Los puntos clave no están disponibles para este artículo en este momento.
Los ciclos de conducción precisos son clave para evaluar eficazmente el rendimiento de los vehículos eléctricos. El algoritmo K-means se utiliza ampliamente para construir ciclos de conducción; sin embargo, este algoritmo es sensible a los valores atípicos y determinar el valor de K es difícil. En este artículo, se propone un nuevo método de construcción de ciclos de conducción basado en análisis de componentes principales y agrupamiento jerárquico. Se recopilaron datos de vehículos en carretera, se eliminaron ruidos y se dividieron en datos de microtrips de vehículos. Se extrajeron los valores propios de los microtrips, y sus dimensiones se redujeron a través del análisis de componentes principales. Luego se realizó un agrupamiento jerárquico para clasificar los microtrips, y se seleccionó aleatoriamente un conjunto representativo de microtrips para construir el ciclo de conducción. El ciclo de conducción construido fue verificado y comparado con un ciclo de conducción construido utilizando agrupamiento K-means y el Nuevo Ciclo de Conducción Europeo. El error promedio relativo del valor propio, la tasa de distribución de diferencia de probabilidad de aceleración de velocidad máxima, el error promedio del ciclo y el error simulado de consumo de energía relativa por 100 km entre el ciclo de conducción jerárquico y los datos reales de carretera fueron superiores a los del ciclo de conducción K-means, lo que indica la efectividad del método propuesto. Aunque la metodología propuesta en este artículo no ha sido verificada en otras regiones, proporciona un cierto valor de referencia para otras investigaciones sobre el desarrollo de ciclos de conducción.
Wang et al. (Jue,) estudiaron esta cuestión.