[發(fā)明專利]一種智能網(wǎng)聯(lián)純電動(dòng)汽車行駛工況預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811635195.1
• 申請(qǐng)日: 2018-12-29
• 公開（公告）號(hào): CN109767619B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 盤朝奉;顧喜薇;梁軍;陳小波;梁巖巖;陶袁雪
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;H04L29/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開了一種智能網(wǎng)聯(lián)純電動(dòng)汽車行駛工況預(yù)測(cè)方法，視頻檢測(cè)系統(tǒng)獲取路況信息、車載傳感器獲取車輛行駛信息、GPS衛(wèi)星定位系統(tǒng)獲取車輛位置信息，并傳遞給云端服務(wù)器；若道路當(dāng)前為暢行路況，則根據(jù)馬爾可夫滾動(dòng)預(yù)測(cè)方法預(yù)測(cè)未來工況信息；若為擁堵路況，則對(duì)根據(jù)本車前后車輛的歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)；若為緩行路況，則根據(jù)馬爾可夫滾動(dòng)預(yù)測(cè)方法和本車前后車輛的歷史數(shù)據(jù)進(jìn)行未來工況信息的預(yù)測(cè)，將預(yù)測(cè)結(jié)果傳遞給主控制器，求得預(yù)測(cè)值與實(shí)際值的誤差作為下次預(yù)測(cè)的反饋輸入。本發(fā)明采用智能網(wǎng)聯(lián)的方法實(shí)時(shí)獲取路況信息，提高了預(yù)測(cè)的準(zhǔn)確性，保證預(yù)測(cè)的未來行駛工況信息更接近于實(shí)際工況信息。

技術(shù)領(lǐng)域

本發(fā)明涉及智能網(wǎng)聯(lián)汽車技術(shù)領(lǐng)域，具體涉及一種智能網(wǎng)聯(lián)純電動(dòng)汽車行駛工況預(yù)測(cè)方法。

背景技術(shù)

隨著環(huán)境污染和能源危機(jī)的日趨嚴(yán)重，具有節(jié)能環(huán)保、零污染、低噪聲的純電動(dòng)汽車成為了重要發(fā)展對(duì)象之一。然而純電動(dòng)汽車為單一的有限能量源，其續(xù)駛里程短成為了限制純電動(dòng)汽車發(fā)展的主要原因。在不同區(qū)域，車輛實(shí)際運(yùn)行工況有很大的差異。車輛實(shí)際行駛工況會(huì)直接影響純電動(dòng)汽車的能耗和續(xù)駛里程，對(duì)未來行駛工況的預(yù)測(cè)可以優(yōu)化純電動(dòng)汽車的能量管理控制策略，進(jìn)一步提高純電動(dòng)汽車的能耗和續(xù)駛里程表現(xiàn)。目前，純電動(dòng)汽車行駛工況預(yù)測(cè)主要為基于歷史信息的工況預(yù)測(cè)，通過對(duì)歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，利用統(tǒng)計(jì)學(xué)規(guī)律結(jié)合智能算法進(jìn)行預(yù)測(cè)，然而這種方法無(wú)法獲知當(dāng)前的工況環(huán)境，預(yù)測(cè)精度并不高；為此將實(shí)時(shí)周圍環(huán)境與歷史信息相結(jié)合的工況預(yù)測(cè)顯得十分必要。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種智能網(wǎng)聯(lián)純電動(dòng)汽車行駛工況預(yù)測(cè)方法，旨在利用車聯(lián)網(wǎng)系統(tǒng)，考慮了周圍工況環(huán)境，保證了預(yù)測(cè)的未來行駛工況信息更接近于未來實(shí)際工況信息，實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：

一種智能網(wǎng)聯(lián)純電動(dòng)汽車行駛工況預(yù)測(cè)方法，包括如下步驟：

步驟1)，視頻檢測(cè)系統(tǒng)采集道路信息并傳送至云端服務(wù)器，云端服務(wù)器對(duì)其進(jìn)行處理獲取車流量、車型及車輛質(zhì)心位置；

步驟2)，車載終端獲取車輛速度和加速度信息、GPS衛(wèi)星定位系統(tǒng)獲取車輛位置信息，并將獲得的信息傳輸至云端服務(wù)器，云端服務(wù)器對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)、分析和計(jì)算；

步驟3)，云端服務(wù)器根據(jù)獲得的速度、加速度、位置、車型、車流量以及車輛質(zhì)心距離信息進(jìn)行工況預(yù)測(cè)計(jì)算；若為暢行路況，采用馬爾可夫滾動(dòng)預(yù)測(cè)法預(yù)測(cè)未來行駛工況信息；若為擁堵路況，則根據(jù)車-車之間的歷史信息對(duì)未來行駛信息進(jìn)行預(yù)測(cè)；若為緩行路況，則將馬爾可夫滾動(dòng)預(yù)測(cè)結(jié)果與通過車-車之間歷史信息預(yù)測(cè)的結(jié)果進(jìn)行對(duì)比，取與當(dāng)前狀態(tài)相近值作為預(yù)測(cè)結(jié)果；

步驟4)，將預(yù)測(cè)結(jié)果傳輸至主控制器，主控制器獲取預(yù)測(cè)結(jié)果與實(shí)際值之間的誤差，調(diào)整下次預(yù)測(cè)結(jié)果。

進(jìn)一步，所述馬爾可夫滾動(dòng)預(yù)測(cè)法預(yù)測(cè)未來行駛工況信息，具體為：取滾動(dòng)歷史時(shí)間窗T內(nèi)的歷史數(shù)據(jù)，對(duì)速度-加速度進(jìn)行狀態(tài)劃分，計(jì)算各狀態(tài)之間轉(zhuǎn)化的頻率構(gòu)成轉(zhuǎn)移狀態(tài)矩陣，取概率最大值與當(dāng)前狀態(tài)的乘積作為預(yù)測(cè)值，并根據(jù)當(dāng)前交通路況信息對(duì)預(yù)測(cè)值進(jìn)行修正：其中，v_t表示當(dāng)前速度，a_t表示當(dāng)前加速度，v_t+1表示下一狀態(tài)速度，a_t+1表示下一狀態(tài)加速度，K_c表示暢行路況下的修正系數(shù)，K_h表示緩行路況下的修正系數(shù)，maxP_ij表示從狀態(tài)i轉(zhuǎn)移到下一狀態(tài)的最大概率；所述轉(zhuǎn)移狀態(tài)矩陣

進(jìn)一步，所述擁堵路況時(shí)，云端服務(wù)器根據(jù)與本車同路同向前m后n輛車的歷史行駛數(shù)據(jù)，進(jìn)行預(yù)測(cè)：其中μ_i表示前后車輛與本車是否為同類型，L_i表示前后車輛質(zhì)心位置距離本車質(zhì)心位置的長(zhǎng)度，v_i表示前后車輛在滾動(dòng)歷史時(shí)間窗T內(nèi)的平均速度，a_i表示前后車輛在滾動(dòng)歷史時(shí)間窗T內(nèi)的平均加速度；所述μ_i為1時(shí)，前后車輛與本車是同類型車輛，所述μ_i為0時(shí)，前后車輛與本車不是同類型車輛。