[发明专利]一种基于道路交通环境的智能网联汽车车速预测方法

说明书

一种基于道路交通环境的智能网联汽车车速预测方法。本发明涉及智能网联汽车领域。提出一种通过将道路交通环境特征量化的长时车速预测方法，并将该方法所得预测车速可以用于行驶能量和行驶时间需求预测场景，大大的改善现有车速预测模型的鲁棒性和泛化能力，为实现车载能量的智能管理和优化以及路径的合理规划提供了数据支撑和依据。所述预测方法包括以下步骤：S1、数据采集；S2、数据提取；S3、建立模型；S4、消耗预测。本发明大大的改善现有车速预测模型的鲁棒性和泛化能力，为实现车载能量的智能管理和优化以及路径的合理规划提供数据支撑和依据。

技术领域

本发明涉及智能网联汽车领域，特别是涉及一种基于道路交通环境特征量化的智能网联汽车车速预测方法。

背景技术

长时车速预测是指在车辆未行驶前，根据整个规划路径上的道路交通信息，结合驾驶员的行为习惯和车辆状况，对整个规划路径上的未来行驶车速进行预测。有效、准确的长时车速预测是智能网联汽车(ICV)和智能交通系统(ITS)发展的必然需求，具有重要的研究价值和应用前景，可广泛用于提高交通效率、改善安全行驶控制、车载能量智能优化控制、提高燃油经济性和剩余驾驶里程估计等。但由人-车-路-交通共同作用的行驶环境的时变性、复杂性和耦合性，长时车速序列受各种环境因素、驾驶人因素和随机因素的影响和制约，具有高度的不确定性，单纯依靠纯理论模型实现准确预测存在较大的难度，特别是规划路径上更长时的车速预测难度更大。但车辆智能网联环境和人工智能算法的发展有力推动了基于数据驱动的长时车速预测的研究，车载智能感知和通讯设备可以提供其所需的包括驾驶员状态、驾驶员习惯、车辆动力学特性、道路状况、周围车辆所处状态以及交通状态等数据。

相对于短时车速预测主要采用将道路特征数据、当前车速与车辆动力学理论相结合进行预测的方法，长时车速预测则主要以日期或时段为索引的历史车速或车速特性数据与路段平均交通流速等为输入量，其中可能会考虑天气或节假日的影响。但绝大部分长时车速预测的方法都是基于时段-位置的历史车速数据进行预测，本质上是以历史车速预测未来车速，这对于缺少历史数据的新行驶路段则无法实现较为准确的车速预测。

发明内容

本发明针对以上问题，提出一种通过将道路交通环境特征量化的长时车速预测方法，并将该方法所得预测车速可以用于行驶能量和行驶时间需求预测场景，大大的改善现有车速预测模型的鲁棒性和泛化能力，为实现车载能量的智能管理和优化以及路径的合理规划提供了数据支撑和依据。

本发明的技术方案为：所述预测方法包括以下步骤：

S1、数据采集；

S1.1、获取人-车-路-交通大数据；

S1.2、用限速来描述道路类型，将道路划分为城市道路、郊区道路和高速道路；

S1.3、对人-车-路-交通大数据进行数据分析，分别提取道路信息、交通信息，储存于存储器中；

S2、数据提取；

S2.1、提取出交通信息中的交通流量和交通密度；

S2.2、提取出道路信息中的限速、车道数目、交叉路口设置、信号灯布置和车辆的位置信息；

S3、建立模型：将限速、车道数目、交叉路口设置、信号灯布置、车辆的位置信息、交通流量和交通密度作为车速预测模型的输入，车速作为输出，建立道路交通环境特征参量与车速之间的映射关系模型；

S4、消耗预测；

S4.1、通过步骤S3建立的模型，对将要行驶的历史行驶路径或新行驶路径的车速进行预测，从而得到预测车速；

S4.2、利用长时车速的预测结果，通过距离除以速度的方式进行计算，得到进行各个单位长度所消耗的时间；并将所有单位长度所消耗的时间相加，得到新的行驶路径需要消耗的总时间；