重庆理工大学学报2023，Vol.37Issue(21) ：93-102.DOI:10.3969/j.issn.1674-8425(z).2023.11.010

基于实时车流信息的电动汽车未来行驶工况预测

Prediction of future driving conditions of electric vehicles based on real-time traffic flow information

张毅 黄韬一 刘寅童
重庆理工大学学报2023，Vol.37Issue(21) ：93-102.DOI:10.3969/j.issn.1674-8425(z).2023.11.010
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于实时车流信息的电动汽车未来行驶工况预测

Prediction of future driving conditions of electric vehicles based on real-time traffic flow information

张毅 1黄韬一 1刘寅童2
扫码查看

作者信息

  • 1. 重庆理工大学 车辆工程学院,重庆 400054
  • 2. 重庆长安汽车股份有限公司,重庆 400020
  • 折叠

摘要

在全球能源短缺和污染加重的背景下,新能源汽车领域关键技术成为研究热点.然而纯电动汽车剩余续航里程的不确定性,严重地影响了纯电动汽车的进一步推广.因此,精确地预测车辆未来能耗以确定其剩余行驶里程,具有重大意义.本研究基于实车在环实验平台,将测试车辆的历史行车数据OBD和同时收集的百度API实时车流信息经过预处理和特征参数的提取,再使用EM聚类分析算法将数据分为8 个典型子工况,然后将聚类后的数据用于训练RBF神经网络分类器.根据百度API提供的实时车流信息,采用RBF分类器预测车辆在预定行驶路线上的工况类型和平均能耗,从而精确地预测汽车的剩余电量,即剩余续航里程.

关键词

车辆SOC预测/API/EM聚类分析算法/RBF神经网络分类器

Key words

vehicle SOC prediction/API/EM cluster analysis algorithm/RBF neural network classi-fier

引用本文复制引用

基金项目

重庆市教委青年基金(KJQN202001105)

出版年

2023
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
参考文献量5
段落导航相关论文