CN109932191B - 一种实际道路行驶工况库及构建方法 - Google Patents
一种实际道路行驶工况库及构建方法 Download PDFInfo
- Publication number
- CN109932191B CN109932191B CN201910199078.3A CN201910199078A CN109932191B CN 109932191 B CN109932191 B CN 109932191B CN 201910199078 A CN201910199078 A CN 201910199078A CN 109932191 B CN109932191 B CN 109932191B
- Authority
- CN
- China
- Prior art keywords
- condition
- short stroke
- speed
- working condition
- library
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/04—Testing internal-combustion engines
- G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
- G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
将RDE试验移植至转毂试验室或动力总成试验室,形成RDE标定技术,对于企业开发标定能力的提升、降低RDE标定的成本和周期具有重要的意义。针对现有RDE测试边界条件不可控,企业达标成本高、周期长等问题,本发明基于交通量大数据、车辆实际运行数据和实际RDE试验数据,提出一种实际道路行驶工况库及构建方法,工况库用于构建测试汽车排放量的循环工况,循环工况包括基本工况、激烈驾驶工况和高排放工况三部分。构建激烈驾驶工况时,使用的参考值包括平均速度‑相对正加速度统计曲线中,95%分位点对应的相对正加速度。构建高排放工况时,使用的数据集包括RDE测试试验数据,构建高排放工况时,使用的参考值包括通过RDE测试试验数据计算出的比排放值。
Description
技术领域
本发明属于交通运输领域,尤其是一种实际道路行驶工况库及构建方法。
背景技术
现有的车辆能耗排放测试多在转毂上进行,由于转毂测试在模拟实际道路载荷及环境参数设置方面的局限性,导致了车辆实际道路的排放得不到有效控制,甚至有些企业利用转毂测试的漏洞进行排放作弊。针对上述问题,欧洲提出了RDE(Real DrivingEmission)测试,即在实际道路上测量车辆的排放量。鉴于RDE测试在避免企业排放作弊以及降低车辆实际运行排放等方面的重要作用,我国轻型车第六阶段排放标准也将RDE测试列入了强检要求。但是,现有RDE测试方法直接引用了欧洲的相关标准,与我国的实际道路情况不符;另外,试验复杂、周期长、受边界条件影响较大,且测试设备精度一般,测试结果的随机性较大,给企业的开发标定造成了较大困难。
标致、博世、本田、丰田等公司利用基于欧洲车辆运行工况开发的RTS95循环在转毂和动力总成台架进行RDE试验研究,减少由上述天气、交通、驾驶性等带来的试验失效。从而降低RDE标定的成本和周期。但目前我国缺乏类似RTS95的RDE标定循环,企业压力较大。
发明内容
本发明实施例中提出一种实际道路行驶工况库,采用的技术方案如下:
一种实际道路行驶工况库,工况库用于构建测试汽车排放量的循环工况,循环工况包括基本工况、激烈驾驶工况和高排放工况,通过工况库中短行程片段的组合形成基本工况、激烈驾驶工况或高排放工况。
本发明实施例的另一方面提出一种实际道路行驶工况库及构建方法,其中,确定工况库中,用于构建激烈驾驶工况的短行程片段时,使用的参考值包括平均速度-相对正加速度统计曲线中,95%分位点对应的相对正加速度。
确定工况库中,用于构建高排放工况的短行程片段时,使用的数据集包括RDE测试试验数据,使用的参考值包括通过RDE测试试验数据计算出的比排放值。
与现有技术相比,本发明的有益效果在于:基于车辆实际的速度-加速度联立分布、PRA分布和RDE实测数据构建工况库,通过工况库中的短行程片段构建测试工况循环,利用测试工况循环可以使在转毂上测试车辆性能时,更加符合车辆在实际道路中行驶真实状况;利用测试工况循环使得测试具有较好的覆盖性和针对性。
附图说明
图1是循环工况构建流程图;
图2是基本工况曲线图;
图3是RPA分布曲线图;
图4是激烈驾驶工况曲线图;
图5是高排放工况曲线图;
图6是循环工况曲线图;
图7是短行程片段示意图。
具体实施方式
本实施例中,测试工况循环通过工况库中的短行程片段组合而成,建立的测试工况循环适用于轻型汽车,建立工况库时使用的数据包括实际道路数据和RDE(Real DrivingEmission)测试数据,采集实际道路数据时,选取指定城市的私家车,通过车辆上安装的数据采集终端(例如OBD)采集车辆行驶时的运行数据,数据采集终端将数据通过GPRS网络发送至工况数据管理平台。
本实施例中,选取5个典型城市的70辆私家车,共三个月的行驶数据(累计里程25万公里)作为构建工况库时,使用的车辆运行数据。
确定工况库中用于构建基本工况的短行程片段时,步骤包括:
S101.将车辆运行数据划分为若干短行程片段,并将短行程片段划分为低速区间、中速区间和高速区间,如图7所示,本实施例中将车辆从一次停车开始到下一次启动开始的运动过程定义为怠速片段;车辆在一次启动到下一次停车的运动过程定义为运动片段,怠速片段和运动片段组成短行程片段,以短行程片段的最大车速为指标,将车辆短行程片段分为低速区间、中速区间和高速区间。
S102.通过GIS平台获取对应城市的低频动态交通量大数据(道路每五分钟的平均速度);建立速度-流量的交通流密度模型,计算对应城市路网上相应行驶车队的总行驶时间(VHT),并建立VHT随平均速度的变化趋势;设定不同速度区间之间的阈值,用该速度阈值切分VHT分布,计算不同速度区间的权重。
S103.计算对应城市各速度区间的速度-加速度联立分布,利用权重因子矩阵进行加权,获取各个速度区间统一的速度-加速度联立分布。
S104.从各速度区间随机选择候选短行程片段进行组合,利用卡方检验对候选片段组合与对应区间统一的速度-加速度联立分布进行比较,将构成组合结果最优的短行程片段存入工况库。
本实施例中,从工况库中选取短行程片段组成基本工况时,首先通过测试场景确定不同速度区间的时长,例如,本实施例中取基本工况的总时长为1800秒,根据权重确定低速区间占比39%,中速区间占比34%,高速区间占比27%,因此各速度区间时长分别为702秒、612秒、486秒,再通过在工况库中抽取不同速度区间的短行程片段,组成测试时需要的基本工况循环。
本实施例中,工况库还包括备选工况库1和备选工况库2。备选工况库1用于构建激烈驾驶工况,备选工况库2用于构建高排放工况。
确定备选工况库1中用于构建激烈驾驶工况的短行程片段时,步骤包括:
S201.将短行程片段划分为低速区间、中速区间和高速区间,计算各速度区间的平均速度和相对正加速度(Relative positive acceleration,RPA),统计各速度区间短行程片段平均速度对应的RPA95%分位值。
S202.基于车辆运行数据中各速度区间的平均速度和相对正加速度,挑选各速度区间平均速度和相对正加速度与统计曲线中,RPA95%分位点最接近的短行程片段存入备选工况库1。
本实施例中,从备选工况库1中选取短行程片段组成激烈驾驶工况时,首先确定工况总时长,例如1800秒,再根据测试场景的需求,从备选工况库1中选取指定数量的短行程片段构成激烈驾驶工况,例如本实施例中,根据短行程片段的平均速度选取3个低速区间短行程片段,2个中速区间短行程片段,1个高速区间短行程片段组成激烈驾驶工况。
确定备选工况库2中用于构建高排放工况的短行程片段时,步骤包括:
S301.进行RDE测试。
S302.利用RDE测试试验数据,将试验数据划分为若干短行程片段,并对短行程片段的排放因子进行计算。
其中排放因子定义为短行程片段内污染物排放总量与车辆在短行程片段内行驶里程的比值。
S303.挑选每组RDE测试数据中,排放因子值最大的二十个短行程片段存入备选工况库2。
本实施例中,从备选工况库2中选取短行程片段组成高排放工况时,先确定工况总时长,例如1800秒,再根据测试场景的需求,从备选工况库2中选取指定数量的短行程片段构成高排放工况,例如,本实施例中,选取3个短行程片段组成高排放工况。
本实施例中,测试工况循环可以为基本工况、激烈驾驶工况或高排放工况中的任意一种,也可以为基本工况、激烈驾驶工况和高排放工况三者之间的任意组合。
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)
1.一种实际道路行驶工况库,工况库用于构建测试汽车排放量的循环工况,其特征在于,循环工况包括基本工况、基于RPA分析的激烈驾驶工况和RDE测试得到的高排放工况,通过工况库中短行程片段的组合形成基本工况、激烈驾驶工况或高排放工况;
用于构建基本工况的短行程片段时,步骤包括:
S101.将车辆运行数据划分为若干短行程片段,并将短行程片段划分为低速区间、中速区间和高速区间,将车辆从一次停车开始到下一次启动开始的运动过程定义为怠速片段;车辆在一次启动到下一次停车的运动过程定义为运动片段,怠速片段和运动片段组成短行程片段,以短行程片段的最大车速为指标,将车辆短行程片段分为低速区间、中速区间和高速区间;
S102.通过GIS平台获取对应城市的低频动态交通量大数据;建立速度-流量的交通流密度模型,计算对应城市路网上相应行驶车队的总行驶时间,并建立VHT随平均速度的变化趋势;设定不同速度区间之间的阈值,用该阈值切分VHT分布,计算不同速度区间的权重;
S103.计算对应城市各速度区间的速度-加速度联立分布,利用权重因子矩阵进行加权,获取各个速度区间统一的速度-加速度联立分布;
S104.从各速度区间随机选择候选短行程片段进行组合,利用卡方检验对候选片段组合与对应区间统一的速度-加速度联立分布进行比较,将构成组合结果最优的短行程片段存入工况库;
还包括备选工况库1和备选工况库2,备选工况库1用于构建激烈驾驶工况,备选工况库2用于构建高排放工况;
确定备选工况库1中用于构建激烈驾驶工况的短行程片段时,包括以下步骤:
S201. 将短行程片段划分为低速区间、中速区间和高速区间,计算各速度区间的平均速度和相对正加速度,统计各速度区间短行程片段平均速度对应的RPA95%分位值;
S202. 基于车辆运行数据中各速度区间的平均速度和相对正加速度,挑选各速度区间平均速度和相对正加速度与统计曲线中,RPA95%分位点最接近的短行程片段存入备选工况库1;
从备选工况库1中选取短行程片段组成激烈驾驶工况时,首先确定工况总时长,再根据测试场景的需求,从备选工况库1中选取指定数量的短行程片段构成激烈驾驶工况;
确定备选工况库2中用于构建高排放工况的短行程片段时,包括以下步骤:
S301. 进行RDE测试;
S302. 利用RDE测试试验数据,将试验数据划分为若干短行程片段,并对短行程片段的排放因子进行计算,其中排放因子定义为短行程片段内污染物排放总量与车辆在短行程片段内行驶里程的比值;
S303. 挑选每组RDE测试数据中,排放因子值最大的二十个短行程片段存入备选工况库2。
2.一种实际道路行驶工况库构建方法,用于构建权利要求1所述的一种实际道路行驶工况库,其特征在于,确定工况库中,用于构建激烈驾驶工况的短行程片段时,使用的参考值包括平均速度-相对正加速度统计曲线中,95%分位点对应的相对正加速度。
3.如权利要求2所述一种实际道路行驶工况库构建方法,其特征在于,确定工况库中,用于构建高排放工况的短行程片段时,使用的数据集包括RDE测试试验数据,使用的参考值包括通过RDE测试试验数据计算出的比排放值。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199078.3A CN109932191B (zh) | 2019-03-15 | 2019-03-15 | 一种实际道路行驶工况库及构建方法 |
LU102194A LU102194B1 (en) | 2019-03-15 | 2020-03-10 | Real driving cycle database and construction method thereof |
PCT/CN2020/078682 WO2020187100A1 (zh) | 2019-03-15 | 2020-03-10 | 一种实际道路行驶工况库及构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910199078.3A CN109932191B (zh) | 2019-03-15 | 2019-03-15 | 一种实际道路行驶工况库及构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109932191A CN109932191A (zh) | 2019-06-25 |
CN109932191B true CN109932191B (zh) | 2021-10-15 |
Family
ID=66987463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910199078.3A Active CN109932191B (zh) | 2019-03-15 | 2019-03-15 | 一种实际道路行驶工况库及构建方法 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN109932191B (zh) |
LU (1) | LU102194B1 (zh) |
WO (1) | WO2020187100A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109932191B (zh) * | 2019-03-15 | 2021-10-15 | 中国汽车技术研究中心有限公司 | 一种实际道路行驶工况库及构建方法 |
CN112562311B (zh) * | 2020-10-21 | 2022-04-26 | 中国汽车技术研究中心有限公司 | 基于gis大数据的工况权重因子获取方法及装置 |
CN112304637A (zh) * | 2020-10-30 | 2021-02-02 | 广西玉柴机器股份有限公司 | 一种轻型车实际行驶wltc和rde试验方法 |
CN112629880B (zh) * | 2020-12-10 | 2022-02-22 | 东风汽车集团有限公司 | 车辆测试工况确定方法、装置及存储介质 |
CN113688558B (zh) * | 2021-06-18 | 2024-03-29 | 长安大学 | 一种基于大数据库样本的汽车行驶工况构建方法及系统 |
CN113553548B (zh) * | 2021-07-19 | 2023-01-10 | 中汽研汽车检验中心(天津)有限公司 | 一种基于车联网大数据的实际运行工况VSPBin划分方法 |
CN114021617B (zh) * | 2021-09-29 | 2024-09-17 | 中国科学技术大学 | 基于短行程特征聚类的移动源行驶工况构建方法及设备 |
CN114048798B (zh) * | 2021-10-21 | 2024-08-20 | 湖南大学 | 基于改进降噪自编码器的汽车行驶工况构建方法 |
CN114136312B (zh) * | 2021-11-25 | 2024-05-07 | 中汽研汽车检验中心(天津)有限公司 | 一种坡度速度组合工况开发装置及开发方法 |
CN114091182A (zh) * | 2021-11-25 | 2022-02-25 | 中汽研汽车检验中心(天津)有限公司 | 一种包含道路坡度信息的重型载货汽车行驶工况构建方法 |
CN113963462B (zh) * | 2021-12-16 | 2022-02-25 | 中汽研汽车检验中心(天津)有限公司 | 基于远传数据的电驱总成可靠性工况构建方法及构建装置 |
CN114674573B (zh) * | 2022-02-24 | 2023-08-11 | 重庆长安汽车股份有限公司 | 一种适用于任意测试边界的实际道路排放rde评估方法 |
CN114969962B (zh) * | 2022-04-22 | 2024-02-20 | 南栖仙策(南京)科技有限公司 | 车辆rde排放恶劣工况的生成方法、装置、设备及存储介质 |
CN114965898A (zh) * | 2022-06-01 | 2022-08-30 | 北京市生态环境监测中心 | 重型车氮氧化物和二氧化碳排放的远程在线监测方法 |
CN115420507B (zh) * | 2022-08-17 | 2023-07-11 | 武汉理工大学 | 一种发动机燃油经济性台架测试工况建立方法 |
CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心(天津)有限公司 | 一种基于gis数据的速度区间权重计算方法 |
CN115601855B (zh) * | 2022-11-29 | 2023-04-07 | 天津所托瑞安汽车科技有限公司 | 车辆行驶工况构建方法、电子设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101592745B1 (ko) * | 2014-07-29 | 2016-02-05 | 현대자동차주식회사 | 작동온도 영역이 확대된 lnt 시스템 |
CN204895347U (zh) * | 2015-04-22 | 2015-12-23 | 北京九五智驾信息技术股份有限公司 | 驾驶行为分析系统 |
CN105912862B (zh) * | 2016-04-12 | 2018-07-27 | 北京荣之联科技股份有限公司 | 一种尾气排放量检测方法及大气污染分析方法和装置 |
AT518677B1 (de) * | 2016-05-30 | 2018-05-15 | Avl List Gmbh | Verfahren zum Erstellen eines Analysedatensatzes |
CN106546550A (zh) * | 2016-09-30 | 2017-03-29 | 张英志 | 车辆实际驾驶条件下尾气排放测量方法及装置 |
CN107067722B (zh) * | 2017-04-24 | 2020-04-21 | 中国汽车技术研究中心 | 一种车辆行驶工况构建方法 |
CN106997662B (zh) * | 2017-04-26 | 2020-04-10 | 长安大学 | 一种城市公交车工况构建方法 |
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 |
CN109443779A (zh) * | 2018-11-07 | 2019-03-08 | 中国汽车技术研究中心有限公司 | 一种动态诊断、提取柴油车实际运行nox高排放恶劣工况的方法和装置 |
CN109932191B (zh) * | 2019-03-15 | 2021-10-15 | 中国汽车技术研究中心有限公司 | 一种实际道路行驶工况库及构建方法 |
-
2019
- 2019-03-15 CN CN201910199078.3A patent/CN109932191B/zh active Active
-
2020
- 2020-03-10 LU LU102194A patent/LU102194B1/en active IP Right Grant
- 2020-03-10 WO PCT/CN2020/078682 patent/WO2020187100A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2020187100A1 (zh) | 2020-09-24 |
LU102194B1 (en) | 2021-05-06 |
CN109932191A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109932191B (zh) | 一种实际道路行驶工况库及构建方法 | |
CN104792543B (zh) | 一种道路循环工况的构建方法 | |
CN102054222A (zh) | 基于居民出行分析的城市机动车排放量化方法 | |
CN109506946B (zh) | 一种rde工况库开发及使用方法 | |
Chindamo et al. | What is the most representative standard driving cycle to estimate diesel emissions of a light commercial vehicle? | |
CN101886940A (zh) | 混合动力电动汽车能耗排放检测系统与检测方法 | |
CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN110728772A (zh) | 一种有轨电车典型行驶工况构建方法 | |
CN111896274A (zh) | 一种两驱电动车型的整车电驱动总成耐久试验制定方法 | |
CN113918890B (zh) | 一种基于移动窗口库的低负荷工况构建方法 | |
CN112730748A (zh) | 一种基于工况选择的大规模筛查重型柴油车高NOx排放方法 | |
CN111598424A (zh) | 一种基于重型柴油车远程监控数据的排放计算方法 | |
CN115062842A (zh) | 基于实时路况和气象状况的机动车排放预测方法及系统 | |
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 | |
Hung et al. | A modal approach to vehicular emissions and fuel consumption model development | |
CN118311199A (zh) | 一种营运车辆碳排放监测方法及系统 | |
CN114136656A (zh) | 一种纯电动营运汽车电机台架试验工况的构建方法 | |
CN117390867A (zh) | 一种能耗评估方法、装置、电子设备以及介质 | |
CN114755025B (zh) | 基于远程在线监测燃油清净增效剂的节油降碳评测方法 | |
CN112507518B (zh) | 一种用户综合油耗计算方法和装置 | |
CN112729863B (zh) | 一种车辆实测道路选择方法 | |
CN113920737A (zh) | 一种rde工况随机生成器 | |
CN109284540B (zh) | 一种基于工况识别的变衰减因子指数预测模型方法 | |
CN114112408B (zh) | 基于台架试验的汽油发动机机油消耗量的获取方法和装置 | |
CN115829083B (zh) | 区域车辆受交通政策影响的排放评估与优化方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |