一种预测车辆工况的方法及在构造车辆工况中的应用

技术领域

本发明是关于一种预测车辆工况的方法及在构造车辆工况中的应用，涉及混合动力车辆技术领域。

背景技术

车辆工况的分析在混合动力车辆的能量优化研究中有着重要的地位。对工况的预测是一项基本而重要的研究，如何合理地预测工况值关系到车辆能量管理策略的准确性。

目前车辆工况的预测主要方法有：基于Markov链的预测方法和基于学习算法的预测方法。基于Markov链的预测方法实质是概率转移矩阵的建立，其缺点是概率矩阵一旦建立，在实际应用中是不会改变的，从而预测的鲁棒性比较差。基于学习算法的预测方法，由于参数一旦确定就不能改变，所以缺点也是模型确定后预测的鲁棒性比较差。

发明内容

针对上述问题，本发明的目的是提供能够对不同交通拥堵情况下的工况给出定性指标，进而给出定量工况预测的预测车辆工况的方法及在构造车辆工况中的应用。

为了解决上述问题，本发明提供的技术方案为：

第一方面，本发明提供的一种预测车辆工况的方法，包括：

利用车载设备进行实车的车速数据采集，并对采集的车速数据进行聚类分析，得到与车速对应的表征工况；

基于车辆表征工况对应的速度水平通过预先构建的速度水平预测模型预测下一时刻车辆的速度的水平。

进一步地，利用车载设备进行实车的车速数据采集，并对采集的车速数据进行聚类分析，得到与车速对应的表征工况，包括：

进行多次速度采样组成车速序列集合；

将采集的车速序列集合进行聚类分析得到k类工况，并将这k类工况的中心工况进行提取得到k个表征工况。

进一步地，速度水平预测模型的构建过程，包括：

采集的历史车速数据进行聚类分析，得到与车速对应的表征工况；

针对第i个表征工况对应的车速，确定车速最大值v

将速度区间[v

基于等分的n个区间速度建立相应描述交通拥堵情况的速度水平；

基于描述交通拥堵情况的速度水平和速度转变关系矩阵构建预测模型：

其中，

进一步地，将速度区间[v

进一步地，描述车速水平的概率模型：

……

式中，这里aij表示速度水平A

进一步地，若输出速度水平仅有一个最大值，则选择该最大值对应的观测值划分区间的中点作为速度的预测值；假设对应的区间为[c，d]，则速度的预测值为

第二方面，本发明还提供一种预测车辆工况的方法在车辆工况构造中的应用，包括：

首先，针对车速水平A

其次，给定初始值A

最后，计算每个速度水平下的速度片段收尾连接起来构成新的工况。

进一步地，频率是A

本发明由于采取以上技术方案，其具有以下特点：

本发明提出的车辆工况预测方法，基于对不同交通拥堵情况下的工况给出定性的指标，进而给出定量的公开预测，因此本发明能够在定性的基础上给出定量的速度值，给出了较大的灵活性来预测速度这个不确定量，构造工况的方法计算量较小，鲁棒性强，便于实现，可以广泛应用于混合动力车辆的工况预测中。

具体实施方式

应理解的是，文中使用的术语仅出于描述特定示例实施方式的目的，而无意于进行限制。除非上下文另外明确地指出，否则如文中使用的单数形式“一”、“一个”以及“所述”也可以表示包括复数形式。术语“包括”、“包含”、“含有”以及“具有”是包含性的，并且因此指明所陈述的特征、步骤、操作、元件和/或部件的存在，但并不排除存在或者添加一个或多个其它特征、步骤、操作、元件、部件、和/或它们的组合。文中描述的方法步骤、过程、以及操作不解释为必须要求它们以所描述或说明的特定顺序执行，除非明确指出执行顺序。还应当理解，可以使用另外或者替代的步骤。

尽管可以在文中使用术语第一、第二、第三等来描述多个元件、部件、区域、层和/或部段，但是，这些元件、部件、区域、层和/或部段不应被这些术语所限制。这些术语可以仅用来将一个元件、部件、区域、层或部段与另一区域、层或部段区分开。除非上下文明确地指出，否则诸如“第一”、“第二”之类的术语以及其它数字术语在文中使用时并不暗示顺序或者次序。因此，以下讨论的第一元件、部件、区域、层或部段在不脱离示例实施方式的教导的情况下可以被称作第二元件、部件、区域、层或部段。

为了便于描述，可以在文中使用空间相对关系术语来描述一个元件或者特征相对于另一元件或者特征的关系，这些相对关系术语例如为“内部”、“外部”、“内侧”、“外侧”、“下面”、“上面”等。这种空间相对关系术语意于包括在使用或者操作中装置的不同方位。

本发明涉及一种预测车辆工况的方法及在构造车辆工况中的应用，括：利用车载设备进行实车的车速数据采集，并对采集的车速数据进行聚类分析，得到与车速对应的表征工况；基于车辆表征工况对应的速度水平通过预先构建的速度水平预测模型预测下一时刻车辆的速度的水平。本发明能够在定性的基础上给出定量的速度值，给出了较大的灵活性来预测速度这个不确定量，构造工况的方法计算量较小，鲁棒性强，便于实现，可以广泛应用于混合动力车辆的工况预测中。

下面将更详细地描述本发明的示例性实施方式。然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

实施例一：本实施例提供的预测车辆工况的方法，包括：

S1、利用车载设备进行实车的车速数据采集，并对采集的车速数据进行聚类分析，得到与车速对应的表征工况，包括：

S11、可以进行多次速度采样组成车速序列集合，速度采样过程可以表示为：

第1次速度采样：

第2次速度采样：

……

第l次速度采样：

S 12、将采集的车速序列集合进行聚类分析，本实施例聚类分析采用的是k-均值聚类的方法，得到k类典型的工况，并将这k类工况的中心工况取出来，得到k个表征工况：

第1个表征工况：

第2个表征工况：

……

第k个表征工况：

其中，这里不同的表征工况表示不同的交通拥堵程度，工况是根据速度值和加速度值来区分不同的交通拥堵程度。

S2、针对第i个表征工况

具体地，为了确定车速的范围可以构造如下的区间[v

本实施例中，采集的车速序列集合为表1所示，速度单位为m/s。

表1

本实施例中，根据上面速度的样本数据，确定速度的取值范围区间，本实施例运算时v

D

D

得到速度的取值范围：[D

S3、为了模糊的表述车速，将速度区间[v

本实施例中，对区间划分为7个区域：

[13.0，14.0]，[14.0，15.0]，[15.0，16.0]，

[16.0，17.0]，[17.0，18.0]，[18.0，19.0]

S4、定义n个速度水平：

A

建立如下的描述车速水平的概率模型：

式中，这里aij表示速度水平A

本实施例中，定义A

定义每一类速度的概率表示：

S5、针对历史数据，建立历史速度的速度水平，建立如下的关系表3：

表3

式中，bij表示车速v

表4

S6、建立速度历史数据的转变规则，具体地，根据速度水平的关系建立速度状态转变的函数A

本实施例中，给出速度数据的演化规则：

A

A

S7、根据S6建立的函数关系，建立速度转变的关系矩阵

由此得到速度预测模型A

本实施例中，计算关系矩阵：

其中，

比如：

根据上述方法可以类似计算其他的R

最后算得：

速度的预测模型表示为：

S8、根据速度预测模型预测车速

在实车运行过程中，车载设备很容易采集新的速度序列，提取关于速度的特征(平均速度和加速度)来进行分类看属于哪种交通拥堵情况，假设属于A

S9、定量输出预测结果

若输出速度水平仅有一个最大值，则选择该最大值对应的观测值划分区间的中点作为速度的预测值。

假设对应的区间为[c，d]，则速度的预测值为

[a

则速度的预测值为

若非以上两类情形，则标准化输出且作为权重结合每个区间的中点计算均值作为预测值的等价表示。设这样的区间有q个，[c

S10、输出的预测速度设为v

实施例二：基于本实施例一提出的工况预测方法，本实施例还提供上述方案再工况构造中的应用，包括：

首先，基于大量的历史工况进行统计分析如下：针对固定的车速水平A

其次，给定初始值A

A

最后，计算每个速度水平下的速度片段收尾连接起来构成新的工况，这里的速度片段是可以事先做好的或者是标准的工况。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。