Using GPS-data to determine optimum electric vehicle ranges: A Michigan case study

Fuel-switching personal transportation from gasoline to electricity offers many advantages, including lower noise, zero local air pollution, and petroleum-independence. But alleviations of greenhouse gas (GHG) emissions are more nuanced, due to many factors, including the car’s battery range. We use GPS-based trip data to determine use type-specific, GHG-optimized ranges. The dataset comprises 412 cars and 384,869 individual trips in Ann Arbor, Michigan, USA. We use previously developed algorithms to determine driver types, such as using the car to commute or not. Calibrating an existing life cycle GHG model to a forecast, low-carbon grid for Ann Arbor, we find that the optimum range varies not only with the drive train architecture (plugin-hybrid versus battery-only) and charging technology (fast versus slow) but also with the driver type. Across the 108 scenarios we investigated, the range that yields lowest GHG varies from 65 km (55+ year old drivers, ultrafast charging, plugin-hybrid) to 158 km (16–34 year old drivers, overnight charging, battery-only). The optimum GHG reduction that electric cars offer – here conservatively measured versus gasoline-only hybrid cars – is fairly stable, between 29% (16–34 year old drivers, overnight charging, battery-only) and 46% (commuters, ultrafast charging, plugin-hybrid). The electrification of total distances is between 66% and 86%. However, if cars do not have the optimum range, these metrics drop substantially. We conclude that matching the range to drivers’ typical trip distances, charging technology, and drivetrain is a crucial pre-requisite for electric vehicles to achieve their highest potential to reduce GHG emissions in personal transportation.     

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。     

综合交通枢纽车道边交通组织方式研究

针对现代综合交通枢纽车道边的交通组织方式进行研究,结合车站的整体建筑布局、周边路网、交通量等提出了简单、实用和高效的交通组织方式。     

论工程硕士教育与地方交通人才资源培育策略

依据《江西省国民经济和社会发展第十一个五年计划纲要》和《江西省综合交通"十一五"专项规划》中提出的全省交通运输行业"十一五"科技创新和人才培养目标,对江西省交通运输企业人才现状和需求进行了分析,提出依托高校交通运输工程领域学科优势和高校与企业建立起的产学研合作关系,开展工程硕士专业学位教育的研究与实践,并从人才资源与交通运输经济发展相互协调的角度,探索高层次人才资源培育途径,为全省交通运输"十一五"规划目标的顺利实现提供人才保证.     

考虑网络外部性航运商与无车承运人竞合研究

构建由 1个海洋航运商和 2个无车承运人组成的上下游的合作与竞争关系,2个无车承运人有不同的市场地位.通过斯坦伯格博弈研究发现,航运商负责货源或处于领导地位的无车承运人负责货源会影响各方的均衡利润及渠道结构.分析比较了海洋航运商的整合策略和利润共享策略.结果表明,在网络外部性和无车承运人提供差异性服务时,纳什均衡是航运商负责货源且上下游整合或利润分享.     

考虑对地航速和航向的船舶典型轨迹提取方法

基于船舶自动识别系统(Automatic Identification System, AIS)数据的船舶典型轨迹挖掘需要经过两个重要步骤,一是压缩 AIS 数据,二是聚类压缩后的 AIS 数据。传统的DP(DouglasPeucker)压缩算法,只考虑船舶轨迹的压缩形状,忽视了船舶航行中其他重要信息。为解决此问题,把对地航速和航向加入到DP算法的压缩过程中。在AIS轨迹聚类方面,传统谱聚类方法只对船舶轨迹的位置进行相似性度量,没有考虑船舶轨迹的其他维度,针对此问题,提出多属性轨迹相似性度量方法。由于不同的输入参数影响着最终的聚类质量,引入Calinski-Harabasz指标评价谱聚类算法,实现聚类参数的自适应选择。利用山东威海水域的实际AIS数据进行实例研究,并与传统谱聚类算法做比较实验。实验结果表明,利用该方法提取到的典型轨迹符合真实水域的交通情况,相较于传统谱聚类方法具有更高的聚类质量。     

散货港区的智慧港口规划

本文结合某港散货港区智慧港口规划项目,介绍了该港南作业区智能化项目的核心在于构建一套适应现代散杂货港口发展趋势、突破传统散货港口作业模式的全新港口智能化系统.本次规划将物联网、大数据技术、AI人工智能、5G等新型基础设施与生产业务融合,创新生产作业流程及资源配置,显著提高港口的作业运营能力、物流协同能力、口岸支持能力、...     

城市公交车身轻量化分析与设计

作为城市枢纽的公交车,采用纯电动技术可作为降低城市环境污染、减少能源消耗的切入点。目前续驶里程短是制约纯电动公交发展的主要因素。可以通过增加动力电池的电量或者对整车进行轻量化来增加续驶里程。在轻量化设计方面,对高强钢、铝合金、镁合金、工程塑料和碳纤维等几种轻量化材料进行对比分析,从中选出目前较为合适的铝合金材料。通过理论计算与设计,再通过有限元分析手段进行验证,设计出合理的车身骨架用型材截面以及连接结构。实现减重的同时保证车身结构可靠性,同时通过全生命周期中成本评估对比,发现铝合金车身可以实现降本。     

适用于一票制公交大数据的系统化处理方法及应用 ——以银川市为例

为分析公交乘客出行特征,利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表,通过各类数据关联融合,提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库,采用Python语言编写代码,构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此,运用银川公交大数据进行客流集散点识别、客流走廊识别,得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明,一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。     

动态管理模式下路侧停车泊位占有率预测方法

城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化.