基于LLEKM和马尔科夫链的城市轻型车行驶工况构建

为客观描述机动车在道路上的运行特征,针对传统城市道路标准行驶工况构建方法的弊端,提出一种基于局部线性嵌入与K均值聚类(LLEKM)和马尔科夫链的汽车工况构建方法,并对该方法的应用准确性进行研究。首先,结合道路交通条件对实测样本数据进行除噪平滑处理,根据运动学片段定义将其划分为1 754个运动学片段,并选取16个运动学参数构建特征参数矩阵。其次,利用局部线性嵌入算法降维约简特征参数矩阵,解决了由数据压缩重构导致的线性结构丢失的问题;通过K均值聚类分析,计算不同类型数据集中各行驶状态时间占比的差异性,得到相应类型下城市道路汽车的行驶特点。然后,以每类中各相邻行驶状态的统计量确定状态转移概率矩阵,采用马尔科夫链方法从每类中选取特征参数误差最小的运动学片段,按照时间比例合成代表工况。最后,以厦门市3个月内同一辆轻型汽车的行驶数据为例展开实证分析,验证所提方法的准确性。研究结果表明:与样本数据和传统方法构建的工况相比,所提方法构建的轻型车行驶工况主要特征参数与样本数据吻合度更好,平均相对误差从9.69%降低到4.47%;提出方法的速度-加速度联合概率分布误差明显降低,行驶工况构建精度得到了提高;对比分析现行方法构建的标准工况,该方法能更加真实地反映厦门市轻型车的实际运行状况。     

一种适合城市混合道路行驶工况的构建方法

针对城市规模和路网扩张带来的城市道路新特点,利用10辆城市乘用车按各自目的地跟随车流自主驾驶,实时采集车辆行驶数据,其路径覆盖城区、环城快速路、环线高速的城市混合道路。基于聚类法和马尔科夫模型,提出一种适合城市混合道路的工况构建方法。运用主成分分析实现特征参数的降维,以Silhouette值确定K值,利用K均值聚类法将2 869个运动学片段分为3类;再将每类行驶工况抽象为一个速度随时间变化的马尔科夫过程,划分成加速、减速、巡航及怠速4种工况并计算其转移概率;根据转移矩阵合成候选工况,以CPV值筛选出目标工况,得到目标工况的整体特征参数平均误差为4.44%。结果表明,所提构建方法能较好适应城市混合道路综合行驶工况的构建。     

组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法

为客观描述城市环卫车的实际行驶特征,基于3辆市政环卫车连续一周实际道路行驶数据,提出一种组合优化聚类与马尔科夫链的城市环卫车辆行驶工况构建方法. 首先对特征参数矩阵做均值化处理,增强参数降维后每一个主成分中所包含的特征参数信息;其次利用k均值聚类将不同运行特征的运动学片段划分到不同类的样本集内,以马尔科夫链法在每一类样本集中做状态预测,按时间比例合成代表工况. 最后,基于运动学参数对所构建的代表工况进行有效性检验. 结果表明,所构建的福州市环卫车辆行驶工况相较于C-WTVC国家标准工况,能更客观地反映福州市环卫车辆的实际运行情况.     

基于聚类的半挂牵引车行驶工况构建改进方法

针对传统K-均值聚类算法易陷入局部最优以及最佳聚类数难以确定的问题,提出一种基于高斯混合模型聚类的改进方法。选定淄博市博山-沂源路段作为测试道路,以半挂牵引车为试验车辆,利用车载终端设备采集车辆行车数据。在对原始数据预处理的基础上,以速度为运动学片段划分标准,采用主成分分析和聚类分析对特征参数进行降维分类处理,依据距离聚类中心越近越能代表该类特征的原则选取运动学片段,构建丘陵山区半挂牵引车代表性行驶工况。与传统的K-均值聚类相比,采用高斯混合模型聚类构建的丘陵山区车辆行驶工况特征值误差仅为2.05%,精度更高,更能反映丘陵山区道路线形复杂的特点。与国内采用的半挂牵引车测试工况(CHTC-TT工况)相比,所构工况与之差异明显,表明了开发反映丘陵山区行驶特征的半挂牵引车代表性行驶工况的必要性。     

基于主成分和聚类分析的汽车行驶工况构建

基于城市汽车实际道路行驶采集的数据,运用主成分和K-means聚类分析,对汽车行驶工况进行构建并分析误差.首先,对5种类型的原始数据,依次进行时间不连续数据、尖点数据、毛刺噪声数据以及怠速异常数据等预处理;其次基于预处理后的数据,对运动学片段进行划分,同时引入14个相关的运动特征指标,采用主成分分析进行降维处理并选取了具有代表性的5个主成分,基于K-means聚类分析算法将其运动学片段按照拥堵路况、一般拥堵路况和通畅路况分为3类,再根据聚类结果选取最优工况片段,从而得到最终的工况曲线.最后,对汽车行驶工况与所采集数据源的各运动特征值进行误差分析,验证了所构建的汽车行驶工况的合理性.     

基于大数据和马尔科夫链的行驶工况构建

为提高代表行驶工况的准确性,对行驶工况构建算法进行了研究.在沈阳市选取10辆乘用车并采用自主驾驶方式收集行驶数据,组建了大样本数据库.首先根据傅里叶变换对原始数据进行了降噪滤波,然后采用改进的Kneser-Ney平滑方法计算状态转移概率矩阵,提出了基于马尔科夫链的行驶工况构建算法,最后开发了沈阳市乘用车代表行驶工况,并将其与数据库总体特征进行对比.结果表明,构建工况与数据库总体的平均偏差为2.46%,所有特征参数偏差均在10%以内,验证了算法的有效性.     

电动汽车城市行驶工况构建

通过采集电动汽车及传统汽车的实际行驶数据,使用K-均值聚类法和马尔可夫链理论构建电动汽车与传统汽车城市行驶工况。构建出的城市行驶工况与当下较为流行的传统汽车的行驶工况进行比较。结果表明,电动汽车行驶工况与传统汽车行驶工况的加速度有较大的不同;这是因为电动汽车的电机扭矩响应速度快,低速时可以输出大扭矩。构建出的电动汽车行驶工况还可以作为评价电动汽车的经济性与碳排放的依据。     

改进模糊C均值聚类法的车辆实际行驶工况构建

针对模糊C均值(FCM)聚类法的性能依赖于初始聚类中心、迭代容易陷入局部极值、不能确保FCM收敛于一个最优解的问题,利用多岛遗传算法(MIGA)与序列二次规划法(SQP)组合优化,对FCM聚类的初始聚类中心进行优化,从而使聚类结果更加接近最优聚类。采用主成分分析和改进的FCM聚类分析,将运动学片段的特征值进行降维和分类处理,构建出基于大样本、符合郑州市交通特征的行驶工况。与试验数据对比表明:所构建的乘用车行驶工况与试验数据特征参数平均相对误差仅为2.097%,速度-加速度联合分布差异(SAFD_(diff))仅为1.74%,行驶工况拟合精度较高,更能综合反映郑州市交通真实状况。     

基于改进蚁群算法的行驶工况构建及精度分析

文章以合肥市典型道路为例,选取5条城市道路进行数据采集,采用主成分分析与遗传变异改进的蚁群算法(ant colony optimization,ACO)相结合的方法,构建了合肥市典型行驶工况。在划分了运动学片段的基础上,利用主成分分析法对13个运动学特征参数进行降维处理,以排名前3的主成分为聚类因子,用改进的蚁群算法对运动学片段样本进行分类,通过组合类内运动学片段,完成代表性工况的构建,并对代表性工况进行精度分析。研究结果表明,与K-means聚类法、系统聚类法相比,改进的ACO能够有效提高行驶工况的构建精度。     

多源信息融合的插电式混合动力公交车行驶工况构建

为了反映插电式混合动力公交车(PHEB)在实际公交工况运行时的真实油耗,提出了一种基于实时交通信息的工况构建方法.首先,通过车载传感器获取实时交通信息,利用D-S证据理论对获取的多种传感器信息进行多源信息融合.其次,根据实车采集的原始行驶数据,对车速片段进行划分.利用马尔可夫转移矩阵,结合蒙特卡洛方法构建了全局行驶工况...     

改进的城市公交循环工况开发方法

提出了一种改进城市公交循环工况的开发方法.根据车流量在主要商业区、工业区与居民区之间选择测试线路进行数据采集,以公交各站点间的行程作为短行程,根据工况时间比例由短行程构建城市公交循环工况,用参数均值方差选择典型城市公交循环工况.以大连城市公交为例,验证了改进的城市公交循环工况开发方法的有效性,以及应用该方法合成的大连城市公交循环工况的真实性.为开发适合城市公交特点的电动汽车,及其污染物排放量和燃油消耗量的测量提供了设计依据.     

基于行驶区间的快速路入口小型车VSP分布特征分析

为了研究快速路主辅路入口宏观小型车交通流的比功率(VSP)分布特性,在晚高峰时段用无人机拍摄快速路入口段小型车汇入的视频资料。把车辆汇入的行驶路段均分成10个行驶区间,通过Tracker软件获取视频中小型车的逐秒速度和逐秒加速度,计算各个行驶区间内所有驶过机动车的逐秒VSP。应用聚类分析法将所有逐秒VSP划分成12个VSP Bin,并计算和分析在各行驶区间内的VSP分布。结果表明:小型车流汇入过程中,在第1~8行驶区间内的VSP分布呈正态分布;同时,各行驶区间内VSP分布在正值范围的比重均比负值范围的大,且分布在0~5 kw·t-1所占分比重最大,其中在第3行驶区间所占比重达41.46%,但是在第8、第9行驶区间内,VSP分布在负区间的比重明显大于其他行驶区间,分别为42.86%和33.90%。     

改进主成分和K-均值聚类的行驶工况

为构建行驶工况,消除K-均值算法对初始聚类中心的敏感性及噪声点的干扰,提出一种改进主成分分析和基于密度的改进K-均值聚类组合方法.结合距离优化法和密度法,构建一种数据集密度度量方法.选取距离较大、密度较高的数据点作为初始聚类中心与候选集,优化聚类结果的同时剔除了孤立点,采用较大贡献因子的特征值进行工况合成,最后对行驶工况油耗进行分析.结果表明,所提方法构建行驶工况的速度-加速度联合分布差异值为1.17％,特征参数平均相对误差较小.可见,合成的行驶工况能够很好地反映某地实际交通道路特征,拟合度较高.     

佛山市机动车交通特征研究

采用GPS车载测试系统和视频采集技术对佛山市城区和郊区的交通流量与行驶工况进行了测试.基于测试数据,对佛山市的交通特征、城区不同道路类型的机动车行驶特征进行了深入分析,采用特征参数法合成佛山市城区和郊区高速的行驶工况,并与欧洲标准工况进行了对比.结果表明:佛山市城区主干路、次干路和居民路平均每小时的车流量分别为3 667辆、2 418辆和822辆;郊区高速、国道和省道平均每小时的车流量分别为1 192辆3、024辆和1 583辆.城区机动车平均速度为20.54 km/h.佛山实际工况平均速度、加\减速度与NEDC相差17.26%~55.91%.     

基于自动售检票数据的轨道车站客流识别模型

为探究城市轨道交通车站客流模式,采用轨道自动售检票(automatic fare collection,AFC)数据,构建客流指标,提出了一种基于K-means聚类算法的站点客流识别模型.以重庆轨道3号线连续1个月的AFC数据为例,探讨工作日、周末、节假日时期不同客流指标和综合多变量指标的聚类结果.结果表明:不同时期客流指标能够促进车站客流识别;将站点客流模式分为7类时,聚类效能最佳;通过连续1周和连续1个月聚类结果对比,验证了分类结果具有良好的稳定性.结合结果数据特征和站点实际情况对车站客流特点进行归纳总结.     

模拟退火聚类算法在结构面产状分组中的应用

鉴于以往的结构面产状分组方法常存在算法复杂、聚类精度差及分组效率低的不足,提出了一种新型的融合模拟退火算法及K-means聚类(SAK)的结构面分组算法,该算法简单易实现.利用模拟退火算法的退火原理,对K-means算法聚类的结构面分组结果进行优化,以期克服K-means算法易受初始聚类中心影响的缺陷.计算机模拟生成的结构面数据的分析表明,所提方法相较于传统K-means算法具有明显优势.将该方法应用于重庆市三环高速公路兴隆隧道实测结构面的分组中,并与已有方法进行对比.结果表明:该方法不仅聚类精度高,而且迭代速度也较快,具有较强的工程实用性.     

基于智能手机传感器和SC\|HMM算法的行为识别

在获取智能手机传感器信号的基础上, 提出一种基于谱聚类和隐Markov模型的日常行为识别算法. 该方法利用智能手机获取的加速度、 地理位置和接受信号强度等数据, 结合谱聚类分析和隐Markov模型学习, 能有效地对用户日常行为进行自动识别. 实验结果表明, 在真实的手机数据集中, 该方法具有较高的准确度.     

基于低频轨迹数据的分时租赁驾驶人驾驶风格分析

基于上海某汽车分时租赁企业的运营数据,开展了基于低频轨迹数据的驾驶行为特征提取及驾驶风格分析.采用相对超速时间比例及其变异系数为驾驶风格特征指标,基于K-means聚类算法将驾驶人风格划分为谨慎、温和、激进三类,相应驾驶人比例分别为54.04%、36.60%和9.36%.对不同驾驶风格租赁用户的出行、运行及个体特征的比较发现,不同驾驶风格的用户在出行、运行速度及车辆能耗特征方面具有差异性,在年龄、性别及违章方面无统计上的显著差异.