为解决云制造环境下服务资源评价模糊不确定性问题,优化服务推荐效果,提出一个基于服务质量(Quality of Service,QoS)多方异质评价与供需双约束的云制造服务推荐模型。首先,考虑服务提供方、云平台与服务用户多利益相关方的服务评价,兼...
详细信息
为解决云制造环境下服务资源评价模糊不确定性问题,优化服务推荐效果,提出一个基于服务质量(Quality of Service,QoS)多方异质评价与供需双约束的云制造服务推荐模型。首先,考虑服务提供方、云平台与服务用户多利益相关方的服务评价,兼顾数值、比值、自然语言、打星等多种异质评价形式,并利用基于情感词典的情感分析等方法对异质评价进行客观衡量,构建了包含服务时间(t)、成本(c)、可用性(av)、可维护性(ma)、可信任性(tru)和满意度(sat)六大QoS指标的多方异质评价体系;其次,构建了考虑供需双方匹配要求的双约束服务推荐模型,对多目标优选问题进行求解并对优选服务进行综合评价,最终得到融合客观优选与主观偏好的服务推荐列表。最后,以在云平台发布的一款小型遥控汽车加工服务为例,验证了所提模型的合理性与有效性。
电池健康状态(State of health,SOH)估计是电动汽车动力电池管理系统的重要功能之一。对其准确估计有利于延长锂离子电池的寿命,保障车辆安全可靠运行。面向数据驱动的锂离子电池SOH估计方法,针对以往方法存在无法平衡SOH估计精度和模...
详细信息
电池健康状态(State of health,SOH)估计是电动汽车动力电池管理系统的重要功能之一。对其准确估计有利于延长锂离子电池的寿命,保障车辆安全可靠运行。面向数据驱动的锂离子电池SOH估计方法,针对以往方法存在无法平衡SOH估计精度和模型计算成本的问题,提出一种基于特征优化的解决方案。首先基于部分充电电压曲线和增量容量曲线提取多个特征,通过随机森林算法中的基尼系数计算出各个特征的重要性;然后综合考虑模型的估计准确度和所选子集的特征数量等两方面因素选择出最优特征子集;最后应用随机森林算法建立电池老化模型并估计SOH。结果表明,该SOH估计方法的平均绝对误差和均方根误差分别在0.4%和0.5%以内。该方法中的特征优化策略能够选择出最优的特征集合,结合随机森林算法后可以在实现较高SOH估计精确度的同时降低模型的计算成本。
为了制订自动驾驶车辆(AV)停车需求管理方案,搭建多智能体停车模拟框架,提出2种空载行驶收费策略:基于行驶距离的静态收费和基于道路拥堵水平的动态收费,研究费率计算方法.建立空载行驶收费策略下停车场停车、居住地停车及持续空载巡航3种停车模式的成本函数,使用logit模型描述不同停车模式下的选择行为.利用Simulation of urban mobility(SUMO),以南宁市主城区为例开展大规模路网下的仿真实验,研究2种策略下的AV停车行为及路网运行状态变化.仿真结果表明,静态收费策略和动态收费策略下的AV空载行驶里程分别减少了20.16%和10.85%,车辆总延误分别降低了39.80%和43.52%;动态收费策略能够灵活地根据路况变化进行实时调整,路网运行效率提升更显著.
暂无评论