CN112729863B - 一种车辆实测道路选择方法 - Google Patents

一种车辆实测道路选择方法 Download PDF

Info

Publication number
CN112729863B
CN112729863B CN202011478843.4A CN202011478843A CN112729863B CN 112729863 B CN112729863 B CN 112729863B CN 202011478843 A CN202011478843 A CN 202011478843A CN 112729863 B CN112729863 B CN 112729863B
Authority
CN
China
Prior art keywords
road
speed
vehicle
working condition
peak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011478843.4A
Other languages
English (en)
Other versions
CN112729863A (zh
Inventor
胡熙
周华
刘昱
沈姝
付铁强
李菁元
李孟良
汪洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Automotive Technology and Research Center Co Ltd
Original Assignee
China Automotive Technology and Research Center Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Automotive Technology and Research Center Co Ltd filed Critical China Automotive Technology and Research Center Co Ltd
Priority to CN202011478843.4A priority Critical patent/CN112729863B/zh
Publication of CN112729863A publication Critical patent/CN112729863A/zh
Application granted granted Critical
Publication of CN112729863B publication Critical patent/CN112729863B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种车辆实测道路选择方法，该实测道路选择方案基于中国轻型乘用车行驶工况即CLTC‑P规定的高速、中速、低速工况，通过对测试区域内道路静态参数与道路交通情况的统计计算，筛选出道路交通场景能够满足CLTC‑P工况测试要求的实测道路组合。本方法能够选出符合中国轻型乘用车行驶工况要求的车辆实际道路测试路线，将CLTC‑P工况曲线实体化到城市的具体道路上提供车辆实际道路的油耗测试结果，有效地弥补了工况试验室测试在反映我国车辆实际油耗水平方面的局限性。

Description

一种车辆实测道路选择方法
技术领域
本发明属于汽车行驶工况应用领域，尤其涉及一种车辆实测道路选择方法。
背景技术
汽车行驶工况是汽车行业一项重要的基础标准，是汽车产品开发过程中的重要设计输入。2019年发布的GB/T 38146《中国汽车行驶工况》第1部分中规定了中国轻型乘用车行驶工况(简称：CLTC-P工况)。该工况基于中国多个城市的道路实测数据、GIS交通流数据等信息研究开发完成，能够较好的反应我国乘用车的实际道路行驶特征。
CLTC-P工况主要用于车辆油耗水平的评估认证，当前的评价方法是在转鼓试验台上还原规定的行驶工况进行车辆油耗水平评估认证。虽然转鼓测试能够准确的实现车辆行驶工况要求，但是其测试结果不能充分反映车辆实际行驶时各种外部因素对车辆用油耗的影响，因此只用转鼓测试结果表征车辆在CLTC-P工况下的油耗排放水平的方法不够全面。
为了全面、准确的评估我国轻型乘用车的油耗水平，弥补转鼓测试评价方法的不足，可以引入符合CLTC-P工况的实际道路测试对转鼓测试评价方法进行补充。但不同实际道路的限速要求、车流量等道路特征存在较大的差异，因此为了使车辆在实际道路上测试时的行驶工况能够尽可能的接近CLTC-P工况需要对测试道路进行合理的选择。
发明内容
有鉴于此，本发明旨在提出一种车辆实测道路选择方法，使得车辆实际测试路线包含的道路组合在特定时间段的交通状况与CLTC-P工况代表的行驶情景的吻合度较高，车辆在实测道路上的行驶工况能够尽可能的接近CLTC-P工况，增加实际道路测试结果的代表性与参考价值。
为达到上述目的，本发明提供一种车辆实测道路选择方法，包括以下步骤：
1)收集测试地区各条道路的静态信息和GIS交通流数据，并计算各道路的稳定平均速度，将各道路静态信息与稳定平均速度录入道路信息表中；
2)以中国轻型乘用车行驶工况即CLTC-P中规定的高速工况的速度与行驶里程参数作为筛选条件，从步骤1)中的道路信息表中提取限速条件与道路长度均满足高速工况要求的道路作为高速道路备选集合；
3)以CLTC-P中规定的中速工况的平均速度与行驶里程参数作为筛选条件，从所述道路信息表中提取与所述高速道路备选集合中的道路有结合点的，且稳定平均速度与道路长度满足中速工况要求的道路作为中速道路备选集合；
4)对于步骤3)中中速道路备选集合中的每一个道路样本，获取该道路上行驶车辆的实测车速数据，以此为基础计算该道路交通状况所对应的稳定速度-加速度分布，同时以CLTC-P中速工况对应的速度-加速度分布为基准对中速道路备选集合中道路样本的速度-加速度分布进行卡方检验，依据卡方检验结果选出中速道路集合；
5)以CLTC-P中规定的低速工况的平均速度与行驶里程参数作为筛选条件，从所述道路信息表中提取与所述中速道路集合中的道路有结合点的，且稳定平均速度与道路长度满足低速工况要求的道路作为低速道路备选集合；
6)对于步骤5)中低速道路备选集合中的每一个道路样本，获取该道路上行驶车辆的实测车速数据，以此为基础计算该道路交通状况所对应的稳定速度-加速度分布，同时以CLTC-P低速工况对应的速度-加速度分布为基准对低速道路备选集合中道路样本的速度-加速度分布进行卡方检验，依据卡方检验结果选出低速道路集合，
7)将步骤6)、步骤4)、步骤2)中生成的道路集合中依次连接的高速、中速、低速道路提取出来，形成代表CLTC-P总体工况的实测路线。
进一步地，所述车辆实测道路选择方法中，所述道路静态信息包括：道路名称、道路长度、道路限速信息、拥堵等级以及道路之间的结合关系。
进一步地，所述车辆实测道路选择方法中，所述稳定平均速度为高峰时段与非高峰时段的稳定平均速度，所述高峰时段为7:00-10：00和17:00-20:00，所述非高峰时段为11:00-15:00。
进一步地，所述车辆实测道路选择方法中，所述稳定平均速度依据该道路在GIS中的定时更新的全道路平均车速数据计算得出，优选的全道路平均车速数据更新频率为每5分钟更新一次。
进一步地，所述车辆实测道路选择方法中，所述步骤3)、步骤5)中提及的备选道路集合包含高峰时段备选道路集合与非高峰时段备选道路集合，步骤4)、步骤6)中提及的道路集合包含高峰时段道路集合与非高峰时段道路集合；所述高峰时段道路集合由所述高峰时段备选道路集合筛选得到，所述非高峰时段道路集合由所述非高峰时段备选道路集合筛选得到。
进一步地，所述车辆实测道路选择方法中，所述步骤7)中中速道路与低速道路的提取方法为：在相同时段内，将相连的中速道速和低速道路提取出来。
进一步地，所述车辆实测道路选择方法中，所述步骤4)、步骤6)中提及的车辆的实测车速数据是根据GPS信息从中国工况项目数据库中提取的采集车队在该道路上采集的实测车速数据。
进一步地，所述车辆实测道路选择方法中，所述步骤3)、步骤5)中提及的以工况平均速度作为筛选条件选择道路时，待选道路的稳定平均速度与工况平均速度之间的速度差低于10Km/h时满足筛选条件，优选的选择中速道路备选集合时，速度差低于5Km/h，优选的选择低速道路备选集合时，速度差低于3Km/h。
本发明具有如下有益效果：
本发明能够选出符合中国轻型乘用车行驶工况(CLTC-P)要求的车辆实际道路测试路线，将CLTC-P工况曲线实体化到城市的具体道路上，提供车辆实际道路的油耗测试结果，有效地弥补了工况试验室测试在反映我国车辆实际油耗水平方面的局限性。令中国工况能够更加有效地服务应用于能耗测评，有利于企业在车辆优化标定中导入符合中国实际运行特征的技术，有利于政府加强汽车产品管理和切实推动汽车行业节能减排；具有良好的社会效应和现实的经济效益。
附图说明
图1给出了中国轻型乘用车行驶工况(CLTC-P)规定的标准工况曲线图；
图2示意性给出了本发明涉及的中速工况的实测道路选择流程图；
图3示意性给出了本发明涉及的低速工况的实测道路选择流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
如图1所示，CLTC-P工况曲线由低速、中速和高速3个速度区间构成；不同区间工况反映的是车辆在不同道路类型和交通状况下的行驶情景，实际道路测试时需要按照高-中-低的顺序分别为三个区间选择符合其工况情景的道路并保证各它们之间的连贯性，最终组合形成和CLTC-P工况总体特征接近的道路组合。
本实施例以天津市为例，对所提实测道路选择方法做进一步详细说明，所述方法包括以下步骤：
步骤一，数据获取
本实施例利用中国工况项目的工况车辆运行实测数据库与道路交通量大数据库(GIS)进行数据采。其中工况车辆运行实测数据库中包含中国工况项目在天津的采集车队长期使用自主行驶的方法以1Hz采集频率采集的车辆的GPS、车速等数据，采集道路覆盖了不同的道路类型和行驶条件，同时该数据库中还包含天津大部分道路的道路静态信息：道路名称及对应ID、拥堵等级、道路长度、限速信息和道路之间的结合关系信息等；道路交通量大数据库(GIS)每5分钟更新一次的各道路的全道路平均车速。
步骤二，道路信息整理
从工况车辆运行实测数据库提取道路长度、限速和结合点信息；从GIS数据库获取充分反映各道路长期稳定的运行情况的一段时间的全道路平均速度信息。根据道路名称和时间轴信息提取每条道路在一天内不同时间段的平均车速，用于统计各条道路总体和分时间段的平均车速，录入道路车速表，如表1所示。
表1道路车速表
道路名称 平均速度 上午0 上午1 …… 上午11 下午12 …… 下午22 下午23
lu:weilu 31.9 38.2 39.2 …… 27.7 29.9 …… 34.0 36.5
G 44.9 46.7 49.1 …… 44.0 44.2 …… 46.9 48.7
boaidao 27.9 30.4 31.9 …… 25.0 25.6 …… 27.2 28.5
baidilu 31.6 37.9 39.2 …… 25.3 28.0 …… 33.5 36.1
xidadao 65.0 64.6 63.6 …… 65.7 65.6 …… 65.8 66.0
…… …… …… …… …… …… …… …… …… ……
综合上述查找计算获得的信息，进一步整理得到天津市内各条道路在高峰(7:00-10:00；17:00-20:00)和非高峰时段(11:00-15:00)的平均速度，将其与静态信息一起存入道路信息表中，如表2所示：
表2道路信息表
道路名称 道路长度(m) 限速(km/h) 非高峰时段车速(km/h) 高峰时段车速(km/h)
lu:weilu 1747 35 29.3 26.8
G 1686 80 42.9 40.5
boaidao 576 60 23.8 22.0
baidilu 4144 60 26.0 24.2
xidadao 5906 80 62.5 60.7
…… …… …… …… ……
步骤三，高速工况的实测道路选择
车辆在高速工况所对应的城市道路上行驶时受交通状况限制较少，所以为高速工况选择道路时筛选条件比较宽松：只要道路的规定限速能够允许车辆达到高速工况的最大车速，且长度能够保证车辆完成高速工况覆盖的行驶里程，驾驶员基本可以按照工况曲线完成实测驾驶任务。此外，车辆在高速工况对应城市道路上行驶时受高峰/非高峰时段交通状况差异的影响较低，在筛选道路时没有必要考虑该因素。
CLTC-P工况高速区间的最大速度为114km/h，覆盖行驶里程为6.12km，以此作为筛选条件，在表2中查找天津市内限速在110km/h以上，长度在6.5km以上的道路，作为CLTC-P的高速工况对应的高速道路备选集合H，如表3所示：
表3高速道路备选集合
道路名称 道路长度(m) 限速(km/h) 非高峰时段车速(km/h) 高峰时段车速(km/h)
haibingaosugonglu 95148 120 68.7 66.1
jinjigaosugonglu 114713 120 85.6 85.1
…… …… …… …… ……
jinbingaosugonglu 26480 120 82.98 80.05
…… …… …… …… ……
jingjintanggaosugonglu 83710 110 84.6 82.4
步骤四，中速工况的实测道路选择
如图2所示，在为中速工况选择实测道路时，需要满足与高速备选道路集合H中道路的连接性同时道路长度需要能够覆盖中速工况的行驶里程。根据道路结合点信息，查找和H中高速道路样本连接的道路集合，进一步查找长度大于CLTC-P中速区间规定的5.9km行驶里程长度的道路形成道路集合M；
进一步的，为了令驾驶员的实际测试工况尽可能地接近中速工况曲线，减少车辆在中速工况对应的城市道路上行驶时受不同时间段交通状况的影响，需要保证在特定时间段测试时，选择道路的稳定车速特征尽量接近中速工况：对集合M的中道路样本，分别根据高峰期和非高峰期两个时间段的平均速度信息，筛选出和CLTC-P中速工况平均速度30km/h的速度差不大于5Km/h的道路集合M高峰和M非高峰。
进一步的，为了筛选出更加吻合工况特征的道路，需要在更加精确的车速信息基础上，利用卡方检验确定最优的道路：对集合M高峰和M非高峰中样本，从工况车辆运行实测数据库，根据GPS信息提取2016年6月1日到8月30日3个月中在该道路上记录下的所有车辆逐秒行驶数据。处理后计算获取该道路这段时间的稳定速度-加速度分布(含速度为零的怠速部分)。以CLTC-P中速工况的速度-加速度分布为基准对M高峰和M非高峰中道路的速度-加速度分布进行卡方检验；从中选择卡方检验结果较好的，即卡方值p较小的道路作为最优道路样本集合M卡方-高峰和M卡方-非高峰。表4是M卡方-高峰中的部分道路样本的信息，它们在高峰时间段的平均车速均在30km/h左右。
表4经卡方检验的高峰时段中速道路集合
道路名称 道路长度(m) 限速(km/h) 非高峰时段车速(km/h) 高峰时段车速(km/h)
henanlu 7346 60 33.6 30.1
linhailu 7655 60 34.4 34.8
…… …… …… …… ……
yuejinlu 11539 40 36.1 34.5
…… …… …… …… ……
jintanglu 14832 70 32.6 30.0
…… …… …… …… ……
dingzigusanhaolu 7880 30 33.4 30.2
步骤五，中速、高速道路组合
将M卡方-高峰和M卡方-非高峰中的道路和与其有结合点的集合H中的道路样本组合起来，形成MH高峰和MH非高峰两个道路组合集合，分别包含CLTC-P中速-高速工况在高峰和非高峰时段实测驾驶时对应的道路组合。
步骤六，低速工况的实测道路选择
低速工况的实测道路集合选择的方法与中速工况的实测道路集合选择的方法类似。
如图3所示，在为低速工况选择实测道路时，需要满足与中速道路集合M卡方-高峰和M卡方-非高峰中道路的连接性同时道路长度需要能够覆盖低速工况的行驶里程,从满足结合点要求的道路中筛选出道路长度大于CLTC-P低速工况行驶里程2.45km的样本形成集合L。
进一步的对于集合L中与集合M卡方-高峰中道路有结合点的道路，计算其平均速度信息高峰时段评价速度，筛选出筛选出和CLTC-P低速工况平均速度13km/h的速度差不大于3Km/h的道路集合L高峰。同理从集合L中与集合M卡方-非高峰中道路有结合点的道路中筛选出道路集合L非高峰。
进一步的，以CLTC-P中速工况的速度-加速度分布为基准对L高峰和L非高峰中道路的速度-加速度分布进行卡方检验；从中选择卡方检验结果较好的，即卡方值p较小的道路作为最优道路样本集合L卡方-高峰和L卡方-非高峰。表5为L卡方-高峰中的部分道路样本信息，它们在高峰时间段的平均车速均在13km/h左右。
表5经卡方检验的高峰时段低速道路集合
道路名称 道路长度(m) 限速(km/h) 非高峰时段车速(km/h) 高峰时段车速(km/h)
yibailu 4787 30 17.2 13.7
yijielu 2726 30 17.3 13.6
…… …… …… …… ……
xunhailu 5768 40 17.6 14.3
…… …… …… …… ……
shuguanglu 2726 30 17.3 13.6
步骤七，低速、中速、高速道路组合
将道路集合L卡方-高峰中的道路和与其有结合点的道路集合MH高峰中的道路组合起来形成LMH高峰道路组合，同理将L卡方-非高峰与MH非高峰中的道路组合成LMH非高峰道路组合。LMH高峰、LMH非高峰分别包含CLTC-P低速-中速-高速工况在高峰和非高峰时段实测驾驶时对应的道路组合。
对车辆进行基于CLTC-P的实车测试时，根据测试时间所处的时段，从路线集合LMH高峰或LMH非高峰中选择其中一条测试路线组合即可完成实车道路测试需求。

Claims (7)

1.一种车辆实测道路选择方法，其特征在于，所述方法包括以下步骤：
1)收集测试地区各条道路的静态信息和GIS交通流数据，并计算各道路的稳定平均速度，将各道路静态信息与稳定平均速度录入道路信息表中；
2)以中国轻型乘用车行驶工况即CLTC-P中规定的高速工况的速度与行驶里程参数作为筛选条件，从步骤1)中的道路信息表中提取限速条件与道路长度均满足高速工况要求的道路作为高速道路备选集合；
3)以CLTC-P中规定的中速工况的平均速度与行驶里程参数作为筛选条件，从所述道路信息表中提取与所述高速道路备选集合中的道路有结合点的，且稳定平均速度与道路长度满足中速工况要求的道路作为中速道路备选集合；
4)对于步骤3)中中速道路备选集合中的每一个道路样本，获取该道路上行驶车辆的实测车速数据，以此为基础计算该道路交通状况所对应的稳定速度-加速度分布，同时以CLTC-P中速工况对应的速度-加速度分布为基准对中速道路备选集合中道路样本的速度-加速度分布进行卡方检验，依据卡方检验结果选出中速道路集合；
5)以CLTC-P中规定的低速工况的平均速度与行驶里程参数作为筛选条件，从所述道路信息表中提取与所述中速道路集合中的道路有结合点的，且稳定平均速度与道路长度满足低速工况要求的道路作为低速道路备选集合；
6)对于步骤5)中低速道路备选集合中的每一个道路样本，获取该道路上行驶车辆的实测车速数据，以此为基础计算该道路交通状况所对应的稳定速度-加速度分布，同时以CLTC-P低速工况对应的速度-加速度分布为基准对低速道路备选集合中道路样本的速度-加速度分布进行卡方检验，依据卡方检验结果选出低速道路集合，
7)将步骤6)、步骤4)、步骤2)中生成的道路集合中依次连接的高速、中速、低速道路提取出来，形成代表CLTC-P总体工况的实测路线；
所述道路静态信息包括：道路名称、道路长度、道路限速信息、拥堵等级以及道路之间的结合关系。
2.如权利要求1所述车辆实测道路选择方法，其特征在于，所述稳定平均速度为高峰时段与非高峰时段的稳定平均速度，所述高峰时段为7:00-10：00和17:00-20:00，所述非高峰时段为11:00-15:00。
3.如权利要求2所述车辆实测道路选择方法，其特征在于，所述稳定平均速度依据该道路在GIS中的定时更新的全道路平均车速数据计算得出，优选的全道路平均车速数据更新频率为每5分钟更新一次。
4.如权利要求3所述车辆实测道路选择方法，其特征在于，所述步骤3)、步骤5)中提及的备选道路集合包含高峰时段备选道路集合与非高峰时段备选道路集合，步骤4)、步骤6)中提及的道路集合包含高峰时段道路集合与非高峰时段道路集合；所述高峰时段道路集合由所述高峰时段备选道路集合筛选得到，所述非高峰时段道路集合由所述非高峰时段备选道路集合筛选得到。
5.如权利要求4所述车辆实测道路选择方法，其特征在于，所述步骤7)中中速道路与低速道路的提取方法为：在相同时段内，将相连的中速道速和低速道路提取出来。
6.如权利要求1所述车辆实测道路选择方法，其特征在于，所述步骤4)、步骤6)中提及的车辆的实测车速数据是根据GPS信息从中国工况项目数据库中提取的采集车队在该道路上采集的实测车速数据。
7.如权利要求1所述车辆实测道路选择方法，其特征在于，所述步骤3)、步骤5)中提及的以工况平均速度作为筛选条件选择道路时，待选道路的稳定平均速度与工况平均速度之间的速度差低于10Km/h时满足筛选条件，优选的选择中速道路备选集合时，速度差低于5Km/h，优选的选择低速道路备选集合时，速度差低于3Km/h。
CN202011478843.4A 2020-12-16 2020-12-16 一种车辆实测道路选择方法 Active CN112729863B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011478843.4A CN112729863B (zh) 2020-12-16 2020-12-16 一种车辆实测道路选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011478843.4A CN112729863B (zh) 2020-12-16 2020-12-16 一种车辆实测道路选择方法

Publications (2)

Publication Number Publication Date
CN112729863A CN112729863A (zh) 2021-04-30
CN112729863B true CN112729863B (zh) 2022-05-17

Family

ID=75602183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011478843.4A Active CN112729863B (zh) 2020-12-16 2020-12-16 一种车辆实测道路选择方法

Country Status (1)

Country Link
CN (1) CN112729863B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189754A (zh) * 2018-08-20 2019-01-11 中国汽车技术研究中心有限公司 一种基于驾驶意图的车辆运动片段切割方法及装置
CN109506946A (zh) * 2018-10-19 2019-03-22 中国汽车技术研究中心有限公司 一种rde工况库开发及使用方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021016421A1 (en) * 2019-07-24 2021-01-28 Vistara Bioscience, Llc Methods for identifying protein biomarker signatures

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109189754A (zh) * 2018-08-20 2019-01-11 中国汽车技术研究中心有限公司 一种基于驾驶意图的车辆运动片段切割方法及装置
CN109506946A (zh) * 2018-10-19 2019-03-22 中国汽车技术研究中心有限公司 一种rde工况库开发及使用方法

Also Published As

Publication number Publication date
CN112729863A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN110264709B (zh) 基于图卷积网络的道路的交通流量的预测方法
Zheng et al. High-resolution mapping of vehicle emissions in China in 2008
Tong et al. A framework for developing driving cycles with on‐road driving data
CN107330217B (zh) 一种基于rbfnn的中观油耗预测方法
CN109506946B (zh) 一种rde工况库开发及使用方法
CN111612670B (zh) 一种构建机动车排放清单的方法、装置和计算机设备
CN108682156B (zh) 基于出租车gps数据动态监测市区交通排放污染状况的方法
CN106446398B (zh) 基于交通运行数据和劣化率的轻型汽车排放速率计算方法
JP7331184B2 (ja) 道路勾配情報を含む大型トラック標準的走行モードの構築方法
CN116307837A (zh) 一种基于多种监测技术的区域机动车排放评估方法及***
CN106997662B (zh) 一种城市公交车工况构建方法
CN110399364B (zh) 一种基于多种公路检测器数据的数据融合方法
CN107832910A (zh) 一种评价道路交通特征对一氧化碳排放浓度影响的方法
Tong et al. Development of bus driving cycles using a cost effective data collection approach
CN115983720A (zh) 基于海拔和温度的汽车排放性能检测方法
CN110796374A (zh) 具有典型变道和转弯工况的城市综合行驶工况的构建方法
CN111680888B (zh) 基于rfid数据确定路网容量的方法
CN115221234A (zh) 一种基于动力总成数据对用户进行画像的方法及***
CN112729863B (zh) 一种车辆实测道路选择方法
Kang et al. Link-based emission model for eco routing
CN117400948A (zh) 一种汽车能耗预测方法、装置、电子设备及存储介质
Yugendar et al. Driving cycle estimation and validation for Ludhiana City, India
CN115964905A (zh) 高原山地道路的排放测试工况构建方法和介质
CN112466004B (zh) 车辆使用信息获取方法、装置、设备及存储介质
CN115266135A (zh) 基于用户工况测试数据的油耗量化分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant