首页|考虑驾驶行为预判的改进ARIMA车速短期预测方法

考虑驾驶行为预判的改进ARIMA车速短期预测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
提高车速预测精度是制定车辆预测能量管理控制策略的关键.而采用传统ARI-MA模型(autoregressive integrated moving average model)恒定阶数预测的方法预测车速,在车辆非平稳工况下的累积预测误差较大,无法满足各个驾驶行为下的车速预测需求.针对这一问题,提出一种基于驾驶行为预判的改进ARIMA车速短期预测方法.首先,基于扩展卡尔曼滤波EKF(extended kalman filter)原理建立车辆3自由度车速估计模型,实现车速的最优估计;其次,将驾驶行为分为直行、变道和转弯3类,离线训练BP神经网络(back propagation neural net),结合定阶ARIMA方向盘转角和车速预测实现车辆驾驶行为预判;最后,依据驾驶行为预判结果在线修正ARIMA模型阶数,实现车速变阶ARIMA预测;基于实车数据在Matlab仿真环境下进行仿真分析,结果表明:在各驾驶行为发生期间,车速ARIMA模型变阶预测与定阶预测相比,预测精度提高了48.1％.该方法可为提高车辆的预测控制和能量预分配提供参考.
An improved ARIMA speed short-term prediction method based on driving behavior prediction

郭兴、马彬、杨朝红、李卓、陈勇

展开 >

北京信息科技大学 机电学院,北京 100192

新能源汽车北京实验室,北京 100192

北京电动车辆协同创新中心,北京 100192

北京交通职业学院 汽车工程系,北京 102618

展开 >

车速预测 扩展卡尔曼滤波 ARIMA模型 BP神经网络

国家自然科学基金北京市自然科学基金北京市自然科学基金北京信息科技大学科研水平提高重点培育项目

51608040317404931120052020KYNH203

2022

10.3969/j.issn.1674-8425(z).2022.01.006

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2022.36(1)
  • 4
  • 13