引 言

由于我國(guó)機(jī)動(dòng)車保有量逐年遞增，使得車輛燃油消耗在石油消耗總量和進(jìn)口總量中的占比也隨之逐年提高，又因?yàn)槲覈?guó)汽車燃油消耗水準(zhǔn)平均比發(fā)達(dá)國(guó)家高 10% ～20%[1]，所以降低燃油消耗刻不容緩。在利用車輛進(jìn)行貨物運(yùn)輸?shù)姆绞街校?重型汽車所占的比例較大，所以可以通過(guò)降低重型車燃油消耗來(lái)降低機(jī)動(dòng)車燃油消耗。從之前國(guó)內(nèi)外有關(guān)降低燃油消耗的研究來(lái)看，主要從改善道路狀況、優(yōu)化車輛結(jié)構(gòu)、駕駛員培訓(xùn)這三個(gè)方面來(lái)實(shí)現(xiàn)，而當(dāng)前的研究趨向于以人—車—環(huán)境為綜合系統(tǒng)進(jìn)行研究。

在一定條件下，轉(zhuǎn)速、車速、冷卻液溫度、瞬時(shí)油耗、扭矩、油門開度、擋位都可以用來(lái)做油耗大小的參考，但這七個(gè)數(shù)據(jù)卻不能對(duì)油耗做出一個(gè)明確的評(píng)價(jià)，因此有必要通過(guò)這七個(gè)參數(shù)確定一個(gè)綜合評(píng)價(jià)指標(biāo)。

1 數(shù)據(jù)篩選與預(yù)處理

在大數(shù)據(jù)背景下，以中國(guó)重汽智能通（車隊(duì)管理系統(tǒng)）提供的數(shù)據(jù)為來(lái)源進(jìn)行分析。為了較準(zhǔn)確的反應(yīng)人—車—環(huán)境的綜合系統(tǒng)，保證不會(huì)因人、車、環(huán)境中的任意一個(gè)因素的異常對(duì)數(shù)據(jù)造成偏差，本文做了以下篩選：

(1) 選擇了行駛道路相對(duì)簡(jiǎn)單的掛車來(lái)保證不會(huì)因?yàn)榈缆返膼毫忧闆r對(duì)采集的數(shù)據(jù)產(chǎn)生影響；

（2）選擇運(yùn)送貨物為危險(xiǎn)品的物流公司，以保證智能通 系統(tǒng)不會(huì)出現(xiàn)大量的停車數(shù)據(jù)，又因?yàn)檫\(yùn)送危險(xiǎn)品的駕駛員有 良好的駕車習(xí)慣，避免了因司機(jī)操作不當(dāng)對(duì)結(jié)果產(chǎn)生影響 ；

（3）研究時(shí)間為 2016 年 1月1日至 2016 年 1月15日，運(yùn) 輸距離累計(jì)大于 11 000 km。本次研究利用 Matlab 進(jìn)行數(shù)據(jù) 處理，主要達(dá)到格式標(biāo)準(zhǔn)化、清除異常數(shù)據(jù)、糾正錯(cuò)誤、清 除重復(fù)數(shù)據(jù)的目的。表 1 所列是經(jīng)處理后的部分?jǐn)?shù)據(jù)。

2 利用SPSS進(jìn)行油耗因子分析

運(yùn)用因子分析方法的前提是變量之間存在線性關(guān)系，以達(dá)到減少變量、方便分析的目的。通過(guò)觀察表 2 中變量的相關(guān)矩陣可知，大多數(shù)變量的相關(guān)系數(shù)大于 0.3，具有較強(qiáng)的相關(guān)性，同時(shí)，對(duì)上述變量進(jìn)行 KMO 和Bartlett 檢驗(yàn)。由表 3 可知， Bartlett 的球形度檢驗(yàn)為 174 800.951，相應(yīng)的概率為 0，應(yīng)拒絕零假設(shè)，認(rèn)為相關(guān)矩陣與單位矩陣有顯著差異，KMO 值為0.792，較好的達(dá)到了標(biāo)準(zhǔn)，可以運(yùn)用因子分析的方法。

表 4 給出了提取公共因子前后各變量的共同度，例如，提取公共因子后，發(fā)動(dòng)機(jī)扭矩的共同度為 0.915，即提取的公共因子對(duì)發(fā)動(dòng)機(jī)扭矩方差做出了 91.5% 的貢獻(xiàn)。從該列的數(shù)值可以看出，各變量的共同度都比較大，說(shuō)明變量空間轉(zhuǎn)化為因子空間時(shí)，保留了較多的信息，因此，因子分析的效果十分顯著。

從表 5 的第二列可以看出，初始特征值有兩個(gè)大于 1，分別是 4.403 和 1.267，它們一起解釋了原始數(shù)據(jù)情況的 80.988%，因此提取兩個(gè)公共因子是恰當(dāng)?shù)?，能夠比較全面的 反應(yīng)情況。

表 6 給出了因子載荷矩陣，右邊的兩列分別代表第一、 第二主因子的載荷，如發(fā)動(dòng)機(jī)轉(zhuǎn)速是第一個(gè)主因子的載荷的 0.878，第二個(gè)主因子的載荷的－ 0.277?？梢钥闯龈饕蜃拥牡?型代表變量并不突出，不能對(duì)因子做出很好的解釋，因此，對(duì) 因子載荷矩陣實(shí)施旋轉(zhuǎn)是非常有必要的。表 7 是對(duì)表 6 的因 子載荷施行方差最大正交旋轉(zhuǎn)后的結(jié)果，可以看出，第一主 因子主要由轉(zhuǎn)速、擋位、車速、冷卻液溫度決定，第二主因子 則由瞬時(shí)油耗、扭矩、油門開度決定。

表 8 所列是因子轉(zhuǎn)換矩陣，旋轉(zhuǎn)前的因子載荷乘以因子 轉(zhuǎn)化矩陣等于旋轉(zhuǎn)后的因子載荷矩陣。表 9 列出了因子得分的 協(xié)方差矩陣，發(fā)現(xiàn)是個(gè)單位矩陣，說(shuō)明提取的兩個(gè)公因子是 不相關(guān)的。