吳 巖
(長安大學(xué)汽車學(xué)院,陜西 西安 710064)
行駛工況是車輛能耗和排放測試方法的基礎(chǔ),是汽車各項性能指標(biāo)標(biāo)定優(yōu)化的主要基準(zhǔn),是引導(dǎo)和制約汽車技術(shù)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(nèi)外眾多學(xué)者針對某一城市或者某些地區(qū)開發(fā)了相應(yīng)的行駛工況。Sanghp-riya等人考慮時空分布的5個相關(guān)參數(shù),利用從試驗數(shù)據(jù)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(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)燃機車為主,關(guān)于電動汽車方面的研究相對較少。目前,電動汽車的產(chǎn)量和銷量逐年增加,在交通運輸中占據(jù)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(gòu)建了電動汽車代表性工況。
通過交通流量調(diào)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(jīng)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(jù)。試驗車輛為BYD e6,采樣設(shè)備為VBOX III,采樣頻率設(shè)為1Hz。
由于試驗數(shù)據(jù)來自衛(wèi)星定位,當(dāng)車輛經(jīng)過林蔭道或高大建筑群時,可能無法穩(wěn)定接收信號,導(dǎo)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(jù)。之后將兩者的數(shù)據(jù)組合,對數(shù)據(jù)進(jìn)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]。
運動學(xué)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(jù)劃分為740個運動學(xué)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(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個特征參數(shù)。
主成分分析是一種降維方法,可以將許多相關(guān)變量轉(zhuǎn)化為彼此相互獨立或不相關(guān)的幾個主成分[7]。運動學(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個運動學(xué)片段的第j個參數(shù)。p為運動學(xué)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(jìn)行標(biāo)準(zhǔn)化處理,并計算相關(guān)系數(shù)矩陣R=XXT。之后求其特征值和對應(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個主成分。主成分分析結(jié)果如表1所示??梢钥闯?,前4個主成分的方差均大于 1,累計貢獻(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
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]。由于試驗數(shù)據(jù)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(xué)片段的4個主成分進(jìn)行聚類后,740個運動學(xué)片段被劃分為3類。
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類運動學(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
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(gòu)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
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(jìn)行了對比,如表2所示??梢钥闯?,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(fù)雜,紅綠燈多,車輛啟停頻繁。
通過實際道路數(shù)據(jù)采集試驗獲得了大量的行車數(shù)據(jù);基于主成分分析和K-Means聚類算法構(gòu)建了西安市電動汽車行駛工況,并與其它典型行駛工況進(jìn)行了對比。結(jié)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(gòu)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。