CN102944887B - 基于油耗与尾气排放的车辆三维导航方法 - Google Patents

Abstract

一种基于油耗与尾气排放的车辆三维导航方法，该方法通过DGPS实时定位车辆，获取车辆位置信息，然后结合车辆的车型信息调用油耗与尾气排放模型参数，以确定车辆在行驶过程中实时点能确保车辆油耗与尾气排放最小的的建议速度。同时，通过地图匹配获取车辆所在路网信息，推算路网上每一路段的平均速度，依据平均速度和电子地图上的路段坡度调用相应的油耗与尾气排放参数，计算得到路网上每一路段的油耗与尾气排放量，然后将油耗与尾气排放量作为交通阻抗的影响要素，对原交通阻抗进行修正，得到路网上每一条路段的新的交通阻抗，最后，基于新的交通阻抗网络对车辆进行最小路径规划。

Description

基于油耗与尾气排放的车辆三维导航方法

技术领域

本发明涉及一种基于油耗与尾气排放的车辆三维导航方法，该方法的基本原理是将车辆油耗与尾气排放作为道路阻抗的考虑要素之一，进行路径诱导，同时车辆行驶时实时建议速度以减少油耗和尾气排放。本发明所指的三维导航技术是指在获取经纬度和海拔高度信息的基础上对车辆的定位与导航。本发明属于车辆油耗与尾气排放控制领域。

背景技术

目前“节能减排”已成为国民经济和现代交通业发展的基本战略，国家中长期科技发展规划也将减少交通能源消耗与环境污染问题作为交通科技发展的优先主题。为有效减少交通能源消耗与环境污染，需要在各个层面、各个环节采取综合治理措施，在继续优化道路网等级结构和建设质量的同时，从机动车研制、开发，替代燃料与新型动力研发与技术推广，既有车辆监测、维护与淘汰等诸多方面着手，多管齐下、标本兼治，提高车辆节能与减排的整体水平。

车载导航技术是现代多学科的高新技术结晶，它综合了导航卫星及目标定位技术，陀螺仪等传感技术，GIS数字电子地图技术，城市智能化交通管理技术，GSM动态导航通讯业等高新技术的成果。

目前，全球导航***主要包括美国GPS***、俄罗斯格洛纳斯***、欧洲正在建设中的伽利略***以及中国北斗***。

中国的车载导航技术经过十年的市场培育，用户目标与需求已逐步明确。随着技术研发、市场培育的逐步完善，车用导航装置应用市场业已启动和日臻成熟，现在已逐步进入道路交通行业应用的高速发展时期。随着经济发展和道路建设的推进，内涵更丰富的三维立体导航地图将逐年以更新的面貌推向市场。

事实上，随着国内油价的不断企高，无论是个人还是运输企业，都很关注汽车在行驶过程中的省油性能，因此从用户经济利益出发，利用一定的技术手段控制私家车和营运车辆的单车油耗不失为节能减排的一条有效途径。另一方面，加装车载GPS等行车导航设备的车辆逐年增多，基于安全预警和监控考虑在营运车辆上统一安装GPS定位***和行车记录仪等设备或将成为趋势，若能将GPS导航技术与油耗控制技术有机结合，这将为车辆行驶过程中的节能减排提供新的技术思路。

发明内容

技术问题：本发明的目的是提供一种基于车辆油耗与尾气排放的车辆导航方法，对传统的车辆导航方法框架做出改进设计，以减少车辆行驶过程中的油耗与尾气排放，为道路交通节能减排提供新型技术支撑。

本发明的技术问题主要包括两方面，一方面通过获取车辆在现行道路上某点处的坡度，结合车辆对应车型的油耗和尾气排放控制参数，给出车辆在该点的速度建议；另一方面，预测路网上每条路段的平均速度，进而结合对应车型的油耗和尾气排放控制参数，预测每一条路段上的油耗和尾气值，然后将预测到的油耗和尾气值作为该车辆在路网中进行路径规划中路段阻抗函数的自变量之一，修正阻抗函数，以达到在路径选择中考虑油耗和尾气排放的目的。

技术方案：

一种基于油耗与尾气排放的车辆三维导航方法，

步骤1设定车型信息，调用与之相对应的油耗与尾气排放模型参数库；同时通过差分定位DGPS定位车辆，获取车辆实时所在点i的经度L_ix、纬度L_iy、和海拔高度L_iz；

(1)启动导航***后，需要首先确定车辆车型信息，所述车辆车型信息包括车型/代表车型和载重，车型/代表车型由汽车制造商在汽车出厂时确定，载重由车主在行驶前人工输入；然后导航***基于车型信息调用对应油耗和尾气排放参数库，所述油耗和尾气排放参数库包括单位行程油耗、单位行程HC排放因子、单位行程CO排放因子、单位行程NO_X排放因子，

(2)定位模块采用差分定位DGPS，它的一个特点是定位精度高，能实现亚米级的定位精度，

(3)DGPS每隔1s自动获取车辆实时所在点i的位置信息，这样就在行驶过程中获得了一系列点且表示为i=1、2、3、4、5…的经度，纬度和海拔高度，其符号表示分别为L_ix’，L_iy，L_iz，

步骤2根据定位获得的一系列点i=1、2、3、4、5…的位置信息，推算每一点的坡度ε_i，然后调用坡度调用油耗与尾气排放模型参数库，得出坡度为ε_i时不同速度情况下对应油耗与尾气排放单位行程总指标，选取总指标最小的速度值作为优化速度值，由此得到速度优化结果，

步骤2.1依靠定位获得的经度L_ix、纬度L_iy和海拔高度L_iz，速度优化模块首先根据公式（1）、（2）计算在i点时海拔高度的变化Δh_i和水平行驶路径的变化Δs_i，然后根据公式（3）推算车辆实时所在点的坡度ε_i，

Δh_i＝L_iz-L_(i-1)z                            （1）

$\mathrm{\Δ}{s}_i=\sqrt{{(L_{\mathrm{ix}}-L_{(i-1)x})}^2+{(L_{\mathrm{iy}}-L_{(i-1)y})}^2}---\left(2\right)$

L_iz、L_ix、L_iy分别为点i的海拔高度、经度和纬度

L_(i-1)z、L_(i-1)x、L_(i-1)y分别为点i-1的海拔高度、经度和纬度

${\mathrm{\ϵ}}_i={\tan }^{-1}\left(\frac{\mathrm{\Δ}{h}_i}{\mathrm{\Δ}{s}_i}\right)---\left(3\right)$

ε_i为车辆实时所在点i的坡度

Δh_i为车辆在垂直于路面方向上的海拔高度的变化

Δs_i为水平行驶路径的差值，

步骤2.2速度优化模块以车辆所在点的实时道路坡度ε_i为输入变量，根据模型参数库中对应车型和载重预设的速度、道路坡度与油耗和尾气排放单位行程总指标之间的量化关系，动态地给出该车辆保持最小油耗与尾气排放的实时行车速度建议值S_F，

1)道路坡度ε_i已知后，调用油耗与尾气排放参数库中与之对应的参数，就

能得到此坡度下不同的速度和不同油耗和尾气排放单位行程总指标并

由公式（4）计算得到的对应关系。

H_S＝γ_S0H_S0+γ_S1H_S1+γ_S2H_S2+γ_S3H_S3                    (4)

H_S是速度为S时对应的油耗和尾气排放单位行程总指标；

H_S0、H_S1、H_S2、H_S3分别指速度为S时对应的单位行程油耗指标、HC单位行程排放指标、CO单位行程排放指标和NO_X单位行程排放指标，

γ_S0、γ_S1、γ_S2、γ_S3为对应指标H_S0、H_S1、H_S2、H_S3的参数，表示不同指标在油耗与尾气排放总指标中的权重，可根据不同地域的燃料价格、环境状况、限制政策等进行标定或修正，

2)得到速度S及其对应油耗与尾气排放单位行程总指标H_S后，用“冒泡排序法”求出使得总指标H_S最小的对应速度S_F，S_F即为车速优化的结果，

模型参数库中，速度为一系列的离散值，采用冒泡排序法求出油耗与尾气排放最小总指标，此总指标对应的速度即为车速优化结果，“冒泡排序法”的基本原理是：依次比较相邻的两个数，将小数放在前面，大数放在后面，

步骤如下：

第一趟：首先比较第1个和第2个数，将小数放前，大数放后，然后比较第2个数和第3个数，将小数放前，大数放后，如此继续，直至比较最后两个数，将小数放前，大数放后。至此第一趟结束，将最大的数放到了最后；第二趟：仍从第一对数开始比较；，将小数放前，大数放后，一直比较到倒数第二个数；第二趟结束，在倒数第二的位置上得到一个新的最大数，如此下去，重复以上过程，直至最终完成排序，就将最小的数放到了最前面，

步骤2.3每隔10s,将车速优化的结果作S_F为信息发布模块的输入，以合成语音和文字显示方式提示用户应保持的优化车速，以便减少油耗和尾气的排放；

步骤3根据定位信息，通过地图匹配获取车辆所在路网信息，进而推算路网上每一路段的平均速度S_k，依据平均速度和电子地图上的路段坡度调用相应的油耗与尾气排放参数，计算得到路网上每一路段的油耗与尾气排放量，然后将油耗与尾气排放量作为交通阻抗的影响要素，对原交通阻抗进行修正，得到路网上每一条路段的新的交通阻抗，最后，基于新的交通阻抗网络对车辆进行最小路径规划，

步骤3.1依照定位模块给出的位置信息，将车辆位置匹配在电子地图上，数据接收和储存模块从交通信息中心接收路网上的交通信息，包括路网中的路段总数m，每条路段的交通流量V_k，每条路段的零流通行时间t_k0、实际通行能力C_k、长度L_k、坡度等信息，

1)在导航过程中，定位模块以DGPS定位数据为标准，针对当前行驶的位置来确定车辆行驶在哪条路段上，并将位置匹配在电子地图上，

2)数据采集和存储模块依据车辆在电子地图上的位置，通过GPRS无线通讯技术从城市交通信息中心获取当前路网信息，包括静态交通数据和动态交通数据，静态交通数据主要包括道路总数m、路网结构、交叉口、道路等级、交通标志标线等，动态交通数据主要包括每条路段的实时交通流量V_k、交通事故，

3)为了进行各路段的油耗预测，需要道路网络中各路段的通行时间、长度和坡度，必须首先从城市道路设计的有关部门获取路网上每条路段零流通行时间t_k0即交通流量为0时路段k行驶时间，由设计通行时间考虑车道宽度、自行车影响等的修正后得到、实际通行能力C_k、长度L_k和坡度信息，并预先存入电子地图的数据库，需要使用时对号提取，

步骤3.2路径优化模块首先以路段的长度L_k、交通流量V_k为输入变量，预测路网上每条路段的行驶时间t_k，继而预测路网上所有路段的平均行驶时间每条路段上车辆的平均速度S_k，

采用道路交通阻抗分析方法计算路网上所有路段的预测行驶时间：

$t_k=t_{k0}[1+{\mathrm{\α}}_k{(V_k/C_k)}^{{\mathrm{\β}}_k}]---\left(5\right)$

t_k，为路段k的预测行驶时间；

t_k0，是路段k的零流通行时间，是常量；

V_k，是路段k的交通量，辆/小时；

C_k，是路段k的实际通行能力，是常量，辆/小时；

α_k、β_k，是参数，根据历史数据回归确定，无历史数据时分别取0.15，0.4，

然后计算路网上所有路段的平均行驶时间：其中，∑t_k为路网中路段预测行驶时间的总和，m为路网中路段总数目，

最后根据平均速度的计算公式：其中L_k为路段k的总长度，t_k为路段k的预测行驶时间，S_k为路段k的预测平均速度，这样，路网上所有路段的实时平均速度都可以计算出来，

步骤3.3路径诱导模块然后以每条路段坡度路段预测平均速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数，计算得到路网中各路段上预测油耗总量Q_k0、HC排放总量Q_k1、CO排放总量Q_k2和NOX排放Q_k3，

步骤3.3.1以路段坡度路段预测速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数；

步骤3.3.2将不同长度的坡度段的油耗和尾气排放量相加，按公式（6）、（7）、（8）、（9）、（10）、（11）、（12）、（13）计算得到预测的每一条路段的油耗总量和尾气各指标的排放总量，

$Q_{k0}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}0})---\left(6\right)$

$\stackrel{\‾}{Q_0}=\frac{\mathrm{\Σ}{Q}_{k0}}{m}---\left(7\right)$

$Q_{k1}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}1})---\left(8\right)$

$\stackrel{\‾}{Q_1}=\frac{\mathrm{\Σ}{Q}_{k1}}{m}---\left(9\right)$

$Q_{k2}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}2})---\left(10\right)$

$\stackrel{\‾}{Q_2}=\frac{\mathrm{\Σ}{Q}_{k2}}{m}---\left(11\right)$

$Q_{k3}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}3})---\left(12\right)$

$\stackrel{\‾}{Q_3}=\frac{\mathrm{\Σ}{Q}_{k3}}{m}---\left(13\right)$

其中，Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；

m为路网中的路段总数；

∑Q_k0、∑Q_k1、∑Q_k2、∑Q_k3分别表示路网中所有路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NO_X平均排放总量；

L_kj表示路段k上坡度为θ_kj的坡度段的长度；

H_kj0、H_kj1、H_kj2、H_kj3表示路段k上坡度为θ_kj的坡度段速度为S_k时的油耗、HC排放、CO排放和NO_X单位行程排放指标，

步骤3.4将预测的路段油耗量与各种尾气排放量Q_k0、Q_k1、Q_k2、Q_k3作为影响交通阻抗的要素，对路网上各路段的原有交通阻抗t_k进行修正，然后路径诱导模块最后以考虑油耗和尾气排放后的广义交通阻抗t_kc为基础进行路径规划，

步骤3.4.1修正交通阻抗：根据预测的油耗和尾气值修正原有道路的交通阻抗，原有的交通阻抗即为根据交通流量预测的路段通行时间t_k，根据公式(14)计算得到修正后的交通阻抗t_kc，

$t_{\mathrm{kc}}={\mathrm{\δ}}_k\frac{t_k}{\stackrel{\‾}{t}}+{\mathrm{\δ}}_0\frac{Q_{k0}}{\stackrel{\‾}{Q_0}}+{\mathrm{\δ}}_1\frac{Q_{k1}}{\stackrel{\‾}{Q_1}}{+\mathrm{\δ}}_2\frac{Q_{k2}}{\stackrel{\‾}{Q_2}}+{\mathrm{\δ}}_3\frac{Q_{k3}}{\stackrel{\‾}{Q_3}}---\left(14\right)$

其中t_kc是路段k考虑油耗和尾气排放后的广义交通阻抗；

t_k是路段k的原有交通阻抗；

是路网中所有路段不考虑油耗与尾气排放的路网上所有路段的平均交通阻抗；

Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NOX排放总量；

分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NOX平均排放总量；

δ_k、δ₀、δ₁、δ₂、δ₃是参数，表示广义阻抗中不同成分的权重，

δ_k+δ₀+δ₁+δ₂+δ₃=1，具体数值根据不同地域的燃料价格、环境状况、限制政策等进行标定或修正，

步骤3.4.2路径诱导模块以考虑油耗和尾气排放后的广义交通阻抗为基础，在路网上计算最短路径，

步骤3.5将路径诱导的结果作为信息发布模块的输入，以声音、文字、电子地图的形式对车辆进行路径诱导，

1)声音诱导方式：通过合成语音提示当前的车辆所在道路，并根据路径诱导的结果提示通往目的地的下一步节点道路名称和交叉口转向方向。

2)文字诱导方式：在车载导航***的显示屏上以文字的形式显示所在道路，以及下一步节点道路名称和交叉口转向方向。

电子地图诱导方式：在电子地图上完整显示通往目的地的路径，包含节点道路和交叉口转向。

与现有技术相比，本发明的有益效果是：

1)考虑车辆行驶时车型、坡度、速度的不同所带来的油耗和尾气排放的不同，设计了油耗与尾气排放模型参数库，并应用在路径诱导和速度优化两个阶段中。

2)利用三维导航技术，实时计算车辆所在点的坡度，通过坡度、油耗与尾气排放、速度三者的对应关系，从环境的角度考虑车辆速度选择，在车辆行驶过程中实时建议速度。

3)将油耗与尾气排放视为与通行时间一样，作为道路交通阻抗的一个影响因素，进行路径导航。使车辆在路径选择中将油耗与尾气排放作为一个重要的影响因素。

附图说明

图1是考虑车辆油耗与尾气排放的车辆导航方法流程图。

图2是考虑车辆油耗与尾气排放的车辆导航结构框图，图中虚线框1、2、3、4依次分别代表此导航***的定位模块、数据接收和存储模块、路径导航和速度优化模块、信息发布模块四个最主要的模块。

具体实施方式

下面结合附图对本发明作进一步详细描述：

1.车辆油耗与尾气排放模型参数库

本发明技术方案的一个关键是车辆油耗与尾气排放模型参数库。模型参数库的设计建立在大量的油耗和尾气排放实验和数据分析的基础上，应用于路径诱导和车速优化两个阶段中。具体设计如下：

表1油耗和尾气排放模型参数表

字段名

数据类型

字段大小

默认值

必填字段

车辆类型	文本	50个字符	无	是
					代表车型	文本	50个字符	无	否
道路坡度（%）	数字	整型	0	是
					行驶速度	数字	整型	0	是
载重量	数字	整型	0	是
					行程燃油消耗	数字	单精度浮点型	0	是
HC排放因子	数字	单精度浮点型	0	是
					CO排放因子	数字	单精度浮点型	0	是
NOX排放因子	数字	单精度浮点型	0	是

其中：

1)车辆类型：小型车（以轻型客车为主，同时包括微型客、货车），中型车（以中型货车为主，同时包括轻型客、货车），大型车（以中型载货车和大型客车为主，同时包括大型载货车）。

2)代表车型：非必填字段，用于更精确地确定车辆的各项性能参数。

3)道路坡度（%）：影响到汽车发动机的输出功率和转速，从而影响车速。

4)行驶速度：用于给出车速建议时参考参数库中符合其他车辆和道路条件使油耗和尾气排放最小的速度值的记录。

5)载重量：对于载货车，满载时的油耗较空载时的油耗增长明显；对于中小型客车，满载和空载相比载重量变化不大。单位：吨。

6)行程燃油消耗：以百公里油耗（L\100KM）为单位，百公里油耗由燃油消耗实验测定。

7)HC、CO、NOX排放因子：机动车排放因子是指单车行驶单位里程所排放的某种污染物的重量，此处指特定车辆的的HC、CO、NOX在各种因素的影响下的平均排放量，单位是克/公里。排放因子是经过大量资料调研、对中国典型城市实际道路行驶工况测量以及考虑了在正常使用下的机动车劣化情况，经实验室模拟验证调整后获得。

模型参数库的范例：

表2车辆油耗与尾气排放模型参数库范例

2.具体实施步骤：

步骤1设定车型信息，调用与之相对应的油耗与尾气排放模型参数库；同时通过差分定位(DGPS)定位车辆，获取车辆实时所在点i的经度L_ix、纬度L_iy、和海拔高度L_iz；

(1)启动导航***后，需要首先确定车辆车型信息（包括车型/代表车型和载重），车型/代表车型由汽车制造商在汽车出厂时确定，载重由车主在行驶前人工输入；然后导航***基于车型信息调用对应油耗和尾气排放参数库（单位行程油耗，单位行程HC排放因子，单位行程CO排放因子，单位行程NO_X排放因子）。

(2)定位模块采用差分定位(DGPS)，它的一个特点是定位精度高，能实现亚米级的定位精度，例如美国Trimble（赛维）DGPS接收机SPS351的水平精度为：±0.25m+1ppmRMS，垂直精度为：±0.50m+1ppmRMS，即每一公里的距离，此接收机定位的水平误差在0.25m内，垂直误差在0.5m以内。

(3)DGPS每隔1s自动获取车辆实时所在点i的位置信息，这样就在行驶过程中获得了一系列点（表示为i=1、2、3、4、5…）的经度，纬度和海拔高度，其符号表示分别为L_ix，，L_iy，L_iz。

步骤2根据定位获得的一系列点（i=1、2、3、4、5…）的位置信息，推算每一点的坡度ε_i，然后调用坡度调用油耗与尾气排放模型参数库，得出坡度为_εi时不同速度情况下对应油耗与尾气排放单位行程总指标，选取总指标最小的速度值作为优化速度值，由此得到速度优化结果。

步骤2.1依靠定位获得的经度L_ix、纬度L_iy和海拔高度L_iz，速度优化模块首先根据公式（1）、（2）计算在i点时海拔高度的变化Δh_i和水平行驶路径的变化Δs_i，然后根据公式（3）推算车辆实时所在点的坡度ε_i。

Δh_i＝L_iz-L_(i-1)z                （1）

$\mathrm{\Δ}{s}_i=\sqrt{{(L_{\mathrm{ix}}-L_{(i-1)x})}^2+{(L_{\mathrm{iy}}-L_{(i-1)y})}^2}---\left(2\right)$

L_iz、L_ix、L_iy分别为点i的海拔高度、经度和纬度

L_(i-1)z、L_(i-1)x、L_(i-1)y分别为点i-1的海拔高度、经度和纬度

${\mathrm{\ϵ}}_i={\tan }^{-1}\left(\frac{\mathrm{\Δ}{h}_i}{\mathrm{\Δ}{s}_i}\right)---\left(3\right)$

ε_i为车辆实时所在点i的坡度

Δh_i为车辆在垂直于路面方向上的海拔高度的变化

Δs_i为水平行驶路径的差值

步骤2.2速度优化模块以车辆所在点的实时道路坡度ε_i为输入变量，根据模型参数库中对应车型和载重预设的速度、道路坡度与油耗和尾气排放单位行程总指标之间的量化关系，动态地给出该车辆保持最小油耗与尾气排放的实时行车速度建议值S_F。

1)道路坡度ε_i已知后，调用油耗与尾气排放参数库中与之对应的参数，就能得到此坡度下不同的速度和不同油耗和尾气排放单位行程总指标（可由公式（4）计算得到）的对应关系。

H_S＝γ_S0H_S0+γ_S1H_S1+γ_S2H_S2+γ_S3H_S3                    (4)

H_S是速度为S时对应的油耗和尾气排放单位行程总指标；

H_S0、H_S1、H_S2、H_S3分别指速度为S时对应的单位行程油耗指标、HC单位行程排放指标、CO单位行程排放指标和NO_X单位行程排放指标。

γ_S0、γ_S1、γ_S2、γ_S3为对应指标H_S0、H_S1、H_S2、H_S3的参数。表示不同指标在油耗与尾气排放总指标中的权重，可根据不同地域的燃料价格、环境状况、限制政策等进行标定或修正。

2)得到速度S及其对应油耗与尾气排放单位行程总指标H_S后，用“冒泡排序法”求出使得总指标H_S最小的对应速度S_F，S_F即为车速优化的结果。

模型参数库中，速度为一系列的离散值，可采用冒泡排序法求出油耗与尾气排放最小总指标，此总指标对应的速度即为车速优化结果。“冒泡排序法”的基本原理是：依次比较相邻的两个数，将小数放在前面，大数放在后面。

步骤如下：

第一趟：首先比较第1个和第2个数，将小数放前，大数放后。然后比较第2个数和第3个数，将小数放前，大数放后，如此继续，直至比较最后两个数，将小数放前，大数放后。至此第一趟结束，将最大的数放到了最后。第二趟：仍从第一对数开始比较（因为可能由于第2个数和第3个数的交换，使得第1个数不再小于第2个数），将小数放前，大数放后，一直比较到倒数第二个数（倒数第一的位置上已经是最大的），第二趟结束，在倒数第二的位置上得到一个新的最大数（其实在整个数列中是第二大的数）。如此下去，重复以上过程，直至最终完成排序，就将最小的数放到了最前面。

步骤2.3每隔一段时间（如10s）,将车速优化的结果作S_F为信息发布模块的输入，以合成语音和文字显示方式提示用户应保持的优化车速，以便减少油耗和尾气的排放。

步骤3根据定位信息，通过地图匹配获取车辆所在路网信息。进而推算路网上每一路段的平均速度S_k。依据平均速度和电子地图上的路段坡度调用相应的油耗与尾气排放参数，计算得到路网上每一路段的油耗与尾气排放量。然后将油耗与尾气排放量作为交通阻抗的影响要素，对原交通阻抗进行修正，得到路网上每一条路段的新的交通阻抗。最后，基于新的交通阻抗网络对车辆进行最小路径规划。

步骤3.1依照定位模块给出的位置信息，将车辆位置匹配在电子地图上，数据接收和储存模块从交通信息中心接收路网上的交通信息，包括路网中的路段总数m，每条路段的交通流量V_k，每条路段的零流通行时间t_k0、实际通行能力C_k、长度L_k、坡度等信息。

1)在导航过程中，定位模块以DGPS定位数据为标准，针对当前行驶的位置来确定车辆行驶在哪条路段上，并将位置匹配在电子地图上。

2)数据采集和存储模块依据车辆在电子地图上的位置，通过GPRS无线通讯技术从城市交通信息中心获取当前路网信息，包括静态交通数据和动态交通数据。静态交通数据主要包括道路总数m、路网结构、交叉口、道路等级、交通标志标线等，动态交通数据主要包括每条路段的实时交通流量V_k、交通事故等。

3)为了进行各路段的油耗预测，需要道路网络中各路段的通行时间、长度和坡度。必须首先从城市道路设计的有关部门获取路网上每条路段零流通行时间t_k0（即交通流量为0时路段k行驶时间，由设计通行时间考虑车道宽度、自行车影响等的修正后得到）、实际通行能力C_k（基本通行能力考虑车道宽度、交叉口影响、自行车影响等修正后的通行能力）、长度L_k和坡度等信息，并预先存入电子地图的数据库，需要使用时对号提取。

步骤3.2路径优化模块首先以路段的长度L_k、交通流量V_k为输入变量，预测路网上每条路段的行驶时间t_k，继而预测路网上所有路段的平均行驶时间每条路段上车辆的平均速度S_k。

采用《交通规划》（王炜等著）中的道路交通阻抗分析方法计算路网上所有路段的预测行驶时间：

$t_k=t_{k0}[1+{\mathrm{\α}}_k{(V_k/C_k)}^{{\mathrm{\β}}_k}]---\left(5\right)$

t_k，为路段k的预测行驶时间；

t_k0，是路段k的零流通行时间，是常量；

V_k，是路段k的交通量（辆/小时）；

C_k，是路段k的实际通行能力，是常量（辆/小时）；

α_k、β_k，是参数，根据历史数据回归确定，无历史数据时分别取0.15，0.4。

然后计算路网上所有路段的平均行驶时间：其中，∑t_k为路网中路段预测行驶时间的总和，m为路网中路段总数目。

最后根据平均速度的计算公式：其中L_k为路段k的总长度，t_k为路段k的预测行驶时间，S_k为路段k的预测平均速度。这样，路网上所有路段的实时平均速度都可以计算出来。

步骤3.3路径诱导模块然后以每条路段坡度(某一路段的坡度可能会由不同长度的坡度段组成)、路段预测平均速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数，计算得到路网中各路段上预测油耗总量Q_k0、HC排放总量Q_k1、CO排放总量Q_k2和NO_X排放Q_k3。（参考具体实施方式1——车辆油耗与尾气排放模型参数库）

步骤3.3.1以路段坡度路段预测速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数；

步骤3.3.2将不同长度的坡度段的油耗和尾气排放量相加，按公式（6）、（7）、（8）、（9）、（10）、（11）、（12）、（13）计算得到预测的每一条路段的油耗总量和尾气各指标的排放总量。

$Q_{k0}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}0})---\left(6\right)$

$\stackrel{\‾}{Q_0}=\frac{\mathrm{\Σ}{Q}_{k0}}{m}---\left(7\right)$

$Q_{k1}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}1})---\left(8\right)$

$\stackrel{\‾}{Q_1}=\frac{\mathrm{\Σ}{Q}_{k1}}{m}---\left(9\right)$

$Q_{k2}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}2})---\left(10\right)$

$\stackrel{\‾}{Q_2}=\frac{\mathrm{\Σ}{Q}_{k2}}{m}---\left(11\right)$

$Q_{k3}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}3})---\left(12\right)$

$\stackrel{\‾}{Q_3}=\frac{\mathrm{\Σ}{Q}_{k3}}{m}---\left(13\right)$

其中，Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；

m为路网中的路段总数；

∑Q_k0、∑Q_k1、∑Q_k2、∑Q_k3分别表示路网中所有路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NO_X平均排放总量；

L_kj表示路段k上坡度为θ_kj的坡度段的长度；

H_kj0、H_kj1、H_kj2、H_kj3表示路段k上坡度为θ_kj的坡度段速度

为S_k时的油耗、HC排放、CO排放和NO_X单位行程排放指标。

步骤3.4将预测的路段油耗量与各种尾气排放量Q_k0、Q_k1、Q_k2、Q_k3作为影响交通阻抗的要素，对路网上各路段的原有交通阻抗t_k进行修正。然后路径诱导模块最后以考虑油耗和尾气排放后的广义交通阻抗t_kc为基础进行路径规划。

步骤3.4.1修正交通阻抗：根据预测的油耗和尾气值修正原有道路的交通阻抗（原有的交通阻抗即为根据交通流量预测的路段通行时间t_k，根据公式(14)计算得到修正后的交通阻抗t_kc。

$t_{\mathrm{kc}}={\mathrm{\δ}}_k\frac{t_k}{\stackrel{\‾}{t}}+{\mathrm{\δ}}_0\frac{Q_{k0}}{\stackrel{\‾}{Q_0}}+{\mathrm{\δ}}_1\frac{Q_{k1}}{\stackrel{\‾}{Q_1}}{+\mathrm{\δ}}_2\frac{Q_{k2}}{\stackrel{\‾}{Q_2}}+{\mathrm{\δ}}_3\frac{Q_{k3}}{\stackrel{\‾}{Q_3}}---\left(14\right)$

其中t_kc是路段k考虑油耗和尾气排放后的广义交通阻抗；

t_k是路段k的原有交通阻抗；

是路网中所有路段不考虑油耗与尾气排放的路网上所有路段的平均交通阻抗；

Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NOX排放总量；

分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NOX平均排放总量；

δ_k、δ₀、δ₁、δ₂、δ₃是参数，表示广义阻抗中不同成分的权重，

δ_k+δ₀+δ₁+δ₂+δ₃=1，具体数值根据不同地域的燃料价格、环境状况、限制政策等进行标定或修正。

步骤3.4.2路径诱导模块以考虑油耗和尾气排放后的广义交通阻抗为基础，在路网上计算最短路径。目前，解决最短路径问题已经有许多成熟的算法，常见的路径规划算法有Dijkstra算法、Bellman-Ford算法、Floyd算法、启发式搜索算法，如A*算法等。还有许多为车辆导航而改进的算法，比如k最短路径算法、遗传算法和基于神经网络的算法等。不同算法的具体步骤可以参考张其善和吴今培的《智能车辆定位导航***及应用》。

步骤3.5和步骤2.3类似，将路径诱导的结果作为信息发布模块的输入，以声音、文字、电子地图的形式对车辆进行路径诱导。

1)声音诱导方式：通过合成语音提示当前的车辆所在道路，并根据路径诱导的结果提示通往目的地的下一步节点道路名称和交叉口转向方向。

2)文字诱导方式：在车载导航***的显示屏上以文字的形式显示所在道路，

以及下一步节点道路名称和交叉口转向方向。

电子地图诱导方式：在电子地图上完整显示通往目的地的路径，包含节点道路和交叉口转向。

Claims (1)

1.一种基于油耗与尾气排放的车辆三维导航方法，其特征在于，

步骤1 设定车型信息，调用与之相对应的油耗与尾气排放参数库；同时通过差分定位DGPS定位车辆，获取车辆实时所在点i的经度L_ix、纬度L_iy、和海拔高度L_iz；

(1)启动导航***后，需要首先确定车辆车型信息，所述车辆车型信息包括车型/代表车型和载重，车型/代表车型由汽车制造商在汽车出厂时确定，载重由车主在行驶前人工输入；然后导航***基于车型信息调用对应油耗与尾气排放参数库，所述油耗与尾气排放参数库包括单位行程油耗、单位行程HC排放因子、单位行程CO排放因子、单位行程NO_X排放因子，

(2)定位模块采用差分定位DGPS，它的一个特点是定位精度高，能实现亚米级的定位精度，

(3)DGPS每隔1s自动获取车辆实时所在点i的位置信息，这样就在行驶过程中获得了一系列点且表示为i＝1、2、3、4、5…的经度，纬度和海拔高度，其符号表示分别为L_ix，L_iy，L_iz，

步骤2 根据定位获得的一系列点i＝1、2、3、4、5…的位置信息，推算每一点的坡度ε_i，然后调用油耗与尾气排放参数库，得出坡度为ε_i时不同速度情况下对应油耗与尾气排放单位行程总指标，选取总指标最小的速度值作为优化速度值，由此得到速度优化结果，

步骤2.1 依靠定位获得的经度L_ix、纬度L_iy和海拔高度L_iz，速度优化模块首先根据公式(1)、(2)计算在i点时海拔高度的变化Δh_i和水平行驶路径的变化Δs_i，然后根据公式(3)推算车辆实时所在点的坡度ε_i，

Δh_i＝L_iz-L_(i-1)z   (1)

${\mathrm{\Δs}}_i=\sqrt{{(L_{\mathrm{ix}}-L_{(i-1)x})}^2+{(L_{\mathrm{iy}}-L_{(i-1)y})}^2}---\left(2\right)$

L_iz、L_ix、L_iy分别为点i的海拔高度、经度和纬度

L_(i-1)z、L_(i-1)x、L_(i-1)y分别为点i-1的海拔高度、经度和纬度

${\mathrm{\ϵ}}_i={\tan }^{-1}\left(\frac{{\mathrm{\Δh}}_i}{{\mathrm{\Δs}}_i}\right)---\left(3\right)$

ε_i为车辆实时所在点i的坡度

Δh_i为车辆在垂直于路面方向上的海拔高度的变化

Δs_i为水平行驶路径的差值，

步骤2.2 速度优化模块以车辆所在点的实时道路坡度ε_i为输入变量，根据模型参数库中对应车型和载重预设的速度、道路坡度与油耗和尾气排放单位行程总指标之间的量化关系，动态地给出该车辆保持最小油耗与尾气排放的实时行车速度建议值S_F，

1)道路坡度ε_i已知后，调用油耗与尾气排放参数库中与之对应的参数，就能得到此坡度下不同的速度和不同油耗和尾气排放单位行程总指标并由公式(4)计算得到的对应关系，

H_S＝γ_S0H_S0+γ_S1H_S1+γ_S2H_S2+γ_S3H_S3   (4)

H_S是速度为S时对应的油耗和尾气排放单位行程总指标；

H_S0、H_S1、H_S2、H_S3分别指速度为S时对应的单位行程油耗指标、HC单位行程排放指标、CO单位行程排放指标和NO_X单位行程排放指标，

γ_S0、γ_S1、γ_S2、γ_S3为对应指标H_S0、H_S1、H_S2、H_S3的参数，表示不同指标在油耗与尾气排放单位行程总指标中的权重，可根据不同地域的燃料价格、环境状况、限制政策进行标定或修正，

2)得到速度S及其对应油耗与尾气排放单位行程总指标H_S后，用“冒泡排序法”求出使得总指标H_S最小的对应速度S_F，S_F即为车速优化的结果，

模型参数库中，速度为一系列的离散值，采用冒泡排序法求出油耗与尾气排放最小总指标，此总指标对应的速度即为车速优化结果，“冒泡排序法”的基本原理是：依次比较相邻的两个数，将小数放在前面，大数放在后面，

步骤如下：

第一趟：首先比较第1个和第2个数，将小数放前，大数放后，然后比较第2个数和第3个数，将小数放前，大数放后，如此继续，直至比较最后两个数，将小数放前，大数放后；至此第一趟结束，将最大的数放到了最后；第二趟：仍从第一对数开始比较，将小数放前，大数放后，一直比较到倒数第二个数；第二趟结束，在倒数第二的位置上得到一个新的最大数，如此下去，重复以上过程，直至最终完成排序，就将最小的数放到了最前面，

步骤2.3 每隔10s,将车速优化的结果S_F作为信息发布模块的输入，以合成语音和文字显示方式提示用户应保持的优化车速，以便减少油耗和尾气的排放；

步骤3 根据定位信息，通过地图匹配获取车辆所在路网信息，进而推算路网上每一路段的预测平均速度，依据平均速度和电子地图上的路段坡度调用相应的油耗与尾气排放参数，计算得到路网上每一路段的油耗与尾气排放量，然后将油耗与尾气排放量作为交通阻抗的影响要素，对原交通阻抗进行修正，得到路网上每一条路段的新的交通阻抗，最后，基于新的交通阻抗网络对车辆进行最小路径规划，

步骤3.1 依照定位模块给出的位置信息，将车辆位置匹配在电子地图上，数据接收和存储模块从交通信息中心接收路网上的交通信息，包括路网中的路段总数m，每条路段的交通流量V_k，每条路段的零流通行时间t_k0、实际通行能力C_k、长度L_k、坡度信息，

1)在导航过程中，定位模块以DGPS定位数据为标准，针对当前行驶的位置来确定车辆行驶在哪条路段上，并将位置匹配在电子地图上，

2)数据接收和存储模块依据车辆在电子地图上的位置，通过GPRS无线通讯技术从城市交通信息中心获取当前路网信息，包括静态交通数据和动态交通数据，静态交通数据主要包括路段总数m、路网结构、交叉口、道路等级、交通标志标线，动态交通数据主要包括每条路段的交通流量V_k、交通事故，

3)为了进行各路段的油耗预测，需要道路网络中各路段的通行时间、长度和坡度，首先从城市道路设计的有关部门获取路网上每条路段零流通行时间t_k0、实际通行能力C_k、长度L_k和坡度信息，并预先存入电子地图的数据库，需要使用时对号提取，

步骤3.2 路径优化模块首先以路段的长度L_k、交通流量V_k为输入变量，预测路网上每条路段的行驶时间t_k，继而预测路网上所有路段的平均行驶时间，每条路段上车辆的预测平均速度，

采用道路交通阻抗分析方法计算路网上所有路段的预测行驶时间：

$t_k=t_{k0}[1+{\mathrm{\α}}_k{(V_k/C_k)}^{{\mathrm{\β}}_k}]---\left(5\right)$

t_k，为路段k的预测行驶时间；

t_k0，是路段k的零流通行时间，是常量；

V_k，是路段k的交通流量，辆/小时；

C_k，是路段k的实际通行能力，是常量，辆/小时；

α_k、β_k，是参数，根据历史数据回归确定，无历史数据时分别取0.15，0.4，

然后计算路网上所有路段的平均行驶时间：其中，∑t_k为路网中路段预测行驶时间的总和，m为路网中路段总数目，

最后根据平均速度的计算公式：其中L_k为路段k的总长度，t_k为路段k的预测行驶时间，S_k为路段k的预测平均速度，这样，路网上所有路段的预测平均速度都计算出来，

步骤3.3 路径诱导模块然后以每条路段坡度路段k的预测平均速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数，计算得到路网中各路段上预测油耗总量Q_k0、HC排放总量Q_k1、CO排放总量Q_k2和NO_X排放总量Q_k3，

步骤3.3.1 以路段坡度路段预测平均速度S_k为输入变量，在模型参数库中调用相应的油耗和尾气排放参数；

步骤3.3.2 将不同长度的坡度段的油耗和尾气排放量相加，按公式(6)、(7)、(8)、(9)、(10)、(11)、(12)、(13)计算得到预测的每一条路段的油耗总量和尾气各指标的排放总量，

$Q_{k0}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}0})---\left(6\right)$

$\stackrel{\‾}{Q_0}=\frac{{\mathrm{\ΣQ}}_{k0}}{m}---\left(7\right)$

$Q_{k1}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}1})---\left(8\right)$

$\stackrel{\‾}{Q_1}=\frac{{\mathrm{\ΣQ}}_{k1}}{m}---\left(9\right)$

$Q_{k2}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}2})---\left(10\right)$

$\stackrel{\‾}{Q_2}=\frac{{\mathrm{\ΣQ}}_{k2}}{m}---\left(11\right)$

$Q_{k3}=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(L_{\mathrm{kj}}*H_{\mathrm{kj}3})---\left(12\right)$

$\stackrel{\‾}{Q_3}=\frac{{\mathrm{\ΣQ}}_{k3}}{m}---\left(13\right)$

其中，Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；m为路网中的路段总数；

n为某条路段上不同坡度段的总数，n≥1；

∑Q_k0、∑Q_k1、∑Q_k2、∑Q_k3分别表示路网中所有路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NO_X平均排放总量；

L_kj表示路段k上坡度为θ_kj的坡度段的长度；

H_kj0、H_kj1、H_kj2、H_kj3表示路段k上坡度为θ_kj的坡度段路段预测平均速度为S_k时的单位行程油耗指标、HC单位行程排放指标、CO单位行程排放指标和NO_X单位行程排放指标，

步骤3.4 将预测的路段油耗量与各种尾气排放量Q_k0、Q_k1、Q_k2、Q_k3作为影响交通阻抗的要素，对路网上各路段的原有交通阻抗t_k进行修正，然后路径诱导模块最后以考虑油耗和尾气排放后的广义交通阻抗t_kc为基础进行路径规划，

步骤3.4.1 修正交通阻抗：根据预测的油耗和尾气值修正原有道路的交通阻抗，原有的交通阻抗即为根据交通流量预测的路段通行时间t_k，根据公式(14)计算得到修正后的交通阻抗t_kc，

$t_{\mathrm{kc}}={\mathrm{\δ}}_k\frac{t_k}{\stackrel{\‾}{t}}+{\mathrm{\δ}}_0\frac{Q_{k0}}{\stackrel{\‾}{Q_0}}+{\mathrm{\δ}}_1\frac{Q_{k1}}{\stackrel{\‾}{Q_1}}+{\mathrm{\δ}}_2\frac{Q_{k2}}{\stackrel{\‾}{Q_2}}+{\mathrm{\δ}}_3\frac{Q_{k3}}{Q_3}---\left(14\right)$

其中t_kc是路段k考虑油耗和尾气排放后的广义交通阻抗；

t_k是路段k的原有交通阻抗；

是路网中所有路段不考虑油耗与尾气排放的路网上所有路段的平均交通阻抗；

Q_k0、Q_k1、Q_k2、Q_k3分别表示第k条路段的预测油耗排放总量、HC排放总量、CO排放总量和NO_X排放总量；

分别表示路网中所有路段的预测油耗平均排放量、HC平均排放总量、CO平均排放总量和NO_X平均排放总量；

δ_k、δ₀、δ₁、δ₂、δ₃是参数，表示交通阻抗中不同成分的权重，δ_k+δ₀+δ₁+δ₂+δ₃＝1，具体数值根据不同地域的燃料价格、环境状况、限制政策进行标定或修正，

步骤3.4.2 路径诱导模块以考虑油耗和尾气排放后的广义交通阻抗为基础，在路网上计算最短路径，

步骤3.5 将路径诱导的结果作为信息发布模块的输入，以声音、文字、电子地图的形式对车辆进行路径诱导，

1)声音诱导方式：通过合成语音提示当前的车辆所在道路，并根据路径诱导的结果提示通往目的地的下一步节点道路名称和交叉口转向方向，

2)文字诱导方式：在车载导航***的显示屏上以文字的形式显示所在道路，以及下一步节点道路名称和交叉口转向方向，

3)电子地图诱导方式：在电子地图上完整显示通往目的地的路径，包含节点道路和交叉口转向。