高建平，高小杰

(河南科技大學(xué) 車(chē)輛與交通工程學(xué)院，河南 洛陽(yáng) 471003)

改進(jìn)模糊C均值聚類(lèi)法的車(chē)輛實(shí)際行駛工況構(gòu)建

高建平，高小杰

(河南科技大學(xué) 車(chē)輛與交通工程學(xué)院，河南 洛陽(yáng) 471003)

針對(duì)模糊C均值(FCM)聚類(lèi)法的性能依賴(lài)于初始聚類(lèi)中心、迭代容易陷入局部極值、不能確保FCM收斂于一個(gè)最優(yōu)解的問(wèn)題，利用多島遺傳算法(MIGA)與序列二次規(guī)劃法(SQP)組合優(yōu)化，對(duì)FCM聚類(lèi)的初始聚類(lèi)中心進(jìn)行優(yōu)化，從而使聚類(lèi)結(jié)果更加接近最優(yōu)聚類(lèi)。采用主成分分析和改進(jìn)的FCM聚類(lèi)分析，將運(yùn)動(dòng)學(xué)片段的特征值進(jìn)行降維和分類(lèi)處理，構(gòu)建出基于大樣本、符合鄭州市交通特征的行駛工況。與試驗(yàn)數(shù)據(jù)對(duì)比表明:所構(gòu)建的乘用車(chē)行駛工況與試驗(yàn)數(shù)據(jù)特征參數(shù)平均相對(duì)誤差僅為2.097%，速度-加速度聯(lián)合分布差異(SAFDdiff)僅為1.74%，行駛工況擬合精度較高，更能綜合反映鄭州市交通真實(shí)狀況。

FCM聚類(lèi)；聚類(lèi)中心；主成分分析；行駛工況

0 引言

能量消耗是衡量汽車(chē)產(chǎn)品質(zhì)量性能的重要指標(biāo)之一。汽車(chē)行駛工況是汽車(chē)能耗和排放測(cè)試方法的基礎(chǔ)，是汽車(chē)各項(xiàng)性能指標(biāo)標(biāo)定優(yōu)化時(shí)的主要基準(zhǔn)。目前，被廣泛使用的3大典型工況分別是：歐洲行駛工況(ECE15+EUDC)、美國(guó)行駛工況(FTP75)和日本行駛工況(JPAN10)[1]。

中國(guó)一些學(xué)者對(duì)行駛工況進(jìn)行了深入研究，并取得了很多研究成果。文獻(xiàn)[2]提出一種基于K-均值聚類(lèi)算法的城市循環(huán)工況構(gòu)建方法，擬合出某城市循環(huán)工況。文獻(xiàn)[3]利用全球定位系統(tǒng)(global positioning system,GPS)設(shè)備對(duì)哈爾濱市主城區(qū)運(yùn)行的乘用車(chē)工況數(shù)據(jù)進(jìn)行了測(cè)試，構(gòu)建了具有代表性的哈爾濱市主城區(qū)乘用車(chē)典型行駛工況。文獻(xiàn)[4]利用組合聚類(lèi)法及模糊C均值(fuzzy C-means,FCM)聚類(lèi)法，對(duì)合肥市實(shí)際道路工況進(jìn)行研究并建立合肥市區(qū)的典型行駛工況。文獻(xiàn)[5]對(duì)天津市純電動(dòng)汽車(chē)道路行駛工況進(jìn)行了研究，構(gòu)建了適用于天津市的純電動(dòng)汽車(chē)行駛工況。文獻(xiàn)[6]通過(guò)獲取某型號(hào)公交車(chē)在濟(jì)南市運(yùn)行工況的實(shí)測(cè)數(shù)據(jù)，采用聚類(lèi)加馬爾可夫(Markov)鏈的方法構(gòu)建了濟(jì)南市公交車(chē)典型行駛工況。

主成分分析與聚類(lèi)分析理論被廣泛應(yīng)用于車(chē)輛行駛工況的構(gòu)建[7-10]。主成分分析主要是一種考察多個(gè)定量變量間的相關(guān)性的多元統(tǒng)計(jì)方法，可以進(jìn)行降維處理，在主成分分析的基礎(chǔ)上進(jìn)行聚類(lèi)分析，將不同行駛特性的短行程進(jìn)行分類(lèi)再抽取，從而構(gòu)建代表性工況。聚類(lèi)效果的好壞對(duì)最終擬合出的行駛工況的精度起著決定性的作用，例如FCM算法在給定聚類(lèi)中心的情況下可以接近最優(yōu)聚類(lèi)[4]，但是單一的聚類(lèi)方法存在一些缺陷。因此，本文利用多島遺傳算法(multi-island genetic algorithm,MIGA)與序列二次規(guī)劃法(sequential quadratic programming,SQP)優(yōu)化所得的聚類(lèi)中心，作為FCM聚類(lèi)的初始聚類(lèi)中心，從而使聚類(lèi)結(jié)果更加接近最優(yōu)聚類(lèi)，進(jìn)而更加準(zhǔn)確地構(gòu)建出符合鄭州市實(shí)際道路特點(diǎn)的車(chē)輛行駛工況。

1 工況構(gòu)建的基本理論與數(shù)據(jù)處理

1.1 數(shù)據(jù)采集

目前，廣泛應(yīng)用的3大類(lèi)車(chē)輛行駛數(shù)據(jù)的采集方法有：目標(biāo)跟蹤法、循環(huán)路線法和自主行駛法[9]。不同的采集方法會(huì)得到不同的采集數(shù)據(jù)，這將會(huì)直接影響車(chē)輛行駛工況構(gòu)建的效果。由于自主行駛法是指駕駛員可以按照自己的方式駕駛汽車(chē)，更加符合人的駕駛習(xí)慣，使采集的數(shù)據(jù)能更加真實(shí)地反映交通狀況，因此，本次數(shù)據(jù)采集試驗(yàn)采取自主行駛法。

本文主要采集車(chē)輛瞬時(shí)燃油消耗量、運(yùn)行速度、GPS位置和車(chē)輛運(yùn)行時(shí)間等參數(shù)。采樣間隔對(duì)所采集到的數(shù)據(jù)質(zhì)量有很大影響[9]。為了避免由于采樣間隔設(shè)置不當(dāng)，導(dǎo)致所采集的原始試驗(yàn)數(shù)據(jù)無(wú)法真實(shí)反映車(chē)輛的行駛狀態(tài)，將選用的車(chē)載終端設(shè)備安裝于試驗(yàn)車(chē)輛，行駛數(shù)據(jù)由車(chē)載終端設(shè)備實(shí)時(shí)采集，采樣頻率為1 Hz[9]。在正常工作狀態(tài)下，車(chē)載終端與整車(chē)的電子控制單元(electronic control unit，ECU)進(jìn)行通信，采集控制器局域網(wǎng)絡(luò)(controller area network，CAN)總線的信息，獲取車(chē)輛當(dāng)前狀態(tài)下的相關(guān)參數(shù)。車(chē)載終端設(shè)備通過(guò)外置的GPS天線接收時(shí)間、位置、車(chē)速等信息，通過(guò)通用分組無(wú)線服務(wù)(general packet radio service，GPRS)技術(shù)網(wǎng)絡(luò)，將采集到的車(chē)輛運(yùn)行過(guò)程中的相關(guān)信息傳送給車(chē)輛遠(yuǎn)程管理服務(wù)平臺(tái)，然后從中國(guó)汽車(chē)工況信息化系統(tǒng)查詢(xún)并下載數(shù)據(jù)。

1.2 運(yùn)動(dòng)學(xué)片段劃分及特征參數(shù)提取

圖1 運(yùn)動(dòng)學(xué)片段定義示意圖

對(duì)于一個(gè)運(yùn)動(dòng)學(xué)片段，無(wú)法用單一的特征參數(shù)(如速度)來(lái)進(jìn)行全面系統(tǒng)地描述，想要完整地描述這個(gè)過(guò)程，還要用到其他參數(shù)，如平均速度及標(biāo)準(zhǔn)差、加速度及標(biāo)準(zhǔn)差、持續(xù)時(shí)間和怠速時(shí)間等。根據(jù)文獻(xiàn)[2-8]，本文引入13個(gè)特征參數(shù)對(duì)運(yùn)動(dòng)學(xué)片段進(jìn)行全面系統(tǒng)地描述:s為平均運(yùn)行距離，m；Vavg為平均速度，m/s；Vmax為最大速度，m/s；Tall為運(yùn)行時(shí)長(zhǎng)，s；Till為怠速時(shí)間，s；Tacc為加速時(shí)間，s；Tdec為減速時(shí)間，s；Tcon為勻速時(shí)間，s；Amax為最大加速度，m/s2；Amin為最小加速度，m/s2；Aavg為加速段平均加速度，m/s2；Aavg-為減速段平均加速度，m/s2；PKE為正動(dòng)能，m/s2。

利用MATLAB軟件編寫(xiě)m文件，對(duì)采集的400多萬(wàn)組數(shù)據(jù)進(jìn)行篩選預(yù)處理后，將其分成41 291個(gè)運(yùn)動(dòng)學(xué)片段，最終得到一個(gè)以樣本數(shù)量(行)×特征參數(shù)(列)的矩陣，運(yùn)動(dòng)學(xué)片段特征參數(shù)如表1所示。

表1 運(yùn)動(dòng)學(xué)片段特征參數(shù)

1.3 運(yùn)動(dòng)學(xué)片段預(yù)處理

車(chē)輛在行駛過(guò)程中會(huì)產(chǎn)生一些突發(fā)行駛狀況，數(shù)據(jù)采集過(guò)程中由于采集設(shè)備的信號(hào)問(wèn)題，也會(huì)產(chǎn)生一些異常運(yùn)動(dòng)學(xué)片段不能代表當(dāng)?shù)亟煌ㄌ卣鞯那闆r。以41 291個(gè)運(yùn)動(dòng)學(xué)片段的特征值為研究對(duì)象，剔除與當(dāng)?shù)剀?chē)輛交通特點(diǎn)不符合的樣本片段，使聚類(lèi)效果真實(shí)地反映當(dāng)?shù)剀?chē)輛實(shí)際的運(yùn)行特點(diǎn)。通過(guò)對(duì)車(chē)輛用戶(hù)進(jìn)行問(wèn)卷調(diào)查，得到采集設(shè)備車(chē)輛的實(shí)際行駛特點(diǎn)，去除片段中最大加速度大于3 m/s2、最大減速度大于 4 m/s2的運(yùn)動(dòng)學(xué)片段，最終得到35 506個(gè)有效運(yùn)動(dòng)學(xué)片段，占總樣本數(shù)的85.99%。

1.4 主成分分析

在實(shí)際問(wèn)題研究過(guò)程中，需要考慮更多的影響因素，從而更加全面系統(tǒng)地分析問(wèn)題。對(duì)于問(wèn)題的描述，每個(gè)變量都從不同的角度反映問(wèn)題的一些信息，并且不同的變量之間也會(huì)有一定的關(guān)系。主成分分析可以通過(guò)消除變量之間的相關(guān)性，得到幾個(gè)綜合變量用來(lái)反映所研究問(wèn)題的大部分信息，不僅可以反映事物的本質(zhì)，而且簡(jiǎn)化了后續(xù)的計(jì)算。

表2 各主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率

利用MATLAB軟件對(duì)運(yùn)動(dòng)學(xué)片段的特征值進(jìn)行主成分分析，得到13個(gè)主成分，使用Mi(i=1,2,…,13)表示。各主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率如表2所示。

由表2可知：前3個(gè)主成分的累計(jì)貢獻(xiàn)率已經(jīng)達(dá)到了82.606%，可以表征整個(gè)運(yùn)動(dòng)學(xué)片段的信息，而且前3個(gè)主成分的特征值都大于1，故選擇前3個(gè)主成分用于聚類(lèi)分析。

1.5 組合優(yōu)化算法

數(shù)值型優(yōu)化技術(shù)可以快速地找到局部最優(yōu)點(diǎn)，但是不能很好地進(jìn)行全局尋優(yōu);探索型優(yōu)化技術(shù)可以找到全局最優(yōu)點(diǎn)，但是后期效率較低，局部尋優(yōu)不佳。因此，把這兩種技術(shù)組合在一起構(gòu)成組合優(yōu)化技術(shù)，通過(guò)全局探索把最優(yōu)點(diǎn)定位到局部區(qū)域，再通過(guò)數(shù)值型優(yōu)化技術(shù)找到最優(yōu)點(diǎn)，充分利用兩種優(yōu)化算法的優(yōu)點(diǎn)[11-12]。

本文利用isight軟件集成多島遺傳算法(MIGA)全局優(yōu)化和序列二次規(guī)劃法(SQP)局部?jī)?yōu)化進(jìn)行組合優(yōu)化設(shè)計(jì)[11]，對(duì)最終選取的用于聚類(lèi)的樣本數(shù)據(jù)的聚類(lèi)中心進(jìn)行優(yōu)化處理，進(jìn)而得到最好的聚類(lèi)效果。優(yōu)化的數(shù)學(xué)模型如式(1)所示，isight軟件組合優(yōu)化如圖2所示。

(1)

根據(jù)道路交通特點(diǎn)，城市車(chē)輛運(yùn)動(dòng)學(xué)片段一般可分為城市鬧市區(qū)、城市生活區(qū)和城市郊區(qū)3個(gè)類(lèi)別。基于得到的3個(gè)主成分，利用組合優(yōu)化算法將得到的35 506個(gè)運(yùn)動(dòng)學(xué)片段的初始聚類(lèi)中心進(jìn)行優(yōu)化，得到優(yōu)化后的3個(gè)類(lèi)別的初始聚類(lèi)中心分別為：C1=(3.600,-0.749,0.041)、C2=(-0.137，1.620，-0.002)、C3=(-1.500，-1.257，-0.017)。

圖2 isight軟件組合優(yōu)化圖

1.6 FCM聚類(lèi)算法

模糊聚類(lèi)通過(guò)使用模糊理論對(duì)數(shù)據(jù)進(jìn)行分析和劃分，建立不確定性的樣本類(lèi)屬描述，可以比較客觀地反映事物本身的屬性。模糊聚類(lèi)就是讓所屬同一類(lèi)別的所有樣本數(shù)據(jù)相互之間的相似度最大，不同類(lèi)別之間樣本的相似度最小。

將優(yōu)化后得到的3類(lèi)初始聚類(lèi)中心作為FCM的初始聚類(lèi)中心，得到每個(gè)運(yùn)動(dòng)學(xué)片段所屬類(lèi)別以及3類(lèi)行駛工況的最終聚類(lèi)中心：C1=(2.708,-0.434,0.044)、C2=(-0.263，1.414，-0.047)、C3=(-1.642，-1.232，-0.108)。利用3個(gè)主成分表示改進(jìn)FCM聚類(lèi)后的結(jié)果，如圖3所示。圖3a為35 506個(gè)運(yùn)動(dòng)學(xué)片段以3個(gè)主成分聚類(lèi)的三維散點(diǎn)圖，從圖3a中可以看出:3類(lèi)行駛工況分類(lèi)效果較好。圖3b為35 506個(gè)運(yùn)動(dòng)學(xué)片段以前2個(gè)主成分聚類(lèi)的散點(diǎn)圖，從圖3b中可以看出：所劃分的3類(lèi)工況聚類(lèi)界限清晰，表明所提出的改進(jìn)FCM聚類(lèi)法聚類(lèi)效果較好。

圖3 改進(jìn)FCM聚類(lèi)結(jié)果圖

表3為各類(lèi)數(shù)據(jù)綜合特征值。表3中：第1類(lèi)代表車(chē)輛在城市郊區(qū)的模式；第2類(lèi)代表車(chē)輛在城市生活區(qū)的模式；第3類(lèi)代表車(chē)輛在城市鬧市的模式；Pi為怠速比例，%；Pa為加速比例，%；Pd為減速比例，%；Pc為勻速比例，%。從表3可以看出：第1類(lèi)平均運(yùn)行時(shí)間為154.421 s，該類(lèi)工況的勻速比例大，怠速比例小，且平均速度為23.947 km/h，說(shuō)明該道路車(chē)流量較少、較暢通。第2類(lèi)平均運(yùn)行時(shí)間為72.777 s，由于道路車(chē)流量被限制，所以怠速比例較大，勻速比例較小，平均速度為15.959 km/h。第3類(lèi)平均運(yùn)行時(shí)間為41.395 s，說(shuō)明該道路比較擁堵，車(chē)流被嚴(yán)重限制，運(yùn)行速度較低，平均速度為7.398 km/h。

表3 各類(lèi)數(shù)據(jù)綜合特征值

1.7 代表性循環(huán)工況的合成

本文將車(chē)輛循環(huán)工況時(shí)間定為1 200 s左右[13]，通過(guò)計(jì)算聚類(lèi)得到各類(lèi)樣本總時(shí)間占樣本數(shù)據(jù)的總時(shí)間比例，由式(2)確定擬合出的最終循環(huán)工況中各類(lèi)的時(shí)間長(zhǎng)度。不同行駛工況的時(shí)間比例和時(shí)間長(zhǎng)度如表4所示。

(2)

其中：ti為簇i在擬合工況中的持續(xù)時(shí)間，s；tdrivingcycle為最終代表性工況的持續(xù)時(shí)間,s；toverall為所有工況塊數(shù)據(jù)的總持續(xù)時(shí)間,s；ti,j為簇i中工況塊j的時(shí)間,s；nj為簇i中所有工況塊的總數(shù)。

表4 不同行駛工況的時(shí)間比例和時(shí)間長(zhǎng)度

計(jì)算各類(lèi)樣本中的各個(gè)片段與該類(lèi)總樣本數(shù)據(jù)的相關(guān)系數(shù)，并從中分別選取與該類(lèi)所有數(shù)據(jù)相關(guān)系數(shù)大的運(yùn)動(dòng)學(xué)片段來(lái)表示城市鬧市、城市生活區(qū)、城市郊區(qū)的車(chē)輛行駛工況特點(diǎn)。參考表4中不同的行駛工況所占的時(shí)間長(zhǎng)度，為使選取的各類(lèi)行駛工況總時(shí)間與其接近，最終選取5個(gè)城市郊區(qū)片段共533 s、6個(gè)城市生活區(qū)片段共370 s、6個(gè)城市鬧市片段共312 s，因此，本文構(gòu)建鄭州市的循環(huán)工況時(shí)間長(zhǎng)度為1 215 s。所構(gòu)建的鄭州市乘用車(chē)道路行駛工況如圖4所示。

2 結(jié)果分析及驗(yàn)證

圖4 改進(jìn)FCM聚類(lèi)法構(gòu)建的鄭州市乘用車(chē)道路行駛工況

2.1 基于特征參數(shù)的誤差對(duì)比分析

本文選取8個(gè)特征參數(shù)為準(zhǔn)則數(shù)，分別計(jì)算出擬合的1 215 s鄭州循環(huán)工況與35 506 個(gè)有效運(yùn)動(dòng)學(xué)片段組成的樣本試驗(yàn)數(shù)據(jù)的8個(gè)特征參數(shù)，道路試驗(yàn)總數(shù)據(jù)與所構(gòu)建行駛工況的比較如表5所示。

由表5可知：改進(jìn)FCM聚類(lèi)法所擬合得到的鄭州市道路行駛工況與試驗(yàn)數(shù)據(jù)特征參數(shù)的平均相對(duì)誤差僅為2.097%，而改進(jìn)前FCM聚類(lèi)法所擬合得到的鄭州市道路行駛工況與試驗(yàn)數(shù)據(jù)特征參數(shù)的平均相對(duì)誤差為2.426%。從表5中改進(jìn)前后FCM聚類(lèi)法特征參數(shù)的相對(duì)誤差對(duì)比可以看出：改進(jìn)后的特征參數(shù)相對(duì)誤差中，只有減速段平均加速度Aavg-與正動(dòng)能PKE比改進(jìn)前的大，其余特征參數(shù)相對(duì)誤差均比改進(jìn)前小。因此，改進(jìn)FCM聚類(lèi)法得到的鄭州市代表性行駛工況在特征值方面精度更高、更合理，更能反映鄭州市的實(shí)際道路交通狀況。

表5 道路試驗(yàn)總數(shù)據(jù)與所構(gòu)建行駛工況的比較

2.2 速度-加速度聯(lián)合分布驗(yàn)證

從速度和加速度2個(gè)角度同時(shí)驗(yàn)證所構(gòu)建行駛工況與原始試驗(yàn)數(shù)據(jù)之間的差異[13-14]，是比較嚴(yán)格的驗(yàn)證方法，因此，采用速度-加速度聯(lián)合分布圖來(lái)驗(yàn)證所構(gòu)建的行駛工況，見(jiàn)圖5。利用MATLAB軟件分別計(jì)算試驗(yàn)數(shù)據(jù)與改進(jìn)FCM聚類(lèi)法構(gòu)建的工況數(shù)據(jù)的速度-加速度聯(lián)合分布矩陣，得到改進(jìn)FCM聚類(lèi)法構(gòu)建工況的速度-加速度聯(lián)合分布圖，如圖5a所示，試驗(yàn)數(shù)據(jù)速度-加速度聯(lián)合分布圖如圖5b所示。對(duì)比圖5a與圖5b可以看出：速度-加速度聯(lián)合概率分布整體趨勢(shì)比較一致，且多位于速度為20～50 km/h，加速度較低區(qū)域。因此，改進(jìn)FCM聚類(lèi)法構(gòu)建工況整體符合鄭州市乘用車(chē)的行駛特點(diǎn)，能夠滿(mǎn)足開(kāi)發(fā)需求。

圖5 工況數(shù)據(jù)速度-加速度聯(lián)合分布圖

計(jì)算試驗(yàn)數(shù)據(jù)與改進(jìn)FCM聚類(lèi)法構(gòu)建的行駛工況速度-加速度聯(lián)合分布的概率誤差，并作圖，如圖6所示。從圖6可看出：聯(lián)合分布概率誤差最大絕對(duì)值沒(méi)有超過(guò)15%，且聯(lián)合分布概率誤差大部分都在5%以?xún)?nèi)。速度-加速度聯(lián)合分布差異計(jì)算公式[15]為：

(3)

其中：SAFDdiff為速度-加速度聯(lián)合分布差異；SAFDcycle(i)為代表性工況速度-加速度聯(lián)合分布的第i個(gè)區(qū)間的值；SAFDdata(i)為采集試驗(yàn)數(shù)據(jù)所對(duì)應(yīng)速度-加速度聯(lián)合分布的第i個(gè)區(qū)間的值。

根據(jù)式(3)計(jì)算得出：試驗(yàn)數(shù)據(jù)與改進(jìn)FCM聚類(lèi)法構(gòu)建的鄭州市行駛工況數(shù)據(jù)的速度-加速度聯(lián)合分布差異(SAFDdiff)為1.74%；試驗(yàn)數(shù)據(jù)與未改進(jìn)聚類(lèi)法構(gòu)建的鄭州市代表性行駛工況數(shù)據(jù)的SAFDdiff為2.65%。由此說(shuō)明，改進(jìn)FCM聚類(lèi)法擬合得到的鄭州市乘用車(chē)道路行駛工況更能綜合表征鄭州市乘用車(chē)交通的實(shí)際行駛特點(diǎn)。

圖6 試驗(yàn)數(shù)據(jù)與改進(jìn)FCM聚類(lèi)法構(gòu)建的行駛工況速度-加速度聯(lián)合分布概率誤差

3 結(jié)論

(1)利用多島遺傳算法與序列二次規(guī)劃法的組合優(yōu)化算法對(duì)FCM聚類(lèi)的初始聚類(lèi)中心進(jìn)行優(yōu)化，從而使聚類(lèi)結(jié)果更加接近最優(yōu)聚類(lèi)。

(2)利用主成分分析法和聚類(lèi)分析法對(duì)特征參數(shù)進(jìn)行了降維和分類(lèi)處理。利用相關(guān)系數(shù)提取了代表性行駛工況片段，進(jìn)而構(gòu)建出基于大數(shù)據(jù)的、更加符合鄭州市交通特征、長(zhǎng)度為1 215 s 的鄭州市乘用車(chē)行駛工況。

(3)通過(guò)特征參數(shù)誤差和速度-加速度聯(lián)合概率分布誤差分析，得到合成工況與試驗(yàn)數(shù)據(jù)特征參數(shù)平均相對(duì)誤差僅為2.097%，合成工況與試驗(yàn)數(shù)據(jù)的速度-加速度聯(lián)合分布差異(SAFDdiff)僅為1.74%，充分表明本文所用方法能夠獲得與實(shí)際工況更相近的典型行駛工況。

[1] 姜平,石琴,陳無(wú)畏.基于馬爾科夫的城市道路行駛工況構(gòu)建方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(11):26-30.

[2] 秦大同,詹森,漆正剛,等.基于K-均值聚類(lèi)算法的行駛工況構(gòu)建方法[J].吉林大學(xué)學(xué)報(bào)(工學(xué)版),2016,46(2):383-389.

[3] 鄭殿宇,吳曉剛,陳漢,等.哈爾濱城區(qū)乘用車(chē)行駛工況的構(gòu)建[J].公路交通科技,2017,34(4):101-107.

[4] 石琴,鄭與波,姜平.基于運(yùn)動(dòng)學(xué)片段的城市道路行駛工況的研究[J].汽車(chē)工程,2011,33(3):256-261.

[5] 莊繼暉,謝輝,嚴(yán)英.基于GPRS的電動(dòng)汽車(chē)道路行駛工況自學(xué)習(xí)[J].天津大學(xué)學(xué)報(bào),2010,43(4):283-286.

[6] 苗強(qiáng),孫強(qiáng),白書(shū)戰(zhàn),等.基于聚類(lèi)和馬爾可夫鏈的公交車(chē)典型行駛工況構(gòu)建[J].中國(guó)公路學(xué)報(bào),2016,29(11):161-169.

[7] 李孟良,朱西產(chǎn),張建偉,等.典型城市車(chē)輛行駛工況構(gòu)成的研究[J].汽車(chē)工程,2005,27(5):557-560.

[8] 胡志遠(yuǎn),秦艷,譚丕強(qiáng),等.基于大樣本的上海市乘用車(chē)行駛工況構(gòu)建[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,43(10):1523-1527.

[9] 李孟良,張富興,李宏光,等.不同的采樣間隔對(duì)車(chē)輛行駛工況測(cè)定影響的研究[J].汽車(chē)工程,2005,27(3):316-319.

[10] LIN J,NIEMEIER D A.An exploratory analysis com-paring a stochastic driving cycle to California’s regulatory cycle[J].Atmospheric enviroment,2002,36(38):5759-5770.

[11] 高建平,喬宏冰,郗建國(guó),等.并聯(lián)混合動(dòng)力汽車(chē)傳動(dòng)系速比優(yōu)化[J].河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,35(6):25-29.

[12] 楊忠凱,廖連瑩,左言言,等.混合動(dòng)力汽車(chē)動(dòng)力耦合行星齒輪系動(dòng)力學(xué)模態(tài)[J].河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,36(2):14-17.

[13] 姜平.城市混合道路行駛工況的構(gòu)建研究[D].合肥:合肥工業(yè)大學(xué),2011.

[14] ADAK P,SAHU R,ELUMALAI S P.Development of emission factors for motorcycles and shared auto-rickshaws using real-world driving cycle for a typical Indian city [J].Science of the total environment,2016,544:299-308.

[15] BRADY J,O’MAHON M.Development of a driving cycle to evaluate the energy economy of electric vehicles in urban areas[J].Applied energy,2016,177:165-178.

河南省科技攻關(guān)計(jì)劃基金項(xiàng)目(152102210073);河南省高等學(xué)校青年骨干教師計(jì)劃基金項(xiàng)目(2015GGJS-046)；河南科技大學(xué)第六屆研究生創(chuàng)新基金項(xiàng)目(CXJJ-2016-ZR01)

高建平(1976-),男,河南洛陽(yáng)人,副教授,博士,碩士生導(dǎo)師,主要從事新能源汽車(chē)方面的研究.

2017-04-14

1672-6871(2017)06-0021-07

10.15926/j.cnki.issn1672-6871.2017.06.005

U46

A