DE102012216115A1

DE102012216115A1 - Ein Fahrzeug und Verfahren zum Schätzen einer Reichweite für das Fahrzeug

Info

Publication number: DE102012216115A1
Application number: DE102012216115A
Authority: DE
Inventors: Qing Wang; Hai Yu; William Paul Perkins; Anthony Mark Phillips; Ryan Skaff; Johannes Geir Kristinsson
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2011-09-16
Filing date: 2012-09-12
Publication date: 2013-05-29
Also published as: CN102991503B; CN102991503A; US20130073113A1

Abstract

Ein Verfahren zum Steuern eines Fahrzeugs beinhaltet das Zuweisen eines vorhergesagten Fahrmusters einem vorhergesagten Pfad für das Fahrzeug und Liefern einer Reichweite für das Fahrzeug unter Verwendung der vorhergesagten Energieeffizienz und einer dem Fahrzeug verfügbaren Energiemenge. Das vorhergesagte Fahrmuster weist eine assoziierte vorhergesagte Energieeffizienz auf. Ein Fahrzeug enthält eine Antriebseinrichtung, die über ein Getriebe an Räder des Fahrzeugs gekoppelt ist, und einen Controller, der elektronisch an die Antriebseinrichtung gekoppelt ist. Der Controller ist konfiguriert zum: (i) Zuweisen eines vorhergesagten Fahrmusters einem vorhergesagten Pfad für das Fahrzeug, wobei das vorhergesagte Fahrmuster eine vorhergesagte Energieeffizienz aufweist, und (ii) Liefern einer Reichweite für das Fahrzeug unter Verwendung der vorhergesagten Energieeffizienz und einer dem Fahrzeug verfügbaren Energiemenge.

Description

Die Offenbarung betrifft ein Verfahren der Steuerung, um eine Fahrzeugreichweite für ein Fahrzeug zu bestimmen oder zu schätzen.
Fahrzeuge enthalten eine gewisse Energiemenge in der Form von chemischem Kraftstoff, elektrischer Leistung oder dergleichen, was ihnen gestattet, eine gewisse Distanz zu fahren, und sie müssen möglicherweise periodisch nachgefüllt werden. Die Distanz, über die ein Fahrzeug unter Verwendung von bordeigener Energie fahren kann, wird als die Fahrzeugreichweite bezeichnet. Die projizierte Fahrzeugreichweite liefert Informationen für einen Benutzer für die Reiseplanung, für das Minimieren von Fahrkosten, für das Evaluieren der Fahrzeugleistung und das Durchführen der Wartung. Die mögliche Reichweite für die verbleibende Energie in einem Kraftfahrzeug wird normalerweise als die Restreichweite (DTE – Distance to Empty) bezeichnet, die mit der Energieumwandlungseffizienz des Fahrzeugs verbunden ist.
Eine DTE oder die Fahrzeugreichweite kann für jede beliebige Art von Fahrzeug bereitgestellt werden, einschließlich herkömmliche Fahrzeuge, Elektrofahrzeuge, Hybridfahrzeuge, Plug-in-Hybridfahrzeuge, Brennstoffzellenfahrzeuge, pneumatische Fahrzeuge und dergleichen.
Bei einer Ausführungsform weist ein Verfahren zum Steuern eines Fahrzeugs ein vorhergesagtes Fahrmuster einem vorhergesagten Pfad für das Fahrzeug zu. Das vorhergesagte Fahrmuster weist eine assoziierte vorhergesagte Energieeffizienz auf. Das Verfahren liefert auch eine Reichweite für das Fahrzeug unter Verwendung der vorhergesagten Energieeffizienz und einer dem Fahrzeug verfügbaren Energiemenge.
Bei einer weiteren Ausführungsform liefert ein Verfahren zum Steuern eines Fahrzeugs eine Fahrzeugreichweite unter Verwendung einer Energieeffizienz entsprechend einem Fahrmuster des Fahrzeugs und einer dem Fahrzeug verfügbaren Energiemenge. Das Fahrmuster wird unter Verwendung eines Fahrmusteridentifikationsverfahrens bestimmt.
Bei noch einer weiteren Ausführungsform wird ein Fahrzeug mit einer Antriebseinrichtung bereitgestellt, die über ein Getriebe an Räder des Fahrzeugs gekoppelt ist, und mit einem Controller, der elektronisch an die Antriebseinrichtung gekoppelt ist. Der Controller ist konfiguriert zum: (i) Zuweisen eines vorhergesagten Fahrmusters einem vorhergesagten Pfad für das Fahrzeug, wobei das vorhergesagte Fahrmuster eine vorhergesagte Energieeffizienz aufweist, und (ii) Liefern einer Reichweite für das Fahrzeug unter Verwendung der vorhergesagten Energieeffizienz und einer dem Fahrzeug verfügbaren Energiemenge.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 ist eine schematische Darstellung eines Hybridfahrzeugantriebsstrangs, der die Erfindung verkörpern kann;
2 ist ein Diagramm der Leistungsflusswege für die Komponenten des in 1 gezeigten Antriebsstrangs;
3 ist ein Übersichtsschemadiagramm eines Verfahrens zum Schätzen eines Fahrzeugbereichs;
4A und 4B sind ein Schemadiagramm eines Verfahrens zum Schätzen eines Fahrzeugbereichs;
5 ist ein Schemadiagramm eines Verfahrens zum Liefern von Energieeffizienzen;
6 ist ein Schemadiagramm eines Verfahrens zum Berechnen einer Restreichweite;
7 ist ein Diagramm einer Fahrzeugreichweitenschätzung, wenn zukünftige Fahrinformationen unbekannt sind;
8 ist ein Diagramm einer Fahrzeugreichweitenschätzung, wenn zukünftige Fahrinformationen bekannt sind; und
9 ist ein weiteres Diagramm einer Fahrzeugreichweitenschätzung, wenn zukünftige Fahrinformationen bekannt sind.
AUSFÜHRLICHE BESCHREIBUNG
Wie gefordert, werden hierin detaillierte Ausführungsformen der vorliegenden Erfindung offenbart, jedoch ist zu verstehen, dass die offenbarten Ausführungsformen für die Erfindung lediglich beispielhaft sind, die in verschiedenen und alternativen Formen verkörpert werden kann. Die Figuren sind nicht notwendigerweise maßstabsgetreu; einige Merkmale können übertrieben oder minimiert sein, um Details von bestimmten Komponenten zu zeigen. Deshalb sind hierin offenbarte spezifische strukturelle und funktionale Details nicht als beschränkend auszulegen, sondern lediglich als eine repräsentative Basis, um dem Fachmann zu lehren, wie er die vorliegende Erfindung unterschiedlich einsetzen kann.
Das Liefern einer präzisen DTE für ein Fahrzeug kann schwierig sein, weil eine Fahrzeugreichweitenprojektion mit zukünftigen Fahrungewissheiten oder unerwarteten Umweltbedingungen verbunden ist. Um für das Fahrzeug eine theoretische DTE zu berechnen, wird ein Wissen über zukünftige Fahrzeugzyklen (Geschwindigkeitsprofil und Straßenbedingungen) benötigt, weil die Fahrzeugenergieumwandlungseffizienz dynamisch von den Betriebsbedingungen abhängt, die von Fahrzyklen dominiert werden. Wenngleich es wünschenswert ist, das präzise Geschwindigkeitsprofil und die präzisen Straßenbedingungen der geplanten Fahrzeugfahrten zu erfassen, ist es undurchführbar, und so muss die Reichweite unter Verwendung eines Mustervorhersageverfahrens geschätzt werden, um eine DTE für ein Fahrzeug zu liefern.
Eine Hybridfahrzeugstruktur (HEV – Hybrid Electric Vehicle) wird in den Figuren und zum Beschreiben der verschiedenen Ausführungsformen unten verwendet; es wird jedoch in Betracht gezogen, dass die verschiedenen Ausführungsformen mit Fahrzeugen mit anderen Antriebseinrichtungen oder Kombinationen von Antriebseinrichtungen verwendet werden können, wie in der Technik bekannt ist.
Hybridfahrzeugen (HEVs) wird Leistung in der Regel von einem batteriebetriebenen Elektromotor, einem Verbrennungsmotor oder einer Kombination davon geliefert. Einige HEVs weisen ein Plug-in-Merkmal auf, durch das die Batterie mit einer externen Stromquelle zum Aufladen verbunden werden kann, und werden als Plug-in-HEVs (PHEVs) bezeichnet. Ein reiner Elektromodus (EV-Modus) in HEVs und PHEVs gestattet es dem Fahrzeug, nur mit dem Elektromotor zu arbeiten, während der Verbrennungsmotor nicht verwendet wird.
Der Betrieb im EV-Modus kann den Fahrkomfort verbessern, indem weniger Geräusch und bessere Fahrbarkeit des Fahrzeugs bereitgestellt werden, z.B. ein glatterer Elektrobetrieb, weniger Geräusche, Schwingungen und Rauigkeit (NVH – Noise, Vibration and Harshness) und eine schnellere Fahrzeugreaktion. Vom Betrieb im EV-Modus profitiert auch die Umgebung mit null Emissionen von dem Fahrzeug während dieser Betriebsperiode.
Fahrzeuge können zwei oder mehr Antriebseinrichtungen aufweisen, wie etwa eine erste Antriebseinrichtung und eine zweite Antriebseinrichtung. Beispielsweise kann das Fahrzeug einen Verbrennungsmotor und einen Elektromotor, eine Kraftstoffzelle und einen Elektromotor oder andere Kombinationen von Antriebseinrichtungen aufweisen, wie sie in der Technik bekannt sind. Der Verbrennungsmotor kann ein Verbrennungsmotor mit Eigenzündung oder ein Verbrennungsmotor mit Fremdzündung oder ein externer Verbrennungsmotor sein, und die Verwendung verschiedener Kraftstoffe wird in Betracht gezogen. Bei einem Beispiel ist das Fahrzeug ein Hybridfahrzeug (HEV) und kann zusätzlich die Fähigkeit besitzen, mit einem externen Stromnetz verbunden zu werden, wie etwa bei einem Plug-in-Hybridfahrzeug (PHEV).
Ein Plug-in-Hybridfahrzeug (PHEV) beinhaltet eine Erweiterung der existierenden Hybridfahrzeugtechnologie (HEV), bei der ein Verbrennungsmotor durch ein Strombatteriepaket und mindestens eine elektrische Maschine ergänzt wird, um weiterhin eine erhöhte Kilometerleistung und reduzierte Fahrzeugemissionen zu erhalten. Ein PHEV verwendet ein Batteriepaket mit größerer Kapazität als ein Standardhybridfahrzeug, und es wird ergänzt durch eine Fähigkeit zum Aufladen der Batterie von einem Stromnetz, das Energie an eine Stromsteckdose an einer Ladestation liefert. Dies verbessert weiter die Gesamtfahrzeugsystembetriebseffizienz in einem Elektrofahrmodus und in einem Mischfahrmodus Kohlenwasserstoff/Elektro.
Herkömmliche HEVs puffern die Kraftstoffenergie und gewinnen kinematische Energie in elektrischer Form zurück, um die Gesamtfahrzeugsystembetriebseffizienz zu erreichen. Kohlenwasserstoffkraftstoff ist die Hauptenergiequelle. Für PHEVs ist eine zusätzliche Energiequelle die in der Batterie von dem Netz nach jedem Batterieladeereignis gespeicherte Stromenergiemenge.
Während die meisten herkömmlichen HEVs dahingehend betrieben werden, den Batterieladezustand (SOC – State of Charge) um einen konstanten Pegel herum zu halten, verwenden PHEVs so viel an im Voraus gespeicherter Batteriestromenergie (Netzenergie) wie möglich, vor dem nächsten Batterieladeereignis. Es wird erwartet, dass die vom Netz gelieferte, relativ preiswerte Stromenergie nach jedem Laden ganz für den Antrieb und andere Fahrzeugfunktionen genutzt wird. Nachdem der Batterie-SOC während eines Entladeereignisses auf einen niedrigen konservativen Pegel abnimmt, nimmt das PHEV den Betrieb als ein herkömmliches HEV in einem sogenannten Ladeerhaltungsmodus wieder auf, bis die Batterie aufgeladen ist.
1 zeigt eine HEV-10-Antriebsstrangkonfiguration und ein Steuersystem. Ein Hybridfahrzeug 10 mit Leistungsverteilung kann ein Parallelhybridfahrzeug sein.
Die HEV-Konfiguration, wie gezeigt, dient nur zu Beispielzwecken und soll nicht beschränkend sein, da die vorliegende Offenbarung für Fahrzeuge von beliebiger geeigneter Architektur gilt, einschließlich HEVs und PHEVs.
Bei dieser Antriebsstrangkonfiguration gibt es zwei Leistungsquellen 12, 14, die mit dem Triebstrang verbunden sind: 12) eine Kombination aus den Teilsystemen Verbrennungsmotor- und Generator unter Verwendung eines Planetenradsatzes, um sie miteinander zu verbinden, und 14) das Elektroantriebssystem (Teilsysteme Elektromotor, Generator und Batterie). Das Batterieteilsystem ist ein Energiespeichersystem für den Generator und den Elektromotor.
Die veränderliche Generatordrehzahl variiert die Verbrennungsmotorausgabeleistungsverteilung zwischen einem elektrischen Pfad und einem mechanischen Pfad. Außerdem führt die Steuerung der Verbrennungsmotordrehzahl zu einem Generatordrehmoment, das gegen das Verbrennungsmotorausgabedrehmoment reagiert. Es ist dieses Generatorreaktionsdrehmoment, das das Verbrennungsmotorausgabedrehmoment zu dem Hohlrad des Planetenradsatzes 22 und schließlich auf die Räder 24 überträgt. Dieser Betriebsmodus wird als "positive Verteilung" bezeichnet. Es wird angemerkt, dass sich der Generator 18 wegen der kinematischen Eigenschaften des Planetenradsatzes 22 möglicherweise in der gleichen Richtung seines Drehmoments drehen kann, das gegen das Motorausgabedrehmoment reagiert. In diesem Fall gibt der Generator 18 Leistung (wie den Verbrennungsmotor) in den Planetenradsatz ein, um das Fahrzeug 10 anzutreiben. Dieser Betriebsmodus wird als "negative Verteilung" bezeichnet.
Wie in dem Fall des Modus mit positiver Verteilung reagiert das aus der Generatordrehzahlsteuerung während einer negativen Verteilung resultierende Generatordrehmoment auf das Verbrennungsmotorausgabedrehmoment und überträgt das Verbrennungsmotorausgabedrehmoment auf die Räder 24. Diese Kombination aus dem Generator 18, dem Elektromotor 20 und dem Planetenradsatz 22 ist analog zu einem elektromechanischen stufenlosen Getriebe (CVT – Continuously Variable Transmission). Wenn die in 1 gezeigte Generatorbremse betätigt wird (Parallelmodusbetrieb) wird das Sonnenrad daran gehindert, sich zu drehen, und das Generatorbremsmoment liefert ein Reaktionsdrehmoment auf das Verbrennungsmotorausgabedrehmoment. In diesem Betriebsmodus wird die ganze Verbrennungsmotorausgabeleistung mit einem festen Untersetzungsverhältnis durch den mechanischen Pfad an den Triebstrang übertragen.
Bei einem Fahrzeug 10 mit einem Antriebsstrangsystem mit Leistungsverteilung erfordert der Verbrennungsmotor 16 im Gegensatz zu herkömmlichen Fahrzeugen entweder das sich aus der Verbrennungsmotordrehzahlsteuerung ergebende Generatordrehmoment oder das Generatorbremsmoment, um seine Ausgabeleistung sowohl durch den elektrischen als auch mechanischen Pfad (Verteilungsmodi) oder durch den vollmechanischen Pfad (Parallelmodus) zu dem Triebstrang zur Vorwärtsbewegung zu übertragen.
Während des Betriebs unter Verwendung der zweiten Leistungsquelle 14 zieht der Elektromotor 20 Strom von der Batterie 26 und liefert Antrieb unabhängig von dem Verbrennungsmotor 16 zur Vorwärts- und Rückwärtsbewegung. Dieser Betriebsmodus wird als "Elektrofahr-" oder vollelektrischer Modus oder EV-Modus bezeichnet. Zusätzlich kann der Generator 18 Strom von der Batterie 26 ziehen und gegen eine Einwegekupplung fahren, die an die Motorausgabewelle gekoppelt ist, um das Fahrzeug 10 vorwärts zu treiben. Der Generator 18 kann, wenn notwendig, das Fahrzeug 10 alleine vorwärts treiben. Dieser Betriebsmodus wird als Generatorfahrmodus bezeichnet.
Der Betrieb dieses Antriebsstrangsystems mit Leistungsverteilung integriert im Gegensatz zu herkömmlichen Antriebsstrangsystemen die beiden Leistungsquellen 12, 14, um reibungslos zusammenzuarbeiten, um die Anfrage des Fahrers zu erfüllen, ohne die Systemgrenzen zu übersteigen (wie etwa die Batteriegrenzen), während die Effizienz und Leistung des Antriebsstrangsystems insgesamt optimiert werden. Es wird eine Koordinationssteuerung zwischen den beiden Leistungsquellen benötigt. Wie in 1 gezeigt, gibt es einen hierarchischen Fahrzeugsystemcontroller (VSC – Vehicle System Controller) 28, der die Koordinationssteuerung in diesem Antriebsstrangsystem mit Leistungsverteilung durchführt. Unter normalen Antriebsstrangbedingungen (keine Teilsysteme/Komponenten fehlerhaft) interpretiert der VSC die Anfragen des Fahrers (z.B. PRND und Beschleunigungs- oder Verlangsamungsanfrage) und bestimmt dann den Raddrehmomentbefehl auf der Basis der Fahreranfrage und der Antriebsstranggrenzen. Außerdem bestimmt der VSC 28, wann jede Leistungsquelle wie viel Drehmoment liefern muss, um die Drehmomentanfrage des Fahrers zu erfüllen und den Arbeitspunkt (Drehmoment und Drehzahl) des Verbrennungsmotors zu erreichen.
Außerdem kann die Batterie 26 in einer im Umriß gezeigten Konfiguration des PHEV-Fahrzeugs 10 unter Verwendung einer Steckdose 32 aufgeladen werden, die an das Stromnetz oder eine andere äußere Stromquelle angeschlossen und möglicherweise durch ein Batterieladegerät/einen Wandler 30 an die Batterie 26 gekoppelt ist.
Das Fahrzeug 10 kann in einem Elektromodus (EV-Modus) betrieben werden, bei dem die Batterie 26 die ganze Leistung an den Elektromotor 20 zum Betreiben des Fahrzeugs 10 liefert. Zusätzlich zu dem Vorzug der Kraftstoffersparnis kann der Betrieb im EV-Modus den Fahrkomfort durch weniger Geräusche und bessere Fahrbarkeit verbessern, z.B. glatteren Elektrobetrieb, weniger Geräusche, Schwingungen und Rauheit (NVH) und schnellere Reaktion. Von dem Betrieb im EV-Modus profitiert auch die Umgebung mit null Emissionen aus dem Fahrzeug während dieses Modus.
Ein Verfahren zur Verwendung mit dem Fahrzeug 10 verwendet eine Mustervorhersage aus einem Fahrmusteridentifikationsverfahren und bordexternen Simulationen (oder Fahrzeugtests), um eine DTE-Schätzung für das Fahrzeug liefern. Das Fahrmusteridentifikationsverfahren verwendet einen Algorithmus, der reale Fahrbedingungen detektiert und als eines einer Menge von Standardfahrmustern erkennt, einschließlich beispielsweise Stadt, Schnellstraße, Innerorts, Verkehr, niedrige Emissionen usw. Bei einer Ausführungsform basiert der Algorithmus auf Maschinenlernen unter Verwendung eines neuronalen Netzwerks. Bei anderen Ausführungsformen basiert der Algorithmus auf Stützvektormaschinen, Fuzzy Logic oder dergleichen.
Hinsichtlich des Fahrmusteridentifikationsverfahrens ist bekannt, dass die Kraftstoffeffizienz mit individuellen Fahrstilen, Straßenarten und Verkehrsverstopfungsgraden verbunden ist. Es wurde eine Menge von Standardfahrmustern, als einrichtungsspezifische Zyklen bezeichnet, entwickelt, um den Betrieb von Personenkraftwagen und Leichtlastwagen über einen großen Bereich von Einrichtungen und Verstopfungsgraden in innerstädtischen Bereichen darzustellen. (Siehe beispielsweise Sierra Research, 30 'SCF Improvement – Cycle Development', Sierra Report Nr. SR2003-06-02 (2003)). In diesen Standardfahrmustern wurden auch Fahrstile erfasst. Beispielsweise können verschiedene Fahrer für den gleichen Straßentyp und den gleichen Verkehrsgrad zu verschiedenen Fahrmustern führen. Ein Online-Fahrmusteridentifikationsverfahren, das eine reale Fahrbedingung und einen realen Fahrstil automatisch detektiert und sie/ihn als eines der Standardmuster erkennt, wurde entwickelt. (Siehe beispielsweise Jungme Park, ZhiHang Chen, Leonidas Kiliaris, Ming Kuang, Abul Masrur, Anthony Phillips, Yi L. Murphey, 'Intelligent Vehicle Power Control based on Machine Learning of Optimal Control Parameters and Prediction of Road Type and Traffic Congestions', IEEE Transactions on Vehicular Technology, 17. Juli 2009, Band 58, Ausgabe 9). Dieses Online-Fahrmusterverfahren basiert auf Maschinenlernen unter Verwendung eines neuronalen Netzwerks, und seine Präzision wurde durch Simulationen bewiesen.
Das Fahrmusteridentifikationsverfahren wählt Sequenzen von "Fahrmuster" als die effektivste Darstellung der Verkehrsgeschwindigkeit, der Straßenbedingung und des Fahrstils auf hoher Ebene als Basis zum Berechnen der mittleren Energieeffizienz zur DTE-Berechnung. Durch Sequenzieren von Fahrmustern für eine zukünftige Fahrzeugroute, einen Weg oder einen Pfad, die Kosten und Ungewissheiten des Erfassens der präzisen zukünftigen Geschwindigkeitsprofile und Straßenbedingungen. Der Pfad, die Reise oder die Route kann von einem Benutzer eingegeben oder angezeigt werden oder kann unter Verwendung eines elektronischen Horizonts geliefert werden, der eine Routenwahrscheinlichkeit auf der Basis von Straßen in der Nähe des Fahrzeugs, der Richtung oder dem Fahrzeug usw. berechnet. Falls sich beispielsweise ein Fahrzeug auf einer Schnellstraße befindet, wird der elektronische Horizont einen Schnellstraßenpfad und die Distanz zu der nächsten Ausfahrt als zukünftige vorhergesagte Informationen verwenden und dann zu einer unbekannten unvorhergesagten Zukunft umschalten.
Um eine DTE für das Fahrzeug zu liefern, verwendet der VSC 28 ein Fahrmusterund Fahrstilidentifikationsverfahren und Fahrzeugsimulationsmodelle. Das Fahrmuster- und Fahrstilidentifikationsverfahren, wie etwa in der am 15. Juni 2011 eingereichten und gleichzeitig anhängigen US-Patentanmeldung Nr. 13/160,907 mit dem Titel "A Method to Prioritize Eletric-Only Operation (EV) for a Vehicle", dessen Offenbarung hier durch Bezugnahme in seiner Gänze aufgenommen ist.
Das Fahrstil- und Identifikationsverfahren detektiert eine reale Fahrbedingung oder eine Fahraggressivität automatisch und erkennt sie als eine der Standardmuster oder Fahrstile.
Sehr getreue Fahrzeugsimulationsmodelle stellen das tatsächliche Fahrzeug mit eingebauten Controllern dar. Die Simulation kann die Fahrzeugenergieeffizienz ("MPG"/"Meilen pro Gallone" für mit Kraftstoff betriebene Fahrzeuge oder "Meilen pro kWh" für Elektrofahrzeuge) unter einem beliebigen, durch typische Fahrzyklen dargestellten Fahrmuster berechnen. Die Simulationsergebnisse entsprechen oder korrelieren in der Regel mit den tatsächlichen Fahrzeugtestergebnissen.
3 zeigt ein vereinfachtes Schemadiagramm für das Verfahren zum Berechnen einer Restreichweite oder Fahrzeugreichweite. Unter Berücksichtigung sowohl vorhergesagter zukünftiger als auch aktueller Fahrmuster führt der Algorithmus eine Berechnung 38 mit von drei Hauptpfaden gespeisten Daten durch, um eine Restreichweite für das Fahrzeug zu schätzen oder zu liefern. Eine bordexterne Berechnung 40 der "Energieeffizienznachschlagetabellen" erfolgt im Voraus und wird als eine Nachschlagetabelle in den VSC 28 geladen oder dergleichen.
Etwaige verfügbare zukünftige Informationen werden bei 42 bestimmt und bei der bordeigenen Berechnung 44 verwendet, um die mittlere Energieeffizienz für die unter Verwendung eines Fahrmusteridentifikationsverfahrens bestimmten "vorhergesagten zukünftigen Fahrmuster" zu liefern. Historische und aktuelle Fahrinformationen werden bei 46 bestimmt und an bordeigene Berechnungen 48 der mittleren Energieeffizienz für das "aktuelle Fahrmuster" geliefert, das unter Verwendung eines Fahrmusteridentifikationsverfahrens bestimmt wird.
4A und 4B zeigen ein detaillierteres Schemadiagramm des Verfahrens zum Schätzen und Liefern einer Restreichweite für das Fahrzeug. Offline-Tests oder Simulationen 50 liefern Energieeffizienznachschlagetabellen 52, die ein Fahrmuster und eine assoziierte Energieeffizienz für jedes Muster liefern. Die Tabellen werden Offline angelegt, doch wird auch in Betracht gezogen, dass die Tabellen angelegt oder aktualisiert werden könnten, während das Fahrzeug arbeitet, oder Online.
Zukünftige Fahrmuster und Effizienzen werden durch eine Sequenz 54 bestimmt.
Vorhergesagte Geschwindigkeiten, Straßenbedingungen und/oder Verkehrsinformationen 56 werden von einem Navigationssystem, einem Mobilfunknetz und/oder einem Fahrzeug an das Fahrzeugnetz 58 geliefert. Ein Verkehrsmodell 60 kann vorliegen, das zusätzliche vorhergesagte Verkehrsüberlegungen in die Sequenz 54 liefert. Die vorhergesagten Geschwindigkeiten des Fahrzeugs und die anderen Straßen- und Verkehrsbedingungen werden an eine Musterparameterextraktionsfunktion 62 geliefert, die wiederum Musterparameter 64 an eine Mustererkennungsfunktion 66 liefert. Die Mustererkennungsfunktion 66 liefert ein vorhergesagtes zukünftiges Fahrmuster 68 zur Verwendung in der Sequenz 54.
Eine Energieeffizienzberechnung 70 verwendet ein oder mehrere vorhergesagte zukünftige Fahrmuster 68, die Energieeffizienztabellen 52 und beliebige, bezüglich des Fahrzeugs verfügbare Daten 72 hinsichtlich Fahrzeuggewicht, Reifendruck und dergleichen, die die Effizienz beeinflussen können. Die Berechnung 70 liefert dann eine mittlere Energieeffizienz für die vorhergesagten Muster 74.
Eine Sequenz 76 wird auch bereitgestellt, um das gegenwärtige Fahrmuster und die gegenwärtige Fahreffizienz zu bestimmen. Der VSC 28 verwendet verschiedene Fahrzeugsensoren, Eingaben in einen Controller-Netzwerk-Bus und dergleichen bei 78 und unterzieht sie dann bei 80 einer Signalverarbeitung, um verarbeitete Informationen 82 wie etwa Fahrzeuggeschwindigkeiten, Straßenneigung usw. zu liefern.
Die verarbeiteten Informationen 82 werden an eine Musterparameterextraktionsfunktion 84 geliefert, die wiederum Musterparameter 86 an eine Mustererkennungsfunktion 88 liefert. Die Mustererkennungsfunktion 88 liefert ein gegenwärtiges oder aktuelles Fahrmuster 90 zur Verwendung in der Sequenz 76.
Eine Energieeffizienzberechnung 92 verwendet die aktuellen Fahrmuster 90, die Energieeffizienztabellen 52 und etwaige, bezüglich des Fahrzeugs verfügbare Daten 72 hinsichtlich Fahrzeuggewicht, Reifendruck und dergleichen, die die Effizienz beeinflussen können. Die Berechnung 92 liefert dann eine mittlere Energieeffizienz für das aktuelle Fahrmuster 94.
Ein Lastmodifizierer 96 verwendet die mittlere Effizienz des aktuellen Musters 94 und etwaige Zufallslastinformationen 98, um eine justierte mittlere Effizienz des aktuellen Musters 100 zu liefern. Eine Zufallslast können Wetterbedingungen, der Umweltzustand, eine Umgebungsbedingung sein und/oder ein Fahrzeugnebenverbraucher wird verwendet, wie etwa eine Klimaanlage. Ein Zufallslastmodifizierer kann ebenfalls in der Sequenz 54 vorliegen (nicht gezeigt), der Wettervorhersagen und dergleichen verwendet, um die vorhergesagte zukünftige Energieeffizienz zu justieren.
Die verschiedenen Eingaben werden bei 102 verhandelt, um eine Reichweitenrohschätzung 104 zu berechnen. Die Verhandlung betrachtet die vorhergesagten zukünftigen Fahrmuster 68, die mittlere Effizienz der vorhergesagten zukünftigen Fahrmuster 74, die mittlere Effizienz des aktuellen Fahrmusters 100, eine geschätzte Distanz der vorhergesagten Fahrzone, des vorhergesagten Fahrpfads oder der vorhergesagten Fahrroute 106 und die für das Fahrzeug verfügbare verbleibende Energie 108.
Der Reichweitenrohschätzwert 104 kann bei 110 für verschiedene Fahrstile 112 modifiziert werden. Der Fahrstil 112 wird während der Sequenz 76 bestimmt. Die verarbeiteten Informationen 82 werden an eine Musterparameterextraktionsfunktion 114 geliefert, die Musterparameter liefert, um den Fahrstil bei 116 auf der Basis der aktuellen Fahrzeugfahrdaten zu bestimmen.
Eine Filterung der Reichweite erfolgt bei 118. Die Filterung wirkt dahingehend, eine Hysterese in der Reichweite zu entfernen, und liefert eine geglättete Kraftstoffökonomiezahl und verbessert die Benutzerwahrnehmung. Die finale geschätzte Restreichweite oder Reichweite kann dann bei 120 über einen Schirm, eine Mensch-Maschine-Schnittstelle (HMI – Human-Machine Interface), eine Anzeige oder dergleichen dem Benutzer geliefert werden.
Nunmehr unter Bezugnahme auf 5 wird ein bordexternes Verfahren zum Berechnen einer Kraftstoffökonomietabelle 50 geliefert. Der Schritt 50 berechnet und speichert die mittlere Fahrzeugenergieeffizienz für jedes Fahrmuster durch Durchführen einer Modellsimulation oder durch Vornehmen eines tatsächlichen Fahrzeugtests. Beispielsweise kann die Fahrzeugenergieeffizienz für Muster_k (Pattern_k) erhalten werden durch entweder: Eff_k = Sim_FE(Modell, Muster_k) oder Eff_k = TEST_FE(Fahrzeug, Muster_k). Die Einheiten der "Fahrzeugenergieeffizienz" können als "Distanz/Volumen" gewählt werden, da man normalerweise "MPG" oder "MPkWh" verwendet, um die Fahrzeugenergieeffizienz anzugeben.
Der Schritt 50 läuft zyklisch durch den Bereich potentieller Fahrmuster während der Test- oder Simulationenphase bei 122, um für jedes Muster eine Effizienz zu berechnen. Dann wird bei 124 eine Tabelle oder Korrelation geliefert, die die potentiellen Fahrzeugfahrmuster und eine assoziierte Energieeffizienz für jedes enthält.
Die obigen Simulationen oder Fahrzeugtests 50 können gesteigert werden, indem zusätzliche Faktoren wie etwa unterschiedliches Fahrzeuggewicht, Reifendruck usw. berücksichtigt werden. Diese Parameter können als zusätzliche Eingaben der Energieeffizienznachschlagetabellen verwendet werden. Beispielsweise kann eine noch präzisere Fahrzeugenergieeffizienz für das Fahrmuster Muster_k erhalten werden entweder durch: Eff_k = Sim_FE(Modell, Muster_k, Reifendruck, Fahrzeuggewicht, ...) oder Eff_k = TEST_FE(Fahrzeug, Muster_k, Reifendruck, Fahrzeuggewicht, ...).
Die oben für die Tabelle 124 generierten Energieeffizienzzahlen werden für die bordeigene Restreichweitenberechnung benötigt. Die mittlere Fahrzeugenergieeffizienz sollte konsistent sein, wenn sie in dem gleichen Fahrmuster simuliert wird, sie variiert aber mit unterschiedlichen Fahrmustern, so dass die Restreichweitenvorhersage bei sich ändernden aktuellen und zukünftigen Fahrbedingungen aktualisiert werden kann, damit sie zu der Kundenwahrnehmung passt. Schritt 50 führt während 122 Zahlmuster (d.h. die Gesamtzahl an Fahrmustern) an Iterationen durch, und die Ergebnisse werden in der CAL-Tabelle 124 zur Verwendung an Bord gespeichert.
Die bei 62, 84 und 114 in 4 gezeigten Musterparameterextraktionsfunktionen stellen jeweils einen Prozess zum Sammeln verfügbarer Musterparameter oder zum Umwandeln verfügbarer Informationen in typische Fahrmusterparameter dar.
Die Funktion 62 extrahiert Musterparameter zum Vorhersagen zukünftiger Fahrmuster. Die Funktion 84 extrahiert Musterparameter zum Vorhersagen des aktuellen Fahrmusters. Die Funktion 114 extrahiert Musterparameter zum Vorhersagen eines aktuellen Fahrstils. Zu typischen Musterparametern zählen: Gesamtfahrdistanz, mittlere Geschwindigkeit, Höchstgeschwindigkeit, Standardabweichung (SA) der Beschleunigung, mittlere Beschleunigung, Höchstbeschleunigung, mittlere Verlangsamung, stärkste Verlangsamung, zeitlicher Prozentsatz innerhalb eines spezifizierten Geschwindigkeitsintervalls und zeitlicher Prozentsatz innerhalb eines spezifizierten Verlangsamungsintervalls. Es werden auch andere Parameter in Betracht gezogen.
Die Parameter beeinflussen die Kraftstoffnutzung und können zum Differenzieren zwischen Fahrmustern verwendet werden und können aus vielen Informationsquellen beobachtet, berechnet oder approximiert werden. Beispielsweise werden die meisten Musterparameter für die "aktuelle" Fahrbedingung aus dem an Bord durch den VSC 28 aufgezeichneten und zu dem gewünschten Format verarbeiteten jüngsten Geschwindigkeitsprofil extrahiert. Zusätzlich mit der Verfügbarkeit von Navigationssystemen können V2V/V2I-(Vehicle to Vehicle/Vehicle to Infrastructure – Fahrzeug zu Fahrzeug/Fahrzeug zu Infrastruktur) und Mobil-/andere Netzwerke und Verkehrsmodellierungs und zukünftige Informationen gesammelt und bei 62 zu typischen Musterparametern verarbeitet werden.
Die Schritte 70 und 92 schlagen die entsprechende mittlere Energieeffizienz für die vorhergesagten Fahrmuster beziehungsweise das aktuelle Fahrmuster nach.
Falls Beispielsweise Muster_k von 92 als das aktuelle Fahrmuster erkannt wird, kann die "mittlere Fahrzeugenergieeffizienz" von Muster_k nachgeschlagen werden als: Eff_Mittel_k = Mittel_Eff_Tabelle(Muster_k, Reifendruck, Fahrzeuggewicht, ...).
Falls analog die zukünftigen Muster erkannt werden als Muster_t, Muster_t+i, ..., Muster_t+Tend, schlägt Schritt 70 eine Menge von "mittleren Fahrzeugenergieeffizienz"-Zahlen nach, die den vorhergesagten Mustern entsprechen, wobei t die Zeit ist. T_end kann entweder das Ende einer Reise oder zukünftige Informationen sein oder kann sich auf einen Punkt im Verlaufe einer Reise beziehen.
Die Reichweiten- oder Restreichweitenverhandlung und -berechnung 102 ist in 6 ausführlicher dargestellt. Der Algorithmus bestimmt bei 130, ob vorhergesagte zukünftige Muster verfügbar sind. Falls keine vorhergesagten Muster verfügbar sind, geht der Algorithmus zu Schritt 132 und berechnet die Restreichweite unter Verwendung der aktuellen Fahrmusterenergieeffizienz und der dem Fahrzeug verfügbaren Energiemenge.
Ein Szenarium für Schritt 132 ist in 7 dargestellt. Falls keine zukünftigen Informationen verfügbar sind oder erfasst werden können, wird angenommen, dass die zukünftigen Fahrmuster die gleichen sind wie das "aktuelle Fahrmuster", das kontinuierlich aktualisiert wird, während der bordeigene Erkennungsalgorithmus die jüngsten Fahrdaten innerhalb eines sich bewegenden Fensters sammelt. Alternativ kann Schritt 132 ein anderes repräsentatives Muster annehmen, das aus historischen Daten eines individuellen Fahrers erforscht wird.
Nachdem das angenommene aktuelle Fahrmuster (z.B. Muster_k) bestimmt ist, berechnet Schritt 132 "Restreichweite" unter der Annahme, dass Muster_k konstant bleibt, bis das Fahrzeug keine Energie mehr hat, unter Verwendung von DTEt = (verbleibende Energie)·Eff_Mittel_k.
Falls vorhergesagte Muster verfügbar sind, geht der Algorithmus zu Schritt 134 zum Berechnen der für die vorhergesagte(n) Zone(n) benötigten Gesamtenergie unter Verwendung der erwarteten Distanz für jedes zukünftige Fahrmuster und der Energieeffizienz für dieses Muster, wie in 6 gezeigt. Nachdem bei 134 die benötigte vorhergesagte Gesamtenergie berechnet worden ist, berechnet der Algorithmus bei 136 die verbleibende Energiemenge. Die bei 136 verbleibende Energiemenge verwendet die Zeit bis leer oder die Zeit, in der alle dem Fahrzeug verfügbare Energie aufgebraucht worden ist, so dass die verbleibende Energie null beträgt oder einen anderen eingestellten Bodenwert.
Der Algorithmus 102 vergleicht dann die benötigte Energiemenge mit der bei 138 verbleibenden Energiemenge. Falls die verbleibende Energiemenge größer ist als die benötigte Energiemenge, geht der Algorithmus weiter zu Schritt 140. Falls die verbleibende Energiemenge kleiner ist als die benötigte Energiemenge, geht der Algorithmus weiter zu Schritt 142.
Ein Szenarium für Schritt 142 ist in 8 gezeigt. Die benötigte Gesamtenergie wird für die Distanz oder Länge der Vorhersagezone berechnet als:
wobei Muster_k das letzte Muster der Vorhersagezone ist. Die verfügbare Energiemenge oder die Zeit bis leer wird auch berechnet als:
und für dieses Szenarium liegt die Zeit bis leer T_leer vor T_Ende, der Zeit zum Ende der Vorhersagezone.
Die Restreichweite (DTE – Distance to Empty) wird dann durch den Algorithmus aufgelöst durch Integrieren der Distanzen der bekannten Muster von der aktuellen Zeit bis zu der Zeit bis leer als:
und diese Restreichweite kann an den Benutzer geliefert werden.
Ein Szenarium für Schritt 142 ist in 9 gezeigt. Hier wird das zukünftige Fahrmuster anhand bekannter zukünftiger Fahrinformationen vorhergesagt, und die bordeigene Energie (oder verbleibende Energie) ist größer als die benötigte Energie, so dass das Fahrzeug mit der Energie an Bord mehr als die gesamte Distanz der Vorhersagezone zurücklegen kann. Die Muster und die Energieeffizienzen werden innerhalb der in 9 gezeigten Vorhersagezone vorhergesagt. Das Fahrmuster jenseits der Vorhersagezone ist unbekannt, doch steht in diesem Szenarium dem Fahrzeug immer noch genug Energie zur Verfügung.
Der Algorithmus nimmt an, dass das Fahrmuster jenseits T_Ende das gleiche ist wie das "aktuelle Fahrmuster", um eine Restreichweite für das Fahrzeug zu berechnen. Falls beispielsweise angenommen werden kann, dass die unbekannte Zukunft Muster_k ist, wobei Eff_Mittel_k = Mittel_Eff_Tabelle (Muster_k, Reifendruck, Fahrzeuggewicht...), dann kann die Restreichweite für das Szenarium wie in 9 gezeigt berechnet werden als: DTE_t = DistanzVorhersageZone + (verbleibende Energie – Energievorhersage)·Eff_Mittel_k.
Alternativ kann Schritt 142 ein anderes, aus historischen Daten eines individuellen Fahrers erforschtes repräsentatives Muster annehmen.
Wieder unter Bezugnahme auf 4 justiert der Modifizierer 96 die mittlere Energieeffizienz des "aktuellen Fahrmusters" durch Berücksichtigen von "Zufallslasten" wie etwa die Verwendung von Heizung, Lüftung und Klimaanlage (HVAC – Heating, Ventilation and Air-Conditioning), die Verwendung eines Stereoradios oder eines anderen Hilfsgeräts, Wetter und andere Umgebungszustände.
Die Justierungen erfolgen durch eine Menge von Skalierungsfaktoren.
Beispielsweise erhöhen Hilfslasten den Energieverbrauch für ein gegebenes Fahrmuster. Die Auswirkung der Lasten hängt von dem Fahrzyklus ab, so dass durch Schätzen der Auswirkung der Lasten auf die Energie-/Kraftstoffnutzung für jedes der Fahrmuster die Auswirkung auf den Gesamtenergieverbrauch geschätzt werden kann. Die Energieauswirkung der Hilfslasten wie etwa über einen Riemen angetriebene Klimaanlage, elektrische Lasten usw. kann geschätzt werden. Bei einer gegebenen Menge von Betriebsbedingungen wie etwa Umgebungstemperatur, Feuchtigkeit, Sonnenlast usw. kann der Restreichweitenalgorithmus die wahrscheinlichen Hilfslasten statistisch schätzen und durch Verwenden von Nachschlagetabellen, die die Beziehungen zwischen Hilfslasten und Energieverbrauch enthalten, den Energieverbrauch entsprechend modifizieren. Es können zum Kalibrieren des Modifizierers 96 auch andere Faktoren verwendet werden, wie etwa die historischen Daten (z.B. Klimaanlage und/oder Tagfahrlichter) entnommenen Hilfslastpräferenzen eines individuellen Benutzers.
Der Modifizierer 110 kann auch einen individuellen Fahrstil 112 betrachten, der sich auf die Reichweitenschätzung für die Restreichweite auswirkt. Auf der Basis des Selbstlernergebnisses des Fahrstils in 116 kann im Modifizierer 110 ein Gewichtungsfaktor angewendet werden, um die Rohschätzung 104 zu justieren.
Die mittlere Effizienz sowohl der "vorhergesagten Muster" als auch des "aktuellen Fahrmusters" können durch 110 modifiziert werden, weil der Fahrstil eine Charakteristik des Benutzers ist.
Die Skalierungs- oder Gewichtungsfaktoren im Modifizierer 96 und 110 werden als Kalibrierungen gespeichert, die so abgestimmt werden, dass sie Fahrzeugtests und Modellsimulationen entsprechen.
Die Filterung 118 filtert die "Restreichweite" für die Displaykontinuität, um eine finale Reichweitenschätzung 120 zu liefern. Die Filterungsfunktion 118 glättet Diskontinuitäten des Restreichweitenmesswerts, wenn das Fahrzeug zwischen Straßentypen wechselt. Falls keine Musteränderung detektiert wird, bleibt die Filterung inaktiv.
Das Verfahren des Berechnens einer Restreichweite lässt sich auf alle Arten von Fahrzeugen anwenden, einschließlich Hybrid- und Batteriefahrzeuge. Das Verfahren führt eine Fahrzeugenergieeffizienz ein durch Berücksichtigen realer Fahrbedingungen und Fahrerstile anhand historischer und vorhergesagter Fahrdaten.
Verschiedene Eingabevariablen für die bordeigene Berechnung der Restreichweite können durch Fahrzeuganzeigen, eine bordeigene Diagnoseschnittstelle, Sensoren und dergleichen zugänglich sein und Folgendes beinhalten: verbleibende Energie, zurückgelegte Distanz und mittlere Energieeffizienz für das Fahrzeug. Ein Messwert liefert die Restreichweite an einen Benutzer.
Es sei auch angemerkt, dass einige Eingaben für den Algorithmus wie in 4 gezeigt leicht zu messen sind oder bereits für die Verwendung durch den VSC 28 im Fahrzeug existieren. Beispielsweise kann "zurückgelegte Distanz" berechnet werden, indem der letzte Distanzmesswert genommen und die inkrementale Distanz (berechnet durch Multiplizieren der aktuellen Geschwindigkeit mit dem Zeitintervall zwischen Ablesungen) addiert wird. "Verbleibende Energie" kann von dem Batteriemodul oder der Kraftstoffanzeige gemeldet werden. Im Fall von mehreren Energiequellen kann der VSC 28 die gesamte "Äquivalenzenergie" für den Restreichweitenalgorithmus berechnen.
Die Verfahren und Algorithmen sind unabhängig von irgendeiner bestimmten Programmiersprache, Betriebssystemprozessor oder einer Schaltungsanordnung, die verwendet werden, um die dargestellte Steuerlogik zu entwickeln und/oder zu implementieren. Je nach der jeweiligen Programmiersprache und Verarbeitungsstrategie können gleichermaßen verschiedene Funktionen in der dargestellten Sequenz im Wesentlichen zur gleichen Zeit oder in einer anderen Sequenz durchgeführt werden. Die gezeigten Funktionen können modifiziert werden oder in einigen Fällen entfallen, ohne von dem Gedanken oder Schutzbereich der vorliegenden Erfindung abzuweichen.
Wenngleich oben Ausführungsbeispiele beschrieben sind, sollen diese Ausführungsformen nicht alle möglichen Formen der Erfindung beschreiben.
Vielmehr sind die in der Patentschrift verwendeten Wörter Wörter der Beschreibung anstatt der Beschränkung, und es versteht sich, dass verschiedene Änderungen vorgenommen werden können, ohne von dem Gedanken und Schutzbereich der Erfindung abzuweichen. Außerdem können die Merkmale von verschiedenen implementierenden Ausführungsformen kombiniert werden, um weitere Ausführungsformen der Erfindung auszubilden.
Bezugszeichenliste
Fig. 1

APPS: Fahrpedalpositionssensor
BPPS: Bremspedalpositionssensor
VSC: Fahrzeugsystemcontroller
TCM: Getriebesteuermodul
BCM: Batteriesteuermodul
BSCM: Bremssystemsteuermodul
O.W.C: Einwegekupplung
16: Verbrennungsmotor/Steuerung
26: Batterie/BCM
18: Generator
20: Elektromotor

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Nicht-Patentliteratur

Sierra Research, 30 'SCF Improvement – Cycle Development', Sierra Report Nr. SR2003-06-02 (2003) [0036]
Jungme Park, ZhiHang Chen, Leonidas Kiliaris, Ming Kuang, Abul Masrur, Anthony Phillips, Yi L. Murphey, 'Intelligent Vehicle Power Control based on Machine Learning of Optimal Control Parameters and Prediction of Road Type and Traffic Congestions', IEEE Transactions on Vehicular Technology, 17. Juli 2009, Band 58, Ausgabe 9 [0036]

Claims

Ein Verfahren zum Steuern eines Fahrzeugs, das Folgendes umfasst: Zuweisen eines vorhergesagten Fahrmusters einem vorhergesagten Pfad für das Fahrzeug, wobei das vorhergesagte Fahrmuster eine assoziierte vorhergesagte Energieeffizienz aufweist, und Liefern einer Reichweite für das Fahrzeug unter Verwendung der vorhergesagten Energieeffizienz und einer dem Fahrzeug verfügbaren Energiemenge.
Verfahren nach Anspruch 1, wobei der vorhergesagte Pfad und das vorhergesagte Fahrmuster auf zukünftigen Routeninformationen basieren.
Verfahren nach Anspruch 1, wobei die Reichweite berechnet wird, um eine Restreichweite für das Fahrzeug zu liefern, wenn das Fahrzeug unzureichend Energie aufweist, um ein Ende des vorhergesagten Pfads zu erreichen.
Verfahren nach Anspruch 1, weiterhin umfassend das Detektieren eines gegenwärtigen Fahrmusters für das Fahrzeug, wobei das gegenwärtige Fahrmuster eine assoziierte gegenwärtige Energieeffizienz aufweist, wobei die gegenwärtige Energieeffizienz beim Berechnen der Reichweite verwendet wird.
Verfahren nach Anspruch 4, weiterhin umfassend das Zuweisen des gegenwärtigen Fahrmusters dem vorhergesagten Fahrmuster, falls der vorhergesagte Pfad unbekannt ist.
Verfahren nach Anspruch 4, wobei die Reichweite unter Verwendung der aktuellen Energieeffizienz nach dem vorhergesagten Pfad berechnet wird, um eine Restreichweite zu liefern, falls ausreichend Energie vorliegt, damit das Fahrzeug ein Ende des vorhergesagten Pfads erreicht.
Verfahren nach Anspruch 4, weiterhin umfassend das Bestimmen des gegenwärtigen Fahrmusters unter Verwendung eines Fahrmusteridentifikationsverfahrens mit einer gegenwärtigen Fahrbedingung.
Verfahren nach Anspruch 1, weiterhin umfassend das Anzeigen der Reichweite einem Benutzer des Fahrzeugs.
Verfahren nach Anspruch 1, weiterhin umfassend das Bestimmen des vorhergesagten Fahrmusters unter Verwendung eines Fahrmusteridentifikationsverfahrens.
Verfahren nach Anspruch 9, wobei das Fahrmusteridentifikationsverfahren eine vorhergesagte Reisebedingung verwendet.