应用车联网的车辆综合油耗时间序列分析模型

2022-07-19 02:17李光华张洪涛谢凤祥韩名亮
粘接 2022年7期
关键词:分析模型车联网时间序列

李光华 张洪涛 谢凤祥 韩名亮

摘要:為解决车辆综合油耗时间序列分析模型对于油耗分析波动能力、结果准确性较差的问题,基于车联网研究了一种新的车辆综合油耗时间序列分析模型。结合大渡河流域山区道路特点,计算车辆发动机的功率,提取拥堵道路有效数据,分析1VSP小区间内的燃油消耗,采用对数变换的方式缩小车辆发动机转速与转矩的差距,以实现车辆油耗数据与发动机相关数据的预处理。引用信息熵的概念评估车辆综合油耗时间序列分析模型的复杂度与优良性,确定车速与油耗之间拟合曲线,构建大渡河流域车联网车辆综合油耗时间序列分析模型,研究油耗与输出功率关系,应用车联网和时间序列,实现车辆综合油耗时间序列分析。结果表明:应用车联网的车辆综合油耗时间序列分析模型具有很强的分析能力,在应用于大渡河流域车辆网分析工作中,提出的分析模型平峰期对于油耗的分析结果准确性与传统模型相比提高20%以上;在高峰期对于油耗的分析结果准确性与传统模型相比提高10%以上。

关键词:车联网;车辆综合油耗;油耗时间;时间序列;分析模型

中图分类号:U471.23 文献标识码:A 文章编号:1001-5922(2022)07-0187-06

Time series analysis model of vehicle comprehensive fuel

consumption using Internet of vehicles

LI Guanghua, ZHANG Hongtao, XIE Fengxiang, HAN Mingliang

(Guoneng Dadu River Big Data Service Co., Ltd., Chengdu 610041, China)

Abstract: In order to solve the problem that the vehicle comprehensive fuel consumption time series analysis model has a poor ability to analyze fluctuations in fuel consumption, and the accuracy of the analysis results is poor, a new time series analysis model of vehicle comprehensive fuel consumption is studied based on the Internet of vehicles. Combining the characteristics of mountain roads in the Dadu River Basin, the author calculates the power of vehicle engines, extracts effective data on congested roads, analyzes fuel consumption in 1 VSP cells, and uses logarithmic transformation to narrow the gap between vehicle engine speed and torque to achieve vehicle fuel consumption data preprocessing of engine-related data. Using the concept of information entropy to evaluate the complexity and superiority of the vehicles comprehensive fuel consumption time series analysis model, the research determines the fitting curve between vehicle speed and fuel consumption, constructs the Dadu River Basin Internet of vehicle comprehensive fuel consumption time series analysis model, studies the relationship between fuel consumption and output power, and applies the Internet of vehicles and time series to realize the time series analysis of vehicle comprehensive fuel consumption. The experimental results show that the vehicle integrated fuel consumption time series analysis model applied to the Internet of vehicles has strong analysis capabilities. When applied to the analysis of the vehicle network in the Dadu River Basin, the proposed analysis model is 20% more accurate than the traditional model for the analysis results of fuel consumption during normal period, and the the accuracy is also 10% more during peak period.

Key words:Internet of vehicles; vehicle comprehensive fuel consumption; fuel consumption time; time series; analysis model

随着全世界石油存储量的不断下降,能源危机与环境污染带给汽车行业较大的挑战,汽车经济性驾驶逐渐受到大家的关注,汽车经济性驾驶也称为汽车生态驾驶。该种驾驶方式实则为一种驾驶辅助技术,可向汽车驾驶员提出减少车辆油耗的方案或者代替驾驶员自动控制汽车;该种驾驶技术还包括车辆综合油耗时序分析与建模。车辆综合油耗与车辆发动机设计、驾驶速度与驾驶操作、路况等因素有关,国内的专家学者根据多种影响因素建立了相应的车辆油耗模型。

以往提出的基于瞬态修正的车辆综合油耗时间序列模型,该模型首先建立了稳态油耗模型,并对稳态油耗模型进行了初步评估。然后根据评估结果采用瞬态修正技术建立了瞬时油耗模型,将模型中的瞬态变量与稳态模型中的稳态变量提取出来,确定车辆的瞬时状态,分析车辆综合油耗;但是这种模型评估结果相对较低[1]。还有学者提出了基于道路工况的车辆综合油耗时间序列分析模型,该模型对车辆的行驶速度、车辆经过道路交叉口油耗变化情况进行了实验,分析了车辆行驶速度以及道路交叉口间距对车辆油耗的影响,并将变化数据进行了提取;该模型对车辆油耗的预测精度较高,但实现较为困难[2]。

为此,本文提出了应用车联网的车辆综合油耗时间序列分析模型。

1车辆综合油耗有效数据提取

2车辆综合油耗时间序列数据预处理

3应用大渡河流域车联网的车辆综合油耗时间序列分析模型

3.1基于大渡河流域车联网信息准则选取

采用平均值滤波法与VSP-3σ方法在对车辆油耗数据进行预处理后,需要对车辆的信息准则进行选择,在选取过程中,采用大渡河流域车联网中的车内网实现车辆信息的交互,车辆与车辆之间可通过无线通信传输方式共享行驶过程中的车辆状态信息,分析车辆目前的发动机状态各类数据信息,通过共享车辆状态信息可协助驾驶员分析道路的车流情况,这是信息准则选取的基础[12-13]。

在选取信息准则时,假设F为可以完全真实的反映车辆油耗情况的模型,G为可以近似的模拟车辆综合油耗情况的模型,2个模型之间通过应用车辆网可共享各自模型的车辆状态信息。车辆的速度、加速度、发动机转速、车辆比功率信息等,应用大渡河流域车联网在共享过程中,模型F会给模型G带来一定程度的信息损失;该种信息损失也可称为信息距离,模型G与模型F之间的距离越小,说明模型F给模型G带来的信息损失越少,表示模型G、模型F的近似度越高。两个模型间的信息距离表达式可表示为:

3.2车辆综合油耗时间序列分析模型

通过以上信息准则的选取结果,接下来建立大渡河流域车辆综合油耗时间序列分析模型。油耗分析模型的原理:利用车载设备对车辆内部的油耗数据进行分类,得到瞬时油耗、行驶油耗、油耗距离,并记录总油耗。在日常记录中确定数据情况,引用机器学习方法反复反馈油耗状况,从而得到油耗健康状况,将健康状况设定为阈值,当得到的结果与阈值不同时,则要重新进行风险处理。

时间序列模型具有较强的分析能力,可以通过离散数据集合反应时间数据,将交通现象的内在数量与交通现象之间的关系表达出来,运用时间序列分析模型还可对交通情况进行预测与分析,通过预测与分析结果来控制交通状态。引用车辆网时间序列分析模型,本文运用时间序列分析模型,主要通过时间序列分析模型将车辆综合燃油消耗情况及时、详尽的反映出来。时间序列的分析过程也是车辆动态性分析的过程,应用车辆网中的车载移动网络将车载系统的行为与历史行为进行统计,唤醒车载系统的动态性,得到的分析模型:

由图3可知,在车辆输出功率为0时,车辆油耗出现了一个正的截距,此后随着车辆输出功率的增加而逐渐上升。 根据车辆油耗与车辆输出功率之间的关系,基于发动机转矩的车辆综合油耗时间序列分析模型可表示为:

4实验分析结果

为了验证本文提出的车辆综合油耗时间序列分析模型的有效性,选用本文提出的时间序列分析模型和传统的基于瞬态修正的车辆综合油耗时间序列模型、基于道路工况的车辆综合油耗时间序列分析模型进行实验对比。根据车辆行驶路线,分别计算平峰期、高峰期下不同支路的车辆油耗。

4.1平峰期油耗分析结果

本文分别在大渡河流域的主干路、次干路和支路,对车辆综合油耗进行分析,结果如图4所示。

根据图4可知,在大渡河流域的主干路上,油耗波动较大,浪费的油耗相对较多。基于道路工况的车辆综合油耗时间序列分析模型分析结果过于平稳,难以确定波动高峰期和低峰期的油耗;基于瞬态修正的车辆综合油耗时间序列模型分析结果与实际结果相差过大,波动范围在0.5~3.5。而本文提出的油耗分析模型与实际模型相差较小,波动范围基本稳定;因此更适合于主干路油耗分析。

由图5可知,在平峰期,次干路油耗相对较小;因此本文模型和传统模型,对于油耗的分析结果相对更准确。本文提出的模型与实际结果相差更小,所以分析能力更强。

由图6可知,基于道路工况的车辆综合油耗时间序列分析模型,在对支路油耗进行分析时,分析结果相差极大,分析的油耗结果基本稳定在1.5 mL/s;但基于瞬态修正的车辆综合油耗时间序列模型分析,其波动范围过大。

4.2高峰期油耗分析結果

同样在大渡河流域的主干路、次干路和支路,对车辆综合油耗进行分析,得到油耗分析结果如图7所示。

由图7可知,随着时间的增加,在高峰期油耗也在不断增加,但是增加比较平稳,分析模型在对油耗进行分析时,会出现多次波动,与传统模型相比,本文提出的模型分析结果波动更小,波动结果更加准确。高峰期次干路油耗分析实验,结果如图8所示。

由图7和图8可知,与主干路相比,高峰期次干路油耗更小;因此3种模型的油耗分析结果更准确。但是本文提出的分析模型分析结果始终高于传统分析模型的分析结果。高峰期支路油耗分析实验,结果如图9所示。

由图9可知,高峰期支路油耗分析结果呈现非线性波动,但是传统的2种分析模型分析结果都为线性结果。而本文提出的模型呈现非线性结果,这与实际结果更贴近。

综上所述,本文提出的油耗分析模型对于主干路、次干路和支路都有较强的分析能力。尤其对于油耗波动,分析效果好于传统分析模型,更适合于应用到大渡河流域项目中。

5结语

随着世界石油储量的逐年下降,汽车行业正面临着能源危机,为了更好的反映出车辆油耗与车辆状态信息之间的联系,实现生态性驾驶,本文提出了应用大渡河流域车联网的车辆综合油耗时间序列分析模型,通过该模型的建立,实现了对车辆动态性的分析,通过该模型可预测车辆的燃油消耗,从而控制车辆的行驶,最大化的利用石油能源。

本文存在的不足:没有根据车辆状态信息对车辆综合油耗时间序列分析模型进行选取,在下一次的研究中,将针对此项进行重点分析。

【参考文献】

[1]金辉,周敏,李世杰.基于瞬态修正的车辆燃油消耗模型建模[J].北京理工大学学报,2017,37(5):473-477.

[2]周晓,唐宇舟,刘强.基于卡尔曼滤波的道路平均速度预测模型研究[J].浙江工业大学学报,2020(4):392-396.

[3]曾小华,李广含,宋大凤,等.基于能量计算模型的混合动力系统理论油耗分析[J].汽车工程,2019, 41(3):31-39.

[4]秦严严,王昊,何兆益,等.基于比功率的自动驾驶交通流油耗分析[J].交通运输系统工程与信息,2020,20(1):95-100.

[5]孟祥飞,王仁广,徐元利.双行星排汽车纯电驱动模式的转矩分配策略[J].浙江大学学报(工学版),2020,54(11):153-162.

[6]王学平,刘志超,陆春,等.48V车型换档提醒装置的国家标准分析与节能性[J].汽车安全与节能学报,2019,10(1):92-98.

[7]梁玮,满兴家,王伟.某前置前驱车油耗一致性的试验与仿真[J].汽车安全与节能学报,2019,10(3):374-382.

[8]张鹏炜,郭承亮,王文军,等.特种车辆非接触式油耗实时监测系统设计[J].自动化仪表,2019,40(10):61-65.

[9]胡志远,付佳铭,韩维维,等.怠速起停对汽油车油耗及颗粒数量排放的影响[J].中国环境科学,2020,40(3):1 016-1 022.

[10]闫峰,赵伟,王玉伟,等.不同技术类型车辆国Ⅵ标准适应性研究[J].小型内燃机与摩托车,2019,48(5):56-60.

[11]任伟,黄建平,殷金菊,等.基于Cruise仿真的DCT变速器预选挡策略对油耗的影响分析[J].机械传动,2019, 43(9):139-142.

[12]张岩,段炼,袁侠义,等.插电式混合动力汽车低SOC能量流试验研究[J].汽车工程,2020,42(5):688-693.

[13]周鲜成,刘长石,周开军,等.时间依赖型绿色车辆路径模型及改進蚁群算法[J].管理科学学报,2019,22 (5):62-73.

[14]赵志学,李夏苗,周鲜成.考虑拥堵区域的多车型绿色车辆路径问题优化[J].计算机应用,2020,40(3): 883-890.

猜你喜欢
分析模型车联网时间序列
基于语义的在线协作会话学习投入自动分析模型及应用研究
基于大规模弹幕数据监听和情感分类的舆情分析模型
整合广播资源,凝聚声音优势
基于时间序列的我国人均GDP分析与预测
汽车生产企业发展车联网的优势与劣势
基于线性散列索引的时间序列查询方法研究
基于Hadoop的商业数据可视化分析模型的研究
基于组合模型的能源需求预测
中国车联网产业链与商业模式研究