用于控制车辆的方法

摘要

本发明提供一种用于控制车辆的方法，所述方法包括：为车辆的预测路径分配预测驾驶模式；使用预测能量效率和车辆可用能量的量提供车辆可行驶里程。所述预测驾驶模式具有相关的预测能量效率。车辆包括通过变速箱连接到车辆的车轮的推进装置及电连接到推进装置的控制器。控制器被配置成：(i)为车辆的预测路径分配预测驾驶模式，所述预测驾驶模式具有预测能量效率；(ii)使用预测能量效率和车辆可用能量的量提供车辆可行驶里程。

权利要求

1.一种用于控制车辆的方法，所述方法包括：

为车辆的预测路径分配来自一组预定驾驶模式中的预测驾驶模式，所述预测驾驶模式具有相关的预测能量效率并使用利用机器学习实现的驾驶模式识别方法来确定；

使用预测能量效率和车辆可用能量的量提供车辆可行驶里程，

其中，为预测路径的一部分分配预测驾驶模式，所述方法还包括：

与所述预测驾驶模式相继地为预测路径的另一部分分配另一预测驾驶模式，所述另一预测驾驶模式具有另一相关的预测能量效率，其中，使用预测能量效率和预测路径的所述一部分、所述另一预测驾驶模式和预测路径的所述另一部分以及车辆可用能量的量，来提供车辆的可行驶里程。

2.根据权利要求1所述的方法，所述方法还包括：

检测当前驾驶模式，所述当前驾驶模式来自所述一组预定驾驶模式中，所述当前驾驶模式具有相关的当前能量效率；

当预测路径未知时，为预测驾驶模式分配当前驾驶模式；

在预测路径之后，为假设的驾驶模式分配当前驾驶模式，

其中，当前能量效率用于提供可行驶里程。

3.根据权利要求2所述的方法，其中，当车辆的能量足以到达预测路径的终点时，使用预测路径的预测能量效率和在预测路径之后的当前能量效率，来提供可行驶里程，以提供剩余能量可行驶距离。

4.根据权利要求2所述的方法，其中，在车辆在预测路径上行驶之前检测当前驾驶模式。

5.根据权利要求2所述的方法，其中，使用预测能量效率和预测路径的所述一部分、所述另一预测驾驶模式和预测路径的所述另一部分、车辆可用能量的量以及在预测路径之后的当前能量效率，来提供车辆的可行驶里程，以提供剩余能量可行驶距离。

6.根据权利要求5所述的方法，其中，(i)当车辆的能量足以行驶超过预测路径的终点时，根据预测路径与在预测路径之后的剩余能量与当前能量效率的乘积之和来提供可行驶里程；(ii)当车辆的能量不足以行驶超过预测路径的终点时，根据预测路径的部分从当前时间到剩余能量可行驶时间的积分来提供可行驶里程；(iii)当预测驾驶模式未知时，根据当前能量效率和车辆可用能量的量来提供可行驶里程。

7.根据权利要求1所述的方法，所述方法还包括：

基于预测驾驶模式、相关的预测能量效率、估计的预测路径的距离和车辆可用能量的量之间的仲裁，来提供可行驶里程；

基于车辆随机负载因子来调节可行驶里程，所述车辆随机负载因子包括周围条件和正在使用的车辆附件中的至少一个；

基于使用当前车辆驾驶数据确定的用户的驾驶风格来调节可行驶里程。

8.根据权利要求1所述的方法，所述方法还包括：使用预先加载的数据库作为驾驶模式和对应的能量效率的参考，所述数据库包含利用机器学习确定的针对车辆的操作状态的所述一组预定驾驶模式。

9.根据权利要求1所述的方法，所述方法还包括：提取模式参数以分配预测驾驶模式，所述模式参数是总的行驶距离、平均车速、最大车速、车辆加速度的标准偏差、车辆平均加速度、车辆最大加速度、车辆平均减速度、车辆最大减速度、在特定速度的时间间隔内的时间百分比以及在特定减速度的时间间隔内的时间百分比。

说明书

用于控制车辆的方法

技术领域

[0001] 本公开涉及一种用于车辆的确定或估计车辆可行驶里程的控制方法。

背景技术

[0002] 车辆以化学燃料、电功率等形式包含允许车辆行驶特定距离的特定量的能量，并且可能需要给车辆周期性地补充能量。车辆使用车载能量可行驶的距离称为车辆可行驶里程。预计的车辆可行驶里程为用户安排行程、最小化驾驶成本、评估车辆性能及进行维修保养提供信息。机动车辆中的剩余能量可行驶的里程通常称为剩余能量可行驶距离(DTE)，DTE与车辆的能量转换效率相关。

[0003] 可以为任何类型的车辆(包括传统车辆、电动车辆、混合动力车辆、插电式混合动力车辆、燃料电池车辆、气动车辆等)设置DTE或车辆可行驶里程。

发明内容

[0004] 在一个实施例中，一种用于控制车辆的方法为车辆的预测路径分配预测驾驶模式。所述预测驾驶模式具有相关的预测能量效率。所述方法还使用预测能量效率和车辆可用能量的量提供车辆可行驶里程。

[0005] 在另一实施例中，一种用于控制车辆的方法使用与车辆的驾驶模式对应的能量效率和车辆可用能量的量提供车辆可行驶里程。使用驾驶模式识别方法来确定驾驶模式。

[0006] 在另一实施例中，驾驶模式识别方法使用预测的行程状况，预测的行程状况是来自导航系统的关于行程的地理信息。

[0007] 预测的行程状况可以是交通数据。

[0008] 可使用电子水平仪确定预测驾驶模式。

[0009] 所述方法还可包括：使用数据库作为驾驶模式和对应的能量效率的参考，所述数据库包含针对车辆的操作状态的可能的驾驶模式。

[0010] 所述方法还可包括：当驾驶模式改变时，对可行驶里程进行滤波。

[0011] 所述方法还可包括：如果存在附件负载，则使用比例因子调节可行驶里程。

[0012] 所述方法还可包括：如果存在预定的周围条件，则使用比例因子调节可行驶里程。

[0013] 在另一实施例中，车辆设置有通过变速箱连接到车辆的车轮的推进装置及电连接到推进装置的控制器。控制器被配置成：(i)为车辆的预测路径分配预测驾驶模式，所述预测驾驶模式具有预测能量效率；(ii)使用预测能量效率和车辆可用能量的量提供车辆可行驶里程。

附图说明

[0014] 图1是能够体现本发明的混合动力电动车辆的动力系的示意性表示；

[0015] 图2是在图1中示出的动力系的部件的功率流动路径的图示；

[0016] 图3是用于估计车辆可行驶里程的方法的总体示意图；

[0017] 图4A和图4B是用于估计车辆可行驶里程的方法的示意图；

[0018] 图5是用于提供能量效率的方法的示意图；

[0019] 图6是计算剩余能量可行驶距离的方法的示意图；

[0020] 图7是当未来驾驶信息未知时对车辆可行驶里程估计的曲线图；

[0021] 图8是当未来驾驶信息已知时对车辆可行驶里程估计的曲线图；

[0022] 图9是当未来驾驶信息已知时对车辆可行驶里程估计的另一曲线图。

具体实施方式

[0023] 根据需要，在此公开本发明的详细实施例；然而，应该理解的是，公开的实施例仅仅是可以以各种和可选的形式实施的本发明的示例。附图未必按比例绘制；可夸大或最小化一些特征，以示出具体部件的细节。因此，在此公开的具体结构和功能性细节不应该被解释为限制，而仅仅被解释为用于教导本领域的技术人员以多种方式使用本发明的代表性基础。

[0024] 因为车辆可行驶里程的预计与未来的驾驶不确定性或未预料到的环境状况相关联，所以可能难以提供精确的车辆DTE。为了计算车辆的理论DTE，需要知道未来的车辆循环(速度曲线和道路状况)，这是因为车辆能量转换效率动态地取决于受驾驶循环控制的操作状况。虽然期望获得计划的车辆行程的精确的速度曲线和道路状况，但是这种期望是难以实现的，所以需要利用模式预测方法来估计可行驶里程，以提供车辆DTE。

[0025] 混合动力电动车辆(HEV)结构用在附图中并用于描述下面的各个实施例；然而，各个实施例可被考虑用于具有其他推进装置或如本领域所公知的推进装置的组合的车辆。混合动力电动车辆(HEV)通常由电池驱动的电动机、发动机或者它们的组合来提供动力。一些HEV具有插电式特征，该插电式特征允许电池连接到外部电源以进行再充电，这些HEV被称为插电式HEV(PHEV)。HEV和PHEV中的纯电动模式(EV模式)允许车辆仅使用电动机而不使用发动机进行操作。以EV模式进行操作可通过提供更低的噪声及更好的车辆操控性(例如，更平稳的电操作，更低的噪声、振动及振感(NVH)，更快的车辆响应)来提高乘坐舒适性。以EV模式进行操作还由于在该操作期间车辆零排放而对环境有益。

[0026] 车辆可具有两个或多个推进装置，例如，第一推进装置和第二推进装置。例如，车辆可具有发动机和电动机，可具有燃料电池和电动机，或者可具有如本领域所公知的推进装置的其他组合。发动机可以是压燃式内燃发动机或火花点火式内燃发动机，或者可以是外燃式发动机，且可考虑使用各种燃料。在一个示例中，车辆是混合动力电动车辆(HEV)，例如，在插电式混合动力电动车辆(PHEV)中，该车辆还可具有连接到外部电网的能力。

[0027] 插电式混合动力电动车辆(PHEV)涉及现有的混合动力电动车辆(HEV)技术的扩展，在现有的HEV技术中，内燃发动机通过电池组及至少一个电机进行补充，以进一步获得增加的里程和减少的车辆排放。PHEV使用容量比标准的混合动力车辆的电池组的容量大的电池组，PHEV添加了通过电网(电网将能量供应到充电站的电出口)给电池再充电的能力。这进一步提高了整个车辆系统在电驱动模式及碳氢化合物/电混合驱动模式下的操作效率。

[0028] 传统HEV缓冲燃料能量并以电的形式回收动能，以实现整个车辆系统的操作效率。碳氢化合物燃料是主要的能量源。对于PHEV来说，另外的能量源是在每个电池充电事件之后通过电网储存在电池中的电能的量。

[0029] 虽然大多数传统HEV操作以使电池荷电状态(SOC)大致保持在恒定的水平，但是PHEV在下一次电池充电事件之前尽可能多地使用预先储存的电池电能(电网能量)。期望在每次充电之后将成本相对低的电网提供的电能完全用于推进和其他车辆功能。在电量耗尽事件期间，在电池SOC降低到低的保守水平之后，PHEV以所谓的电量保持模式恢复与传统HEV一样的操作，直到电池被再充电为止。

[0030] 图1示出了HEV 10的动力系的构造和控制系统。功率分流式混合动力电动车辆10可以是并联式混合动力电动车辆。所示出的HEV的构造仅仅是为了示例的目的，并不意在成为限制，这是因为本公开适用于包括HEV和PHEV的具有任何合适构架的车辆。

[0031] 在这种动力系构造中，存在连接到传动系的两个动力源12、14：12是利用行星齿轮组彼此连接的发动机和发电机子系统的组合；14为电驱动系统(电动机、发电机、电池子系统)。电池子系统是用于发电机和电动机的能量储存系统。

[0032] 改变发电机转速将改变发动机输出功率在电路径和机械路径之间的分流。另外，对发动机转速的控制导致发电机扭矩反作用于发动机输出扭矩。正是该发电机反作用扭矩将发动机输出扭矩传递到行星齿轮组22的齿圈，并最终传递到车轮24。这种操作模式被称为“正向分流”。应注意的是，由于行星齿轮组22的运动学特性，导致发电机18可能沿着与发电机18的扭矩反作用于发动机输出扭矩的方向相同的方向旋转。在这种情况下，发电机18(与发动机一样)将动力输入到行星齿轮组，以驱动车辆10。这种操作模式被称为“反向分流”。

[0033] 就正向分流模式而言，通过在反向分流期间对发电机转速控制而产生的发电机扭矩反作用于发动机输出扭矩，并将发动机输出扭矩传递到车轮24。发电机18、电动机20及行星齿轮组22的这种组合类似于电子机械式CVT。当发电机制动器(在图1中示出)被致动时(并联模式操作)，行星齿轮组22的太阳轮被锁止而不旋转，发电机制动扭矩作为反作用扭矩提供给发动机输出扭矩。在这种操作模式下，发动机输出功率全部通过机械路径以固定的传动比被传递到传动系。

[0034] 与传统车辆不同的是，在具有功率分流式动力系统的车辆10中，发动机16需要通过对发动机转速控制而产生的发电机扭矩或者发电机制动扭矩，以将发动机16的输出功率通过电路径和机械路径两者(分流模式)或者完全通过机械路径(并联模式)传递到传动系，用于使车辆10向前运动。

[0035] 在使用第二动力源14进行操作的过程中，电动机20从电池26获得电能，并独立于发动机16提供推进力，用于使车辆10向前运动和反向运动。这种操作模式被称为“电驱动”或者纯电动模式或者EV模式。另外，发电机18可从电池26获得电能，并可依靠耦合在发动机输出轴上的单向离合器而驱动，以推动车辆10前进。发电机18可仅在必要时推动车辆10前进。这种操作模式被称为发电机驱动模式。

[0036] 与传统的动力系统不同的是，这种功率分流式动力系统的操作将两个动力源12、14结合在一起无缝地工作，从而在不超过系统的限制(例如，电池限制)的情况下满足驾驶员的需求，同时优化整个动力系统的效率和性能。需要在这两个动力源之间进行协调控制。
如图1所示，在这种功率分流式动力系统中存在执行协调控制的分级式车辆系统控制器(VSC)28。在动力系的正常状态(子系统/部件无故障)下，VSC解译驾驶员的需求(例如，PRND及加速或减速需求)，然后基于驾驶员需求和动力系限制确定车轮扭矩命令。另外，VSC 28确定每个动力源需要在何时提供扭矩以及需要提供多大的扭矩，以满足驾驶员的扭矩需求并达到发动机的操作点(扭矩和转速)。

[0037] 另外，在PHEV车辆10的构造中，可使用插座32给电池26再充电(以虚线示出)，插座32连接到电网或其他外部电源，并且可能通过电池充电器/转换器30连接到电池26。

[0038] 车辆10可以以纯电动模式(EV模式)操作，在EV模式下，电池26将全部电能提供给电动机20，以操作车辆10。除了节省燃料的益处之外，以EV模式操作还可通过更低的噪声和更好的操控性(例如，更平稳的电操作，更低的噪声、振动及振感(NVH)，更快的响应)来提高乘坐舒适性。以EV模式操作还由于在该模式期间车辆零排放而对环境有益。

[0039] 一种用于车辆10的方法使用通过驾驶模式识别方法进行的模式预测及非车载仿真(或车辆测试)来提供车辆DTE估计。驾驶模式识别方法使用这样的算法，该算法检测实际驾驶状况，并将实际驾驶状况识别为一组标准驾驶模式(包括例如，城市、高速公路、市区、交通运输、低排放等)中的一种。在一个实施例中，该算法基于使用神经网络的机器学习。在其他实施例中，该算法基于支持向量机、模糊逻辑等。

[0040] 关于驾驶模式识别方法，已知的是，燃料效率与个人的驾驶风格、道路类型及交通拥堵水平相关联。已经开发了被称为设施-专用循环(facility-specific cycle)的一组标准驾驶模式，以表示乘用车和轻型卡车在市区中宽范围的设施和拥堵水平下的操作。(例如，参见Sierra研究，30‘SCF改良-循环开发’，第SR2003-06-02号Sierra报告(2003)。)在这些标准驾驶模式下同样也获取驾驶风格。例如，对于相同的道路类型和交通水平，不同的驾驶员可导致不同的驾驶模式。已经开发了一种自动检测实际驾驶状况和驾驶风格并将其识别为标准模式中的一种模式的在线驾驶模式识别方法。(例如，参见Jungme Park，ZhiHang Chen，Leonidas Kiliaris，Ming Kuang，Abul Masrur，Anthony Phillips，Yi L.Murphey发表的“基于优化控制参数的机器学习及道路类型和交通拥堵的预测的智能车辆动力控制”，IEEE车辆技术会议记录，2009年7月17日，第9期第58卷。)这种在线驾驶模式识别方法基于使用神经网络的机器学习，其精度已被仿真所证明。

[0041] 驾驶模式识别方法选择“驾驶模式”的顺序作为交通速度、道路状况和驾驶风格的最有效的高级表示，并作为为了进行DTE计算而计算平均能量效率的基础。通过对用于未来车辆路线、行程或路径的驾驶模式进行排序，可降低获得精确的未来速度曲线及道路状况的不确定性和成本。路径、行程或路线可由用户输入或指定，或者可使用电子水平仪来提供，电子水平仪基于车辆附近的道路、车辆的方向等计算路线概率。例如，如果车辆正在高速公路上行驶，则电子水平仪将使用高速公路路径和距下一个出口的距离作为未来预测信息，然后转到未知的、不可预测的未来。

[0042] 为了提供车辆DTE，VSC 28使用驾驶模式和驾驶风格识别方法及车辆仿真模型。驾驶模式和驾驶风格识别方法，例如在于2011年6月15日提交的名称为“用于优先化车辆纯电动(EV)操作的方法”的第13/160,907号同时待决的美国专利申请(该申请的公开通过引用被全部包含于此)中进行描述。驾驶风格和驾驶模式识别方法自动检测实际驾驶状况或驾驶激进性并将实际驾驶状况或驾驶激进性识别为标准模式或驾驶风格中的一种。

[0043] 高保真度的车辆仿真模型表示具有内置控制器的实际车辆。仿真可在由典型的驾驶循环表示的任何驾驶模式下计算车辆能量效率(对于燃料车辆而言：“MPG”/“每加仑英里数”，或者对于电动车辆而言：“MPkWh”/“每千瓦小时英里数”)。仿真结果通常与实际车辆的测试结果匹配或相关。

[0044] 图3示出了计算DTE或车辆可行驶里程的方法的简化示意图。考虑到预测的未来驾驶模式和当前驾驶模式两者，算法利用从三种主要途径提供的数据执行计算38，以估计或提供车辆DTE。预先进行“能量效率查找表”的非车载计算40，并将其作为查找表等载入到VSC 28中。可获得的任何未来信息在42处进行确定并用于车载计算44，以提供使用驾驶模式识别方法确定的“预测的未来驾驶模式”的平均能量效率。历史驾驶信息和当前驾驶信息在46处进行确定，并被提供给针对使用驾驶模式识别方法确定的“当前驾驶模式”的平均能量效率的车载计算48。

[0045] 图4A和图4B示出了估计并提供车辆DTE的方法的更加详细的示意图。离线测试或仿真50提供能量效率查找表52，能量效率查找表52提供驾驶模式及与每个驾驶模式相关联的能量效率。查找表离线地生成，然而，查找表也可考虑在车辆操作时或者在线地生成或更新。

[0046] 未来驾驶模式和能量效率通过顺序54(未示出)来确定。预测的速度、道路状况和/或交通信息56由导航系统、蜂窝网络和/或车辆-车辆网络58提供。可提供交通模型60，交通模型60将预测的交通方面的考虑另外提供给顺序54。预测的车速及其他道路和交通状况被提供给模式参数提取函数62，模式参数提取函数62进而将模式参数64提供给模式识别函数66。模式识别函数66提供用于顺序54的预测的未来驾驶模式68。

[0047] 能量效率计算70使用一个或多个预测的未来驾驶模式68、能量效率查找表52以及可获得的与车辆相关的任何数据72(这些数据涉及可影响能量效率的车辆重量、轮胎压力等)。然后，计算70提供预测模式的平均能量效率74。

[0048] 还提供顺序76(未示出)以确定当前驾驶模式和能量效率。VSC 28在78处使用各种车辆传感器，给CAN总线提供输入等，并在80处对这些输入进行信号处理，以提供已处理信息82(例如，车速、道路坡度等)。

[0049] 已处理信息82被提供给模式参数提取函数84，模式参数提取函数84进而将模式参数86提供给模式识别函数88。模式识别函数88提供用于顺序76的现在或当前的驾驶模式90。

[0050] 能量效率计算92使用当前驾驶模式90、能量效率查找表52以及可获得的与车辆相关的任何数据72(这些数据涉及可影响能量效率的车辆重量、轮胎压力等)。然后，计算92提供当前驾驶模式的平均能量效率94。

[0051] 随机负载调节器96使用当前模式的平均能量效率94和任意随机负载信息98，来提供当前模式的调节后的平均能量效率100。随机负载可以是天气状况、环境状态、周围条件和/或正在使用的车辆附件(例如，HVAC系统)。随机负载调节器还可使用天气预报等在顺序54(未示出)中呈现，以调节预测的未来能量效率。

[0052] 在102处对各种输入进行仲裁，以计算原始可行驶里程估计104。该仲裁考虑预测的未来驾驶模式68、预测的未来驾驶模式的平均能量效率74、当前驾驶模式的平均能量效率100、预测的驾驶区域、路径或路线的估计距离106以及车辆可用的剩余能量108。

[0053] 在110处，可以针对各种驾驶风格112对原始可行驶里程估计104进行调节。在顺序76期间确定驾驶风格112。已处理信息82被提供给模式参数提取函数114，模式参数提取函数114提供模式参数，以在116处基于当前车辆驾驶数据确定驾驶风格。

[0054] 在118处对可行驶里程进行滤波。该滤波用于去除可行驶里程中的滞后，并提供平滑的燃料经济性数值及提高用户感知。最终估计的DTE或可行驶里程随后可在120处通过屏幕、人机界面(HMI)、量表等提供给用户。

[0055] 现在参照图5，提供一种用于计算燃料经济性表的非车载方法50。步骤50通过执行模型仿真或运行实际的车辆测试来计算并存储每个驾驶模式的平均车辆能量效率。例如，驾驶模式PatternK的车辆能量效率可通过EffK＝SimFE(模型，PatternK)或者EffK＝TESTFE(车辆，PatternK)获得。“车辆能量效率”的单位可被选为“距离/容量”，这是因为人们通常使用“MPG”或“MPkWh”来指示车辆能量效率。

[0056] 在测试或仿真阶段期间，步骤50在122处在可能的驾驶模式的范围内循环，以计算每个模式的能量效率。然后在124处提供表或相关性，该表或相关性包括可能的车辆驾驶模式及与每个车辆驾驶模式相关的能量效率。

[0057] 上面的仿真或车辆测试50的次数可通过考虑另外的因素(例如，不同的车辆重量、轮胎压力等)而增加。这些参数可用作能量效率查找表的附加输入。例如，更加精确的驾驶模式PatternK的车辆能量效率可通过EffK＝SimFE(模型，PatternK，轮胎压力，车辆重量，……)或者EffK＝TESTFE(车辆，PatternK，轮胎压力，车辆重量，……)获得。

[0058] 在上面为表124生成的能量效率数是车载DTE计算所需要的。当在相同的驾驶模式下进行仿真时，平均车辆能量效率应当一致，但是平均车辆能量效率根据驾驶模式的不同而改变，从而当改变当前驾驶状况和未来驾驶状况时可更新DTE预测，以匹配消费者的感知。步骤50在122期间执行NumPattern(即，驾驶模式的总数)次迭代，迭代结果存储在将用于车载计算的CAL表124中。

[0059] 在图4A中以62、84和114示出的模式参数提取函数中的每个表示收集可用模式参数的过程，或者表示将可用信息转换成典型驾驶模式参数的过程。函数62提取用于预测未来驾驶模式的模式参数。函数84提取用于预测当前驾驶模式的模式参数。函数114提取用于预测当前驾驶风格的模式参数。典型的模式参数包括：总的行驶距离、平均速度、最大速度、加速度的标准偏差(SD)、平均加速度、最大加速度、平均减速度、最大减速度、在特定速度的时间间隔内的时间百分比、在特定减速度的时间间隔内的时间百分比。也可考虑其他参数。

[0060] 这些参数影响燃料使用并可用于区分驾驶模式，这些参数可通过多个信息源进行观测、计算或估计。例如，“当前”驾驶状况的大多数模式参数通过VSC 28从车载记录的最近的速度曲线提取，并被处理成期望的格式。另外，利用可用的导航系统、V2V/V2I(车辆-车辆/车辆-设施)、蜂窝/其他网络、交通模型，可收集未来信息，并可在62处将它们处理成典型的模式参数。

[0061] 步骤70和92分别查找预测驾驶模式的相应的平均能量效率和当前驾驶模式的相应的平均能量效率。例如，如果PatternK被92识别为当前驾驶模式，则PatternK的“平均车辆能量效率”可被查找为：Eff_AverageK＝Average_Eff_Table(PatternK，轮胎压力，车辆重量……)。

[0062] 类似地，如果未来驾驶模式被识别为Patternt，Patternt+i，……Patternt+Tend，则步骤70查找对应于预测模式的一组“平均车辆能量效率”数，其中，t是时间。Tend可以是行程或已知的未来信息的结束，或者可指的是行程的中途。

[0063] 在图6中更加详细地示出了可行驶里程或DTE的仲裁和计算102。算法在130处确定预测的未来模式是否可用。如果预测的模式不可用，则算法前进到步骤132，并使用当前驾驶模式能量效率及车辆可用能量的量计算DTE。

[0064] 步骤132的方案在图7中示出。如果没有未来信息可用或者可被获得，则假设未来驾驶模式与“当前驾驶模式”相同，“当前驾驶模式”随着车载识别算法收集运动窗口内的最近的驾驶数据而持续更新。可选地，步骤132可假设从驾驶员个人的历史数据探索出来的另一个代表性模式。一旦确定了假设的当前驾驶模式(例如，PatternK)，则步骤132便使用DTEt＝(剩余能量)*Eff_AverageK计算“剩余能量可行驶距离”(假设PatternK保持到车辆已经将能量耗尽为止)。

[0065] 如图6所示，如果预测的模式可用，则算法前进到步骤134，以使用每个未来驾驶模式的期望距离及该模式的能量效率计算预测区域所需要的总能量。一旦已经在134处计算出需要的总预测能量，则算法便在136处计算剩余能量的量。136处剩余能量的量使用剩余能量可行驶时间，或者车辆可用的所有能量都已经耗尽使得剩余能量为零或者另一设定的最低限值的时间。

[0066] 然后，算法102在138处将需要的能量的量与剩余能量的量进行比较。如果剩余能量的量大于需要的能量的量，则算法前进到步骤140。如果剩余能量的量小于需要的能量的量，则算法前进到步骤142。

[0067] 步骤142的方案在图8中示出。针对预测区域的距离或长度按下式计算需要的总能量：

[0068]

[0069] 其中，PatternK是预测区域的最后一个模式。还按下式计算可用能量的量或者剩余能量可行驶时间：

[0070]

[0071] 对于该方案，剩余能量可行驶时间Tempty出现在预测区域的结束时间Tend之前。

[0072] 然后，算法通过对已知模式的距离从当前时间到剩余能量可行驶时间进行积分来求解剩余能量可行驶距离(DTE)：

[0073]

[0074] 该DTE可被提供给用户。

[0075] 步骤140的方案在图9中示出。这里，未来驾驶模式从已知的未来驾驶信息预测得出，并且车载能量(或剩余能量)大于需要的能量，从而车辆利用车载能量可行驶的距离比预测区域的整个距离大。在图9所示的预测区域内预测驾驶模式和能量效率。预测区域之外的驾驶模式未知，然而，在该方案中，仍然存在车辆可用的能量。

[0076] 算法假设Tend之外的驾驶模式与“当前驾驶模式”相同，以计算车辆DTE。例如，如果未知的未来驾驶模式可被假设为PatternK(其中，Eff_AverageK＝Average_Eff_Table(PatternK，轮胎压力，车辆重量……))，则如图9所示的方案的DTE可按下式计算：

[0077] DTEt＝预测区域的距离+(剩余能量-预测能量)*Eff_AverageK。

[0078] 可选地，步骤142可假设从驾驶员个人的历史数据探索出来的另一代表性模式。

[0079] 回顾图4B，调节器96通过考虑“随机负载”(例如，加热、通风及空气调节(HVAC)系统的使用、立体声系统、其他附件的使用、天气、其他环境状态)来调节“当前驾驶模式”的平均能量效率。该调节通过一组比例因子进行。

[0080] 例如，附加负载增加了给定驾驶模式的能量消耗。负载的影响取决于驾驶循环，所以，通过估计负载对每个驾驶模式的能量/燃料使用的影响，可估计负载对总的能量消耗的影响。可估计附加负载(例如，带驱动式空调、电负载等)对能量的影响。给定一组操作状况(例如，环境温度、湿度、太阳负荷等)，DTE算法可统计地估计可能的附加负载，并可通过使用包含附加负载和能量消耗之间的关系的查找表来相应地调节能量消耗。其他因素(例如，从历史数据获得的用户个人对附加负载的偏好(例如，气候控制和/或日间行车灯))也可用于校正调节器96。

[0081] 调节器110还可考虑影响DTE的可行驶里程估计的个人驾驶风格112。在116中，基于驾驶风格的自学习结果，可将权重因子应用于调节器110，以调节原始估计104。因为驾驶风格是用户的特征，所以“预测模式”和“当前驾驶模式”的平均能量效率均可通过调节器110进行调节。

[0082] 调节器96和110中的比例因子或权重因子被存储为与车辆测试和模型仿真匹配的校准因子。

[0083] 滤波118为了显示连续性而对“剩余能量可行驶距离”进行滤波，以提供最终的可行驶里程估计120。滤波函数118消除当车辆在道路类型之间切换时读出的DTE的不连续性。如果没有检测到模式改变，则保持滤波不起作用。

[0084] 计算DTE的方法可适用于所有类型的车辆，包括混合动力电动车辆和电池电动车辆。该方法通过考虑实际驾驶状况及来自历史驾驶数据和预测驾驶数据的驾驶员风格来确定车辆能量效率。

[0085] 用于DTE的车载计算的各种输入变量可通过车辆量表、车载诊断界面、传感器等获得，并可包括剩余能量、已行驶距离、车辆的平均能量效率。读数器为用户提供DTE。

[0086] 还应该注意的是，用于如图4A和图4B所示的算法的一些输入容易测量或已经存在，以供车辆中的VSC 28使用。例如，“已行驶距离”可通过使用最后一个距离读数并增加增量距离(通过将当前速度与读数之间的时间间隔相乘来计算)来计算。“剩余能量”可通过电池模块或燃料表进行报告。就多个能量源而言，VSC 28可计算总的“等效能量”，以用于DTE算法。

[0087] 方法和算法与用于开发和/或实现示出的控制逻辑的任何特定的编程语言、操作系统处理器或者电路独立。同样地，根据特定的编程语言和处理策略，可在基本上相同的时间以示出的顺序执行各种功能或者可以以不同的顺序执行各种功能。在不脱离本发明的精神或范围的情况下，可修改示出的功能或者在一些情况下可省略示出的功能。

[0088] 虽然在上面描述了示例性实施例，但是这些实施例并非意在描述了本发明的所有可能的形式。相反，在说明书中使用的词语是描述性词语而非限制性词语，应该理解的是，在不脱离本发明的精神和范围的情况下，可进行各种改变。另外，可结合实现的各个实施例的特征，以形成本发明的进一步的实施例。