(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210864286.2 (22)申请日 2022.07.21 (71)申请人 合众新能源 汽车有限公司 地址 314500 浙江省嘉兴 市桐乡市梧桐街 道同仁路98 8号 (72)发明人 刘子谭　籍庆辉　叶冬　杜瑶　 任晋锋　 (74)专利代理 机构 北京中原华和知识产权代理 有限责任公司 1 1019 专利代理师 寿宁　张琳 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06F 111/08(2020.01)G06F 111/10(2020.01) (54)发明名称 基于优化算法的行驶工况构建方法、 装置及 相关设备 (57)摘要 本发明公开了一种基于优化算法的行驶工 况构建方法、 装置及相关设备。 方法包括采集车 辆行驶数据， 并基于车辆行驶数据划分多个运动 学片段及选取用于表征多个运动学片段的多个 特征参数； 基于主成分分析法对多个特征参数进 行降维， 获得多个主成分， 降维用于消除特征参 数之间的相关性， 多个主成分用于表征多个运动 学片段对应的交通状况和驾驶行为； 基于改进的 K均值聚类算法对多个主成分进行聚类， 并基于 聚类结果将多个运动学片段划分多个工况类型； 基于多个工况类型， 计算每个工况类型对应的运 动学片段数量和运动学片段目标长度； 根据运动 学片段数量和运动学片段目标长度生成每类候 选行驶工 况； 对每类候选行驶工况进行筛选和拼 接， 生成目标行驶工况。 权利要求书4页 说明书15页 附图4页 CN 115146478 A 2022.10.04 CN 115146478 A 1.一种基于优化 算法的行驶工况构建方法， 其特 征在于， 包括： 采集车辆行驶数据， 并基于所述车辆行驶数据划分多个运动学片段及选取用于表征所 述多个运动学片段的多个特 征参数； 基于主成分分析法对所述多个特征参数进行降维， 获得多个主成分， 所述降维用于消 除所述特征参数之 间的相关性， 所述多个主成分用于表征所述多个运动学片段对应的交通 状况和驾驶行为； 基于改进的K均值聚类算法对所述多个主成分进行聚类， 并基于聚类结果将所述多个 运动学片段划分多个工况类型； 基于所述多个工况类型， 计算每个工况类型对应的运动学片段数量和运动学片段目标 长度； 根据所述 运动学片段 数量和运动学片段目标长度生成每 类候选行驶工况； 对所述每 类候选行驶工况进行筛 选和拼接， 生成目标 行驶工况。 2.根据权利要求1所述的方法， 其特征在于， 对所述车辆行驶数据进行预处理后， 对预 处理后的所述车辆行驶数据进行运动学片段划分及选取用于所述描述运动学片段 的特征 参数。 3.根据权利要求1所述的方法， 其特征在于， 所述特征参数包括最大加速度、 最大减速 度、 平均加速度、 平均减速度、 加速度标准差、 速度标准差、 平均运行车速、 最高车速、 平均车 速、 减速时间、 加速时间、 怠速时间、 巡航时间、 片段长度和行驶距离中的一个或多个。 4.根据权利要求2所述的方法， 其特征在于， 所述基于改进的K均值聚类算法对所述多 个主成分进行聚类， 包括： 基于所述主成分， 将所述预处 理后的车辆行驶数据平均划分多个子集； 以样本点密度为优化目标， 分别计算所述多个子集的全局最优解， 并将所述多个子集 的全局最优解作为初始聚类中心。 5.根据权利要求4所述的方法， 其特征在于， 所述以样本点密度为优化目标， 分别计算 所述多个子集的全局最优解， 并将所述多个子集的全局最优解作为初始聚类中心包括： 向每个所述子集随机投放 N个粒子； 根据 初始化粒子i位置 矢量的第d维分量， 其中， 表示空间内第d维分量最大边界值， 表示空间内第d维分量 最小边界值， rand()表示介于(0， 1)之间的随机数； 根据 和 计算每个所述子集中粒子i的个体和全局最优解， 表示每个子集中粒 子i的个体最优解， 表示 点对应值较小的坐标， gt表示 每个子集中粒子i的全局最优解， 表示 点的对应值； 根 据 和权　利　要　求　书 1/4 页 2 CN 115146478 A 2更新每个所述子集中粒子i的速度与位置， 其中， c1、 c2表示加速常 数， ω表示惯性权重， 表示粒子i在t+1次迭代中 的速度， 表示粒子i在t次迭代中 的速度， 表示粒子i在t次迭代中的位置， 表示粒子i在t+1次迭代中的位置； 基于更新的次数， 确定每个所述子集的全局最优解， 并将每个所述子集的全局最优解 作为初始聚类中心。 6.根据权利要求1所述的方法， 其特征在于， 所述工况类型包括低速类、 中速类和高速 类。 7.根据权利要求6所述的方法， 其特征在于， 所述基于所述多个工况类型， 计算每个工 况类型对应的运动学片段 数量和运动学片段目标长度包括： 确定每个所述工况类型的占比； 根据每个所述工况类型的占比， 计算每个所述工况类型对应的运动学片段数量和运动 学片段目标长度。 8.根据权利要求7 所述的方法， 其特 征在于， 根据 确定每个所述工况类型的占 比， 其中， Tl表示行驶工况中低速类时长， Tlsege表示低速类的运动学片段长度， Tsege表示总 运动学片 段长度， Tm表示行驶工况中中速类时长， Tmsege表示中速类的运动学片 段长度， Th表 示行驶工况 中高速类时长， Thsege表示高速类的运动学片 段长度， Tcycle表示计划生成的行驶 工况长度。 9.根据权利要求8所述的方法， 其特征在于， 所述计算每个工况类型对应的运动学片段 数量和运动学片段目标长度， 包括： 根据 和Ni＝Nst+1， 分别计算每个工况类型对 应的所述运动学片段 数量和怠速片段个数， 其中， Nst表示每个工况类型对应的所述运动学片段数量， Tp表示第P 个运动学片段的长度， Ti,ave表示平均怠 速长度， Tst,ave表示所述运动学片段的平均长度， Ni 表示怠速片段个数； 根据 分别计算 每个工况类型对 应的所述运动学片段目标长度， 其中， Ttarget,j表示对应类第j个运动学片段 的预设长度， Tsege表示总运动学片段长度， fti表示所述 运动学片段的长度频率， 其中， 根据 计算所述运动学片段的长度频 率， 其中， Nwhole表示每个工况类型对应的所述运动学片段长度的总和， ΔT表示所述运动学 片段的长度增量， Nsege表示每个工况类型对应的满足长度条件的运动学片段的个数。 10.根据权利要求1所述的方法， 其特征在于， 所述根据所述运动学片段数量和运动学 片段目标长度生成每类候选行驶工况基于所述运动学片段数量和 运动学片段目标长度与权　利　要　求　书 2/4 页 3 CN 115146478 A 3