基于全局K-means聚类算法的汽车行驶工况构建

摘要：

为构建符合郑州市交通特征的乘用车典型行驶工况,选取60辆乘用车进行数据采集,将采集的有效行驶数据划分成120 744条运动学片段,采用主成分分析法对构建的特征参数矩阵进行降维、非线性化处理.选取戴维森-堡丁指数来确定最佳聚类数,并通过全局K-means聚类算法将主成分分析得到的4个主成分聚成3类,然后采用相关系数法从各类片段库中选取具有代表性的运动学片段,从而构建出郑州市乘用车典型循环工况(ZZ_DC).通过与传统K-means聚类算法构建的工况比较,采用全局K-means聚类构建的工况更加准确地反映了郑州市乘用车在实际道路上的行驶状态.将ZZ_DC工况与国内一直采用的乘用车测试工况(NEDC工况)比较,结果表明,ZZ_DC工况与NEDC工况差异显著,因此,有必要开发出适用于郑州市交通特征的乘用车行驶工况.

关键词：乘用车、行驶工况、主成分分析法、全局K-means聚类

所属期刊栏目：38

分类号：U491.2(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目U1604147;河南科技大学研究生创新基金资助项目CXJJ-2016-ZR01

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：112-118