摘要： 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ARI MA模型(autoregressiveintegratedmovingaveragemodel)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(extendedkalmanfilter)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(backpropagationneuralnet)，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。

关键词: 车速预测, 扩展卡尔曼滤波, ARIMA模型, BP神经网络

中图分类号: 

• U461