基于延誤及停車次數(shù)的信號交叉口公交車排放測算模型

周溪溪

（重慶市交通規(guī)劃研究院,重慶401147）

優(yōu)先發(fā)展公共交通，已成為國內(nèi)外城市重要的交通發(fā)展戰(zhàn)略。公交車單車運輸量大，運輸效率高，但由于高頻率使用、頻繁走停及長期低速運行，公交車以較小的重型車保有量占比卻貢獻了較大比例的排放貢獻量[1]。交叉口是受車輛排放影響最大的節(jié)點，研究表明車輛在信號交叉口處產(chǎn)生的一氧化碳（CO）、一氧化氮（NO）和碳化氫（HC）排放分別是在路段上產(chǎn)生的12、5 和6 倍[2]。

在交通管理中，延誤、停車次數(shù)等指標常用來評價交叉口的運行效率，交叉口信號配時也常常以最小延誤或最少停車次數(shù)作為目標函數(shù)進行優(yōu)化[3]。研究發(fā)現(xiàn)停車率及車均延誤是油耗及排放的主要影響因素[4-5]。VSP 是機動車油耗及排放的最佳解釋變量[6]，研究發(fā)現(xiàn)重型車不同VSP 對應的排放因子存在差異[7-8]，宋國華等基于VSP 分布提出了車輛的排放預測模型[9]，賴瑾璇研究了交叉口處公交車排放與VSP 分布的關(guān)系，發(fā)現(xiàn)車輛的排放因子隨著延誤的增加而增加，然而卻未提出公交車排放的預測模型[10]。因此，為了能夠較為方便地量化公交車在交叉口處的排放，可利用VSP 參數(shù)研究交叉口處公交車排放與常用評價指標（如延誤、停車次數(shù)）之間的數(shù)學模型，這將有利于量化評估交叉口控制策略對車輛排放的影響，還可為交叉口信號配時方案等提供基于排放的優(yōu)化模型[11]。

1 研究方法

1.1 數(shù)據(jù)收集及處理

為了建立車輛的延誤修正模型收集了兩種數(shù)據(jù)：第一種數(shù)據(jù)為利用PEMS 收集的北京7 輛柴油公交車的逐秒排放數(shù)據(jù)和對應的逐秒速度、加速度數(shù)據(jù)；第二種數(shù)據(jù)為利用GPS 收集的車輛逐秒行駛工況數(shù)據(jù)[12]，選取北京市607 路、695 路等7 條公交線路為數(shù)據(jù)采集對象，測試時間為周三、周四的早高峰時段（7:00-9:00） 和上午平峰時段（9:00-11:00），測試總距離約178.75km，測試線路沿線共有165 個信號交叉口，最終得到68,131 條排放數(shù)據(jù)和570,000 條車輛行駛工況數(shù)據(jù)。同時，測試中人工記錄車輛經(jīng)過交叉口中心的時間和車輛轉(zhuǎn)向。根據(jù)不同交叉口類型和車輛轉(zhuǎn)彎方向確定交叉口研究區(qū)域[13]。最終篩選出2002 組交叉口處車輛行駛工況數(shù)據(jù)（約140,000 條），其中1335 組為次- 次型交叉口（次干路與次干路相交形成的交叉口）的數(shù)據(jù)，667 組為次- 支型交叉口（次干路與支路形成的交叉口）的數(shù)據(jù)。

1.2 延誤的計算

利用車輛駛出交叉口分析區(qū)域的時刻減去車輛駛?cè)敕治鰠^(qū)域的時刻，得到行程延誤，并選取1s 作為步長進行集計處理。

1.3 排放預測模型的建立

機動車比功率（VSP）指發(fā)動機每移動一噸質(zhì)量（包括自重）所輸出的功率，單位為kW/t。基于Andrei 等[14]的研究成果，如式（1）所示。為了保障模型的正確性和簡易性，以1kw/ton 為步長對VSP 進行聚類分析，計算各VSP Bin 的排放率如式（2）所示。

式中，v 為車輛行駛速度（m/s）；a 為車輛加速度（m/s2））；ERi,j為VSP Bin=j 時排放物i 的排放率（g/s）；Ei,j為VSP Bin=j 時排放物i 的排放量（g）；Tj為VSP Bin=j 的總時間（s）。

PEMS 采集的前1.5 個小時共35,539 條數(shù)據(jù)用于模型建立，剩余的32,592 條數(shù)據(jù)用于模型檢驗，因Bin -15～Bin 15 的數(shù)據(jù)量占全體數(shù)據(jù)量的99.53%，因此選擇Bin -15～Bin 15 作為VSP的研究區(qū)間。利用公式（2）計算各VSP Bin 下Fuel、NOx、HC 和CO 的排放率。

排放因子是指車輛行駛單位里程所排放的污染物，可以直接反映機動車輛的排放水平，如式（3）所示：

式中，EFi為排放物i 的排放因子（g/km）；ERi,j為VSP Bin=j時排放物i 的排放率（g/s）；Fj為VSP Bin=j 時的頻率分布；L 為車輛在交叉口范圍的總行駛里程（m）；T 為車輛通過交叉口范圍的總運行時間（s）。

為了驗證排放預測模型的精度，針對每輛測試車從剩余的32,592 條數(shù)據(jù)中抽取5km 的數(shù)據(jù)，同時從PEMS 測試數(shù)據(jù)庫中選取了另外三輛EuroIII 標準柴油公交車約5.4km 測試數(shù)據(jù)，計算得到預測排放因子和實測排放因子。Fuel、NOx、HC 和CO 誤差都控制在10%以內(nèi)，該誤差在可接受范圍內(nèi)。

1.4 延誤修正模型的建立

交叉口處柴油公交車排放的延誤修正模型是利用車輛在交叉口處的延誤修正其排放因子，其基本原理為：首先確定不同交叉口類型的基本排放因子，然后基于VSP 參數(shù)計算不同交叉口類型不同停車次數(shù)下不同延誤區(qū)間的平均排放因子，最后計算基于延誤的排放因子修正系數(shù)，并建立延誤對排放因子的修正模型。

表1 不同排放物的排放因子延誤修正模型

表2 實測值與預測值對比表

1.4.1 計算基本排放因子

假設柴油公交車以設計速度通過交叉口的過程為基本運行過程，其延誤為0。首先計算得到17 組延誤為0 的運行數(shù)據(jù)，然后計算次- 次型交叉口和次- 支型交叉口的基本排放因子。

1.4.2 計算不同延誤和停車次數(shù)下的平均排放因子

假設車輛在交叉口研究范圍內(nèi)有連續(xù)2s 以上速度為0 時為1 次停車，則可根據(jù)停車次數(shù)的不同將各組運行數(shù)據(jù)劃分為不停車、1 次停車和2 次停車三種情景模式。然后，計算不同D Bin 和停車次數(shù)下的平均排放因子。

1.4.3 建立延誤修正模型

根據(jù)不同交叉口類型的基本排放因子及不同停車次數(shù)下各延誤的平均排放因子，由公式（4）計算各延誤的排放因子修正系數(shù)。

式中，SCFi,n為D Bin=n 時排放物i 的排放因子修正系數(shù)；EFi,n為D Bin=n 時排放物i 的排放因子（g/km）；EFi,b為排放物i的基本排放因子（g/km）。

回歸分析得到柴油公交車在不同交叉口類型不同停車次數(shù)下的延誤修正模型，修正系數(shù)與延誤呈一元關(guān)系，如表1 所示。研究成果顯示：（1）交叉口處延誤對排放因子的影響是顯著的，排放因子隨著延誤的增長而增長；（2）次- 次型交叉口的延誤修正系數(shù)低于次- 支型交叉口的修正系數(shù)。

2 運用及驗證

為驗證模型的準確性，利用與模型建立不同的北京柴油公交車運行數(shù)據(jù)，其中次- 次型交叉口和次- 支型交叉口各9 組數(shù)據(jù)。18 組數(shù)據(jù)基于延誤修正模型預測的排放因子和基于VSP Bin 分布計算的排放因子的相對誤差見表2 所示，最大的相對誤差出現(xiàn)在次- 次型交叉口1 次停車的CO 處，相對誤差為13.5%，延誤為36s，F(xiàn)uel、NOx、HC、和CO 的平均相對誤差分別5.6%、5.1%、6.9%和8.7%，90%的相對誤差都低于10%。由此可見，車輛在交叉口處的延誤和停車次數(shù)與車輛排放有著密切關(guān)系，建立的延誤修正模型可以有效地預測車輛排放。

3 結(jié)論及建議

通過研究交叉口處柴油公交車的延誤、停車次數(shù)和排放關(guān)系，提出可用于預測車輛排放的延誤修正模型。利用PEMS 收集大量逐秒排放數(shù)據(jù)和運行數(shù)據(jù)，基于VSP Bin 提出排放計算模型，計算2002 組交叉口處車輛運行數(shù)據(jù)的排放因子和延誤、停車次數(shù)，最后提出不同交叉口類型不同停車次數(shù)下的延誤修正模型。研究發(fā)現(xiàn)，車輛運行特征參數(shù)（如延誤、停車次數(shù)）與車輛的排放因子有著密切關(guān)系，建立的延誤修正模型可有效地預測車輛的排放因子，F(xiàn)uel、NOx、HC、和CO 排放因子的平均相對誤差都低于10%。

延誤修正模型是基于實測的柴油公交車數(shù)據(jù)，通過VSP 計算方法建立的，車輛的排放率僅適用于所測試的車輛類型，不能用于其他類型的車輛。建議下一步開展以下方面的研究：（1）交叉口處的VSP Bin 計算方法建議進一步優(yōu)化，如利用車輛的運行狀態(tài)等，以簡化計算步驟；（2）其他交叉口控制類型的延誤修正模型需進一步研究，如停車讓行交叉口、。