基于實(shí)際交通環(huán)境的電動(dòng)汽車循環(huán)工況構(gòu)建研究

張思遠(yuǎn)

（長(zhǎng)安大學(xué)，陜西 西安 710064）

引言

循環(huán)工況是針對(duì)特定地區(qū)的交通特征，利用道路試驗(yàn)建立車輛行駛時(shí)間——速度歷程，以反映某一地區(qū)整體交通特征的一種統(tǒng)計(jì)方法[1]。考慮到循環(huán)工況受地區(qū)影響較大，因此國(guó)內(nèi)許多城市開發(fā)了適合本地區(qū)的循環(huán)工況，同時(shí)國(guó)內(nèi)外許多學(xué)者和研究機(jī)構(gòu)也從事循環(huán)工況構(gòu)建研究工作。目前，循環(huán)工況的構(gòu)建主要依托于傳統(tǒng)內(nèi)燃機(jī)車輛及市公交車輛進(jìn)行構(gòu)建，而在電動(dòng)汽車方面應(yīng)用較少[2]，這類車輛具有固定的行車路線及停車地點(diǎn)，不能完全反應(yīng)乘用車輛行駛過(guò)程中的隨機(jī)性因素[3]。故而本文依托于西安市實(shí)際交通環(huán)境，利用BYD-E6純電動(dòng)汽車進(jìn)行循環(huán)工況的構(gòu)建研究，以期獲得合理的電動(dòng)乘用車輛循環(huán)工況。

1 試驗(yàn)方案設(shè)計(jì)

行駛工況的試驗(yàn)設(shè)計(jì)對(duì)最終工況是否符合地區(qū)實(shí)際具有極大的影響。而行駛工況的試驗(yàn)設(shè)計(jì)主要包含試驗(yàn)路線設(shè)計(jì)、試驗(yàn)時(shí)間設(shè)計(jì)及采樣頻率及采樣方法設(shè)計(jì)[4]。本文的試驗(yàn)設(shè)計(jì)流程圖如圖1所示，通過(guò)統(tǒng)計(jì)西安市各等級(jí)道路的劃分、分布、長(zhǎng)度比，并進(jìn)行各道路交通流量的統(tǒng)計(jì)，進(jìn)行了試驗(yàn)方案及試驗(yàn)路段長(zhǎng)度的設(shè)計(jì)，試驗(yàn)路線涵蓋了城郊、鬧市、普通區(qū)域等路段，保證合理性。試驗(yàn)時(shí)間方面，為去除單天因天氣、周內(nèi)周日等因素對(duì)試驗(yàn)的干擾，將采樣時(shí)間設(shè)計(jì)為連續(xù)多天采集，每天采集高峰期及低谷期的行車數(shù)據(jù)，保證全面采集各交通狀況。采樣頻率方面為保證數(shù)據(jù)的充足性及后續(xù)處理數(shù)據(jù)的方便性，在行車時(shí)采用1Hz的頻率進(jìn)行數(shù)據(jù)采集，確保數(shù)據(jù)量合理。

圖1 試驗(yàn)設(shè)計(jì)流程圖

2 數(shù)據(jù)處理

試驗(yàn)數(shù)據(jù)的處理對(duì)最終工況的合成具有很大的影響，本文綜合考慮現(xiàn)有方法，設(shè)計(jì)試驗(yàn)數(shù)據(jù)處理流程如圖2。

圖2 試驗(yàn)數(shù)據(jù)處理流程圖

2.1 數(shù)據(jù)的去噪

由于試驗(yàn)過(guò)程中受到的干擾因素較多，數(shù)據(jù)會(huì)出現(xiàn)毛刺、突變等各種問題，這些情況都會(huì)影響到最終工況合成的準(zhǔn)確性[5]。因此需對(duì)數(shù)據(jù)進(jìn)行去噪、平滑處理。本文利用脈沖噪聲濾波器對(duì)數(shù)據(jù)去除奇點(diǎn)，并利用式1、式2進(jìn)行處理，式中vt代表當(dāng)前時(shí)間點(diǎn)的車速代表處理后的當(dāng)前時(shí)間點(diǎn)車速。

試驗(yàn)數(shù)據(jù)處理前后對(duì)比結(jié)果如圖3。

圖3 試驗(yàn)數(shù)據(jù)處理前后對(duì)比

2.2 短行程劃分及特征參數(shù)提取

為方便數(shù)據(jù)處理及工況合成，將車輛的運(yùn)行狀態(tài)劃分為一個(gè)個(gè)怠速到另一個(gè)怠速的片段，以此作為一個(gè)個(gè)短行程6]。對(duì)數(shù)據(jù)劃分后，本文設(shè)置了14個(gè)特征參數(shù)作為主成分分析及聚類分析的數(shù)據(jù)，分別為最大速度vmax、最小速度vmin、平均速度vmean、速度標(biāo)準(zhǔn)差sv、最大加速度amax、最低加速度amin、平均加速度amean、加速度標(biāo)準(zhǔn)差sa、始末速度差vsd、片段時(shí)間長(zhǎng)度t、加速時(shí)間ta、減速時(shí)間td、勻速時(shí)間ti、怠速時(shí)間tn。設(shè)置參數(shù)后，利用matlab編程進(jìn)行總體數(shù)據(jù)及各短行程特征參數(shù)的計(jì)算。

2.3 主成分分析及聚類分析

利用主成分法對(duì)特征參數(shù)進(jìn)行降維處理，獲得能表征車輛運(yùn)行總體狀況的主成分，從而簡(jiǎn)化聚類數(shù)據(jù)。

主成分分析中，首先對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，再計(jì)算變量之間的相關(guān)系數(shù)矩陣R。其中rij為原變量xi與xj的相關(guān)系數(shù)，其計(jì)算公式如式4.之后求解相關(guān)矩陣的特征根與相應(yīng)的標(biāo)準(zhǔn)特征向量，并求出個(gè)主成分的貢獻(xiàn)率及累積貢獻(xiàn)率[7]。本文進(jìn)行了數(shù)據(jù)的主成分分析，其提取主成分結(jié)果如表1：

表1 主成分分析結(jié)果

由結(jié)果可知，前三個(gè)主成分的特征值均大于 1，具有較高的符合度[8]，且其累積貢獻(xiàn)率達(dá)到79.648%，能夠滿足車輛運(yùn)行的絕大多數(shù)行駛特征情況，故而選擇前三個(gè)成分作為聚類分析的數(shù)據(jù)源，以此進(jìn)行聚類分析。聚類分析中，本文利用k-means聚類算法進(jìn)行分析，將片段分為擁堵、暢通、一般等三種類型[7]。初始選擇聚類中心后，利用公式 5進(jìn)行歐式距離計(jì)算.并將所有短行程片段分別分配給距離自己最近的類別之中。再重新計(jì)算每一類中變量的平均值，并以此作為新的聚類中心，重復(fù)這些步驟直至聚類中心不再發(fā)生變化為止。

本文利用SPSS軟件進(jìn)行數(shù)據(jù)的聚類分析。分析結(jié)束后，1446個(gè)片段歸為3類，統(tǒng)計(jì)各類中的速度特征以及時(shí)間長(zhǎng)度占比由表 3，將第一類定義為擁堵工況第二類定義為暢通工況，第三類定義為普通工況。

表2 聚類分析結(jié)果

3 工況合成

由表三得到的時(shí)間長(zhǎng)度各類占比可以計(jì)算出各類再最終工況中的合成比例，并利用式4對(duì)比每一類中的各短行程與總體數(shù)據(jù)特征參數(shù)之間的相關(guān)性，選擇相關(guān)性最大的短行程片段合成備選工況。

備選工況合成完畢后，設(shè)計(jì)了總體特征參數(shù)加速比例、減速比例、勻速比例、怠速比例、P0-10、P10-20、P20-30、P30-40、P40-50、P＞50等 10個(gè)參數(shù)，并對(duì)比備選工礦與總體數(shù)據(jù)之間的差異，選擇最優(yōu)的實(shí)際工況。本文最終合成工況如圖4。

圖4 最終合成工況

4 工況驗(yàn)證

本文為驗(yàn)證合成工況與實(shí)際行駛工況的相似性，對(duì)合成工況與原始數(shù)據(jù)進(jìn)行了總體特征參數(shù)的比對(duì)，將所合成的工況與原始試驗(yàn)數(shù)據(jù)在總體參數(shù)情況上做了對(duì)比，表3為詳細(xì)數(shù)據(jù)對(duì)比。

由下述圖表可見合成的西安市純電動(dòng)車輛行駛工況總體運(yùn)行速度較低，在低速工況下所占的比例較大，其平均速度僅為20.62km/h，低于10km/h的運(yùn)行概率達(dá)到34.63%，且在行駛過(guò)程中，其行駛狀況不穩(wěn)地，加減速情況較多，符合試驗(yàn)過(guò)程觀測(cè)及典型城市運(yùn)行狀況。

表3 數(shù)據(jù)對(duì)比表

5 總結(jié)

本文通過(guò)實(shí)際設(shè)計(jì)實(shí)施循環(huán)工況試驗(yàn)，利用短行程劃分，并采用主成分分析法及聚類分析法進(jìn)行工況的合成，最終工況在各指標(biāo)上的誤差均較小，平均誤差僅為5.7%，可見，本文所建立的工況精度較高，符合地區(qū)車輛運(yùn)行的實(shí)際狀況，準(zhǔn)確反映了純電動(dòng)乘用車輛的城市運(yùn)行工況。

[1] 王矗,韓秀坤.北京市公交車典型行駛工況的構(gòu)建[J].汽車工程,2010, 32(8): 703-706.

[2] 李耀華,劉鵬.西安市純電動(dòng)城市客車行駛工況研究[J].中國(guó)科技論文,2095-2783（2016）07-0745-06.

[3] 萬(wàn)霞,黃文偉.深圳市乘用車道路行駛工況構(gòu)建

[4] Liu Li, Huang Chaosheng, Lu Bingwu} etc. Study on the Design Method of Time-variant Driving Cycles for EV Based on Markov Process Vehicle Power and Propulsion Conference 2012: 1277-1281

[5] 藺宏良.西安市交通環(huán)境轎車行駛工況與燃料消耗研究[D].長(zhǎng)安大學(xué),2013.

[6] 石琴,仇多洋.基于組合聚類法的行駛工況構(gòu)建與精度分析[J].汽車工程,2012,34(2):164-169.

[5] 姜平,石琴.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.

[7] Nesamaniks, Subramanlan K P. Development of A Driving Cycle for Intra-city Buses in Chennai India[J]. Atmospheric Environment.2011, 45(31): 5469-5476.

[8] 涂延軍,梁工謙.基于主成分分析的飛控系統(tǒng)研制費(fèi)用估算[J].機(jī)械科學(xué)與技術(shù),2003,(S2):13-15.