BP神经网络在液化天然气客车能耗估算中的应用

doi:10.3969/j.issn.1674-0696.2019.10.21

重庆交通大学学报（自然科学版） ›› 2019, Vol. 38 ›› Issue (10): 133-138.DOI: 10.3969/j.issn.1674-0696.2019.10.21

• 载运工具与机电工程 • 上一篇

BP神经网络在液化天然气客车能耗估算中的应用

李绍春1，初永玲1，廉静2，廖宝梁3，吕承举3，纪少波2

(1. 烟台职业学院，山东烟台 264670； 2. 山东大学，能源与动力工程学院，山东济南 250061； 3. 山东省交通科学研究院，山东济南 250031)

收稿日期:2018-09-07 修回日期:2019-01-17 出版日期:2019-10-14 发布日期:2019-10-14
作者简介:李绍春(1976—)，男，山东济南人，副教授，博士，主要从事汽车运用工程方面的研究。E-mail：147732219@qq.com。通信作者：纪少波(1979—)，男，山东济南人，副教授，博士，主要从事营运车辆能耗分析方面的研究。E-mail：jobo@sdu.edu.cn。
基金资助:
“低品位能源利用技术及系统”教育部重点实验室开放基金项目(LLEUTS-201805)；“内燃机燃烧学”国家重点实验室开放基金项目(K2017-09)；中国博士后基金项目(2015M572029)

Application of BP Neural Network in Energy Consumption Estimation of Liquefied Natural Gas Bus

LI Shaochun1, CHU Yongling1, LIAN Jing2, LIAO Baoliang3, LV Chengju3, JI Shaobo2

(1. Yantai Vocational College, Yantai 264670, Shandong, P. R. China; 2. School of Energy and Power Engineering, Shandong University, Jinan 250061, Shandong, P. R. China; 3. Shandong Transportation Institute, Jinan 250031, Shandong, P. R. China)

Received:2018-09-07 Revised:2019-01-17 Online:2019-10-14 Published:2019-10-14

摘要/Abstract

摘要： 为解决交通运输行业能源消耗量巨大的问题，基于山东省部分交通运输企业运输装备的日常运营数据建立交通运输能耗统计监测体系，以此对交通运输能耗进行宏观把控，寻求有效降低交通运输能耗的方法。首先分析影响营运车辆能耗的主要因素，并基于BP神经网络建立能耗预测模型，并对模型进行检验，以此实现山东省交通运输企业运输装备能耗的准确预测。结果表明：影响车辆能耗的主要因素有周转量、客运量、载运行程以及实载率；BP神经网络能够实现预测营运车辆能耗的有效预测，预测精度达到87%，能够为出有效降低能耗措施提供理论基础。

关键词: 交通工程, 能耗估算模型, BP神经网络, 营运车辆, 预测

Abstract: In order to solve the problem of huge energy consumption of transportation industry, a statistical monitoring system of transportation energy consumption was established based on the daily operation data of transportation equipment of some transportation enterprises in Shandong Province. Therefore, the transportation energy consumption was controlled macroscopically, in order to find effective ways to reduce the transportation energy consumption. Firstly, the main factors that affected the transportation energy consumption were analyzed. Then, the energy consumption estimation model was established based on BP neural network and was tested, to achieve the accurate prediction of transportation equipment energy consumption in Shandong transportation enterprises. The results show that the main factors that affect the energy consumption of vehicles are turnover, passenger volume, carrying capacity and actual load rate; BP neural network can realize the effective prediction of energy consumption of commercial vehicles and the prediction accuracy reaches 87%, which can provide theoretical basis for effective measures to reduce energy consumption.

Key words: traffic engineering, energy consumption estimation model, BP neural network, commercial vehicles, prediction

中图分类号:

U492.7

李绍春1，初永玲1，廉静2，廖宝梁3，吕承举3，纪少波2. BP神经网络在液化天然气客车能耗估算中的应用[J]. 重庆交通大学学报（自然科学版）, 2019, 38(10): 133-138.

LI Shaochun1, CHU Yongling1, LIAN Jing2, LIAO Baoliang3, LV Chengju3, JI Shaobo2. Application of BP Neural Network in Energy Consumption Estimation of Liquefied Natural Gas Bus[J]. Journal of Chongqing Jiaotong University(Natural Science), 2019, 38(10): 133-138.

参考文献

［1］张陶新，周跃云，赵先超.中国城市低碳交通建设的现状与途径分析［J］.城市发展研究，2011，18(1)：68-73.
ZHANG Taoxin, ZHOU Yueyun, ZHAO Xianchao. Analysis on the status and development path of the Chinas urban low-carbon transport［J］. Urban Studies, 2011, 18(1):
68-73.
［2］吴文青，夏杰.Simpson改进的灰色神经网络在汽车保有量中的预测［J］.重庆交通大学学报(自然科学版)，2019，38(9)：96-99.
WU Wenqing, XIA Jie. Forecasting Chinas car ownership by grey neural network with Simpson formula［J］. Journal of Chongqing Jiaotong University(Natural
Science), 2018, 38(9): 96-99.
［3］李扬.基于可持续发展理论的我国公路交通发展模式研究［D］.大连：大连海事大学，2013.
LI Yang.Study on Road Transport Development Model Based on Sustainable Development Theory［D］. Dalian: Dalian Maritime University, 2013.
［4］赵晓华，姚莹，伍毅平，等.基于主成分分析与BP神经元网络的驾驶能耗组合预测模型研究［J］.交通运输系统工程与信息，2016，16(5)：185-191.
ZHAO Xiaohua, YAO Ying, WU Yiping, et al. Prediction model of driving energy consumption based on PCA and BP network［J］. Journal of Transportation Systems
Engineering and Information Technology, 2016, 16(5): 185-191.
［5］王松.对我国汽车节能减排的思考［J］.科技资讯，2012(7)：143-143.
WANG Song. Reflections on Chinasenergy saving and emission reduction of automobile［J］. Science & Technology, 2012(7): 143-143.
［6］彭应登.北京近期雾霾污染的成因及控制对策分析［J］.工程研究—跨学科视野中的工程，2013，5(3)：233-239.
PENG Yingdeng. Analysis of thecauses of recent Beijing haze pollution and its countermeasures［J］. Journal of Engineering Studies, 2013, 5(3): 233-239.
［7］交通运输部.“十三五”交通运输发展的基本思路［J］.中国物流与采购，2016(5)：53-55.
Ministry of Transport of PRC.Basic thoughts on the development of transportation in the 13th Five-Year Plan［J］. Logistics and Procurement in China, 2016(5): 53-
55.
［8］杨传堂.“十三五”时期交通运输发展形势和基本思路［J］.中国水运，2016(1)：10-14.
YANG Chuantang. The development situation of transportation and basic concept of the 13th Five-Year Period［J］. China Water Transport, 2016(1): 10-14.
［9］赵光辉.“十三五”时期中国交通服务战略展望［J］.改革与战略，2015(5)：70-76.
ZHAO Guanghui. The prospect of Chinese traffic service strategy during the period of 13th Five-Year［J］. Reformation & Strategy, 2015(5): 70-76.
［10］郑宝成.汽车节能减排的若干途径分析［J］.科技创新与应用，2015(16)：149-149.
ZHENG Baocheng. Analysis ofseveral ways of energy saving and emission reduction for automobiles［J］. Innovation and Application of Science and Technology, 2015
(16): 149-149.
［11］刘娟娟.基于VSP分布的油耗和排放的速度修正模型研究［D］.北京：北京交通大学，2010.
LIU Juanjuan.Speed Correction Model for Vehicle Emissions and Fuel Consumption Based on VSP Distributions［D］. Beijing: Beijing Jiaotong University, 2010.
［12］隗海林，赖祥翔，黄朝胜，等.基于速度和加速度概率分布的电动汽车能耗计算模型［J］.吉林大学学报(工学版)，2014，44(6)：1591-1595.
KUI Hailin, LAI Xiangxiang, HUANG Chaosheng, et al. EV calculation model of energy consumption based on velocity and acceleration distribution［J］. Journal of
Jilin University(Engineer and Technology Edition), 2014, 44(6): 1591-1595.
［13］谢春磊，张勇，耿红斌，等.基于BP神经网络的沥青混合料疲劳性能预测模型［J］.重庆交通大学学报(自然科学版)，2018，37(2)：35-40.
XIE Chunlei, ZHANG Yong, GENG Hongbin, et al. Asphalt mixture fatigue life prediction model based on neural network［J］. Journal of Chongqing Jiaotong University
(Natural Science), 2018, 37(2): 35-40.
［14］侯亚美，陈艳艳，吴克寒，等.基于BP神经网络的北京市出租车油耗模型研究［J］.道路交通与安全，2015，15(5)：43-49.
HOU Yamei, CHEN Yanyan, WU Kehan,et al. Study on taxi fuel consumption model in Beijing based on BP neural network［J］. Road Traffic & Safety, 2015, 15(5): 43-49.
［15］王德军，王晰聪，杜婉彤.基于BP神经网络的汽车横摆角速度估计［J］.吉林大学学报(信息科学版)，2016，34(1)：47-53.
WANG Dejun, WANG Xicong, DU Wantong. Vehicleyaw rate estimation using BP neural networks［J］. Journal of Jilin University(Information Science Edition), 2016, 34
(1): 47-53.
［16］季彦婕，陈晓实，王炜，等.基于小波变换和粒子群小波神经网络组合模型的有效停车泊位短时预测［J］.吉林大学学报(工学版)，2016，46(2)：399-405.
JI Yanjie, CHEN Xiaoshi, WANG Wei,et al. Short-term forecasting of parking space using particle swarm optimization-wavelet neural network model［J］. Journal of
Jilin University(Engineer and Technology Edition), 2016, 46(2): 399-405.
［17］高强.基于模糊神经网络的客运车辆节能评价方法研究［D］.长春：吉林大学，2009.
GAO Qiang. Research on the Energy-saving Evaluation Method of the Passenger Business Vehicles Based on Fuzzy Neural Network［D］. Changchun:Jinlin University,
2009.
［18］蒲春，孙政顺，赵世敏.MATLAB神经网络工具箱BP算法比较［J］.计算机仿真，2006，23(5)：142-144.
PU Chun, SUN Zhengshun, ZHAO Shimin. Comparison of BP algorithms in MATLAB NN toolbox［J］. Computer Simulation, 2006, 23(5): 142-144.
［19］李松，刘力军，解永乐.遗传算法优化BP神经网络的短时交通流混沌预测［J］.控制与决策，2011，26(10)：1581-1585.
LI Song, LIU Lijun, XIE Yongle. Chaotic prediction for short-term traffic flow of optimized BP neural network based on genetic algorithm［J］.Control and Decision,
2011, 26(10): 1581-1585.

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	代昱昊，王华，彭桂彬. 基于TEM的玉磨铁路隧道渗漏水状态预测方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 88-92.
[4]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[5]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[6]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[7]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[8]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[9]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[10]	李广儒，张新，朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 1-5.
[11]	刘杰. 基于栈式自编码的高速铁路站间客流短期预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 26-30.
[12]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[13]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[14]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[15]	王志祥1,2，李建阁1，陈楚鹏2. 基于变权重评价的沥青路面使用性能灰色预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 95-101.

BP神经网络在液化天然气客车能耗估算中的应用

Application of BP Neural Network in Energy Consumption Estimation of Liquefied Natural Gas Bus

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics