Публикации автора

Введение (постановка задачи и актуальность). Предложен физически обоснованный метод рекомендаций оптимальной скорости, который минимизирует прогнозный расход топлива на коротком горизонте с учётом ограничений по ускорениям, скоростным лимитам и сцене дорожного движения. Метод опирается на синхронизированные телеметрию CAN и цифровую модель местности, а также на регрессионную модель, идентифицирующую приведённые коэффициенты модели расхода топлива. Валидация на реальных маршрутах показала экономию топлива без увеличения времени в пути.

расход топлива, грузовой автомобиль, оптимальная скорость, цифровая модель местности, CAN, YOLO, машинное обучениеЦель исследования – определить и верифицировать методику формирования уставки скорости, позволяющую снижать расход топлива тяжёлых грузовых автомобилей в реальных условиях эксплуатации.

Методология и методы. Предлагаемый подход структурирован в три взаимосвязанных этапа: 1) регрессионная идентификация параметров физически обоснованной модели расхода топлива по признакам, извлечённым из телематики CAN и цифровой модели местности; 2) краткогоризонтная выпуклая оптимизация уставки скорости с использованием L2-регуляризации; 3) введение перцепционных ограничений, формируемых модулем компьютерного зрения YOLO, что обеспечивает соблюдение требований безопасности и соответствие рекомендаций текущей дорожной обстановке.

Результаты и научная новизна. Получена устойчивая модель соответствия «признаки → коэффициенты», обеспечивающая точные прогнозы расхода топлива; на маршрутах продемонстрирована экономия топлива при соблюдении ограничений дорожной сцены. Научная новизна – совмещение физически осмысленной регрессионной модели с перцепцией и онлайн-оптимизацией уставки скорости.

Практическая значимость. Метод внедряется на штатном ЭБУ/мини-ПК, требует только CAN и картографических данных; генерирует рекомендации для HMI в виде числа и цветовой шкалы, либо управляет интеллектуальным круиз-контролем. Позволяет снижать расход без увеличения времени в пути.