[發明專利]一種基于駕駛數據的多模態車速預測方法

有效

• 申請號: 202010164361.5
• 申請日: 2020-03-11
• 公開（公告）號: CN111459995B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 吳剛;于博洋;王春燕;周青華;施帥朋;馮健;顏伸翔;張自宇;吳子涵;何鵬
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/62;G07C5/08;B60W40/105
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 韓天宇

本發明公開了一種基于駕駛數據的多模態車速預測方法，首先收集標準工況數據，提取駕駛模態，為確定當前駕駛環境下車速模態的組成，需要利用標準工況的數據進行分類器的訓練以用于實時的工況識別；然后對駕駛數據進行采集及預處理，接著利用采集處理后的數據進行實時道路工況的識別并確定車速預測模型的基本模態組成，同時利用采集的駕駛數據對模型的參數進行更新，最后利用在線更新的車速預測模型進行預測。本發明能夠根據駕駛環境和駕駛員特性的差異實時預測車速，在保證預測精度的前提下增加預測時長，從而提高汽車系統的安全性能；對于混合動力汽車和電動汽車，能夠提高制動時的能量回收效率。

技術領域

本發明涉及一種車速預測方法，尤其涉及到一種基于駕駛數據的多模態車速預測方法。

背景技術

隨著科學技術的發展，汽車領域也不斷產生新技術，為了解決資源短缺、環境污染等問題，混合動力汽車和電動汽車應運而生，在混合動力和電動汽車控制策略的研究中，車速預測受到廣泛關注，一方面，對未來一段時間的車速預測能夠及時發現危險工況；另一方面，車速預測被廣泛應用于于汽車自動變速器檔位控制、安全輔助駕駛以及混合動力汽車的預測控制策略中，從而提高汽車的安全性、燃油經濟性和排放性能。因此，對車速的預測具有重要意義。

汽車標準行駛工況又稱為汽車行駛循環(drive cycle)，是針對某一類型車輛，在特定交通環境下，用來描述車輛行駛特征的速度-時間曲線。

目前采用的車速預測方法一般是通過車輪傳感器采集輪速和加速度信息，根據輪速與加速度的數學關系預測未來較短時間內的車速，這種預測方法較為簡單，但在車輛行駛過程中，加速和制動時車輪會產生滑移、空轉，輪速的信息并不能準確反映車輛的情況，這種預測方法通常只能預測很短時間內的車速且誤差較大。實際行駛時，道路環境以及駕駛員的操作等都會對車速的變化產生影響，但在過濾掉少數突發事件以及駕駛員心理噪聲等因素產生的噪聲干擾后，車速駕駛循環應能夠反映道路交通的基本組成形態，即直道、路口以及紅綠燈的交錯，即歷史車速數據包含了當前道路的基本組成形態信息。因此，引入基于駕駛數據的車速預測模型，將有助于提高車速預測的預測時長和預測精度。

發明內容

針對上述問題，本發明提出一種基于駕駛數據的多模態車速預測方法，以實現良好的車速軌跡動態預測，并在保證預測精度的前提下增加預測時長，從而提高汽車系統的安全性能；對于混合動力汽車和電動汽車，可以提前制定能量回收方案，提高制動時的能量回收效率。

為實現以上目的，本發明采用以下技術方案：

一種基于駕駛數據的多模態車速預測方法，包含以下步驟：

步驟A)，建立基于駕駛數據的多模態車速預測模型：

步驟A.1)，收集能夠反映實際道路工況特征的駕駛車速數據，包括城市、城郊及高速的道路工況；

步驟A.2)，對收集駕駛循環數據進行片段劃分及歸類的預處理：

步驟A.2.1)，將所有循環工況按短行程分割，再按速度將短行程拆分成怠速片段和行程片段，所述短行程是指從上一次減速至停車開始到下一次減速至停車為止的過程；

步驟A.2.2)，根據不同行程片段的幾何形狀，分類并歸納為單峰、多峰、平臺及多平臺四種反映車速變化特征的速度-時間序列片段；

步驟A.3)，對分好類的序列片段進行離線模態的提取：

步驟A.3.1)，在MATLAB中分別對上述步驟A.2.2)中四類不同的速度序列片段進行歸一化處理，對數據庫中行程片段的時間跨度和速度峰值進行縮放，得到跨度相同、峰值相同的多個速度序列；

步驟A.3.2)，利用線性插值、求均值的方法求出各類序列片段的平均值；