[发明专利]一种基于贪心算法的汽车工况构建方法

说明书

本发明公开了一种基于贪心算法的汽车工况构建方法。该方法为：首先采集汽车的实际道路行驶数据对原始数据中的异常数据进行处理；然后从数据中提取出汽车在采样期间的完整运动学片段，并选取特征参数对运动学片段进行表征；接着采用主成分分析法，对信息重叠的特征参数进行降维，并根据各主成分得分，采用经过初始聚类中心优化的K‑means算法进行片段分类，从各分类中提取出代表性运动学片段；最后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。本发明能够准确反映城市实际的汽车行驶情况，提高了汽车工况标定的精确度。

技术领域

本发明属于交通工程数据处理技术领域，特别是一种基于贪心算法的汽车工况构建方法。

背景技术

汽车行驶工况(Driving Cycle)又称车辆测试循环，是描述汽车行驶的速度-时间曲线，体现汽车道路行驶的运动学特征，是汽车行业的一项重要的共性基础技术，是车辆能耗/排放测试方法和限值标准的基础，也是汽车各项性能指标标定优化时的主要基准。目前，欧、美、日等汽车发达国家，均采用适应于各自的汽车行驶工况标准进行车辆性能标定优化和能耗/排放认证。

本世纪初，我国直接采用欧洲的NEDC行驶工况对汽车产品能耗/排放的认证，有效促进了汽车节能减排和技术的发展。近年来，随着汽车保有量的快速增长，我国道路交通状况发生很大变化，政府、企业和民众日渐发现以NEDC工况为基准所优化标定的汽车，实际油耗与法规认证结果偏差越来越大，失去了车辆性能标定优化和能耗/排放认证的意义。另外，欧洲在多年的实践中也发现NEDC工况的诸多不足，转而采用世界轻型车测试循环方法进行汽车工况标定。但该工况标定方法怠速时间比和平均速度这两个最主要的工况特征，与我国实际汽车行驶工况的差异更大。作为车辆开发、评价的最为基础的依据，开展深入研究，制定反映我国实际道路行驶状况的测试工况，显得越来越重要。

另一方面，我国地域辽广，各个城市的发展程度、气候条件及交通状况的不同，使得各个城市的汽车行驶工况特征存在明显的差异。因此，基于城市自身的汽车行驶数据进行城市汽车行驶工况的构建研究也越来越迫切，为了使所构建的汽车行驶工况与该市汽车的行驶情况尽量吻合，在理想情况下能够代表该市汽车的行驶情况，研究能够准确反映城市实际的汽车行驶情况的汽车行驶工况构建方法是十分有必要的。

发明内容

本发明的目的在于提供一种能够准确反映汽车的行驶情况的基于贪心算法的汽车工况构建方法。

实现本发明目的的技术解决方案为：一种基于贪心算法的汽车工况构建方法，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。

进一步地，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。

进一步地，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：