用于评估车辆驾驶风格模型或车辆用法模型检测器的方法

技术领域

本发明涉及一种确定统计模型描述观测车辆的驾驶风格或用法概率的方法。

背景技术

开发混合动力电动汽车的目标在于提高燃油经济性和降低汽车的污染排放物。在设计混合动力车辆时，通过最优化操作和控制策略使得燃油经济性最大化。驾驶风格的统计模型能够为混合动力和非混合动力车辆提供最优化的操作。

发明内容

本发明涉及一种确定统计模型描述观测车辆的驾驶风格或用法概率的方法。通过识别适当的统计模型，可以检测驾驶风格并使车辆操作最优化。该方法可应用于混合动力和非混合动力车辆。

确定统计模型描述观测车辆从时间步长k到当前时刻的驾驶风格概率的方法，也称为通用算法，包括：(a)建立至少一个驾驶风格统计模型，其中，该统计模型为条件概率模型，该条件概率模型描述在给定当前时间步长k的情况下下一时间步长k+1的条件概率；(b)确定驾驶风格或车辆用法的每个统计模型的初始概率分布；(c)确定由每个驾驶风格统计模型正在预测的观测转换的概率；(d)计算解释在未来时间步长k+1所观测车辆的驾驶风格的统计模型概率；其中，所述(c)确定所观测转换的概率和所述(d)计算所述统计模型的概率，这两项在所有时间步长重复，直到当前时刻。

在本发明的另一方面，该方法可以被扩充以确定车辆驾驶风格的最可能统计模型。扩充后的方法称为模型检测算法。这可以对划分为城市、公路、强劲等的驾驶风格进行检测。例如，扩充后的方法可以用于以非常高的可信度区分公路与城市驾驶。

结合附图，通过以下对实施本发明的最佳方式的详细描述将容易理解本发明的以上目的、特征、优点以及其他目的、特征和优点。

附图说明

图1是显示用于描述观测车辆的驾驶风格通用算法的元素的示意性流程图；

图2是显示对模型检测算法的输入与输出的示意性流程图；以及

图3是显示模型检测算法的元素的示意性流程图。

具体实施方式

本发明涉及一种确定统计模型描述观测车辆的驾驶风格或用法概率的方法。这种方法在此称之为“通用算法”。图1是显示该通用算法的元素的示意性流程图。

通用算法

确定统计模型描述观测车辆从时间步长k到当前时刻的驾驶风格概率的方法，该方法包括：(a)建立至少一个驾驶风格统计模型，其中，该统计模型为条件概率模型，该条件概率模型描述在给定当前时间步长k的情况下下一时间步长k+1的条件概率；(b)确定驾驶风格或车辆用法的每个统计模型的初始概率分布，如方框102所示；(c)确定通过每个驾驶风格统计模型预测的观测转换的概率；(d)计算解释所观测车辆在未来时间步长k+1驾驶风格的一个统计模型的概率；其中(c)确定观测转换的概率，(d)计算所述统计模型的概率，这两项对所有时间步长重复，直到当前时刻。(c)和(d)项如方框104所示。

以下描述(a)到(d)项。(a)到(d)项不必要按介绍的顺序执行。

该方法包括建立几种驾驶风格的车辆用法的统计模型。车辆的统计模型由代表特定风格的驾驶采样形成。这些样品最少包括随时间变化的车速。然而，额外的信息，如地理位置，运行时间(time on)，道路坡度和交通状况都可以考虑。由该信息建立起描述在给定当前时间步长的情况下在下一时间步长的条件概率的条件概率模型。

因此，每个驾驶风格的统计模型都是条件概率模型，该条件概率模型描述在给定所述时间步长k的车速v_k的情况下，在时间步长k+1具有车速v_k+1的概率P。

该方法进一步长包括(b)确定驾驶风格或车辆用法的每个统计模型的初始概率分布，即，初始化驾驶风格或车辆用法的每个统计模型的概率P_mdl，1，其中具有N个模型。Π₀为初始概率分布，它对每个统计模型都是预先确定的。Π₀是一个包含与驾驶风格相匹配的任何模型初始概率的向量。实际上，通常设置该向量以使得每一个元素都等于1/N，其中N为正被检测的不同模型的数目。在这种情况下，每个统计模型都会具有与观测车辆的驾驶风格相匹配的等概率。

$$ >>>P>>md>>l>1>>,>1>>>=>>\Pi >0,1>>>$$