汽车行驶工况的 planB 版本，方式挺有意思的。它不是直接拿一堆数据跑平均，而是先定好你想要的工况长度，再用累计频率法切短程组合，通过相关系数一轮筛选，找出最贴合目标的工况组合。说白了，就是更主动、更定制的构建思路。

跟 PlanA 比，PlanB 的好处在于“先想清楚想要什么，再来找匹配”，挺适合做特定测试场景。比如你想研究城市堵车状态的电耗特性，用这个方法搞出来的工况会更贴合实际场景。

相关系数这块，推荐你看看下面这些资料。像是Pearson、Spearman这些不同方法，各有适用场景。用 MATLAB、Python 都能跑，连 SAS、SPSS 也都有配套的用法。

对了，代码是 MATLAB 写的，结构清晰，注释也还可以。你要是准备自己调整算法逻辑，基本不太费劲。用的时候注意下你的目标工况是否有实际可行性，不然相关系数再高也白搭。

如果你经常需要设计特定工况，又数据有科学依据，那可以试试这个 PlanB 的构建方法，蛮适合做电动车仿真、能耗测试一类的。