基于OBD和小熊油耗数据对比分析乘用车实际油耗与工况油耗差异——北京案例分析_28页_3mb
报告摘要
基于OBD和小熊油耗数据对比分析乘用车实际油耗与工况油耗差异 - 北京案例分析
核心内容概述
本报告分析了北京地区基于两种新型数据源(小熊油耗APP与OBD App)的乘用车实际油耗数据,并与工信部公布的工况油耗数据进行对比。通过数据筛选、统计分析和代表性评估,探讨了实际油耗与工况油耗之间的差异及其影响因素,旨在评估新型数据源在油耗政策研究中的应用潜力。
主要观点与关键信息
1. 工况油耗数据
- 工况油耗数据由工信部制定,基于NEDC测试循环,包含市区、市郊和综合工况三个数值。
- 测试条件包括实验室底盘测功机测试、特定车速与加速度限制、车辆重量、温度等。
- 实际油耗与工况油耗存在差异,主要由于测试条件与真实驾驶环境不同,以及用户驾驶习惯差异。
2. 新型数据源:小熊油耗APP与OBD App
小熊油耗APP
- 数据来源:用户手动输入加油数据,系统自动计算油耗(半自动化)。
- 覆盖范围:2008-2016年,覆盖56个品牌、636个车型,总记录里程2.595亿公里。
- 数据有效性:79.5%的样本通过筛选,主要剔除信息不全或样本量不足的车型。
- 数据特征:包含品牌、车型、排量、变速器类型等信息,但缺乏O-D点和行驶速度数据。
OBD App(智驾行)
- 数据来源:通过OBD设备自动收集车辆行驶数据(全自动)。
- 覆盖范围:2015-2016年,覆盖89个品牌、4142个车型,总记录里程>2.88亿公里。
- 数据有效性:78.5%的样本通过筛选,要求用户至少连续使用OBD设备2周以上。
- 数据特征:包含更详细的行驶数据,如O-D点、速度、GPS等,但部分车型信息缺失。
3. 数据代表性分析
- 车型年款:两个数据库均能较好代表2008-2017年款车型,但2008年款之前样本量不足5%。
- 车型级别:紧凑型车、中型车和SUV在两个数据库中均具有较高代表性,而大型车、跑车、豪华车样本量较少。
- 车型品牌:两个数据库均以大众为首的7个品牌为主,其他品牌因样本量不足5%未被重点分析。
- 发动机排量:OBD数据库中车型发动机排量高于小熊油耗数据库,因此实际油耗也更高。
4. 油耗差异分析
4.1 不同年款车型油耗差异
- 小熊油耗数据库中,车型年款油耗差异加权平均值为122%,低于OBD数据库的133%。
- 实际油耗标准偏差高于OBD数据库,表明小熊油耗数据波动性更大。
- OBD数据库中,过去三年实际油耗呈下降趋势,而小熊油耗数据库中实际油耗呈上升趋势,可能与自主品牌车型占比和SUV/MPV车型增长有关。
4.2 不同车型级别油耗差异
- 小熊油耗数据库中,各级别车型油耗差异均低于OBD数据库。
- 小型车实际油耗最低,SUV实际油耗最高。
- 大型车在OBD数据库中具有更高的油耗差异,但样本量有限,影响分析结果的可靠性。
4.3 不同车型品牌油耗差异
- 大众、福特、日产三个品牌在两个数据库中油耗差异最大,超过10个百分点。
- 丰田的油耗差异水平在两个数据库中相差最小,仅为5个百分点。
- 本田、现代、别克三个品牌在两个数据库中差异较小,均未超过10个百分点。
4.4 不同发动机排量油耗差异
- 小熊油耗数据库中,基于发动机排量的油耗差异加权平均值为120%,低于OBD数据库的131%。
- 小熊油耗数据库中实际油耗均值为9.1L/100km,综合工况油耗均值为7.6L/100km。
- OBD数据库中实际油耗均值为10.3L/100km,综合工况油耗均值为7.9L/100km。
数据库特征对比
| 特征 | 小熊油耗APP | OBD App(智驾行) |
|---|---|---|
| 用户数量 | 20,044 | 14,271 |
| 覆盖车型品牌数 | 56 | 89 |
| 覆盖车型数 | 636 | 4,142 |
| 数据输入量 | N/A | 2530万条 |
| 车型数据代表性 | 更强 | 更强 |
| 用户数据代表性 | 更强 | 更强 |
| 油耗数据集中性 | 更集中 | 更分散 |
数据分析结果对比
- 车型年款:OBD数据库中实际油耗均值下降,而小熊油耗数据库中实际油耗均值上升。
- 车型级别:小型车实际油耗最低,SUV实际油耗最高。
- 车型品牌:大众、福特、日产差异最大,丰田差异最小。
- 发动机排量:OBD数据库中车型排量普遍高于小熊油耗数据库,导致实际油耗更高。
关键结论与建议
- 实际油耗普遍高于工况油耗,且差异随车型级别、品牌和排量有所不同。
- 小熊油耗APP用户群体偏向中低收入车主,而OBD App用户群体偏向对车辆性能感兴趣的中高收入车主。
- OBD数据库中部分油耗计算方法存在20%以内的精度偏差,需注意数据筛选。
- 两种数据源各有优劣,可结合使用以提高研究结果的可靠性。
后续研究建议
- 进一步研究不同数据源的筛选方法,提高数据准确性。
- 考虑更多地区和车型的样本,以增强数据代表性。
- 探索结合多种数据源的油耗研究框架,提升政策评估的有效性。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载