基于数据驱动的方法用于城市交通中插电混合动力车的能耗范围估计

在城市交通环境中，驾驶行为在车辆运行方面表现出显著多样性，包括各种加速和制动 maneuver 以及遵守交通法规（如速度限制）。众所周知，这些内在驾驶行为显著影响车辆能耗。因此，建立驾驶行为与能耗使用之间的定量关系对于识别能效驾驶实践和优化城市交通中的路线至关重要。本研究引入一种数据驱动方法，用于预测基于驾驶行为和车辆能耗集成模型的插电混合动力车 (PHEV) 的等效燃耗。不同于传统提供点燃耗预测的模型，本方法使用 Conformalized Quantile Regression (CQR) 提供捕获燃耗变动性和不确定性的预测区间。这些区间反映了燃耗变化，以及驾驶行为、车辆和路线条件的差异。为开发此模型，收集了通过驾驶员在环仿真器获取的驾驶员专属数据，该仿真器测试了不同人类驾驶员的响应。然后使用来自驾驶员在环仿真器的实验数据，以及从已校准的驾驶行为和车辆能耗模型进行的蒙特卡洛模拟生成的合成数据，对 CQR 模型进行训练和验证。通过将等效燃耗区间预测与仅依赖于 conformal prediction 的基线预测区间方法进行比较来评估 CQR 模型。