北京市機動車行駛工況研究

王軍方，丁焰，王愛娟，尹航，譚建偉，殷寶輝

1.中國環境科學研究院，北京 100012

2.北京理工大學機械與車輛工程學院，北京 100081

機動車行駛工況是指機動車在道路上的具體行駛狀態，包括怠速、加速、減速、勻速等。機動車行駛工況［1］會直接造成機動車排放和油耗的顯著變化，是影響機動車排放和油耗的主要因素。

目前，我國所用的乘用車認證工況仍然是歐洲的市區穩態工況ECE-15和包含了郊區工況的NEDC工況，重型車認證工況也為歐洲穩態ESC和瞬態ETC工況［2-3］。而中國的實際道路特征、交通流量分布、地理特征、自然環境等與歐盟國家有很大差異。另外，發動機測試結果不能反映重型車整車實際道路排放特征和油耗特征。因此，為準確評估北京市機動車排放和油耗水平，必須開發和構建一套能夠真實反映北京市運行特征的輕型車和重型車行駛工況。

構建行駛工況一般包括四個步驟:車輛工況數據采集、工況數據分析、工況數據解析和確定工況［4-7］。最關鍵的步驟是工況采集和工況解析。目前車輛行駛工況數據采集方法主要有三種:目標車輛跟蹤法;固定路線上的循環測試法(平均車流統計法);車主自主行駛的數據采集法［8］。數據工況解析是整個行駛工況構建流程中最關鍵的一步，不同的工況解析方法決定了最終解析出的行駛工況是否能夠反映車輛的實際道路運行特征。如何解析出反映車輛實際運行特征的行駛工況，國內外許多研究機構和高校［9-23］提出了不同的方法，其中使用最多、最具有代表性的解析方法主要有四種:定步長截取法和基于短行程開發出來的行程分析法、V-A(velocity and acceleration)矩陣分析法、主成分聚類分析法以及馬爾科夫分析法。筆者綜合考慮各種解析方法的優缺點后，設計了一種基于定步長行駛工況解析法的短行程重疊截取式定步長解析法。行程片段的時間周期以900～1200 s為間隔，最終行駛工況運用V-A矩陣分析法，整個過程的運行通過Matlab軟件來完成。

1 試驗

1.1 工況采集方法和采集設備

以北京市乘用車、公交車和重型卡車為研究對象，進行實際道路運行工況數據測試。乘用車采用車主自主行駛工況采集方法和綜合工況采集方法。綜合工況采集方法是綜合目標車輛跟蹤法和固定路線循環測試法的優點而設計出的車輛工況數據采集方法。公交車采用“正常運營法”的工況數據采集方法。對于重型卡車，由于北京市白天限制其在五環內運行，只有晚上才能進入市區內，因此，利用確定區域的目標車輛跟蹤法來采集重型卡車工況數據。

運行工況數據采集的儀器為全球定位系統(GPS)［9］，測試系統具有良好的保密性和抗干擾性。其單點定位精度可達10 m，測速精度0.1 m/s，能夠滿足車輛工況測試要求。

1.2 測試路線

在選擇乘用車測試路線時，以平均車速作為選擇原則，同時考慮所選道路的級別、交通流量大小、車輛堵塞程度、早晚交通流量變化明顯程度等因素。基于上述原則，分別在北京市東區、南區、北區、西區、東南區、東北區、西南區、西北區以及環線上選取代表性路線進行乘用車工況數據數據采集(圖1)。在進行北京市公交車測試路線選擇時，為了使所選路線具有代表性，基于如下原則進行選取:不同道路上公交車的平均車速值、道路的交通流量大小、車輛擁堵程度、早晚交通流量和負荷變化明顯程度、道路類型分布情況和公交車行駛的主要路段等［24］。重型卡車測試路線主要在五環及以外線路，另外還有少部分用于夜間工況測試的五環內線路，同時考慮北京市交通強度、交通密度以及道路等級等因素，分別在北京市東南西北四個區域選擇典型測試路線。

圖1 各工況測試路線Fig.1 Part of test route lines

2 結果與討論

2.1 數據量的確定

理論上講，采集的數據越多，結果會越準確。但是由于客觀條件的限制，采集數據不可能無窮大。根據文獻［16，25-26］，當采集的數據量達到一定值后，即使增加數據量，準確性也不會有很大提高。共采集了北京市輕型車工況數據110.1萬組，累計行駛里程7500 km。公交車工況得到102.3萬組逐秒有效數據，累計行駛里程6261 km。重型卡車工況得到20.7萬組逐秒有效數據，累計行駛里程2168 km。通過對樣本特征值準確性和數據量的關系分析，可以得出當數據量達到上述量值后，車輛平均速度、平均運行速度(不包含怠速)、平均加速度、平均減速度以及各種運行模式(怠速、加速、減速和勻速)等特征參數趨于穩定。采集的樣本數據量已經滿足數據統計分析的要求，可以進行下一步的工況提取。

2.2 機動車運行速度－加速度及頻率分布

2.2.1 運行速度-加速分布

基于已經獲得的機動車有效工況數據，對乘用車、公交車和重型卡車的速度、加速度運行特征進行了初步分析，如圖2～圖4所示。

圖2 乘用車速度－加速度分布Fig.2 Speed and acceleration distribution of passenger vehicles

由圖2可見，乘用車的速度主要集中于0～60 km/h，最大速度甚至超過100 km/h;在0～50 km/h速度范圍內，加速度主要分布在-1～1 m/s2，在大于50 km/h速度段加速度主要分布在-0.5～0.5 m/s2。乘用車速度范圍和加速度范圍均較寬，主要因為乘用車多運行于市區快速路和街區道路上，運行于街區道路時，車速較低，而且加減速頻繁，運行于快速道路時，車速較高。

由圖3可見，北京市公交車運行速度主要集中于0～30 km/h，運行速度范圍較窄，最大車速不超過60 km/h;加速度主要集中于-1～1 m/s2。主要因為公交車多運行于人流量密集地區，車流量大，運行路線上紅綠燈較多，且公交車在運行路線上頻繁停靠，所以車輛運行速度較低且經常怠速和起動。

由圖4可見，重型卡車的行駛速度主要分布在0～50 km/h內，最大車速超過90 km/h，速度分布范圍介于乘用車和公交車之間，速度為0～40 km/h時，車輛加速度主要分布在-0.6～0.6 m/s2，在大于40 km/h的速度下運行時，加速度主要集中在-0.5～0.5 m/s2。主要因為北京市限制卡車在白天進入五環以內區域，重型卡車多運行于五環以外交通通暢的快速干道上，因此卡車的平均速度要比公交車高，而且行駛比較平穩。

2.2.2 機動車運行速度頻率分布

通過對機動車速度數據進行分析，統計出了車輛在怠速、0～10、10～20、20～30、30～40、40～50、50～60、60～70、70～80 km/h以及大于80 km/h區間下運行速度頻率分布，如圖5～圖7所示。

由圖5可見，乘用車怠速下的速度頻率(該速度下的運行時間占總運行時間的比例)最高，為26.03%。此外，車輛在 20～30、30～40、40～50 km/h區間的速度頻率也較高，分別為12.75%、13.74%和12.52%。車輛在大于80 km/h下的速度頻率最低，僅為0.91%。總體來看，乘用車運行速度主要集中在小于60 km/h的范圍內，車輛在不超過60 km/h的速度頻率達到91.24%。

由圖6可見，公交車怠速下的速度頻率最高，為29.32%。除怠速運行外，車輛在10～20、20～30、30～40 km/h下速度頻率也較高，分別為14.36%、16.04%和15.72%。車輛最高車速不超過60 km/h，在 50～60 km/h下速度頻率最低，僅為4.71%。總體來看，車輛運行速度主要集中在小于50 km/h，小于50 km/h下的速度頻率達到95.29%。

由圖7可見，重型卡車在60～70 km/h下的速度頻率最高，為16.54%。在怠速、40～50和50～60 km/h下的速度頻率也較高，分別為12.44%、11.66%和11.46%。大于80 km/h下的速度頻率相對較低，僅為0.84%。總體來看，車輛運行速度主要集中在小于70 km/h范圍內，小于70 km/h下的速度頻率達到99.16%。

2.3 機動車解析工況結果及與其他工況對比分析

從大量的實際車輛運行調查數據中解析和提取與總體樣本特征近似的數據段，需要選用一些統計學特征值來完整描述行駛工況特征，如使用平均速度、加速度、行駛時間、怠速比例等。筆者研究工況解析采用的是特征參數法，該方法是以13個參數作為合成行駛工況的標準參數，分別計算總體樣本和劃分行程片段的13個參數特征值以及相關性。根據平均偏差和相關系數篩選工況，再利用V-A矩陣分析法評價以及確定最終工況。

V-A矩陣分析指通過分析各行駛工況數據速度-加速度概率分布與總體數據速度-加速度概率分布的關系，考察各備選工況速度-加速度構成與總體數據速度-加速度構成的形態相似性;通過計算各備選工況速度-加速度概率分布與總體數據速度-加速度概率分布之間的差異(即DIF)，確定代表數據區間。DIF越小，說明二者概率分布之間的偏差就越小，工況的代表性也就越強。DIF是指備選數據與總體數據速度-加速度概率分布對應項之差的平方和，計算公式為:

式中，i為備選數據速度-加速度分布與總體數據速度-加速度概率分布對應的第i項;j為第j個備選數據速度-加速度概率分布;k為總體數據速度-加速度概率分布。

首先將每個數據按不同的速度區間進行分類，速度分為:(0，10］、(10，20］、(20，30］、(30，40］、(40，50］、(50，60］、(60，70］、(70，80］、(80，90］、(90，∝)共 10個區間，加速度分為:［1.6，+∝)、［1.4，1.6)、［1.2，1.4)、［1.0，1.2)、［0.8，1.0)、［0.6，0.8)、［0.4，0.6)、［0.2，0.4)、(0，0.2)、0、(0，-0.2)、［-0.2，-0.4)、［-0.4，-0.6)、［-0.6，-0.8)、［-0.8，-1.0)、［-1.0，-1.2)、［-1.2，-1.4)、［-1.4，-1.6)、［-1.6，-∝)共19個區間，統計每類速度-加速度所占時間比例，即可得到速度-加速度概率分布數據。

2.3.1 機動車解析工況結果

將采集到的大量逐秒速度數據匯總，利用Matlab軟件根據已經設計的片斷截取方法，分別將乘用車、公交車和重型卡車行駛工況數據樣本劃分為許多重疊且時間步長為900～1200 s的行程片段。經過樣本數據分割，得到乘用車數據片斷共計7849個;公交車數據片斷共計11198個;重型卡車數據片斷共計792個。通過行程片段篩選得出10個備選工況。

從備選工況中通過計算與總體工況的相關系數以及V-A矩陣分析計算DIF，選擇相關系數大且DIF小的工況作為乘用車、公交車和重型卡車的典型綜合工況特征值。工況曲線如圖8～圖10所示。綜合工況特征值見表1。

圖8 乘用車的綜合行駛工況Fig.8 Driving cycle or modes of passenger vehicles

表1 綜合工況特征值Table 1 Characteristic values of vehicles

比較三種車輛綜合工況的特征值可以看出，與重型卡車相比，乘用車和公交車由于多運行于市區，而市區車流量大、交通較擁堵，因此車輛運行速度較低，怠速、加速、減速比例較高，勻速運行比例較低。其中，公交車由于多運行于紅綠燈較多、交通流量大路段，且頻繁停靠站，平均速度更低，怠速比例更大。重型卡車由于白天只能在五環外運行，交通通暢，運行環境較好，勻速運行比例和平均速度均較高。

2.3.2 與其他工況對比分析

對北京市乘用車工況、NEDC工況、ECE-15工況和FTP-75工況進行比較(表2)。由表2可見，從平均速度、平均加減速度方面，北京市乘用車工況明顯低于NEDC工況和FTP-75工況。乘用車工況的平均速度(Vm)分別與NEDC工況和FTP-75工況相差21.36%和27.33%，平均加速度(Am)分別與NEDC工況和FTP-75工況相差37.21%和53.49%，平均減速度(Dm)分別與 NEDC工況和FTP-75工況相差49.06%和41.51%。另外，在工況比例方面，北京市乘用車工況的加、減速比例明顯高于NEDC工況和FTP-75工況;而乘用車工況的勻速比例卻比NEDC工況和FTP-75工況低很多。這主要由于北京市車流量大，交通擁堵，因而車輛運行速度偏低和加減速運行頻繁。因此，如果基于NEDC工況或FTP-75工況對北京市乘用車排放和油耗進行測試研究，將存在很大偏差。另外，通過比較北京市重型卡車工況和UDDS工況，也發現北京市重型卡車工況與UDDS工況存在很大差異，北京市重型卡車加速度和減速度的絕對值均偏小，加減速比例偏大。因此，基于國外重型車工況分析北京市重型卡車排放和油耗特征，也將存在很大差異。

表2 機動車典型工況特征值比較Table 2 Comparison of different test cycles

3 結論

(1)在對國內外先進的機動車行駛工況構建方法進行研究分析的基礎上，根據北京市各類車輛的運行特點，制定了分車型的工況數據采集方法。對于乘用車，采用根據車主自主駕駛法及綜合了目標車輛跟蹤法和固定路線循環測試法的優點而設計出的車輛工況數據采集方法。對于公交車，采用正常運營法。對于重型卡車，采用目標車輛跟蹤法。

(2)得到乘用車逐秒的有效運行數據110.1萬組，累計行駛里程7500 km;公交車逐秒的有效數據102.3萬組，累計行駛里程6261 km;重型卡車逐秒的有效數據20.7萬組，累計行駛里程2168 km。經過數據樣本數據量與測試數據準確性的統計分析，證實所采集的樣本數據量已經滿足工況提取的數據量要求。

(3)與重型卡車相比，乘用車和公交車由于多運行于市區，車流量大，車輛運行速度較低，怠速、加速、減速比例較高，而勻速運行比例較低。其中，公交車由于多運行于交通流量大路段，且頻繁停靠站，平均速度更低，怠速比例更大。重型卡車由于白天只能在五環外運行，交通通暢，運行環境較好，勻速運行比例和平均速度均較高。

(4)通過對北京市乘用車工況、NEDC工況、ECE-15工況和FTP-75工況進行比較發現，從平均速度、加速度和減速度方面，北京市乘用車工況明顯低于NEDC工況和FTP-75工況;在工況比例方面，北京市乘用車工況的加減速比例明顯高于NEDC工況和FTP-75工況;而北京市乘用車工況的勻速比例卻比NEDC工況和FTP-75工況低很多。另外，比較北京市重型卡車工況和國外重型車UDDS工況發現，北京市重型卡車工況與UDDS工況差異較大，北京市重型卡車加速度和減速度的絕對值均偏小，而加減速運行時間比例偏大。

［1］肖竑，梁錫林.影響機動車排放因子計算相關因素探討［J］.環境保護，2004(4):45-47.

［2］國家環境保護總局.GB 18352.3—2005 輕型汽車排氣污染物排放限值及測量方法(中國Ⅲ、Ⅳ階段)［S］.北京:中國標準出版社，2005.

［3］國家環境保護總局.GB 17691—2005 車用壓燃式、氣體燃料點燃式發動機與汽車排氣污染物排放限值及測量方法(中國Ⅲ、Ⅳ、Ⅴ階段)［S］.北京:中國標準出版社，2005.

［4］朱西產，李孟良，馬志雄，等.車輛行駛工況開發方法［J］.江蘇大學學報，2005，26(2):110-113.

［5］劉希玲，丁焰.我國城市汽車行駛工況調查研究［J］.環境科學研究，2000，13(3):23-27.

［6］DEMBSKI N，GUEZENNEC Y，SOLIMAN A.Analysis and experimental refinement of real-world driving cycles［R］.Washington DC:SEA Technical Paper，2002.

［7］ANDRE M.The ARTEMIS European driving cycles for measuring car pollutant emission［J］.Sci Total Environ，2004，334/335:73-84.

［8］JIE L M.Process approach to driving cycle development［D］.California:University of California，2002.

［9］丁焰.中國機動車排放因子模型研究［D］.北京:北京理工大學，2009.

［10］de HAAN P，KELLER M.Real-world driving cycles for emissions measurements:ARTEMIS and Swiss cycles:final report［R］.Geneva:Swiss Agency for Environment，Forests and Landscape，2001.

［11］STEVEN H.Development of a worldwide harmonized heavy-duty engine emissions test cycle，final report:TRANS/WP29/GRPE/2001/2［R］.［S.l.］:ECE-GRPE WHDC Working Group，2001.

［12］ MICHAL V-L，DOUGLAS C L，JOSHUA P W.Real-world emissions from 40 heavy-duty trucks recruited at Tulare，CA rest area［R］.Washington DC:SAE Technical Paper，2002.

［13］WANG Q D，HUO H，HE K B，et al.Characterization of vehicle driving patterns and development of driving cycles in Chinese cities［J］.Transportation research Part D，2008，13(5):289-297.

［14］裴文文.面向尾氣排放控制的北京市機動車行駛周期研究［D］.北京:北京交通大學，2005.

［15］KUHLER M，KARSTENS D.Improved driving cycle for testing automotive exhaust emissions［M］.New York:Society of Automotive Engineers Inc，1978.

［16］ANDRE M，HICKMAN A J，HASSEL D，et al.Driving cycles for emissions measurements under European conditions［R］.Washington DC:SAE Technical Paper，1995.

［17］馬東.輕型車排放因子研究［D］.北京:北京理工大學，2008.

［18］ CLARK N N，GAUTAM M，WAYNE W S，et al.Creation and evaluation of a medium heavy-duty truck test cycle［J］.SAE Tracsactions，2003，112(4):2654-2668.

［19］ BROWN S，BRYETTC，MOWLEM.In-service emissions performance-drive cycles［R］.Australia:National Environment Protection Council Service Corporation，1999.

［20］李波.概率論與數理統計［M］.重慶:重慶大學出版社，1995.

［21］杜雪樵.惠軍隨機過程［M］.合肥:合肥工業大學出版社，2006.

［22］張銳.城市道路汽車行駛工況的構建與研究［D］.合肥:合肥工業大學，2009.

［23］馬志雄，李孟良，張富興，等.主成分分析法在車輛實際行駛工況開發中的應用［J］.武漢理工大學學報，2004，26(4):32-35.

［24］馬志雄，李孟良，朱西產，等.公交車行駛工況開發過程中試驗線路的提取研究［J］.武漢理工大學學報，2004，28(4):515-517.

［25］ANDRE M.Driving cycles development:characterization of the methods［M］.Washington DC:SAE Technical Paper，1996.

［26］ANDRE M.In actual user car testing:70000 kilometers and 10000 trips by 55 French cars under real conditions［M］.New York:SAE Technical Paper，1991. ?