插電式混合動力汽車用戶使用習慣分析

鄭鉆璽 邵華 彭濤

基于新能源汽車的大數據平臺，對某款插電式混合動力汽車的用戶使用習慣進行了分析。根據用戶行駛軌跡的差異將用戶劃分為2類群體，對2類用戶群體的充電習慣、駕駛習慣和起停功能的使用頻率進行了分析，為插電式混合動力汽車動力總成的設計優化提供了依據。插電式混合動力;用戶使用習慣;大數據;工況;無線通訊

0 前言

由于系統的特殊性，插電式混合動力汽車無法簡單沿用傳統汽車動力系統的開發與驗證方法。前期開發過程中可以模擬用戶的使用過程，將試驗車的使用數據作為設計的依據。然而，試驗車很難完全代表用戶車輛，兩者的使用情況往往存在一定的差異，因此用戶數據是設計優化的重要依據。

伴隨新能源汽車國家監管平臺的成立，且監管數量不斷增加，我國新能源汽車的大數據時代真正拉開帷幕。當前，大數據分析結果在市場預測、營銷策略和售后保險等領域發揮著巨大的作用[1]。但是，在產品開發過程中，各企業對于該應用還處于積累和摸索階段。本文通過對某款插電式混合動力汽車的用戶使用習慣進行了研究，分析了用戶的充電行為、駕駛行為和起停功能的使用頻率，為混動車輛動力總成的后續設計優化提供了依據。本研究為國家重點研發計劃（2018YFB0105803）：新型高性價比混合動力總成開發基金項目。

1 用戶數據采集與傳輸

插電式混合動力汽車可以通過整車控制器局域網絡（CAN）總線采集到各關鍵系統控制器、傳感器及整車狀態等信息[2-3]。但如果將所有數據上傳服務器，一方面會增加單次傳輸的數據體量，另一方面將加重云端服務器的負擔，后期還須花費大量運算資源進行數據篩選。因此，在數據采集前期需要對動力系統的關注信息進行條件篩選，對數據進行合理判斷和預處理[4]。

大數據系統對所分析的某款插電式混合動力汽車采集的一些信號如表1所示。其中，動力系統相關的參數變化頻率高，一般采樣頻率要高于50 Hz，才能保證數據不失真。熱管理系統相關參數變化周期較長，一般采樣頻率在1～10 Hz之間，便足以描述其變化趨勢。整車信息在駕駛過程中相對穩定，一般采用1 Hz或更低的頻率進行采集，主要用于車輛信息區分、通訊狀態校驗和異常數據剔除。

研究人員根據前期制定的車載端數據包格式，將車輛采集的數據進行打包壓縮處理，隨后通過無線通訊（如5G、無線相容（Wi-Fi）等）的方式實時傳送到云數據服務器，服務器再根據協議格式進行解壓并保存。

2 用戶群體劃分

車輛的使用情況與用戶聯系密切，不同類型的用戶會表現出不同的使用習慣。如圖1所示，本文首先根據停車固定點的數量、日行里程、作息特性等方面的聚類將用戶分為2種類型。其中，上班族工作日有明顯的“兩點一線”特點，容易遇到早晚高峰的擁堵階段;專車族是由于政策和市場需求而派生的新能源用戶群體，其駕駛特點接近于出租車，移動范圍廣且運營時間長。劃分用戶群體便于后續針對不同的用戶群體制定不同的設計目標和驗證方案。

3 用戶使用習慣分析

本文針對動力總成系統的設計驗證，主要分析了1款插電式混合動力汽車用戶的充電行為、駕駛行為和起停功能使用頻率。

3.1 充電習慣分析

電池性能的衰減與充放電情況密切相關。在制定電池的衰減性能目標及試驗方法時，研究人員須充分考慮開發車型的應用市場和潛在用戶群，合理分配充放電循環的功率與快慢充電的次數比例。因此，用戶的充電習慣是電池系統設計和驗證的重要依據。

如圖2和圖3所示，為充電功率和充電起始電量（SOC）的統計結果。上班族更偏向于依賴線充或慢充充電樁。專車族則更多選擇快充充電樁，以滿足每日運營里程要求。從充電SOC分布來看，上班族由于充電便利，在選擇充電起始點時更加隨意;而專車族在純電里程結束后，會選擇油電混動模式繼續支持運營，所以充電SOC基本在平衡點附近。

3.2 駕駛習慣分析

用戶的駕駛習慣包括平均車速、行駛里程、驅動模式分布等，駕駛習慣與電驅系統的耐久性能密切相關。

本文對用戶車輛的平均車速、日均行駛里程、驅動模式分布進行了統計，并與傳統車輛進行了對比。對比結果如圖4、圖5和圖6所示。從整車平均車速來看，插電式混合動力汽車的驅動電機由于具有低速轉矩大、響應快的特點，往往給用戶帶來更快的提速能力，所以車輛平均速度較相同的汽油版車型有所提高。在動力總成的試驗工況方面，以往采用的新歐洲行駛循環（NEDC）工況顯然與實際應用不相符合，可以考慮采用與相對正向加速度（RPA）[5]更為匹配的全球輕型汽車測試循環（WLTC）工況或中國輕型汽車測試循環（CLTC）工況，進行策略調試及性能測試。

從車輛平均日行駛距離分布來看，插電式混合動力車型的上班族用戶與汽油車用戶相近，這說明插電式混動動力車型對上班族用戶的使用習慣影響不大;而專車族則由于其運營性質，日均里程普遍較高，且服役周期更長。在總成臺架試驗時，研究人員須對專車應用型項目增補考核里程，并關注相關質保零件的可靠性和維修保養周期。

從車輛的驅動模式分布來看，由于上班族作息規律，有充足的充電時間，且活動半徑基本位于城市之內，所以車輛大部分時間工作處于純電行駛模式;而以營運為目的的專車族，由于受業務性質、車輛純電續駛里程和充電樁分布等因素影響，導致系統更多時間工作在混動串聯狀態。

3.3 智能起停使用頻率分析

智能起停功能對發動機、集成式起動發電機（ISG）和離合器等系統都有較高的要求，因此研究人員需要對混動車輛的智能起停功能使用頻率進行分析。

為了減少車輛的燃油消耗和廢棄排放，插電式混合動力總成會通過不同工作模式的選擇，對發動機的參與程度進行合理分配，并在適當場景下，增加發動機起停控制。

如圖7所示，上班族智能起停功能使用頻率要低 于專車族。這是因為上班族用戶的車輛純電行駛時間較長，所以發動機幾乎無須起停，而專車族用戶在車輛行駛時的車輛驅動模式在純電與串聯之間切換較多，發動機的起停狀態更為頻繁。

由上述分析可知，在設計驗證過程中，針對不同用戶群體，研究人員應適當調整動力系統及其動力傳動路徑上相關零部件的設計目標及考核規范。

4 結論

本文基于新能源汽車的大數據平臺，對某款插電式混合動力汽車的用戶使用習慣進行了分析。這些分析結果有助于優化新能源動力總成設計及試驗方法，為項目的開發和驗證提供可靠的數據支持。

大數據技術在前期設計、試驗驗證和售后應用之間搭建起了信息溝通的橋梁，從而讓試驗方法和參數更符合實際應用，縮短項目開發周期。隨著網絡傳輸速率和計算機運行能力的提高，大數據技術將有助于新能源汽車動力系統實現輕量化、低成本和高可靠性等設計目標。

[1]徐海濤. 大數據在汽車行業的運用及影響分析[J]. 汽車工業研究， 2017（11）：001.

[2]邢進進. 新能源汽車動力總成臺架設計與集成[J]. 上海汽車， 2013（11）：7-10.

[3]吳陽博. 基于新能源汽車遠程監控系統的數據采集和傳輸研究[J]. 佳木斯大學學報（自然科學版）， 2011，29（1）：19-22.

[4]鐘文京. 新能源汽車大數據庫的設計分析[J]. 電子技術與軟件工程， 2016 （22） ：162-163.

[5]郭千里. WLTC與NEDC比較及對汽車油耗的影響淺析[J]. 汽車工程學報， 2017，7（003）：196-204.