真实驾驶条件下的车辆燃油优化：一种可解释人工智能方法
人工智能
2021-07-23 v3
摘要
工业车队中柴油与汽油车辆的燃油优化对于降低成本与减少排放至关重要。这一目标可通过作用于与燃油相关的因素（如驾驶行为风格）来实现。在本研究中，我们开发了可解释提升机（EBM）模型，利用 2020 至 2021 年收集的真实数据预测不同类型工业车辆的燃油消耗。该机器学习模型还解释了输入因素与燃油消耗之间的关系，量化了各因素各自的贡献。模型给出的解释与领域知识进行比较，以观察二者是否一致。结果显示，与燃油因素相关的类别中有 70% 与既往文献相似。借助 EBM 算法，我们估计在大型车队（超过 1000 辆车）中优化驾驶行为可使燃油消耗降低 12% 至 15%。
引用
@article{arxiv.2107.06031,
title = {Vehicle Fuel Optimization Under Real-World Driving Conditions: An Explainable Artificial Intelligence Approach},
author = {Alberto Barbado and Óscar Corcho},
journal= {arXiv preprint arXiv:2107.06031},
year = {2021}
}
备注
30 pages, 15 Figures