基于數據驅動的新能源分時租賃車運行特征分析*

謝欣睿 陳海林 林 瑜 涂輝招

(同濟大學道路與交通工程教育部重點實驗室1) 上海 201804) (上海國際汽車城(集團)有限公司2) 上海 201805) (上海電科智能系統股份有限公司3) 上海 200063)

基于數據驅動的新能源分時租賃車運行特征分析*

謝欣睿1)陳海林2)林 瑜3)涂輝招1)

(同濟大學道路與交通工程教育部重點實驗室1)上海 201804) (上海國際汽車城(集團)有限公司2)上海 201805) (上海電科智能系統股份有限公司3)上海 200063)

為了定量描述新能源分時租賃車在實際運行過程中存在的續駛里程短、電池性能不穩定等問題，基于新能源汽車分時租賃實際運行數據及相關氣象數據，從行駛里程分布、新能源車電池耗電特征、外界溫度對電池耗電性能的影響三個方面分析其中兩款純電動新能源車車型的實際運行特征.利用數理統計工具分析表明，新能源分時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性，外界溫度較高或較低時均會使得新能源車電池耗電率增加.

新能源車；數據驅動；行駛里程；耗電特征；外界溫度

0 引 言

相比傳統的內燃機汽車，電動汽車因其使用能源的特殊性，在道路運行過程中存在續駛里程短[1-3]、電池性能不穩定[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，基于數據驅動方法的新能源車運行特征研究對新能源車的發展具有重要意義.

國內外均有學者基于實際運行數據對電動汽車運行特征展開研究.文獻[6]考慮車輛運行狀況和道路交通狀況，結合北汽新能源生產的物流電動車的實時在線的運營數據，基于數據驅動建模理論僅對電動汽車行駛里程進行分析與預測.由于僅選取了其中一輛物流電動車的實際運行數據，樣本量小，難以準確反映實際運行狀況.此外，僅分析了行駛里程與電池的剩余電量(SOC)值的關系；文獻[7-8]基于實際運行數據分析了電動汽車的實際出行模式，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，但未考慮外界環境對電動汽車運行狀態的影響.電動汽車的動力由車載電池放電提供，外界溫度的變化會影響電池的放電性能，從而對電動汽車運行效率產生影響.低溫環境下，電池放電困難，從而影響電動車的正常工作[9].高溫也會影響電動車的充放電效率，甚至影響電池壽命或引起安全問題.基于新能源車實際運行狀態下的外界溫度對電池放電特征的影響的定量化研究較少.

本文基于上海分時租賃電動汽車2015年的實際運行數據，選取其中兩種純電動車型(分別命名為車型1與車型2)，基于數據驅動方法，對行駛里程統計分析、電池耗電特征、外界溫度對耗電率的影響等方面進行分析，評價新能源分時租賃車的實際運營狀況.

1 數據處理與分析

1.1 數據屬性

本文采用的所有數據均來自于上海新能源分時租賃車的2015年的實際運行數據.監測服務平臺服務器接收端以不固定時間間隔接收兩種電動汽車車型的實際運行狀態，并按車型和車號依次生成txt文本包.各車型車號采集得到的數據屬性包括數據采集時間、累計行駛里程、經度、緯度、速度、SOC、車輛當前狀態等,見表1.

表1 數據屬性

1.2 提取行程段

為分析新能源車運行特征，本文選取行駛里程分布特征、電池耗電特征、外界溫度對耗電率的影響等方面進行分析，需對原始數據進行預處理，提取各車型實際運行行程段.對行程段i的提取主要包括三步驟.①識別行程段i的啟動時刻：對各車號電動車實際行駛數據按時間順序進行遍歷，若某時刻t車輛狀態為1且前一時刻t-1車輛狀態不為1，或者某時刻t與前一時刻t-1車輛狀態均為1且兩時刻相隔大于1h，則均判定為一個啟動時刻.②識別行程段i的停止時刻：若某時刻t車輛狀態為1且下一時刻t+1車輛狀態不為1，或者某時刻t與下一時刻t+1車輛狀態均為1且兩時刻相隔大于1 h，則均判定為一個停止時刻.③根據行程段的停止時刻與啟動時刻的數據采集時間、累計行駛里程、剩余電量(SOC)等數據屬性，通過對兩者作差可獲得行程段i的行駛時間、行駛里程、耗電量等運行特征，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

實際獲得行程段數據列中存在部分不符合實際情況的數據，均予以剔除.如行程時間過大或過小的情況，新能源分時租賃車滿電狀態下一般行駛不超過6 h，行程時間過小不具有研究意義，因此剔除單次行程時間大于6 h或小于6 min的數據；如行程速度不符合城市路網實際情況者，由于交叉口信號燈、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 新能源分時租賃車運行特征分析

2.1 數據情況

通過數據初步處理，得到車型1共1 148個行程段樣本，車型2共1 197個行程段樣本，各車型的運行數據字段包括啟動時刻、停止時刻、行駛時間、行駛里程、耗電量、行程速度、耗電率.由于新能源分時租賃車的實時運行數據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際值相比可能偏小.

2.2 行駛里程分布

通過對兩車型2015年的實際運行數據按行駛里程進行統計，以行駛里程按5 km為間距進行分組，統計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.由于電動汽車存在續航里程短的問題，新能源分時租賃車大多用于城市內出行.計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據，根據行程起始點經緯度，將其匹配到上海市的GIS地圖上，獲得2015年新能源分時租賃車實際運行數據在上海各行政區的空間分布情況，見圖2.由圖2可知，2015年新能源分時租賃車的使用主要集中于上海東部及北部區域.

圖2 2015年新能源分時租賃車實際運行數據的空間分布

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系，并建立了相應的模型.用Pearson相關系數法來分別刻畫兩車型的耗電量和行駛里程的相關性，結果見表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性.因此可建立描述二者關系的模型.為便于擬合，本文對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據列.

表2 兩車型的耗電量與行駛里程的Pearson系數

采用6種曲線估計方法分別擬合兩車型的耗電量與行駛里程的關系，包括線性模型、二次曲線模型、對數模型、復合模型、增長模型，以及指數分布模型；同時采用決定系數R2來度量模型擬合優度.計算表明，對兩車型來說，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系.為了簡單起見，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；uki為車型k的回歸模型的隨機誤差.

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

表3 兩車型的線性回歸結果

圖3 兩車型的平均耗電量與行駛里程的關系

由圖3可知，兩車型的耗電量與行駛里程呈線性關系，且根據表3計算的β1可知，車型1的回歸系數略大于車型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 外界溫度對耗電率的影響

本文從上海市新能源分時租賃車實際運行角度出發，通過收集2015年上海的氣象數據，挖掘外界溫度對電動汽車電池耗電特征的影響.收集的上海2015年歷史氣象數據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，其余時刻溫度通過線性插值獲得，從而得到兩車型的各個運行時刻的外界溫度數據，分別分析車型1和車型2的外界溫度對耗電率的影響，見圖4.

圖4 兩車型的外界溫度對耗電率的影響圖

由圖4可知，外界溫度對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，車型1的平均耗電率較大，當外界溫度在15～25 ℃時，平均耗電率有所降低，隨著外界溫度繼續升高，車型1的平均耗電率繼續增加.由圖4b)可知，外界溫度在20～30 ℃時，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，車型2的耗電率均較外界溫度在20～30 ℃時高.由此可見，外界溫度較高或較低時，電池耗電率均有所增加，耗電最經濟的外界溫度為15～30 ℃.

4 結 束 語

本文基于新能源分時租賃車實際運行數據分析新能源車運行特征，首先對采集的原始數據進行行程段提取、邏輯糾錯，再對預處理后的兩車型的行程段數據進行分析.通過行駛里程分布統計發現，上海市的新能源分時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；通過對兩車型的耗電量與行駛里程進行相關性分析以及線性回歸，發現兩車型的耗電量與行駛里程呈線性關系，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據，分析外界溫度對兩車型的耗電率的影響，發現外界溫度對兩車型的耗電率均存在影響，溫度過高或過低時，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.電動汽車行駛里程與電池SOC相關性分析與建模[J].交通運輸系統工程與信息,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.低溫環境下電池熱管理研究進展[J].新能源進展,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

*上海市科學技術委員會科研計劃項目資助(16DZ1203903)

U491

10.3963/j.issn.2095-3844.2017.04.029

謝欣睿(1993—)：女，碩士生，主要研究領域為交通風險管理