一種基于機動車行駛模式的道路交通能耗量化方法
【專利摘要】一種基于機動車行駛模式的道路交通能耗量化方法，對原始數(shù)據(jù)進行必要的預(yù)處理，并將機動車的一次完整的行駛旅程劃分為多個長為3分鐘的行駛片段，不足3分鐘的略去；以行駛片段為單位，從不同的角度提取與機動車能耗密切相關(guān)的中觀行駛參數(shù)，構(gòu)造可準確量化機動車行駛狀態(tài)的特征向量；通過聚類分析得到典型的機動車行駛模式，其中每一種行駛模式都代表一類具有相同能耗水平的行駛狀態(tài)，行駛模式反映了機動車能耗水平的聚集現(xiàn)象；分析不同中觀可測交通參數(shù)下的行駛模式分布規(guī)律，建立基于這些交通參數(shù)的道路交通能耗量化方法。本發(fā)明每種行駛參數(shù)都從不同的角度量化機動車當前的行駛狀態(tài)，相對傳統(tǒng)的僅考慮一直綜合參數(shù)的方法，準確率高，泛化能力強。
【專利說明】 一種基于機動車行駛模式的道路交通能耗量化方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于機動車行駛模式的道路交通能耗量化方法，屬于機動車能耗測量【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]近年來，我國經(jīng)濟快速發(fā)展，機動車保有量連年持續(xù)快速增加，由此引發(fā)的交通能耗以及環(huán)境污染已成為不可忽視的問題。目前交通領(lǐng)域針對道路能耗的研究多以小樣本量的數(shù)據(jù)為基礎(chǔ)，通過交通理論來解釋能耗變化的規(guī)律，考慮到城市交通的復(fù)雜性，小樣本量的數(shù)據(jù)難以包含全部信息，大部分的能耗計算模型都存在準確率不高、泛化能力不強的問題。
[0003]美國的MOVES (Motor Vehicle Emission Simulator)模型在能耗以及排放的計算上應(yīng)用比較廣泛，其在計算過程中綜合考慮了車輛的工況分布、行駛特征、氣象以及燃油類型等信息，目前已應(yīng)用在了美國除加州以外的所有地區(qū)，但由于其對本地信息的依賴導(dǎo)致其很難在其他地區(qū)取得廣泛應(yīng)用。除環(huán)保部門外，一些汽車廠商及科研機構(gòu)也基于功率需求或回歸分析的方法建立了多種不同的能耗計算模型，如伊利諾伊大學(xué)的Raghu K.Ganti等人建立的用于環(huán)保導(dǎo)航的能耗計算模型，為了得較高的準確率，這一類模型一般需要詳細的道路參數(shù)以及行駛參數(shù)的支持，復(fù)雜度較高。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的技術(shù)解決問題:克服現(xiàn)有技術(shù)的不足，提供一種基于機動車行駛模式的道路交通能耗量化方法，這種方法準確率及實時性較高、泛化能力及擴展能力強，可在特大城市的復(fù)雜路網(wǎng)中推廣應(yīng)用。
[0005]本發(fā)明的技術(shù)解決方案:一種基于機動車行駛模式的道路交通能耗量化方法，通過以下步驟實現(xiàn):
[0006](I)對原始數(shù)據(jù)進行預(yù)處理，將機動車的一次完整的行駛旅程劃分為多個長為3min的行駛片段，不足3min的略去；
[0007](2)以行駛片段為單位，計算機動車在此片段上的中觀行駛參數(shù)，所述中觀是相對瞬時速度微觀參數(shù)而言的，所述中觀行駛參數(shù)包括平均速度、加速度噪聲、平均加速度、平均減速度、加速時間比例、減速時間比例、怠速時間比例、平均汽車比功率VSP和速度方差9個參數(shù)；基于所述中觀行駛參數(shù)構(gòu)造量化機動車行駛狀態(tài)的特征向量，然后通過主成分分析技術(shù)來降低特征向量的維度構(gòu)造出新的特征向量；
[0008]所述汽車比功率(Vehicle Specific Power)是一種速度、加速度等變量值的計算量，其物理意義為發(fā)動機移動車輛所需要輸出的功率，單位為kw/t。其計算公式如下:
[0009]VSP = V X (1.1 X a+0.132)+0.000302Xv3，其中 V 為瞬時速度，a 為瞬時加速度；
[0010](3)以步驟⑵構(gòu)造的特征向量為輸入，以特征向量之間的距離作為相似度度量函數(shù)進行聚類分析，聚類分析采用可自動發(fā)現(xiàn)聚類數(shù)目的XMeans算法，在聚類分析過程中以貝葉斯信息準則為指導(dǎo)，不同類簇的聚類中心即代表不同的行駛模式，以特征向量表示，通過聚類總共得到了 10種典型的行駛模式，其中每一種行駛模式都代表一類具有相同能耗水平的行駛狀態(tài)，行駛模式反映了機動車能耗水平的聚集現(xiàn)象；所述10種典型的行駛模式所對應(yīng)的特征值如下表:
[0011]通過聚類得典型的行駛模式，其中每一種行駛模式都代表一類具有相同能耗水平的行駛狀態(tài)，行駛模式反映了機動車能耗水平的聚集現(xiàn)象；所述10種典型的行駛模式所對應(yīng)的特征值如下表:
[0012]10種典型的行駛模式所對應(yīng)的特征值
[0013]
【權(quán)利要求】
1.一種基于機動車行駛模式的道路交通能耗量化方法，其特征在于通過以下步驟實現(xiàn): (1)對原始數(shù)據(jù)進行預(yù)處理，將機動車的一次完整的行駛旅程劃分為多個長為3min的行駛片段，不足3min的略去； (2)以行駛片段為單位，計算機動車在此片段上的中觀行駛參數(shù)，所述中觀是相對瞬時速度微觀參數(shù)而言的，所述中觀行駛參數(shù)包括平均速度、加速度噪聲、平均加速度、平均減速度、加速時間比例、減速時間比例、怠速時間比例、平均汽車比功率VSP和速度方差9個參數(shù)；基于所述中觀行駛參數(shù)構(gòu)造量化機動車行駛狀態(tài)的特征向量，然后通過主成分分析技術(shù)來降低特征向量的維度構(gòu)造出新的特征向量； (3)以步驟(2)構(gòu)造的特征向量為輸入，以特征向量之間的距離作為相似度度量函數(shù)進行聚類分析，聚類分析采用可自動發(fā)現(xiàn)聚類數(shù)目的XMeans算法，在聚類分析過程中以貝葉斯信息準則為指導(dǎo)，不同類簇的聚類中心即代表不同的行駛模式，以特征向量表示，通過聚類總共得到了 10種典型的行駛模式，其中每一種行駛模式都代表一類具有相同能耗水平的行駛狀態(tài)，行駛模式反映了機動車能耗水平的聚集現(xiàn)象；所述10種典型的行駛模式所對應(yīng)的特征值如下表: 通過聚類得典型的行駛模式，其中每一種行駛模式都代表一類具有相同能耗水平的行駛狀態(tài)，行駛模式反映了機動車能耗水平的聚集現(xiàn)象；所述10種典型的行駛模式所對應(yīng)的特征值如下表:
2.根據(jù)權(quán)利要求1所述的基于機動車行駛模式的道路交通能耗量化方法，其特征在于:所述加速度噪聲反映了道路交通流運行的流暢程度，計算公式如(I)所示:
3.根據(jù)權(quán)利要求1所述的基于機動車行駛模式的道路交通能耗量化方法，其特征在于:所述步驟(3)聚類分析的具體實現(xiàn)過程如下: Stepl.指定聚類數(shù)目k范圍[kmin, kmax],并初始化k = kmin ； Step2.從步驟⑵中提取的數(shù)據(jù)集EV中隨機選取k個數(shù)據(jù)點U1, U2, u3...Uk作為初始聚類中心； 其中EV是步驟(2)中通過主成分分析得到的特征向量的集合；Step3.對于數(shù)據(jù)集EV中的每一個數(shù)據(jù)點Xi，根據(jù)相似度判定其所屬的類簇，
【文檔編號】G06F19/00GK104008647SQ201410262406
【公開日】2014年8月27日 申請日期:2014年6月12日 優(yōu)先權(quán)日:2014年6月12日
【發(fā)明者】黃堅, 李四洋, 周曉華, 呂衛(wèi)鋒 申請人:北京航空航天大學(xué)