具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。

在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。

实施例：

第一方面，如图1所示，本发明实施例公开了一种基于大数据的车辆行驶控制方法，所述方法包括以下步骤：

步骤1：对车辆行驶路径进行导航规划，所述导航规划包括获取车辆的行驶起点和到达终点，并对起点和终点行驶路径的推荐，推荐方法可以是最短路径法；

步骤2：获取车辆数据及行驶数据，以及道路通行数据。所述车辆数据包括车辆的位置、行驶起点和到达终点，当前行驶速度，行驶规划路径，所述道路通行数据包括车辆行驶路径上的红绿灯或者交通路口的数据等；

步骤3：根据车辆数据及行驶数据控制车辆的行驶。该步骤中，包括对车辆行驶速度的控制。

假设某个大数据能够采集到的道路区域内有N台车辆，其中用P表示车辆所在的位置，即pi表示第i台车辆当前所处的位置pi(x,y)，更为一般地，其位置可以表示为pi(x,y,z)，用V表示车辆的速度，vi表示第i台车辆的速度，注意到，v是一个带方向的矢量，用U表示车辆在其导航路径道路上下一个交通路口的位置，ui表示第i台车辆行驶道路上下一个红绿灯路口的位置，用G表示车辆导航终点的位置，gi表示第i台车辆终点的位置。那么对于该道路区域内，所有车辆的当前位置可以表示为P＝(p1,p2,p3……,pN)，所有车辆的当前速度可以表示为：

V＝(v1,v2,v3……,vN)，其下一个红绿灯的位置可以表示为：U＝(u1,u2,u3……,uN)，终点位置G＝(g1,g2,g3……,gN)。

那么车辆i行驶到下一个红绿灯路口的平均行驶速度vi’可以用以下方式计算得到：

vi'＝α*vi+β+χ上式中，α，β，x为加权系数。Vi与vi’均小于vi max,vi max表示当前位置与下一个红绿灯之间的道路的最高限速。

其中，α是与经济油耗有关的加权系数，更为一般地，每台车辆的经济油耗均不相同，及第i台车的经济油耗加权系数为αi，优选地,αi是变量而非常量。实验表明，相对于固定加权常数值而言，

是最合理的加权方案。其中，μ为该车辆的燃油消耗率，k为该车辆发动机的摩擦系数，对于以燃油或者cng压缩天然气为动力的车辆而言，ω(t)为t时刻，即当前时刻该车辆发动机的转速，d为该车辆的发动机排量，对于以电能为动力的新能源汽车而言，ω(t)d可以理解为该车辆的发动机当前的电机功率，可以用一个参数表示，例如θ(t)，R(t)为该车辆当前的行驶阻力，行驶阻力可以理解为外部阻力，例如风阻及车辆与道路路面的摩擦阻力，Ri为该车辆的固定阻力常数，例如，可以用风阻系数*该车辆的横截面积计算得到，R(t)值可以包括风阻和摩擦阻力。

C1和c2是常数，C2一般取值为1500-2500之间，可以与车型有关，例如对于大型车辆而言，c2的值可以是1500,1600等，对于suv车型而言，其取值可以是1800，小轿车的取值可以是2000，油电混合车的取值可以是2200，电动车的取值可以是2400,等。

上述取值只是举例，并非限定。C1可以是即该车辆经济油耗加权系数的平均值，该平均值可以通过该车辆之前所有的行驶过程中所计算得到的αi的平均，在实践中过程中，也可以取固定值，例如c1的取值在220-300之间，例如，220,250,280,300等。车型对c1的影响不大，发动机的功耗因素对c1的影响较大，因此，c1可以是与发动机功率相关的常数值，因为对于一个具体的车辆而言，其发动机功率是固定的，因此，c1可以是与该发动机功率有关的常数。

β值是与道路数据有关的加权值，如：

上式中，ui-pi并不代表绝对距离的减法，而是ui与pi之间的道路距离，本领域的技术人员应当理解，道路距离不小于ui与pi之间的绝对距离，因为绝对距离是一条直线线段，而道路可能存在坡度或者弯道，本发明中，用绝对值符号表示两点之间的直线距离，例如|ui-pi|表示ui与pi之间的绝对距离，即直线距离。同理，gi-pi也不代表gi与pi之间的绝对距离，而是代表第i台车辆的行驶道路上pi与gi之间所有红绿灯路口之间的道路距离，而如图2所示，途中pi-ui表示pi与ui之间道路的长度，即虚线所示的曲线的长度。而gi-pi表示沿虚线所示的导航路径的道路长度，即所有曲线的长度之和，而|gi-ui|表示gi与ui之间的直线距离。

当车辆i到达ui时，此时的ui变成pi，而下一个红绿灯路口的位置变成了ui，如此更新pi与ui。Tui是ui所在路口的红绿灯变化周期，例如70秒，90秒等，每一个路口的红绿灯变化周期都不一样。Mui表示ui所在的路口道路上与行驶规划路径一致的车道数量。

意味着ui与pi之间的道路距离足够长，因此在保证安全的前提下可以对车辆进行速度的增加；而则意味着如果按照当前速度行驶，则在ui所在的道路路口的红绿灯可能会发生变化。如果正好能够赶上该路口的绿灯，则对该车辆进行加速，否则对其进行减速χ是与道路拥堵状况有关的加权系数。

其中，J为ui与gi之间的交通路口数量，注意到，车辆i在行驶路径上行驶，其剩余路径上的交通路口数量在不断减少，因此J是不断变化的，但对于某一时刻而言，J值又是固定的。u_i+1表示车辆i行驶道路上的下下一个路口的位置，ei表示ui所在位置的路口的拥堵系数，取值可以是不为0数值，拥堵程度超过一定的阈值，则ei为负数，否则ei值为正数，越拥堵，则ei的负数值越大，越不拥堵，ei的正数值越大。注意到χ是一个综合和值，即，综合考虑了剩余路径上每一条道路的拥堵程度。

综上可知，vi'＝α*vi+β+χ中,α*vi对vi’的影响因素最大，这一点也是符合实际情况的，在路况以及通行状况良好的道路区域内，为了提高道路的通行性和燃油经济性，加权因子α所起的作用最大。而β值则是考虑了离当前车辆最近的红绿灯的通行效率，χ因子的意义在于综合考虑行驶路径上的道路的拥堵程度，用来平衡车速，已达到最优的燃油经济性。在次优的实施方式中，β和x可以为0。

需要说明的是，上述对车辆速度的控制是最优的方案，在具体的路口和道路上，因为行驶环境的不同，需要驾驶员对车辆进行主动控制以保证行驶安全，这属于汽车的主动安全范畴，不在本发明讨论范围之列。

如图3所示，第二方面，一种基于大数据的车辆行驶控制系统，包括：

规划模块，用于对车辆行驶路径进行导航规划，所述导航规划包括获取车辆的行驶起点和到达终点，并对起点和终点行驶路径的推荐；

获取模块，用于获取车辆数据及行驶数据，以及道路通行数据；

处理模块，用于根据车辆数据及行驶数据控制车辆的行驶，所述车辆数据包括车辆的位置、行驶起点和到达终点，当前行驶速度，行驶规划路径，所述道路通行数据包括车辆行驶路径上的红绿灯或交通路口的数据。

第二方面的有益效果与第一方面的有益效果一致，故在此不再赘述。

以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。