大数据驱动下乘用车行驶工况构建方法研究
杨阳1
卫倩1
于谦2
1.太原科技大学 车辆与交通工程学院,山西 太原 0300242.长安大学 运输工程学院,陕西 西安 710064
摘要：为准确表征城市乘用车行驶特征,解决传统工况研究中样本量有限、聚类稳定性差及工况合成时忽略小概率事件等问题,提出一种大数据驱动的行驶工况构建方法.依托 200 辆西安市乘用车一年的车载诊断系统(OBD)数据,通过数据预处理与短行程划分构建样本库,采用主成分分析(PCA)降维 16 维特征参数;提出K-means++算法提升聚类稳定性与精度;结合马尔可夫链蒙特卡洛(MCMC)优化工况合成,保留小概率事件.结果表明,构建的候选工况与原始数据的平均相对误差为 3.63%,显著优于传统聚类拼接方法(4.80%)、马尔可夫链方法(5.60%)及标准工况CLTC-P(8.74%)和WLTC(22.70%).
关键词：大数据行驶工况短行程K-means++聚类分析马尔可夫链蒙特卡洛
分类号：U491(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(52002032)陕西省自然科学基础研究计划面上项目(2025JC-YBMS-446)山西省回国留学人员科研资助项目(2024-126)
论文发表日期：2025-12-25
在线出版日期：2026-01-05（本平台首次上网日期，不代表文献的发表时间）
页数：11( 38-48 )
英文信息