0 引言

推进运输装备技术升级，保障道路运输安全是构建交通运输安全发展体系的重要内容。近年来，随着我国社会客运、物流需求的高速增长，道路运输市场蓬勃发展。道路运输行业的快速发展虽有力推动了我国现代化建设进程，但同时也存在交通安全问题。营运客车随行驶里程和使用年限的增长，整车安全技术性能呈下降趋势。虽然我国营运客车交通事故数和受伤人数比重逐年降低，但引发的死亡人数和经济损失却有逐年上升趋势。其中，由车载安全部件故障引起的交通事故通过良好的车辆技术管理可以避免或减少，关键在于科学制订车辆维修策略和安全风险管理方案。

为保障营运客车运行安全，我国先后发布《道路运输车辆技术管理规定》(交通运输部令2019年第19号)、《营运客车安全技术条件》(JT/T 1094—2016)^[1]等政策标准，明确了营运客车技术管理和主要配置及安全防护装置的技术要求。但是，针对各零部件(含元器件)在使用环节的技术变化，尤其是车道偏离预警系统(LDWS)、自动紧急制动系统(AEBS)等新型智能化车载装置使用环节中的安全应用监管和故障情况，行业内还未开展相关研究。

目前，可靠性分析理论已在航空航天、机械制造^[2]领域广泛应用，既有对整车可靠性评价^[3]，也有对车辆关键零部件的可靠性分析^[4]，且涵盖可靠性框图^[5]、故障树分析^[6]、贝叶斯网络^[7]、模糊分析^[8]等多种方法的应用。其中，孙淑霞等^[9]对客车制动系统进行故障树分析，得到可靠性指标以评价制动系统可靠性；朱荣^[10]针对混合动力公交客车高压电气系统，开展了基于威布尔分布的故障规律研究；李国文^[11]建立车辆使用可靠性综合评价模型。可靠性分析数据主要来源于道路试验数据、台架试验数据、软件仿真数据、汽车维修故障数据等。于亚杰等^[12]基于售后索赔数据开展汽车可靠性分析方法研究；黄妮等^[13]针对氢燃料电池客车车架开展多工况疲劳可靠性有限元分析。总体上，虽然可靠性分析理论发展趋向成熟，但在最为关键的原始数据获取方面，却普遍存在仿真数据与实际工况差异较大，台架试验无法获取全生命周期性能变化^[14]，售后维修故障数据量较小不具有代表性等问题^[15]，使得可靠性分析结论无法反映营运客车真实技术状况。

因此，基于当代车辆智能化发展现状，依托全国汽车维修电子健康档案系统中的营运客车维修大数据，利用威布尔分析等理论，建立营运客车安全部件故障规律，为科学预测在用营运客车安全风险，及时掌握LDWS、AEBS等新型智能化车载装置的产品可靠性，合理制定维修保障策略，提高营运客车安全技术水平，减少道路交通事故的发生提供支撑。

1 客车安全部件分类

营运客车涉及安全的零部件众多，科学选取重点、关键安全部件是研究基础。因此，本研究梳理了《机动车运行安全技术条件》(GB 7258—2017)^[16]，《机动车安全技术检验项目和方法》(GB 38900—2020)^[17]，《营运客车安全技术条件》(JT/T 1094—2016)等标准的要求，结合营运客车重特大道路交通事故致因研究^[18]和营运客车常见零部件故障的综合分析^[19]，明确提出了营运客车安全部件(表 1)。

2 客车数据采集处理

从全国汽车维修电子健康档案系统中采集了11 804辆营运客车共计2万辆(次)维修记录数据，包括车辆号牌、送修日期、送修里程、故障描述、维修项目、维修配件等信息，重点覆盖M₂，M₃类客车的班车客运、旅游客运等各类运行状况。在车辆故障分析时，从维修记录数据中计算各类安全部件对应故障次数以进行累计故障数计算，并将送修里程与故障里程对应，部分维修记录见表 2。

3 可靠性分析理论

可靠性分析指对产品故障数据进行收集，统计分析产品故障规律并计算可靠性度量指标以评估故障概率。由许多单元组成的系统寿命大多服从威布尔分布^[20]，由于其拟合能力强, 适用性较广可兼容指数分布, 正态分布等理论分布，因而在可靠性工程中被广泛应用，因此本研究使用威布尔分布函数开展故障规律研究。

3.1 威布尔分布

威布尔分布包括三参数威布尔分布、两参数威布尔分布等。与三参数威布尔分布相比，两参数威布尔分布在进行参数估计时相对简便容易，因此为了便于操作和计算，在对最终结果造成较小影响的前提下，将三参数威布尔分布中的位置参数m取值为0，从而得到两参数威布尔分布。两参数威布尔分布统计特征如下。

故障概率密度函数：

(1)

故障累积概率：

(2)

故障率：

(3)

可靠度：

(4)

式中，t∈[0, ∞)为故障里程；b为形状参数；θ为尺度参数。对式(4)进行归一化处理，对等号两边连续取两次对数可得：

(5)

令，x=ln t，A=-bln θ, 可得到线性函数y=bx+A。

对于故障数据[t_i, F(t_i)]，如果服从威布尔分布，则变换后的数据[x_i, y_i]在直角坐标系中近似呈线性关系。

3.2 理论分布的假设检验

假设所记录的车辆故障数据分布规律属于两参数威布尔分布后，应对所分析数据是否符合假设理论进行分析判断，即检验分析数据是否符合拟合直线要求。假设检验时，t检验法是一种比较常见的方法。为了评价数据点符合拟合直线的程度，定义了拟合优度r²，其表达式：

(6)

其中，, 。拟合优度r²与临界拟合优度r_c²相比较应满足r²>r_c²，在实际应用中，一般取临界拟合优度r_c²=0.9。

4 安全部件可靠性分析 4.1 故障统计

通过梳理采集的营运客车安全部件故障数据，提取了各零部件故障数分布，如图 1所示。

从图 1可知，相比行驶系、安全防护装置零部件，转向系、制动系的故障发生频率明显增多。其中，既包括盘式制动器、液压助力转向系统、安全带等机械零部件，还包括防抱制动装置(ABS)、制动衬片更换报警装置等电子控制零部件。这与零部件的日常使用频率和产品可靠度等多种因素具有相关性，应摒弃机械零部件使用可靠度整体高于现代电子零部件的传统理念。

4.2 故障分布类型判断

将表 2中的故障样本按其故障里程进行分组，分别计算落在i组的故障样本数n_i以及j组(包括j组在内) 之间的累计故障数G_j。其中，i, j分别表示组号。有：

(7)

因此，各组的累计概率为:

(8)

对营运客车安全部件故障数据处理结果如表 3~6所示。

由累计故障数G_j和累计故障概率H_j计算的拟合检验系数r²如表 7所示，因r²≥0.9可以判定y与x之间存在线性关系，即可以判定数据整体服从威布尔分布。

4.3 故障分布参数拟合计算

根据威布尔分布函数计算的客车各零部件威布尔分布参数如表 8所示，得到的参数拟合图如图 2~5所示，其中横坐标x=ln t，纵坐标y=ln [ln 1 (1-H)]。可以看出，各故障数据点基本落在拟合线条附近区间内，表明威布尔分布参数计算结果合理。

4.4 可靠特征量计算

根据式(1)~式(4)求出的b，θ等威布尔参数经MATLAB处理，分别得到故障累积概率、故障率函数、故障概率密度函数、可靠度函数等可靠性特征量曲线，如图 6~9所示。其中横坐标为故障里程t，纵坐标为F(t)，λ(t)，f(t)，R(t)等函数计算值。

可以看出，在全寿命周期内随着营运客车行驶里程的增加，各零部件故障累积概率从0逐步趋向于1，相应的可靠度由1逐步趋于0，两者之间是负相关关系。此外，不同零部件的可靠性特征变化率具有明显差异，且各零部件的故障率以及故障概率密度在使用初期变化较大，之后逐渐趋向平稳，因此应对不同故障函数曲线进行具体分析并提出有针对性的产品优化改进方案。

从故障概率密度最大即故障发生频率最高的里程区间来看，转向系零部件在0~4×10⁴ km区间，行驶系零部件在0~2×10⁴ km区间，制动系零部件在0~5×10⁴ km区间，安全防护装置在0~3×10⁴ km区间内。因此，应在不同零部件故障高发区间段结束前及时开展安全技术性能检验以降低故障发生风险。

5 结论

(1) 与道路试验、室内台架试验、软件仿真试验和少量维修数据分析方法相比，营运客车可靠性分析大数据呈现数据量多、里程跨度大、覆盖故障类型多样等特点，更能真实、客观、全面反映营运客车在全寿命周期内的性能变化和故障规律。

(2) 在用营运客车故障率较高的安全部件主要为安全带、防抱制动装置、辅助制动装置、液压助力转向系统、制动衬片更换报警装置、电动助力转向系统等，应结合故障发生营运里程及区间分布重点对以上装置进行定期维护及运行保障。

(3) 根据故障率函数曲线分析，行驶系、制动系、安全防护装置的瞬时故障率随营运里程逐步趋缓。相反，转向系零部件瞬时故障率随里程呈现上升趋势，且故障增长速度随里程逐渐减小。因此，应根据不同零部件故障变化特征科学合理制定维护计划。

(4) 与常规安全部件相比，车道偏离预警系统(LDWS)、自动紧急制动系统(AEBS)等高级驾驶辅助系统在营运车辆装配应用中，具有更低故障率、更高可靠性的同时，其故障风险随车辆使用年限增加趋于平缓，因此应重点对早期故障进行预防性检查，这对车载智能装置的产品质量、使用要求和日常维护具有参考意义。