Würde tippen, dass je weiter man fährt desto mehr GM daneben liegen wird. Es gibt halt immer einige unbekannte, wie Geschwindigkeit, wie viel rekuperiert wird, wie das Gefälle ist, wir der Wind usw.
Bei der Übergabe vom Fzg. meinte der Händler, dass GM am Anfang noch weiter daneben liegen wird und erst mit der Zeit dazu lernt, nachdem es genug Daten bezüglich Fahrweise etc. sammeln konnte. Wie lange hast du den P2 denn schon?
Kann ich nicht bestätigen. Eher im Gegenteil. Im Winter lag GM fast immer richtig. Jetzt im Sommer unterbiete ich den Verbrauch fast immer. Teilweise um 10% auf 250km Strecke.
Die Frage ist, woran macht google den Verbrauch fest?
Klar, Strecke, Topologie, Wetter, durchschnittlich erwartbare Geschwindigkeit… da gehe ich jetzt mal grob von aus. Aber ist es auf den auf den jeweiligen Polestar zugeschnitten? Oder gibt es da quasi einen identischen Wert für LRDM Versionen?
Worst Case habe ich einen LRDM OHNE Wärmepumpe mit 20" Felgen (non-performance), best case 19" mit Wärmepumpe. Oder zieht Google Maps historische Werte des jeweiligen Fahrzeugs heran?
Wie dem auch sei… es ist jedenfalls, wie ich finde, ziemlich akurat… wenn auch ein bisschen pessimistisch manchmal. Aber besser so rum, als zu optimistisch. Da ich teilweise wie eine Oma fahre hypermiling betreibe, wundert es mich bei mir zumindest nicht. (Da hilft es jetzt, dass auch endlich negative End-SoCs angegeben werden!)
GM berücksichtigt die vorherige Fahrweise bzw. den Verbrauch.
Probier selbst: 20-30km heizen was geht, dann Routenplanung und normal fahren → GM berechnet zunächst einen viel zu niedrigen Ankunfts -SoC.
20-30km granny style haben den gegenteiligen Effekt.
2 „Gefällt mir“
Ich hatte es noch nie, daß GM zu hohen Ankunft-SoC errechnete. Es variiert nur, wie viel zu niedrig. Im Winter wurde zum Beispiel Akku vorgewärmt oder nicht gar nicht berücksichtigt.
Da bist du wohl ziemlich allein. Schon die konservative, sichere Berechnung sorgt ohne Manipulationen für einen zu hohen Ankunfts-SoC.
Pro Fahrt der lezten km oder generell?
Ich hatte Grasfox so verstanden, dass GM grundsätzlich dazu lernen solle, also über Tage, Wochen, Monate. Das kann ich nicht bestätigen.
Es mag sein, dass er den Verbrauch der aktuelle Fahrt berücksichtigt. Das machen Autos schon seit Jahren so, also auch Verbrenner. Das ist aber ein anderes Szenario.
Ich kann es auf der kurvigen Landstraße bspw. immer fliegen lassen (hoher Verbrauch) und auf der Autobahn zur Arbeit jeden Tag gemütlich angehen lassen (niedriger Verbrauch).
Lernt das GM und berechnet beides am Tag 20 genauer als an Tag 1 oder kalkuliert es nach der Landstraße noch immer so weiter, als würde ich schnell fahren?
Ich plane erst mit Ladestops, wenn mir GM -20% anzeigt. Und auf 100% lade ich auch nicht mehr hoch, da müßte ich vorm Laden ja daran denken.
Eigentlich plane ich gar nichts mehr. Ich lade das Auto noch nicht mal auf bevor es losgeht. Also es reicht wenn da 50% im Akku sind.
Und zu Hause lade ich auch kaum noch. Jetzt gerade steht er mit 17% in der TG, nachdem ich das ganze WoE herumgefahren bin. Das reicht für ins Office und dann lade ich eben da.
Du kannst lesen?
Ob du da anhälst, ein Eis isst oder sonstiges treibst ist der Rechnung ziemlich wurscht.
Ja das machen Verbrenner auch, warum sollte bei E-Autos das anders sein? Die Aufgabe ist doch auch die Gleiche „Schätze Restenergie im Fahrzeug bei Ankunft.“ . Ob der Wert nun in Liter, kWh oder auch in km abggb. ist letztlich auch egal.
Warum muss hier immer Alles tod diskutiert werden. Ein wenig Transferleistung, Eigeninitiative und selbst Ausprobieren kann doch nicht so schwer sein.
2 „Gefällt mir“
[quote=„Electrified, post:210, topic:2418“]
Du kannst lesen?[/quote]
Ich kann deinen scharfen Ton nicht nachvollziehen. Ja, ich kann lesen und der User Grasfox oben drüber hat eben etwas anderes berichtet. Darauf bezog ich mich.
Weil jetzt Google mit ihrer Intelligenz dahinter steht. Google benutzt machine learning Algorithmen, die es früher in normalen BC nicht gab. Google weiß nach einigen Musiktiteln welchen Musikgeschmack ich habe. Google weiß nach einigen Fahrten wo ich wohne und wo ich arbeite.
Da ist es nicht so abwegig, dass Google auch aus meinem Fahrprofil ermitteln könnte/kann, dass ich bspw. morgens im Berufsverkehr zur Arbeit stehts mit Tempomat 100 fahre und sonst nicht. Dasist doch gerade die Stärke des machine learnings.
Von daher finde ich den Kommentar von Grasfox´ Händler gar nicht so abwegig, dass das Auto eventuell schlauer werden und dazulernen kann was den geschätzten Verbrauch angeht.
1 „Gefällt mir“
Nun, ich will noch mal meine 2 Cent in den Hut werfen:
Nachdem ich ja einen echt tiefen TCAM-Reset in der Werkstatt bekommen habe, zeigt mir ABRP auch einen anderen Referenzwert an als vorher. Der sinkt jetzt von Tag zu Tag, weil ich im Moment recht sparsam unterwegs bin.
Ich glaube also, dass wir nicht nur einen Verbrauch der letzten Fahrt haben, sondern auch einen Langzeitwert - idealerweise wäre dieser ja pro Profil zu setzen, da die bessere Hälfte ja vielleicht mit Bleifuß fährt oder so…
Lange Rede, wenig Sinn:
Wir haben den Verbrauch der aktuellen Fahrt und (vermutlich) noch einen Langzeitwert (pro Profil).
Und für die Routenberechnung wird GM dann eher den Langzeitwert heranziehen.
wir sind schon seit mehr als 30000 km glücklich zusammen!
Google benutzt Big Data für Streckenprofile - da stecken die echten Kernalgorithmen dahinter. Deine eigenen Daten werden als Histogramme abgelegt.
Grob so:
allgemein wird der Verkehr (die mögliche Geschwindigkeit) auf der Strecke in zeitlicher Abfolge berücksichtigt. Das ist ähnlich wie die Besuchsdaten eines Restaurants die Google ausweist. Für die nähere Umgebung werden auch Echtzeitdaten verwendet z.B. Stau durch Unfall.
Daraus kann abgeleitet werden wie schnell überhaupt gefahren werden kann.
Edit: das wird am Server gerechnet und benötigt deshalb die LTE Verbindung, ansonsten werden die max. zul. Geschwindigkeiten genommen.
Dazu kommen deine klassifizierten, individuellen Daten. Diese Daten werden als Histogramme über Uhrzeit und Streckeart (Stadt, Land, Highway) gelernt und gespeichert.
Selbstredend ist eine adaptive Verbrauchskurve des Fahrzeugs und das Höhenprofil bekannt.
Aus alldem rechnet GM den Ankunfts-SoC.
Wetterdaten gehen NOCH nicht ein.
…und jetzt frag nicht wieso ich das weiß!
1 „Gefällt mir“
Und wieso weißt du das?
12345678901234667890
1 „Gefällt mir“
Benutzen wir die gleiche Terminologie? Zu hoher Ankunft-SoC ist für mich, wenn GM sagen würde, ich käme mit 48% an, tatsächlich komme ich aber mit 45% an. Den Fall hatte ich noch nie, und sehe hier im Forum auch reihenweise Berichte anderer mit ähnlichen Erfahrungen.
Selbst auf meiner „Stammstrecke“ (Weg zum Büro) rechnet GM immer 30-50% mehr Verbrauch als es tatsächlich ist. Lernt da also nicht wirklich.
Es ist möglich, daß das so irgendwo steht oder behauptet wird. In der Praxis sehe ich das nicht. Das könnte aber auch an Gewichtungen im Algorithmus liegen. Ich hatte es schonmal in einem anderen Thread geschrieben. Aber im Winter hatte ich den Effekt, daß der Weg zum Büro morgens mit kalter Batterie erfolgte, dementsprechend hoher Verbrauch. Für den Rückweg, jetzt mit vorgeheizter Batterie hat GM mit dem Verbrauch vom Hinweg gerechnet. Nächsten Morgen hat dann GM wieder mit dem Verbrauch vom Abend vorher gerechnet, obwohl jetzt Batterie wieder kalt war.
Da war nichts mit Langzeit-Annäherung. Und dennoch habe ich in jedem Fall weniger verbraucht als von GM prognostiziert. Morgens vielleicht 3 Prozentpunkte, abends dann 5 Prozentpunkte weniger (brauchte etwa 10 PP pro Weg im Winter).
Äh, nein - mit großer/kleiner ist halt auch immer die Richtung der Sichtweise verbunden.
Dein Beispiel macht klar: wir sind uns einig, schauen aber aus unterschiedlichen Seiten auf das Ergebnis.
Was ich sagen wollte: GM zeigt zu Beginn der Routenplanung einen geringen Ziel-SoC an, das Ziel wird real mit einem höherem Ankunfts-SoC erreicht.
So stelle ich das auch immer wieder fest. Erst heute wieder. Das Ergebnis für mich ist daher auch, dass ABRP entbehrlich ist. Beim Laden das nächste Ziel in GM eingeben und bei 12% SoC abstöpseln. Ankunfts-SoC ist in der Regel immer leicht höher und wird zwischendurch angepasst.
2 „Gefällt mir“
