CN107845261B - 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

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

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

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，D_i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D_i，则j＝j+1。并转至执行步骤(a₁)；

(e)若d₀长度首次超过D_i，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，…，E_n。记P_ij为从状态E_i转变为状态E_j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，N_ij表示速度状态簇E_i转移到E_j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D_i,则j＝j+1。并转至执行步骤(a₁)

(e)若d₀长度首次超过D_i，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 (9)

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；

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D_i，则j＝j+1，并转至执行步骤(a₁)；

(e)若d₀长度首次超过D_i，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。

2.如权利要求1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。

3.如权利要求1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。

4.如权利要求1至3任一项所述的方法，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。

5.如权利要求1至3任一项所述的方法，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。

6.如权利要求5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。

7.如权利要求1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。

8.一种动力电池能量管理系统，其特征在于使用如权利要求1-7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。

9.一种汽车，其特征在于使用如权利要求1-7任一项所述的方法构建全局工况。

Images