CN104260724B - 一种车辆智能预测控制***及其方法 - Google Patents

一种车辆智能预测控制***及其方法 Download PDF

Info

Publication number
CN104260724B
CN104260724B CN201410487030.XA CN201410487030A CN104260724B CN 104260724 B CN104260724 B CN 104260724B CN 201410487030 A CN201410487030 A CN 201410487030A CN 104260724 B CN104260724 B CN 104260724B
Authority
CN
China
Prior art keywords
vehicle
section
traffic
energy
road
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.)
Active
Application number
CN201410487030.XA
Other languages
English (en)
Other versions
CN104260724A (zh
Inventor
李治良
李锋
高华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201410487030.XA priority Critical patent/CN104260724B/zh
Publication of CN104260724A publication Critical patent/CN104260724A/zh
Application granted granted Critical
Publication of CN104260724B publication Critical patent/CN104260724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • B60W40/04—Traffic 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
    • 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
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2530/00—Input parameters relating to vehicle conditions or values, not covered by groups B60W2510/00 or B60W2520/00
    • B60W2530/10—Weight
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2554/00—Input parameters relating to objects
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/20—Ambient conditions, e.g. wind or rain
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/40—Altitude

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种车辆智能预测控制***及其方法，其中***包括至少一个车载控制***、共享数据库和信息收集***，信息收集***用于实时收集道路信息，并将收集的道路信息上传到共享数据库；车载控制***用于制订车辆行驶计划、分析能耗数据、计算路段系数、控制能源使用策略、以及控制车辆行驶，向共享数据库上传行驶计划和路段系数，并根据车辆行驶条件预测驱动能量；共享数据库存储信息收集***和车载控制***上传的数据，并根据车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据路段上的实时交通状况和历史交通状况预测道路交通状况。本发明可以帮助驾驶员更加准确的预测交通状况、测算行驶需要的能量，大大提高车辆经济性和环保性。

Description

一种车辆智能预测控制***及其方法
技术领域
本发明涉及车辆智能控制技术领域，尤其涉及一种车辆智能预测控制***及其方法。
背景技术
随着资源日趋枯竭，城市交通导致的污染日益严重，新能源如电动、燃料电池等车辆的环保性或经济性已成为城市污染和未来矿物能源短缺的重要解决方案。但新能源车辆的能量补充无法像传统能源车辆一样方便，车辆本身的储备能源相对有限，同样的能量储备在不同条件下行驶时，里程差别可能极大，如果不能较为准确的预测行程所需驱动能量，使用者无法放心地进行远程行驶，这大大限制了新能源车辆的普及和使用范围；在行驶能量预测领域，在车辆导航***中，传统路径规划基于行程长短、限速快慢或通行路面特点(比如高速优先)等条件优化行驶路线，没有针对行程较为准确的能量预测和基于预测的以能量为优化对象的方法，无法直接达到环保节能的目的。
在此背景下，急需能够综合各种信息更加准确预测交通状况、运用大数据平台分享行驶数据，更准确地预测行程需要的驱动能量以及根据能量优化行程的解决方案。
发明内容：
本发明的目的是提供一种能够预测行程能量需求、根据能量预测合理安全地规划行驶线路、优化行驶计划、合理安排各种能源运用策略和驱动策略的车辆智能预测控制***及方法。
为实现上述目的，一方面，本发明提供了一种车辆智能预测控制***，该***包括至少一个车载控制***、共享数据库和信息收集***；
信息收集***用于实时收集道路信息，并将收集的道路信息上传到共享数据库，道路信息包括路段上的交通状况、路面平均车速、路面特征和气象预报信息；
车载控制***用于制订车辆行驶计划、分析能耗数据、计算路段系数、控制能源使用策略、以及控制车辆行驶，向共享数据库上传行驶计划和路段系数，及周边交通状况，并根据车辆行驶条件预测驱动能量；
共享数据库存储信息收集***和车载控制***上传的数据，并根据车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据路段上的实时交通状况和历史交通状况预测道路交通状况。
另一方面，本发明提供了一种车辆智能预测控制方法，应用于包括至少一个车载控制***、共享数据库和信息收集***构成的***中，该方法包括以下步骤：
通过信息收集***实时收集道路信息，并将收集的道路信息上传到共享数据库，道路信息包括路段上的交通状况、路面平均车速、路面特征和气象预报信息；
通过车载控制***制订车辆行驶计划、分析能耗数据、计算路段系数、控制能源使用策略、以及控制车辆行驶，并向所述共享数据库上传行驶计划和路段系数，及周边交通状况，并根据车辆行驶条件预测驱动能量；
通过共享数据库存储所述信息收集***和所述车载控制***上传的数据，并根据车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据路段上的实时交通状况和历史交通状况预测道路交通状况。
本发明的有益效果包括：
1、更加安全。本发明可以帮助驾驶员更加准确的预测交通状况、测算行驶需要的能量，在更加节能的优化行驶路线的基础上，大大降低了因为电力不够无法回家的风险，给驾驶员更充足的信心进行更远的行程；同时也避免了电池过放电的危险，出现电池过放电的几率大大降低，大大提高了电池寿命。是新能源车辆必不可少的控制方法，具有巨大的安全价值、经济价值和广阔的市场前景。
2、更加实用。电力驱动具有污染小，驱动的效率大大高于燃料动力的特点，驱动发电用能源(比如煤炭或太阳能)消耗层次低于车辆燃料的特点，用低层次能源换取高层次能源具有重要的战略意义。但电池电量受温度、驱动方式、以及路况影响极大，一辆储备电力够300公里匀速行驶的电动车辆在面临100公里的复杂路程时也不会信心十足，这样的驱动极大的限制了电动车辆的普及。本发明能够提前更加准确预测电池能量和行程能力，车主可以更加放心地在更大的范围使用，大大增加了电动车的实用性。
3、更加经济和环保。本发明可以大大提高车辆经济性和环保性。比如双能量汽车在回家的路途中，在更加准确地预测能量需求基础上，可以根据离目的地和充电站的距离，及时使用电池中存储能量，减少燃料消耗；在市区行驶，可以在更准确地预测能量需求的基础上，更合理地安排燃料动力和电能的使用，达到最大节能的目的。所以，智能预测控制***装置可以充分发挥车辆的经济性和环保性，并产生巨大的经济效益和环保效益。
综上所述，智能预测控制***，能够更好地发挥各种能源的优势，为有效降低能源消耗、减少环境污染、降低燃料依赖、提高车辆使用的经济性和环保性能，发挥巨大的社会效益和经济效益。
附图说明：
图1：本发明实施例提供的一种车辆智能预测控制***示意图S1；
图2：根据实时和历史状况预测交通状况的方法流程图S2.1；
图3：根据车辆行驶计划和路段通行能力预测交通状况的方法流程图S2.2；
图4：计算不同条件下车辆行驶能量方法流程图S3；
图5：衡量车辆驱动能量实际值与计算值的差异的方法流程图S4；
图6：通过测量车辆加速时速度变化和所需驱动能量计算车辆总重的方法流程图S5；
图7：预测到达目的地所需驱动能量的方法流程图S6。
具体实施方式：
以下通过附图和实施例，对本发明的技术方案做进一步的详细描述。
图1为本发明实施例提供的一种车辆智能预测控制***示意图S1。如图1所示，该***包括多个分别安装在车辆上的车载控制***101、至少一个共享数据库102、信息收集***103等；车载控制***101与共享数据库102通过无线连接实现信息双向传输，车载控制***101与其他车辆的车载控制***101通过共享数据库102中继交换或以无线连接的方法在车辆间直接进行信息传输，信息收集***103收集信息向共享数据库102传输。
其中车载控制***101负责制订行驶计划、分析能耗数据、计算路段系数、控制能源使用策略，以及控制车辆行驶；车载控制***101向共享数据库102传输的内容以及车载控制***101与其他车辆上的车载控制***101之间相互传输的内容包括但不限于：车辆行驶计划、路段系数及车速、车辆位置等以及车辆周围交通状况等信息。
共享数据库102从所有车辆的车载控制***101收集车辆行驶计划，并根据行驶计划和途经路段的通过能力预测道路交通状况；共享数据库102还收集并存储路段系数及其行驶条件并提供给车载控制***101预测驱动能量；共享数据库102从车载控制***101和信息收集***103收集并存储实时交通状况和历史交通状况预测交通状况；共享数据库102向车载控制***101传输计划行程线路上包含路段的交通状况、方法S4所得路段系数的积累数据、气象信息、根据S2所示两种方法预测的交通状况等。
信息收集***103收集并传输给共享数据库102的信息包括：交通状况、路面平均车速、路面特征(比如多车道快速路或窄街巷等)、气象状况及预报等信息。
计划行驶时，车载控制***101从共享数据库102或其他车辆上的车载控制***101得到路况信息、其他车辆的行驶计划等，运用S2等方法预测交通状况，控制车辆行驶、收集车辆行驶数据、按照智能预测控制方法S2到S6收集信息、预测路况、计算行驶能耗、优化行驶线路、制定车辆行驶计划等。
共享数据库102从路面信息收集***103收集各种道路信息并存储，收集的信息包括但不限于：路面特征(比如多车道快速路或窄街巷等)、实时交通状况、平均车速、路段气象条件及预报等；共享数据库102从车载控制***101收集并存储车辆的行驶计划、能量消耗的相关数据；共享数据库103将收集的道路信息和车辆行驶信息综合分析，得到路段交通状况历史信息、路段交通状况预测、路段行驶能量对应交通状况和气象状况等行驶条件变化时的实际驱动能量等。
共享数据库102收集并根据需要整理：实时交通状况信息和历史交通状况、路段信息数据库装置等，车载控制***负责收集信息，预测交通状况，安排行驶策略、并控制车辆行驶等，同时收集车辆实际行驶通过具体线路是的交通状况、气象状况和实际驱动能量，并上传中央数据库；中央数据库收集、整理、存储大量车辆行驶过程中的数据、包括但不限于具体路段、交通状况、通行时间、平均和最高最低车速、驱动能量与理论能量的比例(路段系数)以及对其他车辆提供参考的数据，提高车辆对道路每个途经路段的通行特性的了解，并根据自身通行计划更加准确的预测道路通行状况和能量消耗状况，为更环保、高效地规划行驶策略提供“大数据”支持。
车载控制***101包括：信息收集，信息交换，中央控制、驱动控制等部分；交通状况信息数据库收集实时交通状况、每辆车在具体通行道路上的位置、速度等行驶信息；历史数据库收集存储道路上每个路段车辆行驶的时间、行驶系数等，供其他车辆共享行驶经验。
本发明实施例提供的车辆智能预测控制方法的具体实施方式如下：
预测交通状况的两种方法实施例包括S2.1(见图2)和S2.2(见图3)，具体是：
第一种预测交通状况方法实施例：S2.1、根据实时和历史交通状况预测未来时间点交通状况的方法见图2，步骤如下：
在步骤S211：提取对应路段实时交通状况和同时间历史交通状况信息，可选的实施例如：
实施例S2111：按同时刻的历史周期提取，例如当前时间为周一下午15：00，以工作周为周期，提取本路段每周一下午15:00时的历史路况记录。
实施例S2112：区分假日和工作日提取，例如：非休息日或假日下午的15:00时路段交通状况；提取的数据包括但不限于最大值、平均值或包含其他统计意义的数据集之一。
在步骤S212：对比实时交通状况和以上步骤提取的历史交通状况的拥堵程度，判断车辆到达行程中某一路段预计时间节点的历史交通状况对预测的参考价值：如果实时交通状况比同时刻历史记录拥堵程度高，选择实时交通状况作为该路段交通状况预测值；如果实时交通状况与同时刻历史状况接近或更畅通，则以步骤213推算的车辆预计到达该路段时间节点时的历史交通状况作为该路段交通状况预测值。
在步骤S213：对应每条线路包含的路段，按照从起点到终点的顺序，逐个以步骤212确定预测参考依据，对应平均车速或限速，推算车辆到达每个路段的时间节点，根据此时间节点按照步骤S212包含的两个实例S2111和S2112之一提取车辆预计到达每个路段时间节点的历史交通状况作为预测依据；
在步骤S214：开始行程后，根据车辆到达行程中某一路段的实际时间，重复步骤S211到S213修正后续预测，提升预测的准确性。
本发明实施例提供的车辆预测控制方法可以有多种判断依据和取数方式；比如可将交通状况历史平均值为基础得到平均交通状况预测，以大概率预测作为优化行驶线路的依据；也可以将最大拥堵值作为预测基础，提供更安全保险的行驶能量需求预测；也可以将其他统计意义的均值和大概率取值方法作为提取数据的方法；比如可以建立不同气象条件下的交通数据集，针对实施或预报气象信息提取相应交通状况历史数据等等，在此方法思路内可以变通和增加因素和选值的标准有多种实例，均在本发明保护之列。
第二种预测交通状况方法实施例：S2.2、通过收集车辆行驶计划，测算计划某一时间通过同一路段的车辆，并与路段通行能力比较，得到该时间段交通状况预测见图3，步骤如下：
在步骤S220：收集道路信息，包括但不限于：路面实时或平均车速、每个路段包含的车道、信号灯允许通过时间及占一个通过周期的比例(比如一个信号灯周期100秒，允许此方向通过的时间是30秒，则通过比例为30％)、平均车间距以及路段限速等；
在步骤S221：收集一定区域内所有车辆的行驶计划，包括行驶线路计划和行驶时间计划；
在步骤S222：根据行驶计划包含的线路计划和时间计划，按照线路上每个路段的平均车速或限速顺序推算车辆到达途经线路上每个路段的时间节点或时间范围；
在步骤S223：统计同一时间范围内计划以同一方向通过同一路段的车辆总数；
在步骤S224：测算每个路段通行能力，通行能力以单位时间有能力通过的车辆数量表示：
通行能力＝车速÷车辆间隔×车道×信号灯允许行驶时间占通过时间周期的比例
其中信号灯允许行驶时间占通过时间周期的比例为一个允许与静止通行的信号灯周期中，允许通行时间占通行时间周期的比例；
在步骤S225：计算某时间计划通过路段的车辆数量与同时间段该路段通行能力的比例，可以用通行系数表示：通行系数＝计划通过数量÷(通行能力×时间)
实际使用时，可以将通行系数直接作为衡量交通状况的量化指标，也可以分级定义，将不同范围的通行系数对应不同的交通状况分级，得到交通状况分级预测，例如：
当通行系数<1表示路段相对畅通；当通行系数≥1表示通行能力饱和；
在步骤S226：将行驶计划包含的路段，顺序按照途经时间节点对照步骤S222到S225，预测交通状况，并将每个路段的交通状况预测汇总得到计划行驶线路上每个路段的交通状况预测。
以上是两种预测交通状况的两种方法实施例，当共享行驶计划的车辆占总交通车辆比例较低时可以使用S2.1；当共享行驶计划的车辆占总通行车辆比例较高时，可以使用S2.2预测交通状况。
图4为计算不同条件下车辆行驶能量方法流程图S3,通过测定车辆在不同条件下行驶需要的总驱动能量，在其中减去可计算的能耗例如：风阻、摩擦阻能耗，动能和势能等，得到驱动能量包含的“其他能耗”；需要计算驱动能量时，根据车辆总重量，将“其他能耗”与可计算的能耗相加得到不同条件下驱动能量计算值，并可在行驶中校正，分为以下步骤：
在步骤301：测量车辆行驶一定距离消耗的驱动能量总和；
在步骤302：提取行驶和环境信息并代入后续步骤，包括但不限于：行驶的距离、行驶路程海拔高度差、车辆总重、风阻系数和速度等数据，以及气压(空气密度)、温度等；
在步骤303：计算风阻消耗的驱动能量：根据原理：风阻力与速度的平方成正比、与车辆截面积成正比、力与行驶距离的乘积为能耗，根据数据不同可以选择的一个实例包括但不限于以下计算式：
风阻力＝1/2×风阻系数×空气密度×车头正面投影面积×车速平方
以及能量＝力和距离的乘积可知：
其中Ef为风阻能耗，Cw为风阻系数，A为车辆迎风截面积，Q为空气密度，V为车速，L为行驶距离
在步骤304：根据势能方程计算因海拔高度变化引起势能变化对驱动能量的影响：公式如下：
Ep(h)＝m·g·h
其中：Ep为势能变化，m为车重量，h为路段内最大海拔高度差，g为重力常数；
在步骤305：根据动能方程以车速的变化和车重量计算动能变化对驱动能量的影响，公式为：
其中，Ek为动能变化，m为车重量，V为车速的变化
在步骤306：由步骤302测定的总驱动能量中剔除步骤303、304、305所得的风阻、势能、动能对驱动能量的影响，得到驱动车辆行驶能量包含的“其他能耗”，公式如下：
Eq(其他能耗)＝E总驱动能量-Ep(势能变化)-Ek(动能变化)-Ef(风阻能耗)
在步骤307：在不同车速或车重等条件重复步骤301到306，得到不同条件的“其他能耗”，并建立与行驶条件对应的“其他能耗数据集”；
在步骤308：需要计算行驶能量时，在不同行驶条件下以“其他能耗数据集”中对应数据，加上对应条件下根据步骤302、303、304所含公式计算的可计算能量如风阻、势能、动能等，得到不同条件下驱动车辆行驶需要的驱动能量计算值；
在步骤309：校正：对应具体路段，车辆实际行驶消耗的驱动能量中剔除可计算能耗如：风阻、动能、势能等得到“实际其他能耗”与相同条件下“其他能耗”初始值的比值作为“其他能耗调整系数”，用于修正实际行驶条件变化引起的计算差异；
其他能耗调整系数＝实际其他能耗÷其他能耗(初始值)
在步骤310：以上“其他能耗调整系数”作为实际行驶时“其他能耗数据集”的调整系数，使基于其他能耗估算实际驱动能量的整个结果更接近实际：
其他能耗校正值＝其他能耗调整系数×其他能耗(初始值数据集)
校正后驱动能量＝其他能耗校正值+可计算能耗(例如风阻、势能、动能等)
对于以上方法，当测试条件为行驶道路无海拔高度差的平直路线或匀速行驶，则可以省略步骤303、304、305中的相应步骤，并可以用测试得到的匀速驱动总能量和相应数据集直接作为基础能耗依据参与驱动能量估算；以上对于其他能耗校正的方法可以变化为对总能量的校正系数，其他开发者在不需要创造性工作只进行简单变化就可以按此思路得到结果，均在本发明保护范围内。
图5：衡量车辆驱动能量实际值与计算值的差异的方法流程图S4。S4、用于衡量车辆的驱动能量实际值与计算值的差异，并根据计算值测算实际驱动能量的方法见图5，具体是以车辆通过路段消耗的实际驱动能量与方法S3或其他方法所得驱动能量计算值的比值，作为路段系数，并根据其他条件下驱动能量计算值测算驱动能量预测值，包含以下步骤：
在步骤401：测量车辆通过路段时消耗的总驱动能量实际值；
在步骤402：按照S3所示方法或其他方法得到车辆通过此路段需要的驱动能量计算值，其中路段长度作为图4中步骤302提取的行驶距离，路段的海拔高度差最大值作为S3提取的海拔高度差，车重量可以按照方法S5或其他方法得到，车型风阻系数已知；
在步骤403：步骤401所得实际驱动能量与步骤402计算所得驱动能量的比值作为“路段系数”，衡量在一定条件下车辆通过路段时实际能耗与计算能耗的差异；
路段系数＝驱动能量实际值(测量)÷驱动能量计算值(方法S3)
在步骤404：记录“路段系数”及相应的行驶条件，包括但不限于行驶时间段、时间周期、路况等级、气象条件下最高和最低及平均车速等信息的一种或几种；
在步骤405：建立“路段系数”记录和应用方法，包括但不限于以下两种实施例：
实施例1：分别记录道路上每台车辆在通过每个路段时的“路段系数”及当时的行驶条件；以驱动能量计算值测算驱动能量实际值时，对应特定路段，提取相同气象条件、交通状况及其他类似条件下车辆经过记录的“路段系数”与驱动能量计算值相乘得到驱动能量预测值；
交通状况信息及路段系数记录的一种实例
路段起止 通过起止时间 交通状况 气象 驾驶模式 路段系数 平均车速 其他信息
年月日时周 黄色拥堵 晴 12 2.2 22
黄色拥堵 雪 -5 3.6 15
红色拥堵 雪 -12 4.5 8
绿色畅通 晴 0 1.2 36
以上图表中所列数字为示范例，实际使用中数据库包括但不限于以上分类
实施例2：按照分类归纳记录“路段系数”：可按路面特征比如分为：高速路、快速路、城市繁华窄路等、交通状况比如不同等级的拥堵等、气象状况比如雨雪等不同条件分类记录“路段系数”并积累；以驱动能量计算值测算驱动能量实际值时，对应相同路段类型，提取相同气象条件、交通状况及其他类似条件下车辆经过记录的“路段系数”与驱动能量计算值相乘得到驱动能量预测值；
按照分类记录“路面系数”的一种实例
以上图表中所列数字为示范例，实际使用中数据库包括但不限于以上分类
以上两种实施例仅为记录和索引的两种方式，可单独使用，也可配合使用，例如在繁华城市，可以按实施例1详细记录路段系数，提供精确参考；但在共享数据稀少的情况下，可以运用实施例2，以分类方式积累更多样本，以此思路变化方式和增减内容都在本发明保护之列；
在步骤406：以大数据方式共享车辆行驶信息，提升交通预测准确性的方法见图5：将车辆行驶时记录的行驶数据，包括但不限于以方法S4所示方法得到的“路段系数”及相应行驶条件上传S1所含共享数据库102或以其他方法在车辆之间建立数据共享机制，通过不断收集积累并共享行驶数据，建立相互学***均车速，驾驶模式以及权利要求4所示方法得到的“路段系数”等。
图6为通过测量车辆加速时速度变化和所需驱动能量计算车辆总重的方法流程图S5。S5、通过测量车辆加速时速度变化和所需驱动能量计算车辆总重量的方法分以下步骤：
在步骤501：测量车辆在加速过程中消耗的驱动能量以及加速过程中的车速变化；
在步骤502：按照驱动能量包含风阻能耗、势能、其他能耗及动能，根据方法S3所示步骤303，通过已知风阻系数计算加速过程风阻能耗；根据加速时行驶路程的海拔高度差，通过方法S3所示步骤304计算加速过程中可能的势能能耗；通过S3步骤305计算得到的动能能耗，通过方法S3所示步骤306得到的加速过程中的“其他能耗”代入下式：
其中E为加速所用驱动能耗，风阻与速度变化V的平方成正比，L为行驶距离，m为车重，σ为滚动摩擦系数；
在步骤503：在加速或行驶过程中测得不同条件下两组或两组以上驱动能耗、速度及变化、行驶距离等，组成二元或多元方程，求解方程可以计算得到车辆现在重量及包含驱动效率的滚动摩擦系数；
作为此方法另一个实例，当测试两点的速度变化相对较小，其他能耗中除摩擦阻力外的损耗在两个测试点相差不大时，认为其相等，解此方程可以得到质量(车重)和“其他能耗”实际值。
图7为预测到达目的地所需驱动能量的方法流程图S6。
S6、根据行驶条件计算车辆完成行程需要的驱动能量计算值；通过预测行程中每个路段的交通状况，结合S4所述路段系数，得到驱动能量预测值，实际行驶时，车辆实际行驶一段路程后，根据所行驶路程消耗的驱动能量实际值与驱动能量预测值的比值作为能耗调整系数，修正后续路段的驱动能量预测，使对后续路段所需驱动能量预测结果更加准确，具体步骤如下：
在步骤601：选择起始位置和目的地，建立能够到达目的地的行驶线路集；
在步骤602：根据道路特性、交通信号、交叉路口、行驶方向、交通状况和海拔高度变动趋势的转折点等将道路划分为“路段”，包括以下在步骤6021到在步骤6024四个子步骤：
在子步骤6021：按照道路上交叉路口和交通信号灯作为分割点划分路段；
在子步骤6022：以道路路面特征变化的节点(比如由高速路转到城市道路)和海拔高度变化趋势的转折点(比如从上坡转向下坡)划分路段；
在子步骤6023：以同一道路上交通状况不同的节点临时划分路段，比如由畅通变为拥堵的节点；
在子步骤6024：根据同一道路不同的行驶方向划分路段；
在步骤603：收集计划行驶线路所含路段的信息，包括但不限于路段的长度、路面海拔高度及高度差、路面特性、车道、限速、交通状况、气象情况及预报等；
在步骤604：按照S2包含的两种方法预测计划线路上每个路段的交通状况；
在步骤605：根据交通状况预测、气象预报及其他行驶条件，按照方法S4及其步骤包含的两个实例或实例的其他变化，对应确定每个途经路段的“路段系数”；
在步骤606：按照方法S3计算车辆通过线路上每个路段需要的驱动能量计算值，其中路段长度作为S3，302提取的行驶距离，路段的海拔高度差最大值作为S3提取的海拔高度差，车重量可以按照方法S5得到，车型风阻系数已知；
在步骤607：将步骤605所得“路段系数”与步骤606所得的通过指定路段所需驱动能量的计算值相乘，得到路段驱动能量预测值，公式如下：
路段驱动能量预测＝路段驱动能量计算值×路段系数
在步骤608：将线路上每个路段的驱动能量预测值相加得到线路的总驱动能量预测：
线路总驱动能量预测＝∑线路上各路段驱动能量预测(累加)
在步骤609：按照S8根据驱动能量优化行驶路线的方法，或者行驶时间的预测等多种优化方法对行驶线路进行优化选择，确定行驶线路；
在步骤610：按照方法S3步骤309到310，实际行驶一段路程后，根据驱动能量实际值校正驱动能量计算值，并重复步骤606到608，使预测结果更接近行驶实际情况；
在步骤611：行驶中遇到交通状况、气象状况与预测值发生大的改变，对实际行驶安全性造成影响时，按照车辆所处位置，重复步骤601到610，建立新的行驶线路集，并选择新的驱动线路。
可选：步骤6071：根据车辆驾驶模式，对应为普通、经济或运动等驾驶方式和激烈程度不同而能耗不同，对应经济模式与预测模式不同的，取不同的系数作为“驾驶系数”作为驱动能量预测的调节值。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆智能预测控制***，其特征在于，所述***包括至少一个车载控制***(101)、共享数据库(102)和信息收集***(103)；
所述信息收集***(103)用于实时收集道路信息，并将收集的道路信息上传到所述共享数据库(102)，所述道路信息包括路段上的交通状况和气象预报信息；所述交通状况包括路面平均车速和路面特征；
所述车载控制***(101)用于制订车辆行驶计划、分析能耗数据、计算路段系数、控制能源使用策略、以及控制车辆行驶，向所述共享数据库(102)上传所述行驶计划和所述路段系数，及周边交通状况，并根据车辆行驶条件预测驱动能量；
所述共享数据库(102)存储所述信息收集***(103)和所述车载控制***(101)上传的数据，并根据所述车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据所述路段上的实时交通状况和历史交通状况预测道路交通状况；
所述共享数据库(102)根据所述车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据所述路段上的实时交通状况和历史交通状况预测道路交通状况具体为：
收集区域内车辆的行驶计划，包括行驶线路计划和行驶时间计划；
根据行驶计划，按照线路上每个路段的平均车速或限速顺序推算车辆到达途经线路上每个路段的时间节点或时间范围；
统计同一时间同一方向计划通过同一路段的车辆总数；
测算路段通行能力，通行能力以单位时间有能力通过的车辆数量表示；
比较同时间计划通过路段的车辆数量与该路段通行能力，计算通行系数，根据所述通行系数判断路段是否畅通。
2.根据权利要求1所述的***，其特征在于，所述车载控制***(101)还通过测量车辆加速时速度变化和所需驱动能量计算车辆总重量。
3.根据权利要求1所述的***，其特征在于，所述至少一个车载控制***(101)与所述共享数据库(102)通过无线连接的方式实现信息双向传输；所述至少一个车载控制***(101)中的车载控制***(101)之间通过所述共享数据库(102)中继交换或以无线连接的方式在车辆间直接进行信息传输。
4.一种车辆智能预测控制方法，应用于包括至少一个车载控制***、共享数据库和信息收集***构成的***中，其特征在于：
通过信息收集***实时收集道路信息，并将收集的道路信息上传到所述共享数据库，所述道路信息包括路段上的交通状况和气象预报信息；所述交通状况包括路面平均车速和路面特征；
通过车载控制***制订车辆行驶计划、分析能耗数据、计算路段系数、控制能源使用策略、以及控制车辆行驶，并向所述共享数据库上传所述行驶计划和所述路段系数，及周边交通状况，并根据车辆行驶条件预测驱动能量；
通过共享数据库存储所述信息收集***和所述车载控制***上传的数据，并根据所述车辆行驶计划和途径路段的通过能力预测道路交通状况，或者根据所述路段上的实时交通状况和历史交通状况预测道路交通状况；
所述根据所述车辆行驶计划和途径路段的通过能力预测道路交通状况步骤包括：
收集区域内车辆的行驶计划，包括行驶线路计划和行驶时间计划；
根据行驶计划，按照线路上每个路段的平均车速或限速顺序推算车辆到达途经线路上每个路段的时间节点或时间范围；
统计同一时间同一方向计划通过同一路段的车辆总数；
测算路段通行能力，通行能力以单位时间有能力通过的车辆数量表示；
比较同时间计划通过路段的车辆数量与该路段通行能力，计算通行系数，根据所述通行系数判断路段是否畅通。
5.根据权利要求4所述的方法，其特征在于，所述根据所述路段上的实时交通状况和历史交通状况预测道路交通状况步骤包括：
步骤一、提取行驶线路上包含路段的实时交通状况和同时间历史交通状况信息；
步骤二、对比实时交通状况和同时间历史交通状况，如果实时交通状况比同时刻历史记录拥堵程度高，选择以实时交通状况作为该路段交通状况预测值；如果实时交通状况与同时刻历史交通状况接近或更畅通，则以步骤三推算的车辆预计到达该路段时间节点时的历史交通状况作为该路段交通状况预测值；
步骤三、对应每条线路包含的路段，按照从起点到终点的顺序，逐个以步骤二确定预测参考依据，对应平均车速或限速，推算车辆到达每个路段的时间节点，按此时间节点提取历史交通状况作为预测结果；
步骤四、开始行程后，根据车辆到达行程中某一路段的实际时间，按照步骤二到步骤三修正后续时间节点，提升预测的准确性。
6.根据权利要求4所述的方法，其特征在于，所述根据车辆行驶条件预测驱动能量步骤包括：
根据行驶条件计算车辆完成行程需要的驱动能量；通过预测行程中每个路段的交通状况，结合其他行驶条件对照相同条件下车辆行驶需要的实际能耗与计算能耗的差异系数，得到驱动能量预测，实际行驶时，根据实际能耗调整预测结果，得到较为准确的驱动能量预测。
7.根据权利要求4所述的方法，其特征在于，所述计算路段系数的步骤包括：
测量车辆通过路段时消耗的驱动能量实际值；
获取车辆通过此路段需要的驱动能量计算值；
将所述驱动能量实际值与驱动能量计算值的比值作为路段系数；
记录所述路段系数及相应的行驶条件，包括行驶时间、交通状况、气象状况、通过最高和最低及平均车速信息中的至少一种。
8.根据权利要求4所述的方法，其特征在于，所述根据车辆行驶条件预测驱动能量步骤包括：
车辆实际行驶一段路程后，根据所行驶路程消耗的驱动能量实际值与驱动能量预测值的比值作为能耗调整系数，用于修正后续路段的驱动能量预测，使对后续路段所需驱动能量预测结果更加准确。
9.根据权利要求4所述的方法，其特征在于，还包括通过车载控制***建立数据共享机制，积累共享行驶数据，所述共享行驶数据包括行驶路段、行驶方向、行驶时间、交通状况、气象状况、最高和最低及平均车速、驾驶模式，以及路段系数。
10.根据权利要求4所述的方法，其特征在于，还包括通过车载控制***测量车辆加速时速度变化和所需驱动能量计算车辆总重量步骤。
CN201410487030.XA 2014-09-22 2014-09-22 一种车辆智能预测控制***及其方法 Active CN104260724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410487030.XA CN104260724B (zh) 2014-09-22 2014-09-22 一种车辆智能预测控制***及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410487030.XA CN104260724B (zh) 2014-09-22 2014-09-22 一种车辆智能预测控制***及其方法

Publications (2)

Publication Number Publication Date
CN104260724A CN104260724A (zh) 2015-01-07
CN104260724B true CN104260724B (zh) 2017-02-15

Family

ID=52152361

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410487030.XA Active CN104260724B (zh) 2014-09-22 2014-09-22 一种车辆智能预测控制***及其方法

Country Status (1)

Country Link
CN (1) CN104260724B (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6406215B2 (ja) * 2015-11-06 2018-10-17 株式会社デンソー 車両の制御装置
CN106915355B (zh) * 2015-12-24 2021-02-02 北京奇虎科技有限公司 依据天气信息调整汽车行驶状态的方法和***
JP6275187B2 (ja) * 2016-04-28 2018-02-07 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
CN108806018B (zh) * 2017-04-28 2021-04-20 华为技术有限公司 一种数据处理方法、数据处理设备和智能汽车
CN107139765B (zh) * 2017-06-08 2019-04-30 河北御捷时代汽车有限公司 电动汽车在四驱模式下的能量优化控制方法
GB201721535D0 (en) * 2017-12-21 2018-02-07 Spark Ev Tech Ltd System and method for determining the energy requirement of a vehicle for a journey
CN108091178B (zh) * 2017-12-25 2020-10-09 重庆冀繁科技发展有限公司 基于车联网的车辆防碰撞***
CN108039065B (zh) * 2017-12-25 2020-10-09 重庆冀繁科技发展有限公司 车辆运行安全监控方法
CN108189763A (zh) * 2018-01-17 2018-06-22 北京万得嘉瑞汽车技术有限公司 一种分析驾驶员驾驶行为的方法及专用智能车载后视镜
CN108510129B (zh) * 2018-04-12 2021-12-21 中南大学 一种无人驾驶车辆实时电量智慧预测方法及装置
CN109154523A (zh) * 2018-08-16 2019-01-04 深圳市锐明技术股份有限公司 一种车辆载重的测量方法、装置、终端设备及存储介质
CN111405480B (zh) * 2019-01-02 2022-04-29 ***通信有限公司研究院 一种路况信息推送方法、网络设备、车载终端及***
CN110136255B (zh) * 2019-04-12 2023-08-01 东北林业大学 一种滑雪场运动员风阻耗能评估方法
CN111447264B (zh) * 2020-03-24 2021-08-13 腾讯科技（深圳）有限公司 一种边缘云服务的调度方法、设备及存储介质
CN111397630A (zh) * 2020-04-09 2020-07-10 宁波吉利汽车研究开发有限公司 基于云端服务器的车辆能量管理方法、车辆和能量管理***
CN114677843B (zh) * 2022-02-17 2023-07-21 阿里云计算有限公司 路况信息的处理方法、装置、***及电子设备
CN115871450A (zh) * 2023-02-16 2023-03-31 日照职业技术学院 一种基于物联网的新能源汽车智能控制方法及***
CN116109025B (zh) * 2023-04-04 2023-07-07 深圳天溯计量检测股份有限公司 基于大数据的电池续航测试方法
CN116572799B (zh) * 2023-07-13 2023-09-05 四川轻化工大学 基于深度学习的动力电池荷电续航预测方法、***及终端

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4412337B2 (ja) * 2007-03-08 2010-02-10 トヨタ自動車株式会社 周囲環境推定装置及び周囲環境推定システム
JP5135308B2 (ja) * 2009-09-09 2013-02-06 クラリオン株式会社 エネルギ消費量予測方法、エネルギ消費量予測装置および端末装置
KR101092690B1 (ko) * 2009-11-02 2011-12-09 기아자동차주식회사 연료 최소화 경로 및 비용 산출 방법
DE102010041616A1 (de) * 2010-04-08 2011-10-13 Robert Bosch Gmbh Verfahren zum Erfassen eines Energieverbrauchs, Verfahren zum Durchführen einer Routenplanung, System und Computerprogrammprodukt
CN102509470B (zh) * 2011-10-14 2013-10-16 北京掌城科技有限公司 基于动态路径规划实现车辆节能减排的***和方法
KR101317138B1 (ko) * 2011-12-09 2013-10-18 기아자동차주식회사 전기자동차의 에코 드라이빙 시스템 및 그 방법

Also Published As

Publication number Publication date
CN104260724A (zh) 2015-01-07

Similar Documents

Publication Publication Date Title
CN104260724B (zh) 一种车辆智能预测控制***及其方法
Qi et al. Data-driven decomposition analysis and estimation of link-level electric vehicle energy consumption under real-world traffic conditions
Donkers et al. Influence of driving style, infrastructure, weather and traffic on electric vehicle performance
CN102509470B (zh) 基于动态路径规划实现车辆节能减排的***和方法
CN103956050B (zh) 基于车辆行程数据的道路网运行评价方法
JP6758025B2 (ja) 高いハイブリッド化度を有するハイブリッド車両のための制御システム
Yabe et al. Market penetration speed and effects on CO2 reduction of electric vehicles and plug-in hybrid electric vehicles in Japan
CN109927709A (zh) 一种车辆行驶路线工况确定方法、能量管理方法及***
CN104620274B (zh) 消耗电力量推断装置
Li et al. Prediction of electric bus energy consumption with stochastic speed profile generation modelling and data driven method based on real-world big data
CN105091892A (zh) 车辆用能量管理装置
CN109552338A (zh) 一种纯电动汽车生态驾驶行为评估方法及***
CN103236179A (zh) 一种计及交通信息与电网信息的电动汽车充电导航方法
CN102592447A (zh) 一种基于fcm的区域路网的道路交通状态判别方法
CN103234544A (zh) 电动汽车电量消耗因子模型建立及续驶里程估算方法
CN104748753A (zh) 一种在线导航方法和在线导航***
JP2012141799A (ja) 道路交通流シミュレーション装置、道路交通流シミュレーションプログラム、及び道路交通流シミュレーション方法
CN104504902B (zh) 车辆使用路权、路权计算方法及基于路权的道路计费方法
CN109493449A (zh) 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法
CN115660501A (zh) 电动汽车充电负荷可调裕度评估方法
CN109919393B (zh) 一种电动出租汽车的充电负荷预测方法
Lu et al. En-route electric vehicles charging navigation considering the traffic-flow-dependent energy consumption
Guo et al. Optimal path planning method of electric vehicles considering power supply
Yang et al. Electric vehicle charging load forecasting model considering road network-power grid information
CN113837431B (zh) 一种考虑交通出行特性的电动汽车有序充放电方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant