实时地掌握汽车的燃油消耗情况是研究生态驾驶辅助技术,减少油耗和尾气排放的关键。虽然通过汽车的内部传感器可以比较精准地获取到瞬时油耗,但是该方法需要获得不同型号汽车的私有协议并加装相应OBD设备,限制了其适用性。随着智能移动终端的广泛使用,其内嵌的传感器为检测汽车行驶加速度和速度,进而估计汽车油耗提供了新途径。因此,充分利用智能移动终端的传感器数据,建立一种更加可靠、准确地实时估计汽车行驶油耗的方法,对于提高燃油经济性具有重要的实际意义。论文基于移动终端传感器数据,针对加速度传感器感知汽车行驶加速度存在随机噪声和重力分量的问题,研究了道路坡度估计及加速度修正模型,并针对由于加速度积分带来的速度累积误差,提出了一种参考点与GPS相结合的修正方法,最后基于加速度、速度,并考虑道路坡度的影响建立油耗模型以实时估计行驶油耗。主要内容包括:1基于采集到的加速度传感器和陀螺仪数据,建立了基于自适应卡尔曼融合滤波的坡度估计及加速度修正模型,实车实验表明,该算法能较为有效的对加速度传感器数据进行滤波并去除重力分量的影响。2通过对速度累积误差进行分析,针对现有研究在参考点较少时速度估计精度会大大降低的问题,建立了参考点与GPS相结合的速度修正方法,并与现有方法进行对比,实验结果表明本文提出的方法在参考点较少时,速度估计精度优于现有方法。3研究表明,道路坡度对汽车燃油消耗具有很大的影响,而坡度信息难以实时获取,因此在估计油耗时鲜有研究考虑该因素。本文在估计出汽车行驶加速度、速度及道路坡度的基础上,建立PB油耗模型以实时估计油耗。实车对比实验表明,考虑坡度的油耗模型能更好的刻画出汽车的燃油消耗情况。综上所述,本文基于移动终端传感器数据,建立了汽车行驶加速度和速度的估计方法,并在此基础上建立油耗模型实现燃油消耗的实时估计。实验结果表明:论文提出的方法能够正确的估计汽车油耗,且估计精度能够满足实际应用要求。