要約
アダプティブクルーズコントロール(ACC)システムを搭載した自動運転車(AV)は、高度道路交通システムの燃料消費量削減に期待されています。
この論文では、実証データによって校正および検証された、微小軌道データに基づく新しいエネルギー消費モデルである Advanced ACC-Micro (AA-Micro) モデルを紹介します。
ACC システムを搭載した市販の AV をテスト プラットフォームとして利用し、実験はコロンバス 151 スピードウェイで行われ、複数の ACC および人間主導 (HV) のテスト実行からデータを取得しました。
校正された AA-Micro モデルは、従来のエネルギー消費モデルの機能を統合し、優れた適合度を実証し、過剰適合することなく ACC システムのエネルギー消費を予測する際に 90% という驚異的な精度を達成します。
エネルギー消費量と車両軌道の予測における AA-Micro モデルの適用性と適応性の包括的な統計評価により、RMSE 値の最小の分散と均一な RSS 分布によって証明される、ACC 車両に対するモデルの強力な一貫性と信頼性が示されました。
逆に、このモデルを HV データに適用すると、重大な矛盾が観察され、HV および ACC システムのエネルギー消費を正確に予測するには、おそらくそれらの異なるエネルギー消費特性に起因する特殊なモデルの必要性が強調されました。
要約(オリジナル)
The automated vehicle (AV) equipped with the Adaptive Cruise Control (ACC) system is expected to reduce the fuel consumption for the intelligent transportation system. This paper presents the Advanced ACC-Micro (AA-Micro) model, a new energy consumption model based on micro trajectory data, calibrated and verified by empirical data. Utilizing a commercial AV equipped with the ACC system as the test platform, experiments were conducted at the Columbus 151 Speedway, capturing data from multiple ACC and Human-Driven (HV) test runs. The calibrated AA-Micro model integrates features from traditional energy consumption models and demonstrates superior goodness of fit, achieving an impressive 90% accuracy in predicting ACC system energy consumption without overfitting. A comprehensive statistical evaluation of the AA-Micro model’s applicability and adaptability in predicting energy consumption and vehicle trajectories indicated strong model consistency and reliability for ACC vehicles, evidenced by minimal variance in RMSE values and uniform RSS distributions. Conversely, significant discrepancies were observed when applying the model to HV data, underscoring the necessity for specialized models to accurately predict energy consumption for HV and ACC systems, potentially due to their distinct energy consumption characteristics.
arxiv情報
著者 | Ke Ma,Zhaohui Liang,Hang Zhou,Xiaopeng Li |
発行日 | 2024-08-21 17:41:42+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google