新能源乘用车辆应用场景识别方法研究

王同根

摘 要：本文通过研究新能源车辆出行特征，从出行强度、时空轨迹角度，挖掘车辆行为特征差异，构建表征车辆属性的指标维度，提出无监督学习中的聚类分析法，识别新能源车辆的应用场景，采用上海市新能源车辆数据进行验证，证明提出方法的准确性。

关键词：新能源车;出行强度;时空轨迹;聚类分析

0 引言

随着充电技术不断成熟，相关政策鼓励，新能源动力车辆得到了广泛推广。2020年，中国新能源汽车销量达到136.7万辆[1]。同时，新能源车辆用户行为研究逐步成为热点，包括出行行为、充电行为，涉及用户分类研究，常见地将用户根据行驶里程分为长里程、短里程用户[2，3]，缺少用户使用场景深入研究，以及大规模数据实践案例。然而，新能源用户场景识别划分，不仅有助于推动新能源车辆推广应用，而且能有效支撑政府对于网约车辆监管，具有很强的必要性。

本文提出一种基于无监督聚类法的车辆应用场景识别方法，通过挖掘时空行为特征差异，构建衡量车辆属性的指标维度。采用K-MEANS算法对车辆进行聚类分析，综合手肘法和轮廓系数，法判断最优分类数，根据每类结果指标特征，确定车辆具体应用场景，即私家通勤、兼职网约、专职网约车辆。最后，采用上海市新能源汽车出行数据，识别车辆应用场景，通过与互联网平台注册数据相互校验，验证算法的精度和有效性。

1 数据介绍及预处理

研究数据来源于上海市新能源汽车公共数据采集与监测平台，分析样本为乘用车辆10万辆，其中，已有网约标签车辆1 000辆。数据信息包括采集时间、经纬度、累计里程等字段，采集频率为10 s～30 s。

数据预处理步骤分为数据清洗、车辆次行切割、车辆日出行数据处理。数据清洗中，去除里程数据丢失严重的车辆，过滤经纬度、时间跳变的记录;以30 min间隔，将原始数据进行切分，形成车辆次出行时空轨迹，即时间、经纬度序列;以日为单位，处理车辆每日出行特征，包括日出行时间、日出行里程。

2 行为特征分析

从车辆出行强度、时空轨迹方面，挖掘样本车辆、网约车辆使用特征差异性，提出表征车辆应用场景属性的多维度指标，作为聚类分析模型输入。

2.1 出行强度特征

出行强度是衡量车辆应用场景最直观特征，常用的评价指标，如行驶里程、时长、次数。相比周末、节假日不确定性影响，工作日出行特征趋于稳定，选择工作日时间指标值;由于数据源特点，提取载客次行为有难度，不同场景车辆日出行次数差异不大;为减少极端、随机日出行的影响，考虑反映月出行强度的指标。基于此，选择工作日均出行时间、工作日均出行距离以及每月工作日百公里天数，作为出行强度特征指标。

图1～3为出行强度指标统计分布的直方图和箱线图，从图中看出，相比网约车辆，未知车辆数值区间跨度更大，中位数数值明显较低，四分位箱体更窄，异常值集中在较大值一侧，分布呈现右偏态，而网约分布则呈现标准正态分布。反映未知車辆样本混合了私家、网约以及兼职等不同场景的车辆，且出行强度较低的样本分布更为集中。

2.2 轨迹相似度特征

轨迹作为一种重要的时空对象数据类型和信息源，通过提取轨迹数据中的相似性与异常特征，并有助于发现其中有意义的模式。目前，时空轨迹的应用范围涵盖了人类行为、交通物流等。本文选取轨迹相似度特征，作为衡量车辆应用场景另一维度，相比出行强度，侧重描述车辆出行路径的规律性：私家通勤车辆轨迹相对稳定，一段时间内具有较高的相似性;网约车辆出行随机性较强，轨迹之间的关联度较低;兼职车辆轨迹特征处于两者之间。

考虑车辆轨迹长度灵活性，采用动态时间归整（DTW）算法计算轨迹之间的相似度值[4]。同时，为了衡量一段时间内的轨迹特征，以车辆所有轨迹间相似度的均值，作为轨迹相似度特征的指标。

图4分别为典型车辆轨迹相似度时间变化图、轨迹相似度数值分布直方图，从轨迹相似度时间变化和分布情况，网约车辆相似度值区间大、极值高，且轨迹波动性较大;相比之下，未知车辆具有明显的周期性，且轨迹相似度集中在低值区域。从轨迹相似度角度判断，未知车辆是私家通勤车辆可能性较高。

3 方法描述

在车辆行为特征研究基础上，采用无监督学习K-MEANS聚类方法，对特征相近车辆进行聚类分析，根据每类的特征值情况，进一步判断每类车辆应用场景。

3.1 分类最优K值确定

K-MEANS算法关键需预先确定分类k值，最优k值对应车辆场景类别。本文综合手肘法和轮廓系数法[5]，判断k值。

（1）手肘法，随着聚类数k的增大，样本划分更加精细，每个簇的聚合程度逐渐提高，误差平方和sse逐渐变小。当k小于真实聚类数，sse下降幅度很大，当k到达真实聚类数，sse的下降幅度会骤减。

（2）轮廓系数法，选择轮廓系数较大所对应的k值。当样本i轮廓系数接近1，说明样本i聚类合理，接近-1，则说明样本i更应该分类到另外的簇。

图5为误差平方和、轮廓系数随着k值变化的曲线图。根据手肘法，k>3误差平方和值降幅明显放缓，k最优值为3;根据轮廓系数法，k最优取值为2、3。综合考虑，车辆场景聚类为3类，即私家通勤、兼职网约、专职网约。

3.2 K-MEANS聚类算法步骤

K-MEANS是一个迭代型算法[6]，在确定最优分类k值为3的基础上，具体算法步骤：

（1）准备车辆特征向量数据集，其中，代表车辆集合，分别代表日均出行里程、日均出行时间、百公里天数、轨迹相似度四个特征值向量;

（2）随机初始化3个数据点，作为3组类别中心点;

（3）计算每个数据点到中心点的距离，选择距离最短的，将车辆划分到该类别，最终得到3个类别的车辆集合，，;

（4）对于每个类别，重新计算其中心点，其中，，;

（5）重复步骤（3）、（4），直到每一类中心在每次迭代后变化不大为止，得到3组车辆集合，即车辆应用场景聚类结果。

4 结果和分析

利用构建的算法，对上海市未知车辆的应用场景进行识别，结果如表1所示。私家通勤、兼职网约、全职网约车辆数占比分别为70.7%、15.8%、13.5%，工作日均出行距离分别为41、116、213公里，日均出行时间分别为105、246、557分钟，与相关调研的结论一致：私家通勤车辆以上下班为主，通勤距离通常小于50 km，专职车辆在使用上与巡游出租车相近，行驶距离通常大于200 km，而兼职车辆处于私家、专职之间，出行强度适中。在此基础上，进一步对1 300辆合规网约车辆进行聚类分析，网约场景的识别率达到83%，识别准确率较高。

参考文献：

[1]2020年汽车工业经济运行情况简析[R].上海省汽车行业协会，2020.

[2]上海市新能源汽车大数据研究报告2020[R].上海省汽车行业协会，2020.

[3]夏严.基于用户出行行为特性的插电式混合动力汽车全生命周期效能分析[D].东南大学，2019.

[4]龚玺.时空轨迹聚类方法研究进展[J].地理科学进展，2011（30）：522-534.

[5]董炎焱.基于SSE的全局最优K-means算法[J].电子技术与软件工程，2018（11）：196-197.

[6]秦嘉诚.基于K-means聚类算法优化方法的研究[J].信息技术，2019（1）：66-70.