[发明专利]一种基于贪心算法的汽车工况构建方法

权利要求书

1.一种基于贪心算法的汽车工况构建方法，其特征在于，包括以下步骤：

步骤1、采集汽车的实际道路行驶数据；

步骤2、对原始数据中的异常情况数据进行处理；

步骤3、从数据中提取出汽车在采样期间的完整运动片段，并选取特征参数对运动学片段进行表征；

步骤4、采用主成分分析法，对信息重叠的特征参数进行降维，然后采用经过初始聚类中心优化的K-means算法进行运动学片段的分类，从各分类中提取出代表性运动学片段；

步骤5、基于贪心算法的原理，利用代表性运动学片段构建出最优汽车行驶工况。

2.根据权利要求1所述的基于贪心算法的汽车工况构建方法，其特征在于，步骤1所述的采集汽车的实际道路行驶数据，具体如下：

通过传感器、GPS信号采集汽车的实际道路行驶数据，采样频率为1Hz；

采集的数据包括精确到秒的采样时间、GPS车速、汽车所在位置经纬度、汽车油门踏板开合度、发动机转速。

3.根据权利要求1所述的基于贪心算法的汽车工况构建方法，其特征在于，步骤2所述的对原始数据中的异常情况数据进行处理，具体如下：

步骤2.1、对于时间异常数据，分为车辆正常熄火关停、车辆驶入隧道或高楼间数据堵车或因测量异常导致的超速、正常行驶时信号中断三种情况，对于前两种情况以增加该部分丢失的时间，同时将丢失时间段内的GPS车速、油门踏板开度值置0的方法进行数据填充，对于第三种情况，以线性插值的方法进行数据填充；

步骤2.2、对于加减速异常数据，对数据进行平滑处理；

步骤2.3、对于长期停车异常数据，剔除发动机转速为0的数据，将发动机转速不为0的数据GPS车速、油门踏板开度值置0；

步骤2.4、对于长时间堵车异常数据，根据时间连续性将数据分割为若干连续片段，将其中片段长度超过180s的片段数据GPS车速、油门踏板开度值置0；

步骤2.5、对于怠速时间异常数据，根据时间连续性将数据分割为多个连续片段，将其中片段长度超过180s的片段替换为长度180s的GPS车速、油门踏板开度值为0的片段数据；

步骤2.6、重复步骤2.1～步骤2.5，进行一次数据的二次处理。

4.根据权利要求1所述的基于贪心算法的汽车工况构建方法，其特征在于，步骤3所述的从数据中提取出汽车在采样期间的完整运动片段，并选取特征参数对运动学片段进行表征，具体如下：

将GPS车速、油门踏板开度值为0的数据视为车辆的怠速状态数据，提取出数据中所有非怠速片段，记录所有非怠速片段数据中时间一项的导数不为1的点，每两点之间的片段即为一个完整的运动学片段；

选取的特征参数包括19个运动学片段特征参数，具体为：运动学片段持续时间、加速时间比例、减速时间比例、怠速时间比例、匀速时间比例、运行距离、最大速度、平均速度、除怠速外的平均行驶速度、速度标准偏差、最大加速度、最小加速度、加速段平均加速度、减速段平均加速度、加速度标准差、0～20km/h速度段的比例、20～40km/h速度段的比例、40～60km/h速度段的比例、60～110km/h速度段的比例。

5.根据权利要求1所述的基于贪心算法的汽车工况构建方法，其特征在于，步骤4所述的采用主成分分析法，对信息重叠的特征参数进行降维，然后采用经过初始聚类中心优化的K-means算法进行运动学片段的分类，从各分类中提取出代表性运动学片段，具体如下：

步骤4.1、运用主成分分析法，计算19个特征参数中各成分的贡献率及累积贡献率，根据主成分载荷矩阵，选出累计贡献率达到80％的主成分个数，对19个特征参数中信息重叠的特征参数进行降维；

步骤4.2、运用经过初始聚类中心优化的K-means算法对运动学片段分类，使用Silhouette函数来判断分类数量的合理性，确定出最合适的聚类簇数目，根据数据量大小从每种分类中提取设定数量的运动学片段作为代表性运动学片段。

6.根据权利要求1所述的基于贪心算法的汽车工况构建方法，其特征在于，步骤5所述的基于贪心算法的原理，利用代表性运动学片段构建出最优汽车行驶工况，具体为：

步骤5.1、将所有代表性运动学片段依次作为初始片段，根据贪心算法的原理，在每一次组合运动学片段时都按照在满足工况时间限制1200s～1300s的前提下，最大限度减小与实际数据特征值误差的原则来选取加入工况的片段，在达到所规定的工况时间后停止组合，将生成的工况作为备选工况；

步骤5.2、比较所有备选工况与实际数据特征值的误差，选取其中误差最小的作为算法输出的最优汽车行驶工况。