CN115964905B - 高原山地道路的排放测试工况构建方法和介质 - Google Patents
高原山地道路的排放测试工况构建方法和介质 Download PDFInfo
- Publication number
- CN115964905B CN115964905B CN202310256724.1A CN202310256724A CN115964905B CN 115964905 B CN115964905 B CN 115964905B CN 202310256724 A CN202310256724 A CN 202310256724A CN 115964905 B CN115964905 B CN 115964905B
- Authority
- CN
- China
- Prior art keywords
- segment
- actual
- distribution
- speed
- travel
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000001133 acceleration Effects 0.000 claims abstract description 106
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000001174 ascending effect Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 239000013618 particulate matter Substances 0.000 claims description 11
- 239000003344 environmental pollutant Substances 0.000 claims description 10
- 231100000719 pollutant Toxicity 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 238000012795 verification Methods 0.000 abstract 1
- 239000012634 fragment Substances 0.000 description 23
- 230000033001 locomotion Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及数据处理技术领域，公开了一种高原山地道路的排放测试工况构建方法和介质。该方法包括：针对基于车辆实际运行工况数据构建的各初始片段库中的各行程片段，根据行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定该行程片段的分布差距，以根据各初始片段库中各行程片段的分布差距、以及低速、中速、高速的片段数量，确定各目标片段，进而构建实际排放测试工况，并对实际排放测试工况进行模拟试验。该方法结合速度、加速度、道路坡度以及排放数据衡量行程片段对其所属的片段库的代表性，进而对片段进行筛选，构建出具有代表性的测试工况，实现了对工况的验证。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种高原山地道路的排放测试工况构建方法和介质。
背景技术
在国六及下阶段机动车排放标准法规中，均要求机动车开展实际道路RDE（RealDrive Emission，实际行驶污染物排放）测试。然而，诸如云南等地区的高原山地道路，与在传统平原下采集的道路数据不一样，高原山地道路起伏波动较大、且坡度变化差异大，对实际道路排放会产生直接的影响。
在现有相关测试工况中，均采集“时间-速度”信息来构建测试工况，进而通过构建的测试工况对车辆的排放进行测试。然而，高原山地道路的坡度对排放产生的影响较大，该方法没有到考虑高原山地道路的坡度，此外，也没有考虑排放影响的差距，因此，采用该方法构建高原山地道路的测试工况，会导致测试出的排放结果与实际的排放结果之间存在显著差距。
有鉴于此，特提出本发明。
发明内容
为了解决上述技术问题，本发明提供了一种高原山地道路的排放测试工况构建方法和介质，以结合速度、加速度、道路坡度以及排放数据，对各行程片段对其所属的片段库的代表性进行衡量，进而筛选出具备代表性的片段构建高原山地道路的车辆排放测试工况的构建，解决现有技术中对高原山地道路测试的排放结果与实际的排放结果之间存在显著差距的技术问题。与现有技术仅考虑“时间-速度”信息的方式相比，本发明实施例考虑在高原山地道路的场景下，速度、加速度、坡度均会对排放产生影响，为了构建出接近实际排放的测试工况，通过速度、加速度、道路坡度、排放影响参数以及排放数据，衡量各行程片段的代表性，以筛选出排放更能代表其所属片段库的片段进行工况构建，进而得到符合高原山地道路实际排放的测试工况。
本发明实施例提供了一种高原山地道路的排放测试工况构建方法，该方法包括如下步骤：
S110：获取基于车辆实际运行工况数据构建的各初始片段库，其中，车辆实际运行工况数据为各车辆在高原山地道路行驶产生的数据，各初始片段库包括各车型分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库；
S120：针对每一个初始片段库中的各行程片段，基于行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定行程片段与行程片段所属的初始片段库之间的分布差距，其中，分布差距用于衡量行程片段对行程片段所属的初始片段库的代表性，分布差距包括加速度分布差距、坡度分布差距以及排放分布差距，实际排放影响参数用于描述实际速度、实际道路坡度以及实际加速度对排放的影响；
S130：基于各初始片段库中各行程片段的分布差距、低速片段数量、中速片段数量以及高速片段数量，确定各目标片段；
S140：根据各目标片段构建实际排放测试工况，对实际排放测试工况进行模拟试验，得到实际排放测试工况对应的排放测试结果。
本发明实施例提供了一种电子设备，所述电子设备包括：
处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的高原山地道路的排放测试工况构建方法的步骤。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的高原山地道路的排放测试工况构建方法的步骤。
本发明实施例具有以下技术效果：
针对基于车辆实际运行工况数据构建的各初始片段库中的各行程片段，根据行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定该行程片段与其所属的初始片段库中的全部行程片段之间的分布差距，进而根据各行程片段的分布差距，在各初始片段库中选择出备选片段，以根据各初始片段库中各行程片段的分布差距、以及低速、中速、高速的片段数量，确定各目标片段，进而构建实际排放测试工况，并对实际排放测试工况进行模拟试验，该方法基于片段中的速度、加速度、道路坡度、排放影响参数以及排放数据，可以得到反映整个片段库的各片段，即得到排放更接近整个片段库的各片段，进而构建出具有代表性、典型性的高原山地道路的实际排放测试工况，并且，通过对构建的实际排放测试工况进行模拟试验，实现对实际排放测试工况的验证，进一步的保证了实际排放测试工况的代表性和典型性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种高原山地道路的排放测试工况构建方法的流程图；
图2为本发明实施例提供的一种短行程片段的示意图；
图3为本发明实施例提供的一种综合第一分布的示意图；
图4为本发明实施例提供的一种高原山地道路工况曲线的示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。
本发明实施例提供的高原山地道路的排放测试工况构建方法，主要适用于模拟车辆在高原山地道路下的排放的情况。具体的，可以根据大量的高原环境的车辆实际运行工况数据，如10天的在高原环境下各个车辆的路况数据，构建出能够代表高原山地道路的实际排放测试工况，如5000s的实际排放测试工况，进而可以按照构建的实际排放测试工况进行排放研发标定和测试，如将构建的实际排放测试工况放到实验室转毂上，在实验室条件下模拟车辆在高原山地道路下的机动车排放能耗，达到测试节约成本的目的，若车辆在实际排放测试工况下的排放符合要求，则表示该车辆在实际道路上的排放也会符合要求。
本发明实施例提供的高原山地道路的排放测试工况构建方法可以由集成在诸如计算机、平板电脑或智能手机等电子设备内的高原山地道路的排放测试工况装置执行。
图1是本发明实施例提供的一种高原山地道路的排放测试工况构建方法的流程图。参见图1，该高原山地道路的排放测试工况构建方法具体包括：
S110：获取基于车辆实际运行工况数据构建的各初始片段库。
其中，车辆实际运行工况数据为各车辆在高原山地道路行驶产生的数据，各初始片段库包括各车型分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
在本发明实施例中，可以以多个高原山地地区之间的往返路线为基础，预先采集设定时间内各车辆在往返路线内的高原山地道路上行驶所产生的实际运行工况数据。如，选择200辆不同类型、不同排放阶段的轻重型汽车，在“元江-昆明-大理-丽江-香格里拉”路线运行，连续采集不少于180天的车辆实际运行工况数据。示例性的，可以通过各个车辆上的车载排放能耗测量系统，采集对应的车辆实际运行工况数据。
具体的，车辆实际运行工况数据可以包括各时间点分别对应的实际速度、实际海拔高度以及实际排放数据。在本发明实施例中，可以根据车辆实际运行工况数据，按照数据中各车辆的类型，构建各车型（轻型汽车、或重型汽车等）分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
其中，低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库分别包括车辆实际运行工况数据中的低速行程片段、中速行程片段以及高速行程片段。
在一种具体的实施方式中，步骤S110，包括如下步骤：
S1101：根据车辆实际运行工况数据中各时间点分别对应的实际速度、实际排放数据、实际加速度、实际道路坡度以及实际排放影响参数，构建各车型分别对应的综合数据库；
S1102：针对每一个车型对应的综合数据库，根据短行程法对综合数据库进行分割处理，将综合数据库划分为各行程片段；
S1103：基于预设低速区间范围、预设中速区间范围、预设高速区间范围以及各行程片段中的最大实际速度，构建车型对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
具体的，可以根据车辆实际运行工况数据，建立每一个车型分别对应的综合数据库，其中，综合数据库包括各时间点分别对应的实际速度、实际排放数据、实际加速度、实际道路坡度以及实际排放影响参数。参见表1，表1展示了一种车型对应的综合数据库，表1示例性的展示了综合数据库中一个时间点对应的信息，综合数据库还可以包括实际能耗数据。
表1 一种车型对应的综合数据库
进一步的，可以针对每一个综合数据库，以各时间点的实际速度为基准，采用短行程法对综合数据库进行工况片段切割，得到若干个短行程的工况片段，即各行程片段。
示例性的，图2为本发明实施例提供的一种短行程片段的示意图，其中，一个短行程片段包括一个怠速段和一个行驶段。
进一步的，对于每一个行程片段，可以判断行程片段中的最大实际速度，位于预设低速区间范围、预设中速区间范围或预设高速区间范围内，进而判断该行程片段为低速行程片段、中速行程片段或高速行程片段。其中，预设低速区间范围可以是[0,40km/h]，预设中速区间范围可以是(40km/h,80km/h]，预设高速区间范围可以是
。
进一步的，可以根据该车型的综合数据库中的所有低速行程片段，构建该车型对应的低速行程初始片段库；根据该车型的综合数据库中的所有中速行程片段，构建该车型对应的中速行程初始片段库；根据该车型的综合数据库中的所有高速行程片段，构建该车辆对应的高速行程初始片段库。
例如，若存在100个车型分别对应的综合数据库，则可以确定出100个低速行程初始片段库，100个中速行程初始片段库，以及100个高速行程初始片段库。
通过上述实施方式，实现了各车型分别对应的低速、中速、高速行程初始片段库的构建，进而便于对各车型分别对应的初始片段库中的行程片段进行筛选，从而保证了针对各车型所分别筛选出的备选片段的可靠性。
需要说明的是，在上述实施方式中，车辆实际运行工况数据中各时间点分别对应的实际道路坡度、实际加速度以及实际排放影响参数，可以是通过实际速度计算得到的。
可选的，在步骤S1101之前，还包括如下步骤：
S11：获取车辆实际运行工况数据，其中，车辆实际运行工况数据包括各时间点分别对应的实际速度、实际海拔高度以及实际排放数据；
S12：针对每一个时间点，基于当前时间点对应的实际速度和实际海拔高度、前一时间点对应的实际速度和实际海拔高度、以及相邻时间点之间的时间间隔，确定当前时间点对应的实际道路坡度；
S13：基于当前时间点对应的实际速度和前一时间点对应的实际速度，确定当前时间点对应的实际加速度；
S14：基于当前时间点对应的实际速度、实际道路坡度以及实际加速度，确定当前时间点对应的实际排放影响参数，其中，实际排放影响参数用于描述实际速度、实际道路坡度以及实际加速度对排放的影响。
即，最初采集到的车辆实际运行工况数据中可以仅包括实际速度、实际海拔高度以及实际排放数据。在本发明实施例中，还可以在执行S11之后，对获取到的车辆实际运行工况数据进行异常数据检测和修正处理。
进一步的，可以通过S12-S14，计算出每一个时间点对应的实际道路坡度、实际加速度以及实际排放影响参数。具体的，在S12中，计算实际道路坡度可以参考如下公式：
式中，
表示实际道路坡度，H1、H2分别为前一时间点对应的实际海拔高度（m）、当前时间点对应的实际海拔高度（m），VG-1、VG-2分别为前一时间点对应的实际速度（km/h）、当前时间点对应的实际速度（km/h），t2-t1为相邻时间点之间的时间间隔（s）。其中，时间间隔可以为1s，即车辆实际运行工况数据的采集频率为1Hz。
具体的，在上述S13中，实际加速度的计算可以满足如下公式：
式中，
表示实际加速度，单位可以为m/s2；3.6表示3600/1000，用于实现从km/h到m/s2的单位转换。由于车辆实际运行工况数据的采集频率为1Hz，即采集的时间差为1s，因此，上述实际加速度计算公式中的时间差可以忽略。
具体的，在上述S14中，可以通过一个时间点对应的实际速度、实际道路坡度以及实际加速度，计算出该时间点对应的实际排放影响参数。
计算实际排放影响参数的目的在于：由于速度、道路坡度以及加速度均对车辆排放产生影响，因此，可以通过计算出的实际排放影响参数，来代表对应的实际速度、实际道路坡度以及实际加速度，进而通过实际排放影响参数与实际排放数据之间的关系，描述实际速度、实际道路坡度以及实际加速度对排放的影响。
计算实际排放影响参数的好处在于：后续在确定各行程片段的分布差距时，不仅可以分别根据实际速度、实际加速度以及实际道路坡度确定分布差距，还可以根据实际排放影响参数，以结合实际速度、实际加速度以及实际道路坡度确定分布差距，进而提高了分布差距的准确性。
在本发明实施例中，不对实际排放影响参数的具体计算方式进行限制。可选的，步骤14，包括：将实际速度、实际加速度、实际道路坡度输入到预设模型中得到实际排放影响参数；其中，预设模型通过如下方式得到：采集多个车辆在高原山地上行驶时的实际速度、实际加速度、实际道路坡度与污染物排放量，通过学习实际速度、实际加速度、实际道路坡度对污染物排放量的影响得到。
示例性的，可以以速度、加速度、道路坡度作为输入，以对污染物排放量的影响作为输出，构建数据公式的预设模型。如，预设模型可以为加权求和模型。其中，各参数（速度、加速度、道路坡度）对应的权重，可以是参数对排放物的归一化结果。
例如，以道路坡度为例，对应的权重可以通过如下方式得到：在相同实际速度和相同实际加速度、以及不同实际道路坡度下，得到污染物的排放值中的最大值E1max、最小值E1min以及平均值E1mean，与道路坡度对应的权重可以是：（E1mean-E1min）/（E1max- E1min）。
以加速度为例，对应的权重可以通过如下方式得到：在相同实际速度和相同实际道路坡度、以及不同实际加速度下，得到污染物的排放值中的最大值E2max、最小值E2min以及平均值E2mean，与加速度对应的权重可以是：（E2mean-E2min）/（E2max- E2min）。
通过上述方式，实现了对代表速度、加速度以及道路坡度的中间参数的准确确定，进而便于结合速度、加速度以及道路坡度衡量各片段与其所属片段库之间的分布差距，即衡量片段的排放代表性。
在上述实施方式中，通过实际速度分别计算出实际道路坡度、实际加速度以及实际排放影响参数，进而便于后续从速度、道路坡度、加速度、排放影响参数上，依次分析各行程片段的分布差距，从而保证了后续筛选出的备选片段具备代表性。
S120：针对每一个初始片段库中的各行程片段，基于行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定行程片段与行程片段所属的初始片段库之间的分布差距。
其中，分布差距用于衡量行程片段对该行程片段所属的初始片段库的代表性，分布差距包括加速度分布差距、坡度分布差距以及排放分布差距。
具体的，行程片段的分布差距越小，则表示该行程片段与该行程片段所属的初始片段库中的全部行程片段之间的差距越小，进而表示该行程片段越能够代表该行程片段所属的初始片段库，即代表性越强。
在本发明实施例中，对于初始片段库中的每一个行程片段，可以确定出各个行程片段的分布差距。具体的，确定出的分布差距可以包括加速度分布差距、坡度分布差距以及排放分布差距。
其中，加速度分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的加速度的差距，加速度分布差距越小，行程片段的加速度代表性越高。坡度分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的坡度的差距，坡度分布差距越小，行程片段的坡度代表性越高。排放分布差距可以反映行程片段与该行程片段所属的初始片段库中的全部行程片段之间的实际排放的差距，排放分布差距越小，行程片段的排放代表性越高。
需要说明的是，在本发明实施例中，确定加速度分布差距、坡度分布差距以及排放分布差距的目的在于：由于在高原山地道路中，加速度、坡度均会对实际排放产生巨大影响，因此，考虑高原山地道路下加速度和道路坡度的影响，通过描述加速度、坡度以及实际排放的差距，来衡量每一个行程片段的代表性，便于后续选取出加速度、坡度以及排放均代表性高的行程片段进行工况构建。
示例性的，可以根据行程片段内各时间点的实际速度、实际加速度，以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际加速度的平均值，确定加速度分布差距。可以根据行程片段内各时间点的实际速度、实际道路坡度，以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际道路坡度的平均值，确定坡度分布差距。可以根据行程片段内各时间点的实际速度、实际加速度、实际道路坡度、实际排放数据，以及该行程片段所属的初始片段库中所有行程片段的实际速度的平均值、实际加速度的平均值、实际道路坡度的平均值、实际排放数据的平均值，确定排放分布差距。
在一种具体的实施方式中，针对S120，基于行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定行程片段与行程片段所属的初始片段库之间的分布差距，包括：
S1201：基于行程片段中各时间点的实际速度以及实际加速度，构建片段第一分布，基于行程片段所属的初始片段库中的全部行程片段，构建综合第一分布，基于片段第一分布中各速度点对应的加速度平均值，以及综合第一分布中各速度点对应的加速度平均值，确定片段第一分布与综合第一分布之间的加速度分布差距；
S1202：基于行程片段中各时间点的实际速度以及实际道路坡度，构建片段第二分布，基于行程片段所属的初始片段库中的全部行程片段，构建综合第二分布，基于片段第二分布中各速度点对应的坡度平均值，以及综合第二分布中各速度点对应的坡度平均值，确定片段第二分布与综合第二分布之间的坡度分布差距；
S1203：基于行程片段中各时间点的实际排放影响参数以及实际排放数据，构建片段第三分布，基于行程片段所属的初始片段库中的全部行程片段，构建综合第三分布，基于片段第三分布中各排放影响点对应的排放平均值，以及综合第三分布中各排放影响点对应的排放平均值，确定片段第三分布与综合第三分布之间的排放分布差距。
其中，片段第一分布可以是由行程片段中全部时间点的实际速度和实际加速度构成的联合分布。综合第一分布可以是由行程片段所属的初始片段库中全部时间点的实际速度和实际加速度构成的联合分布。
示例性的，如图3所示，图3为本发明实施例提供的一种综合第一分布的示意图。具体的，可以将一个时间点的实际速度以及实际加速度，分别作为该点的横纵坐标，进而根据所有点绘制横轴表示车速（实际速度）、纵轴表示加速度（实际加速度）的综合第一分布。
具体的，可以根据片段第一分布中各速度点对应的加速度平均值，与综合第一分布中对应速度点处对应的加速度平均值之间的差值，确定加速度分布差距。其中，各速度点对应的加速度平均值具体为各速度点处对应的所有点的实际加速度的平均值。
示例性的，可以根据所有速度点或部分速度点处片段第一分布和综合第一分布的加速度平均值之间的差值，作为加速度分布差距。
片段第二分布可以是由行程片段中全部时间点的实际速度和实际道路坡度构成的联合分布。综合第二分布可以是由行程片段所属的初始片段库中全部时间点的实际速度和实际道路坡度构成的联合分布。
具体的，可以根据片段第二分布中各速度点处对应的坡度平均值，与综合第二分布中对应速度点处对应的坡度平均值之间的差值，确定坡度分布差距。其中，各速度点对应的坡度平均值具体为各速度点处对应的所有点的实际道路坡度的平均值。
片段第三分布可以是由行程片段中全部时间点的实际排放影响参数和实际排放数据构成的联合分布。综合第三分布可以是由行程片段所属的初始片段库中全部时间点的实际排放影响参数和实际排放数据构成的联合分布。
具体的，可以根据片段第三分布中各排放影响点对应的排放平均值，与综合第三分布中对应排放影响点处对应的排放平均值之间的差值，确定排放分布差距。其中，排放影响点对应的排放平均值具体为排放影响点处对应的所有点的实际排放数据的平均值。
通过上述实施方式，可以分别确定出每一个行程片段的加速度分布差距、坡度分布差距以及排放分布差距，进而可以从速度与加速度的分布、速度与道路坡度的分布、排放影响参数与排放数据的分布，分别分析行程片段与其所属的初始片段库之间的差距，差距越小，则表示该行程片段与所属的初始片段库内的其它行程片段更接近，越能代表其所属的初始片段库，从而便于筛选出速度、加速度、道路坡度与排放数据均具备代表性的备选片段，即能够代表整个初始片段库的备选片段。
可选的，确定片段第一分布与综合第一分布之间的加速度分布差距，满足如下公式：
式中，
表示行程片段的片段第一分布与综合第一分布之间的加速度分布差距，
为行程片段的片段第一分布中的速度点对应的加速度平均值，
为行程片段的综合第一分布速度点对应的加速度平均值；
确定片段第二分布与综合第二分布之间的坡度分布差距，满足如下公式：
式中，
表示行程片段的片段第二分布与综合第二分布之间的坡度分布差距，
为行程片段的片段第二分布中的速度点对应的坡度平均值，
为行程片段的综合第二分布速度点对应的坡度平均值；
片段第三分布包括片段NOx分布以及片段颗粒物分布，综合第三分布包括综合NOx分布以及综合颗粒物分布，相应的，确定所述片段第三分布与综合第三分布之间的排放分布差距，满足如下公式：
式中，
表示行程片段的片段第三分布与综合第三分布之间的排放分布差距，
为行程片段的片段NOx分布中的排放影响点对应的NOx排放平均值，
为行程片段的综合NOx分布中的排放影响点对应的NOx排放平均值，
为行程片段的片段颗粒物分布中的排放影响点对应的颗粒物排放平均值，
为行程片段的综合颗粒物分布中的排放影响点对应的颗粒物排放平均值。
其中，片段NOx分布可以是行程片段中全部时间点的实际排放影响参数和实际NOx排放构成的联合分布，片段颗粒物分布可以是行程片段中全部时间点的实际排放影响参数和实际颗粒物排放构成的联合分布。综合NOx分布可以是初始片段库中全部时间点的实际排放影响参数和实际NOx排放构成的联合分布，综合颗粒物分布可以是初始片段库中全部时间点的实际排放影响参数和实际颗粒物排放构成的联合分布。
需要说明的是，在上述公式中，求和可以理解为从分布中的第一个点(速度点或排放影响点)开始，至分布中的最后一个点，进行累加求和。
具体的，通过上述公式，可以结合分布中所有速度点对应的加速度平均值之间的差值平方和的累加值、所有速度点对应的坡度平均值之间的差值平方和的累加值、以及所有排放影响点对应的排放平均值之间的差值平方和的累加值，分别计算出每一个行程片段的加速度分布差距、坡度分布差距以及排放分布差距，以综合考虑所有点来确定行程片段的分布差距，进一步提高了分布差距的准确性。
S130：基于各初始片段库中各行程片段的分布差距、低速片段数量、中速片段数量以及高速片段数量，确定各目标片段。
具体的，可以根据各行程片段的分布差距，分别从低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库中，选择出各目标片段。如，可以优先选择分布差距小的片段作为目标片段。
在一种具体的实施方式中，步骤S130，包括如下步骤：
S1301：基于各初始片段库中各行程片段的分布差距，在初始片段库中确定各备选片段，根据各备选片段构建低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库；
S1302：根据低速片段数量、中速片段数量以及高速片段数量，在低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库中，确定各目标片段。
具体的，可以针对每一个初始片段库，可以根据库内各行程片段的分布差距，在所有行程片段中选取分布差距较小的行程片段作为备选片段。
在一种具体的实施方式中，针对S1301，基于各初始片段库中各行程片段的分布差距，在初始片段库中确定各备选片段，包括如下步骤：
S13011：针对每一个初始片段库，按照各行程片段的片段第一分布与综合第一分布之间的加速度分布差距，对各行程片段进行升序排序，根据预设第一数量以及升序排序结果，剔除初始片段库中的部分行程片段；
S13012：按照各行程片段的片段第二分布与综合第二分布之间的坡度分布差距，对各行程片段重新进行升序排序，根据预设第二数量以及升序排序结果，剔除初始片段库中的部分行程片段；
S13013：按照各行程片段的片段第三分布与综合第三分布之间的排放分布差距，对各行程片段重新进行升序排序，根据预设第三数量以及升序排序结果，剔除初始片段库中的部分行程片段，将初始片段库中剩余的行程片段确定为各备选片段。
即，可以通过S13011，先按照加速度分布差距对各行程片段进行升序排序，进而从升序排序结果中剔除部分行程片段，即剔除加速度分布差距较大的行程片段，剔除的数量可以是预设第一数量，也可以是当前的片段总数量与预设第一数量的差值。
进一步的，可以按照坡度分布差距重新对各行程片段进行升序排序，进而从升序排序结果中剔除部分行程片段，剔除的数量可以是预设第二数量，也可以是当前的片段总数量与预设第二数量的差值。
进一步的，可以按照排放分布差距重新对各行程片段进行升序排序，进而从升序排序结果中剔除部分行程片段，剔除的数量可以是预设第三数量，也可以是当前的片段总数量与预设第三数量的差值。
最后，对于进行上述剔除操作后的初始片段库，可以将初始片段库内剩余的所有行程片段均确定为备选片段。
通过上述方式，实现了基于加速度分布差距、坡度分布差距以及排放分布差距的片段筛选，保证了筛选出的备选片段，从速度、加速度、道路坡度以及排放数据上，均能代表整个初始片段库。
在筛选出每一个初始片段库中的所有备选片段后，可以根据所有车型下的初始片段库内低速行程的备选片段，构建低速行程备选片段库，根据所有车型下的初始片段库内中速行程的备选片段，构建中速行程备选片段库，根据所有车型下的初始片段库内高速行程的备选片段，构建高速行程备选片段库。
其中，低速片段数量、中速片段数量以及高速片段数量可以是人为设置的，也可以根据需要构建的实际排放测试工况的工况时长确定的。
示例性的，在S130之前，本发明实施例提供的方法还包括：获取预设工况构建时长，基于历史交通大数据确定低速工况权重、中速工况权重以及高速工况权重；根据预设工况构建时长、低速工况权重、中速工况权重以及高速工况权重，确定低速工况时长、中速工况时长以及高速工况时长；根据所有初始片段库中的行程片段，确定低速片段平均时长、中速片段平均时长以及高速片段平均时长；根据低速工况时长和低速片段平均时长，确定低速片段数量，根据中速工况时长和中速片段平均时长，确定中速片段数量，根据高速工况时长和高速片段平均时长，确定高速片段数量。
其中，预设工况构建时长可以是需要构建的实际排放测试工况的整个工况时长，如，实际道路测试中通常车辆运行100~150公里、运行1.5小时，因此预设工况构建时长可以是5400s。
低速工况权重、中速工况权重以及高速工况权重，可以分别表示实际排放测试工况的低速工况比例、中速工况比例和高速工况比例。低速片段平均时长、中速片段平均时长以及高速片段平均时长，可以分别是低速、中速以及高速的行程片段的平均时长。低速片段数量、中速片段数量和高速片段数量，可以分别是待构建的实际排放测试工况中需要的低速、中速以及高速的行程片段的数量。
需要说明的是，由于一个行程片段包括怠速段和运动段，因此，在本发明实施例中，低速片段数量可以包括低速运动片段数量和怠速片段数量，中速片段数量可以包括中速运动片段数量和怠速片段数量，高速片段数量可以包括高速运动片段数量和怠速片段数量。
示例性的，运动片段数量和怠速片段数量可以通过如下公式计算得到：
式中，
、
分别表示运动片段数量和怠速片段数量，
表示工况时长（如低速工况时长、中速工况时长、高速工况时长），
、
分别表示运动片段平均时长和怠速片段平均时长。
示例性的，参见表2，表2为确定出的一种运动片段数量和怠速片段数量。
表2 确定出的一种运动片段数量和怠速片段数量
进一步的，可以从低速行程备选片段库中，按低速片段数量选择各目标片段，从中速行程备选片段库中，按中速片段数量选择各目标片段，从高速行程备选片段库中，按高速片段数量选择各目标片段。需要说明的是，在选择目标片段的过程中，可以预先选择分布差距小的备选片段作为目标片段。
在本发明实施例中，考虑到为了保证实际测试采样的稳定性，存在对待构建的实际排放测试工况中的首个怠速片段和最后一个怠速片段的时长进行限制的情况。因此，对于首个怠速片段或最后一个怠速片段，可以从所有备选片段库中，选择与设定时长相同、且分布差距最小的怠速备选片段。
S140：根据各目标片段构建实际排放测试工况，对实际排放测试工况进行模拟试验，得到实际排放测试工况对应的排放测试结果。
在筛选出所有目标片段后，可以针对每一个速度区间，对该速度区间内的目标片段进行自由组合，进而将低速、中速以及高速区间的自由组合结果顺序结合，得到实际排放测试工况。
示例性的，先对所有低速的25个目标片段的排放顺序进行自由组合，对中速的13个目标片段的排放顺序进行自由组合，并对高速的3个目标片段的排放顺序进行自由组合，进而将低速、中速、高速排放组合后的结果，顺序结合起来，得到实际排放测试工况，即得到先低速、后中速、最后高速的实际排放测试工况。
需要说明的是，在本发明实施例中，还可以根据低速的各目标片段，来构建城市交通拥堵道路的实际排放测试工况。具体的，可以按照片段中的最大速度，对低速的各目标片段中进行降序排序，从降序排序结果中选择后N个目标片段与时间最长的怠速片段进行组合，得到城市交通拥堵道路的实际排放测试工况。
可选的，在对实际排放测试工况进行模拟试验之前，还包括：确定实际排放测试工况中相邻两个目标片段之间的速度变化量，若实际排放测试工况中存在速度变化量大于预设变化量阈值的相邻两个目标片段，则返回执行S130；以及，在步骤S140之后，还包括：若排放测试结果不满足预设误差条件，则返回执行S130。
具体的，在构建出实际排放测试工况后，可以对实际排放测试工况进行模拟试验，以判断该实际排放测试工况的排放测试结果是否与车辆在道路上的实际排放结果接近，进而判断该实际排放测试工况是否具有代表性。其中，可以采用转毂试验台进行模拟试验，以模拟实际排放测试工况中的速度、加速度和道路坡度。
示例性的，预设误差条件可以是排放测试结果与实际排放结果之间的误差位于设定误差范围（如
）内。即，如果排放测试结果与实际排放结果之间的误差位于设定误差范围内，则可以确定该实际排放测试工况具备代表性，无需重新构建。
如果排放测试结果与实际排放结果之间的误差超出设定误差范围，则可以重新选取目标片段，进而根据新选择的目标片段重新构建实际排放测试工况，即返回执行S140，直至满足预设误差条件。
当然，除了重新选取目标片段之外，还可以在已选择的目标片段的基础上，重新对已选取的目标片段进行自由组合，得到新的实际排放测试工况。
考虑到在对实际排放测试工况进行模拟试验之前，自由组合得到的实际排放测试工况可能不符合车辆的实际行驶规律。因此，还可以先判断实际排放测试工况是否符合车辆的实际行驶规律。
通常来说，车辆在两个短行程片段之间的速度变化量不会过大，因此，可以通过相邻两个目标片段之间的速度变化量，判断是否符合实际行驶规律。其中，相邻两个目标片段之间的速度变化量，可以是相邻两个目标片段中的最大速度之间的差值。
具体的，如果实际排放测试工况中存在速度变化量大于预设变化量阈值的情况，则可以重新构建实际排放测试工况。或者，还可以直接对实际排放测试工况进行调整，如调整各目标片段的顺序，使得任意相邻两个目标片段之间的速度变化量不超过预设变化量阈值。
通过上述实施方式，确保了构建的实际排放测试工况符合车辆行驶规律，进一步的提高了实际排放测试工况的准确性，进而保证了根据实际排放测试工况对各车辆进行排放测试时，得到精确的排放结果。
示例性的，图4为本发明实施例提供的一种高原山地道路工况曲线的示意图。如图4所示，该曲线为针对高原山地道路构建的一种实际排放测试工况，即速度与道路坡度的工况曲线，图中，示例性的展示了实际排放测试工况中各时间点对应的车速以及道路坡度，其中，在速度曲线中，各时间点对应的纵坐标的值代表车速（单位可以是km/h），在坡度曲线中，各时间点对应的纵坐标的值代表道路坡度。
参见表3，表3为排放测试结果的对比信息。具体的，本发明实施例可以针对高原山地道路，构建一种实际排放测试工况，并将该工况的排放测试结果，与实际道路测试的排放测试结果、以及仅考虑速度构建的工况的排放测试结果进行对比。
表3 排放测试结果的对比信息
如表3所示，其中，排放测试结果可以从CO、HC、NOx以及PM四种污染物进行分析。从表中可以看出，与实际道路测试的结果相比，在实验室整车转毂条件下，采用本发明实施例提供的方法构建的实际排放测试工况的排放测试结果与实际道路测试的结果更为接近、偏差更小。而仅考虑速度构建的工况的排放测试结果与实际道路测试的结果偏差更大，且各污染物的结果均小于本方法构建的实际排放测试工况。进一步的，可以表明道路坡度对排放结果影响较大，本发明实施例提供的方法可以构建出更接近实际道路测试的工况。
本发明具有以下技术效果：针对基于车辆实际运行工况数据构建的各初始片段库中的各行程片段，根据行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定该行程片段与其所属的初始片段库中的全部行程片段之间的分布差距，进而根据各行程片段的分布差距，在各初始片段库中选择出备选片段，以根据各初始片段库中各行程片段的分布差距、以及低速、中速、高速的片段数量，确定各目标片段，进而构建实际排放测试工况，并对实际排放测试工况进行模拟试验，该方法基于片段中的速度、加速度、道路坡度、排放影响参数以及排放数据，可以得到反映整个片段库的各片段，即得到排放更接近整个片段库的各片段，进而构建出具有代表性、典型性的高原山地道路的实际排放测试工况，并且，通过对构建的实际排放测试工况进行模拟试验，实现对实际排放测试工况的验证，进一步的保证了实际排放测试工况的代表性和典型性。
图5为本发明实施例提供的一种电子设备的结构示意图。如图5所示，电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元（CPU）或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器可以包括例如随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器可以包括例如只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器401可以运行所述程序指令，以实现上文所说明的本发明任意实施例的高原山地道路的排放测试工况构建方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中，电子设备400还可以包括：输入装置403和输出装置404，这些组件通过总线系统和/或其他形式的连接机构（未示出）互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息，包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图5中仅示出了该电子设备400中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的高原山地道路的排放测试工况构建方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的高原山地道路的排放测试工况构建方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。
需要说明的是，本发明所用术语仅为了描述特定实施例，而非限制本申请范围。如本发明说明书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，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，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种高原山地道路的排放测试工况构建方法，其特征在于，包括如下步骤：
S110：获取基于车辆实际运行工况数据构建的各初始片段库，其中，所述车辆实际运行工况数据为各车辆在高原山地道路行驶产生的数据，各所述初始片段库包括各车型分别对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库；
S120：针对每一个所述初始片段库中的各行程片段，基于所述行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定所述行程片段与所述行程片段所属的初始片段库之间的分布差距，其中，所述分布差距用于衡量所述行程片段对所述行程片段所属的初始片段库的代表性，所述分布差距包括加速度分布差距、坡度分布差距以及排放分布差距，所述实际排放影响参数用于描述所述实际速度、所述实际道路坡度以及所述实际加速度对排放的影响；
S130：基于各所述初始片段库中各所述行程片段的分布差距、低速片段数量、中速片段数量以及高速片段数量，确定各目标片段；
S140：根据各所述目标片段构建实际排放测试工况，对所述实际排放测试工况进行模拟试验，得到所述实际排放测试工况对应的排放测试结果。
2.根据权利要求1所述的方法，其特征在于，步骤S110，包括如下步骤：
S1101：根据所述车辆实际运行工况数据中各时间点分别对应的实际速度、实际排放数据、实际加速度、实际道路坡度以及实际排放影响参数，构建各车型分别对应的综合数据库；
S1102：针对每一个所述车型对应的综合数据库，根据短行程法对所述综合数据库进行分割处理，将所述综合数据库划分为各行程片段；
S1103：基于预设低速区间范围、预设中速区间范围、预设高速区间范围以及各所述行程片段中的最大实际速度，构建所述车型对应的低速行程初始片段库、中速行程初始片段库以及高速行程初始片段库。
3.根据权利要求2所述的方法，其特征在于，在步骤S1101之前，还包括如下步骤：
S11：获取车辆实际运行工况数据，其中，所述车辆实际运行工况数据包括各时间点分别对应的实际速度、实际海拔高度以及实际排放数据；
S12：针对每一个所述时间点，基于当前时间点对应的实际速度和实际海拔高度、前一时间点对应的实际速度和实际海拔高度、以及相邻时间点之间的时间间隔，确定所述当前时间点对应的实际道路坡度；
S13：基于所述当前时间点对应的实际速度和前一时间点对应的实际速度，确定所述当前时间点对应的实际加速度；
S14：基于所述当前时间点对应的实际速度、实际道路坡度以及实际加速度，确定所述当前时间点对应的实际排放影响参数。
4.根据权利要求3所述的方法，其特征在于，步骤S14，包括：
将所述实际速度、所述实际加速度、所述实际道路坡度输入到预设模型中得到实际排放影响参数；
其中，所述预设模型通过如下方式得到：
采集多个车辆在高原山地上行驶时的实际速度、实际加速度、实际道路坡度与污染物排放量，通过学习实际速度、实际加速度、实际道路坡度对污染物排放量的影响得到。
5.根据权利要求1所述的方法，其特征在于，基于所述行程片段中各时间点的实际速度、实际加速度、实际道路坡度、实际排放影响参数以及实际排放数据，确定所述行程片段与所述行程片段所属的初始片段库之间的分布差距，包括如下步骤：
S1201：基于所述行程片段中各时间点的实际速度以及实际加速度，构建片段第一分布，基于所述行程片段所属的初始片段库中的全部行程片段，构建综合第一分布，基于所述片段第一分布中各速度点对应的加速度平均值，以及所述综合第一分布中各速度点对应的加速度平均值，确定所述片段第一分布与所述综合第一分布之间的加速度分布差距；
S1202：基于所述行程片段中各时间点的实际速度以及实际道路坡度，构建片段第二分布，基于所述行程片段所属的初始片段库中的全部行程片段，构建综合第二分布，基于所述片段第二分布中各速度点对应的坡度平均值，以及所述综合第二分布中各速度点对应的坡度平均值，确定所述片段第二分布与所述综合第二分布之间的坡度分布差距；
S1203：基于所述行程片段中各时间点的实际排放影响参数以及实际排放数据，构建片段第三分布，基于所述行程片段所属的初始片段库中的全部行程片段，构建综合第三分布，基于所述片段第三分布中各排放影响点对应的排放平均值，以及所述综合第三分布中各排放影响点对应的排放平均值，确定所述片段第三分布与所述综合第三分布之间的排放分布差距。
6.根据权利要求5所述的方法，其特征在于，确定所述片段第一分布与所述综合第一分布之间的加速度分布差距，满足如下公式：
式中，
表示行程片段的片段第一分布与综合第一分布之间的加速度分布差距，
为所述行程片段的片段第一分布中的速度点对应的加速度平均值，
为所述行程片段的综合第一分布速度点对应的加速度平均值；
确定所述片段第二分布与所述综合第二分布之间的坡度分布差距，满足如下公式：
式中，
表示行程片段的片段第二分布与综合第二分布之间的坡度分布差距，
为所述行程片段的片段第二分布中的速度点对应的坡度平均值，
为所述行程片段的综合第二分布速度点对应的坡度平均值；
所述片段第三分布包括片段NOx分布以及片段颗粒物分布，所述综合第三分布包括综合NOx分布以及综合颗粒物分布，相应的，确定所述片段第三分布与所述综合第三分布之间的排放分布差距，满足如下公式：
式中，
表示行程片段的片段第三分布与综合第三分布之间的排放分布差距，
为所述行程片段的片段NOx分布中的排放影响点对应的NOx排放平均值，
为所述行程片段的综合NOx分布中的排放影响点对应的NOx排放平均值，
为所述行程片段的片段颗粒物分布中的排放影响点对应的颗粒物排放平均值，
为所述行程片段的综合颗粒物分布中的排放影响点对应的颗粒物排放平均值。
7.根据权利要求1所述的方法，其特征在于，步骤S130，包括如下步骤：
S1301：基于各所述初始片段库中各所述行程片段的分布差距，在所述初始片段库中确定各备选片段，根据各所述备选片段构建低速行程备选片段库、中速行程备选片段库以及高速行程备选片段库；
S1302：根据低速片段数量、中速片段数量以及高速片段数量，在所述低速行程备选片段库、所述中速行程备选片段库以及所述高速行程备选片段库中，确定各目标片段。
8.根据权利要求7所述的方法，其特征在于，基于各所述初始片段库中各所述行程片段的分布差距，在所述初始片段库中确定各备选片段，包括如下步骤：
S13011：针对每一个所述初始片段库，按照各行程片段的片段第一分布与综合第一分布之间的加速度分布差距，对各所述行程片段进行升序排序，根据预设第一数量以及升序排序结果，剔除所述初始片段库中的部分行程片段；
S13012：按照各所述行程片段的片段第二分布与综合第二分布之间的坡度分布差距，对各所述行程片段重新进行升序排序，根据预设第二数量以及升序排序结果，剔除所述初始片段库中的部分行程片段；
S13013：按照各所述行程片段的片段第三分布与综合第三分布之间的排放分布差距，对各所述行程片段重新进行升序排序，根据预设第三数量以及升序排序结果，剔除所述初始片段库中的部分行程片段，将所述初始片段库中剩余的行程片段确定为各备选片段。
9.根据权利要求1-8任一项所述的方法，其特征在于，在对所述实际排放测试工况进行模拟试验之前，还包括：
确定所述实际排放测试工况中相邻两个目标片段之间的速度变化量，若所述实际排放测试工况中存在速度变化量大于预设变化量阈值的相邻两个目标片段，则返回执行步骤S130；
以及，在步骤S140之后，还包括：
若所述排放测试结果不满足预设误差条件，则返回执行步骤S130。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述的高原山地道路的排放测试工况构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310256724.1A CN115964905B (zh) | 2023-03-17 | 2023-03-17 | 高原山地道路的排放测试工况构建方法和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310256724.1A CN115964905B (zh) | 2023-03-17 | 2023-03-17 | 高原山地道路的排放测试工况构建方法和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115964905A CN115964905A (zh) | 2023-04-14 |
| CN115964905B true CN115964905B (zh) | 2023-05-30 |
Family
ID=85897922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310256724.1A Active CN115964905B (zh) | 2023-03-17 | 2023-03-17 | 高原山地道路的排放测试工况构建方法和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115964905B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118010380B (zh) * | 2024-04-09 | 2024-06-18 | 中国汽车技术研究中心有限公司 | 基于瞬态工况的稳态化场地工况开发方法 |
| CN118364344B (zh) * | 2024-06-20 | 2024-09-17 | 中汽研汽车检验中心(昆明)有限公司 | 高原环境下基于多因素耦合的汽车排放量监测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114136312A (zh) * | 2021-11-25 | 2022-03-04 | 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 |
| CN114136390A (zh) * | 2021-11-25 | 2022-03-04 | 中汽研汽车检验中心（天津）有限公司 | 一种包含道路坡度的汽车行驶工况开发装置及开发方法 |
| CN115031988A (zh) * | 2022-04-29 | 2022-09-09 | 中汽研汽车检验中心（天津）有限公司 | 一种车辆速度-坡度复合测试工况循环的开发方法 |
| CN115520188A (zh) * | 2022-10-10 | 2022-12-27 | 嬴彻星创智能科技(上海)有限公司 | 节能型车辆速度规划方法、系统、电子设备、存储介质 |
-
2023
- 2023-03-17 CN CN202310256724.1A patent/CN115964905B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN114136312A (zh) * | 2021-11-25 | 2022-03-04 | 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 |
| CN114136390A (zh) * | 2021-11-25 | 2022-03-04 | 中汽研汽车检验中心（天津）有限公司 | 一种包含道路坡度的汽车行驶工况开发装置及开发方法 |
| CN115031988A (zh) * | 2022-04-29 | 2022-09-09 | 中汽研汽车检验中心（天津）有限公司 | 一种车辆速度-坡度复合测试工况循环的开发方法 |
| CN115520188A (zh) * | 2022-10-10 | 2022-12-27 | 嬴彻星创智能科技(上海)有限公司 | 节能型车辆速度规划方法、系统、电子设备、存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Acceleration Speed Optimization of Intelligent EVs in Consideration of Battery Aging;Bingzhao Gao 等;《IEEE Transactions on Vehicular Technology》;第67卷(第9期);1-10 * |
| 基于MCTS-HM的重型汽车多参数运行工况高效构建方法;文继泽 等;《汽车工程学报》;第12卷(第5期);654-661 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115964905A (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115964905B (zh) | 高原山地道路的排放测试工况构建方法和介质 | |
| CN112880751B (zh) | 基于走航监测的空气污染状况获取方法 | |
| CN110243384B (zh) | 实际行驶排放试验路线的确定方法、装置、设备和介质 | |
| CN115983720B (zh) | 基于海拔和温度的汽车排放性能检测方法 | |
| CN115423035A (zh) | 基于特征变量评分的用户画像生成方法，设备、汽车及存储介质 | |
| CN115422747A (zh) | 一种机动车尾气污染物排放量的计算方法和计算装置 | |
| CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
| CN112734242A (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
| CN115795982B (zh) | 一种汽车的疲劳耐久寿命预测方法、设备和存储介质 | |
| CN116011995A (zh) | 车辆保养信息推送方法、装置、电子设备及存储介质 | |
| CN109978026B (zh) | 一种基于lstm网络的电梯位置检测方法及系统 | |
| WO2022025244A1 (ja) | 車両事故予測システム、車両事故予測方法、車両事故予測プログラム、及び、学習済みモデル生成システム | |
| CN116164921B (zh) | 燃料电池堆的台架振动测试方法、设备和介质 | |
| CN109919293B (zh) | 一种危险驾驶判定方法及装置 | |
| CN110991930A (zh) | 计算公路路段尘负荷等级的方法 | |
| CN115982606A (zh) | 基于模糊c均值聚类算法的桥梁结构健康检测方法及系统 | |
| CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
| CN112466004B (zh) | 车辆使用信息获取方法、装置、设备及存储介质 | |
| CN114814092A (zh) | 基于bp神经网络的ip指标测量方法 | |
| CN116486635A (zh) | 路面团雾检测预警方法、系统、存储介质及终端 | |
| CN114677254A (zh) | 一种货车事故识别方法、装置、存储介质及程序产品 | |
| CN118313845B (zh) | 一种随机实际道路工况的开发方法、装置、介质及设备 | |
| CN107085074B (zh) | 一种分类监测机动车尾气的方法 | |
| CN117313437B (zh) | 交通流对能耗排放影响测试方法、装置、设备与存储介质 | |
| Esatbeyoglu et al. | Data driven air quality prediction based on mobile measurement |
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 |