CN115952899B - 基于实际工况提取的电动公交车能耗估计方法 - Google Patents
基于实际工况提取的电动公交车能耗估计方法 Download PDFInfo
- Publication number
- CN115952899B CN115952899B CN202211684764.8A CN202211684764A CN115952899B CN 115952899 B CN115952899 B CN 115952899B CN 202211684764 A CN202211684764 A CN 202211684764A CN 115952899 B CN115952899 B CN 115952899B
- Authority
- CN
- China
- Prior art keywords
- bus
- energy consumption
- parameters
- speed
- electric
- 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
Landscapes
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提出了一种基于实际工况提取的电动公交车能耗估计方法,能够基于全球广泛使用和发布的通用公交提要规范数据,考虑了道路类型和交通状况,提取公交线路的实际行驶工况,基于汽车动力学原理构建包括制动回收能量在内的公交车能耗估计模型。该方法极大地降低能耗预测方法对高频率、高精度数据采集技术的依赖,减小模型计算负担,具有广泛的适用性。
Description
技术领域
本发明属于城市公共交通运营管理技术领域,具体涉及基于实际工况提取的电动公交车能耗估计方法。
背景技术
城市公共交通系统是传统化石能源消耗和温室气体排放的重要领域,在我国实现双碳战略目标的进程中具有巨大潜能。公共交通系统的电动化转型是城市交通系统可持续性低碳转型中最有效的措施之一。
然而,相比于传统的燃油公交车,电动公交存在续航里程短、充电时间长等明显缺陷,公交系统的电动化转型、电动公交系统的资源配置和运营(如用于替换传统车辆的电动公交车数量、充电基础设施配置等),高度依赖可靠和易于计算的公交车能耗估计算法。
电动公交车的能耗受到多种因素的影响,按影响因素的不同大致可以分为两大类——与车辆本身相关的内部因素和与驾驶条件相关的外部因素。前者包括车辆部件的特性,车辆设计参数,效率和惯性,辅助设备使用等;后者包括道路类型和条件,环境和交通状况,驾驶行为等。
现有电动汽车能耗估计模型主要包含分析模型、统计模型和计算模型。其中,分析模型以车辆纵向动力学为基础,由可用效率图预估电机损耗。车辆纵向动力学从车辆动力学理论出发建模,计算在车轮处克服对立力所需的功率。后两种模型虽然精度更高,但往往需要提前收集更加全面和高精度微观汽车行驶数据,且由于模型构建往往脱离汽车动力学原理,无法有效估计制动或下坡行驶时回收的能量,难以具有普遍适用性。
现有技术中,别一鸣等公开了一种基于多元非线性回归的电动公交车行程能耗估计方法(CN 113361792A),能够一定程度上降低能耗预测方法对输入较高数据采集频率和精度的依赖,但采用的能耗估计算法中包含了有限的影响因素,未考虑道路坡度、车辆速度等造成的额外电量消耗。
肖大伟等公开了一种纯电动汽车能耗计算方法(CN 105426672A),基于电动汽车行车记录仪采集的数据提取车辆工况速度信息,进而构建了动力功耗模型和辅助系统功耗模型来计算汽车能耗,采用的算法多针对单车能耗计算,基于行车记录仪数据提取车速信息的方法在大规模电动汽车能耗估算场景中计算负担较大。
现有电动汽车能耗估计方法对收集的数据质量和数据采集设备均有较高的要求。然而实际运营过程中,不同公交公司对车辆数据的收集精细度和质量参差不齐;在电动化转型过程中,一些线路甚至无法收集电动公交车行驶数据,因此提出的方法也无法估计电动公交车能耗。因此,基于汽车动力学理论和基础行驶工况数据的分析模型,应用能够普遍获得的数据格式,能更好地满足能耗估计模型普遍适用性的要求。
发明内容
为了克服上述电动公交能耗估计方法的缺陷和不足,本发明提出了一种电动公交车能耗估计方法,能够基于全球广泛使用和发布的通用公交提要规范数据,考虑了道路类型和交通状况等外在因素,提取公交线路的实际行驶工况,基于汽车动力学原理构建包括制动回收能量在内的公交车能耗估计模型。该方法极大地降低了能耗估计模型对数据精细度的要求,具有广泛的适用性。
基于实际工况提取的电动公交车能耗估计方法,具体步骤如下:
步骤一、采集电动公交车基础运行数据;
步骤二、基于步骤一的数据估计电动公交车牵引力;
步骤三、采集电动公交车辅助负载功率数据;
步骤四、基于路线段的电动公交车能耗计算;
步骤五、基于步骤二、步骤三和步骤四的数据估算电动公交车行程能耗。
进一步,步骤一中采集电动公交车基础运行数据,具体内容为:
建模的标准公交车的相关参数及其符号如下:
参数:公交车质量;符号:M;
参数:正面面积;符号:af;
参数:空气密度;符号:ρ;
参数:空气阻力系数;符号:cd;
参数:固定滚动阻力系数;符号:cr0;
参数:可变滚动阻力系数;符号:cr2;
参数:车轮半径;符号:rw;
参数:传动系效率;符号:ηt;
参数:变速器转动比;符号:GR;
参数:转换器效率;符号:ηc;
参数:辅助负载;符号:Paux;
步骤11、提取出公交车的质量、迎风面积和轮胎的可变滚动阻力;
步骤12、搜集资料,包括:公交车在线路不同位置对应的速度、高程信息(道路坡度)、空气密度、经纬度和地球曲率半径;
步骤13、计算公交路线总长度,沿着原始静态路线点位置进行插值,并以di为间隔对线路位置进行重新采样;
通过半正矢方法来计算公交线路中第i个控制点到i+1控制点间的距离d;
式中,为位置i的纬度,λi为位置i的经度,re为地球的曲率半径;
步骤14、道路坡度计算:
式中,mi为道路坡度,hi为某点的高程。
步骤15、当多个实时公交位置与单个静态路线位置匹配时,选取该位置的平均值速度为该点的速度,当平均值数值明显高于平均行驶速度时,选取速度中值为该点对应的速度。
步骤16、采用二阶SG(Savitzky-Golay)滤波法过滤生成的速度曲线的噪音,对公交路线中的控制点速度数据进行平滑和连续性处理;
优选的,步骤16中采用最小二乘法,以公交路线中控制点i为中心的W个数据点为窗口,对离散的数据点进行平滑处理;
优选的,步骤16中在拟合公交路线中的点i+1为中心的新的二次曲线之前,使用该二次曲线来获得点i的过滤值。
步骤17、计算得到每个线路控制点位置的加速度ai和控制点间的时间跨度ti:
式中,vi是公交线路中控制点i的公交车速度,di为路线段的长度。
进一步,步骤二中电动公交车牵引力的计算方法为:
步骤21、空气阻力Faer表达式为:
式中,ρ是空气密度,Af是公交车的迎风面积,Cd是空气阻力系数,v是公交车速度。
步骤22、爬坡阻力Fgra的表达式为:
Fgra=M*g*sin(θ)
式中,M为含乘客的公交车的质量,g为重力加速度常数,θ为道路的坡度。
步骤23、滚动阻力Frol表达式为:
Frol=(cr0+cr2*v)*M*g
式中,Cr0为固定阻力系数,Cr2为公交车轮胎的可变滚动阻力系数。
步骤24、加速阻力Facc表达式为:
Facc=a*M
式中,a是公交车加速度。
步骤25、步骤2.1-2.4中力的总和与公交车车轮在运行期间产生的牵引力Fpro相平衡。
Fpro=Facc+Faer+Frol+Fgra
进一步,步骤三中采集电动公交车辅助负载功率,辅助负载包括为公交车提供加热、冷却或照明等功能的设备运行时所产生的负载。
进一步,步骤四中基于路线段的能耗计算,具体内容为:
电动机转速ωm可通过下式计算:
式中,v为公交车速度、G为变速器的传动比,rw为车轮半径;
车轮所需扭矩Tw表达式为:
Tw=Fpro*rw
电机扭矩Tm表达式为:
式中,ηt传动系统的传递效率;
电机转速和扭矩在电机效率图中找到对应的电机效率ηm。
基于电动公交车传动系统能量流,电动公交车在一个路线段(每两个控制点间的路段长度)所消耗的电能,使用下式计算:
式中,Paux为辅助负载,ηm为电机效率,ηc为转换器效率,S为再生制动系统回收的能量比例。当推进力为负值时表示公共汽车正在制动,此时使用上式计算返回到电池系统的能量。
步骤五中电动公交车的行程能耗计算,包括:
步骤51、通过提取不同阶段的电池功率和时间长度,计算出整条线路的能源消耗E。计算方法如下:
式中,I是公交线路的控制点数量,起点编号为0,终点编号为I。
能源消耗可根据能量强度进行描述,具体计算公式如下式:
式中,Drou是公交线路总长度,单位为km。
本发明的有益效果:
本发明提出了一种电动公交车能耗估计方法,基于汽车动力学理论和通用的公交运行数据格式,融合公交线路静态数据,能够同时考虑影响汽车能耗的动力学特征和交通状况,极大地降低能耗预测方法对高频率、高精度数据采集技术的依赖,减小模型计算负担,具有广泛的适用性。
附图说明
图1为本发明的电动公交车能耗估计方法简图;
图2为电机效率图;
图3为电动公交车内传动系统能量流示意图;
图4为实施例中线路A上行方向的示意图;
图5为实施例中线路A下行方向的示意图;
图6为实施例中线路A的路段高程变化图;
图7为不同负载的能量强度分布图;
图8为实施例中基于1Hz GPS工况和GTFS工况计算的能量回收部分。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
本实施例的基于实际工况提取的电动公交车能耗估计方法的流程如图1所示,具体步骤如下:
步骤一、采集公交车基础运行数据:在这项工作中使用的是加拿大不列颠哥伦比亚省维多利亚州区域公交系统(VRTS)中所有现行公交的GTFS数据,随机选取了某线路的数据,下面称之为线路A,线路A上行方向和下行方向见图4和5所示。
其中GTFS为通用公交提要规范,是由谷歌推出的通用公交数据标准。为了对能耗估计模型的精度进行验证,本实施例另外下载了对应线路的1Hz车载GPS数据。
步骤11、提取公交车质量、迎风面积、固定滚动阻力系数、可变滚动阻力系数等参数,本实施例使用标准公交车的相关参数信息如下表1所示:
表1标准公交车的相关参数信息
步骤12、从相关部门搜集资料,包括:公交车在线路不同位置对应的速度、高程信息(道路坡度)、经纬度、地球曲率半径;
其中道路高程信息通过谷歌高程API获取,线路A高程变化如图6所示;地球曲率半径采用6371千米。
步骤13、计算公交路线总长度,沿着原始静态路线点位置进行插值,并以di为间隔对线路位置进行重新采样;
通过半正矢方法来计算公交线路中两点之间的距离;
本实施例采用的距离间隔di为10米;
步骤14、计算线路A途径道路坡度,按照以下公式计算:
步骤15、当多个实时公交位置与单个静态路线位置匹配时,选取该位置的平均值速度为该点的速度,当平均值数值明显高于平均行驶速度时,选取速度中值为该点对应的速度;
步骤16、采用二阶SG(Savitzky-Golay)滤波法过滤生成的速度曲线的噪音,对路径中点的速度数据进行平滑和连续处理;
利用最小二乘法的原理拟合以点i为中心的W数据点的窗口,对其进行平滑处理;
在拟合点i+1为中心的一个新的二次曲线之前,使用该二次曲线来获得点i的过滤值;
采用滤波窗口W=7;
步骤17、计算每个线路控制点位置的加速度和控制点间的时间跨度:
步骤二、基于步骤一估计电动公交车牵引力;
步骤21、按照下式计算空气阻力:
步骤22、按照下式计算重力产生的阻力:
Fgra=M*g*sin(θ)
步骤23、按照下式计算滚动阻力:
Frol=(cr0+cr2*v)*M*g
步骤24、按照下式计算加速阻力:
Facc=α*M
步骤25、按照下式计算牵引力:
Fpro=Facc+Faer+Frol+Fgra
步骤三、计算得到辅助负载功率;
辅助负载包括为公交车提供加热、冷却或照明等功能的设备运行时所产生的负载。辅助设备功率可由相关设备说明书或铭牌等得到;
步骤四、基于路线段的电动公交车能耗计算;
电动机转速表达式按照下式计算:
车轮所需扭矩按照下式计算:
Tw=Fpro*rw
电机扭矩按照下式计算:
根据电机转速和扭矩在电机效率图(图2)中找到对应的电机效率ηm;
基于图3所示电动公交车传动系统能量流,车辆在一个路线段消耗的电能按下式计算:
当推进力为负值时表示公共汽车正在制动,此时应用该部分的能量计算返回到电池系统的能量;
步骤五、估计电动车行程能耗:
步骤51、通过提取不同阶段的电池功率和时间长度,可以计算出整条线路的能源消耗。按下式计算:
能量强度按照下式计算:
输出结果见下表2:
表2实施例计算的结果
A线路各部分负载的能量强度见图7所示,回收的能量强度见图8所示,可见本实施例计算得到的路线总体及各部分的能量强度与基于1Hz GPS工况数据的计算结果接近,各项指标误差较小,说明本方案提出的能耗估计算法,能够基于较普遍和粗粒度数据获得较高的电动公交车能耗预测精度。
Claims (2)
1.基于实际工况提取的电动公交车能耗估计方法,其特征在于,具体步骤如下:
步骤一、采集电动公交车基础运行数据;
步骤二、基于步骤一的电动公交车基础运行数据估计电动公交车牵引力;
步骤三、采集电动公交车辅助负载功率数据;
步骤四、基于路线段的电动公交车能耗计算;
步骤五、基于步骤二、步骤三和步骤四的数据估算电动公交车行程能耗;
进一步,步骤一中采集电动公交车基础运行数据,具体内容为:
建模的标准公交车的相关参数及其符号如下:
参数:含乘客的公交车的质量;符号:M;
参数:迎风面积;符号:Af;
参数:空气密度;符号:ρ;
参数:空气阻力系数;符号:cd;
参数:固定滚动阻力系数;符号:cr0;
参数:可变滚动阻力系数;符号:cr2;
参数:车轮半径;符号:rw;
参数:传动系统的效率;符号:ηt;
参数:变速器转动比;符号:GR;
参数:转换器效率;符号:ηc;
参数:辅助负载;符号:Paux;
步骤11、提取出含乘客的公交车的质量、迎风面积和轮胎的可变滚动阻力系数;
步骤12、搜集资料,包括:公交车在线路不同位置对应的速度、高程信息、空气密度、经纬度和地球曲率半径;
步骤13、计算公交路线总长度,沿着原始静态路线点位置进行插值,并以di为间隔对线路位置进行重新采样;
通过半正矢方法来计算公交线路中第i个控制点到i+1控制点间的距离d;
式中,为位置i的纬度,λi为位置i的经度,re为地球的曲率半径;
步骤14、道路坡度计算:
式中,mi为道路坡度,hi为某点的高程;
步骤15、当多个实时公交位置与单个静态路线位置匹配时,选取该位置的平均值速度为该点的速度,当平均值数值高于平均行驶速度时,选取速度中值为该点对应的速度;
步骤16、采用二阶SG滤波法过滤生成的速度曲线的噪音,对公交路线中的控制点速度数据进行平滑和连续性处理;
步骤17、计算得到每个线路控制点位置的加速度ai和控制点间的时间跨度ti:
式中,vi是公交线路中控制点i的公交车速度,di为路线段的长度;
进一步,步骤二中电动公交车牵引力的计算方法为:
步骤21、空气阻力Faer表达式为:
式中,ρ是空气密度,Af是公交车的迎风面积,cd是空气阻力系数,v是公交车速度;
步骤22、爬坡阻力Fgra的表达式为:
Fgra=M*g*sin(θ)
式中,M为含乘客的公交车的质量,g为重力加速度常数,θ为道路的坡度;
步骤23、滚动阻力Frol表达式为:
Frol=(cr0+cr2*)**g
式中,cr0为固定滚动阻力系数,cr2为公交车轮胎的可变滚动阻力系数;
步骤24、加速阻力Facc表达式为:
Facc=a*M
式中,a是公交车加速度;
步骤25、步骤21-24中力的总和与公交车车轮在运行期间产生的牵引力Fpro相平衡;
Fpro=Facc+Faer+Frol+Fgra
进一步,步骤三中采集电动公交车辅助负载功率,辅助负载包括为公交车提供加热、冷却或照明功能的设备运行时所产生的负载;
进一步,步骤四中基于路线段的能耗计算,具体内容为:
电动机转速ωm通过下式计算:
式中,v为公交车速度、G为变速器的传动比,rw为车轮半径;
车轮所需扭矩Tw表达式为:
Tw=Fpro*w
电机扭矩Tm表达式为:
式中,ηt为传动系统的传递效率;
电机转速和扭矩在电机效率图中找到对应的电机效率ηm;
基于电动公交车传动系统能量流,电动公交车在一个路线段所消耗的电能P,使用下式计算:
式中,Paux为辅助负载,ηm为电机效率,ηc为转换器效率,S为再生制动系统回收的能量比例;当推进力为负值时表示公共汽车正在制动,此时使用上式计算返回到电池系统的能量;
步骤五中电动公交车的行程能耗计算,包括:
步骤51、通过提取不同阶段的电池功率和时间长度,计算出整条线路的能源消耗E;计算方法如下:
式中,I是公交线路的控制点数量,起点编号为0,终点编号为I;
能源消耗根据能量强度Er进行描述,具体计算公式如下式:
式中,Drou是公交线路总长度,单位为km。
2.根据权利要求1所述的基于实际工况提取的电动公交车能耗估计方法,其特征在于,所述的步骤16具体如下:
采用最小二乘法,以公交路线中控制点i为中心的W个数据点为窗口,对离散的数据点进行平滑处理;
在拟合公交路线中的点i+1为中心的新的二次曲线之前,使用该二次曲线来获得点i的过滤值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211684764.8A CN115952899B (zh) | 2022-12-27 | 2022-12-27 | 基于实际工况提取的电动公交车能耗估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211684764.8A CN115952899B (zh) | 2022-12-27 | 2022-12-27 | 基于实际工况提取的电动公交车能耗估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115952899A CN115952899A (zh) | 2023-04-11 |
CN115952899B true CN115952899B (zh) | 2023-09-29 |
Family
ID=87287233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211684764.8A Active CN115952899B (zh) | 2022-12-27 | 2022-12-27 | 基于实际工况提取的电动公交车能耗估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952899B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908075A (zh) * | 2017-03-21 | 2017-06-30 | 福州大学 | 大数据采集与处理系统及基于其电动汽车续航估计方法 |
CN109733248A (zh) * | 2019-01-09 | 2019-05-10 | 吉林大学 | 基于路径信息的纯电动汽车剩余里程模型预测方法 |
CN109752590A (zh) * | 2019-01-28 | 2019-05-14 | 北京航空航天大学 | 一种基于数据驱动的电动公交能耗估计方法 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 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 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN113361792A (zh) * | 2021-06-21 | 2021-09-07 | 吉林大学 | 一种基于多元非线性回归的城市电动公交车行程能耗估计方法 |
DE102021005763A1 (de) * | 2021-11-22 | 2022-03-17 | Daimler Ag | Verfahren zur vorausschauenden Steuerung einer Energieverteilung in einem Fahrzeug |
CN115329579A (zh) * | 2022-08-19 | 2022-11-11 | 重庆清研理工智能控制技术研究院有限公司 | 一种考虑整车质量变化的商用车质量和坡度联合估计方法 |
-
2022
- 2022-12-27 CN CN202211684764.8A patent/CN115952899B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908075A (zh) * | 2017-03-21 | 2017-06-30 | 福州大学 | 大数据采集与处理系统及基于其电动汽车续航估计方法 |
CN109733248A (zh) * | 2019-01-09 | 2019-05-10 | 吉林大学 | 基于路径信息的纯电动汽车剩余里程模型预测方法 |
CN109752590A (zh) * | 2019-01-28 | 2019-05-14 | 北京航空航天大学 | 一种基于数据驱动的电动公交能耗估计方法 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 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 |
CN111753377A (zh) * | 2020-07-06 | 2020-10-09 | 吉林大学 | 基于道路信息的纯电动汽车能耗最优路径规划方法 |
CN113361792A (zh) * | 2021-06-21 | 2021-09-07 | 吉林大学 | 一种基于多元非线性回归的城市电动公交车行程能耗估计方法 |
DE102021005763A1 (de) * | 2021-11-22 | 2022-03-17 | Daimler Ag | Verfahren zur vorausschauenden Steuerung einer Energieverteilung in einem Fahrzeug |
CN115329579A (zh) * | 2022-08-19 | 2022-11-11 | 重庆清研理工智能控制技术研究院有限公司 | 一种考虑整车质量变化的商用车质量和坡度联合估计方法 |
Non-Patent Citations (4)
Title |
---|
低碳发展方案编制指南;周南;Lynn Price;Stephanie Ohshita;Nina Zheng;胡敏;;科学与管理(第04期);全文 * |
基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究;刘光明;欧阳明高;卢兰光;韩雪冰;谷靖;;汽车工程(第11期);全文 * |
基于行驶工况的电动车比能耗计算与分析;王志新;王军;魏跃远;;车辆与动力技术(第04期);全文 * |
王江波 等.《第十七届中国智能交通年会科技论文集》.机械工业出版社,2022,第112-113页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115952899A (zh) | 2023-04-11 |
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 | |
CN109733248B (zh) | 基于路径信息的纯电动汽车剩余里程模型预测方法 | |
CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
CN108909702A (zh) | 一种插电式混合动力汽车能量管理方法及系统 | |
Yavasoglu et al. | Implementation of machine learning based real time range estimation method without destination knowledge for BEVs | |
CN108489500A (zh) | 一种基于能耗经济性的全局路径规划方法及系统 | |
CN109552338A (zh) | 一种纯电动汽车生态驾驶行为评估方法及系统 | |
CN112046335A (zh) | 一种基于行驶能耗模型的电动汽车剩余行驶里程计算方法 | |
CN109130868A (zh) | 电动汽车续航里程预估方法及系统 | |
CN114742413A (zh) | 城市交通碳排放量监测系统及方法 | |
CN117079459A (zh) | 混合自动驾驶交通流流速密能图谱构建方法及系统 | |
WO2014049878A1 (ja) | 消費エネルギー推定装置、消費エネルギー推定方法、消費エネルギー推定プログラムおよび記録媒体 | |
CN110796374A (zh) | 具有典型变道和转弯工况的城市综合行驶工况的构建方法 | |
CN115952899B (zh) | 基于实际工况提取的电动公交车能耗估计方法 | |
CN108846571A (zh) | 一种网联化电动汽车宏观能量消耗估计方法 | |
Ruan et al. | A modularized electric vehicle model-in-the-loop simulation for transportation electrification modeling and analysis | |
CN109752590B (zh) | 一种基于数据驱动的电动公交能耗估计方法 | |
CN116821775A (zh) | 一种基于机器学习的载重估计方法 | |
CN109466333B (zh) | 基于电动客车动态过程质量估计的剩余里程计算方法 | |
CN114943403A (zh) | 一种基于大数据的公交驾驶员生态驾驶评价系统及方法 | |
Li et al. | Research on construction method of urban driving cycle of pure electric vehicle | |
CN113361792A (zh) | 一种基于多元非线性回归的城市电动公交车行程能耗估计方法 | |
Markkula et al. | Energy consumption analysis for green routing-data collection from electric vehicles | |
WO2014162526A1 (ja) | 消費エネルギー量推定装置、消費エネルギー量推定方法、消費エネルギー量推定プログラムおよび記録媒体 | |
Widmer et al. | ZTBus: A Dataset of 1000+ Complete, Second-Resolved Driving Missions of Inner-City Transit Buses |
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 |