[论文解读] Eco-Routing based on a Data Driven Fuel Consumption Model

Xianan Huang, Huei Peng|arXiv (Cornell University)|Jan 18, 2018

Vehicle emissions and performance参考文献 12被引用 22

一句话总结

本文提出了一种基于六个多月真实驾驶数据的非参数化燃油消耗模型，数据来自美国安娜堡2,000辆汽车，结合道路坡度数据及通过Autonomie进行的仿真，以实现节能路径规划。研究证明，节能路径规划可显著降低燃油消耗，且在旅行时间受限的变体方案中，仅带来极小的旅行时间增加，同时保持了大部分燃油节省效果。

ABSTRACT

A nonparametric fuel consumption model is developed and used for eco-routing algorithm development in this paper. Six months of driving information from the city of Ann Arbor is collected from 2,000 vehicles. The road grade information from more than 1,100 km of road network is modeled and the software Autonomie is used to calculate fuel consumption for all trips on the road network. Four different routing strategies including shortest distance, shortest time, eco-routing, and travel-time-constrained eco-routing are compared. The results show that eco-routing can reduce fuel consumption, but may increase travel time. A travel-time-constrained eco-routing algorithm is developed to keep most the fuel saving benefit while incurring very little increase in travel time.

研究动机与目标

• 基于真实驾驶数据开发一种非参数化燃油消耗模型，用于节能路径规划应用。
• 评估不同路径规划策略中燃油节省与旅行时间之间的权衡。
• 设计一种旅行时间受限的节能路径规划算法，以在限制时间增加的同时保留大部分燃油节省效果。
• 对比多种路径规划策略，包括最短距离、最短时间、标准节能路径规划以及时间受限的节能路径规划。
• 利用真实车辆数据和高分辨率路网信息对模型进行验证。

提出的方法

• 基于在密歇根州安娜堡收集的六个多月真实驾驶数据，训练非参数化燃油消耗模型。
• 提取超过1,100公里路网的道路坡度信息，以提高燃油消耗估算的准确性。
• 使用车辆仿真软件Autonomie，计算路网中所有行程的燃油消耗。
• 评估四种路径规划策略：最短距离、最短时间、节能路径规划以及旅行时间受限的节能路径规划。
• 旅行时间受限的节能路径规划算法通过设定最大可接受时间增加，限制绕行距离。
• 通过比较不同策略下的燃油消耗和旅行时间，评估性能表现。

实验结果

研究问题

• RQ1 基于数据驱动的非参数化燃油消耗模型在实现精准节能路径规划方面效果如何？
• RQ2 与传统路径规划策略相比，节能路径规划在多大程度上可降低燃油消耗？
• RQ3 节能路径规划中，燃油节省与旅行时间增加之间的权衡关系如何？
• RQ4 旅行时间受限的节能路径规划算法是否能在最小化时间成本的同时，保持显著的燃油节省效果？
• RQ5 在真实城市路网中，不同路径规划策略在燃油效率和旅行时间方面的表现如何？

主要发现

• 与最短距离和最短时间路径规划相比，节能路径规划可显著降低燃油消耗。
• 标准节能路径规划虽带来显著燃油节省，但因路线绕行导致旅行时间增加。
• 旅行时间受限的节能路径规划算法在仅带来极小旅行时间增加的情况下，实现了接近无约束节能路径规划的燃油节省效果。
• 基于真实世界数据训练的非参数化燃油消耗模型，能有效捕捉复杂的驾驶行为和道路条件。
• 结合详细的道路坡度数据与车辆仿真（Autonomie），显著提升了燃油消耗估算的准确性。
• 研究结果证明了在真实城市环境中，基于数据驱动的节能路径规划具有可行性与有效性。