前言
2026年1月，TRANS课题组最新研究成果 《Cross-temporal framework for driving behavior impact on electric vehicle battery health》 发表于交通领域中科院SCI一区顶级期刊、SCI/SSCI双检索期刊《Communications in Transportation Research》（影响因子14.5）。本研究提出了一个名为D2B（Drive to Battery）的跨时域电动汽车电池寿命量化和评估框架，旨在建立日常动态驾驶行为和长期电池状态之间的量化关联。此项研究为基于出行异质性的电池寿命评估提供了系统性的分析框架与可解释的决策依据。
论文第一作者为TRANS课题组2024级博士生齐昊，通讯作者为欧士琪教授，合作作者包括华南理工大学贾亚晖副教授、林远副教授，以及美国辛辛那提大学的李之夏教授。该研究得到了国家重点研发计划项目资助以及广东省人才引进团队项目的支持。
论文摘要
驾驶行为对电池健康具有显著影响。现有研究主要通过动力系统和整车控制来改善电池健康，但很少单独剥离并量化驾驶行为本身的贡献，这可能导致理论收益被高估、而在实际应用中能效不足。
为弥补这一不足，本研究提出了一种将日常驾驶行为与长期电池健康相联系的跨时域综合框架。该框架构建了一个多尺度的动态驾驶环境，融合了电池单体过程、动力系统以及车辆层面的驾驶行为，从而能够估计受驾驶行为影响的电池健康状态。此外，该电池健康感知框架的问题建模突破了传统固定工况循环的限制，扩展至同时考虑能效、电池健康与安全性的动态驾驶场景。进一步地，本文将秒级驾驶行为与年尺度的电池健康演化联系起来。在不同出行需求和区域条件下的实验结果表明，更加平稳的驾驶行为可使能耗降低15.7%，并在10年内将电池退化程度减少10%；而在高强度出行条件下，5年内即可达到与之相当的退化水平。本研究提出的跨时间尺度的定量分析框架，揭示了驾驶行为对电池退化的独立影响，为下一代生态策略和相关政策设计提供了理论支撑。
研究流程框架
图 基于驾驶工况以及出行行为的跨时域的电池健康状态评估框架。
评估体系的构建遵循一个结构化的三阶段工作流程：数据采集、场景生成和场景仿真。在数据采集阶段，将驾驶工况循环和出行需求数据转化为适用于驾驶行为模型的结构化输入。随后，驾驶行为模型根据出行需求生成日常驾驶工况循环，用以表征每日出行场景。最后，将这些日常驾驶工况循环逐日输入到基于物理原理的动力系统中进行仿真，以估计多年尺度的电池健康变化。
主要方法
- 数据采集
本研究采用来自三个自然环境特征差异显著地区的不同驾驶员一年历史出行数据，分别为美国洛杉矶（Los Angeles）、美国新英格兰地区（New England）以及中国广州。数据集涵盖了丰富的驾驶循环相关信息，包括道路坡度、出行模式以及环境温度变化等指标，从而在高度异质的真实运行环境下，对所提出框架的适用性与鲁棒性进行系统的验证。
(1) 新英格兰地区作为高纬度测试案例，具有频繁出现的零下气温；洛杉矶以温暖、干燥的气候和相对多样的地形变化为特征，代表典型的温带、低纬度应用场景；广州位于湿润的亚热带地区。三者共同覆盖了多样的自然环境条件，为评估所提框架在不同环境下的鲁棒性提供了理想的测试案例。
(2) 广州的数据来源于出租车车队运行，其日均行驶里程显著高于洛杉矶和新英格兰地区以私人车辆为主的出行模式，有助于评估框架在不同行驶距离和出行模式条件下的有效性。
(3) 验证数据同时纳入北美与亚洲的城市应用背景，确保了框架在不同驾驶行为特征和交通基础设施条件下的跨区域适应性。
图 洛杉矶, 新英格兰, 广州的出行数据。
- 场景生成
本研究在动态驾驶环境中，基于深度强化学习构建了具有不同动作空间的驾驶行为模型，用以表征真实电动汽车用户长期的多样化驾驶模式。每个驾驶行为模型以历史驾驶工况循环作为输入，生成与特定驾驶模式相对应的驾驶循环。该驾驶循环片段不断累积，直至达到真实世界日均行驶里程需求，从而构建完整的每日出行场景。在完成一天的行驶后，所有场景统一采用相同类型的充电行为，以保证仿真条件的一致性，避免因充电方式差异引入的电压或功率变化，从而确保不同场景和区域之间电池健康对比的公平性与有效性。
图 动态驾驶环境。
- 场景仿真
场景仿真需要对跨多年尺度的电池健康进行评估，其中包括由用户行为驱动的日历老化和循环老化过程。该过程通过运行基于出行需求和驾驶行为模型构建的日常驾驶工况循环来实现。具体而言，这些日常驾驶工况被反复输入至基于物理原理的动力系统模型中，在多年时间范围内逐步累积电池健康损失。场景仿真结果在综合考虑了未来多年的环境条件和用户终端相关因素的情况下，展示了纯电动汽车在整个使用生命周期内的电池健康长期演化过程。
研究贡献
1. 泛化性: 该框架在不同出行需求与地区环境条件下的推演的十年期电池状态结果与标准工况接近，能够有效、准确地评估具有异质性出行和驾驶行为对电池寿命的影响。
2. 可量化: 更平稳的驾驶行为可在10年时间尺度上将电池使用寿命延长约10%；而在高强度的网约车出行场景下，达到同等电池退化程度可能仅需5年。
3. 可解释: 为基于出行异质性的个性化电池寿命评估提供了具有实际价值的分析框架，可在仿真状态下快速地为算法研发决策、电池保险定价以及其他相关节能驾驶研究提供可靠且可解释的参考依据。
4. 交能融合: 在整体框架的各个环节中将交通出行场景与车辆能源系统进行耦合，从而确保电池健康评估能够真实反映电动汽车用户的实际使用情况。
未来工作
未来研究可进一步探索更复杂出行场景与多元驾驶行为的精细化建模，以更精准刻画其对电池健康以及其他能源效率的影响机制；同时可结合具体的保险定价或工程应用案例开展实证评估，以增强该框架的实用性与推广价值。
原文链接:
https://www.sciopen.com/article/10.26599/COMMTR.2026.9640013.
CITATION:
Qi H., Ou S. S., Jia Y. H., Li Z., Lin Y. Cross-temporal framework for driving behavior impact on electric vehicle battery health[J]. Communications in Transportation Research, 2026, https://doi.org/10.26599/COMMTR.2026.9640013.
感谢您的关注，敬请期待更多团队动态！
初稿：齐昊
排版：高伟敏