[发明专利]大数据驱动的分布式驱动电动汽车车速预测方法及系统

权利要求书

1.一种大数据驱动的分布式驱动电动汽车车速预测方法，其特征在于，包括：

根据车辆的样本工况数据构建基于马尔科夫链的初始状态空间；

获取车辆的实时工况数据，并根据所述实时工况数据对所述初始状态空间进行重构，得到重构状态空间；

基于临近代替法，在所述样本工况数据中的离散采样点的集合中确定与当前的所述实时工况数据的离散采样点距离最近的采样点，记为替代采样点，并根据所述替代采样点所处的状态替换当前的所述实时工况数据的状态，得到替换状态空间；

基于最大似然估计法，根据所述替换状态空间得到状态转移概率矩阵；

结合所述状态转移概率矩阵，基于单尺度多步预测方法对预测时域内的车辆未来车速进行预测，得到未来车速状态。

2.根据权利要求1所述的大数据驱动的分布式驱动电动汽车车速预测方法，其特征在于，所述根据车辆的样本工况数据构建基于马尔科夫链的初始状态空间，包括：

提取样本数据库；所述样本数据库中包括多个所述样本工况数据；

统计所述样本工况数据中反映速度和加速度分布的状态变量；

对所述状态变量进行离散化处理，得到离散点；

将所述离散点分配至多个集合中，并将每个集合分别标记状态，并对所有状态分别进行编号；

根据所述集合构建所述初始状态空间。

3.根据权利要求2所述的大数据驱动的分布式驱动电动汽车车速预测方法，其特征在于，所述速度和所述加速度的离散步长分别为1km/h和0.1m/s²。

4.根据权利要求1所述的大数据驱动的分布式驱动电动汽车车速预测方法，其特征在于，在所述样本工况数据中的离散采样点的集合中确定与当前的所述实时工况数据的离散采样点距离最近的采样点的公式为：

d(P_i,P_k)＝min{d(P_i,P_j)}(j＝1,2,...,n)；

其中，P_i为所述实时工况数据的离散采样点；P_j为所述样本工况数据中的离散采样点；i代表样本工况中缺失的状态；d(P_i,P_j)代表所述实时工况数据的离散采样点P_i到所述样本工况的离散采样点P_j的距离；P_k为所述替代采样点。

5.根据权利要求1所述的大数据驱动的分布式驱动电动汽车车速预测方法，其特征在于，所述结合所述状态转移概率矩阵，基于单尺度多步预测方法对预测时域内的车辆未来车速进行预测，得到未来车速状态，包括：

根据所述状态转移概率矩阵确定车辆的初始状态，并获取当前时刻的车速状态；

依据蒙特卡洛理论产生一个随机数；

根据所述初始状、所述当前时刻的车速状态和所述随机数确定所述未来车速状态。

6.一种大数据驱动的分布式驱动电动汽车车速预测系统，其特征在于，包括：

构建模块，用于根据车辆的样本工况数据构建基于马尔科夫链的初始状态空间；

重构模块，用于获取车辆的实时工况数据，并根据所述实时工况数据对所述初始状态空间进行重构，得到重构状态空间；

替换模块，用于基于临近代替法，在所述样本工况数据中的离散采样点的集合中确定与当前的所述实时工况数据的离散采样点距离最近的采样点，记为替代采样点，并根据所述替代采样点所处的状态替换当前的所述实时工况数据的状态，得到替换状态空间；

概率矩阵确定模块，用于基于最大似然估计法，根据所述替换状态空间得到状态转移概率矩阵；

预测模块，用于结合所述状态转移概率矩阵，基于单尺度多步预测方法对预测时域内的车辆未来车速进行预测，得到未来车速状态。