CN111882872B - 基于大规模网联车辆功率分布的道路坡度测算方法与装置 - Google Patents

基于大规模网联车辆功率分布的道路坡度测算方法与装置 Download PDF

Info

Publication number
CN111882872B
CN111882872B CN202010695789.2A CN202010695789A CN111882872B CN 111882872 B CN111882872 B CN 111882872B CN 202010695789 A CN202010695789 A CN 202010695789A CN 111882872 B CN111882872 B CN 111882872B
Authority
CN
China
Prior art keywords
vehicle
data
road section
gradient
current 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
CN202010695789.2A
Other languages
English (en)
Other versions
CN111882872A (zh
Inventor
宋国华
范鹏飞
吴亦政
于雷
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202010695789.2A priority Critical patent/CN111882872B/zh
Publication of CN111882872A publication Critical patent/CN111882872A/zh
Application granted granted Critical
Publication of CN111882872B publication Critical patent/CN111882872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供基于大规模网联车辆功率分布的道路坡度测算方法与装置，其中，方法包括：获取车辆在当前路段的车辆运行数据以及车辆在历史行驶路段对应的车辆运行数据，车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；根据车辆在当前路段的车辆运行数据以及车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据。通过实施本发明，使得坡度测算不受地域限制，具有普遍适用性，且相比于通过传感器数据计算坡度的方式计算量小，同时考虑了车辆载重对坡度数据计算的影响，提高了道路坡度测算的准确性和效率。且本实施例可以仅依赖于远程在线监控平台收集到的车辆运行数据，不需要添加额外传感器设备，可实施性高。

Description

基于大规模网联车辆功率分布的道路坡度测算方法与装置
技术领域
本发明涉及坡度测量领域，具体涉及基于大规模网联车辆功率分布的道路坡度测算方法与装置。
背景技术
道路运输一直是我国货物运输的重要组成部分，重型货车作为道路运输的载运工具，承担了繁重的货物运输任务。我国机动车保有量尤其是载重车保有量的增加，对公路超限超载治理、车辆运行安全监控、车辆排放及能耗等方面都提出了更高的需求。其中道路坡度对车辆在上述方面的影响尤为显著，精确的道路坡度数据可以显著提高车辆动态载重测算结果的准确性，可以计算更为准确的安全限制车速，也可以输出更为舒适、经济的换挡控制策略。
相关技术中，针对道路坡度的测算方法主要包括以下几类：其中最简单的方法是道路测量，一般利用水准仪、坡度尺等测量仪器进行道路坡度测量，但该方法只能测量特定路段的坡度信息，不能满足车辆即时所处路段的坡度信息，且需要耗费极大的人力、物力、财力。另一种坡度测算方法则是基于全球卫星定位***(北斗\GPS)或MEMS等倾角传感器，利用传感器实时获取的经度、纬度、高程以及加速度、俯仰角等数据，通过一定的测算方法计算道路坡度。但是全球卫星定位***(北斗\GPS)常常会受到障碍物遮挡的影响，在森林、峡谷、隧道等特殊条件下效果较差，而坡度测算路段大多位于山区，因此该方法缺少普遍适用性。而基于MEMS传感器的方法则需要加装额为传感器等设备，且算法参数调整过程较为复杂，算法计算量较大，不便于实时在线运算。
发明内容
有鉴于此，本发明实施例提供了一种基于大规模网联车辆功率分布的道路坡度测算方法与装置，以解决现有技术中道路坡度测算方法数据量大、实时性差、适用性低的缺陷。
根据第一方面，本发明实施例提供一种基于大规模网联车辆功率分布的道路坡度测算方法，包括如下步骤：获取车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段的车辆运行数据，所述车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据。
可选地，所述历史行驶路段包括：道路坡度为零的行驶路段。
可选地，所述根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据，包括：根据车辆在当前路段的车辆运行数据，得到车辆在当前路段的第一实际输出功率AOP和第一车辆比功率STP；根据车辆在历史行驶路段对应的车辆运行数据，得到车辆在所述历史行驶路段的第二实际输出功率AOP和第二车辆比功率STP；根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据。
可选地，根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据，包括：获取车辆载重状态下实际输出功率AOP和车辆比功率STP的关系模型，所述关系模型根据多个历史车辆运行数据自学习建立；根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及所述关系模型，确定当前路段的坡度数据。
可选地，所述方法还包括：获取多个车辆在所述当前路段的坡度数据以及所述当前路段对应的预设坡度范围；根据处于所述预设坡度范围内的坡度数据，得到当前路段的坡度数据。
可选地，所述方法还包括：获取多个车辆在所述当前路段的坡度数据；将多个车辆在所述当前路段的坡度数据按照多个预设区间进行划分；确定不同预设区间的坡度数据量；根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据。
可选地，所述根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及所述关系模型，确定当前路段的坡度数据，包括：根据下式得到所述关系模型：
Figure BDA0002590222900000031
其中，A、B是自学习参数；AOPi为第一实际输出功率；AOP0为第二实际输出功率；STPi为第一车辆比功率；STP0为第二车辆比功率；mload为车辆载重；λ为质量修正系数；
根据下式得到所述当前路段的坡度数据：
Figure BDA0002590222900000032
其中，m为车辆质量；v为车辆的瞬时速度；a车辆行驶加速度；εi为滚动质量系数，代表机动车动力系中转动部分的质量当量；i表示当前路段的坡度数据；g为重力加速度；CR为车轮转动阻力系数；ρA为空气密度；CD为风阻系数；S为车辆前沿面积；vD为风速。
可选地，所述根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据，包括：
Figure BDA0002590222900000033
其中，k为任一预设区间；l为预设区间数量；i为当前路段坡度数据；ik,n为预设区间k中的第n个坡度数据；nk为预设区间k中的坡度数据数量。
可选地，所述方法还包括：将所述当前路段的坡度数据上传至路面坡度数据库。
根据第二方面，本发明实施例提供一种基于大规模网联车辆功率分布的道路坡度测算***，包括：数据采集终端，用于获取车辆运行数据；监控平台，与所述数据采集终端连接，用于执行上述如第一方面或第一方面任一实施方式所述的基于大规模网联车辆功率分布的道路坡度测算方法。
可选地，所述基于大规模网联车辆功率分布的道路坡度测算***，还包括：通信设备，用于与监控平台通信连接，将得到的当前路段的坡度数据发送至路面坡度数据库。
根据第三方面，本发明实施例提供一种基于大规模网联车辆功率分布的道路坡度测算装置，包括：车辆运行数据获取模块，用于获取车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段的车辆运行数据，所述车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；坡度数据确定模块，用于根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据。
根据第四方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面或第一方面任一实施方式所述的基于大规模网联车辆功率分布的道路坡度测算方法的步骤。
根据第五方面，本发明实施例提供一种存储介质，其上存储有计算机指令，该指令被处理器执行时实现如第一方面或第一方面任一实施方式所述的基于大规模网联车辆功率分布的道路坡度测算方法的步骤。
本发明技术方案，具有如下优点：
1.本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法/***/装置，通过根据车辆在当前路段的车辆运行数据以及在历史行驶路段对应的车辆运行数据，得到道路坡度数据，能够实现实时坡度测算，整个测算过程不受地域限制，具有普遍适用性，且相比于通过传感器数据计算坡度的方式计算量小，同时考虑了车辆载重对坡度数据计算的影响，提高了道路坡度测算的准确性和效率。且本实施例可以仅依赖于远程在线监控平台收集到的车辆运行数据，不需要添加额外传感器设备，可实施性高。
2.本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法/***/装置，对在当前路段的大量车辆运行数据进行计算，利用不同车辆、不同方向大规模网联测量的坡度数据的相互校验，提高了道路坡度测算结果的准确度，减小了累积误差，克服了单次测量***误差较大的缺点，并且在本实施例中利用各坡度区间内的坡度数据数量进一步缩小坡度测算区间范围，在保证坡度数据测算结果的准确性的情况下，进一步减小数据处理量。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于大规模网联车辆功率分布的道路坡度测算方法的一个具体示例的流程图；
图2为本发明实施例中基于大规模网联车辆功率分布的道路坡度测算***的一个具体示例图；
图3为本发明实施例中基于大规模网联车辆功率分布的道路坡度测算装置的一个具体示例图；
图4为本发明实施例中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种基于大规模网联车辆功率分布的道路坡度测算方法，如图1所示，包括如下步骤：
S101，获取车辆在当前路段的车辆运行数据以及车辆在历史行驶路段的车辆运行数据，车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重。
示例性地，车辆在历史行驶路段对应的车辆运行数据可以是历史行驶路段中的任意路段的车辆运行数据，该历史行驶路段可以是坡度不为零的行驶路段，也可以是坡度为零的行驶路段。发动机数据包括发动机参考扭矩、发动机转速、发动机实际扭矩输出百分比。车辆在当前路段的位置信息可以通过车载智能终端设备获取车辆的位置坐标数据得到，车载智能终端设备主要用于获取车辆的基础信息和位置坐标数据，可以由集成GPS或北斗定位芯片的OBD***或车载导航***代替，也可以由输入车辆信息的手机APP代替。
车辆在当前路段的车辆运行数据的获取方式可以是通过车载数据采集设备传输得到，车载数据采集设备是可以采集车辆排放、功率等实时数据的设备，可由车载故障诊断***(On Board Diagnostics，OBD)代替。车载故障诊断***是一种为汽车故障诊断而延伸出来的一种检测***。OBD实时监测车辆的发动机、催化转化器、颗粒捕集器、氧传感器、排放控制***、燃油***和EGR等***和部件，可以获取车辆的氮氧化物排放值、排气烟度、尿素液位、发动机冷却液温度、发动机燃料流量、车速、发动机转速、故障指示灯状态、发动机实际扭矩百分比、大气压力等数据，然后通过相关部件联接到车辆电子控制单元(Electronic Control Unit，ECU)，并通过无线传输将车辆运行数据进行传输。车辆在历史行驶路段对应的车辆运行数据的获取方式可以是查询数据库得到，该数据库中记录车辆所有行驶路段的车辆运行数据。车辆载重可以通过车载数据采集设备获取的数据得到，本实施例对车辆载重获取的方式不做限定，本领域技术人员可以根据需要确定。
S102，根据车辆在当前路段的车辆运行数据以及车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据。
示例性地，坡度是指地表单元陡缓的程度，通常用坡段的垂直高度与水平距离的比值表示，表示方式有百分比、度数、密位和分数等。按照道路测量的方向，坡度分为横向坡度(横坡)和纵向坡度(纵坡)，在本实施例中坡度数据表示纵向坡度，坡度定义为：
Figure BDA0002590222900000081
式中，i为道路坡度；ΔH为高程差；ΔL为水平距离，及坡底长。
步骤S102，包括：
首先，根据车辆在当前路段的车辆运行数据，得到车辆在当前路段的第一实际输出功率AOP和第一车辆比功率STP；根据车辆在历史行驶路段对应的车辆运行数据，得到车辆在所述历史行驶路段的第二实际输出功率AOP和第二车辆比功率STP。
示例性地，根据车辆在当前路段的车辆运行数据，得到车辆实际输出功率以及车辆比功率的具体推导过程为：
车辆的行驶过程遵循能量守恒定理，行驶过程中发动机做功、车轮与路面的阻力所做的功、车辆与空气的阻力所做的功，与车辆行驶过程中的动能变化量、势能变化量相平衡。得到以下守恒公式：
WEngine＝WRolling+WAerodynamic+KE+PE
WRolling＝∫CRmgvdt
Figure BDA0002590222900000082
Figure BDA0002590222900000083
PE＝mgΔh
综合可得：
Figure BDA0002590222900000091
式中，WEngine为发动机做功；WRolling为车轮与路面的阻力所做的功；WAerodynamic为车辆与空气所做的功；KE为车辆的动能变化；PE为车辆的势能变化；CR为车轮转动阻力系数；m为车辆质量；g为重力加速度；ρA为空气密度；CD为风阻系数；S为车辆前沿面积；vD为风速；v为车辆的瞬时速度；V为车辆的初速度；V0为车辆的末速度；Δh为车辆初末状态的高程差。
车辆比功率STP定义为单位质量车辆的瞬时功率。车辆比功率可以理解为发动机每移动一吨质量(包括自重)所输出的功率，单位为kW/t(或W/kg)，即发动机为了克服滚动阻力和空气阻力，增加机动车动能和势能所需要输出的功率。
Figure BDA0002590222900000092
Figure BDA0002590222900000093
式中，FRolling为车轮与路面的阻力。
将式中动能、势能、滚动阻力按照物理公式展开：
Figure BDA0002590222900000094
式中，εi为滚动质量系数，代表机动车动力系中转动部分的质量当量，εi一般可取0.005或忽略不计；h为机动车行驶时所处位置的海拔高度。
将式中动能、势能部分对时间t求导展开：
Figure BDA0002590222900000101
式中，a为机动车行驶加速度；i为路段坡度。
定义AOP为车辆实际发动机输出功率，计算公式为：
AOP＝Fvline(2)
vline＝wr (3)
Figure BDA0002590222900000102
Tn＝Fr (5)
Tn＝ηTr(6)
根据公式(2)、(3)、(4)、(5)、(6)，因此实际输出功率AOP的最终计算公式为
Figure BDA0002590222900000103
式中，AOP为发动机的实际输出功率；F为驱动力；vline为线速度；w为角速度；r为发动机臂长；nengine为发动机转速；Tn为实际发动机扭矩；Tr发动机参考扭矩；η为发动机实际扭矩输出百分比。
将车辆在当前路段的车辆运行数据代入公式(1)得到第一车辆比功率STP，车辆在当前路段的车辆运行数据代入公式(7)得到第一实际输出功率AOP。将车辆在历史行驶路段的车辆运行数据代入公式(1)得到第二车辆比功率STP，车辆在历史行驶路段的车辆运行数据代入公式(7)得到第二实际输出功率AOP。
再次，根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据。
示例性地，首先，获取车辆载重状态下实际输出功率AOP和车辆比功率STP的关系模型，关系模型根据多个历史车辆运行数据自学习建立。自学习方法可以为前向神经网络(Feedforward Neural Networks，FNN)深度学习方法。本实施例对自学习方法不做限定，本领域技术人员可以根据需要确定。
车辆载重状态下实际输出功率AOP和车辆比功率STP的关系模型根据车辆自身的行驶数据自学***坡数据，在本实施例中，当车辆载重状态为空载时，实际输出功率AOP和车辆比功率STP的关系模型如下：
AOP＝A×STP2+B×STP+C
式中，AOP为实际输出功率；STP为机动车比功率；A、B、C为自学习参数。
当车辆载重状态为载重时，随着车辆载重的增加，相同的比功率所对应的发动机实际输出功率明显增加，经过多重数据重构算法模拟后，实际输出功率AOP和车辆比功率STP的关系模型如下
AOP＝A×STP2+B×STP+λmload×STP+C
式中，mload为车辆载重；λ为质量修正系数，由车辆自身情况拟合确定，一般情况下可取0.75。
其次，根据车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及关系模型，确定当前路段的坡度数据。
示例性地，同一车辆在不同路段，坡度的变化将引起车辆实际输出功率AOP的变化，本实施例以车辆载重状态为载重、且历史行驶路段为坡度为零的路段进行说明，建立动态坡度与AOP和STP的关系模型。
Figure BDA0002590222900000121
Figure BDA0002590222900000122
Figure BDA0002590222900000123
Figure BDA0002590222900000124
式中，STP0为历史行驶路段的车辆比功率，AOP0为历史行驶路段的实际输出功率，AOPi为当前路段的实际输出功率；STPi为当前路段的车辆比功率；i为坡度；a0为历史行驶路段的加速度；a1为当前路段的加速度；v0为历史行驶路段的车辆瞬时速度；v1当前路段的车辆瞬时速度；m为车辆质量；εi为滚动质量系数，代表机动车动力系中转动部分的质量当量，一般可取0.005或忽略不计；g为重力加速度；CR为车轮转动阻力系数，与路面材料和轮胎类型与压力有关，一般在0.0085～0.016之间；ρA为空气密度；CD为风阻系数；S为车辆前沿面积；vD为风速；mload为车辆载重；λ为质量修正系数，由车辆自身情况拟合确定，一般情况下可取0.75。
将公式(9)、(10)代入公式(8)，即可得到坡度i的求解方程。当v0与v1相等或近似相等、a0与a1相等或近似相等时，坡度i的求解方程可简化为如下：
Figure BDA0002590222900000125
式中，A、B为自学习参数；v表征相等或近似相等的v0或v1；a表示相等或近似相等a0或a1。根据公式(11)，即可得到当前路段的坡度。
另外，对于本实施例而言，车辆载重状态可以为载重或空载状态，且历史行驶路段可以为坡度为零的行驶路段或者坡度不为零的行驶路段。当历史行驶路段为坡度不为零的行驶路段时，上述公式(9)替换为：
Figure BDA0002590222900000131
式中，j为该历史行驶路段的坡度。
将公式(10)、(12)代入公式(8)，则可得到历史行驶路段到当前行驶路段的坡度差，则根据历史行驶路段的坡度以及坡度差，得到当前路段的坡度。
本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法，通过根据车辆在当前路段的车辆运行数据以及在历史行驶路段对应的车辆运行数据，得到道路坡度数据，能够实现实时坡度测算，整个测算过程不受地域限制，具有普遍适用性，且相比于通过传感器数据计算坡度的方式计算量小，同时考虑了车辆载重对坡度数据计算的影响，提高了道路坡度测算的准确性和效率。且本实施例可以仅依赖于远程在线监控平台收集到的车辆运行数据，不需要添加额外传感器设备，可实施性高。
作为本实施例一种可选的实施方式，历史行驶路段包括：道路坡度为零的行驶路段。具体内容见上述实施例中对应部分，在此不再赘述。本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法，通过道路坡度为零的行驶路段的车辆运行数据以及当前路段的车辆运行数据得到当前路段的坡度数据，相比于根据道路坡度不为零的行驶路段的车辆运行数据以及当前路段的车辆运行数据得到当前路段与道路坡度不为零的路段坡度数据差值，根据差值与道路坡度不为零的路段坡度叠加，得到当前路段的坡度数据而言，减小了累计误差，提高了当前路段坡度数据的准确性。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算方法还包括：
首先，获取多个车辆在所述当前路段的坡度数据以及所述当前路段对应的预设坡度范围。
示例性地，获取多个车辆在所述当前路段的坡度数据的方式可以是利用车辆在线监控平台获取的大规模车辆运行数据，利用上述实施例中道路坡度测算方法分别测算当前路段的坡度数据，得到多个车辆在当前路段的坡度数据，形成大规模的坡度数据。
当前路段对应的预设坡度范围可以是通过各条件、各等级道路的规范设计文件确定。以城市道路为例，《城市道路工程设计规范》CJJ 37－2012(2016年)中规定的各道路最大纵坡如表1所示：
表1机动车道最大纵坡
Figure BDA0002590222900000141
同时规定，新建道路应采用小于或等于最大纵坡一般值；改建道路、受地形条件或其他特殊情况限制时，可采用最大纵坡极限值。除快速路外的其他等级道路，受地形条件或其他特殊情况限制时，经技术经济论证后，最大纵坡极限值可增加1.0％。积雪或冰冻地区的快速路最大纵坡不应大于3.5％，其他等级道路最大纵坡不应大于6.0％。
其次，根据处于所述预设坡度范围内的坡度数据，得到当前路段的坡度数据。
示例性地，根据表1中的最大纵坡极限值确定预设坡度范围，以设计速度为100Km/h为例，其对应的预设坡度范围为[－4，4]，将得到的大规模的坡度数据中不满足该路段预设坡度范围的坡度数据视为异常数据进行剔除，剩下的作为正常坡度数据。根据预设坡度范围内的坡度数据，得到当前路段的坡度数据的方式可以是将预设坡度范围内的坡度数据求取平均值。
本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法，对在当前路段的大量车辆运行数据进行计算，利用不同车辆、不同方向大规模网联测量的坡度数据的相互校验，提高了道路坡度测算结果的准确度，减小了累积误差，克服了单次测量***误差较大的缺点，并且在本实施例中通过工程设计规范文件，将明显有误的坡度数据剔除，进一步提高了道路坡度测算结果的准确度。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算方法还包括：
首先，获取多个车辆在所述当前路段的坡度数据；将多个车辆在当前路段的坡度数据按照多个预设区间进行划分，确定不同预设区间的坡度数据量。
示例性地，获取多个车辆在所述当前路段的坡度数据的方式可以是利用车辆在线监控平台获取的大规模车辆运行数据，利用上述实施例中道路坡度测算方法分别测算当前路段的坡度数据，得到多个车辆在当前路段的坡度数据，形成大规模的坡度数据。
以每一个预设区间的区间范围为0.1为例，得到如表2所示的多个预设区间：
表2预设区间
Figure BDA0002590222900000151
Figure BDA0002590222900000161
根据多个车辆在当前路段的坡度数据按照表2所示的预设区间(坡度)进行划分，其划分方式为：当前路段的坡度数据落入预设区间，则表示当前路段的坡度数据划分至对应的预设区间。当所有前路段的坡度数据全部划分完毕，则对每个预设区间的坡度数据个数进行求和，得到每个预设区间的坡度数据量。
再次，根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据。
示例性地，预设数据量可以按照坡度数据量排序结果确定，比如，根据各个预设区间的坡度数据量排序结果，得到排名靠前的两个预设区间的坡度数据量，将排名第二的预设区间的坡度数据量作为预设数据量，则选取排名靠前的两个预设区间之间的坡度数据量，得到当前路段的坡度数据。本实施例对预设数据量的确定方式不做限定，本领域技术人员可以根据需要确定。根据坡度数据量确定实际区间范围；将实际区间范围内的坡度数据求取平均值，得到当前路段的坡度数据。
坡度数据求解方式可以是：
Figure BDA0002590222900000162
其中，k为任一预设区间；l为预设区间数量；i为当前路段坡度数据；ik,n为预设区间k中的第n个坡度数据；nk为预设区间k中的坡度数据数量。
以大规模的坡度数据共有10000条，离散分布预设区间号为－80至80区间内，其中区间号－1内的坡度数据有1000条，区间号1中有坡度数据3000条，区间号2中有坡度数据1600条，区间号3中有坡度数据1500条，区间号4中有坡度数据2900条，则坡度数据最多的区间号依次为1、4、2、3、－1，以1、4为首末位ID构建区间序列1、2、3、4，以区间号1、2、3、4中的坡度数据平均值作为当前路段的坡度数据。
本发明实施例提供的基于大规模网联车辆功率分布的道路坡度测算方法，对在当前路段的大量车辆运行数据进行计算，利用不同车辆、不同方向大规模网联测量的坡度数据的相互校验，提高了道路坡度测算结果的准确度，减小了累积误差，克服了单次测量***误差较大的缺点，并且在本实施例中利用各坡度区间内的坡度数据数量进一步缩小坡度测算区间范围，在保证坡度数据测算结果的准确性的情况下，进一步减小数据处理量。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算方法还包括：将所述当前路段的坡度数据上传至路面坡度数据库。路面坡度数据库可以是道路地理信息***，也可以是任意存储道路坡度数据的数据库。当前路段的坡度数据可直接通过网联平台传输至道路地理信息***(GIS)。
地理信息***(Geographic Information System，GIS)是具有集中、存储、操作和显示地理参考信息的计算机***，集成了计算机数据库技术和计算机图形处理技术。通过GIS***，可准确获取车辆运行道路的经纬度、道路等级、路网分布、限速等信息。
本发明实施例提供一种基于大规模网联车辆功率分布的道路坡度测算***，如图2所示，包括：
数据采集终端201，用于获取车辆运行数据；
示例性地，数据采集终端201主要包含车载智能设备、车载数据采集设备。其中车载智能终端设备可以利用车辆现有的车载导航***或手机APP，无需安装多余的设备，数据处理和计算也只在监控平台进行，不占用车载设备的内存资源。
车载数据采集设备采集车辆的实时排放、功率基础数据，见上述方法实施例中对应部分，在此不再赘述。车载智能设备获取车辆的基础信息和实时位置数据，通过无线通信传输至监控平台。车辆的基础信息包括车辆识别码、生产年份、生产厂家、车辆总质量、排放标准、燃料类型、发动机型号、发动机排量、最大输出功率、标准满载质量等信息。
监控平台202，与所述数据采集终端连接，用于执行上述实施例中任一所述的基于大规模网联车辆功率分布的道路坡度测算方法。
示例性地，监控平台根据接收到的车辆数据，通过本实施例提出的基于大规模网联车辆功率分布的道路坡度测算方法，计算当前载重车辆所处位置的道路坡度。具体内容参见上述方法实施例对应部分，在此不再赘述。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算***，还包括：通信设备，用于与监控平台通信连接，将得到的当前路段的坡度数据发送至路面坡度数据库。
本发明实施例提供一种基于大规模网联车辆功率分布的道路坡度测算装置，如图3所示，包括：
车辆运行数据获取模块301，用于获取车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段的车辆运行数据，所述车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；
坡度数据确定模块302，用于根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据。
作为本实施例一种可选的实施方式，所述车辆运行数据获取模块301还包括：坡度为零的行驶路段数据获取模块，用于获取历史行驶路段道路坡度为零的行驶路段。
作为本实施例一种可选的实施方式，坡度数据确定模块302，包括：
当前路段功率确定模块，用于根据车辆在当前路段的车辆运行数据，得到车辆在当前路段的第一实际输出功率AOP和第一车辆比功率STP；
历史路段功率确定模块，用于根据车辆在历史行驶路段对应的车辆运行数据，得到车辆在所述历史行驶路段的第二实际输出功率AOP和第二车辆比功率STP；
第一坡度数据确定模块，用于根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据。
作为本实施例一种可选的实施方式，第一坡度数据确定模块，包括：
关系模型获取模块，用于获取车辆载重状态下实际输出功率AOP和车辆比功率STP的关系模型，所述关系模型根据多个历史车辆运行数据自学习建立；
第一坡度数据确定子模块，用于根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及所述关系模型，确定当前路段的坡度数据。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算装置，还包括：
坡度数据及范围获取模块，用于获取多个车辆在所述当前路段的坡度数据以及所述当前路段对应的预设坡度范围；
第二坡度数据确定模块，用于根据处于所述预设坡度范围内的坡度数据，得到当前路段的坡度数据。
作为本实施例一种可选的实施方式，基于大规模网联车辆功率分布的道路坡度测算装置，还包括：
坡度数据获取模块，用于获取多个车辆在所述当前路段的坡度数据；
分区模块，用于将多个车辆在所述当前路段的坡度数据按照多个预设区间进行划分；
数据量确定模块，用于确定不同预设区间的坡度数据量；
第三坡度数据确定模块，用于根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据。
作为本实施例一种可选的实施方式，所述第一坡度数据确定子模块执行以下步骤，包括：
根据下式得到所述关系模型：
Figure BDA0002590222900000201
其中，A、B是自学习参数；AOPi为第一实际输出功率；AOP0为第二实际输出功率；STPi为第一车辆比功率；STP0为第二车辆比功率；mload为车辆载重；λ为质量修正系数；
根据下式得到所述当前路段的坡度数据：
Figure BDA0002590222900000202
其中，m为车辆质量；v为车辆的瞬时速度；a车辆行驶加速度；εi为滚动质量系数，代表机动车动力系中转动部分的质量当量；i表示当前路段的坡度数据；为重力加速度；CR为车轮转动阻力系数；ρA为空气密度；CD为风阻系数；S为车辆前沿面积；vD为风速；mload为车辆载重；λ为质量修正系数。
作为本实施例一种可选的实施方式，第三坡度数据确定模块执行，包括：
Figure BDA0002590222900000211
其中，k为任一预设区间；l为预设区间数量；i为当前路段坡度数据；ik,n为预设区间k中的第n个坡度数据；nk为预设区间k中的坡度数据数量。
作为本实施例一种可选的实施方式，所述基于大规模网联车辆功率分布的道路坡度测算装置还包括：数据上传模块，用于将所述当前路段的坡度数据上传至路面坡度数据库。
本申请实施例还提供一种电子设备，如图4所示，处理器410和存储器420，其中处理器410和存储器420可以通过总线或者其他方式连接。
处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器420作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的基于大规模网联车辆功率分布的道路坡度测算方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理。
存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器420可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器420中，当被所述处理器410执行时，执行如图1所示实施例中的基于大规模网联车辆功率分布的道路坡度测算方法。
上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例1中基于大规模网联车辆功率分布的道路坡度测算方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (13)

1.一种基于大规模网联车辆功率分布的道路坡度测算方法，其特征在于，包括如下步骤：
获取车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段的车辆运行数据，所述车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；
根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据；
所述根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据，包括：
根据车辆在当前路段的车辆运行数据，得到车辆在当前路段的第一实际输出功率AOP和第一车辆比功率STP；
根据车辆在历史行驶路段对应的车辆运行数据，得到车辆在所述历史行驶路段的第二实际输出功率AOP和第二车辆比功率STP；
根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据。
2.根据权利要求1所述的方法，其特征在于，所述历史行驶路段包括：道路坡度为零的行驶路段。
3.根据权利要求1所述的方法，其特征在于，根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据，包括：
获取车辆载重状态下实际输出功率AOP和车辆比功率STP的关系模型，所述关系模型根据多个历史车辆运行数据自学习建立；
根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及所述关系模型，确定当前路段的坡度数据。
4.根据权利要求1所述的方法，其特征在于，还包括：
获取多个车辆在所述当前路段的坡度数据以及所述当前路段对应的预设坡度范围；
根据处于所述预设坡度范围内的坡度数据，得到当前路段的坡度数据。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取多个车辆在所述当前路段的坡度数据；
将多个车辆在所述当前路段的坡度数据按照多个预设区间进行划分；
确定不同预设区间的坡度数据量；
根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据。
6.根据权利要求3所述的方法，其特征在于，所述根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP以及所述关系模型，确定当前路段的坡度数据，包括：
根据下式得到所述关系模型：
Figure FDA0003092227660000031
其中，A、B是自学习参数；AOPi为第一实际输出功率；AOP0为第二实际输出功率；STPi为第一车辆比功率；STP0为第二车辆比功率；mload为车辆载重；λ为质量修正系数；
根据下式得到所述当前路段的坡度数据：
Figure FDA0003092227660000032
其中，m为车辆质量；v为车辆的瞬时速度；a车辆行驶加速度；εi为滚动质量系数，代表机动车动力系中转动部分的质量当量；i表示当前路段的坡度数据；g为重力加速度；CR为车轮转动阻力系数；ρA为空气密度；CD为风阻系数；S为车辆前沿面积；vD为风速。
7.根据权利要求5所述的方法，其特征在于，所述根据坡度数据量大于预设数据量的预设区间内的坡度数据，得到当前路段的坡度数据，包括：
Figure FDA0003092227660000041
其中，k为任一预设区间；l为预设区间数量；i为当前路段坡度数据；ik，n为预设区间k中的第n个坡度数据；nk为预设区间k中的坡度数据数量。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述当前路段的坡度数据上传至路面坡度数据库。
9.一种基于大规模网联车辆功率分布的道路坡度测算***，其特征在于，包括：
数据采集终端，用于获取车辆运行数据；
监控平台，与所述数据采集终端连接，用于执行上述权利要求1-8任一所述的基于大规模网联车辆功率分布的道路坡度测算方法。
10.根据权利要求9所述的基于大规模网联车辆功率分布的道路坡度测算***，其特征在于，还包括：
通信设备，用于与监控平台通信连接，将得到的当前路段的坡度数据发送至路面坡度数据库。
11.一种基于大规模网联车辆功率分布的道路坡度测算装置，其特征在于，包括：
车辆运行数据获取模块，用于获取车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段的车辆运行数据，所述车辆运行数据包括发动机数据、车辆行驶速度、加速度、车辆载重；
坡度数据确定模块，用于根据车辆在当前路段的车辆运行数据以及所述车辆在历史行驶路段对应的车辆运行数据，确定当前路段的坡度数据；
其中，坡度数据确定模块，包括：
当前路段功率确定模块，用于根据车辆在当前路段的车辆运行数据，得到车辆在当前路段的第一实际输出功率AOP和第一车辆比功率STP；
历史路段功率确定模块，用于根据车辆在历史行驶路段对应的车辆运行数据，得到车辆在所述历史行驶路段的第二实际输出功率AOP和第二车辆比功率STP；
第一坡度数据确定模块，用于根据所述车辆的第一实际输出功率AOP、第一车辆比功率STP和第二实际输出功率AOP、第二车辆比功率STP，确定当前路段的坡度数据。
12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8任一所述的基于大规模网联车辆功率分布的道路坡度测算方法的步骤。
13.一种存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1-8任一所述的基于大规模网联车辆功率分布的道路坡度测算方法的步骤。
CN202010695789.2A 2020-07-17 2020-07-17 基于大规模网联车辆功率分布的道路坡度测算方法与装置 Active CN111882872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010695789.2A CN111882872B (zh) 2020-07-17 2020-07-17 基于大规模网联车辆功率分布的道路坡度测算方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010695789.2A CN111882872B (zh) 2020-07-17 2020-07-17 基于大规模网联车辆功率分布的道路坡度测算方法与装置

Publications (2)

Publication Number Publication Date
CN111882872A CN111882872A (zh) 2020-11-03
CN111882872B true CN111882872B (zh) 2021-08-17

Family

ID=73154778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010695789.2A Active CN111882872B (zh) 2020-07-17 2020-07-17 基于大规模网联车辆功率分布的道路坡度测算方法与装置

Country Status (1)

Country Link
CN (1) CN111882872B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115731706B (zh) * 2022-11-14 2023-10-20 宁波长壁流体动力科技有限公司 一种矿车行驶道路选择方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4853079B2 (ja) * 2006-03-30 2012-01-11 いすゞ自動車株式会社 流体継手を備えた車両の車両重量検出装置
CN102779411A (zh) * 2012-08-10 2012-11-14 北京航空航天大学 自动获取道路坡度的方法
CN104034400A (zh) * 2013-08-20 2014-09-10 易通星云（北京）科技发展有限公司 车辆质量监测方法及装置
CN104897135A (zh) * 2014-03-05 2015-09-09 上海通用汽车有限公司 一种路面坡度获取方法以及路面坡度获取***
KR101601104B1 (ko) * 2014-09-22 2016-03-08 현대자동차주식회사 G센서를 이용한 도로 구배 연산 장치 및 방법
JP2017129404A (ja) * 2016-01-19 2017-07-27 三菱電機株式会社 路面起伏推定装置および路面起伏推定方法
CN107356435A (zh) * 2017-06-05 2017-11-17 长安大学 一种基于实时功率质量比的六轴商用车能耗估算方法
CN107458380A (zh) * 2017-08-03 2017-12-12 重庆大学 一种适用于综合驾驶工况下的道路坡度实时估计方法
CN107685732A (zh) * 2016-08-03 2018-02-13 神华集团有限责任公司 车辆动力***输出功率控制方法及控制***
CN108960426A (zh) * 2018-07-09 2018-12-07 吉林大学 基于bp神经网络的道路坡度综合估计***
CN109990766A (zh) * 2019-04-24 2019-07-09 重庆理工大学 基于路面综合阻力系数的道路坡度检测方法与***
CN110186428A (zh) * 2019-05-27 2019-08-30 北京泓达九通科技发展有限公司 一种基于大数据曲线拟合的道路坡度确定方法及***
CN110689723A (zh) * 2019-11-06 2020-01-14 北京交通大学 基于功率分布与车辆自学习的货车超载识别方法
CN110979342A (zh) * 2019-12-30 2020-04-10 吉林大学 一种用于车辆全局能量管理控制的工况信息获取方法
CN111143995A (zh) * 2019-12-26 2020-05-12 北京工业大学 一种基于信息物理***的交通污染排放移动边缘计算调度方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10042815B2 (en) * 2012-08-31 2018-08-07 Ford Global Technologies, Llc Road gradient estimation arbitration
US9469213B2 (en) * 2013-11-01 2016-10-18 Ford Global Technologies, Llc Spatial domain optimal electric and hybrid electric vehicle control with path forecasting
CN107933564B (zh) * 2017-11-16 2020-11-13 盯盯拍（深圳）技术股份有限公司 道路坡度估算方法、道路坡度估算装置、终端设备以及计算机可读存储介质
JP7195035B2 (ja) * 2018-07-17 2022-12-23 先進モビリティ株式会社 隊列走行システム

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4853079B2 (ja) * 2006-03-30 2012-01-11 いすゞ自動車株式会社 流体継手を備えた車両の車両重量検出装置
CN102779411A (zh) * 2012-08-10 2012-11-14 北京航空航天大学 自动获取道路坡度的方法
CN104034400A (zh) * 2013-08-20 2014-09-10 易通星云（北京）科技发展有限公司 车辆质量监测方法及装置
CN104897135A (zh) * 2014-03-05 2015-09-09 上海通用汽车有限公司 一种路面坡度获取方法以及路面坡度获取***
KR101601104B1 (ko) * 2014-09-22 2016-03-08 현대자동차주식회사 G센서를 이용한 도로 구배 연산 장치 및 방법
JP2017129404A (ja) * 2016-01-19 2017-07-27 三菱電機株式会社 路面起伏推定装置および路面起伏推定方法
CN107685732A (zh) * 2016-08-03 2018-02-13 神华集团有限责任公司 车辆动力***输出功率控制方法及控制***
CN107356435A (zh) * 2017-06-05 2017-11-17 长安大学 一种基于实时功率质量比的六轴商用车能耗估算方法
CN107458380A (zh) * 2017-08-03 2017-12-12 重庆大学 一种适用于综合驾驶工况下的道路坡度实时估计方法
CN108960426A (zh) * 2018-07-09 2018-12-07 吉林大学 基于bp神经网络的道路坡度综合估计***
CN109990766A (zh) * 2019-04-24 2019-07-09 重庆理工大学 基于路面综合阻力系数的道路坡度检测方法与***
CN110186428A (zh) * 2019-05-27 2019-08-30 北京泓达九通科技发展有限公司 一种基于大数据曲线拟合的道路坡度确定方法及***
CN110689723A (zh) * 2019-11-06 2020-01-14 北京交通大学 基于功率分布与车辆自学习的货车超载识别方法
CN111143995A (zh) * 2019-12-26 2020-05-12 北京工业大学 一种基于信息物理***的交通污染排放移动边缘计算调度方法
CN110979342A (zh) * 2019-12-30 2020-04-10 吉林大学 一种用于车辆全局能量管理控制的工况信息获取方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
The role of real power output from farm tractor engines in determining their environmental performance in actual operating conditions;Rymaniak L;《Computers and Electronics in Agriculture》;20200630;全文 *
基于交互多模型的车辆质量与道路坡度估;赵健；李至轩；朱冰；李雅欣；孙玉泽;《中国公路学报》;20191231;全文 *
重型机动车比功率计算方法研究;王宏图；于雷；郝艳召；宋国华；郭芸;《安全与环境工程》;20110430;全文 *
面向路段排放测算的车辆运行模型;胥耀芳；于雷；宋国华;《交通运输***工程与信息》;20161231;全文 *

Also Published As

Publication number Publication date
CN111882872A (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
US10151596B2 (en) Caching map data for efficient vehicle range projection
Boroujeni et al. Road grade quantification based on global positioning system data obtained from real-world vehicle fuel use and emissions measurements
CN113140121B (zh) 一种面向网联货车驾驶员的安全预警方法、装置及***
US20210172750A1 (en) Method of determining pollutant and/or noise emissions and/or road safety parameters on a road network portion
CN103093088B (zh) 陡坡和弯曲道路的安全评估方法
US20160153796A1 (en) Roundtrip Range Projection
CN111831960B (zh) 基于坡度扰动识别与排除的网联货车载重动态测算方法
JP2009146086A (ja) 車両故障診断予測装置
CN109154498B (zh) 道路监测方法及***
CN102779411A (zh) 自动获取道路坡度的方法
CN110398280A (zh) 一种测量车辆荷载的车载终端及测量、计算方法
Prins et al. Electric vehicle energy usage modelling and measurement
KR101308925B1 (ko) 차량의 실시간 하중 측정 장치 및 하중 측정 방법
CN110285789B (zh) 一种场车综合检测仪、检测***及检测方法
CN113607251A (zh) 一种车辆载重测量方法及装置
CN111882872B (zh) 基于大规模网联车辆功率分布的道路坡度测算方法与装置
US20220041169A1 (en) System and Method for Providing an Indication of Driving Performance
Fan et al. Road grade estimation based on Large-scale fuel consumption data of connected vehicles
KR101008013B1 (ko) 운행차 하중 측정기기 및 측정 알고리즘
Shaw et al. Instantaneous fuel consumption estimation using smartphones
KR101925268B1 (ko) 도로면 안전 지수를 산출 및 제공하기 위한 장치 및 방법
JP6626310B2 (ja) 車両消費の監視システムおよび方法
Yoon et al. Methodology for Developing Transit Bus Speed–Acceleration Matrices for Load-Based Mobile Source Emissions Models
CN110702130A (zh) 一种新能源汽车剩余里程估算***
CN105353617B (zh) 一种延长续航里程的电动汽车控制***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant