基于t-SNE与模糊聚类的电动汽车行驶工况构建

doi:10.3969/j.issn.1674-0696.2022.06.19

重庆交通大学学报（自然科学版） ›› 2022, Vol. 41 ›› Issue (06): 126-132.DOI: 10.3969/j.issn.1674-0696.2022.06.19

基于t-SNE与模糊聚类的电动汽车行驶工况构建

王金刚1, 2, 3，徐航1, 2，刘海1, 2，于晗正男4，刘昱4

(1. 河北工业大学机械工程学院，天津 300130； 2. 天津市新能源汽车动力传动与安全技术重点实验室，天津 300130； 3. 沧州交通学院机械与动力工程学院，河北沧州 061199； 4. 中国汽车技术研究中心有限公司，天津 300300)

收稿日期:2020-11-23 修回日期:2021-03-04 发布日期:2022-06-22
作者简介:王金刚（1961—），男，河北沧州人，教授，博士，主要从事车辆工程方面的研究。E-mail：wangjg1961@sina.com 通信作者：刘海（1980—），男，天津人，副教授，博士，主要从事车辆工程方面的研究。E-mail：liuhai@hebut.edu.cn
基金资助:
国家重点研发计划项目（2018YFB0106403）

Driving Construction of Electric Vehicles Based on t-SNE and Fuzzy Clustering

WANG Jingang1,2,3, XU Hang1,2, LIU Hai1,2, YU Hanzhengnan4, LIU Yu4

(1. School of Mechanical Engineering, Hebei University of Technology, Tianjin 300130, China; 2. Tianjin Key Laboratory of Power Transmission and Safety Technology for New Energy Vehicles, Tianjin 300130, China; 3. School of Mechanical and Power Engineering, Cangzhou Jiaotong College, Cangzhou 061199, Hebei, China; 4. China Automotive Technology and Research Center Co., Ltd., Tianjin 300300, China)

Received:2020-11-23 Revised:2021-03-04 Published:2022-06-22

摘要/Abstract

摘要： 通过构建典型城市的电动汽车行驶工况，可对其行驶与能耗规律进行预测。以天津市为例，采集10辆纯电动乘用车1个月的实际道路数据，基于短行程片段提取20个特征参数和24个分布参数，使用t分布领域嵌入算法、模糊C均值聚类及灰色关联分析等方法进行工况构建；利用MAPE和K-S检验验证构建工况的有效性；并对比分析了国内外典型的行驶工况。研究结果表明：已构建工况与实际道路数据MAPE误差为3.82%；K-S检验值为0.047 1和0.012 6；所构建工况符合实际的行驶情况。

关键词: 车辆工程；纯电动汽车；行驶工况；t分布领域嵌入；聚类分析

Abstract: By constructing the driving conditions of electric vehicles in typical cities, the laws of driving and energy consumption can be predicted. Taking Tianjin as an example, 20 feature parameters and 24 distribution parameters were extracted from the actual road data of 10 battery electric passenger cars for one month. And t-distributed domain embedding algorithm, fuzzy c-means clustering and grey correlation analysis were used to construct the working condition. The validity of the driving conditions was verified by MAPE and K-S tests. Moreover, the typical driving conditions at home and abroad were compared and analyzed. The research results show that the MAPE error between the constructed working condition and the actual road data is 3.82%; K-S test values are 0.0471 and 0.0126. The constructed working conditions are consistent with the actual driving conditions.

Key words: vehicle engineering; pure electric vehicles; driving conditions; t-distributed domain embedding; clustering analysis

中图分类号:

U491

王金刚1, 2, 3，徐航1, 2，刘海1, 2，于晗正男4，刘昱4. 基于t-SNE与模糊聚类的电动汽车行驶工况构建[J]. 重庆交通大学学报（自然科学版）, 2022, 41(06): 126-132.

WANG Jingang1,2,3, XU Hang1,2, LIU Hai1,2, YU Hanzhengnan4, LIU Yu4. Driving Construction of Electric Vehicles Based on t-SNE and Fuzzy Clustering[J]. Journal of Chongqing Jiaotong University(Natural Science), 2022, 41(06): 126-132.

参考文献

［1］李耀华，李忠玉，苟琦智，等.基于聚类分析的城市公交线路工况构建［J］.重庆交通大学学报(自然科学版)，2019，38(1)：83-88.
LI Yaohua, LI Zhongyu, GOU Qizhi, et al. Driving cycle construction of urban bus line based on clustering analysis［J］. Journal of Chongqing Jiaotong University (Natural
Science), 2019, 38(1): 83-88.
［2］王国林，郭新，张树培，等.基于短行程法的轻型乘用车行驶工况构建［J］.重庆交通大学学报(自然科学版)，2019，38(2)：139-143.
WANG Guolin, GUO Xin, ZHANG Shupei, et al. Driving cycle development of light vehicles based on short trip method［J］. Journal of Chongqing Jiaotong University
(Natural Science), 2019, 38(2): 139-143.
［3］李耀华，宋伟萍，任田园，等.基于聚类和比功率分布的西安城市公交行驶工况研究［J］.重庆交通大学学报(自然科学版)，2020，39(4)：23-30.
LI Yaohua, SONG Weiping, REN Tianyuan, et al. Driving condition of city bus in Xian based on clustering and VSP distribution［J］. Journal of Chongqing Jiaotong
University(Natural Science), 2020, 39(4): 23-30.
［4］苗强，孙强，白书战，等.基于聚类和马尔可夫链的公交车典型行驶工况构建［J］.中国公路学报，2016，29(11)：161-169.
MIAO Qiang, SUN Qiang, BAI Shuzhan, et al. Construction of typical driving cycle of bus based on clustering and Markov chain［J］. China Journal of Highway and
Transport, 2016, 29(11): 161-169.
［5］ LIN Jie, NIEMEIER D A. An exploratory analysis comparing a stoch-astic driving cycle to Californias regulatory cycle［J］. Atmospheric Environment, 2002, 36(38):
5759-5770.
［6］ NESAMANI K S, SUBRAMANIAN K P. Development of a driving cycle for intra-city buses in Chennai, India［J］.Atmospheric Environment, 2011, 45(31): 5469-5476.
［7］ AMIRJAMSHIDI G, ROORDA M J. Development of simulated driving cycles for light, medium, and heavy-duty trucks: Case of the Toronto waterfront area［J］.
Transportation Research Part D: Transport and Environment, 2015, 34(1): 255-266.
［8］ MAYAKUNTLA S K, VERMA A. A novel methodology for construction of driving cycles for Indian cities［J］.Transportation Research Part D: Transport and
Environment, 2018, 65(1): 725-735.
［9］ LIN Jie. A Markov Process Approach to Driving Cycle Development［D］. Davis: University of California, 2002.
［10］ WANG Zhenpo, ZHANG Jin, LIU Peng, et al. Driving cycles cons-truction for electric vehicles based on Markov Chain and Monte Carlo method: A case study in
Beijing［J］. Energy Procedia, 2019, 158(1): 2494-2499.
［11］姜平，石琴，陈无畏，等.基于小波分析的城市道路行驶工况构建的研究［J］.汽车工程，2011，33(1)：70-73.
JIANG Ping, SHI Qin, CHEN Wuwei, et al. A research on the construction of city road driving cycle based on wavelet analysis［J］. Automotive Engineering, 2011, 33(1): 70
-73.
［12］田慧欣，李晓宇，刘芳.基于地图信息和循环SVR模型的纯电动汽车续驶里程预测［J］.汽车工程，2020，42(9)：1174-1182.
TIAN Huixin, LI Xiaoyu, LIU Fang. Prediction of continued driving range of battery electric vehicle based on map information and cyclic SVR model［J］. Automotive
Engineering, 2020, 42(9): 1174-1182.
［13］连子宽，姚力，刘晟源，等.基于t-SNE降维和BIRCH聚类的单相用户相位及表箱辨识［J］.电力系统自动化，2020，44(8)：176-184.
LIAN Zikuan, YAO Li, LIU Shengyuan, et al. Phase and meter box identification for single-phase users based on t-SNE dimension reduction and BIRCH clustering［J］.
Automation of Electric Power Systems, 2020, 44(8): 176-184.
［14］李亚，黄亦翔，赵路杰，等.基于t分布邻域嵌入与XGBoost的刀具多工况磨损评估［J］.机械工程学报，2020，56(1)：132-140.
LI Ya, HUANG Yixiang, ZHAO Lujie, et al. Multi-condition wear evaluation of tool based on t-SNE and XGBoost［J］. Journal of Mechanical Engineering, 2020, 56(1): 132-
140.
［15］刘杰，李环宇，赵伟强.基于PCA和灰色关联的齿根裂纹损伤程度识别［J］.机械传动，2020，44(9)：133-139，152.
LIU Jie, LI Huanyu, ZHAO Weiqiang. Recognition of damage degree of tooth root crack based on PCA and grey relational［J］. Journal of Mechanical Transmission, 2020,
44(9): 133-139, 152.

[1]	陈昱光1, 2, 胡山1, 林弘灏1, 黄金涛2, 郭凤香1. 基于改进YOLOv8-DeepSORT的城市交叉口交通冲突自动检测方法[J]. 重庆交通大学学报（自然科学版）, 2025, 44(10): 35-42.
[2]	朱政泽, 熊宇恒. 基于多时空特征和图注意力网络的交通流预测模型研究[J]. 重庆交通大学学报（自然科学版）, 2025, 44(10): 51-59.
[3]	崔铁军1, 2, 李莎莎1, 2, 王鑫阳1, 2. 地铁站乘客使用设备故障及其导致的人员伤亡过程研究[J]. 重庆交通大学学报（自然科学版）, 2025, 44(10): 60-64.
[4]	陈红1, 刘洋1, 梁子君2, 肖赟2, 李琛3. 青年货车驾驶人危险驾驶行为影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2025, 44(10): 65-73.
[5]	何保红，谢维凯，杨夕蕊. 基于居住偏好视角的城市居民通勤与居住再选择研究[J]. 重庆交通大学学报（自然科学版）, 2025, 44(7): 83-90.
[6]	陈鲁川1，张姝玮2，王亮1，苏东兰3，郭忠印4. 基于演化博弈的高速公路诱导分流预测模型[J]. 重庆交通大学学报（自然科学版）, 2025, 44(7): 91-98.
[7]	王连震，周铭，程国柱. 基于SEM与fsQCA的出租车驾驶人危险驾驶行为多致因组态分析[J]. 重庆交通大学学报（自然科学版）, 2025, 44(7): 99-109.
[8]	朱震军1，张芮嘉1，韩吉1，唐超2，过秀成3. 不同出行目的下城市建成环境对自行车出行时间的影响[J]. 重庆交通大学学报（自然科学版）, 2025, 44(3): 88-95.
[9]	李晓伟1，刘倩1，石兰馨1,2，李昊田1，陈君1，时宗琦3. 天气和建成环境对乘客公交通勤时间的非线性影响[J]. 重庆交通大学学报（自然科学版）, 2025, 44(3): 96-104.
[10]	张旭1，杨晓光2，庞聿皓3,李英帅3. 交通语言综述化研究[J]. 重庆交通大学学报（自然科学版）, 2024, 43(1): 39-45.
[11]	邵长桥，陈艳清. 高速公路收费站ETC/MTC混合收费车道通行能力计算模型研究[J]. 重庆交通大学学报（自然科学版）, 2024, 43(1): 52-58.
[12]	王登忠1,2，马东方3，方博3，王如杰3，袁超1. 基于移动性导向的公交网络可达性研究[J]. 重庆交通大学学报（自然科学版）, 2024, 43(1): 59-66.
[13]	赵欣，李瑞，酆磊. 基于公交优先的干线协调信号控制改进模型[J]. 重庆交通大学学报（自然科学版）, 2024, 43(1): 67-74.
[14]	周和平，李文杰. 考虑鲁棒成本与绝对后悔的最短路径问题研究[J]. 重庆交通大学学报（自然科学版）, 2024, 43(1): 91-98.
[15]	赵红专, 李林, 周旦, 陈建鹏, 展新. 车联网环境下的可变单向交通控制算法研究[J]. 重庆交通大学学报（自然科学版）, 2023, 42(6): 111-118.

基于t-SNE与模糊聚类的电动汽车行驶工况构建

Driving Construction of Electric Vehicles Based on t-SNE and Fuzzy Clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics