是构建出道路行驶工况的特征参数，
是工况所对应总体的特征参数。相对误差
。
Table 8
. Parameters used in error analysis
表8
. 误差分析所用参数
根据相对误差和绝对误差的公式，总体数据与构建的汽车行驶工况的误差分析如
表9
所示。从表中可知，所构建的行驶工况的特征参数中，多数参数小于10%，尤其平均加速度的相对误差为0.75%，从特征参数的验证结果来看，行驶工况的构建方案是比较合理的。
Table 9
. Error analysis of vehicle driving cycle
表9
. 汽车行驶工况的误差分析
5. 总结与展望
本文以某城市轻型汽车实际道路行驶采集的近十九万条数据作为实验数据集，划分出1421个运动学片段，提取描述运动学片段的17个特征参数，采用主成分分析和K-Means聚类算法对特征参数矩阵进行降维和分类处理，将运动学片段分为3类，并结合相关系数法从3类运动学片段库中选取代表性片段，从而构建出了符合数据源中汽车行驶特征，时长1265 s的车辆行驶工况。通过分析实验数据与行驶工况的特征参数，验证了工况的准确性。
实验结果表明，本文中行驶工况的构建方案比较合理，拟合出的轻型汽车行驶工况能反映真实数据特征，符合城市道路实际工况。然而本文对于工况构建的指标没有考虑到现实生活中存在的地形、环境、温度等不确定性因素，这些因素均可能影响运动学片段的走势，未来可以进一步结合马尔科夫链方法进行研究。
文章引用
苏晓雯,董平军. 基于K-Means聚类分析的汽车行驶工况构建
Construction of Vehicle Driving Cycle Based on K-Means Cluster Analysis[J]. 建模与仿真, 2022, 11(03): 842-851.
https://doi.org/10.12677/MOS.2022.113078
参考文献
-
1. 李耀华, 任田园, 邵攀登, 宋伟萍, 李忠玉, 苟琦智. 基于马尔可夫链的西安市城市公交工况构建[J]. 中国科技论文, 2019, 14(2): 121-128.
-
2. Lin, J. and Niemeier, D.A. (2003) Regional Driving Characteristics, Regional Driving Cycles. Transportation Research Part D, 8, 361-381.
https://doi.org/10.1016/S1361-9209(03)00022-1
-
3. Fotouhi, A. and Montazerigh, M. (2013) Tehran Driving Cycle Development Using the K-Means Clustering Method. Scientia Iranica, 20, 286-293.
-
4. 胡志远, 秦艳, 谭丕强, 楼狄明. 基于大样本的上海市乘用车行驶工况构建[J]. 同济大学学报(自然科学版), 2015, 43(10): 1523-1527.
-
5. 彭育辉, 杨辉宝, 李孟良, 乔学齐. 基于K-均值聚类分析的城市道路汽车行驶工况构建方法研究[J]. 汽车技术, 2017(11): 13-18.
-
6. 刘子谭, 朱平, 刘旭鹏, 刘钊. K均值聚类改进与行驶工况构建研究[J]. 汽车技术, 2019(11): 57-62.
-
7. 姜平, 石琴, 陈无畏. 聚类和马尔科夫方法结合的城市汽车行驶工况构建[J]. 中国机械工程, 2010, 21(23): 2893-2897.
-
8. 苗强, 孙强, 白书战, 闫伟, 李国祥. 基于聚类和马尔可夫链的公交车典型行驶工况构建[J]. 中国公路学报, 2016, 29(11): 161-169.
-
9. 曹骞, 李君, 曲大为. 大连市乘用车典型行驶工况的构建[J]. 上海交通大学学报, 2018, 52(11): 1537-1542.
-
10. 李杰, 王晓佳, 朱建军, 张翠平, 汪洋. 太原市公交车行驶工况的构建[J]. 中国科技论文, 2018, 13(19): 2223-2227.
-
11. 宋怡帆. 基于聚类和Python语言的深圳市城市道路车辆行驶工况构建[D]: [硕士学位论文]. 西安: 长安大学, 2018.
●投稿须知
●最新文章
