基于深度学习的公交行驶状态评价与建议方法研究.pdfVIP

重庆大学硕士学位论文 中文摘要 摘 要 驾驶员的驾驶决策决定了驾驶的安全性，同时也影响了车辆的尾气排放以及能 耗等级。保持优秀的行驶状态不仅能降低能源消耗，而且还能提高驾乘舒适性和安 全性。让车辆保持优秀的行驶状态需要利用大量驾驶数据进行驾驶数据建模，根据 建模处理的结果，为驾驶员提供实时的行驶状态的评价与建议，帮助驾驶员做出驾 驶决策，并提升驾乘舒适性和降低能耗。 为了实现公交车行驶状态优化，本文提出了一种面向评价区域的公交车行驶状 态评价方法，并给出了评价区域的定义；然后采用深度学习神经网络进行公交车数 据集训练，训练后的网络可以为驾驶员提供行驶状态的评价与建议，具体内容如下： 1 ○叙述了进行公交车行驶状态评价与建议的背景和意义，分析了国内外关于驾 驶数据建模、对行驶状态的评价与建议以及深度学习在行驶状态方面的研究现状。 2 ○提出了本文公交车行驶状态分析的系统框架，介绍并确定了公交车行驶状态 分析所使用的关键技术。 3 ○从生态驾驶的节能性与舒适性出发，介绍了基于评价区域的公交车行驶状态 模型与模型中的数据处理的流程，然后根据本文划分的评价区域、时段以及空调的 使用情况进行了数据分片，对每个数据分片进行聚类分析后得到优秀公交车行驶 状态数据集，并将该数据集作为深度学习神经网络的训练样本。 4 ○利用长短时记忆网络设计了公交车行驶状态评价与建议的神经网络，并对本 文提出的模型进行验证，实验结果表明，本文基于评价区域的公交车行驶状态模型 建立的神经网络能给出合理的行驶状态的评价与建议。实验最后还给出了本文模 型的实际应用场景，以及利用本文开发的实时反馈系统的跟车测试结果。 关键词：公交车行驶状态；评价区域；长短时记忆网络；行驶建议 I 重庆大学硕士学位论文 英文摘要 ABSTRACT Drivers’ decision is an important aspects that can affect the driving safety, at the same time, it also affects vehicle exhaust emissions and energy consumption level. Keeping good driving status can not only improve ride safety and comfort, but also reduce fuel consumption. Keeping the driver in good driving status firstly requires a large amount of driving data to model driving data. According to the results of modeling processing, the driver is provided with real-time evaluation and suggestions of driving status. This kind of research can help drivers improve driving skill, improve driving comfort and reduce energy consumption. Based on optimizing the state of bus driving status, this paper proposes a new concept- the evaluation zone, which are special driving areas that has great influence on energy consumption and ride comfort. Then, an evalu