謝 輝，陳雙喜，馬紅杰，黃登高

（天津大學內(nèi)燃機燃燒學國家重點實驗室，天津　300072）

城市公交司機進站操作特征對油耗影響分析

謝 輝，陳雙喜，馬紅杰，黃登高

（天津大學內(nèi)燃機燃燒學國家重點實驗室，天津300072）

針對司機駕駛操作差異影響油耗的問題，基于遠程監(jiān)控系統(tǒng)采集的天津市某公交線路超過1×105，km的實車運行數(shù)據(jù)，提取了大量司機減速行為樣本，采用曲線簇截面速度特征量提取的方法，分析了司機進站初始速度和速度運行區(qū)間的統(tǒng)計特征；研究了司機在同一站點的進站操作特征差異對油耗的影響，并利用GT-SUITE車輛模型，仿真驗證了倒拖制動操作對進站油耗的影響.結(jié)果表明：同一站點司機進站初始速度符合正態(tài)分布，且減速過程存在一個狹窄的速度通道；平均倒拖時間百分比提高46.4%，進站油耗降低12.2%；降低了倒拖結(jié)束車速，可以提高進站燃油經(jīng)濟性.

減速行為；初始速度；倒拖時間百分比；油耗

遠程監(jiān)控系統(tǒng)的統(tǒng)計數(shù)據(jù)表明，公交車行駛油耗對司機的駕駛行為和道路工況非常敏感.Shirk等［1］認為司機操作特性是混合動力汽車能耗影響因素中唯一的主觀因素，是所有能耗影響因素的輸入接口.Sivak等［2］研究發(fā)現(xiàn)司機的操作決策水平、激進型駕駛風格對輕型車輛的油耗影響達25%.de Vlieger等［3］研究發(fā)現(xiàn)，在相同的道路工況、相同的車輛條件下，激進的司機駕駛行為相比溫和的駕駛行為將增加40%的油耗，在擁擠路況下，這種差異表現(xiàn)得尤為顯著.van Mierlo等［4］研究表明，通過改變司機駕駛行為或駕駛風格，油耗可以降低5%～25%.Sandberg［5］針對卡車司機駕駛行為的研究證實，司機踩加速踏板的深淺和換擋發(fā)動機轉(zhuǎn)速的改變，可以導致5%的油耗差異.Bingham［6］研究表明，在沒有任何額外駕駛?cè)蝿盏那疤嵯拢煌緳C駕駛測試EV轎車，凈能量損耗差別達到32%.文獻［7］分析公交司機的出站駕駛特征，指出瞬時油耗對加速度水平很敏感，加速度從0.5，m/s2增加至1.5，m/s2，瞬時油耗增加67%.文獻［8］借助Eco-Driving輔助系統(tǒng)，通過交通標志檢測技術(shù)和減速曲線最優(yōu)化算法，實現(xiàn)同一司機單次停車試驗節(jié)油2，mL.文獻［9］分析了司機遇紅燈剎車行為速度曲線統(tǒng)計特征，并分析了天氣因素對剎車行為的影響.文獻［10］對司機安全駕駛行為進行研究，提出了一種從司機操作數(shù)據(jù)中提取司機駕駛特征的方法.

由此可見，司機駕駛行為的研究主要在駕駛特性分類辨識、安全駕駛輔助和節(jié)油潛力評估方面.實際上，對城市公交司機而言，駕駛?cè)蝿諞Q定了站點停車的要求.因此，司機進站駕駛輔助是實現(xiàn)公交節(jié)油的有效途徑之一.

本研究通過遠程監(jiān)控系統(tǒng)實時采集公交車運行數(shù)據(jù)，分析司機進站過程統(tǒng)計特征和駕駛操作差異對油耗的影響規(guī)律，為進站駕駛輔助提供指導.

1　研究平臺描述

采用了自主開發(fā)的車輛遠程數(shù)據(jù)采集裝置（簡稱信息單元），如圖1所示，通過OBD（on-board diagnostics）接口實時采集車輛運行數(shù)據(jù)，通過GPS模塊獲取位置和時間信息，并利用GPRS模塊實現(xiàn)數(shù)據(jù)的遠程傳輸.同時，信息單元將所有數(shù)據(jù)以10，Hz的頻率同步高速記錄至SD卡.

信息單元與ECU（electric control unit）的數(shù)據(jù)交互是通過SAE J1939［11］協(xié)議實現(xiàn)的.采集的主要運行參數(shù)包括：發(fā)動機轉(zhuǎn)速、轉(zhuǎn)速計輸出軸轉(zhuǎn)速、發(fā)動機實際扭矩百分比、基于車輪的車輛速度、油門踏板位置、小時燃油消耗率等.

圖1　信息單元實物Fig.1 Vehicle information unit on-board

遠程數(shù)據(jù)采集及統(tǒng)計分析系統(tǒng)流程如圖2所示.①信息單元通過CAN模塊采集車輛ECU數(shù)據(jù)，通過GPS模塊采集位置和時間信息；②無線網(wǎng)絡將數(shù)據(jù)發(fā)送到轉(zhuǎn)發(fā)中心；③轉(zhuǎn)發(fā)中心將數(shù)據(jù)傳輸?shù)奖O(jiān)控平臺，用于車輛實時監(jiān)控；④SD卡記錄數(shù)據(jù)用于油耗統(tǒng)計分析與節(jié)油策略研究.

圖2　遠程數(shù)據(jù)采集及統(tǒng)計分析系統(tǒng)流程Fig.2 Flow chart of remote data acquisition and static analysis system

研究過程中選擇了3輛相同配置的柴油公交客車，型號為ZK6902HGA，發(fā)動機和車輛技術(shù)參數(shù)如表1所示.研究車輛運行線路為天津市503路，全程70.4，km，平均運行時間約160，min，從輕軌東海路站至天津西站北廣場站，如圖3所示.研究對象為6位男性司機，基本信息如表2所示，其中，A2、B2、C2是3輛車的副班司機.研究選取了2012年5月—2013年7月的運行數(shù)據(jù)，累計監(jiān)控里程超過1×105，km.

圖3　天津市503路公交運行線路Fig.3 Tianjin city No.503 bus route

表1　發(fā)動機和車輛技術(shù)參數(shù)Tab.1 Engine and vehicle technical parameters

表2　司機基本信息Tab.2 Driver personal information

2　數(shù)據(jù)預處理與進站片段劃分

2.1行駛里程和油耗計算

CAN（controller area network）總線獲得的原始車速數(shù)據(jù)中存在著一定的高頻噪聲，因而需要對其進行濾波處理.濾波后車速未失真，不影響駕駛行為分析，如圖4所示.行駛里程和油耗分別通過對車速和小時燃油消耗率進行積分，計算公式分別為

式中：L為積分里程，km；v為基于車輪的車輛速度，km/h；F為積分油耗，L；H為小時燃油消耗率，L/h；Δt為CAN總線數(shù)據(jù)更新周期，Δ，t=0.1，s.積分油耗與實際加油的油耗數(shù)據(jù)對比，驗證了通過CAN總線獲得的油耗是可信的.

圖4　實車速度原始數(shù)據(jù)和濾波后結(jié)果Fig.4 Raw velocity data and results after filtering

2.2司機進站片段劃分

為了分析進站過程司機操作對油耗的影響，首先根據(jù)對實際數(shù)據(jù)的統(tǒng)計，按照如下劃分條件提取進站片段，可以最大限度地排除道路工況因素的干擾，如圖5所示，片段B和片段C不作為研究片段.

（1） 進站過程開始時刻加速踏板開度為0，擋位為最高擋或次高擋；

（2） 進站過程結(jié)束時刻車速為0；

（3） 進站初始速度v0大于30，km/h；

（4） 忽略由于交通擁堵或遇紅燈造成的連續(xù)減速再加速的片段；

（5） 忽略由于交通擁堵或遇紅燈造成的中途停車片段.

圖5　進站片段劃分示意Fig.5Segment division diagram of deceleration during bus stop

研究表明，司機主要通過當前車速決策駕駛操作（加速踏板、制動踏板和擋位）.對公交車司機而言，決策進站操作的車速是有差異的，但是站點位置是固定的.為簡化分析起見，在滿足上述劃分條件的前提下，選擇60，m的固定進站片段距離進行統(tǒng)計分析.從708圈、行駛方向為輕軌東海路站—西站北廣場站的駕駛試驗樣本中，篩選了301個進站片段，其速度曲線如圖6所示.

圖6　司機進站速度曲線Fig.6 Driver deceleration velocity curves

從圖6直觀來看，不同司機在同一站點的減速過程是相似的，為了進一步分析進站片段統(tǒng)計特征，需要量化描述進站過程特征.

3　司機進站操作實車數(shù)據(jù)分析

3.1司機進站統(tǒng)計特征

速度是描述司機進站過程最直接、外在的參數(shù).同一站點，各個司機面對的道路工況（天氣、乘客載荷等）的統(tǒng)計學特征在概率上是一致的.因此，在一定程度上，進站初始速度能夠反映司機進站過程對距離的預判經(jīng)驗和操作習慣.對301個進站片段進行速度特征分析和K-S分布檢驗，進站初始速度服從正態(tài)分布N（42.9，17.3），如圖7所示.

圖7　進站初始車速分布Fig.7 Initial velocity histogram during bus stop

對提取的單位進站距離橫截面的速度特征量進行驗證，橫截面速度均服從正態(tài)分布，得到如圖8所示的速度包絡線和各分位點速度曲線.其中，Q1為速度上包絡線，Q0.95和Q0.05分別為上包絡線的95%和5%位置速度曲線，Q0.5為平均值速度曲線，Q0為速度下包絡線.Q0.95和Q0.05的位置表明：同一站點減速過程存在一個狹窄的速度通道.

圖8　進站速度包絡線、95%分位點、平均值和5%分位點速度曲線Fig.8 Velocity graph of envelope curve，95% quantile，median and 5% quantile curve

3.2進站操作特征差異對油耗的影響規(guī)律

由圖8可知，不同司機進站表現(xiàn)出相同的減速特征，但卻有不同的油耗表現(xiàn).考慮到公交投入運營后車輛屬性的變化，在分析司機進站操作對油耗影響時，樣本選取同一輛車的多次試驗數(shù)據(jù)，以保證駕駛試驗的道路工況（天氣、乘客載荷等）統(tǒng)計學特征一致性.為研究司機進站操作差異對油耗的影響，從301個進站樣本中選擇9206號車司機B1和B2進站過程展開分析.為排除進站過程中由于空調(diào)開關造成油耗增加的影響，對數(shù)據(jù)進行空調(diào)開啟校驗.

篩選的83個樣本平均車速和油耗見表3，油耗相對差異12.2%.特別說明的是，進站操作對油耗影響研究是在制動踏板信息缺乏的條件下開展的.因此，只分析倒拖制動過程對進站油耗的影響.

表3　司機進站過程樣本平均車速和油耗Tab.3Samples average velocity and fuel consumption of driver behavior during bus stop

根據(jù)發(fā)動機和車輛動力學理論，ECU對倒拖過程采取斷油策略，循環(huán)供油量為0；踩制動的過程由于引入真空助力制動系統(tǒng)扭矩需求，循環(huán)供油量增加.

根據(jù)對進站過程小時燃油消耗率的初步分析，選擇倒拖時間百分比描述司機的進站操作特征.根據(jù)統(tǒng)計節(jié)油的思路，定義進站過程平均倒拖時間百分比Ta，其計算式為

式中：ti為第i個進站樣本倒拖時間百分比；N為進站過程樣本數(shù).

在83個進站過程樣本中，司機B1和B2的平均倒拖時間百分比分別為16.75%和31.25%，相對差異為46.4%.倒拖時間百分比的分布情況如圖9所示.其中，司機B1完全不使用倒拖的樣本為12個，占總進站樣本比例為20.34%，而司機B2在所有的進站過程中均使用倒拖制動，這反映了兩個司機進站過程駕駛經(jīng)驗的差異.

圖9　司機進站過程倒拖時間百分比分布對比Fig.9Comparision of driver coast time percentage distribution of driver behavior during bus stop

司機進站過程倒拖制動時間的差異直接影響發(fā)動機轉(zhuǎn)速分布的差異，如圖10所示，最優(yōu)司機是83個進站樣本中燃油經(jīng)濟性相對最好的司機.司機B2發(fā)動機轉(zhuǎn)速分布更接近最優(yōu)司機的分布參數(shù)，燃油經(jīng)濟性更好.

圖10　進站過程發(fā)動機轉(zhuǎn)速分布Fig.10 Engine speed distribution during bus stop

實際上，在不同的駕駛試驗中，司機在同一站點的進站過程也存在一定的差異，因此統(tǒng)計其他4位司機的進站特征，驗證倒拖時間百分比對油耗的影響關系.圖11所示為其他4位司機不使用倒拖制動和使用倒拖制動樣本的進站平均油耗，這說明倒拖時間百分比對進站平均油耗的影響具有普遍性.

綜上所述，司機提高進站過程的倒拖制動時間百分比，可以有效降低進站平均油耗.對司機B1和B2而言，倒拖時間百分比由16.75%提高到31.25%，相對提高46.4%，進站平均油耗從5.47，L/（100，km）降低到4.80，L/（100，km），相對降低12.2%.因此，利用車輛動力學的先驗知識，減少剎車操作，可以降低進站平均油耗.

圖11　司機不使用和使用倒拖制動的進站平均油耗Fig.11Average fuel consumption with coast and without coast during bus stop

4　司機進站操作仿真分析

4.1司機進站操作仿真模型

為模擬公交車進站過程，搭建了涵蓋車輛模型、發(fā)動機模型、駕駛員模型、道路模型、車輛控制和事件管理器的GT-SUITE進站操作仿真平臺，如圖12所示，該仿真平臺經(jīng)過滑行試驗數(shù)據(jù)驗證.

圖12　司機進站操作優(yōu)化仿真模型Fig.12 Vehicle simulation model for deceleration driving operations optimization

4.2司機進站倒拖結(jié)束車速分析

根據(jù)前文對進站特征的統(tǒng)計分析，提高進站過程倒拖時間百分比可以降低油耗.利用進站操作仿真平臺，設置不同倒拖制動結(jié)束車速仿真案例，以驗證倒拖結(jié)束車速對進站油耗的影響.實車數(shù)據(jù)中司機進站過程的倒拖制動結(jié)束車速分布情況，如圖13所示.

仿真案例的倒拖制動結(jié)束車速設置，如表4所示.v的設置方法為

圖13　司機進站過程倒拖制動結(jié)束車速分布Fig.13 Driver coast end velocity distribution features during bus stop

以進站初始時刻擋位為5擋計算，最小倒拖結(jié)束車速為32.9，km/h，倒拖制動結(jié)束車速vc的案例設置滿足

式中：ig為變速箱傳動比；i0為主減速比；rw為車輪半徑；nr為發(fā)動機恢復供油轉(zhuǎn)速.

表4　進站過程仿真案例設置Tab.4 Simulation case setup during bus stop　　km/h

仿真的車速曲線如圖14所示.各個仿真案例的初始階段是相同的，目的是使車輛自由加速到穩(wěn)定狀態(tài).仿真案例減速過程的油耗分別為55.9，mL、51.6，mL和46.9，mL，折算的百公里油耗分別為5.141，L、5.072，L和4.946，L.3種不同的倒拖制動結(jié)束速度，燃油經(jīng)濟性相差3.8%.需要特別說明的是，仿真減速距離比實際進站片段距離長，是由于仿真模型中減速過程由倒拖制動和脫擋滑行組成.

倒拖制動結(jié)束車速的差異，造成減速過程倒拖時間百分比和發(fā)動機工況點分布的差異，如圖15所示，降低倒拖結(jié)束速度能夠充分利用減速斷油降低油耗.

圖14　仿真案例的車速-距離曲線Fig.14 Velocity-distance curves for all simulation cases

圖15　仿真發(fā)動機工況點分布Fig.15 Engine operating points distribution

5　結(jié) 論

（1） 基于曲線簇截面速度特征量提取的方法，分析了司機進站初始速度和速度運行區(qū)間統(tǒng)計特征.結(jié)果表明：同一站點司機進站初始速度符合正態(tài)分布，減速過程存在一個狹窄的速度通道.

（2） 分析了司機進站過程倒拖時間百分比差異對油耗的影響.結(jié)果表明：提高進站過程倒拖時間百分比，可以有效降低進站平均油耗，平均倒拖時間百分比提高46.4%，進站平均油耗降低12.2%.

（3） 利用GT-SUITE進站操作仿真平臺，分析了倒拖結(jié)束車速對進站油耗的影響.仿真結(jié)果表明：降低倒拖結(jié)束車速，可以提高進站燃油經(jīng)濟性.

［1］Shirk M G，Geller B M. Factors affecting the fuel consumption of plug-in hybrid electric vehicles［C］// The25，th International Battery，Hybrid and Fuel Cell Electric Vehicle Symposium & Exposition. Shenzhen，China，2010：1-9.

［2］Sivak M，Schoettle B. Eco-driving：Strategic，tactical，and operational decisions of the driver that improve vehicle fuel economy［J］. Transport Policy，2011，22：96-99.

［3］De Vlieger I，de Keukeleere D，Kretzschmar J G. Environmental effects of driving behavior and congestion related to passenger cars［J］. Atmospheric Environment，2000，34（27）：4649-4655.

［4］Van Mierlo J，Maggetto G，van de Burgwal E，et al. Driving style and traffic measures-influence on vehicle emissions and fuel consumption［J］. Journal of Automobile Engineering，2004，218（1）：43-50.

［5］Sandberg T. Heavy Truck Modeling for Fuel Consumption Simulations and Measurements［D］. Link?ping：Deportment of Electrical Engineering，Link?ping University，2001.

［6］Bingham C. Power energy storage technologies and energy management［C］// 3，th Advanced Engine Control Symposium. Tianjin，China，2010：245-254.

［7］Munziah R. Bus Driving Behavior and Fuel Consump tion［D］. Southampton：University of Southampton，2012.

［8］Mu?oz-Organero M，Maga?a V C. Validating the impact on reducing fuel consumption by using an eco-driving assistant based on traffic sign detection and optimal deceleration patterns［J］. IEEE Transactions on Intelligent Transportation Systems，2013，14（2）：1023-1028.

［9］Berndt H，Wender S，Dietmayer K. Driver braking behavior during intersection approaches and implications for warning strategies for driver assistant systems［C］// IEEE Transactions on Intelligent Vehicles Symposium. Istanbul，Turkey，2007：245-251.

［10］Othman M R，Zhang Z，Imamura T，et al. A study of analysis method for driver features extraction［C］// IEEE International Conference on Systems，Man and Cybernetics. Singapore，2008：1501-1505.

［11］夏繼強，孫 進，曹 磊，等. 基于 SAE J1939 的汽車網(wǎng)絡監(jiān)控系統(tǒng)設計［J］. 汽車工程，2007，29（6）：528-532.

Xia Jiqiang，Sun Jin，Cao Lei，et al. The design of SAE J1939-based vehicle network monitoring system［J］. Automotive Engineering，2007，29（6）：528-532（in Chinese）.

（責任編輯：孫立華）

Analysis on the Influence of Driver Deceleration Behavior During Bus Stop on Fuel Consumption

Xie Hui，Chen Shuangxi，Ma Hongjie，Huang Denggao
（State Key Laboratory of Engines，Tianjin University，Tianjin 300072，China）

The influence of driver behavior on fuel consumption was studied. Based on 100，000 kilometers' real-time data from a Tianjin bus route，which was collected by a wireless remote monitoring system，a large amount of driver deceleration behavior samples were acquired. The study focuses on the analysis on statistical characteristics of initial velocity and speed range by adopting curve cluster driver features extraction method. Results show that the initial velocity accords with normal distribution at the same bus stop，and there exists a narrow deceleration velocity corridor. Statistical analysis on the effect of two drivers' deceleration operations difference on fuel consumption at the same stop was conducted. Fuel consumption decreased by 12.2% when average engine coast time percentage increased by 46.4%. A GT-SUITE vehicle model was built to verify the relationship between deceleration operations and fuel consumption. By reducing the coast end velocity，fuel economy can be improved.

deceleration behavior；initial velocity；coast time percentage；fuel consumption

U469.72

A

0493-2137（2015）12-1091-07

10.11784/tdxbz201403047

2014-03-15；

2014-07-02.

科技部“中日韓”國際合作基金資助項目（2013DFG62890）.

謝 輝（1970，—），男，博士，教授.

謝 輝，xiehui@tju.edu.cn.

網(wǎng)絡出版時間：2014-09-10. 網(wǎng)絡出版地址：http://www.cnki.net/kcms/doi/10.11784/tdxbz201403047.html.