CN111696350A - 一种基于运营监测数据的电动公交车本地工况评价方法 - Google Patents
一种基于运营监测数据的电动公交车本地工况评价方法 Download PDFInfo
- Publication number
- CN111696350A CN111696350A CN202010523446.8A CN202010523446A CN111696350A CN 111696350 A CN111696350 A CN 111696350A CN 202010523446 A CN202010523446 A CN 202010523446A CN 111696350 A CN111696350 A CN 111696350A
- Authority
- CN
- China
- Prior art keywords
- bus
- working condition
- data
- air temperature
- energy consumption
- 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
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
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明涉及交通技术领域,尤其涉及一种基于运营监测数据的电动公交车本地工况评价方法,本发明基于电动公交车的车辆监测数据、运营调度数据、外部环境数据的监测数据来源,将一辆公交车一个运营班次产生的数据作为一个完整数据单元,对公交线路的所有公交车辆的历史数据单元进行处理,计算出该数据单元对应的四个指标值,进而对应到特定的公交线路工况模块上,再根据各工况模块出现的频次计算模块权重,利用各模块和相应权重共同表征城市电动公交车的本地工况,帮助公交企业科学认识城市的运营环境和选购适合自身运营需求的电动车辆产品,还能帮助车辆生产企业根据用户需求进行车辆调校,进而提高电动公交车的节能减排效果。
Description
技术领域
本发明涉及交通技术领域,尤其涉及一种基于运营监测数据的电动公交车本地工况评价方法。
背景技术
发展和推广新能源汽车是我国优化能源结构、升级汽车产业、改善空气质量、应对气候变化的重要国家战略。公交行业是新能源汽车推广的主阵地和先行军,截至2018年底,全国新能源车公交车保有量已达34.1万辆。目前,公交企业在选购电动公交车辆时,未能有效地考虑本地工况环境,且缺乏评价不同电动车辆类型的实际能耗水平的方法和机制,从而造成电动车辆在公交行业的适应性不甚理想,节能减排效果尚待提升。另一方面,交通运输、工信等部门大力推进信息化建设,电动公交车的车辆监控数据、运营调度数据、外部环境数据等监测数据,为电动公交车能耗评估工作提供了数据基础。
我国国土面积幅员辽阔,不同城市间的公交车运营环境差异较大。车辆的行驶速度、启停次数、载客强度以及外部气温等因素能够比较全面反映出公交线路的长度、道路拥堵程度和红绿灯数目、线路载客量以及行驶外部温度等运营环境,这些因素将直接影响车辆的能耗效果。本发明专利从这四项能耗主要影响因素出发,对城市电动公交车本地工况进行描述,进而对各类电动公交车辆产品在该工况下的能耗表现进行评价,帮助公交企业科学认识城市的运营环境和选购适合自身运营需求的车辆产品,还能帮助车辆生产企业根据用户需求进行车辆调校,进而提高电动公交车的节能减排效果。
发明内容
有鉴于此,本发明的目的是提供一种基于运营监测数据的电动公交车本地工况评价方法,以解决背景技术中的问题。
本发明提供了一种基于运营监测数据的电动公交车本地工况评价方法,具体按以下步骤执行:
S1:构建电动公交车工况评价指标构建,基于电动公交车的车辆监测数据、运营调度数据、外部环境数据的监测数据来源,将一辆公交车一个运营班次产生的数据作为一个完整数据单元,对该数据单元进行数据处理,计算出该数据单元对应的四个指标值,具体监测数据如下;
S1.1:行驶速度,行驶速度直接取决于公交线路的长度和行驶时间,公交车辆的行驶速度即为本班次的平均行驶速度,计算公式如式(1)所示:
式中,V为公交车辆行驶速度;S为公交线路的长度;t为公交车辆在本运营班次中的行驶时间;
S1.2:启停次数,公交车辆在本运营班次过程中单公里停车次数计为启停次数,即平均每公里瞬时速度为零的次数,计算公式如式(2)所示:
式中,P为公交车辆启停次数;S为公交线路的长度;M为公交车辆在本运营班次中瞬时速度为零的次数;
S1.3:载客强度,公交车辆在本运营班次过程中的总载客人数计为载客强度,公交车辆载客强度用C表示;
S1.4:外部气温,外部气温为本运营班次过程中车辆传感器感知的室外温度,考虑到一个运营班次的室外温度可能发生变化,将本班次出现的室外温度的中位数定位公交车辆的外部气温,公交车辆外部气温用T表示。
进一步,对公交车行驶指标区段划分,公交线路工况将利用行驶速度、启停次数、载客强度、外部气温四个指标进行模块化表征,其中每项指标的值域将根据其与能耗之间的关系划分为若干区段,每项指标的每个区段共同组合成为公交线路工况的情形之一。
S2.1:对行驶速度区段划分;
基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的行驶速度、能耗两个字段,将一个运营班次的公交车辆的行驶速度作为自变量,运营过程产生的能耗作为因变量,寻找能耗随行驶速度变化较为突出的点作为阈值之一;选取历史数据不同,阈值数量有所不同,考虑到最终公交线路工况情形数量不宜过多,建议阈值选取在5个以内,同理,启停次数、载客强度、外部气温指标的阈值数量也取在5个以内,下面的阈值数量仅为设定数量;
设定行驶速度的阈值有两个,分别为α1、α2,以此来制定行驶速度的区段划分标准,如表1所示:
表1 行驶速度区段划分
行驶速度 | V≤α<sub>1</sub> | α<sub>1</sub><V≤α<sub>2</sub> | V>α<sub>2</sub> |
行驶速度区段认定 | 低速 | 普速 | 高速 |
S2.2:启停次数区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的启停次数、能耗两个字段,将一个运营班次的公交车辆实际停车次数作为自变量,运营过程产生的能耗作为因变量,寻找能耗随启停次数变化较为突出的点作为阈值之一;
设定启停次数的阈值有一个,为β,以此来制定行驶速度的区段划分标准,如表2所示:
表2 启停次数区段划分
启停次数 | P≤<sub>β</sub> | P><sub>β</sub> |
启停次数区段认定 | 少启停 | 多启停 |
S2.3、载客强度区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的载客强度、能耗两个字段,将一个运营班次的公交车辆总载客量作为自变量,运营过程产生的能耗作为因变量,寻找能耗随载客强度变化较为突出的点作为阈值之一;设载客强度的阈值有一个,为γ,制定载客强度的区段划分标准,如表3所示:
表3 载客强度区段划分
载客强度 | C≤γ | C>γ |
载客强度区段认定 | 低负载 | 高负载 |
S2.4、外部气温区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的外部气温、能耗两个字段,将一个运营班次的公交车辆外部气温平均值作为自变量,运营过程产生的能耗作为因变量,寻找能耗随外部气温变化较为突出的点作为阈值之一;设外部气温的阈值有两个,分别为δ1、δ2,以此来制定外部气温的区段划分标准,如表4所示:
表4 外部气温区段划分
外部气温 | T<δ<sub>1</sub> | δ<sub>1</sub><T≤δ<sub>2</sub> | T>δ<sub>2</sub> |
外部气温区段认定 | 低温 | 常温 | 高温 |
进一步,公交线路工况模块化,公交线路工况利用行驶速度、启停次数、载客强度、外部气温的区段共同表征,如式(3)所示:
L=(V1,P1,C1,T1) 式(3)
式中,L为公交线路工况;V1为行驶速度区段;P1为启停次数区段;C1为载客强度区段;T1为外部气温区段;每一种公交线路工况的结果定义为一个工况模块,由式(3)可知,公交线路工况模块由每个指标区段的个数共同决定,根据步骤1中对于各指标区段划分的设定,公交线路工况L共包含36种工况模块,如表5所示:
表5 公交线路工况模块
进一步,对公交线路本地工况表征,具体到公交线路的本地工况,则由该线路上所有公交车辆的历史运营数据计算得到,考虑到需要较为全面的体现公交线路的特征,数据获取范围定为一年的时间周期,公交线路本地工况通过如下步骤进行表征;
S4.1、本地线路指标计算,由于一辆车一个运营班次产生的数据为一个数据单元,每条数据单元均可以获取并计算出其行驶速度、启停次数、载客强度、外部气温的数值,进而对应到特定的公交线路工况模块上;
S4.2、模块权重分配,将该线路上所有公交车辆在一年时间内对应的各个工况模块计数统计,再将数据换算为百分比表示各类工况模块的权重;设定工况模块为表5设定的36种,各类工况模块的权重计算公式如式(4)所示:
式中,wi为第i条工况模块的权重;ni为由一年内所有公交车辆历史运营数据计算得到的第i个工况的数量;N为一年内的所有公交车辆的运营总班次。
S4.3,线路本地工况表征;基于各类工况模块和相应权重的值,公交线路本地工况表征如式(6):
式中,Line为公交线路本地工况,Li(i=1,...,36)为第i个工况模块。
然后,按照权重从大到小的顺序对工况模块进行排序,按需取排序靠前的几个模块,作为最终该线路本地工况的表征。
本发明的一种基于运营监测数据的电动公交车本地工况评价方法的有益效果:本发明基于电动公交车的车辆监测数据、运营调度数据、外部环境数据等多种监测数据来源,考虑行驶速度、启停次数、载客强度、外部气温等影响电动公交车能耗水平的因素,利用模块化思路建立表示公交线路工况的模型,通过为不同工况模块分配重要性权重,得出电动公交车线路的本地工况。从而帮助公交企业科学认识和描述自身的车辆使用环境,进而通过历史数据和测试数据来判断不同车辆产品在本地工况下的能耗表现,选购适合自身运营需求的车辆产品,还能帮助车辆生产企业根据用户需求进行车辆调校,进而提高电动公交车的节能减排效果。
附图说明
图1是本发明的流程示意图;
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,显然,所描述的实施例仅仅只是本申请一部分实施例,而不是全部的实施例,基于本申请中的实施例,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,都属于本申请保护的范围。
本实施例中,本发明的一种基于运营监测数据的电动公交车本地工况评价方法,本发明以东北地区某城市某公交公司的电动公交车的历史运营数据为基础划定公交线路工况的模块,再选定了某一条线路进行本地工况表征,具体获取了该线路2019年全年的历史数据,通过指标计算、模块权重分配,最终得到该线路的本地工况表征。基于数据保密性原则,本实施方式中不标定原始数据值,但为更加清晰和具体的展示本专利的发明内容,下面将其中关键数据的结果进行说明。
本实施例包括以下步骤:
步骤1,电动公交车工况评价指标构建;
获取该公交公司电动公交车历史运营数据,利用每个运营班次的数据计算出行驶速度、启停次数、载客强度、外部气温四个指标值,并同时记录每个运营班次的电耗数据,以本班次开始车辆启动到本班次结束车辆停止为准,车辆显示的耗电量记为本班次的能耗。
步骤2,指标区段划分;
(1)行驶速度区段划分;
根据行驶速度与能耗的关系,当平均行驶速度小于10km/h、大于20km/h时,能耗分布较为分散。我们将10km/h、20km/h作为行驶速度区段划分的两个阈值,如表6所示:
表6 本地行驶速度区段划分
行驶速度 | V≤10km/h | 10km/h<V≤20km/h | V20km/h |
行驶速度区段认定 | 低速 | 普速 | 高速 |
(2)启停次数区段划分;
根据启停次数与能耗的关系,当单公里启停次数在3次左右时,能耗分布较为不同。我们将3次作为启停次数区段划分的阈值,如表7所示:
表7 本地启停次数区段划分
启停次数 | P≤3U次 | P>3次 |
启停次数区段认定 | 少启停 | 多启停 |
(3)载客强度区段划分;
根据载客强度与能耗的关系,当载客强度在36人左右时,能耗分布较为不同。我们将36人作为载客强度区段划分的阈值,如表8所示:
表8 本地载客强度区段划分
载客强度 | C≤36人 | C>36人 |
载客强度区段认定 | 低负载 | 高负载 |
(4)外部气温区段划分;
根据外部气温与能耗的关系,当外部气温小于5℃、大于28℃时,能耗较高。我们将5℃、28℃作为外部气温区段划分的两个阈值,如表9所示:
表9 本地外部气温区段划分
外部气温 | T≤5℃ | 5℃<T≤28℃ | T>28℃ |
外部气温区段认定 | 低温 | 常温 | 高温 |
本实施例中,公交线路工况模块化;
根据各指标区段划分的结果,公交线路工况L共包含36种工况模块,如表5所示。
本实施例中,公交线路本地工况表征;
步骤4.1本地线路指标计算;
本案例选定了某一条线路进行本地工况表征。首先获取了该线路2019年全年的历史班次数据,共计10845条数据。通过计算获得10845组行驶速度、启停次数、载客强度、外部气温数据值。
步骤4.2模块权重分配;
将10845组数据值分别对应到36种工况模块下,统计获得各工况模块的频次,根据公式得到各工况模块的权重,统计计算结果见表10:
表10 公交线路工况模块权重分布
步骤4.3线路本地工况表征;
根据表10得到该公交线路本地工况,如下:
本实施例中,由于部分工况模块的权重为0、1%或者2%,对线路特点的表征影响较小,我们取权重大于2%的工况模块作为本线路的工况,即为(L3 29%)、(L26 21%)、(L1419%)、(L4 18%)。
以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (4)
1.一种基于运营监测数据的电动公交车本地工况评价方法,具体按以下步骤执行:
S1:构建电动公交车工况评价指标,基于电动公交车的车辆监测数据、运营调度数据、外部环境数据的监测数据来源,将一辆公交车一个运营班次产生的数据作为一个完整数据单元,对该数据单元进行数据处理,计算出该数据单元对应的四个指标值,具体评价指标如下;
S1.1:行驶速度,行驶速度直接取决于公交线路的长度和行驶时间,公交车辆的行驶速度即为本班次的平均行驶速度,计算公式如式(1)所示:
式中,V为公交车辆行驶速度;S为公交线路的长度;t为公交车辆在本运营班次中的行驶时间;
S1.2:启停次数,公交车辆在本运营班次过程中单公里停车次数计为启停次数,即平均每公里瞬时速度为零的次数,计算公式如式(2)所示:
式中,P为公交车辆启停次数;S为公交线路的长度;M为公交车辆在本运营班次中瞬时速度为零的次数;
S1.3:载客强度,公交车辆在本运营班次过程中的总载客人数计为载客强度,公交车辆载客强度用C表示;
S1.4:外部气温,外部气温为本运营班次过程中车辆传感器感知的室外温度,考虑到一个运营班次的室外温度可能发生变化,将本班次出现的室外温度的中位数定位公交车辆的外部气温,公交车辆外部气温用T表示。
2.根据权利要求1所述的一种基于运营监测数据的电动公交车本地工况评价方法,其特征在于:对公交车行驶指标区段划分,公交线路工况将利用行驶速度、启停次数、载客强度、外部气温四个指标进行模块化表征,其中每项指标的值域将根据其与能耗之间的关系划分为若干区段,每项指标的每个区段共同组合成为公交线路工况的情形之一;
S2.1:对行驶速度区段划分;
基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的行驶速度、能耗两个字段,将一个运营班次的公交车辆的行驶速度作为自变量,运营过程产生的能耗作为因变量,寻找能耗随行驶速度变化较为突出的点作为阈值之一;选取历史数据不同,阈值数量有所不同,考虑到最终公交线路工况情形数量不宜过多,建议阈值选取在5个以内,同理,启停次数、载客强度、外部气温指标的阈值数量也取在5个以内,下面的阈值数量仅为设定数量;设定行驶速度的阈值有两个,分别为α1、α2,以此来制定行驶速度的区段划分标准;
S2.2:启停次数区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的启停次数、能耗两个字段,将一个运营班次的公交车辆实际停车次数作为自变量,运营过程产生的能耗作为因变量,寻找能耗随启停次数变化较为突出的点作为阈值之一;设定启停次数的阈值有一个,为β,以此来制定行驶速度的区段划分标准;
S2.3、载客强度区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的载客强度、能耗两个字段,将一个运营班次的公交车辆总载客量作为自变量,运营过程产生的能耗作为因变量,寻找能耗随载客强度变化较为突出的点作为阈值之一;设载客强度的阈值有一个,为γ,制定载客强度的区段划分标准;
S2.4、外部气温区段划分,基于电动公交车辆的运营监测历史数据,截取某段时间内公交车辆的外部气温、能耗两个字段,将一个运营班次的公交车辆外部气温平均值作为自变量,运营过程产生的能耗作为因变量,寻找能耗随外部气温变化较为突出的点作为阈值之一;设外部气温的阈值有两个,分别为δ1、δ2,以此来制定外部气温的区段划分标准。
3.根据权利要求1所述的一种基于运营监测数据的电动公交车本地工况评价方法,其特征在于:公交线路工况模块化,公交线路工况利用行驶速度、启停次数、载客强度、外部气温的区段共同表征,如式(3)所示:
L=(V1,P1,C1,T1) 式(3)
式中,L为公交线路工况;V1为行驶速度区段;P1为启停次数区段;C1为载客强度区段;T1为外部气温区段;每一种公交线路工况的结果定义为一个工况模块,由式(3)可知,公交线路工况模块由每个指标区段的个数共同决定,根据步骤2中对于各指标区段划分的设定,公交线路工况L共包含36种工况模块。
4.根据权利要求1所述的一种基于运营监测数据的电动公交车本地工况评价方法,其特征在于:对公交线路本地工况表征,具体到公交线路的本地工况,则由该线路上所有公交车辆的历史运营数据计算得到,考虑到需要较为全面的体现公交线路的特征,数据获取范围定为一年的时间周期,公交线路本地工况通过如下步骤进行表征;
S4.1、本地线路指标计算,由于一辆车一个运营班次产生的数据为一个数据单元,每条数据单元均可以获取并计算出其行驶速度、启停次数、载客强度、外部气温的数值,进而对应到特定的公交线路工况模块上;
S4.2、模块权重分配,将该线路上所有公交车辆在一年时间内对应的各个工况模块计数统计,再将数据换算为百分比表示各类工况模块的权重;设定工况模块为表5设定的36种,各类工况模块的权重计算公式如式(4)所示:
式中,wi为第i条工况模块的权重;ni为由一年内所有公交车辆历史运营数据计算得到的第i个工况的数量;N为一年内的所有公交车辆的运营总班次;
S4.3,线路本地工况表征;基于各类工况模块和相应权重的值,公交线路本地工况表征如式(6):
式中,Line为公交线路本地工况,Li(i=1,...,36)为第i个工况模块;
然后,按照权重从大到小的顺序对工况模块进行排序,按需取排序靠前的几个模块,作为最终该线路本地工况的表征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010523446.8A CN111696350B (zh) | 2020-06-10 | 2020-06-10 | 一种基于运营监测数据的电动公交车本地工况评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010523446.8A CN111696350B (zh) | 2020-06-10 | 2020-06-10 | 一种基于运营监测数据的电动公交车本地工况评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111696350A true CN111696350A (zh) | 2020-09-22 |
CN111696350B CN111696350B (zh) | 2021-08-06 |
Family
ID=72480063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010523446.8A Active CN111696350B (zh) | 2020-06-10 | 2020-06-10 | 一种基于运营监测数据的电动公交车本地工况评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696350B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484721A (zh) * | 2014-12-19 | 2015-04-01 | 清华大学 | 一种混合动力公交车队的能量优化控制方法 |
CN104527401A (zh) * | 2014-12-22 | 2015-04-22 | 天津市松正电动汽车技术股份有限公司 | 混合动力公交车能量管理方法及装置 |
CN105426672A (zh) * | 2015-11-12 | 2016-03-23 | 东方电气(乐山)新能源设备有限公司 | 一种纯电动汽车能耗计算方法 |
WO2019205278A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳大学 | 公交运行状态数据调整处理方法、智能终端及存储介质 |
CN110807552A (zh) * | 2019-10-30 | 2020-02-18 | 合肥工业大学 | 一种基于改进K-means的城市电动客车行驶工况构建方法 |
-
2020
- 2020-06-10 CN CN202010523446.8A patent/CN111696350B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484721A (zh) * | 2014-12-19 | 2015-04-01 | 清华大学 | 一种混合动力公交车队的能量优化控制方法 |
CN104527401A (zh) * | 2014-12-22 | 2015-04-22 | 天津市松正电动汽车技术股份有限公司 | 混合动力公交车能量管理方法及装置 |
CN105426672A (zh) * | 2015-11-12 | 2016-03-23 | 东方电气(乐山)新能源设备有限公司 | 一种纯电动汽车能耗计算方法 |
WO2019205278A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳大学 | 公交运行状态数据调整处理方法、智能终端及存储介质 |
CN110807552A (zh) * | 2019-10-30 | 2020-02-18 | 合肥工业大学 | 一种基于改进K-means的城市电动客车行驶工况构建方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115662143A (zh) * | 2022-11-21 | 2023-01-31 | 吉林大学 | 一种公交企业运营安全态势动态预测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111696350B (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110126841B (zh) | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 | |
CN111452619B (zh) | 电动车辆在线能耗预测方法及系统 | |
Liu et al. | Impact of road gradient on energy consumption of electric vehicles | |
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 | |
Zhai et al. | Development of a modal emissions model for a hybrid electric vehicle | |
CN107239844A (zh) | 一种基于Hadoop的石油运输车辆油耗预测方法 | |
CN110634292B (zh) | 一种基于路阻性能函数的行程时间可靠性估计方法 | |
CN110486017B (zh) | 一种基于露天矿区路径的无人驾驶车辆能耗节能方法 | |
CN112950128A (zh) | 一种基于大数据融合的智能物流运输系统及方法 | |
Zhu et al. | An automated vehicle fuel economy benefits evaluation framework using real-world travel and traffic data | |
CN112579900B (zh) | 二手车置换信息推荐方法、系统及设备 | |
JP7318076B1 (ja) | 作業条件の切り替えの車両の燃料消費量に対する影響の評価方法 | |
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 | |
CN111125636A (zh) | 基于城市隧道的机动车排放因子计算方法 | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN115221234A (zh) | 一种基于动力总成数据对用户进行画像的方法及系统 | |
CN116662897B (zh) | 一种基于转毂数据的车辆载重预测方法 | |
Vangi et al. | Evaluation of energy-saving driving styles for bus drivers | |
Zhang et al. | Neural network based vehicle speed prediction for specific urban driving | |
CN109990858B (zh) | 柴油-甲醇双燃料商用车燃料经济性计算方法及装置 | |
CN111127885A (zh) | 一种低排放城市区域的交通管控方法及其系统 | |
CN115424448A (zh) | 一种基于交通出行数据的交通碳排放量评估方法与系统 | |
CN112632374B (zh) | 一种考虑定制公交的居民出行方式选择分析方法 | |
CN112434259A (zh) | 一种类比电路功耗的路网交通能耗分析方法 | |
CN112729863A (zh) | 一种车辆实测道路选择方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |