基于车联网数据的坡度预测研究  

作　　者：叶宇[1] 范超群 陈华晟 桑海浪[1] 邓小超 潘明章 

机构地区：[1]广西玉柴机器股份有限公司,广西玉林537005 [2]玉柴芯蓝新能源动力科技有限公司,广西南宁530000 [3]广西大学机械工程学院,广西南宁530004

出　　处：《装备制造技术》2023年第6期23-26,共4页Equipment Manufacturing Technology

基　　金：广西重点研发计划(桂科AB21220059);广西重点专项(AA22067061)。

摘　　要：道路坡度信息作为车辆行驶中动力性、经济性和智能化控制中的重要部分,其良好的预测精度对车辆的能量管理、制动辅助及预测性驾驶控制策略的制定具有重要作用,在道路规划、车辆导航中具有重大的应用价值,为智能导航、智能交通系统等提供数据支撑。为实时计算车辆行驶过程中的坡度状况,该研究采用来自车联网车辆实时采集的车速和GPS信息对车辆运行过程中坡度情况进行估计。考虑到坡度计算结果具有实时性且短时内对先前坡度信息具有一定的依赖。在坡度估计信息的基础上,构建了基于长短期记忆模型(LSTM)的坡度预测模型。为验证所提出的坡度估计方法及预测模型的有效性,利用一半挂车的自然驾驶数据对坡度进行估计计算,并将其作为预测模型的数据基础,利用基于LSTM的坡度预测模型进行对应的模型构建、参数初始化、训练及预测,并将预测结果与GRU模型进行对比。结果表明,所提出的坡度估计方法能有效地对车辆行驶过程中的坡度情况进行实时估计,采用基于LSTM的坡度预测模型对道路坡度预测具有较高的预测精度,其均方根误差和平均绝对误差分别为16.71和3.38,均优于GRU模型。

关 键 词：实时坡度估计 长短期记忆模型 坡度预测 

分 类 号：U467[机械工程—车辆工程]