Diese Arbeit stellt datenbasierte Methoden zur Prädiktion des Trips sowie zur Prädiktion des Fahrprofils vor. Für die Entwicklung werden 5 Mio. km reale Fahrprofile verwendet. Zur Prädiktion der Route wird ein neuronales Netz eingesetzt. Bei der Fahrprofilprädiktion werden Muster in dem Bewegungsverhalten auf einem Streckensegment erkannt. Als Prädiktionsmodell wird eine multinomiale logistische Regression eingesetzt. In der Simulation wird eine Betriebsstrategie für ein vernetztes Plug-In-Hybridfahrzeug entwickelt und Kraftstoffeinsparungen von ca. 8 % ermittelt.     «

Diese Arbeit stellt datenbasierte Methoden zur Prädiktion des Trips sowie zur Prädiktion des Fahrprofils vor. Für die Entwicklung werden 5 Mio. km reale Fahrprofile verwendet. Zur Prädiktion der Route wird ein neuronales Netz eingesetzt. Bei der Fahrprofilprädiktion werden Muster in dem Bewegungsverhalten auf einem Streckensegment erkannt. Als Prädiktionsmodell wird eine multinomiale logistische Regression eingesetzt. In der Simulation wird eine Betriebsstrategie für ein vernetztes Plug-In-Hybri...     »