龙会游 袁正 严杰 黄宪波 陈智颖

摘 要：通过大量低温城市地区的车辆道路行驶数据，统计出每个运动学片段的特征参数，应用主成分分析和聚类算法提炼出运动学片段的主要特征和类别，按相应类的比例选取运动学片段，根据统计分析的概率随机选择并重组选取的运动学片段，构建出相应的低温城市行驶工况。最终计算低温城市行驶工况与原始数据样本的相关系数，得出两者之间相关系数大于0.95的结论。

关键词：低温地区;主成分分析;聚类算法;相关系数

中圖分类号：U12  文献标识码：A  文章编号：1671-7988（2020）09-98-04

Construction and Research of Low-temperature City Driving Conditions

Long Huiyou， Yuan Zheng， Yan Jie， Huang Xianbo， Chen Zhiying

（ Guangzhou Automobile Group Co.， Ltd. Automotive Engineering Research Institute， Guangdong Guangzhou 511434 ）

Abstract： Based on a large amount of vehicle road driving data in low-temperature urban areas， the feature parameters of each kinematic segment are calculated. The principal features and categories of the kinematic segment are extracted by applying principal component analysis and clustering algorithms. Segment， randomly select and reorganize the selected kinematic segment according to the probability of statistical analysis to construct the corresponding low-temperature urban driving conditions. Finally， calculate the correlation coefficient between low-temperature city driving conditions and the original data sample， and conclude that the correlation coefficient between the two is greater than 0.95.

Keywords： Low temperature area; Principal component analysis; Clustering algorithm; Correlation coefficient

CLC NO.： U12  Document Code： A  Article ID： 1671-7988（2020）09-98-04

1 前言

车辆行驶工况是针对某一类型车辆（如乘用车、公交车、重型车辆等），在特定交通环境（如高速公路，城市道路）下，用来描述车辆行驶特征的时间-速度曲线。行驶工况主要目的是用于确定车辆污染物排放量和燃油消耗量、新车型的技术开发和评估、以及测定交通控制方面的风险等，是汽车工业一项共性核心技术^[1]。目前，世界上的车辆行驶工况主要有中国工况（CLTC）、全球轻型汽车测试循环（WLTP）、美国车辆道路行驶工况（FTP75）等。其中，中国工况（CLTC）是基于全国道路数据开发的综合工况，但是由于低温城市地区的气候、环境、人口密度等不同，会影响汽车行驶时的加减速、怠速等工况特征的分布，导致低温城市地区的工况和中国工况（CLTC）会有一定的区别。因此，本文以低温城市地区的乘用车为研究对象，采集了大量的实际道路数据，应用数理统计、主成分分析和聚类分析等理论分析了低温城市行驶工况的特征参数，并进行相关系数分析，构建出低温城市行驶工况，对乘用车在低温城市地区的汽车性能评价具有一定的指导意义。

2 道路数据采集和行驶工况构建方法

2.1 道路数据采集

本文的低温地区指全年最低气温低于-20℃的地区。为了采集到真实有效的低温城市工况数据，首先对全国各地的温度分布进行了统计，以全国各地1整年的气象温度数据为基础，绘制全国温度分布图，如图1所示，低温地区的分布范围主要在北京、东北、西北地区。其中西北地区在黑河-腾冲线以上，人口分布稀少，因此低温的道路数据来源主要来自北京和东北地区。在低温地区分布的范围内，随机选取10个典型的城市进行道路数据采集，分别是北京、哈尔滨、长春、沈阳、黑河、四平、松原、伊春、辽源和通化。

2.2 行驶工况构建方法

确定行驶工况就是对车辆的实际行驶状况进行调查，并对道路行驶数据进行分析，运用相关数学理论方法建立起来的典型道路车辆行驶状况的定量描述^[2]。本文用到的数据分析方法如下所述。

2.2.1 剔除无效数据

原始数据中包含很多无效的数据点，需对其进行剔除过滤。剔除的内容包括速度信号丢失点、加速度突变点和平滑过滤处理等。为了更方便的统计城市行驶工况的特征参数，将最大速度大于50km/h的运动学片段进行了删除^[3]。

2.2.2 查找运动学片段

运动学片段是构成整车行驶工况的基本组成部分^[4]。如图1所示，将记录的车速曲线在连续的停顿处分割成单个的运动学片段，每个运动学片段包含加速，最大车速，减速和怠速四个部分，前一个运动学片段的运行终点即是下一个运动学片段的起点，如此反复分割，直到将所有的原始数据分割完成，组成一个运动学片段库。

2.2.3 特征参数统计

特征参数是表征每个运动学片段自身特点的一系列统计值，本文主要从速度、加速度等方面进行了统计。每个片段之间的特征参数值是各不相同的，根据这些参数能够区分不同类别的行驶工况。本文统计的特征参数如表1所示。

2.2.4 主成分分析

多变量大样本无疑会为研究和应用提供了丰富的信息，但是许多变量之间可能存在相关性，从而增加了问题分析的复杂性。比如，匀速比例和加速度标准差这两个参数之间是有一定相关性的。因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，以达到对所收集数据进行全面分析的目的。主成分分析就是用来分离识别出影响运动学片段的主要变量和次要变量，化繁为简进行数据处理分析^[5]。

2.2.5 聚类算法

K-means聚类算法其基本思想是算法首先随机的选择一些对象，每个对象初始地代表了一个簇的平均值或中心^[6]。对剩余的每个对象，根据其与各个簇中心的距离，将它赋给最近的簇，然后重新计算每个簇的平均值。这个过程不断重复，直到准则函数收敛通过迭代把数据对象划分到不同的簇中，使簇内部对象之间的相似度很大，而簇之间对象的相似度很小。通过K-means聚类算法将大量的运动学片段进行聚类，得到若干类别的运动学片段库，为构建行驶工况提供数据支撑。

3 道路行驶数据分析结果

3.1 总体样本的特征参数统计

在对采集到的大量原始数据进行预处理和运动学片段切割之后，统计出总体样本的特征参数，统计结果如表2所示，城市工况的平均速度低，行驶时间短，行驶速度低于40km/h的时间占比超过90%。

3.2 主成分分析结果

应用主成分分析技术，对低温城市行驶片段的特征参数进行统计分析，得到特征参数的成分计算值。如表3所示，平均速度、最大速度、速度标准差等参数属于第一主成分，代表了每个运动学片段的主要特征值。

各主成分贡献率如图3所示，其中前7个主成分的贡献率大于90%，可以很好地反映原变量的信息。

3.3 聚类分析在整车行驶循环工况合成中的应用

应用K-means 聚类算法，在对大量的运动学片段数据进行不同分类结果的比较后，最终将105236个片段分为了5类，聚类结果如表4所示。

3.4 各类别的特征参数统计

根据聚类分析的结果，对每一类的特征参数进行统计，得到的结果如表5所示。从表5可以看出，不同类别之间的特征参数差异很大，这些差异也是路面状况与交通环境不同的反映^[7]。

4 行驶工况的曲线构建

行驶工况按相应类的比例提取运动学片段，随机重组选取的运动学片段，构建出相应的低温城市行驶工况，选择基准如表6所示。工况曲线的总时间为3600s，根据原始数据统计的怠速比例为14.0%，计算得到怠速时间为505s，用工况总时间减去怠速时间，得到所有运动片段构成的运行时间为3095s。

最终构成的行驶工况表现为时间-速度曲线，逐秒表示，1s对应一个车速，组合成完整的低温城市行驶工况如图3所示。

5 相关系数判定

相关系数是研究变量之间线性相关程度的量。当相关系数为1时，说明两个变量变化时的正向相似度最大，也即是完全正相关^[8]。

将城市行驶工况与采集的原始数据样本的特征参数值进行相关系数分析，结果如表7所示。两者之间的相关系数大于0.95，说明两者之间的正相关程度很高，验证了低温城市行驶工况的有效性。

6 结论

本文在低温城市地区的大量用户试验基础上，应用主成分分析解析出前7个主成分的贡献率超过90%，依据K-means聚类算法将大量的运动学片段分成了5类，最后按类别比例随机选取运动学片段构建出低温城市行驶工况。通过对比分析原始数据和所构建工况之间的相关系数，得出两者之间的

特征参数值的相关系数大于0.95的结论，从而验证了所构建工况的合理性，完成了低温城市行驶工况的开发。

参考文献

[1] 李孟良，朱西产，张建伟，等.典型城市车辆行驶工况构成的研究[J].汽车工程，2005，27：557-560.

[2] 胡正云.乘用車城市行驶工况构建方法研究[J].公路交通科技， 2019，36（11）：142-150.

[3] 徐小俊，李君，刘宇，等.电动汽车城市行驶工况构建[J].科学技术与工程，2017，17（35）：330-335.

[4] M. Mourad， Khaled R.M. Mahmoud. Performance investigation of passenger vehicle fueled by propanol/gasoline blend according to a city driving cycle[J]. Energy， 2018， 149.

[5] 段俊辉.南昌市公交车行驶工况研究[J].汽车零部件，2011（12）：71 -77.

[6] 付娜.应用聚类分析对交通事故进行分析之方法探讨[J].品牌（理论版），2010（10）：98-99.

[7] 赵强.商用车快运行驶工况的构建与研究[C].中国汽车工程学会.第19届亚太汽车工程年会暨2017中国汽车工程学会年会论文集.中国汽车工程学会：中国汽车工程学会，2017：1554-1561.

[8] 周汽一，张艳辉，邓阳庆，等.重型普通载货汽车典型用户的整车行驶循环工况研究[J].汽车技术，2012（03）：39-42.