交差点における運転行動を考慮した電気バスのエネルギー消費分析と予測に関する研究

科学分野:

• 交通工学
• 持続可能なモビリティ
• 電気自動車技術

背景:

• 純粋な電気バス（E-Bus）の交差点でのエネルギー消費パターンは、まだよく理解されていません。
• 運転行動はエネルギー効率に大きく影響します。特に、バスラピッドトランジット（BRT）路線のような複雑な都市環境では顕著です。
• E-Busのエネルギー消費の正確な予測には、交差点での相互作用の詳細な分析が必要です。

研究 の 目的:

• 交差点進入時のE-Busの運転行動とエネルギー消費の関係を定量化および分析すること。
• 停止交差点と非停止交差点を区別することにより、より正確なエネルギー消費予測モデルを開発すること。
• 交差点タイプの分類とエネルギー使用量の予測における機械学習モデルの有効性を調査すること。

主な方法:

• 2つのBRT路線から自然な運転データを収集しました。
• 統計分析を用いて、停止交差点と非停止交差点でのエネルギー消費を比較しました。
• 相関分析、線型回帰、および機械学習（XGBoost-KNN、KNN、XGBoost、GBDT、SVM）を利用して、分類および予測モデリングを行いました。

主要な成果:

• XGBoost-KNNモデルは、交差点が停止か非停止かを予測する精度で84.4%を達成しました。
• 交差点タイプの区別は、XGBoostやSVMなどのエネルギー消費予測モデルの精度を大幅に向上させます。
• サポートベクターマシン（SVM）は、停止行動を考慮した後、エネルギー消費予測メトリクス（R²、MAE、RMSE）においてXGBoostよりも優れたパフォーマンスを示しました。

結論:

• 交差点での運転行動、特に停止パターンは、E-Busのエネルギー消費の重要な要因です。
• 停止交差点と非停止交差点を区別する区分的な予測アプローチは、エネルギー消費予測の精度を向上させます。
• この調査結果は、E-Busの運用最適化に貴重な洞察を提供し、より複雑な交通条件下での研究への道を開きます。