CN109960889A - 轨道交通工具线路典型速度-时间行驶工况构建方法 - Google Patents

Abstract

本发明涉及一种轨道交通工具线路典型速度‑时间行驶工况构建方法，通过选取合适的采样日期和采样天数采集给定线路的列车每日速度‑时间行驶工况，将第j个样本采集日(简称第j日)的每日速度‑时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)；将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据后，组成列车每日标准速度‑时间序列S_s(j)；将列车每日标准速度‑时间序列S_s(j)进行归一化处理，构建每日典型速度‑时间序列S_T(j)，整合所有采样日的每日典型速度‑时间序列S_T(j)，选取该条线路的典型速度‑时间行驶工况。本发明得到的典型线路速度‑时间工况可反映出城市轨道交通列车的线路行驶特性，为列车的性能分析提供工况参考。

Description

轨道交通工具线路典型速度-时间行驶工况构建方法

技术领域

本发明属于轨道交通线路工况简化技术领域，尤其涉及一种轨道交通工具线路典型速度-时间行驶工况构建方法。

背景技术

城市轨道交通中影响列车行驶能耗的因素主要是列车的行驶工况。列车在站间的速度曲线、列车重量等决定了列车在站间的牵引力大小，进而决定了城轨列车在站间的行驶能耗。但目前我国对汽车行驶工况构建与研究较多，而适用于轨道交通工具能耗分析的工况构建成果并不多见。因而亟需开展城轨线路的行驶数据分析，构建给定线路的典型速度-时间行驶工况。

发明内容

本发明在上述不足的基础上提供了一种轨道交通工具线路典型速度-时间行驶工况构建方法，采用该方法，能够将复杂的动态的线路速度-时间工况进行简化，构成由多个恒片段组成的线路典型工况，该方法可以反映出城市轨道交通列车的线路行驶特性，为每条线路城市轨道交通列车的性能分析提供工况参考。

为了实现上述目的，本发明提供了一种轨道交通工具线路典型速度-时间行驶工况构建方法，包括以下步骤：

选取给定线路的第j日的列车每日速度-时间行驶工况，将每日速度-时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)；

将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据，组成第j日的列车每日标准速度-时间序列S_s(j)；

将第j日的列车每日标准速度-时间序列S_s(j)进行归一化处理，构建第j日的每日典型速度-时间序列S_T(j)，整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况。

优选的，将第j日的每日速度-时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)的方法为：

将每日速度-时间序列S(j)求偏导得到加速度a的数据；选定|a|>0且速度v＝0为分隔点，将每日速度-时间序列S(j)划分为K个子片段S'(k,j)。

优选的，将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据，组成列车每日标准速度-时间序列S_s(j)的具体方法为：

将K个子片段S'(k,j)按照停车时间大小升序排列，确定列车停车时间范围，设定非正常停车时间t_x；

删除停车时间T大于非正常停车时间t_x的子片段S'(k,j)，剩余子片段S'(k,j)组成列车每日标准速度-时间序列S_s(j)。

优选的，将列车每日标准速度-时间序列S_s(j)中的子片段进行归一化处理，构建每日典型速度-时间序列S_T(j)，整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况的方法为：

求取每日标准速度-时间序列S_s(j)的总的特征值T_{tot_day}(i,j)及其各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}，其中i＝1,2,3,4,5,6,7,8分别对应停车时间/行驶时间、最大速度、平均速度、平均旅行速度、最大加速度、最大减速度、平均加速度和平均减速度；

根据：

计算各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}与标准速度-时间序列S_s(j)总特征值T_{tot_day}(i,j)的归一化偏差；

根据最大速度特征值与平均速度特征值判断列车行驶的周期性，选取每日标准速度-时间序列S_s(j)中最小周期性片段S_M(j)，确定每日标准速度-时间序列S_s(j)的循环周期M；

将最小周期性片段S_M(j)中的每个子片段S'(k,j)的特征值、偏差组成N×M的特征值-偏差矩阵，其中每日标准速度-时间序列S_s(j)包括N个最小周期性片段S_M(j)；

选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)后进行排序，然后选取特征值偏差σ_B(k,j)小于设定值B的子片段S'(k,j)组成每日典型速度-时间序列S_T(j)并计算其特征值T(i,j)_{typ_day}；

根据公式计算线路的特征值T_{tot_data}(i)，其中，L为总采样天数；

根据归一化偏差公式计算每日典型速度-时间序列S_T(j)的特征值T(i,j)_{typ_day}与线路的特征值T_{tot_data}(i)的偏差σ_day(j)；

选取σ_day(j)最小对应的每日典型速度-时间序列S_T(j)作为线路的典型速度-时间序列S_T’，即线路的典型速度-时间行驶工况。

优选的，选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)后进行排序的方法为：

选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)，然后将选取的M个子片段S'(k,j)按特征值偏差σ_B(i,j)的大小升序排列。

与现有技术相比，本发明的优点和积极效果在于：

本发明提出一种轨道交通工具线路典型速度-时间行驶工况构建方法,相比于现有针对电动汽车行驶工况的方法，本发明方法不依赖工况本身的特性,通过选取合适的采样日期和采样天数采集给定线路的列车每日速度-时间行驶工况，将每日速度-时间序列根据列车行驶的停靠行驶状态划分为多个子片段后按照停车时间排序，组成列车每日标准速度-时间序列，通过对将列车每日标准速度-时间序列的8个特征值进行归一化处理，构建每日典型速度-时间序列；整合所有采样日的每日典型速度-时间序列，选取该条线路的典型速度-时间行驶工况。本发明线路典型速度-时间行驶工况构建方法简单，能够将复杂的动态线路工况简化成多个恒片段组成的线路典型工况，同时线路典型工况的速度-时间累计概率分布与原线路工况累积概率分布基本一致，只需要确定非正常停车时间t_x和特征值偏差设定值B以及采样天数L的值，每个实际线路工况都可以得到唯一的简化线路典型工况形式。本发明得到的典型线路速度-时间工况反映出城市轨道交通列车的线路行驶特性，为每条线路城市轨道交通列车的性能分析提供工况参考，可以作为城市轨道交通列车能耗仿真/测试行驶工况，在该典型速度-时间工况基础上，对列车进行不同影响因素下能耗分析提供参考依据。

附图说明

图1为本发明的轨道交通工具线路典型速度-时间行驶工况构建方法示意图。

具体实施方式

以下，结合附图对本发明的具体实施方式进行进一步的描述。

本发明提供了一种轨道交通工具线路典型速度-时间行驶工况构建方法，参考图1所示，包括以下步骤：

①选取合适的采样日期和采样天数采集给定线路的列车每日速度-时间行驶工况，将第j个样本采集日(简称第j日)的列车每日速度-时间行驶工况，将每日速度-时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)。即：将每日速度-时间序列S(j)求偏导得到加速度a的数据；选定|a|>0且速度v＝0为分隔点，将每日速度-时间序列S(j)划分为K个子片段S'(k,j)。

②将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据，组成列车每日标准速度-时间序列S_s(j)。即：将K个子片段S'(k,j)按照停车时间大小升序排列，确定列车停车时间范围，设定非正常停车时间t_x；删除停车时间T大于非正常停车时间t_x的子片段S'(k,j)，剩余子片段S'(k,j)组成列车每日标准速度-时间序列S_s(j)。

③将列车每日标准速度-时间序列S_s(j)进行归一化处理，构建第j日的每日典型速度-时间序列S_T(j)；整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况。

具体的：

求取每日标准速度-时间序列S_s(j)的总的特征值T_{tot_day}(i,j)及其各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}；其中，i＝1,2,3,4,5,6,7,8分别对应停车时间/行驶时间、最大速度、平均速度、平均旅行速度、最大加速度、最大减速度、平均加速度和平均减速度。

根据：

计算各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}与标准速度-时间序列S_s(j)总特征值T_{tot_day}(i,j)的归一化偏差；

根据最大速度特征值与平均速度特征值判断列车行驶的周期性，选取每日标准速度-时间序列S_s(j)中最小周期性片段S_M(j)，确定每日标准速度-时间序列S_s(j)的循环周期M；

将最小周期性片段S_M(j)中的每个子片段S'(k,j)的特征值、偏差组成N×M的特征值-偏差矩阵，其中每日标准速度-时间序列S_s(j)包括N个最小周期性片段S_M(j)；

选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)，然后将选取的M个子片段S'(k,j)按特征值偏差σ_B(k,j)的大小升序排列，然后选取特征值偏差σ_B(k,j)小于设定值B的子片段S'(k,j)组成每日典型速度-时间序列S_T(j)并计算其特征值T(i,j)_{typ_day}；

根据公式计算线路的特征值T_{tot_data}(i)，其中，L为总采样天数；

根据归一化偏差公式计算每日典型速度-时间序列S_T(j)的特征值T(i,j)_{typ_day}与线路的特征值T_{tot_data}(i)的偏差σ_day(j)；

选取σ_day(j)最小对应的每日典型速度-时间序列S_T(j)作为线路的典型速度-时间序列S_T’，即线路的典型速度-时间工况。

由此，可以得到单条线路的典型速度-时间工况。同时，本发明的线路典型速度-时间行驶工况构建方法不局限于线路工况的构建，可扩展与某个地区的典型速度-时间工况分析，即选定地区内的所有线路的线路典型速度-时间工况后拼接成给定地区的线路初始速度-时间行驶工况，然后将地区初始速度-时间行驶工况的特征值与每条线路典型速度-时间行驶工况所包含的特征值进行归一化处理，从归一化偏差中选取特征值偏差小于设定值的线路片段，复接构成该地区的典型速度-时间行驶工况。

综上所述，本发明轨道交通工具线路典型速度-时间行驶工况构建方法,通过选取合适的采样日期和采样天数采集给定线路的列车每日速度-时间行驶工况，将每日速度-时间序列根据列车行驶的停靠行驶状态划分为多个子片段后按照停车时间排序，组成列车每日标准速度-时间序列，通过对将列车每日标准速度-时间序列的8个特征值进行归一化处理，按照一定的规则，构建第j日的每日典型速度-时间序列S_T(j)。整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况。本发明的线路典型速度-时间行驶工况构建方法简单，能够将复杂的动态线路工况简化成多个恒片段组成的线路典型工况，同时线路典型工况的速度-时间累计概率分布与原线路工况累积概率分布基本一致，只需要确定非正常停车时间t_x和特征值偏差设定值B以及采样天数L的值，每个实际线路工况都可以得到唯一的简化线路典型工况形式。本发明得到的典型线路速度-时间工况可反映出城市轨道交通列车的线路行驶特性，为每条线路城市轨道交通列车的性能分析提供工况参考，可以作为城市轨道交通列车能耗仿真/测试标准行驶工况，在该典型速度-时间工况基础上，对列车进行不同影响因素下的能耗分析提供参考依据。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (5)

1.一种轨道交通工具线路典型速度-时间行驶工况构建方法，其特征在于，包括以下步骤：

选取给定线路的第j日的列车每日速度-时间行驶工况，将每日速度-时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)；

将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据，组成第j日的列车每日标准速度-时间序列S_s(j)；

将第j日的列车每日标准速度-时间序列S_s(j)进行归一化处理，构建第j日的每日典型速度-时间序列S_T(j)，整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况。

2.根据权利要求1所述的轨道交通工具线路典型速度-时间行驶工况构建方法，其特征在于，将第j日的每日速度-时间序列S(j)根据列车行驶的停靠行驶状态划分为K个子片段S'(k,j)的方法为：

将每日速度-时间序列S(j)求偏导得到加速度a的数据；选定|a|>0且速度v＝0为分隔点，将每日速度-时间序列S(j)划分为K个子片段S'(k,j)。

3.根据权利要求1-2所述的轨道交通工具线路典型速度-时间行驶工况构建方法，其特征在于，将K个子片段S'(k,j)按照停车时间进行排序，删除不合理数据，组成列车每日标准速度-时间序列S_s(j)的具体方法为：

将K个子片段S'(k,j)按照停车时间大小升序排列，确定列车停车时间范围，设定非正常停车时间t_x；

删除停车时间T大于非正常停车时间t_x的子片段S'(k,j)，剩余子片段S'(k,j)组成列车每日标准速度-时间序列S_s(j)。

4.根据权利要求3所述的轨道交通工具线路典型速度-时间行驶工况构建方法，其特征在于，将列车每日标准速度-时间序列S_s(j)中的子片段进行归一化处理，构建每日典型速度-时间序列S_T(j)，整合所有采样日的每日典型速度-时间序列S_T(j)，选取该条线路的典型速度-时间行驶工况的方法为：

求取每日标准速度-时间序列S_s(j)的总的特征值T_{tot_day}(i,j)及其各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}，其中i＝1,2,3,4,5,6,7,8分别对应停车时间/行驶时间、最大速度、平均速度、平均旅行速度、最大加速度、最大减速度、平均加速度和平均减速度；

根据：

计算各子片段S'(k,j)的特征值T(i,k,j)_{typ_fra}与标准速度-时间序列S_s(j)总特征值T_{tot_day}(i,j)的归一化偏差；

根据最大速度特征值与平均速度特征值判断列车行驶的周期性，选取每日标准速度-时间序列S_s(j)中最小周期性片段S_M(j)，确定每日标准速度-时间序列S_s(j)的循环周期M；

将最小周期性片段S_M(j)中的每个子片段S'(k,j)的特征值、偏差组成N×M的特征值-偏差矩阵，其中每日标准速度-时间序列S_s(j)包括N个最小周期性片段S_M(j)；

选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)后进行排序，然后选取特征值偏差σ_B(k,j)小于设定值B的子片段S'(k,j)组成每日典型速度-时间序列S_T(j)并计算其特征值T(i,j)_{typ_day}；

根据公式计算线路的特征值T_{tot_data}(i)，其中，L为总采样天数；

根据归一化偏差公式计算每日典型速度-时间序列S_T(j)的特征值T(i,j)_{typ_day}与线路的特征值T_{tot_data}(i)的偏差σ_day(j)；

选取σ_day(j)最小对应的每日典型速度-时间序列S_T(j)作为线路的典型速度-时间序列S_T’，即线路的典型速度-时间行驶工况。

5.根据权利要求4所述的轨道交通工具线路典型速度-时间行驶工况构建方法，其特征在于，选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)后进行排序的方法为：

选取特征值-偏差矩阵每列最小偏差对应的子片段S'(k,j)，然后将选取的M个子片段S'(k,j)按特征值偏差σ_B(i,j)的大小升序排列。