驾驶人行为习惯很大程度上影响了车辆的油耗及尾气排放.厘清不良驾驶行为(如怠速和急加减速等)与车辆碳排放的关系,对城市碳减排具有重要意义.基于广泛高精度的轨迹数据,结合车辆比功率(vehicle specific power,VSP)法计算不同尺度的碳...驾驶人行为习惯很大程度上影响了车辆的油耗及尾气排放.厘清不良驾驶行为(如怠速和急加减速等)与车辆碳排放的关系,对城市碳减排具有重要意义.基于广泛高精度的轨迹数据,结合车辆比功率(vehicle specific power,VSP)法计算不同尺度的碳排放特征,构建驾驶行为特征集;分析车辆碳排放分布,利用t-分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法进行特征约简,并基于k-medoids算法进行聚类分析,捕捉高碳排放驾驶行为的共性;利用最大信息系数(maximal information coefficient,MIC)算法分析不同优先级车辆驾驶行为对碳排放的影响.结果表明,聚类分析将车辆划分为怠速型、普通型及急变速型3类,对应占比分别为28.8%、44.9%及26.3%,碳排放与道路优先级存在明显相关性,主次路车辆碳排放分布差异显著.高优先级车辆碳排放与车辆加速类特征相关性强,对于低优先级车辆,航向角变化值、怠速比例、最小车速与车辆碳排放相关性强.通过识别碳排放高的驾驶行为,提出针对性减少车辆动态运行状态下碳排放的措施,有利于完善城市碳减排体系建设.展开更多
文摘驾驶人行为习惯很大程度上影响了车辆的油耗及尾气排放.厘清不良驾驶行为(如怠速和急加减速等)与车辆碳排放的关系,对城市碳减排具有重要意义.基于广泛高精度的轨迹数据,结合车辆比功率(vehicle specific power,VSP)法计算不同尺度的碳排放特征,构建驾驶行为特征集;分析车辆碳排放分布,利用t-分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法进行特征约简,并基于k-medoids算法进行聚类分析,捕捉高碳排放驾驶行为的共性;利用最大信息系数(maximal information coefficient,MIC)算法分析不同优先级车辆驾驶行为对碳排放的影响.结果表明,聚类分析将车辆划分为怠速型、普通型及急变速型3类,对应占比分别为28.8%、44.9%及26.3%,碳排放与道路优先级存在明显相关性,主次路车辆碳排放分布差异显著.高优先级车辆碳排放与车辆加速类特征相关性强,对于低优先级车辆,航向角变化值、怠速比例、最小车速与车辆碳排放相关性强.通过识别碳排放高的驾驶行为,提出针对性减少车辆动态运行状态下碳排放的措施,有利于完善城市碳减排体系建设.
