【技术实现步骤摘要】
一种考虑多约束条件的短时车速预测方法
[0001]本专利技术涉及车辆速度预测
,尤其涉及一种考虑多约束条件的短时车速预测方法
。
技术介绍
[0002]对车辆未来时段车速的精准预测,可以用于车辆动力系统的智能控制,例如模式智能切换
、
智能动能回收力度等,可以显著提升汽车的节能效果和动力响应性,因此车速预测方法已经成为智能汽车领域的研究重点之一
。
随着计算机等相关技术的发展,数据驱动方法在时序预测方面性能表现优异,在车速预测领域得到了广泛的应用
。
[0003]现有的车速预测方法主要基于数据驱动的模型,向模型输入过去一段时间的状态序列,输出未来一段时间的预测车速序列
。
但是由于车速受到驾驶员
、
周围环境等多种因素影响,因此上述预测方法的准确精度不足
。
目前提高车速预测精度主要有两种途径:一种是使用更加深度的网络或者引入更强的时序记忆,以增强模型对车速的拟合能力,但这种方法在训练时和实时预测时的算力消耗大幅增加;另一种是使用多个模型对不同场景分别进行预测,以保证全部场景下均达到最优,但这种方法不仅需要消耗更多算力,而且训练时训练集被划分而导致每个模型训练数据减少,更容易过拟合
。
[0004]除此之外,所有使用历史数据预测未来车速的模型,都存在无法预测车辆加减速趋势变化的问题
。
而当加减速趋势变化时,如果预测出错误的车速趋势,可能导致完全相反的动力系统控制操作,不仅影响 ...
【技术保护点】
【技术特征摘要】
1.
一种考虑多约束条件的短时车速预测方法,其特征在于,包括以下步骤:步骤1:收集车辆的行车历史信息,并对行车历史信息进行预处理得到原始数据;步骤2:对原始数据进行场景识别,并赋予场景标签;步骤3:建立并训练车速预测模型,采用车速预测模型预测,输出预测车速序列;步骤4:基于场景或驾驶员意图估计加速度和估计车速;步骤5:使用估计车速对步骤3输出的预测车速序列进行修正,获得第一修正预测车速序列;步骤6:基于场景和自车运动状态的车速约束,计算车速上限和下限;步骤7:使用车速上限和下限对步骤5获得的第一修正预测车速序列进行修正,获得短时车速预测结果
。2.
根据权利要求1所述的短时车速预测方法,其特征在于,所述行车历史信息满足以下条件:(1)行车路线至少包括弯道
、
直道
、
限速
、
有前车和无前车的场景;(2)包括性别
、
驾龄和风格各不相同的至少
10
名驾驶员,总行车里程不少于
1000km
;(3)包括自车车速
、
自车加速度
、
油门开度
、
刹车踏板开度
、
道路限速
、
车道曲率
、
前车存在状态
、
前车相对距离
、
前车相对速度
、
前车绝对速度
、
前车运动状态和距离发生碰撞的时间
。3.
根据权利要求2所述的短时车速预测方法,其特征在于,所述步骤2具体包括以下步骤:步骤2‑1:从原始数据中提取车道曲率
、
前车存在状态
...
【专利技术属性】
技术研发人员:徐向阳,张兆越,赵俊玮,刘学武,刘艳芳,董鹏,王书翰,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
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。