基于聚类和Python语言的深圳市城市道路车辆行驶工况构建

发布时间：2020-08-31 21:19

　　汽车行驶典型工况作为油耗与排放认证检测的重要指标,具有极其重要的价值。然而,我国基于早期欧洲工况(NEDC工况)的标准已不符合我国目前实际交通情况。为构建符合我国实际道路情况的统一工况标准,工信部委托中国汽车技术研究中心于2015年开始采集包括深圳在内的41个样本城市的车辆交通数据。本文以深圳市车辆交通为研究对象,构建深圳市道路行驶工况。本文基于聚类方法和Python语言构建了深圳市的行驶工况。首先,使用自主行驶法采集车辆整年数据,共采集61辆车,其中轻型车38辆,重型车23辆;同时用GPS和OBD接口采集数据。其次,选取16个特征参数,划分短行程片段,使用“数据清洗-短行程划分-降维-短行程聚类分类-短行程选择”的方法分析采集数据。再次,使用主成分分析法降维并过滤部分数据,将16维的轻型车和公交车短行程参数数据分别降到4维与2维。然后,对比分析MiniBatchKMeans和AP聚类算法的聚类效果,分别得到4类和137类短行程片段。最后,使用相关系数在每一类中抽取与所在类最接近的短行程片段,以此构建深圳市的行驶工况。构建工况主要特征为:轻型车工况运行时间1800s,加速比例38.59%,减速比例39.65%,匀速比例5.0%,怠速比例16.76%;公交车工况运行时间1800s,加速比例33.36%,减速比例30.46%,匀速比例29.41%,怠速比例6.75%。在上述研究流程中,采用Python语言作为分析工具,并将聚类方法用于短行程分类中。针对一般聚类构建工况使用的普通的K-Means在大规模数据集收敛较慢和需要自己确定聚类类别的缺点,使用MiniBatchKMeans处理大规模数据的方法与AP聚类结合的方法处理降维后的短行程参数数据。与MiniBatchKMeans对比,改进的AP聚类对轻型车短行程分类的效果明显优于MiniBatchKMeans,对公交车分类效果优势不明显。通过与原始数据对比,得出本文构建的工况能够代表深圳市实际工况的结论。与国内外已有行驶工况对比,国内工况与国外工况差别较大,说明国外行驶工况不适用于国内交通。本文所构建的深圳市道路行驶工况为深圳市制定新的排放法规提供理论参考和使用借鉴。
【学位单位】：长安大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U467;U471.2
【部分图文】：

速度时间曲线,工况,美国

图 1.1 美国 FTP75 工况速度时间曲线的不断发展，将一些更加符合现代交通的工况作为补充加进ental Federal Test Procedures)，应用于 2001 年后生产的车SC03 工况。US06 工况主要体现车辆在主干线和高速公路上空调对能耗的影响[4]。FTP75 和 SFTP 均为轻型车工况。TP 标准工况有 BAC、UDDSHDV 和纽约城市循环(NYCC)

时间曲线,速度时间曲线,行驶工况,欧洲

图 1.2 欧洲 NEDC 行驶工况速度时间曲线欧盟于 2017 年实施“全球轻型车测试规程”（WLTP），要求到 2020 年，新出二氧化碳排放量不得超过每公里 95 克。循环总时长 1800s，总行程 23.27km,平6.5km/h，最大加速度 1.75m/s2，WLTP 循环如图 1.3 所示。图 1.3 WLTP 循环速度-时间曲线

时间曲线,循环速度,时间曲线,行驶工况

主要由匀速、匀加速和匀减速运动组成，这种缺乏真实性的实验导致结性下降。欧洲行驶工况如图 1.2 所示。图 1.2 欧洲 NEDC 行驶工况速度时间曲线欧盟于 2017 年实施“全球轻型车测试规程”（WLTP），要求到 2020 年，新出二氧化碳排放量不得超过每公里 95 克。循环总时长 1800s，总行程 23.27km,平46.5km/h，最大加速度 1.75m/s2，WLTP 循环如图 1.3 所示。

【参考文献】