[发明专利]一种基于工况重构的车辆行驶能耗预测方法

说明书

本发明公开一种基于工况重构的车辆行驶能耗预测方法，包括对车辆历史工况数据进行特征参数提取和聚类分析，建立工况特征参数数据库，并选出典型工况片段；采集车辆实时工况数据，构建工况特征数据与道路和交通特征参数之间的映射关系，建立基于道路和交通特征的车辆工况特征参数的预测模型；利用预测模型进行道路和交通工况特征参数预测；将预测得到的车辆工况特征参数与数据库进行比较，确定未来行驶路线的工况，重构未来行驶路线的车速‑时间曲线；估计未来行驶路程所需的能量。本发明采用的工况特征数据获取方法，能够根据本车规划路线上的道路和交通特征通过模型预测，保证了预测模型的普适性和准确性，其具有很强的工况适应性和实用性。

技术领域

本发明涉及智能交通系统和智能网联环境下的车载智能能量管理技术领域，具体涉及一 种基于工况重构的车辆行驶能耗预测方法。

背景技术

对于能量敏感的纯电汽车或混合动力汽车，提前获知规划路径未来能量需求等是准确估 计剩余里程、充电方案设置、混合系统功率及能量管理与优化控制等的主要依据。现在的智 能能量管理系统可利用智能学习算法，可实现对车辆未来一段时间或路程行驶工况或行驶功 耗需求的预测，基于此可进一步实现车载能量的自适应工况控制。目前，绝大多数方法尚不 具备预测车辆长时行驶能耗的能力，现有方法大多是对行驶工况的识别从而进行短时能量需 求预测，抑或是基于历史数据进行能耗预测。这些方法优点是计算量不大，适于工况相对稳 定场景下短时控制优化。然而这些方法存在着预测时间较短，不利于车载能量在规划行驶路 线上的全局规划，和实时性较差，无法实时反应道路交通变化对汽车能耗预测的影响，在工 况变化较大的场景下会造成了能量预测结果的滞后或误判的缺点。

发明内容

本发明的目的是提供一种基于工况重构的车辆行驶能耗预测方法，能够根据车辆规划线 路的道路和交通特征进行工况特征参数预测，以预测的工况特征参数为基础进行未来工况预 测的模型，再以典型的工况类型片段重构未来一段时间的车速时间序列，从而以此计算未来 路段的车辆行驶能量消耗。本发明所建立的预测模型具有适应性强，普适性较好，预测结果 准确性高的特点。

为此，本发明采用的技术方案如下：

一种基于工况重构的车辆行驶能耗预测方法，包括以下步骤，S1、对车辆历史工况数据 进行特征参数提取和聚类分析，建立工况特征参数数据库，并选出典型工况片段；S2、采集 车辆工况数据，构建工况特征数据与道路和交通特征参数之间的映射关系，建立基于道路和 交通特征的车辆工况特征参数的预测模型；S3、根据规划的行车路线获取道路和交通的量化 特征参数，利用所述预测模型进行道路和交通工况特征参数预测；S4、将预测得到的车辆工 况特征参数与数据库进行比较，确定未来行驶路线的工况，并用典型工况曲线重构未来行驶 路线的车速-时间曲线；S5、根据车速-时间曲线估计未来行驶路程所需的能量。

进一步的，步骤S1中对车辆历史工况数据进行特征参数提取之前还包括，对所述车辆历 史工况数据进行汽车行驶片段划分，将片段时间长度划分为100-200s。

进一步的，步骤S1中提取的特征参数为相对正加速度、振荡次数/100m、加速时间比、 减速时间比和时速低于15km/h的时间比。

更进一步的，步骤S1中所述聚类分析和所述建立工况特征参数数据库具体为，采用高斯 混合模型的最大期望聚类分析方法对提取的特征参数进行聚类分析并建立数据库；所述数据 库包括四类典型工况，分别为拥堵工况、城市工况、郊区工况和高速工况。

更进一步的，步骤S1中所述典型工况片段为最靠近高斯分布的中心的片段。

进一步的，步骤S2中道路和交通特征参数包括道路类型、位置信息和交通状态，其中道 路类型包括高速道路、城市道路和郊区道路，位置信息为GPS/GIS提供的经纬坐标，交通状 态包括畅通、轻度拥堵、中度拥堵、严重拥堵四种状态，与所述道路类型共同表示交通量化 状态。

进一步的，所述预测模型为GA-BP神经网络预测模型。