● 摘要
近年来，我国交通运输业飞速发展，机动车数量连年快速增长，由此带来的环境污染问题和交通能耗消耗日益加剧。在当今社会，节能减排已经成为一个热点话题。为了给节能减排提供有力的参考模型，越来越多的学者投身于道路交通能耗量化研究。然而，目前存在的能耗模型因为缺少数据支持而导致泛化能力不强、准确度不高。
基于上述问题，本文通过600辆机动车的日常行驶数据，从微观的层面研究机动车辆的能耗规律，并借助径向基函数（RBF）神经网络建立机动车辆微观能耗模型，实现在微观层面对车辆能耗进行准确预测，从而为节能减排提供基于数据的支持。本文的主要研究工作如下：
1）车辆能耗预测建模环境的构建。针对海量数据分析处理的需求，调研了一些相应的大数据技术，最后基于HDFS在容错性方面的优势以及MapReduce在大规模分布式数据处理上的优势选择并构建Hadoop集群来完成海量数据处理的任务。
2）设计与实现海量数据预处理算法。基于MapReduce分布式编程框架实现了海量数据的预处理算法，包括数据去噪、路链匹配以及经纬度校正。
3）分析了影响车辆能耗的主要影响因素，设计了一种获取北京市各主要道路坡度信息的方法，并整合了道路坡度数据，为车辆微观能耗模型的准确性奠定了基础。
4）设计与实现建立车辆微观能耗模型的方法。基于MapReduce分布式编程框架设计了构建RBF神经网络的训练样本集的方法以及训练、优化RBF神经网络的方法，并利用这些方法建立了车辆微观能耗模型，同时对模型的准确性进行了验证。
5）基于车辆微观能耗模型设计并实现了车辆能耗预测原型系统。该原型系统以车辆微观能耗模型为基础，展示了车辆微观能耗模型的典型应用。