Supersegmenter i vejnettet: Estimering af energiforbrug for elbiler
Oversat titel
Supersegments in the road network: Predicting energy consumption for electric cars
Forfattere
Andersen, Martin Raunkjær ; Jensen, Rasmus Møller
Semester
4. semester
Uddannelse
Udgivelsesår
2019
Afleveret
2019-06-11
Antal sider
82
Resumé
Det er svært at forudsige, hvor meget energi en elbil bruger på en rute, fordi mange forhold spiller ind, som hastighedsskift, stigninger, trafik, kryds og sving. Det er især udfordrende at beskrive forhold, der går på tværs af flere vejstrækninger, for eksempel et sving gennem et kryds, når hver strækning normalt behandles for sig. I denne afhandling undersøger vi, hvordan sådanne tværgående forhold påvirker elbilers energiforbrug. Vi introducerer begrebet supersegmenter, som samler flere sammenhængende vejstrækninger og vejelementer (fx kryds og svingretning) i én samlet enhed, så konteksten bevares bedre end ved at se på delene hver for sig. Vi foreslår også en metode til at omforme et vejnet, så supersegmenter kan anvendes mere effektivt, og bruger en maskinlæringsmodel til at vurdere, hvilken betydning supersegmenter har for nøjagtigheden af energiestimater. Vores resultater viser, at det at inkludere supersegmenter i vejnettet giver en væsentlig positiv forbedring af præcisionen i energiforudsigelser for elbiler.
Estimating how much energy an electric vehicle uses on a route is difficult because many factors matter, including speed changes, slopes, traffic, intersections, and turns. It is especially hard to represent features that span multiple road segments—such as turning through an intersection—when models treat each segment separately. In this thesis, we analyze how these cross-segment features affect EV energy use. We introduce “supersegments,” which group consecutive road segments and road elements (e.g., intersections and turn direction) into a single unit that preserves context better than looking at segments in isolation. We also propose a way to transform a road network to make supersegments easier to use, and we apply a machine learning model to assess how much they improve energy estimation accuracy. Our results show that adding supersegments to the road network has a significant positive impact on the precision of EV energy consumption estimates.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]
Emneord
Energiforbrug ; Elbiler ; Database ; Supersegmenter ; Traverseringer ; Vejnetværk ; Maskinlæring ; DNN