A short-term vehicle speed condition real-time prediction method based on interaction between a vehicle ahead and a current vehicle, comprising the following steps: obtaining historical vehicle speed and following distance information of a current vehicle and a vehicle ahead, and extracting valid data; constructing a future vehicle speed prediction model based on an artificial neural network; performing off-line training on the constructed future vehicle speed prediction model; predicting a future vehicle speed of the current vehicle online; implementing adaptive learning of a vehicle speed prediction neural network; calculating a torque requirement according to a predicted short-term vehicle speed; and calculating optimal torque distribution according to the torque requirement and a dynamic programming algorithm. According to the method, an artificial neural network method is used for predicting a short-term vehicle speed of a current vehicle, thereby improving the accuracy of vehicle speed prediction; the predicted short-term vehicle speed of the vehicle is applied in an energy management control strategy to improve the fuel economy.

    Un procédé de prédiction en temps réel de condition de vitesse d'un véhicule à court terme, basé sur l'interaction entre un véhicule précédent et un véhicule actuel, comprend les étapes suivantes consistant à : obtenir la vitesse historique d'un véhicule et suivre les informations de distance d'un véhicule actuel et d'un véhicule précédent, puis extraire les données valides ; construire un modèle de prédiction de vitesse de véhicule future d'après un réseau neuronal artificiel ; effectuer un apprentissage hors ligne sur le modèle de prédiction de vitesse de véhicule future construit ; prédire une vitesse future du véhicule actuel en ligne ; mettre en œuvre l'apprentissage adaptatif d'un réseau neuronal de prédiction de vitesse de véhicule ; calculer une exigence de couple en fonction d'une vitesse de véhicule à court terme prédite ; et calculer une distribution de couple optimale en fonction de l'exigence de couple et d'un algorithme de programmation dynamique. Selon l'invention, un procédé de réseau neuronal artificiel est utilisé pour prédire une vitesse de véhicule à court terme d'un véhicule actuel, ce qui permet d'améliorer la précision de prédiction de vitesse du véhicule ; la vitesse à court terme prédite du véhicule est appliquée dans une stratégie de commande de gestion d'énergie pour améliorer la consommation de carburant.

    一种基于前车与自车互动的短期车速工况实时预测方法,包括以下步骤:获取自车和前车历史车速、车距信息,并提取有效数据;构建基于人工神经网络的未来车速预测模型;对构建的未来车速预测模型进行离线训练;在线预测自车的未来车速;实现车速预测神经网络的自适应学习;根据预测的短期车速计算扭矩需求;根据转矩需求和动态规划算法计算最优转矩分配。该方法运用人工神经网络方法对自车短期车速进行预测,提高车速预测的准确度;并将预测出的汽车短期车速运用到能量管理控制策略中,提高燃油经济性。


    Access

    Download


    Export, share and cite



    Title :

    SHORT-TERM VEHICLE SPEED CONDITION REAL-TIME PREDICTION METHOD BASED ON INTERACTION BETWEEN VEHICLE AHEAD AND CURRENT VEHICLE


    Additional title:

    PROCÉDÉ DE PRÉDICTION EN TEMPS RÉEL D'UNE CONDITION DE VITESSE D'UN VÉHICULE À COURT TERME D'APRÈS UNE INTERACTION ENTRE UN VÉHICULE PRÉCÉDENT ET UN VÉHICULE ACTUEL
    一种基于前车与自车互动的短期车速工况实时预测方法


    Contributors:
    SUN CHAO (author) / LI JUNQIU (author) / SUN FENGCHUN (author) / GUO TINGTING (author) / LI XIA (author) / SUN HAIDI (author)

    Publication date :

    2021-06-03


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    Chinese


    Classification :

    IPC:    G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen




    Ego-Vehicle Speed Prediction with Walk-Ahead

    Matesanz, Philip / Tempelmeier, Nicolas / Nolting, Michael et al. | IEEE | 2022


    Short-time vehicle speed prediction method, vehicle controller and readable storage medium

    YAN TING / SONG KANG / ZHOU QUANYU et al. | European Patent Office | 2024

    Free access


    Short-Term Vehicle Speed Prediction Based on Back Propagation Neural Network

    Niu, Chaofan / Song, Dafeng / Ning, Jing et al. | SAE Technical Papers | 2021