一种基于自适应卡尔曼滤波的车辆速度预测方法技术

一种基于自适应卡尔曼滤波的车辆速度预测方法，包括以下步骤：1)在RFID射频识别系统中，通过射频信号自动识别高速行驶的车辆并获取相关数据，实现在路面时的数据采集；2)针对采集的相关信息，利用自适应卡尔曼滤波算法对高速移动的小车进行速度预测，利用状态空间模型将速度公式转化为状态方程和观测方程，再利用卡尔曼滤波算法对高速移动的小车速度进行预测，卡尔曼滤波分为两部分来进行速度更新：时间更新和测量更新。本发明专利技术提供了一种提高汽车的操纵稳定性和主动安全性、降低交通事故发生率的基于自适应卡尔曼滤波的车辆速度预测方法。

【技术实现步骤摘要】
一种基于自适应卡尔曼滤波的车辆速度预测方法
本专利技术涉及一种高速运行车辆的速度预测方法，尤其是一种基于自适应卡尔曼滤波的车辆速度预测方法。
技术介绍
随着社会经济的快速发展，汽车普及率的提高和城市化进程的加快，城市道路交通拥挤现象日益加重，车辆交通环境逐渐恶化，道路信息的获取可以极大地丰富了人们的生活，方便了人们的出行，同时也可以缓解交通压力，降低了人们的等待时间，减少经济损失。目前导航系统主要是依靠GPS信号，但GPS信号存在着在隧道或立交桥的时候是不准确的甚至是不可用的，并且GPS还易受到气候、电离层、对流层、空气、电磁波等因素的影响，所以通过GPS信号来估计前方车辆驾驶速度是不可取的。与此相比，这些对于射频识别(RFID)技术影响较少，由于其便利性和低成本而被广泛应用在日常生活中,利用RFID系统来估计前车速度未尝不可。车辆速度预测有利于广泛的车辆控制设计，特别是在燃油经济性应用方面。在车辆运行时，获取前方车辆的驾驶速度是汽车确定自身安全的前提，与此同时，驾驶员也可以根据前方车辆的行驶速度以及自身经验来做出合适的判断和行为，例如优化计划油门，刹车和换档，在较大程度上降低了各种本文档来自技高网...

【技术保护点】
一种基于自适应卡尔曼滤波的车辆速度预测方法，所述预测方法包括如下步骤：1)在RFID射频识别系统中，通过射频信号自动识别高速行驶的车辆并获取相关数据，实现在路面时的数据采集；其中，数据采集的步骤如下：步骤1.1：当车辆通过标签的时候，每个车辆首先会读取之前车辆记录在该标签的前车状态信息，状态信息包括车辆的当前速度和时间戳；步骤1.2：车辆将自己的状态信息写入该标签，考虑到RFID标签存储容量的限制，标签仅存储通过的最新的车辆的状态信息；2)针对采集的相关信息，在面对路面，利用自适应卡尔曼滤波算法对高速移动的小车进行速度预测，其中，速度的计算公式为：

【技术特征摘要】
1.一种基于自适应卡尔曼滤波的车辆速度预测方法，所述预测方法包括如下步骤：1)在RFID射频识别系统中，通过射频信号自动识别高速行驶的车辆并获取相关数据，实现在路面时的数据采集；其中，数据采集的步骤如下：步骤1.1：当车辆通过标签的时候，每个车辆首先会读取之前车辆记录在该标签的前车状态信息，状态信息包括车辆的当前速度和时间戳；步骤1.2：车辆将自己的状态信息写入该标签，考虑到RFID标签存储容量的限制，标签仅存储通过的最新的车辆的状态信息；2)针对采集的相关信息，在面对路面，利用自适应卡尔曼滤波算法对高速移动的小车进行速度预测，其中，速度的计算公式为：在此，各参数定义如下：αi：第i阶时速度所占的权重；εk：样本时间k的偏差；N：卡尔曼滤波预测速度的总阶数；v(k)：样本时间k的小车速度；利用状态空间模型将上述速度公式转化为状态方程和观测方程，其中，方程如下所示：zk＝Hvk-1+R；在此，各参数定义如下：A：状态转移矩阵；B：将输入转为状态的转换矩阵；uk：在k时刻小车的加速度；vk-1：在k-1时刻小车的最优速度值，即预测后的修正值；在k时刻小车的速度预测值；H：将状态转为输出的转换矩阵；R：呈高斯分布的测量噪声；zk：在k时刻小车的速度观测值；建立了状态空间模型，再利用卡尔曼滤波算法对高速移动的小车速度进行预测，卡尔曼滤波分为两部分来进行速度更新：时间更新和测量更新，其中，时间更新的步骤如下：步骤2.1：向前推算状态变量，假设当前状态在k-1时刻，由该时刻的最优速度值vk1去...

【专利技术属性】
技术研发人员：钱丽萍，冯安琪，黄玉蘋，吴远，黄亮，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33