CN110033112A - 一种百公里油耗预估分析方法 - Google Patents
一种百公里油耗预估分析方法 Download PDFInfo
- Publication number
- CN110033112A CN110033112A CN201810034635.1A CN201810034635A CN110033112A CN 110033112 A CN110033112 A CN 110033112A CN 201810034635 A CN201810034635 A CN 201810034635A CN 110033112 A CN110033112 A CN 110033112A
- Authority
- CN
- China
- Prior art keywords
- oil consumption
- factor
- per hundred
- correlation coefficient
- hundred kilometers
- 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.)
- Pending
Links
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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种百公里油耗预估分析方法,其包括:计算每一油耗影响因素和油耗之间的皮尔逊相关系数;当皮尔逊相关系数在预设范围内时,确定对应的油耗影响因素为油耗因子;基于多元线性回归模型,计算每一油耗因子对油耗的影响度;基于多元线性回归模型,根据各油耗因子和每一油耗因子对应的影响度对油耗进行预估分析。本发明可以实现对百公里油耗的定量预估分析,油耗因子对油耗影响程度透明可视,真正实现油耗成本的精细化运营。
Description
技术领域
本发明涉及油耗分析技术领域,尤其涉及一种百公里油耗预估分析方法。
背景技术
目前在相关行业内,针对百公里油耗的分析仅局限于依据驾驶行为、海拔、车型等因素对百公里油耗的影响,对百公里油耗进行定性分析,并不能做到定量分析。而定性分析所提供的依据对制定管理手段的帮助十分有限,因此现有技术中对物流行业的精细化运营始终无法实现。
发明内容
针对上述现有技术中存在的问题,本申请提供一种百公里油耗预估分析方法,该方法可以实现对百公里油耗的定量预估分析,油耗因子对油耗影响程度透明可视,真正实现油耗成本的精细化运营。该百公里油耗预估分析方法包括:
计算每一油耗影响因素和油耗之间的皮尔逊相关系数;
当所述皮尔逊相关系数在预设范围内时,确定对应的所述油耗影响因素为油耗因子;
基于多元线性回归模型,计算每一所述油耗因子对油耗的影响度;
基于多元线性回归模型,根据各所述油耗因子和每一所述油耗因子对应的影响度对油耗进行预估分析。
可选地,所述计算每一油耗影响因素和油耗之间的皮尔逊相关系数,具体为:
通过以下公式计算每一油耗影响因素和油耗之间的皮尔逊相关系数;
其中,上式中ρx,y表示x和y之间的皮尔逊相关系数,x表示油耗影响因素,y表示油耗。
可选地,所述当所述皮尔逊相关系数在预设范围内时,确定对应的所述油耗影响因素为油耗因子,具体为:
当所述皮尔逊相关系数的绝对值不小于0.1时,确定对应的所述油耗影响因素为油耗因子。
可选地,所述皮尔逊相关系数的绝对值的最大值为0.59。
可选地,所述油耗因子包括车型、载重、道路状况、车速、海拔数据和驾驶行为。
可选地,所述海拔数据包括线路平均海拔以及线路起点和终点的海拔差。
可选地,所述驾驶行为包括刹车里程、怠速耗时、经济转速时长、急刹车次数、急加速次数以及超转速时间。
本发明依据油耗影响因素和油耗之间的皮尔逊相关系数确定油耗影响因素和油耗的相关度,当油耗影响因素和油耗之间的相关度满足预设要求时确定相应的油耗影响因素为油耗因子,并基于多元线性回归模型计算油耗因子对油耗的影响度;从而实现基于多元线性回归模型,根据油耗因子和油耗因子对应的影响度对油耗进行预估分析。进而可以实现对百公里油耗的定量预估分析,并且油耗因子对油耗影响程度透明可视,真正实现油耗成本的精细化运营。
附图说明
图1为本发明实施例中的百公里油耗预估分析方法的流程示意图。
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。
请参阅图1,图1示出了本实施例中的百公里油耗预估分析方法的流程示意图,该方法具体包括以下步骤:
S101,计算每一油耗影响因素和油耗之间的皮尔逊相关系数。
S102,当皮尔逊相关系数在预设范围内时,确定对应的油耗影响因素为油耗因子。
需要说明的是,在车辆行驶过程中,对油耗造成影响的因素有很多,因此在对油耗进行预估分析之前首先应确定选取哪些因素作为预估分析油耗的油耗因子。而上述S101和S102即是根据油耗影响因素和油耗之间的皮尔逊相关系数来确定相应的油耗影响因素和油耗之间的相关程度,从而对各油耗因素进行筛选,进而确定哪些因素可以作为油耗因子用于对油耗进行预估分析。
其中,皮尔逊相关系数是一种度量两个变量间相关程度的量,它是一个介于1和-1之间的值,当两个变量间的皮尔逊相关系数为1时表示两个变量完全正相关,当两个变量间的皮尔逊相关系数为0时表示两个变量无关,当两个变量间的皮尔逊相关系数为-1时表示两个变量完全负相关,对于变量x、y之间的皮尔逊相关系数ρx,y,表示如下:
其中,上式中ρx,y表示变量x和y之间的皮尔逊相关系数,x、y分别代表一个变量,具体到本实施例中x则可以表示油耗影响因素,y则可以表示油耗。
上述步骤即是通过计算某一油耗影响因素和油耗之间的皮尔逊相关系数来确定该油耗影响因素和油耗间的相关程度。具体地,本实施例中是当计算出的皮尔逊相关系数的绝对值不小于0.1时,则确定相应的油耗影响因素和油耗之间相关程度较大,此时将对应的油耗因素作为油耗因子,以便后续对油耗进行预估分析,并且在本实施例中皮尔逊相关系数的绝对值的最大值为0.59。通过以上方式所确定的油耗因子包括车型、载重、道路状况、车速、海拔数据和驾驶行为。其中海拔数据包括线路平均海拔以及线路起点和终点的海拔差。驾驶行为包括刹车里程、怠速耗时、经济转速时长、急刹车次数、急加速次数以及超转速时间。具体如下列表一所示:
表一
而各油耗因子对油耗的影响则可以通过下列表二得知,其中表二中油耗因子系数=百公里油耗/标准单位下油耗因子的值,也即油耗因子系数为每单位油耗因子对应的油耗变化值,如油耗因子为平均海拔时,平均海拔232.21米时,百公里油耗上升0.11L,则平均海拔每上升1米,百公里油耗上升0.0005L。
表二
S103,基于多元线性回归模型,计算每一油耗因子对油耗的影响度。
需要说明的是,多元线性回归模型用于计算多个自变量对一因变量的影响。其一般形式为:
yβ0+β1x1+β2x2+…+βkxk+ε
式中:β0,β2,βk为对应自变量的回归系数,ε为误差项,x1、x2、xk分别指代一种自变量,也即油耗因子,y表示因变量,也即油耗。而为了根据多个自变量确定因变量的值,则需要首先基于多元线性回归模型,计算每一自变量的回归系数,也即每一自变量对因变量的影响度。
S104,基于多元线性回归模型,根据各油耗因子和每一油耗因子对应的影响度对油耗进行预估分析。
需要说明的是,本实施例中是以油耗为因变量,各油耗因子为自变量,然后基于多元线性回归模型结合上述计算得出的每一油耗因子的回归系数和油耗因子的值对油耗进行预估分析。
本实施例依据油耗影响因素和油耗之间的皮尔逊相关系数确定油耗影响因素和油耗的相关度,当油耗影响因素和油耗之间的相关度满足预设要求时确定相应的油耗影响因素为油耗因子,并基于多元线性回归模型计算油耗因子对油耗的影响度;从而实现基于多元线性回归模型,根据油耗因子和油耗因子对应的影响度对油耗进行预估分析。进而可以实现对百公里油耗的定量预估分析,并且油耗因子对油耗影响程度透明可视,真正实现油耗成本的精细化运营。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
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 (7)
1.一种百公里油耗预估分析方法,其特征在于,所述方法包括:
计算每一油耗影响因素和油耗之间的皮尔逊相关系数;
当所述皮尔逊相关系数在预设范围内时,确定对应的所述油耗影响因素为油耗因子;
基于多元线性回归模型,计算每一所述油耗因子对油耗的影响度;
基于多元线性回归模型,根据各所述油耗因子和每一所述油耗因子对应的影响度对油耗进行预估分析。
2.如权利要求1所述的百公里油耗预估分析方法,其特征在于,所述计算每一油耗影响因素和油耗之间的皮尔逊相关系数,具体为:
通过以下公式计算每一油耗影响因素和油耗之间的皮尔逊相关系数;
其中,上式中ρx,y表示x和y之间的皮尔逊相关系数,x表示油耗影响因素,y表示油耗。
3.如权利要求1所述的百公里油耗预估分析方法,其特征在于,所述当所述皮尔逊相关系数在预设范围内时,确定对应的所述油耗影响因素为油耗因子,具体为:
当所述皮尔逊相关系数的绝对值不小于0.1时,确定对应的所述油耗影响因素为油耗因子。
4.如权利要求3所述的百公里油耗预估分析方法,其特征在于,所述皮尔逊相关系数的绝对值的最大值为0.59。
5.如权利要求1所述的百公里油耗预估分析方法,其特征在于,所述油耗因子包括车型、载重、道路状况、车速、海拔数据和驾驶行为。
6.如权利要求5所述的百公里油耗预估分析方法,其特征在于,所述海拔数据包括线路平均海拔以及线路起点和终点的海拔差。
7.如权利要求5所述的百公里油耗预估分析方法,其特征在于,所述驾驶行为包括刹车里程、怠速耗时、经济转速时长、急刹车次数、急加速次数以及超转速时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034635.1A CN110033112A (zh) | 2018-01-12 | 2018-01-12 | 一种百公里油耗预估分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810034635.1A CN110033112A (zh) | 2018-01-12 | 2018-01-12 | 一种百公里油耗预估分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110033112A true CN110033112A (zh) | 2019-07-19 |
Family
ID=67234517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810034635.1A Pending CN110033112A (zh) | 2018-01-12 | 2018-01-12 | 一种百公里油耗预估分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110033112A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354100A (zh) * | 2020-02-28 | 2020-06-30 | 西南交通大学 | 一种基于轨迹数据的货车油耗关键因子量化分析方法 |
CN111739194A (zh) * | 2020-06-22 | 2020-10-02 | 舒伟伟 | 一种新能源汽车行驶行为分析系统及方法 |
CN114067545A (zh) * | 2021-11-15 | 2022-02-18 | 浙江时空智子大数据有限公司 | 一种基于遥感大数据的森林火灾监测方法及系统 |
CN114707037A (zh) * | 2022-03-22 | 2022-07-05 | 东风汽车集团股份有限公司 | 新能源车辆节能驾驶推荐方法、装置、设备及存储介质 |
CN116737845A (zh) * | 2023-05-24 | 2023-09-12 | 瑞修得信息科技(无锡)有限公司 | 一种经济车速分析方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780830A (zh) * | 2016-11-24 | 2017-05-31 | 北京车网互联科技有限公司 | 一种基于汽车obd数据预测某次行程百公里油耗的方法 |
-
2018
- 2018-01-12 CN CN201810034635.1A patent/CN110033112A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780830A (zh) * | 2016-11-24 | 2017-05-31 | 北京车网互联科技有限公司 | 一种基于汽车obd数据预测某次行程百公里油耗的方法 |
Non-Patent Citations (2)
Title |
---|
王长坤: "基于多元线性回归的飞机巡航阶段燃油流量模型研究", 《科技致富向导》 * |
秦志渊等: "北方林区运材汽车运行油耗量的分析和预测", 《东北林业大学学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111354100A (zh) * | 2020-02-28 | 2020-06-30 | 西南交通大学 | 一种基于轨迹数据的货车油耗关键因子量化分析方法 |
CN111739194A (zh) * | 2020-06-22 | 2020-10-02 | 舒伟伟 | 一种新能源汽车行驶行为分析系统及方法 |
CN111739194B (zh) * | 2020-06-22 | 2021-09-17 | 乐清市然景电气有限公司 | 一种新能源汽车行驶行为分析系统及方法 |
CN114067545A (zh) * | 2021-11-15 | 2022-02-18 | 浙江时空智子大数据有限公司 | 一种基于遥感大数据的森林火灾监测方法及系统 |
CN114067545B (zh) * | 2021-11-15 | 2023-05-12 | 浙江时空智子大数据有限公司 | 一种基于遥感大数据的森林火灾监测方法及系统 |
CN114707037A (zh) * | 2022-03-22 | 2022-07-05 | 东风汽车集团股份有限公司 | 新能源车辆节能驾驶推荐方法、装置、设备及存储介质 |
CN116737845A (zh) * | 2023-05-24 | 2023-09-12 | 瑞修得信息科技(无锡)有限公司 | 一种经济车速分析方法及系统 |
CN116737845B (zh) * | 2023-05-24 | 2024-02-02 | 瑞修得信息科技(无锡)有限公司 | 一种经济车速分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033112A (zh) | 一种百公里油耗预估分析方法 | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
CN108072381B (zh) | 一种路径规划的方法及装置 | |
CN109993223A (zh) | 路面使用性能预测方法、存储介质、电子设备 | |
CN110023600B (zh) | 油更换时期判定装置 | |
CN109379240B (zh) | 车联网流量预测模型构建方法、装置和电子设备 | |
CN106649709B (zh) | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 | |
CN104331953A (zh) | 一种基于物联网技术的汽车行为数据识别与管理方法 | |
CN104820771B (zh) | 一种航天工程制造成熟度等级确定方法 | |
CN109767023A (zh) | 一种车辆载重状态的预估方法及系统 | |
CN104089667B (zh) | 一种车辆耗油量测量方法 | |
CN108334988A (zh) | 一种基于svm的短期电网负荷预测方法 | |
CN111707476B (zh) | 一种面向自动驾驶汽车的纵向驾驶能力检测方法 | |
CN103250178A (zh) | 车辆信息管理服务器、车辆信息管理系统及车辆信息管理方法 | |
CN106458223B (zh) | 驾驶辅助方法 | |
CN110322046A (zh) | 一种消除异常货量影响的货量预测方法及系统 | |
CN106952042A (zh) | 一种售电量预测方法及装置 | |
Peng et al. | Transient fuel consumption prediction for heavy-duty trucks using on-road measurements | |
Gebhardt et al. | Applying stochastic methods for range prediction in e-mobility | |
CN102222166A (zh) | 一种动车组弓网关系的安全性预测方法 | |
CN115587327A (zh) | 一种考虑Jerk的汽车油耗预测方法 | |
CN111696350B (zh) | 一种基于运营监测数据的电动公交车本地工况评价方法 | |
TWI586571B (zh) | 駕駛行為分析方法及其系統 | |
CN109520517B (zh) | 路线规划方法及其系统 | |
CN106643907B (zh) | 用于结构监测数据异常识别的加权主成分分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190719 |