原文传递
电动公交车低能耗驾驶行为识别方法研究
| 论文题名： | 电动公交车低能耗驾驶行为识别方法研究 |
| 关键词： | 电动公交车;低能耗驾驶;行为识别;LightGBM算法;SHAP算法 |
| 摘要： | 面对经济、能源、生态环境等问题，发展绿色低碳的新能源汽车和公共交通成为社会共识。2020年全国纯电动公交车达37.9万辆，占公交车总量的53.8%，是城市公交车的主要车型，纯电动公交车能耗成为企业运营过程中的主要成本来源之一。研究电动公交车的低能耗驾驶行为识别方法，有助于建立节能驾驶策略，指导实际驾驶行为，帮助公交企业降低能耗成本。 为划分电动公交车行驶情景，建立了根据加速度判断公交线路上公交站和交叉口范围的方法，并将其范围内的轨迹点分为接近、停止和驶离三种状态。基于 21 万条电动公交车运行数据，利用描述统计方法分析了路段、公交站、交叉口的速度类、速度变化类、踏板操控类等驾驶行为特征以及能耗特征。研究发现：接近公交站和接近交叉口的速度平均值分别为33.6km/h和27.8km/h，平均加速度分别为-0.98 m/s2和-0.44 m/s2，平均制动踏板开度分别为18%和11%，每次回收能量分别为0.073kWh和0.023kWh；路段的平均速度为27.4km/h，高于公交站和交叉口的平均速度；驶离公交站和驶离交叉口的平均加速踏板开度分别为 65%和57%，分别平均每次消耗 0.187kWh 和 0.147kWh。根据分析结果，划分了路段、接近公交站、接近交叉口和驶离节点4种情景。 为进一步明确不同情景的低能耗驾驶行为特征，首先利用K-means算法根据单位里程能耗聚类，得到低能耗、中能耗和高能耗三类数据，在此基础上利用LightGBM算法建立了根据驾驶行为判断能耗等级的识别模型，并采用SHAP算法解释识别模型，分析了驾驶行为特征对低能耗的影响机理，确定了4种情景的低能耗驾驶行为特征。研究结果表明：不同情景低能耗的定义范围不同；4种情景识别模型的Kappa系数均在高度一致性区间(0.6, 0.8]内，低能耗类别的AUC值均高于0.9，除接近公交站情景外，其余情景的准确率、精确率、召回率均高于 0.8；路段和驶离节点情景下影响低能耗的驾驶行为主要为平均加速踏板开度和平均速度，接近公交站和接近交叉口情景下则为平均制动踏板开度和接近速度；路段和驶离节点的平均加速踏板开度应分别小于27%和45%，平均速度应分别大于26km/h和24km/h；接近公交站和接近交叉口的平均制动踏板开度应大于20%和9%，接近速度应分别大于35km/h和32km/h。 |
| 作者： | 韩倩 |
| 专业： | 交通运输工程 |
| 导师： | 李铁柱;汪波 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
