李光華　張洪濤　謝鳳祥　韓名亮

摘要：為解決車輛綜合油耗時(shí)間序列分析模型對于油耗分析波動(dòng)能力、結(jié)果準(zhǔn)確性較差的問題，基于車聯(lián)網(wǎng)研究了一種新的車輛綜合油耗時(shí)間序列分析模型。結(jié)合大渡河流域山區(qū)道路特點(diǎn)，計(jì)算車輛發(fā)動(dòng)機(jī)的功率，提取擁堵道路有效數(shù)據(jù)，分析1VSP小區(qū)間內(nèi)的燃油消耗，采用對數(shù)變換的方式縮小車輛發(fā)動(dòng)機(jī)轉(zhuǎn)速與轉(zhuǎn)矩的差距，以實(shí)現(xiàn)車輛油耗數(shù)據(jù)與發(fā)動(dòng)機(jī)相關(guān)數(shù)據(jù)的預(yù)處理。引用信息熵的概念評估車輛綜合油耗時(shí)間序列分析模型的復(fù)雜度與優(yōu)良性，確定車速與油耗之間擬合曲線，構(gòu)建大渡河流域車聯(lián)網(wǎng)車輛綜合油耗時(shí)間序列分析模型，研究油耗與輸出功率關(guān)系，應(yīng)用車聯(lián)網(wǎng)和時(shí)間序列，實(shí)現(xiàn)車輛綜合油耗時(shí)間序列分析。結(jié)果表明：應(yīng)用車聯(lián)網(wǎng)的車輛綜合油耗時(shí)間序列分析模型具有很強(qiáng)的分析能力，在應(yīng)用于大渡河流域車輛網(wǎng)分析工作中，提出的分析模型平峰期對于油耗的分析結(jié)果準(zhǔn)確性與傳統(tǒng)模型相比提高20%以上;在高峰期對于油耗的分析結(jié)果準(zhǔn)確性與傳統(tǒng)模型相比提高10%以上。

關(guān)鍵詞：車聯(lián)網(wǎng);車輛綜合油耗;油耗時(shí)間;時(shí)間序列;分析模型

中圖分類號(hào)：U471.23 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2022）07-0187-06

Time series analysis model of vehicle comprehensive fuel

consumption using Internet of vehicles

LI Guanghua， ZHANG Hongtao， XIE Fengxiang， HAN Mingliang

（Guoneng Dadu River Big Data Service Co.， Ltd.， Chengdu 610041， China）

Abstract： In order to solve the problem that the vehicle comprehensive fuel consumption time series analysis model has a poor ability to analyze fluctuations in fuel consumption， and the accuracy of the analysis results is poor， a new time series analysis model of vehicle comprehensive fuel consumption is studied based on the Internet of vehicles. Combining the characteristics of mountain roads in the Dadu River Basin， the author calculates the power of vehicle engines， extracts effective data on congested roads， analyzes fuel consumption in 1 VSP cells， and uses logarithmic transformation to narrow the gap between vehicle engine speed and torque to achieve vehicle fuel consumption data preprocessing of engine-related data. Using the concept of information entropy to evaluate the complexity and superiority of the vehicles comprehensive fuel consumption time series analysis model， the research determines the fitting curve between vehicle speed and fuel consumption， constructs the Dadu River Basin Internet of vehicle comprehensive fuel consumption time series analysis model， studies the relationship between fuel consumption and output power， and applies the Internet of vehicles and time series to realize the time series analysis of vehicle comprehensive fuel consumption. The experimental results show that the vehicle integrated fuel consumption time series analysis model applied to the Internet of vehicles has strong analysis capabilities. When applied to the analysis of the vehicle network in the Dadu River Basin， the proposed analysis model is 20% more accurate than the traditional model for the analysis results of fuel consumption during normal period， and the the accuracy is also 10% more during peak period.

Key words：Internet of vehicles; vehicle comprehensive fuel consumption; fuel consumption time; time series; analysis model

隨著全世界石油存儲(chǔ)量的不斷下降，能源危機(jī)與環(huán)境污染帶給汽車行業(yè)較大的挑戰(zhàn)，汽車經(jīng)濟(jì)性駕駛逐漸受到大家的關(guān)注，汽車經(jīng)濟(jì)性駕駛也稱為汽車生態(tài)駕駛。該種駕駛方式實(shí)則為一種駕駛輔助技術(shù)，可向汽車駕駛員提出減少車輛油耗的方案或者代替駕駛員自動(dòng)控制汽車;該種駕駛技術(shù)還包括車輛綜合油耗時(shí)序分析與建模。車輛綜合油耗與車輛發(fā)動(dòng)機(jī)設(shè)計(jì)、駕駛速度與駕駛操作、路況等因素有關(guān)，國內(nèi)的專家學(xué)者根據(jù)多種影響因素建立了相應(yīng)的車輛油耗模型。

以往提出的基于瞬態(tài)修正的車輛綜合油耗時(shí)間序列模型，該模型首先建立了穩(wěn)態(tài)油耗模型，并對穩(wěn)態(tài)油耗模型進(jìn)行了初步評估。然后根據(jù)評估結(jié)果采用瞬態(tài)修正技術(shù)建立了瞬時(shí)油耗模型，將模型中的瞬態(tài)變量與穩(wěn)態(tài)模型中的穩(wěn)態(tài)變量提取出來，確定車輛的瞬時(shí)狀態(tài)，分析車輛綜合油耗;但是這種模型評估結(jié)果相對較低[1]。還有學(xué)者提出了基于道路工況的車輛綜合油耗時(shí)間序列分析模型，該模型對車輛的行駛速度、車輛經(jīng)過道路交叉口油耗變化情況進(jìn)行了實(shí)驗(yàn)，分析了車輛行駛速度以及道路交叉口間距對車輛油耗的影響，并將變化數(shù)據(jù)進(jìn)行了提取;該模型對車輛油耗的預(yù)測精度較高，但實(shí)現(xiàn)較為困難[2]。

為此，本文提出了應(yīng)用車聯(lián)網(wǎng)的車輛綜合油耗時(shí)間序列分析模型。

1車輛綜合油耗有效數(shù)據(jù)提取

2車輛綜合油耗時(shí)間序列數(shù)據(jù)預(yù)處理

3應(yīng)用大渡河流域車聯(lián)網(wǎng)的車輛綜合油耗時(shí)間序列分析模型

3.1基于大渡河流域車聯(lián)網(wǎng)信息準(zhǔn)則選取

采用平均值濾波法與VSP-3σ方法在對車輛油耗數(shù)據(jù)進(jìn)行預(yù)處理后，需要對車輛的信息準(zhǔn)則進(jìn)行選擇，在選取過程中，采用大渡河流域車聯(lián)網(wǎng)中的車內(nèi)網(wǎng)實(shí)現(xiàn)車輛信息的交互，車輛與車輛之間可通過無線通信傳輸方式共享行駛過程中的車輛狀態(tài)信息，分析車輛目前的發(fā)動(dòng)機(jī)狀態(tài)各類數(shù)據(jù)信息，通過共享車輛狀態(tài)信息可協(xié)助駕駛員分析道路的車流情況，這是信息準(zhǔn)則選取的基礎(chǔ)[12-13]。

在選取信息準(zhǔn)則時(shí)，假設(shè)F為可以完全真實(shí)的反映車輛油耗情況的模型，G為可以近似的模擬車輛綜合油耗情況的模型，2個(gè)模型之間通過應(yīng)用車輛網(wǎng)可共享各自模型的車輛狀態(tài)信息。車輛的速度、加速度、發(fā)動(dòng)機(jī)轉(zhuǎn)速、車輛比功率信息等，應(yīng)用大渡河流域車聯(lián)網(wǎng)在共享過程中，模型F會(huì)給模型G帶來一定程度的信息損失;該種信息損失也可稱為信息距離，模型G與模型F之間的距離越小，說明模型F給模型G帶來的信息損失越少，表示模型G、模型F的近似度越高。兩個(gè)模型間的信息距離表達(dá)式可表示為：

3.2車輛綜合油耗時(shí)間序列分析模型

通過以上信息準(zhǔn)則的選取結(jié)果，接下來建立大渡河流域車輛綜合油耗時(shí)間序列分析模型。油耗分析模型的原理：利用車載設(shè)備對車輛內(nèi)部的油耗數(shù)據(jù)進(jìn)行分類，得到瞬時(shí)油耗、行駛油耗、油耗距離，并記錄總油耗。在日常記錄中確定數(shù)據(jù)情況，引用機(jī)器學(xué)習(xí)方法反復(fù)反饋油耗狀況，從而得到油耗健康狀況，將健康狀況設(shè)定為閾值，當(dāng)?shù)玫降慕Y(jié)果與閾值不同時(shí)，則要重新進(jìn)行風(fēng)險(xiǎn)處理。

時(shí)間序列模型具有較強(qiáng)的分析能力，可以通過離散數(shù)據(jù)集合反應(yīng)時(shí)間數(shù)據(jù)，將交通現(xiàn)象的內(nèi)在數(shù)量與交通現(xiàn)象之間的關(guān)系表達(dá)出來，運(yùn)用時(shí)間序列分析模型還可對交通情況進(jìn)行預(yù)測與分析，通過預(yù)測與分析結(jié)果來控制交通狀態(tài)。引用車輛網(wǎng)時(shí)間序列分析模型，本文運(yùn)用時(shí)間序列分析模型，主要通過時(shí)間序列分析模型將車輛綜合燃油消耗情況及時(shí)、詳盡的反映出來。時(shí)間序列的分析過程也是車輛動(dòng)態(tài)性分析的過程，應(yīng)用車輛網(wǎng)中的車載移動(dòng)網(wǎng)絡(luò)將車載系統(tǒng)的行為與歷史行為進(jìn)行統(tǒng)計(jì)，喚醒車載系統(tǒng)的動(dòng)態(tài)性，得到的分析模型：

由圖3可知，在車輛輸出功率為0時(shí)，車輛油耗出現(xiàn)了一個(gè)正的截距，此后隨著車輛輸出功率的增加而逐漸上升。 根據(jù)車輛油耗與車輛輸出功率之間的關(guān)系，基于發(fā)動(dòng)機(jī)轉(zhuǎn)矩的車輛綜合油耗時(shí)間序列分析模型可表示為：

4實(shí)驗(yàn)分析結(jié)果

為了驗(yàn)證本文提出的車輛綜合油耗時(shí)間序列分析模型的有效性，選用本文提出的時(shí)間序列分析模型和傳統(tǒng)的基于瞬態(tài)修正的車輛綜合油耗時(shí)間序列模型、基于道路工況的車輛綜合油耗時(shí)間序列分析模型進(jìn)行實(shí)驗(yàn)對比。根據(jù)車輛行駛路線，分別計(jì)算平峰期、高峰期下不同支路的車輛油耗。

4.1平峰期油耗分析結(jié)果

本文分別在大渡河流域的主干路、次干路和支路，對車輛綜合油耗進(jìn)行分析，結(jié)果如圖4所示。

根據(jù)圖4可知，在大渡河流域的主干路上，油耗波動(dòng)較大，浪費(fèi)的油耗相對較多。基于道路工況的車輛綜合油耗時(shí)間序列分析模型分析結(jié)果過于平穩(wěn)，難以確定波動(dòng)高峰期和低峰期的油耗;基于瞬態(tài)修正的車輛綜合油耗時(shí)間序列模型分析結(jié)果與實(shí)際結(jié)果相差過大，波動(dòng)范圍在0.5～3.5。而本文提出的油耗分析模型與實(shí)際模型相差較小，波動(dòng)范圍基本穩(wěn)定;因此更適合于主干路油耗分析。

由圖5可知，在平峰期，次干路油耗相對較小;因此本文模型和傳統(tǒng)模型，對于油耗的分析結(jié)果相對更準(zhǔn)確。本文提出的模型與實(shí)際結(jié)果相差更小，所以分析能力更強(qiáng)。

由圖6可知，基于道路工況的車輛綜合油耗時(shí)間序列分析模型，在對支路油耗進(jìn)行分析時(shí)，分析結(jié)果相差極大，分析的油耗結(jié)果基本穩(wěn)定在1.5 mL/s;但基于瞬態(tài)修正的車輛綜合油耗時(shí)間序列模型分析，其波動(dòng)范圍過大。

4.2高峰期油耗分析結(jié)果

同樣在大渡河流域的主干路、次干路和支路，對車輛綜合油耗進(jìn)行分析，得到油耗分析結(jié)果如圖7所示。

由圖7可知，隨著時(shí)間的增加，在高峰期油耗也在不斷增加，但是增加比較平穩(wěn)，分析模型在對油耗進(jìn)行分析時(shí)，會(huì)出現(xiàn)多次波動(dòng)，與傳統(tǒng)模型相比，本文提出的模型分析結(jié)果波動(dòng)更小，波動(dòng)結(jié)果更加準(zhǔn)確。高峰期次干路油耗分析實(shí)驗(yàn)，結(jié)果如圖8所示。

由圖7和圖8可知，與主干路相比，高峰期次干路油耗更小;因此3種模型的油耗分析結(jié)果更準(zhǔn)確。但是本文提出的分析模型分析結(jié)果始終高于傳統(tǒng)分析模型的分析結(jié)果。高峰期支路油耗分析實(shí)驗(yàn)，結(jié)果如圖9所示。

由圖9可知，高峰期支路油耗分析結(jié)果呈現(xiàn)非線性波動(dòng)，但是傳統(tǒng)的2種分析模型分析結(jié)果都為線性結(jié)果。而本文提出的模型呈現(xiàn)非線性結(jié)果，這與實(shí)際結(jié)果更貼近。

綜上所述，本文提出的油耗分析模型對于主干路、次干路和支路都有較強(qiáng)的分析能力。尤其對于油耗波動(dòng)，分析效果好于傳統(tǒng)分析模型，更適合于應(yīng)用到大渡河流域項(xiàng)目中。

5結(jié)語

隨著世界石油儲(chǔ)量的逐年下降，汽車行業(yè)正面臨著能源危機(jī)，為了更好的反映出車輛油耗與車輛狀態(tài)信息之間的聯(lián)系，實(shí)現(xiàn)生態(tài)性駕駛，本文提出了應(yīng)用大渡河流域車聯(lián)網(wǎng)的車輛綜合油耗時(shí)間序列分析模型，通過該模型的建立，實(shí)現(xiàn)了對車輛動(dòng)態(tài)性的分析，通過該模型可預(yù)測車輛的燃油消耗，從而控制車輛的行駛，最大化的利用石油能源。

本文存在的不足：沒有根據(jù)車輛狀態(tài)信息對車輛綜合油耗時(shí)間序列分析模型進(jìn)行選取，在下一次的研究中，將針對此項(xiàng)進(jìn)行重點(diǎn)分析。

【參考文獻(xiàn)】

[1]金輝，周敏，李世杰.基于瞬態(tài)修正的車輛燃油消耗模型建模[J].北京理工大學(xué)學(xué)報(bào)，2017，37（5）：473-477.

[2]周曉，唐宇舟，劉強(qiáng).基于卡爾曼濾波的道路平均速度預(yù)測模型研究[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2020（4）：392-396.

[3]曾小華，李廣含，宋大鳳，等.基于能量計(jì)算模型的混合動(dòng)力系統(tǒng)理論油耗分析[J].汽車工程，2019， 41（3）：31-39.

[4]秦嚴(yán)嚴(yán)，王昊，何兆益，等.基于比功率的自動(dòng)駕駛交通流油耗分析[J].交通運(yùn)輸系統(tǒng)工程與信息，2020，20（1）：95-100.

[5]孟祥飛，王仁廣，徐元利.雙行星排汽車純電驅(qū)動(dòng)模式的轉(zhuǎn)矩分配策略[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2020，54（11）：153-162.

[6]王學(xué)平，劉志超，陸春，等.48V車型換檔提醒裝置的國家標(biāo)準(zhǔn)分析與節(jié)能性[J].汽車安全與節(jié)能學(xué)報(bào)，2019，10（1）：92-98.

[7]梁瑋，滿興家，王偉.某前置前驅(qū)車油耗一致性的試驗(yàn)與仿真[J].汽車安全與節(jié)能學(xué)報(bào)，2019，10（3）：374-382.

[8]張鵬煒，郭承亮，王文軍，等.特種車輛非接觸式油耗實(shí)時(shí)監(jiān)測系統(tǒng)設(shè)計(jì)[J].自動(dòng)化儀表，2019，40（10）：61-65.

[9]胡志遠(yuǎn)，付佳銘，韓維維，等.怠速起停對汽油車油耗及顆粒數(shù)量排放的影響[J].中國環(huán)境科學(xué)，2020，40（3）：1 016-1 022.

[10]閆峰，趙偉，王玉偉，等.不同技術(shù)類型車輛國Ⅵ標(biāo)準(zhǔn)適應(yīng)性研究[J].小型內(nèi)燃機(jī)與摩托車，2019，48（5）：56-60.

[11]任偉，黃建平，殷金菊，等.基于Cruise仿真的DCT變速器預(yù)選擋策略對油耗的影響分析[J].機(jī)械傳動(dòng)，2019， 43（9）：139-142.

[12]張巖，段煉，袁俠義，等.插電式混合動(dòng)力汽車低SOC能量流試驗(yàn)研究[J].汽車工程，2020，42（5）：688-693.

[13]周鮮成，劉長石，周開軍，等.時(shí)間依賴型綠色車輛路徑模型及改進(jìn)蟻群算法[J].管理科學(xué)學(xué)報(bào)，2019，22 （5）：62-73.

[14]趙志學(xué)，李夏苗，周鮮成.考慮擁堵區(qū)域的多車型綠色車輛路徑問題優(yōu)化[J].計(jì)算機(jī)應(yīng)用，2020，40（3）： 883-890.