[发明专利]基于时间序列的车辆掉队预测方法、装置及存储介质

权利要求书

1.一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，包括以下步骤：

车队行驶之前，确定车队的所有车辆初始位置并根据位置确定前车与后车之间的距离，形成初始距离矩阵；车队出发后以预设的周期时间T采集车辆实时速度，得到所有车辆的速度矩阵；

基于所有车辆的速度矩阵利用基于自适应滤波法的时间序列预测算法对车队车辆未来预设时间的速度预测，得到基于所有车辆实时速度的时间序列；

根据车辆实时速度的时间序列计算车辆行驶的路程并确定每个车辆与前车之间的距离；

根据前后车的距离关系重新计算车辆与首车的距离，重新确定车辆的前后车顺序关系并调整前后车的次序得到更新后的车辆距离矩阵；

当车辆距离矩阵中出现前后车距离超过预设的阈值后，确定有车辆掉队；

利用基于自适应滤波法的时间序列预测算法对车队车辆未来预设时间的速度预测具体包括如下步骤：

计算需要预测的速度V′_n+1，表达式如下：

其中ω_k为V_n-k+1的权值，V_n-k+1为n-k+1个周期的速度测量值，n为预测所需周期基数，也是权值的个数；预测的初始权值

调整权值ω_k后得到新的权值ω’_k，公式如下：

ω′_k＝ω_k+2k·e_k+1V_n-k+1,

其中k为需学习的周期数，e_k+1为第k+1周期的预测误差，表达式为：

e_k+1＝|V_k+1-V′_k+1|；V′_k+1为第k+1个周期的预测速度值，V_n+1为实际第k+1个周期的测量速度值；

当误差调整至小于可忽略误差值后，确定当前误差的权值并根据此权值进行速度的时间序列的预测；

根据车辆实时速度的时间序列计算车辆行驶的路程并确定每个车辆与前车之间的距离具体方法如下：

第k辆车的第M周期内的平均速度大小其中V_k(M-1)为第k辆车在第M-1周期末的测量值，V_kM为第k辆车在第M周期末的测量值；T为记录数据的周期，时间T内的路程为

第k-1辆车的第M周期内的平均速度大小V_(k-1)(M-1)为第k-1辆车在第M-1周期末的测量值，V_(k-1)M为第k-1辆车在第M周期末的测量值；时间T内的路程为

根据两车在同一段时间内的行驶距离之差和初始距离的和为当前两车距离，因此第k辆车行驶时间T后与前车第k-1辆车的距离如下公式表示：

其中S_(k-1)k为第k辆车与前车第k-1辆车的距离，L_(k-1)k为第k辆车与前车第k-1辆车的初始距离，m为预测未来时间内的速度数据的个数。

2.根据权利要求1所述的一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，根据车载GPS数据或者手机GPS进行测量得到车辆初始位置。

3.根据权利要求1所述的一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，根据位置确定前车与后车之间的距离采用的是Haversine公式。

4.根据权利要求1所述的一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，所述方法还包括预设的周期时间T采集车辆实时转向角数据，得到所有车辆的转向角矩阵；根据转向角矩阵计算连续设定数量的转向角之和，超过预设角度后，提醒后车进行路口转向的方向，根据转向角之和的正负判断左右转向。

5.根据权利要求4所述的一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，利用中值插值法对车辆的速度矩阵和转向角矩阵进行插值。

6.根据权利要求1所述的一种基于自适应滤波时间序列的车辆掉队预测方法，其特征在于，预测所需周期基数及权值的个数n的值取10。