基于深度学习的车辆速度预测

对双能源车辆（如混合动力电动汽车、插电式混合动力电动汽车和插电式燃料电池电动汽车）的能耗进行全局优化，需要在行程开始时了解完整的路线特征。主要特征之一是路线上的车辆速度分布。对于给定的车辆，该分布将直接转化为能量需求。然而，特定驾驶员选择的车辆速度会因驾驶员和时间而异，并且可能慢于、等于或快于平均交通流。如果能够预测特定驾驶员的速度分布，就可以在所选路线上优化能源使用。本文旨在研究深度学习技术在此问题上的应用，以在驾驶循环开始时识别出个体驾驶员重复驾驶循环的特定车辆速度分布，从而用于优化算法中以最小化行程中使用的化石燃料能源量。