朱彤

摘 要：汽车行驶工况是汽车各项性能指标进行标定优化时的主要基准。文章根据某城市实时采集的乘用车数据，在对数据进行预处理的基础上，基于K均值聚类分析法对汽车运动学片段曲线的特征极值进行划分，利用运动学片段间的“亲疏程度”筛选出汽车行驶工况的候选片段，从而构建出一条最贴合该城市内车辆实际运行情况的行驶工况曲线。

关键词：汽车行驶工况;预处理;特征提取;K均值聚类分析

中图分类号：U467  文献标识码：A  文章编号：1671-7988（2020）11-250-04

Abstract： Driving cycle is the main benchmark for the calibration and optimization of vehicle performance indicators. Based on the real-time collected passenger car data of a city， on the basis of preprocessing the data， this paper divides the feature extremum of the kinematic segment curve of the vehicle based on the K-means clustering analysis method， and selects the candidate segments of the vehicle driving conditions by using the "affinity degree" between the kinematic segments， so as to build a driving cycle mode that fits the actual operation of the vehicle in the city best.

Keywords： Driving cycle; Preprocessing; Feature extraction; K-means clustering analysis

CLC NO.： U467  Document Code： A  Article ID： 1671-7988（2020）11-250-04

前言

汽车行驶工况又称车辆测试循环，它本是用汽车在一定时间段内（一般时间范围为1800s）的行驶时速度-时间曲线图。因其能体现出汽车在道路行驶时的运动学特征，所以成为车辆能耗/排放测试方法和限值标准的基础，更是汽车各项性能指标标定优化时的主要基准。

本世纪以来，我国汽车行业相关技术标准多以引用国外标准为主，而行驶工况采用的是欧洲的NEDC行驶工况[1]。随着经濟的快速发展，我国汽车保有量迅速上升，国内城市的交通状况发生很大改变，原先采用的NEDC行驶工况标准已经开始不适应新时代的交通状况。汽车行驶工况作为汽车行业创新开发、指标评价的重要基础依据，本身就具有极高的深入研究价值，而我国由于社会发展差异化及国情的特殊性，对汽车行驶工况普遍特征的总结和特殊特征的深度挖掘更存在着迫切需要。

本文利用某城市实时采集的同一辆轻型汽车实际行驶数据（采样频率1Hz），搭建了一个符合城市道路情况的汽车行驶工况模型。……