[发明专利]一种基于频繁模式挖掘的车辆运输效率分析方法

说明书

一种基于频繁模式挖掘的车辆运输效率分析方法，通过智能加载传感器获得车辆数据，对车辆数据进行预处理，得到完整的车辆数据；对完整的车辆数据进行计算，得到车辆属性信息；对车辆属性信息进行大数据感知，得到属性数据；采用频繁模式挖掘算法确定各属性数据之间的相关性度量值，通过计算两者之间的提升度，得到各个因素之间的相关性，确定影响油耗的最大因素，分析出对车辆运输效率影响的相关性因素，以降低车辆的燃油消耗为目的，进而提高车辆的运输效率。相较于现有技术,本发明能更精准地分析出影响车辆燃油消耗的主要因素，有效的得出影响车辆运输效率的相关性因素，通过降低车辆的燃油消耗，来提高车辆的运输效率。

技术领域

本发明属于生态驱动领域，具体涉及一种基于频繁模式挖掘的车辆运输效率分析方法。

背景技术

经济快速发展的同时增加了对运输业的大规模需求，运输业的重要性也伴随着经济的不断发展而快速提高，不管是旅客运输还是货物运输的发展和变化都成为国民经济发展的重要部分，而其中道路货运又成为运输业的重中之重。道路货运飞速发展的同时刺激了重型商用车的快速增长。随着我国高速公路网络的增长和计重收费在全国各地的全面实施，重型卡车在运输效益方面的优势也越发明显，在道路货运中所承担的周转量越来越大，使得重卡商用车在道路货运周转量中保持领先地位。同时，重型商用车行业一直专注于提高货运效率,降低客户的总运营成本来实现理想的盈利，其中最主要就是增强车辆的燃油经济性。随着重型商用车的不断增长，随之而来的污染物排放对环境的影响以及燃油消耗对能源效率的影响是全球面临的主要问题。因此如何有效的降低燃油消耗量成为重型商用车面临的重要挑战。

目前人们旨在改善车辆和交通管理技术的大量创新。在实际的运输任务中，可以采用基于动力总成控制和智能运输系统中最先进技术的许多优化可能性来平衡燃油效率。此外，基于云的新型控制策略可以集成不同的数据和信息：预测交通，天气状况，道路地形，用于燃油消耗优化的最佳速度曲线等。影响重型商用卡车运输效率的因素有很多，而主要体现在车辆行驶道路状况(上坡下坡)，车辆行驶过程中的加减速，车辆行驶中所处的状态(怠速、离合、空挡)以及车辆的行驶路线等。优化这些相关因素在一定程度上可以减少燃油的消耗，促进节能驾驶，进一步提高运输效率。

在重型商用车燃油消耗因素影响方面，现有的研究方法有：

1、使用便携式发射测量系统(PEMS)从HDDVS(重型柴油车)收集燃料消耗和排放的真实世界数据，分析HDDVS的驾驶行为，并确定关键影响因素，研究发现高速行驶、加速行驶以及怠速、低速行驶是造成高油耗和高排放率的主要原因，该研究也提出，行驶距离也应该是计算总油耗和排放的一个重要参数，但该研究并没有考虑不同的道路状况对高油耗和高排放量的影响。

2、利用模型预测控制(MPC)机制的生态(eco)驱动系统(EDS)，该机制为前方给定的道路坡度曲线生成最佳速度轨迹，以最大限度地减少行驶在多山公路上的车辆的能耗和二氧化碳排放，结果显示，MPC比传统的人驾驶系统减少能耗分别高出上坡5.7％和6.4％，下坡7.2％和8.24％，此外，CO₂排放量显著减少，但是，该研究只考虑了一辆行驶在丘陵自由公路上的车辆，并且没有考虑由数码路线图所取得的各种斜坡形状的真实道路。

发明内容

本发明的目的在于提出一种基于频繁模式挖掘的车辆运输效率分析方法。

为实现上述目的，本发明采用如下的技术方案：

一种基于频繁模式挖掘的车辆运输效率分析方法，包括以下步骤：

步骤一：通过车载GPS传感器获取车辆数据，车辆数据包括GNSS数据集、车辆发动机数据集、车辆行驶数据集、车辆部件数据集以及车辆油耗数据集；

步骤二：对车辆数据进行预处理，得到完整的车辆数据；

步骤三：对步骤二中完整的车辆数据进行计算，得到车辆属性信息；