基于油耗的公交车绿色车速引导策略

李宗义

（同济大学交通运输工程学院，上海 201804）

公交优先发展是中国城市发展的重要战略，是缓解城市交通压力、减少交通污染的一种有效手段。车速引导策略作为一种全新的公交控制策略，得到了充分的关注。它经历了由离线优先到在线优先、由被动优先到主动优先的过程。虽然公交优先技术得到了较大的发展和应用，但所有的优先技术都局限于对交叉口信号灯调整来实现公交车在交叉口的优先权。

随着电子信息技术和无线通信技术等的发展，车联网技术也在不断发展，它以车－车、车－路通信为基础，有效实现了信息在车－车、车－路之间的交互。在车－路协同的环境下，行驶车辆可实时获得道路交通状况和前方交叉口信号状态信息。通过车辆车速引导的方式，合理调整行驶车速，提高车辆行驶效率，减少车辆行驶油耗［1－3］。通过对公交车辆行驶车速的实时控制，提升了公交车行驶效益，为公交优先技术提供了一个新的发展方向。

Farhan［4－5］等人将公交行程时间档案数据用于制定行车计划，提出了区间行驶时间松弛率的概念并给出优化方法，为实施区间行驶车速控制提供条件。王炜［6］等人提出了“一路一线直行式”的理想公交运行模式以及在该设置条件下与交叉口信号绿灯时间窗口相适应的公交车驻站（交叉口前方站）调度和行车速度诱导的集成方法，该方法可有效减少公交车在交叉口的停车次数和延误。其缺点是线网设置限制因素较多，在现实中很难实现。马万经［7］等人提出了公交车经济驾驶辅助系统，该系统通过实时调整公交车车速与驻站时间，使得公交车运营状态较好地适应下游交叉口的信号控制，避免了公交车在交叉口处停车，从而降低燃油消耗和尾气排放，并通过仿真验证了优化效果。

现有的车速引导策略研究主要以减少公交车交叉口停靠时间为目标，通过概念表述和仿真模拟的方法，分析其对公交车运行的影响，而没有考虑如何在提升公交运行效率的同时减少公交车行驶油耗。作者拟针对公交车油耗量，通过建立公交车油耗模型，定量地分析车速引导策略对公交油耗的影响，确定公交车最佳绿色车速，并建立公交车绿色车速引导模型，最后通过仿真实验对其效果进行验证。

1 基于机动车比功率的公交车油耗模型建立

机动车行驶单位油耗与机动车速度和加速度之间存在一定的对应关系，但单独用速度或加速度来对油耗规律进行讨论都存在不足。因此，需要一个既与速度有关又与加速度有关的参数来对油耗规律进行研究。在机动车技术水平同等的情况下，机动车的实际行驶特征以及道路特征可以用机动车比功率（vehicle specific power，简称为VSP）来衡量。

现有VSP研究大多数是基于轻型车领域，而对于重型车和公交车的VSP计算目前尚没有统一的公式。结合中国公交车车辆实际参数指标和行驶环境［8］，建立了公交车车辆比功率的计算公式。

式中：VSP为机动车比功率，kW／t；a为机动车加速度，m／s2；v为机动车行驶速度，m／s。

虽然VSP与油耗的关系较速度、加速度与油耗的变化关系等都有更好的趋势性，然而，通过对大量数据分析发现，即使是同一VSP下对应的油耗也有较大的离散性。为了更清晰地分析VSP与油耗排放的关系，采用VSP聚类的方法，将VSP按照一定的间隔划分为不同的区间单元，以每个区间下瞬时油耗率的平均值作为预测模型的基础数据，从而有效降低数据的离散型。同时，因车辆的自重、发动机及排放控制等因素的不同而导致油耗率的绝对值有显著的差异，研究各个VSP区间下的绝对油耗率不具有普遍的适用性，故假设车辆在VSP区间单元为零时的油耗率为标准量，对各区间单元上的油耗率进行标准化处理，其公式为：

式中：NERi为VSP区间单元在i时的标准化油耗率；ERi为VSP区间单元在i时的平均油耗率，mL／s；ER0为VSP区间单元在零时的平均油耗率，mL／s。

宋国华［9－10］等人对不同车型的测试车辆在固定路线上往复行驶进行检测试验，并记录了相应的行驶车速和油耗排放数据。通过对海量数据的处理，得出了5种不同车型（富康车、金杯车、捷达车、夏利车及公共汽车）VSP区间单元在零时的单位油耗（mL／s）。富康车、金杯车、捷达车、夏利车及公共汽车的ER0分别为0.32，0.58，0.69，0.22及1.69。同时测算各车VSP区间单元的标准化油耗率。其研究表明：机动车在VSP＜0的状态下运行时，单位油耗较低，而且较稳定；在VSP≥0的状态下运行时，单位油耗随VSP的增加呈线性增加。对其进行分段拟合，得：

公交车瞬时油耗率的计算公式为：

2 公交车GPS行驶数据分析

2.1 数据介绍

运行于上海市中心城区的18路公交车，运行全程9 600m，通过42个交叉口，沿途设置17个停靠站。运行路径覆盖了全程4 300m的西藏路公交专用道路段。针对18路公交车的运行情况进行分析，能有效描述上海市中心城区公交车的运行情况和公交专用通道的使用情况。在公交专用道条件下，为公交系统进行优化管理提供必要条件和充分依据。

2012年11月28日至12月4日期间，通过跟车调查的方式，获取18路公交车运行全程GPS数据159例，其中包括早高峰（7∶00－9∶00）数据67例和晚高峰（16∶30－18∶30）数据32例。通过处理，获得每例数据的信息为：①起始时间。公交车出发时间，同时也是每辆公交车的编号。②运行时间。公交车从起点至终点全程的耗时。③行驶时间。公交车全程行驶时间。④延误时间。公交车延误时间，包括交叉口延误、停靠站延误和路段行驶延误。⑤平均速度。⑥交叉口停车次数。⑦油耗。包括全程油耗、延误油耗和行驶油耗。

2.2 公交车运行参数描述

通过对公交车运行参数的分析，描述了公交车的运行特征。各参数特征的描述见表1。从表1中可以看出，公交车总运行时间和延误时间的波动较大，其标准差分别为332s和265s。而公交车行驶时间的波动较小，分布在1 400～1 800s之间。除公交车停靠站延误和路段行驶延误外的数据都服从于正态分布。

表1 GPS数据描述性分析Table 1 Descriptive analysis of the GPS data

公交车总运行时间的组成如图1（a）所示。从图1（a）中可以看出，延误时间占很大比例（接近50%），公交车运行效率有很大的提升空间。在延误时间的组成中，交叉口延误的影响因素组成如图1（b）所示。从图1（b）中可以看出，减少公交车交叉口停靠时间是提高公交车运行效率的最主要方法。

图1 公交车运行时间和延误时间组成比例Fig.1 The constitute of the travel time and the delays

对比不同时间段的公交车运行数据（见表2）可以发现，在高峰时段启用公交专用道，使得高峰时间段的公交车运行时间较平峰时间段的缩短，是由于其他车辆对公交车的影响表现于路段行驶延误和交叉口延误上的结果。同时还发现，不同时间段公交车的行驶时间和停靠站延误很相近。

2.3 公交车油耗情况描述

公交车油耗量和总运行时间之间呈线性关系。由于公交车的延误造成了油耗量的增加，延误时间越多，油耗量越大。因此，对于这部分油耗量，减少公交车的延误时间是减少公交车油耗的关键途径。对比公交车行驶时间的分析（见表3）可知，在行驶时间波动性较小的同时，公交车行驶油耗量却变化很大。因为不同的驾驶行为（加速、减速或匀速行驶）导致不同的行驶油耗，即使总的行驶时间差不多，不同的行驶轨迹也会导致油耗量的不同。因此，对这部分油耗，在提高公交车行驶效率、减少行驶时间的同时，还需要控制公交车的行驶轨迹，减少不必要的加、减速过程而造成的油耗。

表2 不同时间段公交车运行参数对比Table 2 Comparison of the buses in the different period of time

表3 公交车油耗量描述性分析Table 3 Descriptive analysis of the fuel cost of the buses

通过对公交车GPS行驶数据进行处理和分析，其结果为：①公交车延误时间占公交车总运行时间很大比例，其中交叉口延误是最主要原因；②公交车运行时间的波动性由其在交叉口延误的波动所引起；③公交车全程行驶时间较为稳定，但行驶油耗量波动较大；④提高公交车运行效率，减少公交车停车延误能有效减少公交车因停靠而引起的油耗；⑤规划公交车行驶轨迹，控制公交车行驶车速，可减少公交车在行驶过程中的油耗量。

3 公交车绿色车速引导模型

3.1 公交车最佳引导车速

针对公交车匀速行驶过程，建立油耗模型。公交车匀速行驶1km的油耗量为：

分析可知：最小值出现在v＝32km／h，说明32km／h为公交车行驶过程中最佳绿色车速。

针对公交车行驶进站停靠过程，根据不同行驶轨迹，建立对应的油耗模型。

不进行公交车车速引导：公交车以初始速度匀速行驶，临近停靠站时，减速至停靠。包括公交车匀速行驶阶段和公交车减速行驶阶段。

图2 公交车驶入停靠站运行轨迹示意Fig.2 Trajectories of the buses to go to the station

进行公交车车速引导：改变公交车初始速度后，匀速行驶一段距离，再减速至停靠。包括公交车改变初始速度阶段、公交车匀速行驶阶段和公交车减速行驶阶段。其中：改变初始速度阶段又可分为减速和加速两种不同情况。

δ为公交车减速过程加速度，δ＝0.9m／s2；vini为检测车辆初始速度；vs为公交车建议车速为情景j阶段i总耗时；ER为公交车每秒油耗；F为公交车情景j阶段i总油耗。

不对公交车进行速度引导，公交车的总油耗为：

其中：

对公交车进行速度引导，公交车油耗优化方程为：

对于减速引导情况：

对于加速引导情况：

针对不同的公交车运行初始速度和行驶距离，计算两种行驶轨迹下的公交车总油耗，如图3所示。

通过对两种行驶轨迹下公交车的油耗量进行比较，可以发现：车速引导策略下的公交车总油耗整体比不采取引导策略的低。随着行驶距离的增加，车速引导策略对公交车行驶油耗量减少的效果越明显。但存在一个速度范围（20km／h，35 km／h），当公交车初始行驶速度处在该范围时，两种情况下公交车行驶总油耗量差别不大，此时没有必要对公交车进行绿色车速引导。

图3 不同控制策略下公交车油耗Fig.3 Fuel cost of the buses in different strategies

针对绿色车速引导过程，在不同行驶距离和初始速度的条件下，计算引导过程中的建议车速如图4所示。

图4 不同条件下公交车建议行驶速度Fig.4 Suggested speed in different conditions

从图4中可以看出：当公交车初始行驶速度较小时，需通过绿色车速引导策略对公交车进行加速引导，建议车速因行驶距离的不同存在明显差异；当公交车初始行驶速度位于（20km／h，35km／h）区间时，计算所得的绿色建议车速与初始速度相差不大，没必要对公交车进行绿色诱导；当公交车初始行驶速度较大时，需通过绿色车速引导策略对公交车进行减速引导，计算所得的建议车速稳定，为30km／h。需要说明的是，当行驶距离较小时，初始速度不可能取得较大值，因此建议车速与其他情况有明显差异。

通过对绿色车速引导建议速度分析，发现其与公交车最佳绿色行驶速度一致，因此确定30km／h为公交车行驶过车中的最佳引导车速。

3.2 模型建立

公交车绿色车速引导模型流程如图5所示。

图5 绿色车速引导流程Fig.5 Green－speed－guidance model

4 仿真与结果

选取上海市西藏路凤阳路至瞿溪路公交专用道路段作为案例，分别对无控制策略、传统车速引导策略和绿色车速引导策略下公交车运行情况进行仿真分析。无控制策略、传统引导策略和绿色车速引导策略下公交车的平均行驶时间分别为1 425，1 235和1 285s。

两种引导策略下公交车的平均行驶时间均小于无控制策略的。传统车速引导策略提升13%，绿色引导策略提升10%，说明引导策略对公交车运行情况有所改善，传统引导策略提升效果更大，但并不明显。

传统引导策略和绿色车速引导策略下公交车的平均行驶油耗分别为1 280和1 185mL。绿色车速引导策略下公交车的油耗较传统车速引导策略下的低些，实现了公交车高效、低耗的控制目标。

5 结语

该模型具体描述为：

1）行驶路段无公交停靠站

监控阶段：公交车路段行驶过程。实时监控并诱导公交车以绿色最佳行驶车速行驶，直到公交车在一周期内即将通过下游交叉口。

控制阶段：公交车通过下游交叉口过程。结合下游交叉口实际信号灯情况，对公交车进行速度诱导，减少公交车交叉口停靠时间，提高公交车运行效率。

2）行驶路段有公交停靠站

停站阶段：通过绿色车速引导策略，计算公交车进站过程绿色建议速度，实行绿色诱导，使公交车行驶进入停靠站。

离站阶段：公交车完成上、下客关闭车门后，结合下游交叉口信息，按照行驶路段无公交停靠站情况进行速度引导。

针对车速引导策略在公交优先发展中的实际应用，为减少公交车行驶油耗，作者提出了一种绿色车速引导策略。基于车辆比功率（VSP），建立了公交车油耗模型，确定30km／h为公交车绿色最佳引导车速并建立引导模型，最后通过仿真模拟，验证了该策略的效果。仿真结果表明：通过对公交车进行车速引导，能够减少公交车的油耗。绿色车速引导策略较传统车速引导策略虽然在很小程度上损失一定的公交车行驶效率，但在减少公交车行驶油耗方面效果更明显，同时实现了公交车的高效、低耗的优化目标。

（References）：

［1］Milanes V，Vilagra J，Godoy J，et al.An intelligent V2I－based traffic management system［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2012（13）：49－58.

［2］李鹏凯，杨晓光，吴伟.车速协同环境下信号交叉口车速引导建模与仿真［J］.交通信息与安全，2012（3）：136－140.（LI Peng－kai，YANG Xiao－guang，WU Wei.Simulation evaluation of vehicles’speed guid－ance strategies at signal intersection using V2Vcommunication［J］.Traffic Information and Safty，2012（3）：136－140.（in Chinese））

［3］Alsabaan M，Naik K，Khalifa T.Optimization of fuel cost and emissions using V2Vcommunications［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，2013（14）：1449－1461.

［4］Farhan A.Bus arrival time prediction for dynamic operations control and passenger information systems［D］.Toronto：University of Toronto，2002.

［5］Liping F，Qing L，Paul C.Real－time optimization model for dynamics scheduling of transit operations［J］.Transportation Research Record，2003，1857：48－55.

［6］王炜，陈淑燕，胡晓健.“一路一线直行式”公交模式下公交车行驶诱导和调度集成方法［J］.东南大学学报，2008，38（6）：1110－1115.（WANG Wei，CHEN Shu－yan，HU Xiao－jian.Dynamic guidance and controlling strategies for“One－way and One－line”transit mode［J］.Journal of Southeast University，2008，38（6）：1110－1115.（in Chinese））

［7］Wanjing M，Hanzhou X，Baoxin H.Development and evaluation of an economic－driving assistance program for transit vehicles［J］.Energies，2012（5）：371－385.

［8］羡晨阳.基于比功率参数的北京市常规公交柴油车与BRT车辆排放特征对比分析［D］.北京：北京交通大学，2011.（XIAN Chen－yang.Comparison of the emission of the normal bus and the BRT in Beijing based on the VSP parameters［D］.Beijing：Beijing Jiaotong University，2011.（in Chinese））

［9］胥耀方，于雷，宋国华，等.针对二氧化碳的轻型汽油车VSP区间划分［J］.环境科学学报，2010，30（7）：1358－1365.（XU Yao－fang，YU Lei，SONG Guo－hua.VSP－Bin division for light－duty vehicles oriented to carbon dioxide［J］.Journal of Environmental Sciences，2010，30（7）：1358－1365.（in Chinese））

［10］郝艳召，于雷，宋国华，等.基于比功率参数的北京市柴油公交车行驶和排放特征研究［J］.汽车工程，2010，32（2）：103－109.（HAO Yan－zhao，YU Lei，SONG Guo－hua，et al.A study on driving and emission features of diesel buses in Beijing based on VSP parameter［J］.Automotive Engineering，2010，32（2）：103－109.（in Chinese））