基于优化马尔可夫链的区域重型车辆驾驶循环开发

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》:Development of regional heavy-duty vehicle driving cycles based on optimized Markova chain

【字体: 大 中 小 】 时间:2026年08月28日 来源:TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT 8.7

编辑推荐:

   ## 摘要 驾驶工况对于车辆能耗与排放标准至关重要,但标准工况往往忽略了区域差异。本研究提出了一种新颖的框架,通过优化马尔可夫链构建重型商用车的代表性驾驶工况,该方法结合混合多群体遗传算法和小波阈值去噪(hMPGA-WTD)。该方法包括:(1) 对127万个车载远程数据点进

  

## 摘要

驾驶工况对于车辆能耗与排放标准至关重要,但标准工况往往忽略了区域差异。本研究提出了一种新颖的框架,通过优化马尔可夫链构建重型商用车的代表性驾驶工况,该方法结合混合多群体遗传算法和小波阈值去噪(hMPGA-WTD)。该方法包括:(1) 对127万个车载远程数据点进行谱聚类以识别运营场景;(2) 利用二维马尔可夫链生成特定场景的工况;(3) 利用hMPGA-WTD增强驾驶工况保真度,以减少特征失真。该方法在关键参数上实现了4.61%的平均相对误差,速度标准差误差低于1%。相比微行程拼接法和传统马尔可夫方法,该方法表现更优。在相同载荷条件下,通过实际道路和底盘测功机测试验证燃油消耗,偏差为4.26%,优于CHTC-TT工况下的7.71%。该框架为效率评估和标准制定提供了可靠基础。

## 引言

温室气体(GHG)排放过度已成为一个紧迫问题(Hassan等,2025,Ndayambaje等,2025,Ren等,2023)。为有效应对这一问题,各国纷纷出台了减少温室气体排放的政策。例如,中国承诺在2030年前实现"碳达峰",在2060年前实现"碳中和"。要实现这些目标,需要在2030年前将单位GDP的二氧化碳排放量减少65%,并将非化石能源占一次能源消费比重提高至25%(Shijin等,2021)。交通运输部门约占中国总能耗的10%。汽车和物流行业的不断扩张推动了车辆保有量的持续增长。尽管重型商用车在车辆总数中占比较小,但它们对污染物排放和燃油消耗的贡献却不成比例(中华人民共和国生态环境部,2024)。优化动力总成配置已被证明是改善重型商用车燃油经济性、减少污染物排放的有效途径(Yang等,2024)。然而,此类研究的结果和结论在很大程度上取决于所使用的驾驶工况,许多工况未能准确反映实际道路条件(Holmes等,2026,Boruah等,2025)。Thiruvengadam等(2020)指出,在重型柴油发动机的台架试验中,仅基于稳态条件构建的燃油消耗MAP与纳入瞬态过渡条件的MAP相比,在瞬态工况(如FTP)下的燃油消耗预测误差存在显著差异。这表明实际车辆驾驶条件——尤其是加速和减速等瞬态过程——会对燃油消耗和排放评估结果产生重大影响(Thiruvengadam等,2020)。因此,开发能够反映实际道路条件的代表性驾驶工况已成为关键研究焦点,近期备受关注(Niccolai等,2026,Agudelo等,2016)。

全球范围内,四种标准驾驶工况较为普遍:欧洲的新欧洲驾驶循环(NEDC)、美国用于底盘测试的联邦测试规程(FTP)和城市底盘测试规程(UDDS)、日本的JC08工况,以及联合国欧洲经济委员会的全球轻型车测试规程(WLTP)(Han等,2012,Hu等,2021,Pavlovic等,2018,Tanishita和Kobayashi,2021)。为反映中国商用车的实际道路驾驶条件,中国还建立了中国重型商用车辆测试工况(CHTC)作为标准化驾驶工况。该标准根据车辆的运营场景、载荷类型和动力总成规格,包含六种工况(例如牵引车使用CHTC-TT,物流车使用CHTC-LT)(中国国家标准化管理委员会,2019)。然而,该标准驾驶工况仅捕捉了典型道路运营的一般特征,未能考虑区域或路线特异性差异,可能导致性能评估出现偏差,削弱车辆节能策略的有效性。Yang等(2026)指出,当前标准工况CHTC-TT与重构驾驶工况相比,低估了实际驾驶强度超过30%(Yang等,2026)。Kazan等(2023)强调,基于便携式排放测量系统(PEMS)的实测数据表现出路线依赖性差异,且由于载荷条件不同,与底盘测功机结果直接比较非常困难。这一发现凸显了需要制定区域特异性驾驶工况以更好地代表当地驾驶行为的必要性(Kazan等,2023)。根据车辆配置和运营场景的特点,汽车制造商正在开发专有驾驶工况数据库以支持车辆设计。与此同时,研究人员则专注于生成代表性驾驶工况。

构建这些工况的主要方法包括微行程拼接法和马尔可夫链构建法。微行程拼接法本质上涉及识别微行程组合,使其在持续时间等方面尽可能接近原始数据特征。马尔可夫链构建涉及将速度、加速度等连续参数离散化,从实际数据计算状态转移概率,构建状态转移矩阵,然后利用转移矩阵进行蒙特卡洛随机游走,生成连续的速度-时间序列。两种方法均旨在生成能保留实际驾驶数据关键统计特征的代表性驾驶工况(如平均速度、怠速比例、加速度分布)。

早期的微行程驾驶工况生成方法主要依赖对标准测试工况中路段的重新组合。Perhinschi等(2011)提出了一种进化算法,从12个标准工况中提取微行程,并使用遗传操作(选择、交叉、变异)组合这些微行程,从而生成具有指定参数(如平均速度、每英里停车次数等)的新工况(Perhinschi等,2011);Zhou(2023)采用微行程拼接法开发了重卡实际道路驾驶工况曲线,利用K-means聚类将原始数据分为三类:拥堵、城郊和高速公路条件,然后在每类中选择与原始数据高度相关的微行程段进行拼接,直至满足时间要求(Zhou,2023)。Qiu等(2022)利用遗传算法增强了微行程拼接法中的出行段选择,并通过谱聚类提高算法效率和驾驶工况的代表性。ADVISOR仿真表明,所提出的驾驶工况的燃油消耗精度优于NEDC等标准工况,每百公里相对误差为2.4%(Qiu等,2022)。Chen等(2019)设计了驾驶工况的双层优化方法,第一层利用遗传算法确定不同数量微行程的最优组合,第二层基于速度-加速度分布概率和平均能耗确定最优驾驶工况(Chen等,2019)。Zhang等(2021)提出了一种基于决策树回归的多指标加权方法,从实际数据中选择最具代表性的完整日行程作为代表性驾驶工况,在工况构建过程中考虑了发动机功率、扭矩和燃油消耗等信息,从而避免了传统微行程拼接导致的功率不连续问题。然而,由于该方法依赖于提取未经修改的完整日行程,生成的驾驶工况时长严格受限于原始运营数据(通常持续8至24小时;例如其长途工况持续近24小时)。由于标准化测试工况通常要求高度压缩且时间受限的时长(如约30分钟)以确保测试可行性和控制实验成本,这种时长可控性不足使得此类工况难以直接应用于标准化实验室底盘测功机测试或认证流程(Zhang等,2021)。

与微行程拼接法相比,马尔可夫链方法在驾驶工况合成方面具有更优越的灵活性,能够最大化数据利用效率,并更好地保留实际驾驶行为中固有的时间依赖性。Leonard等(2023)开发了基于重型商用车实际PAMS数据的马尔可夫链驾驶工况生成工具,并成功生成了三种新的底盘测功机工况,分别适用于校车、配送卡车和货物周转卡车。这证明了基于马尔可夫链的方法在开发重型商用车代表性驾驶工况方面的可行性和有效性(Leonard等,2023)。此外,Pradhan等(2016)更早地提出了一种基于模态的随机方法,利用马尔可夫链和K-means聚类开发高代表性的、路线特异性(如路边拾取和运输)的重型垃圾车驾驶工况,凸显了该方法在专用车辆应用中的强大能力(Pradhan等,2016)。Liu等(2025)应用聚类-马尔可夫方法构建了重型柴油发动机的代表性瞬态工况,其实验结果表明标准WHTC严重低估了实际道路排放,在重构工况下NOx和颗粒数量(PN)分别激增36.69%和78.73%(Liu等,2025)。Fan(2024)利用遗传算法优化的马尔可夫链方法开发了商用物流车辆的代表性驾驶工况,与原始数据相比,所构建的驾驶工况在平均速度方面的偏差仅为1.33%,平均行驶速度偏差为5.47%(Fan,2024)。Boruah等(2026)采用基于混合遗传算法的方法构建了定制化驾驶工况,准确反映了印度两个城市的真实混合交通条件(Boruah等,2026)。Liu(2023)通过核密度估计(KDE)方法将离散状态转换为概率密度函数,提供了更精确的车辆速度转移表示,尽管精度较高,但计算过程需求较大(Liu,2023)。Tong等(2024)设计了双层状态转移矩阵,有效解决了因状态数量过多导致的维度爆炸问题(Tong等,2024)。Xu等(2025)针对相同测试条件可能导致的作弊风险,将马尔可夫链方法与基于车辆纵向动力学激励机制相结合,开发了等效能效的驾驶工况构建方法(Xu等,2025)。Cui等(2021、2022)分别采用了模拟退火(SA)和最大-最小蚁群优化(MMACO)算法来优化马尔可夫链中的离散状态转移,从而构建与原始数据高度吻合的驾驶工况(Cui等,2021,Cui等,2022)。

由于马尔可夫链方法的状态转移机制,研究人员还使用多维状态向量作为基础框架来扩展状态维度,综合考虑速度之外的加速度、道路坡度和换挡等因素合成驾驶工况。Gao(2022)采用该方法构建了包含速度、加速度和道路坡度的三维状态转移矩阵(Gao,2022)。Jia等(2021)改进了包含道路坡度的三维马尔可夫链方法,并引入集成速度与坡度匹配的二维马尔可夫链方法构建包含道路坡度的代表性驾驶工况(Jia等,2021)。Yasami等(2026)采用强化学习算法构建代表性驾驶工况,通过开发物理信息期望SARSA与蒙特卡洛(PIESMC)方法,将学习过程限制在可行的状态转移范围内,优化了包含速度、加速度和道路坡度的3D驾驶工况生成。采用该方法后,所构建驾驶工况的累积运动学片段误差相比传统微行程方法和马尔可夫链方法分别降低了83.9%和61.9%,同时计算时间减少超过30倍(Yasami等,2026)。Li等(2026)采用与自适应红皇后遗传算法(ACGA)结合的马尔可夫链构建包含坡度的驾驶工况,通过开发包含道路坡度的二维状态转移模型,并改进传统遗传算法引入片段变异和自适应搜索机制,有效优化了工况生成过程。采用该方法后,所构建工况的燃油消耗偏差相比传统马尔可夫链和马尔可夫链-遗传算法分别降低了71.5%和59.4%,同时计算时间减少高达65.4%(Li等,2026)。越来越多的学者正将人工智能算法应用于重型商用车领域,例如利用机器学习构建这些车辆的驾驶工况(Katreddi等,2022,Jia等,2021)。Zhao等(2024)采用机器学习算法对典型驾驶工况进行建模,通过设计损失函数,利用自编码器对马尔可夫链方法构建的基线驾驶工况进行优化。

经过优化后,驾驶工况特征参数与完整数据集之间的平均误差从13.6%降至6.1%(Zhao et al., 2024)。目前,大多数研究主要通过特征参数对比法来验证驾驶工况的准确性。该方法通过量化合成工况与原始数据之间在特征参数(如速度分布、加速度分布等)上的差异来评估所构建驾驶工况的代表性。差异越小,表明代表性越强。然而,该方法缺乏基于能耗对所构建驾驶工况的评估,无法从能耗角度评估其有效性。仅有少数研究纳入了燃油消耗率这一关键指标,且大多仅依赖仿真模型来验证驾驶工况燃油消耗与实际消耗之间的差异(Qiu et al., 2022, Wang et al., 2015, Wang and Rakha, 2017)。由于仿真或数学模型无法完全捕捉实际驾驶条件,该方法会导致燃油消耗估计出现偏差。底盘测功机是评估驾驶工况下车辆燃油消耗和排放性能的有效方法(Chen et al., 2018)。其主要优势在于能够准确验证给定驾驶工况在实际驾驶中的可执行性(Fotouhi and Montazeri-Gh, 2013, Zhu et al., 2022),并考察速度和加速度的波动特性,从而评估驾驶员对目标工况的跟踪能力。尽管底盘测功机具有实用性,但很少有研究利用其验证所构建驾驶工况的实际燃油消耗。Xu et al. (2026) 提出了一种基于马尔可夫的双滤波器框架来生成可比的随机驾驶工况,在底盘测功机测试中,生成工况与真实数据之间的最大能耗偏差降至2.144%(Xu et al., 2026)。然而,对马尔可夫链方法的深入分析揭示了其在驾驶工况构建过程中的固有局限性。具体而言,在后续状态选择中依赖蒙特卡洛随机游走策略往往会向生成的曲线中引入高频噪声波动。此类噪声不仅会降低特征参数对比的准确性,削弱对原始数据特征的真实表征能力,还可能对实际底盘测功机测试中的工况跟踪性能产生不利影响。为应对所生成驾驶工况中高频噪声以及缺乏对其真实世界代表性的充分验证这两个挑战,本研究基于重型拖拉机远程监控数据,利用马尔可夫链方法开发基线驾驶工况,并提出了一种优化框架进行改进。本研究设计了一套实验方案,通过底盘测功机测试全面验证所构建驾驶工况的跟踪性能和燃油消耗特性。本研究包含四个主要部分:数据处理模块、基本驾驶工况构建模块、优化框架开发模块和实车测试模块。总体方法流程如图1所示。本研究的贡献如下:(1)提出了一种结合WTD和MPGA的集成优化框架,以减轻噪声引起的特征参数畸变并提高对原始数据特征的保真度;(2)设计了涉及道路数据采集和底盘测功机验证的实车实验,以评估所提方法在燃油消耗预测方面的准确性和在工况跟踪方面的可行性。章节摘要

数据描述与预处理

利用车载诊断(OBD)系统,以1 Hz采样频率采集了六台目标型号重型拖拉机在天津至浙江往返运输路线上的驾驶数据,详细的车辆参数见表1。为捕捉驾驶条件的多样性,从该地区的六条运输路线采集数据,累计获得129万条有效数据记录、358.7小时总运行时间和15,367.35公里的里程。

特征降维与驾驶场景分类

高维特征参数能有效捕捉微观行程信息,但也会显著增加聚类的计算复杂度。此外,特征之间潜在的关联性可能导致冗余,降低聚类准确性。为缓解这一问题,本研究采用主成分分析(PCA)对特征集进行降维,简化数据结构,提高聚类效率并提升准确性。使用谱聚类进行……

降维与聚类结果分析

第2.3节所述的PCA对表2中列出的16个特征参数进行了降维。图10展示了这些特征之间的皮尔逊相关系数,揭示了某些原始特征之间存在强相关性。PCA将这些冗余特征转换为更少但更具代表性的主成分。在降维过程中,累积贡献率表示主成分保留原始特征信息的程度。主要……

结论

为解决统一标准试验工况无法捕捉区域差异的局限性,本研究提出了一种整合谱聚类与混合优化算法(hMPGA-WTD)的新框架,用于构建高代表性的区域驾驶工况。基于天津-浙江货运走廊上重型拖拉机运营的127万条远程监控数据点,所提方法显著提高了基于马尔可夫链的工况保真度。验证

作者贡献声明(CRediT)

沈逸韬:写作——审阅与编辑。管鹏:写作——原稿撰写、可视化、验证、数据管理。任硕瑾:写作——审阅与编辑、数据管理。王泽宇:写作——审阅与编辑。陈森:写作——审阅与编辑。马潇:写作——审阅与编辑。赵建付:写作——审阅与编辑。帅世金:写作——审阅与编辑。

利益冲突声明

作者声明,不存在可能影响本文所述工作的已知财务利益冲突或个人关系。

致谢

本工作得到上海交通大学生物质与生物医学工程教育部重点实验室基金资助[项目编号:202301]。

沈逸韬|管鹏|任硕瑾|王泽宇|陈森|马潇|赵建付|帅世金

哈尔滨工业大学(威海)汽车工程学院,山东威海 264209,中国
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号