一種新的車輛行駛工況構建方法與流程
2023-06-14 19:10:06 1
本發明創造屬於交通運輸領域，尤其是涉及一種新的車輛行駛工況構建方法。
背景技術：
汽車行駛工況是汽車行業一項重要的基礎標準，是汽車產品開發過程中的重要設計輸入，是汽車各項性能指標標定優化時的主要基準，也是進行排放和油耗認證的基礎。目前我國在進行輕型汽車排放和油耗認證時，使用的是歐洲的行駛工況(nedc)。但我國在交通狀況、規則、駕駛習慣與駕駛員專業素養等方面與歐洲國家存在較大差異。因此，nedc工況不能完全反應我國車輛的實際行駛狀況。此外，由於我國各區域發展不平衡，不同的城市的車輛保有量、道路交通狀況和交通流分布差異很大，因此某一特定工況很難適用於所有地區，所以開發地區工況作為全國通用工況的補充是非常必要的。
近年來，國內學者對行駛工況進行了一系列研究，現有的工況構建方法研究都取得了一定成果，但依然存在著一些問題。如：對速度區間的權重的劃分主要根據各速度區間片段的總時長，這就導致最終構建的工況對車輛的選擇過分依賴、實用性較差。此外，現有的方法常採用的c均值聚類算法由於使用低維空間的歐式距離不適於處理複雜問題。
技術實現要素：
有鑑於此，本發明創造旨在提出一種新的車輛行駛工況構建方法，採用核模糊c均值聚類對短片段進行分類的精度比傳統方法更高，採用交通量大數據計算各速度區間權重，能夠更加符合車輛在城市中行駛真實狀況。
為達到上述目的，本發明創造的技術方案是這樣實現的：
一種新的車輛行駛工況構建方法，包括如下步驟：
(1)對採集的車輛行駛數據進行處理，劃分速度區間；
(2)利用交通量大數據計算各速度區間權重；
(3)根據各速度區間的時長合成最終的工況曲線。
進一步的，所述步驟(1)具體包括如下步驟：
(101)採集車輛gps車速數據；
(102)對數據質量進行檢查，刪除異常數據；
(103)對gps車速信號進行切割，將車輛從一次停車開始到下一次啟動開始的運動定義為怠速片段；車輛在一次啟動到下一次停車的運動定義為運動片段；
(104)分別計算運行時間、加速比例、減速比例、勻速比例、怠速比例、運行距離、最大速度、平均速度、運行平均速度、最大加速度、加速段平均加速度、最小加速度、減速段平均減速度、速度標準差、加速度標準差作為片段特徵；
(105)採用主成分分析對片段特徵進行約減，選擇貢獻率大於85％的前四個主成分代替原特徵；
(106)採用核模糊c均值聚類算法對獲得的四個主成分進行分析；
(107)計算各類別的平均速度，根據各類別的速度將其定義為低速、中速、高速和超高速，計算兩個相鄰類別的平均速度。
進一步的，所述步驟(2)具體包括如下步驟：
(201)計算的交通量速度分布直方圖並利用兩個相鄰類別的平均速度對其進行劃分；
(202)將各速度區間的交通量與總交通量的比值作為各速度區間的權重。
進一步的，所述步驟(3)具體包括如下步驟：
(301)定義工況曲線的總時長，各速度區間的時長為總時長乘以其權重；
(302)根據各速度區間的時長和各類別的運動片段和怠速片段的平均時長計算各速度區間運動片段和怠速片段的數目；計算公式如下：
nst,i＝(ti-ts,ti)/(tst,i+tid,i)
nid,i＝nst,i+1
其中，tst,i為運動片段的平均時間長度，tid,i為怠速片段的平均時間長度，nst,i為運動片段個數，nid,i為怠速片段個數；
(303)計算運動片段與怠速片段的累計頻率，根據各區間短片段個數ni，將累計頻率的頻率長度均分成ni等份，每一份為100/ni，在每個等分區間找到該區間的50％分位累計分布對應的x點，將x點的時長作為從資料庫中篩選片段的依據；
(304)利用卡方檢驗對候選短片段組合與原數據的速度加速度聯合分布進行比較，在不同的速度區間選擇卡方值最小的片段組合成最終的工況曲線，其中片段組合按以下順序進行：低速片段、中速片段、高速片段、超高速片段。
相對於現有技術，本發明創造所述的一種新的車輛行駛工況構建方法具有以下優勢：針對現有工況構建方法在聚類分析精度和速度區間權重劃分方面的不足，本發明採用核模糊c均值聚類對短片段進行分類的精度比傳統方法更高，採用交通量大數據計算各速度區間權重，能夠更加符合車輛行駛真實狀況，有效彌補了現有工況方法在聚類準確度較低和速度區間權重確定方面的不足，提供了一種更加合理的工況構建方法。
附圖說明
構成本發明創造的一部分的附圖用來提供對本發明創造的進一步理解，本發明創造的示意性實施例及其說明用於解釋本發明創造，並不構成對本發明創造的不當限定。在附圖中：
圖1為本發明創造實施例所述的一種新的車輛行駛工況構建方法的流程示意圖；
圖2為本發明創造實施例所述的運動片段和怠速片段定義示意圖；
圖3為本發明創造實施例所述的主成分分析結果示意圖；
圖4為本發明創造實施例所述的速度區間劃分及權重計算示意圖；
圖5為本發明創造實施例所述的低速運動片段時長分布及片段篩選示意圖；
圖6為本發明創造實施例所述的中速運動片段時長分布及片段篩選示意圖；
圖7為本發明創造實施例所述的高速運動片段時長分布及片段篩選示意圖；
圖8為本發明創造實施例所述的超高速運動片段時長分布及片段篩選示意圖；
圖9為本發明創造實施例所述的組合成的代表工況示意圖。
具體實施方式
需要說明的是，在不衝突的情況下，本發明創造中的實施例及實施例中的特徵可以相互組合。
在本發明創造的描述中，需要理解的是，術語「中心」、「縱向」、「橫向」、「上」、「下」、「前」、「後」、「左」、「右」、「豎直」、「水平」、「頂」、「底」、「內」、「外」等指示的方位或位置關係為基於附圖所示的方位或位置關係，僅是為了便於描述本發明創造和簡化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構造和操作，因此不能理解為對本發明創造的限制。此外，術語「第一」、「第二」等僅用於描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術特徵的數量。由此，限定有「第一」、「第二」等的特徵可以明示或者隱含地包括一個或者更多個該特徵。在本發明創造的描述中，除非另有說明，「多個」的含義是兩個或兩個以上。
在本發明創造的描述中，需要說明的是，除非另有明確的規定和限定，術語「安裝」、「相連」、「連接」應做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連，可以是兩個元件內部的連通。對於本領域的普通技術人員而言，可以通過具體情況理解上述術語在本發明創造中的具體含義。
下面將參考附圖並結合實施例來詳細說明本發明創造。
以下結合附圖,對發明方法做進一步詳細說明，圖1為工況構建方案整體流程。
數據採集：
試驗系統由兩部分組成，車載數據採集終端和數據管理平臺。車載數據採集終端將採集信息按照統一的數據協議編碼，並通過gprs網絡實時發送到工況數據管理平臺。車載數據採集終端的數據來源包括兩部分，gps信號和車載診斷系統(obd)信號。試驗採用自主駕駛法採集了64輛私家車、12輛計程車和4輛公務車(共80輛輕型車)的運行數據，累計行駛裡程為18萬公裡。
運動片段劃分：
車輛從起步出發至目的地停車，受道路交通狀況影響，其間會經過多次起步、停車操作。將車輛從一次停車開始到下一次啟動開始的運動定義為怠速片段；車輛在一次啟動到下一次停車的運動定義為短行程片段(運動片段)。這樣車輛一次行程就可以視為各種各樣的片段組合。一次行程定義如圖2所示。
特徵參數定義及計算：
為了描述各短片段的差異，分別計算運行時間、加速比例、減速比例、勻速比例、怠速比例、運行距離、最大速度、平均速度、運行平均速度、最大加速度、加速段平均加速度、最小加速度、減速段平均減速度、速度標準差、加速度標準差作為片段特徵。為了消除各特徵取值範圍對工況構建的影響，將各特徵歸一到0-1之間。
主成分分析：
在定義的15種特徵中，很多特徵彼此存在著一定的相關性，並且特徵維數較高不利於後續的聚類分析。因此採用主成分分析對片段特徵進行約減，選擇貢獻率大於85％的前四個主成分代替原特徵。主成分分析結果如圖3所示。
聚類分析：
採用核模糊c均值聚類算法對獲得的四個主成分進行分析；計算各類別的平均速度，根據各類別的速度將其定義為低速、中速、高速和超高速，計算兩個相鄰類別的平均速度。低速和中速的平均速度為23.8km/h，中速和高速的平均速度為40.3km/h，高速和超高速的平均速度為60.5km/h。
速度區間劃分：
計算的交通量速度分布直方圖並利用兩個相鄰類別的平均速度對其進行劃分，結果如圖4所示。計算各速度區間交通量，將各區間交通量佔總交通量的比重作為各速度區間的權重係數wi。設置整個工況曲線的時長為1800秒，則各區間時長為：ti＝1800*wi。
計算得到各區間時長。低速：594秒；中速：546秒；高速373秒；超高速：287秒。
不同速度區間短片段數目確定：
根據下式計算各區間短片段的數量，結果如表2所示。
nst,i＝(ti-ts,ti)/(tst,i+tid,i)
nid,i＝nst,i+1
其中，tst,i為運動片段的平均時間長度，tid,i為怠速片段的平均時間長度，nst,i為運動片段個數，nid,i為怠速片段個數。
表2低/中/高/超高車速區間短程及怠速數目的確定
短片段篩選：
分別計算各區間運動片段與怠速片段時長的累計頻率，根據各區間短片段個數ni，將累計頻率的頻率長度均分成ni等份，每一份為100/ni。根據每兩個相鄰均分點的中點找到對應的點x，在每個等分區間找到該區間的50％分位累計分布對應的x點，將x點橫坐標對應的短片段作為候選短片段。各速度區間運動片段時長分布及篩選結果如圖5到圖8所示。同理，採用相同方法可以對各區間怠速片段進行篩選。
工況合成：
由於同一時長可能對應多個短片段，所以利用卡方檢驗對候選短片段組合與原數據的速度加速度聯合分布進行比較，在不同的速度區間選擇卡方值最小的片段組合成最終的工況曲線。片段組合按以下順序進行：低速片段、中速片段、高速片段、超高速片段。組合成的代表工況如圖9所示。
工況有效性分析：
為了確保第構建的行駛工況能代表本次試驗的試驗數據，需要對此行駛工況進行進一步的驗證。選擇平均速度、平均加速度、平均減速度、加速比例、減速比例、勻速比例和怠速比例共7個典型參數對工況曲線特徵進行描述。並對比濟南輕型車工況特徵參數與nedc工況特徵參數及實測數據特徵參數的差異，結果如表3所示。
表3特徵參數比較
從表3可以看出，濟南工況曲線平均加速度和平均減速度與實際情況符合度較高。雖然在平均車速以及怠速比例方面存在一定偏差，但明顯優於nedc工況。綜上所述，本文構建的濟南輕型車工況是合理的。
以上所述僅為本發明創造的較佳實施例而已，並不用以限制本發明創造，凡在本發明創造的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明創造的保護範圍之內。