說明性實施例總體上涉及一種用于預(yù)測駕駛員目的地的方法和基于車輛的計算機系統(tǒng)。

背景技術(shù)：
車輛集成計算機技術(shù)的發(fā)展已經(jīng)不僅使通過集成軟件和硬件控制各種車輛系統(tǒng)成為可行，而且使基于觀測的條件實際優(yōu)化這些系統(tǒng)成為可行。例如，特定的現(xiàn)有協(xié)議提供了用于基于在當前位置與目的地之間觀測的行駛條件來優(yōu)化燃料效率的方法和技術(shù)。當對動力系統(tǒng)控制進行優(yōu)化時，可考慮交通、天氣、甚至道路表面條件。當然，為了提供具有這樣的遠見的優(yōu)化，可期望知道駕駛員正在向哪里行駛。雖然許多車輛配備有導(dǎo)航系統(tǒng)，但是駕駛員，尤其在駕駛到熟悉位置時不會總是輸入他們的目的地。因此，對車輛向何處行進不總是清楚的。此外，對駕駛員而言，要求他們每次在旅程中都輸入目的地會是麻煩的或者甚至是惱人的。雖然駕駛員可能認識到燃料經(jīng)濟的經(jīng)濟收益(以及其它優(yōu)化策略)，駕駛員可能仍然覺得必須在每次旅程中花費時間輸入目的地是麻煩的。此外，許多車輛導(dǎo)航系統(tǒng)配備有防止在車輛行進中輸入目的地的鎖定功能。這意味著，如果駕駛員希望利用優(yōu)化算法輸入目的地，則駕駛員實際上可能必須把車?？吭诼愤叢⑼Ｖ孤贸?。這樣的繞道會是駕駛員不期望的，并且優(yōu)選地，它們完全或至少大體上是不必要的。在一示例中，對于插入式混合動力電動車輛(PHEV)，對車輛而言常見的做法是在固定距離內(nèi)在電荷耗盡模式下進行操作或者當滿足了放電的目標深度時進行操作。其后，系統(tǒng)切換到電池充電維持模式，在充電維持模式下，SOC大約維持在固定水平。如果PHEV的電荷耗盡配置被修改為延長與駕駛員期望的駕駛距離匹配的耗盡距離直到充電活動可發(fā)生的下一位置為止，則可存在潛在的能量經(jīng)濟利益(平均范圍/電荷)。遺憾的是，除非目的地是已知的或者被預(yù)測，否則可能非常難以知道何時會發(fā)生下一充電活動，因此，可能非常難以管理能量耗盡直到發(fā)生該事件為止。

技術(shù)實現(xiàn)要素：
在第一說明性實施例中，一種計算機實現(xiàn)的旅程計劃方法包括：訪問駕駛員信息的矩陣的一個或多個目的地元素，所述訪問的步驟至少部分基于旅程開始時間和一周中的日期。每個訪問的元素具有與其相關(guān)聯(lián)的概率，所述概率指示至少基于開始時間和一周中的日期，該元素成為車輛旅程將結(jié)束的目的地的可能性。所述方法還包括：從所述一個或多個元素選擇具有成為車輛旅程將結(jié)束的目的地的最高概率的目的地。此外，所述方法包括：利用選擇的目的地來作為結(jié)束目的地以用于旅程計劃的目的。所述訪問的步驟還至少部分基于開始位置。指示元素成為車輛旅程將結(jié)束的目的地的可能性的概率還至少部分基于開始位置。所述方法還包括：向駕駛員呈現(xiàn)選擇的目的地以進行確認，其中，直到駕駛員已確認選擇的目的地，才發(fā)生所述利用的步驟。所述方法還包括：如果駕駛員不同意選擇的目的地，則選擇具有成為車輛旅程將結(jié)束的目的地的下一最高概率的目的地，并重復(fù)所述呈現(xiàn)的步驟。重復(fù)選擇具有下一最高概率的目的地和呈現(xiàn)選擇的目的地的步驟，直到駕駛員確認選擇的目的地為止。在第二說明性實施例中，一種計算機實現(xiàn)的車輛操作方法包括：訪問駕駛員信息的矩陣的一個或多個目的地元素，所述訪問的步驟至少部分基于旅程開始時間和一周中的日期。每個訪問的元素具有與其相關(guān)聯(lián)的概率，所述概率指示至少基于開始時間和一周中的日期，該元素成為車輛旅程將結(jié)束的目的地的可能性。所述方法還包括：從所述一個或多個元素選擇具有成為車輛旅程將結(jié)束的目的地的最高概率的目的地。此外，所述方法包括：利用選擇的目的地來作為結(jié)束目的地以用于車輛操作的目的，至少包括燃料優(yōu)化確定以對行至結(jié)束目的地的燃料使用進行優(yōu)化。所述訪問的步驟還至少部分基于開始位置。指示元素成為車輛旅程將結(jié)束的目的地的可能性的概率還至少部分基于開始位置。所述方法還包括：向駕駛員呈現(xiàn)選擇的目的地以進行確認，其中，直到駕駛員已確認選擇的目的地，才發(fā)生所述利用的步驟。所述方法還包括：如果駕駛員不同意選擇的目的地，則選擇具有成為車輛旅程將結(jié)束的目的地的下一最高概率的目的地，并重復(fù)所述呈現(xiàn)的步驟。重復(fù)選擇具有下一最高概率的目的地并呈現(xiàn)選擇的目的地的步驟，直到駕駛員確認選擇的目的地為止。在第三說明性實施例中，一種基于車輛的計算機系統(tǒng)包括：處理器，與至少一個存儲器通信；至少一個車輛網(wǎng)絡(luò)，處理器可進行操作以與所述至少一個車輛網(wǎng)絡(luò)通信；收發(fā)器，提供處理器、移動無線裝置與通過移動無線裝置訪問的遠程網(wǎng)絡(luò)之間的通信。處理器可進行操作以執(zhí)行存儲在存儲器中的指令，從而執(zhí)行如下方法，所述方法包括：訪問駕駛員信息的矩陣的一個或多個目的地元素，所述訪問的步驟至少部分基于旅程開始時間和一周中的日期。每個訪問的元素具有與其相關(guān)聯(lián)的概率，所述概率指示至少基于開始時間和一周中的日期，該元素成為車輛旅程將結(jié)束的目的地的可能性。由處理器執(zhí)行的說明性方法還包括：從所述一個或多個元素選擇具有成為車輛旅程將結(jié)束的目的地的最高概率的目的地。此外，所述方法包括：利用選擇的目的地來作為結(jié)束目的地以用于旅程計劃的目的。所述方法還包括：向駕駛員呈現(xiàn)選擇的目的地以進行確認，其中，直到駕駛員已確認選擇的目的地，才發(fā)生所述利用的步驟。所述方法還包括：如果駕駛員不同意選擇的目的地，則選擇具有成為車輛旅程將結(jié)束的目的地的下一最高概率的目的地，并重復(fù)所述呈現(xiàn)的步驟。重復(fù)選擇具有下一最高概率的目的地以及呈現(xiàn)選擇的目的地的步驟，直到駕駛員確認選擇的目的地為止。處理器可進行操作以將結(jié)束目的地傳遞至與車輛網(wǎng)絡(luò)通信的一個或多個計劃和/或?qū)Ш侥K。駕駛員信息的矩陣被存儲在遠程網(wǎng)絡(luò)上，處理器可進行操作以通過與無線裝置進行無線通信來訪問所述矩陣，其中，所述無線裝置與遠程網(wǎng)絡(luò)通信。在第四說明性實施例中，一種混合動力車輛控制系統(tǒng)包括：處理器，與至少一個存儲器通信；至少一個車輛網(wǎng)絡(luò)，處理器可進行操作以與所述至少一個車輛網(wǎng)絡(luò)通信；收發(fā)器，提供處理器、移動無線裝置與通過移動無線裝置訪問的遠程網(wǎng)絡(luò)之間的通信。處理器可進行操作以執(zhí)行存儲在存儲器中的指令，從而執(zhí)行如下方法，所述方法包括：訪問駕駛員信息的矩陣的一個或多個目的地元素，所述訪問的步驟至少部分基于旅程開始時間和一周中的日期。每個訪問的元素具有與其相關(guān)聯(lián)的概率，所述概率指示至少基于開始時間和一周中的日期該元素成為車輛旅程將結(jié)束的目的地的可能性。所述方法還包括：從所述一個或多個元素選擇具有成為車輛旅程將結(jié)束的目的地的最高概率的目的地，并利用選擇的目的地來作為結(jié)束目的地以用于混合動力車輛操作的目的。所述利用的步驟包括：將結(jié)束目的地傳遞至能量優(yōu)化模塊，其中，能量優(yōu)化模塊可進行操作以至少執(zhí)行能量優(yōu)化確定，從而對行至結(jié)束目的地的電池使用進行優(yōu)化。所述方法還包括：從駕駛員信息的矩陣選擇多個目的地元素，所述多個目的地元素具有成為至已知充電目的地的路徑上的停車地點的最高概率，最后的元素對應(yīng)于已知的充電目的地；利用已知的充電目的地來作為結(jié)束目的地。附圖說明圖1示出車輛計算機系統(tǒng)的說明性示例；圖2示出數(shù)據(jù)估計處理的說明性示例；圖3示出數(shù)據(jù)收集處理的說明性示例；圖4示出第二數(shù)據(jù)估計處理的說明性示例；圖5示出目的地預(yù)測處理的說明性示例；圖6示出迭代目的地預(yù)測處理的說明性示例。具體實施方式根據(jù)需要，在此公開了本發(fā)明的具體實施例；但是，應(yīng)理解，公開的實施例僅是本發(fā)明的示例，本發(fā)明可以以多種替代形式實施。附圖無需按比例繪制；可放大或縮小一些特征以顯示特定部件的細節(jié)。所以，此處所公開的具體結(jié)構(gòu)和功能細節(jié)不應(yīng)解釋為限制，而僅作為教導(dǎo)本領(lǐng)域技術(shù)人員以多種形式實施本發(fā)明的代表性基礎(chǔ)。圖1示出用于車輛31的基于車輛的計算機系統(tǒng)(VCS)1的示例框式拓樸圖。這種基于車輛的計算機系統(tǒng)1的示例是由福特汽車公司制造的SYNC系統(tǒng)。設(shè)置有基于車輛的計算機系統(tǒng)的車輛可包括位于車輛中的可視前端界面4。用戶還可通過例如觸摸屏(如果設(shè)有的話)與該界面交互。在另一說明性的實施例中，通過按扭按壓、可聽見的語音和語音合成發(fā)生交互。在圖1中所示的說明性實施例1中，處理器3控制基于車輛的計算機系統(tǒng)的至少一部分操作。設(shè)置在車輛中的處理器允許對命令和例程進行車載處理。此外，處理器連接至非持久存儲器5和持久存儲器7兩者。在該說明性實施例中，非持久存儲器是隨機存取存儲器(RAM)，并且持久存儲器是硬盤驅(qū)動器(HDD)或閃存。處理器還設(shè)置有允許用戶與處理器交互的多個不同的輸入。在該說明性實施例中，設(shè)置有麥克風(fēng)29、輔助輸入25(用于輸入33)、USB輸入23、GPS輸入24和藍牙輸入15的全部。還設(shè)置有輸入選擇器51以允許用戶在多種輸入之間切換。在對麥克風(fēng)和輔助連接器的輸入傳遞至處理器之前，通過轉(zhuǎn)換器27將所述輸入從模擬轉(zhuǎn)換為數(shù)字。盡管未示出，但是與VCS通信的多個車輛組件和輔助組件可使用車輛網(wǎng)絡(luò)(諸如但不限于CAN總線)來向VCS(或其組件)傳遞數(shù)據(jù)或從VCS(或其組件)接收數(shù)據(jù)。對系統(tǒng)的輸出可包括但不限于視覺顯示器4和揚聲器13或立體聲系統(tǒng)輸出。揚聲器連接至放大器11并通過數(shù)字-模擬轉(zhuǎn)換器9從處理器3接收其信號。還可分別沿19、21處所示的雙向數(shù)據(jù)流輸出至諸如PND54(便攜式導(dǎo)航儀)的遠程藍牙裝置或諸如車輛導(dǎo)航裝置60的USB裝置。在一個說明性實施例中，系統(tǒng)1使用藍牙收發(fā)器15與用戶的移動裝置53(例如，蜂窩電話、智能電話、PDA或具有無線遠程網(wǎng)絡(luò)連接能力的任何其它裝置)通信17。移動裝置可隨后用于通過例如與蜂窩塔57的通信55來與車輛31外部的網(wǎng)絡(luò)61通信59。在一些實施例中，蜂窩塔57可以是WiFi接入點。信號14代表了移動裝置和藍牙收發(fā)器之間的示例性通信?？赏ㄟ^按鈕或類似輸入指示移動裝置53和藍牙收發(fā)器15的配對52。因此，指示CPU將車載藍牙收發(fā)器與移動裝置中的藍牙收發(fā)器配對?？衫美缗c移動裝置53相關(guān)聯(lián)的數(shù)據(jù)計劃、聲載數(shù)據(jù)或雙音多頻(DTMF)音調(diào)在CPU3和網(wǎng)絡(luò)61之間傳送數(shù)據(jù)?？商娲兀善谕ň哂刑炀€18的車載調(diào)制解調(diào)器63以便通過語音頻帶在CPU3和網(wǎng)絡(luò)61之間傳送數(shù)據(jù)16。隨后，移動裝置53可用于通過例如與蜂窩塔57的通信55來與車輛31外部的網(wǎng)絡(luò)61通信59。在一些實施例中，調(diào)制解調(diào)器63可與蜂窩塔57建立通信20以與網(wǎng)絡(luò)61通信。作為非限制性示例，調(diào)制解調(diào)器63可以是USB蜂窩調(diào)制解調(diào)器，并且通信20可以是蜂窩通信。在一個說明性實施例中，處理器設(shè)置有包括與調(diào)制解調(diào)器應(yīng)用軟件通信的API(應(yīng)用編程接口)的操作系統(tǒng)。調(diào)制解調(diào)器應(yīng)用軟件可訪問藍牙收發(fā)器上的嵌入式模塊或固件以完成與(諸如設(shè)在移動裝置中的)遠程藍牙收發(fā)器的無線通信。藍牙是IEEE802PAN(個域網(wǎng))協(xié)議的子集。IEEE802LAN(局域網(wǎng))協(xié)議包括WiFi并且與IEEE802PAN有相當多的交叉功能。兩者都適合用于車輛中的無線通信?？梢栽诖祟I(lǐng)域使用的其它通信方式是自由空間光通信(諸如紅外數(shù)據(jù)協(xié)議，IrDA)和非標準的消費者紅外(IR)協(xié)議。在另一實施例中，移動裝置53包括用于語音頻帶或?qū)拵?shù)據(jù)通信的調(diào)制解調(diào)器。在聲載數(shù)據(jù)的實施例中，當正在傳輸數(shù)據(jù)期間移動裝置的所有者可通過裝置講話時，可執(zhí)行已知為頻分復(fù)用的技術(shù)。在其它時間，當所有者不使用該裝置時，數(shù)據(jù)傳輸能夠使用整個帶寬(在一個示例中為300Hz至3.4kHz)。盡管頻分復(fù)用常見于車輛和因特網(wǎng)之間的模擬蜂窩通信并且仍然在使用，但其已經(jīng)很大程度上被用于數(shù)字蜂窩通信的碼域多址(CDMA)、時域多址(TDMA)、空域多址(SDMA)混合替代。這些都是ITUIMT-2000(3G)兼容標準，并且為靜止或者步行用戶提供高達2mbs的數(shù)據(jù)率以及為在運動車輛中的用戶提供高達385kbs的數(shù)據(jù)率?，F(xiàn)在，3G標準正被為車輛中的用戶提供100mbs以及為靜止用戶提供1gbs的高級國際移動通信(IMT-Advanced(4G))所替代。如果用戶具有與移動裝置相關(guān)聯(lián)的數(shù)據(jù)計劃，則該數(shù)據(jù)計劃可能允許寬帶傳輸，并且系統(tǒng)可使用更寬的帶寬(加速數(shù)據(jù)傳輸)。在又一實施例中，移動裝置53被安裝至車輛31的蜂窩通信裝置(未示出)所替代。在又一實施例中，移動裝置53可以是能夠通過例如(而非限制的)802.11g網(wǎng)絡(luò)(即WiFi)或WiMax網(wǎng)絡(luò)進行通信的無線局域網(wǎng)(LAN)裝置。在一個實施例中，呼入數(shù)據(jù)可經(jīng)由聲載數(shù)據(jù)或數(shù)據(jù)計劃穿過移動裝置、穿過車載藍牙收發(fā)器，并進入車輛的內(nèi)部處理器3。例如，在特定臨時數(shù)據(jù)的情況下，數(shù)據(jù)可被存儲在HDD或其它存儲介質(zhì)7上，直至不再需要該數(shù)據(jù)的時間為止。其它可與車輛接口的源包括具有例如USB連接56和/或天線58的個人導(dǎo)航裝置54、具有USB62或其它連接的車輛導(dǎo)航裝置60、車載GPS裝置24、或者與網(wǎng)絡(luò)61連接的遠程導(dǎo)航系統(tǒng)(未示出)。USB是一類串行網(wǎng)絡(luò)協(xié)議中的一種。IEEE1394(火線TM(蘋果)、i.LINKTM(索尼)和LynxTM(德州儀器))、電子工業(yè)協(xié)會(EIA)串行協(xié)議、IEEE1284(并行接口)、S/PDIF(索尼/飛利浦數(shù)字互聯(lián)格式)和USB-IF(USB應(yīng)用者論壇)形成了裝置-裝置串行標準的骨干。多數(shù)協(xié)議可被實施用于電通信或者光通信。此外，CPU可與各種其它的輔助裝置65通信。這些裝置可通過無線連接67或有線連接69來連接。輔助裝置65可包括但不限于個人媒體播放機、無線健康裝置、便攜式計算機等。額外地或可替代地，CPU可使用例如WiFi收發(fā)器71而連接至基于車輛的無線路由器73。這可允許CPU在本地路由器73的范圍內(nèi)連接到遠程網(wǎng)絡(luò)。除了通過位于車輛中的車輛計算機系統(tǒng)執(zhí)行的示例性處理之外，在特定實施例中，還可通過與車輛計算機系統(tǒng)通信的計算機系統(tǒng)執(zhí)行所述示例性處理。這樣的系統(tǒng)可包括但不限于無線裝置(例如但不限于移動電話)或者經(jīng)由無線裝置連接的遠程計算機系統(tǒng)(例如但不限于服務(wù)器)?？傮w上，這樣的系統(tǒng)可被稱為車輛相關(guān)聯(lián)計算機系統(tǒng)(VACS)。在特定實施例中，VACS的特定組件可根據(jù)系統(tǒng)的特定實施而執(zhí)行處理的特定部分。通過示例并且是非限制的，如果處理具有使用配對的無線裝置發(fā)送或者接收信息的步驟，則很可能無線裝置沒有執(zhí)行該處理，因為該無線裝置不會與自身進行“發(fā)送和接收”信息。本領(lǐng)域的普通技術(shù)人員將理解何時不適合對給定解決方案應(yīng)用特定VACS。在所有解決方案中，預(yù)期至少位于車輛中的車輛計算機系統(tǒng)(VCS)自身能夠執(zhí)行所述示例性處理。說明性實施例使用諸如但不限于位置信息(GPS)、車輛速度和時間的輸入來作為用于建立駕駛員行為的模型的上下文信息。在由DOW(DayofWeek，一周中的日期)和TOD(TimeofDay，一天中的時間)集跨距的2D時間空間中定義離散區(qū)域，其中，DOW和TOD集可得自時間；每個DOW和TOD集與頻繁的停止位置中的轉(zhuǎn)移概率矩陣關(guān)聯(lián)。系統(tǒng)自動識別停止位置、在位置之間行進的旅程，并概括位置之間的關(guān)系以用于預(yù)測目的。系統(tǒng)支持具有單個或多個目的地預(yù)測的單步或多步提前預(yù)測。還可根據(jù)需要預(yù)測支持性的旅程信息(諸如旅程距離、旅程持續(xù)時間和在目的地的停止持續(xù)時間)。假設(shè)時域的2D每周類似日歷的表示為x軸是DOW且y軸是TOD，則每個DOW和TOD集定義與K×K轉(zhuǎn)移概率矩陣相關(guān)聯(lián)的時間上的區(qū)域。K表示系統(tǒng)迄今為止已識別的唯一位置的數(shù)量。在轉(zhuǎn)移概率矩陣中，x軸表示開始位置，y軸表示結(jié)束位置。通過在車輛正被駕駛時將正指數(shù)更新施加到時間區(qū)域并在車輛未被使用時將負指數(shù)更新施加到時間區(qū)域，對駕駛模式的學(xué)習(xí)是簡單直接的。通過在以下的等式(1)中將f01在1和0之間切換來實現(xiàn)正更新和負更新。F(t-1)表示更新之前的頻率值，F(xiàn)(t)表示更新之后的頻率值。隨時間推移，可捕獲駕駛員利用車輛的頻率(概率值)，并可從所述頻率計算不同時間區(qū)域中的相似性測量。F(t)＝F(t-1)+alphas(f01-F(t-1))(1)圖2示出數(shù)據(jù)估計處理的一個說明性示例。這僅是收集并估計數(shù)據(jù)的示例性方式，并且意為非限制示例。也可采用其它合適的數(shù)據(jù)估計方法。在此說明性示例中，可通過車輛計算機系統(tǒng)、遠程系統(tǒng)、所述兩個系統(tǒng)相結(jié)合、和/或用于操作所述兩個系統(tǒng)中的任一系統(tǒng)或所述兩個系統(tǒng)的一個或多個模塊來完成收集/估計。還可使用其它合適的處理源。在此示例中，所述處理檢測到車輛處于活動狀態(tài)201(或者數(shù)據(jù)估計處理已開始)。在此示例中，當車輛呈現(xiàn)為非活動狀態(tài)(諸如點火開關(guān)事件)時，車輛將保存數(shù)據(jù)。該數(shù)據(jù)將至少包括點火開關(guān)事件發(fā)生的時間。估計處理通過訪問與最后的點火開關(guān)事件相關(guān)的數(shù)據(jù)來確定車輛何時處于最后活動狀態(tài)203。也可以僅在車輛實際改變了位置或者進入行駛中時記錄點火開關(guān)事件。然后，對于確定的最后活動時間，所述處理確定在與該時間最接近相應(yīng)的時間塊內(nèi)是否記錄了使用統(tǒng)計205。例如，如果以0:00開始按3小時塊測量時間并且車輛最后活動于2:53P.M.，則所述處理將確定在12:00-15:00時間塊內(nèi)是否記錄了數(shù)據(jù)。假設(shè)依據(jù)2:53之前的最后操作，已解決了較早操作與最后操作之間的時間塊。如果在12:00-15:00時間塊內(nèi)沒有記錄數(shù)據(jù)205，則所述處理將(例如但不限于使用等式(1))對與12:00-15:00相應(yīng)的時間塊進行正更新207。該更新提供在該時間段期間(和/或在特定的一天)使用了車輛的指示。由于車輛在2:53(14:53)被最后使用，并且由此在適當?shù)臅r間塊期間被使用，因此該記錄是準確的。通過像這樣地積累數(shù)據(jù)，針對特定駕駛員，在給定日期的特定時間塊期間的使用模式可開始呈現(xiàn)。所述數(shù)據(jù)可用于預(yù)測性地確定何時將發(fā)生“下一使用”事件。例如，如果駕駛員經(jīng)常在周一至周五的2:00-3:00進行午餐休息，則按時間的車輛使用統(tǒng)計將指示車輛在12:00-15:00時間塊內(nèi)經(jīng)常被供以電能。當然，可通過減小時間塊的大小來獲得更加精確的數(shù)據(jù)。然后，在此說明性處理中，觀測在12:00-15:00窗口之后的時間窗口(例如，矩陣元素)209。針對該窗口確定窗口是否對應(yīng)于“當前”時間窗口211。例如，如果當前為9:12P.M.(21:12)且下一窗口為15:00-18:00窗口，則下一窗口將不對應(yīng)于當前時間窗口。在下一窗口不對應(yīng)于當前時間窗口的情況下，可知車輛在該時間窗口期間未活動。這是因為2:53(14:53)被觀測為最后活動時間，意味著在14:53與21:12(當前時間)之間沒有發(fā)生活動。因此，與15:00-18:00相應(yīng)的塊被負更新，以在該時間塊期間減小觀測的活動值。該塊還可被簡單地忽略，但是在此示例中，通過正增加活動發(fā)生的時間段并負增加非活動的時間段，所述模式可更加快速地呈現(xiàn)。下一窗口(18:00-21:00)再次被選擇209，并且下一窗口再次不對應(yīng)于當前窗口211。相應(yīng)地，施加另一負更新213。當下一窗口(21:00-24:00)被選擇時，確定該窗口對應(yīng)于當前窗口211。換言之，當前時間21:12在由選擇的窗口限定的時間內(nèi)。由于車輛當前處于操作下，因此在此示例中，以正方式(positivemanner)更新當前窗口215，以指示在該時間塊期間的使用。由于該更新可以是周期性的，而不是永久性的，因此系統(tǒng)可進行檢查以查看是否已出現(xiàn)了新窗口(例如，是否時間已從24:00流逝到00:01)217。如果新窗口尚未被觀測到，則所述處理可等待219，例如，周期性地向回檢查，或者被指示等待直到已知出現(xiàn)新窗口的時間(例如，00:01)為止。以此方式，可在操作的時間段期間收集數(shù)據(jù)，同時對于車輛未操作的時間段填充數(shù)據(jù)。CESM或相關(guān)編碼的相似性測量可用于提供單個的總轉(zhuǎn)移概率。這可通過對與所有時間區(qū)域相關(guān)聯(lián)的轉(zhuǎn)移概率矩陣進行加權(quán)求和來獲得。權(quán)重的計算涉及駕駛員使用模式及其CESM值的使用。將該過程總結(jié)如下：1.假設(shè)di(i＝1-7)表示從星期日、星期一至星期六的駕駛使用模式的8元素列向量。應(yīng)用等式(2)，獲得一周的7天之間的全7×7DOWCESM矩陣。注意對角線元素是一(1)并且該矩陣沿對角線對稱。以下示出了DOWCESM的數(shù)字示例，其中，C1至C7表示一周的每天對全部七天之間的相似性測量。2.類似地，可通過假設(shè)dj為由TOD組織的使用模式來估計針對TOD空間的CESM，其中，j指示TOD空間中的區(qū)域。全TODCESM矩陣D也是對角線元素為1且沿對角線對稱的方形矩陣。3.給定旅程的開始時間，可獲得相應(yīng)的DOW和TOD。假設(shè)第IDOW區(qū)域與第I′TOD區(qū)域與旅程的開始時間相應(yīng)。CI和DJ是全DOWCESM矩陣和全TODCESM矩陣的子集，其中，全DOWCESM矩陣和全TODCESM矩陣表示給定DOW和TOD針對定義的所有DOW區(qū)域和TOD區(qū)域的相似性測量。4.定義所有轉(zhuǎn)移概率矩陣的各種觸發(fā)級別(firinglevel)的權(quán)重矩陣可寫成如下形式：除了操作的學(xué)習(xí)時間段之外，還可形成與特定旅程相關(guān)的K×K矩陣以進行估計。K表示已觀測到的車輛行進到的唯一目的地的數(shù)量。還可由半徑定義K，使得接近的目的地被觀測為單個目的地。從開始到結(jié)束的每個旅程可被稱為旅程矢量。當形成了新完成的旅程矢量時，可發(fā)生以下的過程以考慮上下文信息DOW和TOD來逐漸地學(xué)習(xí)位置之間的關(guān)系。假設(shè)旅程在位置N開始并且在位置M停止(圖3示出了該處理的說明性示例)：1.給定旅程的開始時間301，可從等式(2)和(3)獲得基于DOWCESM和TODCESM計算的權(quán)重矩陣303。2.W(權(quán)重矩陣)中的每個元素(表示為Ws)是DOW和TOD區(qū)域與旅程的開始時間之間的相似性測量(表示為s)。該值用于縮放學(xué)習(xí)率，使得匹配越近，相應(yīng)的轉(zhuǎn)移概率矩陣接收加權(quán)更新越強。名義學(xué)習(xí)率alphan被設(shè)置為0.001(或其它合適的數(shù)字)305。alphas＝alphan*Ws(4)尤其當車輛或駕駛員(取決于數(shù)據(jù)與什么/誰相關(guān))相對新(因此，存在很少的數(shù)據(jù)點)時，確定不同日期和時間的特定時間塊之間的相關(guān)性會是有用的。(基于使用、起始目的地或其它變量)具有高相關(guān)性的時間塊可與具體對應(yīng)于觀測的時間/日期的時間塊結(jié)合而被更新。由于時間塊的“學(xué)習(xí)”率可基于相關(guān)性的程度而變化，因此可不以如觀測的時間塊的顯著程度來更新這些相似的時間塊，但是在高相關(guān)性的時間可能進行相似旅程的合理假設(shè)還提供了充分的原因來將這些塊更新至較小的程度。因此，在新駕駛員/車輛的情況下，可更加快速地填入數(shù)據(jù)。3.假設(shè)旅程矢量表示車輛從位置N開始并在位置M停止。我們利用以下等式更新K×K轉(zhuǎn)移概率矩陣的第N列。F(t)＝F(t-1)+alphas(f01-F(t-1))(5)除了在第M元素取1值之外，f01取零值。轉(zhuǎn)移概率矩陣的第N列的該更新表示頻率計數(shù)的遞歸形式。表示車輛從位置N移動至位置M的情形的第N列的第M元素接收正更新。第N列中的其余元素經(jīng)歷其頻率值的指數(shù)倍遺忘折扣(exponentiallyforgettingdiscount)，以反映僅旅程的開始位置與當前信息矢量匹配的事實。除了第N列之外的所有其它列不接收更新，因為它們不表示從位置N開始的旅程。該更新與針對在給定的TOD和/或DOW觀測的使用而完成的正/負更新相似。由于在M開始且在N結(jié)束的特定旅程針對目的地被正更新，并且在M開始且在其它已知目的地結(jié)束的所有其它旅程被負更新，因此，給定特定起始點到達特定目的地的模式開始呈現(xiàn)。4.還可使用指數(shù)平滑等式(1)的公式化表述更新表示旅程特定屬性(諸如距離、旅程持續(xù)時間和停止持續(xù)時間)的預(yù)定義的K×K矩陣的數(shù)量307。這些屬性被視為僅旅程特定而非上下文(DOW和TOD)相關(guān)。利用在沒有任何進一步縮放的情況下的學(xué)習(xí)率alphan，更新過程是簡單直接的。在每個屬性矩陣的更新期間，f01取當前觀測的值，并且僅第N列的第M元素的內(nèi)容被更新。圖4示出第二數(shù)據(jù)估計處理的說明性示例，以用于收集/更新旅程數(shù)據(jù)。在此說明性示例中，可通過車輛計算機系統(tǒng)、遠程系統(tǒng)、所述兩個系統(tǒng)相結(jié)合、和/或操作所述兩個系統(tǒng)中的任一系統(tǒng)或所述兩個系統(tǒng)的一個或多個模塊來完成收集/估計步驟。還可使用其它合適的處理源。在此非限制示例中，當所述處理開始時記錄車輛的開始位置401。由于開始位置可能已經(jīng)也可能還未與在K×K矩陣內(nèi)存儲的位置相關(guān)，因此確定先前是否已觀測到該開始位置403。由于駕駛員可選擇在變化的停車空間停車，因此例如，如果位置是工作位置，則在“已知位置”確定中可置入一定程度的容差。只要位置在先前記錄的位置的容差內(nèi)，其將被視為同一已知位置而非新位置。當然，盡管利用高度精確的GPS系統(tǒng)，但是將車停在甚至幾英尺遠的地方也可能會產(chǎn)生不同的位置指定，因此如果需要，還可將每個位置記錄為不同。從而，在此示例中，K可快速升高，并且可能很快會需要具有顯著處理能力的計算機執(zhí)行在此描述的估計。如果位置未知403，則新的列和行被添加至與該位置相應(yīng)的K×K矩陣405。應(yīng)注意，除非針對將司機引至本位置的旅程未執(zhí)行所述處理，否則由于本位置是先前旅程的目的地，本位置很可能已經(jīng)為已知。因此，將開始位置添加為新位置可能很少見(但是例如，如果車輛重新開始或被拖行，則可能發(fā)生所述情況)。由于在此示例中矢量記錄處理只與開始位置和結(jié)束位置有關(guān)，因此所述處理可等待，直到旅程結(jié)束407為止。這可通過點火開關(guān)而發(fā)出信號，以使車輛停止等。一旦旅程結(jié)束，則目的地/結(jié)束位置被確定409，還確定結(jié)束位置是否是先前已知的位置411。如開始位置一樣，如果目的地不是先前觀測到的，則行和列被添加至與目的地相應(yīng)的K×K矩陣413。既然旅程矢量已知，則所述處理進行至與開始位置相應(yīng)的列415。對于已知的每個可能目的地417，確定已知的目的地是否對應(yīng)于當前目的地419。已知目的地(即，列的行元素)與當前目的地之間的對應(yīng)關(guān)系導(dǎo)致針對該元素存儲的值的正更新421。這導(dǎo)致兩點之間的旅程的百分比增加。針對該列中的所有其它元素419，倘若該列中的最后一個元素未增加425，則應(yīng)用負更新423。再次，可簡單忽略該列中的其它元素，但是對與不是目的地的位置相應(yīng)的元素進行負更新的步驟可因?qū)е绿囟康牡氐奶囟ㄩ_始點的總體可能性而加速估計處理。可收集旅程信息，包括但不限于，車輛的GPS位置、車輛速度和相應(yīng)時間信息。隨后，系統(tǒng)將所述信息總結(jié)為由兩個時間相關(guān)標簽(更具體地講，一周中的日期(DOW)和一天中的時間(TOD))分類的證據(jù)表格。從這些證據(jù)表格，給定特定的開始時間和位置，系統(tǒng)可產(chǎn)生覆蓋各種可能結(jié)果(與概率值)的旅程樹狀預(yù)測。隨著時間，系統(tǒng)對駕駛員的行駛路線逐漸地變得更加了解，并進行更加精確的預(yù)測。如先前解釋的，使用GPS和車輛相關(guān)參數(shù)，通過估計在每個位置花費的平均時間來識別經(jīng)常訪問的位置。創(chuàng)建均與DOW(星期一至星期日)和TOD(0-24h)標簽相關(guān)聯(lián)的多個表格以在旅程發(fā)生時(利用一組遞歸公式)記錄駕駛員的頻繁旅程。當例如從位置A行進到B的旅程被觀測到時，我們首先識別出DOW和TOD標簽與該旅程的開始時間最為匹配的表格。該表格的第A列的第B元素的值以最高的學(xué)習(xí)率(例如：5％)增加。接著，我們以逐漸減小的學(xué)習(xí)率(諸如3％、1％和0.05％)更新鄰近表格的相同元素。減小這些列中的其它元素的值以反映如下事實：雖然開始位置相同，但這些位置在最近的旅程數(shù)據(jù)中未被訪問。隨著時間，矩陣的每列表示駕駛員從一位置行進到另一位置的頻率的長期平均。這些表格用作在給定駕駛員的當前位置和時間的情況下系統(tǒng)提供目的地預(yù)測的證據(jù)。鄰居是具有被視為找到的“接近”最佳匹配的DOW和TOD標簽的所觀測到的時間/日期表格。例如，如果最佳匹配表格具有DOW＝[星期二]且TOD＝[07:00-08:00]，則所述處理可將具有DOW＝[星期二]且TOD＝[06:00-07:00](一小時之前)或者TOD＝[08:00-09:00](一小時之后)的表格視為其鄰居表格。此外，如果學(xué)習(xí)處理處于早期階段并且在表格中很少的數(shù)據(jù)可用，則所述學(xué)習(xí)處理可將鄰居擴展至最佳匹配之前/之后的日子。例如：如果我們的最佳匹配是星期二，則星期一和星期三將是鄰居日期。利用產(chǎn)生的新旅程數(shù)據(jù)重復(fù)此處理，駕駛員在不同位置之間的頻繁旅程逐漸地被捕獲在表格中。針對每個時間/日期對存儲至少一個K×K矩陣，對給定對的典型時間/日期數(shù)據(jù)與其鄰居之間的相關(guān)性確定將多高的學(xué)習(xí)程度分配給了被提供給鄰近元素的更新。在一示例中，在從星期二的6:00至7:00和觀測到的時間(星期二的7:00-8:00)的事件之間可存在(由中心TOD/DOW表格示出的)典型的高度的相關(guān)性。因此，分配給6:00-7:00元素的K×K矩陣(或多個矩陣)的值與分配給7:00-8:00元素的K×K矩陣(或多個矩陣)的值增加得幾乎一樣多。相反，在星期三的8:00-9:00和星期二時間的7:00-8:00之間可存在低度的相關(guān)性。在一些示例中，這樣的相關(guān)性可能甚至導(dǎo)致星期三的8:00-9:00作為鄰居被完全忽略，但如果提供的數(shù)據(jù)點少，則可期望改變該值，直到得到更多數(shù)據(jù)為止。與星期二的7:00-8:00的值相比，低相關(guān)性導(dǎo)致對星期三的8:00-9:00的K×K矩陣的值進行相當小的更新。當然，可基于任何合適的方式選擇“鄰居”。例如，所述處理可選擇與觀測時間具有最高相關(guān)性的一些鄰居，而不是簡單地選擇括在觀測時間中的時間和日期鄰居。可基于旅程矢量、通常的車輛使用、行駛的距離或者任何其它合適變量或變量的組合來確定相關(guān)性。選擇的相關(guān)性的數(shù)量可被預(yù)先確定(例如，選擇八個最接近的相關(guān)元素)或者可以例如基于閾值(例如，選擇大于95％相關(guān)性的所有元素)被確定。還可由以DOW/TOD矩陣的最佳匹配為中心的矢量表示鄰居區(qū)域的封閉性和相關(guān)性。所述矢量將在最佳匹配塊具有最高值，并且隨著最佳匹配塊的鄰居的接近降低，所述矢量的值將減小。這可例如利用模糊隸屬函數(shù)來實現(xiàn)，其中，每個塊具有以其DOW和TOD空間中的塊的中點為中心的其自己的DOW和TOD模糊隸屬函數(shù)?？偨Y(jié)駕駛員的以往旅程的表格是用于預(yù)測未來旅程的方便的源/證據(jù)。給定當前位置和旅程開始時間，系統(tǒng)使用如下過程(針對圖5示出所述過程的一個示例)對駕駛員最可能行進到哪里執(zhí)行“告知猜測(informedguessing)”：1.確定當前旅程的開始位置和開始時間501●定位具有與開始時間最佳匹配的DOW和TOD標簽的區(qū)域。例如，DOW列中的TOD行的第I時間區(qū)域與當前旅程的開始時間最為匹配。使用作為權(quán)重503的Ws中的元素以及以下的用于所有可用DOW和TOD區(qū)域的1，pH(DOWstart,TODstart)被歸一化為概率矢量的加權(quán)之和505?！裨跀?shù)據(jù)庫中找到與當前開始位置最為匹配的位置。這可通過將當前位置的GPS坐標與已在數(shù)據(jù)庫中的位置的坐標進行比較來完成。如果數(shù)據(jù)庫中的第N位置在當前位置的特定距離(例如，不限于0.3英里)內(nèi)，則我們說當前開始位置是第N位置。2.估計表示駕駛員從第I位置行進到所有位置的相對頻率的第I表格的第N列。例如，該列中的第M行具有最高值，則第M位置將是最可能的目的地507。如果期望多于一個的可能目的地509，則第二、第三…等可能目的地可以以相似的方式被找到515。與系統(tǒng)剛剛開始學(xué)習(xí)且信息稀少或不可用的情況相似，應(yīng)當考慮包含來自鄰居時間區(qū)域的表格。這可利用加權(quán)平均方法來實現(xiàn)，從而系統(tǒng)可執(zhí)行關(guān)于可能目的地的“告知猜測”?？梢砸愿鞣N方式完成對應(yīng)當預(yù)測多少另外的目的地的確定。一些示例包括但不限于：對所有已知的可能目的地中的具有最高概率的預(yù)定數(shù)量的另外的目的地的選擇；對閾值以上的所有目的地的選擇；或者甚至對于目的地“猜測”來詢問駕駛員，并隨后移動到具有下一最高概率的下一目的地，直到駕駛員確認這是正確的目的地。在至少一個實施例中，可將多個猜測的列表呈現(xiàn)給駕駛員，并且可要求駕駛員從呈現(xiàn)的目的地的列表中選擇實際目的地(如果呈現(xiàn)了的話)。3.對于任一目的地，或者當目的地為已知時，旅程屬性矩陣可提供可通過從可用的屬性矩陣取得第H列的第Q(1)元素、第Q(2)元素等所獲得的預(yù)測的停止位置的相關(guān)屬性。該數(shù)據(jù)在確定對針對圖6示出的用于從預(yù)測的目的地預(yù)測未來可能目的地點的優(yōu)化算法的輸入方面會是有用的。圖6示出迭代目的地預(yù)測處理的說明性示例。在一示例中，可期望管理電能輸出，直到達到充電點為止。由于駕駛員可能將車停在沿結(jié)束于充電站的路線的一個或多個位置，因此可能無法足夠簡單地管理電能，直到達到第一目的地。例如，如果駕駛員一貫地在從工作地點至家的路上的快餐店處停車，則給定如工作地點的開始位置和如5:15P.M.的一天的時間，預(yù)測算法可將該位置作為最可能的停車地點。然而，僅管理電能到達到該停車地點為止會是不明智的，除非駕駛員可在快餐店對車輛充電，否則可能不存在充足的電能來對車輛供電，直到駕駛員到家。在諸如此的示例中，可期望預(yù)測多個目的地“跳(hop)”，直到達到已知的充電點為止。為了對車輛達到下一充電站前的距離提供優(yōu)化和/或控制應(yīng)用，系統(tǒng)可提供多步提前預(yù)測(旅程鏈)。該性能主要專注于行駛到下一充電站為止的距離，并且例如，協(xié)助對電池放電率進行動態(tài)計劃。通過迭代地獲得下一開始位置及其相關(guān)上下文信息(DOW和TOD)來形成新的輸入矢量并重復(fù)1步提前預(yù)測過程，從而實現(xiàn)多步提前預(yù)測。利用以下過程來形成新的輸入矢量：1.在已獲得第一矢量(包括第一停止位置603)601之后，確定預(yù)測的目的地是否是充電位置605。如果不是，則獲得預(yù)測的下一開始位置。2.預(yù)測的下一開始位置是基于停止位置和開始時間從先前預(yù)測迭代的結(jié)果中預(yù)測的停止位置609。換言之，在以上示例中，快餐店將同時是預(yù)測的第一停止位置和下一開始位置。3.從預(yù)測的旅程持續(xù)時間和停止持續(xù)時間，我們能夠迭代地得出(用于第二段)估計的旅程開始時間611。用于第二段的開始時間實質(zhì)上是旅程的開始時間+行至第一停止點的旅程持續(xù)時間+預(yù)測的停止時間。該數(shù)據(jù)可全部被保存為針對開始與結(jié)束目的地之間的特定旅程矢量的屬性數(shù)據(jù)。4.可重復(fù)步驟2和步驟3，直到預(yù)測的停止目的地是充電站605，在充電站點總的旅程數(shù)據(jù)607可被確定并被用于優(yōu)化算法。雖然以上描述了示例性實施例，但是不意在這些實施例描述本發(fā)明的所有可行形式。反之，在說明書中使用的詞語是描述性詞語而非限制，應(yīng)理解，在不脫離本發(fā)明的精神和范圍的情況下，可進行各種改變。另外，可組合各種執(zhí)行實施例的特征以形成本發(fā)明的進一步實施例。