其它裝置。
[0035]電池包114除了提供用于推進(jìn)的電力之外，還可以提供用于車(chē)輛其它電氣系統(tǒng)的能量。DC/DC轉(zhuǎn)換器模塊118能夠?qū)㈦姵匕?14的高壓DC輸出轉(zhuǎn)換為與低壓車(chē)輛負(fù)載兼容的低壓DC供應(yīng)。其它高壓負(fù)載(例如，壓縮器和電加熱器)可直接連接到來(lái)自電池包114的高壓總線(xiàn)。低壓系統(tǒng)還可電連接至12V電池120。全電動(dòng)車(chē)輛可具有類(lèi)似的結(jié)構(gòu)只是沒(méi)有發(fā)動(dòng)機(jī)108。
[0036]電池包114可通過(guò)外部電源126再充電。外部電源126可利用通過(guò)充電端口 124電連接而向車(chē)輛102提供AC或DC電力。充電端口 124可以是被構(gòu)造為將來(lái)自外部電源126的電力傳送到車(chē)輛102的任何類(lèi)型的端口。充電端口 124可電連接到電力轉(zhuǎn)換模塊122。電力轉(zhuǎn)換模塊可以適配來(lái)自外部電源126的電力，以向電池包114提供適合的電壓和電流水平。在一些應(yīng)用中，外部電源126可被配置向電池包114提供適合的電壓和電流水平，從而電力轉(zhuǎn)換模塊122可以不是必需的。例如，電力轉(zhuǎn)換模塊122的功能可被包含在外部電源126中。包括發(fā)動(dòng)機(jī)、傳動(dòng)裝置、電動(dòng)馬達(dá)、發(fā)電機(jī)和電力電子器件的車(chē)輛動(dòng)力傳動(dòng)系統(tǒng)可通過(guò)動(dòng)力傳動(dòng)系統(tǒng)控制模塊(PCM) 128控制。
[0037]除了示出插電式混合動(dòng)力車(chē)輛之外，如果去掉發(fā)動(dòng)機(jī)108，那么圖1可表示電池電動(dòng)車(chē)輛(BEV)構(gòu)造。作為可從在此公開(kāi)的方面獲益的第二示例車(chē)輛構(gòu)造，如果去掉與插入式充電相關(guān)的部件122、124和126，那么圖1能夠表示傳統(tǒng)的混合動(dòng)力電動(dòng)車(chē)輛(HEV)或動(dòng)力分流式混合動(dòng)力電動(dòng)車(chē)輛。
[0038]可從在此公開(kāi)的方面獲益的第三示例車(chē)輛構(gòu)造是僅具有作為推進(jìn)源的內(nèi)燃發(fā)動(dòng)機(jī)108的傳統(tǒng)車(chē)輛。這種傳統(tǒng)車(chē)輛可不包括能夠提供額外的車(chē)輛牽引的電動(dòng)馬達(dá)104或電池包114。先進(jìn)的路線(xiàn)規(guī)劃技術(shù)可用于得到更精確的距離以清空提供給操作者的讀數(shù)。此夕卜，精確的路線(xiàn)規(guī)劃可用于允許動(dòng)力傳動(dòng)系統(tǒng)控制器考慮即將到來(lái)的負(fù)載狀況而調(diào)整發(fā)動(dòng)機(jī)操作，以提供可用的最優(yōu)化的運(yùn)行效率。
[0039]沿著預(yù)定的路線(xiàn)的車(chē)速預(yù)測(cè)可部分基于指示現(xiàn)有行駛行為的數(shù)據(jù)。這種現(xiàn)有的行為可包括歷史行駛曲線(xiàn)、歷史交通模式數(shù)據(jù)、以及關(guān)于路線(xiàn)的靜態(tài)信息(幾何路徑、速度限制等)。使用歷史數(shù)據(jù)作為唯一的基礎(chǔ)受限于相關(guān)數(shù)據(jù)的質(zhì)量、精度和趨勢(shì)。例如，關(guān)于速度限制的數(shù)據(jù)庫(kù)信息可能不理想，尤其是在低優(yōu)先級(jí)路段上。此外，實(shí)際行駛模式通常顯著偏離于標(biāo)示的極限。如在此公開(kāi)的行進(jìn)速度模式識(shí)別可用于提高速度預(yù)測(cè)的精確性，以支持在預(yù)定的路線(xiàn)上的車(chē)輛能源規(guī)劃。
[0040]當(dāng)目標(biāo)車(chē)輛在各種路線(xiàn)上重復(fù)行駛時(shí)，在車(chē)輛控制器中實(shí)現(xiàn)的人工神經(jīng)網(wǎng)絡(luò)處理器允許目標(biāo)車(chē)輛“學(xué)習(xí)”。傳統(tǒng)的計(jì)算機(jī)使用算法途徑-即，計(jì)算機(jī)遵循一組指令來(lái)解決問(wèn)題。除了計(jì)算機(jī)需要遵循的特定步驟是預(yù)先被編程的之外，計(jì)算機(jī)對(duì)于能夠解決的問(wèn)題是有限的。為此，傳統(tǒng)計(jì)算機(jī)解決問(wèn)題的能力可受限于利用已知方案事先被理解的問(wèn)題。神經(jīng)網(wǎng)絡(luò)處理允許相互連接的神經(jīng)元的網(wǎng)絡(luò)的集體行為。每個(gè)神經(jīng)元通過(guò)查看輸入、計(jì)算加權(quán)和并將加權(quán)和與閾值比較來(lái)持續(xù)地計(jì)算其輸出而進(jìn)化其計(jì)算，以確定每個(gè)神經(jīng)元是否應(yīng)該觸發(fā)。輸出值對(duì)輸入值的依賴(lài)性是復(fù)雜的，并且其包括所有的突觸權(quán)重和閾值。通常，這種依賴(lài)并不具有有意義的解析表達(dá)式。然而，由于存在這樣的學(xué)習(xí)算法，給定輸入、調(diào)整加權(quán)因子以產(chǎn)生需要的輸出，所以解析表達(dá)式不是必要的。存在訓(xùn)練階段，其中，已知模式被呈現(xiàn)到神經(jīng)網(wǎng)絡(luò)并且權(quán)重被調(diào)整為產(chǎn)生需要的輸出。然后，存在識(shí)別階段，其中，加權(quán)因子是固定的，模式再次被呈現(xiàn)給神經(jīng)網(wǎng)絡(luò)，并且其回憶輸出。一個(gè)或更多個(gè)隱藏層可允許對(duì)輸入數(shù)據(jù)進(jìn)行更復(fù)雜的分析。通常通過(guò)對(duì)與實(shí)際測(cè)量值比較的輸出誤差進(jìn)行評(píng)估來(lái)完成學(xué)習(xí)。對(duì)于后續(xù)的預(yù)測(cè)，對(duì)加權(quán)因子的調(diào)整可被應(yīng)用到一個(gè)或更多個(gè)計(jì)算步驟，以提高整體的預(yù)測(cè)精度。
[0041]圖2描述了預(yù)測(cè)沿著路線(xiàn)的速度曲線(xiàn)的方法的流程圖。所述方法通常由標(biāo)號(hào)200指示。靜態(tài)的信息源和活動(dòng)的信息源兩者用于預(yù)測(cè)模型的輸入。期望的路線(xiàn)在步驟202由用戶(hù)輸入，期望的路線(xiàn)包括原始位置和目標(biāo)位置。路線(xiàn)的特定地圖幾何形狀在步驟204由地圖數(shù)據(jù)輸入，并且包括道路曲率信息。當(dāng)前的交通模式還可以在步驟206由提供實(shí)時(shí)交通信息的外部來(lái)源輸入，實(shí)時(shí)交通信息反映沿著線(xiàn)路的車(chē)流、速度、交通密度。監(jiān)管速度限制通常是靜態(tài)的，并且在步驟208被輸入為速度預(yù)測(cè)模型。歷史行駛數(shù)據(jù)還在步驟210被輸入，并且歷史行駛數(shù)據(jù)反映了特定的行駛員的駕駛行為。
[0042]在步驟212，輸入均被提供給區(qū)段神經(jīng)網(wǎng)絡(luò)處理器，以將路線(xiàn)分為一系列的區(qū)段。在步驟214，神經(jīng)網(wǎng)絡(luò)處理器基于沿著相應(yīng)區(qū)段的行駛行為將每個(gè)區(qū)段分類(lèi)。在步驟216，從離散的行駛區(qū)域類(lèi)型的組選擇分類(lèi)信息，并且分類(lèi)信息與相關(guān)的區(qū)段有關(guān)。一組行駛類(lèi)型中的每個(gè)展現(xiàn)出不同特性的速度曲線(xiàn)形狀。結(jié)果，預(yù)定的路線(xiàn)根據(jù)行駛區(qū)域類(lèi)型的組被分段。由于每個(gè)行駛區(qū)域類(lèi)型的行駛行為和相關(guān)因素不同，單獨(dú)的學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)處理器預(yù)測(cè)沿著相應(yīng)的路線(xiàn)區(qū)段的每個(gè)行駛區(qū)域類(lèi)型的車(chē)速。對(duì)于路線(xiàn)的自由流動(dòng)區(qū)，在步驟218，使用具有與自由流動(dòng)行駛區(qū)域有關(guān)的學(xué)習(xí)參數(shù)的訓(xùn)練的神經(jīng)網(wǎng)絡(luò)產(chǎn)生預(yù)測(cè)的車(chē)速曲線(xiàn)。對(duì)于路線(xiàn)的轉(zhuǎn)彎區(qū)，在步驟220，使用具有與轉(zhuǎn)彎區(qū)有關(guān)的學(xué)習(xí)參數(shù)的神經(jīng)網(wǎng)絡(luò)產(chǎn)生速度曲線(xiàn)。對(duì)于路線(xiàn)的停止標(biāo)志區(qū)，在步驟222，使用具有與停止標(biāo)志行駛區(qū)域有關(guān)的學(xué)習(xí)參數(shù)的神經(jīng)網(wǎng)絡(luò)產(chǎn)生預(yù)測(cè)的車(chē)速曲線(xiàn)(vehicle speed profile)。對(duì)于路線(xiàn)的交通燈區(qū)，在步驟224，使用具有與交通燈行駛區(qū)域有關(guān)的學(xué)習(xí)參數(shù)的神經(jīng)網(wǎng)絡(luò)產(chǎn)生預(yù)測(cè)的車(chē)速曲線(xiàn)。下面更詳細(xì)地討論每種神經(jīng)網(wǎng)絡(luò)。在步驟226，輸出與沿著路線(xiàn)的一系列位置中的每個(gè)位置對(duì)應(yīng)的預(yù)測(cè)的車(chē)速。最后，在步驟228確定整個(gè)路線(xiàn)速度曲線(xiàn)。可以預(yù)料的是，雖然在此討論了四種類(lèi)型的行駛區(qū)域，但是其它行駛區(qū)域類(lèi)型可適用于路線(xiàn)預(yù)測(cè)。
[0043]圖3是如以上所討論的在行駛區(qū)域可被輸入到分類(lèi)神經(jīng)網(wǎng)絡(luò)時(shí)，行駛區(qū)域的速度曲線(xiàn)的圖。位置沿著水平軸線(xiàn)作為經(jīng)度302表示。雖然，描述了經(jīng)度，但是可按照類(lèi)似的方式使用其它的位置和/或距離指標(biāo)。加速度和速度在豎直的軸線(xiàn)304上表示。在圖中示出速度曲線(xiàn)306和加速度曲線(xiàn)308的多個(gè)數(shù)據(jù)樣本。曲線(xiàn)基于由環(huán)節(jié)(link) 310表示的位置范圍而組合在一起。根據(jù)速度曲線(xiàn)的形狀，環(huán)節(jié)距離在不同曲線(xiàn)間可不同。在每個(gè)環(huán)節(jié)中，將沿著每個(gè)曲線(xiàn)的點(diǎn)進(jìn)行比較，以確保速度曲線(xiàn)之間的曲率類(lèi)型的等同。最具代表性的形狀點(diǎn)(MRSP) 312是在環(huán)節(jié)310中的包含環(huán)節(jié)中的大部分行程的最低速度的區(qū)域。每個(gè)環(huán)節(jié)有一個(gè)位于環(huán)節(jié)內(nèi)的MRSP測(cè)定。雖然示出了一個(gè)示例MRSP，但是沿著給定路線(xiàn)識(shí)別一些特征段。在圖3中描述的速度曲線(xiàn)306和加速度曲線(xiàn)308對(duì)應(yīng)于自由流動(dòng)交通區(qū)域。這些區(qū)域的特征在于車(chē)速變化的曲線(xiàn)形狀。對(duì)于這種行駛區(qū)域類(lèi)型，速度曲線(xiàn)306表現(xiàn)出一些變化，但是從每個(gè)曲線(xiàn)上來(lái)說(shuō)相對(duì)穩(wěn)定。另外，對(duì)于沿著路線(xiàn)的MRSP 312的每段曲線(xiàn)，加速度通常為零。
[0044]圖4描繪了在第二行駛區(qū)域可被輸入到分類(lèi)神經(jīng)網(wǎng)絡(luò)，第二行駛區(qū)域類(lèi)型的速度曲線(xiàn)的圖。與以上類(lèi)似，位置沿著水平軸線(xiàn)作為經(jīng)度302表示，加速度和速度在豎直的軸線(xiàn)304上表示。在圖中提供了若干速度曲線(xiàn)314。另外，示出了一組對(duì)應(yīng)的加速度曲線(xiàn)316。速度曲線(xiàn)按照對(duì)比的形狀進(jìn)行類(lèi)似地分組。在這種情況下，環(huán)節(jié)區(qū)域318位于速度曲線(xiàn)314和加速度曲線(xiàn)316的特征區(qū)域。類(lèi)似地，這種行駛區(qū)域類(lèi)型的