APP下载

基于数据的K均值理论及其应用

2021-10-22陈建勋

南京师大学报(自然科学版) 2021年2期

杨 金,陈 林,周 强,陈建勋

(1.重庆交通大学数学与统计学院,重庆 400074)(2.重庆南开中学,重庆 400074)

本世纪初,我国直接采用欧洲的NEDC(新标欧洲循环测试)行驶工况对汽车产品能耗/排放的认证,有效促进了汽车节能减排和技术的发展[1]. 但随着我国汽车保有量的迅速增长,交通状况的逐渐变化,继续以NEDC工况为基准所优化标定的汽车,其法规认证结果与使用过程中的实际油耗量相比较,差距越来越大[2]. 因而,制定能反映我国实际道路行驶状况的行驶工况迫在眉睫. 本文主要采集了某城市同一辆轻型汽车在不同时间段共21 d所获得的数据,针对人工筛选的不足,首先对数据时间不连续、加、减速度异常、长期停车、长时间堵车、怠速4种情况的异常数据进行处理,然后对运动学片段进行划分,再通过主成分分析方法对车辆行驶工况的特征参数进行处理,根据选出的特征参数利用K-均值聚类分析方法将所有代表性运动学片段按低速、中速和高速进行聚类,最终拟合成汽车行驶工况的全过程,由此建立了某市同一辆轻型汽车合理的行驶工况,其设计方案简单合理,具有很好的实用价值.

1 预备知识

由于GPS信号不良、数据采集设备故障、堵车等状况造成部分无效和异常数据,必须对无效和异常数据进行数据处理. 本文主要考虑数据时间不连续、加、减速度异常、长期停车、长时间堵车、怠速4种情况的异常数据,接下来我们给出上述4种情况的定义及其处理方……

登录APP查看全文