海口城市公交車行駛工況構建及排放清單建立

李 峰，莊繼暉，李孟良

(1.海南大學 機電工程學院， 海口 570228； 2.中國汽車技術研究中心， 天津 300000)

機動車排放是世界許多城市的主要空氣污染源[1]。公共交通是城市得以正常運轉的重要基礎設施之一，優先發展城市公共交通是提高交通資源利用效率，緩解交通擁堵的重要手段。駕駛循環是用來描述車輛行駛特征的速度-時間曲線[2-3]。確定駕駛循環就是對車輛的實際行駛狀況進行調查[4]，并對實驗數據進行分析，運用相關數學理論方法對典型道路車輛行駛狀況進行定量描述。駕駛循環主要用于確定車輛污染物排放量和燃油消耗量，是汽車工業的一項核心指標。公交車具有相對固定的行駛區間,從而使得其行駛特性不同于一般的乘用車[5]。本文通過車載數據記錄儀采集海口市道路交通實際行車數據，構建典型道路行駛工況，能在相當程度上還原出海口道路的實際交通狀況，對促進適合本地區道路交通狀況的車輛設計和開發、降低油耗、減少尾氣排放有重要意義。

相比道路排放實測，排放預測模型主要通過對機動車技術分布、行駛工況、燃油品質等參數的調查，將模型本地化，從而獲得排放清單。常見的預測模型有IVE模型、EMFAC模型、MOBILE模型、CMEM模型及COPERT模型等[6]。IVE模型利用模型本身內嵌的污染物基準排放因子乘以一系列修正參數從而得到當地機動車排放因子，其最大特點是引入了比功率(VSP)和發動機負荷(ES) 2個參數[7]。其中，VSP能夠真實地反映車輛運行工況與機動車尾氣排放量之間的關系，而ES又與機動車瞬時速度和發動機前20 s的歷史VSP有關，這2個參數的引入大大提高了模型預測的可靠性[8]。本研究通過對海口市公交車的行駛工況、技術水平分布、活動特征等參數的采集，將IVE模型本地化，計算獲得2017年海口市公交車排放清單。

1 工況構建與排放清單建立

1.1 數據采集

為了采集海口市內營運公交車輛實時運行數據，本研究采用了道路試驗遠程信息系統。該系統主要包括車載數據記錄儀和車輛遠程管理服務平臺兩部分。車載數據記錄儀對實際車輛運行過程中道路工況、駕駛行為和車輛運行數據進行采集、記錄和傳輸，如圖1所示。該設備通過OBD口接入整車CAN網絡實時獲取行駛信息。車載數據記錄儀通過GPRS模塊將數據傳輸至車輛遠程管理服務平臺。車輛遠程管理服務平臺主要作為數據中轉中心、車輛運行數據庫。圖2為道路試驗遠程信息系統的數據分析研究流程圖。

圖1 重型車車載記錄儀實物圖

圖2 數據分析研究流程

研究對象來自6條公交線路的12輛公交車。研究選取2017年7月1日至2017年7月31日，6∶00—23∶00的行駛數據，車輛行駛數據涵蓋工作日與非工作日，包含車流量高峰期和非高峰期各時段，所選線路覆蓋主要市區和郊區。將車載數據記錄儀所采集的數據剔除無效部分后，獲得有效行駛數據共計700萬余條。圖3為公交線路覆蓋圖。

圖3 公交線路覆蓋圖

1.2 工況構建

車輛從起點到終點過程中，會受到各種交通狀況的影響，導致其間存在多次起步與停車的操作。將汽車從一個怠速開始到下一個怠速開始的運動定義為一個微行程(Microtrip)[9]。車輛的行程可視為各種微行程的組合，將這些微行程片段根據交通特性分類研究，并在此基礎上構建道路行駛工況[10]。為從原始數據中區分各工況，各工況定義為：① 加速工況，a≥0.15 m/s2,v≠0；② 減速工況，a≤-0.15 m/s2,v≠0；③ 勻速工況，|a|<0.15 m/s2，v≠0; ④ 怠速工況，a=0，v=0，但發動機工作。

為分析和評價各運動學片段，定義了15個特征參數：運行距離、運行時間、加速時間、勻速時間、減速時間、怠速時間、最大速度、平均速度、行駛速度、速度標準偏差、最大加速度、加速段平均加速度、最大減速度、減速段平均減速度、加速度標準偏差。利用Matlab編寫相應的用于提取微行程片段的m程序，計算得出35 345個微行程片段的特征參數。

對于高維數據，難以直觀地發現其中的模式和規律，故需要降維處理。所選取的前15個用于分類的特征參數之間存在著不同強弱的相關性，且并非相互獨立。利用SPSS對35 345個微行程片段的15個用于分類的特征參數樣本進行因子分析。前5個因子累計貢獻率為87.467%，大于85%，基本包含了各變量的主要信息，選取為主因子。15項特征參數的微行程片段通過降維后可用5個主因子表達。

將微行程片段聚類分析，為行駛工況構建做基礎準備，k-means是劃分方法中較經典的聚類算法之一。由于該算法的效率高，所以在對大規模數據進行聚類時被廣泛應用。本研究采用SAS JMP對微行程片段進行k-means聚類處理，將35 345個微行程片段分為“較暢通”和“較擁堵”兩類，分類結果如表1所示。

表1 運動學特征值

在表1中，相對較擁堵片段而言，較暢通片段的平均速度、行駛里程和持續時間均明顯較大，能夠較好地反映公交車的實際工況。

參考幾種國際典型行駛工況的持續時間，構建工況運行時間預計為1 200 s[11]。根據兩類工況微行程片段占總片段的比例，確定兩類片段的組成結構。對隨機選出的片段，若該片段的特征值與對應工況的綜合特征值誤差均在10%以內[10,12]，則確定該片段是有效的；否則重新選取片段，直至行駛工況時間長度滿足條件。總體片段與被挑選片段的對比，如表2所示。

為了驗證總體片段與被挑選片段的相關程度，使用Matlab的corr(a,b)函數，計算得兩種工況參數矩陣的皮爾遜相關系數為0.998，兩者高度相關，表明所構建的工況能夠反映出海口市公交車的道路行駛狀況。最終構建的道路行駛工況如圖4所示。

表2 總片段與被挑選片段特征對比

圖4 公交車行駛工況

道路行駛工況圖是用來定量描述典型道路車輛行駛狀況的速度-時間曲線圖，對于車輛的排放預測研究有著至關重要的作用。其速度分布特征是構建城市排放清單的關鍵參數。

1.3 利用IVE模型建立海口市公交車排放清單

IVE模型輸入參數包括技術水平分布、VSP分布、啟動分布和其他參數4部分。截止到2017年8月，海口市公交車的保有總量為2 874輛(數據來自海口市公交車集團)。公交車的技術水平分布如表3所示。

車輛比功率(vehicle specific power，VSP)定義為發動機每牽引一噸重量所輸出的功率，單位為kW/t[13]。VSP的數學表達式為:

VSP=v×[1.1a+9.81×(atan(sinG))+

0.132]+0.000 302v3

(1)

式(1)中：v為汽車瞬時速度(m·s-1)；a為汽車瞬時加速度(m·s-2)；G為海拔高度(m)。海口G取值為0，式(1)可簡化為：

VSP=v×(1.1a+0.132)+0.000 302v3

(2)

表3 公交車技術水平分布

注：NG代表壓縮天然氣；3Wy代表三元催化轉化技術；EGR代表廢氣再循環技術

IVE模型引入了發動機工作強度ES，用于表示歷史工作狀態和排放量之間的關系[14]。發動機工作強度用來表示發動機在過去20 s的運行特征與發動機轉速。

ES=0.08×Pave+Rindex

(3)

(4)

式中:Pave為機動車前20 s的VSP平均值,單位為t·kW-1；0.08為經驗系數，Rindex為發動機轉速指數，最小值為0.9，是瞬態速度v與速度因子ω的商，本文選用模型推薦值來確定速度因子。ES被模型分為高、中、低3檔，結合VSP已經被劃分成的20個區間，共形成60個VSP/ES分布區間，即60個Bin值。每一個Bin采用不同的修正因子分別計算，提高了模型預測的準確性和可靠性。將速度和加速度代入上述公式中，計算得到公交車的VSP/ES Bin值分布，結果如表4所示。通過對公交車的啟動數據處理，得到熱浸時間分布，如表5所示。

表4 公交車VSP分布

表5 公交車熱浸時間分布

影響機動車污染物排放的參數還包括油品質量、環境濕度、環境溫度及海拔高度等。參照國家油品質量標準和地理、氣象資料填入。車用油含硫量取15 ppm，燃油中不含鉛。2017年7月平均氣溫31.7℃。本文主要參考了劉歡等[15]基于國家第3階段機動車污染物排放標準確定的基礎排放校正因子。截止2017年8月，海口市運營的公交車輛均符合國家第4階段機動車污染物排放標準，該標準相比上一階段標準對4類排放物的限值分別下降30.3%、30%、28.6%、80%，修正得出VOCs、NOx、CO和PM的基礎排放校正因子分別為0.96、0.48、1.03、0.2。

1.4 利用PEMS驗證排放清單

PEMS(portable emission measurement system)即車載尾氣檢測系統，主要作用是實時測試車輛的排放值，如圖5所示。

圖5 車載尾氣檢測系統

廢氣流量計測量由排氣管排出的廢氣流量和溫度。車載尾氣檢測系統對取樣管中的廢氣進行氣態污染物濃度測量，同時安裝在實驗車輛上的 GPS 和溫度濕度計記錄其行駛度、地理位置和空氣環境信息，經系統處理后得到車輛尾氣排放速率，測試車輛參數如表6所示。

表6 測試車輛參數

參數行駛里程/km燃油類型整備質量/kg96 933柴油10 150參數加載質量/kg額定功率/kW額定轉速/(r·min-1)1 0501912 300參數總質量/kg核定載人數核定載質量/kg14 000413 850參數缸數排量/L排列形式67.255直列式

測試車輛符合國家第4階段機動車污染物排放標準，車輛行駛距離為76.2 km，測試路段均為城市道路。通過試驗結果與模型計算結果的比較，可以對排放清單準確度進行驗證。

2 結果與討論

計算構建工況與中國主要城市公交車行駛工況的特征參數進行對比分析，如表7。

表7 海口和中國主要城市公交車行駛工況對比

從表7可以看出：海口公交車的平均車速相比其他城市較高，達到了20.4 km/h，與武漢接近；最大加、減速度明顯小于其他城市，分別為2.33 m/s2、-2.69 m/s2，與武漢的6.26 m/s2和-6.71 m/s2相差懸殊；加速比例為30.5%，明顯高于其他城市，減速比例為23.7%，略高于其余4個城市；勻速比例為29.0%，處于各城市中游；相應的怠速比例較低，為16.8%。城市公交在行駛時，加減、速度較小，對提升乘客的乘坐舒適性具有積極作用，而加、減速時間占比較大會增加車輛燃料的消耗。

經模型計算，海口市公交車產生的主要污染物為VOCs、NOx和CO，其排放總量分別為1.632×103t、1.245×103t、4.137 6×104t，而PM排放總量為35 t。各類車型排放貢獻量如表8所示。經試驗測得的實際道路排放測試結果如表9所示。

由表9得到的柴油車VOCs、NOx、CO和PM年排放總量分別為95.02 t、654.26 t、561.76 t、24.86 t，分別是模型計算值的0.81、0.88、0.84、0.79倍，計算誤差在合理范圍內[16]。

表8 海口市公交車各燃料車型排放貢獻

表9 實際道路排放測試結果

從表8中可以得出：占據數量最多的天然氣車，對VOCs排放的貢獻率最大，高達76.92%，汽油車與柴油車的數量比較接近，但汽油車VOCs的貢獻率為15.92%，是柴油車的2.2倍。這是由于汽油比柴油具有更強的揮發性。柴油車對PM排量的貢獻率高達89.57%，而汽油車只有10.43%，這主要由柴油機的燃燒特性決定。柴油車對NOx排量的貢獻最高，達到了59.78%，其次是天然氣車占36.35%，最低的是汽油車，只有3.87%。柴油車和天然氣車成為了主要的NOx產生源，燃料的燃燒過程的控制與后處理技術的升級，將有利于降低NOx的排放量。天然氣車對CO的排放貢獻率最高，高達88.13%，汽油車占10.24%。CO產生的主要原因是燃料燃燒不夠充分，對數量占比最高的天然氣車進行燃燒優化研究，可有效降低CO的排放總量。柴油車的CO排量低于汽油車，是由它們各自的燃燒方式決定的。隨著天然氣車數量的增多，PM的排放量可以顯著降低，但在燃燒過程的控制及燃燒后的處理方面，還有較大的提升空間。

總體來看，通過車載數據記錄儀采集數據并利用微行程片段構建車輛駕駛循環的方法，能夠有效地反映出當地車輛運行的真實狀況。對提升排放預測結果的精確度起重要作用。相較于傳統方法需要嚴格的測試條件，該方法能提供更便捷的測試途徑、更靈活多樣的實驗方案。可以為世界其他地區、其他車型的工況構建以及排放預測提供參考。IVE模型的海口本地化修正方法，對于其他地區的排放清單建立與空氣污染研究提供了一種可行度較高的方法。

3 結論

通過運動學片段來構建行駛工況圖，再利用IVE模型來建立海口市公交車的排放清單。本研究得出以下結論：

1) 利用微行程構建的海口公交車行駛工況，能更好地反映海口市公交車的行駛狀態。對于行駛特征相對鮮明的公交車輛，在本地化行駛工況構建方面有了更好的方法。在實驗便捷性、靈活度方面，該方法也有良好的表現。

2) 與其他城市相比，海口公交車的平均行駛速度較高，加、減速度較小，加、減速時間占比較高，怠速時間比例較低；

3) 利用修正后的IVE模型獲得了海口市公交車的排放清單，分析其各類污染物排放量，為研究城市機動車尾氣排放、減少尾氣排放量和可持續發展提供了重要基礎。該模型的修正方法為世界其他地區的研究者進行排放預測和空氣污染方面的研究提供了參考思路。