2019年研究生数学建模竞赛优秀论文选之汽车行驶工况构建.pdfVIP

中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十六届中国研究生 “华为杯”第十六届中国研究生 数学建模竞赛 数学建模竞赛 学 校 同济大学 参赛队号 1.吴高阳 队员姓名 2.杨凯 3.龚炜 0 中国研究生创新实践系列大赛 中国研究生创新实践系列大赛 “华为杯”第十六届中国研究生 “华为杯”第十六届中国研究生 数学建模竞赛 数学建模竞赛 题 目 汽车行驶工况构建 摘 要： 汽车行驶工况是一条描述汽车行驶的速度-时间曲线，体现了汽车道路行驶的运动学特 征，是汽车行业的一项重要的、共性的基础技术，是车辆能耗/排放测试方法和限值标准的 基础，也是汽车各项性能指标标定优化时的主要基准。近年来，随着汽车保有量的快速增 长，我国道路交通状况发生了很大的变化，基于欧洲的NEDC 行驶工况的标准已不符合我 国目前实际的交通情况。作为车辆开发、评价最为基础的依据，开展深入研究，制定反映 我国实际道路行驶状况的测试工况，具有极其重要的价值。 预处理不良数据 （问题一）根据问题要求，首先采用 SPSS 软件对数据文件进行初步 分析，剔除部分存在明显错误的数据 （包括GPS 车速异常和经纬度异常），以消除因少数 奇异数据带来的整个数据文件有效性降低的影响；对加减速度异常数据视为缺失值处理； 进一步对时间不连续的数据通过设置间隔时间阈值，分别进行数据插补、视为长期停车和 删除数据记录处理，其中数据插补时提出采用一种结合线性插值的拉格朗日插值法；最后 将长期停车和长时间堵车视为怠速状态，并与怠速时间异常数据统一进行处理。在尽量保 留有用信息和减少引入人为数据处理误差的前提下，本文根据上述方法将不良数据进行预 处理，最终各文件数据经处理后的记录数分别为：178056 组、140713 组以及154417 组。 提取运动学片段 （问题二）根据问题要求，首先利用Python 语言对经预处理后的数据 进行运动学片段的划分，三个数据文件被划分成的运动学片段数分别为 802 条、616 条和 535 条；为保证片段行驶特征描述的全面性，选取并计算了33 个特征参数 （包括时间，路 程，油耗，（加）速度的最值、均值、标准差和时间占比等），利用求得的特征值矩阵为 后续代表性片段的选取提供了一定的选取标准与评价依据；最后以分析划分的片段长度分 布为基础，结合我国普通轻型汽车的实际特征，并参考WLTP 提出了运动学片段筛选的三 条准则，最终各文件提取出的运动学片段数分别为：792 条、553 条以及510 条。 构建并验证工况曲线 （问题三）根据问题要求，首先以主成分分析法对运动学片段特 征参数进行降维处理，最终将 33 维的特征参数数据降为 7 维，减小了后续特征聚类的运 算量；基于Python 语言和聚类方法，对主成分得分矩阵的前7 列数据采用K-means 聚类分 1 析法进行分类，得到4 类运动学片段的行驶工况；最后采用片段组合的方式构建了一条时 长 1221 秒的汽车行驶工况曲线，并且基于运动学片段特征参数进行了误差分析，相对误 差均小于 8%，同时基于油耗特征对行驶工况进行了评价，验证了本文所构建的汽车行驶 工况的合理性。 关键字：汽车行驶工况；数据预处理；运动学片段；主成分分析；K-means 聚类分析；特 征参数精度评估；油耗评估 2