CN107845261A - 一种基于张量融合交通信息的汽车全局工况动态重构方法 - Google Patents
一种基于张量融合交通信息的汽车全局工况动态重构方法 Download PDFInfo
- Publication number
- CN107845261A CN107845261A CN201711068367.7A CN201711068367A CN107845261A CN 107845261 A CN107845261 A CN 107845261A CN 201711068367 A CN201711068367 A CN 201711068367A CN 107845261 A CN107845261 A CN 107845261A
- Authority
- CN
- China
- Prior art keywords
- section
- working condition
- speed
- road section
- road
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 37
- 230000004927 fusion Effects 0.000 title abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000007704 transition Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 239000012634 fragment Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于张量融合交通信息的汽车全局工况，通过现有交通信息数据库获取规划路线的各路段当前时刻交通信息；应用张量模型存储云端所述交通信息，判断当前时刻所述交通信息的张量模型是否完整，若不完整，则应用张量填充算法构建张量完整交通信息数据库；将全局路段分n个路段分别构建各路段工况，第1至n路段工况依序排列组成全局工况。实现汽车工况结合实时道路交通信息，能够真实反映当前道路车辆真实排放因子和排放量，还进一步为新能源汽车动力电池能量管理提供了工况参考。
Description
技术领域
本发明属于汽车工况技术领域，更加具体地说，涉及汽车全局工况构建领域。
背景技术
车辆行驶工况用于描述车辆的行驶特征，可以表示为车速随时间变化的曲线。行驶工况对于确定车辆燃油消耗，尾气排放量，新车型的开发和评价等方面具有重要影响。目前，常用的行驶工况主要分为欧洲行驶工况(EDC)，美国行驶工况(USDC)和日本行驶工况(JDC)。在工况构建方法中，主要有短行程法、聚类法和马尔科夫法等。然而，实际行车过程中，实时交通信息对于道路车辆行驶工况具有决定性影响，现有技术中，由于技术限制，车辆行驶过程中实时获得道路交通信息很难实现，道路车辆行驶工况未实时结合道路交通信息。
但是，随着移动互联网和智能交通领域的发展，实时获取当前道路交通信息成为可能，因此，本发明为解决上述技术问题，提出了一种基于交通信息融合的工况构建方法，结合马尔科夫状态转移矩阵和张量填充理论，实现了道路车辆全局工况在线重构。同时道路交通信息更新后实时更新全局工况，提高了全局工况构建精度。
此外，由于结合了当前道路交通信息，全局工况动态重构不仅可以真实反映当前道路车辆真实排放因子和排放量，该构建方法不仅为实时测试车辆的排放参数，性能参数等传统应用提供了实时数据，还进一步为新能源汽车的开发和实时全局能量管理提供了解决方案。
发明内容
本发明中提及的“当前”表达正在构建的含义。
本发明涉及的一种基于张量融合的汽车全局工况动态重构方法，如图1所示，其重构方法为主要分为五个部分：第一部分为实时交通数据信息输入：将道路交通线圈采集信息上传到云端的云端交通信息下载至本地数据库作为当前时刻交通信息，并存储为交通信息张量模型结构，所述交通信息张量模型跟随当前时刻交通信息定期更新，更新频率根据实际情况按需设置，优选为没300s更新一次。第二部分为张量填充算法的应用：当交通信息张量模型缺失时应用张量填充算法恢复缺失信息，在获得完整交通信息张量模型后，再次应用张量填充算法提高路段交通信息精度。第三部分为速度片段数据库的构建：首先，采集不同道路的行驶工况，根据划分准则将行驶工况分为若干个速度片段，所述划分准则由本领域技术人员根据实际情况调整确定。然后根据所述速度片段的平均速度划分速度状态簇，构建基于速度状态簇的速度片段数据库。第四部分为路段工况循环构建：以速度状态簇为基础，路段平均速度为约束，马儿科夫状态转移矩阵为方法构建基于当前时刻交通信息的各路段工况，各路段工况最终顺次组成构建全局工况。第五部分为构建全局工况定时更新：当云端实时交通信息更新后，初始化构建参数，包括初始化Global＝0，即当前时刻已构建道路全局工况距离为0，初始化当前路段计数i＝1，即路段从1开始计算。并根据云端交通信息获取道路路段数n，即当前车辆位置至目的地终点的道路路段数，其中，Di为当前所在第i道路路段实际长度，d0存储当前所在第i道路路段构建长度。初始准备完成后，依据流程图更新当前时刻全局工况。
该工况构建方法首次将实时交通信息应用到工况构建中，为新能源汽车的设计和全局能量管理提供了数据支持。应用动态规划能量管理控制策略，将动态规划算法应用到实时能量管理策略中，快速计算动力电池最优SOC轨迹，为预测能量管理策略提供全局最优能量轨迹参考。
具体地，本发明的一种汽车全局工况动态重构方法，依次包括如下步骤,
一、通过现有交通信息数据库获取规划路线的各路段当前时刻交通信息；
二、应用张量模型存储云端所述交通信息，判断当前时刻所述交通信息的张量模型是否完整，若不完整，则应用张量填充算法构建张量完整交通信息数据库；
三、将全局路段分n个路段分别构建各路段工况，第1至n路段工况依序排列组成全局工况。
优选地，所述步骤三具体为，
首先，构建第1路段工况；
其次，构建第2至n-1路段工况，具体如下
初始化当前构建路段为第i路段，i＝2；
(a)j＝1,以当前构建的第i路段的平均速度为约束，从所述第i路段的平均速度对应的速度状态簇分类中随机选取第j次速度片段d时间，转至步骤(b)；
(a1)以当前构建的第i路段的路段工况d0的末尾速度为约束，根据马尔科夫状态转移矩阵结合蒙特卡罗随机数确定速度状态簇分类，从所述确定的速度状态簇分类中随机选择与第j-1次速度片段结束点速度差值小于1km/h的速度片段作为第j次速度片段d时间，转至执行步骤(b)；
(b)将所述第j次速度片段d时间转换为距离随时间变化的工况d空间；
(c)将d空间赋值给路段工况d0，d0＝d0+d空间。
(d)若构建的所述路段工况d0长度小于实际第i路段工况长度Di，则j＝j+1。并转至执行步骤(a1)；
(e)若d0长度首次超过Di，即构建的第i路段工况长度超出实际第i路段工况长度，从所构建的第i路段工况的起始点截取与实际第i路段工况长度等距离的路段工况作为第i路段工况；
(f)判断当前第i路段是否是n-1路段，若否，将i+1重新赋值给i，跳转步骤(a)构建下一路段工况；
再次，若第n-1道路路段构建完成，则构建第n路段工况。
优选地，第1路段工况分两段构建，首先，第1路段的第一段工况是从速度0，以固定加速度增速度至第1路段的平均速度，第1路段的第一段工况赋值给d0；其次，第1路段的第二段工况是将i＝1，j＝1，执行上述步骤(a)至(e)构建；最后，将所述第1路段的第一段工况和第1路段的第二段工况先后排列构成第1路段工况。
优选地，第n路段工况分两段构建；首先，第n路段的第一段工况是从第n路段的平均速度，以固定减速度减速至速度0，第n路段的第一段工况赋值给d0。其次，第n路段的第二段工况是将i＝n，j＝1，执行上述步骤(a)至(e)构建；最后，将所述第n路段的第二段工况和第n路段的第一段工况先后排列构成第n路段工况。
优选地，根据汽车在道路的实时位置，并结合现有交通信息数据库的更新频率，以特定频率重新构建当前时刻的全局工况。
优选地，所述步骤二具体为：若当前时刻交通信息的张量模型不完整，首先应用张量填充算法填充缺失信息，获得完整交通信息张量模型后，再次应用张量填充算法，应用张量模型的低秩特性，增加路段数量，完成张量完整交通信息数据库构建。
优选地，所述交通信息的张量模型具有四维，分别为时间模式维度，日模式维度，周模式维度和路段模式维度。
优选地，将现有交通信息数据库的城市工况和高速工况分别划分为多个速度片段，其中，
城市工况的一次起步到下一次停车为一个速度片段；
高速工况的特定阈值速度至下一次到达该特定阈值速度为一个速度片段，且去除超过速度片段长度阈值的速度片段；
根据上述速度片段的平均速度，对上述速度片段划分为多个速度状态簇分类。
本发明还涉及一种动力电池能量管理系统，其特征在于使用如上所述的方法跟随汽车行驶环境信息计算动力电池最优SOC轨迹。
本发明还涉及一种汽车，其特征在于使用如上所述的方法构建全局工况。
附图说明
图1是工况总体构建方法示意图。
图2是交通信息四维张量模型示意图。
图3是信息缺失的张量模型和路段填充的张量模型。
图4是张量填充流程图。
具体实施方式
1.速度片段数据库构建
(a)行驶工况数据采集。
该数据采集可以通过下载现有交通信息数据库，例如美国加州交通部的PeMS数据库，或实车道路采集。
(b)速度片段划分。
速度片段数据库由多个速度片段构成。
城市工况和高速工况采用不同的速度片段划分方法。
城市工况采用一次起步到下一次停车为一个速度片段。
高速工况采用速度区间法。速度区间法具体为将当前阈值速度至下一次到达该阈值速度为一个速度片段。这是由于高速工况中低速情况较少，车速通常都保持在一个恒定的速度片段较长时间，行驶过程中停车现象少。例如行驶工况数据从10km/h至下一次到达10km/h为一个速度片段。速度区间的个数根据需要设置，优选地，本发明定义12个速度区间，具体速度区间如表1所示，
表1高速工况速度区间
| No | 1 | 2 | … | 12 |
| 速度区间(km/h) | [0,0] | [10,10] | … | [110,110] |
此外，在高速工况中，汽车会长时间保持一定速度，例如从当前阈值速度10km/h至下一次到达阈值速度10km/h的速度片段持续时间过长。因此为了避免时间过长的速度片段产生，设置高速工况的速度片段长度阈值，本发明优选地将高速工况的速度片段长度阈值设为100s，构建速度片段数据库时剔除超出100s的速度片段。
(c)速度状态簇划分。
计算每个速度片段的平均速度，根据每个所述速度片段的平均速度所在的速度区间，将速度片段划分至若干个速度状态簇，优选地速度状态簇为12个。如表2所示。例如将平均速度在0-10km/h的速度片段划分至第1速度状态簇。
表2速度状态簇的平均速度区间划分标准
2.马尔科夫状态转移矩阵
假定某一个事件的发展过程有n个可能的状态空间，即E1，E2，…，En。记Pij为从状态Ei转变为状态Ej的状态转移概率，例如P12表示从状态E1转移到状态E2的概率。计算公式为：
式中，Nij表示速度状态簇Ei转移到Ej所发生的次数。则n个状态在状态空间的状态转移矩阵如下
在工况构建过程中，未来工况扰动变化与过去状态无关，只取决于当前状态，因此，工况构建过程可以视为一个离散的马尔科夫链。
本发明中采用的12个状态空间的状态转移矩阵如下，
构建路段工况中第一次生成速度片段时，从当前路段平均速度对应的速度状态簇中随机选择起始速度片段。
第二次至最后生成速度片段时，以当前构建的第i路段的第j-1(j>1)次速度片段末尾速度v末尾为约束，判断速度片段从哪一个速度状态簇中生成。利用蒙特卡罗模拟法产生(0,1)之间的随机数r，结合马儿科夫状态转移矩阵，若满足
则从第n速度状态簇中生成速度片段，且随机从第n速度状态簇选择与上一速度片段结束速度差值小于1km/h作为第j(j>1)次速度片段d时间。例如：假设当前构建第2个道路路段，第2个道路路段平均速度为35km/h，则依据速度状态簇的平均速度区间划分标准，第1次速度片段由第4速度状态簇中生成，设随机产生的随机数r＝0.6，则
P41+P42+P43＝0.008+0.046+0.089＝0.143
P41+P42+P43+P44＝0.008+0.046+0.089+0.697＝0.84
即n＝4时满足约束不等式，因此第2次速度片段由第4速度状态簇中生成。其中第2次速度片段初始速度与第1次速度片段结束速度差值小于1km/h作为备选速度片段，随机选取d时间。同时为了保证工况各速度片段的差异性，速度片段数据库中已使用过的速度片段需及时剔除。重复路段循环构造过程，直至构建第2个路段距离达到实际第2个路段距离为止。
3张量完整交通信息数据库构建方法
3.1张量模型构建
通过云端下载当前路段的四周历史数据构建一个交通信息张量模型用于交通信息分析处理。构建的张量模型为其中I1＝288代表一天24小时的数据采集，I2＝7代表一周七天数据。I3＝4代表数据采集为四周。I4＝11代表研究道路分为11个路段。交通信息完整时四维度张量模型示意图如图2所示。
当交通信息不完整时，如当前时刻交通信息全部丢失或者部分丢失和路段增加后的张量模型结构示意图如图3(a)和图3(b)所示。3.2张量填充算法
张量填充的流程图如图4所示，当获得路段的交通信息不完整时，首先应用张量填充算法填充缺失信息。获得完整交通信息后，再次应用张量填充算法在原来路段数的基础增加段数量，即在未有交通线圈的地方应用张量模型的低秩特性，增加路段数量，实现缩小路段距离，从而提高构建工况精度。填充时依据的已知历史数据由一个路段分成至少两个路段，如将11段路构建成22段，对应交通信息保持不变。
具体张量填充算法如下：通常假设所求张量模型具有低秩特性，张量恢复的目标函数如下：
其中F是目标函数，张量 是因子矩阵，也是每个模式下前面若干列主成分组成的矩阵。是一个核心张量，其中每个元素表示主成分相应关系。
对于给定的N阶张量张量的F范数为
其Tucker分解形式为其中，张量叫做张量的核张量(Core Tensor)。
由于Tucker分解不唯一，因此最小化目标函数F也不是唯一的。常用的方法是通过计算的高阶奇异值分解，计算出无线逼近值。目标函数F的最优解可以通过梯度优化算法得到，其中，高阶奇异值分解为梯度优化算法提供一个很好的起始点。公式为
其中，是核心张量， 为正交矩阵。通过截取每一个正交矩阵的前r1，r2，r3，r4列重新定义初始矩阵
最优初始核心张量可以通过公式得到。
通过计算目标函数在核张量和各个模式上的偏导数能够得到的梯度。目标函数F可以表示成
其中
具体张量填充算法流程如下：
4全局工况构建
具体构建方法如下：车辆出发前，在车辆导航系统中输入目的地位置，导航系统会生成从起始地到目的地的规划路线以及规划路线路程。然后通过现有交通信息数据库获取规划路线的各路段当前时刻交通信息，并判断当前时刻交通信息张量模型是否完整，若不完整，则应用张量填充算法恢复丢失数据，构建张量完整交通信息数据库。
在完整交通信息数据库的基础上，将全局路段分路段进行路段工况循环构建得到各路段工况，各路段工况最终顺次组成构建全局工况。
本发明全局路段道分为n个路段；
首先，构建第1路段工况；
其次构建，第2至n-1路段工况，具体如下
(a0)初始化路段i＝2；j＝1；
(a)j＝1以当前构建的第i路段的平均速度v平均为约束，从v平均对应的速度状态簇中随机选取第j次速度片段d时间作为起始片段。转至(b)。
(a1)以当前构建的第i路段的路段工况d0的末尾速度v末尾为约束，根据前述马尔科夫状态转移矩阵结合蒙特卡罗随机数生成第j次速度片段d时间。并转至执行步骤(b)。
(b)该第j次速度片段d时间为速度随时间变化的工况，应用时空转换，将其转换为距离随时间变化的工况d空间。
(c)将d空间赋值给路段工况d0，d0＝d0+d空间。
(d)若构建的d0长度小于实际第i路段工况长度Di,则j＝j+1。并转至执行步骤(a1)
(e)若d0长度首次超过Di，即构建的第i路段工况长度超出实际第i路段工况长度，从所构建的第i路段工况的起始点截取与实际第i路段工况长度等距离的路段工况作为第i路段工况。
(f)判断当前第i路段是否是倒数第二(即n-1)路段，若未达到，将i+1重新赋值给i,跳转步骤(a)构建下一路段工况。
再次，若第n-1道路路段构建完成，则构建第n路段工况。
最终，第1至n路段工况依序排列组成全局工况,输出全局工况Global。
具体地，第1路段工况分两段构建：
首先，第1路段的第一段工况是从速度0，以该路段速度状态簇中的平均加速度增速度至第1路段的平均速度，第1路段的第一段工况长度赋值给d0。
其次，第1路段的第二段工况是将i＝1，j＝1，执行上述步骤(a)至(e)构建。
最后，将所述第1路段的第一段工况和第1路段的第二段工况先后排列构成第1路段工况。
具体地，第n路段工况分两段构建：
首先，第n路段的第一段工况是从第n路段的平均速度，以该路段速度状态簇中的平均减速度减速至速度0，第n路段的第一段工况长度赋值给d0。
其次，第n路段的第二段工况是将i＝n，j＝1，执行上述步骤(a)至(e)构建。
最后，将所述第n路段的第二段工况和第n个路段的第一段工况先后排列构成第n路段工况。
5.构建全局工况定时更新。互联网工况具有实时更新特性。依据云端交通信息的更新频率，结合当前车辆的实时位置，实时重新构建当前时刻的全局工况。例如PeMS交通信息每300s更新一次，因此，构建的实时路况也会相应的每300s根据车辆在道路的位置结合当前道路信息重新构建当前时刻的全局工况。
纯电动或混合动力汽车的动力电池能量动态规划需要提前获知车辆全局行驶工况作为优化输入参数上述全局工况动态重构方法实现了全局工况实时获取，将构建工况与采集工况作为输入量加入到动力电池动态能量管理策略中，实现了实时跟随行驶环境信息快速计算动力电池最优SOC轨迹，为能量管理策略提供全局最优能量轨迹参考。
Claims (10)
1.一种汽车全局工况动态重构方法，其特征在于：依次包括如下步骤,
一、通过现有交通信息数据库获取规划路线的各路段当前时刻交通信息；
二、应用张量模型存储云端所述交通信息，判断当前时刻所述交通信息的张量模型是否完整，若不完整，则应用张量填充算法构建张量完整交通信息数据库；
三、将全局路段分n个路段分别构建各路段工况，第1至n路段工况依序排列组成全局工况。
2.如权利要求1所述的方法，其特征在于：所述步骤三具体为，
首先，构建第1路段工况；
其次，构建第2至n-1路段工况，具体如下
初始化当前构建路段为第i路段，i＝2；
(a)j＝1,以当前构建的第i路段的平均速度为约束，从所述第i路段的平均速度对应的速度状态簇分类中随机选取第j次速度片段d时间，转至步骤(b)；
(a1)以当前构建的第i路段的路段工况d0的末尾速度为约束，根据马尔科夫状态转移矩阵结合蒙特卡罗随机数确定速度状态簇分类，从所述确定的速度状态簇分类中随机选择与第j-1次速度片段结束点速度差值小于1km/h的速度片段作为第j次速度片段d时间，转至执行步骤(b)；
(b)将所述第j次速度片段d时间转换为距离随时间变化的工况d空间；
(c)将d空间赋值给路段工况d0，d0＝d0+d空间。
(d)若构建的所述路段工况d0长度小于实际第i路段工况长度Di，则j＝j+1。并转至执行步骤(a1)；
(e)若d0长度首次超过Di，即构建的第i路段工况长度超出实际第i路段工况长度，从所构建的第i路段工况的起始点截取与实际第i路段工况长度等距离的路段工况作为第i路段工况；
(f)判断当前第i路段是否是n-1路段，若否，将i+1重新赋值给i，跳转步骤(a)构建下一路段工况；
再次，若第n-1道路路段构建完成，则构建第n路段工况。
3.如权利要求2所述的方法，其特征在于：第1路段工况分两段构建，首先，第1路段的第一段工况是从速度0，以固定加速度增速度至第1路段的平均速度，第1路段的第一段工况赋值给d0；其次，第1路段的第二段工况是将i＝1，j＝1，执行上述步骤(a)至(e)构建；最后，将所述第1路段的第一段工况和第1路段的第二段工况先后排列构成第1路段工况。
4.如权利要求2所述的方法，其特征在于：第n路段工况分两段构建；首先，第n路段的第一段工况是从第n路段的平均速度，以固定减速度减速至速度0，第n路段的第一段工况赋值给d0。其次，第n路段的第二段工况是将i＝n，j＝1，执行上述步骤(a)至(e)构建；最后，将所述第n路段的第二段工况和第n路段的第一段工况先后排列构成第n路段工况。
5.如权利要求1至4所述的方法，其特征在于：根据汽车在道路的实时位置，并结合现有交通信息数据库的更新频率，以特定频率重新构建当前时刻的全局工况。
6.如权利要求1至4所述的方法，其特征在于：所述步骤二具体为：若当前时刻交通信息的张量模型不完整，首先应用张量填充算法填充缺失信息，获得完整交通信息张量模型后，再次应用张量填充算法，应用张量模型的低秩特性，增加路段数量，完成张量完整交通信息数据库构建。
7.如权利要求6所述的方法，其特征在于：所述交通信息的张量模型具有四维，分别为时间模式维度，日模式维度，周模式维度和路段模式维度。
8.如权利要求2所述的方法，其特征在于：
将现有交通信息数据库的城市工况和高速工况分别划分为多个速度片段，其中，
城市工况的一次起步到下一次停车为一个速度片段；
高速工况的特定阈值速度至下一次到达该特定阈值速度为一个速度片段，且去除超过速度片段长度阈值的速度片段；
根据上述速度片段的平均速度，对上述速度片段划分为多个速度状态簇分类。
9.一种动力电池能量管理系统，其特征在于使用如权利要求1-8任一项所述的方法跟随汽车行驶环境信息计算动力电池最优SOC轨迹。
10.一种汽车，其特征在于使用如权利要求1-8任一项所述的方法构建全局工况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711068367.7A CN107845261B (zh) | 2017-11-03 | 2017-11-03 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711068367.7A CN107845261B (zh) | 2017-11-03 | 2017-11-03 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107845261A true CN107845261A (zh) | 2018-03-27 |
| CN107845261B CN107845261B (zh) | 2020-05-12 |
Family
ID=61681294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711068367.7A Active CN107845261B (zh) | 2017-11-03 | 2017-11-03 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107845261B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108804392A (zh) * | 2018-05-30 | 2018-11-13 | 福州大学 | 一种基于时空约束的交通数据张量填充方法 |
| CN108909702A (zh) * | 2018-08-23 | 2018-11-30 | 北京理工大学 | 一种插电式混合动力汽车能量管理方法及系统 |
| CN109278752A (zh) * | 2018-09-26 | 2019-01-29 | 郑州轻工业学院 | 基于合作感知的插电式混合动力汽车能量优化控制方法 |
| CN110572789A (zh) * | 2019-08-12 | 2019-12-13 | 东北大学秦皇岛分校 | 基于Hankel变换的无线传感网高维数据补全方法 |
| CN112632028A (zh) * | 2020-12-04 | 2021-04-09 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN112861363A (zh) * | 2021-02-23 | 2021-05-28 | 国网冀北电力有限公司智能配电网中心 | 光伏发电状态估计方法、装置及终端设备 |
| CN113053135A (zh) * | 2019-12-26 | 2021-06-29 | 郑州宇通客车股份有限公司 | 一种全局车速预测方法与装置 |
| CN118010380A (zh) * | 2024-04-09 | 2024-05-10 | 中国汽车技术研究中心有限公司 | 基于瞬态工况的稳态化场地工况开发方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014106926A (ja) * | 2012-11-29 | 2014-06-09 | Fujitsu Ltd | 運行管理方法、運行管理装置及びプログラム |
| CN104792543A (zh) * | 2015-04-17 | 2015-07-22 | 北京理工大学 | 一种道路循环工况的构建方法 |
| WO2015155884A1 (ja) * | 2014-04-11 | 2015-10-15 | 三菱重工業株式会社 | 車両電力消費シミュレーション装置、車両電力消費シミュレーション方法、およびプログラム |
| CN105946857A (zh) * | 2016-05-16 | 2016-09-21 | 吉林大学 | 基于智能交通系统的并联phev能量管理方法 |
| CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
| CN107111794A (zh) * | 2015-01-11 | 2017-08-29 | 微软技术许可有限责任公司 | 预测和利用地图服务中出行时间的可变性 |
| CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
| CN107220211A (zh) * | 2016-12-14 | 2017-09-29 | 北京理工大学 | 一种融合张量填充和张量恢复的数据重建方法 |
| CN107564288A (zh) * | 2017-10-10 | 2018-01-09 | 福州大学 | 一种基于张量填充的城市交通流预测方法 |
-
2017
- 2017-11-03 CN CN201711068367.7A patent/CN107845261B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014106926A (ja) * | 2012-11-29 | 2014-06-09 | Fujitsu Ltd | 運行管理方法、運行管理装置及びプログラム |
| WO2015155884A1 (ja) * | 2014-04-11 | 2015-10-15 | 三菱重工業株式会社 | 車両電力消費シミュレーション装置、車両電力消費シミュレーション方法、およびプログラム |
| CN107111794A (zh) * | 2015-01-11 | 2017-08-29 | 微软技术许可有限责任公司 | 预测和利用地图服务中出行时间的可变性 |
| CN104792543A (zh) * | 2015-04-17 | 2015-07-22 | 北京理工大学 | 一种道路循环工况的构建方法 |
| CN105946857A (zh) * | 2016-05-16 | 2016-09-21 | 吉林大学 | 基于智能交通系统的并联phev能量管理方法 |
| CN107220211A (zh) * | 2016-12-14 | 2017-09-29 | 北京理工大学 | 一种融合张量填充和张量恢复的数据重建方法 |
| CN107067722A (zh) * | 2017-04-24 | 2017-08-18 | 中国汽车技术研究中心 | 一种新的车辆行驶工况构建方法 |
| CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
| CN107564288A (zh) * | 2017-10-10 | 2018-01-09 | 福州大学 | 一种基于张量填充的城市交通流预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 伍元凯: "基于动态张量填充的短时交通流预测研究", 《中国优秀硕士学位论文全文数据库（电子期刊）工程科技II辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108804392A (zh) * | 2018-05-30 | 2018-11-13 | 福州大学 | 一种基于时空约束的交通数据张量填充方法 |
| CN108804392B (zh) * | 2018-05-30 | 2021-11-05 | 福州大学 | 一种基于时空约束的交通数据张量填充方法 |
| CN108909702A (zh) * | 2018-08-23 | 2018-11-30 | 北京理工大学 | 一种插电式混合动力汽车能量管理方法及系统 |
| CN109278752A (zh) * | 2018-09-26 | 2019-01-29 | 郑州轻工业学院 | 基于合作感知的插电式混合动力汽车能量优化控制方法 |
| CN110572789A (zh) * | 2019-08-12 | 2019-12-13 | 东北大学秦皇岛分校 | 基于Hankel变换的无线传感网高维数据补全方法 |
| CN110572789B (zh) * | 2019-08-12 | 2022-05-24 | 东北大学秦皇岛分校 | 基于Hankel变换的无线传感网高维数据补全方法 |
| CN113053135A (zh) * | 2019-12-26 | 2021-06-29 | 郑州宇通客车股份有限公司 | 一种全局车速预测方法与装置 |
| CN112632028A (zh) * | 2020-12-04 | 2021-04-09 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN112632028B (zh) * | 2020-12-04 | 2021-08-24 | 中牟县职业中等专业学校 | 一种基于多维矩阵外积数据库构型的工业生产要素优化方法 |
| CN112861363A (zh) * | 2021-02-23 | 2021-05-28 | 国网冀北电力有限公司智能配电网中心 | 光伏发电状态估计方法、装置及终端设备 |
| CN112861363B (zh) * | 2021-02-23 | 2022-09-27 | 国网冀北电力有限公司智能配电网中心 | 光伏发电状态估计方法、装置及终端设备 |
| CN118010380A (zh) * | 2024-04-09 | 2024-05-10 | 中国汽车技术研究中心有限公司 | 基于瞬态工况的稳态化场地工况开发方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107845261B (zh) | 2020-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107845261B (zh) | 一种基于张量融合交通信息的汽车全局工况动态重构方法 | |
| Hongwen et al. | Real-time global driving cycle construction and the application to economy driving pro system in plug-in hybrid electric vehicles | |
| CN110264709B (zh) | 基于图卷积网络的道路的交通流量的预测方法 | |
| CN108197739B (zh) | 一种城市轨道交通乘客流量预测方法 | |
| Zhou et al. | A survey on driving prediction techniques for predictive energy management of plug-in hybrid electric vehicles | |
| Yi et al. | Energy impact evaluation for eco-routing and charging of autonomous electric vehicle fleet: Ambient temperature consideration | |
| CN104731963B (zh) | 一种基于车联网的网格化路径推荐方法及系统 | |
| Lemieux et al. | Vehicle speed prediction using deep learning | |
| Gong et al. | An iterative markov chain approach for generating vehicle driving cycles | |
| CN110517482B (zh) | 一种基于3d卷积神经网络的短时交通流预测方法 | |
| De Nunzio et al. | Model-based eco-routing strategy for electric vehicles in large urban networks | |
| CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
| CN107180274B (zh) | 一种电动汽车充电设施规划典型场景选取和优化方法 | |
| CN101295326B (zh) | 应用gps数据生成od矩阵的交通仿真的方法 | |
| Guo et al. | A novel energy consumption prediction model with combination of road information and driving style of BEVs | |
| CN103279802A (zh) | 通勤者日活动―出行时间预测方法 | |
| Croce et al. | Energy consumption of electric vehicles: Models’ estimation using big data (FCD) | |
| CN114492919A (zh) | 一种基于交通流量的电动汽车充电负荷预测系统及方法 | |
| CN111291321A (zh) | 基于大数据的城市交通模型构建方法 | |
| CN114913689A (zh) | 一种基于先验知识时变图卷积网络的交通流预测方法 | |
| Grubwinkler et al. | A modular and dynamic approach to predict the energy consumption of electric vehicles | |
| Shi et al. | Low-cost reconstruction of typical driving cycles based on empirical information and low-frequency speed data | |
| CN110738356A (zh) | 一种基于sdn增强网络的电动汽车充电智能调度方法 | |
| Zhao et al. | Energy management strategy of series–parallel hybrid transmission integrating map information and personalized driving characteristics | |
| El Esawey et al. | Calibration and validation of micro-simulation models of medium-size networks. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |