一种构造典型行驶工况的k-MPSO聚类算法

典型路谱能够反映特定城市道路交通实际的运行状况，可以为研究混合动力汽车的控制策略提供参考，对节能减排具有重要意义。首先对粒子群算法进行改进,选用四个典型函数，分别采用PSO, AFSA, SPSO, CPSO 和 MPSO算法进行寻优对比。然后用MPSO算法对K-means算法进行优化，并将其与K-means算法进行对比。采用自主行驶法实车获得济南市乘用车路谱数据，选用19个特征参数对数据进行描述，运用主成分分析法将数据降维，经过数据处理利用改进后的聚类算法将路谱片段聚为三类，最终合成济南市典型乘用车路谱。

搜集汇总

背景与挑战

背景概述

该数据集提出了一种基于改进粒子群算法（k-MPSO）的聚类方法，用于构建典型行驶工况。该方法通过实车采集济南市乘用车路谱数据，经主成分分析降维后，利用优化算法合成反映实际交通状况的典型路谱，旨在为混合动力汽车控制策略研究和节能减排提供参考。