基于數(shù)據(jù)驅(qū)動(dòng)的新能源分時(shí)租賃車運(yùn)行特征分析*

謝欣睿 陳海林 林 瑜 涂輝招

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室1) 上海 201804) (上海國際汽車城(集團(tuán))有限公司2) 上海 201805) (上海電科智能系統(tǒng)股份有限公司3) 上海 200063)

基于數(shù)據(jù)驅(qū)動(dòng)的新能源分時(shí)租賃車運(yùn)行特征分析*

謝欣睿1)陳海林2)林 瑜3)涂輝招1)

(同濟(jì)大學(xué)道路與交通工程教育部重點(diǎn)實(shí)驗(yàn)室1)上海 201804) (上海國際汽車城(集團(tuán))有限公司2)上海 201805) (上海電科智能系統(tǒng)股份有限公司3)上海 200063)

為了定量描述新能源分時(shí)租賃車在實(shí)際運(yùn)行過程中存在的續(xù)駛里程短、電池性能不穩(wěn)定等問題，基于新能源汽車分時(shí)租賃實(shí)際運(yùn)行數(shù)據(jù)及相關(guān)氣象數(shù)據(jù)，從行駛里程分布、新能源車電池耗電特征、外界溫度對(duì)電池耗電性能的影響三個(gè)方面分析其中兩款純電動(dòng)新能源車車型的實(shí)際運(yùn)行特征.利用數(shù)理統(tǒng)計(jì)工具分析表明，新能源分時(shí)租賃車主要用于短途出行，兩車型的耗電量與行駛里程均具有線性相關(guān)性，外界溫度較高或較低時(shí)均會(huì)使得新能源車電池耗電率增加.

新能源車；數(shù)據(jù)驅(qū)動(dòng)；行駛里程；耗電特征；外界溫度

0 引 言

相比傳統(tǒng)的內(nèi)燃機(jī)汽車，電動(dòng)汽車因其使用能源的特殊性，在道路運(yùn)行過程中存在續(xù)駛里程短[1-3]、電池性能不穩(wěn)定[4-5]等問題，阻礙了新能源車的推廣和使用.為了定量描述新能源車存在的問題，基于數(shù)據(jù)驅(qū)動(dòng)方法的新能源車運(yùn)行特征研究對(duì)新能源車的發(fā)展具有重要意義.

國內(nèi)外均有學(xué)者基于實(shí)際運(yùn)行數(shù)據(jù)對(duì)電動(dòng)汽車運(yùn)行特征展開研究.文獻(xiàn)[6]考慮車輛運(yùn)行狀況和道路交通狀況，結(jié)合北汽新能源生產(chǎn)的物流電動(dòng)車的實(shí)時(shí)在線的運(yùn)營數(shù)據(jù)，基于數(shù)據(jù)驅(qū)動(dòng)建模理論僅對(duì)電動(dòng)汽車行駛里程進(jìn)行分析與預(yù)測(cè).由于僅選取了其中一輛物流電動(dòng)車的實(shí)際運(yùn)行數(shù)據(jù)，樣本量小，難以準(zhǔn)確反映實(shí)際運(yùn)行狀況.此外，僅分析了行駛里程與電池的剩余電量(SOC)值的關(guān)系；文獻(xiàn)[7-8]基于實(shí)際運(yùn)行數(shù)據(jù)分析了電動(dòng)汽車的實(shí)際出行模式，包括出行頻率與出行距離分析、速度分析、電量消耗狀況分析等，但未考慮外界環(huán)境對(duì)電動(dòng)汽車運(yùn)行狀態(tài)的影響.電動(dòng)汽車的動(dòng)力由車載電池放電提供，外界溫度的變化會(huì)影響電池的放電性能，從而對(duì)電動(dòng)汽車運(yùn)行效率產(chǎn)生影響.低溫環(huán)境下，電池放電困難，從而影響電動(dòng)車的正常工作[9].高溫也會(huì)影響電動(dòng)車的充放電效率，甚至影響電池壽命或引起安全問題.基于新能源車實(shí)際運(yùn)行狀態(tài)下的外界溫度對(duì)電池放電特征的影響的定量化研究較少.

本文基于上海分時(shí)租賃電動(dòng)汽車2015年的實(shí)際運(yùn)行數(shù)據(jù)，選取其中兩種純電動(dòng)車型(分別命名為車型1與車型2)，基于數(shù)據(jù)驅(qū)動(dòng)方法，對(duì)行駛里程統(tǒng)計(jì)分析、電池耗電特征、外界溫度對(duì)耗電率的影響等方面進(jìn)行分析，評(píng)價(jià)新能源分時(shí)租賃車的實(shí)際運(yùn)營狀況.

1 數(shù)據(jù)處理與分析

1.1 數(shù)據(jù)屬性

本文采用的所有數(shù)據(jù)均來自于上海新能源分時(shí)租賃車的2015年的實(shí)際運(yùn)行數(shù)據(jù).監(jiān)測(cè)服務(wù)平臺(tái)服務(wù)器接收端以不固定時(shí)間間隔接收兩種電動(dòng)汽車車型的實(shí)際運(yùn)行狀態(tài)，并按車型和車號(hào)依次生成txt文本包.各車型車號(hào)采集得到的數(shù)據(jù)屬性包括數(shù)據(jù)采集時(shí)間、累計(jì)行駛里程、經(jīng)度、緯度、速度、SOC、車輛當(dāng)前狀態(tài)等,見表1.

表1 數(shù)據(jù)屬性

1.2 提取行程段

為分析新能源車運(yùn)行特征，本文選取行駛里程分布特征、電池耗電特征、外界溫度對(duì)耗電率的影響等方面進(jìn)行分析，需對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，提取各車型實(shí)際運(yùn)行行程段.對(duì)行程段i的提取主要包括三步驟.①識(shí)別行程段i的啟動(dòng)時(shí)刻：對(duì)各車號(hào)電動(dòng)車實(shí)際行駛數(shù)據(jù)按時(shí)間順序進(jìn)行遍歷，若某時(shí)刻t車輛狀態(tài)為1且前一時(shí)刻t-1車輛狀態(tài)不為1，或者某時(shí)刻t與前一時(shí)刻t-1車輛狀態(tài)均為1且兩時(shí)刻相隔大于1h，則均判定為一個(gè)啟動(dòng)時(shí)刻.②識(shí)別行程段i的停止時(shí)刻：若某時(shí)刻t車輛狀態(tài)為1且下一時(shí)刻t+1車輛狀態(tài)不為1，或者某時(shí)刻t與下一時(shí)刻t+1車輛狀態(tài)均為1且兩時(shí)刻相隔大于1 h，則均判定為一個(gè)停止時(shí)刻.③根據(jù)行程段的停止時(shí)刻與啟動(dòng)時(shí)刻的數(shù)據(jù)采集時(shí)間、累計(jì)行駛里程、剩余電量(SOC)等數(shù)據(jù)屬性，通過對(duì)兩者作差可獲得行程段i的行駛時(shí)間、行駛里程、耗電量等運(yùn)行特征，行程段i的行程速度Vi和Ri為

(1)

(2)

式中：Vi為行程段i的行程速度，km/h；Si為行程段i的行駛里程，km；Ti為行程段i的行駛時(shí)間，h；Ci為行程段i的耗電量，%；Ri為行程段i的耗電率，%/h.

1.3 邏輯糾錯(cuò)

實(shí)際獲得行程段數(shù)據(jù)列中存在部分不符合實(shí)際情況的數(shù)據(jù)，均予以剔除.如行程時(shí)間過大或過小的情況，新能源分時(shí)租賃車滿電狀態(tài)下一般行駛不超過6 h，行程時(shí)間過小不具有研究意義，因此剔除單次行程時(shí)間大于6 h或小于6 min的數(shù)據(jù)；如行程速度不符合城市路網(wǎng)實(shí)際情況者，由于交叉口信號(hào)燈、車速限制等城市交通管控措施，單次行程段的行程速度一般不會(huì)超過100 km/h，因此剔除行程速度大于100 km/h的情況.

2 新能源分時(shí)租賃車運(yùn)行特征分析

2.1 數(shù)據(jù)情況

通過數(shù)據(jù)初步處理，得到車型1共1 148個(gè)行程段樣本，車型2共1 197個(gè)行程段樣本，各車型的運(yùn)行數(shù)據(jù)字段包括啟動(dòng)時(shí)刻、停止時(shí)刻、行駛時(shí)間、行駛里程、耗電量、行程速度、耗電率.由于新能源分時(shí)租賃車的實(shí)時(shí)運(yùn)行數(shù)據(jù)處理過程可能存在過度清洗情況，因此得到的行程段樣本量與實(shí)際值相比可能偏小.

2.2 行駛里程分布

通過對(duì)兩車型2015年的實(shí)際運(yùn)行數(shù)據(jù)按行駛里程進(jìn)行統(tǒng)計(jì)，以行駛里程按5 km為間距進(jìn)行分組，統(tǒng)計(jì)了兩車型各行駛里程分組的頻率，見圖1.

圖1 兩車型行駛里程頻率分布圖

由圖1可知，新能源分時(shí)租賃車多用于短途出行，車型1僅有3.8%的行程的行駛里程超過50 km，車型2僅有4.5%的行程的行駛里程超過50 km.由于電動(dòng)汽車存在續(xù)航里程短的問題，新能源分時(shí)租賃車大多用于城市內(nèi)出行.計(jì)算兩車型的平均行駛里程可知，車型1的平均行駛里程為15.2 km，車型2的平均行駛里程為14.5 km.匯總兩車型的所有行程段數(shù)據(jù)，根據(jù)行程起始點(diǎn)經(jīng)緯度，將其匹配到上海市的GIS地圖上，獲得2015年新能源分時(shí)租賃車實(shí)際運(yùn)行數(shù)據(jù)在上海各行政區(qū)的空間分布情況，見圖2.由圖2可知，2015年新能源分時(shí)租賃車的使用主要集中于上海東部及北部區(qū)域.

圖2 2015年新能源分時(shí)租賃車實(shí)際運(yùn)行數(shù)據(jù)的空間分布

3.3 耗電特征分析

為探究新能源車的耗電特征，分析了新能源車的耗電量與行駛里程的關(guān)系，并建立了相應(yīng)的模型.用Pearson相關(guān)系數(shù)法來分別刻畫兩車型的耗電量和行駛里程的相關(guān)性，結(jié)果見表2.由表2可知，兩車型的耗電量與行駛里程均存在顯著的相關(guān)性.因此可建立描述二者關(guān)系的模型.為便于擬合，本文對(duì)相同行駛里程的耗電量作平均處理，獲得惟一行駛里程與平均耗電量的數(shù)據(jù)列.

表2 兩車型的耗電量與行駛里程的Pearson系數(shù)

采用6種曲線估計(jì)方法分別擬合兩車型的耗電量與行駛里程的關(guān)系，包括線性模型、二次曲線模型、對(duì)數(shù)模型、復(fù)合模型、增長模型，以及指數(shù)分布模型；同時(shí)采用決定系數(shù)R2來度量模型擬合優(yōu)度.計(jì)算表明，對(duì)兩車型來說，線性模型和二次曲線模型均能更好描述耗電量與行駛里程的關(guān)系.為了簡(jiǎn)單起見，本文選用線性模型為

Yki=β1kXki+uki

k=1,2;i=1,2,…,n

(3)

式中：k為車型；Yki為車型k的回歸模型的被解釋變量，即平均耗電量；Xki為車型k的回歸模型的解釋變量，即行駛里程；β1k為車型k的回歸模型的回歸系數(shù)；uki為車型k的回歸模型的隨機(jī)誤差.

表3為兩車型平均耗電量和行駛里程的線性回歸結(jié)果，并分別列出了兩車型的決定系數(shù)R2，以及F檢驗(yàn)顯著性結(jié)果.同時(shí)，圖3為散點(diǎn)圖和線性回歸圖.

表3 兩車型的線性回歸結(jié)果

圖3 兩車型的平均耗電量與行駛里程的關(guān)系

由圖3可知，兩車型的耗電量與行駛里程呈線性關(guān)系，且根據(jù)表3計(jì)算的β1可知，車型1的回歸系數(shù)略大于車型2，即車型1的耗電量隨行駛里程的變化比車型2略快.

3.4 外界溫度對(duì)耗電率的影響

本文從上海市新能源分時(shí)租賃車實(shí)際運(yùn)行角度出發(fā)，通過收集2015年上海的氣象數(shù)據(jù)，挖掘外界溫度對(duì)電動(dòng)汽車電池耗電特征的影響.收集的上海2015年歷史氣象數(shù)據(jù)包括最高溫度和最低溫度.假定1 d中的04:00為最低溫度，14:00為最高溫度，其余時(shí)刻溫度通過線性插值獲得，從而得到兩車型的各個(gè)運(yùn)行時(shí)刻的外界溫度數(shù)據(jù)，分別分析車型1和車型2的外界溫度對(duì)耗電率的影響，見圖4.

圖4 兩車型的外界溫度對(duì)耗電率的影響圖

由圖4可知，外界溫度對(duì)兩車型的耗電率均存在影響.由圖4a)可知，外界溫度在0～15 ℃時(shí)，車型1的平均耗電率較大，當(dāng)外界溫度在15～25 ℃時(shí)，平均耗電率有所降低，隨著外界溫度繼續(xù)升高，車型1的平均耗電率繼續(xù)增加.由圖4b)可知，外界溫度在20～30 ℃時(shí)，車型2的平均耗電率較低，而外界溫度在0～20 ℃以及高于30 ℃時(shí)，車型2的耗電率均較外界溫度在20～30 ℃時(shí)高.由此可見，外界溫度較高或較低時(shí)，電池耗電率均有所增加，耗電最經(jīng)濟(jì)的外界溫度為15～30 ℃.

4 結(jié) 束 語

本文基于新能源分時(shí)租賃車實(shí)際運(yùn)行數(shù)據(jù)分析新能源車運(yùn)行特征，首先對(duì)采集的原始數(shù)據(jù)進(jìn)行行程段提取、邏輯糾錯(cuò)，再對(duì)預(yù)處理后的兩車型的行程段數(shù)據(jù)進(jìn)行分析.通過行駛里程分布統(tǒng)計(jì)發(fā)現(xiàn)，上海市的新能源分時(shí)租賃車主要用于短途出行，其中車型1的平均行駛里程為15.16 km，車型2的平均行駛里程為14.49 km；通過對(duì)兩車型的耗電量與行駛里程進(jìn)行相關(guān)性分析以及線性回歸，發(fā)現(xiàn)兩車型的耗電量與行駛里程呈線性關(guān)系，且車型1耗電量隨行駛里程的變化比車型2略快；通過收集上海氣象數(shù)據(jù)，分析外界溫度對(duì)兩車型的耗電率的影響，發(fā)現(xiàn)外界溫度對(duì)兩車型的耗電率均存在影響，溫度過高或過低時(shí)，電池耗電率均有所增加.

[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]畢軍,張家瑋,張棟,等.電動(dòng)汽車行駛里程與電池SOC相關(guān)性分析與建模[J].交通運(yùn)輸系統(tǒng)工程與信息,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]霍宇濤,饒中浩,趙佳騰,等.低溫環(huán)境下電池?zé)峁芾硌芯窟M(jìn)展[J].新能源進(jìn)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

*上海市科學(xué)技術(shù)委員會(huì)科研計(jì)劃項(xiàng)目資助(16DZ1203903)

U491

10.3963/j.issn.2095-3844.2017.04.029

謝欣睿(1993—)：女，碩士生，主要研究領(lǐng)域?yàn)榻煌L(fēng)險(xiǎn)管理