利用最佳速度曲线的路线导航

摘要

本发明涉及利用最佳速度曲线的路线导航。当穿过在第一位置与目的地之间的路段所整合的路线时，对车辆的能量消耗进行最佳化。速度曲线发生器至少部分地位于车辆外并利用车辆的能量消耗模型以及对应于该路径路线的道路等级数据以计算最佳的速度曲线。该速度曲线指明路线上的各位置的目标速度以利用最佳能量消耗穿过路线。速度曲线发生器比较在最大轨迹和最小轨迹之间的多个可行速度曲线轨迹的能量消耗，以确定最佳速度曲线。速度更新器响应于车辆的当前位置和最佳速度曲线，以启动当前位置的目标速度。

说明书

技术领域

本发明一般涉及用于控制运输车辆的速度以最佳化能量效率的方 法和装置，并且更具体地，涉及在确定的路线和相应的道路状况例如 道路等级的基础上基于云计算以限定最佳速度曲线。

背景技术

车辆制造商不断地努力以最小化用于驱动车辆（例如，使用于汽 油车辆的每单位汽油或用于电驱动车辆的单位电荷所驱动的距离最大 化）的能量消耗。影响效率的重要因素包括车辆被驱动的速度、驱动 路线的道路等级变化以及交通状况。自动速度控制（即，巡航控制） 系统通过降低加速车辆所消耗的时间量，能够对燃油经济产生有益影 响，尤其在高速公路行驶时。但是，与如果车速被允许变化从而利用 道路等级的变化以最佳化燃料消耗相比，在上坡和下坡道路等级时维 持单一速度设置会消耗更多的燃料。如果道路等级的未来变化是提前 已知的（例如，从基于GPS的地图和高级指路（routing）），则暂时 偏移能被引入在速度设置中，因此改善能量消耗。随着接近新的等级 拓扑，速度变化能够被确定并实施以降低穿过它的能量。然而，由于 其有限的范围或视野，用基于附近的等级变化改变车速的现有技术系 统实现有限的效率提高。

发明内容

在一些实施例中，本发明提供了一种速度控制系统，其利用驾驶 员的信息（例如，目的地和所选路线）以及从车载和车外数据库（例 如，地理和交通数据）的可用的其它可用信息资源来提供汽车前方的 路径的电子视野或预观和最佳化速度曲线，从而降低路线上的能量消 耗。可访问外部信息资源例如V2V、智能交通系统（ITS）以及公共 互联网网站以获得所需信息（例如，实时交通）。由于高的计算负荷， 车外计算资源被用于将数据应用至汽车能量消耗的预测模型。结合所 有的这些可用信息源以及有关驾驶员的目的地和优选行程时间的信 息，创建在本位置和目的地之间导致最佳燃料效率的推荐车速曲线。 路线选择可基于评估用于不同的可能路线的燃料消耗。

本发明利用动态编程计算最佳车辆速度曲线，所述动态编程通过 考虑沿着应用于车辆燃料消耗模型的路径的关于道路（例如，道路等 级）的当地交通量、速度以及各种特征的确定性信息确定预限定路径 上的最佳车辆速度曲线。由于动态编程是计算密集型的，其超出可用 在车载车辆上的计算能力。本发明无线地利用可用资源（例如，通过 互联网）并将结果下载至车辆，用于速度控制系统。最佳速度曲线提 高燃料经济性，其远超过目标在于恒速的传统速度控制系统可用的燃 料经济性。

在本发明的一个方面中，用于最佳化车辆能量消耗的系统包括用 于将路段整合为从第一位置至目的地的路线的路线计算器。速度曲线 发生器至少部分地位于车辆外并利用车辆的能量消耗模型以及对应于 该路线的道路等级数据来计算最佳速度曲线。该速度曲线指明路线上 各位置的目标速度以利用最佳能量消耗穿过路线。速度曲线发生器比 较最大轨迹和最小轨迹之间的多个可行速度曲线轨迹的能量消耗，从 而确定最佳速度曲线。速度更新器响应于车辆的当前位置和最佳速度 曲线，以启动用于当前位置的目标速度。

在另一个实施例中，用于最佳化车辆的能量消耗的方法包括：将 路段整合为从第一位置至目的地的路线；评估车辆的能量消耗模型以 及对应于该路线的道路等级数据以计算最佳速度曲线，其指明路线上 用于各位置的目标速度从而利用最佳化能量消耗穿过路线，其中针对 最大轨迹和最小轨迹之间的多个可行速度曲线轨迹比较能量消耗，从 而确定最佳速度曲线；以及响应于车辆的当前位置和最佳速度曲线启 动目标速度。

在另一个实施例中，所述方法进一步包括以下步骤：确定由驾驶 员导致的目标速度的接受率；以及如果所确定的接受率低于阈值，则 利用被选定以提高接受率的修改的最大和最小轨迹重新计算最佳速度 曲线。

在另一个实施例中，根据如下公式依次确定用于每个依次的目标 速度k的接受率R(k)：

R(k)=(1-α)R(k-1)+α  　如果v_min<v(k)<v_max，且

R(k)=(1-α)R(k-1)  如果v(k)<v_min或v(k)＞v_max

其中α为常数遗忘因子，0＜α≤1，且v_min和v_max限定目标速度 周围的接受区域。

在另一个实施例中，最大轨迹响应于对应路段的法定速度限制被 确定。

在另一个实施例中，最小轨迹响应于沿着路段的交通控制站被确 定。

在另一个实施例中，评估能量消耗模型的步骤在远程服务器上车 辆外被执行，且其中车辆与远程服务器无线通信，以接收最佳速度曲 线。

在另一个实施例中，所述方法进一步包括以下步骤：监测能量消 耗以利用最佳速度曲线产生由车辆产生的能量使用数据；将能量使用 数据无线地发送至远程服务器；并响应于能量使用数据改善能量消耗 模型。

在另一个实施例中，所述方法进一步包括驾驶员手动输入目的地 的步骤。

在另一个实施例中，所述方法进一步包括以下步骤：跟踪车辆的 当前位置；以及将车辆的当前路径与车辆经常穿过的多个存储路线进 行比较以选择当前路线。

在另一个实施例中，响应于评估针在第一位置和目的地之间的多 个可能路线计算的最佳能量消耗，选择被整合为路线的路段。

在另一个实施例中，能量消耗模型进一步响应于选自于交通密 度、天气状况、路面状况、高度、变速器换档计划以及变矩器操作的 组的路线状况，计算最佳速度曲线。

在另一个实施例中，最佳速度曲线进一步指明变速器设置。

在另一个实施例中，最佳速度曲线进一步指明悬挂设置。

在另一个实施例中，整合该路线包括基于车辆位置历史、一天内 的时间以及驾驶状况确定多个经常行驶路线，其中针对该经常行驶路 线计算多个最佳速度曲线，且其中所述方法进一步包括在相应的一天 内的时间和驾驶状况下沿经常行驶路线之一检测车辆行驶并选择相应 的最佳速度曲线以确定目标速度的步骤。

在另一个实施例中，本文提供了一种方法。该方法包括：将路段 整合为车辆路线；根据道路等级评估在路线上行驶的能量消耗，以计 算路线上的各位置的目标速度，其中比较最大轨迹和最小轨迹之间的 多个可行速度曲线轨迹的能量消耗；以及启动车辆的当前位置的目标 速度。

附图说明

图1是示出相比变化的道路等级的速度曲线的绘图，其中速度曲 线产生比恒定速度更好的燃料经济性。

图2示出用于向驾驶员提供建议的速度曲线信息的人机界面的显 示器。

图3是示出本发明的一个优选实施例的框图。

图4是示出包含可行的速度曲线的空间的图形绘图。

图5是示出用于比较的几种潜在的速度曲线的图形绘图部分。

图6是示出用于包括沿路线的预期交通站的速度曲线的上下限的 图形绘图。

图7示出了在本发明中评估的能量消耗模型和成本函数。

图8是最佳速度曲线的图形绘图。

图9是示出用于实施本发明的车载和车外资源的框图。

图10是示出更详细的最佳化控制器的框图。

图11是示出由驾驶员实施的最佳速度曲线与实际速度以及用于 确定驾驶员是否跟随建议的曲线的接受区的图形绘图。

图12是用于当当前曲线被驾驶员拒绝时更新速度曲线的方法的 流程图。

图13是示出修订的速度曲线以提高驾驶员接受率的图形绘图。

图14是示出本发明的优选方法的流程图。

具体实施方式

本发明是采用基于云的资源以寻找导致提高的现实世界中的燃油 经济性的最佳速度曲线的最佳燃料经济通知器。本发明使用各种类型 的可用信息（包括路线数据、道路等级、交通以及动态编程（DP）过 程中的车辆信息或任何其它确定的最佳化技术）以寻找最佳化燃油经 济性的速度曲线。精确的建议目标速度值通过用于在适应性巡航控制 内直接实施或通过平视显示器、触觉反馈或其他可感知的方法向驾驶 员提供建议速度的实施方式被提供。覆盖至当前目的地的整个路线的 速度曲线被同时考虑，从而实现最好的平均燃料经济性。

图1示出表示变化的道路等级的曲线10，其在进入陡峭的上坡 等级部分12之前具有相对平坦（0%等级）部分11。随后，等级下降 至更缓的下坡坡度，然后最后在部分13上坡。如果其遵循速度曲线 14，可以较低的能量消耗（当相比随后的恒定速度）由车辆穿过道路 等级。车辆最初在部分15遵循稳定速度。在到达增加的等级部分12 之前，当在段16的水平道路等级时速度曲线14增加，使得以更快的 速度进入更陡峭道路等级。虽然穿过增加等级的段，但是车辆速度曲 线沿段17逐渐降低，从而消耗更少的整体能量以驱动车辆。

现有系统是已知的，其基于车辆的当前位置检测未来的道路等级， 但其只考虑有限距离或特定的未来的等级特征。因此，已经不可能找 到最佳的可能减少的能量消耗。通过在整个路程上考虑至目的地的道 路等级并且通过包括影响燃料经济性的许多其他参数，本发明实现了 显著更好的燃料节省。

图2描绘速度表20，其可包括用于向驾驶员显示实际车速的模 拟量21和/或数字量22。在本发明的一些实施例中，建议的目标速度 可被显示给驾驶员，使得驾驶员可手动调整速度以匹配。经济速度显 示器23通过数字描述建议的目标速度的幅度。可替代地，或与数字显 示器结合，速度调整显示器24可被提供用于点亮相应图标，以指示何 时建议增加或降低速度。显示器23和24可被包括在车辆仪表盘上或 可优选地利用平视显示器（HUD）显示给驾驶员。用于向驾驶员展示 目标速度或相对速度变化的人机界面（HMI）还可包括其他触觉或触 知装置，例如，如本领域中已知的振动式接触表面（例如，触觉加速 踏板或方向盘）或动力辅助操作控制。

用于实施本发明的一般系统被示于图3。最佳化器25基于包括 道路状况、路线、限制车速限制以及从HMI设备26的用户输入的输 入生成速度曲线。该路线可根据HMI26、导航单元27和GPS接收器 28之间的交互来确定。

建议的速度曲线被提供至位置跟踪器30，其确定车辆的当前位 置（例如，通过使用GPS接收器28）并确认包含在对应于当前检测位 置的最佳速度曲线中的目标速度。目标速度被提供至用作速度设定点 的适应性巡航控制31以实现建议的目标速度，或者被提供至驾驶员显 示器或界面32以协助驾驶员调整车辆控制，从而实现目标速度。

最佳化器25至少部分地位于主车辆（即，是基于云的）外，因 为其是提供最佳化器25所用的资源的数据库或信息的各种元素。许多 的计算程序是可用的，其可被用以基于使用道路等级数据和其他信息 的能量消耗模型计算最佳速度曲线。一种优选方法如图4所示，其中 网格35表示在沿着从开始至目的地的路线的每个位置的各种潜在的 车速。速度和距离的增量具有提供足够高的分辨率的离散步长，以实 现稳定的效果和稳健最佳化。典型的分辨率可约为针对速度的每小时 一英里和针对距离的30米。可行速度的区域能够基于最大可允许速度 部分36、最大加速部分37和最大减速部分38在网格35内被确定。 沿部分37、36和38的速度曲线表示尽可能最快的行程，其限定围绕 有限空间的分界线，在其内能够发现最佳燃油经济性的解决方案。因 此，在40处显示最佳速度曲线，其位于可行轨迹的空间内的某处。为 了找到该最佳速度曲线，可根据贝尔曼最优性原理使用动态编程，其 评估起始点和结束点之间的每个潜在轨迹，然后将结果进行比较以找 到最佳曲线，或者可基于任何其他的确定性最佳化技术。如图5所示， 在必须使用车外计算资源的非常资源密集过程中评价不同的轨迹41、 41和43。动态编程方法被描述，例如在Bertsekas，Dynamic  Programming and Optimal Control（动态编程和优化控制），第三版， Athena Scientific，2005。

除可根据法定速度限制和瞬态道路状况如下雨（即，法律和实际 限制）的最大速度限制约束外，最小速度限制或约束也被采用以确保 小于一些固定时间量（以及遵守法定限制）的行车时间。此外，典型 的路线可包括在控制交叉口如停车标志和交通灯的被迫停止。速度限 制可更普遍地采取如图6所示的形式。最大速度轨迹45展示第一最大 值46，然后是停止47和随后的最大值48。在另一个停止50后，第三 个最大值51具有对应于特定路段的较慢速度限制的较低幅度。由于最 佳速度曲线的进一步约束，最小速度轨迹52沿着基于类似因素如法定 最小速度、期望运行时间和交通控制装置的同一路段被提供。

最大和最小的轨迹45和52限定了包围有限集的可行速度曲线的 边界，其可由动态编程或任何其他确定性最佳化技术来检查以确定最 佳速度曲线。其可利用如图7所示的模型55实现，其在数学上表示用 于根据速度、道路等级和所选择的动态路线和车辆状况集确定能量消 耗的成本函数。速度约束被提供至模型55以限定用于检查的可行轨 迹。可以执行成本函数和最小限度，如Wollaeger等人在 “Cloud-Computing Based Velocity Profile Generation for Minimum Fuel  Consumption（用于最小燃料消耗的基于云计算的速度曲线生成）:A  Dynamic Programming Based Solution（基于动态编程的解决方案）” (2012年美国控制会议(American Control Conference,ACC)，第 2108-2113页，2012年6月)中所说明的，其在此作为参考被结合。例 如，含内燃发动机的具体车辆品牌/型号可由将转矩和速度关联至具体 的燃料消耗率的计算模型来表示。在这些变量中，评价燃料消耗所考 虑的优选变量为速度、道路等级、交通密度、天气条件、道路表面条 件（即，平滑和摩擦）、道路纬度（即，空气压力）、变速器换档进 度和扭矩转换器参数。燃料消耗模型可主要根据发动机转矩相对发动 机速度的映射被计算，其中变速器换档点发生在预设发动机速度处， 如通常为校准发动机控制算法的目的而被发展。车辆功率需求是基于 需要多少功率以推进车辆并克服其它力包括气动阻力、滚动阻力、转 矩变换器失效、附件载荷和等级变化或其他动态路线以及经常与天气 状况相关的车辆状况进行计算。在计算用于可行空间内的每个可能速 度轨迹的燃料消耗后，选择最佳速度曲线。速度曲线也可限定沿路线 的规定时间/位置处的各种悬挂设置中用于计划的变速器换档和/或变 化的时间，从而进一步最佳化能量消耗—假如该模型成本函数包含这 些变量。

图8示出了显示被指出用于特定动态环境或车况下的特定路线的 最佳速度曲线的图形。对于沿预定路线的每个位置或时间，绘图56 指明导致利用最佳能量消耗穿过路线的目标速度。

本发明系统在车辆60和车外云61之间的一个优选分离被示于图 9。车辆60和云61限定了由无线收发器62（如，蜂窝，V2I等等）连 接的分离域。本发明的速度曲线发生器或最佳化器的所有或至少一部 分被实施在位于云61中的最佳化服务器63中。包括针对车辆60的相 应成本函数的模型被存储在连接至最佳化服务器63或在最佳化服务 器63内存储的车辆模型数据库64中。通过最佳化服务器63被输入至 各计算模型的变量可从许多源包括车辆60、智能交通系统（ITS）数 据源65以及地理信息系统（GIS）66中进行收集。

车辆域60将动态信息提供至最佳化服务器63，例如路线起点 （如，当前位置）、最终目的地、路线上的可选择途经点以及车辆动 态信息如悬挂部件、传动系统部件、或其它可影响燃料消耗模型的车 辆系统的设定。最佳化控制器70被配置为经由无线收发器62与最佳 化服务器63配合。最佳化控制器70被耦合至HIM71和导航系统72， 使得驾驶员可指出所期望的目的地。导航系统72用作路线计算器，用 于评估不同的潜在路线并基于由驾驶员提供的标准选择最佳路线（或 提供由驾驶员选择的多个潜在路线）。可采用用于选择最佳路线的一 个标准可以是在不同的各自路线上的总能量消耗，其中如本文所述的 确定每个消耗量。

如果驾驶员没有指明路线，则能够通过在车辆运行的当前路径和 之前已经存储在路线数据库73（其可位于车辆或云中）中的常用驱动 路线之间执行比较从而替代地自动预测路线。该路线对于车辆60是唯 一的并基于驾驶员的之前操作。利用通过最佳化控制器60和无线收发 器62向最佳化服务器63提供的路线及其它信息，最佳速度曲线被计 算并发送返回至用于实施的最佳化控制器。当车辆60沿预定路线前进 时，最佳化控制器70利用其与导航系统72（其可包括GPS接收器和/ 或航位推算系统）的连接确定车辆60的当前位置，以指出对应于当前 位置的目标速度。对应的目标速度被提供至包含速度控制系统的传动 系统控制模块74或向驾驶员显示目标速度的HMI71。

PCM74被耦合至传动系统部件75（例如节气门）以调整传动系 统性能，从而实现其中可能的目标速度。PCM74还可被连接至适应 性巡航控制（ACC）系统76，以监测周围车辆，如本领域已知的。

最佳化控制器70进一步与其他车辆系统控制器77交互，例如控 制各个其他部件78的变速器或悬架控制器。例如，最佳速度曲线可包 括可由控制器77启动的变速器换档点或悬挂设置。

除经由HMI71向驾驶员的目标速度的视觉或其它显示外，触觉 反馈装置79（例如方向盘或脚踏式振动单元）可被连接至最佳化控制 器70，以向驾驶员指示所需的速度更新（即，增加或减少）以实现目 标速度。

最佳化控制器70被更详细示于图10。如本领域中已知的，处理 器71可经由节点72被连接至车辆多路复用总线。处理器71以各种存 储的量例如最佳速度曲线73、当前监视的车辆位置74、当前实际车速 75、报废率76以及能量消耗日志77操作。如上所述获得最佳速度曲 线73。处理器71利用当前车辆位置74以从曲线73提取相应的目标 速度用于经由节点72与其他装置进行通信。当根据所需的相对速度变 化产生驾驶员指示以目标速度推动车辆时，处理器71利用与目标速度 比较的实际车速75，以产生合适的驾驶员指示。

在未采用车速直接控制且仅呈现给驾驶员目标速度作为建议的 实施例中，获得报废率76以调整最佳速度曲线，如下所述。驾驶员可 因为许多原因不遵循建议的目标速度，包括存在阻止在目标速度上操 作的其他交通或安全相关的状况，或者仅因为驾驶员对建议感到不舒 服。不同类型的驾驶员可不同地察觉最佳速度建议。可遇到意想不到 的道路状况如下雨或冰，其迫使驾驶员减速至低于建议目标。此外， 如果驾驶员始终拒绝目标速度，则先前计算的最佳速度曲线可逐渐失 去其有效性。此外，期望根据存在的任何状况或驾驶风格调整速度曲 线，以更好地促进提高燃油经济性的驾驶速度。因此，本发明包括连 续评估驾驶员是否遵循建议的速度曲线并利用学习建议速度的驾驶员 感知并相对于该建议监视其行为的适应性算法相应地调整速度约束的 实施例。

驾驶员接受或拒绝目标速度建议通过跟踪其频率进行量化。接受 和拒绝事件是互补的，因此能够计算接受或拒绝频率。确定接收的加 权频率的递归计算过程（被赋予至更近观察的较高权重）能通过应用 实施指数平滑的低通恒增益滤波器完成，如下：

R(k)=(1-α)R(k-1)+α  　如果v_min<v(k)<v_max，且

R(k)=(1-α)R(k-1)  如果v(k)<v_min或v(k)>v_max

其中α为常数遗忘因子，0＜α≤1，且v_min和v_max限定目标速度 周围的接受区域。遗忘因子α控制更新接受系统建议的事件的加权平 均数R率。

图11示出特定路线的最大轨迹81和最小轨迹82之间已经计算 的建议的最佳速度曲线80。一系列代表实际车速数据点的正方形包括 车速83，其发生在当驾驶员遵循目标速度建议时。之后，即使目标速 度建议已变得更高，车速84以相同的速度（例如，40mph）保持。除 了从建议目标偏离多于接受区（未示出）之外，84处的车速也低于之 前假设的最小速度轨迹82。如果建议的目标的拒绝持续足够长时间， 期望调整曲线以进行补偿。

图12示出在沿路线行驶期间连续监测对建议的目标速度的接受 率的方法，接受率R在步骤85中不断更新（例如，使用上述公式）。 在步骤86中将接受率与阈值δ进行比较。如果接受率不降低至阀值δ 以下，则返回至步骤85，用于根据未来的数据点进行更新。如果接受 率低于δ，则在步骤87利用调整的速度限制重新计算速度曲线。新的 速度约束（最大和最小轨迹）可响应于沿当前路线的车辆的法定速度 限制和之前的速度性能两者进行选择。

在沿路线前进期间调整速度曲线的结果被示于图13。示出了最 大轨迹91和最小轨迹92之间的最佳速度曲线90。虽有建议的目标速 度，但在每个样品检测中车辆继续在40mph的速度下运行。在车速测 量93后，接收率降低在阈值以下，从而触发最优速度曲线的重新计算， 进而导致在速度测量93后最大和最小轨迹91和92中的减小（如与图 11相比）。基于重新计算的速度曲线，与建议目标更一致的目标速度 被实现开始于速度测量94。鉴于新的约束，针对新状况的最佳燃料效 率现在能够根据修改的目标获得。

本发明的方法的另一个实施例被示于图14。在驾驶员指明目的 地和/或一个或更多个途经点后，路线必被确定。路线的起点可以是由 GPS接收器自动检测的当前位置或可由驾驶员指明。基于由驾驶员指 定的标准例如最短时间或最短距离，评估各种潜在路线并选择最好地 符合驾驶员标准的路线。在当前实施例中，用于穿过路线的总能量消 耗也可被用作路线选择的标准之一。在步骤100中，来自映射数据库 的路段被整合成不同的潜在路线且用于每条路线的速度限制或其它速 度约束被确定。在步骤101中针对每条路线对速度曲线进行最佳化， 以便确定总能量消耗。在步骤102，驾驶员基于所有标准选择其最满 意的路线。将对应于所选路线的所选速度曲线下载至车辆中，以在穿 过路线时被用以定期更新建议速度。一旦驾驶开始，在步骤103中车 载最佳化器获取沿路线的车辆当前位置。在步骤104中，其检索目标 速度并通过将其提供至速度更新器启动速度。速度更新器可包括用于 采用目标速度作为设定速度的巡航控制或可包括用于向驾驶员指示目 标速度或为匹配目标速度做出的速度方向和/或幅度的变化的HMI装 置。

在步骤105中，最佳化控制器更新接受率。同样当穿过路线时， 车辆控制器可处理实际引起的能量消耗（例如，所使用的燃料）并将 其存储在日志中。消耗数据能被周期性地传输返回至车外车辆模型和 最佳化服务器，从而比较实际的能量消耗与由模型生成的预测的能量 消耗。实际和预测的能量消耗量之间的差异能够被用于迭代地改善模 型的成本函数。

在步骤107中，进行检查以确定是否所穿过的路线或任何道路状 况例如交通或恶劣天气已改变，其将影响最佳速度曲线的有效性。如 果不是，则返回至步骤103，继续根据速度曲线更新目标速度。如果 状况已改变，则返回至车外计算资源，以基于变化的状况计算新的最 佳速度曲线。虽然示出了返回至步骤100，但重新计算可只需要将小 调整考虑至现有路线或将其他输入变量考虑至模型成本函数，其中模 型成本函数在没有重新启动完整路线计算下已被改变。在任何情况下， 由于预期交通的变化，驾驶员对目标速度的服从损耗或其他因素，当 穿过路线时速度曲线可被周期性更新，以便在避免过度的通信或计算 负载的同时获得最好的整体燃油经济性。

本发明包括不要求在沿整个路线的行驶期间的车辆连接，仅在具 体地点例如家里或工作场所的替代实施例。在该实施例中，频繁行驶 路线通过存储当运行时GPS位置的历史和对应的时刻以及当车辆在其 具有连接的位置时将该历史上传至云被确定。因此系统的基于云的部 件结合映射数据库利用该信息检测频繁行驶路线并建立通常路线和其 对应的一天中的时间的数据库。然后，其利用发生在路线上的可变驾 驶状态（例如，平均交通流、天气等等）的地理信息和已知的历史信 息计算每个路线和一天中的时间的最佳速度曲线。能够实施多个计算 以便提供用于时间变化参数例如用于不同的天气状态或交通密度的不 同值的分离的最佳速度曲线。当车辆处于具有连接的位置时，从云下 载最佳速度曲线并将其存储在车辆上。在行驶过程中，最佳化器监控 车辆位置，以检测其中一个频繁路线是否正在被驾驶。当发现存储的 路线时，车辆下载相应的最优速度曲线并开始告知驾驶员最佳速度。 如果检测的路线具有基于时变状况的多于一个的存储曲线，则检测状 况的当前状态并选择相应的曲线。

上述发明利用了联网的面向服务的计算平台中的优势，其具有允 许的大型数据库、监督的学习算法、车辆传动系统模型、高维最佳化 和当前需要固定计算平台的许多其他重要算法。当今的车辆计算机将 功能限制至车辆计算机的相对低的处理能力、小数据存储以及缺乏自 创建车辆时所创建的数据的访问。有限的资源共享降低了大量车辆的 可量测性。车辆和计算云基础设施之间的移动连接的优势开始能提供 不局限于该方式的新级别的电子功能。

可用于车载连接的无线连接的特征通常在于可变的带宽、可变延 迟以及分散连接。车辆内计算机或ECU的特征在于高可靠性、高耐用 性、硬实时响应、低处理能力以及非常小的存储器（特别地，非易失 性存储器）。ECU是移动的，其维持车辆的使用寿命，并且是车辆购 置的一部分。ECU所创建的数据倾向于在非常短的时标上过去所发生 的事件。云计算机的特征在于高可靠性、高计算能力、大存储器以及 （从车辆的角度）缺乏实时响应。其是固定的、被管理的频繁更换并 在租赁、自有，或有偿使用基础上操作的系统。云中所创建的数据倾 向于具有预测性质，其能够告知某些时刻至将来可预期的，而不是在 过去已经发生的。

本发明基于当前和过去的车辆状况、车辆位置、方位和在一天内 的时间、道路网络信息、交通信息、地形信息、环境驱动状况以及车 辆与云之间的连接的可用性、带宽和延迟，确定用于燃料有效行使的 最佳速度。此外，其能够针对可能的预期驾驶状态预先准备动力传动 系统。驾驶员界面（例如感性驾驶员辅助系统或触觉踏板）向驾驶员 提供用于呈现最佳驱动速度信息的良好机制。其能在不使驾驶员把视 线从道路移开的情况下提供信息并以激发驾驶员降低燃料消耗的方式 提供信息。该实施可扩展至国家驾驶队中的所有车辆。

传动系统的最佳标准和最佳驱动速度高度依赖于车辆运行的具体 驾驶状态。这些条件包括道路类型、坡度、交通控制、交通以及天气 和驾驶员特性。因此，在圣安东尼奥、德克萨斯州和丹佛、科罗拉多 州中的最佳标准和行驶速度可以非常不同，因为相比丹佛的5280英尺， 圣安东尼奥是在650英尺的高度且因为其具有非常不同的气候。使当 今的车辆标准失调以使传动系统性能在利用当今车辆计算机的低内 存、低功耗和实时效率的宽范围的状态下是可接受的。在本发明中， 沿路线在每个点的车辆的最佳驱动速度能够根据云中的数据库以及其 路线上车辆的最佳标准映射计算或检索。当连接可用时，将最佳驱动 速度曲线和动力传动系统标准映射下载至车辆，且然后由车辆上的计 算机所用。由于车辆计算机小且每次仅能存储少许路线，基于有关驾 驶员路线的历史信息和/或基于由驾驶员提供的出发地和目的地信息选 择具体路线。例如，由GPS确定的车辆位置和速度被用于确定车辆在 哪个路线上以及车辆位于路线何处。这能够通过利用将路线表示作为 通过道路系统的参数化曲线来实现。给定GPS位置，确定在曲线上指 示的点的参数值表示是可能的。该参数被映射至由用于特定路线的云 应用提供的适当速度和标准映射。云应用能够收集来自与GPS位置时 间一致的车辆计算机的数据。该数据包括车速、燃料消耗、道路等级、 驾驶风格以及各种道路状况-并被用于计算未来车速和传动系统标准映 射。云应用还从云信息提供者（例如天气预报员、映射提供者以及交 通信息提供者）收集数据以建立其车速和标准映射。