CN109752590B - 一种基于数据驱动的电动公交能耗估计方法 - Google Patents

Abstract

本发明公开了一种基于数据驱动的电动公交能耗估计方法，包括以下步骤：S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。本发明基于GPS轨迹数据和智能IC卡数据，对于分析电动公交能耗的时空特性有着很大作用。

Description

一种基于数据驱动的电动公交能耗估计方法

技术领域

本发明涉及公共交通信息处理技术领域，更具体的说是涉及一种基于数据驱动的电动公交能耗估计方法。

背景技术

近年来，随着我国城市化步伐的日益加快，机动车保有量不断提升，机动车辆所消耗的能源与排放的温室气体数量与日俱增。环境与机动车辆之间的矛盾日益凸显，并成为我国各大城市发展中亟需解决的重要矛盾。虽然公交车辆相较于其他车辆来说，在能源消耗和温室气体排放方面具有人均能耗低、更环保的优势，但是使用柴油内燃机等传统内燃机的公交车辆同样会导致严重的能源消耗与环境污染问题。

在公共交通领域，电动公交车比传统的柴油公交车更有利，因为它们在车辆运行期间具有“低能耗、零排放”的优势，推广电动公交是改善环境质量、节省能源消耗的有效对策之一。以北京市为例，2009年至2014年，北京市部署了近9000台新能源汽车，其中超过50％的新能源汽车是公交车辆、出租车和环卫车等公共用途车辆。根据北京公共交通集团(2018年)的数据，北京至少50％的公交车辆将在2020年实现电气化。

因此，研究电动公交能耗估计具有较强的现实意义，具体体现在：为电动公交与传统柴油公交能耗对比提供技术基础，为后续公交车辆电气化进程提供数据支撑，为城市交通管理部门评估电动公交节能效果提供理论方法,为搭建大规模传统公交与电动公交能耗对比平台提供模型基础。

公交车辆作为公交公司营运车辆，车辆的相关参数易于采集、车辆轨迹数据和营运数据易于管理；近年来，随着GPS技术、AFC(自动收费)和APC(自动乘客计数)技术的快速发展，公交车辆GPS轨迹数据和公交IC卡数据的采集简单易行，数据的精度和准确度不断提高；合理运用上述条件和技术，能为电动公交能耗估计提供良好的数据支撑和基础条件。

因此，如何提供一种基于GPS轨迹数据和智能IC卡数据的电动公交能耗估算方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于数据驱动的电动公交能耗估计方法，考虑到公交总质量随线路各站点波动的实际情况，在现有的电动车辆能耗估算模型的基础上，创新地将GPS轨迹数据与智能IC卡数据进行匹配结合，动态统计每个时刻公交车人数，进而动态估算公交在运营线路上不同位置的总质量。就公交车辆而言，本发明大幅度地提高了原有电动车辆能耗估算模型的估算精度，这对于分析电动公交能耗的时空特性有着很大作用。

为了实现上述目的，本发明采用如下技术方案：

一种基于数据驱动的电动公交能耗估计方法，包括以下步骤：

S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；

S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；

S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；

S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；

S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。

经由上述的技术方案可知，与现有技术相比，本发明具有如下有益效果：

1、本发明结合车辆的实时GPS轨迹数据，提取车辆的运行数据，数据的获取过程方便快捷。

2、本发明将GPS轨迹数据和智能IC卡进行匹配处理，动态统计车辆行驶轨迹上不同位置的乘车人数，动态估算车辆的总质量，大幅度提高计算精度。

3、本发明的中间变量仅为轨迹点经纬度、轨迹点高程、轨迹点采集时间、IC卡刷卡时间，数据处理过程简单，成本低，同时具有较高的精确度。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S1中车辆的实时GPS轨迹数据至少包括：车辆ID、车辆轨迹点经度、车辆轨迹点纬度、车辆轨迹点高程、车辆轨迹点速度和车辆轨迹点采集时间。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S1中对车辆的实时GPS轨迹数据进行预处理，剔除车辆轨迹点经纬度或车辆轨迹点高程值为零的GPS轨迹数据。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S2包括：

S21：获取GPS轨迹数据中相邻轨迹点的经纬度；

S22：根据前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度和后一轨迹点纬度计算地球表面距离，作为相邻轨迹点车辆的行驶距离；

S23：根据相邻轨迹点的行驶距离和相邻轨迹点高程差计算相邻轨迹点区间内车辆的坡度；

S24：根据相邻轨迹点的车辆行驶速度和相邻轨迹点的采集时间计算相邻轨迹点区间内车辆的加速度。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S22中的地球表面距离为考虑了地球赤道和极半径的表面距离。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S23中的坡度为相邻两个轨迹点的地球表面距离的高程差所构成的直角三角形中较小的锐角值。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S3包括：

S31：将车辆的实时GPS轨迹数据中的车辆ID和智能IC卡数据中的车辆IC进行匹配，获得车辆的智能IC卡数据；

S32：以智能IC卡数据中的上车刷卡时间、下车刷卡时间和GPS轨迹数据中的车辆轨迹点采集时间为判断依据，统计相邻轨迹点区间内车辆上的乘客总人数；

S33：根据乘客总人数和车辆的空载质量对车辆运行过程中的总质量进行估算。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S32中，统计满足下车刷卡时间与上车刷卡时间的时间区间包含车辆轨迹点采集时间的智能IC卡个数，智能IC卡个数与当前轨迹点车辆上的乘客总人数相等。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S4包括：

S41：计算车辆的瞬时总牵引力，计算公式如下：

F_tr＝F_drag+F_roll+F_climb+F_inertia；

F_drag＝K_d×V²，K_d＝0.5ρCdA；

F_roll＝Mgfcos(α)；

F_climb＝Mgsin(α)；

F_inertia＝δMa；

其中，F_tr表示车辆的瞬时总牵引力，F_drag表示克服车辆行驶过程中空气阻力所需的牵引力，ρ表示空气密度，C_d表示空气阻力系数，A表示车辆迎风面积，V表示车辆的瞬时速度；

F_roll表示克服车辆行驶过程中滚动阻力所需牵引力，f表示滚动阻力系数，α表示车辆行驶过程中的道路坡度；

F_climb表示克服车辆行驶过程中坡度阻力所需牵引力，M代表车辆总质量，g代表重力加速度；

F_inertia表示克服车辆在行驶过程中由于加速度变化产生的惯性力所需牵引力，δ表示考虑到车辆传动系统中所有旋转组件的一个系数，a表示车辆的加速度；

S42：计算车辆的瞬时功率，计算公式如下：

P_tr(t)＝ηF_tr×V

其中，P_tr(t)表示车辆的瞬时功率，η表示考虑传动系统、变频器和电机损耗的效率系数，η_t表示变速箱和传动系统的效率系数，η_PE表示变频器效率系数，η_m表示电机效率系数，r_reg表示能源再生系数。

优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S5包括：

S51：计算车辆在相邻轨迹点区间内的瞬时总功率，计算公式如下：

P(t)＝P_tr(t)+P_aux

其中，P(t)表示车辆瞬时总功率，P_aux代表车辆的辅助系统功率；

S52：计算车辆的能耗，计算公式如下：

E＝∫P(t)dt

其中，E表示车辆能耗。

本发明实时获取公交车辆的GPS轨迹数据，并从中提取轨迹点经度、轨迹点纬度、轨迹点高程、轨迹点速度和轨迹点采集时间等信息组成GPS轨迹数据集。首先，以经纬度和高程为筛选标准，剔除经纬度或高程为零的异常GPS轨迹数据；其次，通过相邻轨迹点的前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度、后一轨迹点纬度计算地球表面距离作为相邻轨迹点行驶距离，以相邻轨迹点行驶距离和相邻轨迹点高程差估算轨迹点坡度，以相邻轨迹点速度和相邻轨迹点采集时间估算轨迹点加速度，获得轨迹点车辆运行数据(速度、加速度、坡度)；再次，依照IC卡数据上下车刷卡时间与GPS轨迹数据采集时间进行匹配，动态统计公交轨迹上不同位置的乘车人数，动态估算车辆实时数据(车辆总质量)；最后，将车辆运行数据、车辆实时数据、车辆自身特性指标数据(辅助系统运行功率)输入瞬时功率估算模型，进而估算电动公交行程能耗，完成基于多源数据的电动公交能耗估算。整个计算过程简单、且精度高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的一种基于数据驱动的电动公交能耗估计方法的计算流程图；

图2附图为采用本发明提供的一种基于数据驱动的电动公交能耗估计方法的纯电动公交和柴油公交耗能比对结果示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，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。

参照附图1，本发明实施例公开了一种基于数据驱动的电动公交能耗估计方法，包括以下步骤：

S1：车辆GPS轨迹数据的采集和预处理：

获取车辆的实时GPS轨迹数据，并从原始GPS轨迹数据中提取车辆ID、车辆轨迹点经度、车辆轨迹点纬度、车辆轨迹点高程、车辆轨迹点速度和车辆轨迹点采集时间作为GPS轨迹数据集；并对GPS轨迹数据集进行预处理，剔除车辆轨迹点经纬度或车辆轨迹点高程值为零的对应GPS轨迹数据。

获取智能IC卡数据和车辆自身特性信息作为辅助数据集。获取智能IC卡数据包括刷卡时间和刷卡地点，车辆自身特性信息包括空载质量和辅助系统功率。

S2：车辆运行数据的处理：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度。

S21：获取预处理后的GPS轨迹数据中相邻轨迹点的经纬度。

S22：根据前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度和后一轨迹点纬度计算地球表面距离，作为相邻轨迹点车辆的行驶距离；地球表面距离为考虑了地球赤道和极半径的表面距离。

S23：根据相邻轨迹点的行驶距离和相邻轨迹点高程差计算相邻轨迹点区间内车辆的坡度；坡度为相邻两个轨迹点的地球表面距离的高程差所构成的直角三角形中较小的锐角值。

S24：根据相邻轨迹点的车辆行驶速度和相邻轨迹点的采集时间计算相邻轨迹点区间内车辆的加速度。

S3：车辆动态数据的处理：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量。车辆动态数据包括车辆的实时质量和承载人数。

S31：将车辆的实时GPS轨迹数据中的车辆ID和智能IC卡数据中的车辆IC进行匹配，获得车辆的智能IC卡数据；

S32：以智能IC卡数据中的上车刷卡时间、下车刷卡时间和GPS轨迹数据中的车辆轨迹点采集时间为判断依据，统计相邻轨迹点区间内车辆上的乘客总人数；统计满足下车刷卡时间与上车刷卡时间的时间间隔大于车辆轨迹点采集时间的智能IC卡个数，智能IC卡个数与当前轨迹点车辆上的乘客总人数相等。

S33：根据乘客总人数和车辆的空载质量对车辆运行过程中的总质量进行估算。

S4：车辆瞬时功率的获取：构建功率估算模型，根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率。

S41：计算车辆的瞬时总牵引力，计算公式如下：

F_tr＝F_drag+F_roll+F_climb+F_inertia；

F_drag＝K_d×V²，K_d＝0.5ρCdA；

F_roll＝Mgfcos(α)；

F_climb＝Mgsin(α)；

F_inertia＝δMa；

其中，F_tr表示车辆的瞬时总牵引力，F_drag表示克服车辆行驶过程中空气阻力所需的牵引力，ρ表示空气密度，C_d表示空气阻力系数，A表示车辆迎风面积，V表示车辆的瞬时速度；

F_roll表示克服车辆行驶过程中滚动阻力所需牵引力，f表示滚动阻力系数，α表示车辆行驶过程中的道路坡度；

F_climb表示克服车辆行驶过程中坡度阻力所需牵引力，M代表车辆总质量，g代表重力加速度；

F_inertia表示克服车辆在行驶过程中由于加速度变化产生的惯性力所需牵引力，δ表示考虑到车辆传动系统中所有旋转组件的一个系数，a表示车辆的加速度；

S42：计算车辆在当前轨迹点的瞬时功率，计算公式如下：

P_tr(t)＝ηF_tr×V

其中，P_tr(t)表示车辆的瞬时功率，η表示考虑传动系统、变频器和电机损耗的效率系数，η_t表示变速箱和传动系统的效率系数，η_PE表示变频器效率系数，η_m表示电机效率系数，r_reg表示能源再生系数。

S5：车辆能耗估算：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。

S51：计算车辆在相邻轨迹点区间内的瞬时总功率，计算公式如下：

P(t)＝P_tr(t)+P_aux

其中，P(t)表示车辆瞬时总功率，P_aux代表车辆的辅助系统功率；

S52：计算车辆的能耗，计算公式如下：

E＝∫P(t)dt

其中，E表示车辆能耗。

为了方便本发明的参数理解及模型体现，下面通过具体试验对S1-S5进行详细说明。

本试验中的GPS轨迹数据和智能IC卡数据由北京市某公交公司提供。本范例提取2017年11月1日同时运营柴油公交和纯电动公交车辆的公交线路中的公交车辆GPS轨迹数据和对应车辆的智能IC卡数据。公交车辆信息如表1所示，计算过程所涉及的计算公式的具体参数如表2所示。

表1具体线路及公交车辆信息

线路名称	柴油公交数量	纯电动公交数量
			313	1	1
470	5	11
			特7	2	22
特14	8	13
			特16	21	22
专41	6	6
			合计	43	75

表2具体参数

ρ(kg/m<sup>3</sup>)	1.18
		Cd	0.8
g(m/s<sup>2</sup>)	9.81
		δ	1.1
rreg	0.6
		ηt	0.97
ηm	0.91
		ηPE	0.95

为了方便进行量化对比，本试验同时估算了对应相同线路运营的柴油公交能耗，并将电动公交能耗以L/百公里和kw〃h/百公里为单位，柴油公交能耗以L/百公里为单位进行展示，柴油公交和纯电动公交能耗结果如表3和图2所示。

表3纯电动公交和柴油公交能耗对比结果

经由上述试验可知，本发明能够准确地对电动公交进行能耗估算。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种基于数据驱动的电动公交能耗估计方法，其特征在于，包括以下步骤：

S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；

S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；

S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；

S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；

S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗；

步骤S2包括：

S21：获取GPS轨迹数据中相邻轨迹点的经纬度；

S22：根据前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度和后一轨迹点纬度计算地球表面距离，作为相邻轨迹点车辆的行驶距离；

S23：根据相邻轨迹点的行驶距离和相邻轨迹点高程差计算相邻轨迹点区间内车辆的坡度；

S24：根据相邻轨迹点的车辆行驶速度和相邻轨迹点的采集时间计算相邻轨迹点区间内车辆的加速度；

步骤S3包括：

S31：将车辆的实时GPS轨迹数据中的车辆ID和智能IC卡数据中的车辆IC进行匹配，获得车辆的智能IC卡数据；

S32：以智能IC卡数据中的上车刷卡时间、下车刷卡时间和GPS轨迹数据中的车辆轨迹点采集时间为判断依据，统计相邻轨迹点区间内车辆上的乘客总人数；

S33：根据乘客总人数和车辆的空载质量对车辆运行过程中的总质量进行估算；

步骤S32中，统计满足下车刷卡时间与上车刷卡时间的时间区间包含车辆轨迹点采集时间的智能IC卡个数，智能IC卡个数与当前轨迹点车辆上的乘客总人数相等。

2.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S1中车辆的实时GPS轨迹数据至少包括：车辆ID、车辆轨迹点经度、车辆轨迹点纬度、车辆轨迹点高程、车辆轨迹点速度和车辆轨迹点采集时间。

3.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S1中对车辆的实时GPS轨迹数据进行预处理，剔除车辆轨迹点经纬度或车辆轨迹点高程值为零的GPS轨迹数据。

4.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S22中的地球表面距离为考虑了地球赤道和极半径的表面距离。

5.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S23中的坡度为相邻两个轨迹点的地球表面距离的高程差所构成的直角三角形中较小的锐角值。

6.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S4包括：

S41：计算车辆的瞬时总牵引力，计算公式如下：

F_tr＝F_drag+F_roll+F_climb+F_inertia；

F_drag＝K_d×V²，K_d＝0.5ρC_dA；

F_roll＝Mgfcos(α)；

F_climb＝Mgsin(α)；

F_inertia＝δMa；

其中，F_tr表示车辆的瞬时总牵引力，F_drag表示克服车辆行驶过程中空气阻力所需的牵引力，ρ表示空气密度，C_d表示空气阻力系数，A表示车辆迎风面积，V表示车辆的瞬时速度；

F_roll表示克服车辆行驶过程中滚动阻力所需牵引力，f表示滚动阻力系数，α表示车辆行驶过程中的道路坡度；

F_climb表示克服车辆行驶过程中坡度阻力所需牵引力，M代表车辆总质量，g代表重力加速度；

F_inertia表示克服车辆在行驶过程中由于加速度变化产生的惯性力所需牵引力，δ表示考虑到车辆传动系统中所有旋转组件的一个系数，a表示车辆的加速度；

S42：计算车辆的瞬时功率，计算公式如下：

P_tr(t)＝ηF_tr×V

其中，P_tr(t)表示车辆的瞬时功率，η表示考虑传动系统、变频器和电机损耗的效率系数，η_t表示变速箱和传动系统的效率系数，η_PE表示变频器效率系数，η_m表示电机效率系数，r_reg表示能源再生系数。

7.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S5包括：

S51：计算车辆在相邻轨迹点区间内的瞬时总功率，计算公式如下：

P(t)＝P_tr(t)+P_aux

其中，P(t)表示车辆瞬时总功率，P_aux代表车辆的辅助系统功率；

S52：计算车辆的能耗，计算公式如下：

E＝∫P(t)dt

其中，E表示车辆能耗。

Images