摘要
在当下智能时代,对于准确还原载货车辆行驶时的质量,成为了分析车辆动力需求和优化控制策略的核心问题.然而,面对着诸如干扰大、场景多、采集间隔长等挑战,针对行车大数据的车重估计往往表现出明显的波动.这其中,平均每百秒进行四次换挡,持续 6 秒的刹车的情形更是屡见不鲜.现有的算法往往难以在信息干扰大、数据缺失等复杂场景下有效应对.因此,本研究以概率统计为基础,提出了一种基于核密度估计的车重还原方法.通过对驾驶行为的深入分析,建立了有效的数据筛选原则.在此基础上,利用车辆纵向动力学方程和递推最小二乘法,完成了对车重的精准估计,并采用核密度估计的技术对所得结果进行了深入分析,以还原真实的车辆质量.此外,针对数据中刹车和换挡等因素的影响,对算法的误差适应性进行了详尽分析.研究结果显示,在换挡和刹车等误差干扰下,所提方法的估计结果稳定在 5%以内,成功实现了对载货车辆历史行驶过程中车重的精确还原和追溯.这一研究不仅提供了一种全新的数据智能方法,更为解决行车大数据分析中的实际问题提供了有力支持.
基金项目
广西壮族自治区重点研发计划(桂科AB22080085)
重点研发项目(桂科AB21220059)
NETL
NSTL
万方数据