基于高斯核层次聚类的汽车工况构建

韩 鑫

(西安石油大学 计算机学院， 西安 710065)

0 引 言

汽车行驶工况也被称为车辆测试循环，描述了汽车行驶速度的时间曲线(通常在1 800 s以内)，反映了道路上汽车的运动特性[1]。其是汽车工业中重要且常见的基本技术、车辆的能耗排放测试方法和极限标准的基础，也是汽车各种性能指标的校准和优化的最重要基准。中国幅员辽阔，不同城市之间的发展程度、气候条件和交通条件的差异，使各个城市的驾驶条件特征明显不同。因此，作为车辆开发和评估的基础，越来越需要从城市自身的驾驶数据中进行汽车行驶工况构建的研究。

大多数已有研究在工况构建时选择k-means 聚类方法作为聚类手段[2]，但由于k-means 聚类需要提前确立数据中聚类的个数k。根据已有的研究结果及经验，将类别分为 3 类或者4类[3]。然而，当数据量较大，采集数据情况复杂时，先验知识具有很大的局限性[4]。在不观察数据就确立类别数，势必会给聚类结果带来很大的误差。层次聚类算法可以返回一颗聚类树，从聚类树中可以得到所有的聚类结果供使用者选择，从而避免了选择聚类个数的问题。由于一般汽车工况特征比较复杂，极有可能导致数据在低维空间下不可分，而使用核方法特别是高斯核方法，可以将数据特征空间映射到高维甚至无限维的空间，从而更好地将数据分开[5]。因此，本文采用基于高斯核的层次聚类算法，对构建的车况特征进行聚类，提高聚类准确度。

1 特征定义

将收集的速度数据转换为特征参数数据的过程，可以视为数据转换。……