公交驾驶员驾驶行为对油耗的影响及其评价指标*

刘 轩，谢 辉，马红杰，陈双喜

(天津大学，内燃机燃烧学国家重点实验室，天津 300072)

前言

目前从实车运行的结果上看，驾驶员的驾驶行为对车辆的行驶油耗有着重要的影响。文献[1]中通过研究发现，在驾驶过程中粗暴驾驶员相比普通驾驶员和温和驾驶员，其实车油耗有着显著的增加。在相同的道路工况、相同的车辆下，粗暴的驾驶行为相比温和的驾驶行为将增加40%的额外油耗。在拥挤工况下，这种情况表现的尤为显著。文献[2]和文献[3]中也提出实际的车辆燃油经济性很大程度上受到驾驶行为的影响。为了进一步研究驾驶行为对油耗的影响，文献[4]和文献[5]中将其驾驶员的驾驶行为与实际的道路状况特征进行了划分，但未研究如何综合描述驾驶员驾驶行为的优劣。

目前为止，如何评价驾驶员驾驶行为的优劣尚很少有人研究。在以上这些研究当中，往往将驾驶员进行分类(如粗暴型、温和型以及普通型)，研究不同类型驾驶员对油耗的影响，并没有根据驾驶行为对油耗的影响关系进行定量评价。

作者认为研究一种评价驾驶员驾驶行为优劣的方法对评价驾驶类型与油耗的影响具有重要意义，并可对驾驶员节油策略提供指导。在固定公交线路上，公交路况所反映的统计学特征是一致的。在研究过程中，通过统计数据横向比较不同驾驶员驾驶操作对油耗的影响以排除公交路况对油耗的影响。同时，公交驾驶员的驾驶目的为在一定油耗标准下完成驾驶任务，可以不考虑驾驶员对车辆动力性的需求。该评价方法的提出能够帮助公交驾驶员有效改善驾驶操作，降低油耗。故本文中重点关注固定线路上公交驾驶员驾驶行为的评价指标。通过无线远程监控系统对天津泰达公交503路线6位公交驾驶员的驾驶行为、车辆的运行状态以及路况信息进行实时的数据监控、记录和存储。基于大量的驾驶行为样本，分析比较了6位公交驾驶员驾驶行为特性。利用主成分因子分析法计算其主成份因子总得分并作为评价驾驶员驾驶行为水平的综合评价因子。最后通过相关性分析表明，该综合评价因子可以对驾驶员驾驶行为的优劣进行评价。

1 车辆无线远程监控系统

为了收集驾驶员驾驶车辆的实际运行数据，本文中采用了自行开发的车辆无线远程监控系统。该系统主要包括智能信息单元和中央数据处理中心两大部分。智能信息单元对实际车辆运行过程中道路工况、驾驶行为和车辆运行数据进行采集、传输、记录，如图1所示。该设备通过车辆OBD口接入整车CAN网络，依照SAE J1939[6]标准协议实时获取行驶信息。同时，智能信息单元通过GPS模块实时获取车辆位置信息和时间信息，通过GPRS模块实现数据的远程传输。将所监控的数据以100ms为周期同步记录至本地SD卡中。为了研究驾驶行为对油耗的影响，智能信息单元主要将发动机转速、转速计输出轴速度、车辆速度、加速踏板位置、小时燃油消耗、总燃油消耗量、发动机转矩百分比、GPS时间和位置信息等数据记录至SD卡中。

中央数据处理中心包括数据中转中心、数据信息处理中心以及所对应的道路工况、驾驶行为和车辆运行数据库。

如图2所示，智能信息单元将所监控记录的数据通过GPRS网络远程将所采集的数据实时传输至数据中转中心。数据中转中心将所接收到的数据同时转发给中央数据处理中心和数据监控平台；中央数据处理中心对已有的数据信息进行预处理(包括数据解析、数据还原、数据分离、数据统计)，分离还原出驾驶员的驾驶行为，如挡位、离合踏板行程、制动踏板行程等，并统计出道路工况信息和车辆油耗信息。最终中央数据处理中心将实时数据和统计数据存储至道路工况数据库、驾驶行为数据库和车辆运行数据库。

2 燃油经济性与驾驶行为分析

所研究的对象为相同线路上不同驾驶员的驾驶行为。6位不同驾龄的公交驾驶员参与了本研究。他们分别驾驶3辆配置完全相同的公交客车在天津泰达公交503线路上运行。公交客车运行线路为滨海公交503号线路从天津滨海新区轻轨东海路站至天津火车西站北广场，如图3所示，全长71.4km，途经64个站点。其车辆型号均为宇通ZK6902HGA的10m公交客车，发动机型号为玉柴YC6J200-30，具体配置参数见表1。本文中将这6位驾驶员分别标记为A1、A2、B1、B2、C1、C2，其中驾驶员A1与A2、B1与B2、C1与C2驾驶同一辆公交客车，6位公交驾驶员的基本信息如表2所示。研究选取2012年5月～9月期间的运行数据。3辆公交客车运行总里程为25 625km，信息单元记录的原始运行数据为50 605 816条，有效记录时间达1 405.7h，行驶圈数为364圈。

表1 柴油机及整车配置参数

表2 驾驶员信息表

2.1 100km油耗计算

行驶里程计算：通过智能信息单元实时采集的GPS经纬度信息来计算。所采集的GPS信息更新周期为1s，其误差≤10m。数据中相邻两个点的距离按式(3)进行里程ΔS1计算，并对其距离进行累加，统计出车辆行驶过程中的里程。考虑到车辆在低速行驶阶段，GPS会出现漂移现象，低速时里程ΔS2按式(4)计算。

里程计算公式为

C1=sin(Alat)sin(Blat)

(1)

C2=cos(Alat)cos(Blat)cos(Alon-Blon)

(2)

ΔS1=Rarccos(C1+C2)

(3)

ΔS2=vΔt

(4)

(5)

式中：Alon、Blon为A、B两点的经度；Alat、Blat为A、B两点的纬度；C1与C2之和代表A、B两点夹角的余弦；R为地球半径，R=6 371.004m；S为所计算的里程信息。

行驶油耗计算：通过对车辆CAN总线实时发出的“小时燃油油耗”信息按照时间进行叠加来计算。油耗计算公式为

(6)

式中：Vfuel为积分油耗；H为小时燃油油耗，L/h；Δt为小时燃油消耗的周期时间，100ms。车辆行驶油耗数据采集于 ECU通过CAN总线发出的油耗信息。利用该油耗值积分得出的每天油耗数据与公交车每天从加油站实际加油的数据进行比对，验证了 ECU 通过 CAN 总线发出的油耗值能够表征车辆的实际运行油耗。

其100km油耗Qs计算公式为

Qs=100Vfuel/S

(7)

6位公交驾驶员的平均100km油耗分别为23.02、25.25、24.91、25.45、26.17和26.24L。

2.2 驾驶行为分析

为了进一步研究驾驶员的驾驶行为对油耗的影响，本文中通过RPA[1]、踏板行程分布和换挡切换速度分布来对驾驶员的驾驶行为习惯进行描述。

RPA为相对正加速度，即

(8)

式中：v为车速；a+为正加速度；x代表里程值。

RPA代表驾驶员对车辆动力性的需求。对于粗暴型驾驶员来说，RPA相对较大。剧烈的操作将会导致发动机较大的工况波动。由于空气系统跟随工况变化的滞后性，频繁的工况波动会导致发动机新鲜进气不足。ECU为了满足驾驶员的转矩需求，将会控制喷油器喷出更多的燃油。这就造成油耗额外增加。相反，对于温和型驾驶员来说，其驾驶操作不会带来过多的工况波动，其油耗相对较低。

图4为不同驾驶员RPA与油耗关系的比较。由图可见，不同的驾驶员在RPA上会有明显的差异。对于同一辆车来说，驾驶员A2、B2、C2的动力性需求分别高于驾驶员A1、B1、C1的动力性需求，其油耗偏高，且其最大偏差达到了24.5%。由此可见，RPA值对油耗存在影响。但是，不同车辆驾驶员的RPA对油耗的影响不具备可比性。

在驾驶操作中，驾驶员踏板行程的整体分布情况反映了驾驶员对固定公交路线整体功率需求的熟悉程度。图5为不同驾驶员的踏板行程分布曲线。

从图5中可以看出，对于同一辆车来说，驾驶员踏板行程小的区域分布越多，其燃油经济性更好。对驾驶员A1与A2和B1与B2来说，这种差距尤为明显。最经济的驾驶员A1倾向于在驾驶过程中使用较小的踏板行程，其80%～100%的踏板行程分布比例只占0.92%。

驾驶员换挡时的速度分布反映了驾驶员的换挡驾驶习惯，是驾驶经验丰富程度的一种表征。经济型驾驶员会在合适的时机，快速换挡，且其换挡期间的速度相对比较集中。费油型驾驶员操作换挡可能过早或过晚。这种换挡操作会导致发动机实际工作在较低效率的工作区，带来了额外的油耗。表3所示为不同驾驶员的换挡时机比较。

其中Gi_V_Ave代表驾驶员从i挡切换至i+1挡时的平均速度，单位为km/h，Gi_V_Std代表驾驶员从i挡切换至i+1挡时的速度标准差，i=1，2，3。

表3 不同驾驶员的换挡时机比较 km/h

从表3中可以看出，驾驶员A1、C1相比A2、C2，其换挡的平均速度更低，标准差更小。图6、图7分别为经济型驾驶员A1与费油型驾驶员A2从1挡切换至2挡时的速度分布。其中驾驶员A1的标准偏差为2.30，驾驶员A2的标准偏差为3.44。由图可见，相比经济型驾驶员来说，费油型驾驶员换挡时的速度分布离散程度更高。

2.3 驾驶行为特征参数

本文中研究了3种影响因素(RPA、踏板行程分布、换挡速度分布)对油耗的影响。结果表明，驾驶员的驾驶水平越高，其RPA值相对越低、踏板行程较小的区域分布越多、换挡切换的速度分布越集中，油耗也越低。将这3种因素使用12个特征参数进行数学描述并计算这些特征参数与100km油耗的相关系数，结果如表4所示。

表4 驾驶行为特征值与100km油耗Person相关系数

由表4可见，这些特征参数与100km油耗具有一定的相关性，但只反映了驾驶员某方面的驾驶特征与油耗的关系，不能对其驾驶水平进行评价。

3 驾驶行为评价指标

为了能够实现对驾驶员驾驶水平的整体评价，本文中通过使用主成分因子分析法从上述12个特征参数中提取出相互独立的因子，作为一个驾驶员驾驶行为的综合评价指标。

3.1 因子分析方法

因子分析起源于20世纪初，最早由英国心理学家C.E.斯皮尔曼提出[7]。因子分析法是研究如何以最少的信息丢失将原有众多变量综合成较少的因子变量，如何使因子具有一定的命名解释性的多元统计分析方法。其数学模型如下所示：

(9)

其矩阵形式可以表示为

X=AF+E

(10)

式中：F为因子变量；A为因子载荷阵；aij为因子载荷；Ε为特殊因子。其中，aij的绝对值越大，则xi与fi的关系越强。

3.2 驾驶行为评价指标计算与分析

本文研究的目的是提出一种评价驾驶员驾驶行为对油耗影响的综合指标，即综合评价因子。通过主成分因子分析法将所定义的描述驾驶员驾驶行为的12个特征参数中相关或重叠信息进行必要的剔除。对所述的12个变量进行了归并，得到了因子分析总方差解释表(表5)。前4个特征根的贡献率已经达到78.84%(一般认为大于70%，即可提取主要信息)，即12个特征参数反映的信息可以由4个主成分反映原变量78.84%的信息。因此，在12个特征参数中提取前4个特征根。根据各公共因子对原有变量的载荷对因子进行重新解释，旋转后公共因子对原有变量的载荷矩阵，即因子得分系数矩阵，如表6所示。因子得分系数绝对值越大，表明该特征参数与所对应的主成分相关性越高。

表5 因子分析总方差解释

表6 因子成分得分系数矩阵

根据因子得分系数和标准化后的变量原始数据，可计算出6位驾驶员的因子得分，如表7所示。

表7 驾驶员各因子得分表

根据驾驶员各因子得分与表5中因子特征根λ，可计算出6位驾驶员的因子总得分，即综合评价因子为

V=λ1F1+λ2F2+…+λnFn

(11)

式中：V为综合评价因子；λi为所对应的因子特征根。6位驾驶员综合评价因子与油耗关系折线图如图8所示。

由图8可见，驾驶员综合评价因子具有相互比较的意义。驾驶员的综合评价因子数值越大，其油耗越高。计算综合评价因子与油耗分布的相关系数，结果如表8所示。

表8 Pearson相关系数

①在0.8～1.0水平上极强相关。

从表中看出，综合评价因子与100km油耗的Pearson相关系数达到了0.9，属于极强相关。可认为综合评价因子V可以表征驾驶员的驾驶行为优劣。

4 结论

(1)本文中分析比较了描述公交驾驶员驾驶行为3种影响因素对油耗的影响。结果表明，当RPA值越低、踏板行程较小的区域分布越多、换挡切换的速度分布越集中时，表明其公交驾驶员驾驶水平越高，油耗越低。

(2)通过因子分析法将其12个特征参数归纳成4个主成分因子，分别计算了6位驾驶员的4个主成分因子综合得分，作为评价驾驶员驾驶优劣的综合评价因子。结果表明，驾驶员的综合评价因子与油耗相关系数达到了0.9，相关性极强。综合评价因子可作为评价驾驶员驾驶行为优劣的指标。

[1] De Vlieger I, De Keukeleere D, Kretzschmar J G. Environmental Effects of Driving Behaviour and Congestion Related to Passenger Cars[J]. Atmospheric Environment, 2000,34(27):4649-4655.

[2] Tong H Y, Hung W T, Cheung C S. On-Road Motor Vehicle Emissions and Fuel Consumption in Urban Driving Conditions[J]. Journal of the Air and Waste Management Association， 2000,50:543-554.

[3] Beckx C, IntPanis L， De Vlieger I, et al. Influence of Gear-changing Behaviour on Fuel Use and Vehicular Exhaust Emissions[C]. Highway and Urban Environment, 2007:45-51.

[4] Ericsson E. Variability in Urban Driving Patterns[J]. Transportation Research, Part D, 2000,5:337-354.

[5] Ericsson E. Independent Driving Pattern Factors and Their Influence on Fuel-use and Exhaust EmissionFactors[J]. Transportation Research, Part D,2001,6:325-345.

[6] 高云华.SAE J1939协议在汽车电器通信系统中的应用[J].河海大学常州分校学报，2005(3)：58-60.

[7] 唐守正.多元统计分析方法[M]．北京：中国林业出版社，1986．

[8] Masini B M， Andrisano O.On the Effectiveness of a GPRS Based Intelligent Transportation System in a Realistic Scenario[C]. Vehicular Technology Conference,2006,63:2997-3001.