CN115062842A - 基于实时路况和气象状况的机动车排放预测方法及系统 - Google Patents
基于实时路况和气象状况的机动车排放预测方法及系统 Download PDFInfo
- Publication number
- CN115062842A CN115062842A CN202210668224.4A CN202210668224A CN115062842A CN 115062842 A CN115062842 A CN 115062842A CN 202210668224 A CN202210668224 A CN 202210668224A CN 115062842 A CN115062842 A CN 115062842A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- emission
- road
- real
- average
- 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
Images
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"
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于机动车排放预测技术领域,提供了一种基于实时路况和气象状况的机动车排放预测方法及系统。其中,该方法包括获取预设区域的各道路交通卡口数据信息;基于获取的数据,构建道路交通车流量‑车辆类型‑行驶模式‑VSP映射关系;基于所述映射关系,确定各路段的小时车流量与平均车速信息;依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
Description
技术领域
本发明属于机动车排放预测技术领域,尤其涉及一种基于实时路况和气象状况的机动车排放预测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
现有排放模型可分为宏观排放模型,以宏观统计数据为基础,综合估算区域范围的机动车长时段的排放总量,宏观模型常用于城市机动车污染的年平均量估计;中观排放模型,以静态交通数据为基础,结合交通动态采集数据,可实现对道路交通排放的初步核算;微观排放模型,以单车实施数据为依据,通过道路交通工况仿真,用以完成对单车排放因子及其他调整因子的测算,以此为基础。
综合分析现有手段与模型应用,发现很多交叉口和路段的排放测算都是基于MOVES模型,再回归得到,现代技术手段的引入虽然使得动态交通的机动车排放计算得以初步实现,但由于城市交通监管各部门的侧重点不一致,因此现有交通部门的数据也未能实现充分的利用。如针对特定类型车量构造过以VSP-速度所定义的运行模式,作为排放表征参数,建立机动车MOVES排放模型,之后对MOVES排放模型进行多次输入输出测试得到单车模型的基础排放速率库,在此基础上通过交通流量的叠加测算道路交通机动车产生的排放。已有的技术方法基本都是对监控数据的直接利用,如构造道路交通与行驶模式之间的关系,从而获得“道路交通-行驶模式-VSP”三者之间的映射关系,用以完成道路交通所产生的污染排放的近似测算。
发明人发现,这些技术方法都是对卡口数据的直接应用,与本地化的机动车数据信息关联不够紧密,对统计数据的利用率较低,使得卡口数据基础上直接换算出的道路交通机动车排放数值准确度较低。现有技术方法均未考虑气象环境因素在中微观尺度排放测算过程的影响。环境条件的差异对于汽油车发动机的运行工况有直接的影响,例如在空气稀薄的高寒地区,空气中氧气含量下降,大气压力变小,进气阻力变大,导致发动机过量空气系数变大,在缺氧和燃烧不充分的环境下,CO和HC的排放将大大提高。同时,由于环境温度低汽油的雾化效果差,可燃混合气燃烧不充分也会加剧污染物的排放。相比之下汽车在炎热潮湿的环境中,由于环境温度高,发动机冷却和散热困难,燃烧室工作温度偏高,工作效率低,燃料消耗量增加,污染排放将会加剧。在潮湿的环境中,空气相对湿度大,空气中的水分子随发动机进气系统进入燃烧室,燃烧室中的水分子导致可燃混合气局部燃烧不充分,容易产生积碳,在高温环境中积碳容易导致表面点火使发动机产生早燃、爆燃等粗暴的工作状况,使得NOX和PM2.5/PM10的排放急剧增加。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种基于实时路况和气象状况的机动车排放预测方法及系统,其考虑实时路况和气象状况能够准确预测出机动车排放量。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种基于实时路况和气象状况的机动车排放预测方法,其包括:
获取预设区域的各道路交通卡口数据信息;
基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系;
基于所述映射关系,确定各路段的小时车流量与平均车速信息;
依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;
基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
本发明的第二个方面提供一种基于实时路况和气象状况的机动车排放预测系统,其包括:
数据获取模块,其用于获取预设区域的各道路交通卡口数据信息;
模型构建模块,其用于基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系;
流量和车速计算模块,其用于基于所述映射关系,确定各路段的小时车流量与平均车速信息;
调整排放率计算模块,其用于依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;
排放量计算模块,其用于基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
本发明的第三个方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
本发明的第四个方面提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
与现有技术相比,本发明的有益效果是:
本发明利用大数据局对多部门的数据信息整合利用优势,通过对道路交通车流量-车辆类型-行驶模式-VSP的映射关系构建,综合已有单车排放实验数据、车管所登记城市道路移动源信息以及环保局气象信息,采用多部门数据协同处理手段,实现对交通部门卡口数据的二次应用,获得对城市道路交通机动车污染排放的准确核算效果。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书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。
图1是本发明实施例的基于实时路况和气象状况的机动车排放预测方法流程图;
图2是本发明实施例的基于实时路况和气象状况的机动车排放预测原理图;
图3是本发明实施例的基于实时路况和气象状况的机动车排放预测系统结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1和图2所示,本实施例提供了一种基于实时路况和气象状况的机动车排放预测方法,其具体包括如下步骤:
S101:获取预设区域的各道路交通卡口数据信息。
分析卡口数据特征,将卡口数据种对车辆类型的原始编号转换为相应的模型用类型,即将表1中14种分类转换为7种车辆类型。
表1中14种分类转换为7种车辆类型
S102:基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系。
其中,VSP的英文全称“Vehicle Specific Power”,中文名称“车辆比功率”,意义:某一时刻单位质量机动车所对应的功率,单位为kW/t或者m2/s3,它表示发动机克服滚动阻力和空气阻力做功的功率,因内部工作摩擦产生的传动损失功率,以及增加机动车的动能和势能所需要发出的功率。
卡口车辆类型到模型用计算类型的映射关系,如表2。
表2卡口车辆类型到模型用计算类型的映射关系
卡口类型 | 转换车型 |
大型汽车 | 大客+重货 |
小型汽车 | 小客 |
外籍汽车 | 小客 |
轻便摩托车 | 摩托车 |
低速载货汽车 | 轻货 |
挂车 | 重货 |
教练汽车 | 小客 |
警用汽车 | 小客+中客 |
原农机号牌 | 轻货+中货 |
军队用大型汽车 | 重货 |
军队用小型汽车 | 小客 |
武警用大型汽车 | 大货 |
武警用小型汽车 | 小客 |
其他 | 中客 |
未识别 | 机动车按统计比例分配 |
依据本地车辆统计分类信息进行转换,再将其换算为模型计算用车辆类型数据,机动车车型车型分类转换公式见表3。
表3机动车车型分类转换公式
表4 VSP-Bin分区对照表
如表4所示,基于道路交通车流量-车辆类型-行驶模式-VSP映射关系,VSP与平均车速信息的关系为:
VSP{速度,加速度}=(平均速度/m)*(1.1*加速度+9.8*加速度*坡度+k1)+k2*(平均速度/m)^3。
其中,k1=0.132;k2=0.000302;m=3.6;加速度单位为km/h,因在城市道路中机动车速度变化不频繁,路段中的平均加速度可忽略;坡度(无量纲),GPS所采集的机动车运行数据不包括坡度,由于试验区域道路平缓,可以不考虑坡度,不影响计算结果。
因此,VSP计算公式使用时可简化为:
VSP{速度,加速度}=(平均速度/m)*k1+k2*(平均速度/m)^3。
S103:基于所述映射关系,确定各路段的小时车流量与平均车速信息。
S104:依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率。
表5重型柴油车排放率-g/s
分区名称 | 一氧化碳 | 碳氢化合物 | 氮氧化物 | 颗粒物 |
Bin0 | 0.00501 | 0.00140 | 0.00311 | 0.00048 |
Bin101 | 0.00532 | 0.00139 | 0.00412 | 0.00050 |
Bin102 | 0.01025 | 0.00200 | 0.00967 | 0.00145 |
Bin103 | 0.01034 | 0.00205 | 0.00984 | 0.00148 |
Bin104 | 0.01123 | 0.00209 | 0.01198 | 0.00161 |
Bin105 | 0.01110 | 0.00211 | 0.01202 | 0.00163 |
Bin106 | 0.01501 | 0.00228 | 0.01596 | 0.00245 |
Bin201 | 0.00498 | 0.00137 | 0.00401 | 0.00049 |
Bin202 | 0.01036 | 0.00202 | 0.00973 | 0.00147 |
Bin203 | 0.01043 | 0.00207 | 0.00986 | 0.00149 |
Bin204 | 0.01135 | 0.00209 | 0.01204 | 0.00164 |
Bin205 | 0.01120 | 0.00212 | 0.01225 | 0.00165 |
Bin206 | 0.01522 | 0.00232 | 0.01593 | 0.00248 |
Bin301 | 0.00473 | 0.00133 | 0.00354 | 0.00047 |
Bin302 | 0.01038 | 0.00203 | 0.00975 | 0.00148 |
Bin303 | 0.01055 | 0.00208 | 0.00993 | 0.00149 |
Bin304 | 0.01146 | 0.00209 | 0.01208 | 0.00166 |
Bin305 | 0.01131 | 0.00213 | 0.01229 | 0.00168 |
Bin306 | 0.01519 | 0.00229 | 0.01590 | 0.00228 |
其中,所述车型分类相关的基本信息包括油品、车龄、排放标准和排量信息。
如图2所示,考虑到因卡口数据中同一车型的油品、车龄、排放标准和排量等信息无法获取确实信息,本实施例采用淄博市机动车有关统计信息近似代替,将油品、车龄、排放标准和排量等信息等对应的排放调整因子进行统计综合,获得通用于交通流数据的近似综合车辆特征对应的综合排放调整因子。
S105:基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
其中,设定道路的小时机动车排放量的表达式为:
排放量(路段,车型,污染物i)=t*调整排放率(路段,车型,污染物i)*路段小时车流量(车型)*道路长度/平均速度;
本实施例中,上式为计算一小时总的排放量用,t的取值为3600,是由于排放率的计量为每秒排放,因此换算时间总量为1h=60*60s,其他数据应该与车流量时间范围相对应,如半小时则1800*...*路段半小时车流量。
调整排放率(路段,车型,污染物i)=基础排放率(车型,污染物i)*温度调整因子*湿度调整因子*道路等级调整因子。
其中,基础排放率(车型,污染物i)查询S104获取的如表5所示的重型柴油车排放率-g/s”等一系列“车型-排放物”的基础排放率可得。
实施例二
如图3所示,本实施例提供了一种基于实时路况和气象状况的机动车排放预测系统,其具体包括如下模块:
数据获取模块,其用于获取预设区域的各道路交通卡口数据信息;
模型构建模块,其用于基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系;
流量和车速计算模块,其用于基于所述映射关系,确定各路段的小时车流量与平均车速信息;
调整排放率计算模块,其用于依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;
排放量计算模块,其用于基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
此处需要说明的是,本实施例中的各个模块与实施例一中的各个步骤一一对应,其具体实施过程相同,此处不再累述。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
实施例四
本实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
本发明是参照本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上所述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 (10)
1.一种基于实时路况和气象状况的机动车排放预测方法,其特征在于,包括:
获取预设区域的各道路交通卡口数据信息;
基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系;
基于所述映射关系,确定各路段的小时车流量与平均车速信息;
依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;
基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
3.如权利要求1所述的基于实时路况和气象状况的机动车排放预测方法,其特征在于,所述车型分类相关的基本信息包括油品、车龄、排放标准和排量信息。
4.如权利要求1所述的基于实时路况和气象状况的机动车排放预测方法,其特征在于,基于道路交通车流量-车辆类型-行驶模式-VSP映射关系,VSP与平均车速信息的关系为:
VSP{速度,加速度}=(平均速度/m)*k1+k2*(平均速度/m)^3。
5.一种基于实时路况和气象状况的机动车排放预测系统,其特征在于,包括:
数据获取模块,其用于获取预设区域的各道路交通卡口数据信息;
模型构建模块,其用于基于获取的数据,构建道路交通车流量-车辆类型-行驶模式-VSP映射关系;
流量和车速计算模块,其用于基于所述映射关系,确定各路段的小时车流量与平均车速信息;
调整排放率计算模块,其用于依据车型分类相关的基本信息,确定各类型车辆的基础排放率与相应的车辆特征综合调整因子,并结合实时气象信息及实时路况计算出调整排放率;
排放量计算模块,其用于基于排放量与各类型车辆在各个路段的小时车流量和调整排放率成正比,且与平均车速信息成反比的关系,计算出设定道路的小时机动车排放量。
7.如权利要求5所述的基于实时路况和气象状况的机动车排放预测系统,其特征在于,所述车型分类相关的基本信息包括油品、车龄、排放标准和排量信息。
8.如权利要求5所述的基于实时路况和气象状况的机动车排放预测系统,其特征在于,基于道路交通车流量-车辆类型-行驶模式-VSP映射关系,VSP与平均车速信息的关系为:
VSP{速度,加速度}=(平均速度/m)*k1+k2*(平均速度/m)^3。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-5中任一项所述的基于实时路况和气象状况的机动车排放预测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668224.4A CN115062842A (zh) | 2022-06-14 | 2022-06-14 | 基于实时路况和气象状况的机动车排放预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668224.4A CN115062842A (zh) | 2022-06-14 | 2022-06-14 | 基于实时路况和气象状况的机动车排放预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115062842A true CN115062842A (zh) | 2022-09-16 |
Family
ID=83201188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668224.4A Pending CN115062842A (zh) | 2022-06-14 | 2022-06-14 | 基于实时路况和气象状况的机动车排放预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062842A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290112A (zh) * | 2022-09-29 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种用于辅助排放测试的路径获取系统 |
CN117271992A (zh) * | 2023-09-19 | 2023-12-22 | 东莞市东莞通股份有限公司 | 一种基于大数据的城市道路碳排放监测管理系统 |
CN118365346A (zh) * | 2024-06-20 | 2024-07-19 | 四川省交通勘察设计研究院有限公司 | 一种车辆行驶过程碳排放量预测方法、装置和设备 |
CN118464475A (zh) * | 2024-07-15 | 2024-08-09 | 中汽研汽车检验中心(昆明)有限公司 | 柴油车辆排放因子高原检测方法、装置、设备及存储介质 |
-
2022
- 2022-06-14 CN CN202210668224.4A patent/CN115062842A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290112A (zh) * | 2022-09-29 | 2022-11-04 | 淄博青禾检测科技有限公司 | 一种用于辅助排放测试的路径获取系统 |
CN117271992A (zh) * | 2023-09-19 | 2023-12-22 | 东莞市东莞通股份有限公司 | 一种基于大数据的城市道路碳排放监测管理系统 |
CN117271992B (zh) * | 2023-09-19 | 2024-03-26 | 东莞市东莞通股份有限公司 | 一种基于大数据的城市道路碳排放监测管理系统 |
CN118365346A (zh) * | 2024-06-20 | 2024-07-19 | 四川省交通勘察设计研究院有限公司 | 一种车辆行驶过程碳排放量预测方法、装置和设备 |
CN118464475A (zh) * | 2024-07-15 | 2024-08-09 | 中汽研汽车检验中心(昆明)有限公司 | 柴油车辆排放因子高原检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115062842A (zh) | 基于实时路况和气象状况的机动车排放预测方法及系统 | |
Oh et al. | Vehicle energy dataset (VED), a large-scale dataset for vehicle energy consumption research | |
Giakoumis | Driving and engine cycles | |
Pouresmaeili et al. | Development of Mashhad driving cycle for passenger car to model vehicle exhaust emissions calibrated using on-board measurements | |
Rosero et al. | Effects of passenger load, road grade, and congestion level on real-world fuel consumption and emissions from compressed natural gas and diesel urban buses | |
Duarte et al. | Analysis of fuel consumption and pollutant emissions of regulated and alternative driving cycles based on real-world measurements | |
WO2020187100A1 (zh) | 一种实际道路行驶工况库及构建方法 | |
Fotouhi et al. | Tehran driving cycle development using the k-means clustering method | |
Zhao et al. | Developing an electric vehicle urban driving cycle to study differences in energy consumption | |
Montazeri-Gh et al. | Development of car drive cycle for simulation of emissions and fuel economy | |
Rakha et al. | VT-Meso model framework for estimating hot-stabilized light-duty vehicle fuel consumption and emission rates | |
CN114882614B (zh) | 一种机动车碳排放监测方法及系统 | |
West et al. | Development of data-based light-duty modal emissions and fuel consumption models | |
Mogro et al. | Assessment of the effect of using air conditioning on the vehicle's real fuel consumption | |
Mera et al. | Including engine data for energy and pollutants assessment into the vehicle specific power methodology | |
Hung et al. | A modal approach to vehicular emissions and fuel consumption model development | |
Wang et al. | A new vehicle specific power method based on internally observable variables: Application to CO2 emission assessment for a hybrid electric vehicle | |
Rosero et al. | Assessing on-road emissions from urban buses in different traffic congestion scenarios by integrating real-world driving, traffic, and emissions data | |
Park et al. | State-of-the-art automobile emissions models and applications in North America and Europe for sustainable transportation | |
Sun et al. | Validation of a statistical-dynamic framework for predicting energy consumption: A study on vehicle energy conservation equation | |
Nguyen et al. | Impact of real-world driving characteristics on the actual fuel consumption of motorcycles and implications for traffic-related air pollution control in Vietnam | |
KR20110078352A (ko) | 도로 및 교통수단별 온실가스와 대기오염물질의 배출계수 실험을 위한 관련인자 및 대표 주행모드 개발 시스템 | |
Eichlseder et al. | Zero impact–objective and significance for vehicle powertrains and air quality | |
Roberts et al. | Rde plus-rapid characterisation of vehicle and powertrain performance and emissions using dynamic design of experiments, digital twin and virtual driving methodologies | |
Abas et al. | Simulation of fuel economy for Malaysian urban driving |
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 |