基于大数据和马尔科夫链的行驶工况构建

doi:10.12068/j.issn.1005-3026.2019.01.015

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (1): 77-81.DOI: 10.12068/j.issn.1005-3026.2019.01.015

基于大数据和马尔科夫链的行驶工况构建

曹骞，李君，刘宇，曲大为

(吉林大学汽车仿真与控制国家重点实验室，吉林长春130022)

收稿日期:2018-03-29 修回日期:2018-03-29 出版日期:2019-01-15 发布日期:2019-01-28
通讯作者: 曹骞
作者简介:曹骞(1986-)，男，山东济南人，吉林大学博士研究生；李君(1961-)，男，吉林长春人，吉林大学教授，博士生导师.
基金资助:
中国新能源汽车产品检测工况研究和开发项目(工信部工装函［2015］615号)

Construction of Driving Cycle Based on Big Data and Markov Chain

CAO Qian， LI Jun， LIU Yu， QU Da-wei

State Key Laboratory of Automotive Simulation and Control， Jilin University， Changchun 130022， China.

Received:2018-03-29 Revised:2018-03-29 Online:2019-01-15 Published:2019-01-28
Contact: LIU Yu
About author:-
Supported by:
-

摘要/Abstract

摘要： 为提高代表行驶工况的准确性，对行驶工况构建算法进行了研究.在沈阳市选取10辆乘用车并采用自主驾驶方式收集行驶数据，组建了大样本数据库.首先根据傅里叶变换对原始数据进行了降噪滤波，然后采用改进的Kneser-Ney平滑方法计算状态转移概率矩阵，提出了基于马尔科夫链的行驶工况构建算法，最后开发了沈阳市乘用车代表行驶工况，并将其与数据库总体特征进行对比.结果表明，构建工况与数据库总体的平均偏差为2.46%，所有特征参数偏差均在10%以内，验证了算法的有效性.

关键词: 行驶工况, 乘用车, 大样本, 马尔科夫链, 算法

Abstract: In order to improve the accuracy of typical driving cycle， the constructing algorithm for typical driving cycle was studied. 10 passenger cars in Shenyang City were selected to collect the driving data by autonomous driving， and the big sample database was established. Firstly， the raw data was filtered for noise reduction by using Fourier transform method. Secondly， the modified Kneser-Ney smoothing method was applied to compute the state transfer probability matrix， and the driving cycle constructing algorithm based on Markov chain was proposed. Finally， the typical driving cycle for passenger cars in Shenyang City was constructed and compared with the overall characteristics of the database. The results showed that the average deviation between the constructed cycle and the database population is 2.46%， the deviation values of all the characteristic parameters are within 10%， and the validness of the proposed algorithm is thus verified.

Key words: driving cycle, passenger car, big sample, Markov chain, algorithm

中图分类号:

U491.2

曹骞，李君，刘宇，曲大为. 基于大数据和马尔科夫链的行驶工况构建[J]. 东北大学学报:自然科学版, 2019, 40(1): 77-81.

CAO Qian， LI Jun， LIU Yu， QU Da-wei. Construction of Driving Cycle Based on Big Data and Markov Chain[J]. Journal of Northeastern University Natural Science, 2019, 40(1): 77-81.

参考文献

[1]Wang Q D，Huo H，He K B，et al.Characterization of vehicle driving patterns and development of driving cycles in Chinese cities［J］.Transportation Research Part D:Transport and Environment，2008，13(5):289-297.
[2]Ho S H，Wong Y D，Chang V W C.Developing Singapore driving cycle for passenger cars to estimate fuel consumption and vehicular emissions［J］.Atmospheric Environment，2014，97:353-362.
[3]Fotouhi A，Montazeri-Gh M.Tehran driving cycle development using the k-means clustering method［J］.Scientia Iranica，2013，20(2):286-293.
[4]郑殿宇，吴晓刚，陈汉，等.哈尔滨城区乘用车行驶工况的构建［J］.公路交通科技，2017，34(4):101-107.(Zheng Dian-yu，Wu Xiao-gang，Chen Han，et al.Construction of driving conditions of Harbin urban passenger cars［J］.Journal of Highway and Transportation Research and Development，2017，34(4):101-107.)
[5]Nutramon T，Supachart C.Influence of driving cycles on exhaust emissions and fuel consumption of gasoline passenger car in Bangkok［J］.Journal of Environmental Sciences，2009，21(5):604-611.
[6]Brady J，O′Mahony M.Development of a driving cycle to evaluate the energy economy of electric vehicle in urban areas［J］.Applied Energy，2016，177:165-178.
[7]Balau A E，Kooijman D，Rodarte I V，et al.Stochastic real-World drive cycle generation based on a two stage markov chain approach［J］.SAE International Journal of Materials & Manufacturing，2015，8(2):390-397.
[8]Montazeri-Gh M，Fotouhi A.Traffic condition recognition using the k-means clustering method［J］.Scientia Iranica，2011，18(4):930-937.
[9]Jing Z C，Wang G L，Zhang S P，et al.Building Tianjin driving cycle based on linear discriminant analysis［J］.Transportation Research Part D:Transport and Environment，2017，53:78-87.
[10]Bishop J D K，Axon C J，McCulloch M D.A robust，data-driven methodology for real-world driving cycle development［J］.Transportation Research Part D:Transport and Environment，2012，17(5):389-397.
[11]Chen S F，Goodman J.An empirical study of smoothing techniques for language modeling［J］.Computer Speech and Language，1999，13(4):359-394.

[1]	王宝宇，刘瑞麟，张淼，张石. 基于虚源的延时乘累加波束形成算法[J]. 东北大学学报（自然科学版）, 2023, 44(4): 469-475.
[2]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[3]	耿蓉，张昭，牛天水，王宇飞. 基于改进蚁群算法的天基资源调度研究与仿真[J]. 东北大学学报（自然科学版）, 2023, 44(2): 168-176.
[4]	张顺尧，桑爱军，宋立军，王世刚. 针对鬼成像的聚合型三维目标匹配滤波[J]. 东北大学学报（自然科学版）, 2023, 44(2): 186-191.
[5]	陈一馨，张婷，刘永刚，陈晶. 基于改进樽海鞘群算法的提梁机主梁轻量化设计方法[J]. 东北大学学报（自然科学版）, 2023, 44(2): 223-232.
[6]	王述红，李友明，尹宏，侯钦宽. 基于多约束DSI算法的GeoSMA-3D程序改进[J]. 东北大学学报（自然科学版）, 2023, 44(2): 251-257.
[7]	魏琳扬，郭馨，王存海，李国军. 基于量子微粒群优化算法的半透明介质光学参数反演[J]. 东北大学学报（自然科学版）, 2023, 44(1): 63-69.
[8]	查从燚，孙志礼，潘陈蓉，王健. 面向结构可靠性分析的并行自适应加点策略[J]. 东北大学学报（自然科学版）, 2023, 44(1): 76-82.
[9]	张禹，鹿浩，吕董，巩亚东. 基于IMOFA的航空发动机管路多目标优化布局[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1120-1126.
[10]	顾德英，罗聿伦，李文超. 基于改进YOLOv5算法的复杂场景交通目标检测[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1073-1079.
[11]	柳军，郝丽玲，何光宇，徐礼胜. 一种左心室压力个性化估计模型参数子集选择方法[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1080-1088.
[12]	信俊昌，郭恩铭，张嘉正. 基于时序区分子图的阿尔茨海默症辅助诊断方法[J]. 东北大学学报（自然科学版）, 2022, 43(8): 1089-1096.
[13]	张禹，何楷文，李清书，巩亚东. 面向STEP-NC自由曲面特征的加工操作方法智能决策[J]. 东北大学学报（自然科学版）, 2022, 43(7): 981-987.
[14]	王述红，魏崴，韩文帅，陈浩. 基于CGWO算法的边坡最小安全系数全局寻优方法[J]. 东北大学学报（自然科学版）, 2022, 43(7): 1033-1042.
[15]	季策，张晓. 基于GSA-BP神经网络的OFDM系统信道估计算法[J]. 东北大学学报（自然科学版）, 2022, 43(6): 769-775.

基于大数据和马尔科夫链的行驶工况构建

Construction of Driving Cycle Based on Big Data and Markov Chain

RichHTML

PDF (PC)

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

本文评价