汽车行驶工况作为汽车行业的一项共性基础技术,在油耗测试、排放测试、建立传统汽车和新能源汽车整车技术评价体系、提高节能减排技术水准等方面起到重要作用。汽车行驶工况具有强烈的地域特征和类型差异,在不同的国家与地区、不同类型的车辆,其行驶工况具有较为明显的差别,而当前我国主要参考欧洲地区的汽车行驶工况标准,该标准与我国的实际道路特征区别明显。因此有必要对具有本地特色的汽车行驶工况构建研究,基于理论开发构建行驶工况的新方法,并探索在行驶工况方面的后期应用,提升我国在行驶工况研究方面的技术储备与应用。本文首先对某线路混合动力公交的工况数据进行采集与处理。确定采样线路和设备,对原始数据进行清洗工作,经过数据整合与提取、长行程截取、异常数据处理等过程获得用于构建工况的数据,并对数据量进行分析,随后对数据进行片段划分、状态分类、统计状态转移概率矩阵以及计算特征参数,为后续的工况构建与处理提供数据支撑。通过不同时间尺度下车速相关性分析,验证了在小时间尺度下,采样的汽车行驶工况数据具备马尔可夫性,基于马尔可夫链构建了西安市城市公交线路备选工况,以平均车速、平均运行车速等10个特征参数为评价指标,筛选出与总体误差最小的备选工况作为典型行驶工况,并与基于V-A方法构建的行驶工况作对比分析,验证了基于马尔可夫链构建行驶工况的有效性。对工况分类与识别展开研究,建立工况识别研究的流程。通过斯皮尔曼相关系数选择用于工况分类与识别的特征参数,基于K均值聚类算法建立用于工况识别的标准工况库,随后基于BP神经网络搭建并训练工况识别模型,根据混淆矩阵和ROC曲线验证工况识别模型的正确性。基于开发的线路公交典型工况,对混合动力公交动力系统,完成包括发动机、电机、电池与传动系等参数的匹配,随后采用Cruise建立混合动力公交的整车模型,采用Simulink搭建基于逻辑门的能量管理策略模型,以本文开发的线路公交典型工况作为工况任务输入,设计性能仿真计算任务进行联合仿真分析,验证了匹配的整车动力参数的合理性。