[发明专利]基于智能网联系统下前车运行信息的未来工况预测方法

说明书

本发明提供一种基于智能网联系统下前车运行信息的未来工况预测方法，属于智能交通技术领域，包括前车行驶工况数据获取、前车行驶工况划分、未来工况预测模型建立和本车未来工况在线预测，该工况预测方法能准确获取与本车未来工况信息最为接近的前车工况信息，并以此为基础通过建立最小二乘支持向量机与自回归滑动平均误差修正相结合带有预测模型精度判断的未来工况预测模型进行本车未来工况预测，预测结果具有实时性好、准确率高、可参考性强的优点，特别适合应用在固定线路运行的混合动力车辆。

技术领域

本发明提供一种汽车行驶工况预测方法，特别涉及一种基于智能网联系统下前车运行信息的未来工况预测方法，属于智能交通技术领域。

背景技术

行驶工况是混合动力汽车能量管理策略设计考虑的重要因素之一，对提高整车燃油经济性有着至关重要的作用。开发对未来控制时域内工况进行合理精确预测的方法，进而结合预测能量管理算法实现混合动力系统实时最优控制，已成为混动汽车智能能量管理策略的有效方法。目前行驶工况预测的主要研究是根据车辆自身行驶一定周期后的工况数据后，结合建立的预测模型作出对车辆未来工况的预测。由于依赖车辆运行一定周期的历史数据积累之后作出的工况预测，未来工况预测结果存在滞后性、准确率低，参考性差等问题。如2013年8月14日申请公布的发明专利：申请公布号：CN 103246943A，基于马尔可夫链的汽车运行工况多尺度预测方法，该方法建立汽车运行工况的马尔可夫链预测模型，根据汽车运行工况的历史信息，通过极大似然估计计算出状态转移矩阵；运用马尔可夫链蒙特卡洛模拟方法，根据获得的状态转移矩阵进行不同时间尺度的汽车运行工况预测；再将不同尺度预测结果在原数据频率下融合，获得汽车运行工况多尺度预测结果。该方法基于汽车自身运行工况的历史信息，通过建立马尔可夫链预测模型完成对汽车工况的多尺度预测，由于汽车自身运行工况的历史信息的对未来工况预测的结果实时性差，且工况预测模型预测结果缺少对误差的深度分析的，不能保证预测模型和预测结果两者预测精度，因此未来工况预测结果存在滞后性、准确率低，参考性差等问题。

发明内容

本发明的目的是提供一种能准确的获取与本车未来工况信息最为接近的前车工况信息，并以此为基础进行未来工况预测，其预测结果具有实时性好、准确性高，可参考性强的基于智能网联系统下前车运行信息的未来工况预测方法，其技术内容为：

基于智能网联系统下前车运行信息的未来工况预测方法，包括前车行驶工况数据获取、前车行驶工况划分、未来工况预测模型建立和本车未来工况在线预测，其特征在于：

第一步，前车行驶工况数据获取：首先通过V2V车车通讯系统获取周围车辆行驶信息，通过V2I车路通讯系统获取交通路况信息，以及通过车载定位系统获取车辆当前位置信息及行驶路径道路信息，进行工况数据信息的采集；

再确定工况数据获取的最佳途径，根据V2V车车通讯系统获取前车的车距、行驶方向及道路信息进行分析，当本车与前车同向同路且距离小于S时，首先判断前车类型与本车类型是否为同类型车辆，若前车类型与本车类型不属于同类型车辆，则通过对前车类型进行筛选，匹配与本车类型最相近的车辆类型的前车作为目标前车，若前车与本车为同类型车辆且数量M＝1时，直接将前车作为目标对象，若前车与本车为同类型车辆且数量M>1时，通过前车此前与本车在相同路段内的工况信息比对确定前车筛选的优先级，优先选定工况信息相似度较高的前车作为目标前车；然后对本车当前行驶时交通流与目标前车之前相同路段时交通流对比，若两者差值在允许值范围内，利用V2V车车通讯系统获取前车的工况信息；若两者差值超过允许值，由V2V车车通讯系统获取前车工况信息，同时结合V2I车路通讯系统获取实时交通流信息，对前车车速工况信息加以修正；当不满足本车与前车同向同路且距离小于S时，利用V2I车路通讯系统获取由远程监控平台系统提供的上一时刻前车工况数据；

所述的同类型车辆为同款同型号完全相同的车型，所述的最相近的车辆类型是指整车质量、动力源部件功率及滚阻都近似相同的车型；