k均值聚类改进与行驶工况构建研究

主题词：K 均值聚类 短行程 主成分分析 汽车行驶工况
中图分类号：U491.1
文献标识码：A
DOI: 10.19620/ki.1000-3703.20181380
Research on Improved K-Means and Driving Cycle Construction
Liu Zitan1, Zhu Ping1, Liu Xupeng2, Liu Zhao1 （1. Shanghai Jiao Tong University, Shanghai 200240; 2. SAIC Volkswagen Automobile Co., Ltd., Shanghai 201805）
我国汽车行驶工况方面的标准、试验方法、测试手 段等全面沿用新欧洲行驶工况（New European Driving Cycle，NEDC），但其与中国的相似程度较低。李孟良等 学者根据采集的北京市、上海市、广州市实际道路工况 提出了 QC/T 759—2006《汽车试验用城市运转循环》，但 该工况提出较早，对当前广州市实际交通状况的适应性
对 K 均值聚类稳定性较差的缺陷进行改进研究，将改进 后的聚类方法应用于工况构建，生成了广州市行驶工况
样本质量有一定要求。表 1 显示了收集数据的基本信 息。每日数据由多个短行程组成，数据记录从汽车起动
2019 年 第 11 期
程、主成分分析、聚类分析等方法对上海市公交车进行 研究，生成了最优短行程组合[7]。吉林大学秦大同等利 用 K 均值聚类算法与工况选择方法构建了较为精准的 区域行驶工况[8]。李孟良等学者采集了北京、上海和广州 车辆行驶速度等运动学特征，生成 3 个城市的工况并与 ECE 15 工况相比较，说明中国城市行驶工况的特点 。 [9] 彭美春等学者沿广州市中心区 2 条典型公交线路进 行 试 验 ，得 到 广 州 市 公 交 车 行驶工况并与欧洲瞬态 循环（European Transient Cycle，ETC）城市工况进行了 比较[10]。
- 57 -
刘子谭，等：K 均值聚类改进与行驶工况构建研究
有待验证。因此，构建较为精确的广州市交通特征行驶 工况对于分析广州市交通状态，以及广州市机动车排放
3 数据采集与预处理
测试、新车仿真有着重要价值。 本文利用短行程法、主成分分析及聚类方法，并针
3.1 数据采集 行驶工况的构建采用数据解析方法，对于样本量和
汽车技术 · Automobile Technology
K 均值聚类改进与行驶工况构建研究
刘子谭 1 朱平 1 刘旭鹏 2 刘钊 1
（1.上海交通大学，上海 200240；2.上汽大众汽车有限公司，上海 201805）
【摘要】采集了广州市 2 800 万个样本数据，采用相关指标比较分析 K 均值聚类、K 中心点聚类、模糊聚类、高斯混合聚
类 4 种方法，并以 90%置信区间作为初始中心选取范围提高 K 均值聚类稳定性。运用改进后的 K对误差小于 6%，并与美国、欧洲、日本、中国等地区的典型行驶工况进行比较。结果表明，广州市行驶工况具
有车辆加减速频繁、怠速与低速段工况占比高的特点，与国内现行 NEDC 以及中国 QC/T 759—2006 工况存在一定差异。
stability of K- means. The improved K- means method is used to construct the Guangzhou driving cycle, average relative
error is less than 6%, Guangzhou cycle is compared with the typical driving cycles in the U.S., EU, Japan and China, etc.
常用的行驶工况构建方法是短行程法，将数据划 分成短行程片段，通过分析片段特征参数组合生成对 应的行驶工况[4]。Lin 等采用短片段划分以及随机过程 选择方法构建了行驶工况[5]。Fotouhi 和 Montazaeri 描述 了基于短行程和 K 均值聚类方法的汽车行驶工况构建 过程，将开发的行驶工况特征与 FTP-75、联合国欧洲 经济委员会（Economic Commission for Europe，ECE）汽 车 法 规 和 市 郊 循 环 工 况（Extra Urban Driving Cycle， EUDC）进行了对比分析 。 [6] 同济大学胡志远利用短行
cycle.
Key words: K-means, Micro-trips, PCA, Vehicle driving cycle
1 前言
行驶工况是通过数据分析所构建的一个区域内一 系列代表性的速度-时间数据，可以模拟真实的交通状 况，以测试车辆尾气排放和燃料消耗。此外，其在交通 协同控制、新车评价、风险评估和车辆的设计、选型、匹 配和控制策略等方面有着广泛的应用[1-3]。
【Abstract】With 28 million sample data of Guangzhou, K- means, K- medoids, FCM and GMM are compared and
analyzed by related index, 90% confidence interval is chosen as the initial centre selection range and to improve the
The results show that Guangzhou driving cycle is characterized with frequent acceleration and deceleration, high proportion
of idle speed and low speed section, which is different from the current domestic driving cycle NEDC and QC/T 759-2006