ZTBus

ZTBus数据集是由苏黎世联邦理工学院动态系统与控制研究所创建，专注于记录苏黎世电动城市公交车的行驶数据。该数据集涵盖了超过一千次行驶任务，记录了车辆的动力需求、推进系统、里程计、全球定位、环境温度、车门开关、乘客数量以及公共交通网络内的调度模式等详细信息。数据集的创建旨在为城市交通和运输运营商提供决策支持，优化车辆推进技术和充电策略，同时也为车辆制造商和研究社区开发和调整智能车辆状态估计算法或能量管理策略提供必要的时间解析数据。此外，数据集的应用领域广泛，包括模拟不同公共交通车辆类型的性能，评估和优化混合动力电动车辆的控制策略，以及详细分析影响车辆操作的各种因素。

The ZTBus dataset was developed by the Institute of Dynamic Systems and Control at ETH Zurich, focusing on recording driving data of electric urban buses operating in Zurich. This dataset covers over 1,000 driving trips, and records detailed information including vehicle power demand, propulsion system, odometer, global positioning system (GPS), ambient temperature, door opening/closing events, passenger count, and scheduling patterns within the public transport network. The dataset was created to provide decision support for urban transportation and transit operators, optimize vehicle propulsion technologies and charging strategies, and supply high-temporal-resolution data for vehicle manufacturers and the research community to develop and tune intelligent vehicle state estimation algorithms or energy management strategies. Furthermore, the dataset has broad application scenarios, including simulating the performance of different public transport vehicle types, evaluating and optimizing control strategies for hybrid electric vehicles, and conducting in-depth analyses of various factors that affect vehicle operations.

搜集汇总

数据集介绍

构建方式

ZTBus数据集的构建方式主要基于瑞士苏黎世市内两辆无轨电车的行驶任务数据。这些数据是在多个研究项目中收集的，覆盖了超过一千次任务，每次任务通常涵盖一整天的运营时间。数据收集包括车辆的动力需求、推进系统、里程表、全球定位、环境温度、车门开启次数、乘客数量、公共交通网络内的调度模式等详细信息。所有信号均同步于时间，并以表格形式包含绝对时间戳。该数据集的构建过程经历了数据收集、处理和筛选等多个步骤，以确保数据的完整性和质量。

特点

ZTBus数据集的特点在于其全面性和精确性。该数据集包含了详细的时间序列数据，代表车辆的动力需求、推进系统、里程表、全球定位、环境温度、车门开启次数、乘客数量以及公共交通网络内的调度模式。数据以每秒采样的形式提供，并包含每个任务的元数据表。此外，该数据集还提供了丰富的统计分析结果，如车辆速度、动力需求、乘客数量等方面的最小值、平均值和最大值，有助于快速检测异常值和离群值。ZTBus数据集的全面性和精确性使其在公共交通领域的研究和分析中具有重要价值。

使用方法

ZTBus数据集的使用方法相对简单。所有文件均以CSV格式提供，使用UTF-8编码，无需特殊工具即可加载或解释。用户可以使用各种数据处理工具轻松处理和分析数据。此外，为了方便用户，数据集还提供了示例Matlab代码，用于加载部分数据并重现论文中的图表。用户可以根据自己的需求对数据进行进一步的处理和分析，例如，可以结合GNSS数据和里程表信号，使用传感器融合方法进行数据处理，以提高GNSS传感器的原始位姿估计精度，并在信号暂时中断的情况下使用航位推算法。此外，该数据集还适用于轨迹滤波和地图匹配等算法的检验。

背景与挑战

背景概述

公共交通是缓解城市交通拥堵的有效途径，它显著减少了道路上的车辆数量，从而降低了交通拥堵、缩短了旅行时间、最小化了生态足迹并降低了总体能源消耗。预计到2050年，世界上约有三分之二的人口将居住在城市，因此，对这种高效城市交通系统的需求可能会增加。在这样的背景下，详细的驾驶和运营数据对于城市和交通运营商来说具有很高的价值，可以帮助他们在各自的公共交通网络中就车辆的理想推进技术和充电策略做出明智的决策。此外，对于智能车辆状态估计算法或能量管理策略的开发和调整，牵引系统的时间分辨数据对于车辆制造商和研究界都是必要的。虽然有一些公开可用的数据集描述了城市交通状况和人类流动性，以及个人汽车或出租车的时间序列数据，但公开可用的城市公共交通巴士的时间序列数据却很少。本文的目标是填补这一空白，介绍了ZTBus数据集，该数据集由“SwissTrolley plus”和ISOTHERM两个项目中的数据组成，这两个项目都是工业合作伙伴和公共研究机构之间的合作项目，并由瑞士联邦能源办公室（SFOE）提供资金支持。该数据集涵盖了从2019年4月至2022年12月期间两辆无轨电车的1000多次驾驶任务。它由详细的时间序列组成，代表了两辆汽车的动力需求、推进系统、里程表、全球位置、环境温度、车门开启次数、乘客数量以及公共交通网络内的调度模式。时间序列以同步形式提供，每秒采样一次。每个任务的综合数量在元数据表中提供。数据收集和整理程序的示意图概述，将在下面详细解释，如图1所示。图2展示了数据集的全部范围。这些数据有望用于广泛的领域。例如，时间分辨的全球导航卫星系统（GNSS）数据可以与里程表信号（如轮速和转向角）相结合，并使用传感器融合方法进行处理。此类算法可以显着提高GNSS传感器提供的原始姿态估计，并在信号暂时中断的情况下促进航位推算方法的使用。此外，大量给定路线的数据适用于检查机器学习中的轨迹过滤和地图匹配算法。机器学习还可以用于预测公共交通中的各种影响因素，例如在给定时间内旅行一定距离的乘客数量、特定道路和特定时间的交通水平，或车辆在未来或特定道路段上的预期速度曲线。最后，汇总数据使检查长期相关性成为可能，例如COVID-19缓解措施对乘客数量的影响、天气条件对能源消耗的影响等。本文中介绍的数据集已用于我们自己的几篇出版物，这些出版物与上述研究活动有关：（1）位置、里程表和速度数据用于开发和评估车辆应用中的实时增量图构建算法。（2）时间分辨速度、扭矩和制动压力信号用于开发基于模型的车辆质量和道路坡度估计方法。（3）功率请求信号的空间时间性质用于量化特定道路段上电网和电池能源使用之间的关系，然后用于推导随机模型预测控制方法。（4）基于乘客负载、速度和海拔剖面研究了电动城市巴士中热能缓冲的最佳设计和控制。（5）一组16个代表性的全天驾驶任务用于优化电池寿命管理，以确保车辆寿命。（6）使用每小时平均数据对热舒适系统进行了大规模敏感性分析，以便比较各种供暖、通风和空调（HVAC）系统。

当前挑战

ZTBus数据集在解决城市公共交通领域问题方面面临着一些挑战。首先，该数据集涉及大量时间序列数据，需要高效的存储和处理方法。其次，数据集中包含多个来源的数据，需要进行精确的同步和整合。此外，该数据集主要用于研究公共交通车辆的性能和能源管理，因此在实际应用中需要考虑更多的因素，如车辆类型、驾驶员行为等。最后，该数据集的公开可访问性可能会受到数据隐私和版权问题的限制。

常用场景

经典使用场景

ZTBus数据集记录了瑞士苏黎世市电动城市公交车的行驶任务数据，包括超过一千次涵盖所有季节的行驶任务，每次任务通常覆盖一整天的运营时间。该数据集包含车辆的功率需求、推进系统、里程表、全球定位、环境温度、车门开启次数、乘客数量、公共交通网络内的调度模式等详细信息。这些信号在时间上同步，并以表格形式包含绝对时间戳。ZTBus数据集可作为各种研究和分析的基础。例如，数据可作为模拟的依据，以估计不同公共交通车辆类型的性能，或评估和优化混合动力电动汽车的控制策略。此外，还可以分析众多影响车辆运行的变量，例如交通、乘客数量等。

衍生相关工作

ZTBus数据集的发布已经衍生出许多相关的工作。例如，基于该数据集，研究人员开发了一种基于模型的车辆质量和道路等级估计方法，以及一种用于混合动力电动汽车能量管理的长期随机模型预测控制方法。此外，该数据集还被用于研究电动城市公交车中热能缓冲的最佳设计和控制，以及优化公交车操作以管理电池退化。这些相关工作进一步展示了ZTBus数据集在公共交通系统研究和优化中的重要作用。

数据集最近研究

最新研究方向

在公共交通领域，ZTBus数据集为研究提供了丰富的数据资源。该数据集的最新研究方向主要集中在利用时间序列数据来优化公共交通车辆的能效和控制策略。例如，通过分析电力需求、推进系统和里程表数据，研究人员可以模拟不同类型的公共交通车辆的性能，并评估混合动力电动汽车的控制策略。此外，还可以分析诸如交通流量、乘客数量等众多影响车辆运行的因素。在机器学习领域，ZTBus数据集可用于预测公共交通中的各种影响因素，例如在特定时间和距离内乘坐特定距离的乘客数量，以及特定道路和特定时间段的交通流量。此外，ZTBus数据集还支持对长期相关性进行分析，例如COVID-19缓解措施对乘客数量的影响，以及天气条件对能耗的影响。因此，ZTBus数据集在推动公共交通领域的研究和优化方面具有重要意义。

相关研究论文

• ZTBus: A Large Dataset of Time-Resolved City Bus Driving Missions

  苏黎世联邦理工学院动态系统与控制研究所 · 2023年