考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林预测模型

为探索驾驶员驾驶行为与电动公交车能耗之间的关系，采用随机森林算法建立电动公交车能耗预测模型。为克服驾驶行为特征参数和样本数据的随机性对电动公交车能耗预测模型的负面影响，运用灰色关联投影法计算各驾驶行为特征参数的灰色关联度以及各样本数据的投影值，筛选出与能耗具有高关联性的驾驶行为特征参数作为模型的输入变量，以及相似度较高的样本数据作为训练集和测试集。同时，引入了与能耗具有显著相关性的驾驶风格变量以进一步提升模型的预测能力，运用K-means聚类方法将驾驶风格分类并得到驾驶风格标签。将驾驶风格标签和筛选后驾驶行为特征参数作为输入变量，单位里程能耗作为输出变量，基于筛选后的数据集建立了考虑驾驶风格的电动公交车能耗灰色关联投影-随机森林（GRP-RF）预测模型。基于广州市某线路电动公交车运营数据对模型进行检验，并运用该模型分析加速、制动和运行3种典型场景下相应驾驶行为特征参数对电动公交车能耗的影响。结果表明:该模型预测能耗的均方根误差（RMSE）和平均绝对百分比误差（MAPE）分别为0.001 8 kW·h/km和3.42%。相比于不考虑驾驶风格的GRP-RF模型和随机森林模型，该模型的RMSE分别降低了35.71%和48.57%，MAPE分别降低了38.82%和46.81%。研究结果表明:加速、制动和运行阶段的平均能耗分别为1.066，0.903 7，0.955 2 kW·h/km；为使各阶段能耗在相应均值以下，加速阶段应控制加速踏板开度在55%以内；制动阶段应控制制动踏板开度在25%以内；运行阶段应控制车速在40 km/h以内。      

基于新能源汽车远程监控数据的驾驶行为识别建模与应用

正本文在基于新能源汽车监控系统采集的驾驶数据基础上,选取具有代表性的6种不良驾驶行为,进行特征分析,并将其归纳为加速度组合类和转弯类2种主要的特征行为,并对不同驾驶行为进行模式识别建模,同时采用多层次模糊评价法对驾驶员进行不良驾驶行为评价案例分析,及采用Spearman非参数统计方法对不良驾驶行为对实际能耗的影响案例分析。     

大数据平台在新能源汽车安全领域的应用

通过利用行业内主流的大数据技术搭建新能源大数据平台，重点对新能源汽车车联网大数据进行算法研究、建模分析。分别从故障远程在线诊断、车联网大数据指标分析、车联网大数据算法模型等方面对新能源汽车故障、驾驶行为、充电行为等进行深入研究，以保障新能源汽车车辆安全。     

新能源汽车能量管理系统的动态优化研究

新能源汽车的能量管理系统是核心技术之一。静态管理无法有效提高新能源汽车的输出效率,尤其在超速、越障等特殊工况下,能耗会出现大幅变化。本文提出了动态管理并构建了能量优化模型。对不同类型的新能源汽车进行分类,按照分类进行能耗分析,简化能耗数据的分析过程,并动态分析了新能源汽车不同位置的能耗,构建了新能源汽车的能耗集合并对其进行动态优化。结果表明,动态管理可优化能耗、输出平稳,其稳定性及优化时间均优于静态管理。     

基于国外技术研究方法的弯道驾驶行为特征统计分析

为理解驾驶员行为特征,提高自动驾驶汽车的类人驾驶能力,借鉴国外研究成果,基于自然驾驶数据集,对驾驶员在弯道行驶过程中的行为特征开展了研究。选择车辆纵向速度、侧向加速度、横摆角速度和车速作为驾驶员行为特征,选择弯道曲率半径作为道路几何特征,利用车辆动力学原理进行弯道工况识别,通过核密度估计及相对熵对数据集特征参数分布的收敛性进行验证,并对弯道行驶过程中驾驶员行为特征及道路几何特征进行了统计分析。分析结果可以为设计具有类人操作特性的自动驾驶或驾驶辅助个性化系统提供数据支撑。     

新能源汽车智能驾驶的发展趋势分析

对新能源汽车智能驾驶技术进行阐述,对其中传感器技术、车型结构布局、智能驾驶算法、能源管理技术等关键技术进行了研究探讨,结合相关智能驾驶技术的实际应用案例,对新能源汽车智能驾驶技术的发展态势进行评估。通过系统化分析、层次化剖析,对现阶段新能源汽车智能驾驶技术的发展做了分析总结。结果表明:我国应当加大新能源汽车智能驾驶技术的资金和研发投入,尤其在智能算法及智能芯片领域,以促进我国新能源汽车驾驶技术向更高维度、更高层次发展转变。     

城市公交车驾驶安全节能操作技巧

正当前,我国环境问题、能源问题日趋严重,实施节能减排已刻不容缓。为了达到节能减排的目的,很多城市的公交企业陆续采用新能源车。然而不论是新能源车还是传统汽车,在其行驶过程中,能耗(油、气、电等)的增加,在很大程度上与驾驶人的不科学驾驶行为和习惯有着紧密联系,这些不规范、不科学的驾驶操作和习惯阻碍了节能减排的实现。因此,笔者想在此谈一谈城市公交车的节能驾驶操作技巧。1行车前的准备1.1熟悉营运线路     

探究新能源汽车的驱动电机系统

驱动电机系统存在驱动功能,为新能源汽车的一个重要组成结构,能够确定新能源汽车具体驾驶方向。为改善驱动电机系统对应运转情况,减少新能源汽车对应能耗,应充分了解新能源汽车对应驱动电机系统状况。本文主要分析新能源汽车涉及驱动电机系统对应现状情况,总结驱动电机系统具体类型状况,了解驱动电机系统详细驱动方式,进而促使新能源汽车相关驱动电机系统的推广运用。     

浅析新能源汽车能量回收

随着世界各国政府对能源和环境问题关注度的不断提升,节能减排成为了21世纪最重要的热点话题之一。随着汽车保有量的不断攀升,汽车的能耗和排放问题日趋凸显,发展新能源汽车是无疑是解决这一问题的最好手段。为了降低新能源汽车的能耗,提高其续航能力,新能源汽车能量回收已成为了国内外各大汽车厂商、高校以及相关研究机构的研究热点。文章主要针对当前新能源汽车能量回收技术的发展现状进行分析论述。     

新能源汽车生态驾驶研究

在研究生态驾驶(Eco-driving)的初期,多以传统燃油车为对象。随着近年来国内混合动力汽车的推广和提倡,为节省电能和增加行驶里程,逐步展开对新能源汽车(主要为电动汽车)生态驾驶策略的研究。文中在分析生态驾驶的优势和必要性、阐述新能源汽车发展背景的基础上,对新能源汽车生态驾驶研究状况进行梳理,为新能源汽车生态驾驶控制策略制定提供参考。     

新能源汽车产业发展对企业平均油耗的影响研究

基于工业和信息化部最新出台的CAFC和NEV 双积分管理办法以及市场公开的数据，以市场整体为视角研究了新能源汽车产业发展对企业平均燃油消耗量 （CAFC油耗） 的影响。研究结果表明，从2021年起，由于新能源汽车产业的快速发展，对油耗总的最大贡献将达到2.83 L/100 km，对CAFC油耗的最大贡献为2.27 L/100 km，由此造成CAFC油耗 （FCCAFC） 将远低于油耗限值，最大余量为1.21 L/100 km，积分市场的整体供应将逐渐富裕，这可能会降低企业发展汽车节能技术的积极性和紧迫性，影响行业整体的实际油耗水平。     

纯电动车热管理系统构建研究

现在国内专业领域针对电动车热管理多集中在电池热管理方向,探讨电机、电池、空调系统整合的整车热管理参考文献不多;主要介绍了纯电动汽车电机、电控等散热需求零件的热管系统构建和电池温控系统发展技术综述与技术趋势。希望通过本文的介绍,对后续热管理系统的发展,推动相关热管理零部件产业化发展提供参考(如通断式电子水阀、流量比例调节的电子水阀、高功率水泵、新型材料的冷却管路等);同时也对控制策略、控制阀值、零部件作动方式进行较为详细的介绍,有一定的参考意义。     

基于车辆运行数据的纯电动汽车用户驾驶风格识别与驾驶能耗分析

驾驶风格是用来体现驾驶员在车辆运行状态下对车辆操作的行为特征,对用户驾驶风格进行识别与分析,有利于推进智能驾驶的发展。根据基于116 辆纯电动汽车的车辆运行数据,通过主成分分析方法与K-means 聚类算法,对用户驾驶行为进行分类分析,对驾驶风格进行了分类识别。利用XGBoost 算法构建纯电动汽车驾驶行为与能耗输入模型,利用SHAP 对模型进行解释。结果表明,将驾驶风格聚为3 类具有较好的分类效果,可分别对应冷静型、普通型与激进型;当驾驶员的驾驶风格趋向于激进型时时,车辆的驾驶能耗越高,驾驶风格激进一个层级,车辆百公里电耗增加3~4倍。当驾驶员行车时,其车速越高,油门踏板踩得越深,车辆加速度的绝对值越大,车辆的驾驶能耗越高。驾驶员的驾驶风格越激进,车辆的驾驶能耗越高。     

双积分对单车型动力系统应用影响分析

为分析节能动力系统在不同车型上应用的合理性,本文以满足双积分管理办法为边界,分析采用不同动力系统的传统车对新能源车型数量需求,主要结论包括:同一动力系统在不同车型应用,为满足双积分需求,所需的新能源车型数量差别很大;大型高油耗车辆,为满足双积分管理办法需要大量新能源车型。     

纯电动公交车交叉口节能驾驶策略

针对纯电动公交车在交叉口区域的高能耗问题，设计纯电动公交车通行交叉口区域的节能驾驶策略。根据公交车通行交叉口区域的驾驶行为将交叉口场景划分为4类，并根据运动学关系划分信号灯剩余时长区间，将其分为6种情况，综合考虑交叉口上游路段和下游路段设计节能驾驶策略。结合基于纯电动公交车能耗特征的单位里程能耗模型和纯电动公交车匀速、加速以及减速策略，在MATLAB中开展仿真试验，验证所提出的节能驾驶策略。研究结果表明：提出的节能驾驶策略至少可以降低8%以上的能耗；对划分的6种情况而言，到达调整段时信号灯为绿灯的驾驶策略可降低8.70%~42.63%的能耗，到达调整段时信号灯为红灯的驾驶策略可降低9.85%~51.65%的能耗。     

纯电动城市客车驾驶行为与能耗关系的统计分析

对同一设计、同一批次、同一运行线路、不同人员驾驶的4辆城市客车的运行状态和能耗进行统计分析,提出影响车辆能耗特性的驾驶行为特点,并给出优化能耗特性的相关建议。     

基于多分类监督学习的驾驶风格特征指标筛选

交通事故与驾驶风格具有强烈的相关性,而驾驶风格的直观体现是驾驶行为.为深入分析驾驶行为与驾驶风格的关联性,探索不同驾驶风格群体之间的差异,筛选驾驶风格分类与识别影响因素,建立驾驶风格识别模型并验证有效性.依托车联网实验数据,利用K-means++算法对驾驶员样本数据集进行驾驶风格聚类,设计支持向量机-递归特征消除(SV...     

典型工况构建方法对新能源汽车能耗评价的影响分析

新能源汽车的能耗及其经济性与行驶工况高度关联。为了对新能源汽车的能耗进行合理评估，以西安市为例，分别应用聚类分析法、聚类马尔可夫分析法、短行程车速-加速度(Velocity-Acceleration,V-A)矩阵法和变步长V-A矩阵法构建城市客车运行工况，并进一步提出基于自组织映射(Self-organizing Maps,SOM)神经网络聚类的V-A矩阵法。对5种方法构建的工况进行对比和误差分析。在此基础上，基于一款插电式混合动力城市客车，应用全局优化方法——庞特里亚金最小值原理设计能量管理策略，分析车辆能耗和经济性以及5种工况的优缺点。研究结果表明：聚类分析法构建工况的平均特征值误差最大，计算量较大；变步长V-A矩阵法的平均特征值误差小于聚类法，计算量最小；短行程V-A矩阵法与变步长V-A矩阵法误差接近；聚类马尔可夫法的误差居中，计算量最大；基于SOM聚类的V-A矩阵法的平均特征值误差最小，能反映不同路段以及运行时间的差异，且能在聚类之后快速提取短行程的同时兼顾速度和加速度的分布；从能耗角度来看，基于SOM聚类的V-A矩阵法的能耗在5种方法中居中；聚类分析法构建的工况平均车速低于其他工况，但加减速频繁，能耗成本最高；聚类马尔可夫法由于对车速进行平滑处理，加减速频繁程度最小，能耗成本最低。     

Development of E-rickshaw driving cycle (ERDC) based on micro-trip segments using random selection and K-means clustering techniques

In India, auto rickshaws are the most convenient and cheapest mode of near-to-door transport in both rural and urban areas. Such vehicles powered with internal combustion engines (ICEs) are one of the main sources of pollutants on urban corridors. One way to minimize tail-pipe emissions is to use electric motors in place of ICE. To evaluate the vehicle performance, energy consumption, driving behavior, optimal design and management of such electric vehicles, driving cycle is an important tool. So far, only limited studies exist on the development of a driving cycle for e-rickshaw. Moreover, these studies are concentrated in urban traffic environment and research accounting rural and urban environment together remain unexplored. In this study, real world driving data for 100 trips of e-rickshaw are collected on a road stretch passing through rural and urban setting. A high-end GPS data logger was used to collect vehicle kinematics such as continuous speed profile, acceleration/deceleration, heading, and vehicle position coordinates. Nine different driving characteristics representing actual traffic conditions are identified and used for developing e-rickshaw driving cycle (ERDC). Two approaches, random selection and k-means clustering are explored to arrive at best representative ERDC using micro-trips technique. The analysis results revealed that k-means clustering outperforms the random selection method with additional benefit of accounting traffic conditions systematically. The insights from this study can be used to understand and model the performance of e-rickshaw, in terms of energy consumption and driving characteristics, compared to other fossil-fuel driven automobiles.     

Optimal power distribution of front and rear motors for minimizing energy consumption of 4-wheel-drive electric vehicles

In this paper, the optimal power distribution of the front and rear motors for minimizing energy consumption of a 4WD EV is investigated. An optimal power distribution control is developed based on the mathematical energy consumption model of an EV. The objective function is defined while ignoring time. And, the time effect is applied by considering the objective function for every single driving point which consists of the vehicle driving force and velocity. From the optimization problem, the optimal torque distribution maps of the front and rear motors can be obtained for all vehicle driving force and velocity ranges. These maps can be expressed using a 3-dimensional map. If the vehicle driving force and velocity are determined, the optimal front and rear motor torques can be determined using these maps. These maps can distribute the front and rear motor torques for the entire velocity range. Thus, these maps can perform the optimal power (torque times speed) distribution of the front and rear motors for minimizing the energy consumption of the 4WD EV. The performance of the optimal power distribution is evaluated by comparing the energy consumption to that of simple power distribution control. For obtaining the energy consumption, a vehicle driving simulation is performed. For the simulation, the driving cycle is required, and the NEDC (New European Driving Cycle) is used. From the simulation results, it is found that the energy consumption of simple power distribution is 4.8 % larger than the optimal one. Thus, the optimal power distribution can minimize the 4WD EV energy consumption as the optimization objective function.