CN108734810A - 一种基于车联网的纯电动汽车行驶工况预测方法 - Google Patents
一种基于车联网的纯电动汽车行驶工况预测方法 Download PDFInfo
- Publication number
- CN108734810A CN108734810A CN201810342981.6A CN201810342981A CN108734810A CN 108734810 A CN108734810 A CN 108734810A CN 201810342981 A CN201810342981 A CN 201810342981A CN 108734810 A CN108734810 A CN 108734810A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front truck
- target front
- characteristic parameter
- driving cycle
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于车联网的纯电动汽车行驶工况预测方法,属于电动汽车领域,首先获取本车以及周围车辆的位置信息、行驶特征参数;接着确定目标前车:当车辆满足与本车同向、同路且距离小于阈值S时,即被确认为目标前车;然后确定工况预测方法:当目标前车数目等于零时,根据本车在一定周期内的历史数据确定行驶工况,当目标前车数目大于零时,调取目标前车在本车当前位置的特征参数并通过估测本车未来行驶工况特征参数来确定行驶工况;最后确定各目标前车每个特征参数的权重,最后确定本车未来行驶工况。本发明消除传统工况预测方法的滞后性,使得预测结果更加准确。
Description
技术领域
本发明属于电动汽车领域,具体涉及一种基于车联网的纯电动汽车行驶工况预测方法。
背景技术
在能源危机和环境恶化日趋严重的今天,发展零排放、无污染的纯电动汽车成为了一种必然趋势。纯电动汽车作为一种有限能量电源供电系统,其能量管理的控制和优化显得尤为重要。行驶工况作为纯电动汽车能量管理策略中需要考虑的重要因素之一,对提高整个纯电动汽车的能量利用效率有着很大的影响。现有的行驶工况预测方法是调取一定周期的行驶工况数据,根据本车当前的特征参数做出控制策略的自适应调整,但是该方法是基于车辆运行一定周期的数据积累之后进行识别并调节控制策略,无法实时估测车辆未来行驶工况,且预测结果的准确性较低。所以,目前需要设计出一种纯电动汽车行驶工况预测的方法,能够实时准确得对车辆未来行驶工况进行预测,以优化能量管理策略。
发明内容
本发明的目的在于提供一种基于车联网的纯电动汽车行驶工况预测方法,基于本车实时的特征参数不断更新目标前车每个特征参数的影响权重,以保证预测的实时性和准确性,实现本发明的技术方案如下:
一种基于车联网的纯电动汽车行驶工况预测方法,包括如下步骤:获取本车以及周围车辆的位置信息、行驶特征参数信息,识别判断位于同一车道前方的车辆,从而确定目标前车,由目标前车的数量确定本车的行驶工况,由目标前车与本车的行驶特征参数确定目标前车的特征参数的权重,最后确定本车未来行驶工况。
进一步,所述本车的位置信息通过GPS车载定位系统确定,所述周围车辆的位置信息通过车联网通讯系统中的V2R车路通讯系统获取,车联网通讯系统调取本车以及周围车辆的行驶特征参数信息并通过V2V车车通讯系统进行交互,并将交互之后的本车和周围车辆的位置信息以及行驶特征参数信息存储在车联网内。
进一步,所述行驶特征参数,包括瞬时速度v1、平均车速vave、瞬时加速度a1、加速比例P1及怠速比例P2。
进一步,所述目标前车的确定条件为:周围车辆是否与本车同向、同路且距离小于阈值S,S视具体情况而定,S的大小使目标前车的总数发生变化,影响权重的大小。
进一步,当目标前车的数量等于零时,采用模糊C均值聚类分析法根据本车在一定周期内的历史行驶特征参数确定行驶工况;当目标前车数目大于零时,通过车联网通讯系统调取各目标前车在本车当前位置的行驶特征参数,并将各目标前车在本车当前位置的行驶特征参数与本车行驶特征参数作比较,确定影响权重。
进一步,当目标前车的数量等于零时,具体过程为:提取本车一定周期内的行驶工况,确定聚类个数、聚类中心、隶属度矩阵,并根据本车当前的特征参数计算出特征参数到聚类中心的距离,取最小值预估行驶工况;当目标前车的数量大于零时,具体过程为:调用各目标前车位于本车当前位置的各个特征参数,并将这些特征参数与本车特征参数作比较,确定影响权重,通过得到的各目标前车每个特征参数的影响权重确定本车未来行驶工况的特征参数,从而确定行驶工况。
进一步,由目标前车与本车的行驶特征参数确定目标前车的每个特征参数的权重:将各目标前车在本车当前位置的行驶特征参数与本车所对应的行驶特征参数做差求平方,其值越大影响因素越小,故采用的形式来预估各目标前车的每个行驶特征参数对本车未来行驶工况特征参数的影响权重,其中m表示在S范围内总共有m辆目标前车,i表示第i辆目标前车。
进一步,确定本车未来行驶工况可通过由本车下一状态行驶特征参数值来确定,本车下一状态行驶特征参数值可以通过将各个目标前车的下一状态行驶特征参数值与所得权重做乘积并求和其中wt+1,i表示第i个目标前车下一状态的行驶特征参数值,wi表示第i个目标前车的影响权重,m表示目标前车的总数。
本发明的有益效果为:本发明通过实时获取本车位置信息和行驶特征参数信息,使得用来预估本车未来行驶工况的各目标前车每个行驶特征参数的影响权重也具有实时性,且每个影响权重只与本车当前状态有关而与本车历史状态无关,相比于现有预测方法通过调取自身一定运行周期内的工况数据做出工况预测,该方法消除了现有预测方法的滞后性,提高了预测方法的实时性,有利于能量管理策略的优化。
附图说明
图1为本发明实施例的车联网整体架构示意图;
图2为本发明实施例的行驶工况预测方法具体流程图;
图3为本发明实施例的目标前车示意图,其中:1-本车,2-目标前车A,3-目标前车B,4-目标前车C,S1-目标前车A与本车的距离,S2-目标前车B与本车的距离,S-目标前车C与本车的距离。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示,为本发明车联网整体架构示意图,包括基于车联网通讯系统下的GPS车载定位系统、V2V车车通讯系统和V2R车路通讯系统,实时有效地获取预测行驶工况所需的本车以及周围车辆的位置信息和行驶特征参数信息。
如图2所示,为本发明行驶工况预测方法具体流程图,具体过程为:
①通过GPS车载定位系统来实时获取并确定本车位置信息,通过车联网通讯系统中V2R车路通讯系统来确定本车周围车辆的位置信息,车联网通讯系统调用本车以及周围车辆的行驶特征参数信息,包括:瞬时速度v1、平均车速vave、瞬时加速度a1、加速比例P1及怠速比例P2,同时本车以及周围车辆通过V2V车车通讯系统进行为位置信息和行驶特征参数信息的交互,并将本车以及周围车辆的位置信息和行驶特征参数信息存储在车联网通讯系统内。
②判断周围车辆与本车是否同向、同路、距离小于阈值S(S视具体情况而定,S的大小使目标前车的总数发生变化,影响权重的大小);当周围车辆满足与本车同向同路且距离小于阈值S时就被确认为目标前车,并通过V2V车车通讯系统保持与本车进行实时的通讯,当不满足条件时就放弃通讯。
③判断目标前车数量:当目标前车的数量等于零时,提取本车一定周期内的行驶工况数据,以150s为采集时间,共采集50个工况快,采用模糊C均值聚类分析的方法确定聚类个数、聚类中心、隶属度矩阵,并根据本车当前的特征参数计算出特征参数到聚类中心的距离,取最小值预估行驶工况;当目标前车的数量大于零时,选定目标前车,通过车联网通讯系统调用各目标前车位于本车当前位置的各个特征参数,并将这些特征参数与本车特征参数作差求平方,其值越大代表影响越小,确定形如的各目标前车每个特征参数的权重,由于本车的当前位置信息和行驶特征参数信息具有实时性,故各目标前车的每个特征参数的权重也具有实时性;取各目标前车位于本车当前位置的特征参数为a1i、v1i、vavei、P1i、P2i(目标前车位于本车当前位置的瞬时加速度、瞬时速度、平均速度、加速比例、怠速比例),其中i=1,2……m,i表示第i辆目标前车,m表示目标前车的总数量;将这些特征参数与本车实时特征参数作比较,得到随本车行驶变化的瞬时加速度的权重瞬时速度的权重平均速度的权重加速比例的权重怠速比例的权重
④通过得到的各目标前车每个特征参数的影响权重确定本车未来行驶工况的特征参数,从而确定行驶工况。本车下一状态行驶特征参数值可以通过将各个目标前车的下一状态行驶特征参数值与所得权重做乘积并求和来得到,其形式如其中wt+1,i表示第i个目标前车下一状态的行驶特征参数值,wi表示第i个目标前车的影响权重,m表示目标前车的总数,即可确定本车下一状态行驶特征参数值,从而确定了未来行驶工况。
如图3所示,为本发明的目标前车示意图,当本车周围车辆满足如图所示情况,即与本车同一道路、行驶方向相同且距离Si<S(其中i表示第i辆车,S表示判断目标前车的最大距离)时,即为目标前车。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,获取本车以及周围车辆的位置信息、行驶特征参数信息,识别判断位于同一车道前方的车辆,从而确定目标前车,由目标前车的数量确定本车的行驶工况,由目标前车与本车的行驶特征参数确定目标前车的特征参数的权重,最后确定本车未来行驶工况。
2.根据权利要求1所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,所述本车的位置信息通过GPS车载定位系统确定,所述周围车辆的位置信息通过车联网通讯系统中的V2R车路通讯系统获取,车联网通讯系统调取本车以及周围车辆的行驶特征参数信息并通过V2V车车通讯系统进行交互,并将交互之后的本车和周围车辆的位置信息以及行驶特征参数信息存储在车联网内。
3.根据权利要求1或2所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,所述行驶特征参数,包括瞬时速度v1、平均车速vave、瞬时加速度a1、加速比例P1及怠速比例P2。
4.根据权利要求1所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,所述目标前车的确定条件为:周围车辆是否与本车同向、同路且距离小于阈值S,S视具体情况而定,S的大小使目标前车的总数发生变化,影响权重的大小。
5.根据权利要求1所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,当目标前车的数量等于零时,采用模糊C均值聚类分析法根据本车在一定周期内的历史行驶特征参数确定行驶工况;当目标前车数目大于零时,通过车联网通讯系统调取各目标前车在本车当前位置的行驶特征参数,并将各目标前车在本车当前位置的行驶特征参数与本车行驶特征参数作比较,确定影响权重。
6.根据权利要求5所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,当目标前车的数量等于零时,具体过程为:提取本车一定周期内的行驶工况,确定聚类个数、聚类中心、隶属度矩阵,并根据本车当前的特征参数计算出特征参数到聚类中心的距离,取最小值预估行驶工况;当目标前车的数量大于零时,具体过程为:调用各目标前车位于本车当前位置的各个特征参数,并将这些特征参数与本车特征参数作比较,确定影响权重,通过得到的各目标前车每个特征参数的影响权重确定本车未来行驶工况的特征参数,从而确定行驶工况。
7.根据权利要求1或6所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,由目标前车与本车的行驶特征参数确定目标前车的每个特征参数的权重:将各目标前车在本车当前位置的行驶特征参数与本车所对应的行驶特征参数做差求平方,其值越大影响因素越小,故采用的形式来预估各目标前车的每个行驶特征参数对本车未来行驶工况特征参数的影响权重,其中m表示在S范围内总共有m辆目标前车,i表示第i辆目标前车。
8.根据权利要求1或6所述的一种基于车联网的纯电动汽车行驶工况预测方法,其特征在于,确定本车未来行驶工况可通过由本车下一状态行驶特征参数值来确定,本车下一状态行驶特征参数值可以通过将各个目标前车的下一状态行驶特征参数值与所得权重做乘积并求和其中wt+1,i表示第i个目标前车下一状态的行驶特征参数值,wi表示第i个目标前车的影响权重,m表示目标前车的总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342981.6A CN108734810B (zh) | 2018-04-17 | 2018-04-17 | 一种基于车联网的纯电动汽车行驶工况预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810342981.6A CN108734810B (zh) | 2018-04-17 | 2018-04-17 | 一种基于车联网的纯电动汽车行驶工况预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734810A true CN108734810A (zh) | 2018-11-02 |
CN108734810B CN108734810B (zh) | 2020-09-25 |
Family
ID=63938987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810342981.6A Active CN108734810B (zh) | 2018-04-17 | 2018-04-17 | 一种基于车联网的纯电动汽车行驶工况预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734810B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767619A (zh) * | 2018-12-29 | 2019-05-17 | 江苏大学 | 一种智能网联纯电动汽车行驶工况预测方法 |
CN110827446A (zh) * | 2019-11-13 | 2020-02-21 | 北京理工大学 | 一种电动汽车行驶状态预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831768A (zh) * | 2012-08-15 | 2012-12-19 | 大连理工大学 | 一种基于车联网的混合动力客车行驶工况预测方法 |
US20160133130A1 (en) * | 2014-11-12 | 2016-05-12 | GM Global Technology Operations LLC | Method and apparatus for determining traffic safety events using vehicular participative sensing systems |
WO2017147007A1 (en) * | 2016-02-26 | 2017-08-31 | Pcms Holdings, Inc. | Systems and methods for sharing and visualizing vehicle profiles for finding a vehicle to follow |
CN107172215A (zh) * | 2017-07-18 | 2017-09-15 | 吉林大学 | 车联网环境下的未来行驶工况信息获取方法 |
CN107205046A (zh) * | 2017-07-18 | 2017-09-26 | 吉林大学 | 面向智能网联车辆的未来运行工况信息获取系统 |
-
2018
- 2018-04-17 CN CN201810342981.6A patent/CN108734810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831768A (zh) * | 2012-08-15 | 2012-12-19 | 大连理工大学 | 一种基于车联网的混合动力客车行驶工况预测方法 |
US20160133130A1 (en) * | 2014-11-12 | 2016-05-12 | GM Global Technology Operations LLC | Method and apparatus for determining traffic safety events using vehicular participative sensing systems |
WO2017147007A1 (en) * | 2016-02-26 | 2017-08-31 | Pcms Holdings, Inc. | Systems and methods for sharing and visualizing vehicle profiles for finding a vehicle to follow |
CN107172215A (zh) * | 2017-07-18 | 2017-09-15 | 吉林大学 | 车联网环境下的未来行驶工况信息获取方法 |
CN107205046A (zh) * | 2017-07-18 | 2017-09-26 | 吉林大学 | 面向智能网联车辆的未来运行工况信息获取系统 |
Non-Patent Citations (4)
Title |
---|
ROHIT PANDITA,ETC: "Preceding Vehicle State Prediction", 《2013 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》 * |
SHUWEI ZHANG,ETC: "Predictive Energy Management Strategy for Electric Vehicles based on Estimation of Preceding Vehicle Future Movements", 《2016 IEEE INTERNATIONAL CONFERENCE ON ADVANCED INTELLIGENT MECHATRONICS (AIM)》 * |
刘伟龙: "基于电动汽车工况识别预测的锂离子电池SOE估计", 《电工技术学报》 * |
郑宁安: "纯电动汽车能耗预测与续驶里程估算", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767619A (zh) * | 2018-12-29 | 2019-05-17 | 江苏大学 | 一种智能网联纯电动汽车行驶工况预测方法 |
CN109767619B (zh) * | 2018-12-29 | 2021-05-25 | 江苏大学 | 一种智能网联纯电动汽车行驶工况预测方法 |
CN110827446A (zh) * | 2019-11-13 | 2020-02-21 | 北京理工大学 | 一种电动汽车行驶状态预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108734810B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107284441B (zh) | 实时工况自适应的插电式混合动力汽车能量优化管理方法 | |
CN110126841A (zh) | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 | |
CN109410561B (zh) | 一种高速路车辆匀异质编队行驶控制方法 | |
CN103471605B (zh) | 使用荷电态消耗比识别环保路线的方法 | |
CN109927709A (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
CN113029182B (zh) | 一种考虑无线充电和动态能耗的电动汽车路径规划方法 | |
CN111439260A (zh) | 面向个性化需求的网联商用柴油车巡航行驶优化控制系统 | |
CN108515963A (zh) | 一种基于its系统的插电式混合动力汽车能量管理方法 | |
CN107284452B (zh) | 融合智能通讯信息的混合动力汽车未来工况预测系统 | |
CN107161154B (zh) | 考虑档位的经济速度获取方法 | |
CN106573624A (zh) | 用于运行机动车的方法、机动车和计算机程序 | |
CN113635879B (zh) | 一种车辆制动力分配方法 | |
CN109291925A (zh) | 一种节能型智能网联混合动力汽车跟车控制方法 | |
CN108734810A (zh) | 一种基于车联网的纯电动汽车行驶工况预测方法 | |
Pi et al. | A platoon control method based on DMPC for connected energy-saving electric vehicles | |
CN115662131B (zh) | 网联环境下道路事故路段的多车道协同换道方法 | |
CN109515247A (zh) | 一种基于T-Box纯电动汽车剩余行驶里程的估算方法 | |
CN112097783B (zh) | 基于深度强化学习的电动出租车充电导航路径规划方法 | |
CN114743369A (zh) | 一种基于路径重合度的车辆智能编队方法 | |
CN112731806B (zh) | 智能网联汽车随机模型预测控制实时性优化方法 | |
Chen et al. | Regenerative braking control strategy for distributed drive electric vehicles based on slope and mass co-estimation | |
CN113442791A (zh) | 一种电动汽车电能补充方法 | |
CN115663867B (zh) | 基于智能充电网络系统的电动汽车充电调度方法 | |
CN109034593B (zh) | 一种拼车优先管控策略实施效益评价方法 | |
CN111845745B (zh) | 一种考虑经济性的车辆队列控制方法及系统 |
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 |