Stochastic simulation and validation of Markov models of real driving cycles

• Autorzy: Puchalski Andrzej , Komorska Iwona

Identyfikatory

DOI

10.29354/diag/110010

Warianty tytułu

PL

Symulacje stochastyczne i walidacja modeli Markowa rzeczywistych cykli jezdnych pojazdów

• Języki publikacji: EN

Abstrakty

EN

The driving cycle is a time series of the vehicle speed reflecting its movement in real road conditions. The WLTC (Worlwide harmonized Light duty Test Cycle) valid from August 2017 is based on real driving profiles derived from research and statistical analysis of road traffic in Europe, the USA and Asia. In addition to certification and comparative research, driving cycles are used in the process of virtual design of drive systems and embedded control algorithms, traffic management or intelligent road transport. Regardless of the intended use, the standard test does not guarantee the correctness of the results obtained. There is a need to generate many different driving cycles that meet the established equivalence conditions. The article discusses the methods of stochastic simulation and assessment of equivalence of obtained traffic models. The Monte Carlo method of Markov chains was used in the research. The comparative criteria are defined using the statistical parameters of the vehicle speed time series and the corresponding multifractal spectra. The synthesis was carried out at predetermined length of time series. The experiment carried out involved the study of traffic in real road conditions of urban driving and extra-urban large agglomerations during working days.

PL

Cykl jezdny to szereg czasowy prędkości pojazdu odzwierciedlający jego ruch w rzeczywistych warunkach drogowych. Obowiązujący od sierpnia 2017 roku test WLTC (Worlwide harmonized Light duty Test Cycle) bazuje na rzeczywistych profilach jazdy pochodzących z badań i analiz statystycznych ruchu drogowego w Europie, USA i Azji. Poza certyfikacją i badaniami porównawczymi cykle jezdne wykorzystywane są w procesie wirtualnego projektowania układów napędowych i wbudowanych algorytmów sterowania, zarządzania ruchem ulicznym lub inteligentnym transportem samochodowym. Niezależnie od przeznaczenia posługiwanie się standardowym testem nie gwarantuje poprawności uzyskanych wyników. Istnieje konieczność generacji wielu różniących się cykli jezdnych, spełniających ustalone warunki równoważności. W artykule omówiono metody symulacji stochastycznych i oceny równoważności uzyskanych modeli ruchu drogowego. W badaniach wykorzystano metodę Monte Carlo łańcuchów Markowa. Kryteria porównawcze zdefiniowano za pomocą parametrów statystycznych szeregów czasowych prędkości pojazdu oraz odpowiadających im widm multifraktalnych. Syntezę prowadzono przy założonej długości szeregów czasowych. Zrealizowany eksperyment obejmował badania ruchu w rzeczywistych warunkach drogowych jazdy miejskiej i pozamiejskiej dużej aglomeracji w czasie dni roboczych.

Słowa kluczowe

EN

modeling; simulation; signal analysis; driving cycles equivalence

PL

modelowanie; symulacja; analiza sygnałów; równoważność cykli jezdnych

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2019
• Tom: Vol. 20, No. 3
• Strony: 31--36
• Opis fizyczny: Bibliogr. 15 poz., rys., tab.

Twórcy

autor

Puchalski Andrzej

• University of Technology and Humanities in Radom, Radom, Poland

autor

Komorska Iwona

• University of Technology and Humanities in Radom, Radom, Poland

Bibliografia

• 1. Zhao B, Hofman T, Lv C, Steinbuch M. Intelligent Synthesis of Driving Cycle for Advanced Design and Control of Powertrains. In: 2018 IEEE Intelligent Vehicles Symposium (IV). IEEE/ 2018: 1608-1613. https://doi.org/10.1109/IVS.2018.8500522.
• 2. Brady J, Margaret O, Brady J, Margaret O. Development of a driving cycle to evaluate the energy economy of electric vehicles in urban areas. Applied energy/2016; 177: 165-178.
• 3. Chłopek Z. Synthesis of driving cycles in accordance with the criterion of similarity of frequency characteristics. Eksploatacja i Niezawodność - Maintenance and Reliability. 2016;18(4):572-577. https://doi.org/10.17531/ein.2016.4.
• 4. Dai M, Zhang C, Zhang D. Multifractal and singularity analysis of highway volume data. Physica A. 2014; 407: 332-40. https://doi.org/10.1016/j.physa.2014.04.005
• 5. Hongwen H, Jinquan G, Jiankun P, Huachun T, Chao S. Real-time global driving cycle construction and the application to economy driving pro system in plug-in hybrid electric vehicles. Energy. 2018;152:95-107. https://doi.org/10.1016/j.energy.2018.03.061
• 6. Hung WT, Tong HY, Lee CP, Ha K, Pao LY. Development of a Practical Driving Cycle Construction Methodology: A Case Study in Hong Kong. Transportation Research Part D. 2007; 12: 115-128.
• 7. Hereijgers K, Silvas E, Hofman T, Steinbuch M. Effects of using Synthesized Driving Cycles on Vehicle Fuel Consumption. IFAC-PapersOnLine. 2017; 50(1): 7505-10. https://doi.org/10.1016/j.ifacol.2017.08.1183
• 8. Mayakuntlaa SK, Vermab A. A novel methodology for construction of driving cycles for Indian cities, Transportation Research Part D. 65, 2018: 725-735.
• 9. Mock P, Kühlwein J, Tietge U, Franco V, Bandivadekar A, German J. The WLTP: How a new test procedure for cars will affect fuel consumption values in the EU. In: The International Council on Clean Transpotration, Workink paper. 2014.
• 10. Nyberg P, Frisk E, Nielsen L. Generation of Equivalent Driving Cycles Using Markov Chains and Mean Tractive Force Components. Proc. of IFAC, 2014: 8787-8792.
• 11. Nyberg P, Frisk E, Nielsen L. Driving Cycle Adaption and Design Based on Mean Tractive Force. Proc. of IFAC. 2013;46(21):689-694.
• 12. Puchalski A, Ślęzak M, Komorska I, Wiśniowski P. Multifractal analysis vehicle’s in-use speed profile for application in driving cycles. Eksploatacja i Niezawodność - Maintenance and Reliability 2018;20(2):177-181. https://doi.org/10.17531/ein.2018.2.02
• 13. Puchalski A, Komorska I. Binomial multifractal features of worldwide harmonized light duty vehicles test cycle. Vibroengineering Procedia. 2017;13:175-179. https://doi.org/10.21595/vp.2017.19074
• 14. Sileghem L, Bosteels D, May J, Favre C, Verhelst S. Analysis of vehicle emission measurements on the new WLTC, the NEDC and the CADC. Transp Res Part D. 2014;32:70-85. https://doi.org/10.1016/j.trd.2014.07.008
• 15. Silvas E, Hereijgers K, Peng H, Hofman T, Steinbuch M. Synthesis of Realistic Driving Cycles with High Accuracy and Computational Speed, Including Slope Information. IEEE Trans Veh Technol. 2016; 65(6):4118-4128. https://doi.org/10.1109/TVT.2016.2546338

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).