CN106203735A - 一种机动车驾驶员驾驶行为能耗特征测算方法 - Google Patents
一种机动车驾驶员驾驶行为能耗特征测算方法 Download PDFInfo
- Publication number
- CN106203735A CN106203735A CN201610602166.XA CN201610602166A CN106203735A CN 106203735 A CN106203735 A CN 106203735A CN 201610602166 A CN201610602166 A CN 201610602166A CN 106203735 A CN106203735 A CN 106203735A
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- driving behavior
- under
- characters
- road
- 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.)
- Granted
Links
- 238000005265 energy consumption Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims description 53
- SBNFWQZLDJGRLK-UHFFFAOYSA-N phenothrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=CC=CC(OC=2C=CC=CC=2)=C1 SBNFWQZLDJGRLK-UHFFFAOYSA-N 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 112
- 230000006872 improvement Effects 0.000 description 10
- 239000000446 fuel Substances 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种机动车驾驶员驾驶行为能耗特征测算方法,包括:获取驾驶行为能耗特征参数,划分车辆运行条件,建立驾驶行为能耗特征的综合测算模型结构,建立驾驶行为与车辆能耗的关系模型,确定能耗约束下的最优驾驶行为参数阈值,采用评分制形式分层计算驾驶员在不同运行条件下的驾驶行为能耗特征。本发明综合考虑车辆运行过程中道路条件、交通条件和工况条件的差异,以不同运行条件下当前驾驶行为与最优驾驶行为参数阈值间的差值为基础的驾驶员驾驶行为能耗特征测算方法,能更加精确地刻画驾驶员实际行车过程中驾驶行为的能耗特点,进而为驾驶员评估与考核、驾驶行为甄别与反馈、驾驶员培训及优化等提供科学的方法和工具。
Description
技术领域
本发明涉及城市交通节能减排技术领域,尤其涉及一种机动车驾驶员驾驶行为能耗特征测算方法。
背景技术
机动车能耗排放问题突出,严重制约城市交通健康可持续发展,节能减排工作迫在眉睫。研究结果表明,驾驶行为对车辆燃油经济性的影响范围可达30%,良好的驾驶行为操作模式对减少车辆能耗具有重要作用。同时,相比其他机动车节能措施,实施节能驾驶行为具有成本低、风险小和易实施的优势。然而,如何有效测算驾驶员驾驶行为的能耗特征、进而提供切实可行的优化策略,仍然缺乏精确和细致的方法。
目前,已有的驾驶行为能耗特征测算方法,主要从统计驾驶员急加速、急减速、长时间怠速等非节能驾驶行为次数的角度出发,按照不良驾驶行为次数越多、得分越少的方式进行评分,较少考虑车辆行驶过程中道路和交通条件的差异,测算结果较为粗略,定性成分较大,不能反应不同运行条件下不同驾驶行为所造成的车辆能耗差异。
发明内容
针对上述问题中存在的不足之处,本发明提供一种机动车驾驶员驾驶行为能耗特征测算方法。
为实现上述目的,本发明提供一种机动车驾驶员驾驶行为能耗特征测算方法,包括:
步骤1、获取驾驶行为能耗特征参数,所述驾驶行为能耗特征参数包括车辆运行时间、运行速度、瞬时油耗、GPS经度和GPS维度;
步骤2、划分车辆运行条件,所述运行条件包括道路条件、交通条件和工况条件;
步骤3、根据层次分析法按照层级由低到高的顺序依次为工况条件、交通条件和道路条件,建立驾驶行为能耗特征的综合测算模型结构;
步骤4、根据步骤3的综合测算模型结构,建立不同工况条件下驾驶行为与车辆能耗的关系模型,所述工况条件包括加速、减速、匀速和怠速;
步骤5、根据步骤4驾驶行为与车辆能耗的关系模型,确定能耗约束下的最优驾驶行为参数阈值;
步骤6、根据当前驾驶行为与最优驾驶行为参数阈值间的差值,采用评分制形式分层计算驾驶员在不同运行条件下的驾驶行为能耗特征。
作为本发明的进一步改进,在步骤1中:
所述驾驶行为能耗特征参数为逐秒采集。
作为本发明的进一步改进,在步骤2中:
所述道路条件包括城市快速路和普通道路,所述城市快速路包括城市快速路基本路段、城市快速路坡道和城市快速路弯道,所述普通道路包括普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口;
所述交通条件包括低速区间、中速区间和高速区间。
作为本发明的进一步改进,在步骤4中,建立不同工况条件下驾驶行为与车辆能耗的关系模型的方法包括:
步骤4-1、获取车辆百公里能耗;
步骤4-2、计算加速度;
步骤4-3、建立不同工况条件下驾驶行为与车辆能耗的关系模型:
加速或减速工况条件下,以车辆百公里能耗为纵坐标,加速度值或减速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定加速度或减速度与车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
匀速工况条件下,以车辆百公里能耗为纵坐标,速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定速度和车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
怠速工况条件下,不存在驾驶行为与车辆能耗的关系模型。
作为本发明的进一步改进,在步骤5中:
当工况条件为加速或减速时,所述最优驾驶行为参数阈值为最优加速度参数阈值或最优减速度参数阈值;所述最优加速度参数阈值或最优减速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆加速度或减速度;
当工况条件为匀速时,所述最优驾驶行为参数阈值为最优速度参数阈值;所述最优速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆速度;
当工况条件为怠速时,规定怠速60秒和300秒为特征参数,怠速时间小于60秒时得分为满分100分,怠速时间大于300秒时得分为零分;怠速时间处于60秒和300秒之间时,随着怠速时间增长,得分线性递减。
作为本发明的进一步改进,所述步骤6包括:
步骤6-1、根据分层测算的思想,按照层级从低到高的顺序,先获得特定道路和交通条件下,各工况条件下的驾驶行为能耗特征得分;
步骤6-2、以各工况条件对车辆能耗的贡献度为权重,获得各交通条件下的驾驶行为能耗特征得分;
步骤6-3、以各交通条件对车辆能耗的贡献度为权重,获得各道路条件下的驾驶行为能耗特征得分;
步骤6-4、以各道路条件对车辆能耗的贡献度为权重,获得驾驶行为能耗特征的综合得分。
作为本发明的进一步改进,所述步骤6-1中各工况条件下的驾驶行为能耗特征得分为:
加速时:
式中,SA表示加速驾驶行为的能耗特征得分,满分为100分;i为加速段个数,i=1,2,3,…,n;αi为第i个加速段的平均加速度值;α0为最优加速度参数阈值,特定道路、交通条件下为常数;αmax为最大加速度值,特定道路、交通条件下为常数;αmin为最小加速度值,特定道路、交通条件下为常数;
减速时:
式中,SD表示减速驾驶行为的能耗特征得分,满分为100分;i为减速段个数,i=1,2,3,…,n;βi为第i个减速段的平均减速度值;β0为最优减速度参数阈值,特定道路、交通条件下为常数;βmax为最大减速度值,特定道路、交通条件下为常数;βmin为最小减速度值,特定道路、交通条件下为常数;
匀速时:
式中,SC表示匀速驾驶行为的能耗特征得分,满分为100分;i为匀速段个数,i=1,2,3,…,n;Ci为第i个匀速段的平均速度值;C0为最优速度参数阈值,特定道路、交通条件下为常数;Cmax为最大速度值,特定道路、交通条件下为常数;Cmin为最小速度值,特定道路、交通条件下为常数;
怠速时:
式中,SI表示怠速驾驶行为的能耗特征得分,满分为100分;i为怠速段个数,i=1,2,3,…,n;ti为第i个怠速段的怠速时间。
作为本发明的进一步改进,所述步骤6-2中各交通条件下的驾驶行为能耗特征得分为:
ST=kASA+kDSD+kCSC+kISI
式中,ST表示特定交通条件下的驾驶行为能耗特征得分,满分为100分,分别包括低速、中速和高速区间;KA、KD、KC、KI分别为特定交通条件下加速、减速、匀速和怠速行为对能耗的贡献度,即为总体样本数据中所有加速、减速、匀速和怠速行为对应车辆能耗的比例,四者之和为100%。
作为本发明的进一步改进,所述步骤6-3中获得各道路条件下的驾驶行为能耗特征得分为:
式中,SR表示特定道路条件下的驾驶行为能耗特征得分,满分为100分,分别包括城市快速路和普通道路;wi为不同交通条件对能耗的贡献度,即为总体样本数据中所有低速、中速和高速区间对应车辆能耗的比例,三者之和为100%。
作为本发明的进一步改进,所述步骤6-4中获得驾驶行为能耗特征的综合得分为:
S=∑ηiSR
式中,S表示驾驶行为能耗特征的综合得分,满分为100分;ηi为不同道路条件对能耗的贡献度,即为总体样本数据中所有城市快速路基本路段、城市快速路坡道、城市快速路弯道、普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口对应车辆能耗的比例,之和为100%。
与现有技术相比,本发明的有益效果为:
本发明公开的一种机动车驾驶员驾驶行为能耗特征测算方法,综合考虑车辆运行过程中道路条件、交通条件和工况条件的差异,以不同运行条件下当前驾驶行为与最优驾驶行为参数阈值间的差值为基础的驾驶员驾驶行为能耗特征测算方法,能更加精确地刻画驾驶员实际行车过程中驾驶行为的能耗特点,进而为驾驶员评估与考核、驾驶行为甄别与反馈、驾驶员培训及优化等提供科学的方法和工具,促使驾驶员采取更加节能的驾驶行为操作模式,进而改善机动车能耗过高的突出问题。
附图说明
图1为本发明一种实施例公开的机动车驾驶员驾驶行为能耗特征测算方法的流程图;
图2为本发明一种实施例公开的驾驶行为能耗特征的综合测算模型结构;
图3为本发明一种实施例公开的城市快速路基本路段上低速区间下加速条件下加速度与车辆能耗关系模型图;
图4为本发明一种实施例公开的驾驶行为能耗特征测算得分与车辆实际百公里油耗的关系图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术中存在的上述问题,本发明提供一种机动车驾驶员驾驶行为能耗特征测算方法;综合考虑车辆行驶过程中的道路条件、交通拥堵状况和车辆工况特性,建立不同运行条件下驾驶行为与车辆能耗之间的关系模型并寻求最优行为参数阈值,借鉴层次分析法的思想,按照从低至高的层级构建“工况条件—交通条件—道路条件”的驾驶行为能耗特征综合测算模型结构,依据当前驾驶行为与最优阈值间的差值,采用评分制的形式分层测算驾驶员在特定条件下的驾驶行为能耗特性。使驾驶行为能耗特征测算方法更加科学、测算结果更加精确;本发明适合小客车、城市的道路条件(不含高速公路、道路限速80km/h以下)行驶时的驾驶行为能耗特性测算。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种机动车驾驶员驾驶行为能耗特征测算方法,包括:
步骤1、获取驾驶行为能耗特征参数;
利用车载OBD和GPS设备,逐秒同步采集车辆运行时间、运行速度、瞬时油耗、发动机转速以及车辆实时GPS经度和GPS纬度信息。
步骤2、划分车辆运行条件;
根据车辆运行的道路、交通和工况将车辆运行条件划分为道路条件、交通条件和工况条件;
步骤2.1道路条件划分
将车辆运行过程中的GPS数据导入ArcGis软件,结合百度地图路网信息,获取车辆行驶轨迹,确定车辆运行的道路条件。道路条件划分以实际城市道路条件为基础,按照道路等级差异及车辆在不同道路条件下的运行特点,分为城市快速路和普通道路两大主体,城市快速路包括城市快速路基本路段、城市快速路坡道和城市快速路弯道,普通道路包括普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口。
步骤2.2交通条件划分
由于在不同速度区间下运行的车辆其能耗存在显著差异,按照速度对车辆能耗的影响程度,采用聚类分析的方法,定义聚类数为3,将交通条件划分为低速区间、中速区间和高速区间。
步骤2.3工况条件划分
根据车辆运行过程,工况条件划分为加速、减速、匀速和怠速四类,按照后一秒与前一秒车速比较,分别定义各工况条件如下:
(1)加速
车辆速度的整体趋势为加速过程,允许出现微小匀速或减速,其中减速或匀速持续时间不超过1秒,减速过程中速度减少量不超过1km/h。
(2)减速
车辆速度的整体趋势为减速过程,允许出现微小匀速或加速,其中匀速或加速持续时间不超过1秒,加速过程中速度增加量不超过1km/h。
(3)匀速
车辆速度波动不超过1km/h。
(4)怠速
车辆速度持续为零,但发动机转速不为零。
步骤3、构建驾驶行为能耗特征的综合测算模型结构;
依据步骤2划分的道路条件、交通条件和工况条件,借鉴层次分析法的思想,按照层级从低到高的顺序,依次为工况条件、交通条件和道路条件,建立驾驶行为能耗特征综合测算模型结构。
步骤4、建立驾驶行为与车辆能耗关系模型;
根据步骤3的综合测算模型结构,建立不同工况条件下(加速、减速、匀速、怠速)驾驶行为与车辆能耗的关系模型;对于加速和减速工况,因变量为车辆百公里能耗,自变量为加速度或减速度。其中,由于怠速时车辆速度为零,故不考虑怠速与车辆能耗的关系模型。匀速条件时,因变量为车辆百公里能耗,自变量为速度。
步骤4.1获得车辆百公里能耗
对于特定道路、交通和工况条件下的车辆百公里能耗,为车辆在该行驶段内总能耗与总行驶距离的比值,单位为L/100km。总能耗为逐秒瞬时能耗的加和。行驶里程采用微积分的概念计算,为逐秒速度的加和。车辆处于怠速状态时,无百公里能耗。
步骤4.2计算加速度
按照后一秒和前一秒的速度做差,确定车辆加速度。
步骤4.3建立不同工况条件下驾驶行为与车辆能耗的关系模型:
加速或减速工况条件下,以车辆百公里能耗为纵坐标,加速度值或减速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定加速度或减速度与车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
匀速工况条件下,以车辆百公里能耗为纵坐标,速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定速度和车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
怠速工况条件下,不存在驾驶行为与车辆能耗的关系模型。
步骤5、确定能耗约束下的最优驾驶行为参数阈值;
根据步骤4驾驶行为与车辆能耗的关系模型,确定能耗约束下的最优驾驶行为参数阈值;
当工况条件为加速或减速时,最优驾驶行为参数阈值为最优加速度参数阈值或最优减速度参数阈值;最优加速度参数阈值或最优减速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆加速度或减速度;
当工况条件为匀速时,最优驾驶行为参数阈值为最优速度参数阈值;最优速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆速度;
当工况条件为怠速时,规定怠速60秒和300秒为特征参数,怠速时间小于60秒时得分为满分100分,怠速时间大于300秒时得分为零分;怠速时间处于60秒和300秒之间时,随着怠速时间增长,得分线性递减。
步骤6、计算驾驶行为能耗特征的综合得分;
根据当前驾驶行为与最优驾驶行为参数阈值间的差值,采用评分制形式分层计算驾驶员在不同运行条件下的驾驶行为能耗特征。其具体包括:
步骤6.1根据分层测算的思想,按照层级从低到高的顺序,先获得特定道路和交通条件下,各工况条件下的驾驶行为能耗特征得分;
加速时:
式中,SA表示加速驾驶行为的能耗特征得分,满分为100分;i为加速段个数,i=1,2,3,…,n;αi为第i个加速段的平均加速度值;α0为最优加速度参数阈值,特定道路、交通条件下为常数;αmax为最大加速度值,特定道路、交通条件下为常数;αmin为最小加速度值,特定道路、交通条件下为常数;
减速时:
式中,SD表示减速驾驶行为的能耗特征得分,满分为100分;i为减速段个数,i=1,2,3,…,n;βi为第i个减速段的平均减速度值;β0为最优减速度参数阈值,特定道路、交通条件下为常数;βmax为最大减速度值,特定道路、交通条件下为常数;βmin为最小减速度值,特定道路、交通条件下为常数;
匀速时:
式中,SC表示匀速驾驶行为的能耗特征得分,满分为100分;i为匀速段个数,i=1,2,3,…,n;Ci为第i个匀速段的平均速度值;C0为最优速度参数阈值,特定道路、交通条件下为常数;Cmax为最大速度值,特定道路、交通条件下为常数;Cmin为最小速度值,特定道路、交通条件下为常数;
怠速时:
式中,SI表示怠速驾驶行为的能耗特征得分,满分为100分;i为怠速段个数,i=1,2,3,…,n;ti为第i个怠速段的怠速时间。
步骤6.2以各工况条件对车辆能耗的贡献度为权重,获得各交通条件下的驾驶行为能耗特征得分;
ST=kASA+kDSD+kCSC+kISI
式中,ST表示特定交通条件下的驾驶行为能耗特征得分,满分为100分,分别包括低速、中速和高速区间;KA、KD、KC、KI分别为特定交通条件下加速、减速、匀速和怠速行为对能耗的贡献度,即为总体样本数据中所有加速、减速、匀速和怠速行为对应车辆能耗的比例,四者之和为100%。
步骤6.3以各交通条件对车辆能耗的贡献度为权重,获得各道路条件下的驾驶行为能耗特征得分;
式中,SR表示特定道路条件下的驾驶行为能耗特征得分,满分为100分,分别包括城市快速路和普通道路;wi为不同交通条件对能耗的贡献度,即为总体样本数据中所有低速、中速和高速区间对应车辆能耗的比例,三者之和为100%。
步骤6.4以各道路条件对车辆能耗的贡献度为权重,获得驾驶行为能耗特征的综合得分。
S=∑ηiSR
式中,S表示驾驶行为能耗特征的综合得分,满分为100分;ηi为不同道路条件对能耗的贡献度,即为总体样本数据中所有城市快速路基本路段、城市快速路坡道、城市快速路弯道、普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口对应车辆能耗的比例,之和为100%。
实施例2:
本实例以北京伊兰特出租车一天的运行数据进行计算示例。
步骤1、获取驾驶行为能耗特征参数
通过车载OBD和GPS设备,获取驾驶行为能耗特征参数,表1为某辆出租车30秒运行时间内的特征参数示例说明。
表1驾驶行为特征参数示例
表1中,数据采集时间为2014年08月15日00时00分00秒至2014年08月15日00时00分30秒。仪表盘速度单位为km/h。瞬时油耗单位0.01L/h。转速单位为转/分。
步骤2、划分车辆运行条件
根据本发明划分车辆运行条件的方法,车辆在城市道路上完整的运行道路条件包括城市快速路基本路段、城市快速路坡道、城市快速路弯道、普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口。便于计算过程展示说明,以城市快速路基本路段为例进行说明。
根据获得的驾驶行为能耗特征参数,按照速度对车辆油耗的影响程度进行聚类,聚类数为3,得到交通条件分别为:低速区间,速度≤27km/h;中速区间,27km/h<速度≤55km/h;高速区间,速度>55km/h。本实例以低速区间为例进行说明。
完整的工况条件包括加速、减速、匀速和怠速四个部分,本实例以加速过程为例进行说明。
步骤3、构建驾驶行为能耗特征的综合测算模型结构
完整的驾驶行为能耗特征的综合测算模型结构如图2所示。本实例以城市快速路基本路段、低速区间、加速过程为例进行说明。
步骤4、建立驾驶行为与车辆能耗关系模型
以城市快速路基本路段、低速区间、加速过程为例。首先,获取观测车辆中所有在城市快速路基本路段上、低速区间下、加速过程的驾驶行为特征数据。然后,以车辆百公里油耗为纵坐标,车辆加速度为横坐标,绘制散点图,并按照拟合度最优的原则,确定加速度与车辆能耗之间的曲线关系。快速路基本路段上、低速区间下、加速过程的加速度与车辆能耗关系模型如图3所示。
步骤5、确定能耗约束下的最优驾驶行为参数阈值;
由图3可知,车辆百公里油耗与加速度呈二次凹关系曲线,因此,曲线最低点处的加速度即为最优加速度阈值。数据分析结果表明,快速路基本路段上、低速区间下、驾驶员在加速过程中,以2.5km/h/s的加速度进行加速时,车辆百公里油耗值最低。
(6)计算驾驶行为能耗特征的综合得分
假设车辆在快速路基本路段、低速区间下,一共有5次加速过程,加速阶段的加速度αi分别为2.8km/h/s、2.0km/h/s、1.8km/h/s、2.7km/h/s、1.8km/h/s。
首先计算工况层得分:由已知条件知(如图3),最优加速度αo为2.5km/h/s,最大加速度αmax为3.5km/h/s,最小加速度αmin为0.5km/h/s。则5次加速过程的得分分别为85分、75分、65分、90分和65分。因此,该驾驶员在加速阶段的平均得分为76分。
接着计算交通条件下得分:某特定交通条件下的驾驶行为得分,为该交通条件下各工况条件与该工况条件对油耗贡献度乘积的加和。由于本计算示例单为加速过程,则加速对车辆油耗的贡献度为100%。因此,该驾驶员在低速区间下的得分76分。
接着计算道路条件下得分:某特定道路条件下的驾驶行为得分,为该道路条件下各交通条件得分与该交通条件对油耗贡献度乘积的加和。由于本计算示例仅为低速区间,则低速对车辆油耗的贡献度为100%。因此,该驾驶员在快速路基本路段的得分为76分。
最后计算综合得分:综合得分为各道路条件得分与该道路条件对油耗贡献度乘积的加和。由于本计算示例只涉及快速路基本路段,则快速路基本路段对车辆油耗的贡献度为100%。因此,该驾驶员的综合得分为76分。
综上,该驾驶员驾驶行为能耗特征综合得分为76分。
为验证本发明方法的准确性,选取北京市63辆伊兰特出租车一天的运行数据进行测算。以车辆实际百公里油耗为横轴,驾驶行为能耗特征测算得分为纵轴,得到驾驶行为能耗特征测算得分与车辆实际百公里油耗关系如图4所示。由此可知,本发明提出的驾驶行为能耗特征算法与车辆实际百公里油耗具有较好的线性关系。
为进一步验证测算结果与车辆实际油耗的误差,分别将测算得分和百公里油耗进行归一化处理,进而获得测算结果误差。平均误差计算方法为:
式中,e表示测算结果的平均误差,i为驾驶员编号,即为1,2,3,…,n。Smax、Smin分别为测算结果的最高和最低得分;FCmax、FCmin分别为百公里油耗的最大和最小值。
在本发明方法测算精度验证过程中,共有63名驾驶员,即是i=1,2,3,…,63;Smax和Smin分别为97.23和61.92分;FCmax和FCmin分别为11.66L/100km和6.16L/100km。由此计算得到平均误差为8%,因此,本发明提出的驾驶行为能耗特征测算方法的精度为92%。
本发明公开的一种机动车驾驶员驾驶行为能耗特征测算方法,综合考虑车辆运行过程中道路条件、交通条件和工况条件的差异,以不同运行条件下当前驾驶行为与最优驾驶行为参数阈值间的差值为基础的驾驶员驾驶行为能耗特征测算方法,能更加精确地刻画驾驶员实际行车过程中驾驶行为的能耗特点,进而为驾驶员评估与考核、驾驶行为甄别与反馈、驾驶员培训及优化等提供科学的方法和工具,促使驾驶员采取更加节能的驾驶行为操作模式,进而改善机动车能耗过高的突出问题。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。
Claims (10)
1.一种机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,包括:
步骤1、获取驾驶行为能耗特征参数,所述驾驶行为能耗特征参数包括车辆运行时间、运行速度、瞬时油耗、GPS经度和GPS维度;
步骤2、划分车辆运行条件,所述运行条件包括道路条件、交通条件和工况条件;
步骤3、根据层次分析法按照层级由低到高的顺序依次为工况条件、交通条件和道路条件,建立驾驶行为能耗特征的综合测算模型结构;
步骤4、根据步骤3的综合测算模型结构,建立不同工况条件下驾驶行为与车辆能耗的关系模型,所述工况条件包括加速、减速、匀速和怠速;
步骤5、根据步骤4驾驶行为与车辆能耗的关系模型,确定能耗约束下的最优驾驶行为参数阈值;
步骤6、根据当前驾驶行为与最优驾驶行为参数阈值间的差值,采用评分制形式分层计算驾驶员在不同运行条件下的驾驶行为能耗特征。
2.如权利要求1所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,在步骤1中:
所述驾驶行为能耗特征参数为逐秒采集。
3.如权利要求1所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,在步骤2中:
所述道路条件包括城市快速路和普通道路,所述城市快速路包括城市快速路基本路段、城市快速路坡道和城市快速路弯道,所述普通道路包括普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口;
所述交通条件包括低速区间、中速区间和高速区间。
4.如权利要求1所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,在步骤4中,建立不同工况条件下驾驶行为与车辆能耗的关系模型的方法包括:
步骤4-1、获取车辆百公里能耗;
步骤4-2、计算加速度;
步骤4-3、建立不同工况条件下驾驶行为与车辆能耗的关系模型:
加速或减速工况条件下,以车辆百公里能耗为纵坐标,加速度值或减速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定加速度或减速度与车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
匀速工况条件下,以车辆百公里能耗为纵坐标,速度值为横坐标,绘制散点图,按照曲线拟合度最优原则确定速度和车辆百公里能耗的关系为驾驶行为与车辆能耗的关系模型;
怠速工况条件下,不存在驾驶行为与车辆能耗的关系模型。
5.如权利要求1所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,在步骤5中:
当工况条件为加速或减速时,所述最优驾驶行为参数阈值为最优加速度参数阈值或最优减速度参数阈值;所述最优加速度参数阈值或最优减速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆加速度或减速度;
当工况条件为匀速时,所述最优驾驶行为参数阈值为最优速度参数阈值;所述最优速度参数阈值是根据步骤4的关系模型确定车辆能耗最低时对应的车辆速度;
当工况条件为怠速时,规定怠速60秒和300秒为特征参数,怠速时间小于60秒时得分为满分100分,怠速时间大于300秒时得分为零分;怠速时间处于60秒和300秒之间时,随着怠速时间增长,得分线性递减。
6.如权利要求1-5中任一项所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,所述步骤6包括:
步骤6-1、根据分层测算的思想,按照层级从低到高的顺序,先获得特定道路和交通条件下,各工况条件下的驾驶行为能耗特征得分;
步骤6-2、以各工况条件对车辆能耗的贡献度为权重,获得各交通条件下的驾驶行为能耗特征得分;
步骤6-3、以各交通条件对车辆能耗的贡献度为权重,获得各道路条件下的驾驶行为能耗特征得分;
步骤6-4、以各道路条件对车辆能耗的贡献度为权重,获得驾驶行为能耗特征的综合得分。
7.如权利要求6所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,所述步骤6-1中各工况条件下的驾驶行为能耗特征得分为:
加速时:
式中,SA表示加速驾驶行为的能耗特征得分,满分为100分;i为加速段个数,i=1,2,3,…,n;αi为第i个加速段的平均加速度值;α0为最优加速度参数阈值,特定道路、交通条件下为常数;αmax为最大加速度值,特定道路、交通条件下为常数;αmin为最小加速度值,特定道路、交通条件下为常数;
减速时:
式中,SD表示减速驾驶行为的能耗特征得分,满分为100分;i为减速段个数,i=1,2,3,…,n;βi为第i个减速段的平均减速度值;β0为最优减速度参数阈值,特定道路、交通条件下为常数;βmax为最大减速度值,特定道路、交通条件下为常数;βmin为最小减速度值,特定道路、交通条件下为常数;
匀速时:
式中,SC表示匀速驾驶行为的能耗特征得分,满分为100分;i为匀速段个数,i=1,2,3,…,n;Ci为第i个匀速段的平均速度值;C0为最优速度参数阈值,特定道路、交通条件下为常数;Cmax为最大速度值,特定道路、交通条件下为常数;Cmin为最小速度值,特定道路、交通条件下为常数;
怠速时:
式中,SI表示怠速驾驶行为的能耗特征得分,满分为100分;i为怠速段个数,i=1,2,3,…,n;ti为第i个怠速段的怠速时间。
8.如权利要求7所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,所述步骤6-2中各交通条件下的驾驶行为能耗特征得分为:
ST=kASA+kDSD+kCSC+kISI
式中,ST表示特定交通条件下的驾驶行为能耗特征得分,满分为100分,分别包括低速、中速和高速区间;KA、KD、KC、KI分别为特定交通条件下加速、减速、匀速和怠速行为对能耗的贡献度,即为总体样本数据中所有加速、减速、匀速和怠速行为对应车辆能耗的比例,四者之和为100%。
9.如权利要求8所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,所述步骤6-3中获得各道路条件下的驾驶行为能耗特征得分为:
式中,SR表示特定道路条件下的驾驶行为能耗特征得分,满分为100分,分别包括城市快速路和普通道路;wi为不同交通条件对能耗的贡献度,即为总体样本数据中所有低速、中速和高速区间对应车辆能耗的比例,三者之和为100%。
10.如权利要求9所述的机动车驾驶员驾驶行为能耗特征测算方法,其特征在于,所述步骤6-4中获得驾驶行为能耗特征的综合得分为:
S=∑ηiSR
式中,S表示驾驶行为能耗特征的综合得分,满分为100分;ηi为不同道路条件对能耗的贡献度,即为总体样本数据中所有城市快速路基本路段、城市快速路坡道、城市快速路弯道、普通道路基本路段、普通道路坡道、普通道路弯道和普通道路交叉口对应车辆能耗的比例,之和为100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602166.XA CN106203735B (zh) | 2016-07-27 | 2016-07-27 | 一种机动车驾驶员驾驶行为能耗特征测算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610602166.XA CN106203735B (zh) | 2016-07-27 | 2016-07-27 | 一种机动车驾驶员驾驶行为能耗特征测算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106203735A true CN106203735A (zh) | 2016-12-07 |
CN106203735B CN106203735B (zh) | 2019-03-29 |
Family
ID=57496419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610602166.XA Active CN106203735B (zh) | 2016-07-27 | 2016-07-27 | 一种机动车驾驶员驾驶行为能耗特征测算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203735B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781503A (zh) * | 2017-01-22 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于监测驾驶行为的方法和装置 |
CN107180288A (zh) * | 2017-07-21 | 2017-09-19 | 东软集团股份有限公司 | 驾驶行为能耗测算方法、装置、存储介质及电子设备 |
CN107563424A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车最优生态驾驶行为参数的确定方法 |
CN107563423A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车生态驾驶行为的综合评价方法 |
CN109558668A (zh) * | 2018-11-26 | 2019-04-02 | 中车唐山机车车辆有限公司 | 基于运行能耗的确定轨道车辆的模型参数的方法 |
CN109552338A (zh) * | 2018-12-19 | 2019-04-02 | 北京理工新源信息科技有限公司 | 一种纯电动汽车生态驾驶行为评估方法及系统 |
CN109720207A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线(北京)新技术有限公司 | 车辆能耗分析方法、装置及计算机可读介质 |
CN109976300A (zh) * | 2017-12-28 | 2019-07-05 | 上海铼钠克数控科技股份有限公司 | 伺服系统的性能指标检测方法及计算机存储介质 |
CN110070245A (zh) * | 2018-01-23 | 2019-07-30 | 吉旗物联科技(上海)有限公司 | 一种基于驾驶数据的司机评分排名方法 |
CN110481558A (zh) * | 2019-08-19 | 2019-11-22 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN110689131A (zh) * | 2019-09-26 | 2020-01-14 | 长安大学 | 一种基于朴素贝叶斯模型的车辆能耗影响分析方法 |
CN111047179A (zh) * | 2019-12-06 | 2020-04-21 | 长安大学 | 一种基于频繁模式挖掘的车辆运输效率分析方法 |
CN111127894A (zh) * | 2019-12-30 | 2020-05-08 | 江苏中路工程技术研究院有限公司 | 一种基于监测手段的交通运输能耗控制方法及其检测方法 |
CN111239606A (zh) * | 2018-11-28 | 2020-06-05 | 湖南中车时代电动汽车股份有限公司 | 一种新能源汽车动力电池性能衰减检测方法 |
CN112507518A (zh) * | 2020-11-09 | 2021-03-16 | 东风汽车集团有限公司 | 一种用户综合油耗计算方法和装置 |
CN114228723A (zh) * | 2021-12-09 | 2022-03-25 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN116186570A (zh) * | 2023-02-27 | 2023-05-30 | 东南大学 | 一种考虑不同交通场景的生态驾驶评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103717470A (zh) * | 2011-11-16 | 2014-04-09 | C.R.F.阿西安尼顾问公司 | 旨在燃料节约的机动车辆驾驶方式评价 |
CN104200267A (zh) * | 2014-09-23 | 2014-12-10 | 清华大学 | 一种车辆驾驶经济性评价系统及评价方法 |
CN104750753A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种驾驶行为报告生成方法及设备 |
-
2016
- 2016-07-27 CN CN201610602166.XA patent/CN106203735B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103717470A (zh) * | 2011-11-16 | 2014-04-09 | C.R.F.阿西安尼顾问公司 | 旨在燃料节约的机动车辆驾驶方式评价 |
CN104750753A (zh) * | 2013-12-31 | 2015-07-01 | 中国移动通信集团公司 | 一种驾驶行为报告生成方法及设备 |
CN104200267A (zh) * | 2014-09-23 | 2014-12-10 | 清华大学 | 一种车辆驾驶经济性评价系统及评价方法 |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106781503B (zh) * | 2017-01-22 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 用于监测驾驶行为的方法和装置 |
CN106781503A (zh) * | 2017-01-22 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 用于监测驾驶行为的方法和装置 |
CN107180288A (zh) * | 2017-07-21 | 2017-09-19 | 东软集团股份有限公司 | 驾驶行为能耗测算方法、装置、存储介质及电子设备 |
CN107180288B (zh) * | 2017-07-21 | 2020-05-01 | 东软集团股份有限公司 | 驾驶行为能耗测算方法、装置、存储介质及电子设备 |
CN107563424A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车最优生态驾驶行为参数的确定方法 |
CN107563423A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车生态驾驶行为的综合评价方法 |
CN107563424B (zh) * | 2017-08-24 | 2020-05-26 | 北京交通发展研究院 | 一种轻型机动车最优生态驾驶行为参数的确定方法 |
CN107563423B (zh) * | 2017-08-24 | 2020-07-03 | 北京交通发展研究院 | 一种轻型机动车生态驾驶行为的综合评价方法 |
CN109976300B (zh) * | 2017-12-28 | 2022-03-01 | 上海铼钠克数控科技有限公司 | 伺服系统的性能指标检测方法及计算机存储介质 |
CN109976300A (zh) * | 2017-12-28 | 2019-07-05 | 上海铼钠克数控科技股份有限公司 | 伺服系统的性能指标检测方法及计算机存储介质 |
CN110070245A (zh) * | 2018-01-23 | 2019-07-30 | 吉旗物联科技(上海)有限公司 | 一种基于驾驶数据的司机评分排名方法 |
CN109558668A (zh) * | 2018-11-26 | 2019-04-02 | 中车唐山机车车辆有限公司 | 基于运行能耗的确定轨道车辆的模型参数的方法 |
CN109558668B (zh) * | 2018-11-26 | 2023-04-07 | 中车唐山机车车辆有限公司 | 基于运行能耗的确定轨道车辆的模型参数的方法 |
CN111239606A (zh) * | 2018-11-28 | 2020-06-05 | 湖南中车时代电动汽车股份有限公司 | 一种新能源汽车动力电池性能衰减检测方法 |
CN109552338B (zh) * | 2018-12-19 | 2020-04-07 | 北京理工新源信息科技有限公司 | 一种纯电动汽车生态驾驶行为评估方法及系统 |
CN109552338A (zh) * | 2018-12-19 | 2019-04-02 | 北京理工新源信息科技有限公司 | 一种纯电动汽车生态驾驶行为评估方法及系统 |
CN109720207A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线(北京)新技术有限公司 | 车辆能耗分析方法、装置及计算机可读介质 |
CN109720207B (zh) * | 2018-12-29 | 2021-03-16 | 彩虹无线(北京)新技术有限公司 | 车辆能耗分析方法、装置及计算机可读介质 |
CN110481558A (zh) * | 2019-08-19 | 2019-11-22 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN110481558B (zh) * | 2019-08-19 | 2021-05-25 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN110689131A (zh) * | 2019-09-26 | 2020-01-14 | 长安大学 | 一种基于朴素贝叶斯模型的车辆能耗影响分析方法 |
CN111047179A (zh) * | 2019-12-06 | 2020-04-21 | 长安大学 | 一种基于频繁模式挖掘的车辆运输效率分析方法 |
CN111047179B (zh) * | 2019-12-06 | 2021-06-01 | 长安大学 | 一种基于频繁模式挖掘的车辆运输效率分析方法 |
CN111127894A (zh) * | 2019-12-30 | 2020-05-08 | 江苏中路工程技术研究院有限公司 | 一种基于监测手段的交通运输能耗控制方法及其检测方法 |
CN112507518A (zh) * | 2020-11-09 | 2021-03-16 | 东风汽车集团有限公司 | 一种用户综合油耗计算方法和装置 |
CN112507518B (zh) * | 2020-11-09 | 2022-07-01 | 东风汽车集团有限公司 | 一种用户综合油耗计算方法和装置 |
CN114228723A (zh) * | 2021-12-09 | 2022-03-25 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN114228723B (zh) * | 2021-12-09 | 2024-04-12 | 华人运通(上海)云计算科技有限公司 | 一种驾驶行为分析方法 |
CN116186570A (zh) * | 2023-02-27 | 2023-05-30 | 东南大学 | 一种考虑不同交通场景的生态驾驶评估方法 |
CN116186570B (zh) * | 2023-02-27 | 2024-03-12 | 东南大学 | 一种考虑不同交通场景的生态驾驶评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106203735B (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203735B (zh) | 一种机动车驾驶员驾驶行为能耗特征测算方法 | |
Ma et al. | Real-world driving cycles and energy consumption informed by large-sized vehicle trajectory data | |
Akcelik et al. | Operating cost, fuel consumption, and emission models in aaSIDRA and aaMOTION | |
Chen et al. | Driver’s eco-driving behavior evaluation modeling based on driving events | |
Li et al. | Traffic energy and emission reductions at signalized intersections: a study of the benefits of advanced driver information | |
US11348384B2 (en) | Method for determining indicators regarding the polluting nature of mobility taking real usage into account | |
CN104715605A (zh) | 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 | |
Wu et al. | Supplementary benefits from partial vehicle automation in an ecoapproach and departure application at signalized intersections | |
CN113034930A (zh) | 确定路网段上的污染物、噪声排放、道路安全参数的方法 | |
Anya et al. | Application of AIMSUN microsimulation model to estimate emissions on signalized arterial corridors | |
Mamarikas et al. | Traffic impacts on energy consumption of electric and conventional vehicles | |
Akçelik | Progress in fuel consumption modelling for urban traffic management | |
CN104091440B (zh) | 基于道路等级和车辆类型的城市交通拥堵成本估算方法 | |
Yue | Mesoscopic fuel consumption and emission modeling | |
CN105957348A (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN110867075B (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
Śmieszek et al. | Determining the fuel consumption of a public city bus in urban traffic | |
Akçelik et al. | Recalibration of a vehicle power model for fuel and emission estimation and its effect on assessment of alternative intersection treatments | |
CN110887674B (zh) | 一种燃料电池汽车氢消耗测试方法 | |
CN108171975A (zh) | 一种基于路段和交叉口分布的城市汽车运行速度预测方法 | |
CN108920753B (zh) | 一种基于优秀驾驶员行驶轨迹的弯道彩色路面设计方法 | |
CN106530705B (zh) | 一种考虑公交车行驶状态的公交车站交通噪声计算方法 | |
KR102652938B1 (ko) | 차량 운행에 따른 환경배출비용 평가 장치 및 그 방법 | |
Putradamazman et al. | Behaviour analysis of light-duty vehicle drivers using naturalistic driving data collection. | |
Park et al. | Real-time emissions modeling with environmental protection agency MOVES: Framework development and preliminary investigation |
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 |