隨著中國經濟的高速發(fā)展,機動車保有量逐年激增。機動車的廣泛應用提高了人民群眾的生活質量,同時也帶來了嚴重的環(huán)境污染。對駕駛員的駕駛操作進行節(jié)能分析研究,評價其節(jié)能駕駛水平,對于減少交通運輸行業(yè)的能源消耗具有重要的意義。目前對駕駛員節(jié)能評價的研究忽略了車輛行駛工況對駕駛模式的影響,通常在選定的路段開展研究,存在應用場景較為單一的不足。本文提出了一種基于機器學習的駕駛員節(jié)能評價方法,將車輛行駛工況應用于駕駛員節(jié)能評價中,消除道路交通狀況對節(jié)能評價的影響。首先,本文通過行程分析法劃分運動學片段,基于主成分分析和聚類分析法,按車輛的行駛特點從整體上進行分類,構建車輛行駛工況數(shù)據集。其次,以分析車輛燃油經濟性為主要目的,基于采集的車輛CAN總線數(shù)據,研究影響車輛燃油消耗的主要因素,歸納節(jié)能行駛特征參數(shù)。然后,基于SMOTE算法對運動學片段數(shù)據集進行處理,解決數(shù)據樣本分布不平衡的問題。最后,基于機器學習算法,建立運動學片段分類模型,分類模型可根據不同分類場景,自適應選擇隨機森林、支持向量機、k近鄰以及XGBoost中效果最佳的算法進行組合,進而分析運動學片段的節(jié)能程度。通過基于加權評分法的節(jié)能評價... 

【文章來源】：哈爾濱工程大學黑龍江省 211工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

運動學片段的“車速–時間”折線圖

運動學片段時長分布

某公交車行駛速度分布情況

【參考文獻】：
期刊論文
[1]數(shù)據挖掘中的分類算法綜述[J]. 魏茂勝.  網絡安全技術與應用. 2017(06)
[2]基于改進網格搜索算法的隨機森林參數(shù)優(yōu)化[J]. 溫博文,董文瀚,解武杰,馬駿.  計算機工程與應用. 2018(10)
[3]XGBoost算法在電子商務商品推薦中的應用[J]. 張昊,紀宏超,張紅宇.  物聯(lián)網技術. 2017(02)
[4]基于網格搜索與交叉驗證的SVM磨機負荷預測[J]. 羅小燕,陳慧明,盧小江,熊洋.  中國測試. 2017(01)
[5]基于聚類和馬爾可夫鏈的公交車典型行駛工況構建[J]. 苗強,孫強,白書戰(zhàn),閆偉,李國祥.  中國公路學報. 2016(11)
[6]基于加權合成少數(shù)類過采樣技術的故障診斷[J]. 韓志艷,王健.  計算機技術與發(fā)展. 2016(09)
[7]基于決策樹C4.5算法的個人駕駛行為分析[J]. 劉凱利,李晉宏.  軟件. 2016(06)
[8]基于車聯(lián)網數(shù)據挖掘的營運車輛駕駛速度行為聚類研究[J]. 孫川,吳超仲,褚端峰,杜志剛,田飛.  交通運輸系統(tǒng)工程與信息. 2015(06)
[9]國外生態(tài)駕駛推廣的借鑒和啟示[J]. 顧九春,姚琛.  道路交通與安全. 2015(05)
[10]淺談天行健車聯(lián)網大數(shù)據分析[J]. 王學軍,徐國強,孔偉偉.  汽車實用技術. 2015(08)

碩士論文
[1]基于HMM的駕駛模式識別方法研究及應用[D]. 蕭超武.華南理工大學 2015
[2]公交車行駛工況與排放特征的研究[D]. 董清泉.青島大學 2014
[3]城市公交車駕駛節(jié)能技術的研究[D]. 王延偉.長安大學 2010



本文編號：3553871