基于改进K-均值聚类算法的合肥市电动客车行驶工况构建

为构建合肥市电动客车行驶工况,选取合肥市4条典型线路的12辆电动公交车进行连续一周的数据采集,基于短行程分析法将经过处理的有效数据分割成24 595个片段并计算特征值,采用主成分分析法和改进K-均值(K-Means)聚类算法对短行程特征值进行降维与聚类,根据类中心距离从聚类结果中选出类代表短行程,从而构建出合肥市电动客车的行驶工况。将所构建的工况与实车采集数据及国内外典型行驶工况进行对比,结果表明,构建的行驶工况能更准确地反映合肥市电动客车的行驶特征。     

基于聚类分析法的公交车行驶工况构建研究

针对昆明市公交车道路行驶状况,选取5条具有代表性的公交车线路并采集大量行驶数据,将数据划分为运动学片段,选用8个特征参数进行表征,使用主成分分析法进行降维处理,提取具有代表性的特征参数用作K均值聚类分析。依据分类结果,综合考虑各类别时间比例、欧式距离和相关系数选择合适的运动学片段,构建昆明市公交车行驶工况。与试验值对比,结果表明拟合工况平均相对误差为5.67%,能够代表昆明市公交车行驶工况,并将拟合工况与国内常用的四工况、ECE+EUCD工况进行对比,说明昆明市公交车行驶工况与两者存在较大差别。     

基于K-均值聚类算法的西安市汽车行驶工况合成技术研究

为提供排放试验所需的车速曲线,基于划分的短行程数据,采用K-均值聚类算法构建了西安市汽车行驶合成工况。首先对采集的原始数据进行短行程划分并进行特征提取,针对提取的高维特征向量之间的冗余性和非线性关系,采用核主分量分析法进行降维。然后基于K-均值的聚类算法,对降维后特征向量进行划分,按照离聚类中心最近的原则选择各聚类的短行程样本,将其合成为平均速度为21.51 km/h、持续时间为1 166 s、距离为6.9 km的西安市汽车行驶工况。对比表明,西安市汽车行驶工况接近于日本J10-15标准,但加速度参数要高很多。     

基于K-均值聚类分析的城市道路汽车行驶工况构建方法研究

以实时采集的乘用车行驶数据为数据源,进行了城市道路汽车行驶工况构建方法的研究。分别运用运动学片段分析法、主成分分析法和K均值聚类分析法对实测数据进行降维和分类,提出以Silhouette函数实现对聚类结果的筛选,以减少人为选择的误差,并根据聚类中心的大小筛选所需运动学片段构建候选工况。在目标代表工况的遴选方面,提出了综合6个特征参数和最大SAFD差异值的评价标准。最后通过试验验证了该行驶工况构建方法的有效性和精确性。     

组合主成分分析和模糊c均值聚类的车辆行驶工况制定方法

目前国内不同规模城市和地区的机动车行驶特征,与欧美采用的标准工况相比存在着较大的差异。为完善车辆行驶工况制定方法,开发了适合我国城市和地区交通特点的车辆行驶工况制定方法,研究采用道路运输企业营运车辆运行时产生的海量卫星定位数据,作为工况建立使用的源数据,这些数据能够真实反映拟建工况地区的各类型道路交通状况。方法首先将源数据计算划分为运动学片段即微行程,针对每一微行程进行平均速度和怠速时间占比等特征值的计算,利用改进后的主成分分析方法对特征矩阵进行降维处理,然后在特征空间利用模糊c均值聚类方法将这些微行程聚类成不同组。每一组聚类代表和生成一类交通状况,然后将各类子工况合成为初始合成工况。利用带有双权平滑核函数的滤波器来平滑初始工况,使其易于在实验室设备上开展车辆工况试验的遵循测试。最后选取在某地区行驶且时间段和路段较具代表性的道路运输车辆,利用其正常运行过程中产生的卫星定位数据,对所提出的工况制定方法进行了验证,并将所得工况与通过传统的V-A矩阵法所得工况进行结果的比较分析。试验数据的对比结果表明,应用该方法给出的合成工况能够反映出所建工况地区的交通状况,可以为开发符合当地交通特点的行驶工况提供依据。     

济南市轻型车行驶工况构建研究

正汽车行驶工况是指在某一特定环境下汽车行驶的速度与时间之间的变化规律,它是测定或者评价机动车污染物排放量和燃油消耗水平的重要依据,与此同时,对新车型的技术开发认证、车辆参数匹配、控制策略的制定和节能减排的发展具有重要的价值。目前世界范围内汽车行驶工况主要有美国行驶工况、欧洲行驶工况、日本行驶工况,我国一直采用的是欧洲行驶工况,但是,我国幅员辽阔,各城市之间的道路规划情况、交通拥堵情况、环境状况等与欧洲有着明显的差异,采用欧洲行驶工况并不能反映我国的实际道路情况。     

低温城市行驶工况的构建与研究

通过大量低温城市地区的车辆道路行驶数据,统计出每个运动学片段的特征参数,应用主成分分析和聚类算法提炼出运动学片段的主要特征和类别,按相应类的比例选取运动学片段,根据统计分析的概率随机选择并重组选取的运动学片段,构建出相应的低温城市行驶工况。最终计算低温城市行驶工况与原始数据样本的相关系数,得出两者之间相关系数大于0.95的结论。     

基于K均值聚类与Bayesian分类器的车型识别方法

不同车型经过感应线圈时,线圈检测器采集过来信号变化的波形不同,同类车型对应采集的波形中如波峰极大值、峰值位置、平均值、波峰数等特征值都具有相似性。根据感应线圈采集所得信号的特点,讨论了一种基于K均值聚类与Bayesian分类器的车型识别方法。学习训练中,通过K均值聚类算法把不同波形的特征值归类,再采用Bayesian分类器算法去获得分类器。实验结果表明,该方法具有较高的车型识别精度。     

太原市轻型车实际行驶工况构建

为了构建基于实际情况的太原市轻型车道路行驶工况,采用自主行驶法采集试验数据并从中提取出2 208个有效运动学片段,通过因子分析、K-means聚类分析方法以及相关系数比较最终拟合出长度为1 184 s的太原市轻型车实际行驶工况,将之与国内其他城市以及国际4类标准工况进行对比分析,得出太原市轻型车行驶工况具有加减速比例高、匀速行驶比例低和低速行驶比例高等特点。     

西安市公交线路模态行驶工况构建

采用GPS设备对西安城市公交典型线路的运行工况进行实测,利用短行程划分及聚类分析方法构建瞬态工况。基于已构建瞬态工况,运用瞬转模的方法完成模态工况构建。最后,选取10个具有统计意义的特征参数完成瞬态和模态工况与总样本的误差计算,结果表明,瞬态工况和模态工况与样本平均误差分别为5.91%和8.69%,能够真实反映西安市公交线路实际行驶特性。     

高原山区乘用车行驶工况构建方法研究

针对传统的行驶工况构建方法不适用于道路环境复杂的高原山区这一问题,提出了一种新的行驶工况构建方法——改进的短行程法.选定青藏高原G318川藏公路南段(得达乡—海子山段)为试验道路,试验车辆为乘用车,进行多次数据采集试验.先采用马尔可夫蒙特卡洛模拟法构建行驶工况,根据预处理后的试验数据计算出状态转移矩阵,再按照蒙特卡洛模...     

某重型燃气车行驶工况构建研究

行驶工况是一段复杂的运动特征的集合,受到动力总成、车辆载荷、驾驶员行为、天气等多种因素的影响。文章通过对400余台重型燃气车运行数据的分析处理,通过改变初始簇中心位置迭代计算出固定的聚类中心,对K-均值聚类进行优化,构建出行驶工况。所构建的行驶工况与原样本的相关性达到了0.999和0.942。     

北京市公交车典型行驶工况的构建

选取北京市36条典型公交车行驶路线,用GPS进行了连续一周的车速采集,累计行程6000多公里,获取了100多万条行驶速度数据。运用聚类分析方法对样本数据进行初步分析,确定了所需的数据样本;再用MATLAB软件进行编程计算,对样本数据进行了整理和分析,最后构建了公交车辆道路行驶工况。对比分析表明它与欧洲地区的行驶工况存在一定的相关性。     

武汉市公交车典型行驶工况的构建

利用实测的公交车运行数据,建立符合公交车运营特点的行驶工况.首先将连续行驶数据进行短行程划分并计算各短行程的特征值;之后采用主成分分析将12个特征值降为4个主成分,利用相关系数法建立了武汉市公交车的综合行驶工况;同时采用聚类分析对短行程分类,构建了公交车在拥堵道路、较畅通道路、畅通道路3类交通条件下的行驶工况;各工况同实测数据的相关系数均超过了0.98.研究结果表明,该地区公交车平均运行速度为19.46 km/h,各行驶模式下的时间比例分别为:加速26.39%、减速23.61%、匀速33.33%、怠速16.67%.此外将所建立综合工况与燃油消耗量测试工况C-WTVC比较,发现二者在平均速度和怠速时间比例方面存在较大差别.因此有必要针对公交车专门开发测试工况,从而为交通和环保部门的公交运营管理提供指导.     

哈尔滨城区乘用车行驶工况的构建

以哈尔滨市乘用车作为研究对象,利用GPS设备对哈尔滨主城区运行的乘用车工况数据进行了测试,将采集到的车速数据曲线分割为多个短行程片段,提取了片段中最具有代表性的11个工况特征参数,利用主成分分析法和聚类分析法对特征参数进行了降维和分类处理。利用相关系数提取了代表性行驶工况片段,进而构建了具有代表性的哈尔滨市主城区乘用车典型行驶工况,并与NEDC和Japan10-15乘用车道路工况进行了对比分析。分析结果表明:哈尔滨城区乘用车工况的平均车速为15 km/h,低于NEDC和Japan10-15乘用车行驶工况;加速、减速特征参数比例分别为33.57%和29.70%,高于NEDC和Japan10-15乘用车行驶工况的相关参数;现有的欧洲和日本道路工况参数与构建的哈尔滨市城区乘用车行驶工况具有较大的差异,利用基于运行数据构建的行驶工况可以更好地反映地方乘用车的运行特征。     

DHSSA优化的K均值互补迭代车型信息数据聚类

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题,提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先,针对SSA算法中发现者位置更新不足和种群多样性不足的问题,设计了一种扰动因子-领头雀优化策略,通过自适应领头雀策略加强了最优个体的影响力,利用扰动因子扩大搜索空间,提升了寻找聚类中心的准确率;其次,设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化,在MMP基础上增加了筛选机制,使初始化的中心尽可能更均匀地分布在每个簇中;最后,融合DHSSA和SMMP来优化K均值互补迭代,在减小迭代次数的同时增加搜索效率,得到较好的聚类结果。利用多种数据集进行测试,通过试验结果中的收敛曲线和性能指标可以看出,提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价,并且耗时相对于SSA-KMC和IMFO-KMC有所减少,证明了算法的有效性和优越性。在车型信息数据处理过程中,DHSSA-KMC可以高效聚类生成竞品...     

武汉市电动汽车行驶工况研究

通过对武汉市道路交通状况的调查,选择典型路段进行电动汽车行驶工况研究;测试车辆的行驶速度、转速、油耗和制动踏板力,同期进行车辆流量统计。引入主成分分析法,从采集的原始数据中提取微行程并按加权比例进行工况合成,从而建立武汉市电动汽车行驶工况。     

车辆行驶工况与特征的研究

先对几个典型国家和地区(美国、欧洲和日本)开发并采用的几种有代表性的行驶工况做了全面的介绍;接着,对它们各自的特征进行深入的研究和对比;最后得出几点结论。