出租车驾驶员生态驾驶行为评价

王 萍，万 蔚，张 克，王振华，刘显青

(1.中国航天系统工程有限公司，北京 100070；2.北京市计量检测科学研究院，北京 100029)

随着我国城市居民生活水平的提高，机动车出行已经成为我国最主要的交通方式之一. 驾驶行为，即驾驶员改变行车速度、方向、车辆状态等的驾车方式，会对机动车的燃油经济性和安全性带来极大的影响. 研究表明，在燃油经济性方面，驾驶行为习惯对机动车燃料消耗的影响范围能够达到30%[1]. 而目前的驾驶行为评价研究大多集中于面向群体的驾驶行为建议，缺乏针对驾驶员个体的驾驶行为评价，部分驾驶行为评价结果对驾驶员的提示不够直观，难以对驾驶员提供有效的警醒或鼓励[2-3].

出租车作为城市道路交通系统的主要组成，具有运行时间长、油耗大等特点[4]，出租车运营公司也亟需一种具有良好数据支撑的评价方法进行出租车驾驶员的辅助考核. 本文以北京市出租车终端采集的数据为基础，从生态节能性维度，利用模糊综合评价模型对驾驶员个体的驾驶行为进行评价.

1 数据来源及处理

1.1 数据来源

本文数据来源于出租车一体化终端，利用北斗高精度定位和车载诊断(OBD)系统接口读取车辆实时位置、时间、车速、油耗、累计里程、发动机转速等信息，采样频率为1 Hz，采样车型为现代伊兰特. 采集设备如图1所示，出租车数据格式如表1所示.

图1 数据采集设备

表1 出租车数据格式

1.2 数据处理

本文从生态节能性方面对驾驶员驾驶行为进行评价，通过对车辆能耗影响因素的分析，借鉴国内外在生态驾驶、驾驶行为建议等方面的研究[5-7]，结合对车辆从业人员和驾驶员的调研结果，从采集的基础数据中，提取出4类影响车辆能源消耗的4类要素：急加速、急减速、长时超速、长时怠速. 本文将四类影响因素的出现次数作为评价输入，归纳各要素与生态驾驶行为评价之间的关系.

加速、减速等工况的识别通过加速度计算进行. 采样加速度计算方式如式(1)：

as(t)=v(t)-v(t-1)

(1)

式中，as(t)为t秒时的采样加速度，v(t)为t秒时速度，v(t-1)为t-1秒时速度.

根据采样加速度进行行驶工况判定：

1)急加速

计算相邻两次数据的速度变化率获取加速度as(t)，as(t) >0即为加速. 判定驾驶人是否有急加速行为产生，通过参数设置对急加速的判定阈值进行. 在本驾驶行为评价模型中，结合学者已有研究[8]，分析百公里油耗随速度变化率，根据道路实际运行情况，设定急加速阈值为加速度大于4 km/h，连续出现的急加速事件合并作为一次事件. 在同样的车速下，猛踩油口会带来更高的发动机瞬时喷油量和转速，消耗更多的燃油，还会对气缸壁、活塞、活塞环造成损伤，或者烧坏电器设备，造成大量的燃油浪费，加重尾气污染.

2)急刹车

急刹车即急减速，计算相邻两次数据的速度变化率获取加速度as(t)即为刹车(减速). 在本文中，结合学者已有研究，设定急减速阈值为-5 km/h，连续出现的急刹车事件合并作为一次事件. 实际驾车调研表明，高减速操作因利用离合下压浪费了车辆本身惯动力，造成了不必要的油耗损失.

3)长时怠速

怠速是指速度v(t)=0且加速度as(t)=0的车辆工况，即车辆已经完全停止，无加速的倾向的时间段为怠速状态. 车辆在怠速工况时，需要保持燃油燃烧来维持发动机转动. 根据国际上节能技巧总结，t>60 s的长时怠速，对油耗影响较大，出现此类情况即统计为一次长时怠速事件. 连续出现的长时怠速事件合并作为一次事件.

4)长时加速

研究表明，长时加速现象会导致更大的油耗. 将t>5 s的加速度大于0的驾驶行为认定为长时间加速，连续出现的长时加速事件合并作为一次事件.

2 模糊综合评价

模糊综合评价是多重目标决策的一种情形，主要用于模糊环境，通过对事物影响因素进行模糊关系方程匀速，针对一定的目的对事物做出综合评价. 模糊综合评判的过程包括综合考虑各种属性，建立被评判对象的因素集；建立评判集；进行单因素评判；为不同因素赋权值，根据权值和单因素评判结果得出综合评判结果[9].

2.1 建立因素集和评判集

选取n个驾驶员行驶数据作为评判对象集X=[x1,x2…xn]. 建立驾驶员生态驾驶行为评价的因素集为U=[A,B,IS,LA]=[急加速，急减速，长时怠速，长时加速]. 将生态驾驶行为评价分为4类，即建立驾驶行为评判集为V=[v1,v2,v3,v4]=[节能驾驶，良好驾驶，合格驾驶，耗能驾驶].

2.2 进行单因素评判

对驾驶行为评价因素集U中的每一个单一因素进行评价，计算驾驶员对象集中对象xi对于因素uj的隶属度rij，从而计算得到模糊评价矩阵D：

(2)

2.3 权值与综合评价

为因素集建立一个模糊子集K=(k1,k2…kn),其中ki表示每个因素集的因素在综合评价中的影响力，约束条件为{0≤ki≤1，∑ki=1}. 权重集K与模糊评价矩阵D进行模糊关系运算，得到驾驶员驾驶行为的模糊综合评判集F：

(3)

式中，⊗为一种模糊关系运算方式，一般有3种运算形式，本文采用加权平均法进行对应的模糊运算；fi为驾驶员对象相对于驾驶行为评价集指标的隶属度.

3 实例分析

3.1 驾驶行为数据选择

本文在北京市某出租车公司307位司机中，不分析司机的驾驶行为与油耗情况 ，随机挑选200位驾驶员作为样本集，以单辆出租车每50 km为一段样本行程，计算不同参数值的分布情况，综合专家意见，确立隶属度函数的相关阈值. 从剩余107位司机中随机选择驾驶员作为实验对象，进行评价.

3.2 隶属度函数选择

在进行驾驶行为评价的过程中，各个状态之间没有明确界限，具有模糊性. 选择函数性质稳定、控制平缓、分辨度高的梯形隶属度函数. 根据采集到的驾驶行为影响因素分布情况，分析其平均值、中位数、四分位数等关键数据，结合专家修正意见，建立急加速次数、急减速次数、长时怠速次数、长时加速次数的隶属度函数，如图2所示.

图2 隶属度函数选择

3.3 评价值计算

对全部107个实验样本进行实验分析，统计107个实验样本平均50 km行程中不同因素出现的频数如表2所示：

表2 平均50 km行程各因素频数

由于本文篇幅所限，本文从107个实验样本中随机挑选10位驾驶员进行实例分析，其他样本的处理方式与此次相同. 选择这10位驾驶员同一天相似时间段内的50 km行程，按照前述评价因素集的计算方式，计算各项评价因素值如表3所示.

表3 驾驶行为评价因素值

3.4 基于模糊综合评价的生态驾驶行为分析

根据前述模糊综合评价的理论与方法，对已有研究数据进行相关性分析和主成分分析，获得初始权值，向6位专家进行评价咨询，进行权值修正，确立权重集为K=(0.468,0.27,0.156,0.101)，进而建立驾驶行为模糊综合评价模型. 使用Matlab平台进行模型的算法求解，得到不同驾驶员的综合评价结果如表4所示：其中1为节能驾驶，2为良好驾驶，3为合格驾驶，4为耗能驾驶.

表4 驾驶行为评价值

统计驾驶员的运营数据，将驾驶行为节能评价情况与OBD采集的油耗数据进行一致性校验. 本文采用的OBD设备符合北京市地标《营运客车能源计量器具功能及数据采集规范》，经过北京市节能减排中心验证，具有可靠性. 将计算得到的油耗值与评价值进行校验如表5所示.

表5 评价值与油耗值校验

按照相同方式对所有107个实验样本驾驶员样本一个月的营运数据进行实验，将驾驶员所有连续50 km的行程进行行为评价，并与其油耗数据进行比对，获取不同生态驾驶行为评价值对应的油耗区间如表6所示.

表6 评价值与油耗区间

由表中数据可知，评价值为节能驾驶的百公里油耗数据主区间为6～8 L，评价值为良好驾驶的百公里油耗数据为8～10 L,评价值为合格驾驶的百公里油耗数据为10～12 L，评价值为耗能驾驶的百公里油耗数据为12 L以上. 因此，基于OBD数据的出租车驾驶行为评价具有较好的准确性.

4 结束语

1)将急加速、急减速、长时加速、长时怠速作为驾驶行为评价参数，构建各评价参数的隶属度函数，获得样本数据的模糊综合评价结果，对驾驶员行为进行生态节能性评价.

2)使用北京市出租车数据的实例验证表明，该方法能够合理、准确地评价驾驶员行为对能耗的影响，具有实际应用意义.

3)结合数据分析结果，向驾驶员提出预计停车60 s以上时采取熄火操作、低速行驶时以5 s间均匀加速为宜等策略，帮助驾驶员节约驾驶能耗.