电动汽车续航里程估计准确度评价

提高电动汽车续航里程估计准确度是缓解消费者里程焦虑的重要手段,为了提高估计准确度,首先就要在行业内建立统一的评价标准。以电动汽车实际续航里程和仪表显示续航里程为参数建立了一元线性回归的数学模型,然后利用确定系数、欧氏距离和平均误差对11辆纯电动汽车在常温、高温、低温环境中的续航里程估计准确度进行了评价。由结果可知:对于大部分车型,常温的续航里程估计准确度最好,高温次之,低温最差;确定系数相比于欧式距离和平均误差能更好地评价续航里程估计准确度,最后根据试验结果在《EV-TEST管理规则》(2017版)框架内建立了评分规则,为企业和消费者提供了参考。

基于在线有向无环图的船舶轨迹压缩算法

为了解决船舶轨迹数据的压缩问题,提出了一种船舶轨迹在线压缩算法;使用多次滑动推算船位判断方法清洗船舶轨迹,使用在线有向无环图在干净轨迹上建立压缩路径树并输出采样点;为了提高轨迹队列和路径树在内存中的查询速度,使用哈希表对其进行管理;为了验证提出算法的效果,比较了真实船舶自动识别系统数据与方向保留算法、道格拉斯-普克算法的压缩时间和误差,采用可视化方法分析了原始轨迹、清洗轨迹和压缩轨迹。试验结果表明:在压缩时间方面,方向保留算法和道格拉斯-普克算法的压缩时间分别约为提出算法的1.1、1.3倍,说明提出的算法比其他2种算法的处理时间更短;提出的算法在压缩过程中保留了时间信息,平均同步欧氏距离误差在任何压缩率下都能保持在10 m以下,最大同步欧氏距离误差在压缩率为1%时仅有127 m,而其他2种算法的平均同步欧氏距离误差和最大同步欧氏距离误差不受控制,会随机变化;在垂直距离误差方面,提出的算法与道格拉斯-普克算法在压缩率不小于5%的条件下,都能保证垂直距离误差小于20 m,而方向保留算法的垂直距离误差会随机变化;在显示效果方面,提出的算法能有效清除轨迹噪声点,压缩轨迹能够较好地代表原始轨迹的宏观交通流情况。可见,提出的算法能更高效地保留原始轨迹的形状和时间信息。