的总能量的步骤会被密集计算。

用于估计行驶路径所需的总能量的特定方法可包括：基于指定路径的平均条件使用预存的地图数据估计车辆速度、交通和道路条件。然而，由于这些解决方案通常不是针对每个单独的驾驶员定制的，所以这些估计可能与实际能量使用相差很大。例如，这些估计也不可被精调，以解释在一天的不同部分内道路条件或交通概况的改变。

在此公开的特定算法中，上述参数中的许多被分类为节点。这些节点中的每个表示用于能量使用的估计。这些节点的能量效率被用于估计总的能量输出。车辆可用于基于不同道路条件和驾驶方式收集数据(见图3)。基于收集的数据，可推断用于相似路径的能量使用。

图2是示出使用模式匹配的车辆路径预测算法的流程图。在操作19A至19B，通过执行非车载模型仿真或车辆测试来收集能量使用数据，以制定查找表。查找表可包括各种参数，诸如图3中列出的那些参数。对于参数值中的每个变化，列出不同的能量效率值。尽管可能难以精确地预测和计算车辆的未来速度、道路条件和交通，但是如果在相似的驾驶员模式、道路条件和交通概况下进行操作，则单个车辆的平均能量效率相当一致。

用于计算车辆能量使用的参数被划分为两类：路径无关和路径相关。对于如图3中分类的路径相关因素的每种类型，其可获得能量使用因素的输出。例如，即使以相同的速度行驶通过相同的路径时，加速器踏板的加速率也使能量使用增加。因此，对于每个路径模式，通过经由已知路径驾驶汽车或者可选择地通过执行非车载仿真来收集车辆能量使用数据。路径模式是可用于将关于道路的路径相关因素进行分类的一组道路条件(例如，坡度、曲度和路面条件)、交通条件和天气信息。此操作在多个路径相关参数中计算并存储平均车辆能量效率。在获得车辆效率数据之后，可创建并存储查找表。将参照图3进一步详细地讨论用于获得训练数据的方法。

在操作19A，测试许多车辆以收集训练数据。在操作19B，基于在操作19A收集的训练数据集，可创建多个多维查找表。查找表包含可与针对多个路径相关值的能量效率预测匹配的各种路径无关值。查找表可被本地地存储在车载远程信息处理装置内，或者被远程地存储在服务器上。在检索路径无关信息之后，可下载适当的查找表。这些查找表可包含对路径相关参数的估计以及针对每种类型的路径无关车辆信息的相关可行的能量使用预测。

在操作20，从用户检索目的地。用户可在键区上手动地输入目的地。在操作22，所述算法确定所有可行的子路径。在操作24，对于每个子路径，路径相关信息(使用模式匹配技术)与先前使用非车载仿真收集的相似的路径相关因素匹配。将参照图4进一步详细地讨论模式匹配。在此示例中，路径相关因素包括速度限制、交通级别、交通灯数量等。使用将参照图4进一步讨论的模式识别技术来获得能量使用。

存在两种类型的路径相关因素：“主要因素”和“非主要因素”。主要路径相关因素的示例可包括速度和道路条件。主要因素与整体车辆能量使用计算具有非线性相互作用。通过使用模式匹配技术将主要因素的每个值与查找表上的值进行匹配来获取主要因素对能量计算的影响。收集这些值以估计能量使用。非主要路径相关因素可包括风和道路湿度。非主要因素可仅对整体能量燃料使用计算具有较小的影响。因此，增强的模式匹配可能不会显著地提高整体车辆能量使用计算，以证明增加的计算负担。非主要因素可通过修改符被合并。修改符可以是用于估计非主要因素的线性乘法器或另一相似的计算上简单的函数，而不是使用可能计算上更密集的查找表。

在操作26，所述算法确定因素是主要的还是非主要的。在操作28，对于在特定子路径内的每个主要因素，所述算法可运行模式匹配分析，其中，模式匹配算法将对因素进行匹配，以找出对于每个候选子路径的估计的能量使用。

在操作30，检索路径无关因素。这些因素是被定义为其变化不是路径的函数的因素。它们可被视为用于所有候选路径的相对静止的因素。因此，它们可共享相同的查找表以进行在线计算。路径无关因素可以以它们不能从所述算法简化或概括得出的方式影响能量使用计算。例如，当使用特定车辆时，车辆的重量可对于所有候选路径保持相同，但车辆的重量对路径A和路径B的能量效率的影响可取决于许多因素(例如，路径的坡度、风速和阻力)而不同。如果路径具有陡峭的坡度，则车辆的重量将使总的能量使用明显增加。因此，路径无关因素应被包括在能量计算中。

路径无关因素相对稳定，并可使用车辆传感器14(图1)被检索。存在两种类型的路径无关因素：“时不变”和“时变”。时不变因素不对特定车辆随着时间推移而改变。这些因素包括：车辆构造、总迎风面积和车辆设计。时变因素可随着时间的推移而改变。时变因素还可对每个单独的驾驶员是唯一的。这些时变因素包括驾驶方式、温度、车辆重量、附件负荷、轮胎压力、电池效率和充电状态(SOC)。

为了确定驾驶方式，可使用将参照图4进一步讨论的模式识别算法。因为尽管车辆通常具有恒定重量，但是车辆的负荷分布可以改变，所以车辆重量是时变因素的示例。这尤其适用于车队车辆和货车。因此，每次使用所述算法计算车辆重量可以是重要的。还可使用车辆传感器计算轮胎压力、电池效率和充电状态。在操作28，所述算法加载此数据，并随后基于用于指定车辆的特定的路径无关因素访问正确的多维查找表。

在操作32，检索多维查找表，以允许需要被代入到时不变因素中的参数保持不变。这节省了可能的密集运算的计算。

在操作34，基于多维查找表，对于每个可行路径计算候选子路径的能量使用。在操作38，针对候选子路径的所有非主要因素定位修改符。在操作34，使用修改符重新计算能量路径。修改符可以是与整个路径能量相乘的常量，或可以是线性修改符。由于修改符在整个路径能量计算中起相对小的作用，因此可能不值得进行密集计算来精确地计算修改符。由于修改符不是资源密集型，因此修改符还允许更快的计算。在操作40，所述算法确定是否已经迭代过了所有可行的子路径。如果还未迭代过所有可行的子路径，则所述算法返回至操作24。否则，在已经针对所有可行的子路径计算了修改的能量路径之后，在操作42，所述算法搜索并比较所有可行的能量计算，并识别消耗最小能量的路径。可使用本领域中公知的Dijkstra算法或A*算法来执行搜索。随后，向用户呈现此路径。

图3示出用于使用仿真或车辆测试数据收集并创建平均车辆效率表的方法。对于每组路径无关信息，创建具有各种路径相关因素的相应查找表以及估计的能量使用。一旦路径无关信息被确定，就可加载适当的表。由于用于计算车辆效率的重要的非线性因素是基于包括道路类型、交通条件和速度曲线的路径模式的，所以可收集关于车辆针对这些条件在能量效率方面表现如何的数据。在操作46，路径无关数据被保持不变，从而可收集不同路径模式。对于相似的路径模式，平均能量效率没有显著变化。因此，收集这些参数的测试数据允许所述算法将平均车辆效率存储在表中，以最小化实时计算。可使用以下特定参数估计具有不同路径模式的能量使用：总驾驶距离、平均速度、最大速度、加速度的标准偏差、平均加速度、平均减速度、最大减速度、速度间隔为15至30km/h所花费的时间的百分比、速度间隔为30至50km/h所花费的时间的百分比、在100km/h以上所花费的时间的百分比、减速大于2.5m/s所花费的时间的百分比、减速在2.5至1.5m/s之间所花费的时间的百分比等。

在操作48，如上面提到的不同类型的路径模式的数量被设置为可行迭代的总数量，迭代指数K被初始化为0。在操作50，对于每种类型的车辆执行所述算法。车辆可通过不同路径模式进行迭代。在操作52至54，所述算法确定是否已通过所有可行的路径模式进行了迭代。车载路径能量计算需要上面产生的能量效率数量。当以相同的路径模式仿真时，平均车辆能量效率应一致，但是平均车辆能量效率随着不同的路径模式而变化，从而将路径能量与驾驶条件准确地结合。操作56执行总数量的路径模式迭代，并且结果可被存储在表中，以被车载使用。随后，重复此操作以覆盖所有类型的路径无关信息。基于此信息，使用特定信息创建查找表(如以上针对图2在操作19A至19B提到的)。查找表可包含用于每种类型的路径无关条件和道路条件的平均车辆能量。这将允许所述算法估计不同类型的道路条件，以计算车辆能量效率。

在以不同驾驶模式类型的列表收集数据之后，所述算法将这些参数与现有值进行匹配。图4是模式识别和匹配算法的流程图。在操作60，识别主要因素。在操作62，这些值被发送到隐藏层。隐藏层具有两个功能：一个是将已知数据与现有输出层进行匹配，另一个是使用适当的函数将新输入集和输出集进行分类。如果存在训练数据集，则隐藏层采用所述输入集以及已知输出集，并构造用于将输入映射到输出的函数。在操作62A，对于每个输入集，所述算法通过所述函数发送输入，以推断输出。在操作62B，隐藏层采用主要因素的值，并将其推断为在图3中所列出的模式匹配参数。例如，如果特定道路具有“拥挤的”交通条件，则对于在图3的讨论中所提到的各种参数，将具有相似的值。因此，隐藏层可采用主要因素的值，并通过由模式匹配器产生的函数运行所述主要因素的值。如果该道路的交通条件与被分类为“高”的情况匹配，则输出将是关于从查找表检索什么值的信息。在操作64，这些参数被推断使得对于每个输入因素，存在将被用于计算路径能量的近似参数。

图5是用于通过使用模式匹配技术识别各个用户的驾驶方式的算法的流程图。在操作70，车辆识别驾驶员。如果车辆已经在驾驶中匹配了特定驾驶方式，则车辆将先前确定的驾驶方式输入为变量。识别驾驶员的一种方法包括：识别用于对车辆进行操作的密钥中的特有签名。可选择地，车辆可与驾驶员的移动电话连接，以识别驾驶员。在操作71，车辆确定驾驶员是否是已知的驾驶员。可通过识别位于密钥坠(keyfob)上的特有密钥来完成此操作。在操作74，如果驾驶员是已知的，并且如果车辆已识别出该特定驾驶员的驾驶方式，则车辆将包含所述特定驾驶员的驾驶方式的简档文件加载到***中(加载指示驾驶员对车辆的动态控制的参数)。然而，如果驾驶员不是先前识别的驾驶员，则在操作77，当驾驶员的驾驶方式被匹配时，加载默认驾驶方式以执行路径的初步识别。如果不存在可用的数据，则当计算了所述特定驾驶员的驾驶方式时，也加载默认驾驶方式。在操作80，基于例如加速率(jerk)的各种参数计算驾驶方式。随后，使用模式匹配确定驾驶方式。这种确定可基于如下构思：即使在相同的路径内，预期的驾驶方式或车辆的动态控制也将具有不同的能量使用。对驾驶方式的分类允许由驾驶员进行预期的车辆控制的预测。因此，可更有效地预测预期的能量消耗。在操作81，通过与参照图4所描述的技术相似的模式匹配技术或其他已知的机器学习技术来识别驾驶数据。

图6是路径能量计算的流程图。在步骤100，加载主要因素。所述主要因素包括路径相关信息和路径无关信息两者。在操作102，加载预测的交通模型。在操作104，如参照图3所描述的，路径无关信息和路径相关信息被发送到模式提取部分。将模式提取为重要参数。在操作106，提取的模式被发送到图4中引用的模式识别子路径。然后，如参照图4所描述的，模式识别算法识别路径模式和驾驶方式。在操作108，基于输入到模式识别算法的值，加载适当的查找表。在操作110，在这些查找表中的值被用于计算候选路径能量。在操作112，加载非主要因素。在操作114，修改符被加载并被用于计算总的估计的路径能量。在操作116，对于候选路径，计算总的路径能量。

在此公开的处理、方法或算法可被传递至处理装置、控制器或计算机，或者被处理装置、控制器或计算机实施，其中，所述处理装置、控制器或计算机可包括任何现有的可编程电子控制单元或专用电子控制单元。相似地，所述处理、方法或算法可被存储为可由控制器或计算机以许多形式执行的数据和指令，所述数据和指令包括但不限于永久地存储在非可编写存储介质(例如，ROM装置)上的信息以及可变化地存储在可编写存储介质(例如，软盘、磁带、CD、RAM装置以及其他磁介质和光学介质)上的信息。所述处理、方法或算法还可在可执行对象的软件中被实施。可选择地，可使用适当的硬件组件(例如，专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机或其他硬件组件或装置)或者硬件、软件和固件组件的组合来全部或部分地实现所述算法。

尽管已在上面描述了示例性实施例，但这不意在这些实施例描述了由权利要求涵盖的所有可行形式。在说明书中使用的词语是描述而不是限制的词语，并且应理解在没有脱离本公开和权利要求的精神和范围的情况下，可进行各种改变。如前面所述，可组合各种实施例的特征，以形成可能没有明确描述或示出的本发明的进一步实施例。尽管各种实施例可能已被描述为：针对一个或多个期望的特征，提供优点或优于其他实施例或现有技术实施方式，但是本领域的普通技术人员认识到，一个或多个特征或特性可被折中，以达到期望的整体***属性，这些属性取决于特定应用和实施方式。这些属性可包括但不限于成本、强度、耐用度、生命周期成本、市场性、外观、包装、尺寸、可服务性、重量、可制造性、易装配性等。为此，针对一个或多个特征被描述为比其他实施例或现有技术实施方式不太理想的实施例不在本公开的范围之外，而可适用于特定应用。

Claims (11)

1.一种用于确定车辆的路径的方法，所述方法包括：

接收指示驾驶员对车辆的动态控制的输入；

基于输入与分别表示不同驾驶方式的预定值的组之间的相似性确定驾驶员的驾驶方式；

基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值；

识别原点和目的地之间的多个候选路径；

其特征在于，所述方法还包括：将每个候选路径划分为一组预定路径模式；

基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用；

识别具有最小能量使用的候选路径；

提供描述具有最小能量使用的路径的输出。

2.如权利要求1所述的方法，其中，提供描述具有最小能量使用的路径的输出的步骤包括：在呈现在显示屏上的地图上显示所述路径。

3.一种用于车辆的导航***，包括：

第一模块，被配置为接收指示驾驶员对车辆的动态控制的输入；

第二模块，被配置为基于输入与分别表示不同驾驶方式的预定值的组之间的相似性确定驾驶员的驾驶方式；

第三模块，被配置为基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值；

第四模块，被配置为基于选择的值，识别原点与目的地之间的使车辆的能量消耗最小化的路径；

第五模块，被配置为提供描述路径的输出，

其特征在于，第四模块还被配置为将多个候选路径中的每个候选路径划分为一组预定路径模式。

4.如权利要求3所述的***，其中，第四模块还被配置为基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用。

5.如权利要求4所述的***，其中，第四模块还被配置为选择具有最小能量使用的候选路径。

6.如权利要求3所述的***，其中，第三模块还被配置为将表示驾驶员对车辆的预期动态控制的参数的先前值匹配于与表示驾驶员对车辆的预期动态控制的参数的当前值相关的一组能量使用模式。

7.一种用于确定车辆的路径的方法，所述方法包括：

检测指示驾驶员对车辆的动态控制的输入；

基于输入与分别表示不同驾驶方式的预定值的组之间的相似性确定驾驶员的驾驶方式；

基于驾驶方式，选择表示驾驶员对车辆的预期动态控制的参数的值；

基于选择的值，识别原点与目的地之间的使车辆的能量消耗最小化的路径；

提供描述所述路径的输出，

其特征在于，基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤包括：将多个候选路径中的每个候选路径划分为一组预定路径模式。

8.如权利要求7所述的方法，其中，基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤包括：基于选择的值和限定候选路径的预定路径模式组，确定与每个候选路径相关的能量使用。

9.如权利要求8所述的方法，其中，基于选择的值识别原点与目的地之间的使车辆的能量消耗最小化的路径的步骤包括：选择具有最小能量使用的候选路径。

10.如权利要求7所述的方法，其中，基于驾驶方式选择表示驾驶员对车辆的预期动态控制的参数的值的步骤包括：将表示驾驶员对车辆的预期动态控制的参数的先前值匹配于与表示驾驶员对车辆的预期动态控制的参数的当前值相关的一组能量使用模式。

11.如权利要求7所述的方法，其中，提供描述路径的输出的步骤包括：在呈现在显示屏上的地图上显示所述路径。