基于<em> K</em>-均值聚类算法的行驶工况构建方法

引用本文

秦大同, 詹森, 漆正刚, 陈淑江. 基于 K-均值聚类算法的行驶工况构建方法 .吉林大学学报:工学版, 2016, 46(2): 383-389
QIN Da-tong, ZHAN Sen, QI Zheng-gang, CHEN Shu-jiang. Driving cycle construction using K-means clustering method . Journal of Jilin University Engineering and Technology Edition, 2016, 46(2): 383-389 复制到剪切板

Permissions

基于 K-均值聚类算法的行驶工况构建方法

秦大同, 詹森, 漆正刚, 陈淑江

重庆大学机械传动国家重点实验室,重庆 400044

通讯作者:詹森(1986-),男,博士研究生.研究方向:混合动力人-车-路综合控制策略.E-mail:fishjason@163.com

作者简介:秦大同(1956-),男,教授,博士生导师.研究方向:智能传动与控制.E-mail:dtqin@cqu.edu.cn

基金:"863"国家高技术研究发展计划项目(2013BAG12B01)

摘要

提出一种基于 K-均值聚类算法的城市循环工况构建方法,该方法通过实车采集某城市道路行驶工况的数据,将工况数据预处理后划分为工况块,运用平均速度,行驶距离和巡航时间比3个参数对工况块进行 K-均值聚类分析,采用距离聚类中心越近越能代表簇特征的原则选取工况块,最终拟合出某城市循环工况,并对其从特征参数,转毂实验和废气分析采集的油耗和排放数据3个方面与其他典型城市循环工况进行了对比.对比分析结果表明:采用本方法构建的城市循环工况能够很好地反映某地实际交通道路状况,具有实用价值.

关键词: 车辆工况; 行驶工况; K-均值聚类; 燃油消耗量; 污染物排放

中图分类号:U491 文献标志码:A 文章编号:1671-5497(2016)02-0383-07

Driving cycle construction using K-means clustering method

QIN Da-tong, ZHAN Sen, QI Zheng-gang, CHEN Shu-jiang

State Key Laboratory of Mechanical Transmission, Chongqing University, Chongqing 400044,China

Abstract

A construction procedure of driving cycle is proposed using K-means clustering method. Experimental data of a city driving cycle is obtained by driving test vehicle, and is divided into "micro-trip" after preprocessing. The micro-trips are then clustered into groups in "average speed","distance" and "cruise time percentage" using the K-means clustering method. The micro-trips are pick out on the principle of the closer distance between the micro-trip's driving feature and the center of cluster, which is more representative of the cluster. Then the final city driving cycle is developed. The data of fuel consumption and pollutant emission are collected using revolving drum test and exhaust-gas analysis. The characteristic parameter, fuel consumption and pollutant emission among different typical driving cycles are compared. Results show that the driving cycle constructed by this new approach can better reflect the city actual traffic conditions and it has high practical value.

Keyword: vehicle engineering; driving cycle; K-means clustering; fuel consumption; exhaust emissions

Show Figures

0 引言

将行驶工况用于确定汽车污染物排放量和燃油消耗量, 新车型的技术开发和评估以及测定在交通控制方面的风险等, 为新车型的技术开发和评估等提供了参考依据.世界各国均重视开发适合本国的行驶工况, 美国, 欧洲, 日本分别使用FTP-15, ECE15+NEDC, J10-15作为本国标准循环工况^[1], 国内不少城市也都构建出了适合本地区的循环工况^{[2, 3, 4, 5, 6, 7, 8]}, 对行驶工况构建方法的研究不仅具有理论意义, 而且具有实用价值.姜平等^[9]利用小波压缩和数理统计相结合的方法, 提出了一种典型道路行驶工况构建方法, 这种方法消除了实验时路面干扰因素的影响.石琴等^[10]通过对工况块特征参数进行主成分分析提取三个代表性的主成分, 再运用SOFM神经网络和K-均值聚类对其进行分析, 这种方法得到的循环工况更接近实际的道路运行状况.Lin等^[11]采用工况块以及随机过程选择方法来构建行驶工况.Ou等^[12]运用工况块构建循环工况, 分析构建混合动力客车的行驶工况的特点, 并根据该行驶工况对混合动力客车的匹配进行优化.目前国内外行驶工况构建方法的研究主要集中在行驶数据的采集和工况块的分类上, 对如何选取合理的特征参数来构建工况和构建工况块的选取原则研究很少.针对构建行驶工况, 选取优化后的特征参数, 不仅能减少整个构建过程的运算量, 还能消除与油耗和排放相关性差的不必要的特征参数.而现在构建最终行驶工况的代表性工况块的选取方法主要是随机选取, 拼凑工况时长, 此方法选取工况块效率低, 准确性差.

本文以某城市为例, 在K-均值聚类算法与工况块相结合的基础上, 通过综合考虑各特征参数之间的相关性, 各特征参数与油耗的相关性来优化特征参数, 结合K-均值聚类算法提出并运用距离聚类中心越近越能代表簇特征的原则选取代表性工况块, 最终构建出该城市典型循环工况.研究结果表明, 这种工况构建的方法选择的特征参数少且特征参数具有很强的代表性, 代表性工况块选取准确迅速, 所构建的城市行驶工况能够很好地反应城市的交通道路特点.

1 行驶工况开发构建方案

本文行驶工况的构建分为基础实验, 实验数据的分析和处理, 以及验证实验3个部分.

基础实验:通过调研, 结合现有实验设备和实验目的制定出实验方案.确定实验方案后进行工况数据采集, 并通过滤波器对原始数据进行预处理, 消除原始数据中的噪声.将预处理后的工况数据划分为工况块, 从而完成基础实验.

实验数据的分析和处理:选择适当的工况块特征参数对其进行聚类分析, 再选取代表性工况块并拟合出城市循环工况.

验证实验:将拟合好的循环工况与预处理后的整体工况数据进行比对, 同时与其他城市典型循环工况进行油耗和排放的比较, 以验证所得到的循环工况是否符合要求.

2 基础实验

2.1 调研, 实验数据采集设备和实验方案的确定

(1)调研:调研的目的是确定研究城市的地域分布, 线路选择.某城市为内陆山地城市, 两江交汇的区域为城市中心, 并向周围扩散.实车数据采集的路线需要包括:高速公路, 市郊, 居民生活区, 城市中心繁华地带.

(2)工况数据采集设备:实验用车为搭载美国ATI公司开发的ATI vision network hub工具箱的长安之星460.ATI vision network hub工具箱如图1所示, 长安之星460的基本参数如下:整备质量为1140 kg; 满载质量为1840 kg; 排量为1298 mL; 最大功率为60 kW; 轴距为2605 mm; 前, 后轴距分别为1425, 1435 mm.

	Figure Option View Download New Window
	图1 数据采集仪器ATI vision network hubFig.1 Data acquisition instrument ATI vision network hub

(3)工况数据采集实验方案:驾驶实验用车在包括高速公路, 市郊, 居民生活区, 城市中心繁华地带的某路段反复驾驶以采集基础实验数据.采样数据共30组, 采样周期为0.1 s, 实验时间包括上, 下班高峰, 双休日, 同一天不同时段, 以保证有足够的样本容量和测试数据的可靠性.

2.2 实验数据的采集和预处理

通过实验用车在选定的路段进行30组的工况数据采集, 数据时长共约18 h.

在实验车采集到的数据中, 由于驾驶员的不当操作, 汽车会产生脉冲噪声和高频噪声, 两种噪声会影响到最终的实验结果, 需要用滤波器消除这些噪声.具体方法是采用脉冲噪声滤波器去除工况曲线的奇点, 再通过高频噪声滤波器使工况曲线平滑.脉冲噪声滤波器定义为:

$\begin{matrix} v_{pusle (t)} = \{\begin{matrix} 0, v_{(t - 1)} + v_{(t + 1)} = 0 \\ 0, v_{(t - 2)} + v_{(t + 2)} = 0 \\ v_{(t)}, ot h erwise \end{matrix} \end{matrix}$ (1)

式中: $\begin{matrix} v_{(t)} 为 t \end{matrix}$ 时刻的车速.

平滑曲线滤波器定义为:

$\begin{matrix} v_{smoot h ed (t)} = \frac{1}{h} \overset{h}{\sum_{s = - h}} K (\frac{s}{h}) \cdot v (t + s) \end{matrix}$ (2)

式中: K(x)为在t时刻前后车速的权值; 本文中h取值为4 s, $\begin{matrix} K (x) \end{matrix}$ 的计算式为^[13]:

$\begin{matrix} K (x) = \{\begin{matrix} \frac{h^{2} - 1}{h^{2}} {(1 - x^{2})}^{2}, x^{2} < 1 \\ 0, ot h erwise \end{matrix} \end{matrix}$ (3)

图2是一组工况数据在降噪前后的对比图.

	Figure Option View Download New Window
	图2 降噪前后的数据对比图Fig.2 Data comparison before and after the denoiser

2.3 工况块的定义

车辆在行驶过程中频繁起动, 加速, 减速, 使整个数据链频繁出现零值, 为便于数据处理, 定义运动学片段^[10], 即相邻两个停车点之间的汽车行驶过程, 也就是车辆从一个怠速开始到下一个怠速开始的运动过程作为一个数据单元, 本文将这种运动学片段简称为工况块.以图3为例, 一段行驶工况被划分为6个工况块.

	Figure Option View Download New Window
	图3 工况块的划分Fig.3 Division of driving segments

3 K-均值聚类算法

K-均值聚类也称快速聚类, 先选定k个类和初始聚类中心.然后计算各样本和聚类中心之间的最小距离, 把每个样本分配给距离它最近的聚类中心.之后不断计算聚类中心和调整各样本的类别, 使簇内具有较高的相似度, 而簇间的相似度较低.具体过程如下:

(1)针对n个样本按照某种原则选取k个样本作为初始聚类中心(z₁, z₂, , et al., z_k).

(2)应用欧式距离将任意样本x_i 分配到距离它最近的簇中心.欧式距离是指两个样本所有n)个变量值之差的平方和的平方根, 即:

$\begin{matrix} d_{xy} = \sqrt[]{\overset{n}{\sum_{i = 1}} (x_{i} - y_{i})^{2}} \end{matrix}$ (4)

式中:x_i , y_i 分别为样本x和y的第i个变量的变量值.

(3)重新计算每个簇中样本的平均值, 用此平均值作为新的聚类中心.

(4)重复以上步骤, 直到聚类中心不再发生变化.

4 特征参数选取与工况块的K-均值聚类分析

4.1 特征参数的选取

选取适当的工况块特征参数进行分析, 不但有利于减少聚类分析运算的时间, 同时也提高最后运算结果的准确性.本文首先选取平均速度v_mean, 最大车速v_max, 平均加速度a_mean, 平均正加速度a_meana, 平均负加速度a_meand, 怠速时间比r_idel, 巡航时间比r_drive, 最大加速度a_max, 最小加速度a_min, 行驶距离 $\begin{matrix} s 、 \end{matrix}$ 速度方差v_var, 加速度方差a_var, 速度平方和v_spa, 加速度平方和a_spa共14个特征参数, 再综合考虑各参数之间的相关性以及各参数同汽车油耗的相关性, 最终提取出优化后的特征参数.相关系数 $\begin{matrix} r \end{matrix}$ 由式(5)定义:

$\begin{matrix} r = \frac{\overset{n}{\sum_{i = 1}} (x_{i} - \bar{x}) (y_{i} - \bar{y})}{\sqrt[]{\overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2} \overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2}}} \end{matrix}$ (5)

式中: $\begin{matrix} \bar{x} \end{matrix}$ 和 $\begin{matrix} \bar{y} \end{matrix}$ 分别是两个样本数据的平均值.

各特征参数之间的相关系数如表1所示.v_mean, v_max, a_mean, a_meana, a_meand, r_idel, r_drive, a_max, a_min, s, v_var, a_var, v_spa, v_spa与油耗的相关系数分别为0.700, 0.661, 0.0157, 0.0103, -0.0125, -0.286, 0.286, -0.0269, 0.0671, 0.993, -0.197, -0.123, 0.150, 0.0219.通常情况下通过以下取值范围判断变量的相关强度:相关系数在0.8~1.0为极强相关; 相关系数在0.6~0.8为强相关; 相关系数在0.4~0.6为中等强度相关; 相关系数在0.2~0.4为弱相关; 相关系数在0~0.2为极弱相关或无相关.选取特征参数的原则如下:相关系数在0.8以上的特征参数可以相互替代, 特征参数与油耗相关系数需大于0.2.最终取平均速度v_mean, 巡航时间比r_drive, 行驶距离 $\begin{matrix} s \end{matrix}$ 作为代表性特征参数.

平均速度v_mean, 行驶距离 $\begin{matrix} s \end{matrix}$ 和巡航时间比r_drive的定义为:

$v_{mean} = \frac{1}{n} \overset{n}{\sum_{i = 1}} v_{i}$ (6)

$s = \overset{n}{\sum_{i = 1}} v_{i}$ (7)

$r_{drive} = \frac{n_{drive}}{n}$ (8)

式中:n为某工况块的时间长度; v_i 为在某工况块内i时刻的车速; n_drive为某工况块内速度不为0的时间长度.

表1 各特征参数之间相关系数表 Table 1 Correlation coefficient between the driving features

	v_mean	v_max	a_mean	r_idel	r_drive	, et al.	$\begin{matrix} s \end{matrix}$	v_var	a_var	v_spa	v_spa
v_mean	1.00	0.96	0.024	-0.052	0.052	, et al.	0.69	-0.40	-0.26	0.26	0.064
v_max	0.96	1.00	0.011	-0.47	0.47	, et al.	0.65	-0.45	-0.29	0.25	0.061
a_mean	0.024	0.011	1.00	0.043	-0.043	, et al.	0.017	0.053	0.027	-0.045	-0.087
a_meana	0.033	0.030	-0.100	-0.16	0.16	, et al.	-0.016	0.22	0.35	0.39	0.85
a_meand	-0.029	-0.027	0.070	-0.16	0.15	, et al.	0.013	-0.26	-0.36	-0.44	-0.87
︙	︙	︙	︙	︙	︙	, et al.	︙	︙	︙	︙	︙
r_idel	-0.52	-0.46	0.043	1.00	-1.00	, et al.	-0.28	0.37	0.32	0.045	0.099
r_drive	0.52	0.46	-0.043	-1.00	1.00	, et al.	0.28	-0.37	-0.32	-0.045	-0.099
a_max	0.065	0.064	-0.057	0.11	-0.11	, et al.	0.28	-0.37	-0.32	-0.045	0.091
a_min	-0.043	-0.049	0.063	-0.030	0.030	, et al.	0.018	-0.21	-0.23	-0.43	-0.79
$\begin{matrix} s \end{matrix}$	0.69	0.65	0.017	-0.28	0.28	, et al.	1	-0.19	-0.12	0.14	-0.0010
a_spa	0.064	0.061	-0.087	0.098	-0.098	, et al.	-0.0010	0.28	0.36	0.70	1

表1 各特征参数之间相关系数表 Table 1 Correlation coefficient between the driving features

4.2 工况块的聚类分析

用平均速度v_mean, 行驶距离 $\begin{matrix} s \end{matrix}$ 和巡航时间比r_drive来绘制三维图, 如图4所示.图中每个点都代表一个工况块的平均速度, 行驶距离和巡航时间比.

	Figure Option View Download New Window
	图4 工况块三维散点图Fig.4 Three dimensional scatter plot of micro-trips

图5是将图3的数据进行K-均值聚类分析后的结果, 将数据划分为4个簇, 分别代表了城市工况中的4种典型行驶工况, 最终的某城市交通循环工况将由4种典型行驶工况拟合而成.

	Figure Option View Download New Window
	图5 工况块K-均值聚类分析二维散点图Fig.5 Two dimensional scatter plot of analysis micro-trips by K-means clustering

(1)城市闹市工况:在城市的中心地带, 交通状况拥挤, 汽车速度低, 启停频繁, 工况块平均速度低, 巡航时间比低, 行驶距离短.

(2)城市生活区工况:在城市的生活区内, 交通状况一般, 汽车速度较低, 启停较为频繁, 工况块平均速度较低, 巡航时间比较低, 行驶距离较短.

(3)城市郊区工况:在城市的郊区, 交通较好, 汽车车速较高, 启停较少, 工况块平均速度和巡航时间比较高, 行驶距离较长.

(4)高速公路工况:在高速公路上, 交通状况好, 汽车车速高, 启停少, 工况块平均速度和巡航时间比例高, 行驶距离长.

5 城市循环工况的合成和分析

5.1 城市循环工况的合成

参考国外标准工况, 将城市循环工况的持续时间取为1500 s左右^[11].利用各簇总持续时间在整个记录数据中所占的时间比例, 可确定各簇工况块在最终拟合工况中所占的时间:

$\begin{matrix} t_{i} = \frac{t_{drivingcycle}}{t_{overall}} \overset{n_{i}}{\sum_{j = 1}} t_{i, j} \end{matrix}$ (9)

式中:t_i为簇i在拟合工况中的持续时间; t_drivingcycle为最终代表性工况的持续时间; t_overall为所有工况块数据的总持续时间; t_i,为簇i中工况块j的时间; n_j 为簇i中所有工况块的总数.

根据式(9)可以得到最终某城市循环工况中4种不同行驶工况的时间比例和时间长度, 如表2所示.

表2 不同行驶工况的时间比例和时间长度 Table 2 Time scale and time duration of different driving cycles

在4个簇中挑选出代表性的工况块来代表每个簇, 根据K-均值聚类算法的原理, 挑选的原则为将距离聚类中心最近的工况块作为各个簇的代表性工况块, 如图6所示.由循环工况各个行驶工况时间和工况块拟合出最终的城市循环工况, 如图7所示.

	Figure Option View Download New Window
	图6 四种簇的代表工况块Fig.6 Representative micro-trips of four clusters

	Figure Option View Download New Window
	图7 某城市循环工况Fig.7 Driving cycle of a sample city

5.2 某城市循环工况的分析

首先验证拟合的循环工况是否符合要求.将通过基础实验所采集的全部工况数据和拟合后的某城市循环工况(CHCQ), 以及CHCQ工况的转毂台架实验结果进行对比分析, 以验证某城市循环工况是否能够反映整个工况数据的特点.首先, 将基础实验所采集的全部工况与CHCQ工况的特征参数进行对比, 特征参数分别为平均车速, 平均正加速度, 平均负加速度, 巡航时间比, 如表3所示.由于偶然性作用比较大或与4.1节中特征参数相关性高, 将其他特征参数(最高车速, 最大正加速度, 最小负加速度等)进行对比的意义不大.将试验用车采集基础工况数据时的油耗与转毂台架CHCQ工况下的油耗进行对比, 两者的百公里油耗分别10.38和10.26, 误差为1.16%.几种重要特征参数以及百公里油耗的误差均在5.0%以内, 表明所拟合出的某城市循环工况能够较好地反映该市城市交通状况, 符合设计要求.

表3 循环工况与基础实验全部工况参数对比 Table 3 Reduced parameter between the final driving cycle and driving cycle of base experiment

将某城市循环工况同一些典型工况(EUDC, ECE, FTP-15)的特征参数进行对比, 结果如表4所示.与上述3种循环工况对比, 该城市循环工况最高车速, 平均加速度和平均车速相对较低, 巡航时间比高, 最大加速度和平均负加速度大, 最小加速度和平均正加速度小, 其主要原因在于该城市属于内陆山地型城市, 道路曲折, 坡道陡而多.

表4 几种循环工况特征参数对比表 Table 4 Driving features comparison of several driving cycles

通过转毂实验台和废气分析仪对4种工况的排放和油耗数据进行采集, 其中采集的污染物为一氧化碳(CO), 碳氢化合物(HC), 氮氧化合物(NO_x).将实验室所采集到的油耗和排放数据进行对比, 结果如表5所示.该城市循环工况的百公里油耗相对较高, 污染物的排放高, 其原因在于该城市工况启停次数多, 车速变化大, 使得油耗和污染物排放相对较高.

表5 四种工况油耗以及污染物排放对比 Table 5 Comparison about fuel consumption and pollutant emissions of four different driving cycles

6 结论

(1)通过实车实验采集某城市汽车运行工况数据, 并进行数据处理.将工况数据划分为工况块, 运用平均速度, 行驶距离和巡航时间比3个特征参数对工况块进行K-均值聚类分析, 根据距离聚类中心越近越能代表簇特征的原则选取工况块合成最终循环工况.该方法选取特征参数少, 运算简单, 精度高, 有较强的适用性.

(2)将该城市循环工况与其他典型循环工况进行对比, 得到该城市道路典型的特征为:平均速度低, 巡航时间比高, 最高车速低, 启停次数多, 最大加速度大, 最小加速度小, 平均正加速度小, 平均负减速度大, 使汽车的油耗排放相对较高, 这些特征很好地反映了该城市的交通特点.

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	Michel Andre. Driving cycles development: characterization of the methods[C]//SAE Paper, 961112. [本文引用:1]
[2]	Tong H Y, Hung W T, Cheung C S. Development of a driving cycle for Hong Kong[J]. Journal of Atmospheric Environment, 1999, 33(15): 2323-2335. [本文引用:1]
[3]	刘明辉, 赵子亮, 李俊, 等. 北京城市公交客车循环工况开发[J]. 汽车工程, 2005, 27(6): 687-690. Liu Ming-hui, Zhao Zi-liang, Li Jun, et al. A study on the development of driving cycle for public buses in Beijing[J]. Automotive Engineering, 2005, 27(6): 687-690. [本文引用:1]
[4]	彭美春, 林权臻, 梁晓峰, 等 . 广州市公交车行驶工况与ETC 城市工况的比较[J]. 汽车工程, 2012, 34(11): 1043-1047. Peng Mei-chun, Lin Quan-zhen, Liang Xiao-feng, et al. Comparison between the driving mode of city buses in Guangzhou city and the urban part of ETC circle[J]. Automotive Engineering, 2012, 34(11): 1043-1047. [本文引用:1]
[5]	宋宝珍. 西安市实际道路车辆行驶工况的研究[D]. 陕西: 长安大学汽车学院, 2009. Song Bao-zhen. A study of Xi'an actual working condition of road traffic[D]. Shanxi: School of Automobile, Chang'an University, 2009. [本文引用:1]
[6]	孙强, 白书战, 韩尔樑, 等. 基于试验测量的瞬时行驶工况构建[J]. 吉林大学学报: 工学版, 2015, 45(2): 364-370. Sun Qiang, Bai Shu-zhan, Han Er-dong, et al. Instantaneous driving cycle construction based on experimental measurement[J]. Journal of Jilin University (Engineering and Technology Edition), 2015, 45(2): 364-370. [本文引用:1]
[7]	李孟良, 张建伟, 张家兴, 等. 中国乘用车实际行驶工况的研究[J]. 汽车工程, 2006, 28(6): 554-557. Li Meng-liang, Zhang Jian-wei, Zhang Jia-xing, et al. A study on real driving cycle of passenger cars in typical cities of China[J]. Automotive Engineering, 2006, 28(6): 554-557. [本文引用:1]
[8]	孙宏图, 宋喜庚, 王天灵, 等. 改进的城市公交循环工况开发方法[J]. 大连理工大学学报, 2009, 49(6): 838-841. Sun Hong-tu, Song Xi-geng, Wang Tian-ling, et al. Improved method of driving cycle construction for urban bus[J]. Journal of Dalian University of Technology, 2009, 49(6): 838-841. [本文引用:1]
[9]	姜平, 石琴, 陈无畏, 等. 基于小波分析的城市道路行驶工况构建的研究[J]. 汽车工程, 2011, 33(1): 71-74. Jiang Ping, Shi Qin, Chen Wu-wei, et al. A research on the construction of city road driving cycle based on wavelet analysis[J]. Automotive Engineering, 2011, 33(1): 71-74. [本文引用:1]
[10]	石琴, 仇多洋, 周洁瑜. 基于组合聚类法的行驶工况构建与精度分析[J]. 汽车工程, 2012, 34(2): 165-169. Shi Qin, Chou Duo-yang, Zhou Jie-yu. Driving cycle construction and accuracy analysis based on combined clustering technique[J]. Automotive Engineering, 2012, 34(2): 165-169. [本文引用:2]
[11]	Lin J, Niemeier D A. An exploratory analysis comparing a stochastic driving cycle to california's regulatory cycle[J]. Atmospheric Environment, 2002, 36(38): 5759-5770. [本文引用:2]
[12]	Ou Shi-qi, Zhou Ya-fu. Development of hybrid city bus's driving cycle[C]//Electric Information and Control Engineering (ICEICE), 2011 International Conference on, Wuhan, 2011: 2112-2116. [本文引用:1]
[13]	Haan P D, Keller M. Real-world driving cycles for emission measurement: ARTEMIS and Swiss cycles: final report[R]. Geneva: Swiss Agency for Environment, Forests and Land scape(SAEFL), 2001. [本文引用:1]

0.0

... 世界各国均重视开发适合本国的行驶工况,美国,欧洲,日本分别使用FTP-15,ECE15+NEDC,J10-15作为本国标准循环工况^[1],国内不少城市也都构建出了适合本地区的循环工况^{[2,3,4,5,6,7,8]},对行驶工况构建方法的研究不仅具有理论意义,而且具有实用价值 ...

1999

0.0

2005

0.0

. 2005, 27(6):687-690 DOI:doi:10.3321/j.issn:1000-680X.2005.06.011

A study on the development of driving cycle for public buses in Beijing

北京城市公交客车循环工况开发

Liu Ming-hui , Zhao Zi-liang , Li Jun

刘明辉, 赵子亮, 李俊

详细地论述了城市客车循环工况开发的程序和测试方法,并通过自行设计的测试仪器和数据采集系统,完成了北京城市客车循环工况的测量.详细分析了北京公交客车的实际运行特点,得出了北京城市客车的平均车速、运行时间、停车时间、加减速度以及客流量服从正态分布.同时,分析了变速器挡位分布.基于城市工况的特征,提出了一种多条线路循环工况的合成方法.结果表明,所开发的北京城市循环工况能够反映北京城市公交客车的实际运行状况,具有实用价值.

2012

0.0

. 2012, 34(11):1043-1047 DOI:doi:10.3969/j.issn.1000-680X.2012.11.016

Comparison between the driving mode of city buses in Guangzhou city and the urban part of ETC circle

广州市公交车行驶工况与ETC 城市工况的比较

Peng Mei-chun , Lin Quan-zhen , Liang Xiao-feng

彭美春, 林权臻, 梁晓峰

为探讨重型汽车型式认证排放检测工况欧洲瞬态循环ETC工况与城市公交车实际行驶工况的符合性,对两辆典型的大型LPG公交车,沿广州市中心区两条典型公交线路运行,进行了公交车城市行驶逐秒的车速与变速挡位的测试, 基于测试数据计算出对应的发动机转速与转矩,并将其与ETC城市工况比较.结果表明,相比ETC城市工况,LPG公交车实际运行工况中发动机怠速时间占比大1.4倍,零转矩占比大0.8倍,平均转速低38.34％,平均转矩低59.09％.在转速分布方面,实际行驶工况主要集中在低转速区,而ETC城市工况则主要分布在中、高转速区;至于转矩分布,实际行驶工况主要集中在低转矩区,而ETC循环则比较宽广地分布在整个转矩范围.总之,LPG公交车实际运行工况与ETC城市工况存在较明显的差异.

2009

0.0

. 2009, :- DOI:doi:10.7666/d.y1526982

A study of Xi'an actual working condition of road traffic

西安市实际道路车辆行驶工况的研究[D]

Song Bao-zhen.

宋宝珍

车辆行驶工况主要用于车辆及发动机经济性能和排放性能的评价,其能否反映车辆及发动机在特定交通条件下的真实工况直接关系到能否对车辆及发动机的经济性能和排放性能进行合理的评价。而能否对车辆及发动机的经济性和排放性进行准确测试和合理评价,又直接影响到能否对车辆及发动机的经济性和排放性进行合理有效的优化。本文以西安市乘用车为研究对象,确定了西安市乘用车道路试验方案,对比分析国内外车辆行驶工况解析方法,确立了西安市乘用车行驶工况解析方法和行驶工况解析过程所应用软件,采用主成分分析和聚类分析两种高级数据处理技术,在进行道路试验的基础上,利用行程分析理论建立了能够反映西安市乘用车实际运行的行驶工况;然后通过特征参数值对所建立车辆行驶工况进行分析,探讨了西安市车辆运行状况存在的问题,以及出现这些情况的原因,同时阐述了交通信号灯对所建立行驶工况的影响;最后对比分析了西安工况与其他典型工况,结果发现,其他工况显然不能真实反映出西安的实际状况。建议地方政府采用西安市自身的乘用车综合行驶工况,以便制定出更科学更符合实际的乘用车污染控制对策。

2015

0.0

. 2015, 45(2):364-370 DOI:doi:10.13229/j.cnki.jdxbgxb201502005

Instantaneous driving cycle construction based on experimental measurement

基于试验测量的瞬时行驶工况构建

Sun Qiang , Bai Shu-zhan , Han Er-dong

孙强, 白书战, 韩尔樑

A two-stage clustering method is proposed to construct the driving cycle of garbage truck. In this method, first the concept of kinematics interval is put forward to describe segment's instantaneous characteristics, upon which an advanced hierarchical clustering is carried out. Second, proper segments are chosen from each category according to the results of the second stage clustering. Finally, the representative driving cycle is fitted out. The proposed method is applied to construct driving cycles of a typical garbage truck in Xi'an City. For comparison a driving cycle is also constructed using traditional clustering method, actual driving cycle is measured and error analysis is carried out. Results show that compared to the traditional clustering method, the two-stage clustering method can improve the probability distribution of speed by 59.4%, the probability distribution of acceleration by 81.7%, and the joint probability distribution of speed-acceleration by 22.4%.

以环卫车运行工况为研究对象，通过对西安市环卫车运行工况的试验测量，利用两阶段聚类法构建西安市环卫车典型行驶工况。引入运动区间的概念用于描述运动学片段的瞬时特征，以运动学区间相关参数为特征参数对片段类内的片段进行第二阶段的聚类，实现对类内特征片段的提取和组合，完成典型行驶工况的构建。最后，通过与单次聚类法构建工况的对比，验证使用两阶段聚类法构建车辆瞬时行驶工况的合理性。对比结果表明:两阶段聚类法与传统单次聚类法相比，在速度分布、加速度分布以及速度-加速度联合分布上分别有59.4%、81.7%和22.4%的改进。

2006

0.0

2009

0.0

. 2009, 49(6):838-841

Improved method of driving cycle construction for urban bus

改进的城市公交循环工况开发方法

Sun Hong-tu , Song Xi-geng , Wang Tian-ling

孙宏图, 宋喜庚, 王天灵

An improved method is developed for urban bus driving cycle construction. Driving condition data are collected on the representative routes which are selected between the major residential areas and commercial or industrial areas according to the traffic flow. The micro-trip is defined as a trip between two bus stops. A driving cycle is then constructed with the randomly selected micro-trips according to the proportion of the driving condition. The representative urban bus driving cycle is selected by the variation of the parameter mean value. The improved method of urban bus driving cycle construction and the synthesized Dalian urban bus driving cycle are both verified with the case study of urban bus in Dalian. Driving cycle by the improved method provides the design references for the measurement of pollution and fuel consumption on the electric vehicles which are developed with the characteristics of urban bus.

提出了一种改进城市公交循环工况的开发方法．根据车流量在主要商业区、工业区与居民区之间选择测试线路进行数据采集，以公交各站点间的行程作为短行程，根据工况时间比例由短行程构建城市公交循环工况，用参数均值方差选择典型城市公交循环工况．以大连城市公交为例，验证了改进的城市公交循环工况开发方法的有效性，以及应用该方法合成的大连城市公交循环工况的真实性．为开发适合城市公交特点的电动汽车，及其污染物排放量和燃油消耗量的测量提供了设计依据．

2011

0.0

. 2011, 33(1):71-74

A research on the construction of city road driving cycle based on wavelet analysis

基于小波分析的城市道路行驶工况构建的研究

Jiang Ping , Shi Qin , Chen Wu-wei

姜平, 石琴, 陈无畏

根据我国混合交通的特点,采用离散小波变换的多分辨信号分解算法对汽车实际行驶工况数据进行压缩重构,将重构后的数据划分为很多短行程,根据速度和加速度等特征参数,构建了城市道路代表性行驶工况.接着以合肥市典型道路为例进行了实际应用,并建立了11个行驶工况评价准则.最后把构建的行驶工况与用传统方法确定的行驶工况和国外行驶工况进行了对比分析,结果表明应用小波分析法构建的代表性行驶工况能更真实地反映我国城市道路实际行驶工况.

... 姜平等^[9]利用小波压缩和数理统计相结合的方法,提出了一种典型道路行驶工况构建方法,这种方法消除了实验时路面干扰因素的影响 ...

2012

0.0

. 2012, 34(2):165-169 DOI:doi:10.3969/j.issn.1000-680X.2012.02.015

Driving cycle construction and accuracy analysis based on combined clustering technique

基于组合聚类法的行驶工况构建与精度分析

Shi Qin , Chou Duo-yang , Zhou Jie-yu.

石琴, 仇多洋, 周洁瑜

基于通过实车试验采集的城市典型道路行驶工况数据,首先用主成分分析法对选取的12个表征道路运行特性的特征参数进行减缩,接着利用SOFM神经网络算法和K均值聚类法相结合的组合聚类技术对所有运动学片段的前3个主成分得分进行分类,再根据各类别的时间比例从各类别中选取合适片段,最终拟合出代表性工况。通过对各工况加速度分布的 K-S检验和采用ADVISOR软件进行的发动机载荷谱和燃油消耗量仿真分析,表明和K均值聚类法相比,组合聚类法的行驶工况拟合精度更高,更能综合反映城市交通真实状况。

... 石琴等^[10]通过对工况块特征参数进行主成分分析提取三个代表性的主成分,再运用SOFM神经网络和K-均值聚类对其进行分析,这种方法得到的循环工况更接近实际的道路运行状况 ...

... 3 工况块的定义车辆在行驶过程中频繁起动,加速,减速,使整个数据链频繁出现零值,为便于数据处理,定义运动学片段^[10],即相邻两个停车点之间的汽车行驶过程,也就是车辆从一个怠速开始到下一个怠速开始的运动过程作为一个数据单元,本文将这种运动学片段简称为工况块 ...

2002

0.0

... Lin等^[11]采用工况块以及随机过程选择方法来构建行驶工况 ...

... 1 城市循环工况的合成参考国外标准工况,将城市循环工况的持续时间取为1500 s左右^[11] ...

2011

0.0

... Ou等^[12]运用工况块构建循环工况,分析构建混合动力客车的行驶工况的特点,并根据该行驶工况对混合动力客车的匹配进行优化 ...

2001

0.0

... 本文中h取值为4 s, K(x)的计算式为^[13]: ...