详情

原文传递基于驾驶风格及线路地理特征的卡车行驶工况构建研究

论文题名：	基于驾驶风格及线路地理特征的卡车行驶工况构建研究
关键词：	卡车行驶工况;驾驶风格;行驶线路;地理特征
摘要：	2018年国民经济和社会发展统计公报显示[1]，1368.62万辆卡车承担了中国货运总量的76.8%，卡车耗油占汽车石油消耗总量的49.2%。在卡车实际运行过程中面临两个现实的难题，一是车-路匹配难，二是人-车匹配难。因此，需要针对驾驶员及行驶线路开发代表性更高的行驶工况曲线作为人-车-路协同匹配的支撑。传统工况构建方法主要考虑交通特征对于车速的影响而不考虑车辆、驾驶员、线路特征的差别，但是实际工况会受到交通流、道路结构及司机的影响，不确定性较大。为了使得构建的工况曲线的油耗更接近实际情况，本文提出了一种基于驾驶风格及线路地理特征的卡车行驶工况构建方法。　　首先，针对卡车行驶工况受驾驶员操作影响大的问题，提出了对不同行驶工况类别分别进行司机驾驶风格辨识的方法。根据对行驶线路数据的分析确定卡车主要行驶区域在高速及城郊，分别提取重型卡车行驶在高速及城郊工况下的特征参数。使用因子分析法对特征参数进行降维，并利用k-means聚类的方法将驾驶风格分为三类，建立了体现驾驶风格的线路行驶数据库。　　然后，针对卡车行驶工况受道路特征影响大的问题，提出了对高速及城郊的行驶数据分别进行车速、加速度、坡度三参数状态划分的方法，验证了行驶工况的马尔科夫性，计算了不同驾驶风格及工况类型下各状态间的转移概率，建立了体现驾驶风格及地理特征的状态转移概率矩阵。针对马尔科夫随机过程合成效率低的问题，提出了基于马尔科夫链设计多种群遗传算法优化工况构建过程的方法，通过马尔科夫随机过程完成初始种群的构建，根据工况特征参数设计适应度函数，根据状态转移概率矩阵重新设计各算子。根据线路的工况类型序列分段合成工况曲线，最终连接形成整条线路的行驶工况曲线，对比了基于多种群遗传算法及基于遗传算法的工况构建过程，得出基于多种群遗传算法可以有效避免早熟问题；对比了使用多种群遗传算法和马尔科夫随机方法的运行效率，两种方法的运行时长分别为2.69h、21.3h，多种群遗传算法合成行驶工况的运行效率提升了7.9倍。　　最后，从特征参数偏差方面验证了线路代表工况的合理性，不同驾驶风格的合成工况的最高车速、平均车速、车速标准差及加减速度的平均值相对偏差均低于5%。不同驾驶风格合成工况的加减匀怠占比绝对偏差最大分别为1.06%、1.18%、0.99%。道路坡度相关特征参数的相对偏差低于10%。不同驾驶风格合成工况的速度-加速度的联合分布误差分别为：1.99%、1.06%、2.97%；油耗偏差分别为：0.12%、0.46%、1.04%。从人-车-路的匹配优化方面验证了行驶工况的有效性。将三种驾驶风格下的工况曲线输入五种车型的孪生模型，得到的油耗与实际行驶数据的油耗偏差均低于2%。根据燃油经济性指标得出温和型驾驶员驾驶车型B为最佳组合的结论，通过实验数据验证了此方法的有效性。
作者：	高洁
专业：	动力工程
导师：	赵华;张岩
授予学位：	硕士
授予学位单位：	天津大学
学位年度：	2022