[發明專利]一種城市行駛工況智能分析方法

有效

• 申請號: 201911312807.8
• 申請日: 2019-12-18
• 公開（公告）號: CN111126819B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 王永利;羅靖杰;卜凡;張偉;劉森淼;彭姿容;郭相威;朱亞濤;朱根偉
• 申請（專利權）人: 南京理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/26;G06K9/62
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 薛云燕

1.一種城市行駛工況智能分析方法，其特征在于，包括以下步驟：

步驟1、對采集的汽車行駛時間速度數據進行小波分析降噪，并劃分為短行程片段；

步驟2、對已劃分的短行程片段進行k-means聚類，劃分出三大類短行程，得到短行程片段的外部狀態序列；

步驟3、對短行程片段內部進行劃分，分為加速、勻速、怠速3個狀態，得到短行程片段的內部狀態序列；

步驟4、對短行程片段建立雙層馬爾科夫鏈，得到雙層馬爾科夫模型，使用雙層馬爾科夫模型構建汽車行駛工況曲線，評估汽車行駛工況曲線誤差，選取誤差最小的曲線作為最終的汽車行駛工況曲線，具體如下：

步驟4.1、對得到的外部狀態序列構建馬爾科夫鏈，對內部片段狀態序列構建馬爾科夫鏈，得到雙層馬爾科夫模型；

步驟4.2、采用隨機化的方法構建一條2000s以內的行駛工況，得到外部狀態類別序列和內部狀態片段序列；

步驟4.3、從原始數據選取內部狀態片段序列，要求片段間速度差不大于0.5m/s，構建汽車行駛工況曲線；

步驟4.4、將構建好的汽車行駛工況曲線與原始數據參數進行對比評估，選取平均誤差小于5％的汽車行駛工況曲線，作為最終的汽車行駛工況曲線。

2.根據權利要求1所述的城市行駛工況智能分析方法，其特征在于，步驟1所述的對采集的汽車行駛時間速度數據進行小波分析降噪，并劃分為短行程片段，具體如下：

步驟1.1、通過車載終端采集GPS車速數據；

步驟1.2、對部分丟失數據、異常數據進行處理；

步驟1.3、對數據進行小波分析降噪處理，用Daubechies-3階小波對信號進行尺度為4的分解，通過伸縮平移運算對信號逐步進行多尺度細化，最終得到高頻處時間細分、低頻處頻率細分、能自動適應時頻信號分析的平滑曲線；

步驟1.4、將行程分割為汽車從一個怠速狀態開始到下一個怠速開始之間的運動形成區間的短行程片段。

3.根據權利要求1所述的城市行駛工況智能分析方法，其特征在于，步驟2所述的對已劃分的短行程片段進行k-means聚類，劃分出三大類短行程，得到短行程片段的外部狀態序列，具體如下：

步驟2.1、將平均速度、最大速度、平均行駛速度、平均加速度、平均減速度、怠速時間比、加速時間比、減速時間比、速度標準差、加速度標準差、減速度標準差共11個參數作為每個短行程片段的特征參數，對每一個短行程片段分別進行計算；

步驟2.2、采用主成分分析方法對短行程片段特征進行降維，選擇了貢獻率大于90％的前5個參數作為新的特征參數；

步驟2.3、對特征參數進行k-means聚類，將短行程片段分為高速類、中速類、低速類三類，得到短行程片段的外部狀態序列。

4.根據權利要求1所述的城市行駛工況智能分析方法，其特征在于，步驟3所述的對短行程片段內部進行劃分，分為加速、勻速、怠速3個狀態，得到短行程片段的內部狀態序列，具體如下：

步驟3.1、對短行程片段內部狀態進行劃分，采用基于規則的方法進行分類，分類方法具體如下：

判斷為加速片段分類方法為：

判斷為減速狀態的分類為：

其余狀態判斷為勻速狀態；

a_t為t時刻汽車加速度，a_t+1為t時刻的下一秒加速度，a_t+2為t時刻的下兩秒加速度；

步驟3.2、得到短行程片段的內部狀態序列。