مقایسه عملکرد الگوریتم‌های ماشین بردار پشتیبان و K-means در استخراج چرخه واقعی رانندگی ترکیبی تهران- آمل

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دپارتمان مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بین‌المللی امام خمینی، قزوین، ایران

2 سمنان-مهندسی مکانیک

3 دانشکده فنی کشاورزی شهریار، دانشگاه فنی و حرفه‌ای

چکیده

چرخه‌های رانندگی داده‌هایی بر حسب سرعت و زمان هستند که از آن‌ها در طراحی خودروها، مدیریت حمل و نقل و سوخت، تبیین و بهسازی شاخص‌های استاندارد استفاده می‌شود. در این پژوهش، چهار چرخه رانندگی ترکیبی بر اساس داده‌های واقعی استخراج گردید. برای رسیدن به این هدف، داده‌برداری با استفاده از یک خودروی سواری با موتور بنزین‌سوز به روش تعقیب خودرو‌، در مسیری از تهران به آمل، تحت شرایط رانندگی واقعی انجام شد. پس از آن در نرم‌افزار MATLAB، با استفاده از الگوریتم‌های ماشین بردار پشتیبان و K-means و با در نظر گرفتن مقادیر میان‌برد و میانگین به عنوان مراکز دسته‌ها، یک کد برای تولید چرخه‌‌های مورد نظر، و محاسبه پارامترهای مشخصه‌ی آن‌ها، نظیر سرعت متوسط، درصد زمان پیمایش خودرو در حالت‌های درجا، بدون شتاب، شتابگیری مثبت و منفی ایجاد شد. سپس این چرخه‌ها بر اساس میانگین خطای نسبی، خطای ریشه میانگین مربع و آزمون مربع چی با یکدیگر مورد مقایسه قرار گرفتند. نتایج نشان داد اگرچه، چرخه-های استخراج شده توسط ماشین بردار پشتیبان به بازه زمانی مجاز (کمتر از 1800 ثانیه) نزدیکترند، اما چرخه استخراج شده توسط الگوریتم K-means، و میانگین به عنوان مراکز دسته‌های ایجاد شده، کمترین خطاها را ثبت نموده است. این چرخه علاوه بر آن‌که بیشتر زمان خود را در حال حرکت شتابدار بوده است، دامنه نوسانات شتابی وسرعتی بیشتری را نسبت به دیگر چرخه‌های مورد مقایسه گزارش نمود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comparison of support vector machine and K-means algorithms performance in extracting the real driving cycle of combined Tehran-Amol

نویسندگان [English]

  • Tabanmehr Qaraati 1
  • Ali Momeni Movahed 1
  • Mohammad Azadi 2
  • Seyed Ashkan Moosavian 3
1 Department of Mechanical Engineering, Faculty of Technical and Engineering, Imam Khomeini International University, Qazvin, Iran
2 سمنان-مهندسی مکانیک
3 Shahriyar Faculty, Technical and Vocational University
چکیده [English]

Driving cycles are data in terms of the speed and the time that are used in the vehicle design, the transportation and the fuel management, the explanation and the improvement of standard indicators. In this study, four combined driving cycles were extracted based on real data. To achieve this goal, the data collection was performed using a passenger car with a gasoline engine by the car chasing method, on the way from Tehran to Amol, under real driving conditions. Then, in MATLAB software, using support vector machine and K-means algorithms, by considering mid-range and mean values as group centers, a code was generated to create the desired cycle and calculate its characteristic parameters, such as the average speed and the percentage of the car travel time in idle, cruise, accelerating and decelerating conditions. Then, these cycles were compared based on the mean relative error, the root mean square error and the Chi-square test. The results showed that although the cycles extracted by the support vector machine were closer to the allowable time interval (less than 1800 seconds), the cycle extracted by the K-means algorithm, and the mean as the centers of the generated categories, recorded the least errors. This cycle, in addition to spending most of its time in the accelerated motion, reported a greater amplitude of acceleration and velocity fluctuations than other compared cycles.

کلیدواژه‌ها [English]

  • Driving cycle
  • Support Vector Machine
  • K-means algorithm
  • Combined cycle