Resumen

El ciclo de conducción es una curva velocidad-tiempo, una técnica fundamental en la industria del automóvil y también una base para establecer normas de consumo de combustible y emisiones de los vehículos. El ciclo de conducción se elabora a partir de datos de primera mano recogidos en el trabajo de campo. En primer lugar, se preprocesan los datos erróneos del conjunto de datos original, se utiliza el algoritmo de suavizado estándar de series temporales para suavizar los datos y la interpolación de Lagrange para realizar la interpolación de datos. A continuación, se establecen las reglas de extracción de fragmentos cinemáticos para dividir los datos en fragmentos cinemáticos. Por último, se crea un sistema de evaluación de los parámetros de las características de los fragmentos cinemáticos. Sobre esta base, se utiliza el método de agrupación K-means para agrupar los datos reducidos dimensionalmente, y se emplea el algoritmo de optimización adaptativa por mutación de enjambre de partículas (AMPSO) para seleccionar los fragmentos óptimos de entre los fragmentos candidatos para desarrollar un ciclo de conducción. El resultado del experimento muestra que el ciclo de conducción desarrollado puede representar las características cinemáticas del coche del experimento y proporciona una base para el desarrollo de un ciclo de conducción para Fuzhou.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:ciclo de conducción, datos, base, optimización por enjambre de partículas con mutación adaptativa, parámetros de características de fragmentos cinemáticos, extracción de fragmentos cinemáticos, algoritmo de suavizado estándar, industria del automóvil, datos erróneos, fragmentos candidatos
• Keywords:driving cycle, data, basis, adaptive mutation particle swarm optimization, kinematic fragment feature parameters, kinematic fragment extraction, standard smoothing algorithm, automotive industry, bad data, candidate fragments