【導讀】
伴隨公路貨運的迅猛發展，行業競爭壓力日趨激烈。油價高騰，運價擠壓，公路貨運經營者的生意愈發難做。在管理運營成本上漲的背景下，公路貨運經營者對于車隊精細化管理的需求日益強烈。各項運輸成本中，燃油費以30%~40%的占比成為最大開支，降低油耗成為車隊盈利的重中之重。
所托瑞安基于在商用車主動安全領域多年的產品落地應用，產品已覆蓋物流運輸、渣土、客運、公交、危化等多個行業，目前裝機已過百萬臺。基于海量駕駛場景、車輛運行、駕駛行為數據，所托瑞安分析得出，相同配置的車輛，相同的路線，相同外界條件，不同駕駛習慣對油耗影響差異高達30%-50%；特殊路況（不平坦的道路）下正確的駕駛操控，燃油效率最高可提升10%；司機的駕駛行為習慣是影響油耗表現的最大因素。
通過科技手段量化油耗、優化駕駛行為、降低油耗擊中公路貨運行業痛點，存在巨大需求潛力。目前，加裝定位和油耗傳感設備采集油耗和里程數據，是行業常規方案。但是，由于缺乏對于運輸車輛、運輸線路、駕駛行為的量化分析，對于公路貨運經營者很難形成管理抓手。所托瑞安提出人車路協同優化智能節油技術對降低企業運輸成本和公路運輸行業節能減排有著深遠的經濟和社會價值。
1懂車 基于海量車輛發動機工況數據
通過參數自學習算法，實現多車型多場景標定
實現車輛動力總成協同操控優化
由于商用車后裝MT車型占據主流，根據發動機的萬有特性曲線，發動機在工作過程中轉速和扭矩符合最佳經濟區范圍，如何獲得不同車型發動機萬有特性MAP圖來優化車輛動力總成操控成為節油關鍵。通過分析比油耗BSFC與發動機轉速、扭矩關系：BSFC=f(n,M) ，采樣200組實驗數據，進行數據建模和參數學習，可得到該車型的萬有特性擬合曲面圖如圖1所示，該模型用于發動機模型中動力及油耗特性的計算過程。根據發動機功耗模型計算公式如下：FC=BSFC* Mn/9550/3600（g/h），其中FC代表瞬時油耗，用于實時計算發動機的能耗特性。
圖１發動機萬有特性擬合曲面圖
2懂路 傳感器提前識別前方路況，精準地形匹配
車速規劃、發動機扭矩規劃、變速箱檔位優化
實現特殊路況預見性駕駛
根據牛頓第二定律，得到車輛縱向動力學模型如下：
Ft=ma+Fa+ Fg+Fr+Fb，Ft:驅動力，Fa:空氣阻力，Fg:坡度阻力，Fr:滾動阻力Fb:制動力。車輛形式過程中，根據驅動力Ft與發動機扭矩M、G關系建立如下M=Ft*r/G*ηT,其中傳動比G=ig*i0，輪胎半徑為r,所以M=Ft* *r/ ig*i0*ηT。根根據發動機轉速n=v*G/2Πr，v為車速，所以n=v*ig*i0/2Πr。比油耗BSFC=f(n,M),得到發動機最佳工況分布，同時采用動態規劃算法，預見前方空間域內坡度、曲率等地形信息轉化為時間域內控制序列（擋位、扭矩），如圖2所示。
圖2檔位實時基于地形動態優化
3懂駕駛 海量駕駛行為數據
確定特征參數，建立駕駛行為經濟評價模型
量化駕駛員經濟駕駛能力，并不斷糾正和改善駕駛行為
通過分析駕駛操控行為與油耗關系，建立相關性分析，針對不同駕駛員行駛特性差異，通過采集駕駛員實車行駛數據，基于大數據與機器學習方法挖掘駕駛員行駛特性，對不同駕駛員進行差異化分類，劃分駕駛員節油行為等級，實現對駕駛員節油駕駛能力劃分,節油評價和針對性糾正。如圖3為所托物聯云平臺某客戶車輛每趟次油耗和節油行為評價。
圖3所托物聯云平臺節油駕駛評價圖示
應用效果
目前，所托智能節油產品已在多個物流車隊落地試運行，在客戶實際運營線路上，基于節油技術和節油管理可實現平均節油率（相比一般司機）：8.8%。所托智能節油產品獲得客戶極大認可，客戶表示：“司機是車隊管理中比較棘手的難題，很多司機即使反復培訓和教育都很難改變駕駛陋習，通過智能節油產品解決了車隊最頭疼的油耗問題，并且新手司機可以通過該產品能夠很快熟悉路線，熟悉車輛，使油耗降下來，每月每輛車可節省油費高達3000元左右”。
表2所示為客戶實際運營線路效果驗證數據，智能節油算法提升了發動機高效區間分布占比，減少了發動機低效區間分布占比。通過圖5所示，智能節油產品可有效改善司機操控，通過預見前方路況，精準匹配車輛發動機最佳經濟工況點，達到市場領先的節油效果。
表1運輸場景基本概況
圖4運輸線路圖示
圖5不同司機與智能節油算法發動機萬有特性工況分布對比圖
表2不同司機與智能節油算法發動機BSFC效率區間占比對比圖
