基于数据驱动的新能源分时租赁车运行特征分析*

谢欣睿 陈海林 林 瑜 涂辉招

(同济大学道路与交通工程教育部重点实验室1) 上海 201804) (上海国际汽车城(集团)有限公司2) 上海 201805) (上海电科智能系统股份有限公司3) 上海 200063)

基于数据驱动的新能源分时租赁车运行特征分析*

谢欣睿1)陈海林2)林 瑜3)涂辉招1)

(同济大学道路与交通工程教育部重点实验室1)上海 201804) (上海国际汽车城(集团)有限公司2)上海 201805) (上海电科智能系统股份有限公司3)上海 200063)

为了定量描述新能源分时租赁车在实际运行过程中存在的续驶里程短、电池性能不稳定等问题，基于新能源汽车分时租赁实际运行数据及相关气象数据，从行驶里程分布、新能源车电池耗电特征、外界温度对电池耗电性能的影响三个方面分析其中两款纯电动新能源车车型的实际运行特征.利用数理统计工具分析表明，新能源分时租赁车主要用于短途出行，两车型的耗电量与行驶里程均具有线性相关性，外界温度较高或较低时均会使得新能源车电池耗电率增加.

新能源车；数据驱动；行驶里程；耗电特征；外界温度

0 引 言

相比传统的内燃机汽车，电动汽车因其使用能源的特殊性，在道路运行过程中存在续驶里程短[1-3]、电池性能不稳定[4-5]等问题，阻碍了新能源车的推广和使用.为了定量描述新能源车存在的问题，基于数据驱动方法的新能源车运行特征研究对新能源车的发展具有重要意义.

国内外均有学者基于实际运行数据对电动汽车运行特征展开研究.文献[6]考虑车辆运行状况和道路交通状况，结合北汽新能源生产的物流电动车的实时在线的运营数据，基于数据驱动建模理论仅对电动汽车行驶里程进行分析与预测.由于仅选取了其中一辆物流电动车的实际运行数据，样本量小，难以准确反映实际运行状况.此外，仅分析了行驶里程与电池的剩余电量(SOC)值的关系；文献[7-8]基于实际运行数据分析了电动汽车的实际出行模式，包括出行频率与出行距离分析、速度分析、电量消耗状况分析等，但未考虑外界环境对电动汽车运行状态的影响.电动汽车的动力由车载电池放电提供，外界温度的变化会影响电池的放电性能，从而对电动汽车运行效率产生影响.低温环境下，电池放电困难，从而影响电动车的正常工作[9].高温也会影响电动车的充放电效率，甚至影响电池寿命或引起安全问题.基于新能源车实际运行状态下的外界温度对电池放电特征的影响的定量化研究较少.

本文基于上海分时租赁电动汽车2015年的实际运行数据，选取其中两种纯电动车型(分别命名为车型1与车型2)，基于数据驱动方法，对行驶里程统计分析、电池耗电特征、外界温度对耗电率的影响等方面进行分析，评价新能源分时租赁车的实际运营状况.

1 数据处理与分析

1.1 数据属性

本文采用的所有数据均来自于上海新能源分时租赁车的2015年的实际运行数据.监测服务平台服务器接收端以不固定时间间隔接收两种电动汽车车型的实际运行状态，并按车型和车号依次生成txt文本包.各车型车号采集得到的数据属性包括数据采集时间、累计行驶里程、经度、纬度、速度、SOC、车辆当前状态等,见表1.

表1 数据属性

1.2 提取行程段

为分析新能源车运行特征，本文选取行驶里程分布特征、电池耗电特征、外界温度对耗电率的影响等方面进行分析，需对原始数据进行预处理，提取各车型实际运行行程段.对行程段i的提取主要包括三步骤.①识别行程段i的启动时刻：对各车号电动车实际行驶数据按时间顺序进行遍历，若某时刻t车辆状态为1且前一时刻t-1车辆状态不为1，或者某时刻t与前一时刻t-1车辆状态均为1且两时刻相隔大于1h，则均判定为一个启动时刻.②识别行程段i的停止时刻：若某时刻t车辆状态为1且下一时刻t+1车辆状态不为1，或者某时刻t与下一时刻t+1车辆状态均为1且两时刻相隔大于1 h，则均判定为一个停止时刻.③根据行程段的停止时刻与启动时刻的数据采集时间、累计行驶里程、剩余电量(SOC)等数据属性，通过对两者作差可获得行程段i的行驶时间、行驶里程、耗电量等运行特征，行程段i的行程速度Vi和Ri为

(1)

(2)

式中：Vi为行程段i的行程速度，km/h；Si为行程段i的行驶里程，km；Ti为行程段i的行驶时间，h；Ci为行程段i的耗电量，%；Ri为行程段i的耗电率，%/h.

1.3 逻辑纠错

实际获得行程段数据列中存在部分不符合实际情况的数据，均予以剔除.如行程时间过大或过小的情况，新能源分时租赁车满电状态下一般行驶不超过6 h，行程时间过小不具有研究意义，因此剔除单次行程时间大于6 h或小于6 min的数据；如行程速度不符合城市路网实际情况者，由于交叉口信号灯、车速限制等城市交通管控措施，单次行程段的行程速度一般不会超过100 km/h，因此剔除行程速度大于100 km/h的情况.

2 新能源分时租赁车运行特征分析

2.1 数据情况

通过数据初步处理，得到车型1共1 148个行程段样本，车型2共1 197个行程段样本，各车型的运行数据字段包括启动时刻、停止时刻、行驶时间、行驶里程、耗电量、行程速度、耗电率.由于新能源分时租赁车的实时运行数据处理过程可能存在过度清洗情况，因此得到的行程段样本量与实际值相比可能偏小.

2.2 行驶里程分布

通过对两车型2015年的实际运行数据按行驶里程进行统计，以行驶里程按5 km为间距进行分组，统计了两车型各行驶里程分组的频率，见图1.

图1 两车型行驶里程频率分布图

由图1可知，新能源分时租赁车多用于短途出行，车型1仅有3.8%的行程的行驶里程超过50 km，车型2仅有4.5%的行程的行驶里程超过50 km.由于电动汽车存在续航里程短的问题，新能源分时租赁车大多用于城市内出行.计算两车型的平均行驶里程可知，车型1的平均行驶里程为15.2 km，车型2的平均行驶里程为14.5 km.汇总两车型的所有行程段数据，根据行程起始点经纬度，将其匹配到上海市的GIS地图上，获得2015年新能源分时租赁车实际运行数据在上海各行政区的空间分布情况，见图2.由图2可知，2015年新能源分时租赁车的使用主要集中于上海东部及北部区域.

图2 2015年新能源分时租赁车实际运行数据的空间分布

3.3 耗电特征分析

为探究新能源车的耗电特征，分析了新能源车的耗电量与行驶里程的关系，并建立了相应的模型.用Pearson相关系数法来分别刻画两车型的耗电量和行驶里程的相关性，结果见表2.由表2可知，两车型的耗电量与行驶里程均存在显著的相关性.因此可建立描述二者关系的模型.为便于拟合，本文对相同行驶里程的耗电量作平均处理，获得惟一行驶里程与平均耗电量的数据列.

表2 两车型的耗电量与行驶里程的Pearson系数

采用6种曲线估计方法分别拟合两车型的耗电量与行驶里程的关系，包括线性模型、二次曲线模型、对数模型、复合模型、增长模型，以及指数分布模型；同时采用决定系数R2来度量模型拟合优度.计算表明，对两车型来说，线性模型和二次曲线模型均能更好描述耗电量与行驶里程的关系.为了简单起见，本文选用线性模型为

Yki=β1kXki+uki

k=1,2;i=1,2,…,n

(3)

式中：k为车型；Yki为车型k的回归模型的被解释变量，即平均耗电量；Xki为车型k的回归模型的解释变量，即行驶里程；β1k为车型k的回归模型的回归系数；uki为车型k的回归模型的随机误差.

表3为两车型平均耗电量和行驶里程的线性回归结果，并分别列出了两车型的决定系数R2，以及F检验显著性结果.同时，图3为散点图和线性回归图.

表3 两车型的线性回归结果

图3 两车型的平均耗电量与行驶里程的关系

由图3可知，两车型的耗电量与行驶里程呈线性关系，且根据表3计算的β1可知，车型1的回归系数略大于车型2，即车型1的耗电量随行驶里程的变化比车型2略快.

3.4 外界温度对耗电率的影响

本文从上海市新能源分时租赁车实际运行角度出发，通过收集2015年上海的气象数据，挖掘外界温度对电动汽车电池耗电特征的影响.收集的上海2015年历史气象数据包括最高温度和最低温度.假定1 d中的04:00为最低温度，14:00为最高温度，其余时刻温度通过线性插值获得，从而得到两车型的各个运行时刻的外界温度数据，分别分析车型1和车型2的外界温度对耗电率的影响，见图4.

图4 两车型的外界温度对耗电率的影响图

由图4可知，外界温度对两车型的耗电率均存在影响.由图4a)可知，外界温度在0～15 ℃时，车型1的平均耗电率较大，当外界温度在15～25 ℃时，平均耗电率有所降低，随着外界温度继续升高，车型1的平均耗电率继续增加.由图4b)可知，外界温度在20～30 ℃时，车型2的平均耗电率较低，而外界温度在0～20 ℃以及高于30 ℃时，车型2的耗电率均较外界温度在20～30 ℃时高.由此可见，外界温度较高或较低时，电池耗电率均有所增加，耗电最经济的外界温度为15～30 ℃.

4 结 束 语

本文基于新能源分时租赁车实际运行数据分析新能源车运行特征，首先对采集的原始数据进行行程段提取、逻辑纠错，再对预处理后的两车型的行程段数据进行分析.通过行驶里程分布统计发现，上海市的新能源分时租赁车主要用于短途出行，其中车型1的平均行驶里程为15.16 km，车型2的平均行驶里程为14.49 km；通过对两车型的耗电量与行驶里程进行相关性分析以及线性回归，发现两车型的耗电量与行驶里程呈线性关系，且车型1耗电量随行驶里程的变化比车型2略快；通过收集上海气象数据，分析外界温度对两车型的耗电率的影响，发现外界温度对两车型的耗电率均存在影响，温度过高或过低时，电池耗电率均有所增加.

[1]DIMITROPOULOS A, RIETVELD P, VAN OMMEREN J N. Consumer valuation of driving range: a meta-analysis[R]. Tinbergen Institute Discussion Paper,2011(3):27-45.

[2]EGBUE O, LONG S. Barriers to widespread adoption of electric vehicles: an analysis of consumer attitudes and perceptions[J]. Energy Policy,2012,48(3):717-729.

[3]LIEVEN T, MÜHLMEIER S, HENKEL S, et al. Who will buy electric cars? An empirical study in Germany[J]. Transportation Research Part D: Transport and Environment,2011,16(3):236-243.

[4]PAYTON T H. The electric car-some problems of driver attitudes and product fit[J]. Journal of the Market Research Society,1988,30(1):73-85.

[5]SOVACOOL B K, HIRSH R F. Beyond batteries:an examination of the benefits and barriers to plug-in hybrid electric vehicles (PHEVs) and a vehicle-to-grid (V2G) transition[J]. Energy Policy,2009,37(3):1095-1103.

[6]毕军,张家玮,张栋,等.电动汽车行驶里程与电池SOC相关性分析与建模[J].交通运输系统工程与信息,2014,15(1):49-54.

[7]ADORNATO B, PATIL R, FILIPI Z, et al. Characterizing naturalistic driving patterns for plug-in hybrid electric vehicle analysis[C]. Vehicle Power and Propulsion Conference, IEEE,2009.

[8]GONDER J, MARKEL T, SIMPSON A, et al. Using GPS travel data to assess the real world driving energy use of plug-in hybrid electric vehicles (PHEVs)[J]. Office of Scientific & Technical Information Technical Reports,2007(1):55-58.

[9]霍宇涛,饶中浩,赵佳腾,等.低温环境下电池热管理研究进展[J].新能源进展,2015(1):53-58.

Data-driven Method for Analyzing of Operating Characteristics of Shared Electric Vehicles

XIE Xinrui1)CHEN Hailin2)LIN Yu3)TU Huizhao1)

(KeyLaboratoryofRoadandTrafficEngineeringoftheMinistryofEducation,TongjiUniversity,Shanghai201804,China)1)(ShanghaiInternationalAutomobileCityGroupCo.Ltd.,Shanghai201805,China)2)(ShanghaiSEARIIntelligentSystemCo.Ltd.,Shanghai200063,China)3)

A quantitative method to analyze the issues of limited range cruise and unstable battery status of shared electric vehicles is proposed using the data-driven method. On the basis of amount of empirical data and historical meteorological data, the operating characteristics of two types of electric vehicles are explored. The results show that the shared electric vehicles are mainly used for short distance trips. The relationship between the power consumption and driving mileage is statistically linear. The power consumption rate of shared electric vehicles will increase under relatively higher or lower temperature conditions.

electric vehicle; data-driven; driving mileage; power consumption; temperature

2017-06-09

*上海市科学技术委员会科研计划项目资助(16DZ1203903)

U491

10.3963/j.issn.2095-3844.2017.04.029

谢欣睿(1993—)：女，硕士生，主要研究领域为交通风险管理