考虑驾驶行为预判的改进ARIMA车速短期预测方法

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ARIMA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。