CN107067722B - 一种车辆行驶工况构建方法 - Google Patents

Abstract

本发明创造提供了一种新的车辆行驶工况构建方法，包括如下步骤：对采集的车辆行驶数据进行处理，划分速度区间；利用交通量大数据计算各速度区间权重；根据各速度区间的时长合成最终的工况曲线。本发明采用核模糊c均值聚类对短片段进行分类的精度比传统方法更高，采用交通量大数据计算各速度区间权重，能够更加符合车辆在城市中行驶真实状况，有效弥补了现有城市综合工况方法在聚类准确度较低和速度区间权重确定方面的不足。

Description

一种车辆行驶工况构建方法

技术领域

本发明创造属于交通运输领域，尤其是涉及一种车辆行驶工况构建方法。

背景技术

汽车行驶工况是汽车行业一项重要的基础标准，是汽车产品开发过程中的重要设计输入，是汽车各项性能指标标定优化时的主要基准，也是进行排放和油耗认证的基础。目前我国在进行轻型汽车排放和油耗认证时，使用的是欧洲的行驶工况(NEDC)。但我国在交通状况、规则、驾驶习惯与驾驶员专业素养等方面与欧洲国家存在较大差异。因此，NEDC工况不能完全反应我国车辆的实际行驶状况。此外，由于我国各区域发展不平衡，不同的城市的车辆保有量、道路交通状况和交通流分布差异很大，因此某一特定工况很难适用于所有地区，所以开发地区工况作为全国通用工况的补充是非常必要的。

近年来，国内学者对行驶工况进行了一系列研究，现有的工况构建方法研究都取得了一定成果，但依然存在着一些问题。如：对速度区间的权重的划分主要根据各速度区间片段的总时长，这就导致最终构建的工况对车辆的选择过分依赖、实用性较差。此外，现有的方法常采用的c均值聚类算法由于使用低维空间的欧式距离不适于处理复杂问题。

发明内容

有鉴于此，本发明创造旨在提出一种车辆行驶工况构建方法，采用核模糊c均值聚类对短片段进行分类的精度比传统方法更高，采用交通量大数据计算各速度区间权重，能够更加符合车辆在城市中行驶真实状况。

为达到上述目的，本发明创造的技术方案是这样实现的：

一种车辆行驶工况构建方法，包括如下步骤：

(1)对采集的车辆行驶数据进行处理，划分速度区间；

(2)利用交通量大数据计算各速度区间权重；

(3)根据各速度区间的时长合成最终的工况曲线。

进一步的，所述步骤(1)具体包括如下步骤：

(101)采集车辆GPS车速数据；

(102)对数据质量进行检查，删除异常数据；

(103)对GPS车速信号进行切割，将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段；车辆在一次启动到下一次停车的运动定义为运动片段；

(104)分别计算运行时间、加速比例、减速比例、匀速比例、怠速比例、运行距离、最大速度、平均速度、运行平均速度、最大加速度、加速段平均加速度、最小加速度、减速段平均减速度、速度标准差、加速度标准差作为片段特征；

(105)采用主成分分析对片段特征进行约减，选择贡献率大于85％的前四个主成分代替原特征；

(106)采用核模糊c均值聚类算法对获得的四个主成分进行分析；

(107)计算各类别的平均速度，根据各类别的速度将其定义为低速、中速、高速和超高速，计算两个相邻类别的平均速度。

进一步的，所述步骤(2)具体包括如下步骤：

(201)计算的交通量速度分布直方图并利用两个相邻类别的平均速度对其进行划分；

(202)将各速度区间的交通量与总交通量的比值作为各速度区间的权重。

进一步的，所述步骤(3)具体包括如下步骤：

(301)定义工况曲线的总时长，各速度区间的时长为总时长乘以其权重；

(302)根据各速度区间的时长和各类别的运动片段和怠速片段的平均时长计算各速度区间运动片段和怠速片段的数目；计算公式如下：

n_st,i＝(T_i-T_st,i)/(T_st,i+T_id,i)

n_id,i＝n_st,i+1

其中，i为速度区间编号，T为速度区间的时长，T_st为运动片段的平均时间长度，T_id为怠速片段的平均时间长度，n_st为运动片段个数，n_id为怠速片段个数；

(303)计算运动片段与怠速片段的累计频率，根据各区间短片段个数n_i，将累计频率的频率长度均分成n_i等份，每一份为100/n_i，在每个等分区间找到该区间的50％分位累计分布对应的X点，将X点的时长作为从数据库中筛选片段的依据；

(304)利用卡方检验对候选短片段组合与原数据的速度加速度联合分布进行比较，在不同的速度区间选择卡方值最小的片段组合成最终的工况曲线，其中片段组合按以下顺序进行：低速片段、中速片段、高速片段、超高速片段。

相对于现有技术，本发明创造所述的一种车辆行驶工况构建方法具有以下优势：针对现有工况构建方法在聚类分析精度和速度区间权重划分方面的不足，本发明采用核模糊c均值聚类对短片段进行分类的精度比传统方法更高，采用交通量大数据计算各速度区间权重，能够更加符合车辆行驶真实状况，有效弥补了现有工况方法在聚类准确度较低和速度区间权重确定方面的不足，提供了一种更加合理的工况构建方法。

附图说明

构成本发明创造的一部分的附图用来提供对本发明创造的进一步理解，本发明创造的示意性实施例及其说明用于解释本发明创造，并不构成对本发明创造的不当限定。在附图中：

图1为本发明创造实施例所述的一种车辆行驶工况构建方法的流程示意图；

图2为本发明创造实施例所述的运动片段和怠速片段定义示意图；

图3为本发明创造实施例所述的主成分分析结果示意图；

图4为本发明创造实施例所述的速度区间划分及权重计算示意图；

图5为本发明创造实施例所述的低速运动片段时长分布及片段筛选示意图；

图6为本发明创造实施例所述的中速运动片段时长分布及片段筛选示意图；

图7为本发明创造实施例所述的高速运动片段时长分布及片段筛选示意图；

图8为本发明创造实施例所述的超高速运动片段时长分布及片段筛选示意图；

图9为本发明创造实施例所述的组合成的代表工况示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明创造中的实施例及实施例中的特征可以相互组合。

在本发明创造的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明创造的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明创造的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明创造中的具体含义。

下面将参考附图并结合实施例来详细说明本发明创造。

以下结合附图,对发明方法做进一步详细说明，图1为工况构建方案整体流程。

数据采集：

试验系统由两部分组成，车载数据采集终端和数据管理平台。车载数据采集终端将采集信息按照统一的数据协议编码，并通过GPRS网络实时发送到工况数据管理平台。车载数据采集终端的数据来源包括两部分，GPS信号和车载诊断系统(OBD)信号。试验采用自主驾驶法采集了64辆私家车、12辆出租车和4辆公务车(共80辆轻型车)的运行数据，累计行驶里程为18万公里。

运动片段划分：

车辆从起步出发至目的地停车，受道路交通状况影响，其间会经过多次起步、停车操作。将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段；车辆在一次启动到下一次停车的运动定义为短行程片段(运动片段)。这样车辆一次行程就可以视为各种各样的片段组合。一次行程定义如图2所示。

特征参数定义及计算：

为了描述各短片段的差异，分别计算运行时间、加速比例、减速比例、匀速比例、怠速比例、运行距离、最大速度、平均速度、运行平均速度、最大加速度、加速段平均加速度、最小加速度、减速段平均减速度、速度标准差、加速度标准差作为片段特征。为了消除各特征取值范围对工况构建的影响，将各特征归一到0-1之间。

主成分分析：

在定义的15种特征中，很多特征彼此存在着一定的相关性，并且特征维数较高不利于后续的聚类分析。因此采用主成分分析对片段特征进行约减，选择贡献率大于85％的前四个主成分代替原特征。主成分分析结果如图3所示。

聚类分析：

采用核模糊c均值聚类算法对获得的四个主成分进行分析；计算各类别的平均速度，根据各类别的速度将其定义为低速、中速、高速和超高速，计算两个相邻类别的平均速度。低速和中速的平均速度为23.8km/h，中速和高速的平均速度为40.3km/h，高速和超高速的平均速度为60.5km/h。

速度区间划分：

计算的交通量速度分布直方图并利用两个相邻类别的平均速度对其进行划分，结果如图4所示。计算各速度区间交通量，将各区间交通量占总交通量的比重作为各速度区间的权重系数w_i。设置整个工况曲线的时长为1800秒，则各区间时长为：T_i＝1800*w_i。

计算得到各区间时长。低速：594秒；中速：546秒；高速373秒；超高速：287秒。

不同速度区间短片段数目确定：

根据下式计算各区间短片段的数量，结果如表2所示。

n_st,i＝(T_i-T_st,i)/(T_st,i+T_id,i)

n_id,i＝n_st,i+1

其中，i为速度区间编号，T为速度区间的时长，T_st为运动片段的平均时间长度，T_id为怠速片段的平均时间长度，n_s为运动片段个数，n_id为怠速片段个数。

表2低/中/高/超高车速区间短程及怠速数目的确定

短片段筛选：

分别计算各区间运动片段与怠速片段时长的累计频率，根据各区间短片段个数n_i，将累计频率的频率长度均分成n_i等份，每一份为100/n_i。根据每两个相邻均分点的中点找到对应的点X，在每个等分区间找到该区间的50％分位累计分布对应的X点，将X点横坐标对应的短片段作为候选短片段。各速度区间运动片段时长分布及筛选结果如图5到图8所示。同理，采用相同方法可以对各区间怠速片段进行筛选。

工况合成：

由于同一时长可能对应多个短片段，所以利用卡方检验对候选短片段组合与原数据的速度加速度联合分布进行比较，在不同的速度区间选择卡方值最小的片段组合成最终的工况曲线。片段组合按以下顺序进行：低速片段、中速片段、高速片段、超高速片段。组合成的代表工况如图9所示。

工况有效性分析：

为了确保第构建的行驶工况能代表本次试验的试验数据，需要对此行驶工况进行进一步的验证。选择平均速度、平均加速度、平均减速度、加速比例、减速比例、匀速比例和怠速比例共7个典型参数对工况曲线特征进行描述。并对比济南轻型车工况特征参数与NEDC工况特征参数及实测数据特征参数的差异，结果如表3所示。

表3特征参数比较

从表3可以看出，济南工况曲线平均加速度和平均减速度与实际情况符合度较高。虽然在平均车速以及怠速比例方面存在一定偏差，但明显优于NEDC工况。综上所述，本文构建的济南轻型车工况是合理的。

以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明创造的保护范围之内。

Claims (3)

1.一种车辆行驶工况构建方法，其特征在于：包括如下步骤：

(1)对采集的车辆行驶数据进行处理，划分速度区间；

(2)利用交通量大数据计算各速度区间权重；

(3)根据各速度区间权重和对应运动片段和怠速片段时长分布，构建各速度区间工况组合成最终工况曲线；

(301)定义工况曲线的总时长，各速度区间的时长为总时长乘以其权重；

(302)根据各速度区间的时长和各类别的运动片段和怠速片段的平均时长计算各速度区间运动片段和怠速片段的数目；计算公式如下：

n_st,i＝(T_i-T_st,i)/(T_st,i+T_id,i)

n_id,i＝n_st,i+1

其中，T_i为各速度区间时长，T_st,i为运动片段的平均时间长度，T_id,i为怠速片段的平均时间长度，n_st,i为运动片段个数，n_id,i为怠速片段个数；

(303)计算运动片段与怠速片段的累计频率，根据各区间短片段个数n_i，将累计频率的频率长度均分成n_i等份，每一份为100/n_i，根据每一个均分点找到对应的X点，将X点横坐标对应的短片段作为候选短片段；

(304)利用卡方检验对候选短片段组合与原数据的速度加速度联合分布进行比较，在不同的速度区间选择卡方值最小的片段组合成最终的工况曲线，其中片段组合按以下顺序进行：低速片段、中速片段、高速片段、超高速片段。

2.根据权利要求1所述的一种车辆行驶工况构建方法，其特征在于：所述步骤(1)具体包括如下步骤：

(101)采集车辆GPS车速数据；

(102)对数据质量进行检查，删除异常数据；

(103)对GPS车速信号进行切割，将车辆从一次停车开始到下一次启动开始的运动定义为怠速片段；车辆在一次启动到下一次停车的运动定义为运动片段；

(104)分别计算运行时间、加速比例、减速比例、匀速比例、怠速比例、运行距离、最大速度、平均速度、运行平均速度、最大加速度、加速段平均加速度、最小加速度、减速段平均减速度、速度标准差、加速度标准差作为片段特征；

(105)采用主成分分析对片段特征进行约减，选择贡献率大于85％的前四个主成分代替原特征；

(106)采用核模糊c均值聚类算法对获得的四个主成分进行分析；

(107)计算各类别的平均速度，根据各类别的速度将其定义为低速、中速、高速和超高速，计算两个相邻类别的平均速度。

3.根据权利要求1所述的一种车辆行驶工况构建方法，其特征在于：所述步骤(2)具体包括如下步骤：

(201)计算的交通量速度分布直方图并利用两个相邻类别的平均速度对其进行划分；

(202)将各速度区间的交通量与总交通量的比值作为各速度区间的权重。

Images