吳 巖

（長(zhǎng)安大學(xué)汽車(chē)學(xué)院，陜西 西安 710064）

引言

行駛工況是車(chē)輛能耗和排放測(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)化的主要基準(zhǔn)，是引導(dǎo)和制約汽車(chē)技術(shù)發(fā)展的重要因素之一。目前代表性工況包括美國(guó)FTP75工況，日本JC08工況，歐洲ECE+EUDC工況和我國(guó)典型城市行駛工況[1]。行駛工況受道路交通特征，機(jī)動(dòng)車(chē)保有量等眾多因素的影響，不同國(guó)家或地區(qū)的差異很大。國(guó)內(nèi)外眾多學(xué)者針對(duì)某一城市或者某些地區(qū)開(kāi)發(fā)了相應(yīng)的行駛工況。Sanghp-riya等人考慮時(shí)空分布的5個(gè)相關(guān)參數(shù)，利用從試驗(yàn)數(shù)據(jù)提取的微行程開(kāi)發(fā)了印度浦那市的行駛工況[2]；石琴等人將改進(jìn)的FCM聚類方法應(yīng)用于合肥市行駛工況的構(gòu)建[3]；張銳基于馬爾科夫模型，構(gòu)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(nèi)燃機(jī)車(chē)為主，關(guān)于電動(dòng)汽車(chē)方面的研究相對(duì)較少。目前，電動(dòng)汽車(chē)的產(chǎn)量和銷量逐年增加，在交通運(yùn)輸中占據(jù)的比重越來(lái)越大，因此研究電動(dòng)汽車(chē)行駛工況對(duì)電動(dòng)汽車(chē)能耗和零部件循環(huán)壽命的評(píng)估尤為重要。因此，本文以西安市為例，構(gòu)建了電動(dòng)汽車(chē)代表性工況。

1 試驗(yàn)方案與數(shù)據(jù)預(yù)處理

1.1 試驗(yàn)方案

通過(guò)交通流量調(diào)查在西安市篩選出有代表性的試驗(yàn)路線。為規(guī)避駕駛行為影響，選擇西安市有經(jīng)驗(yàn)的出租車(chē)司機(jī)在一周的早、午、晚不同時(shí)段在試驗(yàn)路線上循環(huán)駕駛采集數(shù)據(jù)。試驗(yàn)車(chē)輛為BYD e6，采樣設(shè)備為VBOX III，采樣頻率設(shè)為1Hz。

1.2 數(shù)據(jù)預(yù)處理

由于試驗(yàn)數(shù)據(jù)來(lái)自衛(wèi)星定位，當(dāng)車(chē)輛經(jīng)過(guò)林蔭道或高大建筑群時(shí)，可能無(wú)法穩(wěn)定接收信號(hào)，導(dǎo)致采樣點(diǎn)丟失、曲線毛刺等問(wèn)題。因此除了VBOX外，還配備了慣性測(cè)量單元同步采集數(shù)據(jù)。之后將兩者的數(shù)據(jù)組合，對(duì)數(shù)據(jù)進(jìn)行平滑處理，消除由于樹(shù)木、高樓造成的軌跡鋸齒和信號(hào)丟失[5]。

2 行駛工況數(shù)據(jù)解析

2.1 運(yùn)動(dòng)學(xué)片段

運(yùn)動(dòng)學(xué)片段是車(chē)輛從一個(gè)怠速開(kāi)始到下一個(gè)怠速開(kāi)始之間的運(yùn)動(dòng)過(guò)程[6]。本文將試驗(yàn)數(shù)據(jù)劃分為740個(gè)運(yùn)動(dòng)學(xué)片段，提取了運(yùn)行時(shí)間、加速時(shí)間、減速時(shí)間、勻速時(shí)間、怠速時(shí)間、最大速度、平均速度、運(yùn)行速度、速度標(biāo)準(zhǔn)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(biāo)準(zhǔn)差等15個(gè)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(guān)變量轉(zhuǎn)化為彼此相互獨(dú)立或不相關(guān)的幾個(gè)主成分[7]。運(yùn)動(dòng)學(xué)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(gè)運(yùn)動(dòng)學(xué)片段的第j個(gè)參數(shù)。p為運(yùn)動(dòng)學(xué)片段數(shù)，n是特征參數(shù)的個(gè)數(shù)。由于特征參數(shù)的量綱不同，需要對(duì)矩陣X進(jìn)行標(biāo)準(zhǔn)化處理，并計(jì)算相關(guān)系數(shù)矩陣R=XXT。之后求其特征值和對(duì)應(yīng)的特征向量，由此得到特征向量矩陣，則原始特征參數(shù)經(jīng)正交變換后的主分量可表示為：

式中y1，y2，…，yp彼此不相關(guān)，分別稱為第一、第二、…、第p個(gè)主成分。主成分分析結(jié)果如表1所示。可以看出，前4個(gè)主成分的方差均大于 1，累計(jì)貢獻(xiàn)率大于 85%，基本包含了全部指標(biāo)信息。

表1 主成分分析結(jié)果

2.3 K-Means聚類

聚類是按照距離遠(yuǎn)近將數(shù)據(jù)分為若干類別，使類內(nèi)差異盡可能小，類間差異盡可能大[9]。由于試驗(yàn)數(shù)據(jù)量大，且都為連續(xù)的速度-時(shí)間變量，采用 K-Means方法可以實(shí)現(xiàn)快速聚類。對(duì)運(yùn)動(dòng)學(xué)片段的4個(gè)主成分進(jìn)行聚類后，740個(gè)運(yùn)動(dòng)學(xué)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(gòu)建的。根據(jù)各類片段的平均特征，將3類運(yùn)動(dòng)學(xué)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(chē)速集中在 10～20km/h，車(chē)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(chē)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(chē)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(gòu)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(lái)的，計(jì)算方法如式（3）所示：

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

圖4 西安市電動(dòng)汽車(chē)綜合行駛工況

3.3 行駛工況分析

將西安市電動(dòng)汽車(chē)行駛工況（Xi'an）與其它典型行駛工況的特征進(jìn)行了對(duì)比，如表2所示。可以看出，Xi'an工況的平均車(chē)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(méi)有市郊部分。另外，西安市機(jī)動(dòng)車(chē)保有量大，道路交通環(huán)境復(fù)雜，紅綠燈多，車(chē)輛啟停頻繁。

4 結(jié)論

通過(guò)實(shí)際道路數(shù)據(jù)采集試驗(yàn)獲得了大量的行車(chē)數(shù)據(jù)；基于主成分分析和K-Means聚類算法構(gòu)建了西安市電動(dòng)汽車(chē)行駛工況，并與其它典型行駛工況進(jìn)行了對(duì)比。結(jié)果表明，西安市電動(dòng)汽車(chē)行駛工況具有平均車(chē)速低、加減速比例高、勻速和怠速比例低等特點(diǎn)，與國(guó)外典型行駛工況有較大差異。本文構(gòu)建的行駛工況真實(shí)地反映了西安市的道路交通特征，具有實(shí)用價(jià)值。