基于知識圖譜的生態(tài)駕駛行為研究現(xiàn)狀及熱點分析

嚴利鑫，賈 樂，劉清梅，龔毅軻

(華東交通大學 交通運輸工程學院，江西 南昌 330013)

0 引言

隨著社會和經(jīng)濟的快速發(fā)展，當今世界各國的汽車保有量不斷增加，引起了全球氣候的變化，交通領域的能源排放問題成為社會廣泛關注的重點問題。自20世紀90年代以來，我國機動車數(shù)量急劇增長，而機動車控制水平卻相對低下[1]。據(jù)《中國移動源環(huán)境管理年報(2020)》[2]顯示，中國已經(jīng)連續(xù)第11年成為機動車產(chǎn)銷第一大國，機動車等造成的污染已經(jīng)成為大氣污染的重要來源。節(jié)約能源減少排放量是一項長遠的社會責任和戰(zhàn)略任務[3]，而“生態(tài)駕駛(eco-driving)”作為一種節(jié)約能源、保護環(huán)境并能普遍適用的高效手段越來越受到關注。生態(tài)駕駛的廣義定義為通過提高車輛的技術水平來減少能耗，或專門研發(fā)節(jié)能高效的新能源汽車；而其狹義定義則為對駕駛人進行相關的培訓或通過外界輔助措施引導駕駛人的駕駛行為，以達到節(jié)能減排的目的[4]。

自生態(tài)駕駛的概念在20世紀90年代提出以來，國內外對生態(tài)駕駛的研究成果主要集中在4個方面：生態(tài)駕駛的影響因素研究、生態(tài)駕駛策略、生態(tài)駕駛效果分析研究、對生態(tài)駕駛實際運用的研究。影響車輛油耗的主要因素主要有人、車、環(huán)境3個方面。首先，對于駕駛人，Ando，Jeffrey，Günther，F(xiàn)ranke等[5-8]研究發(fā)現(xiàn)駕駛人自身特征因素(年齡因素、駕駛動機、駕駛風格等)對駕駛行為的生態(tài)性具有顯著影響。其次，對于駕駛車輛，Wang、唐培嘉等[9-10]發(fā)現(xiàn)車輛行駛時速度與加速度的變化能夠引起能源排放量的變化。其次，Holdstock等[11]分析得出某些車輛技術參數(shù)(發(fā)動機性能、變速箱速比等)也是車輛油耗量的重要影響因素之一。最后，對于駕駛環(huán)境，Ando，Schall，Mansfiled等[5,12-13]驗證得出外界的刺激信息(信息提供的頻率、經(jīng)濟刺激措施及外界干預等)能夠有效影響生態(tài)駕駛的效率。此外，Günther，Yao，Younes，Shankar，Yang等[7,14-17]發(fā)現(xiàn)道路行駛水平條件(道路類型、環(huán)境溫度、道路擁堵程度及信號燈配時等)能夠影響機動車的能耗量。關于生態(tài)駕駛控制策略研究方面，Barth，Ciarla，Xia，鄭秀征等[18-21]學者對如何提高生態(tài)駕駛效率提出了一系列優(yōu)化方案及策略。Günther，Schall，Ho等[7,12,22]深入研究了生態(tài)駕駛的節(jié)能效果。對于生態(tài)駕駛運用方面，Ho，Beusen，Ayyildiz，Zhao等[22-25]對駕駛人行為進行了研究，通過培訓達到生態(tài)駕駛的目的。Kamal，馬勇，趙琦等[26-28]開發(fā)了不同種類的生態(tài)駕駛輔助系統(tǒng)，為駕駛人提供生態(tài)駕駛建議并進行適當干預。國外學者從整個路網(wǎng)的角度出發(fā)提出了生態(tài)型智能交通系統(tǒng)，該系統(tǒng)在提高車輛運行效率的同時能夠減少機動車能源消耗。目前的成果有：歐盟進行的EcoMove項目、美國設置的IntelliDrive項目及日本提出的智能道路系統(tǒng)。

在生態(tài)駕駛方向現(xiàn)有的研究基礎上，對近20年來生態(tài)駕駛研究方向的期刊、文獻進行梳理，并對其載文量、期刊分布、研究機構、關鍵詞及作者等進行分析，最終得出國內外生態(tài)駕駛的研究現(xiàn)狀和熱點問題。

1 數(shù)據(jù)來源及研究方法

1.1 數(shù)據(jù)來源

將Web of Science(WOS)核心數(shù)據(jù)庫作為數(shù)據(jù)源，檢索分析了近20年來生態(tài)駕駛研究方向的期刊文獻。文獻檢索基本信息如下：

(1)檢索式：主題=(“eco-driving”or“energy-saving driving”)且主題=(“vehicle”or“electric vehicle”)。

(2)時間跨度：2000—2021年。

(3)期刊來源：EI來源期刊/SCI/SCIE/SSCI

由于生態(tài)駕駛研究類別的多樣性，為了使搜索結果盡可能涵蓋國內外相關研究成果，采用組合檢索的方法檢索了297篇文獻，對文獻進行篩選后得到文獻257篇，其中包含4篇非學術類文獻，最終獲得生態(tài)駕駛學術類文獻253篇。

1.2 研究方法

知識圖譜(Knowledge Graph)是運用數(shù)學知識、圖形理論、可視化技術、信息科學等方法，通過可視化圖譜形象描述某一學科的發(fā)展歷程、結構體系、發(fā)展前沿等的現(xiàn)代理論。它能夠以圖譜的形式表現(xiàn)某一研究的發(fā)展規(guī)律并為未來的科學研究提供參考[29]。知識圖譜可呈現(xiàn)生態(tài)駕駛研究的發(fā)展過程及其結構關系，得出該研究領域的演變規(guī)律并呈現(xiàn)出該研究領域宏觀的研究情況。本研究抽取253篇生態(tài)駕駛的相關文獻關鍵詞運用VOSviewer[30]構建知識圖譜進行聚類分析，得出生態(tài)駕駛研究領域的隱藏知識、來源及發(fā)展規(guī)律。運用SPSS statistics梳理載文量、期刊分布、研究機構、學者等數(shù)據(jù)，最后總結分析得到生態(tài)駕駛的研究熱點及發(fā)展趨勢。研究方法流程如圖1所示。

圖1 研究方法流程Fig.1 Flowchart of study method

具體研究步驟如下：

(1)載文量分析。為了得到國內外生態(tài)駕駛研究文獻的發(fā)表量隨時間變化的分布趨勢，運用SPSS statistics統(tǒng)計分析軟件對檢索的253篇文獻進行分析 。

(2)期刊分析。對文獻所發(fā)布的期刊進行分類統(tǒng)計，并按照期刊載文量進行排序得到該研究領域的主要期刊。

(3)主要研究機構及代表性學者分析。對文獻所屬研究機構及發(fā)文作者進行統(tǒng)計，得到國內外生態(tài)駕駛研究領域的主要研究機構和專家。

(4)關鍵詞分析。將文獻關鍵詞導入VOSviewer軟件平臺進行挖掘分析，繪制關鍵詞聚類圖和關鍵詞演化趨勢圖。

(5)研究發(fā)展趨勢與熱點分析。結合上述統(tǒng)計結果及知識圖譜所呈現(xiàn)的規(guī)律，得到生態(tài)駕駛研究領域的主要研究類別，并根據(jù)不同的類別逐一分析國內外生態(tài)駕駛領域的研究趨勢和熱點。

2 研究現(xiàn)狀分析

2.1 載文量分析

為了得到生態(tài)駕駛的研究現(xiàn)狀，將2000—2021年發(fā)表的253篇學術類文獻進一步劃分成為綜述類文獻及研究類文獻，其中綜述類文獻10篇，研究類文獻243篇。根據(jù)文獻的發(fā)表年限進行統(tǒng)計，得到如圖2所示的載文量分布圖。由圖2可知，2000—2008年間還未有生態(tài)駕駛研究類相關文獻。以2009年為時間節(jié)點，國內外陸續(xù)涌現(xiàn)各種學術類文獻并呈現(xiàn)逐年增長的趨勢，尤其是2017年至今隨著全球變暖等一系列環(huán)境問題的日益惡化，節(jié)能減排問題成為國內外各界關注的重點問題，故生態(tài)駕駛作為一種節(jié)能減排的高效手段近幾年得到了快速發(fā)展。在2015年，生態(tài)駕駛的相關研究達到小高潮，該年的載文量突破20篇，之后每年的載文量都基本保持在20篇以上。在2013年出現(xiàn)了第1篇綜述性論文后，2018年后綜述性論文陸續(xù)開始發(fā)表。在2020年，生態(tài)駕駛方向載文量已經(jīng)達49篇，并且整體還呈現(xiàn)上升趨勢。由此可見，隨著社會發(fā)展的需要，生態(tài)駕駛已經(jīng)成為一個研究熱點，未來將會有越來越多的學者投身于其中。

圖2 2000—2021年生態(tài)駕駛研究載文量分布Fig.2 Distribution of annual amount of publications of eco-driving from 2000 to 2021

2.2 期刊分析

將所刊載253篇文獻的期刊進行分類統(tǒng)計，并按照期刊載文量進行排序。分析結果表明，這些文獻一共來自76種期刊。表1列出了載文量3篇及以上的19種期刊，這19種期刊共刊載生態(tài)駕駛研究方向相關文獻184篇，占檢索文獻總數(shù)的73%。其中TransportationResearchPartD:TransportandEnvironment是載文量最多的期刊(33篇)，IEEETransactionsonIntelligentTransportationSystems是載文量第2位的期刊(24篇)，載文量第3位的是IETIntelligentTransportSystems(18篇)，載文量第4～8位的分別是TransportationResearchPartC:EmergingTechnologies(16篇)、IEEETransactionsonVehicularTechnology(12篇)、TransportationResearchRecord(12篇)、IEEEAccess(12篇)及AppliedEnergy(8篇)。

表1 生態(tài)駕駛期刊載文量分布Tab.1 Distribution of amount of publications in journals of eco-driving

從這些期刊論文發(fā)表年份來看，在2010年以前這19種期刊所載的文獻數(shù)量僅有2篇，2011—2015年文獻刊載量增長至47篇，2016—2021年文獻刊載量急劇上升，達136篇。由此看出，代表性期刊所刊載的文獻數(shù)量隨時間的變化趨勢與近年來國內外發(fā)表文獻數(shù)量的增長趨勢基本一致。

2.3 研究機構與學者分析

文獻學者來自多個研究機構，此處將國內外學者所屬的研究機構依照所發(fā)表的文獻數(shù)量(表2)進行統(tǒng)計分析。結果表明，發(fā)文量為3～5篇的研究機構共為22家，其中發(fā)文量達5篇及以上的研究機構共有15家?，F(xiàn)各機構關于生態(tài)駕駛的研究總體呈現(xiàn)均勻分布趨勢，個別機構發(fā)文量較多，但總體相差不大。

由表2可知，密歇根大學共發(fā)表文獻16篇，是22家研究機構中發(fā)文量最多的，其代表性學者為Shaobing Xu；利茲大學(12篇)位列第二，代表性學者是Yvonne Barnard；清華大學(10篇)和北京理工大學(10篇)位列第三，它們的代表性學者分別是Hui Jin和Shengbo Eben Li。在國內北京理工大學、清華大學、吉林大學、北京航空航天大學、北京工業(yè)大學以及東南大學對于生態(tài)駕駛的研究目前處于國內領先地位。

表2 生態(tài)駕駛主要研究機構和主要代表學者Tab.2 Major research institutions and representative authors of eco-driving

續(xù)表2

2.4 關鍵詞分析

將生態(tài)駕駛研究的253篇文獻的1 195個關鍵詞進行排序，如表3所示，再將前22個出現(xiàn)頻率最高的關鍵詞導入Vosviewer軟件平臺中進行處理分析，得到文獻關鍵詞的聚類圖和演化趨勢圖，如圖3～4所示。

表3 生態(tài)駕駛研究高頻關鍵詞Tab.3 High-frequency key words in eco-driving research

從圖3所示的關鍵詞聚類圖，可將生態(tài)駕駛研究劃分為以下幾個方向。

(1)車輛油耗的主要影響因素：包含eco-driving，impact，feedback，perfomence，driver，consumption這6個關鍵詞。

(2)生態(tài)駕駛控制策略：包含eco-driving，optimal control，behavior，system，model，optimization，electric vehicle，fuel economy這8個關鍵詞。

(3)生態(tài)駕駛控制策略效果分析：包含eco-driving，vehicles，efficiency，fuel consumption這4個關鍵詞。

(4)生態(tài)駕駛的實際運用研究：包含eco-driving，emissions，vehicle，energy consumption，energy management這5個關鍵詞。

圖3 生態(tài)駕駛研究關鍵詞聚類圖Fig.3 Cluster map of key words in eco-driving research

知識圖譜顯示的結果表明，生態(tài)駕駛的4個主要研究方向之間的關鍵詞之間存在著較強的關聯(lián)性，其中的關鍵詞有很多重合之處。

圖4詮釋了生態(tài)駕駛研究的發(fā)展歷程：生態(tài)駕駛研究逐步從車輛油耗量的主要影響因素研究過渡到生態(tài)駕駛的控制策略研究，根據(jù)以上成果對生態(tài)駕駛的效果進行分析總結后再運用于實際，即隨后出現(xiàn)的生態(tài)駕駛的運用成果。前3個研究方向文獻增長的趨勢基本一致，而生態(tài)駕駛實際運用的研究成果是建立在前3個研究成果之上的。

圖4 生態(tài)駕駛研究關鍵詞演化趨勢圖Fig.4 Evolution trend of key words in eco-driving research

3 研究熱點和研究前沿與發(fā)展趨勢分析

3.1 研究前沿及發(fā)展趨勢分析

根據(jù)關鍵詞分析，將253篇文獻劃分為4個主要研究方向：車輛油耗量的主要影響因素、生態(tài)駕駛控制策略、生態(tài)駕駛控制策略效果分析及生態(tài)駕駛的實際運用研究。同時，以2013年和2016年為2個關鍵時間點，此處將國內外對生態(tài)駕駛的研究分為3個階段：早期(2000—2012年)、中期(2013—2015年)和近期(2016—2021年)，并分別研究生態(tài)駕駛各方向的發(fā)展變化規(guī)律。

(1)車輛油耗量的主要影響因素。研究主要包括：駕駛員特征、外部對駕駛人的影響、道路形式環(huán)境、車輛技術水平及車輛運行參數(shù)等內容。

從圖4可以看出，車輛油耗量影響因素研究方向有61篇文獻，該研究方向是生態(tài)駕駛研究最早的研究方向之一，學者只有通過得知生態(tài)駕駛的影響因素才能夠得出一系列對生態(tài)駕駛策略研究的切入點。在生態(tài)駕駛早期的研究中，對該方向的成果較少，第1篇成果發(fā)表于2012年，隨之該方向的論文發(fā)布量逐年增長，2013年至今發(fā)表的論文數(shù)量高達50篇，占所分析文獻的總數(shù)的82.0%。

該方面的研究主要集中在駕駛人的個性特征研究，據(jù)相關研究表明，駕駛個性特征是影響生態(tài)駕駛的主要因素。同時還出現(xiàn)了外界刺激、行駛道路條件、車輛技術特征等多方面車輛油耗量影響因素的研究。在中期研究階段，生態(tài)駕駛的研究開始逐漸顯示出針對性，并開始集中于人的駕駛習慣及駕駛行為對生態(tài)駕駛的影響，只是此時的研究還多為只是基于單一指標，不夠深刻全面。在近期的研究階段，研究進一步深入到針對特殊場景、特殊條件下相關影響因素對生態(tài)駕駛的影響，如針對不同車型、不同交通流情況下特定的車輛油耗量影響因素研究。并從新角度探索車輛油耗的顯著影響因素，如近年來針對某些生態(tài)駕駛輔助系統(tǒng)而出現(xiàn)的新型因素“實時反饋”、“視覺行為變化”等對生態(tài)駕駛的影響、車內特殊零件及新型智能系統(tǒng)對生態(tài)駕駛的影響、交通燈等道路設施對生態(tài)駕駛的影響等。國內外學者在此都做出了相當大的貢獻，研究更加細化且更加全面，并且對生態(tài)駕駛研究影響因素的研究成果逐漸系統(tǒng)化，為后續(xù)生態(tài)駕駛控制策略、生態(tài)駕駛的運用等研究方面提供了有力的支撐。

(2)生態(tài)駕駛控制策略方面。國內外學者多根據(jù)車輛油耗量的顯著影響因素，通過機器學習、統(tǒng)計學知識等理論方法構建駕駛員行為優(yōu)化模型或車輛運行軌跡優(yōu)化模型等，得到使得車輛能耗消量最小的最優(yōu)解。

從圖4可以看出，生態(tài)駕駛研究策略研究方面有93篇文章，是這幾個方向中文獻發(fā)表量最多的，也是近期階段成果最多的研究方向，發(fā)文量為73篇(占比78.5%)。該方向的研究成果也主要集中于中后期，并且仍有增長的趨勢。在2019年之后，該方向的文獻的增長量明顯大于其他3個方向，是近期生態(tài)駕駛研究的熱點方向。

在早期研究階段，國內外生態(tài)駕駛控制策略的研究對象多為傳統(tǒng)燃油汽車，且由于車輛油耗量變化數(shù)據(jù)的采集較為繁瑣，需消耗大量的人力物力，故對于生態(tài)駕駛策略的研究多針對于理想狀態(tài)。國內外學者多通過模擬駕駛器進行模擬駕駛試驗，直接利用油耗公式計算出車輛油耗，并以車輛油耗量顯著影響因素為自變量，車輛油耗量為因變量，建立相關模型從而得到生態(tài)駕駛行駛優(yōu)化策略。近年來隨著新能源汽車的推廣，國內外學者們開始逐步開展針對新能源汽車的生態(tài)駕駛策略的研究。另外，在中后期人們對生態(tài)駕駛的研究開始具體，如基于不同車型的生態(tài)駕駛控制策略研究、基于不同駕駛環(huán)境下的生態(tài)駕駛控制策略研究、基于不同行車距離的生態(tài)駕駛控制策略研究、基于帶有生態(tài)駕駛輔助系統(tǒng)的節(jié)能型新型汽車的生態(tài)駕駛輔助系統(tǒng)等的研究。如何建立能夠更具體表現(xiàn)出研究對象特征且更為精確的能耗模型，并結合新的車輛油耗量影響因素，以其為控制變量，以提升所得出的生態(tài)駕駛策略的可行性及實用性，使其能夠用更為形象化地方式運用于駕駛中，這是目前該研究方向的主要預期目標。又由于在城市道路交叉口車流量變化大，駕駛員非生態(tài)駕駛行為出現(xiàn)頻次相較于其他駕駛路段較高車輛油耗量相對較高，故近年來關于在不同交叉口下多種方式的駕駛員駕駛行為生態(tài)性控制策略研究開始大量涌現(xiàn)。

(3)生態(tài)駕駛效果分析。研究內容主要包括：分析車輛油耗量相關控制策略(如生態(tài)駕駛培訓、生態(tài)駕駛輔助系統(tǒng)等)實施的效果。

從圖4可以看出，生態(tài)駕駛效果分析方向有46篇文章，其發(fā)文量的增長趨勢與前2個方向基本一致，其中近期發(fā)文量為33篇(占比71.7%)，并且仍有不斷增長的趨勢。

在早期的研究階段，國內外學者多針對獨立駕駛車輛的駕駛員個人駕駛行為進行對分析，并對駕駛員提供車輛處于簡單車流下的效果分析建議，還側重于針對不同影響因素的效果對比研究，如在不同路況、駕駛風格、車輛技術條件下某種特定因素的生態(tài)駕駛效果分析、利用浮動車數(shù)據(jù)分析生態(tài)駕駛效果等，且早期學者多利用仿真試驗的手段對生態(tài)駕駛效果進行分析，所以早期的研究多以理想環(huán)境為背景，并側重單個車輛的駕駛效果分析。中近期階段學者們發(fā)現(xiàn)，對單個車輛進行節(jié)能效果研究是脫離實際的，不全面的。實際上車輛總是處于交通流下，研究交通流下的生態(tài)駕駛對整個交通系統(tǒng)的效果有更大的現(xiàn)實意義。近年來學者還致力于生態(tài)駕駛對車輛行程時間的影響和駕駛員駕駛行為矯正時效性的研究。對節(jié)能效果進行分析后讓其更好地發(fā)揮社會作用，也是學者和研究人員努力拓展的新方面。

(4)生態(tài)駕駛實際運用研究。研究主要包括：駕駛員生態(tài)駕駛行為矯正研究、智能生態(tài)駕駛輔助系統(tǒng)研究、生態(tài)駕駛智能交通系統(tǒng)的運用。

從圖5可以看出，生態(tài)駕駛實際運用研究方向有52篇文章。在2018年生態(tài)駕駛研究增長的小高峰階段，生態(tài)駕駛實際運用方面的研究成果僅次于生態(tài)駕駛控制策略研究。此后的增長趨勢與生態(tài)駕駛研究其他方向的文獻增長趨勢基本一致。生態(tài)駕駛實際運用方向的研究也幾乎都誕生于中后期，該階段共產(chǎn)生了38篇文章(占比73.1%)。但是在近期，該方向的發(fā)文量有回落的趨勢。

圖5 2010—2021年生態(tài)駕駛研究文獻時間序列Fig.5 Time series of eco-driving research literatured from 2010 to 2021

生態(tài)駕駛實際運用研究研究一般基于前3個方向的研究成果。在結合影響因素和控制策略后對比使用生態(tài)駕駛效果前后的效果，最終獲得生態(tài)駕駛的運用手段。在早期的研究階段，國內外學者只是大致制定出了一般性的參考駕駛行為，并為結合多方面因素綜合考慮有針對性地提高駕駛員生態(tài)駕駛行為的生態(tài)性，且相關生態(tài)駕駛培訓方案多基于經(jīng)驗型的生態(tài)駕駛策略。在中后期研究階段，國內外學者致力于通過駕駛模擬器結合駕駛員行為的個性特征為駕駛員設計培訓方案，且依據(jù)基于新技術的生態(tài)駕駛策略以多種方式為駕駛人提供實時動態(tài)的駕駛建議，在國內外學者的努力下生態(tài)駕駛輔助系統(tǒng)應運而生。生態(tài)駕駛在獲取車輛行駛相關數(shù)據(jù)并對駕駛員行為進行監(jiān)測后，能實時為駕駛員提供駕駛行為矯正建議，如基于手機應用和車載平臺的動態(tài)提醒系統(tǒng)等。近期國內外學者多著眼于整個路網(wǎng)，將生態(tài)駕駛實際運用融入其中，不但為單個駕駛人提供信息服務，也通過調節(jié)整體車流的運行效率來實現(xiàn)生態(tài)駕駛，如對車輛在跟車過程中生態(tài)駕駛輔助系統(tǒng)的研究。還出現(xiàn)了一種全部代替人的駕駛行為的生態(tài)駕駛輔助系統(tǒng)，對一個完整生態(tài)駕駛過程的實現(xiàn)進行保障。

3.2 研究熱點分析

從生態(tài)駕駛領域的不同研究方向出發(fā)進行了如下的歸納總結，如表4所示。具體闡明了生態(tài)駕駛相關研究的熱點問題和其對應的主要研究方法。

表4 生態(tài)駕駛研究熱點分析Tab.4 Hotspot analysis of eco-driving research

車輛油耗量影響因素研究熱點聚焦于駕駛人行為對生態(tài)駕駛的影響及外界刺激對生態(tài)駕駛的影響。駕駛員的特征是車輛燃油消耗的主要影響因素[5-8]，外界刺激能夠改變駕駛人的行為從而對車輛的運行效率產(chǎn)生相應的影響[9-10]。該方向的研究主要采用模擬駕駛及實車試驗法[5-17]，通過模擬駕駛試驗或實車試驗獲取駕駛人駕駛行為相關參數(shù)，并通過數(shù)學方法對比分析總結出影響生態(tài)駕駛效率的重要指標。

對于控制策略的研究主要從2個方面進行。早期的學者多直接總結經(jīng)驗來制定提高生態(tài)駕駛行為生態(tài)性的相關策略，但這種方式較為主觀且不具變通性，故中近期的研究多基于理論知識提出相關解決辦法[31]。對于經(jīng)驗總結得出的結論多運用于生態(tài)駕駛建議與法則的制定，如：歐洲的“五大黃金法則”以及日本的“生態(tài)駕駛10法”。而理論研究則是結合多門學科建立模型獲得最優(yōu)解以達到控制車輛油耗的目的[18-21]。理論求解法的步驟一般為先通過生態(tài)駕駛反饋技術、臺架試驗或其他能實時傳輸數(shù)據(jù)的設備采集實時數(shù)據(jù)，并以此為控制變量，結合各種影響因素，建立車輛行駛控制模型，最后基于各種算法求解。

對不同交通流下生態(tài)駕駛效果的分析。各國學者主要利用仿真平臺從微觀和宏觀上進行研究，或通過實車試驗驗證提出的策略在不同交通流下的節(jié)能效果[32]。當前對處不同交通流狀態(tài)下車輛能源的消耗研究仍不成熟，有的研究結果表明車輛油耗量會隨著車流密度的升高而下降[18,33-34]，而有的學者則認為其與車流密度呈正相關[35-36]。

對生態(tài)駕駛輔助系統(tǒng)的研究。該系統(tǒng)屬于一種智能交通輔助系統(tǒng)，能夠通過監(jiān)測行駛中的車輛獲取相關信息數(shù)據(jù)，為駕駛員提供駕駛行為矯正建議或最優(yōu)行駛路線等[26,28]。學者在進行以上3個方向的研究后相應能夠得出具體的生態(tài)駕駛運用方案，得到不同的生態(tài)駕駛輔助系統(tǒng)，減少車輛能源的消耗。生態(tài)駕駛輔助系統(tǒng)已被許多企業(yè)運用于實際，成為近年來生態(tài)駕駛運用研究的重點方向。

4 結論

借助SPSS和VOSviewer軟件平臺將檢索得到的253篇文獻分析得到了文獻發(fā)表的時間分布、主要研究機構和學者和研究發(fā)展歷程和發(fā)展趨勢，得到以下結論：

(1)從整體上看，生態(tài)駕駛研究逐步從生態(tài)駕駛的影響因素研究過渡到生態(tài)駕駛的控制策略研究，根據(jù)以上成果對生態(tài)駕駛的效果進行分析總結后再運用于實際，即隨后出現(xiàn)的生態(tài)駕駛的運用成果。前3個方向研究成果的增長趨勢基本相同，近期發(fā)文量仍在不斷增長。其中生態(tài)駕駛策略研究是4個方向中研究成果最多的，并且近年來該方向的研究增長量明顯高于其他3個方向。車輛油耗量影響因素研究和生態(tài)駕駛策略研究是生態(tài)駕駛運用及效果分析的基礎，但是如何將這些成果運用于實際，給社會帶來現(xiàn)實意義，仍是目前學者們所需要不斷努力和探索的，國內外學者應該也多聚焦于對生態(tài)駕駛運用及生態(tài)駕駛效果分析的研究。

(2)從研究方向上來看，車輛油耗量影響因素的研究逐漸從宏觀影響因素過渡到更為細致的方面，研究逐漸開始顯示出針對性，進一步深入到針對特殊場景、特殊條件下相關影響因素對生態(tài)駕駛的影響。該研究方向的研究趨勢為對新的車輛油耗量影響因素的探索，并研究由于信息技術的不斷發(fā)展而產(chǎn)生的新型影響因素對生態(tài)駕駛的影響。如今隨著科技的進步，車輛消耗能源的種類也變得多樣，故近年來對生態(tài)駕駛的研究不單拘泥于燃油車，更有學者將目光投向新能源汽車開展新能源汽車能源消耗控制策略研究。該方向前期側重于對能源消耗模型的建立，中后期將研究重點放在適用于不同場景、不同特殊因素下能源消耗的研究，以提升生態(tài)駕駛策略的可行性，故未來也將聚焦于微觀的駕駛員操作行為控制策略的研究。在生態(tài)駕駛的效果分析方面，逐漸從單一的對比試驗進行生態(tài)駕駛效果分析過渡到對生態(tài)駕駛時效性的研究。在生態(tài)駕駛運用方面，早期學者多集中于基于經(jīng)驗總結的靜態(tài)生態(tài)駕駛培訓的設計，中后期致力于開發(fā)對駕駛人的駕駛行為進行管理及提高交通系統(tǒng)運行效率的生態(tài)駕駛輔助系統(tǒng)。

(3)從研究熱點和發(fā)展趨勢上來看，生態(tài)駕駛研究的熱點聚焦在駕駛行為對生態(tài)駕駛的影響、由于信息技術的不斷發(fā)展而產(chǎn)生的新型影響因素對生態(tài)駕駛的影響研究、新能源汽車生態(tài)駕駛控制策略研究、駕駛員操作行為控制策略研究、城市道路交叉口節(jié)能策略研究、特定條件下的生態(tài)駕駛策略研究、運動的交通流下生態(tài)駕駛效果分析研究、生態(tài)駕駛培訓時效性研究、針對駕駛行為的生態(tài)駕駛輔助系統(tǒng)研究、提高交通系統(tǒng)運行效率的生態(tài)駕駛輔助系統(tǒng)研究。

未來，對已知車輛油耗量影響因素的影響程度及外界刺激的種類研究都有待進一步開展和深化，同時如何提升所得出的生態(tài)駕駛策略的可行性及實用性也是生態(tài)駕駛研究所需要進一步追尋的。目前生態(tài)駕駛的研究總是針對單一的行車工況和行車環(huán)境，而實際生活中車輛總是處于運動的車流當中的，因此整個交通流下的生態(tài)駕駛更具現(xiàn)實意義。隨著信息網(wǎng)絡技術的不斷發(fā)展，結合智能交通、實時信息傳輸?shù)燃夹g實現(xiàn)生態(tài)駕駛也是未來的重要發(fā)展趨勢。