プローブデータの多要素解析と機械学習を用いたEV空調消費電力予測モデルの構築
Development of an EV HVAC Power Consumption Prediction Model Based on Multivariate Analysis and Machine Learning of Probe Data
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20266003
- 文献・情報種別
- 学術講演会予稿集（秋）
No.93-26
- 掲載ページ
- 1-4(Total 4 p)
- 発行年月
- 2026年 10月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2026年秋季大会
書誌事項
| 著者 | 1) 長谷川 滉一, 2) 土川 晴久, 3) 松井 弘毅, 4) 福井 陽喜 |
|---|---|
| 著者（英） | 1) Koichi Hasegawa, 2) Haruhisa Tsuchikawa, 3) Hiroki Matsui, 4) Haruki Fukui |
| 勤務先 | 1) 日産自動車, 2) 日産自動車, 3) 日産自動車, 4) 日産自動車 |
| 勤務先（英） | 1) Nissan Motor, 2) Nissan Motor, 3) Nissan Motor, 4) Nissan Motor |
| 抄録 | 当社BEVのIntelligent Route Planner機能は車両エネルギー消費予測を基盤としている．このうち空調電力は環境・使用条件により変動し高精度化が課題である．本報では車両プローブデータから特徴量を抽出，機械学習予測モデルを構築，実走行データ検証により予測高精度化を確認した． |
| 抄録（英） | Our BEV's Intelligent Route Planner function is built upon vehicle energy consumption prediction. Among its components, HVAC power consumption varies considerably with environmental and operating conditions, making high-accuracy prediction a key challenge. This study extracts feature variables from vehicle probe data, constructs a machine learning-based prediction model, and verifies improved prediction accuracy through validation against real-world driving data. 翻訳 |
