劉宇， 黃俊革， 盧思同， 宋雨晴

(上海應(yīng)用技術(shù)大學(xué)， 上海 201418)

汽車行駛工況是描述車輛行駛的速度-時間曲線，能體現(xiàn)汽車行駛的運動學(xué)特征，是車輛燃油消耗和污染物排放測試方法、限制標(biāo)準(zhǔn)和汽車性能指標(biāo)標(biāo)定優(yōu)化的基準(zhǔn)，對新車型開發(fā)、認(rèn)證及道路風(fēng)險水平評估都有重要作用。起初，歐洲的NEDC行駛工況對中國汽車節(jié)能減排技術(shù)的發(fā)展提供了有力支持，但隨著中國科學(xué)技術(shù)的發(fā)展及人們物質(zhì)生活條件的提高，NEDC行駛工況與中國實際情況的偏差越來越大。中國地域遼闊，自然地理環(huán)境差異明顯，城市發(fā)展程度也不同，各地區(qū)、各城市間的汽車行駛工況存在明顯差異。近年來，研究人員主要基于主成分分析和聚類分析進(jìn)行汽車行駛工況構(gòu)建，有的還結(jié)合神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分析，以提高聚類的精確性和所構(gòu)建行駛工況的精度。

隨著中國大學(xué)城建設(shè)的蓬勃發(fā)展，大學(xué)城所在區(qū)域社會經(jīng)濟(jì)迅速發(fā)展，區(qū)域建設(shè)和規(guī)劃日益加深，其中交通建設(shè)和規(guī)劃是一項重點。為評估大學(xué)城的交通狀況，預(yù)防安全事故的發(fā)生，該文以上海海灣大學(xué)城為例，選取周邊教職工、學(xué)生乘用車輛為研究對象，使用GPS設(shè)備采集汽車行駛數(shù)據(jù)，基于數(shù)據(jù)挖掘技術(shù)與運動學(xué)片段法進(jìn)行汽車行駛工況構(gòu)建，為該區(qū)域交通風(fēng)險控制提供研究依據(jù)。

1 數(shù)據(jù)采集及預(yù)處理

汽車行駛工況構(gòu)建的數(shù)據(jù)采集方式主要有車輛追蹤、平均車流統(tǒng)計和自主行駛法。考慮到該文研究區(qū)域范圍小且基本固定，選取大學(xué)城教職工、學(xué)生使用的小型車為研究對象，采用自主行駛法進(jìn)行數(shù)據(jù)采集。

1.1 數(shù)據(jù)模型

基礎(chǔ)數(shù)據(jù)屬性包含時間、GPS車速和經(jīng)緯度，同時增加間隔時間、加速度、是否停車(bool型)、是否怠速可能(bool型)、累計怠速時長、是否怠速及怠速起止標(biāo)志(bool型)等擴(kuò)展屬性。圖1為數(shù)據(jù)表E-R模型。

圖1 數(shù)據(jù)表E-R模型

1.2 數(shù)據(jù)預(yù)處理

(1) 記錄缺失。GPS信號丟失造成的數(shù)據(jù)記錄時間不連續(xù)，可理解為數(shù)據(jù)記錄中斷，稱作記錄缺失。另外，因預(yù)處理刪除的部分不良數(shù)據(jù)，也歸為記錄缺失。一般認(rèn)為怠速時長超過180 s為異常情況，故對缺失時間間隔在180 s以內(nèi)的按步長為10 s進(jìn)行均值處理，缺失時間間隔在180 s以上的則分為兩個獨立的運動學(xué)片段。

(2) 加、減速度異常數(shù)據(jù)。按照普通小型車的加減速約束，從零加速至100 km/h的加速時間需大于7 s，即加速度不能大于3.97 m/s2；緊急剎車的最大減速度為7.5～8 m/s2。對于孤立的不滿足約束的數(shù)據(jù)記錄(記錄速度的改變不會引起下一個單位時間的加速度指標(biāo)異常)進(jìn)行GPS車速修正處理，對于連續(xù)的不滿足約束的多條數(shù)據(jù)記錄進(jìn)行刪除處理，刪除后歸為記錄缺失異常，作進(jìn)一步處理。

(3) 長期停車。對于停車不熄火，即車速為零、GPS定位經(jīng)緯度無變化但發(fā)動機(jī)轉(zhuǎn)速不為零的長時間過程，及停車熄火但仍有采集記錄，即車速為零、GPS定位經(jīng)緯度無變化且發(fā)動機(jī)轉(zhuǎn)速、瞬時油耗等機(jī)動車屬性指標(biāo)為零的記錄，作刪除處理。

(4) 長時間怠速。對長時間堵車、斷斷續(xù)續(xù)低于10 km/h行駛的情況，按怠速情況處理，標(biāo)記為怠速可能。由于怠速時間最長可按180 s處理，超過則可能存在行駛異常，將大于180 s的怠速部分劃為下一個運動學(xué)片段。若整個運動學(xué)片段只有180 s的怠速狀態(tài)，則作刪除處理。

(5) 原始數(shù)據(jù)中GPS定位偏離等不良數(shù)據(jù)。對于時間連續(xù)周期內(nèi)經(jīng)緯度瞬時偏離的情況，對數(shù)據(jù)作定位修復(fù)處理。若不僅定位偏離，速度也不在上述加減速約束范圍內(nèi)，則按上述不良數(shù)據(jù)的情況進(jìn)行預(yù)處理。

通過算法編程處理，從496 464條數(shù)據(jù)中剔除不良數(shù)據(jù)22 799條，剩余有效數(shù)據(jù)473 665條。

2 運動學(xué)片段提取

運動學(xué)片段是指汽車從怠速狀態(tài)開始至下一個怠速狀態(tài)開始之間的車速區(qū)間。經(jīng)過數(shù)據(jù)預(yù)處理后，選取時間、間隔時間、GPS車速、間隔加速度4個屬性進(jìn)行運動學(xué)片段提取和劃分。雖然已對不良數(shù)據(jù)進(jìn)行了預(yù)處理，為保證運動學(xué)片段提取的有效性，在進(jìn)行片段劃分時進(jìn)行迭代處理和無效片段數(shù)據(jù)再處理。設(shè)置中間變量為是否怠速(bool型標(biāo)志)，當(dāng)GPS車速等于零時，視為怠速。通過怠速標(biāo)志，可得到怠速起始、結(jié)束標(biāo)志，一個怠速起始點到下一個怠速起始點即為一個運動學(xué)片段?？紤]到長時間停車、斷斷續(xù)續(xù)低速行駛的情況，計算各運動學(xué)片段的最大速度，最大速度小于10 km/h的運動學(xué)片段按與相鄰記錄的時間間隔大小歸為前后的運動學(xué)片段。共提取有效運動學(xué)片段2 880個。

3 行駛數(shù)據(jù)分析

車輛行駛過程中，工況非常復(fù)雜，從各種特征綜合考慮，大致可分為加速工況、減速工況、怠速工況和勻速工況。其中怠速工況是指汽車停止運動但發(fā)動機(jī)保持最低轉(zhuǎn)速運轉(zhuǎn)的狀態(tài)或最高車速低于10 km/h的長時間堵車、斷斷續(xù)續(xù)低速行駛的情況。

3.1 汽車運動特征

劃分運動學(xué)片段后，不難發(fā)現(xiàn)采集到的數(shù)據(jù)形成運動學(xué)片段具有一定的特征關(guān)系，大量運動學(xué)片段里一定數(shù)量的片段可組成汽車行駛工況。各有效運動學(xué)片段的特征值見表1。

表1 各運動學(xué)片段的特征值

3.2 主成分分析

構(gòu)建汽車行駛工況時，若選用13個特征參數(shù)展開分析，數(shù)據(jù)量大且重復(fù)性高，需選取具有代表性的參數(shù)。主成分分析法通過對大量變量進(jìn)行線性重組，組合成新的等量變量，或者說將大量成分信息重組為新的等量成分，然后通過每個原本變量(成分)與新變量(成分)之間的相關(guān)性程度，在新變量(成分)里確定主要信息，即確定主成分，從而實現(xiàn)降維和簡化。

設(shè)共有n條數(shù)據(jù)作為待處理項目，每條數(shù)據(jù)有m個特征參數(shù)作為評價指標(biāo)，構(gòu)成相應(yīng)的n×m維矩陣。使用MATLAB對已劃分好的2 880個運動學(xué)片段的13個特征進(jìn)行主成分分析，結(jié)果見表2。

由表2可知：M1、M2、M3的主成分方差大于1，累計貢獻(xiàn)率達(dá)73.39%，故選取M1、M2、M3作為主成分進(jìn)行進(jìn)一步分析。表3為主成分載荷矩陣。

表2 各主成分的貢獻(xiàn)率和累積貢獻(xiàn)率

由表3可知：主成分M1主要反映平均行駛速度、平均速度、最大速度、怠速時間比和速度標(biāo)準(zhǔn)差等特征，主成分M2主要反映加速度標(biāo)準(zhǔn)差和平均減速度等特征，主成分M3主要反映最大加速度等特征。荷載系數(shù)的絕對值越大，特征參數(shù)與主成分的相關(guān)系數(shù)越高。3個主成分在各運動學(xué)片段中的得分見表4。

表3 主成分載荷矩陣

表4 主成分的得分

3.3 聚類分析

基于以上主成分分析結(jié)果進(jìn)行聚類分析。采用K-means聚類法，該方法是一種動態(tài)聚類算法，在選取聚類中心后，不斷迭代，逐漸使聚類集中每一樣本點到該類中心的距離平方和最小。設(shè)置迭代次數(shù)為100，將2 880個片段分成3類，其中第一類共685個片段，第二類共1 221個片段，第三類共974個片段。每類運動學(xué)片段的特征值及總體特征值見表5。其中：第一類運動學(xué)片段的平均速度、平均行駛速度和最大速度最大，怠速時間比最小，符合高速路況特征；第二類運動學(xué)片段的平均速度、平均行駛速度、最大速度和怠速時間比介于其他兩類之間，其為中速路況；第三類運動學(xué)片段的平均速度、平均行駛速度和最大速度最小，怠速時間比遠(yuǎn)大于其他兩類，其為低速路況。

表5 各類片段的特征值

4 汽車行駛工況構(gòu)建與分析

為選取更具代表性的運動學(xué)片段，按式(1)計算各類運動學(xué)片段的總特征參數(shù)與該類片段中各片段的特征參數(shù)的皮爾遜相關(guān)系數(shù)，計算結(jié)果見表6。該系數(shù)接近于1，說明該運動學(xué)片段在該類片段中更具代表性。

(1)

式中：G表示每個類別總片段；H表示每個類別里的單獨片段。

表6 運動學(xué)片段與所屬類別相關(guān)系數(shù)

各類別運動學(xué)片段在最終擬合工況里的持續(xù)時間計算公式如下：

(2)

式中：ti為類別i在工況中的持續(xù)時間；tdrivingcycle為工況的總持續(xù)時間；toverall為所有記錄數(shù)據(jù)的總時間；ti,j為類別i中運動學(xué)片段j的時間；ni為類別i中的運動學(xué)片段數(shù)。

按照式(2)計算，得t1、t2、t3分別占tdrivingcycle的34.39%、52.13%和13.48%。按照該比例從第一類運動學(xué)片段中選取序號為938、1138、561的片段，從第二類中選取序號為121、893、972、1192的片段，從第三類中選取667和1097片段組成1 941 s的代表性工況(見圖2)。結(jié)合表5中各類運動學(xué)片段的特征及上述所占比例與其他典型汽車行駛工況進(jìn)行對比，結(jié)果見表7。

圖2 汽車行駛工況(GPS車速)

由表7可知：大學(xué)城汽車行駛的勻速行駛比例較大、加速和減速比例及怠速比例小，說明大學(xué)城交通狀況較好；平均速度雖不及NEDC地區(qū)，但也較高，與主城區(qū)汽車行駛工況和歐洲NEDC工況存在較大差異，但符合地處市郊的大學(xué)城交通現(xiàn)狀。雖然大學(xué)城地處城市郊區(qū)，但在特定時段大學(xué)城生活區(qū)內(nèi)的人口活動密度與頻率堪比城市。根據(jù)《道路交通安全法》及其實施條例，沒有限速標(biāo)志、標(biāo)線的普通城市道路的最高速度為70 km/h，而大學(xué)城道路行駛最大速度為111.5 km/h，遠(yuǎn)超過城市郊區(qū)道路的限制，擬合的代表性工況中車速大于70 km/h的超速行駛占21.74%。超速行駛會使駕駛?cè)说姆磻?yīng)能力降低，增加交通事故發(fā)生概率，加大事故的嚴(yán)重程度，暗示著大學(xué)城的交通存在一定安全隱患。另外，雖然大學(xué)城工況的加、減速比例較低，但兩者之和占到整個行駛過程的1/3，高速行駛與加、減速相結(jié)合會大大增加交通安全風(fēng)險。此外，大學(xué)城的公交、大巴也存在速度較快和頻繁加、減速的現(xiàn)象。加上大學(xué)城行人和車輛活動的時間較集中，隨著師生出行活動的頻繁，周邊的交通開始混亂，而且近年來外賣配送規(guī)模與日俱增，騎手“飛速”穿梭于大學(xué)城的大街小巷，超速、闖紅燈、闖機(jī)動車道，甚至一邊開車一邊打電話，更是增加了大學(xué)城的交通安全隱患。目前已有不少大大小小的交通事故發(fā)生，部分學(xué)校已對進(jìn)入校園的外來車輛進(jìn)行了管控，但校園外圍公路的管制措施、設(shè)備和設(shè)施還有待進(jìn)一步加強(qiáng)。如在道路上增設(shè)限速標(biāo)志、在路口增設(shè)測速設(shè)備，必要時在行人活動高峰期設(shè)置志愿者及交通管理人員，相關(guān)部門還可以和高校聯(lián)合進(jìn)行宣傳教育活動，從而減少交通事故的發(fā)生。

表7 與其他典型汽車行駛工況的比較

5 結(jié)語

該文以上海海灣大學(xué)城為對象，采用自主行駛法采集到496 464條數(shù)據(jù)，經(jīng)過處理得到有效數(shù)據(jù)473 665條，從中提取2 880個有效運動學(xué)片段，將各片段特征值通過主成分分析、K-means聚類分析和皮爾遜相關(guān)系數(shù)法比較得到1 941 s的汽車行駛工況。上海海灣大學(xué)城私人用車具有平均速度高且勻速行駛比例大、加速和減速比例及怠速比例相對較小等特點，與主城區(qū)的汽車行駛工況和歐洲NEDC標(biāo)準(zhǔn)有較大差異。結(jié)合工況特征與交通安全法分析，大學(xué)城的交通存有一定安全隱患，建議除學(xué)校以外的交通管理部門加強(qiáng)對大學(xué)城周邊道路的交通管制，預(yù)防交通事故的發(fā)生。