[发明专利]一种描述电动汽车行驶行为的隐马尔可夫模型计算方法

权利要求书

1.一种描述电动汽车行驶行为的隐马尔可夫模型计算方法，其特征在于：该方法包括如下步骤：

步骤001.以工作日电动汽车使用情况模型为例，首先对收集的电动汽车行驶数据进行统计分析，每日使用电动汽车次数超过3次，使用连续时间的马氏链建模，否则使用离散时间的马氏链建模；

步骤002.假设工作日每天同一时刻的状态转移概率都相同p_jk(t)＝p_jk(t+1440)；

步骤003.建立N状态的电动汽车使用情况状态转移概率模型

步骤004.针对连续时间马氏链的特征，结合物理实际，进行参数削减；

步骤005.运用B样条法，将模型转化为广义线性模型，减少参数估计个数；

步骤006.选取合适的B样条节点，对模型进行计算；

步骤007.输出工作日电动汽车使用行为的隐马尔可夫模型；

步骤008.对休息日数据采用同样的方法进行计算，转至步骤001；

步骤009.输出休息日电动汽车使用行为的隐马尔可夫模型。

2.根据权利要求1所述的描述电动汽车行驶行为的隐马尔可夫模型计算方法，其特征在于：所述步骤001中，建立离散时间的非齐次马尔可夫模型：以X_t为随机变量的序列X，其中t∈{0,1,2,...}，在有限集S上取值，S代表状态空间；马氏链是描述随机过程的一种方法，未来的状态仅根据现在的状态确定，不依赖于过去的状态，一个马氏链从状态j转移到状态k的转移概率是唯一的，即：

p_jk(t)＝P(X_t+1＝k|X_t＝j) (1)

若此转移概率不随时间t而改变，则为齐次马氏链，如果转移概率会随着时间t而改变，则是非齐次马氏链。

3.根据权利要求1所述的描述电动汽车行驶行为的隐马尔可夫模型计算方法，其特征在于：所述步骤002中，假设状态转移概率规律：

以工作日为例，考虑用户使用车辆的习惯，假定工作日中的每一天同一时刻从状态j转移到状态k的转移概率是相同的，进一步，假定工作日，即周一到周五，同一时刻的状态转移概率都相同，如果采样以一分钟为时间间隔，那么以上假设可以写作：

p_jk(t)＝p_jk(t+1440) (2)

其中1440是一天的分钟总数。

休息日可以同样采用此假设。