文献

J-GLOBAL ID：202002241253532101   整理番号：20A2660610

BEVの道路情報と運転スタイルを組み合わせた新しいエネルギー消費予測モデル【JST・京大機械翻訳】

A novel energy consumption prediction model with combination of road information and driving style of BEVs

著者 (4件)： Guo Jianhua (State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China) ,  Jiang Yu (State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China) ,  Yu Yuanbin (State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China) ,  Liu Weilun (State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130022, China)
資料名： Sustainable Energy Technologies and Assessments  (Sustainable Energy Technologies and Assessments)
巻： 42  ページ： Null  発行年： 2020年 
JST資料番号： W2952A  ISSN： 2213-1388  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電池電気自動車(BEV)は,短い運転範囲と未決定の残留範囲予測に関して批判を受け,従って,道路情報と運転スタイル最適化に基づくBEVのための新しいエネルギー消費予測方法を,この論文で提案する。エネルギー消費に対するかなりの影響として,道路情報の重要な役割は,OSM(Open Street Map)とSRTM(Shutle Radar Tomography Mission)によって得られなければならず,エネルギー消費モデル構築のさらなる組合せを可能にする。速度予測を克服する努力において,線形予測アプローチに依存する駆動サイクル予測モデルを構築した。提案したモデリングは,意思決定における運転者を支援するためのツールとみなすことができる,残留範囲予測と経路計画のための基礎を与えることができる。一般に,それは5%以内の誤差で許容可能な性能を示し,エネルギー消費予測に適用するのに十分ロバストである。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  最適化 ,  電池 ,  意思決定 ,  電気自動車 ,  エネルギー消費 ,  線形予測 ,  ロバスト性 ,  *予測モデル ,  経路探索
準シソーラス用語： *道路情報 ,  運転領域 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電池電気自動車 ,  エネルギー消費予測法 ,  道路情報 ,  線形予測アプローチ ,  運転スタイル

分類 (1件)： 電気自動車  (QG07020B)

タイトルに関連する用語 (5件)： BEV ,  道路情報 ,  スタイル ,  エネルギー消費 ,  予測モデル