CN109341711B - 一种用于汽车导航的速度预测算法 - Google Patents
一种用于汽车导航的速度预测算法 Download PDFInfo
- Publication number
- CN109341711B CN109341711B CN201811118008.2A CN201811118008A CN109341711B CN 109341711 B CN109341711 B CN 109341711B CN 201811118008 A CN201811118008 A CN 201811118008A CN 109341711 B CN109341711 B CN 109341711B
- Authority
- CN
- China
- Prior art keywords
- noise
- speed prediction
- variance
- initial value
- vehicle speed
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 abstract description 3
- 230000000644 propagated effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Automation & Control Theory (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于汽车导航的速度预测算法。它包括以下步骤:(1)建立车辆速度预测系统模型;(2)确定车辆速度预测系统模型的状态量初始值及其协方差初始值,设定车辆速度预测系统模型的过程噪声和观测噪声的期望初始值、方差初始值;(3)计算出非线性观测方程传播的更新后状态容积点、预测量测容积点;(4)使用Sage‑Husa方法计算出观测噪声期望,使用Sage‑Husa方法和抗差方法联合估计出系统的观测噪声方差;(5)利用容积卡尔曼滤波技术对车辆未来沿目标道路行驶速度进行预测。本发明能够快速准确的预测出汽车在未来沿着某条规划路径行驶时的速度,计算量小、计算速度快,同时,对于存储空间要求较低。
Description
技术领域
本发明涉及汽车导航系统中的速度预测技术领域,尤其涉及一种用于汽车导航的速度预测算法。
背景技术
相比于传统的燃油汽车,电动汽车有环保、高效等优势,但受电池容量的影响,也存在充电时间长、续航里程短的缺陷。因此,在实际的日常行驶过程中,电动汽车车主常会有寻找充电桩的需求。而在为电动汽车寻找周围最佳的充电桩、并规划出最佳路径的导航过程中,首先需要考虑的是以电动汽车当前剩余电量是否能够到达目标充电桩。这就要求导航系统能够精确预测出汽车沿着某一规划路径行驶过程中的速度,进而根据此预测速度计算出汽车沿此规划路径到达目的地所需的时间及所用的能耗,最终做出最佳目标充电桩的决策和最佳路径的规划。
过去的算法在汽车导航系统中,很难快速、准确的预测出汽车在未来短时间内沿着某条规划路径行驶时的速度,而速度预测的准确性对于导航系统来说具有很重要的作用。
发明内容
本发明为了解决上述技术问题,提供了一种用于汽车导航的速度预测算法,其能够快速准确的预测出汽车在未来沿着某条规划路径行驶时的速度,计算量小、计算速度快,同时,对于存储空间要求较低。
为了解决上述问题,本发明采用以下技术方案予以实现:
本发明的一种用于汽车导航的速度预测算法,包括以下步骤:
S1:建立车辆速度预测系统模型,包括以汽车速度为状态量的状态方程以及根据目标道路拥堵状况和汽车速度之间的关系建立的观测方程;
S2:从交通信息中心获取当前时刻目标道路的拥堵情况,从而确定车辆速度预测系统模型的状态量初始值及其协方差初始值同时设定车辆速度预测系统模型的过程噪声的期望初始值方差初始值以及观测噪声的期望初始值方差初始值
S6:判断m是否小于N0,N0为迭代次数,如果是则m=m+1,跳转至步骤S4,否则执行步骤S7;
本方法通过使用Sage-Husa方法对于系统的过程噪声方差进行估计,并且使用Sage-Husa方法和抗差方法联合估计出系统的观测噪声方差。然后基于道路当前的拥堵状况,用容积卡尔曼滤波方法对于汽车在未来一段时间内沿着此道路行驶的速度进行预测。
作为优选,所述车辆速度预测系统模型的公式如下:
其中,状态量Xk表示k时刻车辆的速度,观测量Zk表示k时刻时观测到的此道路上的车辆数量,L表示道路长度,K*表示最大车流量时的拥堵系数;V*表示此道路车辆的最大限速,Wk-1和vk分别表示过程噪声和观测噪声。
作为优选,根据路段的长度L和最大车流量时车辆的数量D计算出最大车流量时的拥堵系数K*,K*=L/D。
本发明的有益效果是:(1)能够快速准确的预测出汽车在未来沿着某条规划路径行驶时的速度,计算量小、计算速度快,同时,对于存储空间要求较低,更加符合电动汽车充电导航的实际使用需求。(2)利用Sage-Husa方法和抗差方法联合估计的手段,解决了单独使用某一种方法估计效果不佳的问题,提高了系统状态的估计精度。
附图说明
图1是本发明的流程图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
实施例:本实施例的一种用于汽车导航的速度预测算法,如图1所示,包括以下步骤:
S1:建立车辆速度预测系统模型,车辆速度预测系统模型的公式如下:
其中,状态量Xk表示k时刻车辆的速度,观测量Zk表示k时刻时观测到的此道路上的车辆数量,L表示道路长度,K*表示最大车流量时的拥堵系数;V*表示此道路车辆的最大限速(例如取60KM/h),wk-1和vk分别表示过程噪声和观测噪声;
根据路段的长度L和最大车流量时车辆的数量D计算出最大车流量时的拥堵系数K*,K*=L/D;
S2:从交通信息中心获取当前时刻目标道路的拥堵情况,从而确定车辆速度预测系统模型的状态量初始值及其协方差初始值同时设定车辆速度预测系统模型的过程噪声的期望初始值方差初始值以及观测噪声的期望初始值方差初始值
S6:判断m是否小于N0,N0为预先设置的迭代次数,如果是则m=m+1,跳转至步骤S4,否则执行步骤S7;
本方法通过使用Sage-Husa方法对于系统的过程噪声方差进行估计,并且使用Sage-Husa方法和抗差方法联合估计出系统的观测噪声方差。然后基于道路当前的拥堵状况,用容积卡尔曼滤波方法对于汽车在未来一段时间内沿着此道路行驶的速度进行预测。
Claims (4)
1.一种用于汽车导航的速度预测算法,其特征在于,包括以下步骤:
S1:建立车辆速度预测系统模型,包括以汽车速度为状态量的状态方程以及根据目标道路拥堵状况和汽车速度之间的关系建立的观测方程;
S2:从交通信息中心获取当前时刻目标道路的拥堵情况,从而确定车辆速度预测系统模型的状态量初始值及其协方差初始值同时设定车辆速度预测系统模型的过程噪声的期望初始值方差初始值以及观测噪声的期望初始值方差初始值
S6:判断m是否小于N0,N0为迭代次数,如果是则m=m+1,跳转至步骤S4,否则执行步骤S7;
4.根据权利要求3所述的一种用于汽车导航的速度预测算法,其特征在于,根据道路长度L和最大车流量时车辆的数量D计算出最大车流量时的拥堵系数K*,K*=L/D。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118008.2A CN109341711B (zh) | 2018-09-25 | 2018-09-25 | 一种用于汽车导航的速度预测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811118008.2A CN109341711B (zh) | 2018-09-25 | 2018-09-25 | 一种用于汽车导航的速度预测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109341711A CN109341711A (zh) | 2019-02-15 |
CN109341711B true CN109341711B (zh) | 2021-01-05 |
Family
ID=65306347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811118008.2A Active CN109341711B (zh) | 2018-09-25 | 2018-09-25 | 一种用于汽车导航的速度预测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109341711B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881796B (zh) * | 2023-09-08 | 2023-12-08 | 深圳市蓝鲸智联科技股份有限公司 | 基于卡尔曼滤波的燃油车续航里程预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816804B1 (en) * | 2003-06-04 | 2004-11-09 | Visteon Global Technologies, Inc. | System and method for estimating velocity using reliability indexed sensor fusion |
CN104182991A (zh) * | 2014-08-15 | 2014-12-03 | 辽宁工业大学 | 一种车辆行驶状态估计方法及装置 |
CN106251630A (zh) * | 2016-10-13 | 2016-12-21 | 东南大学 | 一种基于多源数据的递进式扩展卡尔曼滤波高速公路交通状态估计方法 |
CN107909815A (zh) * | 2017-12-07 | 2018-04-13 | 浙江工业大学 | 一种基于自适应卡尔曼滤波的车辆速度预测方法 |
CN108304612A (zh) * | 2017-12-26 | 2018-07-20 | 南京邮电大学 | 基于噪声补偿的迭代平方根ckf的汽车雷达目标跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040153216A1 (en) * | 2003-01-30 | 2004-08-05 | Visteon Global Technologies, Inc. | Method for estimating a vehicle's velocity |
-
2018
- 2018-09-25 CN CN201811118008.2A patent/CN109341711B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816804B1 (en) * | 2003-06-04 | 2004-11-09 | Visteon Global Technologies, Inc. | System and method for estimating velocity using reliability indexed sensor fusion |
CN104182991A (zh) * | 2014-08-15 | 2014-12-03 | 辽宁工业大学 | 一种车辆行驶状态估计方法及装置 |
CN106251630A (zh) * | 2016-10-13 | 2016-12-21 | 东南大学 | 一种基于多源数据的递进式扩展卡尔曼滤波高速公路交通状态估计方法 |
CN107909815A (zh) * | 2017-12-07 | 2018-04-13 | 浙江工业大学 | 一种基于自适应卡尔曼滤波的车辆速度预测方法 |
CN108304612A (zh) * | 2017-12-26 | 2018-07-20 | 南京邮电大学 | 基于噪声补偿的迭代平方根ckf的汽车雷达目标跟踪方法 |
Non-Patent Citations (2)
Title |
---|
改进的平方根容积卡尔曼滤波及其在POS中的应用;赵兵等;《红外与激光工程》;20150925(第09期);2819-2824 * |
自适应CKF强跟踪滤波器及其应用;丁家琳等;《电机与控制学报》;20151115(第11期);111-120 * |
Also Published As
Publication number | Publication date |
---|---|
CN109341711A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109733248B (zh) | 基于路径信息的纯电动汽车剩余里程模型预测方法 | |
CN110126841B (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 | |
CN106908075B (zh) | 大数据采集与处理系统及基于其电动汽车续航估计方法 | |
Thibault et al. | A unified approach for electric vehicles range maximization via eco-routing, eco-driving, and energy consumption prediction | |
CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
CN108981732B (zh) | 一种电动汽车充电导航系统的充电导航方法 | |
CN103273921B (zh) | 电动汽车续驶里程估计方法 | |
Yi et al. | Adaptive multiresolution energy consumption prediction for electric vehicles | |
CN109784560A (zh) | 一种电动汽车续航里程估算方法及估算系统 | |
CN111038334A (zh) | 一种电动汽车续驶里程预测方法及装置 | |
US10668824B2 (en) | Method for calculating a setpoint for managing the fuel and electricity consumption of a hybrid motor vehicle | |
CN106483470A (zh) | 一种基于未来运行工况预测的电池剩余放电能量预测方法 | |
CN111688538A (zh) | 用于提供车辆的预测性剩余能量可行驶距离的系统和方法 | |
CN113095558B (zh) | 一种智能网联汽车的迭代优化多尺度融合车速预测方法 | |
US9539904B2 (en) | Energy consumption rate in distance domain | |
CN111806240A (zh) | 一种基于中国工况的电动汽车续驶里程预测方法 | |
CN110167808B (zh) | 对用于管理混合动力机动车辆的燃料和电力消耗的管理设定点进行计算的方法 | |
CN110501020B (zh) | 一种多目标三维路径规划方法 | |
CN116572799B (zh) | 基于深度学习的动力电池荷电续航预测方法、系统及终端 | |
US9122987B2 (en) | Method for predicting future travel time using geospatial inference | |
CN112083332A (zh) | 一种考虑用户感受的纯电动车续驶里程估算方法 | |
CN108981733B (zh) | 一种电动汽车充电导航系统的速度预测方法 | |
CN113642768A (zh) | 一种基于工况重构的车辆行驶能耗预测方法 | |
CN109341711B (zh) | 一种用于汽车导航的速度预测算法 | |
KR101926872B1 (ko) | 전기자동차의 잔존주행거리 추정방법 |
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 |