CN108171975B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN108171975B
CN108171975B CN201711470512.4A CN201711470512A CN108171975B CN 108171975 B CN108171975 B CN 108171975B CN 201711470512 A CN201711470512 A CN 201711470512A CN 108171975 B CN108171975 B CN 108171975B
Authority
CN
China
Prior art keywords
road section
road
average
urban
city
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.)
Active
Application number
CN201711470512.4A
Other languages
English (en)
Other versions
CN108171975A (zh
Inventor
施树明
李文茹
张曼
牟宇
徐超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201711470512.4A priority Critical patent/CN108171975B/zh
Publication of CN108171975A publication Critical patent/CN108171975A/zh
Application granted granted Critical
Publication of CN108171975B publication Critical patent/CN108171975B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications

Landscapes

  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及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，采集对城市车辆行驶速度产生影响的交通环境信息数据，同时根据驾驶员行驶时的相关参数，将驾驶员分类；将以上采集测定得到基础交通环境变量参数进行计算得到平均路段长度
Figure DDA0001531916680000011
城市最大交通密度Km、路段汽车平均加速度
Figure DDA0001531916680000012
并输入公式
Figure DDA0001531916680000013
得到城市汽车行驶速度分布曲线。适用于对不同城市进行汽车运行速度的预测，得到城市汽车运行速度曲线的一个可定量化模型，对我国城市汽车运行工况典型城市的选取提供较为确切的理论依据。

Description

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
技术领域
本发明涉及一种面向城市汽车运行工况典型城市选取的城市汽车运行速度的预测方法，为基于路段和交叉口分布的汽车速度预测方法。
背景技术
汽车运行工况是针对某一类型车辆(如乘用车、公交车、重型车辆等)，在特定交通环境(如高速公路，城市道路)下，用来描述车辆行驶特征的速度-时间曲线。其主要是用于确定车辆污染物排放量和燃油消耗量、新车型的技术开发和评估、以及测定交通控制方面的风险等，是汽车工业一项共性核心技术。中国作为一个经纬度跨度大、地理地形种类多、城市交通环境差异大的复杂研究对象，仅使用一种汽车运行工况来进行汽车相关的技术开发、评估是无法准确表达出不同城市环境、不同地点运行工况的差异性和多样性。而目前，针对城市汽车运行工况，在进行工况试验时，需要在目标城市进行实车试验数据采集，由于缺乏相应的理论支持，为保证试验数据的完备性，试验过程会耗费大量的人力物力。同时，如果想要得到代表不同城市类型的运行工况，则需要在各个城市进行工况试验，进一步导致了人力物力以及时间的浪费。在汽车运行工况设计中，速度V分布、加速度A分布是设计者最为关心的参数。研究表明，汽车速度时间序列具有马尔科夫性，而速度加速度分布(VA分布)是速度加速度状态转移矩阵的不变分布。也就是说，VA分布可以用来判断不同工况是否相似，即可以将其作为指标来判断不同城市的工况是否相似。
城市汽车运行速度分布，作为一个区域整体的宏观速度分布，主要与城市交通道路环境有关，包括各级道路长度、各级道路数量、各级交叉口数量、停车车辆比例等信息参数。不同城市的交通环境差异是影响城市汽车整体运行速度分布的关键。所以，如果在对大量城市进行实地试验数据采集之前，可以事先确定中国城市运行工况由几种类型组成并明确其中的代表城市，这样我们仅需要对不同城市类型中的代表城市进行试验数据采集，可以大大减少投入的人力物力和试验持续的时间。
现有典型城市选取的技术方法主要是直接根据某几个因素，比如地理位置、经济发展水平、汽车保有量等粗略指标来进行典型城市的选取，没有提供一个确切的、可定量化的理论支持。因此，建立以输入城市交通环境的相关参数为基础，通过模型计算，得到城市汽车运行速度曲线的一个可定量化模型来对我国城市汽车运行工况典型城市的选取提供较为确切的理论依据是有必要的。
发明内容
本发明的目的就是为了解决上述汽车运行工况典型城市的选取，提供一种基于路段和交叉口的城市汽车运行速度计算方法，它可以实现对不同城市进行汽车运行速度的预测。
本发明的目通过以下技术方案实现：
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，包括如下步骤：
步骤一：采集对城市车辆行驶速度产生影响的交通环境信息数据如下：参数交叉口数量、道路路段的长度和数量、道路路段的道路权重、汽车保有量、人均出行次数；同时根据驾驶员行驶时的相关参数，将驾驶员分类为保守型、较保守性、正常型、较激进型和激进型五种类型；
步骤二：以城市某道路路段为研究对象，得到对于道路路段的汽车行驶速度与路段长度、车流量、交通密度和路段中停车数量比例的关系；然后将得到的路段速度分布模型，对城市路网整体应用，模型中的道路路段长度、道路路段车流量、道路路段中停车数量比例等参数使用该参数在路网整体中对应的平均值，即城市平均道路路段长度、城市道路平均车流量、城市平均停车比例等，推导得到以城市整体为对象的汽车行驶速度分布模型；
城市某道路路段可通行的道路长度Lr的表达式为，
Lr＝Li,j-Ns,j·lv (1)
其中，Li,j为位于路口i和路口j的该路段总长度，lv为停车时车辆平均占道长度，Ns,j为该路段中的停车车辆数。lv和Ns,j可具体表达为
lv＝lvl+lvb (2)
Ns,j＝Nj·Ps,j (3)
Nj＝Qj·T (4)
其中，lvl为车辆平均车身长度，lvb为最小车间距，Nj为该路段中总车辆数，Ps,j为该路段中停车车辆数比例，Qj为该路段的车流量。
将(3)(4)式代入(1)式，得
Lr＝Li,j-Qj·T·Ps,j·lv (5)
该道路路段中可通行的道路内汽车的行驶速度vr，可表达为
Figure GDA0002394692230000031
∫vr dt＝Lr (7)
Figure GDA0002394692230000032
结合汽车的加速模式，这里仅选择匀加速模式作为推导示例，则此时汽车的行驶速度vr也可表达为，对加速度求积分
Figure GDA0002394692230000033
Figure GDA0002394692230000034
将(10)式代入(8)式，得
Figure GDA0002394692230000035
求得t为
Figure GDA0002394692230000036
联立(8)(12)式，得
Figure GDA0002394692230000037
将(5)式代入(13)式，得
Figure GDA0002394692230000038
将(14)式应用到城市路网整体中，以单位时间进行表达，可近似得到
Figure GDA0002394692230000041
其中，
Figure GDA0002394692230000042
为道路路段汽车平均加速度，
Figure GDA0002394692230000043
为城市平均道路路段长度，
Figure GDA0002394692230000044
为城市平均车流量，Ps为城市平均停车车辆比例。在城市整体中，lv所表达的停车时车辆平均占道长度可近似表达为
Figure GDA0002394692230000045
其中Km为最大交通密度。将(16)式代入(15)式，得
Figure GDA0002394692230000046
其中，
Figure GDA0002394692230000047
为城市平均交通密度。考虑到汽车在路段中以不同的加速模式加速，使用优化系数来进行描述。因此，得到城市汽车运行速度模型
Figure GDA0002394692230000048
其中n1、n2为优化系数，
Figure GDA0002394692230000049
为城市车辆平均停车密度，表达式为
Figure GDA00023946922300000410
步骤三：对步骤一中采集测定得到基础交通环境变量参数进行计算处理，计算得到平均道路路段长度
Figure GDA00023946922300000411
城市最大交通密度Km、道路路段汽车平均加速度
Figure GDA00023946922300000412
需要输入模型的参数，将参数输入公式(18)，得到以
Figure GDA00023946922300000413
为自变量，
Figure GDA00023946922300000414
为因变量的汽车行驶速度模型，将参数变量值输入到模型中，得到城市汽车行驶速度分布曲线。
有益效果如下：
本发明提供一种基于路段和交叉口的城市汽车运行速度计算方法，适用于对不同城市进行汽车运行速度的预测，得到城市汽车运行速度曲线的一个可定量化模型，对我国城市汽车运行工况典型城市的选取提供较为确切的理论依据。与已有方法相比，本发明给出了对于城市宏观整体的汽车运行速度规律的定量化描述，有效地减少了选取城市汽车运行工况典型城市的工作量，并应用到城市汽车运行工况典型城市选取的工作中，具有预测准确度高，适用性好的特点。
附图说明
图1为本发明的城市汽车运行速度曲线建立过程示意图；
图2为城市交叉口道路路段示意图；
图3为道路路段汽车匀加速模式示意图；
图4为预测的长春市汽车运行速度分布曲线示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
实施例1
本发明提供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，具体如图1所示，
步骤一：需要采集测定的交通环境信息具体为：
(一)参数交叉口数量、道路路段的长度和数量、道路路段的道路权重、汽车保有量、人均出行次数：可通过查阅长春市城市交通部门的资料得到：长春(2011年)中心城区道路总长度为1714.6(km)，道路路段数量为1418(段)，汽车保有量为67,0000(辆)，人均出行次数为2.30(次/天)，平均出行距离(不含步行出行方式)为5.00(km/次)。
(二)驾驶员类型：指根据驾驶员驾驶时的相关参数，包括跟驰范围车间时距、与同车道前车满意车间时距、与邻道前车满意车间时距、与邻道后车满意车间时距、反应时间、反应强度等参数，将驾驶员分为保守型、较保守性、正常型、较激进型和激进型五种类型，通过查阅长春市城市交通部门的资料得到：驾驶员中保守型、较保守性、正常型、较激进型和激进型的分布比例大致为15％，20％，30％，20％和15％。
步骤二：以城市某道路路段为研究对象，得到对于道路路段的汽车行驶速度与路段长度、车流量、交通密度和路段中停车数量比例的关系；
(一)根据图2，得到道路路段中可通行的道路长度Lr的表达式，
Lr＝Li,j-Ns,j·lv (1)
其中，Li,j为位于路口i和路口j的该路段总长度，lv为停车时车辆平均占道长度，Ns,j为该路段中的停车车辆数。lv和Ns,j可具体表达为
lv＝lvl+lvb (2)
Ns,j＝Nj·Ps,j (3)
Nj＝Qj·T (4)
其中，lvl为车辆平均车身长度，lvb为最小车间距，Nj为该路段中总车辆数，Ps,j为该路段中停车数辆数比例，Qj为该路段的车流量。
将(3)(4)式代入(1)式，得
Lr＝Li,j-Qj·T·Ps,j·lv (5)
(二)该道路路段中可通行的道路内汽车的行驶速度vr，可表达为
Figure GDA0002394692230000061
∫vr dt＝Lr (7)
Figure GDA0002394692230000062
(三)结合汽车的如图3所示的加速模式，这里仅选择匀加速模式作为推导示例，则此时汽车的行驶速度vr也可表达为，对加速度求积分
Figure GDA0002394692230000063
Figure GDA0002394692230000064
(四)将(10)式代入(8)式，得
Figure GDA0002394692230000065
求得t为
Figure GDA0002394692230000066
联立(8)(12)式，得
Figure GDA0002394692230000067
将(5)式代入(13)式，得
Figure GDA0002394692230000068
(五)将(14)式应用到城市路网整体中，以单位时间进行表达，可近似得到
Figure GDA0002394692230000071
其中，
Figure GDA0002394692230000072
为道路路段汽车平均加速度，
Figure GDA0002394692230000073
为城市平均道路路段长度，
Figure GDA0002394692230000074
为城市平均车流量，Ps为城市平均停车车辆比例。在城市整体中，lv所表达的停车时车辆平均占道长度可近似表达为
Figure GDA0002394692230000075
其中Km为最大交通密度。将(16)式代入(15)式，得
Figure GDA0002394692230000076
其中，
Figure GDA0002394692230000077
为城市平均交通密度。考虑到汽车在路段中以不同的加速模式加速，使用优化系数来进行描述。因此，得到城市汽车运行速度模型
Figure GDA0002394692230000078
其中n1、n2为优化系数，n1的取值0.5，n2的取值为0.5，
Figure GDA0002394692230000079
为城市车辆平均停车密度，表达式为
Figure GDA00023946922300000710
综上，我们得到了式(18)，以城市整体为对象，面向汽车运行工况的一种基于路段和交叉口分布的汽车运行速度分布模型。
步骤三：需要计算处理得到输入模型中变量值的具体过程为：
(一)城市平均道路路段长度
Figure GDA00023946922300000711
利用步骤一中采集测定的道路路段数据进行计算得到长春市平均道路路段长度
Figure GDA00023946922300000712
为1210(m)，公式为
Figure GDA00023946922300000713
其中，Lall为城市道路路段总长度(m)，nall为城市道路路段总数量。
(二)城市最大交通密度Km：利用步骤一中采集测定的数据计算得到长春市城市最大交通密度为0.115(辆/m)，公式为
Figure GDA00023946922300000714
其中，Ni,j,max为位于路口i和路口j的该路段的最大车辆数，Li,j为该路段的道路长度(m)，pi,j为该路段的道路权重。
(三)道路路段汽车平均加速度
Figure GDA0002394692230000081
根据步骤一中驾驶员五种类型(保守型、较保守性、正常型、较激进型和激进型)的分布比例和平均道路路段长度，基于吉林大学车辆运行仿真实验室驾驶博弈仿真平台，将分布比例和平均道路路段长度
Figure GDA0002394692230000082
等其他参数值输入到仿真平台进行仿真实验，可得到不同路段长度、不同驾驶员类型分布比例下对应的平均加速度
Figure GDA0002394692230000083
为2.12(m/s2)。
将计算得到的变量值长春市平均道路路段长度
Figure GDA0002394692230000084
为1210(m)，城市最大交通密度为0.115(辆/m)，路路段汽车平均加速度
Figure GDA0002394692230000085
为2.12(m/s2)。输入(18)式，得到以城市平均停车密度
Figure GDA0002394692230000086
为自变量，城市汽车平均运行速度
Figure GDA0002394692230000087
为因变量的长春市汽车行驶速度分布如下式，曲线如图4所示。
Figure GDA0002394692230000088
综上所述，本发明以选取城市运行工况的典型城市为出发点，基于路段和交叉口建立城市的汽车运行速度模型，提供了面向城市汽车运行工况典型城市选取的城市汽车运行速度的预测方法。

Claims (3)

1.一种基于路段和交叉口分布的城市汽车运行速度预测方法，其特征在于：包括如下步骤：
步骤一：采集对城市车辆行驶速度产生影响的交通环境信息数据如下：参数交叉口数量、道路路段的长度和数量、道路路段的道路权重、汽车保有量、人均出行次数；同时根据驾驶员行驶时的相关参数，将驾驶员分类为保守型、较保守性、正常型、较激进型和激进型五种类型；
步骤二：以城市某道路路段为研究对象，得到对于道路路段的汽车行驶速度与路段长度、车流量、交通密度和路段中停车数量比例的关系；将得到的路段速度分布模型，对城市路网整体应用，模型中的路段长度、路段车流量、路段中停车数量比例参数使用该参数在路网整体中对应的平均值，即城市平均路段长度、城市平均车流量、城市平均停车数量比例，推导得到以城市整体为对象的汽车行驶速度分布模型；
城市某道路路段可通行的道路长度Lr的表达式为，
Lr＝Li，j-Ns，j·lv (1)
其中，Li，j为位于路口i和路口j的该路段总长度，lv为停车时车辆平均占道长度，Ns，j为该路段中的停车车辆数，lv和Ns，j可具体表达为
lv＝lvl+lvb (2)
Ns，j＝Nj·Ps，j (3)
Nj＝Qj·T (4)
其中，lvl为车辆平均车身长度，lvb为最小车间距，Nj为该路段中总车辆数，Ps，j为该路段中停车车辆数比例，Qj为该路段的车流量，
将(3)(4)式代入(1)式，得
Lr＝Li，j-Qj·T·Ps，j·lv (5)
该道路路段中可通行的道路内汽车的行驶速度vr，可表达为
Figure FDA0002394692220000011
∫vr dt＝Lr (7)
Figure FDA0002394692220000012
结合汽车的加速模式，这里仅选择匀加速模式作为推导示例，则此时汽车的行驶速度vr也可表达为，对加速度求积分
Figure FDA0002394692220000021
Figure FDA0002394692220000022
将(10)式代入(8)式，得
Figure FDA0002394692220000023
求得t为
Figure FDA0002394692220000024
联立(8)(12)式，得
Figure FDA0002394692220000025
将(5)式代入(13)式，得
Figure FDA0002394692220000026
将(14)式应用到城市路网整体中，以单位时间进行表达，可近似得到
Figure FDA0002394692220000027
其中，
Figure FDA0002394692220000028
为道路路段汽车平均加速度，
Figure FDA0002394692220000029
为城市平均道路路段长度，
Figure FDA00023946922200000210
为城市平均车流量，Ps为城市平均停车数辆比例，在城市整体中，lv所表达的停车时车辆平均占道长度可近似表达为
Figure FDA00023946922200000211
其中Km为最大交通密度，将(16)式代入(15)式，得
Figure FDA00023946922200000212
其中，
Figure FDA00023946922200000213
为城市平均交通密度，考虑到汽车在路段中以不同的加速模式加速，使用优化系数来进行描述，因此，得到城市汽车运行速度模型
Figure FDA00023946922200000214
其中n1、n2为优化系数，
Figure FDA00023946922200000215
为城市车辆平均停车密度，表达式为
Figure FDA00023946922200000216
步骤三：对步骤一中采集测定得到基础交通环境变量参数进行计算处理，计算得到平均道路路段长度
Figure FDA0002394692220000031
城市最大交通密度Km、道路路段汽车平均加速度
Figure FDA0002394692220000032
需要输入模型的参数，将参数输入公式(18)，得到以
Figure FDA0002394692220000033
为自变量，
Figure FDA0002394692220000034
为因变量的汽车行驶速度模型，将参数变量值输入到模型中，得到城市汽车行驶速度分布曲线。
2.如权利要求1所述的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，其特征在于：所述的步骤二中的优化系数n1为0.4-1，n2为0.4-3。
3.如权利要求2所述的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，其特征在于：所述的步骤二中的优化系数n1为0.5，n2为0.5。
CN201711470512.4A 2017-12-29 2017-12-29 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 Active CN108171975B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711470512.4A CN108171975B (zh) 2017-12-29 2017-12-29 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711470512.4A CN108171975B (zh) 2017-12-29 2017-12-29 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

Publications (2)

Publication Number Publication Date
CN108171975A CN108171975A (zh) 2018-06-15
CN108171975B true CN108171975B (zh) 2020-04-17

Family

ID=62519954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711470512.4A Active CN108171975B (zh) 2017-12-29 2017-12-29 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

Country Status (1)

Country Link
CN (1) CN108171975B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110264757B (zh) * 2019-05-21 2021-10-26 吉林大学 基于连续信号灯信息的智能网联汽车分层速度规划方法
CN111932874B (zh) * 2020-07-27 2022-09-06 中国科学技术大学 一种利用机动车gps轨迹预测空气污染趋势的方法及系统
CN115497306A (zh) * 2022-11-22 2022-12-20 中汽研汽车检验中心（天津）有限公司 一种基于gis数据的速度区间权重计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923782A (zh) * 2010-07-28 2010-12-22 北京交通大学 基于地磁传感技术的交通车辆速度获取方法
CN103914985A (zh) * 2014-04-25 2014-07-09 大连理工大学 一种混合动力客车未来车速轨迹预测方法
CN103927887A (zh) * 2014-03-18 2014-07-16 西北工业大学 结合离散速度模型的阵列式fpga交通状态预测及控制系统
CN104821080A (zh) * 2015-03-02 2015-08-05 北京理工大学 基于宏观城市交通流的智能车辆行驶速度及时间预测方法
CN105825677A (zh) * 2016-05-31 2016-08-03 武汉大学 一种基于改进bml模型的城市交通拥堵预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101923782A (zh) * 2010-07-28 2010-12-22 北京交通大学 基于地磁传感技术的交通车辆速度获取方法
CN103927887A (zh) * 2014-03-18 2014-07-16 西北工业大学 结合离散速度模型的阵列式fpga交通状态预测及控制系统
CN103914985A (zh) * 2014-04-25 2014-07-09 大连理工大学 一种混合动力客车未来车速轨迹预测方法
CN104821080A (zh) * 2015-03-02 2015-08-05 北京理工大学 基于宏观城市交通流的智能车辆行驶速度及时间预测方法
CN105825677A (zh) * 2016-05-31 2016-08-03 武汉大学 一种基于改进bml模型的城市交通拥堵预测方法

Also Published As

Publication number Publication date
CN108171975A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
CN107330217B (zh) 一种基于rbfnn的中观油耗预测方法
Liu et al. Impact of road gradient on energy consumption of electric vehicles
Yu et al. Improving urban bus emission and fuel consumption modeling by incorporating passenger load factor for real world driving
JP5542712B2 (ja) 加速度を決定するための自動車用システムおよび方法
US8457869B2 (en) Method for ascertaining consumption and/or emission values
US8874367B2 (en) Method for estimating and displaying range of a vehicle
Lai et al. Development of city-specific driving cycles for transit buses based on VSP distributions: Case of Beijing
Lyu et al. Review of the studies on emission evaluation approaches for operating vehicles
CN108171975B (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
US8989999B2 (en) Vehicle range analysis using driving environment information with optional continuous averaging
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
CN104361460A (zh) 采用模糊综合评价方法的道路服务水平评价方法
Ukkusuri et al. Assessing the impact of urban off-hour delivery program using city scale simulation models
Ryu et al. Development of a corrected average speed model for calculating carbon dioxide emissions per link unit on urban roads
CN115422747A (zh) 一种机动车尾气污染物排放量的计算方法和计算装置
CN116702096A (zh) 车辆高原环境道路滑行阻力测算方法及装置
Hung et al. Comparison of driving characteristics in cities of Pearl River Delta, China
Xu et al. An eco-score system incorporating driving behavior, vehicle characteristics, and traffic conditions
CN113095387B (zh) 基于联网车载adas的道路风险识别方法
Salihu et al. Effect of road slope on driving cycle parameters of urban roads
Šarkan et al. Measurement of fuel consumption of a road motor vehicle by outdoor driving testing
Yu et al. Statistical inference-based research on sampling time of vehicle driving cycle experiments
Sun et al. A prediction-evaluation method for road network energy consumption: Fusion of vehicle energy flow principle and Two-Fluid theory
CN111784027A (zh) 计及地理信息的城市范围电动汽车充电需求预测方法
Kishi et al. A method for estimating traffic flow fuel consumption—using traffic simulations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant