CN110341701A - 一种基于空间位置信息的车辆自动启停优化方法 - Google Patents
一种基于空间位置信息的车辆自动启停优化方法 Download PDFInfo
- Publication number
- CN110341701A CN110341701A CN201910542867.2A CN201910542867A CN110341701A CN 110341701 A CN110341701 A CN 110341701A CN 201910542867 A CN201910542867 A CN 201910542867A CN 110341701 A CN110341701 A CN 110341701A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- idling
- stop
- positional information
- method based
- 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 abstract description 28
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 4
- 230000009885 systemic effect Effects 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 239000003921 oil Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Output Control And Ontrol Of Special Type Engine (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
本发明涉及一种基于空间位置信息的车辆自动启停优化方法,包括以下步骤:1)获取车辆当前空间位置;2)当车辆在此位置出现怠速工况时,查询预设的有效启停概率表得到车辆出现的怠速为有效怠速的概率,并据此判断是否使发动机停机。与现有技术相比,本发明具有考虑空间位置和最小怠速时长、合理全面准确等优点。
Description
技术领域
本发明涉及车辆自动启停控制领域,尤其是涉及一种基于空间位置信息的车辆自动启停优化方法。
背景技术
车辆的行驶工况描述了车辆行驶速度随时间的变化曲线能反映车辆的行驶状态的变化——加速、减速、匀速、怠速。车辆行驶工况可以表述为一系列微行程及怠速工况的组合。其中,微行程是指车速从零开始到再次为零之间的车辆时间-速度变化序列;而两个微行程之间的工况则是怠速工况。为了满足车辆节能减排的要求,近年来的汽车生产中都在汽车中装载了自动启停系统,使得车辆在因红灯或道路拥挤等情况下出现停车,发动机处于怠速工况时自动关闭发动机减少车辆怠速期间的额外的能耗及排放。
然而,在实际的交通环境下车辆怠速工况持续的时间较短时,目前的自动启停系统启动一次发动机所需的能耗(燃油消耗及其他电力荷载能耗)大于怠速时车辆的能耗,并不能达到预期的节能减排效果,且频繁的启停也会影响车辆的驾驶的舒适性。如一台排量2000mL、L型直列4气缸的发动机,怠速时油耗为0.26ml/s,试验表明发动热启动一次的油耗为1.76mL,若考虑车辆电力荷载能耗,怠速工况持续时长在10.93s以上才能实现节约能耗的目的;在仅考虑燃油消耗下,怠速工况持续时长在6.69s以上才能节约燃油的消耗,此时怠速工况持续的时长称为自动启停系统的最小怠速时长,车辆怠速时长低于该值时的自动启停称为无效怠速启停。
如果能够准确判断车辆怠速工况的持续时长能否高于最小怠速时长则能够更好地控制启停系统,减少无效怠速启停次数,提高驾驶舒适性。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于空间位置信息的车辆自动启停优化方法。
本发明的目的可以通过以下技术方案来实现:
一种基于空间位置信息的车辆自动启停优化方法,包括以下步骤:
1)获取车辆当前空间位置;
2)当车辆在此位置出现怠速工况时,查询预设的有效启停概率表得到车辆出现的怠速为有效怠速的概率,并据此判断是否使发动机停机。
所述的有效启停概率表通过神经网络训练得到,具体为:
21)采集车辆轨迹数据,并在车辆轨迹数据中提取怠速工况数据,该怠速工况数据的数据格式为[道路地理位置,道路等级,车辆怠速位置,车辆怠速时长];
22)对怠速工况数据中的空间属性进行划分及编码,所述的空间属性包括道路地理位置、道路等级和车辆怠速位置;
23)构造训练神经网络的数据样本并对神经网络进行训练;
24)根据车辆的最小怠速时长值得到不同空间属性下车辆发生有效启停的概率表,即系统预设的有效启停概率表。
所述的步骤21)中,车辆怠速位置为车辆发生怠速时距离下游交叉口进口道停车线距离。
所述的步骤22)中,道路地理位置的编码形式为:
地理位置划分 | 外环外 | 外环内 |
编码值 |
。
所述的步骤22)中,道路等级的编码形式为:
道路等级 | 主干道 | 次干道&支路 |
编码值 |
。
所述的步骤22)中,车辆怠速位置的编码形式为:
所述的步骤23)中,训练神经网络的数据样本的格式为:
[道路地理位置,道路等级,车辆怠速位置,车辆怠速时长大于最小怠速时长的概率]。
该方法还包括以下步骤:
3)根据车辆行驶过程中的轨迹信息对有效启停概率表进行更新。
与现有技术相比,本发明具有以下优点:
由于车辆的行驶工况受到多种因素的影响,如道路条件、交通环境等,在相同的宏观条件下如道路所属的地理位置、道路等级、车辆与下游交叉口之间的距离等车辆的行驶工况具有相似性,因此,本发明使用大量城市行驶工况数据,将以统计方法获得的在不同空间位置下车辆怠速时长高于最小怠速时长概率,作为训练BP预测神经网络的样本,训练后的网络可以根据输入的车辆空间位置信息给出此处车辆发生有效启停的概率。
附图说明
图1为本发明优化后车辆自动启停优化控制流程。
图2为本发明更新预设有效怠速概率表功能模块图。
图3为本发明中BP网络对样本数据的预测结果图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
为了能更好的控制启停系统,本发明提供了一种基于空间位置信息的车辆有效怠速预测方法,旨在根据车辆的空间位置信息判读车辆发生有效怠速启停的概率,进而减少车辆的无效启停次数。提高自动启停系统的节能减排效果。
本发明方法具体包括优化后的车辆怠速启停控制流程、有效启停概率表和更新预设有效怠速启停概率表模块;
优化后的车辆怠速启停控制流程是在现有的自动启停控制基础流程中增加了判断启停是否为有效启停的判断条件后的启停控制流程;系统根据预设的有效怠速启停概率表,查询得到车辆所处的空间位置处发生有效怠速的概率,进而决策是否停止发动机。
有效启停概率表是在对车辆所处的空间位置信息进行划分以及编码后得到的各个划分下车辆发生怠速时,怠速时长大于最小怠速时长的概率。
更新预设有效怠速启停概率表模块包含:车辆轨迹记录模块、数据处理模块、数据存储模块;
车辆轨迹记录模块记录车辆的行驶轨迹,数据中需要包含有时间、GPS经纬度信息、道路名称信息、车辆瞬时行驶速度、发动机转速等信息;
数据处理模块实现两个功能:
一是将采集得到轨迹信息中的怠速工况信息提取出来,形成怠速工况数据对样本传递给数据存储模块。数据处理模块将轨迹中的怠速工况数据中的道路地理位置信息(Admin_scope)、道路等级信息(Road_attribute)、车辆怠速位置(车辆距离下游交叉进口道停车线距离,Spatial_location)、怠速时长(t_idle)等信息提取出来,并按照各属性的编码方式进行编码形成怠速工况信息的数据对:[Admin_scope,Road_attribute,Spatial_location,t_idle];
二是训练神经网络,首先,通过处理数据存储模块中的样本数据,计算得到数据库各分类中样本的怠速时长大于统计阈值t_threshold的概率P(t_idle>t_threshold),得到训练网络所需的样本集,样本的格式为[Admin_scope,Road_attribute,Spatial_location,t_threshold,P(t_idle>t_threshold)];然后,使用样本集训练神经网络,训练后的网络在获得[Admin_scope,Road_attribute,Spatial_location,t_threshold]输入后可以输出一个概率值。当t_threshold取值为车辆最小怠速时长时,输出的结果即为在该空间属性下车辆的有效怠速概率。
接收由数据处理模块传递来的怠速工况数据对归类存储。按照数据对前三项的值及空间属性信息将数据对分类存储,构成不同分类下的怠速样本数据库。
有效怠速概率表更新:在获取到一定量的数据样本后,由数据处理模块完成对神经网络的训练后,以网络输出结果对预设的概率表中对应空间属性下的值进行修改。
实施例
首先,采集大量的车辆轨迹数据,对数据进行预处理,去除异常数据,确定有效的轨迹数据。根据怠速工况的特征:车速为零,发动机转速不为零,在轨迹数据中提取怠速工况数据。在本发明中怠速工况数据是以(轨迹所在道路的地理位置信息(Admin_scope),轨迹所在道路的道路等级(Road_attribute),怠速位置(Spatial_location),怠速时长(t_idle))数据对的形式进行提取存储。其中怠速位置为车辆发生怠速时距离下游交叉口进口道停车线距离。
其次,对怠速工况数据中的空间属性:道路的地理位置信息、道路的道路等级,怠速位置,进行划分及编码。
(1)道路的地理位置信息
以城市行政范围中的外环线为划分边界,将道路的地理位置信息划分为两部分:外环外和外环内,并采用数值编码的方式进行编码,结果如表1所示。
表1道路地理位置信息编码
(2)道路的道路等级
《城市道路工况设计规范》中我国地面道路可以划分为主干道、次干道和支路,本发明中将次干道和支路属性归为一类,道路等级属性也划分为两类,同样采用数值编码的方式进行编码,结果如表2所示。
表2道路等级编码结果
(3)怠速位置
本发明中怠速位置为车辆发生怠速时,车辆距离下游交叉口进口道停车线的距离,在本发明中对不同道路地理位置不同道路等级下车辆的怠速位置进行了不同的空间划分,并对不同的划分进行了数值编码,结果如表3所示。
表3怠速位置空间编码结果
在其次,构造训练神经网络的数据样本。本发明所构建的神经网络能够在得到车辆所处的空间位置信息(Admin_scope,Road_attribute,Spatial_location)以及某个时间阈值(t_threshold)的输入下能够输出在该空间位置处车辆发生怠速时怠速时长大于该阈值的概率。因此,构造训练神经网络样本时,先对怠速工况的数据对进行统计分析,得到不同空间划分下的车辆怠速时长(t_idle)高于某个时间阈值(t_threshold)的概率(P(t_idle>t_threshold)),所构建的训练样本格式为[Admin_scope,Road_attribute,Spatial_location,t_threshold,P(t_idle>t_threshold)]。网络的预测结果如图3所示。
最后,根据所装载车辆的最小怠速时长值的大小可以得到不同空间属性下车辆发生有效启停的概率表,即系统预设的有效启停概率表。以一台排量2,000mL、L型直列4气缸的发动机,怠速时油耗为0.26ml/s,试验表明发动热启动一次的油耗为1.76mL,取最小怠速时长为10s计算得到的有效启停概率表如表4所示。
表4预设有效启停概率表(10s)
系统中更新预设有效怠速启停概率表模块的如图1所示的流程中对实际车辆轨迹数据进行采集,并按照图2所示的流程,对预设的有效启停概率表进行修改。
Claims (8)
1.一种基于空间位置信息的车辆自动启停优化方法,其特征在于,包括以下步骤:
1)获取车辆当前空间位置;
2)当车辆在此位置出现怠速工况时,查询预设的有效启停概率表得到车辆出现的怠速为有效怠速的概率,并据此判断是否使发动机停机。
2.根据权利要求1所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的有效启停概率表通过神经网络训练得到,具体为:
21)采集车辆轨迹数据,并在车辆轨迹数据中提取怠速工况数据,该怠速工况数据的数据格式为[道路地理位置,道路等级,车辆怠速位置,车辆怠速时长];
22)对怠速工况数据中的空间属性进行划分及编码,所述的空间属性包括道路地理位置、道路等级和车辆怠速位置;
23)构造训练神经网络的数据样本并对神经网络进行训练;
24)根据车辆的最小怠速时长值得到不同空间属性下车辆发生有效启停的概率表,即系统预设的有效启停概率表。
3.根据权利要求1所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的步骤21)中,车辆怠速位置为车辆发生怠速时距离下游交叉口进口道停车线距离。
4.根据权利要求2所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的步骤22)中,道路地理位置的编码形式为:
。
5.根据权利要求4所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的步骤22)中,道路等级的编码形式为:
。
6.根据权利要求5所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的步骤22)中,车辆怠速位置的编码形式为:
7.根据权利要求5所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,所述的步骤23)中,训练神经网络的数据样本的格式为:
[道路地理位置,道路等级,车辆怠速位置,车辆怠速时长大于最小怠速时长的概率]。
8.根据权利要求1所述的一种基于空间位置信息的车辆自动启停优化方法,其特征在于,该方法还包括以下步骤:
3)根据车辆行驶过程中的轨迹信息对有效启停概率表进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910542867.2A CN110341701B (zh) | 2019-06-21 | 2019-06-21 | 一种基于空间位置信息的车辆自动启停优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910542867.2A CN110341701B (zh) | 2019-06-21 | 2019-06-21 | 一种基于空间位置信息的车辆自动启停优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110341701A true CN110341701A (zh) | 2019-10-18 |
CN110341701B CN110341701B (zh) | 2020-08-18 |
Family
ID=68182756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910542867.2A Active CN110341701B (zh) | 2019-06-21 | 2019-06-21 | 一种基于空间位置信息的车辆自动启停优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110341701B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977390A (zh) * | 2021-03-02 | 2021-06-18 | 曾春峰 | 一种汽车发动机自动启停智能控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206771A (zh) * | 2006-12-20 | 2008-06-25 | 厦门雅迅网络股份有限公司 | 一种用存储过程实现汽车怠速统计的方法 |
CN106050445A (zh) * | 2015-04-15 | 2016-10-26 | 福特全球技术公司 | 自动停止参数的阈值调节 |
CN106428008A (zh) * | 2016-06-08 | 2017-02-22 | 华南理工大学 | 一种汽车起停系统自适应控制方法 |
CN106571053A (zh) * | 2016-11-07 | 2017-04-19 | 北京小米移动软件有限公司 | 一种启动启停功能的方法及装置 |
CN106909993A (zh) * | 2017-03-03 | 2017-06-30 | 吉林大学 | 基于时空学习的马尔科夫链微行程间隔时长预测方法 |
CN107387246A (zh) * | 2016-05-17 | 2017-11-24 | 杨铭域 | 智慧自动启停系统和方法 |
-
2019
- 2019-06-21 CN CN201910542867.2A patent/CN110341701B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206771A (zh) * | 2006-12-20 | 2008-06-25 | 厦门雅迅网络股份有限公司 | 一种用存储过程实现汽车怠速统计的方法 |
CN106050445A (zh) * | 2015-04-15 | 2016-10-26 | 福特全球技术公司 | 自动停止参数的阈值调节 |
CN107387246A (zh) * | 2016-05-17 | 2017-11-24 | 杨铭域 | 智慧自动启停系统和方法 |
CN106428008A (zh) * | 2016-06-08 | 2017-02-22 | 华南理工大学 | 一种汽车起停系统自适应控制方法 |
CN106571053A (zh) * | 2016-11-07 | 2017-04-19 | 北京小米移动软件有限公司 | 一种启动启停功能的方法及装置 |
CN106909993A (zh) * | 2017-03-03 | 2017-06-30 | 吉林大学 | 基于时空学习的马尔科夫链微行程间隔时长预测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977390A (zh) * | 2021-03-02 | 2021-06-18 | 曾春峰 | 一种汽车发动机自动启停智能控制系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110341701B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109927709B (zh) | 一种车辆行驶路线工况确定方法、能量管理方法及系统 | |
US11104324B2 (en) | Adapting a vehicle control strategy based on historical data related to a geographical zone | |
CN107490386B (zh) | 一种电动汽车最优路径和驾驶方式的规划方法及系统 | |
CN106004864B (zh) | 一种车辆行驶控制方法及系统 | |
DE102019105874A1 (de) | Automatisierte Fahrsysteme und Steuerlogik für die Cloud-basierte Szenarienplanung autonomer Fahrzeuge | |
DE102019115030A1 (de) | Intelligente kraftfahrzeuge, systeme und steuerlogik für coaching des fahrerverhaltens und mobiles on-demand-laden | |
CN109552338B (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
CN101633357B (zh) | 基于工况的串联式混合动力公交车整车控制方法 | |
CN104240326A (zh) | 车辆经济驾驶评价服务器及车辆驾驶管理方法 | |
CN111833480B (zh) | 驾驶行为检测方法、装置和车辆 | |
CN112668848B (zh) | 基于工况分析的现代有轨电车混合储能系统能量管理方法 | |
CN110728421B (zh) | 一种基于充电需求大数据的路网充电优化方法 | |
CN112041194A (zh) | 用于电池选择的系统和方法 | |
CN113702050B (zh) | 基于试验台架虚拟行驶的优化发动机排放的方法 | |
CN104890673A (zh) | 一种节能驾驶辅助实时提示系统 | |
CN116187161A (zh) | 一种智能网联环境下混合动力客车智能能量管理方法及系统 | |
CN103786733A (zh) | 一种自动档汽车环保驾驶行为的提示方法 | |
JP2023063233A (ja) | 作業条件識別に基づく一車用エアコンのエネルギー消費量の予測方法および予測装置 | |
CN110341701A (zh) | 一种基于空间位置信息的车辆自动启停优化方法 | |
CN113673756B (zh) | 车辆的推荐车速确定方法、装置及计算机设备 | |
CN109515441A (zh) | 用于智能驾驶车辆的车速控制系统 | |
CN111391859A (zh) | 车主识别预警方法及系统 | |
CN112183589B (zh) | 一种低采样率下的实时车辆k近邻查询方法 | |
Zhang et al. | Co-optimization of Speed Planning and Energy Management for Connected Hybrid Electric Vehicles under a Single Signal Intersection | |
Che et al. | Average fuel consumption calculation model of touring coach based on OBD data-a case study in city X |
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 |