2025-06-30 16:59:00
这视频讲透了如何用聚类分析构建典型行驶工况，还结合驾驶风格识别，方法实用又系统，对能耗优化控制研究帮助很大
能耗优化控制 | [3-2] [工况/风格识别] 聚类
zeroismos
AI为你总结
全文概述
本文介绍了能耗优化控制中的行驶工况与驾驶风格识别方法，通过聚类分析提取典型工况，并基于这些工况构建了综合驾驶风格识别模型。该模型结合AHP层次分析法，提高了驾驶风格辨识的准确性和稳定性。
行驶工况识别
首先对车辆行驶数据进行主成分分析降维，然后根据城市工况特征将数据聚类为4类：低速、中速和高速状态。每类工况通过随机挑选片段拼接成一个长循环工况，确保其速度与加速度区间分布概率误差在10%以内。
驾驶风格分类
根据油门踏板深度变化率等特征参数，将驾驶风格分为保守、传统和激进三类。采用聚类算法计算样本与质心距离，确定样本归属类别。结合AHP层次分析法，建立了综合驾驶风格识别模型，提升了辨识结果的鲁棒性。
典型工况构建
从采集到的原车数据中选择离质心最近的样本进行拼接，得到典型工况。例如，BEIJING-堵塞、正常、畅通和综合四类工况分别反映了不同交通状况下的行驶特征。最终构建的一个长循环工况可用于后续能量管理策略的设计。
综合驾驶风格模型
该模型不仅考虑单次识别的准确性，还通过滚动数据计算并累计得分，增强了辨识结果的稳定性。实际应用中，可通过连续时间判断、上下电存储数据等方式进一步优化驾驶风格的辨识效果。
0评论
当前文章无评论，是时候发表评论了
提示信息
取消
确认
评论举报
已收藏
去我的收藏夹