面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。     

基于车辆能耗状态的济南市道路行驶工况构建

为指导车辆设计及优化整车动力系统性能,对道路坡度、瞬时比功率、车速等反映车辆能耗的关键因素进行分析,在建立运动学片段特征值的基础上,运用主成分分析方法及快速聚类分析方法分析了运动学片段特征值,构建了候选工况,综合运用相关系数、相对误差及关键参数概率分布选出了代表性行驶工况,该代表性工况即为构建的济南市道路行驶工况.研究结果表明,以车速信息为基础的特征值与总体样本的相对误差平均值为2.82%,反映道路坡度和能耗状态的特征值与总体样本误差平均值为3.40%,表明构建的工况特征值能够表征车辆实际道路行驶状态.      

随机数在汽车行驶工况构建中的应用

为了研究车辆速度微小瞬变和不确定性对行驶工况构建模型的影响,将汽车行驶状况看作随时间变化的马尔科夫过程.利用最大似然估计法,按照怠速、加速、减速和匀速将实验数据分类,构成模型事件集,并把具有相似平均速度的模型事件组合在一起,构成6个不同的状态,计算出各个状态之间的转移概率.在此基础上,构造满足状态转移概率分布的随机数,以此扩展行驶工况的长度.分析合肥市行驶工况实验数据表明:典型行驶工况的行驶特征参数与实验数据的平均相对误差为7.81%,比传统方法降低了14.72%.     

有轨电车典型行驶工况的构建

为合理评估有轨电车在轨道交通中的行驶特征及运行指标，为有轨电车设计与控制提供依据，对有轨电车典型行驶工况进行构建. 首先，以巴黎、布达佩斯、墨尔本城市的有轨电车线路及行驶数据为基础，采用聚类方法获取降维行驶特征；然后，基于马尔可夫链理论，构建有轨电车典型行驶工况；最后，将构建工况与实际工况进行特征值对比分析，并基于所构建的典型工况进行仿真验证. 结果表明:构建的典型行驶工况与实际工况样本数据库总体特征的平均偏差仅为2.63%，满足偏差低于5%的开发精度要求；此外，典型行驶工况与实际行驶工况下的需求功率误差也仅为1.78%，验证了典型工况模型的准确性和有效性.      

基于聚类和比功率分布的西安城市公交行驶工况研究

车辆行驶工况是评价车辆油耗、排放等各项性能指标的重要测试依据。采集所选西安城市公交线路实际运行数据,以站点强度和线路强度为数据分配依据,建立了西安城市公交线路工况构建的原始数据总样本。采用聚类法将样本数据分为拥堵、一般、通畅这3类,基于比功率分布构建出3类工况,并以3类数据的时间比例构建出西安城市公交行驶综合工况;从比功率分布和特征值两个角度对综合工况进行验证,并将其与ECE工况和CCBC工况进行了对比分析。结果表明:所建综合工况与样本数据的比功率分布误差为0.003 3,特征值平均误差为0.083,均远小于ECE工况和CCBC工况与样本数据的误差,能准确地反映西安市公交车实际运行状况和排放特征。     

基于K-均值聚类和支持向量机的电动汽车行驶工况研究

针对现有行驶工况难以反映车辆真实驾驶情况的问题,以国内典型大中型城市——西安市为例,对电动汽车行驶工况构建方法进行研究.根据西安市道路布局,设计了城市道路行驶工况数据采集方案;提出了一种K-均值聚类和支持向量机相结合的半监督分类模型,构建了西安工况;最后将西安工况与原始试验数据和国际标准行驶工况进行对比.研究结果表明:西安工况与实际道路行驶数据特征参数的相对误差均小于5％,平均相对误差仅为2.66％,构建的行驶工况能够真实反映西安市车辆的运动特征;且由于动力系统的差异,电动汽车工况比内燃机车工况更为激进.     

基于短行程法的轻型乘用车行驶工况构建

针对轻型车行驶特征与能耗的关联性进行分析时直接进行大量实测数据比对会造成数据分析时间倍增及比对结果失真。机动车行驶工况是车辆实际道路行驶特征的集中体现,是分析机动车油耗及排放的重要手段。以私家车和出租车为轻型车研究对象,在采集了大量车辆的实际行驶数据的基础上采用短行程法为构建方法分别构建了私家车和出租车的行驶工况。最后对所构建的工况的有效性进行了验证,分别比对了所构建的私家车和出租车行驶工况和实际行驶工况的速度及加速度概率分布,结果显示了良好的一致性,表明了所构建的轻型车行驶工况在表征车辆实际道路行驶特征方面的有效性。     

城市道路汽车行驶工况构建方法

为了优化汽车行驶性能, 制定了反映中国实际道路行驶状况的测试工况, 以轻型汽车道路实测数据为数据源, 提出了城市道路汽车行驶工况构建方法; 数据采集覆盖主要时段和道路, 剔除了异常数据, 并引入多尺度小波变换对车速降噪; 利用3层小波分解过滤地面扰动的影响, 保留车速关键信息; 基于9种与行驶特性密切相关且具有代表性的特征参数建立汽车运动学片段特征体系; 分别利用主成分分析和自编码器对特征降维处理, 使用K-means++聚类算法确定运动学片段, 并引入Silhouette函数筛选聚类结果以替代人工选择, 确定聚类类别为2类; 以与相应聚类中心的距离为指标, 筛选出各类别中最能反映本类别特性的200个运动学片段, 作为候选运动学片段, 最终以基于最小性能值的评估方法确定代表性运动学片段, 完成了汽车行驶工况的构建, 分别得到主成分分析和自编码器2种降维处理对应的汽车行驶工况曲线。计算结果表明: 以主成分分析和自编码器2种处理方法为基础构建的汽车行驶工况对数据源均体现了较高的代表性与合理性, 基于主成分分析降维最终得到的数据与数据源的相对误差绝对值多数低于10%, 其中平均速度、平均行驶速度、怠速时间比、加速时间比、减速时间比、平均加速度、加速度标准差、平均减速度的相对误差分别为0.75%、5.50%、9.14%、9.80%、9.98%、8.45%、6.17%、7.73%, 仅速度标准差的相对误差较大, 为24.31%, 与自编码器方法得到的结果相比具有更强的综合代表性, 更适合用于汽车行驶工况的构建。      

基于轨迹数据的货车自发编队节油潜力估计

为探索最大编队长度和路网中行驶货车数目对自发编队的影响以及评估真实世界自发编队油耗节省潜力，提出了既可保证一定程度的搜索又能防止为过分追求更大编队长度而花费较长时间等待的动态时空搜索范围策略，利用辽宁省货车轨迹数据挖掘了多辆货车的最长公共子序列，并构建整数规划模型求解，获取最大节省油耗下的编队方案。结果显示：编队油耗节省会随着路网中行驶货车数目和最大编队长度的增加而增加，编队中车辆平均行驶距离和平均节省油耗最终分别收敛至一范围；编队行驶距离并不一定会随着允许最大编队长度的增加而增加，即自发编队最大油耗节省策略并非编队最大行驶距离策略；在不考虑时间搜索范围时，通过继续增大空间搜索范围可实现更多的燃油节省，但不考虑空间搜索范围时持续增加时间搜索范围却不能获得更多燃油节省；4000辆车的数据集进行自发编队时每天最多可节省燃油2026.21 L，最大允许编队长度为5辆比最大允许编队长度为2辆的车辆平均节省油耗最多可提升13.92%。将本文整套处理流程应用于更大规模的货车数据集，可组成自发编队的目标车辆将会显著增加，相应地也可减少更多的能源消耗和污染物的排放，具有很大的应用潜力。     

城市混合道路行驶工况的能量利用率研究

随着机动车保有量的不断增加,汽车燃油消耗迅速增加,能源短缺问题越来越严峻。汽车的污染物排放、燃油消耗量和运行经济性受汽车实际行驶工况的影响较大。在分析国内外行驶工况研究现状的基础上,根据车辆在城市混合道路上经历加速、匀速、减速、怠速各种工况变化的行驶情况,定义能耗、能态、能量利用率的概念,利用车辆没有制动行驶克服空气阻力和滚动阻力下的自由行驶距离构建能量利用率模型,并将此模型在我国市区的行驶工况下进行应用,计算出标准工况下的能量利用率。研究表明:车辆的能量利用率不到40%,提升空间较大,为减少能源消耗提供新的研究方向。     

考虑交通状态影响的服务区凝聚层次聚类入区判别模型

为了精准掌握高速公路服务区入区车辆特征、提升服务区运营管理水平,基于高速公路ETC门架通行和收费数据,在分析服务区路段和邻近服务区路段车辆行程时间和速度分布特征基础上,考虑路段交通运行状态影响,提出了基于凝聚层次聚类的运行状态识别方法和服务区分车型入区判别模型。以G65包茂高速大观服务区为例,通过关联上、下游门架路段交通运行状态,明确了服务区路段车辆在4种不同运行状态下的速度概率分布特性,结合聚类给出了各个运行状态下车流密度和速度变化的入区判定条件,并利用服务区视频卡口数据进行验证分析。结果表明：判别误差主要分布在拥堵时段,全日客车和货车在考虑运行状态下的相对误差分别为1.5%、7.0%,与不考虑路段运行状态情况相比分别提高了2.9%、4.1%,验证了模型的有效性,为获取高速公路服务区入区车辆特征提供了一种新的思路。     

基于混合约束自编码器的机动车工况智能构建方法

为构建更具代表性的机动车行驶工况，实测采集福州地区1辆机动车共20d的真实驾驶数 据，选取14个特征参数表征运动学片段信息，运用主成分分析和K-means聚类划分运动学片段聚类，根据聚类中心的距离筛选备选片段并随机组合构建工况集合。提取11个特征参数计算构建工况的误差，选择集合中误差最小的工况作为构建工况，提出利用混合约束自编码器构建工况优化模型，并研究参数标定方法，最终将平均误差由2.97%缩小到2.39%。混合约束自编码器模型的分析验证结果表明，优化策略符合实际情况，可以有效避免随机选择带来的误差不确定性，验证了所提出行驶工况构建流程的合理性，并提升了工况预测的精确度，得到模型参数推荐值。对实现碳达峰目标下的机动车碳排放预测及排放控制具有重要的现实作用和意义。     

高速公路车辆安全行驶速度仿真识别系统

对高速公路合理限速值的确定方法进行了研究,以多体动力学仿真软件ADAMS为平台,建立了车辆模型、道路模型、车-路耦合模型、车辆行驶过程仿真试验模块和车辆安全状态识别模块,并开发了高速公路车-路条件下安全速度仿真识别系统。运用该系统对车辆在弯道与下坡路段的行驶状况进行了虚拟仿真分析。试验结果表明:车辆在弯道与下坡路段的安全行驶极限速度仿真结果与标准标定的运行速度的相对误差为1.05%～3.80%,该仿真识别系统可行。     

车头时距混合分布模型

为描述车头时距分布特性,基于二分车头时距的基本思想,将行驶车辆状态分为跟驰状态和自由流状态,在分析其运行特征的基础上,建立了能同时描述这两类状态对应的车头时距分布特性的混合分布模型.应用实测数据,通过EM(expectation maximization)算法确定模型的相关参数,并结合参数取值分析了路段上、下游和不同车道内车辆行驶统计特征的差异性,最后,进行了实例验证.研究结果表明:混合分布模型在实验路段各处均可通过卡方检验;与负指数分布、爱尔朗分布和M3分布相比,混合分布模型对车头时距分布情况的拟合精度平均提高10%以上,且对快速路入口匝道通行能力的计算结果与实测值较为接近.     

网联环境下信号交叉口车速控制策略及优化

为实现车辆在信号交叉口区域的节能减排及提高道路通行效率,本文构建基于目标车速关联的油耗排放模型,建立生态驾驶诱导车速控制策略。在加减速通过场景下以油耗、排放和通行时间为优化目标,以道路限速和不停车通过车速为约束,利用多目标遗传算法优化生态驾驶目标车速;基于MATLAB与交通仿真软件VISSIM进行不同算法渗透率及道路饱和度场景下的联合仿真,将仿真结果导入微观排放模型MOVES测算能耗排放。仿真结果表明：控制策略与无控制时相比,在高算法渗透率、低道路饱和度场景下,车辆平均速度提高13.8%,怠速工况比例下降 33%,中速巡航工况比例上升18%,能耗及N2O、NOX、HC、CH4排放分别减少6.6%及12.2%、4.0%、 6.3%、2.9%,CO排放增加2.5%。最后,依据仿真得到不同控制策略下的速度轨迹在底盘测功机上完成实车实验,实验结果表明,基于交通流优化的控制策略与无控制场景相比,能耗及 CO、 CO2、PN排放分别减少53.1%及47.6%、50.4%、39.8%,NOX排放增加13.6%。     

分道路类型的不同速度行驶工况开发方法

针对传统行驶工况建立方法存在的问题,提出基于逐秒浮动车数据的分道路类型和速度的行驶工况的建立方法,并提出利用机动车功率分布选择短行程的方法。应用上述方法建立的行驶工况能够反映不同交通状态之下油耗和排放测算的机动车行为特征。     

智能网联车环境下交叉口车流轨迹优化模型

在智能网联环境下,车辆可通过相互穿插和协作通过交叉口,无需信号灯控制。为保证车辆安全高效运行,建立车辆到达时序和速度协同优化的交叉口车流轨迹优化模型。提出车辆到达时序优化模型和车辆速度优化模型,建立车辆到达时刻与速度的函数关系;在此基础上,模型以所有车辆在控制区域的行程时间与油耗加权最小为目标,车辆路径、到达时刻和速度等关键参数为决策变量,设计迭代式算法求解,实现同时优化车辆到达时刻和速度且交叉口运行效益最大的目的。实验结果表明,与车辆时序和轨迹分别优化的两阶段模型相比,本文模型降低车均延误 32.1%,减少车均油耗9.9%,说明该模型具有良好的主动性和适应性,在降低车辆延误的同时也节省了油耗。     

基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明:基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。      

轨迹数据驱动的车辆换道意图识别研究

为实现准确识别车辆换道意图，提高车辆行驶安全性，综合考虑车辆换道过程的时空特性及不同特征对车辆的影响程度，提出一种基于卷积神经网络(CNN)与门控循环神经网络(GRU)组合并融合注意力机制的换道意图识别模型。首先，筛选和平滑处理车辆轨迹数据，将车辆轨迹数据分为向左换道、向右换道及直线行驶3类，构建换道意图样本集。其次，构建融合注意力机制的 CNN_GRU模型，识别换道意图样本集，考虑到行驶过程中车辆之间的交互性，将被预测车辆和周围车辆的位置和速度信息作为模型的输入，经过CNN层特征提取的特征作为GRU层的输入，经过注意力机制层对不同的特征增加不同的权重系数，利用 Softmax 层识别换道意图。最后，选用 NGSIM 中 US-101 数据集的轨迹数据验证融合注意力机制的 CNN_GRU模型性能， 同时，与LSTM、GRU、CNN_GRU及CNN_LSTM_Att等模型进行对比分析。验证结果表明，所提模型车辆换道意图识别整体准确率达到97.37%，迭代时间为6.66 s，相比于其他模型准确率最多提高9.89%，最少提高2.1%。分析不同预判时间下的意图识别，模型可在车辆换道前2 s 内均能识别换道意图，准确率在89%以上，表现出良好的识别性能。     

大型货运车辆生态驾驶及节油潜力评估

改善驾驶行为、推广生态驾驶是未来降低机动车辆燃油消耗和污染排放的重要潜在方式.分析由车辆远程在线监控技术(OBD)获取的199辆大型货车在观测的4 d内的位置、速度、油耗等微观运行状态的逐秒数据，提出判定急加速、过急加速、急减速、过急减速和超长怠速等5种不良驾驶行为的统计方法，并建立面板数据固定效应回归模型分析5种不良驾驶行为对大型货车油耗的影响，进而定量评估改善不良驾驶行为的节油潜力.研究结果表明，超长怠速和过急减速行为会显著增加大型货车的油耗，减少超长怠速时间和过急减速行为的节油潜力分别可达2.6%和3.8%.