整车行驶工况与性能匹配

——车辆间距，通过交通流量的调查获得对应路线的交通流水平和所占有的份额。当在忽略时间差异的前提下，可以使用少量的车辆在这些路线上运行调查获取车辆运行时的数据，这种方法既科学合理又易于操作。车辆行驶工况主要是受到道路等级、交通强度、交叉路口的密度﹙路段内交叉形式和数量﹚以及时间四大因素的影响。通过调查、收集城市区域的一个周期内交通流的相关数据，并进行统计分析，根据数据的统计结果，将路线分成不同类别，再按照规定的标准进行样本的概率抽样，最后确定试验路线和试验时间。

3. 试验车辆和驾驶员的确定——试验车辆的确定需要三个方面，车辆的类型、数量和驾驶员。采用第一类数据釆集方式，车辆既可由经常关注研究目标﹙在这方面有经验﹚的专业驾驶员驾驶，但也可由一个普通驾驶员来驾驶。 ㈤ .汽车行驶工况数据的获取

1. 数据的设置——在国外许多行驶工况的研究工作在规划采集数据的类别时，为了同时满足多种用途，通常设置大量的采集参数，如车速、发动机转速、发动机油温和水温、行驶时间、行驶里程、道路坡度、节气门位置、燃油消耗量、环境温度、电气系统的能耗以及制动装置的使用情况等，甚至包括对雨刮器、照明灯、后窗加热器、空调和发动机风扇等的使用或操作。但对于开发一个具体的车辆行驶工况而言，以上这些参数并非每个都是必需的，过分的追求细节，在以统计特征为原则的行驶工况开发过程中并无具休意义。但从行驶工况的开发过程和表现结果来看，必须记录车速、发动机转速、燃油消耗量

及与燃油消耗量有关的参数﹙空调、道路坡度﹚。

2.脉冲数选择和采样间隔的设定——通常为了获得更加接近实际的数据，研究者希望尽可能利用车辆自身的传感器，而常用的外部高精度传感器如微波型和光电型等，因受雨、雪天气影响很可能不能正常工作。速度信号﹙提取ABS、TCS等﹚的脉冲数一般分别为，车轮每转一周脉冲信号数为6个、24个、48个，甚至于更高。如果从行驶工况构成参数比例分布一致性出发，建议尽可能采用多的脉冲信号数﹙48个/周以上﹚来获取实际行驶工况的数据。车载设备数据记录仪的采样频率﹙一般为5Hz、2Hz、1Hz﹚也是很重要的因素。时间间隔越长，数据波动越小；但是使用过大的采样间隔时间将会平滑掉较丈的加速度值，也将低估了低速所占有的比例。由于较大的加速度值对车辆的设计和评价有较大的影响，因此需要避免出现这种误差。根据当前车辆的传感器﹙速度传感器﹚配置情况，建议采用2Hz﹙0.5s﹚的采样频率。

3.数据量的确定——国内行驶工况调查的相关研究也不少，但结果之间的差异较大，究其原因，一方面是交通流的调查不科学，规划的试验路线不具有代表性。另一方面是，采集的原始数据量有差异﹙不完全﹚，采集的数据量与量终导出﹙计算出﹚的结果的准确性有如图1—11所示的关系。从理论上讲，采集的数据越多，结果越是准确。但是当采集的数据量达到一定值n后，即使再增加数据量，它的准确性也不关有很大的提高。同时由于客观条件的限制，采集的数据量也是一定的。在条件许可的情况下，应该尽量多采集数据，当获得海量

的数据时，又需要采用高级的统计方法和手段加以分析和整理。

图1—11所示

4. 数据的分析与整理——数据分析与整理主要有两种方法，一种方法是把整个行驶过程作为连续事实和现象用统计的方法来解析，在构建﹙计划﹚行驶工况之前要根据试验区域范围人为地划分行驶工况的等级，并人为地的合成﹙编集﹚。另处一种则是从道路交通状况入手，通过对构建﹙计划﹚整个行驶过程的各个运动学片段﹙一个段落一个段落为运动学片段﹚的研究和归类，然后构建﹙计划﹚行驶工况，这一方法是目前国外使用最新的研究方向。当车辆从起步出发到目的地停车，车辆会受到道路交通的个种情况的影响，这其间会经过多次起步、停车操作。将车辆从一个怠速开始到下一个怠速开始的运动定义为运动学片段﹙以下简称片段﹚，如图1—12所示，使整个行程就可以视为各种各样的片段组合。其中某些片段反映的交通状况可能会是一致的。随然在不同的时间、地点和道路类型也可能会出现相同的片段，有时候繁忙的高速公路上的片段和拥挤的城市道路上的片段相似。将这些片段类型和交通状况联系起来，有针对性地分析苻合

低速、中速和高速运动形态，并在此基础上构建行驶工况。

图1—12所示

把车速作为曲线时间的函数来分析，这一曲线的特征参数也可作为交通状况的函数。从原始数据中连续地分割运动学片段，并对这些片段的特征参数如特续时间、片段长度﹙道路﹚、速度、加速度等进行主要成分得的分析。在此基础上，采用聚﹙聚合﹚类分折手段再对片段进行分类，获得与交通状况相对应的类别后再作整合；最后利用概率构造出合适的时间长度，以代表适中的行驶工况。对短行程特征的分析主要从以下几个方面考虑，短行程长度，怠速时间、短行程持续时间、平均速度、运行速度﹙不包括怠速时间的平均速度﹚、最大速度以及速度和加速度的标准偏差等。

5. 行驶工况的解折与合成——由于采集的数据量庞大，统计分析非常繁杂，比如主成分分析和聚类分析方法都涉及多维矩阵﹙一种利用机算机运算的公式﹚的计算，因此数据的分析处理以及行驶工况的构建都需要利用机算机来完成。开发的工具﹙软件﹚包括：用于统计、比较运动学特征的工具﹙软件﹚；随机再现速度和加速度联合分布、行驶工况的连续性等观测分析工具﹙软件﹚；主成分分析工具﹙软件﹚；聚类分析工具﹙软件﹚；概率分布评估工具﹙软件﹚。它们用于比较最终的行驶工况数据和原始数据之间的特征参数的分布规律；行驶工况的剪载工具﹙软件﹚，是用于修正和加权行驶工况数据并能够实现可视化的处理；车辆行驶工况趋势评估工具﹙软件﹚，是能够