趙曉華， 劉 暢， 姚 瑩

(北京工業(yè)大學(xué)城市交通學(xué)院， 北京 100124)

交通領(lǐng)域的能耗排放問題是影響城市綜合發(fā)展和居民健康水平的世界性難題[1]. 特別是將機(jī)動車排放與普遍存在的霧霾天氣直接關(guān)聯(lián)，更加凸顯了交通領(lǐng)域能耗排放問題的嚴(yán)峻性和急迫性. 據(jù)統(tǒng)計，截至2016年，北京市交通領(lǐng)域能源消耗量占全市能耗總量的18.9%，機(jī)動車排放的PM2.5、NOx和VOC分別占全市排放物總量的22.2%、58.0%和40.0%[2]. 為此，國務(wù)院印發(fā)《“十三五”節(jié)能減排綜合方案》要求提高交通運輸工具能效水平，到2020年乘用車平均燃料消耗量降至百公里5 L[3]. 可見，交通領(lǐng)域的節(jié)能減排問題亟待解決.

實際上，影響機(jī)動車能耗排放的主要因素包括車輛技術(shù)、道路環(huán)境及汽車運用水平三大方面，其中汽車運用水平是保障車輛燃料經(jīng)濟(jì)性的主要源泉之一. 不同的駕駛水平與習(xí)慣對汽車燃料經(jīng)濟(jì)性的影響范圍可達(dá)30%[4]，即使是專業(yè)駕駛員因駕駛習(xí)慣也可導(dǎo)致2%～12%的燃油差異[4]，不良的駕駛習(xí)慣將抹殺多種車輛技術(shù)進(jìn)步措施產(chǎn)生的節(jié)油效果. 同時，為了緩解交通領(lǐng)域的能源消耗問題，多種節(jié)能減排措施相繼實施，如推廣生態(tài)駕駛行為、改進(jìn)車輛技術(shù)、設(shè)計車輛流線型、開發(fā)汽車新能源、調(diào)整出行結(jié)構(gòu)等[5]. 相比之下推廣生態(tài)駕駛行為具有低成本、零顧慮的優(yōu)勢. 鑒于生態(tài)駕駛行為習(xí)慣對機(jī)動車能耗排放的貢獻(xiàn)比例與優(yōu)勢，歐盟早在10年前便提出“生態(tài)駕駛行為”理念. 生態(tài)駕駛行為是指駕駛員在駕駛過程中及時換擋、保持平穩(wěn)行駛速度、預(yù)測前方交通流狀態(tài)及信號變化情況，最大限度地避免突然加減速和長時間怠速等微觀行為，以達(dá)到節(jié)能減排的目的[4]. 同時西方國家經(jīng)驗顯示，評估3年周期后，生態(tài)駕駛可使油耗平均降低5%～10%，優(yōu)異者甚至可達(dá)20%～50%，同時還可減少汽車排放10%[6].

源于顯著的節(jié)能減排潛力，生態(tài)駕駛行為受到越來越多的青睞，對生態(tài)駕駛行為的培訓(xùn)及評估逐漸成為發(fā)展生態(tài)駕駛行為的趨勢，合理評估其效果對推廣生態(tài)駕駛培訓(xùn)十分重要. 目前，國內(nèi)外的培訓(xùn)主要包括靜態(tài)培訓(xùn)方式與動態(tài)培訓(xùn)方式2種. 靜態(tài)培訓(xùn)主要借鑒沿襲傳統(tǒng)培訓(xùn)方式，培訓(xùn)內(nèi)容分為理論培訓(xùn)和實操培訓(xùn). 理論培訓(xùn)分為靜態(tài)圖片與動畫模擬2種方式，培訓(xùn)場所包括室內(nèi)培訓(xùn)和室外培訓(xùn)，技術(shù)支撐包括駕駛模擬技術(shù)和場地實車操作. 動態(tài)培訓(xùn)，主要基于車載設(shè)備感知信息，動態(tài)反饋駕駛員的駕駛行為特性. 反饋方式主要包括視覺、聽覺和觸覺3種[7]. 輔助設(shè)備形式主要借助汽車儀表盤、智能手機(jī)終端、離線反饋系統(tǒng)、專用成套車載裝置和觸覺反饋踏板等車載終端[8]. 由于駕駛行為特征描述、判別和診斷研究的制約，目前的矯正優(yōu)化內(nèi)容和方法較為粗糙，針對性不強(qiáng)，定性化為主. 國內(nèi)外多選用燃油消耗量、污染物排放量等單一指標(biāo)量化評估生態(tài)駕駛行為的培訓(xùn)效果，忽視培訓(xùn)的潛在隱性效果，制約培訓(xùn)的發(fā)展與推廣. 如Barkenbus[9]利用CO2評價生態(tài)駕駛行為的效果并且認(rèn)為采用生態(tài)駕駛培訓(xùn)能夠有效緩解氣候變化. Zarkadoula等[10]利用燃油消耗降低量評估生態(tài)駕駛培訓(xùn)效果并認(rèn)為生態(tài)駕駛行為能夠提升4.35%的燃油消耗. 伍毅平[11]基于駕駛模擬技術(shù)以油耗節(jié)約量為指標(biāo)評估生態(tài)駕駛行為培訓(xùn)的測試效果. 上述研究均選用單一指標(biāo)評估生態(tài)駕駛行為的培訓(xùn)效果. 趙曉華等[12]基于北京市出租車實車運行數(shù)據(jù)，以油耗特征分析北京市快速路基本路段在不同交通、工況條件下生態(tài)駕駛行為的節(jié)能潛力，該研究雖考慮交通條件及工況影響但仍選用單一指標(biāo)評估生態(tài)駕駛行為的培訓(xùn)效果. 縱觀國內(nèi)外對生態(tài)駕駛行為培訓(xùn)效果的研究，多選用單一評估指標(biāo)，且尚未形成系統(tǒng)的生態(tài)駕駛行為效果評估方法，同時未對指標(biāo)選取及評估方法制定相關(guān)標(biāo)準(zhǔn). 因此，對于生態(tài)駕駛行為的培訓(xùn)評估方法應(yīng)用，有必要尋求新的評估方法體系，從而實現(xiàn)對生態(tài)駕駛行為培訓(xùn)效果的精準(zhǔn)、全面、系統(tǒng)評估.

基于此，論文提出面向生態(tài)駕駛行為培訓(xùn)效果的“全面化- 多層次”的評估方法. 研究基于駕駛模擬技術(shù)設(shè)計生態(tài)駕駛行為靜態(tài)培訓(xùn)的有效性評估實驗，考慮反應(yīng)、學(xué)習(xí)、行為、效果等不同效果層面，采用柯氏層次評估模型，評估生態(tài)駕駛行為培訓(xùn)的潛在隱性效果，構(gòu)建生態(tài)駕駛行為培訓(xùn)的一般性評估模型. 將柯氏層次評估模型引入微觀駕駛行為研究領(lǐng)域，進(jìn)而推演形成評估駕駛行為培訓(xùn)的反應(yīng)、學(xué)習(xí)、行為、效果等層面的一般性評估方法，為生態(tài)駕駛行為的推廣與應(yīng)用奠定理論及數(shù)據(jù)基礎(chǔ).

1 有效性評估實驗設(shè)計

相比生態(tài)駕駛行為動態(tài)培訓(xùn)，通過觀看教學(xué)視頻的靜態(tài)培訓(xùn)方式具有方便、適用性廣等優(yōu)勢，是一種適合大規(guī)模推廣與應(yīng)用的駕駛行為培訓(xùn)方式. 作者開展生態(tài)駕駛行為靜態(tài)培訓(xùn)實驗并驗證其培訓(xùn)效果，研究過程如下.

1.1 被試選取

出租車駕駛員的平均駕駛行程可達(dá)社會人士的6～8倍，故研究招募出租車駕駛員作為實驗被試. 由于部分被試出現(xiàn)模擬器眩暈的情況，最終35名被試完成實驗，鑒于出租車駕駛員多為男性，故在隨機(jī)抽取的實驗被試中，男女比例為34∶1，被試的年齡范圍為27～55歲，平均年齡44歲，年齡標(biāo)準(zhǔn)差7.60；駕齡范圍4～31年，平均駕齡19年，駕齡標(biāo)準(zhǔn)差6.30，所有被試人員的駕駛經(jīng)驗豐富，身體狀況良好.

1.2 實驗設(shè)備

選用駕駛模擬器作為實驗設(shè)備，見圖1. 實驗設(shè)備主要由模擬駕駛艙位、多屏顯示及聲響系統(tǒng)、運動力學(xué)采集控制系統(tǒng)、數(shù)據(jù)采集分析系統(tǒng)、人機(jī)交互系統(tǒng)、視景系統(tǒng)構(gòu)成. 模擬器提供32 in(1 in=2.5 cm)三面屏監(jiān)視器，畫面逼真可以模擬實車運行環(huán)境；聲響系統(tǒng)模擬汽車發(fā)動機(jī)轉(zhuǎn)速、車輛制動、轉(zhuǎn)彎等聲音；模擬系統(tǒng)可建立與實際駕駛環(huán)境一致的虛擬場景模型，提供真實的行車感受. 可采集速度、加速度、運行方向、擋位、油門、剎車等17項指標(biāo)，采集頻率60 Hz.

1.3 場景設(shè)計

為了涵蓋典型道路類型，實驗場景包含城市道路、高速公路及山區(qū)道路共3種典型道路類型. 其中，城市道路場景選取城市道路2條，總長均為7.5 km，車道寬度3.5 m，雙向2車道，均包含直線路段、交叉口、坡道、彎道等道路類型. 山區(qū)高速公路1條，總長15.0 km，由高速公路與山區(qū)道路共同構(gòu)成，其中高速公路全長3.0 km，車道寬度3.5 m，雙向5車道，包含收費站1個；設(shè)計山區(qū)道路全長12.0 km，設(shè)計車道寬度3.5 m，雙向單車道，包含直線路段、坡道、彎道等道路類型. 3個場景內(nèi)均包含起步、減速停車、勻速、上下坡、通過彎道、怠速停車等多種駕駛工況. 由于能耗排放受交通流影響較大，實驗場景中設(shè)計基本暢通狀態(tài)的單一交通流，在駕駛員模擬駕駛中可產(chǎn)生正常駕駛、跟車、超車等事件組合以模擬駕駛員的日常駕駛特性. 同時，為了保證實驗質(zhì)量，設(shè)計一個練習(xí)場景供駕駛員在正式實驗前試駕，場景中不設(shè)計交通條件及道路工況. 實驗場景路線見圖2～5，場景搭建詳情見表1，實驗場景及練習(xí)場景見圖6，城市道路場景見圖7，山區(qū)高速公路場景見圖8.

1.4 靜態(tài)培訓(xùn)內(nèi)容制作

作者對生態(tài)駕駛行為靜態(tài)培訓(xùn)模式進(jìn)行設(shè)計，培訓(xùn)模式以駕駛員綜合教育目標(biāo)模型(goals of driver education model，GDE)框架為設(shè)計基礎(chǔ)，通過多層次培訓(xùn)駕駛員的生態(tài)駕駛行為，GDE框架將培訓(xùn)內(nèi)容分為個人生活目標(biāo)及生存技能、駕駛環(huán)境與目標(biāo)、交通環(huán)境把控、車輛操作技能4個等級. 研究依據(jù)GDE模式制作生態(tài)駕駛行為靜態(tài)培訓(xùn)視頻，詳情見表2.

表1 場景搭建詳情Table 1 Details of setting up scenarios

1.5 靜態(tài)培訓(xùn)流程

生態(tài)駕駛行為靜態(tài)培訓(xùn)主要包括5個部分，如下.

1) 靜態(tài)培訓(xùn)前的問卷調(diào)查及知識評測

駕駛員填寫問卷記錄個人信息、精神狀態(tài)等，評測被試對于生態(tài)駕駛行為的知識水平及了解程度.

2) 靜態(tài)培訓(xùn)前的模擬駕駛

駕駛員需完成城市道路與山區(qū)高速公路2個場景的駕駛，由于2條城市道路的道路類型相似，為避免疲勞駕駛，隨機(jī)抽選城市道路1、2中的一個場景作為城市道路實驗場景進(jìn)行測試. 駕駛員在練習(xí)場景中充分試駕后，按其自然駕駛習(xí)慣駕駛2個實驗場景，根據(jù)駕駛模擬器的提示分別完成城市道路、山區(qū)高速公路的駕駛?cè)蝿?wù).

3) 靜態(tài)視頻培訓(xùn)

駕駛完成后每位駕駛員在駕駛模擬器屏幕上觀看并學(xué)習(xí)相同內(nèi)容的生態(tài)駕駛行為培訓(xùn)視頻.

4) 靜態(tài)培訓(xùn)后的模擬駕駛

駕駛員經(jīng)靜態(tài)培訓(xùn)后，按當(dāng)前所掌握的技能進(jìn)行自然駕駛，完成與2)中完全相同的城市道路、山區(qū)高速公路的駕駛?cè)蝿?wù).

5) 靜態(tài)培訓(xùn)后的問卷調(diào)查及知識評測

駕駛員經(jīng)培訓(xùn)后完成與靜態(tài)培訓(xùn)前相同的評測

表2 視頻內(nèi)容Table 2 Video content

試卷，填寫培訓(xùn)滿意度、模擬真實度、學(xué)習(xí)與應(yīng)用等問卷.

2 靜態(tài)培訓(xùn)效果評估方法

2.1 柯氏層次評估模型

培訓(xùn)效果的評估歷經(jīng)了定性評估至定量評估的發(fā)展，其中影響最大、最廣泛的是柯氏層次評估模型[13-14]. 該模型將培訓(xùn)效果的評估標(biāo)準(zhǔn)分為反應(yīng)、學(xué)習(xí)、行為、效果4個遞進(jìn)層次，評估4個層次的培訓(xùn)效果. 其中，反應(yīng)層通過對培訓(xùn)效果及有用性的反應(yīng)，關(guān)注參與者對培訓(xùn)的直接感受；學(xué)習(xí)層關(guān)注參與者在培訓(xùn)后對培訓(xùn)內(nèi)容的知識、技能、態(tài)度等的理解和掌握程度；行為層關(guān)注參與者經(jīng)培訓(xùn)后對自身行為的變化及培訓(xùn)中知識、技巧的運用程度；效果層關(guān)注培訓(xùn)所帶來的成效與變化.

2.2 生態(tài)駕駛行為靜態(tài)培訓(xùn)效果評價

研究選用柯氏層次評估模型，基于反應(yīng)、學(xué)習(xí)、行為、效果4個層次評估生態(tài)駕駛靜態(tài)培訓(xùn)效果. 各級評估指標(biāo)如表3所示，一級指標(biāo)4項，對應(yīng)反應(yīng)、學(xué)習(xí)、行為、效果4個層次，其中二級、三級指標(biāo)分別表征與具化一級指標(biāo). 作者探究適用于不同道路條件下的效果評估模型，故將不同場景下數(shù)據(jù)匯總進(jìn)行效果分析，以探究此次生態(tài)駕駛行為靜態(tài)培訓(xùn)的效果. 形成一套模型效果全面、指標(biāo)評估精準(zhǔn)、評估體系系統(tǒng)的全鏈條、一般性評估體系.

表3 各層評估指標(biāo)Table 3 Evaluation indicators of each layer

2.2.1 反應(yīng)層

反應(yīng)層是評估駕駛員對培訓(xùn)的滿意程度、積極程度的重要工具，用來描述駕駛員對培訓(xùn)的整體反應(yīng). 采用駕駛員對培訓(xùn)的主觀反應(yīng)(A1)與場景的真實程度(A2)描述該指標(biāo). 研究通過問卷調(diào)查的方法評價生態(tài)駕駛行為靜態(tài)培訓(xùn)內(nèi)容、效果、設(shè)施等滿意度(滿分10分)，利用分值劃分表征靜態(tài)培訓(xùn)在反應(yīng)層的影響效果. 其中A1、A2指標(biāo)的問卷設(shè)計題為：問題A：生態(tài)駕駛靜態(tài)培訓(xùn)對您生態(tài)行為的提升程度. 問題B：以后日常駕車中會堅持采取學(xué)到的生態(tài)駕駛行為. 問題C：結(jié)合日常駕車的感受，綜合評價模擬器油門、方向盤、剎車、離合、場景真實感、速度感的真實度分值. 分值劃分規(guī)劃見表4.

表4 分值對應(yīng)表Table 4 Score analysis table

圖9為問卷統(tǒng)計問題的分值與表4對應(yīng)，結(jié)果表明，問題A“生態(tài)駕駛靜態(tài)培訓(xùn)對您生態(tài)行為的提升程度”與C“結(jié)合日常駕車的感受，綜合評價模擬器油門、方向盤、剎車、離合、場景真實感、速度感的真實度分值”的分值均對應(yīng)“好、符合”，即模擬器的真實度可以模擬自然駕駛時真實水平，駕駛員認(rèn)為靜態(tài)培訓(xùn)在很大程度上可以改善其駕駛行為；問題B“以后日常駕車中會堅持采取學(xué)到的生態(tài)駕駛行為”的分值對應(yīng)“非常符合”，即在靜態(tài)培訓(xùn)后駕駛員可以學(xué)習(xí)到生態(tài)駕駛行為相關(guān)知識并可以用于指導(dǎo)駕駛員的日后駕駛.

2.2.2 學(xué)習(xí)層

學(xué)習(xí)層的評估通過縱向?qū)Ρ扰嘤?xùn)前后駕駛員的知識水平，用于描述駕駛員對培訓(xùn)中的學(xué)習(xí)程度(B1)，利用駕駛員對靜態(tài)培訓(xùn)中生態(tài)知識的認(rèn)知程度表征該指標(biāo). 通過試卷測試的方式，借助駕駛員靜態(tài)培訓(xùn)前后的相同試卷得分評價培訓(xùn)在學(xué)習(xí)層面的影響. 測試試卷設(shè)計見表5. 培訓(xùn)前后試卷分值顯著性結(jié)果表明培訓(xùn)對分?jǐn)?shù)產(chǎn)生顯著影響(F(1,69)=18.788，P<0.001)，見表6. 結(jié)果表明靜態(tài)培訓(xùn)后駕駛員對生態(tài)駕駛知識的測試得分有顯著提升，生態(tài)駕駛行為靜態(tài)培訓(xùn)可以明顯提升駕駛員的生態(tài)駕駛行為理論知識水平.

表5 試卷設(shè)計Table 5 Test paper design

2.2.3 行為層

行為層評估借助行為指標(biāo)考察靜態(tài)培訓(xùn)后駕駛

表6 試卷得分Table 6 Grading of test

員接受知識、技能的應(yīng)用與轉(zhuǎn)化程度，用于表征靜態(tài)培訓(xùn)對駕駛行為生態(tài)性的客觀反應(yīng)(C1). 對比靜態(tài)培訓(xùn)前后駕駛員的非生態(tài)(不良)駕駛行為頻次.

的確，CBA聯(lián)賽23年，山東男籃的東家一直都是總部位于濟(jì)南的企業(yè)，絕大多數(shù)時間，其主場也一直位于省會濟(jì)南，城市與俱樂部的關(guān)系密切、深厚。

2.2.3.1 行為指標(biāo)提取

選取急加速、急減速、急剎車、低擋高速作為評價指標(biāo)，其中急加速、急減速各分為3個嚴(yán)重階段，共8個非生態(tài)駕駛行為發(fā)生頻次，各指標(biāo)定義如下.

1) 急加速：將模擬器產(chǎn)生的加速度絕對值從小至大排序，85%、90%、95%位加速度數(shù)值即為急加速1、2、3共3個階段的閾值.

2) 急減速：將模擬器產(chǎn)生的減速度絕對值從小至大排序，85%、90%、95%位減速度數(shù)值即為急減速1、2、3共3個階段的閾值.

3) 急剎車：將模擬器產(chǎn)生的減速度絕對值從小至大排序，85%位減速度為急剎車閾值.

4) 低擋高速：根據(jù)駕校教練駕駛經(jīng)驗，擋位為1、2、3、4時的車速范圍應(yīng)為10～20 km/h、20～30 km/h、30～40 km/h、40～50 km/h.

為了剔除異常數(shù)據(jù)，作者在指標(biāo)提取時引入“時間閾值”概念，即指標(biāo)發(fā)生的持續(xù)時間大于等于閾值時則判定行為發(fā)生，否則數(shù)據(jù)無效. 由小至大取15%位指標(biāo)發(fā)生持續(xù)時長為時間判定閾值，即85%的指標(biāo)發(fā)生持續(xù)時間大于該閾值.

綜上，非生態(tài)駕駛行為指標(biāo)判定條件見表7，其中a為加速度，v為速度，vs為終止速度，d為擋位，t為時間.

2.2.3.2 基于非生態(tài)駕駛行為頻次的行為層評估

熵權(quán)法是一種客觀賦權(quán)方法，用于度量信息論中的信息量[15-17]. 按照信息論基本原理的解釋，信息是系統(tǒng)有序程度的一個度量，熵是系統(tǒng)無序程度的一個度量. 利用熵權(quán)法評估駕駛行為的非生態(tài)性，評估流程如圖10所示.

1) 百公里頻次：由于不同駕駛員所駕駛不同的場景，不同駕駛場景間里程數(shù)存在一定差異，為了實現(xiàn)數(shù)據(jù)一致性與可比性，對非生態(tài)駕駛行為指標(biāo)取百公里頻次，計算公式為

百公里頻次=場景發(fā)生頻次÷場景里程數(shù)×100 (1) 表7 非生態(tài)駕駛行為判定條件Table 7 Determination of non-ecological driving behavior

2) 將8個指標(biāo)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：定義8個指標(biāo)分別為X1,X2,…,X8，其中Xi={Xi1,Xi2,…,Xi70}. 35名駕駛員8項指標(biāo)標(biāo)準(zhǔn)化為Y1,Y2,…,Y8,則Yij=Xij-minXi/maxXi-minXi，其中i=1,2,…,8;j=1,2,…,70.

表8 信息熵與權(quán)重值Table 8 Information entropy value and weight

駕駛行為生態(tài)性的變化通過靜態(tài)培訓(xùn)前后平均分?jǐn)?shù)表征，分值見表9. 結(jié)果表明靜態(tài)培訓(xùn)可以降低非生態(tài)駕駛行為的發(fā)生頻次，生態(tài)性提升比例為3%左右.

表9 生態(tài)性變化Table 9 Ecological changes

2.2.4 效果層

效果層評估是指培訓(xùn)在自我的提升基礎(chǔ)上，將對外界產(chǎn)生積極影響，描述駕駛員靜態(tài)培訓(xùn)后所帶來的經(jīng)濟(jì)(D1)及生態(tài)環(huán)境(D2)效益. 其中百公里燃油消耗量與百公里排放量分別表征培訓(xùn)后的經(jīng)濟(jì)和生態(tài)環(huán)境效益.

利用VSP模型將環(huán)境指標(biāo)、經(jīng)濟(jì)效益采用車輛百公里污染物排放及百公里油耗進(jìn)行測算. VSP是單位質(zhì)量機(jī)動車瞬時功率，表示發(fā)動克服車輪旋轉(zhuǎn)阻力FR、空氣動力學(xué)阻力FA做功、增加機(jī)動車動能EK、勢能PK所輸出的功率和內(nèi)摩擦阻力FI造成的轉(zhuǎn)動系的機(jī)械損失功率. 其數(shù)值與車輛自身(質(zhì)量、擋風(fēng)面積等)、行駛環(huán)境(海拔、坡度等)、行駛狀態(tài)(速度、加速度等)計算式為

(2)

式中：v為逐秒的運行速度，m/s；a為加速度，m/s2；ε為質(zhì)量因子，量綱為一；θ為道路坡度，量綱為一；g為重力加速度，取9.81 m/s2；CR為滾動阻力系數(shù)，量綱為一；PE為環(huán)境空氣密度，kg/s3；CD是風(fēng)阻系數(shù)，量綱為一；A為車輛擋風(fēng)面積，m2；m為車輛的質(zhì)量，kg；vm為風(fēng)速，m/s；CI為內(nèi)摩擦阻力系數(shù)，量綱為一.

由于研究車型為固定車型，因此在計算VSP時，車輛因素為常量. 同時，暫不考慮海拔高度和道路坡度等外界因素的影響. 伍毅平等[18]研究的VSP排放模型根據(jù)車輛速度、加速度的關(guān)系計算車輛尾氣排放量VSP. 本論文應(yīng)用該模型下VSP區(qū)間的基準(zhǔn)排放率[18]測算尾氣排放，利用碳平衡反推汽車油耗FC[19]，公式為

VSP=0.105 802v+0.001 353 73v2+ 0.000 333 11v3+va

(3)

FC=(0.866MHC+0.428 6MCO+ 0.272 7MCO2)×0.156

(4)

式中MCO、MCO2、MHC分別為CO、CO2、HC的排放量，單位為g/km.

計算培訓(xùn)前后百公里油耗及排放，見表10. 對百公里油耗顯著性分析結(jié)果表明，培訓(xùn)具有顯著效果(F(1，69)=4.201，P<0.005). 靜態(tài)培訓(xùn)可顯著影響車輛油耗量，對尾氣排放產(chǎn)生積極影響. 油耗下降3.78%，排放下降4.71%～9.97%.

表10 排放與油耗值Table 10 Emissions and fuel consumption

3 結(jié)論

1) 論文設(shè)計生態(tài)駕駛行為靜態(tài)培訓(xùn)有效性評估實驗，采用柯氏層次評估模型評估培訓(xùn)效果，利用駕駛員對生態(tài)駕駛行為的態(tài)度、生態(tài)駕駛行為相關(guān)知識的掌握、駕駛行為生態(tài)性、產(chǎn)生的油耗與排放分別表征反應(yīng)、學(xué)習(xí)、行為、效果各個層面，結(jié)果表明，經(jīng)生態(tài)駕駛行為靜態(tài)培訓(xùn)后，駕駛員更傾向于采取生態(tài)駕駛行為且其生態(tài)駕駛行為的知識水平在培訓(xùn)后有較好的提高，可以對駕駛員的生態(tài)駕駛行為理論知識水平產(chǎn)生積極作用. 同時，駕駛員的行為生態(tài)性有明顯提升，其油耗、排放水平明顯下降，表明靜態(tài)培訓(xùn)可以提升行為的生態(tài)性，同時對經(jīng)濟(jì)效益與環(huán)境效益有積極的作用. 生態(tài)駕駛行為靜態(tài)培訓(xùn)可在4個層面中均產(chǎn)生積極的效果培訓(xùn)，且模型具有系統(tǒng)性、一般性的評價特點.

2) 針對評估指標(biāo)多樣的特性，論文不同于以往研究中油耗、排放的單一項指標(biāo)分析，選取貫穿培訓(xùn)過程中的多個指標(biāo)，構(gòu)成一般性、全鏈條的評估指標(biāo)體系.

3) 目前，本文僅評估針對職業(yè)司機(jī)的靜態(tài)培訓(xùn)效果，未來將探究全國不同類型駕駛員的培訓(xùn)效果作進(jìn)一步效果研究. 同時，柯氏層次評估模型也可應(yīng)用于其他培訓(xùn)類型如安全、繼續(xù)教育等全交通領(lǐng)域的效果評估，形成基于不同層面的柯氏評估一般性方法，評估駕駛行為培訓(xùn)的潛在隱性效果，構(gòu)建面向交通領(lǐng)域駕駛行為培訓(xùn)效果的 “全面化- 多層次”評估模型，形成一套精準(zhǔn)、全面、系統(tǒng)的評估體系.