The invention discloses a method for predicting vehicle trajectory and mileage based on historical data, which uses GPS to obtain vehicle trajectory data and form a historical trajectory database, clustering historical trajectory and mining key points, building prediction model, and acquiring current trajectory through GPS equipment at the beginning of vehicle travel. Start position information, and forecast the trajectory and mileage according to the historical trajectory database; identify the current trajectory based on the key points in the driving process, update the candidate predicted trajectory every time the key points are passed, until all the key points of the trajectory are passed and the end point is reached, and complete the trajectory. Prediction and mileage prediction, and record the current trajectory into the historical trajectory database. This method lays a foundation for the rational planning of vehicle power battery power and the optimization of energy management strategy. It is also conducive to optimizing the start time of the engine and improving the power and economy.
【技术实现步骤摘要】
一种基于历史数据的汽车行驶轨迹及里程预测方法
本专利技术属于汽车领域，主要涉及汽车轨迹数据挖掘和轨迹预测领域，具体涉及一种基于历史数据的汽车行驶轨迹及里程预测方法。
技术介绍
轨迹预测是利用GPS技术根据用户当前位置信息、历史轨迹信息和其他辅助信息来动态预测出移动用户的未来位置，一般来说，人们驾车出行的轨迹是由一定规律性的，因此目前对轨迹预测进行的研究大都是根据根据用户的历史轨迹信息来预测用户的轨迹。轨迹预测方法大体可分为单用户和多用户两类，目前一些学者提出的进行目的地预测的方法，大多是依据多用户大规模的历史出行数据，且需利用道路网，不方便针对单用户应用于车载导航设备进行实时的行驶轨迹预测，而且预测精度不高。此外，对于车辆行驶轨迹及行驶里程的预测多依赖于驾驶员在终端频繁地输入目的地，结合GPS与电子地图给出行驶里程的预测，这种方法虽然也能识别行驶轨迹，估计行驶里程，然而依赖于驾驶员的复杂操作以及第三方电子地图，不够智能化，无法对行驶轨迹进行动态预测。对于混合动力汽车来说，能量管理策略是其核心技术之一，对整车的经济性有很大影响。目前，能量管理策略主要可分为基于规则的能量管理策略、瞬时优化能量管理策略和全局优化能量管理策略，行驶里程对于全局优化能量管理策略的优化效果有着重大影响，行驶里程预测研究成为近年来的研究热点，因为对于像插电式混合动力汽车(PHEV)、电动汽车(EV)等与行驶里程密切相关的车辆，行驶里程是优化设计和客观评价这类车辆的重要基础。如果驾驶员能在出行时通过车载导航设备获取实时的行驶轨迹及目的地预测，便可进一步获取该路径的里程信息和道路工况，使汽...
【技术保护点】
1.一种基于历史数据的汽车行驶轨迹及里程预测方法，其特征在于，主要包括以下步骤：步骤一：利用GPS设备获取汽车的历史行驶轨迹数据，并对该数据做相应预处理，形成历史行驶轨迹数据库，具体过程如下：(1)利用GPS设备以采样间隔τ采集汽车每次行驶过程中行驶轨迹上的GPS数据点；将汽车每一次行驶过程中采集的GPS数据点都按照时间先后顺序排列则得到若干条行驶轨迹，将这些行驶轨迹记为原始历史行驶轨迹，并以CSV的文件格式保存为原始历史行驶轨迹数据；原始历史行驶轨迹数据包含每个GPS数据点的位置信息；用Pi表示某一条原始历史行驶轨迹中第i个GPS数据点，i＝1,2,…,n，n是该原始历史行驶轨迹中GPS数据点的总数，所述位置GPS数据点的位置信息包括：汽车在i点处的经度xi、汽车在i点处的纬度yi、汽车到达i点处的时刻ti、汽车在i点的速度vi；用(xi,yi)表示汽车在Pi数据点位置处的位置坐标；(2)由于GPS设备受到干扰时可能产生个别异常GPS数据点，因此需剔除异常GPS数据点，方法如下：按时间先后顺序依次取一条原始历史行驶轨迹上每两个相邻的GPS数据点Pi和GPS数据点Pi+1，两个GPS数...
【技术特征摘要】
1.一种基于历史数据的汽车行驶轨迹及里程预测方法，其特征在于，主要包括以下步骤：步骤一：利用GPS设备获取汽车的历史行驶轨迹数据，并对该数据做相应预处理，形成历史行驶轨迹数据库，具体过程如下：(1)利用GPS设备以采样间隔τ采集汽车每次行驶过程中行驶轨迹上的GPS数据点；将汽车每一次行驶过程中采集的GPS数据点都按照时间先后顺序排列则得到若干条行驶轨迹，将这些行驶轨迹记为原始历史行驶轨迹，并以CSV的文件格式保存为原始历史行驶轨迹数据；原始历史行驶轨迹数据包含每个GPS数据点的位置信息；用Pi表示某一条原始历史行驶轨迹中第i个GPS数据点，i＝1,2,…,n，n是该原始历史行驶轨迹中GPS数据点的总数，所述位置GPS数据点的位置信息包括：汽车在i点处的经度xi、汽车在i点处的纬度yi、汽车到达i点处的时刻ti、汽车在i点的速度vi；用(xi,yi)表示汽车在Pi数据点位置处的位置坐标；(2)由于GPS设备受到干扰时可能产生个别异常GPS数据点，因此需剔除异常GPS数据点，方法如下：按时间先后顺序依次取一条原始历史行驶轨迹上每两个相邻的GPS数据点Pi和GPS数据点Pi+1，两个GPS数据点对应的位置信息分别为：xi、yi、ti、vi和xi+1、yi+1、ti+1、vi+1；根据式(1)计算两个GPS数据点的距离ΔDi；根据式(2)和式(3)计算汽车在Pi数据点的位置时，在时间差ti+1-ti内可能行驶的实际最大距离ΔDi-max；若ΔDi≤ΔDi-max，则判断GPS数据点Pi+1不是异常点，则继续比较下两个相邻的GPS数据点，即GPS数据点Pi+1和GPS数据点Pi+2，以此类推；Vi-max＝max{vi,vi+1}式(2)ΔDi-max＝Vi-max×(ti+1-ti)式(3)其中，ti+1-ti＝τ；若ΔDi＞ΔDi-max，则判断GPS数据点Pi+1是异常点，并剔除该GPS数据点Pi+1后，则GPS数据点Pi+2即成为GPS数据点Pi相邻的数据点，则式(1)按照式(2)按照Vi-max＝max{vi,vi+2}、式按照ΔDi-max＝Vi-max×(ti+2-ti)计算，以此类推，其中ti+2-ti＝2τ；将剔除了异常GPS数据点的原始历史行驶轨迹记为历史行驶轨迹，并保存为历史行驶轨迹数据；(3)计算历史行驶轨迹的里程：用Tj表示第j条历史行驶轨迹，j＝1,2,3,…,m，m为历史行驶轨迹的总条数；则用式(4)计算得到该历史行驶轨迹Tj的总里程Sj；用PIj表示历史行驶轨迹Tj中的第Ij个GPS数据点，则Nj表示历史行驶轨迹Tj中GPS数据点的总数，Ij＝1,2,3,…,Nj；(xIj+1,j,yIj+1,j)表示历史行驶轨迹Tj中的第Ij+1个GPS数据点处的位置坐标，(xIj,j,yIj,j)表示历史行驶轨迹Tj中的第Ij个GPS数据点处的位置坐标；根据式(4)计算得到每条历史行驶轨迹的总里程，并记录在历史行驶轨迹数据中；建立用T＝{T1,T2,T3,…,Tj,…,Tm}表示的包含m条历史行驶轨迹的历史行驶轨迹数据库；步骤二：基于路径聚类算法对历史行驶轨迹数据库中的每条历史行驶轨迹进行起点聚类和关键点的挖掘，形成聚类结果；(1)起点聚类：在一条历史行驶轨迹中的第一个GPS数据点即为起点，用起点集O＝{O1,O2,…,Om}表示历史行驶轨迹数据库中每条历史轨迹的起点；起点集O中每条历史行驶轨迹的起点对应的位置坐标集为{(x1,1,y1,1),(x1,2,y1,2),…,(x1,m,y1,m)}；将历史行驶轨迹数据库T中的历史行驶轨迹两两进行起点对比；用(x1,j,y1,j)表示第j条历史行驶轨迹Tj的起点的位置坐标，用(x1,k,y1,k)表示第k条历史行驶轨迹Tk的起点的位置坐标，k＝1,2,3,…,m，且k≠j；Ⅰ.若进行起点对比的两条历史行驶轨迹Tj和Tk都未聚类，则根据式(5)计算该两条历史行驶轨迹起点的距离ΔTj_k：选择合适的聚类阈值ΔT′，取ΔT′＝1～10m；若ΔTj_k≤ΔT′，则表明历史行驶轨迹Tj和Tk起点匹配成功，将这两条历史行驶轨迹归为同一类；若ΔTj_k＞ΔT′，则说明历史行驶轨迹Tj和Tk起点匹配不成功，则将历史行驶轨迹Tj和Tk分别归为不同类；Ⅱ.若进行起点对比的两条历史行驶轨迹Tj和Tk中，历史行驶轨迹Tk已经聚类，则根据式(6)计算历史行驶轨迹Tj的起点与已经聚类的历史行驶轨迹Tk所在类中所有历史行驶轨迹起点的算术平均值的距离：用(x1,ave-X,y1,ave-X)表示已经聚类的历史行驶轨迹Tk所在类中所有历史行驶轨迹的起点位置坐标的算术平均值；X是用以区分不同聚类的类别字符；若ΔTj_ave-X≤ΔT′，则表明历史行驶轨迹Tj和历史行驶轨迹Tk所在类的起点匹配成功，将历史行驶轨迹Tj也归为历史行驶轨迹Tk所在类；若ΔTj_ave-X＞ΔT′，则说明历史行驶轨迹Tj和历史行驶轨迹Tk所在类的起点匹配不成功，则将历史行驶轨迹Tj归为历史行驶轨迹Tk所在类以外的另一类；将历史行驶轨迹数据库T中的每条历史行驶轨迹都完成聚类，即将每条历史行驶轨迹都被归为某类；(2)对聚为同一类的历史行驶轨迹进行关键点挖掘：依次将同一类的每条历史行驶轨迹两两对比进行关键点挖掘；若历史行驶轨迹Ta和历史行驶轨迹Tb为任意两条同一类历史行驶轨迹，关键点挖掘的计算为式(7)和式(10)；ΔTkey为进行关键点挖掘的计算的两条历史行驶轨迹Ta和Tb上的两个GPS数据点之间的距离，即为历史行驶轨迹Ta上的第u个GPS数据点与历史行驶轨迹Tb上的第q个GPS数据点之间的距离；其中，u＝1,2,…,Na；q＝1,2,…,Nb；Na为历史行驶轨迹Ta的GPS数据点的总数，Nb为历史行驶轨迹Tb的GPS数据点的总数；用Sa,u表示历史行驶轨迹Ta中从起点开始行驶至第u个GPS数据点位置时的里程，用式(8)计算得到；用Sb,q表示历史行驶轨迹Tb中从起点开始行驶至第q个GPS数据点位置时的里程，用式(9)计算得到；由式(10)可计算得到进行关键点挖掘的计算的两条历史行驶轨迹Ta和Tb上的两个GPS数据点位置处的里程差ΔSkey；ΔSkey＝Sa,u-Sb,q式(10)关键点选取条件为：条件一：ΔTkey＞ΔTk′ey；条件二：|ΔSkey|≤ΔSk′ey；其中ΔTk′ey为根据道路车道宽度设置的距离阈值，ΔTk′ey＝δ×D，δ为系数，取δ＝0.7～1.4，D为车道宽度；ΔSk′ey为设置的里程差阈值，ΔSk′ey＝3～5m；则对历史行驶轨迹Ta和Tb进行关键点挖掘的过程如下：从历史行驶轨迹Ta的第一个GPS数据点起的GPS数据点均分别与历史行驶轨迹Tb的第一个GPS数据点起的GPS数据点依次进行关键点挖掘的计算；当历史行驶轨迹Ta的第u个GPS数据点与历史行驶轨迹Tb的第q个GPS数据点进行关键点挖掘的计算时：Ⅰ.若计算结果不满足关键点选取条件的条件一，则历史行驶轨迹Ta的第u个GPS数据点继续与历史行驶轨迹Tb的下一个GPS数据点进行关键点挖掘的计算；Ⅱ.若计算结果满足关键点选取条件的条件一，再判断是否满足关键点选取条件的条件二：①若计算结果不满足关键点选取条件的条件二：(a)此时若里程差ΔSkey≥0，则历史行驶轨迹Ta的第u个GPS数据点继续与历史行驶轨迹Tb的下一个GPS数据点进行关键点挖掘的计算；(b)若里程差ΔSkey<0，则历史行驶轨迹Ta的下一个GPS数据点继续与历史行驶轨迹Tb的第一个GPS数据点起的GPS数据点依次进行关键点挖掘的计算；②若计算结果...
【专利技术属性】
技术研发人员：王鹏宇，黎金科，熊晓勇，贺晓，赵世杰，沈望胜，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。