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.     

基于Delphi7的GPS数据采集器的实现研究

利用Delphi7和Jupiter 021 OEM板,开发一套GPS数据采集软件.该软件能够动态显示各可视卫星的卫星号、信号强度及信号的空间分布;以北纬、东经、海拔高度表示的三维定位结果及描述几何拓扑误差的HDOP、PDOP、VDOP等误差放大因子;生成动态存储NMEA-0183原始语句及其数据提取结果的文件,为今后分析接收机性能,确定GPS数据采集时段、采集位置,进行定位结果的优化处理等方面提供数据.     

基于空间数据模型的产业集聚发展分析

产业集聚战略已成为我国各级地方政府发展经济的一项重要政策措施.以空间统计为主要研究方法,应用格点数据模型,对地方产业集聚现象进行研究分析,可以有效了解当地经济发展状况,合理规划地区经济发展方向.     

基于同方差的递增时间序列自回归预测的改善方法

提出了"利用反双曲正弦函数变换提高数据列光滑程度"的新结论,获得了递增时间序列改善的自回归预测新方法。     

新能源汽车充电用户行为大数据分析及应用

随着新能源汽车行业快速发展,电动汽车充电功能及安全问题受到广泛关注。结合新能源汽车充电大数据可视化系统,从用户类型、车辆类型、充电方式、地域分布维度进行交叉分析,洞察用户充电行为统计分布规律;通过数据分析驱动充电安全设计,并结合数据资源和大数据分析技术,挖掘数据背后蕴藏的丰富价值,以改善当前新能源汽车充电问题和促进新能源汽车产业发展。     

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。     

基于多维数据的高速公路服务水平实时判别方法

随着高速公路的不断发展,交通信息逐渐呈现多元化,而将这些信息进行整合并对高速公路服务水平进行实时判别,对于后期的交通控制管理及实时高效提供道路信息至关重要.本文考虑了时间、天气、出行日期等多因素的影响,选用车速、密度作为高速公路服务水平评价指标,结合最小二乘支持向量机与聚类分析相关算法,提出了一种基于多维数据的高速公路服务水平实时判别模型,以实现对高速公路服务水平的参数预测及实时判别.选用河北省237 360组训练样本数据和6 048组预测样本数据验证了该模型的有效性.结果显示,该模型获得了较高的判别精度和较好的预测效果,是一种有效的高速公路服务水平实时判别方法.     

未来城市交通技术发展与创新 ——“交通7+1论坛”第五十二次会议

随着移动互联网、大数据和人工智能等技术发展,城市交通系统中涌现出“共享交通”“需求响应式出行服务”“无人驾驶”“城市交通大脑”等新兴的交通工具、服务模式和管理手段,未来交通系统将面临创新发展的机遇,并对传统交通行业带来巨大挑战.本次论坛以“未来城市交通技术发展与创新”为主题,分析了预约交通系统的发展前景,探讨了超级交通仿真系统的相关核心技术,分析了无人驾驶的发展、挑战及仿真技术,说明了大数据和人工智能技术在城市智慧发展中的作用与运用要点.     

客货滚装码头车辆定位系统需求分析和技术实现

针对某客货滚装码头中车辆运输的智能化调度需求,进行车辆位置智能感知的研究,采用物联网感知和计算机视觉技术,得出一种基于视频监控的车辆定位系统方案。该系统能够实时监控码头内进出港车辆,跟踪和记录其路径,支持越界报警,为智能化调度和安全监控提供基础数据。     

舰载机试飞数据的移动基准区间与牛顿插值处理

分析飞行试验数据具有数据量大,需分段加载和截取的特点,针对试飞数据预处理过程中常规全局统计误差分析方法有时难以满足要求的问题,建立移动基准区间和牛顿插值相结合的误差修正模型,提出移动基准区间牛顿插方法,并应用于飞行试验数据处理中,最后通过实例验证其有效性.