前言
距离2019年的研究生数学建模国赛结束有将近三个月了,前不久比赛结果公布,拿了个小奖。尽管没有拿到一等奖,觉得可以把比赛的经历和当时的模型记录一下做个分享和纪念。
文章主要分成两个大块,一个是解题和建模,一个是抛开技术性因素的经历分享。
解题和建模
题目
原题太长了,我把我们队缩略的版本放上来。
本世纪初,我国直接采用欧洲的 NEDC 行驶工况对汽车产品能耗/排放的认证. 但近年来,我国道路交通和汽车保有量发生较大变化,发现以 NEDC 工况为基准所优化标定的汽车,实际油耗与法规认证结果偏差越来越大. 同时,欧洲也发现 NEDC 工况的不足,从而采用世界轻型车测试循环(WLTC). 但该工况怠速时间比和平均速度这两个最主要的工况特征,与我国实际汽车行驶工况的差异更大. 所以制定出反映我国实际道路行驶状况的测试工况愈发重要. 另一方面,我国地域辽广,各个城市的发展程度、气候条件及交通状况的不同,使得各个城市的汽车行驶工况特征存在明显的不同. 因此,基于城市自身的汽车行驶数据进行城市汽车行驶工况的构建研究也越来越迫切,希望所构建的汽车行驶工况与该市汽车的行驶情况尽量吻合.
本文主要解决以下三个问题:
1、 对附件中不良数据的主要类型进行处理,并给出处理后的记录数.
2、 对处理后的数据进行运动学片段的提取.
3、 通过科学、有效的构建方法(数学模型或算法),构建一条能体现参与数据采集汽车行驶特征的汽车行驶工况曲线(1200-1300 秒),同时该曲线需满足以下要求:
(1) 具备合理的汽车运动特征评估体系;
(2) 按照所构建的汽车行驶工况及汽车运动特征评估体系,分别计算出汽车行驶
工况与该城市所采集数据源的各运动特征的值,并说明所构建的汽车行驶工况的合理性.
原始题目我上传CSDN了,点这里下载可看 汽车行驶工况构建0914.docx
题目分析
问题一
问题一是分别对附件中各个文件的车辆行驶数据进行预处理,为后续构建科学合理的行驶工况曲线做好铺垫. 在处理不良数据时,方法是对其进行修正、剔除或填充,从而保证行驶数据能有效反映正常车辆在实际道路上行驶的情况. 若将不良数据如数删除则必然会影响数据的连贯性;若将所有缺失数据填充将导致大量数据的产生,导致处理后的行驶数据偏离实际,所以在进行数据预处理时应针对不同类型的不良数据,采用合理的方法.
主要对五种类型的不良数据进行处理,包括:1