[发明专利]一种基于机器学习和统计验证的汽车行驶工况的构建方法

权利要求书

1.一种基于机器学习和统计验证的汽车行驶工况的构建方法，其特征在于，包括以下步骤：

步骤一 数据预处理：由汽车行驶数据的采集设备直接记录的原始采集数据往往会包含一些不良数据值，将上述不良数据进行预处理，并给出各文件数据经处理后的记录数；

步骤二 运动学片段提取：运动学片段是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间，将步骤一处理后的数据划分为多个运动学片段，并给出各数据文件最终得到的运动学片段数量；

步骤三 汽车行驶工况构建：根据处理后的数据，构建一条1200-1300秒间能体现参与数据采集汽车行驶特征的汽车行驶工况曲线；

步骤四 汽车行驶工况合理性检验：构建汽车运动特征评估体系，检验所构建的汽车行驶工况的合理性。

2.根据权利要求1所述的基于机器学习和统计验证的汽车行驶工况的构建方法，其特征在于，步骤一数据预处理具体过程如下：

针对汽车加、减速度异常的问题，设定当加速段加速度大于3.97m/s²时，或减速段加速度大于8m/s²时，汽车加、减速度数据异常；通过GPS车速计算各时间下的汽车加速度，按照假定的标准，将异常加速度数据采取smooth函数进行平滑处理后，对异常数据进行替换；

针对长期停车的问题，根据发动机转速判断是否处于熄火状态，将转速为0处于熄火状态的数据剔除，将处于停车不熄火等人或停车熄火了但采集设备仍在运转等状态按怠速情况处理；

针对长时间堵车、断断续续低速行驶情况，即最高车速小于10km/h，按怠速情况处理；

针对怠速情况，怠速时间超过180秒为异常情况，故将怠速时长大于180秒的按180秒处理。

3.根据权利要求1所述的基于机器学习和统计验证的汽车行驶工况的构建方法，其特征在于，步骤二具体要求如下：

(1)怠速起点时刻应满足v_t＝0且v_t-1＞0，怠速终点时刻应满足v_t＝0且v_t+1＞0；

(2)至少包含一个加速片段，即包含一个汽车加速度Aa＞0.1m/s²且速度v_t≠0的连续过程；

(3)至少包含一个减速片段，即包含一个汽车减速度Ad＞0.1m/s²且速度v_t≠0的连续过程。

4.根据权利要求1所述的基于机器学习和统计验证的汽车行驶工况的构建方法，其特征在于，步骤三具体操作如下：

计算各运动学片段的特征值，根据主成分分析法和动态聚类法，获得最具代表性的特征数据；

其次，根据各类运动学片段的综合特征值，在对应的某一类短行程中，计算单个运动学片段的特征值与此类运动学片段综合特征值平均相对误差绝对值；

然后，选出n个平均相对误差绝对值≤10％的短行程拟合成时间长度为1200-1300秒的汽车行驶工况；

最后，计算选取的n个短行程综合特征值，并与这一类的短行程综合特征值进行比较，求出两者间的平均相对误差绝对值；如果误差在5％以内，则表明该拟合工况是有效的，能够反映某一类道路上汽车行驶特征，进而合成各类行驶工况获得一条能够体显各类行驶特征的汽车行驶工况曲线；反之，重新选择n个短行程进行拟合，直到误差满足条件为止。