叶毅铭，张大禹，卫龙龙，魏洪贵

摘 要：文章提出了一种准确有效的方法来构建电动汽车城市行驶工况，以西安市为研究对象构建了西安市电动汽车城市循环工况。该方法主要包括四个部分：制定测试路线，数据采集，数据处理和构建工况。首先根据西安市道路的整体拓扑结构和交通流量调查结果，制定出测试路线，采集测试车辆在测试路线上的行驶数据。针对传统片段划分、降维及聚类处理数据方法中过程复杂且聚类精度不高的问题，提出用速度-加速度网格直接对原始数据划分，并针对传统马尔科夫方法构建工况其分类条件单一及小概率事件丢失的问题，提出一种利用蒙特卡洛模拟进行优化的方法。最终完成西安市乘用车行驶工况的构建，与其它方法构建的工况相比，使用本文方法建立的工况精度较高。

关键词：速度加速度网格;马尔科夫方法;蒙特卡洛模拟法;循环工况

中图分类号：U491.1  文献标识码：A  文章编号：1671-7988（2019）23-08-05

Research on Urban Driving Cycle Construction Method of Electric Vehicles

Ye Yiming， Zhang Dayu， Wei Longlong， Wei Honggui

（ Chang'an University， Shaanxi Xi'an 710064 ）

Abstract： In this paper， an accurate and effective method is proposed to construct the driving cycle of electric vehicles in urban area. Taking Xi'an as the research object， the driving cycle of electric vehicles in Xi'an are constructed. The method mainly consists of four parts： developing test routes， data collection， data processing and driving cycle construction. Firstly， according to the overall road topology and traffic flow survey results of Xi'an， the test route is developed. Then， collecting the driving data. Aiming at the problem of complex process and low clustering accuracy in traditional fragment partitioning， dimension reduction and clustering data processing methods， the velocity-acceleration grid is proposed to divide the original data directly. Moreover， in view of the single classification condition and the loss of small probability events in the traditional Markov method， the Monte Carlo simulation optimization method is proposed. Finally， the construction of the driving cycle of passenger cars in Xi'an is completed. Compared with the driving cycles built by other methods， the driving cycle established by using the proposed method is relatively accurate.

Keywords： V-A grid; Markov; Monte Carlo; Driving cycle

CLC NO.： U491.1  Document Code： A  Article ID： 1671-7988（2019）23-08-05

前言

当前面临的空气污染及化石能源消耗等环境问题，电动汽车作为解决方案之一，取得了较大的进步。有部分学者使用国际通过循环工况去研究电动汽车的能量消耗预测及能量管理优化策略[1]。但是当前使用的国际通用的循环工况基于内燃机车构建，由于电动汽车与内燃机车在功率特性，扭矩特性及刹车特性上存在较大差异，运用基于内燃机车构建的循环工况对电动汽车的续驶里程及SOC估计所得到的研究结果与真实情况存在较大差异。所以，有必要针对电动汽车构建循环工况。

循环工况是基于时间的车速序列，代表着在测试地区该类型车辆的行驶速度变化规律。另外，循环工况对于了解该地区的交通状况也有着十分重要的参考价值。不同城市或地区，其驾驶模式是在不断变化[2]。所以在一个具体城市或地区建立的可用工况往往不适用于其他城市或地区，因此，研发和制定符合具体城市或地区实际交通状况的車循环工况，是目前主要的研究方向[3]。

万霞等人选取深圳市代表性测试路线，采用平均车流法，对测试车辆车载GPS连续数据采集，在以短行程分析法进行工况构建，将数据划分为短行程，计算特征参数并进行主成分分析及聚类分析，最终合成工况[4]。

姜平等人利用短行程分析法但对数据利用小波分析进行重构后在进行处理，保证了数据的平稳性，剔除数据杂点[5]。其构建的工况相比普通短行程法有更高精度。

Li选择使用马尔可夫随机过程方法构建行驶工况[6]。此方法将车辆在实际道路上的行驶情况认作马尔科夫随机过程，以最大似然估计法将行驶的时间-速度关系分为片段，以获得马尔科夫转移概率矩阵，并按转移矩阵概率进行工况合成。

构建循环工况一般由以下过程：车辆行驶特性数据采集、数据处理、工况合成和工况验证。其中数据处理与合成工况是构建车辆行驶工况的最为关键的部分。数据处理精度不同决定了工况合成過程能否有可靠的数据支撑，而采用不同的合成方法决定了该工况能否反映了该地区的交通特点和行驶特征。国内外许多专家学者开发出了很多数据处理方法和工况合成方法。本文针对传统数据处理方法精度不高的问题以及马尔科夫方法构建工况其分类条件单一及小概率事件丢失的问题，提出一种利用速度加速度网格对车辆行驶数据划分和利用蒙特卡洛模拟法对工况构建进行优化的方法，完成西安市乘用车行驶工况的构建。与其它方法构建的工况相比，使用本文方法建立的工况精度较高;与各类标准工况相比，使用本文方法建立的工况更符合西安市的实际情况。

1 实验设计

1.1 循环工况试验路线

首先要确定所设计的试验路线中各级道路所占的比例，需要与西安市各等级道路分配比例相吻合，利用ArcGIS软件对西安市的整体道路网络做矢量化处理，统计出西安市交通网络中各等级道路各自的长度及所占的比例和不同等级道路的最高车速，得到西安市各级道路总长度为2562km，不同等级道路长度及所占比值统计结果如表1所示。

表1  西安市不同等级道路长度及比例

随后要结合西安市各等级道路上的车流量信息进行综合考虑，为得到西安市各等级道路的交通流量情况，本文对西安市各等级道路进行了交通流量检测，交通流量受到道路类型，时间段，经济差异，商业化程度和人口密度等因素的影响。考虑到西安市道路网络分布，东南西北四个方向上人口密度，经济状况差异，中央商务区的位置，工作日与非工作日的差异，在西安市范围内设立了14个交通流量监测点，包括2条快速路，5条主干道，4条次干道和3条支路，监测时间范围上午7点到晚上21点，总共进行为期28天的交通流量监测。最后将每天监测所得的交通流量各个小时取平均数作为每个整点时刻的交通流量数据。各个监测点分布图如图1所示，交通流量统计结果如表2所示。

图1  交通流量观察点分布图

根据得到的14个观察点共28天的监控数据，对数据进行分析处理，获得一周内各种等级道路交通总流量平均值如表2所示。

表2  各等级道路交通总量平均值

统计得到交通流量监测结果后，本文将西安市循环工况构建实验过程作为一个大样本抽样实验过程，通过计算，为了体现出西安市整体交通特性的必要样本容量为38.4km。

随后进行了市民出行道路选择意愿调查。结合西安市各等级道路占比、各等级道路交通流量、汽车保有量及市民出行道路选择意愿等因素进行试验道路规划的设计。计算出的试验样本中各等级道路所占比例及对应的长度如表3所示：

表3  试验样本中各等级道路比例和长度

最终根据西安市得路网结构，交通流量数据，不同等级道路得长度及所占的比例，设计了包括4类道路和不同城市区域的一条闭环试验路线，具体如图2所示。

图2  试验路线图

1.2 循环工况试验数据采集

本文针对的目标是纯电动汽车的循环工况构建方法，选择的试验对象必须是纯电动汽车。同时要满足所构建的循环工况具有明显的代表性，能够较好的体现西安市的交通特性。经过综合考虑，选择西安纯电动汽车保有量较大的比亚迪E6作为本次试验车辆，采集的数据包括行驶时间，车辆速度，车辆加速度，行驶里程，海拔高度，车辆经纬度。

为了采集到全面的车辆行驶数据，试验时间应覆盖各种交通状况，本文选择在早晚高峰阶段及中午低谷阶段经行数据采集试验，保证采集的数据能够全面反映西安市的交通特性。

2 数据处理

2.1 降噪处理

采集的原始数据存在噪声和突变等异常数据，为了消除异常数据，首先采用中值滤波算法对原始数据进行降噪和平滑处理，如式1。

（1）

选取500秒的数据作为示例，处理前后对比如图3所示。

图3  处理前后对比

2.2 网格划分

数据进行初步处理后，用速度加速度网格对原数据进行状态划分。在运用马尔可夫方法构建循环工况的过程中，将车辆行驶过程认为一个马尔可夫链，将车辆的行驶过程按时间顺序分为不同的状态。根据马尔可夫链的性质，车辆在下一时刻的运行状态只与当前时刻的车辆运行状态相关，通过对车辆行驶状态进行划分，统计出车辆不同行驶状态之间互相转换的关系，得到车辆行驶状态的马尔可夫状态转移概率矩阵。有学者引入主成分分析法对原数据降维与聚类分析的方法对车辆行驶状态做划分，在此过程中，丢失部分信息在循环工况的全面性上稍显不足，而且聚类算法的分类结果在精确度上仍有欠缺。本文利用速度加速度网格直接将连续的的车辆行驶过程划分为不同的行驶状态，每个网格即代表一种行驶状态，每个行驶状态的特征参数为落在当前网格中的所有数据点的平均值。

由于本文构建循环工况的方法是基于马尔可夫，网格密度对最终结果有较大影响。若网格密度较小，则网格数量不足以将车辆行驶数据划分出足够数量的状态，最后构建的循环工况在代表性上稍显欠缺。若网格密度过大，网格数量过多，马尔可夫状态概率转移矩阵阶数过高，计算量过大给工况构建带来困难。经过充分的比较和验证网格速度间隔设0.5km/h，加速度间隔设为0.15m/s2，所有的数据总共被划分为4908个状态，划分结果如图4所示。

3 工况合成

3.1 马尔科夫状态转移概率矩阵获取

图4  速度加速度网格

车辆行驶状态划分之后，进行循环工况合成，根据状态划分结果，所有状态的特征值和在速度加速度网格上的位置都能得到，统计出当前状态与下一个状态之间的转移关系，然后得出马尔可夫状态转移概率矩阵。

进而通过式（2）得到k个状态之间的转移概率。式中Nij代表当前状态为i，下一状态为j的频数，pij代表当前状态为i，下一狀态为j的概率。

（2）

式（2）计算出各个状态之间的转移概率后构建出马尔可夫状态概率矩阵，如式（3）所示。

（3）

3.2 工况合成

本文采用马尔可夫方法合成工况，并用蒙特卡洛模拟法进行优化。常规马尔可夫方法应用于循环工况构建时在选取下一状态与当前状态连接一般采用最大似然估计法，此方法回照成小概率事件丢失的情况，降低所构建的循环工况不能够全面的体现出西安市的交通特性。本文用蒙特卡洛方法，根据随机数的取值，选择下一个行驶状态，不会出现个别行驶状态概率小而不被应用于工况构建中，提高了所构建工况的代表性。

假设当前状态为i，下一状态为j，则其状态转移概率矩阵如表4所示：

表4  转移矩阵中第i行的概率

由状态转移矩阵的性质可知其每一行的概率之和为1，即式（4），其中Pij为当前状态为i下一状态为j的概率。

（4）

而利用MATLAB产生的[0，1]之间符合均匀分布的随机数x，若此随机数符合：

（5）

则下一状态就为q，在q所属的状态类别中找到起始速度与上一行驶状态结尾速度接近的行驶状态进行合成，若其速度差值在合理范围内，该行驶状态就可确定为下一行驶状态。合成完毕后将q赋值于i，重复之前的步骤进行合成，直至达到理想的工况长度。

3.3 工况筛选

运用蒙特卡洛法对马尔可夫方法构建循环工况优化后一次合成的工况不能完全代表最终工况。通过此方法构建出大量候选工况，最后通过候选工况与采集的实验数据进行对比。为了评估构建的循环工况的代表性与全面性，本文引入特征值的相对误差和平均相对误差对候选工况经行筛选，最后相对误差和平均相对误差最小的候选工况即为本文理想的循环工况。筛选出的循环工况如图5所示，其特征值与实验数据特征值对比表5所示。

（6）

（7）

表5  特征值对比

图5  西安市纯电动汽车城市循环工况

4 总结

本文通过设计行驶工况实验方案，采用速度加速度网格法对车辆行驶数据进行划分，引入蒙特卡洛模拟法对马尔可夫法构建工况的过程进行优化。提高了数据的全面性和精确性，同时解决了传统马尔可夫构建法分类条件单一及小概率事件丢失的问题。最后通过对比该工况与原始数据及其他传统方法合成工况的差异，证明了该方法构建的工况具有更小的误差率。

参考文献

[1] Xie S， Li H， Xin Z， et al. A Pontryagin Minimum Principle-Based Adaptive Equivalent Consumption Mini -mum Strategy for a Plug-in Hybrid Electric Bus on a Fixed Route [J]. Energies， 2017， 10（9）： 1379.

[2] Xie S， Li H， Xin Z， et al. A Pontryagin Minimum Principle-Based Adaptive Equivalent Consumption Minimum Strategy for a Plug-in Hybrid Electric Bus on a Fixed Route[J]. Energies， 2017， 10（9）： 1379.

[3] 张建伟，李孟良，艾国和，等.车辆行驶工况与特征的研究[J].汽车工程， 2005， 27（2）：220-224.

[4] 万霞，黄文伟，强明明.深圳市乘用车道路行驶工况构建[J].深圳大学学报（理工版），2016，33（03）：281-287.

[5] 姜平.城市混合道路行驶工况的构建研究[D].合肥工业大学，2011.

[6] Li L， Yang C， Zhang Y， et al. Correctional DP-Based Energy Manage -ment Strategy of Plug-In Hybrid Electric Bus for City-Bus Route[J]. IEEE Transactions on Vehicular Technology， 2015， 64（7）：2792- 2803.

[7] 邵伟.蒙特卡洛方法及其在一些统计模型中的应用[D].山东大学， 2012.

[8] 郑殿宇，吴晓刚，陈汉，等.哈尔滨城区乘用车行驶工况的构建[J].公路交通科技，2017，34 （4）：101-107.

[9] 蔺宏良.西安市交通环境轿车行驶工况与燃料消耗研究[D].长安大学，2013.