扩展车辆能耗数据集（eVED）：一种用于车辆行程能耗深度学习的大规模增强数据集
机器学习
2022-03-17 v1
摘要
本工作给出了车辆能耗数据集（VED）的扩展版本，该数据集是公开发布的大规模车辆能耗分析数据集。相较于原版本，扩展VED（eVED）数据集增强了精确的车辆行程GPS坐标，作为将VED行程记录与可获取地图服务中的外部信息（如道路限速与交叉口）相关联的基础，以累积分析车辆能耗所必需的特征。特别地，我们校准了原始VED数据中的所有GPS轨迹记录，并据此将VED数据与从地理信息系统（QGIS）、Overpass API、Open Street Map API和Google Maps API提取的特征相关联。关联特征包括12,609,170条道路高程记录、12,203,044条限速记录、12,281,719条带方向的限速记录（以防道路为双向）、584,551个交叉口、429,638个公交站、312,196个人行横道、195,856个交通信号、29,397个停车标志、5,848个转弯环、4,053个铁路道口（平交）、3,554个转弯圈和2,938个高速公路枢纽。凭借精确的GPS坐标与丰富的行程记录特征，所得eVED数据集可提供精确且充裕的介质以供给学习引擎，尤其是对所供数据充足性与丰富性要求更高的深度学习引擎。此外，我们的数据校准与丰富化软件可复用以为特定用户案例生成进一步的车辆行程数据集，有助于对车辆行为与交通动态分析的深层次洞察。我们期望eVED数据集与我们的数据丰富化软件能作为学术与产业汽车领域的工具，服务于未来技术的开发。
引用
@article{arxiv.2203.08630,
title = {Extended vehicle energy dataset (eVED): an enhanced large-scale dataset for deep learning on vehicle trip energy consumption},
author = {Shiliang Zhang and Dyako Fatih and Fahmi Abdulqadir and Tobias Schwarz and Xuehui Ma},
journal= {arXiv preprint arXiv:2203.08630},
year = {2022}
}