基于知识图谱的生态驾驶行为研究现状及热点分析

严利鑫，贾 乐，刘清梅，龚毅轲

(华东交通大学 交通运输工程学院，江西 南昌 330013)

0 引言

随着社会和经济的快速发展，当今世界各国的汽车保有量不断增加，引起了全球气候的变化，交通领域的能源排放问题成为社会广泛关注的重点问题。自20世纪90年代以来，我国机动车数量急剧增长，而机动车控制水平却相对低下[1]。据《中国移动源环境管理年报(2020)》[2]显示，中国已经连续第11年成为机动车产销第一大国，机动车等造成的污染已经成为大气污染的重要来源。节约能源减少排放量是一项长远的社会责任和战略任务[3]，而“生态驾驶(eco-driving)”作为一种节约能源、保护环境并能普遍适用的高效手段越来越受到关注。生态驾驶的广义定义为通过提高车辆的技术水平来减少能耗，或专门研发节能高效的新能源汽车；而其狭义定义则为对驾驶人进行相关的培训或通过外界辅助措施引导驾驶人的驾驶行为，以达到节能减排的目的[4]。

自生态驾驶的概念在20世纪90年代提出以来，国内外对生态驾驶的研究成果主要集中在4个方面：生态驾驶的影响因素研究、生态驾驶策略、生态驾驶效果分析研究、对生态驾驶实际运用的研究。影响车辆油耗的主要因素主要有人、车、环境3个方面。首先，对于驾驶人，Ando，Jeffrey，Günther，Franke等[5-8]研究发现驾驶人自身特征因素(年龄因素、驾驶动机、驾驶风格等)对驾驶行为的生态性具有显著影响。其次，对于驾驶车辆，Wang、唐培嘉等[9-10]发现车辆行驶时速度与加速度的变化能够引起能源排放量的变化。其次，Holdstock等[11]分析得出某些车辆技术参数(发动机性能、变速箱速比等)也是车辆油耗量的重要影响因素之一。最后，对于驾驶环境，Ando，Schall，Mansfiled等[5,12-13]验证得出外界的刺激信息(信息提供的频率、经济刺激措施及外界干预等)能够有效影响生态驾驶的效率。此外，Günther，Yao，Younes，Shankar，Yang等[7,14-17]发现道路行驶水平条件(道路类型、环境温度、道路拥堵程度及信号灯配时等)能够影响机动车的能耗量。关于生态驾驶控制策略研究方面，Barth，Ciarla，Xia，郑秀征等[18-21]学者对如何提高生态驾驶效率提出了一系列优化方案及策略。Günther，Schall，Ho等[7,12,22]深入研究了生态驾驶的节能效果。对于生态驾驶运用方面，Ho，Beusen，Ayyildiz，Zhao等[22-25]对驾驶人行为进行了研究，通过培训达到生态驾驶的目的。Kamal，马勇，赵琦等[26-28]开发了不同种类的生态驾驶辅助系统，为驾驶人提供生态驾驶建议并进行适当干预。国外学者从整个路网的角度出发提出了生态型智能交通系统，该系统在提高车辆运行效率的同时能够减少机动车能源消耗。目前的成果有：欧盟进行的EcoMove项目、美国设置的IntelliDrive项目及日本提出的智能道路系统。

在生态驾驶方向现有的研究基础上，对近20年来生态驾驶研究方向的期刊、文献进行梳理，并对其载文量、期刊分布、研究机构、关键词及作者等进行分析，最终得出国内外生态驾驶的研究现状和热点问题。

1 数据来源及研究方法

1.1 数据来源

将Web of Science(WOS)核心数据库作为数据源，检索分析了近20年来生态驾驶研究方向的期刊文献。文献检索基本信息如下：

(1)检索式：主题=(“eco-driving”or“energy-saving driving”)且主题=(“vehicle”or“electric vehicle”)。

(2)时间跨度：2000—2021年。

(3)期刊来源：EI来源期刊/SCI/SCIE/SSCI

由于生态驾驶研究类别的多样性，为了使搜索结果尽可能涵盖国内外相关研究成果，采用组合检索的方法检索了297篇文献，对文献进行筛选后得到文献257篇，其中包含4篇非学术类文献，最终获得生态驾驶学术类文献253篇。

1.2 研究方法

知识图谱(Knowledge Graph)是运用数学知识、图形理论、可视化技术、信息科学等方法，通过可视化图谱形象描述某一学科的发展历程、结构体系、发展前沿等的现代理论。它能够以图谱的形式表现某一研究的发展规律并为未来的科学研究提供参考[29]。知识图谱可呈现生态驾驶研究的发展过程及其结构关系，得出该研究领域的演变规律并呈现出该研究领域宏观的研究情况。本研究抽取253篇生态驾驶的相关文献关键词运用VOSviewer[30]构建知识图谱进行聚类分析，得出生态驾驶研究领域的隐藏知识、来源及发展规律。运用SPSS statistics梳理载文量、期刊分布、研究机构、学者等数据，最后总结分析得到生态驾驶的研究热点及发展趋势。研究方法流程如图1所示。

图1 研究方法流程Fig.1 Flowchart of study method

具体研究步骤如下：

(1)载文量分析。为了得到国内外生态驾驶研究文献的发表量随时间变化的分布趋势，运用SPSS statistics统计分析软件对检索的253篇文献进行分析 。

(2)期刊分析。对文献所发布的期刊进行分类统计，并按照期刊载文量进行排序得到该研究领域的主要期刊。

(3)主要研究机构及代表性学者分析。对文献所属研究机构及发文作者进行统计，得到国内外生态驾驶研究领域的主要研究机构和专家。

(4)关键词分析。将文献关键词导入VOSviewer软件平台进行挖掘分析，绘制关键词聚类图和关键词演化趋势图。

(5)研究发展趋势与热点分析。结合上述统计结果及知识图谱所呈现的规律，得到生态驾驶研究领域的主要研究类别，并根据不同的类别逐一分析国内外生态驾驶领域的研究趋势和热点。

2 研究现状分析

2.1 载文量分析

为了得到生态驾驶的研究现状，将2000—2021年发表的253篇学术类文献进一步划分成为综述类文献及研究类文献，其中综述类文献10篇，研究类文献243篇。根据文献的发表年限进行统计，得到如图2所示的载文量分布图。由图2可知，2000—2008年间还未有生态驾驶研究类相关文献。以2009年为时间节点，国内外陆续涌现各种学术类文献并呈现逐年增长的趋势，尤其是2017年至今随着全球变暖等一系列环境问题的日益恶化，节能减排问题成为国内外各界关注的重点问题，故生态驾驶作为一种节能减排的高效手段近几年得到了快速发展。在2015年，生态驾驶的相关研究达到小高潮，该年的载文量突破20篇，之后每年的载文量都基本保持在20篇以上。在2013年出现了第1篇综述性论文后，2018年后综述性论文陆续开始发表。在2020年，生态驾驶方向载文量已经达49篇，并且整体还呈现上升趋势。由此可见，随着社会发展的需要，生态驾驶已经成为一个研究热点，未来将会有越来越多的学者投身于其中。

图2 2000—2021年生态驾驶研究载文量分布Fig.2 Distribution of annual amount of publications of eco-driving from 2000 to 2021

2.2 期刊分析

将所刊载253篇文献的期刊进行分类统计，并按照期刊载文量进行排序。分析结果表明，这些文献一共来自76种期刊。表1列出了载文量3篇及以上的19种期刊，这19种期刊共刊载生态驾驶研究方向相关文献184篇，占检索文献总数的73%。其中TransportationResearchPartD:TransportandEnvironment是载文量最多的期刊(33篇)，IEEETransactionsonIntelligentTransportationSystems是载文量第2位的期刊(24篇)，载文量第3位的是IETIntelligentTransportSystems(18篇)，载文量第4～8位的分别是TransportationResearchPartC:EmergingTechnologies(16篇)、IEEETransactionsonVehicularTechnology(12篇)、TransportationResearchRecord(12篇)、IEEEAccess(12篇)及AppliedEnergy(8篇)。

表1 生态驾驶期刊载文量分布Tab.1 Distribution of amount of publications in journals of eco-driving

从这些期刊论文发表年份来看，在2010年以前这19种期刊所载的文献数量仅有2篇，2011—2015年文献刊载量增长至47篇，2016—2021年文献刊载量急剧上升，达136篇。由此看出，代表性期刊所刊载的文献数量随时间的变化趋势与近年来国内外发表文献数量的增长趋势基本一致。

2.3 研究机构与学者分析

文献学者来自多个研究机构，此处将国内外学者所属的研究机构依照所发表的文献数量(表2)进行统计分析。结果表明，发文量为3～5篇的研究机构共为22家，其中发文量达5篇及以上的研究机构共有15家。现各机构关于生态驾驶的研究总体呈现均匀分布趋势，个别机构发文量较多，但总体相差不大。

由表2可知，密歇根大学共发表文献16篇，是22家研究机构中发文量最多的，其代表性学者为Shaobing Xu；利兹大学(12篇)位列第二，代表性学者是Yvonne Barnard；清华大学(10篇)和北京理工大学(10篇)位列第三，它们的代表性学者分别是Hui Jin和Shengbo Eben Li。在国内北京理工大学、清华大学、吉林大学、北京航空航天大学、北京工业大学以及东南大学对于生态驾驶的研究目前处于国内领先地位。

表2 生态驾驶主要研究机构和主要代表学者Tab.2 Major research institutions and representative authors of eco-driving

续表2

2.4 关键词分析

将生态驾驶研究的253篇文献的1 195个关键词进行排序，如表3所示，再将前22个出现频率最高的关键词导入Vosviewer软件平台中进行处理分析，得到文献关键词的聚类图和演化趋势图，如图3～4所示。

表3 生态驾驶研究高频关键词Tab.3 High-frequency key words in eco-driving research

从图3所示的关键词聚类图，可将生态驾驶研究划分为以下几个方向。

(1)车辆油耗的主要影响因素：包含eco-driving，impact，feedback，perfomence，driver，consumption这6个关键词。

(2)生态驾驶控制策略：包含eco-driving，optimal control，behavior，system，model，optimization，electric vehicle，fuel economy这8个关键词。

(3)生态驾驶控制策略效果分析：包含eco-driving，vehicles，efficiency，fuel consumption这4个关键词。

(4)生态驾驶的实际运用研究：包含eco-driving，emissions，vehicle，energy consumption，energy management这5个关键词。

图3 生态驾驶研究关键词聚类图Fig.3 Cluster map of key words in eco-driving research

知识图谱显示的结果表明，生态驾驶的4个主要研究方向之间的关键词之间存在着较强的关联性，其中的关键词有很多重合之处。

图4诠释了生态驾驶研究的发展历程：生态驾驶研究逐步从车辆油耗量的主要影响因素研究过渡到生态驾驶的控制策略研究，根据以上成果对生态驾驶的效果进行分析总结后再运用于实际，即随后出现的生态驾驶的运用成果。前3个研究方向文献增长的趋势基本一致，而生态驾驶实际运用的研究成果是建立在前3个研究成果之上的。

图4 生态驾驶研究关键词演化趋势图Fig.4 Evolution trend of key words in eco-driving research

3 研究热点和研究前沿与发展趋势分析

3.1 研究前沿及发展趋势分析

根据关键词分析，将253篇文献划分为4个主要研究方向：车辆油耗量的主要影响因素、生态驾驶控制策略、生态驾驶控制策略效果分析及生态驾驶的实际运用研究。同时，以2013年和2016年为2个关键时间点，此处将国内外对生态驾驶的研究分为3个阶段：早期(2000—2012年)、中期(2013—2015年)和近期(2016—2021年)，并分别研究生态驾驶各方向的发展变化规律。

(1)车辆油耗量的主要影响因素。研究主要包括：驾驶员特征、外部对驾驶人的影响、道路形式环境、车辆技术水平及车辆运行参数等内容。

从图4可以看出，车辆油耗量影响因素研究方向有61篇文献，该研究方向是生态驾驶研究最早的研究方向之一，学者只有通过得知生态驾驶的影响因素才能够得出一系列对生态驾驶策略研究的切入点。在生态驾驶早期的研究中，对该方向的成果较少，第1篇成果发表于2012年，随之该方向的论文发布量逐年增长，2013年至今发表的论文数量高达50篇，占所分析文献的总数的82.0%。

该方面的研究主要集中在驾驶人的个性特征研究，据相关研究表明，驾驶个性特征是影响生态驾驶的主要因素。同时还出现了外界刺激、行驶道路条件、车辆技术特征等多方面车辆油耗量影响因素的研究。在中期研究阶段，生态驾驶的研究开始逐渐显示出针对性，并开始集中于人的驾驶习惯及驾驶行为对生态驾驶的影响，只是此时的研究还多为只是基于单一指标，不够深刻全面。在近期的研究阶段，研究进一步深入到针对特殊场景、特殊条件下相关影响因素对生态驾驶的影响，如针对不同车型、不同交通流情况下特定的车辆油耗量影响因素研究。并从新角度探索车辆油耗的显著影响因素，如近年来针对某些生态驾驶辅助系统而出现的新型因素“实时反馈”、“视觉行为变化”等对生态驾驶的影响、车内特殊零件及新型智能系统对生态驾驶的影响、交通灯等道路设施对生态驾驶的影响等。国内外学者在此都做出了相当大的贡献，研究更加细化且更加全面，并且对生态驾驶研究影响因素的研究成果逐渐系统化，为后续生态驾驶控制策略、生态驾驶的运用等研究方面提供了有力的支撑。

(2)生态驾驶控制策略方面。国内外学者多根据车辆油耗量的显著影响因素，通过机器学习、统计学知识等理论方法构建驾驶员行为优化模型或车辆运行轨迹优化模型等，得到使得车辆能耗消量最小的最优解。

从图4可以看出，生态驾驶研究策略研究方面有93篇文章，是这几个方向中文献发表量最多的，也是近期阶段成果最多的研究方向，发文量为73篇(占比78.5%)。该方向的研究成果也主要集中于中后期，并且仍有增长的趋势。在2019年之后，该方向的文献的增长量明显大于其他3个方向，是近期生态驾驶研究的热点方向。

在早期研究阶段，国内外生态驾驶控制策略的研究对象多为传统燃油汽车，且由于车辆油耗量变化数据的采集较为繁琐，需消耗大量的人力物力，故对于生态驾驶策略的研究多针对于理想状态。国内外学者多通过模拟驾驶器进行模拟驾驶试验，直接利用油耗公式计算出车辆油耗，并以车辆油耗量显著影响因素为自变量，车辆油耗量为因变量，建立相关模型从而得到生态驾驶行驶优化策略。近年来随着新能源汽车的推广，国内外学者们开始逐步开展针对新能源汽车的生态驾驶策略的研究。另外，在中后期人们对生态驾驶的研究开始具体，如基于不同车型的生态驾驶控制策略研究、基于不同驾驶环境下的生态驾驶控制策略研究、基于不同行车距离的生态驾驶控制策略研究、基于带有生态驾驶辅助系统的节能型新型汽车的生态驾驶辅助系统等的研究。如何建立能够更具体表现出研究对象特征且更为精确的能耗模型，并结合新的车辆油耗量影响因素，以其为控制变量，以提升所得出的生态驾驶策略的可行性及实用性，使其能够用更为形象化地方式运用于驾驶中，这是目前该研究方向的主要预期目标。又由于在城市道路交叉口车流量变化大，驾驶员非生态驾驶行为出现频次相较于其他驾驶路段较高车辆油耗量相对较高，故近年来关于在不同交叉口下多种方式的驾驶员驾驶行为生态性控制策略研究开始大量涌现。

(3)生态驾驶效果分析。研究内容主要包括：分析车辆油耗量相关控制策略(如生态驾驶培训、生态驾驶辅助系统等)实施的效果。

从图4可以看出，生态驾驶效果分析方向有46篇文章，其发文量的增长趋势与前2个方向基本一致，其中近期发文量为33篇(占比71.7%)，并且仍有不断增长的趋势。

在早期的研究阶段，国内外学者多针对独立驾驶车辆的驾驶员个人驾驶行为进行对分析，并对驾驶员提供车辆处于简单车流下的效果分析建议，还侧重于针对不同影响因素的效果对比研究，如在不同路况、驾驶风格、车辆技术条件下某种特定因素的生态驾驶效果分析、利用浮动车数据分析生态驾驶效果等，且早期学者多利用仿真试验的手段对生态驾驶效果进行分析，所以早期的研究多以理想环境为背景，并侧重单个车辆的驾驶效果分析。中近期阶段学者们发现，对单个车辆进行节能效果研究是脱离实际的，不全面的。实际上车辆总是处于交通流下，研究交通流下的生态驾驶对整个交通系统的效果有更大的现实意义。近年来学者还致力于生态驾驶对车辆行程时间的影响和驾驶员驾驶行为矫正时效性的研究。对节能效果进行分析后让其更好地发挥社会作用，也是学者和研究人员努力拓展的新方面。

(4)生态驾驶实际运用研究。研究主要包括：驾驶员生态驾驶行为矫正研究、智能生态驾驶辅助系统研究、生态驾驶智能交通系统的运用。

从图5可以看出，生态驾驶实际运用研究方向有52篇文章。在2018年生态驾驶研究增长的小高峰阶段，生态驾驶实际运用方面的研究成果仅次于生态驾驶控制策略研究。此后的增长趋势与生态驾驶研究其他方向的文献增长趋势基本一致。生态驾驶实际运用方向的研究也几乎都诞生于中后期，该阶段共产生了38篇文章(占比73.1%)。但是在近期，该方向的发文量有回落的趋势。

图5 2010—2021年生态驾驶研究文献时间序列Fig.5 Time series of eco-driving research literatured from 2010 to 2021

生态驾驶实际运用研究研究一般基于前3个方向的研究成果。在结合影响因素和控制策略后对比使用生态驾驶效果前后的效果，最终获得生态驾驶的运用手段。在早期的研究阶段，国内外学者只是大致制定出了一般性的参考驾驶行为，并为结合多方面因素综合考虑有针对性地提高驾驶员生态驾驶行为的生态性，且相关生态驾驶培训方案多基于经验型的生态驾驶策略。在中后期研究阶段，国内外学者致力于通过驾驶模拟器结合驾驶员行为的个性特征为驾驶员设计培训方案，且依据基于新技术的生态驾驶策略以多种方式为驾驶人提供实时动态的驾驶建议，在国内外学者的努力下生态驾驶辅助系统应运而生。生态驾驶在获取车辆行驶相关数据并对驾驶员行为进行监测后，能实时为驾驶员提供驾驶行为矫正建议，如基于手机应用和车载平台的动态提醒系统等。近期国内外学者多着眼于整个路网，将生态驾驶实际运用融入其中，不但为单个驾驶人提供信息服务，也通过调节整体车流的运行效率来实现生态驾驶，如对车辆在跟车过程中生态驾驶辅助系统的研究。还出现了一种全部代替人的驾驶行为的生态驾驶辅助系统，对一个完整生态驾驶过程的实现进行保障。

3.2 研究热点分析

从生态驾驶领域的不同研究方向出发进行了如下的归纳总结，如表4所示。具体阐明了生态驾驶相关研究的热点问题和其对应的主要研究方法。

表4 生态驾驶研究热点分析Tab.4 Hotspot analysis of eco-driving research

车辆油耗量影响因素研究热点聚焦于驾驶人行为对生态驾驶的影响及外界刺激对生态驾驶的影响。驾驶员的特征是车辆燃油消耗的主要影响因素[5-8]，外界刺激能够改变驾驶人的行为从而对车辆的运行效率产生相应的影响[9-10]。该方向的研究主要采用模拟驾驶及实车试验法[5-17]，通过模拟驾驶试验或实车试验获取驾驶人驾驶行为相关参数，并通过数学方法对比分析总结出影响生态驾驶效率的重要指标。

对于控制策略的研究主要从2个方面进行。早期的学者多直接总结经验来制定提高生态驾驶行为生态性的相关策略，但这种方式较为主观且不具变通性，故中近期的研究多基于理论知识提出相关解决办法[31]。对于经验总结得出的结论多运用于生态驾驶建议与法则的制定，如：欧洲的“五大黄金法则”以及日本的“生态驾驶10法”。而理论研究则是结合多门学科建立模型获得最优解以达到控制车辆油耗的目的[18-21]。理论求解法的步骤一般为先通过生态驾驶反馈技术、台架试验或其他能实时传输数据的设备采集实时数据，并以此为控制变量，结合各种影响因素，建立车辆行驶控制模型，最后基于各种算法求解。

对不同交通流下生态驾驶效果的分析。各国学者主要利用仿真平台从微观和宏观上进行研究，或通过实车试验验证提出的策略在不同交通流下的节能效果[32]。当前对处不同交通流状态下车辆能源的消耗研究仍不成熟，有的研究结果表明车辆油耗量会随着车流密度的升高而下降[18,33-34]，而有的学者则认为其与车流密度呈正相关[35-36]。

对生态驾驶辅助系统的研究。该系统属于一种智能交通辅助系统，能够通过监测行驶中的车辆获取相关信息数据，为驾驶员提供驾驶行为矫正建议或最优行驶路线等[26,28]。学者在进行以上3个方向的研究后相应能够得出具体的生态驾驶运用方案，得到不同的生态驾驶辅助系统，减少车辆能源的消耗。生态驾驶辅助系统已被许多企业运用于实际，成为近年来生态驾驶运用研究的重点方向。

4 结论

借助SPSS和VOSviewer软件平台将检索得到的253篇文献分析得到了文献发表的时间分布、主要研究机构和学者和研究发展历程和发展趋势，得到以下结论：

(1)从整体上看，生态驾驶研究逐步从生态驾驶的影响因素研究过渡到生态驾驶的控制策略研究，根据以上成果对生态驾驶的效果进行分析总结后再运用于实际，即随后出现的生态驾驶的运用成果。前3个方向研究成果的增长趋势基本相同，近期发文量仍在不断增长。其中生态驾驶策略研究是4个方向中研究成果最多的，并且近年来该方向的研究增长量明显高于其他3个方向。车辆油耗量影响因素研究和生态驾驶策略研究是生态驾驶运用及效果分析的基础，但是如何将这些成果运用于实际，给社会带来现实意义，仍是目前学者们所需要不断努力和探索的，国内外学者应该也多聚焦于对生态驾驶运用及生态驾驶效果分析的研究。

(2)从研究方向上来看，车辆油耗量影响因素的研究逐渐从宏观影响因素过渡到更为细致的方面，研究逐渐开始显示出针对性，进一步深入到针对特殊场景、特殊条件下相关影响因素对生态驾驶的影响。该研究方向的研究趋势为对新的车辆油耗量影响因素的探索，并研究由于信息技术的不断发展而产生的新型影响因素对生态驾驶的影响。如今随着科技的进步，车辆消耗能源的种类也变得多样，故近年来对生态驾驶的研究不单拘泥于燃油车，更有学者将目光投向新能源汽车开展新能源汽车能源消耗控制策略研究。该方向前期侧重于对能源消耗模型的建立，中后期将研究重点放在适用于不同场景、不同特殊因素下能源消耗的研究，以提升生态驾驶策略的可行性，故未来也将聚焦于微观的驾驶员操作行为控制策略的研究。在生态驾驶的效果分析方面，逐渐从单一的对比试验进行生态驾驶效果分析过渡到对生态驾驶时效性的研究。在生态驾驶运用方面，早期学者多集中于基于经验总结的静态生态驾驶培训的设计，中后期致力于开发对驾驶人的驾驶行为进行管理及提高交通系统运行效率的生态驾驶辅助系统。

(3)从研究热点和发展趋势上来看，生态驾驶研究的热点聚焦在驾驶行为对生态驾驶的影响、由于信息技术的不断发展而产生的新型影响因素对生态驾驶的影响研究、新能源汽车生态驾驶控制策略研究、驾驶员操作行为控制策略研究、城市道路交叉口节能策略研究、特定条件下的生态驾驶策略研究、运动的交通流下生态驾驶效果分析研究、生态驾驶培训时效性研究、针对驾驶行为的生态驾驶辅助系统研究、提高交通系统运行效率的生态驾驶辅助系统研究。

未来，对已知车辆油耗量影响因素的影响程度及外界刺激的种类研究都有待进一步开展和深化，同时如何提升所得出的生态驾驶策略的可行性及实用性也是生态驾驶研究所需要进一步追寻的。目前生态驾驶的研究总是针对单一的行车工况和行车环境，而实际生活中车辆总是处于运动的车流当中的，因此整个交通流下的生态驾驶更具现实意义。随着信息网络技术的不断发展，结合智能交通、实时信息传输等技术实现生态驾驶也是未来的重要发展趋势。