CN105046343A - 用于定位最优燃料补充站的方法和设备 - Google Patents

Abstract

本发明涉及用于定位最优燃料补充站的方法和设备。示例性实施例通过根据各种驾驶需求下的燃料供应商将车辆性能分类。可将单独测量的性能与协作的众包经验进行结合，以利用可用于提高统计精确度的大量的数据集。示例性实施例提供方法的非限制性示例，其中，所述方法可用于通过利用基于在已知的燃料供应商观察的历史燃料质量的性能预测来节省在泵的燃料费用。

Description

用于定位最优燃料补充站的方法和设备

技术领域

示例性实施例总体上涉及用于定位最优燃料补充站的方法和设备。

背景技术

驾驶员对长里程车辆表达出日益增长的兴趣，且如果车辆无法满足他们的里程期望，则他们表达出失望。存在多种因素以获得长里程，包括获得高mpg(每加仑行驶的英里数)车辆并学习为了高mpg的驾驶。经常被忽视的因素是为了车辆而获取的燃料的数量和质量(或者甚至是发动机故障)。低质量的燃料可导致燃料里程比车辆mpg显示器指示的燃料里程低，或者可选地，夸大的燃料填充量会导致在再补充之后mpg显示器上的mpg高于由车辆拥有者观察到的mpg，以及导致行驶的每英里的费用更高。

第2010/280956号美国公布总体上涉及对存储在车辆的历史车辆状态信息的使用，其中，历史车辆状态信息表明在多个时间点(包括当前时间点)与车辆的多个子***相关联的多个性能值。从接近车辆的邻近车辆接收表明在多个时间点(包括当前时间点)与车辆的多个子***相关联的多个性能值的历史邻近车辆状态信息。基于车辆状态信息产生预测性模型。基于历史车辆状态信息、历史邻近车辆状态信息和预测性模型来确定与车辆的多个子***中的一个子***相关联的性能值。基于最优化性能值提供对车辆的驾驶员的推荐。

发明内容

在第一示意性实施例中，一种***包括处理器，所述处理器被配置为登记分配到车辆的燃料量。所述处理器还被配置为将燃料分配(即，燃料补充站)与燃料量进行关联。所述处理器还被配置为：在分配的燃料被车辆使用时，确定每加仑行驶的英里数效率；针对与燃料分配相关联的记录，以每加仑英里来保存分配的燃料的效率的记录。

在第二示意性实施例中，一种***包括处理器，所述处理器被配置为：接收用于查找补充燃料地点的请求；获取多个燃料站的燃料站燃料质量统计数据；基于获取的燃料站燃料质量统计数据来从多个燃料站中确定推荐的燃料站；将推荐的燃料站作为优选燃料站呈现给驾驶员。

根据本发明的一个实施例，所述请求可为驾驶员输入。

根据本发明的一个实施例，所述请求可响应于车辆低燃料状态自动被产生。

根据本发明的一个实施例，燃料站可距车辆位置预定距离内。

根据本发明的一个实施例，燃料站可距当前路线预定接近度内。

根据本发明的一个实施例，燃料站燃料质量统计数据可从远程服务器获取，并基于众包数据。

根据本发明的一个实施例，燃料站燃料质量统计数据可基于由正被以补充燃料的过去的情况而补充燃料的车辆所记录的数据。

在第三示意性实施例中，一种非暂时性计算机可读存储介质存储这样的指令，当所述指令由处理器执行时，使得处理器执行以下方法，所述方法包括：登记分配到车辆的燃料量；将燃料分配与燃料量进行关联；在分配的燃料被车辆使用时，经由车辆计算***来确定每加仑英里效率；针对与燃料分配相关联的记录，以每加仑英里来保存分配的燃料的效率的记录。

根据本发明的一个实施例，所述登记可包括燃料的等级。

根据本发明的一个实施例，所述登记可包括燃料的费用。

根据本发明的一个实施例，所述保存可包括以每美元英里的燃料的效率的记录。

根据本发明的一个实施例，所述方法可还包括：将每加仑英里统计数据、燃料数据和燃料分配数据上传到远程服务器，以被包括在众包燃料效率数据库中。

根据本发明的一个实施例，所述方法可还包括：为分配的燃料提供付款，并在提供付款时交换与分配的燃料相关的数据。

附图说明

图1是示出示例性的车辆计算***；

图2示出用于识别最优燃料补充地点的处理的示例性示例；

图3示出示例性的补充燃料记录处理；

图4示出示例性的燃料使用追踪处理；

图5示出燃料使用和推荐处理***的示例性示例；

图6A和图6B示出示例性的燃料使用报告处理；

图7示出燃料资源确定处理的示例性示例。

具体实施方式

根据需要，在此公开本发明的详细实施例；然而，将理解的是，所公开的实施例仅仅是本发明的示例，其中，本发明可以以各种替代形式来实现。附图无需按比例绘制；一些特征可被夸大或最小化以示出特定组件的细节。因此，在此公开的具体结构和功能细节不会被解释为具有限制性，而仅仅是用于教导本领域技术人员以多种方式利用本发明的代表性基础。

图1示出用于车辆31的基于车辆的计算***(VCS)1的示例方框拓扑图。这种基于车辆的计算***1的示例为由福特汽车公司制造的SYNC***。利用基于车辆的计算***启用的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触摸敏感屏幕，则用户可还能够与所述界面进行交互。在另一示意性实施例中，通过按钮按压、可听语音(audiblespeech)和语音合成来进行交互。

在图1中所示的示意性实施例1中，处理器3控制基于车辆的计算***的至少一部分操作。假如在车辆内，处理器允许对命令和例程的车上(onboard)处理。另外，处理器被连接到非持久性存储器5和持久性存储器7两者。在此示意性实施例中，非持久性存储器是随机存取存储器(RAM)，持久性存储器是硬盘驱动器(HDD)或闪存。

处理器还设置有允许用户与处理器进行交互的若干不同的输入。在此示意性实施例中，麦克风29、辅助输入25(用于输入33)、通用串行总线(USB)输入23、全球定位***(GPS)输入24和蓝牙输入15全部被设置。还设置有输入选择器51，以允许用户在各种输入之间进行切换。对麦克风和辅助连接器两者的输入在被传送到处理器之前被转换器27从模拟转换到数字。尽管未示出，但是与VCS进行通信的众多车辆组件和辅助组件可使用车辆网络(诸如但不限于控制器局域网(CAN)总线)来向VCS(或其组件)传送数据并传送来自VCS(或其组件)的数据。

对***的输出可包括但不限于可视显示器4以及扬声器13或立体声***输出。扬声器被连接到放大器11并通过数模转换器9从处理器3接收其信号。还可分别沿19和21所示的双向数据流进行到远程蓝牙装置(诸如个人导航装置(PND)54)或USB装置(诸如车辆导航装置60)的输出。

在一示意性实施例中，***1使用蓝牙收发器15与用户的移动装置53(例如，蜂窝电话、智能电话、个人数字助理(PDA)或具有无线远程网络连接能力的任何其他装置)进行通信(17)。移动装置随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中，蜂窝塔57可以是WiFi接入点。

移动装置与蓝牙收发器之间的示例性通信由信号14表示。

可通过按钮52或类似的输入来指示移动装置53与蓝牙收发器15进行配对。相应地，指示中央处理器(CPU)使得车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。

可利用例如与移动装置53关联的数据计划、话上数据或双音多频(DTMF)音调在CPU3与网络61之间传送数据。可选地，可期望包括具有天线18的车载调制解调器63以便在CPU3与网络61之间通过语音频带传送数据(16)。移动装置53随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中，调制解调器63可与蜂窝塔57建立通信(20)，以与网络61进行通信。作为非限制性示例，调制解调器63可以是USB蜂窝调制解调器，并且通信20可以是蜂窝通信。

在一示意性实施例中，处理器设置有包括用于与移动应用软件进行通信的API的操作***。移动应用软件可访问蓝牙收发器上的嵌入式模块或固件，以完成与(诸如设置在移动装置中的)远程蓝牙收发器的无线通信。蓝牙是IEEE802PAN(个域网)协议的子集。IEEE802LAN(局域网)协议包括WiFi并与IEEE802PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。

在另一实施例中，移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中，当移动装置的所有者可在数据被传送的同时通过装置说话时，可实施已知为频分复用的技术。在其他时间，当所有者没有在使用装置时，数据传送可使用整个带宽(在一示例中是300Hz至3.4kHz)。尽管频分复用对于车辆与互联网之间的模拟蜂窝通信而言会是常见的并仍在被使用，但其已经很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合体所替代。这些都是ITUIMT-2000(3G)兼容的标准，为静止或行走的用户提供高达2mbs的数据速率，并为在移动的车辆中的用户提供高达385kbs的数据速率。3G标准现在正被高级IMT(4G)所替代，其中，所述高级IMT(4G)为在车辆中的用户提供100mbs的数据速率并为静止的用户提供1gbs的数据速率。如果用户具有与移动装置关联的数据计划，则所述数据计划可允许宽带传输且***可使用宽得多的带宽(加速数据传送)。在另一实施例中，移动装置53被安装至车辆31的蜂窝通信装置(未示出)所替代。在又一实施例中，移动装置(ND)53可以是能够通过例如(而非限制)802.11网络(即WiFi)或802.16WiMax网络进行通信的无线局域网(LAN)装置。

在一实施例中，传入数据可经由话上数据或数据计划通过移动装置传输，通过车载蓝牙收发器传输并被传入车辆的内部处理器3。例如，在某些临时数据的情况下，数据可被存储在HDD或其他存储介质7上，直至不再需要所述数据时为止。

可与车辆进行接口连接的另外的源包括：具有例如USB连接56和/或天线58的个人导航装置54、具有USB62或其他连接的车辆导航装置60、车载GPS装置24、或具有与网络61连接的远程导航***(未示出)。USB是一类串行联网协议中的一种。IEEE1394(火线、EIA(电子工业协会)串行协议、IEEE1284(Centronics端口)、S/PDIF(索尼/飞利浦数字互连格式)和USB-IF(USB开发者论坛)形成了装置-装置串行标准的骨干。

此外，CPU可与各种其他的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线保健装置、便携式计算机等。

此外或可选地，可使用例如WiFi收发器71将CPU连接到基于车辆的无线路由器73。这可允许CPU在局域路由器73的范围中连接到远程网络。

除了具有由位于车辆中的车辆计算***执行的示例性处理之外，在某些实施例中，还可由与车辆计算***通信的计算***来执行示例性处理。这样的***可包括但不限于：无线装置(例如但不限于移动电话)或通过无线装置连接的远程计算***(例如但不限于服务器)。总体上，这样的***可被称为与车辆关联的计算***(VACS)。在某些实施例中，VACS的特定组件可根据***的特定实施而执行处理的特定部分。作为示例而并非限制的方式，如果处理具有与配对的无线装置发送或者接收信息的步骤，则很可能无线装置没有在执行该处理，这是因为无线装置不会与自身进行信息的“发送和接收”。本领域的普通技术人员将理解何时不适合对给定解决方案应用特定的VACS。在所有解决方案中，预期至少位于车辆内的车辆计算***(VCS)自身能够执行示例性处理。

在许多情况中，拥有者希望知道他们在哪儿获得为他们提供最大利益的燃料。经由票据代理由车辆测量的以及由泵测量的参数(诸如，上次填充的里程、当前填充的里程、在再次填充期间添加的燃料量)的信息连同车辆位置信息和燃料价格信息可从云和从更新的车辆仪表两者获得。此外，所述信息可被传到云来与其他车辆数据集结合，以使得其他人能够寻找在均值(mean)和模式以及其他因素上的不寻常的变化。

对于单独的用户来说，如果这种不寻常但正确的信息是由驾驶员已知的不常规因素(诸如，天气和驾驶模式)引起的，则这种不寻常但正确的信息可被调解(reconciled)。所述信息可被用于识别好的或差的燃料质量的燃料补充站，或甚至识别车辆可能到了应被调整的期限。所述信息对于以下情况可能是有价值的：对于调节机构寻找误测量的燃料泵的情况、对于经销商对向车辆提供维护感兴趣的情况、对于其他燃料提供商将该信息用于他们的广告的情况或者甚至对于制造商将该信息用于对车辆拥有者使用他们的特定车辆的实际里程做广告的情况。虽然车辆测量***中的误差可能降低关于单独的用户的信息的精确度，但是累积的信息对于顾客和其他信息消费者会非常有益。

图2示出用于识别最优燃料补充地点的处理的示例性示例。该示例性示例可被用于估计来自不同站点的燃料在特定车辆上的效率。由于燃料补充站可能使用不同纯度级别的燃料且有时可能不幸地从事不太好的行为，所以用户(以及，例如，调节者)可测量燃料的效率和燃料输出的级别。

此外，用户可能想知道燃料的特定等级是否提供性能上的任何提高。或者，燃料的特定品牌是否提供性能上的任何提高。通过基于已知的、从已知提供商获得的燃料的质量来追踪性能，示例性实施例可测量燃料有效性(usefulness，有用性)并将用户引导到最优燃料补充地点。

该数据对于选择燃料补充站是有用的，这样，数据需要被传送给驾驶员以进行利用。示例性的处理阐述了这种传送的一种示例性方式。

在该示例性示例中，所述处理接收需要再补充燃料的指示(参见图2中的标号201)。该指示可为驾驶员发起的指示，或者可与车辆的低燃料状态相关。响应于请求，所述处理检索与来自各种位置的燃料有效性相关的存储的数据(参见图2中的标号203)。可从本地数据存储或从远程的基于云的位置检索该数据。在一个示例中，该数据可被存储在运行所述处理或与运行所述处理的车辆进行通信的无线装置上。可选地，该装置可运行所述处理且给定车辆可为该车辆存储数据。

在该点(或者在某先前点，或者连续地)，所述处理还可确定燃料的有效性和/或投资报酬率(参见图2中的标号205)。由于将要添加燃料，会改变箱中燃料的混合物，所以可在添加另外的燃料之前进行计算先前使用的燃料的有效性的操作。然后，燃料使用数据可在适当的数据存储(例如，云、装置、车辆等)中被更新(参见图2中的标号207)。

此外，由于所述处理可能最关心向接近用户车辆的站点提供燃料数据，所以所述处理可获取当前车辆位置(参见图2中的标号209)。在与该位置相距给定距离内，所述处理可查找当前存在针对其的数据的燃料站(参见图2中的标号211)。如果统计值被本地储存，则所述数据可与已被该特定车辆使用的站点对应。在其他情况下，可从呈现聚集的(aggregate)驾驶员经验的云或众包(crowd-sourced)获得该数据。

由于即使在给定品牌内，燃料也可能根据站点的不同而不同，所述处理首先检查在区域中是否存在针对特定的识别的站点的任何数据(参见图2中的标号213)。如所提到的，该数据可能是由车辆***观察到的数据或由众包行为观察到的数据。

如果存在这样的站点，其中，针对站点存在实际的观察，则所述处理可显示这些站点(参见图2中的标号215)以供用户细读。伴随该显示，所述处理也可显示针对这些站点的观察到的燃料使用统计数据(参见图2中的标号217)。该统计数据可为广义的数据，或者，其可为与特定车辆相关的特定数据。在广义的情况下，该数据可与车辆级别、类型、生产商、模式或仅观察到的总体统计性能相关。例如，可通过以某种示出相对的观察到的本地燃料的有效性的形式(例如，好、更好、最好、差、最差等)与其他本地站点进行比较来呈现所述数据。

此外，由于实际观察到的数据可能有限，所述处理可为用户提供查看关于另外的站点的数据的机会(参见图2中的标号221)。该数据(与不存在本地的、实际观察到的站点时示出的数据相同)与保存的关于燃料的特定品牌或特定供应商的数据相关(参见图2中的标号219)。例如，如果站点品牌X已在50个其他本地地点被观察到，但未在最接近的地点被观测到，则关于X的观察到的燃料统计数据的平均的某种形式可被用于“猜测”本地站点的有效性。

如果存在符合该型号的任何本地品牌(参见图2中的标号233)，则所述处理可显示这些本地站点(参见图2中的标号225)并显示伴随的燃料统计数据(参见图2中的标号227)。所述处理还可再次为用户提供查看更多数据的机会(参见图2中的标号229)。

在该情况下，所述“更多”与不存在本地已知品牌时所示出的数据对应。由于***未必希望盲目地猜测站点燃料有效性，所以可观察路径且可沿该路径查找这样的其他站点(参见图2中的标号231)，其中，确实存在针对所述其他站点的数据。随后可显示这些站点和伴随的数据(参见图2中的标号233)。使用所有可用数据，驾驶员可做出关于去哪补充燃料的训练性决定。这将协助驾驶员获取针对他们的车辆的最优燃料。

图3示出示例性的补充燃料的记录处理。该处理被用于追踪在给定站点获得的燃料量。所述处理可与安装在本地泵上的装置联合进行工作以获取分配的燃料量的读数。可将该数据与在车辆中观察的实际燃料进行比较。诸如燃料混合(fuelblend)、燃料费用、温度和其他相关信息的其他数据也可在此时被记录，以观察燃料消耗上其他变化的影响。

在该处理中，做出检查以查看车辆是否处在本地站点(参见图3中的标号301)。由于接收的数据与燃料补充相关，所以所述处理仅在车辆接近于燃料补充地点时的情况下继续进行。如果车辆出现在本地站点，则所述处理建立与燃料泵的连接(参见图3中的标号303)。如提到的，所述泵或连接到所述泵的装置可向车辆提供无线数据。由于有多个泵非常接近，所以某个附加的标识符可被用于识别正在被使用的特定泵。这可包括在泵柄中的模块与在燃料口中的模块之间进行短程近距离通信(仅当泵柄非常接近于燃料口时执行)的某些形式，或者将泵与车辆关联的任何其他适合的方法的形式。

一旦所述泵数据单元与车辆(或移动装置)计算机进行连接(参见图3中的标号305)，则所述处理开始接收与燃料补充相关的统计数据(参见图3中的标号307)。这些统计数据可被存储在本地或远程的数据存储中(参见图3中的标号309)，以在分析过程分析在特定站点获得的燃料有效性时使用。由于超过一个的变量可影响燃料，且由于燃料混合甚至在给定站点也可随着季节而改变，所以所述处理可记录该数据，使得不做出与在该站点获取的燃料有关的错误的假设。

在一个示例性示例中，可将由所述泵分配(根据所述泵)的燃料值与实际进入车辆的被追踪的燃料进行比较，以确保所述泵正分配它正登记的实际量，和/或确保车辆正精确地测量进入的燃料量(参见图3中的标号313)。在其他示例中，在所述泵与车辆之间不执行任何通信。

此外，此时可设置追踪变量(参见图3中的标号315)。在此讨论了这些变量的示例，且所述示例总体上涉及关于燃料的数据和关于进入的燃料量相对于已经在车辆中存在的燃料量的数据。一旦随后车辆被点火(参见图3中的标号317)，则所述处理可开始追踪燃料有效性(参见图3中的标号319)。

图4示出示例性的燃料使用追踪处理。几乎没有下述情况：驾驶员替换车辆中的燃料且车辆燃料箱是完全空的。相反地，在燃料箱为空之前的某地点，驾驶员执行燃料补充处理。这导致在箱中的旧燃料与新进入的燃料的混合。这种比率可被用于对以多种方式进行的任何燃料的有效性的计算进行加权。

例如，如果用户已长时间专一地在某站点补充燃料，可总体上期待观察值几乎专一地与来自该站点地燃料的数据相关。在另一方面，如果用户将一加仑燃料添加到几乎已满的箱中，则观察的数据与添加的燃料的相关性非常小。与足够低的比率的燃料相关的数据可被忽略，与非常高的比率的燃料相关的数据或与比率高于阈值的燃料相关的数据可被记录，且与给定比率相关的置信度数据甚至也可被记录。最终，较高置信度数据可逐渐地替代较低置信度数据以给出更精确度估计。

包括被观察的或从连接到泵的车辆接收的燃料补充的新的燃料总量可被所述处理接收(参见图4中的标号401)。该总量既包括旧燃料又包括新燃料。燃料总量的某一百分比可被归于旧燃料(参见图4中的标号403)。剩余的百分比可归于新添加的燃料。如在图4中所示出的，然后，该剩余的百分比可被归于当前燃料补充站(参见图4中的标号405)，创建出某个部分接收的燃料与负责提供该部分的燃料的燃料补充站之间的关联的记录。这允许所述处理测量新燃料与旧燃料的比率(或者新燃料与总燃料的比率)，从而测量与新添加的燃料有关的数据的有效性。

然后可随着时间追踪关于车辆的里程数据(参见图4中的标号407)。许多现代车辆可持续地追踪由车辆实现的在mpg上的改变。该数据可由相应的变量进行分类，以确保观察到的针对特定行为的mpg与在相似环境下获得的其他数据对应，其中，该数据随着速度、驾驶行为、天气、交通等而改变。

如果在测量的mpg中观察到任何改变(参见图4中的标号409)，则可采用附加测量以确定导致改变的原因。如果针对任何给定驾驶场景，测量的mpg与“标准”观察的mpg相同、相似或在可容许范围内(参见图4中的标号409)，则所述处理可更新关于给定站点的存储的燃料数据(参见图4中的标号425)。所述更新还可再次基于超过阈值比率的“新”燃料量，和/或置信数据可再次连同任何存储的观察被存储。

如果存在改变(或改变超出阈值)，则所述处理可查看近来是否已对车辆执行了维护(参见图4中的标号411)。维护的记录可被存储在车辆存储器中或存储在远程车辆配置文件中。如果近来已存在维护，则改变可归因于维护，且与维护相关的说明可连同燃料数据被存储(参见图4中的标号417)。随着时间的流逝，如果新数据存留，则新的在维护后的数据可替代旧的在维护前的数据。

如果近来不存在任何维护，则所述处理可查看改变代表更好还是更差(在该情况下，“非更好”)的燃料经济性(参见图4中的标号413)。如果经济性提升，则所述处理可记录该提升(参见图4中的标号419)，例如，这可归因于从给定的站点获得的更好的燃料。该数据还可归因于其他条件，但是如果针对来自该站点的燃料数据保持，则与该燃料相关的提升的可能性提高且可最终被确认。

如果燃料经济性降低，则所述处理记录在经济性上的降低(参见图4中的标号415)，并试图确定是否以跨越来自不同站点的燃料的趋势来看待该降低(参见图4中的标号421)。如果在降低的燃料经济性中存在普遍的趋势，则无论哪个站点提供燃料，可出现以下情况：需要某种形式的维护或车辆保养。观察到这种趋势可使得***提示驾驶员去往经销商处的推荐的行程(参见图4中的标号423)。

图5示出燃料使用和推荐处理***的示例性示例。在该示例性示例中，诸如智能电话509的无线装置与燃料分配***511和车辆计算***513联合工作。

其他用户507有助于基于云的***505，其中，基于云的***505将数据提供到智能电话或无线装置应用，并从智能电话或无线装置应用接收数据。

在该示例性示例中，基于云的众包数据由在智能电话上运行的应用获得(参见图5中的标号517)。来自基于云的知识库的数据由所述应用根据例如GPS数据来处理，以获得定性的供应商地图(参见图5中的标号515)。在该示例中，在车辆计算机上显示该地图(参见图5中的标号533)，然而也可在智能电话上显示该地图。

用户501通常也驾驶该车辆(参见图5中的标号525)，且报告与经济性和使用相关的数据(参见图5中的标号537)。可连同追踪燃料容量(参见图5中的标号539)一同执行上述操作。当用户访问燃料补充站时，可将燃料分配到车辆(参见图5中的标号529)。随着燃料的销售被执行(参见图5中的标号531)，智能电话处理可记录与燃料相关的数据(参见图5中的标号521)。该应用还可提供针对燃料的支付解决方案(参见图5中的标号527)。

位置数据可由智能电话获得，可用于识别站点，且从GPS***503获得。由于获得了新数据，所以先前燃料的旧估计(参见图5中的标号523)可被上传到云以更新当前存储的数据(参见图5中的标号519)。

图6A和图6B示出示例性的燃料使用报告处理。在图6A中，示例性处理显示与针对各种站点的燃料统计数据相关的信息。该数据包括“个人”观察的统计数据、众包统计数据和燃料异常。在该情况下，异常与比统计数据平均的站点“好”或“差”的燃料站点对应。

这里，所述处理首先访问与由当前车辆观察到的数据相关的记录(参见图6A中的标号601)。该数据可被存储在车辆中，或者可被存储在云中或在移动装置上。该数据可被示出为该车辆和/或车辆/驾驶员结合的“真实”数据(参见图6A中的标号603)。然后，如果需要附加的数据，则所述处理可联系云以获取众包数据(参见图6A中的标号605)。

与给定站点或站点相关的众包数据可被获取(参见图6A中的标号607)，并可被显示(参见图6A中的标号609)。与显示器结合，异常可被识别以有助于用户分析(参见图6A中的标号611)。这些异常可包括高值的站点、低值的站点、连续改变值的站点等。它们可代表站点的排名、一次性(oneoff)异常观察或者落在“正常”之外等其他数据。仅仅因为某站点具有“较好”的汽油，不意味着用户将必然想要使用它。与路线的接近度可能也有关系。但是如果用户能够快速查看到近路线站点具有“差”燃料，而稍微有点偏离路线的某站点具有“较好”或“最好”本地燃料，则用户可能有兴趣驶向该站点。

燃料值也可被表示。可能的情况如下：具有“最好”燃料的站点也充入更多。所以每美元的较好值可通过从较便宜源买到较高效的燃料来获得。

图6B示出可被示出的各种类型的来源于云的数据的示例。在该示例中，与特定站点或站点相关的云数据被接收(参见图6B中的标号621)。首先，在该示例中，所述处理查看是否存在与相似类型的车辆(例如，不具限制性，“SUV”)相关的任何数据(参见图6B中的标号623)。

如果不存在这种可用数据，则所述处理可示出该站点的针对不同类型的车辆的统计数据的范围(参见图6B中的标号625)。例如，所述处理可示出来自该特定站点的燃料是否趋向于通常与来自周围站点的燃料相比差不多有用(useful，有效)。可通常示出mpg统计数据、相对质量级别和针对车辆的其他合适的信息。

如果在存储的数据中存在特定类型的车辆，则所述处理查看在存储的数据中是否存在与当前型号匹配的车辆(参见图6B中的标号627)。例如，可识别特定型号SUV(例如，不具限制性，FORDEXPLORER)。如果没有与车辆匹配的特定型号，则所述处理可示出相似类型/级别的车辆的统计数据(参见图6B中的标号629)。此外，用户可被呈现出对更多的统计数据的选择(参见图6B中的标号631)，在该情况下，所述选择与一般统计数据对应。

如果存在关于相似型号的车辆的数据，则所述处理可随后查看给定的型号年份(车型年份)(参见图6B中的标号633)。在该情况下，所述处理将查找与当前车辆基本“相同”的车辆。如果不存在给定型号但存在给定年份的车辆，则所述处理将示出关于相似型号的车辆的数据(参见图6B中的标号635)。如果更多的数据被请求(参见图6B中的标号637)，则可示出关于相似类型的车辆的数据和/或一般数据。

最后，如果存在与当前车辆相同型号和年份的车辆，则所述处理将示出关于车辆和相同的型号/年份的统计数据(参见图6B中的标号639)。如果附加的统计数据被请求(参见图6B中的标号641)，则所述处理将向后操作，如先前一样，示出统计数据的前一层(precedingtiers)。如果需要，也可跳过层。使用众包数据，所述示例性实施例可在短时间段内积累大量统计数据。该数据随后可被传出到驾驶员和各种用途的其他实体(诸如在此阐述的这些)。

图7示出燃料资源确定处理的示例性示例。在该示例性示例中，所述处理确定箱是否需要被填充(参见图7中的标号701)。例如，填充决定可基于低燃料状态或驾驶员对燃料的请求。

如果箱将要被填充，则所述处理可收集与在区域内的燃料补充站点相关的信息(参见图7中的标号703)。例如，这可与在驾驶员的位置或在驾驶员的位置附近的燃料补充站相关，或者，可为例如沿路线的燃料补充站。该信息还可基于过去的燃料补充所记录的观察的驾驶员经验、基于从远程数据库下载的众包数据或基于二者的某种结合。反映在各种站点获取的燃料值的其他因素也可被包括在考虑范围内。

然后，可计算关于燃料补充站的统计数据(参见图7中的标号705)，该统计数据阐明了例如但不限于：泵是否精确、从各个站点分配的每加仑的燃料获得的实际里程、燃料满足车辆需求的能力等。

基于所述数据和统计数据，可向驾驶员做出有关优选燃料补充站的推荐(参见图7中的标号707)。基于所述统计数据，可呈现出一个“最好的”或一组“最好的”站点。如果需要，也可将所述站点进行排名。驾驶员尚未到访的站点可基于以下内容来排名：众包统计数据、一般统计数据、针对相似品牌站点的统计数据，或者可通过任何适合的方法来排名。

当驾驶员补充燃料时，相关数据可被追踪以用于估计泵报告的分配量的真实性。燃料随时间的使用可提供在各种情况下的泵的燃料的效率和有效性的统计数据。任何相关信息随后可被上传到云数据库(参见图7中的标号709)，以用于众包数据的更新。

可基于各种因素来评估燃料。非限制性因素列表(可基于该列表提供分析)包括但不限于：燃料补充地点、品牌、被分析的燃料的车辆类型、燃料分析被执行时驾驶员的驾驶风格、不同驾驶员使用燃料被分析的车辆的混合、在不同天气下燃料/泵的性能、在交通中的燃料性能等。该数据中的许多数据也可代表某种形式的“噪声”，所述某种形式的“噪声”可用于使统计数据偏斜。

使用神经网络算法，在该分析中的噪声的影响可被减缓到一定程度。数据可被加权且特定数据可基于发生的频率作为代表性数据被给予较高优先。由于在观察中出现样式和一致性，所以这些也可被给予优先，以进一步用于限制异常值的影响。

基于分配的燃料的分析的精确度可能不同。某液位的剩余燃料通常保留在箱中，在分析中可将该剩余燃料计算在内。不重要的燃料补充(例如，添加的总箱燃料的低百分比)可不引起分析，因为该结果可能与新燃料不相关。观察的燃料液位还可受到燃料晃动运动和燃料液位读取器中的校准误差的影响。白天的时间(温度)和其他天气因素以及箱的几何结构也可在分析中被考虑，因为它们中的每一个都可能对结果产生不一致的影响。

当车辆停止补充燃料时，可记录统计分析数据。统计分析数据包括可有助于确定关于任何分配的燃料的可报告统计数据集的数据。该数据可包括但不限于：时间、地点、获取的燃料的容量、费用、当前里程表里程数、燃料等级、品牌等。

上述数据中的误差可源于有问题的情况诸如但不限于：泵欺骗(分配的燃料的过度报告)、燃料欺骗(燃料等级实际上低于示出的情况)、泵缺乏校准、燃料污染和/或车辆中旧燃料与新燃料的混合。然而，随着时间的流逝，数据可揭示在给定地点的这些情况，且将用于警告驾驶员远离特定地点。也可随后根据已知的引起误差的条件考虑对从这些类型的地点获取的燃料的分析和结果。

虽然以上描述了示例性实施例，但这些实施例并不意在描述本发明的所有可能形式。相反地，说明书中所使用的词语是描述性词语而非限制，并且应理解的是，可在不脱离本发明的精神和范围的情况下做出各种改变。此外，可将各种实现实施例的特征进行组合以形成本发明的进一步的实施例。

Claims (7)

1.一种***，包括：

处理器，被配置为：

登记分配到车辆的燃料量；

将燃料分配与燃料量进行关联；

在分配的燃料被车辆使用时，确定每加仑行驶的英里数效率；

针对与燃料分配相关联的记录，以每加仑行驶的英里数的形式来保存分配的燃料的效率的记录。

2.如权利要求1所述的***，其中，处理器还被配置为登记燃料的等级。

3.如权利要求1所述的***，其中，处理器还被配置为登记燃料的费用。

4.如权利要求3所述的***，其中，处理器被配置为以每美元行驶的英里数的形式来保存燃料的效率的记录。

5.如权利要求1所述的***，其中，处理器被配置为将每加仑行驶的英里数的统计数据、燃料数据和燃料分配数据上传到远程服务器，以被包括在众包燃料效率数据库中。

6.如权利要求4所述的***，其中，处理器被配置为将每美元行驶的英里数数据上传到远程服务器。

7.如权利要求1所述的***，其中，处理器被配置为分配的燃料提供付款，并在提供付款时交换与分配的燃料相关的数据。