CN105787240B - 一种油耗预测方法及装置 - Google Patents
一种油耗预测方法及装置 Download PDFInfo
- Publication number
- CN105787240B CN105787240B CN201410816008.5A CN201410816008A CN105787240B CN 105787240 B CN105787240 B CN 105787240B CN 201410816008 A CN201410816008 A CN 201410816008A CN 105787240 B CN105787240 B CN 105787240B
- Authority
- CN
- China
- Prior art keywords
- road
- oil consumption
- predicted
- tie point
- section
- 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
Links
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
- G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
- G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请公开了一种油耗预测方法及装置,方法为:依据电子地图确定待预测道路所包含的至少一种目标路况信息,针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与目标路况信息对于的油耗模型,并根据目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量,最后将待预测道路在各目标路况下油耗量和值,确定为待预测道路的总油耗量。本申请的方案,考虑到待预测道路可能包含多种不同的目标路况信息,调用预置的对应油耗模型进行油耗预测,使得最终得出的总油耗更加贴近于实际情况,也即准确度更高。
Description
技术领域
本申请涉及油耗预测技术领域,更具体地说,涉及一种油耗预测方法及装置。
背景技术
随着汽车数目的增加,道路的交通情况变得越来越复杂,司机在驾驶过程中仅仅依靠自己的感官刺激来进行决策判定的方式已经不能够适应当今的驾驶环境。
为此,现有技术引入了高级驾驶辅助***(ADAS),其利用多种传感技术来感应四周的环境,实现对司机驾驶控制的支持。而油耗预测是高级驾驶辅助***中一个非常必要的功能。目前现有的油耗预测方法一般是估计算法,具体的是,确定路径的长度及车辆的每单位长度的油耗,然后将二者相乘,从而得到汽车在这段路程的总油耗。而在实际生活中,由于道路本身的一些特性会增加额外的油耗,若仅仅将道路的长度与车辆每单位长度的油耗的乘积作为道路的油耗显然是不准确的。
发明内容
有鉴于此,本申请提供了一种油耗预测方法及装置,用于解决现有技术中道路油耗预测不准确的问题。
为了实现上述目的,现提出的方案如下:
一种油耗预测方法,包括:
依据预存的电子地图数据,确定待预测道路所包含的至少一种目标路况信息;
针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与所述目标路况信息对应的油耗模型,并根据所述目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量;
将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
优选地,所述目标路况信息包括待预测道路的平均速度,根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量,具体为:
从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
优选地,所述目标路况信息还包括待预测道路的连接点,根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量,具体为:
针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路其包含的连接点的总连接点油耗量。
优选地,所述针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量,具体包括:
所述连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型;
根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
优选地,所述目标路况信息还包括道路弯曲路段,根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量,具体为:
针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
优选地,所述目标路况信息还包括待预测道路的坡度路段,根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量,具体为:
所述坡度路段油耗模型包括第一坡度路段油耗模型和第二坡度路段油耗模型;
针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量;
其中,所述根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
一种油耗预测装置,包括:
目标路况确定单元,用于依据预存的电子地图数据,确定待预测道路所包含的至少一种目标路况信息;
目标路况油耗确定单元,用于针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与所述目标路况信息对应的油耗模型,并根据所述目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量;
总油耗确定单元,用于将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
优选地,所述目标路况信息包括待预测道路的平均速度,则所述目标路况油耗确定单元包括:
第一目标路况油耗确定子单元,用于根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量;
所述第一目标路况油耗确定子单元包括:
速度油耗确定单元,用于从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
基础油耗确定单元,用于将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
优选地,所述目标路况信息还包括待预测道路的连接点,则所述目标路况油耗确定单元还包括:
第二目标路况油耗确定子单元,用于根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量;
所述第二目标路况油耗确定子单元包括:
单个连接点油耗确定单元,用于针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
总连接点油耗确定单元,用于将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路其包含的连接点的总连接点油耗量。
优选地,所述连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型,所述单个连接点油耗确定单元包括:
连接点速度确定单元,用于根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
第一连接点油耗模型计算单元,用于根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
第二连接点油耗模型计算单元,用于根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
连接点模型相加处理单元,用于将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
优选地,所述目标路况信息还包括道路弯曲路段,则所述目标路况油耗确定单元还包括:
第三目标路况油耗确定子单元,用于根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量;
所述第三目标路况油耗确定子单元包括:
单个弯路油耗确定单元,用于针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
总弯路油耗确定单元,用于将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
优选地,所述目标路况信息还包括待预测道路的坡度路段,则所述目标路况油耗确定单元还包括:
第四目标路况油耗确定子单元,用于根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量;
所述坡度路段油耗模型包括第一坡度路段油耗模型和第二坡度路段油耗模型,则所述第四目标路况油耗确定子单元包括:
单个坡度路段油耗确定单元,用于针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
总坡度路段油耗确定单元,用于将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量;
其中,所述单坡度路段油耗确定单元包括:
急剧下坡坡路油耗确定单元,用于根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
从上述的技术方案可以看出,本申请实施例提供的油耗预测方法,依据电子地图确定待预测道路所包含的至少一种目标路况信息,针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与目标路况信息对于的油耗模型,并根据目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量,最后将待预测道路在各目标路况下油耗量和值,确定为待预测道路的总油耗量。本申请的方案,考虑到待预测道路可能包含多种不同的目标路况信息,调用预置的对应油耗模型进行油耗预测,使得最终得出的总油耗更加贴近于实际情况,也即准确度更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种汽车油耗与速度关系示意图;
图2为本申请实施例公开的交叉路口模型;
图3为本申请实施例公开的汽车侧向加速度与曲率半径模型;
图4为本申请实施例公开的一种油耗预测方法流程图;
图5为本申请实施例公开的弯曲路段示意图;
图6为本申请实施例公开的坡度路段示意图;
图7为本申请实施例公开的一种油耗预测装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明实施例中,道路的路况信息一般包括:道路的平均速度、连接点、弯曲路段和坡度路段。其中:平均速度即为车辆从道路的起点行驶到终点的平均行驶速度;连接点一般为道路的路口(如交叉路口、红绿灯路口)、收费站等;弯曲路段是指道路中包含的具有一定曲率的路段,如S形路段、C形路段等;坡度路段是指具有上坡、下坡行为的路段,如道路包括小山坡时,会存在坡度路段。由于平均速度是所有道路都会具有的路况信息,因此所有道路均会在平均速度下存在油耗,该油耗可作为道路的基础油耗;而其他的路况信息在不同的道路中可能会具有也可能不具有,如有的道路包含连接点,有些道路不包含连接点。
为便于后续能够快速的预测各道路的油耗,本发明实施例预先对道路的各种路况信息建立相应的油耗模型,例如:
1)针对道路的平均速度,预先建立平均速度与平均速度油耗模型,该平均速度油耗模型中设定了平均速度与单位长度油耗量的对应关系,平均速度越大对应的单位长度油耗量越低。如图1所示,平均速度越小对应的单位长度油耗量越大,当平均速度达到预置的速度阈值时,平均速度越大对应的单位长度油耗量越大。
计算道路在平均速度下的基础油耗量,可实现如下:根据道路的平均速度,从平均速度油耗模型中获取与该道路的平均速度对应的单位长度油耗量;将该道路的总长度与获取的单位长度油耗量的乘积作为道路在平均速度下的基础油耗量。
2)针对道路的连接点,建立与连接点对应的连接点油耗模型。该连接点油耗模型中,预先根据连接点的特性设定有该连接点对应的速度影响因子Kinter,设定连接点的速度影响因子Kinter可根据连接点的驶入路段和驶出路段的道路等级、驶入路段和驶出路段之间的夹角、连接点的红绿灯和收费站计算得到,具体设定如下:
若该连接点存在收费站,则设定该连接点的Kinter=0;
若连接点无收费站,且有红绿灯,则设定连接点的Kinter=x,x为预置的经验值,如可取为0.5;
若连接点无收费站,且无红绿灯,连接点的驶入路段与驶出路段之间的夹角θ为180°:则若连接点的驶入路段的道路等级高于该连接点的交叉路的道路等级,则设定连接点的Kinter=y,y∈(0.5,1),若连接点的驶入路段的道路等级低于该连接点的交叉路的道路等级,则Kinter=y,y∈(0,0.5];如图2所示,连接点为一个交叉路口(十字路)驶入路段与驶出路段的夹角为180°,交叉路与道路垂直。
若连接点无收费站,且无红绿灯,连接点的驶入路段与驶出路段之间的夹角θ不为180°,则设定连接点的Kinter=θ/180*k1+L2/L1*k2,其中,θ的范围为[0°,180°),L1和L2分别为驶入路段和驶出路段的道路等级,k1和k2为预置的权重系数,k1和k2均∈[0,1]。
连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型,其中第一连接点油耗模型如下:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量,V1为连接点的驶入路段的平均速度,Vinter=(V1+V2)*Kinter/2;
第二连接点油耗模型如下:
其中,E2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量,V2为连接点的驶出路段的平均速度,Vinter=(V1+V2)*Kinter/2。
3)针对道路的弯曲路段,预先建立弯曲路段对应的弯曲路段油耗模型。在该弯曲路段油耗模型中,预先根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2
其中a=(4.5–1.6)/(1+(R/135)2)+1.6,
R为弯曲路段中曲率半径最小的形状点的曲率半径,a为弯曲路段中曲率半径最小的形状点的汽车侧向加速度。曲率半径与汽车侧向加速度的关系如图3所示,曲率半径越小汽车侧向加速度越大,反之,曲率半径越大汽车侧向加速度趋于平稳。
弯曲路段的油耗模型具体如下:
其中,E3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量,V3为道路的平均速度,Vcurve=(a*R)1/2。
4)针对道路的坡度路段,预先建立坡度路段与坡度路段油耗量模。
本发明实施例中,坡度路段油耗模型包括第一坡度油耗模型和第二坡度油耗模型,其中第一坡度油耗模型如下:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量。
第二坡度油耗模型是针对坡度路段包括急剧下坡坡路时,建立的与急剧下坡坡路对应的油耗模型,该第二坡度油耗模型具体如下:
其中,E5i=mg*SlopPi*Li,m为汽车质量,g为重力加速度,SlopPi为所述坡度路段的第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。急剧下坡坡路的坡度为该坡路的坡度绝对值与下坡坡度阈值的绝对值的差值的绝对值。
当需要预测某一道路的油耗时,首先从电子地图数据中获取该道路的目标路况信息,针对该道路的每一个目标路况信息,获取与该目标路况信息对应的油耗模型,并根据该目标路况信息与油耗模型计算该道路在该目标路况信息下的油耗量;再将该道路在其各目标路况下的油耗量的总和确定为该道路的总油耗量。例如:道路1包括的目标路况信息为平均速度、连接点,则根据该道路1的平均速度和平均速度油耗模型计算道路1在平均速度下的第一油耗量,并根据道路1的连接点和连接点油耗模型计算道路1在连接点下的第二油耗量,再将第一油耗量与第二油耗量的和值作为道路1的总油耗量。道路2包括的目标路况信息为平均速度、弯曲路段、坡度路段,则根据道路2的平均速度和平均速度油耗模型计算道路2在平均速度下的第一油耗量,根据道路2的弯曲路段及弯曲路段油耗模型计算道路2在弯曲路段的第二油耗量,以及根据道路2的坡度路段与坡度路段油耗量计算道路2在坡度路段的第三油耗量,将第一油耗量、第二油耗量和第三油耗量的和值作为道路2的总油耗量。
参见图4,为本申请实施例公开的一种基于电子地图的油耗预测方法流程图。
如图4所示,该方法包括:
步骤S400、依据预存的电子地图数据,确定待预测道路所包含的至少一种目标路况信息;
具体地,在电子地图上确定出待预测道路,进一步利用电子地图数据可以获取待预测道路所包含的各种目标路况信息,例如道路全程长度、道路中是否包含道路连接点(如路口)、道路中是否包含弯曲路段、道路中是否包含坡度路段等。除此之外,还可以确定道路上的平均行驶速度、弯曲路段的曲率、崎岖道路的坡度等信息。
步骤S410、针对每种目标路况信息,计算待预测道路在各目标路况下的油耗量;
步骤S420、将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
举例如:待预测道路为AB,道路AB包括一个山坡,则确定待预测道路的目标路况信息包括平均速度和坡度路段。根据道路AB的平均速度与平均速度油耗模型计算得到道路AB在平均速度下的油耗量为10L;根据道路AB的坡度路段与坡度路段油耗模型计算得到道路AB在坡度路段下的油耗量为3L,则预测该道路AB的总油耗量为10+3=13L。
前述步骤410中,针对每种目标路况信息,计算待预测道路在各目标路况下的油耗量,可具体如下:
当所述目标路况信息包括待预测道路的平均速度,根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量,具体为:
步骤a1、从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
步骤a2、将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
举例说明:假设待预测道路依次包括路段L1、L2、L3、L4、L5,其中每个路段的长度、平均速度如下表1所示,根据前述平均速度油耗模型可以得到各路段的百公里油耗如表1,计算得到各个路段的实际油耗如表1。
道路序号 | 长度 | 平均速度 | 百公里油耗 | 实际油耗 |
L1 | 1km | 20 | 20L | 0.2L |
L2 | 1km | 30 | 15L | 0.15L |
L3 | 1km | 80 | 10L | 0.1L |
L4 | 2km | 30 | 15L | 0.3L |
L5 | 1km | 20 | 20L | 0.2L |
总长度 | 6km | 1.25L |
表1
优选地,当目标路况信息还包括待预测道路的连接点时,根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量,具体为:
步骤b1、针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
步骤b2、将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路在其包含的连接点的总连接点油耗量。
前述步骤b1的具体实现如下:
根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
举例说明:以下表2所述的待预测道路为例,该待预测道路依次包括路段L1、L2、L3、L4、L5,该5个路段由4个连接点连接,其中连接L1和L2的连接点1为红绿灯,连接L2与L3的连接点2为交叉路口,连接L3与L4的连接点3为交叉路口,连接L4与L5的连接点4为收费站,则设定连接点1的Kinter为0.5,连接点2和连接点3的Kinter为0.3,连接点4的Kinter为0,其中路段L1~L5的平均速度如下表2所示。根据前述Vinter=(V1+V2)*Kinter/2计算得到各个连接点的速度分别如下:
连接点1的速度为:(20+30)*0.5/2=12.5km/h;
连接点2的速度为:(30+80)*0.3/2=16.5km/h;
连接点3的速度为:(30+80)*0.3/2=16.5km/h;
连接点4的速度为:0km/h。
将结果表示为下表2:
表2
根据前述第一连接点油耗模型和第二连接点油耗模型,计算得到待预测道路各个连接点的油耗,如下所示:
连接点1:e1=0;
e2=(2000*((30/3.6)2-(12.5/3.6)2)/2)/(0.3*3.7*107)L=5.7*10-3L。
其中,取汽车质量m为2000kg,汽车能量利用率为30%,1L汽油产生的能量为3.7*107J。
连接点1的总油耗量为e1+e2=5.7*10-3L。
同理,计算得到连接点2的总油耗量为47.2*10-3L;连接点3的总油耗量为4.8*10- 3L;连接点4的总油耗量为3.1*10-3L。
则所述待预测道路在其包含的连接点的总油耗量为:(5.7+47.2+4.8+3.1)*10-3L≈0.06L。
优选地,前述目标路况信息还包括弯曲路段,根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量,具体为:
步骤c1、针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段中的曲率半径最小的形状点的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
步骤c2、将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
举例说明:如图5所示,假设待预测道路中的L1路段为一个弯曲路段,假设L1路段的P1形状点的曲率为0.03203,曲率半径为31.22;P2形状点的曲率为-0.02,曲率半径为50,则选择形状点P1的曲率半径计算限制速度,该待预测道路的平均速度V3为16m/s;预置第一速度阈值Vdelta为2.7m/s。
根据形状点P1点对应的曲率半径计算L1路段的限制速度为Vcurve=11.65m/s。由于16-11.65=4.35>2.7,根据弯曲路段油耗模型,计算的得到弯曲路段L1的油耗量e3为:
e3=(1/2)m*(162-11.652)/(0.3*3.7*107)L=1.08*10-2L
其中,取汽车质量m为2000kg,汽车能量利用率为30%,1L汽油产生的能量为3.7*107J。
则待预测道路在弯曲路段L1下的油耗量为0.0108L,约为0.011L。
优选地,所述目标路况信息还包括待预测道路的坡度路段,根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量,具体为:
步骤d1、针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
步骤d2、将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
步骤d3、将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量。
其中,前述所述根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,m为汽车质量,g为重力加速度,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
本发明实施例中,判断一个坡路是否为急剧下坡坡路,可根据以下方式判断:
若坡路的坡度与预置的下坡坡度阈值的差值大于0,则确定该坡路为急剧下坡坡路,若差值小于等于0,则确定该坡路不为急剧下坡坡路。急剧下坡坡路的坡度为该坡路的坡度绝对值与下坡坡度阈值的绝对值的差值的绝对值。
举例说明:如图6所示,在图6中形状点P3至形状点P4的路段为L1路段,形状点P4至形状点P8的路段为L2路段。设L2路段的平均速度为16m/s,对应的预设下坡坡度阈值为3.5%。由于形状点P3至形状点P4表示的路段L1为平坦路段,也即非坡度路段,因此此处不考虑L1路段的坡度油耗量,而只考虑形状点P4至形状点P8表示的路段L2的坡度油耗量,其中形状点P4和P5构成急剧下坡坡路1、形状点P5和P6构成急剧下坡坡路2。具体参见下
表3:
表3
通过上表3的参数以及第二坡度油耗模型计算得到待预测道路在所述坡度路段L2的各个急剧下坡坡路的油耗量为:
坡度路段L2在急剧下坡坡路1的油耗量e51为:
坡度路段L2在急剧下坡坡路2的油耗量e52为:
因此,坡度路段L2在其包含的急剧下坡坡路的总油耗量e5为:
形状点P4至形状点P8的坡度路段L2的平均坡度为:
(10%*500+12%*500-7%*500-5%*200)/(200+500+500+500)≈3.82%。
则坡度路段L2的平均坡度对油耗量e4为:
因此,确定坡度路段L2的总坡度油耗量为:
其中,汽车能量利用率为30%,1L汽油产生的能量为3.7*107J。
下面对本申请实施例提供的油耗预测装置进行描述,下文描述的油耗预测装置与上文描述的油耗预测方法可相互对应参照。
参见图7,为本申请实施例公开的一种油耗预测装置结构示意图。
如图7所示,该装置包括:
目标路况确定单元71,用于依据预存的电子地图数据,确定待预测道路所包含的至少一种目标路况信息;
目标路况油耗确定单元72,用于针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与所述目标路况信息对应的油耗模型,并根据所述目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量;
总油耗确定单元73,用于将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
可选的,所述目标路况信息可以包括待预测道路的平均速度,则所述目标路况油耗确定单元包括:
第一目标路况油耗确定子单元,用于根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量;
所述第一目标路况油耗确定子单元包括:
速度油耗确定单元,用于从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
基础油耗确定单元,用于将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
可选的,所述目标路况信息还可以包括待预测道路的连接点,则所述目标路况油耗确定单元还包括:
第二目标路况油耗确定子单元,用于根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量;
所述第二目标路况油耗确定子单元包括:
单个连接点油耗确定单元,用于针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
总连接点油耗确定单元,用于将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路其包含的连接点的总连接点油耗量。
可选的,所述连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型,所述单个连接点油耗确定单元包括:
连接点速度确定单元,用于根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
第一连接点油耗模型计算单元,用于根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
第二连接点油耗模型计算单元,用于根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
连接点模型相加处理单元,用于将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
可选的,所述目标路况信息还可以包括道路弯曲路段,则所述目标路况油耗确定单元还包括:
第三目标路况油耗确定子单元,用于根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量;
所述第三目标路况油耗确定子单元包括:
单个弯路油耗确定单元,用于针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
总弯路油耗确定单元,用于将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
可选的,所述目标路况信息还可以包括待预测道路的坡度路段,则所述目标路况油耗确定单元还包括:
第四目标路况油耗确定子单元,用于根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量;
所述坡度路段油耗模型包括第一坡度路段油耗模型和第二坡度路段油耗模型,则所述第四目标路况油耗确定子单元包括:
单个坡度路段油耗确定单元,用于针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
总坡度路段油耗确定单元,用于将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量;
其中,所述单坡度路段油耗确定单元包括:
急剧下坡坡路油耗确定单元,用于根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
本申请实施例提供的油耗预测装置,首先依据电子地图确定待预测道路所包含的至少一种目标路况信息,针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与目标路况信息对于的油耗模型,并根据目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量,最后将待预测道路在各目标路况下油耗量和值,确定为待预测道路的总油耗量。本申请的方案,考虑到待预测道路可能包含多种不同的目标路况信息,调用预置的对应油耗模型进行油耗预测,使得最终得出的总油耗更加贴近于实际情况,也即准确度更高。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种汽车油耗预测方法,其特征在于,包括:
依据预存的电子地图数据,确定待预测道路所包含的目标路况信息,所述目标路况信息至少包括待预测道路的平均速度和连接点;
针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与所述目标路况信息对应的油耗模型,并根据所述目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量;
将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
2.根据权利要求1所述的油耗预测方法,其特征在于,根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量,具体为:
从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
3.根据权利要求2所述的油耗预测方法,其特征在于,根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量,具体为:
针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路其包含的连接点的总连接点油耗量。
4.根据权利要求3所述的方法,其特征在于,所述针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量,具体包括:
所述连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型;
根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E 2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
5.根据权利要求2所述的油耗预测方法,其特征在于,所述目标路况信息还包括道路弯曲路段,根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量,具体为:
针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E 3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
6.根据权利要求2所述的油耗预测方法,其特征在于,所述目标路况信息还包括待预测道路的坡度路段,根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量,具体为:
所述坡度路段油耗模型包括第一坡度路段油耗模型和第二坡度路段油耗模型;
针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量;
其中,所述根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
7.一种汽车油耗预测装置,其特征在于,包括:
目标路况确定单元,用于依据预存的电子地图数据,确定待预测道路所包含的目标路况信息,所述目标路况信息至少包括待预测道路的平均速度和连接点;
目标路况油耗确定单元,用于针对每种目标路况信息,从预置的路况信息与油耗模型对应关系中,调用与所述目标路况信息对应的油耗模型,并根据所述目标路况信息及对应的油耗模型,计算待预测道路在各目标路况下的油耗量;
总油耗确定单元,用于将待预测道路在各目标路况下的油耗量和值,确定为所述待预测道路的总油耗量。
8.根据权利要求7所述的油耗预测装置,其特征在于,所述目标路况油耗确定单元包括:
第一目标路况油耗确定子单元,用于根据所述待预测道路的平均速度及与平均速度对应的平均速度油耗模型,计算待预测道路在平均速度下的基础油耗量;
所述第一目标路况油耗确定子单元包括:
速度油耗确定单元,用于从所述平均速度油耗模型中,确定出所述待预测道路的平均速度对应的单位长度油耗量;
基础油耗确定单元,用于将所述待预测道路的长度与确定出的所述单位长度油耗量的乘积,确定为所述待预测道路的基础油耗量。
9.根据权利要求8所述的油耗预测装置,其特征在于,所述目标路况油耗确定单元还包括:
第二目标路况油耗确定子单元,用于根据所述待预测道路的连接点及与连接点对应的连接点油耗模型,计算待预测道路在其包含的连接点的总连接点油耗量;
所述第二目标路况油耗确定子单元包括:
单个连接点油耗确定单元,用于针对待预测道路的每一个连接点,根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子、预置的汽车能量利用率、1L汽油产生的能量以及预置的连接点油耗模型,计算出待预测道路在该连接点的连接点油耗量;
总连接点油耗确定单元,用于将所述待预测道路在其包含的各连接点的连接点油耗量的和值,确定为所述待预测道路其包含的连接点的总连接点油耗量。
10.根据权利要求9所述的油耗预测装置,其特征在于,所述连接点油耗模型包括第一连接点油耗模型和第二连接点油耗模型,所述单个连接点油耗确定单元包括:
连接点速度确定单元,用于根据待预测道路中驶入该连接点的驶入路段的平均速度、驶出该连接点的驶出路段的平均速度、该连接点的速度影响因子,计算得到该连接点的速度Vinter=(V1+V2)*Kinter/2,其中V1和V2分别为所述待预测道路中驶入该连接点的驶入路段的平均速度和驶出路段的平均速度,Kinter为所述连接点的速度影响因子;
第一连接点油耗模型计算单元,用于根据第一连接点油耗模型计算得到待预测道路在该连接点的第一油耗量e1为:
其中,E1=m*(Vinter2–V12)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
第二连接点油耗模型计算单元,用于根据第二连接点油耗模型计算得到待预测道路在该连接点的第二油耗量e2为:
其中,E 2=m*(V22–Vinter2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
连接点模型相加处理单元,用于将待预测道路在该连接点的第一油耗量e1和第二油耗量e2的和值,确定为所述待预测道路在所述连接点的连接点油耗量。
11.根据权利要求8所述的油耗预测装置,其特征在于,所述目标路况信息还包括道路弯曲路段,则所述目标路况油耗确定单元还包括:
第三目标路况油耗确定子单元,用于根据所述待预测道路的弯曲路段及对应的弯曲路段耗模型,计算待预测道路在其包含的弯曲路段的总弯曲路段油耗量;
所述第三目标路况油耗确定子单元包括:
单个弯路油耗确定单元,用于针对待预测道路包含的每一个弯曲路段,执行以下步骤:
根据弯曲路段的曲率半径R和曲率半径对应的汽车侧向加速度a,计算所述弯曲路段的限制速度Vcurve=(a*R)1/2;
当所述限制速度Vcurve与所述待预测道路的平均速度V3的差值的绝对值大于预置的第一速度阈值时,根据所述弯曲路段油耗模型计算得到待预测道路在该弯曲路段的油耗e3为:
其中,E 3=m*(V32–Vcurve2)/2,m为汽车质量,η为汽车能量利用率,c为1L汽油产生的能量;
总弯路油耗确定单元,用于将待预测道路在其包含的各个弯曲路段的油耗量的和值,确定为待预测道路在在其包含的弯曲路段的总弯曲路段油耗量。
12.根据权利要求8所述的油耗预测装置,其特征在于,所述目标路况信息还包括待预测道路的坡度路段,则所述目标路况油耗确定单元还包括:
第四目标路况油耗确定子单元,用于根据所述待预测道路的坡度路段及对应的坡度路段油耗模型,计算待预测道路在其包含的坡度路段的总坡度路段油耗量;
所述坡度路段油耗模型包括第一坡度路段油耗模型和第二坡度路段油耗模型,则所述第四目标路况油耗确定子单元包括:
单个坡度路段油耗确定单元,用于针对每一个坡度路段,执行以下步骤:
将所述坡度路段的终点和起点的高度差确定为所述坡度路段的平均坡度,根据所述坡度路段的平均坡度和第一坡度路段油耗模型,计算所述待预测道路在该坡度路段的第一坡度油耗量e4为:
其中,E4=mg*(h2-h1),m为汽车质量,g为重力加速度,h2和h1分别为所述坡度路段的终点和起点的高度,η为汽车能量利用率,c为1L汽油产生的能量;
若所述坡度路段包括至少一个坡路,则从所述坡度路段的起点开始依次判断各坡路是否为急剧下坡坡路;当确定出急剧下坡坡路时,根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到待预测道路在各急剧下坡坡路的油耗量;将待预测道路在各急剧下坡坡路的油耗量的和值确定为待预测道路在所述坡度路段的第二坡度油耗量e5;
将所述待预测道路在所述坡度路段的第一坡度油耗量e4和第二坡度油耗量e5的和值,确定为所述待预测道路在所述坡度路段的油耗量;
总坡度路段油耗确定单元,用于将待预测道路在其包含的各坡度路段的油耗量的和值,确定为所述待预测道路在其包含的坡度路段的总坡度路段油耗量;
其中,所述单个坡度路段油耗确定单元包括:
急剧下坡坡路油耗确定单元,用于根据各急剧下坡坡路的坡度及其水平长度、第二坡度油耗模型,计算得到各急剧下坡坡路的油耗量,具体如下:
其中,E5i=mg*SlopPi*Li,SlopPi为第i个急剧下坡坡路的坡度值,Li为第i个急剧下坡坡路的水平长度,e5i为待预测道路在所述坡度路段的第i个急剧下坡坡路的油耗量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410816008.5A CN105787240B (zh) | 2014-12-24 | 2014-12-24 | 一种油耗预测方法及装置 |
PCT/CN2015/095128 WO2016101744A1 (zh) | 2014-12-24 | 2015-11-20 | 一种油耗预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410816008.5A CN105787240B (zh) | 2014-12-24 | 2014-12-24 | 一种油耗预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787240A CN105787240A (zh) | 2016-07-20 |
CN105787240B true CN105787240B (zh) | 2018-12-28 |
Family
ID=56149208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410816008.5A Active CN105787240B (zh) | 2014-12-24 | 2014-12-24 | 一种油耗预测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105787240B (zh) |
WO (1) | WO2016101744A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780830B (zh) * | 2016-11-24 | 2019-07-26 | 北京车网互联科技有限公司 | 一种基于汽车obd数据预测某次行程百公里油耗的方法 |
CN107014389A (zh) * | 2017-03-03 | 2017-08-04 | 重庆大学 | 一种基于多源城市数据的个性化省油行车路线规划*** |
CN107330217B (zh) * | 2017-07-13 | 2020-07-10 | 北京市交通信息中心 | 一种基于rbfnn的中观油耗预测方法 |
CN116703001B (zh) * | 2023-06-26 | 2024-05-10 | 国营海东造船厂 | 一种智能船舶的油耗预测方法、***、智能船舶及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564511A (zh) * | 2011-12-09 | 2012-07-11 | 联合汽车电子有限公司 | 针对加减速过程的节油驾驶评价***及算法 |
CN103794046A (zh) * | 2012-10-29 | 2014-05-14 | 日电(中国)有限公司 | 确定行驶范围的方法、装置及显示行驶范围的*** |
CN103838981A (zh) * | 2014-03-27 | 2014-06-04 | 交通运输部科学研究院 | 车辆加油量的计量方法 |
CN103838983A (zh) * | 2014-03-27 | 2014-06-04 | 交通运输部科学研究院 | 车辆加油量的计量方法 |
CN104021299A (zh) * | 2014-06-18 | 2014-09-03 | 北京汽车股份有限公司 | 一种机动车续航里程的计算方法、装置及汽车 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010036650A2 (en) * | 2008-09-24 | 2010-04-01 | The Regents Of The University Of California | Environmentally friendly driving navigation |
CN101826265B (zh) * | 2010-04-29 | 2011-11-23 | 大连海事大学 | 一种绿色驾驶行为训练装置 |
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 |
-
2014
- 2014-12-24 CN CN201410816008.5A patent/CN105787240B/zh active Active
-
2015
- 2015-11-20 WO PCT/CN2015/095128 patent/WO2016101744A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102564511A (zh) * | 2011-12-09 | 2012-07-11 | 联合汽车电子有限公司 | 针对加减速过程的节油驾驶评价***及算法 |
CN103794046A (zh) * | 2012-10-29 | 2014-05-14 | 日电(中国)有限公司 | 确定行驶范围的方法、装置及显示行驶范围的*** |
CN103838981A (zh) * | 2014-03-27 | 2014-06-04 | 交通运输部科学研究院 | 车辆加油量的计量方法 |
CN103838983A (zh) * | 2014-03-27 | 2014-06-04 | 交通运输部科学研究院 | 车辆加油量的计量方法 |
CN104021299A (zh) * | 2014-06-18 | 2014-09-03 | 北京汽车股份有限公司 | 一种机动车续航里程的计算方法、装置及汽车 |
Non-Patent Citations (2)
Title |
---|
"城市轨道交通***能耗影响因素的量化分析";王玉明;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20110915(第 09 期);正文第4.1.2节 * |
"高速列车运行能耗测算方法及其影响因素量化分析";陈涛;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20110915(第 09 期);正文第3.3.3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105787240A (zh) | 2016-07-20 |
WO2016101744A1 (zh) | 2016-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787240B (zh) | 一种油耗预测方法及装置 | |
CN110046753A (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
WO2020238097A1 (zh) | 一种自动驾驶车辆的测试方法、装置及*** | |
US9090255B2 (en) | Hybrid vehicle fuel efficiency using inverse reinforcement learning | |
CN103292820B (zh) | 向用户提供移动体的精确续航范围的设备和方法 | |
CN106326992A (zh) | 一种基于电量匹配的app预约租车***及方法 | |
US10377379B2 (en) | Method and system for utilizing the energy storage provided by a vehicle's mass in the form of potential and kinetic energy to optimize fuel consumption | |
CN106910018A (zh) | 一种救援资源调度方法及*** | |
WO2013108246A2 (en) | Approximation of remaining travelable distance of a vehicle powered by a battery | |
CN106296355A (zh) | 一种基于电量匹配的web门户预约租车***及方法 | |
CN104748753A (zh) | 一种在线导航方法和在线导航*** | |
CN111738484B (zh) | 一种公交站点选址的方法、装置及计算机可读存储介质 | |
CN104575085B (zh) | 一种基于浮动车的公交车到站动态诱导方法 | |
JP2015224871A (ja) | センタ装置、運転支援システム及び運転支援方法 | |
CN103250178A (zh) | 车辆信息管理服务器、车辆信息管理***及车辆信息管理方法 | |
CN104331746B (zh) | 一种分离式的动态路径优化***及其方法 | |
Ferreira et al. | Impact of road geometry on vehicle energy consumption and CO2 emissions: An energy-efficiency rating methodology | |
CN116205423A (zh) | 一种基于粒子群算法的垃圾收运车辆路径多目标优化方法 | |
CN106530709A (zh) | 一种面向用户的高速公路交通指数发布*** | |
CN112115385A (zh) | 一种考虑充电时间的单向共享汽车***选址优化方法 | |
CN103093642A (zh) | 一种基于车载自组网的停车场信息发布装置 | |
CN112217888B (zh) | 一种车辆的能源补给控制方法及装置 | |
CN105788341A (zh) | 车辆站点位置确定方法和装置 | |
CN107622665B (zh) | 一种宏观与微观交通仿真***交互的交通分配方法 | |
CN104574966A (zh) | 可变信息标识装置、方法及可变信息标识推送方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200513 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Alibaba (China) Co.,Ltd. Address before: 102200, No. 8, No., Changsheng Road, Changping District science and Technology Park, Beijing, China. 1-5 Patentee before: AUTONAVI SOFTWARE Co.,Ltd. |