张玉西， 苏小会， 高广棵， 尚 煜

(西安工业大学计算机科学与工程学院， 西安 710032)

汽车行驶工况也称运转周期或行驶循环，是车辆在特定环境下行驶的速度-时间变化规律[1]。Zhao等[2]采用模糊C均值(fuzzyC-means，FCM)聚类算法对驾驶段进行聚类，根据三类驾驶段的时间比和特征参数的相关系数，构建具有代表性的电动汽车城市行驶周期。目前行驶工况合成中采用较多的是K-均值聚类，而K-均值聚类常常存在对初始聚类中心依赖大和孤立点、噪声数据敏感等问题。马福民等[3]提出一种局部密度自适应度量的方法来描述簇内数据对象的空间特征，给出了一种基于局部密度自适应度量的粗糙K-均值聚类算法。袁逸铭等[4]提出一种基于密度峰值的改进K-均值文本聚类算法，选取密度峰值点和初始聚类中心点，在一定程度上避免了K-means 算法随机选取初始聚类中心点的缺陷。以上两种方法虽然在一定程度上优化了初始聚类中心，但没有提及数据集中边缘数据、孤立点的影响，包志强等[5]只是采用孤立点移除算法消除数据集中的孤立点，但对数据集聚类方面依旧是采用传统的K-means聚类。

通过上述分析，提出一种基于密度的改进K-均值聚类，该算法的关键是利用数据对象的密度度量值来确定初始聚类中心，消除对初始中心点噪声点的影响，然后，结合改进主成分分析，构建一种组合优化的方法来合成行驶工况。

1 数据预处理

采集的数据是某城市轻型汽车实际道路行驶状况(采样频率1 Hz)，数据信息有时间、全球定位系统(GPS)测速、经纬度、瞬时油耗等。……