電動汽車行駛工況構建研究

吳 巖

（長安大學汽車學院，陜西 西安 710064）

引言

行駛工況是車輛能耗和排放測試方法的基礎，是汽車各項性能指標標定優(yōu)化的主要基準，是引導和制約汽車技術發(fā)展的重要因素之一。目前代表性工況包括美國FTP75工況，日本JC08工況，歐洲ECE+EUDC工況和我國典型城市行駛工況[1]。行駛工況受道路交通特征，機動車保有量等眾多因素的影響，不同國家或地區(qū)的差異很大。國內外眾多學者針對某一城市或者某些地區(qū)開發(fā)了相應的行駛工況。Sanghp-riya等人考慮時空分布的5個相關參數(shù)，利用從試驗數(shù)據提取的微行程開發(fā)了印度浦那市的行駛工況[2]；石琴等人將改進的FCM聚類方法應用于合肥市行駛工況的構建[3]；張銳基于馬爾科夫模型，構建了合肥市典型行駛工況[4]；以往行駛工況的研究主要以內燃機車為主，關于電動汽車方面的研究相對較少。目前，電動汽車的產量和銷量逐年增加，在交通運輸中占據的比重越來越大，因此研究電動汽車行駛工況對電動汽車能耗和零部件循環(huán)壽命的評估尤為重要。因此，本文以西安市為例，構建了電動汽車代表性工況。

1 試驗方案與數(shù)據預處理

1.1 試驗方案

通過交通流量調查在西安市篩選出有代表性的試驗路線。為規(guī)避駕駛行為影響，選擇西安市有經驗的出租車司機在一周的早、午、晚不同時段在試驗路線上循環(huán)駕駛采集數(shù)據。試驗車輛為BYD e6，采樣設備為VBOX III，采樣頻率設為1Hz。

1.2 數(shù)據預處理

由于試驗數(shù)據來自衛(wèi)星定位，當車輛經過林蔭道或高大建筑群時，可能無法穩(wěn)定接收信號，導致采樣點丟失、曲線毛刺等問題。因此除了VBOX外，還配備了慣性測量單元同步采集數(shù)據。之后將兩者的數(shù)據組合，對數(shù)據進行平滑處理，消除由于樹木、高樓造成的軌跡鋸齒和信號丟失[5]。

2 行駛工況數(shù)據解析

2.1 運動學片段

運動學片段是車輛從一個怠速開始到下一個怠速開始之間的運動過程[6]。本文將試驗數(shù)據劃分為740個運動學片段，提取了運行時間、加速時間、減速時間、勻速時間、怠速時間、最大速度、平均速度、運行速度、速度標準差、最大加速度、加速段平均加速度、最大減速度、減速段平均減速度、加速度標準差等15個特征參數(shù)。

2.2 主成分分析

主成分分析是一種降維方法，可以將許多相關變量轉化為彼此相互獨立或不相關的幾個主成分[7]。運動學片段的特征參數(shù)矩陣如式（1）所示：

式中：xij(i=1，2，…，p；j=1，2，…，n)是第i個運動學片段的第j個參數(shù)。p為運動學片段數(shù)，n是特征參數(shù)的個數(shù)。由于特征參數(shù)的量綱不同，需要對矩陣X進行標準化處理，并計算相關系數(shù)矩陣R=XXT。之后求其特征值和對應的特征向量，由此得到特征向量矩陣，則原始特征參數(shù)經正交變換后的主分量可表示為：

式中y1，y2，…，yp彼此不相關，分別稱為第一、第二、…、第p個主成分。主成分分析結果如表1所示。可以看出，前4個主成分的方差均大于 1，累計貢獻率大于 85%，基本包含了全部指標信息。

表1 主成分分析結果

2.3 K-Means聚類

聚類是按照距離遠近將數(shù)據分為若干類別，使類內差異盡可能小，類間差異盡可能大[9]。由于試驗數(shù)據量大，且都為連續(xù)的速度-時間變量，采用 K-Means方法可以實現(xiàn)快速聚類。對運動學片段的4個主成分進行聚類后，740個運動學片段被劃分為3類。

3 行駛工況的合成及分析

3.1 典型行駛工況的合成

典型行駛工況是選取各類中的代表性片段構建的。根據各類片段的平均特征，將3類運動學片段分別定義為擁堵、較為暢通和暢通3種交通狀況。

擁堵工況的車速集中在 10～20km/h，車輛行駛緩慢；較為暢通工況的速度集中在10～40km/h，怠速比例較少，加減速比例較高，車輛行駛速度較快；暢通工況的速度集中在30～60 km/h，怠速比例最低，勻速比例最高，車輛行駛速度快。分別從各類中提取代表性片段，如圖1、圖2和圖3所示。

圖1 擁堵工況

圖2 較為暢通工況

圖3 暢通工況

3.2 綜合行駛工況構建

綜合行駛工況是將上述3類典型行駛工況按照一定比例組合起來的，計算方法如式（3）所示：

式中：Tz為擬合成綜合行駛工況的總運行時間，Ti為第i類工況在綜合行駛工況中時間，Tt為所有工況的總運行時間，n為聚類數(shù)，最終構建的西安市電動汽車綜合行駛工況如圖4所示。

圖4 西安市電動汽車綜合行駛工況

3.3 行駛工況分析

將西安市電動汽車行駛工況（Xi'an）與其它典型行駛工況的特征進行了對比，如表2所示。可以看出，Xi'an工況的平均車速僅高于 Japan10-15；加減速比例最高；勻速和怠速比例最低。主要是由于 Xi'an為市區(qū)工況，沒有市郊部分。另外，西安市機動車保有量大，道路交通環(huán)境復雜，紅綠燈多，車輛啟停頻繁。

4 結論

通過實際道路數(shù)據采集試驗獲得了大量的行車數(shù)據；基于主成分分析和K-Means聚類算法構建了西安市電動汽車行駛工況，并與其它典型行駛工況進行了對比。結果表明，西安市電動汽車行駛工況具有平均車速低、加減速比例高、勻速和怠速比例低等特點，與國外典型行駛工況有較大差異。本文構建的行駛工況真實地反映了西安市的道路交通特征，具有實用價值。