本發(fā)明涉及交通節(jié)能減排
技術領域：
，尤其涉及一種面向事件的駕駛員生態(tài)駕駛行為評估方法。
背景技術：
：近年來我國車輛保有量不斷增加，交通領域在消耗大量能源的同時，也帶來了嚴重的空氣污染，嚴重影響人們生活質量。相對于改進車輛技術、使用清潔能源等策略，生態(tài)駕駛以其最經(jīng)濟、最現(xiàn)實、易實施、見效快等特點，成為交通領域節(jié)能減排的重要手段。世界各國針對生態(tài)駕駛進行了一系列的研究，提出多種生態(tài)駕駛方法并進行推廣應用；我國近年來剛剛引入生態(tài)駕駛，已取得了豐富的研究成果。然而，目前我國生態(tài)駕駛相關的宣傳、推廣手段多以文本介紹、視頻宣傳、試點活動等“一對多”靜態(tài)、離線的方式進行，難以使駕駛員深入了解生態(tài)駕駛方法。雖然目前市場上已出現(xiàn)部分可評估駕駛員駕駛行為生態(tài)性的產(chǎn)品，但通過使用評測發(fā)現(xiàn)，其評估方法較為粗糙，評分結果與車輛油耗之間基本無對應關系，難以吸引駕駛員采取生態(tài)駕駛操作，導致相關成果應用效果不佳。技術實現(xiàn)要素：針對上述問題中存在的不足之處，本發(fā)明提供一種面向事件的駕駛員生態(tài)駕駛行為評估方法。為實現(xiàn)上述目的，本發(fā)明提供一種面向事件的駕駛員生態(tài)駕駛行為評估方法，包括：步驟1、獲取駕駛行為及能耗數(shù)據(jù)，所述駕駛行為及能耗數(shù)據(jù)包括車輛運行時間、車輛運行速度和車輛瞬時油耗；步驟2、確定行為參數(shù)閾值，所述行為參數(shù)包括運行速度參數(shù)、加速度參數(shù)和工況持續(xù)時間參數(shù)；步驟3、根據(jù)行為參數(shù)閾值，確定駕駛事件定義并標準化駕駛事件次數(shù)；所述駕駛事件包括：急加速、急減速、長時加速、長時怠速、低速行駛、良好勻速、良好起步、走走停停和良好剎車；步驟4、構建評估模型應用線性換算方法，建立駕駛員百公里油耗的百分制評分體系；應用主成分分析法，對標準化后的駕駛事件次數(shù)重構主成分變量；應用線性回歸方法，以百公里油耗評分為因變量、重構后的主成分變量為參數(shù)，構建駕駛員生態(tài)駕駛行為評估模型。作為本發(fā)明的進一步改進，在步驟1中，數(shù)據(jù)粒度不低于1Hz，所采集的駕駛員樣本數(shù)不低于300。作為本發(fā)明的進一步改進，所述步驟2包括：步驟2.1、確定低速運行速度參數(shù)閾值sLS和高速運行速度參數(shù)閾值sHS；步驟2.2、確定急加速加速度參數(shù)閾值aSA和急減速加速度參數(shù)閾值aSD；步驟2.3、確定長時加速工況持續(xù)時間參數(shù)閾值Ta和長時怠速工況持續(xù)時間參數(shù)閾值Ti。作為本發(fā)明的進一步改進，所述步驟2.1包括：統(tǒng)計各速度值下平均瞬時油耗，并換算為百公里油耗；計算各速度值下車輛百公里油耗隨速度變化率：式中：f為油耗變化率，s為運行速度，g(s)為運行速度s下百公里油耗；取油耗變化率閾值ε＝3％處對應的行車速度sLS為低速運行速度參數(shù)閾值；取油耗變化率閾值ε＝1％處對應的行車速度sHS為高速運行速度參數(shù)閾值。作為本發(fā)明的進一步改進，所述步驟2.2包括：依據(jù)速度數(shù)據(jù)，計算加速度參數(shù)：a(t)＝s(t)-s(t-1)式中：s(t)為t秒時運行速度，a(t)為t秒時加速度；統(tǒng)計各加速度值下平均瞬時油耗，計算各加速度值下車輛瞬時油耗隨加速度變化率：式中：f為油耗變化率，g(a)為加速度a下平均瞬時油耗；取油耗變化率閾值ε＝1％處對應的加速情況下車輛加速度aSA為急加速加速度參數(shù)閾值；取油耗變化率閾值ε＝1％處對應的減速情況下車輛加速度aSD為急減速加速度參數(shù)閾值。作為本發(fā)明的進一步改進，所述步驟2.3包括：取長時加速工況持續(xù)時間參數(shù)閾值Ta為5s，取長時怠速工況持續(xù)時間參數(shù)閾值Ti為60s。作為本發(fā)明的進一步改進，所述步驟3包括：步驟3.1、確定駕駛事件定義(1)急加速：a(t)＞aSA，連續(xù)的急加速視為一次事件；(2)急減速：a(t)＜aSD，連續(xù)的急減速視為一次事件；(3)長時加速：Da(t)＞Ta，大于Ta的連續(xù)加速視為一次事件；(4)長時怠速：Di(t)＞Ti，大于Ti的連續(xù)怠速視為一次事件；(5)低速行駛：60s內速度均值小于sLS，連續(xù)的低速行駛視為一次事件；ave(s(t),s(t-1),...s(t-59))≤sLS(6)良好勻速：5s內：①、速度均值大于sHS，ave(s(t),s(t-1),s(t-2),s(t-3),s(t-4))≥sHS；②、總速度變化值小于1km/h，abs(s(t)-s(t-4))≤1km/h；③、逐秒速度變化小于等于1km/hmax(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1km/h；④、速度標準差<1.5，std(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1.5連續(xù)的良好勻速視為一次事件；(7)良好起步：從怠速開始起步，5秒內：①、加速度變化在(10,20)km/h內10km/h≤s(t)-s(t-4)≤20km/h；②、工況積為1或3m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝1||m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝3；③、最大加速度amax＜aSAmax(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤aSA；連續(xù)的良好起步視為一次事件；(8)走走停停：起步后3s內再次怠速，連續(xù)的走走停停視為一次事件；(9)良好剎車：5秒內：①、加速度變化在(-25,-15)km/h內-25km/h≤s(t)-s(t-4)≤-15km/h；②、工況積在(31,49)內31＜m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＜49；③、最大減速度amin≥aSDmin(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≥aSD；連續(xù)的良好剎車視為一次事件；上式中：a(t)為t秒時車輛加速度；Da(t)為t秒時加速工況持續(xù)時間，Di(t)為t秒時怠速工況持續(xù)時間，s(t)為t秒時車輛速度，ave、std、abs、max、min分別表示求均值、求標準差、求絕對值、求最大值、求最小值；m(t)為t秒時工況代碼，m(t)的取值為1、2、3、4，其中1、2、3、4分別代表加速、減速、勻速和怠速；步驟3.2、標準化駕駛事件次數(shù)根據(jù)步驟3.1中駕駛事件定義，識別并統(tǒng)計所采集駕駛員樣本各駕駛員1天上述駕駛事件出現(xiàn)次數(shù)；計算1天內駕駛員行程距離；以車輛行程距離為參數(shù)，計算行程距離內各生態(tài)駕駛事件平均出現(xiàn)次數(shù)，作為評估模型參數(shù)，完成參數(shù)標準化：Niu＝Ni/Disi式中：Niu為事件i標準化后的發(fā)生次數(shù)，Ni為駕駛員1天內事件i的發(fā)生次數(shù)，Disi為駕駛員1天內行程距離；i為步驟3.1種提出的7種事件代碼，急加速、急減速、長時加速、長時怠速、低速行駛、良好勻速、走走停停事件分別對應i取1-7；良好起步與良好剎車事件通過以下方法進行標準化：Nu＝N/NA式中：Nu為事件良好起步和良好剎車標準化后的發(fā)生次數(shù)，N為駕駛員1天內事件良好起步和良好剎車的發(fā)生次數(shù)，NA為駕駛員1天內起步和剎車總次數(shù)。作為本發(fā)明的進一步改進，在步驟4中，建立駕駛員百公里油耗的百分制評分體系的方法為：以線性換算方式，將1天內駕駛員百公里油耗換算為百分制評分，換算方法為：式中：SCOREiA為百分制評分，gi為第i位駕駛員1天內百公里油耗，gmin為1天所采集樣本中最小百公里油耗，gmax為1天所采集樣本中最大百公里油耗。作為本發(fā)明的進一步改進，在步驟4中，重構主成分變量的方法為：應用主成分分析法，重構主成分變量；主成分抽取條件：Ri>1式中：Ri為第i個主成分特征值，共獲得主成分變量m個，分別為F1、F2、...Fm。作為本發(fā)明的進一步改進，在步驟4中，構建駕駛員生態(tài)駕駛行為評估模型的方法為：應用線性回歸方法，以駕駛員百公里油耗評分為因變量，以重構的主成分變量為參數(shù)，構建評估模型，模型形式為：SCOREM＝b+a1F1+a2F2+…+amFm式中：SCOREM為模型評估得分，a1、a2、…am為各主成分變量的系數(shù)，b為常數(shù)項。與現(xiàn)有技術相比，本發(fā)明的有益效果為：本發(fā)明公開的一種面向事件的駕駛員生態(tài)駕駛行為評估方法，相比現(xiàn)有技術，本發(fā)明從微觀駕駛行為出發(fā)，將其轉換為可操作、量化、油耗緊密相關的生態(tài)駕駛事件，并通過分析車輛運行參數(shù)與油耗之間的影響關系確定事件判別閾值，大大提升了本發(fā)明的科學性可用性；同時本發(fā)明以車輛實際油耗為因變量，構建駕駛員個體生態(tài)駕駛行為評估模型，確保評估結果與車輛油耗之間的一致性，提升評估方法可信度，利于本發(fā)明的實際應用。附圖說明圖1為本發(fā)明一種實施例公開的面向事件的駕駛員生態(tài)駕駛行為評估方法的流程圖；圖2為本發(fā)明一種實施例公開的百公里油耗隨速度變化率圖；圖3為本發(fā)明一種實施例公開的平均瞬時油耗隨加速度變化率圖；圖4為本發(fā)明一種實施例公開的評估模型驗證結果圖。具體實施方式為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。為解決現(xiàn)有技術中存在的問題，本發(fā)明提供一種面向事件的駕駛員生態(tài)駕駛行為評估方法；其關鍵在于針對駕駛員個體，甄別其非生態(tài)駕駛行為，評估駕駛員駕駛行為生態(tài)性，使駕駛員了解其生態(tài)駕駛不足，從而為駕駛員針對性的生態(tài)駕駛技能提升提供支持。因此，本發(fā)明基于駕駛員駕車時車輛運行速度數(shù)據(jù)，將車輛微觀運行速度參數(shù)轉換為駕駛員可理解、可操作的駕駛事件，并以車輛油耗為參考，建立與油耗成正相關的生態(tài)駕駛行為百分制評估體系，為生態(tài)駕駛行為的推廣與應用提供技術基礎。下面結合附圖對本發(fā)明做進一步的詳細描述：如圖1所示，本發(fā)明提供一種面向事件的駕駛員生態(tài)駕駛行為評估方法，包括：步驟1、獲取駕駛行為及能耗數(shù)據(jù)本發(fā)明應用所需駕駛行為及能耗數(shù)據(jù)包括車輛運行時間(s)、車輛運行速度(km/h)和車輛瞬時油耗(L/h)；數(shù)據(jù)粒度不低于1Hz，所采集的駕駛員樣本數(shù)不低于300。步驟2、確定行為參數(shù)閾值本發(fā)明所需確定的行為參數(shù)包括運行速度參數(shù)、加速度參數(shù)和工況持續(xù)時間參數(shù)。步驟2.1、確定低速運行速度參數(shù)閾值sLS和高速運行速度參數(shù)閾值sHS；以秒為單位，統(tǒng)計各速度值下平均瞬時油耗，并換算為百公里油耗(即油耗與行駛距離的比值，L/100km)。計算各速度值下車輛百公里油耗隨速度變化率：式中：f為油耗變化率，s為運行速度，g(s)為運行速度s下百公里油耗；取油耗變化率閾值ε＝3％處對應的行車速度sLS為低速運行速度參數(shù)閾值；取油耗變化率閾值ε＝1％處對應的行車速度sHS為高速運行速度參數(shù)閾值。步驟2.2、確定急加速加速度參數(shù)閾值aSA和急減速加速度參數(shù)閾值aSD；依據(jù)速度數(shù)據(jù)，計算加速度參數(shù)：a(t)＝s(t)-s(t-1)式中：s(t)為t秒時運行速度，a(t)為t秒時加速度；以秒為單位，統(tǒng)計各加速度值下平均瞬時油耗，計算各加速度值下車輛瞬時油耗隨加速度變化率：式中：f為油耗變化率，g(a)為加速度a下平均瞬時油耗；取油耗變化率閾值ε＝1％處對應的加速情況下車輛加速度aSA為急加速加速度參數(shù)閾值；取油耗變化率閾值ε＝1％處對應的減速情況下車輛加速度aSD為急減速加速度參數(shù)閾值。步驟2.3、確定長時加速工況持續(xù)時間參數(shù)閾值Ta和長時怠速工況持續(xù)時間參數(shù)閾值Ti。取長時加速工況持續(xù)時間參數(shù)閾值Ta為5s，取長時怠速工況持續(xù)時間參數(shù)閾值Ti為60s。步驟3、根據(jù)行為參數(shù)閾值，確定駕駛事件定義并標準化駕駛事件次數(shù)本發(fā)明考慮實際駕駛過程中駕駛操作，將生態(tài)駕駛建議轉化為9種與車輛油耗相關的駕駛事件，包括：急加速、急減速、長時加速、長時怠速、低速行駛、良好勻速、良好起步、走走停停和良好剎車。步驟3.1、確定駕駛事件定義(1)急加速：a(t)＞aSA，連續(xù)的急加速視為一次事件；(2)急減速：a(t)＜aSD，連續(xù)的急減速視為一次事件；(3)長時加速：Da(t)＞Ta，大于Ta的連續(xù)加速視為一次事件；(4)長時怠速：Di(t)＞Ti，大于Ti的連續(xù)怠速視為一次事件；(5)低速行駛：60s內速度均值小于sLS，連續(xù)的低速行駛視為一次事件；ave(s(t),s(t-1),...s(t-59))≤sLS(6)良好勻速：5s內：①、速度均值大于sHS，ave(s(t),s(t-1),s(t-2),s(t-3),s(t-4))≥sHS；②、總速度變化值小于1km/h，abs(s(t)-s(t-4))≤1km/h；③、逐秒速度變化小于等于1km/hmax(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1km/h；④、速度標準差<1.5，std(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1.5連續(xù)的良好勻速視為一次事件；(7)良好起步：從怠速開始起步，5秒內：①、加速度變化在(10,20)km/h內10km/h≤s(t)-s(t-4)≤20km/h；②、工況積為1或3m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝1||m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝3；③、最大加速度amax＜aSAmax(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤aSA；連續(xù)的良好起步視為一次事件；(8)走走停停：起步后3s內再次怠速，連續(xù)的走走停停視為一次事件；(9)良好剎車：5秒內：①、加速度變化在(-25,-15)km/h內-25km/h≤s(t)-s(t-4)≤-15km/h；②、工況積在(31,49)內31＜m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＜49；③、最大減速度amin≥aSDmin(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≥aSD；連續(xù)的良好剎車視為一次事件；上式中：a(t)為t秒時車輛加速度；Da(t)為t秒時加速工況持續(xù)時間，Di(t)為t秒時怠速工況持續(xù)時間，s(t)為t秒時車輛速度，ave、std、abs、max、min分別表示求均值、求標準差、求絕對值、求最大值、求最小值；m(t)為t秒時工況代碼，m(t)的取值為1、2、3、4，其中1、2、3、4分別代表加速、減速、勻速和怠速；步驟3.2、標準化駕駛事件次數(shù)根據(jù)步驟3.1中駕駛事件定義，識別并統(tǒng)計所采集駕駛員樣本各駕駛員1天上述駕駛事件出現(xiàn)次數(shù)；計算1天內駕駛員行程距離；以車輛行程距離為參數(shù)，計算行程距離內各生態(tài)駕駛事件平均出現(xiàn)次數(shù)，作為評估模型參數(shù)，完成參數(shù)標準化：Niu＝Ni/Disi式中：Niu為事件i標準化后的發(fā)生次數(shù)，Ni為駕駛員1天內事件i的發(fā)生次數(shù)，Disi為駕駛員1天內行程距離；i為步驟3.1種提出的7種事件代碼，急加速、急減速、長時加速、長時怠速、低速行駛、良好勻速、走走停停事件分別對應i取1-7；良好起步與良好剎車事件通過以下方法進行標準化：Nu＝N/NA式中：Nu為事件良好起步和良好剎車標準化后的發(fā)生次數(shù)，N為駕駛員1天內事件良好起步和良好剎車的發(fā)生次數(shù)，NA為駕駛員1天內起步和剎車總次數(shù)。步驟4、構建評估模型統(tǒng)計所采集樣本駕駛員1天內百公里油耗，并以線性換算方式，建立油耗的百分制評分體系，獲得各百公里油耗對應的評分。以標準化后的駕駛事件出現(xiàn)次數(shù)為參數(shù)，以各駕駛員油耗評分為因變量，首先利用主成分分析重構新的主成分變量，消除共線性問題；最后應用多元線性回歸，構建駕駛員生態(tài)駕駛行為評估模型。步驟4.1：建立百分制評分體系以線性換算方式，將1天內駕駛員百公里油耗換算為百分制評分，換算方法為：式中：SCOREiA為百分制評分，gi為第i位駕駛員1天內百公里油耗，gmin為1天所采集樣本中最小百公里油耗，gmax為1天所采集樣本中最大百公里油耗。步驟4.2：重構主成分變量應用主成分分析法，重構主成分變量；主成分抽取條件：Ri>1式中：Ri為第i個主成分特征值，共獲得主成分變量m個，分別為F1、F2、...Fm。步驟4.3：構建評估模型應用線性回歸方法，以駕駛員百公里油耗評分為因變量，以重構的主成分變量為參數(shù)，構建評估模型。模型形式為：SCOREM＝b+a1F1+a2F2+…+amFm式中：SCOREM為模型評估得分，a1、a2、…am為各主成分變量的系數(shù)，b為常數(shù)項。實施例1：本例以北京市伊朗特出租車1天的運行數(shù)據(jù)進行計算示例。步驟1：獲取駕駛行為及能耗數(shù)據(jù)利用車載OBD接口和GPS模塊，獲取307輛伊朗特出租車駕駛行為及能耗數(shù)據(jù)。表1為某出租車30秒運行時間內數(shù)據(jù)示例。表1駕駛行為特征參數(shù)示例采集時間儀表盤速度(km/h)瞬時油耗(L/h)20140815000000682.91584820140815000001683.28553220140815000002694.4278820140815000003682.88597920140815000004695.0582420140815000005693.96205220140815000006693.95684820140815000007682.88597920140815000008695.039720140815000009672.86464420140815000010685.25620140815000011684.08694820140815000012672.18619120140815000013684.0385420140815000014683.113820140815000015682.13024420140815000016681.682720140815000017671.24318420140815000018682.7036620140815000019681.92208420140815000020681.942920140815000021692.660420140815000022702.6171420140815000023701.91167620140815000024701.9168820140815000025712.629520140815000026711.9168820140815000027713.634220140815000028713.66542420140815000029724.6627220140815000030723.587364表1中，數(shù)據(jù)采集時間為2014年08月15日00時00分00秒至2014年08月15日00時00分30秒。儀表盤速度單位為km/h，瞬時油耗單位0.01L/h。步驟2：確定行為參數(shù)閾值步驟2.1：確定低速高速運行速度參數(shù)閾值統(tǒng)計各速度值下平均瞬時油耗，并計算各速度值下車輛百公里油耗隨速度變化率，如圖2所示。取油耗變化率閾值ε＝3％處對應的行車速度sLS＝23km/h為低速運行速度參數(shù)閾值；取油耗變化率閾值ε＝1％處對應的行車速度sHS＝60km/h為高速運行速度參數(shù)閾值。步驟2.2：急加速、急減速時加速度參數(shù)閾值統(tǒng)計各加速度值下平均瞬時油耗，并計算油耗變化率，如圖3所示。分別取油耗變化率閾值ε＝1％處，加速、減速情況下對應的車輛加速度aSA＝4km/h/s和aSD＝-5km/h/s，分別作為急加速、急減速時加速度參數(shù)閾值。步驟2.3：長時加速、怠速工況持續(xù)時間閾值確定取長時加速閾值Ta為5s，取長時怠速閾值Ti為60s。步驟3：確定駕駛事件定義并標準化事件次數(shù)步驟3.1：確定駕駛事件定義依據(jù)步驟2中參數(shù)閾值，將各駕駛事件的判別閾值定義如下：(1)、急加速：a(t)＞4km/h/s，連續(xù)的急加速視為一次事件；(2)、急減速：a(t)＜-5km/h/s，連續(xù)的急減速視為一次事件；(3)、長時加速：Ta(t)＞5s，大于5s的連續(xù)加速視為一次事件；(4)、長時怠速：Ti(t)＞60s，大于60s的連續(xù)怠速視為一次事件；(5)、低速行駛：60s內速度均值小于23km/h，連續(xù)的低速行駛視為一次事件；ave(s(t),s(t-1),…,s(t-59))≤23km/h(6)、良好勻速：5s內：速度均值大約60km/h總速度變化值小于1km/h逐秒速度變化小于等于1km/h速度標準差<1.5連續(xù)的良好勻速視為一次事件ave(s(t),s(t-1),s(t-2),s(t-3),s(t-4))≥60km/hmax(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1km/h/sstd(a(t),a(t-1),a(t-2),a(t-3),a(t-4))≤1.5abs(s(t)-s(t-4))≤1km/h(7)、良好起步：從怠速開始起步，5秒內：5秒內加速度變化在(10,20)km/h內工況積為1或3最大加速度amax＜4km/h/s連續(xù)的良好起步視為一次事件10km/h≤s(t)-s(t-4)≤20km/hm(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝1||m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)＝3max(a(t),a(t-1),a(t-2),a(t-3),a(t-4),a(t-5))≤4km/h(8)、走走停停：起步后3s內再次怠速，連續(xù)的走走停停時間視為一次事件；(9)、良好剎車：5秒內：加速度變化在(-25,-15)km/h內工況積在(31,49)內最大減速度amin≥-5km/h連續(xù)的良好剎車視為一次事件-25km/h≤s(t)-s(t-4)≤-15km/h31<m(t)×m(t-1)×m(t-2)×m(t-3)×m(t-4)<49min(a(t),a(t-1),a(t-2),a(t-3),a(t-4),a(t-5))≥-5km/h步驟3.2：駕駛事件次數(shù)統(tǒng)計識別并計算各個駕駛員在數(shù)據(jù)采集周期(一天)內、平均50km行程中上述10種駕駛事件出現(xiàn)次數(shù)。以某駕駛員甲為例，1天內平均50km各事件出現(xiàn)次數(shù)和頻率如表2所示。表2平均50km行程中各事件出現(xiàn)次數(shù)表中1-9分別代表急加速、急減速、長時加速、長時怠速、低速行駛、良好勻速、良好起步、走走停停和良好剎車事件。步驟4：構建評估模型步驟4.1：建立百分制評分體系統(tǒng)計采集樣本中最大gmin＝6L/100km，gmax＝14L/100km，故油耗與評分轉換計算公式為：以駕駛員甲為例，其1天內百公里油耗為FPH為9.577L/100km，則其油耗評分為73.17分。步驟4.2：重構主成分變量利用主成分分析方法，重構獲得3個主成分變量，其表達式如下：F1＝0.181NAS+0.184NDS+0.187NLA+0.167NLI+0.195NLS-0.172NHS-0.010NSM+0.088NSS+0.060NBMF2＝0.155NAS+0.227NDS-0.038NLA-0.175NLI-0.068NLS+0.138NHS+0.375NSM-0.322NSS+0.592NBMF3＝0.145NAS+0.217NDS-0.129NLA-0.183NLI-0.136NLS+0.270NHS-0.681NSM+0.367NSS+0.369NBM其中：F1：第1主成分F2：第2主成分F3：第3主成分NAS：平均50km急加速事件出現(xiàn)次數(shù)NDS：平均50km急減速事件出現(xiàn)次數(shù)NLA：平均50km長時加速事件出現(xiàn)次數(shù)NLI：平均50km長時怠速事件出現(xiàn)次數(shù)NLS：平均50km低速運行事件出現(xiàn)次數(shù)NHS：平均50km良好勻速事件出現(xiàn)次數(shù)NSM：平均50km良好起步事件出現(xiàn)次數(shù)NSS：平均50km走走停停事件出現(xiàn)次數(shù)NBM：平均50km良好剎車事件出現(xiàn)次數(shù)以駕駛員甲為例，代入其標準化后駕駛事件參數(shù)值，重構后主成分變量為：F1＝1.02782、F2＝0.90725、F3＝-0.39481。步驟4.3：構建評估模型應用線性回歸分析方法，構建北京市伊朗特出租車駕駛員生態(tài)駕駛行為評估模型，如下：SCOREM＝80.549-6.927F1+1.455F2+0.565F3以駕駛員甲為例，代入重構主成分變量值，其模型評分為74.53。與通過油耗換算獲得的得分(73.17)相比，其相對誤差為1.86％。為進一步驗證本算法準確性，選取63名伊蘭特出租車一天的運行數(shù)據(jù)進行評分計算，測算得油耗評分與模型評分如圖4所示。計算63位駕駛員生態(tài)駕駛行為模型評分與應得評分之間誤差，公式如下：式中，Ei：第i位駕駛員模型評分與應得評分之間誤差(％)。評估模型驗證結果4所示。以63位駕駛員評估結果平均誤差為指標，面向駕駛事件的生態(tài)駕駛行為評估模型誤差為3.53％，即評估模型準確率達96.47％。由此可知，本發(fā)明提出的生態(tài)駕駛行為評估算法與車輛實際百公里油耗具有較好的線性關系，評分能夠較好的反映駕駛員生態(tài)駕駛行為水平。本發(fā)明公開的一種面向事件的駕駛員生態(tài)駕駛行為評估方法，相比現(xiàn)有技術，本發(fā)明從微觀駕駛行為出發(fā)，將其轉換為可操作、量化、油耗緊密相關的生態(tài)駕駛事件，并通過分析車輛運行參數(shù)與油耗之間的影響關系確定事件判別閾值，大大提升了本發(fā)明的科學性可用性；同時本發(fā)明以車輛實際油耗為因變量，構建駕駛員個體生態(tài)駕駛行為評估模型，確保評估結果與車輛油耗之間的一致性，提升評估方法可信度，利于本發(fā)明的實際應用。以上僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領域的技術人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。當前第1頁1 2 3