面临能源和环境的压力,目前世界各国的汽车公司都十分重视开发电动汽车,混合动力汽车、纯电动乘用汽车和纯电动公交车。电动汽车动力系统的优化,主要是依据行驶工况。在电动汽车的研发和控制策略优化的过程中,在没有运行足够时间的情况下是无法得到线路的行驶工况。所以,研究在汽车的运行过程中城市道路行驶工况自学习方法是相当重要的。本文以天津大学开发的XL电动汽车CAN总线车载记录仪记录的数据为依托,将SOM神经网络引入行驶工况的开发,实现行驶工况的自学习。将数据划分为一系列运动学片段,并求取各片段的28个特征值,形成片段数据库;然后对数据进行主成分分析,利用SOM神经网络进行聚类;按照设定条件组建行驶工况,并以图形显示。本文中构建了三种行驶工况,代表了拥挤、畅通和综合行驶工况。经过与世界上其他工况比较,所构建的工况满足一般规律,并能体现出天津市道路交通的特点。同时也验证了SOM网络的自学习能力,对新的输入数据可以正确聚类,使行驶工况的在线构建成为可能。