引用本文
Lipeng Zhang, Wei Liu, Bingnan Qi. Combined Prediction for Vehicle Speed with Fixed Route.
Chinese Journal of Mechanical Engineering volume, 2020, 33: 60.
研究背景及目的
新能源汽车已成为替代传动燃油汽车的主要交通工具，实现能量高效管理是提高新能源汽车燃油经济性的关键技术。如果能够提前知道车辆未来一段时间可能出现的速度，并基于此选取最为高效的驱动模式，将为车辆的高效驱动控制提供非常关键的数据支持。现阶段，车辆作为人们日常出行的交通工具，其大部分时间的行驶路线都是固定的。随着时间的累积，固定路线上的车速数据开始反映固定行驶周期的特征。实现固定路线的车速预测，可以满足绝大多数新能源汽车能量管理策略制定的预测数据需求。因此，研究固定路线车辆速度高精度预测方法具有非常重要的价值，本文即是为了提高固定路线车速预测精度而开展的，所建立的组合预测模型可以提高预测准确性，这为新能源汽车能量优化管理提供了重要的支持
试验方法
道路驾驶数据采集实验需要在实际的交通环境中进行，如今人们的生活相对规率，在日常生活中在固定路线上的出行更为普遍，本文选择固定路线提取的驾驶道路信息作为研究数据源，它可以减少模型使用的数据量，提高工作效率，并确保每个路线上的多个数据都不是重点。根据研究需要，使用配备有高精度全球定位系统（GPS）的试验车来获取包括车速在内的道路驾驶数据的周期信息。本文选择的路线应该是该地区人口常用的驾驶路线。为了便于提取实验数据，单程旅行计划被往返行程计划代替，该计划也可以反映路线的车速特性。由于不允许在城市道路上进行改装车实验，因此，选取燕山大学校内的部分路段作为实验路线，该路段也是学校家属区老师经常的固定行车路线。实验选择的路线的特点是，道路上有许多行人和减速带，交通流量小，车辆行驶速度不得超过60 km/h。在这样的路线上执行驾驶循环，并使用实验设备提取该路线的车速和GPS位置信息。测试车辆从起点开始行驶并返回初始位置，生成行驶轨迹并收集车速。在实验数据提取时，需要注意的是，应该以固定的时间间隔提取和提取固定步长的车速，这有利于降低数据的复杂度，消除重复数据，提高后续的预测效率，这为构建预测模型铺平了道路。
结果
文中展示了车速预测的评估结果，总结了所采用的5种预测模型在固定路线、不同预测步长下的预测精度表现。在保证单一预测模型使用的部分参数与所提出的MBNN组合预测模型中的参数一致的情况下，证明了MBNN组合预测模型可以有效提高预测精度。本文总结了预测模型5s 内3组实验车速预测仿真的预测精度表现。以第一组预测表现为例，单一BP预测模型和Markov预测模型5s内的RMSE是2.3775 m/s和2.2123 m/s, 而三种MBNN组合预测模型5s内的RMSE表现分别是1.788 m/s、1.542 m/s 和1.5366 m/s，相比于单一预测模型提升幅度大约在21%、32%和33%。总体上，MBNN组合预测模型可以提高28.7%的精度，另两组实验车速也有着类似的效果。从结果的规律中可以看出，在较小的预测步长内，预测模型的精度相差不大，但随着预测步长的延长，MBNN组合预测算法的精度优势就会越来越大。
结论
为了提高新能源汽车的能量管理效果，本文研究了控制策略中的车速预测问题。进行了固定路线车速实验，设计了一套道路行驶周期提取方法；分析了BP神经网络和Markov预测模型的预测效果，发现尽管可以通过单个预测模型来实现固定路线的速度预测，但是由于预测精度有限，仅通过调试单个预测模型难以获得更好的预测效果；提出了一种基于BP神经网络和Markov预测算法的改进预测方法，设计了三种组合预测模型。预测结果表明，由三个MBNN模型获得的预测速度曲线更好地遵循了实际速度曲线的变化状态，并减小了预测误差的波动；最后，从泛化能力和准确性的角度，通过RMSE评估了MBNN的预测精度， 5 s内的RMSE性能分布在12 m / s之间。与单一预测模型相比，MBNN预测模型平均可将精度提高25.3％，证明了MBNN预测模型具有明显的精度提升优势。综上所述，设计的组合预测模型可以充分发挥Markov和BP神经网络的预测优势，将在新能源汽车的速度预测和能量优化中发挥重要作用。
前景与应用
随着智能交通与车辆驾驶数据信息化的发展，在新能源汽车能量管理策略中考虑未来车速信息的影响有利于改善驾驶车辆的经济性，使用随机预测和机器学习等预测算法可以成功的预测未来车速，而为了获得更准确的预测结果，仍然需要开展更多的研究工作。本文提出了一种组合预测模型可以在一定程度上提高预测精度，为车速预测算法的开发与应用提供了一些参考。
相关文章/图书推荐
[1] Zhang F, Hu X, Langari R, Cao D. Energy management strategies ofconnected HEVs and PHEVs: Recent progress and outlook, Progess in Energy andCombustion Science, 2019, 73: 235-256.
[2] Xie S, Hu X, Qi S, Tang X, Lang K, Xin Z, James B. Model predictiveenergy management for plug-in hybrid electric vehicles considering optimalbattery depth of discharge. Energy, 2019, 173: 667-678.
[3] Zhang L, Liu W, Qi B.Energy optimization of multi-mode coupling drive plug-in hybrid electricvehicles based on speed prediction, Energy, 2020. 118126
团队带头人介绍
张利鹏，教授，博士生导师。2011年博士毕业于北京理工大学电动车辆国家工程实验室，2017年清华大学汽车安全与节能国家重点实验室博士后出站，主要从事智能车辆动力学与控制、新能源汽车复合传动、驾驶员认知与人机共驾等领域的理论和技术研究。在相关领域发表学术论文70余篇，其中SCI收录21篇，EI收录38篇；申请专利17项，已获授权发明专利8项，实用新型专利4项，软件著作权2项；作为项目负责人承担国家自然科学基金2项、国家博士后科学基金2项、河北省和山东省自然科学基金3项，其它科技计划项目和企业横向课题10余项；参研国家重大科技计划项目等纵向课题10余项；获得省部级科技奖励3项，获得机械工程学报高影响力论文奖和优秀论文奖各1项；多次获评《机械工程学报》编辑部优秀审稿专家。
作者或团队研究方向介绍
燕山大学电动汽车智能驱动与协同控制课题成立于2016年，课题组现有教授1人，副教授1人，高级实验师1人，博士后/讲师/实验师3人，在读研究生10余人。该课题组面向汽车产业的智能化与电动化发展需求，以智能电动汽车为主要研究对象，围绕车辆动力学与控制、新能源汽车复合传动、驾驶员行为认知与人机共驾等核心技术，开展了比较深入的理论与试验研究，并逐渐在电动轮驱动汽车集成设计与底盘协同控制和纯电驱动系统创新设计与优化控制等方面形成了自己的特色。
近两年团队发表文章
[1] ZhangL, Liu W, Qi B. Energy optimization of multi-mode coupling drive plug-in hybridelectric vehicles based on speed prediction, Energy, 2020. 118126
[2]Zhang Lipeng, Yang Liuquan, Guo xiaobin,Yuan Xinmao. Stage-by-phase multivariable combination control for centralizedand distributed drive modes switching of electric vehicles[J]. Mechanism andMachine Theory, 2020, 147: 103752.
[3] Zhang Lipeng, Pang Zhaowen, Wang Sheng,Zhang Silong, Yuan Xinmao. Electromechanical composite brake control for twoin-wheel motors drive electric vehicle with single motor failure[J].Proceedings of the Institution of Mechanical Engineers, Part D: Journal ofAutomobile Engineering, 2020, 234(4): 1057–1074.
[4]Zhang Lipeng, Liu wei, Qi bingnan.Innovation design and optimization management of a new drive system for plug-inhybrid electric vehicles[J]. Energy, 2019, 186: 115823.
[5]Zhang Lipeng, Zhang Silong, Zhang Wei.Multi-objective Optimization Design of In-wheel Motors Drive ElectricVehicle Suspensions for Improving Handling Stability[J]. Proceedings of theInstitution of Mechanical Engineers, Part D: Journal of Automobile Engineering,2019, 233(8): 2232–2245.
[6]张利鹏,任晨辉, 李韶华.轮毂电机驱动汽车侧向稳定性底盘协同控制[J]. 机械工程学报, 2019, 55(22): 153-164.
[7]祁炳楠,王胜, 张思龙，任晨辉, 张利鹏. 基于能量法的分布式驱动电动汽车防侧翻控制[J], 机械工程学报, 2019,55 (22):183-192
[8]张利鹏,王胜, 袁心茂.分布式驱动智能汽车对开坡道起步双重转向控制[J]. 机械工程学报, 2019, 55(20): 205-213.
[9]张利鹏,贾启康, 刘威,赵玉琴. 基于驾驶意图识别的多模耦合驱动系统能量管理[J]. 机械工程学报, 2019, 55(18): 112-124.
[10]张利鹏,董闯闯, 张伟,庞诏文, 张思龙,贾启康. 电动汽车对开坡道双模耦合驱动控制研究[J]. 中国机械工程, 2018, 29(15): 1788-1795.
[11]Zhang Lipeng, Li Liang, Qi Bingnan.Rollover prevention control for a four in-wheel motors drive electric vehicleon an uneven road[J]. SCIENCE CHINA, Technological Sciences, 2018, 61(6):934-948
[12]张利鹏, 谷定杰, 祁炳楠, 董闯闯. 电动汽车双模耦合驱动系统变模冲击抑制方法[J]. 机械工程学报, 2018, 54(08): 165-176
编辑：李楠 校对：张强
寻觅合作伙伴
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。
感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！
版权声明：
本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！
在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!
联系我们：
联系人：暖暖
电话：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
