CN104118328B - 基于综合变量的汽车能耗率估计设备和方法 - Google Patents
基于综合变量的汽车能耗率估计设备和方法 Download PDFInfo
- Publication number
- CN104118328B CN104118328B CN201310151722.2A CN201310151722A CN104118328B CN 104118328 B CN104118328 B CN 104118328B CN 201310151722 A CN201310151722 A CN 201310151722A CN 104118328 B CN104118328 B CN 104118328B
- Authority
- CN
- China
- Prior art keywords
- history
- microcosmic
- running data
- data
- grade
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
提供了一种用于估计汽车的能耗率的设备，包括：历史数据获取单元，被配置为获取历史微观行驶数据和历史中观行驶数据；历史数据归类单元，被配置为将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类；以及能耗率计算单元，被配置为基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率。还提供了一种用于估计汽车的能耗率的方法。本发明引入了综合变量并将中观数据和微观数据相结合，从而能够更加精确地估算车辆在不同等级道路上的能量消耗率。
Description
技术领域
本申请涉及汽车领域，具体涉及一种用于估计汽车的能耗率的设备和方法。
背景技术
随着燃油车造成的环境污染日益严重，电动车以其零污染、低噪音、高能效比、易维护等特点受到了越来越多的关注。但是，由于电池容量有限，电动车的路径规划、行驶范围估计等应用都受到剩余电量的限制。在电动车的行驶过程中，驾驶员希望能随时了解剩余电量的情况。
电动汽车在行驶过程中的能量消耗是由能量消耗率和行驶时间决定的。同时，电动汽车的能量消耗率常常受到相关参数的影响而发生变化，如行驶速度、加减速状态、道路坡度和空气阻力等。基于电动汽车的历史行驶数据研究行驶参数与电动汽车的能耗率之间的关系，可以帮助驾驶员及时了解并预测电动汽车的电池状态，从而提前做好出行规划。
参考文献1(CN102745201A，标题为“一种电动汽车剩余里程估算方法”)提出了一种估算电动汽车剩余行驶里程的方法，基于电动汽车的行驶数据估算电动汽车每公里的能耗率。具体地，图1示出了该方法的流程图。
如图1所示，参考文献1中提出的方法10在步骤S110处开始。之后，在步骤S120，获取车辆的历史行驶数据，包括加速、减速信息、行驶速度和能量消耗。这些数据的采集频率大多在一分钟到五分钟之间，属于中观数据。基于这些数据，可以计算得到每条道路的加减速频率。
在步骤S130，基于历史行驶数据来计算每条道路的平均速度。在步骤S140，基于加、减速频率及平均速度，可以确定车辆所行驶的道路模式(包括城市模式、乡村模式和高速模式)。
在步骤S150，基于速度和加、减速状态，系统可以判断车辆的操作模式(包括加速模式、减速模式、匀速模式和怠速模式)。在步骤S160，基于道路模式和操作模式对车辆的行驶数据进行分类。
在步骤S170，基于划分出的行驶数据的不同类别，可以分别计算出在每类道路模式及操作模式下每公里的平均能量消耗(即每公里能耗率)。最后，方法10在步骤S180处结束。
然而，上述方法仅仅根据车辆的历史中观数据估算每公里能耗率，由于中观数据的采集频率较低，导致能耗率的估算精度不高。另外，该方法没有考虑实际交通状况、车辆重量、道路坡度和空气阻力等对能耗率的影响。因此，该方法无法准确地估计车辆在实际行驶环境下的能量消耗率。
发明内容
为了解决上述技术问题，本发明将中观数据和微观数据相结合，以提高能耗率的估算精度。中观数据是指采集频率较低的数据(如每隔1分钟或5分钟采集一次的数据)。目前的车辆行驶数据大多属于中观数据，如出租车的行驶数据。中观数据容易得到，数据量大，可以反映道路的整体情况，但不够精确。微观数据是指采集频率较高的数据(如每隔1秒或0.1秒采集一次的数据)。微观数据通常在实验室环境中得到，或者通过测试车得到。微观数据精度高，但不易采集，数据量小。
本发明选择与能量消耗具有较强相关性的综合变量，并基于车辆的微观行驶数据建立了综合变量与能量消耗的关系模型。然后，基于中观行驶数据计算综合变量在不同道路等级上的分布情况。最后，可计算出车辆在不同等级道路上的能量消耗率。
根据本发明的第一方面，提供了一种用于估计汽车的能耗率的设备，包括：历史数据获取单元，被配置为：获取历史微观行驶数据和历史中观行驶数据；历史数据归类单元，被配置为：将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类；以及能耗率计算单元，被配置为：基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率。
优选地，所述历史微观行驶数据包括每个微观时间片段的加速度和速度数据，所述历史中观行驶数据包括每个中观时间片段的加速度和速度数据。
优选地，所述等级包括道路等级或区域等级。
优选地，所述能耗率计算单元包括：综合变量计算子单元，被配置为：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量；综合变量划分子单元，被配置为：将微观综合变量和中观综合变量按照各自的数值划分到相应的区间中；第一计算子单元，被配置为：计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比；以及第二计算子单元，被配置为：基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。
优选地，所述与能耗相关的综合变量包括车辆比功率。
根据本发明的第二方面，提供了一种用于估计汽车的能耗率的方法，包括：获取历史微观行驶数据和历史中观行驶数据；将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类；以及基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率。
优选地，所述历史微观行驶数据包括每个微观时间片段的加速度和速度数据，所述历史中观行驶数据包括每个中观时间片段的加速度和速度数据。
优选地，所述等级包括道路等级或区域等级。
优选地，采用与能耗相关的综合变量来计算每一个等级的能耗率包括：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量；将微观综合变量和中观综合变量按照各自的数值划分到相应的区间中；计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比；以及基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。
优选地，所述与能耗相关的综合变量包括车辆比功率。
本发明通过引入综合变量并将中观数据和微观数据相结合，能够更加精确地估算车辆在不同等级道路上的能量消耗率。
附图说明
通过下文结合附图的详细描述，本发明的上述和其它特征将会变得更加明显，其中：
图1是示出了根据现有技术的一种电动汽车剩余里程估算方法的流程图。
图2是示出了根据本发明一个示例实施例的用于估计汽车的能耗率的设备的框图。
图3是示出了图2中所示的设备中的能耗率计算单元的示例配置的框图。
图4是示出了根据本发明另一个示例实施例的用于估计汽车的能耗率的方法的流程图。
具体实施方式
下面，通过结合附图对本发明的具体实施例的描述，本发明的原理和实现将会变得明显。应当注意的是，本发明不应局限于下文所述的具体实施例。另外，为了简便起见，省略了与本发明无关的公知技术的详细描述。
图2是示出了根据本发明一个示例实施例的用于估计汽车的能耗率的设备的框图。如图2所示，用于估计汽车的能耗率的设备20(能耗率估计设备20)包括：历史数据获取单元210、历史数据归类单元220和能耗率计算单元230。下面，详细描述能耗率估计设备20中的各个单元的操作。
历史数据获取单元210被配置为获取历史微观行驶数据和历史中观行驶数据。在本申请中，历史微观行驶数据可以包括每个微观时间片段(例如每1秒或0.1秒)中的加速度、速度、重量、能量消耗等数据。历史微观行驶数据通常可以从实验室获得，或者从测试车辆上采集得到。另外，历史中观行驶数据可以包括每个中观时间片段(例如1分钟或5分钟)中的加速度、速度、重量和空气密度等数据。
历史数据归类单元220被配置为将历史数据获取单元210所获取的历史微观行驶数据和历史中观行驶数据按照等级分别进行归类。例如，可以按照道路等级进行分类，也可以按照区域等级进行分类。
能耗率计算单元230被配置为基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率。在本申请中，与能耗相关的综合变量是指集成了速度、加减速、道路坡度、空气阻力等参数中至少一些参数的值，它与能量消耗具有较强的关联性，可以用于精确估算能量消耗。例如，车辆比功率(VSP)是一个与能量消耗具有较强关联性的综合变量。VSP可以根据速度、加减速、道路坡度、空气阻力等参数来计算。此外，当无法获得能耗数据时，VSP也可以用于估算能量消耗值。在下文中，以VSP作为综合变量进行阐述。然而本领域技术人员应当理解，其他形式的与能耗相关的综合变量同样可以应用于本发明中。
下面，结合图3来详细描述能耗率计算单元230的具体操作。
图3是示出了图2中所示的设备中的能耗率计算单元230的示例配置的框图。如图3所示，本示例中的能耗率计算单元230包括：综合变量计算子单元2310、综合变量划分子单元2320、第一计算子单元2330和第二计算子单元2340。
综合变量计算子单元2310被配置为：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量。例如，综合变量计算子单元2310可以按照以下方式计算每个时间片段的综合变量(微观综合变量或中观综合变量)：
A＝f(v，a，grade，m，S)
其中，A代表综合变量；
v代表车辆的行驶速度；
a代表车辆的加速度；
grade代表道路坡度；
m代表车辆的重量；
S代表空气密度。
综合变量划分子单元2320被配置为：将综合变量计算子单元2310所计算得到的微观综合变量和中观综合变量按照各自的数值划分到相应的区间中。
第一计算子单元2330被配置为：计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比。
第二计算子单元2340被配置为：基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。例如，如果历史数据归类单元220被配置为将历史数据获取单元210所获取的历史微观行驶数据和历史中观行驶数据按照道路等级分别进行归类，则第二计算子单元2340可以用下列公式计算每个道路等级的能耗率：
其中，ej代表第j个等级的能耗率；
j代表道路等级(j＝1代表高速路，j＝2代表主干路，j＝3代表次干路，j＝4代表支路)；
Pi j代表在第j个道路等级的第i个综合变量区间的平均能耗，
由第一计算子单元2330计算得到；
Wi j代表在第j个道路等级的第i个综合变量区间的中观综合变量的数量百分比，由第一计算子单元2330计算得到。
下文结合一个具体示例来描述能耗率估计设备20的示例应用。
假设历史数据获取单元210获取了如表1所示的历史微观行驶数据和表2所示的历史中观行驶数据：
表1-历史微观行驶数据
表2-历史中观行驶数据
历史数据归类单元220将历史数据获取单元210所获取的历史微观行驶数据和历史中观行驶数据按照道路等级分别进行归类，如表3和表4所示：
表3-微观行驶数据的归类
| 时间(秒) | 道路等级 |
| 1～80 | 1 |
| 81～200 | 2 |
| 201～350 | 3 |
| 351～610 | 2 |
| …… | …… |
表4-中观行驶数据的归类
| 时间(分) | 道路等级 |
| 0～10 | 1 |
| 11～25 | 2 |
| 26～35 | 3 |
| 36～50 | 2 |
| …… | …… |
综合变量计算子单元2310被配置为：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量。例如，综合变量计算子单元2310可以按照以下方式计算每个时间片段的综合变量(微观综合变量或中观综合变量)：
其中，m代表车辆重量(kg)；
v代表行驶速度(m/s)；
a代表加速度(m/s2)；
εi代表重量系数，表示车辆传动系统中旋转部件的有效质量，例如可以为0.1；
grade代表道路坡度，平地时坡度值为0；
g代表重力加速度(9.8m/s2)；
CR代表地面滚动阻力系数，例如可以为0.0135；
CD代表牵引系数；
A代表车辆前挡风面积(m2)；
ρa代表空气密度(例如在20℃＝68°F时为1.207kg/m3)；
vw代表车辆前方风力大小(m/s)，在无风时取值为0。
若公式(1)中的某些参数无法获取，也可以采用简化的计算公式。例如：
VSP＝v·(1.1·a+0.132)+0.000302·v3 (3)
其中，v代表行驶速度，a代表加速度。
综合变量计算子单元2310的计算结果如下表5和6所示：
表5-微观综合变量
| 时间(秒) | 每秒能耗(W) | 微观综合变量VSP(kw/t) |
| 1 | 15027.00 | 7.90 |
| 2 | 15027.00 | 8.12 |
| 3 | 15577.00 | 8.34 |
| 4 | 15577.00 | 8.57 |
| 5 | 14777.00 | 9.64 |
表6-中观综合变量
| 时间(分) | 综合变量VSP(kw/t) |
| 5 | 7.85 |
| 10 | 8.32 |
| 15 | 8.54 |
| 20 | 8.17 |
综合变量划分子单元2320将综合变量计算子单元2310所计算得到的微观综合变量和中观综合变量按照各自的数值划分到相应的区间中。然后，第一计算子单元2330计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，如表7和8中所示：
表7-微观能量消耗的平均值
表8-中观综合变量的数量百分比
第二计算子单元2340基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率(例如采用上文描述的公式(1)来计算)。结果如表9所示：
表9-每一个等级的能耗率
| 道路等级 | 高速路 | 主干路 | 次干路 | 支路 |
| 能耗率(J/S) | 7528.91 | 7785.74 | 7531.73 | 7488.13 |
根据本示例实施例的能耗率估计设备20通过引入综合变量并将中观数据和微观数据相结合，能够更加精确地估算车辆在不同等级道路上的能量消耗率。
应当注意，本示例实施例的能耗率估计设备20不仅仅局限于估计电动汽车的能耗率。实际上，能耗率估计设备20也能够估计燃油汽车的能耗率。二者的区别在于：在应用于电动汽车时，能耗率估计设备20根据电池的电流、电压来计算能量消耗；而当应用于燃油汽车时，能耗率估计设备20根据剩余油量来计算能量消耗；其他参数(速度、加速度等)都是相同的。
图4是示出了根据本发明另一个示例实施例的用于估计汽车的能耗率的方法的流程图。如图4所示，方法40在步骤S410处开始。
在步骤S420，获取历史微观行驶数据和历史中观行驶数据。例如，历史微观行驶数据可以包括每个微观时间片段(例如每1秒或0.1秒)中的加速度、速度、重量、能量消耗等数据，历史中观行驶数据可以包括每个中观时间片段(例如1分钟或5分钟)中的加速度、速度、重量和空气密度等数据。
在步骤S430，将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类。优选地，可以按照道路等级或区域等级对历史微观行驶数据和历史中观行驶数据进行归类。
在步骤S440，基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率。优选地，与能耗相关的综合变量是车辆比功率VSP。
此外，步骤S440优选地包括以下步骤：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量；将微观综合变量和中观综合变量按照各自的数值划分到相应的区间中；计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比；以及基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。
最后，方法40在步骤S450处结束。
应该理解，本发明的上述实施例可以通过软件、硬件或者软件和硬件两者的结合来实现。例如，上述实施例中的能耗率估计设备内的各种组件可以通过多种器件来实现，这些器件包括但不限于：模拟电路、数字电路、通用处理器、数字信号处理(DSP)电路、可编程处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑器件(CPLD)，等等。
另外，本领域的技术人员可以理解，本发明实施例中描述的历史行驶数据可以存储在本地数据库中，也可以存储在分布式数据库中或者可以存储在远程数据库中。
此外，这里所公开的本发明的实施例可以在计算机程序产品上实现。更具体地，该计算机程序产品是如下的一种产品：具有计算机可读介质，计算机可读介质上编码有计算机程序逻辑，当在计算设备上执行时，该计算机程序逻辑提供相关的操作以实现本发明的上述技术方案。当在计算系统的至少一个处理器上执行时，计算机程序逻辑使得处理器执行本发明实施例所述的操作(方法)。本发明的这种设置典型地提供为设置或编码在例如光介质(例如CD-ROM)、软盘或硬盘等的计算机可读介质上的软件、代码和/或其他数据结构、或者诸如一个或多个ROM或RAM或PROM芯片上的固件或微代码的其他介质、或一个或多个模块中的可下载的软件图像、共享数据库等。软件或固件或这种配置可安装在计算设备上，以使得计算设备中的一个或多个处理器执行本发明实施例所描述的技术方案。
尽管以上已经结合本发明的优选实施例示出了本发明，但是本领域的技术人员将会理解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改、替换和改变。因此，本发明不应由上述实施例来限定，而应由所附权利要求及其等价物来限定。
Claims (8)
1.一种用于估计汽车的能耗率的设备，包括：
历史数据获取单元，被配置为：获取历史微观行驶数据和历史中观行驶数据；
历史数据归类单元，被配置为：将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类；以及
能耗率计算单元，被配置为：基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率；
其中，所述能耗率计算单元包括：
综合变量计算子单元，被配置为：针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量；
综合变量划分子单元，被配置为：将微观综合变量和中观综合变量按照各自的数值划分到相应的区间中；
第一计算子单元，被配置为：计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比；以及
第二计算子单元，被配置为：基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。
2.根据权利要求1所述的用于估计汽车的能耗率的设备，其中，所述历史微观行驶数据包括每个微观时间片段的加速度和速度数据，所述历史中观行驶数据包括每个中观时间片段的加速度和速度数据。
3.根据权利要求1所述的用于估计汽车的能耗率的设备，其中，所述等级包括道路等级或区域等级。
4.根据权利要求1所述的用于估计汽车的能耗率的设备，其中，所述与能耗相关的综合变量包括车辆比功率。
5.一种用于估计汽车的能耗率的方法，包括：
获取历史微观行驶数据和历史中观行驶数据；
将历史微观行驶数据和历史中观行驶数据按照等级分别进行归类；以及
基于历史微观行驶数据和历史中观行驶数据，采用与能耗相关的综合变量来计算每一个等级的能耗率；
其中，采用与能耗相关的综合变量来计算每一个等级的能耗率包括：
针对每一个等级，计算每一个微观时间片段的微观综合变量和每一个中观时间片段的中观综合变量；
将微观综合变量和中观综合变量按照各自的数值划分到相应的区间中；
计算各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比；以及
基于各个区间中的微观能量消耗的平均值和中观综合变量的数量百分比，计算每一个等级的能耗率。
6.根据权利要求5所述的用于估计汽车的能耗率的方法，其中，所述历史微观行驶数据包括每个微观时间片段的加速度和速度数据，所述历史中观行驶数据包括每个中观时间片段的加速度和速度数据。
7.根据权利要求5所述的用于估计汽车的能耗率的方法，其中，所述等级包括道路等级或区域等级。
8.根据权利要求5所述的用于估计汽车的能耗率的方法，其中，所述与能耗相关的综合变量包括车辆比功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310151722.2A CN104118328B (zh) | 2013-04-27 | 2013-04-27 | 基于综合变量的汽车能耗率估计设备和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310151722.2A CN104118328B (zh) | 2013-04-27 | 2013-04-27 | 基于综合变量的汽车能耗率估计设备和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104118328A CN104118328A (zh) | 2014-10-29 |
| CN104118328B true CN104118328B (zh) | 2017-07-07 |
Family
ID=51764051
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310151722.2A Expired - Fee Related CN104118328B (zh) | 2013-04-27 | 2013-04-27 | 基于综合变量的汽车能耗率估计设备和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104118328B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104648171B (zh) * | 2014-12-16 | 2016-09-28 | 哈尔滨理工大学 | 增程式电动客车动力系统能效控制方法 |
| CN108647836B (zh) * | 2018-06-06 | 2021-11-12 | 哈尔滨思派科技有限公司 | 一种驾驶员节能评价方法和系统 |
| CN111179465B (zh) * | 2019-12-13 | 2021-12-31 | 同济大学 | 一种汽车油耗预测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101435742A (zh) * | 2008-12-03 | 2009-05-20 | 杨�远 | 一种运输工具的能耗监测系统 |
| CN102496079A (zh) * | 2011-12-12 | 2012-06-13 | 北京航空航天大学 | 一种道路能耗与排放的监测方法 |
| CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的系统和方法 |
| EP2610836A1 (en) * | 2011-12-30 | 2013-07-03 | Seat, S.A. | Device and method for the on-line prediction of the driving cycle in an automotive vehicle |
-
2013
- 2013-04-27 CN CN201310151722.2A patent/CN104118328B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101435742A (zh) * | 2008-12-03 | 2009-05-20 | 杨�远 | 一种运输工具的能耗监测系统 |
| CN102509470A (zh) * | 2011-10-14 | 2012-06-20 | 北京掌城科技有限公司 | 基于动态路径规划实现车辆节能减排的系统和方法 |
| CN102496079A (zh) * | 2011-12-12 | 2012-06-13 | 北京航空航天大学 | 一种道路能耗与排放的监测方法 |
| EP2610836A1 (en) * | 2011-12-30 | 2013-07-03 | Seat, S.A. | Device and method for the on-line prediction of the driving cycle in an automotive vehicle |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104118328A (zh) | 2014-10-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105091892B (zh) | 车辆用能量管理装置 | |
| CN104272328B (zh) | 用于确定机动车的预期消耗值的方法 | |
| CN104792543B (zh) | 一种道路循环工况的构建方法 | |
| CN103813943B (zh) | 用于估算车辆燃料消耗量的方法和设备 | |
| CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
| CN108806021A (zh) | 基于物理模型和道路特征参数的电动汽车目标路段能耗预测方法 | |
| CN109733248A (zh) | 基于路径信息的纯电动汽车剩余里程模型预测方法 | |
| CN106203856A (zh) | 一种组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法 | |
| CN107977476B (zh) | 一种估算汽车剩余续航里程的方法 | |
| CN103895649B (zh) | 一种驾驶员安全驾驶预警方法 | |
| CN105868787A (zh) | 基于工况识别和模糊能耗的电动汽车续驶里程估算方法 | |
| CN106289297A (zh) | 一种车辆剩余油量行驶里程计算方法及系统 | |
| CN103838971A (zh) | 一种城市路网动态交通能耗及排放的计算方法 | |
| Seedam et al. | Development of an onboard system to measure the on-road driving pattern for developing motorcycle driving cycle in Khon Kaen city, Thailand | |
| CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
| CN110298579A (zh) | 一种新能源乘用车城市立体工况的构建方法 | |
| Anida et al. | Driving cycle development for Kuala Terengganu city using k-means method | |
| CN104118328B (zh) | 基于综合变量的汽车能耗率估计设备和方法 | |
| CN102044153A (zh) | 一种交通流通畅等级评价的方法与系统 | |
| CN109117438A (zh) | 具有供电系统的交通工具剩余里程估算方法和装置 | |
| CN105786895A (zh) | 道路交叉口的排放量的测算方法和装置 | |
| Zhao et al. | The creation of a representative driving cycle based on intelligent transportation system (ITS) and a mathematically statistical algorithm: A case study of Changchun (China) | |
| Skuza et al. | Analysis of factors affecting the energy consumption of an EV vehicle-a literature study | |
| CN111656145A (zh) | 车辆监测器 | |
| Zhu et al. | Green routing fuel saving opportunity assessment: A case study using large-scale real-world travel data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170707 Termination date: 20180427 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |