一种车云协同计算的能耗路谱分析方法技术

一种车云协同计算的能耗路谱分析方法，以一定周期采集车辆位置坐标和车辆的电压、电流值，对采集的轨迹点坐标进行二次滤波平滑，并获取车辆运行过程中路网信息，利用隐马尔科夫算法对所述平滑处理后的经纬度信息和路网信息进行路网匹配，得到匹配后的车辆行驶的道路信息；根据匹配后的车辆路网坐标点对应的电压和电流通过对时间积分计算得到车辆能耗路谱值。本发明专利技术将汽车位置坐标点标记与真实地图路网紧密结合，将现有采集的位置点能耗路谱信息真实反映在汽车行驶路网上，使得到的能耗路谱信息更为精确，通过道路能耗图谱的分析可以监控道路交通状况，监控城市道路能耗情况，为城市道路规划建设和公共交通发展提供依据，帮助城市实现节能减排。

【技术实现步骤摘要】
一种车云协同计算的能耗路谱分析方法
本专利技术属于交通领域，特别是一种车云协同计算的能耗路谱分析方法。
技术介绍
随着环境问题受到越来越广泛的关注，电动汽车已经成为未来绿色交通的重要组成部分。近年来，各国出台了一系列政策以推动电动汽车的发展。推广电动汽车的主要目的就是实现交通领域的节能减排，但对电动车的行驶能耗的评价方法仍存在明显的不足。目前，电动汽车能耗的测试评价结论还不能用于准确预测实际行驶中电动汽车的能耗。电动汽车行驶能耗不但直接决定了其节能减排的效益，而且决定了其续驶里程的大小，所以对电动汽车行驶能耗的合理评价具有重要作用。现有的研究方式主要通过GPS坐标点标记汽车能耗值，然后在地图上显示，通过将采集到的的GPS坐标点与汽车电耗进行结合，但是由于GPS采样精度和周期限制，采集到的汽车位置信息可能不准确，采样点与采样点之间距离过大，使得得到的汽车能耗路谱信息不准确，在一些GPS采样丢失情况下，还可能存在无法得到汽车能耗路谱信息的问题。
技术实现思路
鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种车云协同计算的能耗路谱分析方法。本专利技术公开了一种车云协同计算的能耗路谱分析方法，包括：S100.车载终端TBOX以预设采集周期获取车辆实时信息，所述车辆实时信息包括车辆经纬度和车辆电压、电流值；S200.车载终端TBOX采用二次拟合滤波算法对所述经纬度信息进行平滑处理，并将平滑后的经纬度与车辆电压、电流值上传至云平台；S300.车联网平台获取车辆运行过程中路网信息，并利用隐马尔科夫路网匹配算法对所述平滑处理后的经纬度信息和路网信息进行匹配，得到匹配后的车辆行驶的路网坐标点对应的车辆电压、电流值，进而得到各个坐标点对应的功率值；S400.根据各个坐标点对应的功率值以及通行时间，计算各个路段能耗值，得到各个道路车辆能耗路谱值。进一步地，所述S100中预设采样周期依据车辆运动状态进行调整，所述车辆运行状态分为3种：城市道路驾驶状态、高速公路驾驶状态、停止状态。进一步地，，所述二次拟合滤波算法对所述经纬度信息进行平滑处理的方法为：分别对相邻采样时刻的经度和纬度求平均值，假设当前时刻为t，上一采样时刻为t-1，对应的经纬度坐标点对为和那么平均坐标点对计算如下：存储最近采集的n个经纬度坐标点得到的k(k＝n-1)个平均坐标点对，然后使用交替最小二乘算法，分别对经度和纬度进行二次曲线拟合；待拟合的二次公式如下：y＝β2x2+β1x+β0先以经度作为因变量y，纬度作为自变量x，可以得到t时刻经度回归方程，表示为：同理，还可以得到t时刻纬度回归方程，表示为：分别将t时刻的经度和纬度带入对应的回归方程右部，可以得到预测的纬度和经度，表示为最后将该点对作为平滑后的结果。进一步地，所述S300中，隐马尔科夫路网匹配算法根据路段投影过程为每个GPS轨迹点检索一组候选路段和候选点，然后构造一个候选图，图中的节点是每个GPS轨迹的候选点集合，而边是任意两个相邻的候选点之间的最短路径集结合节点上的观测状态概率和边上的状态转移概率，匹配算法在候选图中寻找一条具有最高概率的路径，最大限度地提高全局匹配概率；具体方法为：S301.准备候选集，根据轨迹点pt，从路网数据中检索最近五十公里范围内的路段作为候选路段集合，表示为R＝{r1,r2,...,rj}，并将投影到这些候选路段得到候选点集合，表示为C＝{c1,c2,...,cj,}，其中，j表示候选点个数；S302.初始状态概率，初始状态概率代表车辆初始时位于某个路段上的概率,使用相应GPS轨迹点的观测状态概率来表示，定义观测轨迹点的观测状态概率bj(pt)通过将定位噪声建模为零均值高斯分布来计算状态j的值：其中，σ是定位测量的标准偏差，表示轨迹点pt与Ctj(观测点pt的第j个候选点)之间的距离，它表明一个GPS轨迹点pt可否匹配到真正道路上的一个候选点Ctj，而不考虑其邻近点，时刻t的轨迹点与候选点之间的距离越小，这个候选点是真正的实际点的概率就越大；S303.计算状态转移概率，转移概率就是候选路段集合中，两两之间的距离构成的概率，用于评估车辆从一个路段到另一个路段的可能性；根据前后两个时间点t-1和t之间的轨迹点pt-1，pt及其候选点的信息，推测从pt-1到pt的真实路径是到最短路径的可能性，转移概率计算如下：此处的dg＝dist(pt-1，pt)表示两个轨迹点pt-1到pt的大圆距离，而dr代表通过候选节点和的最短路径(由候选路段构成)的长度，参数k的值为根据经验设置为0.07；S304.根据p0到pt每个点如上述S302与S303计算的观测状态概率和状态状体概率，利用维特比算法，找到匹配t个轨迹点的概率最高的路段作为最终匹配的实际道路。进一步地，所述S304具体方法为：上一时刻t-1投影的候选路段计算的观测状态概率(行向量)乘以pt-1到pt投影得到的候选路段的状态转移概率(矩阵)，得到一个新的似然向量，取其中最大值对应的状态(路段)作为最可能的路段；该过程迭代执行，将各个时刻最可能的路段收集起来形成的最大似然路径，就构成了最后匹配的运行道路路线。进一步地，所述S400具体方法为：假设车辆在时间tin进入某路段，时间tout离开该路段，这期间的采样点有n个，表示为{otin,otin+1,...,on}；根据ot中包含的轨迹点pt序列进行上述路网匹配后，将其正确匹配到该路段；那么，基于ot中包含的电压值ut和电流值vt，两者相乘得到功率值，再对时间进行积分得到在该路段r上的电耗值的计算公式如下：另外，对同一个路段，在不同的时段可能有不同的车辆从此经过，因此该路段针对每辆车都可以根据上述公式计算得到的累计车辆电值集合，表示为其中，m表示车辆个数，使用该路段的平均每千米车辆电耗值作为其能耗路谱值(EnergySpectrum，ES)，计算公式如下：其中，ES(r)代表路段r的能耗路谱值，dist(r)表示该路段的长度，单位为km。进一步地，获取车辆位置信息的方法为GPS采样。进一步地，预设周期获取车辆位置信息的最小周期为1s。进一步地，当车辆位置信息采样点缺失时，可以通过沿两个匹配点之间的确定路径放置采样周期间隔的插值点来对缺失点进行估算。本专利技术的有益效果是：本专利技术将汽车位置坐标点标记与真实地图路网紧密结合，在计算的过程中将位置坐标点匹配到地图路网上，将现有采集的位置点能耗路谱信息真实反映在汽车行驶路网上，使得到的能耗路谱信息更为精确，在位置信息采集点丢失情况下，也能通过路网信息采集到汽车能耗路谱信息。通过道路能耗图谱的分析可以监控道路交通状况，监控城市道路能耗情况，为城市道路规划建设和公共交通发展提供依据，帮助城市实现节能减排。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分本文档来自技高网...

【技术保护点】
1.一种车云协同计算的能耗路谱分析方法，其特征在于，包括：/nS100.车载终端TBOX以预设采集周期获取车辆实时信息，所述车辆实时信息包括车辆经纬度和车辆电压、电流值；/nS200.车载终端TBOX采用二次拟合滤波算法对所述经纬度信息进行平滑处理，并将平滑后的经纬度与车辆电压、电流值上传至云平台；/nS300.车联网平台获取车辆运行过程中路网信息，并利用隐马尔科夫路网匹配算法对所述平滑处理后的经纬度信息和路网信息进行匹配，得到匹配后的车辆行驶的路网坐标点对应的车辆电压、电流值，进而得到各个坐标点对应的功率值；/nS400.根据各个坐标点对应的功率值以及通行时间，计算各个路段能耗值，得到各个道路车辆能耗路谱值。/n

【技术特征摘要】
1.一种车云协同计算的能耗路谱分析方法，其特征在于，包括：
S100.车载终端TBOX以预设采集周期获取车辆实时信息，所述车辆实时信息包括车辆经纬度和车辆电压、电流值；
S200.车载终端TBOX采用二次拟合滤波算法对所述经纬度信息进行平滑处理，并将平滑后的经纬度与车辆电压、电流值上传至云平台；
S300.车联网平台获取车辆运行过程中路网信息，并利用隐马尔科夫路网匹配算法对所述平滑处理后的经纬度信息和路网信息进行匹配，得到匹配后的车辆行驶的路网坐标点对应的车辆电压、电流值，进而得到各个坐标点对应的功率值；
S400.根据各个坐标点对应的功率值以及通行时间，计算各个路段能耗值，得到各个道路车辆能耗路谱值。


2.如权利要求1所述的一种车云协同计算的能耗路谱分析方法，其特征在于，所述S100中预设采样周期依据车辆运动状态进行调整，所述车辆运行状态分为3种：城市道路驾驶状态、高速公路驾驶状态、停止状态。


3.如权利要求1所述的一种车云协同计算的能耗路谱分析方法，其特征在于，所述二次拟合滤波算法对所述经纬度信息进行平滑处理的方法为：
分别对相邻采样时刻的经度和纬度求平均值，假设当前时刻为t，上一采样时刻为t-1，对应的经纬度坐标点对为和那么平均坐标点对计算如下：






存储最近采集的n个经纬度坐标点得到的k(k＝n-1)个平均坐标点对，然后使用交替最小二乘算法，分别对经度和纬度进行二次曲线拟合；待拟合的二次公式如下：
y＝β2x2+β1x+β0
先以经度作为因变量y，纬度作为自变量x，可以得到t时刻经度回归方程，表示为：



同理，还可以得到t时刻纬度回归方程，表示为：



分别将t时刻的经度和纬度带入对应的回归方程右部，可以得到预测的纬度和经度，表示为最后将该点对作为平滑后的结果。


4.如权利要求1所述的一种车云协同计算的能耗路谱分析方法，其特征在于，所述S300中，隐马尔科夫路网匹配算法根据路段投影过程为每个GPS轨迹点检索一组候选路段和候选点，然后构造一个候选图，图中的节点是每个GPS轨迹的候选点集合，而边是任意两个相邻的候选点之间的最短路径集结合节点上的观测状态概率和边上的状态转移概率，匹配算法在候选图中寻找一条具有最高概率的路径，最大限度地提高全局匹配概率；具体方法为：
S301.准备候选集，根据轨迹点pt，从路网数据中检索最近五十公里范围内的路段作为候选路段集合，表示为R＝{r1,r2,...,rj}，并将投影到这些候选路段得到候选点集合，表示为C＝{c1,c2,...,cj,}，其中，j表示候选点个数；
S302.初始状态概率，初始状态概率代表车辆初始时位于某个路段上的概率,使用相应GPS轨迹点的观测状态概率来表示，定义观测轨迹点的观测状态概率bj(pt)通过将定位噪声建模为零均值高斯分布来计算状态j的值：



其中...

【专利技术属性】
技术研发人员：纪湘湘，陆林，蔡文，李晓聪，郭全祥，
申请(专利权)人：南斗六星系统集成有限公司，
类型：发明
国别省市：湖北;42