Data-driven fuel consumption estimation: A multivariate adaptive regression spline approach

ارائه راهنمایی و اطلاعات به رانندگان برای کمک به آنها در انتخاب گزینه های کارآمد با استفاده از راهکار مهمی و موثر در کوتاه مدت برای کاهش مصرف سوخت از بخش حمل و نقل است. یکی از مولفه های اصلی در اجرای این استراتژی یک مدل تخمین مصرف سوخت است. در این مقاله، ما یک مدل تخمین مصرف سوخت مزوسکوپی را که می تواند در یک سیستم مسیریابی زیست محیطی اجرا شود، ایجاد کرد. مدل پیشنهادی ما چارچوبی را ارائه می دهد که اطلاعات رانندگی در دنیای واقعی را در بر می گیرد، خوشه های جاده ای را با سرعت جریان آزاد و متناسب با یک مدل آماری برای هر خوشه ای. این مدل شامل پیش بینی متغیرهایی است که به ندرت یا هرگز در نظر گرفته نشده اند مانند سرعت جریان آزاد و تعداد خطوط. ما مدل را به یک داده رانندگی در دنیای واقعی بر اساس نظرسنجی سفر جهانی سیستم موقعیت یابی در منطقه شهری فیلادلفیا-کامدن-ترنتون اعمال کردیم. نتایج تجزیه و تحلیل آماری نشان می دهد که متغیرهای مستقل ما بر میزان مصرف سوخت وسایل نقلیه تأثیر می گذاریم. اما اندازه و جهت تأثیرات وابسته به نوع ارتباطات جاده ای، به ویژه سرعت جریان آزاد لینک است. برای اطمینان از اعتبار مدل ها و نتایج، یک تشخیص آماری انجام می شود. اگرچه داده های رانندگی در دنیای واقعی ما برای توسعه روابط آماری خاص در یک منطقه استفاده می شود، چارچوبی که توسعه دادیم می توان به راحتی تنظیم کرد و برای کشف ارتباط مصرف سوخت در سایر مناطق استفاده کرد.