一种基于形状相似性的行驶工况构建方法及存储介质技术

本发明专利技术的一种基于形状相似性的行驶工况构建方法及存储介质，首先对车辆OBD数据进行切割，将时间连续的OBD数据切割成不等长的短行程片段库，然后采用一种尺度不变、平移不变、移位不变的互相关距离度量方法来评估不同短行程片段的相似度，给后续不等长片段聚类提供更为精准的相似度评估标准；同时分别优化质心与短行程片段的簇标记，更先进的质心优化方法与样本分配方法，可以带来更好的聚类效果，以便得到簇内样本相似度更高，簇间样本相似度更低的典型工况划分；然后根据最小信息量(AIC)原则，选择使AIC最小的聚类数，最优聚类数的选择，对聚类效果至关重要，最后，本发明专利技术选择各簇中更为典型的短行程片段以构建反映整体行驶状况的行驶工况。状况的行驶工况。状况的行驶工况。

【技术实现步骤摘要】
一种基于形状相似性的行驶工况构建方法及存储介质


[0001]本专利技术涉及环境检测
，具体涉及一种基于形状相似性的行驶工况构建方法及存储介质。

技术介绍

[0002]基于根据生态环境部发布《中国移动源环境管理年报(2020)》指出，移动源污染已成为我国大中城市空气污染的重要来源，是造成细颗粒物、光化学烟雾污染的重要原因，移动源污染防治的紧迫性日益凸显。据《年报》统计，我国机动车保有量持续增长，已连续十一年成为世界机动车产销第一大国。2019年，全国机动车保有量达到3.48亿辆，比2018年增长6.4％。2019年，全国机动车四项污染物排放总量初步核算为1603.8万吨。其中，一氧化碳(CO)、碳氢化合物(HC)、氮氧化物(NOx)、颗粒物(PM)排放量分别为771.6万吨、189.2万吨、635.6万吨、7.4万吨。汽车是污染物排放总量的主要贡献者，其排放的CO、HC、NOx和PM等四项主要污染物均超过90％。柴油车NOx排放量超过汽车排放总量的80％，PM排放量超过90％；汽油车CO排放量超过汽车排放总量的80％，HC排放量超过70％。
[0003]移动源污染物排放主要受其行驶状况的影响，如车辆在交通堵塞下的怠速时间较长及加减速频率过高，都会造成较高的尾气排放。行驶工况构建是一种基于典型交通状况的汽车驾驶剖面的构建方法，在汽车排放、经济性和行驶里程的评价中具有重要的作用。
[0004]目前行驶工况构建方法主要分为两类：马尔科夫分析法和聚类分析法。马尔可夫分析法将车辆行驶过程的速度和时间关系看作随机过程，利用t时刻的状态只依赖于t
‑
1时刻的状态的特点(即无后效性)，将不同模型事件组合在一起形成整个行驶过程。该方法理论复杂，数据划分破坏原始数据的连续性。聚类分析法将所有微行程片段根据其相似程度分成若干类，再依据一定原则从每一类片段库中挑选片段组成最终的工况曲线。相比于马尔科夫分析法，聚类分析法能得到不同类别的工况，更接近实际道路工况，简单易行。
[0005]由于城市各区域实际交通状况、道路特性不同，都会对车辆的驾驶循环造成影响，同时新能源汽车的发展，车型数据越来越丰富，传统方法采用的手工设计特征来表示驾驶数据在空间上的速度
‑
时间分布，且驾驶数据被视为静态数据，其固有的动态特性和时间依赖性往往被忽略，导致精度低，鲁棒性不足。

技术实现思路

[0006]本专利技术提出的一种基于形状相似性的行驶工况构建方法及存储介质，可解决上述技术问题。
[0007]为实现上述目的，本专利技术采用了以下技术方案：
[0008]一种基于形状相似性的行驶工况构建方法，包括以下步骤，
[0009]步骤一：获取车辆的OBD数据并进行预处理，将其切割为n个不等长的短行程片段，即持续时间不超过180s的怠速段即速度为0与速度不为零的运动段组成,生成输入片段集合X＝[x1,x2,
…
,x
n
]；
[0010]步骤二：将步骤一预处理后获取的时间序列集合X＝[x1,x2,
…
,x
n
]，使用z
‑
score归一化保持尺度不变性，使用系数归一化保持平移不变性，保持分布的平均值μ为0，标准差为1以保证移位不变性；
[0011]步骤三：使用步骤二的互相关距离，将一簇短行程片段的质心优化为到所有其它短行程片段的互相关距离平方之和的最小值；
[0012]步骤四：结合步骤三的质心优化与步骤四的分区聚类方法以完成基于形状的短行程片段聚类，将短行程片段划分为k类典型行驶状况，迭代更新步骤三与步骤四，直至当前质心均未更新，典型行驶状况划分结束；
[0013]步骤五：对前述步骤的聚类方法，进一步确定最优聚类数，即k值，提出一种无监督的最优聚类数的挑选方法，根据最小信息量(AIC)原则，选择最优聚类数，即确定典型行驶状况的类别数；
[0014]步骤六：采用步骤五确定的k值的聚类结果，根据各簇的时间比例，从各簇中选取质心最近的短行程片段，拼接以构建出满足时间要求的工况曲线，选择各典型行驶状况下的典型短行程片段以便构建更为全面且更能代表整体行驶数据的行驶工况。
[0015]另一方面，本专利技术公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
[0016]由上述技术方案可知，本专利技术的基于形状相似性的行驶工况构建方法，首先对车辆OBD数据进行切割，将时间连续的OBD数据切割成不等长的短行程片段库。采用一种尺度不变、平移不变、移位不变的互相关距离度量方法来评估不同短行程片段的相似度，给后续不等长片段聚类提供更为精准的相似度评估标准；同时提出了一种短行程片段的形状提取方法和基于形状的短行程片段聚类，分别优化质心与短行程片段的簇标记，更先进的质心优化方法与样本分配方法，可以带来更好的聚类效果，以便得到簇内样本相似度更高，簇间样本相似度更低的典型工况划分；然后本专利技术方法提出一种无监督的最优聚类数的挑选方法，根据最小信息量(AIC)原则，选择使AIC最小的聚类数，最优聚类数的选择，对聚类效果至关重要，从实际行驶数据出发，设计的最优聚类数挑选方法完全不依赖标签。最后，本专利技术方法提出了一种基于质心最近原则的工况构建方法，选择各簇中更为典型的短行程片段以构建反映整体行驶状况的行驶工况。
[0017]总的来说，本专利技术方法从实际行驶数据出发，针对完全无标签且不等长的行驶数据，设计了更为精准的聚类方法及距离度量标准以提升典型行驶状况的区分精度，同时设计了无监督最优聚类数挑选方法及典型片段的挑选方法，以便构建出的综合行驶工况更加全面反映典型行驶状况。
附图说明
[0018]图1是本专利技术实施例基于形状相似性的工况构建方法的综合行驶工况图。
具体实施方式
[0019]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。
[0020]本专利技术实施例所述的基于形状相似性的行驶工况构建方法，包括以下步骤：
[0021]步骤一：获取车辆的OBD数据并进行预处理，将其切割为n个不等长的短行程片段，即持续时间不超过180s的怠速段即速度为0与速度不为零的运动段组成,生成不等长的时序输入片段集合X＝[x1,x2,
…
,x
n
]；
[0022]步骤二：采用一种尺度不变、平移不变、移位不变的互相关距离度量方法，为典型行驶状况划分提供相似度度量标准，将步骤一预处理后获取的时间序列集合X＝[x1,x2,
…
,x
n
]，使用z
‑
score归一化保持尺度不变性，使用系数归一化保持平移不变性，保持分布的平均值μ为0，标准差为1以保证移位不变性；
[0023]步骤三：使用步骤二的互相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于形状相似性的行驶工况构建方法，其特征在于，包括以下步骤，步骤一：获取车辆的OBD数据并进行预处理，将其切割为n个不等长的短行程片段，即持续时间不超过180s的怠速段即速度为0与速度不为零的运动段组成，生成输入片段集合X＝[x1，x2，...，x
n
]；步骤二：将步骤一预处理后获取的时间序列集合X＝[x1，x2，...，x
n
]，使用z
‑
score归一化保持尺度不变性，使用系数归一化保持平移不变性，保持分布的平均值μ为0，标准差为1以保证移位不变性；步骤三：使用步骤二的互相关距离，将一簇短行程片段的质心优化为到所有其它短行程片段的互相关距离平方之和的最小值；步骤四：结合步骤三的质心优化与步骤四的分区聚类方法以完成基于形状的短行程片段聚类，将短行程片段划分为k类典型行驶状况，迭代更新步骤三与步骤四，直至当前质心均未更新，典型行驶状况划分结束；步骤五：对前述步骤的聚类方法，进一步确定最优聚类数，即k值，提出一种无监督的最优聚类数的挑选方法，根据最小信息量(AIC)原则，选择最优聚类数，即确定典型行驶状况的类别数；步骤六：采用步骤五确定的k值的聚类结果，根据各簇的时间比例，从各簇中选取质心最近的短行程片段，拼接以构建出满足时间要求的工况曲线，选择各典型行驶状况下的典型短行程片段以便构建更为全面且更能代表整体行驶数据的行驶工况。2.根据权利要求1所述的基于形状相似性的行驶工况构建方法，其特征在于：所述步骤二具体包括，互相关度量计算两个没有正确对齐的序列和的相似性，为了实现移位不变性，互相关使静止，并在上滑动以计算的每个位移s的内积，记一个序列的移位如下：当考虑所有可能的位移使s∈[
‑
m，m]，得到长度为2m
‑
1的互相关序列1的互相关序列其中，依次计算如下：计算最大的位置w，基于w的值，那么相对于的最优位移是其中s＝w
‑
m；对所有的实际短行程片段进行归一化以归纳统一样本的统计分布性，定义如下：
归一化来消除固有的失真，首先使用z
‑
score归一化来消除振幅的差异，再使用系数归一化时，不需要移动即可对齐两个相同长度的序列；设计一个基于形状相似性的距离度量方法，根据前面的公式，使用系数归一化，它给出的值在
‑
1和1之间；系数归一化将互相关序列除以单个序列的自相关的几何平均值，对序列进行归一化后，检测到最大化的位置w，并推导出以下距离测量：它的取值范围在0到2之间，0表示时间序列完全相似；为了保持缩放不变性，将转化为所以平均值μ为0，其标准差为1；根据卷积定理，两个短行程片段的卷积可计算为短行程片段的单个傅里叶变换(DFT)的乘积的离散傅里叶反变换(IDFT)，其中DFT为：IDFT为：其中如果一个短行程片段首先在时间上翻转，则互相关计算为两个短行程片段的卷积，这就等于在频域中取复共轭*；因此，对于...

【专利技术属性】
技术研发人员：康宇，裴丽红，刘文清，丁焰，曹洋，许镇义，赵振怡，刘斌琨，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：