一种基于数据驱动的电动公交能耗估计方法技术

本发明专利技术公开了一种基于数据驱动的电动公交能耗估计方法，包括以下步骤：S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。本发明专利技术基于GPS轨迹数据和智能IC卡数据，对于分析电动公交能耗的时空特性有着很大作用。

A Data-driven Energy Consumption Estimation Method for Electric Bus

【技术实现步骤摘要】
一种基于数据驱动的电动公交能耗估计方法
本专利技术涉及公共交通信息处理
，更具体的说是涉及一种基于数据驱动的电动公交能耗估计方法。
技术介绍
近年来，随着我国城市化步伐的日益加快，机动车保有量不断提升，机动车辆所消耗的能源与排放的温室气体数量与日俱增。环境与机动车辆之间的矛盾日益凸显，并成为我国各大城市发展中亟需解决的重要矛盾。虽然公交车辆相较于其他车辆来说，在能源消耗和温室气体排放方面具有人均能耗低、更环保的优势，但是使用柴油内燃机等传统内燃机的公交车辆同样会导致严重的能源消耗与环境污染问题。在公共交通领域，电动公交车比传统的柴油公交车更有利，因为它们在车辆运行期间具有“低能耗、零排放”的优势，推广电动公交是改善环境质量、节省能源消耗的有效对策之一。以北京市为例，2009年至2014年，北京市部署了近9000台新能源汽车，其中超过50％的新能源汽车是公交车辆、出租车和环卫车等公共用途车辆。根据北京公共交通集团(2018年)的数据，北京至少50％的公交车辆将在2020年实现电气化。因此，研究电动公交能耗估计具有较强的现实意义，具体体现在：为电动公交与传统柴油公交能耗对比提供技术基础，为后续公交车辆电气化进程提供数据支撑，为城市交通管理部门评估电动公交节能效果提供理论方法,为搭建大规模传统公交与电动公交能耗对比平台提供模型基础。公交车辆作为公交公司营运车辆，车辆的相关参数易于采集、车辆轨迹数据和营运数据易于管理；近年来，随着GPS技术、AFC(自动收费)和APC(自动乘客计数)技术的快速发展，公交车辆GPS轨迹数据和公交IC卡数据的采集简单易行，数据的精度和准确度不断提高；合理运用上述条件和技术，能为电动公交能耗估计提供良好的数据支撑和基础条件。因此，如何提供一种基于GPS轨迹数据和智能IC卡数据的电动公交能耗估算方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于数据驱动的电动公交能耗估计方法，考虑到公交总质量随线路各站点波动的实际情况，在现有的电动车辆能耗估算模型的基础上，创新地将GPS轨迹数据与智能IC卡数据进行匹配结合，动态统计每个时刻公交车人数，进而动态估算公交在运营线路上不同位置的总质量。就公交车辆而言，本专利技术大幅度地提高了原有电动车辆能耗估算模型的估算精度，这对于分析电动公交能耗的时空特性有着很大作用。为了实现上述目的，本专利技术采用如下技术方案：一种基于数据驱动的电动公交能耗估计方法，包括以下步骤：S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。经由上述的技术方案可知，与现有技术相比，本专利技术具有如下有益效果：1、本专利技术结合车辆的实时GPS轨迹数据，提取车辆的运行数据，数据的获取过程方便快捷。2、本专利技术将GPS轨迹数据和智能IC卡进行匹配处理，动态统计车辆行驶轨迹上不同位置的乘车人数，动态估算车辆的总质量，大幅度提高计算精度。3、本专利技术的中间变量仅为轨迹点经纬度、轨迹点高程、轨迹点采集时间、IC卡刷卡时间，数据处理过程简单，成本低，同时具有较高的精确度。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S1中车辆的实时GPS轨迹数据至少包括：车辆ID、车辆轨迹点经度、车辆轨迹点纬度、车辆轨迹点高程、车辆轨迹点速度和车辆轨迹点采集时间。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S1中对车辆的实时GPS轨迹数据进行预处理，剔除车辆轨迹点经纬度或车辆轨迹点高程值为零的GPS轨迹数据。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S2包括：S21：获取GPS轨迹数据中相邻轨迹点的经纬度；S22：根据前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度和后一轨迹点纬度计算地球表面距离，作为相邻轨迹点车辆的行驶距离；S23：根据相邻轨迹点的行驶距离和相邻轨迹点高程差计算相邻轨迹点区间内车辆的坡度；S24：根据相邻轨迹点的车辆行驶速度和相邻轨迹点的采集时间计算相邻轨迹点区间内车辆的加速度。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S22中的地球表面距离为考虑了地球赤道和极半径的表面距离。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S23中的坡度为相邻两个轨迹点的地球表面距离的高程差所构成的直角三角形中较小的锐角值。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S3包括：S31：将车辆的实时GPS轨迹数据中的车辆ID和智能IC卡数据中的车辆IC进行匹配，获得车辆的智能IC卡数据；S32：以智能IC卡数据中的上车刷卡时间、下车刷卡时间和GPS轨迹数据中的车辆轨迹点采集时间为判断依据，统计相邻轨迹点区间内车辆上的乘客总人数；S33：根据乘客总人数和车辆的空载质量对车辆运行过程中的总质量进行估算。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S32中，统计满足下车刷卡时间与上车刷卡时间的时间区间包含车辆轨迹点采集时间的智能IC卡个数，智能IC卡个数与当前轨迹点车辆上的乘客总人数相等。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S4包括：S41：计算车辆的瞬时总牵引力，计算公式如下：Ftr＝Fdrag+Froll+Fclimb+Finertia；Fdrag＝Kd×V2，Kd＝0.5ρCdA；Froll＝Mgfcos(α)；Fclimb＝Mgsin(α)；Finertia＝δMa；其中，Ftr表示车辆的瞬时总牵引力，Fdrag表示克服车辆行驶过程中空气阻力所需的牵引力，ρ表示空气密度，Cd表示空气阻力系数，A表示车辆迎风面积，V表示车辆的瞬时速度；Froll表示克服车辆行驶过程中滚动阻力所需牵引力，f表示滚动阻力系数，α表示车辆行驶过程中的道路坡度；Fclimb表示克服车辆行驶过程中坡度阻力所需牵引力，M代表车辆总质量，g代表重力加速度；Finertia表示克服车辆在行驶过程中由于加速度变化产生的惯性力所需牵引力，δ表示考虑到车辆传动系统中所有旋转组件的一个系数，a表示车辆的加速度；S42：计算车辆的瞬时功率，计算公式如下：Ptr(t)＝ηFtr×V其中，Ptr(t)表示车辆的瞬时功率，η表示考虑传动系统、变频器和电机损耗的效率系数，ηt表示变速箱和传动系统的效率系数，ηPE表示变频器效率系数，ηm表示电机效率系数，rreg表示能源再生系数。优选的，在上述一种基于数据驱动的电动公交能耗估计方法中，步骤S5包括：S51：计算车辆在相邻轨迹点区间内的瞬时总功率，计算公式如下：P(t)＝Ptr(t)+Paux其中，P(t)表示车辆瞬时总功率，Paux代表车辆的辅助系统功率；S52：计算车辆的能耗，计算公式如下：E＝∫P(t)dt其中，E表示车辆能耗。本本文档来自技高网...

【技术保护点】
1.一种基于数据驱动的电动公交能耗估计方法，其特征在于，包括以下步骤：S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。

【技术特征摘要】
1.一种基于数据驱动的电动公交能耗估计方法，其特征在于，包括以下步骤：S1：获取车辆的实时GPS轨迹数据、智能IC卡数据、车辆的空载质量和辅助系统功率；S2：根据GPS轨迹数据中相邻轨迹点的行驶距离和行驶时间计算车辆在相邻轨迹点区间内的速度、加速度和坡度；S3：将智能IC卡数据与GPS轨迹数据进行匹配，并结合车辆的空载质量计算相邻轨迹点区间内车辆的总质量；S4：根据车辆的速度、加速度、坡度和总质量，计算相邻轨迹点区间内车辆运行的瞬时功率；S5：根据S4中的瞬时功率和车辆的辅助系统功率计算车辆的瞬时总功率，并根据车辆的瞬时总功率估算车辆能耗。2.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S1中车辆的实时GPS轨迹数据至少包括：车辆ID、车辆轨迹点经度、车辆轨迹点纬度、车辆轨迹点高程、车辆轨迹点速度和车辆轨迹点采集时间。3.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S1中对车辆的实时GPS轨迹数据进行预处理，剔除车辆轨迹点经纬度或车辆轨迹点高程值为零的GPS轨迹数据。4.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S2包括：S21：获取GPS轨迹数据中相邻轨迹点的经纬度；S22：根据前一轨迹点经度、前一轨迹点纬度、后一轨迹点经度和后一轨迹点纬度计算地球表面距离，作为相邻轨迹点车辆的行驶距离；S23：根据相邻轨迹点的行驶距离和相邻轨迹点高程差计算相邻轨迹点区间内车辆的坡度；S24：根据相邻轨迹点的车辆行驶速度和相邻轨迹点的采集时间计算相邻轨迹点区间内车辆的加速度。5.根据权利要求4所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S22中的地球表面距离为考虑了地球赤道和极半径的表面距离。6.根据权利要求4所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S23中的坡度为相邻两个轨迹点的地球表面距离的高程差所构成的直角三角形中较小的锐角值。7.根据权利要求1所述的一种基于数据驱动的电动公交能耗估计方法，其特征在于，步骤S3包括：S31：将车辆的实时GPS轨迹数据中的车辆ID和智能IC卡数据中的车辆IC进行匹配，获得车辆的智能IC卡数据；...

【专利技术属性】
技术研发人员：马晓磊，缪然，周心宇，吴淑涛，闫昊阳，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11