面向工况与驾驶员的新能源公交车续驶里程估计方法技术

本发明专利技术提供了一种面向工况与驾驶员的新能源公交车续驶里程估计方法，其通过依次对不同人员驾驶车辆时运行特征参数进行提取、主成分分析及聚类得到与路况、环境等客观因素以及特定驾驶员行为、习惯等主观因素均具有相关性的不同工况类型划分，避免了对主成分进行人为解释时的弊端，利用机器学习实现了对真实复杂工况尽可能全面地覆盖。通过对基于深度置信网络的单位距离平均能耗预测模型的训练及在线应用，能够使新能源公交车辆根据实际的驾驶员及车辆运行参数迅速地识别出实时工况，较为准确地估计出当前工况下车辆的剩余续驶里程，并可随着车辆位置与工况的变化更新续驶里程估计结果。计结果。计结果。

【技术实现步骤摘要】
面向工况与驾驶员的新能源公交车续驶里程估计方法


[0001]本专利技术属于新能源车辆续驶里程估计
，具体涉及一种利用新能源公交车运行大数据并结合驾驶员信息，确定实时工况并快速估计出续驶里程的方法。

技术介绍

[0002]由于新能源汽车在行驶中受外界环境、驾驶员行为等多种因素影响，车辆的工况与能耗表现均会随时发生变化，这也提高了对车辆剩余续驶里程实现精确估计的难度，不利于缓解当前针对纯电车辆普遍所存在的“里程焦虑”。现有技术中针对纯电动新能源汽车续驶里程估计问题，较多通过根据实时的SOC进行简单核算的方式实现，缺乏对实际工况的考虑因此精确性严重不足，且结果随时间的波动也较为剧烈；部分现有技术中先利用车辆运行数据划分出几种主要的工况类型及其对应的能耗模型，再根据车辆实时的运行参数识别出对应于哪种工况后再得到相应的续驶里程估计结果，但由于所划分的主要工况类型往往无法较全面地覆盖真实工况，同时不同人员面对同样外界交通、环境情况时的驾驶行为、习惯差异，也进一步提高了对工况分类的复杂性，因而这种方式在估计精度上也显然不能满足要求。

技术实现思路

[0003]考虑到新能源公交汽车日常的行驶路线和驾驶员相对固定，车辆所处外界环境较为稳定，利用公交站点提取车辆运行片段也较为简便，因而有可能综合考虑外部环境以及不同人员对不同环境所采取的独特驾驶行为特点，从而实现更精确的复杂工况识别和剩余续驶里程计算。基于这种考虑，本专利技术针对本领域中存在的技术问题，提供了一种面向工况与驾驶员的新能源公交车续驶里程估计方法，具体包括以下步骤：
[0004]步骤一、提取某个驾驶员在一定时期内驾驶特定公交线路的新能源公交车实车运行数据，并上传至大数据平台；在大数据平台端根据车辆从任意一个站点行驶至下一相邻站点的起止时间，将接收到所述实车运行数据切分成不同m个运行片段；
[0005]步骤二、从实车运行数据中提取出各运行片段涉及的n个特征参数，对m个运行片段分别计算车辆在片段上的单位距离平均能耗e
avg
；
[0006]步骤三、针对从实车运行数据中提取出的n个特征参数，并对特征参数通过标准化处理来消除量纲差异；以标准化后每个运行片段包含的n个特征参数作为行元素构建行向量，并将m个运行片段的行向量构建为以下形式的标准化特征参数矩阵Q
m
×
n
，矩阵中的各元素q
ij
表示第i个运行片段的第j个标准化特征参数，i＝1,2,
…
,m，j＝1,2,
…
,n；
[0007]针对标准化特征参数执行主成分分析，先计算矩阵Q
m
×
n
中的各元素q
ij
的相关系数并构建相关系数矩阵R，再利用相关系数矩阵依次计算各主成分的贡献率和主成分得分矩阵，从而对n个特征参数实现降维以及确定出p个主成分；
[0008]步骤四、基于p个主成分对应的得分向量执行聚类，并根据得到的聚类中心确定出相应的不同工况类型；
[0009]步骤五、针对不同工况类型从历史运行片段中提取特征参数，结合步骤二得到的片段单位距离平均能耗，组成运行特征训练集；以片段单位距离平均能耗为输出，各特征参数为输入建立基于深度置信网络的单位距离平均能耗预测模型；所建立的深度置信网络具体由输入层、RBM层、BP层、输出层构成；
[0010]利用所述运行特征训练集对模型进行训练，包括：首先分别对各层网络结构与神经元个数进行设定，以及设定深度置信网络的激活函数与评价函数，以估计单位距离平均能耗均方根误差最小为目标建立目标函数，训练中利用Adam(Adaptive Moment Estimation)算法进行优化计算，并最终得到训练好的所述单位距离平均能耗预测模型，使训练好的模型能够基于不同工况类型的特征参数输出各运行片段对应的单位距离平均能耗；
[0011]步骤六、在实车上利用新能源公交车通过传感器获取与各特征参数对应的实时运行数据并确定驾驶员身份，基于对该驾驶员确定的工况类型聚类结果识别车辆当前的工况类型；获取车辆的位置信息来确定当前所在的运行片段，利用训练好的所述单位距离平均能耗预测模型输出车辆从当前所在线路路段至线路终点的后续途中，相同工况类型下的单位距离平均能耗；
[0012]步骤七、基于步骤六得到的车辆后续途中单位距离平均能耗估计结果，结合车辆当前剩余电量计算剩余续驶里程；按照一定时间间隔重复执行步骤六，并对剩余续驶里程更新计算。
[0013]进一步地，步骤二中针对车辆在各片段上的单位距离平均能耗e
avg
，具体基于车辆分别在片段起点与终点位置时的SOC或剩余电量结合片段距离来计算得到。
[0014]进一步地，步骤五中针对所述深度置信网络中的RBM层的具体训练过程依次为：
[0015]分别建立RBM层的权值矩阵W、隐含层偏置向量b及可见层偏置向量c；
[0016]利用输入的数据对可见层赋值并计算各隐含层神经元对于可见层的条件概率：
[0017][0018]其中，P(|)表示条件概率，v和h分别为可见层和隐含层的神经元，σ为Sigmoid函数，n为可见层神经元总数，i和j为隐含层或可见层中的神经元序号；
[0019]生成一个[0,1]上的随机数r
j
将各隐含层神经元赋值更新为：
[0020][0021]再计算各可见层神经元对于更新后的隐含层的条件概率：
[0022][0023]并生成一个[0,1]上的随机数s
j
将各可见层神经元赋值更新为：
[0024][0025]之后重新计算各隐含层神经元对于更新后的可见层的条件概率：
[0026][0027]基于预先设定的迭代次数重复执行前述各步骤，实现对所述权值矩阵W、隐含层偏置向量b及可见层偏置向量c的赋值更新：
[0028]W
*
＝W+λ[P(h＝1|v)v
T
‑
P(h
*
＝1|v
*
)v
*T
][0029]b
*
＝b+λ(v
‑
v
*
)
[0030]c
*
＝c+λ[P(h＝1|v)
‑
P(h*＝1|v*)][0031]其中，λ为学习速率，上标*表示各次赋值更新过程。
[0032]进一步地，步骤五在训练中执行Adam算法进行优化计算的过程如下：
[0033][0034]m
t
＝ρ1m
t
‑1+(1
‑
ρ1)g
t
[0035]v
t
＝ρ2v
t
‑1+(1
‑
ρ2)g
t2
[0036][0037][0038][0039]其中，g
t
为第t次迭代时参数θ
t...

【技术保护点】

【技术特征摘要】
1.面向工况与驾驶员的新能源公交车续驶里程估计方法，其特征在于：具体包括以下步骤：步骤一、提取某个驾驶员在一定时期内驾驶特定公交线路的新能源公交车实车运行数据，并上传至大数据平台；在大数据平台端根据车辆从任意一个站点行驶至下一相邻站点的起止时间，将接收到所述实车运行数据切分成不同m个运行片段；步骤二、从实车运行数据中提取出各运行片段涉及的n个特征参数，对m个运行片段分别计算车辆在片段上的单位距离平均能耗e
avg
；步骤三、针对从实车运行数据中提取出的n个特征参数，并对特征参数通过标准化处理来消除量纲差异；以标准化后每个运行片段包含的n个特征参数作为行元素构建行向量，并将m个运行片段的行向量构建为以下形式的标准化特征参数矩阵Q
m
×
n
，矩阵中的各元素q
ij
表示第i个运行片段的第j个标准化特征参数，i＝1,2,
…
,m，j＝1,2,
…
,n；针对标准化特征参数执行主成分分析，先计算矩阵Q
m
×
n
中的各元素q
ij
的相关系数并构建相关系数矩阵R，再利用相关系数矩阵依次计算各主成分的贡献率和主成分得分矩阵，从而对n个特征参数实现降维以及确定出p个主成分；步骤四、基于p个主成分对应的得分向量执行聚类，并根据得到的聚类中心确定出相应的不同工况类型；步骤五、针对不同工况类型从历史运行片段中提取特征参数，结合步骤二得到的片段单位距离平均能耗，组成运行特征训练集；以片段单位距离平均能耗为输出，各特征参数为输入建立基于深度置信网络的单位距离平均能耗预测模型；所建立的深度置信网络具体由输入层、RBM层、BP层、输出层构成；利用所述运行特征训练集对模型进行训练，包括：首先分别对各层网络结构与神经元个数进行设定，以及设定深度置信网络的激活函数与评价函数，以估计单位距离平均能耗均方根误差最小为目标建立目标函数，训练中利用Adam(Adaptive Moment Estimation)算法进行优化计算，并最终得到训练好的所述单位距离平均能耗预测模型，使训练好的模型能够基于不同工况类型的特征参数输出各运行片段对应的单位距离平均能耗；步骤六、在实车上利用新能源公交车通过传感器获取与各特征参数对应的实时运行数据并确定驾驶员身份，基于对该驾驶员确定的工况类型聚类结果识别车辆当前的工况类型；获取车辆的位置信息来确定当前所在的运行片段，利用训练好的所述单位距离平均能耗预测模型输出车辆从当前所在线路路段至线路终点的后续途中，相同工况类型下的单位距离平均能耗；步骤七、基于步骤六得到的车辆后续途中单位距离平均能耗估计结...

【专利技术属性】
技术研发人员：辛涛，杨芳，唐晓猛，张宇，安振佳，刘强，黄建民，张欣莹，
申请(专利权)人：隆瑞三优新能源汽车科技有限公司，
类型：发明
国别省市：