CN113553548B - 一种基于车联网大数据的实际运行工况VSPBin划分方法 - Google Patents
一种基于车联网大数据的实际运行工况VSPBin划分方法 Download PDFInfo
- Publication number
- CN113553548B CN113553548B CN202110814294.1A CN202110814294A CN113553548B CN 113553548 B CN113553548 B CN 113553548B CN 202110814294 A CN202110814294 A CN 202110814294A CN 113553548 B CN113553548 B CN 113553548B
- Authority
- CN
- China
- Prior art keywords
- vsp
- window
- frequency
- interval
- vehicle speed
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G08G1/0125—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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Abstract
本发明提供了一种基于车联网大数据的实际运行工况VSPBin划分方法,S1、根据工况数据,对匀速和加速工况的车速类型以2km/h间隔进行区间划分;S2、对车速由小到大分别计算工况频率;S3、根据工况频率占比的中值作为区间分界值进行分组;S4、对分组后的车速区间选择粒度进行划分;S5、划分的车速区间以正态分布为考核指标确定VSP划分方案。本发明所述的VSP Bin划分方法,分别是车速划分和不同车速区间内的VSP划分,VSP的划分分布频率以满足正态分布为优化目标,实现VSP频率的均匀划分,能更好表征车辆运行工况的区分度,通过该方法可以实现便捷、精准地对机动车的在中国实际运行工况进行规范性的划分,进一步支持车辆实际运行工况下的节能环保等性能的评测。
Description
技术领域
本发明属于车联网大数据在机动车工况分析技术领域,尤其是涉及一种基于车联网大数据的实际运行工况VSPBin划分方法。
背景技术
车联网作为物联网技术在交通领域中的典型体现,指的是以一种既定的通信协议和数据交互准则使车与外界其他介质如路、车、行人或是互联网等进行信息交流,车联网系统包括车载信息终端、无线通信网络和信息服务平台。
机动车在中国实际运行工况下与实验室排放与油耗测试结果存在严重差异,重型柴油车的实际道路排放控制效果非常不理想,部分车型的NOX排放甚至出现不降反升的情况,主要原因是车辆的实际工况排放与法规测试之间存在很大差异。而且,目前重型车车联网监测技术的广泛应用,但没有一个规范的VSP工况划分方法,用以支持对于车辆节能环保性能的评价。
在中国不同区域,由于受到道路交通状况、区域地形地势、行业自身运行特点等诸多方面的影响,如果按照统一的工况划分方法,则基于划分的工况对车辆的节能环保性能进行综合评价会导致评价结果与实际性能表现的差异,不能客观表征车辆实际运行中的真实性能。
本发明开发一套基于车联网大数据的中国实际工况的VSP Bin正态分布划分方法,为机动车的实际运行工况的科学划分提供依据。
发明内容
有鉴于此,本发明旨在提出一种基于车联网大数据的实际运行工况VSPBin划分方法,以解决基于划分的工况对车辆的节能环保性能进行综合评价会导致评价结果与实际性能表现的差异,不能客观表征车辆实际运行中的真实性能的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种基于车联网大数据的实际运行工况VSPBin划分方法,包括以下步骤:
S1、根据工况数据,对车速类型中的匀速和加速工况以固定的车速间隔进行区间划分;
S2、对车速由小到大分别计算工况频率;
S3、根据车速工况频率占比作为区间分界值,进行车速区间的分组;
S4、对分组后的车速区间内的VSP分布频率进行分析,根据分析的精准度选择粒度进行划分;
S5、并判断步骤S4中粒度划分的车速区间是否符合拟合条件,若符合则确定VSP划分方案,若不符合,则重复步骤S4-S5。
进一步的,步骤S1中规定间隔划分为:2km/h间隔的划分。
进一步的,步骤S3中的分界值取值如下:低速-中速分界值取值:取工况频率占比在33%±2%车速的中值,中速-高速分界值取值:取工况频率占比在66%±2%车速的中值。
进一步的,步骤S4中粒度初选为0.5kW/h。
进一步的,步骤S4中划分的过程如下:
S401、对每个车速区间范围内VSP分布频率分析,计算不同车速区间VSP的分布频率的分位数;
S402、根据不同车速区间VSP的分布频率的分位数,确定中心值区间,初步以VSP频率最大值的VSP区间为中心窗口;
S403、利用VSP频率窗口法,确定小于中心窗口的VSP的分布;
S404、利用VSP频率窗口法,确定大于中心窗口的VSP的分布;
进一步的,步骤S403中的利用VSP频率窗口法,确定小于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
第一个窗口是从k-1VSP区间向VSP变小区间移动,移动的区间为VSP总频率;
其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数之间,VSP窗口总频率和大于等于0.95分位数;
若在组合k-1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
并判断窗口的VSP总频率是否满足上述条件;
满足条件的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以分位数间距进行推移判断,窗口依次记为k-2、k-3、k-4……k-n;
若在k-1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口。
进一步的,步骤S404中的利用VSP频率窗口法,确定小于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
第一个窗口是从k+1VSP区间向VSP变大区间移动,移动的区间为VSP总频率;
其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数之间,VSP窗口总频率和大于等于0.95分位数;
若在组合k+1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
并判断窗口的VSP总频率是否满足上述条件;
满足条件的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以分位数间距进行推移判断,窗口依次记为k+2、k+3、k+4……k+n;
若在k+1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口。
进一步的,步骤S5中拟合条件包括:拟合系数需大于等于0.85分位值,若不满足,则对VSP区间间隔再进行细粒度划分与VSP区间的组合,直到划分的VSP Bin的频率分布满足正态分布。
相对于现有技术,本发明所述的一种基于车联网大数据的实际运行工况VSPBin划分方法具有以下有益效果:
本发明所述的一种基于车联网大数据的实际运行工况VSPBin划分方法,针对机动车在中国实际运行工况下受道路交通状况、区域地形地势、行业自身运行特点等诸多因素尚未建立一套科学、优化的工况划分方法,本发明基于车联网大数据,提出了一套能根据车辆在中国实际运行工况下智能划分VSP Bin方法,划分方法分别是车速划分和不同车速区间内的VSP划分,VSP的划分分布频率以满足正态分布为优化目标,实现VSP频率的均匀划分,能更好的表征车辆运行工况的区分度,通过该方法可以实现便捷、精准地对机动车的在中国实际运行工况进行规范性的划分,用于进一步支持车辆实际运行工况下的节能环保等性能的评测。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述的三个车速区间示意图;
图2为本发明实施例所述的低速区间VSP频率分布示意图;
图3为本发明实施例所述的中速区间VSP频率分布示意图;
图4为本发明实施例所述的高速区间VSP频率分布示意图;
图5为本发明实施例所述的低速区间的VSP Bin频率分布的正态拟合示意图;
图6为本发明实施例所述的中速区间的VSP Bin频率分布的正态拟合示意图;
图7为本发明实施例所述的高速区间的VSP Bin频率分布的正态拟合示意图;
图8为本发明实施例所述的VSP Bin划分方案示意图;
图9为本发明实施例所述的VSP Bin划分示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
一套基于车联网大数据的中国实际运行工况VSP Bin正态分布划分方法,属于基于车联网大数据对机动车实际运行工况划分VSP Bin的技术方法;以安装车载终端远程车联网监测系统的重型车为例,实时采集重型车实际运行的车速、发动机运行工况参数等信息,采集的数据信息通过GPRS技术实时上传到远程监控云平台,基于车联网监测大数据进行中国实际工况VSP Bin正态分布划分。
一种基于车联网大数据的实际运行工况VSPBin划分方法,包括以下步骤:
S1、根据工况数据,将车速样本划分为不同的车速类型;
S2、对车速类型中的匀速和加速工况以固定的车速间隔进行区间划分,对车速由小到大分别计算工况频率;
S3、根据车速工况频率占比作为区间分界值,进行车速区间的分组;
S4、对分组后的车速区间内的VSP分布频率进行分析,根据分析的精准度选择粒度进行划分;
S5、并判断步骤S4中粒度划分的车速区间是否符合拟合条件,若符合则确定VSP划分方案,若不符合,则重复步骤S4-S5。
车速类型包括减速类型、怠速类型、匀速和加速类型。
三种类型的划分过程如下:
减速,车辆行驶过程中的加速度a小于等于-0.15m/s2的工况;
怠速,车辆行驶过程中的加速度a的绝对值小于0.15m/s2,且车辆的行驶速度v小于0.5km/h的工况;
匀速,车辆行驶过程中的加速度a的绝对值小于0.15m/s2,且车辆的行驶速度v大于等于0.5km/h的工况;
加速,车辆行驶过程中的加速度a大于等于0.15m/s2的工况,其中加速度计算公式如下式:
式中:
a,加速度,m/s2;i,采样时刻,单位秒s;v,车辆速度,km/h;T,工况总时长,单位秒s。
车速包括:低速、中速、高速。
步骤S1中规定间隔划分为:2km/h间隔的划分。
步骤S3中的工况频率占比范围的中值取值如下:取工况频率占比的33%±2%中值的车速,中速-高速分界值取值:取工况频率占比的66%±2%中值的车速。
步骤S4中粒度初选为0.5kW/h。
步骤S4中划分的过程如下:S301、对每个车速区间范围内VSP分布频率分析,计算不同车速区间VSP的分布频率的分位数;
S302、根据不同车速区间VSP的分布频率的分位数,确定中心值区间,初步以VSP频率最大值的VSP区间为中心窗口;
S303、利用VSP频率窗口法,确定小于中心窗口的VSP的分布;
S304、利用VSP频率窗口法,确定大于中心窗口的VSP的分布;
S305、通过步骤S303-S304的窗口划分得到不同车速区间,并根据拟合条件进行正态分布拟合。
将小于中心窗口的VSP的分布、大于中心窗口的VSP的分布进行窗口合并完成正态分布。
步骤S303中的利用VSP频率窗口法,确定小于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
第一个窗口是从k-1VSP区间向VSP变小区间移动,移动的区间为VSP总频率;
其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数之间,VSP窗口总频率和大于等于0.95分位数;
若在组合k-1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
并判断窗口的VSP总频率是否满足上述条件;
满足条件的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以表4分位数间距进行推移判断,窗口依次记为k-2、k-3、k-4……k-n;
若在k-1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口。
步骤S304中的利用VSP频率窗口法,确定小于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
第一个窗口是从k+1VSP区间向VSP变大区间移动,移动的区间为VSP总频率;
其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数之间,VSP窗口总频率和大于等于0.95分位数;
若在组合k+1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
并判断窗口的VSP总频率是否满足上述条件;
满足条件的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以表4分位数间距进行推移判断,窗口依次记为k+2、k+3、k+4…k+n;
若在k+1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口。
步骤S305中拟合条件包括:拟合系数需大于等于0.85分位值,若不满足,则对VSP区间间隔再进行细粒度划分与VSP区间的组合,直到划分的VSP Bin的频率分布满足正态分布。
(1)本发明基于远程车联网车载终端和车联网监控平台获取的车辆运行工况等车联网大数据,进行车辆运行工况的VSP Bin的高效划分。
(2)所述车联网车载终端是指能实时采集、记录、传输车辆的实时运行工况等数据信息的终端,并通过安装在车载终端内的SIM卡传输至车联网监控平台。重型车远程车联网车载终端的采集数据项按照重型车远程监测标准的数据项和频率的要求采集、发送数据到车联网监控平台,见表1。(参考GB17691-2018《重型柴油车污染物排放限值及测量方法(中国第六阶段))》中附录Q,或其他相关的标准要求)。
表1远程车联网车载监测终端采集的数据及频率要求
(3)所述车联网监控平台,能够实现对所述数据采集车载终端发送数据的接收、数据计算分析、计算模型诊断分析、状态报警等功能,并具备可视化的UI界面;
数据计算分析采用VSP计算方法,采用MOVES的重型车VSP计算公式;
比功率VSP计算公式如下:
式中:
VSP,车辆比功率,kW/t;v,车辆行驶速度,m/s;a,车辆瞬时加速度,m/s2;
(4)分别为道路负载系数,道路负载系数的选择可参考表2
表2道路负载系数参考值
轻型货车:车长小于6000mm且总质量小于4500kg的载货汽车,但不包括微型载货汽车、三轮汽车和低速货车;中型货车:车长大于等于6000mm或者总质量大于等于4500kg且小于12000kg的载货汽车,但不包括低速货车;重型货车:总质量大于等于12000kg的载货汽车。
(5)所述VSP Bin划分方法,依次对工况数据进行车速的划分、VSP Bin的正态分布划分。
(6)所述工况数据,应该至少包含对象车辆的运行工况涵盖市区、市郊、高速等道路类型,并且涵盖0~24小时运行时间段的车速数据信息。分析区域运行工况,原则上样本车辆不少于50辆,累计运行时间不少于10000小时有效工况数据,若能论证对象车辆实际运行工况涵盖市区、市郊、高速道路,并且涵盖0~24小时运行时间段,则可适当减少车辆样本和累计运行时间。
(7)所述车速划分方法,依据工况数据,依次分为减速、怠速、匀速和加速(两种车速类型合并)三种车速类型。
总结:本发明划分车速方法,体现在对于匀速和加速工况类型的车速划分,划分方法是对于匀速和加速工况进行等比例划分,并进行低速、中速、高速的分组,为了实现本发明中VSP Bin正态分布划分的目的,所述车速划分方法,依据工况数据,对匀速和加速工况进行2km/h间隔的划分,对车速由小到大,分别计算工况分布频率和累积频率,分别取累积频率在33%±2%中值车速、66%±2%中值车速确定为低速-中速、中速-高速的车速区间分界值。示例中车速区间分别为(0,57]、(57,75]、(75,90)三个车速区间。
所述VSP Bin划分方法,主要包含减速、怠速、匀速与加速下的VSP Bin的划分,减速、怠速各自对应一个Bin区间,匀速与加速的VSP Bin的划分方法,首先通过将VSP Bin按照0.5kW/ton粒度划分(可根据分析的精准程度选择不同粒度)。
根据(7)中车速区间的划分,分为三个车速区间内VSP Bin的划分。分别计算三个不同车速区间的VSP分布频率,VSP区间划分先以0.5kW/ton为间隔。计算案例中的VSP分布频率及累积频率见图2-图4,详细数据见表3。
表3不同车速VSP分布频率
步骤S301中不同车速VSP分布频率的分位数如下表4:
表4不同车速VSP分布频率的分位数
序号j | 分位数 | 低速区间频率 | 中速区间频率 | 高速区间频率 |
1 | 0.05 | 0.0% | 0.0% | 0.1% |
2 | 0.10 | 0.0% | 0.0% | 0.1% |
3 | 0.20 | 0.0% | 0.1% | 0.1% |
4 | 0.30 | 0.4% | 0.6% | 0.5% |
5 | 0.40 | 0.8% | 1.3% | 0.8% |
6 | 0.50 | 1.3% | 1.8% | 1.2% |
7 | 0.60 | 1.7% | 2.5% | 1.8% |
8 | 0.70 | 2.4% | 3.1% | 2.7% |
9 | 0.80 | 3.4% | 3.8% | 4.2% |
10 | 0.90 | 5.1% | 4.8% | 6.2% |
11 | 0.95 | 8.0% | 6.2% | 8.3% |
12 | 最大值 | 17.5% | 9.7% | 9.2% |
构建的VSP Bin划分结果见表5。
表5案例得出的VSP Bin划分方案
所述VSP Bin划分方案,本发明优先从样本数据中的车速数据进行划分,划分为减速、怠速和匀速-加速三类,进而对匀速-加速工况数据按照VSP分布频率分位数进行切分分组,并达到正态分布形式,实现将车辆工况进行均匀分VSP Bin的目的,从而实现车辆运行工况的最佳表征,能够更好的区分在中国实际道路运行车辆的工况,具有极佳的区分度。
最佳实施过程如下:
第一步,选取样本数据,分析某市公交车的VSP Bin划分方案,以50辆公交车为例,有效运行工况时长11520小时,剔除异常数据后,剩余11230小时数据,涵盖车辆在市区、郊区、高速道路数据。
第二步,进行数据清洗;
第三步,划分车速,减速、怠速和匀速与加速,匀速与加速的车速三等分边界是[0.5,24)、[24,42)、[42,80)。
第四步,对匀速与加速车速内不同车速区间进行VSP正态划分。初选VSP区间粒度0.5kW/h,得到的窗口组合频率分布的正态分布拟合R2依次是0.91、0.87、0.83,高速[42,80)区间不满足正态拟合要求,对VSP区间,进行细粒度划分,粒度设为0.3kW/h,再进行窗口重整,得到的频率分布符合正态分布拟合,R2为0.92,,确定VSP划分方案。
第五步,得出整体的VSP Bin划分方案。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (2)
1.一种基于车联网大数据的实际运行工况VSPBin划分方法,其特征在于包括以下步骤:
S1、根据工况数据,对车速类型中的匀速和加速工况以固定的车速间隔进行区间划分;
S2、对车速类型中的匀速和加速工况以固定的车速间隔进行区间划分,对车速由小到大分别计算车速工况频率;
S3、根据车速工况频率占比作为区间分界值,进行车速区间的分组;
S4、对分组后的车速区间内的VSP分布频率进行分析,根据分析的精准度选择粒度进行划分;
S5、并判断步骤S4中粒度划分的车速区间是否符合拟合条件,若符合则确定VSP划分方案,若不符合,则重复步骤S4-S5;
所述车速工况频率包括工况分布频率和工况累积频率;
步骤S3中的分界值取值如下:低速-中速分界值取值:取车速工况频率占比在33%±2%车速的中值,中速-高速分界值取值:取车速工况频率占比在66%±2%车速的中值;
步骤S4中粒度初选为0.5kW/ton;
步骤S4中划分的过程如下:
S401、对每个车速区间范围内VSP分布频率分析,计算不同车速区间VSP的分布频率的分位数;
S402、根据不同车速区间VSP的分布频率的分位数,确定中心值区间,初步以VSP频率最大值的VSP区间为中心窗口;
S403、利用VSP频率窗口法,确定小于中心窗口的VSP的分布;
S404、利用VSP频率窗口法,确定大于中心窗口的VSP的分布;
步骤S5中拟合条件包括:拟合系数需大于等于0.85分位值,若不满足,则对VSP区间间隔再进行细粒度划分与VSP区间的组合,直到划分的VSP Bin的频率分布满足正态分布;
步骤S403中的利用VSP频率窗口法,确定小于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
A1、第一个窗口是从k-1 VSP区间向VSP变小区间移动,移动的区间为VSP总频率;
A2、其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数区间,VSP窗口总频率和大于等于0.95分位数;
A3、若在组合k-1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
满足A2-A3过程的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以分位数间距进行推移判断,窗口依次记为k-2、k-3、k-4……k-n;
若在k-1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口;
步骤S404中的利用VSP频率窗口法,确定大于中心窗口的VSP的分布过程如下:
VSP频率窗口法为分位数窗口法,所述分位数窗口法是一个随VSP区间i作移动求和的过程,具体如下:
B1、第一个窗口是从k+1 VSP区间向VSP变大区间移动,移动的区间为VSP总频率;
B2、其中窗口的VSP总频率小于上一窗口的VSP频率,且窗口的VSP总频率大于未纳入本窗口的后续各个VSP区间的频率,并判断窗口的VSP总频率所处的分位数区间,VSP窗口总频率和大于等于0.95分位数;
B3、若在组合k+1窗口时,m-1个VSP区间的总频率小于0.90分位数,m个VSP区间的总频率大于等于0.95分位数,且大于k窗口的频率,则组成的k-1窗口替代k窗口成为中心;
满足B2-B3过程的窗口中VSP区间数为i’,合并的窗口记为k-1;
依次按照上述方法进行VSP窗口的划分,分位数以分位数间距进行推移判断,窗口依次记为k+2、k+3、k+4……k+n;
若在k+1窗口选择时,移动到最小的VSP区间,移动窗口内总的VSP频率和不满足大于等于0.90分位数条件,则调整窗口VSP频率总和的判断条件,移动窗口VSP总频率大于等于0.80分位值,若仍不满足,则窗口VSP频率总和的判断条件下调分位值,但大于等于0.05分位值,其他k-i的窗口划分按照上述方式进行;若小于0.05分位值,则小于k窗口的VSP区间进行合并;
其中k代表中心窗口。
2.根据权利要求1所述的一种基于车联网大数据的实际运行工况VSPBin划分方法,其特征在于,步骤S1中规定间隔划分为:2km/h间隔的划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110814294.1A CN113553548B (zh) | 2021-07-19 | 2021-07-19 | 一种基于车联网大数据的实际运行工况VSPBin划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110814294.1A CN113553548B (zh) | 2021-07-19 | 2021-07-19 | 一种基于车联网大数据的实际运行工况VSPBin划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113553548A CN113553548A (zh) | 2021-10-26 |
CN113553548B true CN113553548B (zh) | 2023-01-10 |
Family
ID=78132125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110814294.1A Active CN113553548B (zh) | 2021-07-19 | 2021-07-19 | 一种基于车联网大数据的实际运行工况VSPBin划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553548B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114084150B (zh) * | 2021-12-22 | 2022-05-31 | 中国北方车辆研究所 | 一种越野车辆行驶工况生成方法 |
CN114596713B (zh) * | 2022-05-09 | 2022-08-09 | 天津大学 | 一种车辆的实时远程监测控制方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020187100A1 (zh) * | 2019-03-15 | 2020-09-24 | 中国汽车技术研究中心有限公司 | 一种实际道路行驶工况库及构建方法 |
CN112629880A (zh) * | 2020-12-10 | 2021-04-09 | 东风汽车集团有限公司 | 车辆测试工况确定方法、装置及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2570773A1 (en) * | 2011-09-13 | 2013-03-20 | Nederlandse Organisatie voor toegepast- natuurwetenschappelijk onderzoek TNO | Method and system for obtaining emission and fuel consumption data |
CN104008647B (zh) * | 2014-06-12 | 2016-02-10 | 北京航空航天大学 | 一种基于机动车行驶模式的道路交通能耗量化方法 |
CN104715605B (zh) * | 2015-02-16 | 2017-09-26 | 北京交通大学 | 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 |
CN110826772A (zh) * | 2019-10-15 | 2020-02-21 | 深圳市赛梅斯凯科技有限公司 | 车辆尾气排放预测方法、装置、设备及存储介质 |
-
2021
- 2021-07-19 CN CN202110814294.1A patent/CN113553548B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020187100A1 (zh) * | 2019-03-15 | 2020-09-24 | 中国汽车技术研究中心有限公司 | 一种实际道路行驶工况库及构建方法 |
CN112629880A (zh) * | 2020-12-10 | 2021-04-09 | 东风汽车集团有限公司 | 车辆测试工况确定方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113553548A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067722B (zh) | 一种车辆行驶工况构建方法 | |
CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
CN113553548B (zh) | 一种基于车联网大数据的实际运行工况VSPBin划分方法 | |
CN204895347U (zh) | 驾驶行为分析系统 | |
CN104786967A (zh) | 驾驶行为分析系统 | |
CN104765969A (zh) | 驾驶行为分析方法 | |
CN106997662B (zh) | 一种城市公交车工况构建方法 | |
CN108647836B (zh) | 一种驾驶员节能评价方法和系统 | |
CN105355049A (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
CN110298579A (zh) | 一种新能源乘用车城市立体工况的构建方法 | |
CN111598424A (zh) | 一种基于重型柴油车远程监控数据的排放计算方法 | |
CN104916135A (zh) | 获取客货分离式高速公路货运车道通行能力的方法和系统 | |
CN110070733B (zh) | 一种车头时距建模方法及一种最小绿灯时间计算方法 | |
CN111047179A (zh) | 一种基于频繁模式挖掘的车辆运输效率分析方法 | |
CN113743715A (zh) | 基于车联网重型车实际工况的油耗及NOx排放评价方法 | |
CN110459053A (zh) | 基于智能网联车信息的高速公路混合车流速度估计方法 | |
CN114136312A (zh) | 一种坡度速度组合工况开发装置及开发方法 | |
CN115655730A (zh) | 重型柴油车PEMS测试中NOx排放的计算方法 | |
CN117079459A (zh) | 混合自动驾驶交通流流速密能图谱构建方法及系统 | |
CN109115997A (zh) | 油品质量监控方法及服务器 | |
CN113173175B (zh) | 一种车辆重量确定方法及装置 | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN109752590B (zh) | 一种基于数据驱动的电动公交能耗估计方法 | |
CN110715685A (zh) | 一种基于智能手机的路面行驶质量检测方法 | |
CN115497306A (zh) | 一种基于gis数据的速度区间权重计算方法 |
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 |