基于改进K-均值聚类算法的合肥市电动客车行驶工况构建＊

孙骏 方涛 张炳力 李傲伽 朱鹤

（1.合肥工业大学，合肥 230009；2.安徽安凯汽车股份有限公司，合肥 230051）

主题词：合肥市 电动客车 行驶工况 改进K-均值聚类

1 前言

行驶工况是车辆能耗和续航测试的基础，是研究汽车参数匹配和能量管理策略的依据，具备典型的时域性和地域性特征。近几年，合肥市汽车保有量大幅度增长，交通情况显著变化。另外，电动公交车占营运客车的比例越来越大，运行覆盖的线路也越来越广。2011年，唐邦强等建立的合肥市纯电动公交车行驶工况（Hefei Pure Electric Bus Driver Cycle，HF-PEB-DC）[1]仅选取了18 路公交车作为研究对象，难以较好地反映当下合肥市电动客车的运行情况，需要重新构建合肥市电动公交车的行驶工况。

国内外学者采用K-均值（K-Means）聚类算法进行了区域性汽车行驶工况的研究[2-5]。伊朗科技大学的A.Fotouhi 等人采用K-Means 聚类算法构建了德黑兰市汽车行驶工况[2]；爱尔兰都柏林大学的JohnBrady等人基于K-Means 聚类算法构建了爱尔兰地区电动汽车的行驶工况[3]。曹正策等人采用K-Means 聚类法完成了武汉市电驱动机械式自动变速器（Electric-drive Mechanical Transmission，EMT）纯电动公交车行驶工况的构建[4]；李耀华等人采用K-Means 聚类算法完成了西安市纯电动城市客车行驶工况（XiBUS）的构建[5]。传统的K-Means算法需要人工指定K值（分类数）和初始聚类中心点（中心的一般采用随机数），如果选择不当，往往会导致聚类的结果陷入局部的最优。另外，文献[1]、文献[4]、文献[5]关于电动公交车的行驶工况构建只选取了1条路线，存在一定的局限性。

本文选取合肥市4 条典型线路的12 辆电动公交车进行连续一周的数据采集，基于短行程分析法分割有效数据，采用主成分分析法和改进的K-Means算法进行分析，依据类中心距离选取类代表短行程，构建出合肥市电动客车的行驶工况。……