城市道路汽车行驶工况构建方法

为了优化汽车行驶性能, 制定了反映中国实际道路行驶状况的测试工况, 以轻型汽车道路实测数据为数据源, 提出了城市道路汽车行驶工况构建方法; 数据采集覆盖主要时段和道路, 剔除了异常数据, 并引入多尺度小波变换对车速降噪; 利用3层小波分解过滤地面扰动的影响, 保留车速关键信息; 基于9种与行驶特性密切相关且具有代表性的特征参数建立汽车运动学片段特征体系; 分别利用主成分分析和自编码器对特征降维处理, 使用K-means++聚类算法确定运动学片段, 并引入Silhouette函数筛选聚类结果以替代人工选择, 确定聚类类别为2类; 以与相应聚类中心的距离为指标, 筛选出各类别中最能反映本类别特性的200个运动学片段, 作为候选运动学片段, 最终以基于最小性能值的评估方法确定代表性运动学片段, 完成了汽车行驶工况的构建, 分别得到主成分分析和自编码器2种降维处理对应的汽车行驶工况曲线。计算结果表明: 以主成分分析和自编码器2种处理方法为基础构建的汽车行驶工况对数据源均体现了较高的代表性与合理性, 基于主成分分析降维最终得到的数据与数据源的相对误差绝对值多数低于10%, 其中平均速度、平均行驶速度、怠速时间比、加速时间比、减速时间比、平均加速度、加速度标准差、平均减速度的相对误差分别为0.75%、5.50%、9.14%、9.80%、9.98%、8.45%、6.17%、7.73%, 仅速度标准差的相对误差较大, 为24.31%, 与自编码器方法得到的结果相比具有更强的综合代表性, 更适合用于汽车行驶工况的构建。      

基于聚类和马尔可夫链的货车实际工况构建方法研究

针对货车法规工况与实际使用工况的油耗等性能相差较大问题,利用车联网平台获取目标样车实车行驶数据,提出基于高斯混合模型聚类和马尔可夫链结合的货车实际工况构建方法。通过主成分分析、高斯混合模型聚类分析将运动学片段分类,类中以速度区间划分行驶状态,采用Laplace Smoothing方法来估计状态转移概率,利用马尔可夫链法合成类内候选工况,选择类内最佳工况,构建目标货车实际行驶工况。结果表明：与原始数据相比,所建工况速度-加速度联合概率密度分布吻合较好,整体特征参数平均相对误差为4.32%;与实测百公里油耗相比,法规工况和所建工况的仿真油耗相对误差分别为26.33%、4.86%。所建工况精度较高,能够有效反映车辆实际行驶特征及油耗性能,可以为车辆的精细化设计和实际道路整车性能评价提供条件和依据。     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于多模型融合的电动汽车行驶里程预测

纯电动汽车行驶里程预测是驾驶者最关心的问题之一，为解决现有预测算法模型精度低、相对误差大的问题，本文采用融合片段回归与单点分类的机器学习方法对行驶里程进行预测.以真实车辆各项状态参数、环境信息等作为输入，通过聚类和过滤封装式特征筛选，提取最优特征集合，并基于行驶片段样本量选择预测方法，通过对环境温度和电池健康状态(SOH)进行分层耦合提高片段回归预测精度，通过单点分类和片段回归预测模型融合优化最终预测结果.行驶里程测试集预测结果中均方根相对误差(RMSRE)为0.035，平均相对误差为1.71%，能够精确稳定地实现行驶里程预测.     

基于车辆能耗状态的济南市道路行驶工况构建

为指导车辆设计及优化整车动力系统性能,对道路坡度、瞬时比功率、车速等反映车辆能耗的关键因素进行分析,在建立运动学片段特征值的基础上,运用主成分分析方法及快速聚类分析方法分析了运动学片段特征值,构建了候选工况,综合运用相关系数、相对误差及关键参数概率分布选出了代表性行驶工况,该代表性工况即为构建的济南市道路行驶工况.研究结果表明,以车速信息为基础的特征值与总体样本的相对误差平均值为2.82%,反映道路坡度和能耗状态的特征值与总体样本误差平均值为3.40%,表明构建的工况特征值能够表征车辆实际道路行驶状态.      

混合示教长短时记忆网络的车辆轨迹预测研究

为实现智能网联车对周围车辆运行轨迹准确地长时预测，本文提出一种混合示教解码的长短时记忆网络的车辆轨迹预测方法。首先，通过特征筛选和历史轨迹序列标注建立轨迹预测数据集；其次，构建长短时记忆网络的编码器-解码器模型，编码器将自车和周围车辆历史轨迹及道路环境信息编码为上下文向量，解码器采用混合示教的模式将上下文向量解码动态解码为未来轨迹；最后，采用真实道路数据集NGSIM US101和I-80路段验证模型的可行性。多组对比分析实验结果表明：本文所提方法在长时域预测的终点位移误差指标上的有效性和优越性，5 s的终点位移误差在2.7 m以内；并且模型在稀疏采样后的数据集上达到更高的预测准确率，5 s的位移误差在1.3 m以内。     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

有轨电车典型行驶工况的构建

为合理评估有轨电车在轨道交通中的行驶特征及运行指标，为有轨电车设计与控制提供依据，对有轨电车典型行驶工况进行构建. 首先，以巴黎、布达佩斯、墨尔本城市的有轨电车线路及行驶数据为基础，采用聚类方法获取降维行驶特征；然后，基于马尔可夫链理论，构建有轨电车典型行驶工况；最后，将构建工况与实际工况进行特征值对比分析，并基于所构建的典型工况进行仿真验证. 结果表明:构建的典型行驶工况与实际工况样本数据库总体特征的平均偏差仅为2.63%，满足偏差低于5%的开发精度要求；此外，典型行驶工况与实际行驶工况下的需求功率误差也仅为1.78%，验证了典型工况模型的准确性和有效性.      

城市公交车行驶工况的构建

以城市公交车为研究对象,运用覆盖率、路段频度等方法,选取城市典型的公交运行线路,并进行大量的实验和实际运行数据的采集。利用主成分析和聚类分析构建行驶工况,研究表明,将众多反映道路交通特征的运动学片段特征值用主成分析法压缩成代表原始数据80%以上信息的3个或4个公因子的方法是可行的,接着用聚类分析提炼这些运动学片段。根据统计分析的概率随机选择并重组实际运动学片段,并以典型公交线路为研究对象进行分析,得出一个基于实际公交车速度的行驶工况,构建能反映典型公交线路交通状况的工况。     

合肥市道路汽车行驶工况分析

将一套车载实测系统安装在一辆昌河微型面包车上,研究合肥市不同道路的行驶状况。用速度、加速度等行驶特征参数为准则数,通过将记录的车速曲线在停顿处分割成运动学片段的方法来研究交通状况特征。根据统计分析的概率随机选择并重组实际运动学片段,得出一个基于实际汽车速度、加速度等准则数的行驶工况。     

城市道路轻型汽车行驶工况构建

为了制定标准车辆能耗规范和标定车辆排放,优化汽车使用性能,以呼和浩特市区道路上轻型汽车为研究对象,对轻型汽车行驶工况进行了分析. 首先通过中国汽车检测工况研究和开发（China automotive test cycle,CATC）专用数据采集设备,收集了74台车辆的行驶工况样本数据,数据采集覆盖所有时段类型、道路类型、轻型车类型和驾驶员类型;其次通过加权二次构建控制不同车辆类型的比例,采用主成分分析和聚类分析预处理数据,制定短行程规则;最后将运动学片段进行裁剪和特征值分类,构建了城市道路轻型汽车行驶工况. 研究结果表明:CATC平均速度为25.87 km/h,运行平均速度为33.92 km/h、匀速比例为20.59%,怠速比例为23.72%,加速比例为28.56%,减速比例为27.13%. 与欧盟提出的轻型车循环测试工况相对比,平均速度、运行平均速度、匀速比例低于欧洲工况,加速比例、减速比例、怠速比例高于欧洲工况.      

基于交叉熵算法的电动车辆复合电源参数优化

为了提升电动汽车动力性能、降低车辆成本，以复合电源成本和车辆电耗最小为目标，通过交叉熵（cross- entropy，CE）算法对车载复合电源的参数优化进行了研究. 首先，以某款纯电动汽车为研究对象，根据能量与功率性能指标确定锂离子电池和超级电容的容量范围；其次，选取复合电源成本和车辆电耗建立多目标优化函数，并在ADVISOR环境中搭建车辆仿真模型；接着，采用CE算法，通过种群的不断迭代，更新高斯概率密度函数的均值和方差，找到复合电源参数的Pareto最优解集；最后，从最优Pareto解集中选取典型的匹配参数，分析复合电源成本、车辆电耗和整车性能. 研究结果表明:在满足基本约束的前提下，得到了由100个解组成的Pareto最优解集. 与第二代非劣排序遗传算法（non-dominated sorting genetic algorithm-Ⅱ，NSGA-Ⅱ）比较，CE算法有更好的收敛性与分布性；复合电源成本平均降低了9.49%，车辆电耗平均降低了22.81%； 此外，城市道路循环工况（urban dynamometer driving schedule，UDDS）下车速误差最大值降低16.15%，整车动力性也有显著提升，百公里加速时间缩短7.81%，最高车速提升1.98%.      

基于车辆行驶轨迹的道路不良驾驶行为谱构建与特征值计算方法

为了量化描述不同道路驾驶场景下驾驶行为的动态变化过程与不良驾驶程度, 研究了不良驾驶行为谱的构建与分析方法; 基于车辆行驶轨迹关键参数建立驾驶行为谱; 应用风险度量方法量化4种不良驾驶行为, 包括不良跟驰、蛇形驾驶、速度不稳与不良换道; 基于驾驶行为谱建立了不良驾驶行为谱; 基于交通流量-密度关系与驾驶行为统计参数的差异对交通流状态进行划分; 在不同交通流状态下, 使用四分位差法确定了不良驾驶行为特征参数阈值; 基于特征参数阈值计算每个驾驶人的不良驾驶行为得分; 使用CRITIC赋权法确定了不良驾驶行为的权重, 为每个驾驶人计算不良驾驶行为谱特征值; 为了验证方法的有效性, 使用无人机交通视频采集了上海市的车辆行驶轨迹数据, 分析了小汽车不良驾驶行为特征; 通过专家打分的方法对不良驾驶行为谱特征值进行验证。分析结果表明: 基于驾驶行为参数的交通流状态聚类方法将数据中的交通流状态分为自由流、饱和流、拥堵流3类; 聚类方法比基于基本图的交通流状态划分方法更适合驾驶行为分析; 不同交通流状态下的不良跟驰、蛇形驾驶、速度不稳特征参数分布明显不同, 拥堵流状态下的不良跟驰、蛇形驾驶、速度不稳极端值出现更频繁, 而不良换道特征参数在各交通流状态下有相似的分布; 蛇形驾驶、速度不稳、不良换道的特征参数阈值随交通流密度上升而上升; 使用CRITIC赋权法计算的不良跟驰、蛇形驾驶、速度不稳、不良换道的权重分别为0.19、0.33、0.37、0.11;自由流、饱和流、拥堵流的不良驾驶行为谱特征值的分布范围相近, 均处于0与0.4之间; 专家的不良驾驶行为评价与不良驾驶行为谱特征值一致。可见, 不良驾驶行为谱的构建与特征值计算方法能够使用车辆行驶轨迹数据自动辨识不良驾驶人, 具有客观性、适应性以及可靠性, 能及时发现不良驾驶人, 给驾驶人提供安全提示, 为交通管理部门提供交通安全预警的技术支持。      

基于HBEFA 的城市交通温室气体排放模型—— 以北京本地化建模为例

交通温室气体排放和空气污染越来越受到国内各城市的广泛关注.控制温室 气体排放和污染物排放的关键是找到排放的源头并进行科学量化,从而制定有针对性的 政策措施.鉴于我国目前还没有发布全国性的交通排放评估方法,本文基于欧洲道路排放 因子模型并结合北京实际的道路交通运行工况和车辆结构数据,采用自下而上的建模方 法,利用车型分类、交通状态、工况单元和活动水平进行模型的数据划分,使用平均速度 （V）、行驶过程中停车时间比例（SP）和相对正加速度（RPA）三个特征值作为描述工况单 元的统计特征参数,借用计算机仿真构建了本地化的交通排放因子库,并在此基础上开 发了基于交通活动水平的交通排放测算模型.该模型不仅能够建立北京市的交通能源消 耗、温室气体排放和污染物排清单,而且能够与宏观交通模型无缝衔接,评估不同的交通 政策对交通减排的潜在影响.     

基于重庆道路试验的车辆行驶工况影响因素分析

采用车辆道路试验方法,利用VBOX、尾气采集系统与陀螺仪对车辆行驶状况进行数据采集; 基于投影寻踪动态聚类的方法,结合带有精英控制策略的NSGA-Ⅱ对不同参数指标进行处理; 定量研究了参数指标对车辆燃油经济性和排放特性的影响程度,分析了特定工况下不同参数指标影响特性的变化规律。研究结果表明:在整个行驶工况中,加速度对车辆燃油经济性的影响权重为65.52%,对车辆比功率(VSP)特性的影响权重为35.03%,其中转弯半径对车辆VSP特性的影响权重为37.86%;在车速小于10 km·h-1时,对车辆燃油经济性影响最大的是转弯半径,影响权重为80.74%,对车辆VSP特性影响最大的是加速度,影响权重为82.82%;车速为10~40 km·h-1时,对车辆燃油经济性和VSP特性影响最大的是加速度,影响权重分别为34.01%和48.59%;当车速大于40 km·h-1时,对车辆燃油经济性影响最大的是坡度,影响权重为75.59%,对车辆VSP特性影响最大的是速度,影响权重为80.17%;当车辆处于下坡工况时,坡度对车辆燃油经济性的影响权重为69.84%,车速对车辆VSP特性的影响权重为56.37%;当车辆处于上坡工况时,加速度对车辆燃油经济性和VSP特性的影响权重分别为54.62%和94.24%。定量分析不同因素对车辆燃油经济性和VSP特性影响权重,不仅为提高车辆燃油经济性和改善车辆VSP特性提供实践支撑,同时也为智能车辆控制算法提供了重要理论依据。      

面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。