CN104792543B - 一种道路循环工况的构建方法 - Google Patents
一种道路循环工况的构建方法 Download PDFInfo
- Publication number
- CN104792543B CN104792543B CN201510182200.8A CN201510182200A CN104792543B CN 104792543 B CN104792543 B CN 104792543B CN 201510182200 A CN201510182200 A CN 201510182200A CN 104792543 B CN104792543 B CN 104792543B
- Authority
- CN
- China
- Prior art keywords
- mrow
- state
- vehicle
- road
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
目前道路循环工况均是针对传统燃油车的道路运行数据分析构建，而电动车辆由于其动力总成的特点，在低速区域完全可以由驱动电机驱动，且驱动电机启停响应迅速，因而电动车辆没有传统汽车的怠速工作状态。本发明使用GPS/INS组合导航系统，对电动车辆进行了充分的道路运行数据采集试验，提出了针对电动车辆运行特点的速度阈值、加速度阈值的确定方法；并针对电动车辆的驱动模式制定了与之相适应的车辆速度片段的状态划分和归属原则，以及车辆行驶数据特征参数的评价准则，最后基于马尔科夫链的相关理论，将循环工况的构建过程分为起始部分、中间部分和结束部分，从而完成城市道路循环工况的构建。
Description
技术领域
本发明属于电动车辆的道路循环工况构建领域，具体涉及纯电动车辆、混合动力车辆的道路循环工况构建方法。
技术背景
道路循环工况是针对某一类型车辆制定用来代表特定的交通环境下(如城区、高速公路)车辆行驶特征的时间-速度历程，是评价车辆排放性能和检测燃油消耗量的重要依据，亦是车辆动力匹配、经济性优化过程中的重要参数。
从目前可见的工况构建方法来看，道路循环工况的构建大多基于传统燃油汽车构建。电动车辆由于其驱动系统的结构和驱动模式，决定了其与传统车辆在运行过程中有很大不同。用针对传统汽车构建的工况来进行电动车辆的控制策略研究，难以真实地反映其实际排放特性和燃料消耗特性，因此需要构建针对电动车辆的循环工况。
发明内容
针对上述问题，本发明针对电动车辆在低速行驶时和启停过程中采用驱动电机纯电动驱动的特点，基于马尔科夫链的相关理论，提供了一种适用于电动车辆的道路循环工况构建方法。
为了实现上述目的，本发明采取的技术方案步骤如下：
(1)车辆道路行驶数据采集试验。采用GPS/INS组合导航系统，实时采集电动车辆的行驶数据，主要包括车辆的速度、加速度以及海拔高度。试验时间应包含交通早高峰、晚高峰和畅通时段，试验以周一至周日七天为一个周期，试验时间应至少为两个周期。
(2)车辆道路行驶数据的处理分析。主要包括四个步骤：速度片段的划分，速度片段的状态归属，马尔科夫转移矩阵的计算以及车辆行驶数据的特征参数分析。其中马尔科夫转移矩阵是数据处理分析，乃至循环工况构建的关键点；速度片段的划分及其状态归属决定了马尔科夫状态转移矩阵的准确度；而车辆行驶数据的特征参数分析是明确构建的循环工况是否能够代表车辆行驶数据的判断准则。
(3)道路循环工况的构建。在循环工况的构建过程中，由马尔科夫链的性质，工况后一时刻采样点的速度状态，完全取决于当前时刻采样点所处速度状态以及和该状态相对应的转移概率。但是在循环工况的起始和结束部分，车辆必然从静止逐渐加速或从其他运行状态逐 渐减速到静止，即车辆的运动趋势已经确定，使用具有随机性质的马尔科夫状态转移矩阵来构建这两部分不具备适用性。因此，将循环工况的构建分为三个部分，即起始部分、中间部分和结束部分，中间部分使用蒙特卡洛法不断生成随机数，根据随机数的取值，结合马尔科夫转移矩阵的概率分布，确定下一速度片段所要归属的状态。最后将起始部分、中间部分、结束部分按时间顺序组合，从而完成循环工况的构建。
本发明的技术方案可如图1所示。
附图说明
图1本发明的总体技术方案
图2滤波前的道路坡度估计结果
图3滤波后的道路坡度估计结果
图4本发明的速度片段划分方法流程示意图
图5本发明构建的循环工况起始部分
图6本发明构建的循环工况中间部分
图7本发明构建的循环工况结束部分
图8本发明构建的道路循环工况
具体实施方式
下面结合附图，将本发明所述的一种道路循环工况的构建方法按照车辆道路行驶数据采集、车辆道路行驶数据的处理分析、道路循环工况的构建过程进行分别描述：
一、车辆道路行驶数据采集试验：
(1)车辆道路行驶数据采集的参数
采用GPS/INS组合导航系统来进行试验数据采集，采集的参数包括：车辆的速度、加速度、海拔高度。
传统的车辆道路行驶数据采集，主要通过读取汽车ABS模块中的车速信号获取车辆的速度，对相邻采样点之间速度做差分计算车辆的加速度。传统测量方法缺点在于加速度值是计算值而非测量值，速度的测量误差将通过计算式带入加速度，从而影响速度片段的划分；此外试验采样频率不能过大，采样频率过大时，速度的波动会引起加速度值偏大，也不利于速度片段的划分，采样频率一般仅能取到1Hz。
本发明采用GPS/INS组合导航系统测量车辆的速度和加速度。车辆的速度由GPS系统测量，相较于读取ABS速度信号的方法，测量精度提高。车辆的加速度由惯导系统测量，其误 差不会随着采样频率的增加而变大。因此，为保留速度片段中更多的细节，试验中采样频率设置为5Hz。
道路坡度一般无法直接用传感器测量，因而大都采用估计的方法来获得。通过计算采样周期内两个采样点之间海拔高度差与车辆行驶的水平直线距离的比值，得道路坡度的正切值。车辆当前行驶道路坡度可按下式计算得到：
式中，i为道路坡度，Δh为当前时刻与前一采样时刻车辆所处海拔高度的变化量；vx为当前时刻车辆水平速度；T为试验数据的采样周期。
如图2所示，按式(1)计算获得的坡度通常会有很大波动，其中一些计算结果明显违背城市道路设计规范中对城市道路的纵坡度的设计要求，即设计时速20Km/h的城市公路最大纵坡度限值为9％。因此需要对坡度值进行必要的滤波处理。滤波分为三个步骤。第一步，剔除低速采样点的坡度计算值；第二步，利用限幅滤波进行处理，即根据城市道路设计规范中的要求，如果坡度计算值超过9％，则剔除该时刻的坡度，而用前一时刻坡度代替；第三步，利用均值滤波对坡度计算值进行滤波。滤波处理后的坡度结果如图3。
(2)车辆道路行驶数据采集的时间
综合考虑采样时间在一定程度上覆盖每天早高峰，晚高峰等有特殊交通流量的时段，保证每条公交线路的各种交通状况都能被全面适量的采集。最终采样时间确定为每天上午7:00～9:30，中午10:30～13:00以及下午15:00～18:00。
试验以周一至周日七天为一个周期，试验时间应至少为两个周期，使试验采集到的路况数据能够全面反映城市交通的变化情况。
二、车辆道路行驶数据的处理分析：
车辆道路行驶数据的处理分析包括四个步骤：速度片段的划分，速度片段的状态归属，马尔科夫转移矩阵的计算以及车辆行驶数据的特征参数分析。
(1)速度片段的划分
划分片段的目的是将原始工况数据分割成若干小的片段，经处理后用以分析速度状态的变化，同时也是构建工况时的最小基本单元。在针对传统车辆的道路循环工况构建中，速度片段通常划分为怠速段、匀速段、加速段和减速段。主要是基于传统车辆在低速行驶时，发动机处于怠速运转，此时发动机消耗燃油，并有尾气排放。当离合器完全结合时，车辆的速度一般为4-5Km/h，因此传统车辆的速度阈值一般选择在4-5Km/h左右。
而电动车辆在低速行驶时和启停时多采用驱动电机纯电动驱动车辆，发动机此时不参与驱动，考虑车辆怠速运转区域意义不大。因此，在低速状态下仅需考虑运行和停止的区别，即划分出停止片段。因此针对混合动力客车需要明确一个阈值，当速度小于该阈值时，认为车辆处于停止状态。当速度的阈值取的过小，小范围波动的速度曲线会被切分成许多细碎的残片，这将造成速度片段的划分与车辆实际行驶情况不符且片段数量激增，影响后期基于片段的特征参数分析。
基于以上论述的思想，取出采集的电动车辆道路行驶数据中所有速度值小于4km/h的采样点，分析各个点所属速度段，得到如下统计数据：
表1速度小于4Km/h的采样点分布概率
从表1中可以清楚看到，在车速小于4Km/h的所有采样点中，大部分点的速度集中于0～0.4，速度小于0.7Km/h的采样点占所有采样点的67.32％。为使阈值的选择既要尽可能小，同时又尽量不将速度片段分割得过于破碎。综合考虑选择0.7Km/h作为停止片段的速度阈值。
加速度的处理与处理速度的想法相同，取一个适当的阈值，当车辆的加速度在阈值范围内，即认为车辆是匀速行驶。定义了速度的阈值为0.7Km/h，即当车速小于0.7Km/h时车辆视为静止，此时绝大多数采样点的加速度理论上应该在某个小范围内波动。统计出速度值小于0.7Km/h的采样点加速度绝对值的分布范围，即可确定加速度阈值。统计结果如下：
表2速度小于0.7Km/h的采样点加速度绝对值分布概率
从表2中可以看出，当车辆处于停止片段时，有92.01％的采样点加速度计读数落在-0.1m/s2到0.1m/s2之间，即认为匀速运行时，加速度的跳动范围亦为(-0.1，+0.1)。同时考虑到汽车在运行的过程中有颠簸冲击等，可能加大加速度的测量偏差。因此，适当地将加速度阈值扩大到0.15m/s2。
综上所述，速度片段划分综合考虑采样时刻的速度值和加速度值。将原始试验数据划分为停止片段，匀速片段，加速片段和减速片段。划分原则如图4所示。
(2)速度片段所属状态的归属
采集的车辆道路行驶数据中任意一个采样时刻，都已知车辆的速度、加速度、坡度等车辆行驶信息。为全面兼顾这三个方面，引入车辆的输出功率作为片段状态归属的重要依据。
车辆的输出功率可以根据下式计算得出：
当加速度a＞0.15时，即加速片段的输出功率：
当加速度a≤0.15时，不考虑车辆加速功率，即非加速片段的输出功率为：
式中，ua为车辆的速度；G为整车重力；m为整车质量；f为路面滚动阻力系数；CD为空气阻力系数；A为车辆迎风面积；ηT为车辆传动系的机械效率。
但简单的根据输出功率来划分片段不直观，状态归属的标准也不明确。同时道路坡度作为地理位置信息，也无法直接加入到以时间为横坐标、速度为纵坐标的道路循环工况中，因此考虑计算出车辆在相同输出功率、相同加速度下，水平路面上的车辆等效速度。代入车辆等效速度后，得到消去坡度参数的输出功率表达式，即：
当加速度a＞0.15时，
当加速度a≤0.15时，
式中，u为车辆等效速度。
由此可以得到融入道路坡度信息后的车辆等效速度u，速度量是一个直观的参数，可直接依据车辆等效速度对每个速度片段进行状态归属。
根据采样点的车辆等效速度，可以计算出每一个速度片段的车辆等效平均速度。按照片段的车辆等效平均速度将速度片段归属到7个状态簇中，如表3所示。
表3速度片段的的状态簇归属
车辆等效速度并非测量值，是利用等效思想计算得到的数值。因此车辆等效速度不能直接应用于工况的构建，只在片段的划分阶段使用，目的是在道路循环工况的速度-时间关系中 加入道路坡度的影响，同时也使速度状态的归属更为合理。
(3)马尔科夫转移矩阵的计算
车辆行驶过程中，车辆未来所处的状态只与当前状态有关，而与过去无关，因此可以将车辆的行驶过程视为一个离散的马尔科夫链。车辆行驶过程中车速的变化，可视为速度状态与速度状态之间转移，且转移过程符合一定的概率分布。
采集的车辆道路行驶数据被切分成若干较短的速度片段，每个速度片段也都匹配有相应的状态编号。车辆行驶过程是按照时间顺序从一个速度片段转移到另一个速度片段，对应车辆的速度状态发生相应的迁移。马尔科夫转移矩阵是通过统计车辆状态的迁移计算得到的，马尔科夫转移矩阵中各元素的计算如下式所示：
式中，Nij为所有采集的车辆道路行驶数据中，车辆的速度从状态i转移到状态j的次数。
以马尔科夫转移矩阵的第一行(状态1)为例，首先统计采集的车辆道路行驶数据中，从速度状态1转移到其他6个速度状态的次数，并计算出相应的概率，具体如表4所示：
表4从状态1出发的转移事件次数和概率
表4中第一行数字表示状态转移的次数，例如当片段处于状态1时，其相邻的下一片段是状态2的事件出现了1860次，即工况从状态1转移到状态2共1860次。累加所有从状态1出发的转移事件的次数，便能计算出状态1转移到其他状态的概率。所得结果即为转移矩阵第一行。同理依次计算其他状态，得到7×7的马尔科夫状态转移矩阵T如下：
(4)车辆行驶数据的特征参数分析
选择16个特征参数来表征车辆行驶数据，具体如表5所示：
表5车辆行驶数据的特征参数
| 速度片段的时间 | 速度 | 加速度 | 坡度 | 输出功率 |
| 停止时间比例 | 速度标准方差 | 加速度最小值 | 坡度最小值 | 输出功率最小值 |
| 匀速时间比例 | 速度最大值 | 加速度最大值 | 坡度最大值 | 输出功率最大值 |
| 加速时间比例 | 速度平均值 | 加速度标准方差 | 坡度平均值 | 输出功率平均值 |
| 减速时间比例 |
表5的特征参数的数值统计和计算后，将特征参数的数值构成一个1×16的原始特征矩阵M0。当循环工况构建完成后，将循环工况的特征参数与车辆行驶数据的特征参数作差，归一化后得到一个表征所构建的循环工况与车辆行驶数据差异程度的值，将该值定义为PM(Performance Measure)值。PM值用于对比若干备选工况，用数值的方式表征各备选段与原始数据的差异程度，为循环工况的择优提供依据。PM值计算方法分为四步：
(a)统计出n个备选段的特征参数，组成n×16阶的矩阵M(n×16)。
(b)求差值矩阵pm。将矩阵M(n×16)的每一行减去原始特征矩阵M0(1×16),并取绝对值。通式如下：
(c)归一化。从表5中可知，16个特征参数的取值范围和量纲都是不同的，无法横向统一比较，因此需要将特征参数归一化处理。差值矩阵pm中每一列均是表征同一个特征参数，因此首先找到差值矩阵pm第j列的最大值pmjmax和最小值pmjmin(i∈(1,16))，然后计算pm矩阵第i列中的每个元素在该列最大值pmjmax和最小值pmjmin之间的距离占比。通式如下：
依次对差值矩阵pm的每个元素作相同的运算，最终求得矩阵PM(k×i)。
(d)将矩阵PM(k×i)每一行分别求和，求和后所得数值为对应备选段的PM值。
三、道路循环工况的构建：
在道路循环工况的构建过程中，应用马尔科夫链理论，工况后一时刻的速度状态，完全取决于当前时刻所处速度状态以及和该状态相对应的转移概率。但是在循环工况的起始和结束部分，车辆必然从静止逐渐加速和从其他运行状态逐渐减速到静止，即车辆的运动趋势已经确定，使用具有随机性质的马尔科夫状态转移矩阵来构建这两部分不具备适用性。因此，将循环工况的构建分为三个部分，即起始部分、中间部分和结束部分，最后按时间顺序组合， 完成循环工况的构建。
(1)道路循环工况起始部分的构建
起始部分的构建步骤为：首先，根据起步部分筛选规则，从车辆道路行驶数据中选取出所有满足规则的备选段，每条备选段时长在60s-120s之间；然后计算每条备选段的PM值，选择PM值最小的作为起始部分。
起始部分备选段的具体筛选规则如下：
(a)检查点前5s的速度全部小于停车阈值0.7Km/h；
(b)为满足起步加速趋势，检查点后10s的速度全部大于停车阈值0.7Km/h；
(c)当以上两个条件同时满足，从该检查点向前推5s作为开始时刻，截选出持续75s的片段作为起始部分备选段。
起始部分一般都是车辆从速度为0的静止状态逐渐加速，故在起始部分中一般不会或很少出现长时间的停车情况，因此在比较特征参数时，各个速度状态占比、速度的最大值、最小值、平均值不计入PM的计算，仅比较备选段与车辆道路行驶数据在加速度，坡度和输出功率上的差别。统计出所有备选段的9个特征参数，计算其PM值，将PM值最小的备选段作为最优结果，得到最终循环工况的起始部分如图5所示。
(2)道路循环工况中间部分的构建
中间部分的构建主要是使用蒙特卡洛法不断生成一个随机数，根据随机数的取值，结合马尔科夫转移矩阵的概率分布，确定下一片段所处的状态。循环工况中间部分的时间长度设定为不小于1000s。循环工况的起始部分选定后，起始部分末端采样点的速度和所处状态也将确定，因此，将该点定义为中间部分的起始点，并保留其所属状态。后续片段的状态采用蒙特卡洛法确定。其具体步骤如下：
(a)明确当前速度片段所处的状态，同时根据转移矩阵T，得到如下表所示的转移概率：
表6当前状态的转移概率
(b)在(0,1)区间内根据蒙特卡洛法生成随机数r，若r满足：
则确定下一速度片段的状态为k。
(c)在所有属于状态k的速度片段中，找到初速度与前一片段末速度差值在0.5km/h范围内最小的一个。
构建若干条中间部分的备选段，且起始部分中已经使用过的采样点，在中间部分备选段的构建中不再使用。中间部分使用表5中全部的16个特征参数来计算PM值，在计算PM值时将选定的起始部分和中间部分的备选段按时间顺序分别融合并进行计算，将PM值最小的备选段作为最优结果，得到最终循环工况的中间部分如图6所示。
(3)道路循环工况结束部分的构建
结束部分的构建方法与起始部分类似，首先，根据结束部分筛选规则，从车辆道路行驶数据中选取出所有满足规则的备选段，然后分别将备选段和已经确定的起始部分和中间部分融合，并分别计算PM值，最后选择PM值最小的作为结束部分。结束部分备选段的具体筛选规则如下：
(a)检查点前10s速度都大于停车阈值0.7Km/h；
(b)检查点后5s速度都小于停车阈值0.7Km/h；
(c)当以上两个条件同时满足，从该检查点向后推5s作为终止时刻，向前截选出持续120s的片段；
(d)在片段的0～60s范围内寻找速度值最接近道路循环工况中间部分的末端速度，作为备选段的初速度。
将结束部分备选段分别与已经选好的起始部分、中间部分按时间顺序融合，使用全部16个特征计算PM值，将PM值最小的备选段作为最优结果，得到最终循环工况的结束部分如图7所示。
最后按时间顺序连接之前确定的各个部分的最优段，组成为一条完整的速度-时间曲线，完成基于马尔科夫链的车辆道路循环工况构建，所构建的循环工况如图8所示。
Claims (4)
1.一种道路循环工况的构建方法，其特征在于包括以下三个步骤：
1)车辆道路行驶数据采集试验；
2)车辆道路行驶数据的处理分析；
3)道路循环工况的构建；
所述的步骤1中，采用GPS/INS组合导航系统来进行试验数据采集，采集的参数包括：车辆的速度、加速度、海拔高度；道路坡度通过计算采样周期内两个采样点之间海拔高度差与车辆行驶的水平直线距离的比值，再求其反正切值，用公式可表示为：
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>h</mi>
</mrow>
<mrow>
<msub>
<mi>v</mi>
<mi>x</mi>
</msub>
<mi>T</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
式中，i为道路坡度，Δh为当前时刻与前一采样时刻车辆所处海拔高度的变化量；vx为当前时刻车辆水平速度；T为试验数据的采样周期；
计算获得的坡度通常会有波动，因此需要对坡度值进行滤波处理，滤波分为三个步骤：第一步，剔除低速采样点的坡度计算值；第二步，利用限幅滤波进行处理，即根据城市道路设计规范中的要求，如果坡度计算值超过9％，则剔除该时刻的坡度，而用前一时刻坡度代替；第三步，利用均值滤波对坡度计算值进行滤波。
2.根据权利要求1所述的一种道路循环工况的构建方法，其特征在于所述的步骤1中，道路行驶数据采集试验时间确定为每天上午7:00～9:30，中午10:30～13:00以及下午15:00～18:00，一个试验周期为周一至周日七天，试验应至少为两个周期，使试验采集到的路况数据能够全面反映城市交通的变化情况。
3.根据权利要求1所述的一种道路循环工况的构建方法，其特征在于所述的步骤2中，车辆道路行驶数据的处理分析包括四个步骤：
1)速度片段的划分；
速度片段可划分为停止片段、加速片段、匀速片段和减速片段，具体的划分标准按照如下方法：
式中，ua为车辆的速度，a为车辆的加速度；
2)速度片段的状态归属；
速度片段的状态通过车辆的输出功率作为其归属的重要依据，车辆的输出功率可以根据以下方法得到：
当加速度a＞0.15时，车辆的输出功率即加速片段的车辆输出功率；
当加速度a≤0.15时，不考虑车辆加速功率，车辆的输出功率即非加速片段的车辆输出功率；
但简单的根据输出功率来划分片段不直观，状态归属的标准也不明确，同时道路坡度作为地理位置信息，也无法直接加入到以时间为横坐标、速度为纵坐标的道路循环工况中，因此考虑计算出车辆在相同输出功率、相同加速度下，水平路面上的车辆等效速度，代入车辆等效速度后，得到消去坡度参数的输出功率；
当加速度a＞0.15时，消去坡度参数的输出功率即消去坡度参数的加速片段的车辆输出功率；
当加速度a≤0.15时，消去坡度参数的输出功率即消去坡度参数的非加速片段的车辆输出功率；
根据采样点的车辆等效速度，计算出每一个速度片段的车辆等效平均速度，按照车辆等效平均速度将速度片段归属到7个状态簇中，具体归属方法如下：
3)马尔科夫转移矩阵的计算；
将车辆的行驶过程视为一个离散的马尔科夫链，车辆行驶过程中车速的变化，可视为速度状态与速度状态之间转移，且转移过程符合的概率分布；
采集的车辆道路行驶数据被切分成若干较短的速度片段，每个速度片段也都匹配有相应的状态编号，车辆行驶过程是按照时间顺序从一个速度片段转移到另一个速度片段，对应车辆的速度状态发生相应的迁移，马尔科夫转移矩阵是通过统计车辆状态的迁移计算得到的，马尔科夫转移矩阵中各元素的计算如下式所示：
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
</mrow>
式中，Nij为所有采集的车辆道路行驶数据中，车辆的速度从状态i转移到状态j的次数；
4)车辆行驶数据的特征参数分析
选择16个特征参数来表征车辆行驶数据，具体如下表所示：
将特征参数的数值构成一个1×16的原始特征矩阵M0，当循环工况构建完成后，将循环工况的特征参数与车辆行驶数据的特征参数作差，归一化后得到一个表征所构建的循环工况与车辆行驶数据差异程度的值，将该值定义为PM(Performance Measure)值，PM值用于对比若干备选工况，用数值的方式表征各备选段与原始数据的差异程度，为循环工况的择优提供依据，PM值计算方法分为四步：
(a)统计出n个备选段的特征参数，组成n×16阶的矩阵M(n×16)；
(b)求差值矩阵pm；将矩阵M(n×16)的每一行减去原始特征矩阵M0(1×16),并取绝对值；通式如下：
<mrow>
<mi>p</mi>
<mi>m</mi>
<mo>=</mo>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>&times;</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>&times;</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>M</mi>
<mrow>
<mn>0</mn>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>&times;</mo>
<mn>16</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
(c)归一化；16个特征参数的取值范围和量纲都是不同的，无法横向统一比较，因此需要将特征参数归一化处理；差值矩阵pm中每一列均是表征同一个特征参数，因此首先找到差值矩阵pm第j列的最大值pmjmax和最小值pmjmin(i∈(1,16))，然后计算pm矩阵第i列中的每个元素在该列最大值pmjmax和最小值pmjmin之间的距离占比；通式如下：
<mrow>
<msub>
<mi>PM</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>pm</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>pm</mi>
<mrow>
<mi>j</mi>
<mi>min</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>pm</mi>
<mrow>
<mi>j</mi>
<mi>max</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>pm</mi>
<mrow>
<mi>j</mi>
<mi>min</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mi>k</mi>
<mo>&Element;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
依次对差值矩阵pm的每个元素作相同的运算，最终求得矩阵PM(k×i)；
(d)将矩阵PM(k×i)每一行分别求和，求和后所得数值为对应备选段的PM值。
4.根据权利要求1所述的一种道路循环工况的构建方法，其特征在于所述的步骤3中，道路循环工况的构建包括三个步骤：
1)道路循环工况起始部分的构建：
首先，根据起步部分筛选规则，从车辆道路行驶数据中选取出所有满足规则的备选段，每条备选段时长在60s-120s之间；然后计算每条备选段的PM值，选择PM值最小的作为起始部分；
起始部分备选段的具体筛选规则如下：
(a)检查点前5s的速度全部小于停车阈值0.7Km/h；
(b)为满足起步加速趋势，检查点后10s的速度全部大于停车阈值0.7Km/h；
(c)当以上两个条件同时满足，从该检查点向前推5s作为开始时刻，截选出持续75s的片段作为起始部分备选段；
起始部分都是车辆从速度为0的静止状态逐渐加速，故在起始部分中不会出现长时间的停车情况，因此在比较特征参数时，各个速度状态占比、速度的最大值、最小值、平均值不计入PM的计算，仅比较备选段与车辆道路行驶数据在加速度，坡度和输出功率上的差别，统计出所有备选段的9个特征参数，计算其PM值，将PM值最小的备选段作为循环工况的起始部分；
2)道路循环工况中间部分的构建
中间部分的构建主要是使用蒙特卡洛法不断生成一个随机数，根据随机数的取值，结合马尔科夫转移矩阵的概率分布，确定下一片段所处的状态；循环工况中间部分的时间长度设定为不小于1000s；循环工况的起始部分选定后，起始部分末端采样点的速度和所处状态也将确定，因此，将该起始部分末端采样点定义为中间部分的起始点，并保留其所属状态；后续片段的状态采用蒙特卡洛法确定，其具体步骤如下：
(a)明确当前速度片段所处的状态，同时根据转移矩阵T，得到如下表所示的转移概率：
(b)在(0,1)区间内根据蒙特卡洛法生成随机数r，若r满足：
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo><</mo>
<mi>r</mi>
<mo>&le;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>k</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>&le;</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
则确定下一速度片段的状态为k；
(c)在所有属于状态k的速度片段中，找到初速度与前一片段末速度差值在0.5km/h范围内最小的一个；构建若干条中间部分的备选段，且起始部分中已经使用过的采样点，在中间部分备选段的构建中不再使用，中间部分使用16个特征参数来计算PM值，在计算PM值时将选定的起始部分和中间部分的备选段按时间顺序分别融合并进行计算，将PM值最小的备选段作为最终循环工况的中间部分；
(3)道路循环工况结束部分的构建
首先，根据结束部分筛选规则，从车辆道路行驶数据中选取出所有满足规则的备选段，然后分别将备选段和已经确定的起始部分和中间部分融合，并分别计算PM值，最后选择PM值最小的作为结束部分；结束部分备选段的具体筛选规则如下：
(a)检查点前10s速度都大于停车阈值0.7Km/h；
(b)检查点后5s速度都小于停车阈值0.7Km/h；
(c)当以上两个条件同时满足，从该检查点向后推5s作为终止时刻，向前截选出持续120s的片段；
(d)在片段的0～60s范围内寻找速度值最接近道路循环工况中间部分的末端速度，作为备选段的初速度；将结束部分备选段分别与已经选好的起始部分、中间部分按时间顺序融合，使用全部16个特征计算PM值，将PM值最小的备选段作为最终循环工况的结束部分；
最后按时间顺序连接之前确定的各个部分的最优段，组成为一条完整的速度-时间曲线，完成基于马尔科夫链的车辆道路循环工况构建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510182200.8A CN104792543B (zh) | 2015-04-17 | 2015-04-17 | 一种道路循环工况的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510182200.8A CN104792543B (zh) | 2015-04-17 | 2015-04-17 | 一种道路循环工况的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104792543A CN104792543A (zh) | 2015-07-22 |
| CN104792543B true CN104792543B (zh) | 2017-11-14 |
Family
ID=53557533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510182200.8A Active CN104792543B (zh) | 2015-04-17 | 2015-04-17 | 一种道路循环工况的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104792543B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550478B (zh) * | 2016-01-25 | 2018-06-12 | 安徽农业大学 | 一种汽车经济性测试中行驶工况道路坡度的加载方法与装置 |
| CN106168542B (zh) * | 2016-07-06 | 2019-01-25 | 广州汽车集团股份有限公司 | 一种车辆工况的在线识别方法、系统及车辆 |
| CN107845261B (zh) * | 2017-11-03 | 2020-05-12 | 北京理工大学 | 一种基于张量融合交通信息的汽车全局工况动态重构方法 |
| CN108198425A (zh) * | 2018-02-10 | 2018-06-22 | 长安大学 | 一种电动汽车行驶工况的构建方法 |
| CN108596208B (zh) * | 2018-03-21 | 2020-12-29 | 上海交通大学 | 一种用于全工况道路的车辆驾驶循环构建方法 |
| CN108646262A (zh) * | 2018-03-27 | 2018-10-12 | 斑马网络技术有限公司 | 车辆状态监测方法、设备、存储介质及车辆 |
| CN109506946B (zh) * | 2018-10-19 | 2021-09-03 | 中国汽车技术研究中心有限公司 | 一种rde工况库开发及使用方法 |
| CN109409008B (zh) * | 2018-11-23 | 2022-06-17 | 哈尔滨理工大学 | 一种城市轨道交通工具线路典型速度-时间行驶工况构建方法 |
| CN109960890B (zh) * | 2019-04-03 | 2023-02-03 | 中车青岛四方车辆研究所有限公司 | 轨道交通工具地区典型速度-时间行驶工况构建方法 |
| CN109960889B (zh) * | 2019-04-03 | 2023-02-07 | 中车青岛四方车辆研究所有限公司 | 轨道交通工具线路典型速度-时间行驶工况构建方法 |
| CN110032809A (zh) * | 2019-04-16 | 2019-07-19 | 中国汽车工程研究院股份有限公司 | 一种泊车场景虚拟重构方法 |
| CN110827446A (zh) * | 2019-11-13 | 2020-02-21 | 北京理工大学 | 一种电动汽车行驶状态预测方法 |
| CN111693299B (zh) * | 2020-06-16 | 2021-07-20 | 安徽江淮汽车集团股份有限公司 | 动力测试行驶工况制定方法、装置、终端设备及存储介质 |
| CN111873804B (zh) * | 2020-06-30 | 2023-06-30 | 德力新能源汽车有限公司 | 一种电动汽车工况数据生成方法和能耗评价工况生成方法 |
| CN113220771B (zh) * | 2021-05-10 | 2022-11-08 | 西安热工研究院有限公司 | 一种基于电厂历史数据自动采集运行工况的方法 |
| CN116721180A (zh) * | 2023-05-30 | 2023-09-08 | 南方电网电力科技股份有限公司 | 一种半实物仿真数据的处理方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4450728A (en) * | 1981-10-06 | 1984-05-29 | Horiba Instruments Incorporated | Vehicle force measurement system |
| CN102881060A (zh) * | 2012-10-17 | 2013-01-16 | 潍柴动力股份有限公司 | 一种实现车辆典型工况获取的方法及系统 |
| CN103217298A (zh) * | 2013-03-28 | 2013-07-24 | 西南大学 | 轻型电动车行驶过程测试分析仪 |
| CN103246943A (zh) * | 2013-05-31 | 2013-08-14 | 吉林大学 | 基于马尔可夫链的汽车运行工况多尺度预测方法 |
| CN103434509A (zh) * | 2013-07-10 | 2013-12-11 | 大连理工大学 | 一种混合动力公交车的控制系统及其动力控制方法 |
| CN103824461A (zh) * | 2014-03-18 | 2014-05-28 | 中国汽车技术研究中心 | 一种车辆行驶工况数据的识别与修正方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AT505105B1 (de) * | 2008-07-24 | 2009-10-15 | Avl List Gmbh | Verfahren zur beurteilung der fahrbarkeit von fahrzeugen |
| JP5459774B2 (ja) * | 2009-12-17 | 2014-04-02 | Ｕｄトラックス株式会社 | 省燃費運転評価システム |
-
2015
- 2015-04-17 CN CN201510182200.8A patent/CN104792543B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4450728A (en) * | 1981-10-06 | 1984-05-29 | Horiba Instruments Incorporated | Vehicle force measurement system |
| CN102881060A (zh) * | 2012-10-17 | 2013-01-16 | 潍柴动力股份有限公司 | 一种实现车辆典型工况获取的方法及系统 |
| CN103217298A (zh) * | 2013-03-28 | 2013-07-24 | 西南大学 | 轻型电动车行驶过程测试分析仪 |
| CN103246943A (zh) * | 2013-05-31 | 2013-08-14 | 吉林大学 | 基于马尔可夫链的汽车运行工况多尺度预测方法 |
| CN103434509A (zh) * | 2013-07-10 | 2013-12-11 | 大连理工大学 | 一种混合动力公交车的控制系统及其动力控制方法 |
| CN103824461A (zh) * | 2014-03-18 | 2014-05-28 | 中国汽车技术研究中心 | 一种车辆行驶工况数据的识别与修正方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《基于车辆能耗状态的济南市道路行驶工况构建》;黄万友等;《西南交通大学学报》;20121230;第47卷(第6期);第990-994页 * |
| 《新能源世博用车示范运行行驶工况研究》;朱顺良等;《质量与标准化》;20110731(第7期);第26－31页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104792543A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104792543B (zh) | 一种道路循环工况的构建方法 | |
| CN103813943B (zh) | 用于估算车辆燃料消耗量的方法和设备 | |
| CN109932191B (zh) | 一种实际道路行驶工况库及构建方法 | |
| CN111670340B (zh) | 一种车辆剩余行驶里程的获取方法、电子设备及车辆 | |
| CN108198425A (zh) | 一种电动汽车行驶工况的构建方法 | |
| Abas et al. | Development of Malaysian urban drive cycle using vehicle and engine parameters | |
| Han et al. | Characterization of driving patterns and development of a driving cycle in a military area | |
| Zhai et al. | Development of a modal emissions model for a hybrid electric vehicle | |
| CN105651254B (zh) | 基于道路线形和频谱特征的道路坡度计算方法 | |
| CN109784560A (zh) | 一种电动汽车续航里程估算方法及估算系统 | |
| CN105501074B (zh) | 电动车辆控制方法 | |
| Nesamani et al. | Impact of real-world driving characteristics on vehicular emissions | |
| CN102044153A (zh) | 一种交通流通畅等级评价的方法与系统 | |
| Ou et al. | Development of hybrid city bus's driving cycle | |
| CN104091440B (zh) | 基于道路等级和车辆类型的城市交通拥堵成本估算方法 | |
| CN116340718A (zh) | 一种基于轨迹数据的汽车碳排放估计模型构建方法及系统 | |
| CN112948965A (zh) | 一种基于机器学习和统计验证的汽车行驶工况的构建方法 | |
| Abas et al. | Efforts to establish Malaysian urban drive-cycle for fuel economy analysis | |
| CN110689131A (zh) | 一种基于朴素贝叶斯模型的车辆能耗影响分析方法 | |
| CN113276683B (zh) | 电动车电耗计算方法及系统 | |
| CN115266135A (zh) | 基于用户工况测试数据的油耗量化分析方法 | |
| Wu et al. | Urban traffic signal timing optimization by reducing vehicle emissions | |
| CN114136390A (zh) | 一种包含道路坡度的汽车行驶工况开发装置及开发方法 | |
| COVACIU et al. | Development of a driving cycle for Brasov city | |
| FR2995275A1 (fr) | Procede d'apprentissage d'economie d'energie pour la conduite d'un vehicule electrique ou hybride |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |