APP下载

基于K-means 聚类分析的汽车行驶工况构建

2020-11-21周溪召刘启超上海理工大学管理学院上海200093

物流科技 2020年11期

周溪召,刘启超 (上海理工大学 管理学院,上海200093)

ZHOU Xizhao, LIU Qichao(School of Management, University of Shanghai for Science & Technology, Shanghai 200093, China)

0 引 言

汽车行驶工况是在特定交通环境下描述汽车行驶的速度—时间曲线,能够体现汽车道路行驶的运动学特征。目前NEDC、FTP-75 和Japan10-15 这三种标准工况被使用的频率最高,近年来我国学者也对此有所研究。苗强等[1]采用马尔可夫链构建济南市公交行驶工况,刘子谭[2]改进了K 均值聚类算法构建广州市汽车工况,李孟良等[3]采集了北京、上海和广州车辆行驶速度等运动学特征,生成3 个城市的工况并与ECE15 工况相比较,说明中国城市行驶工况的特点。本文利用主成分分析及Kmeans 聚类方法,在划分运动学特征时选取多个特征参数全面考虑,构建出一条汽车行驶工况,该方法同样可用于构建其他区域工况。

1 问题描述

研究构建符合中国地区交通特征的行驶工况,对于定量分析该地机动车燃料消耗水平、排放总量及控制水平从而制定相应的控制策略,具有重要的指导意义。本文将利用聚类分析方法探索构建地区汽车行驶工况。

2 算法解析

2.1 主成分分析

主成分分析是将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法,设原始数据有p维,用Y表示,若共有n个短行程,则Y{Y1,Y2,…,YP}n×p。主成分分析就是将p维数据降为k维X{X1,X2,…,XK},这些数据能够充分反映原参数信息并相互独立,之后再对k维数据进行片段分析。数学模型式如下:

满足约束条件:

①li1+li2+…+lip=1,其中i=1,2,…,p。②Xi与Xj相互无关,i≠j,i,j=1,2,…,k。③X1是Y1,Y2…YP一切满足①的线性组合中方差最大的向量,同理Xk是与X1、…Xk-1均无关的Y1,Y2…YP所有线性组合中方差最大的向量。……

登录APP查看全文