[发明专利]城市坡道行驶工况构建方法及应用有效
申请号: | 201911126278.2 | 申请日: | 2019-11-18 |
公开(公告)号: | CN111008505B | 公开(公告)日: | 2023-05-23 |
发明(设计)人: | 阴晓峰;梁益铭;陈柯序;窦畅;杨柯普 | 申请(专利权)人: | 西华大学 |
主分类号: | G06F30/28 | 分类号: | G06F30/28 |
代理公司: | 成都科海专利事务有限责任公司 51202 | 代理人: | 黄幼陵 |
地址: | 610039 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 城市 坡道 行驶 工况 构建 方法 应用 | ||
1.一种城市坡道行驶工况构建方法,其特征在于包括以下步骤:
(S1)城市坡道行驶数据采集:通过对具有坡道的城市道路调查,选取有效试验路线,并在设定试验时间内对所选取的有效试验路线进行车辆及道路数据采集,所述车辆及道路数据包括车辆行驶的车速、相应行驶时间及车辆所在位置的道路坡角信息;
所述通过对具有坡道的城市道路调查,选取有效试验路线的实现方式包括以下分步骤:
(S11)选择初始路线:在具有地铁站或/和公交站的路段,寻找具有坡道的城市道路构成初始路线;
(S12)采集数据:在初始路线上布置交通流量调查点,在交通流量调查点进行车头间距测量,同时记录该交通流量调查点所在路段的最高限速;
(S13)获取各个交通流量调查点所处路段的平均车速;
(S14)获取交通流量调查点覆盖区域的区域平均车速:以各个交通流量调查点的平均车速的均值作为交通流量调查点覆盖区域的区域平均车速
(S15)确定有效试验路线:选取平均车速v满足的交通流量调查点作为有效试验路线的关键节点,将关键节点之间的线路连接,得到有效试验路线;zα/2为置信度对应的标准分位数,σ为各个交通流量调查点平均车速的标准差,n′为交通流量调查点样本个数;
(S2)车辆及道路数据预处理:对步骤(S1)采集的车辆及道路数据进行筛选并剔除异点,得到有效车辆及道路数据;
(S3)短行程划分:将车辆行驶过程中从一个怠速状态开始到下一个怠速状态开始之间的运动行程作为一个短行程,所述怠速状态为发动机或驱动电机工作且车速为0的行驶状态,按照前述短行程的定义将步骤(S2)得到的有效车辆及道路数据进行短行程划分;
(S4)短行程特征参数获取:对步骤(S3)划分后的每个短行程进行特征参数计算,特征参数包括与速度相关的特征参数、与加速度相关的特征参数、与坡角相关的特征参数;
(S5)主成分分析:依据步骤(S4)得到的短行程特征参数值,采用主成分分析法构建主要主成分得分矩阵,并对其进行归一化处理;
(S6)短行程聚类:根据步骤(S5)归一化后的主要主成分得分矩阵,对短行程进行聚类;
(S7)城市坡道行驶工况构建:依据步骤(S6)得到的短行程聚类结果,将属于不同类的短行程进行组合,组合后的前后短行程在衔接处坡角之差的绝对值不大于0.5°的工况作为候选工况,并以平均相对误差最小的候选工况作为城市坡道行驶工况。
2.根据权利要求1所述城市坡道行驶工况构建方法,其特征在于分步骤(S12)中,以地铁站或/和公交站为节点,布置交通流量调查点。
3.根据权利要求1所述城市坡道行驶工况构建方法,其特征在于分步骤(S12)中,对于相邻地铁站或公交站比较远的情况,在相邻地铁站或公交站之间的火车站、汽车站、商业区、行政区、公园或医院布置交通流量调查点。
4.根据权利要求1所述城市坡道行驶工况构建方法,其特征在于步骤(S3)中,短行程划分的方式为:依据获得的车辆行驶车速和相应行驶时间,计算得到车辆行驶的加速度,然后依据加速度变化,将车辆行驶过程中从一个怠速开始到下一个怠速开始之间的运动行程作为一个短行程,每个短行程均包括怠速、加速、匀速和减速四种行驶状态。
5.根据权利要求4所述城市坡道行驶工况构建方法,其特征在于步骤(S5)包括以下分步骤:
(S51)基于步骤(S4)获取的短行程特征参数,构建特征参数矩阵;
(S52)对构建的特征参数矩阵进行标准化处理,转化为无量纲参变量;
(S53)利用标准化的特征参数矩阵元素构建主成分;
(S54)计算各主成分之间的相关系数矩阵;
(S55)获取相关系数矩阵的特征值,与特征值对应的特征向量、贡献率和累计贡献率,以前p个特征值均大于1、且累计贡献率大于80%的主成分为主要主成分;
(S56)利用所得特征向量及特征参数矩阵元素构建主要主成分得分矩阵,并将其进行归一化处理。
6.根据权利要求5所述城市坡道行驶工况构建方法,其特征在于步骤(S6)中的短行程聚类根据归一化后的主要主成分得分矩阵,采用SOM神经网络进行聚类分析。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西华大学,未经西华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911126278.2/1.html,转载请声明来源钻瓜专利网。