海口城市公交车行驶工况构建及排放清单建立

李 峰，庄继晖，李孟良

(1.海南大学 机电工程学院， 海口 570228； 2.中国汽车技术研究中心， 天津 300000)

机动车排放是世界许多城市的主要空气污染源[1]。公共交通是城市得以正常运转的重要基础设施之一，优先发展城市公共交通是提高交通资源利用效率，缓解交通拥堵的重要手段。驾驶循环是用来描述车辆行驶特征的速度-时间曲线[2-3]。确定驾驶循环就是对车辆的实际行驶状况进行调查[4]，并对实验数据进行分析，运用相关数学理论方法对典型道路车辆行驶状况进行定量描述。驾驶循环主要用于确定车辆污染物排放量和燃油消耗量，是汽车工业的一项核心指标。公交车具有相对固定的行驶区间,从而使得其行驶特性不同于一般的乘用车[5]。本文通过车载数据记录仪采集海口市道路交通实际行车数据，构建典型道路行驶工况，能在相当程度上还原出海口道路的实际交通状况，对促进适合本地区道路交通状况的车辆设计和开发、降低油耗、减少尾气排放有重要意义。

相比道路排放实测，排放预测模型主要通过对机动车技术分布、行驶工况、燃油品质等参数的调查，将模型本地化，从而获得排放清单。常见的预测模型有IVE模型、EMFAC模型、MOBILE模型、CMEM模型及COPERT模型等[6]。IVE模型利用模型本身内嵌的污染物基准排放因子乘以一系列修正参数从而得到当地机动车排放因子，其最大特点是引入了比功率(VSP)和发动机负荷(ES) 2个参数[7]。其中，VSP能够真实地反映车辆运行工况与机动车尾气排放量之间的关系，而ES又与机动车瞬时速度和发动机前20 s的历史VSP有关，这2个参数的引入大大提高了模型预测的可靠性[8]。本研究通过对海口市公交车的行驶工况、技术水平分布、活动特征等参数的采集，将IVE模型本地化，计算获得2017年海口市公交车排放清单。

1 工况构建与排放清单建立

1.1 数据采集

为了采集海口市内营运公交车辆实时运行数据，本研究采用了道路试验远程信息系统。该系统主要包括车载数据记录仪和车辆远程管理服务平台两部分。车载数据记录仪对实际车辆运行过程中道路工况、驾驶行为和车辆运行数据进行采集、记录和传输，如图1所示。该设备通过OBD口接入整车CAN网络实时获取行驶信息。车载数据记录仪通过GPRS模块将数据传输至车辆远程管理服务平台。车辆远程管理服务平台主要作为数据中转中心、车辆运行数据库。图2为道路试验远程信息系统的数据分析研究流程图。

图1 重型车车载记录仪实物图

图2 数据分析研究流程

研究对象来自6条公交线路的12辆公交车。研究选取2017年7月1日至2017年7月31日，6∶00—23∶00的行驶数据，车辆行驶数据涵盖工作日与非工作日，包含车流量高峰期和非高峰期各时段，所选线路覆盖主要市区和郊区。将车载数据记录仪所采集的数据剔除无效部分后，获得有效行驶数据共计700万余条。图3为公交线路覆盖图。

图3 公交线路覆盖图

1.2 工况构建

车辆从起点到终点过程中，会受到各种交通状况的影响，导致其间存在多次起步与停车的操作。将汽车从一个怠速开始到下一个怠速开始的运动定义为一个微行程(Microtrip)[9]。车辆的行程可视为各种微行程的组合，将这些微行程片段根据交通特性分类研究，并在此基础上构建道路行驶工况[10]。为从原始数据中区分各工况，各工况定义为：① 加速工况，a≥0.15 m/s2,v≠0；② 减速工况，a≤-0.15 m/s2,v≠0；③ 匀速工况，|a|<0.15 m/s2，v≠0; ④ 怠速工况，a=0，v=0，但发动机工作。

为分析和评价各运动学片段，定义了15个特征参数：运行距离、运行时间、加速时间、匀速时间、减速时间、怠速时间、最大速度、平均速度、行驶速度、速度标准偏差、最大加速度、加速段平均加速度、最大减速度、减速段平均减速度、加速度标准偏差。利用Matlab编写相应的用于提取微行程片段的m程序，计算得出35 345个微行程片段的特征参数。

对于高维数据，难以直观地发现其中的模式和规律，故需要降维处理。所选取的前15个用于分类的特征参数之间存在着不同强弱的相关性，且并非相互独立。利用SPSS对35 345个微行程片段的15个用于分类的特征参数样本进行因子分析。前5个因子累计贡献率为87.467%，大于85%，基本包含了各变量的主要信息，选取为主因子。15项特征参数的微行程片段通过降维后可用5个主因子表达。

将微行程片段聚类分析，为行驶工况构建做基础准备，k-means是划分方法中较经典的聚类算法之一。由于该算法的效率高，所以在对大规模数据进行聚类时被广泛应用。本研究采用SAS JMP对微行程片段进行k-means聚类处理，将35 345个微行程片段分为“较畅通”和“较拥堵”两类，分类结果如表1所示。

表1 运动学特征值

在表1中，相对较拥堵片段而言，较畅通片段的平均速度、行驶里程和持续时间均明显较大，能够较好地反映公交车的实际工况。

参考几种国际典型行驶工况的持续时间，构建工况运行时间预计为1 200 s[11]。根据两类工况微行程片段占总片段的比例，确定两类片段的组成结构。对随机选出的片段，若该片段的特征值与对应工况的综合特征值误差均在10%以内[10,12]，则确定该片段是有效的；否则重新选取片段，直至行驶工况时间长度满足条件。总体片段与被挑选片段的对比，如表2所示。

为了验证总体片段与被挑选片段的相关程度，使用Matlab的corr(a,b)函数，计算得两种工况参数矩阵的皮尔逊相关系数为0.998，两者高度相关，表明所构建的工况能够反映出海口市公交车的道路行驶状况。最终构建的道路行驶工况如图4所示。

表2 总片段与被挑选片段特征对比

图4 公交车行驶工况

道路行驶工况图是用来定量描述典型道路车辆行驶状况的速度-时间曲线图，对于车辆的排放预测研究有着至关重要的作用。其速度分布特征是构建城市排放清单的关键参数。

1.3 利用IVE模型建立海口市公交车排放清单

IVE模型输入参数包括技术水平分布、VSP分布、启动分布和其他参数4部分。截止到2017年8月，海口市公交车的保有总量为2 874辆(数据来自海口市公交车集团)。公交车的技术水平分布如表3所示。

车辆比功率(vehicle specific power，VSP)定义为发动机每牵引一吨重量所输出的功率，单位为kW/t[13]。VSP的数学表达式为:

VSP=v×[1.1a+9.81×(atan(sinG))+

0.132]+0.000 302v3

(1)

式(1)中：v为汽车瞬时速度(m·s-1)；a为汽车瞬时加速度(m·s-2)；G为海拔高度(m)。海口G取值为0，式(1)可简化为：

VSP=v×(1.1a+0.132)+0.000 302v3

(2)

表3 公交车技术水平分布

注：NG代表压缩天然气；3Wy代表三元催化转化技术；EGR代表废气再循环技术

IVE模型引入了发动机工作强度ES，用于表示历史工作状态和排放量之间的关系[14]。发动机工作强度用来表示发动机在过去20 s的运行特征与发动机转速。

ES=0.08×Pave+Rindex

(3)

(4)

式中:Pave为机动车前20 s的VSP平均值,单位为t·kW-1；0.08为经验系数，Rindex为发动机转速指数，最小值为0.9，是瞬态速度v与速度因子ω的商，本文选用模型推荐值来确定速度因子。ES被模型分为高、中、低3档，结合VSP已经被划分成的20个区间，共形成60个VSP/ES分布区间，即60个Bin值。每一个Bin采用不同的修正因子分别计算，提高了模型预测的准确性和可靠性。将速度和加速度代入上述公式中，计算得到公交车的VSP/ES Bin值分布，结果如表4所示。通过对公交车的启动数据处理，得到热浸时间分布，如表5所示。

表4 公交车VSP分布

表5 公交车热浸时间分布

影响机动车污染物排放的参数还包括油品质量、环境湿度、环境温度及海拔高度等。参照国家油品质量标准和地理、气象资料填入。车用油含硫量取15 ppm，燃油中不含铅。2017年7月平均气温31.7℃。本文主要参考了刘欢等[15]基于国家第3阶段机动车污染物排放标准确定的基础排放校正因子。截止2017年8月，海口市运营的公交车辆均符合国家第4阶段机动车污染物排放标准，该标准相比上一阶段标准对4类排放物的限值分别下降30.3%、30%、28.6%、80%，修正得出VOCs、NOx、CO和PM的基础排放校正因子分别为0.96、0.48、1.03、0.2。

1.4 利用PEMS验证排放清单

PEMS(portable emission measurement system)即车载尾气检测系统，主要作用是实时测试车辆的排放值，如图5所示。

图5 车载尾气检测系统

废气流量计测量由排气管排出的废气流量和温度。车载尾气检测系统对取样管中的废气进行气态污染物浓度测量，同时安装在实验车辆上的 GPS 和温度湿度计记录其行驶度、地理位置和空气环境信息，经系统处理后得到车辆尾气排放速率，测试车辆参数如表6所示。

表6 测试车辆参数

参数行驶里程/km燃油类型整备质量/kg96 933柴油10 150参数加载质量/kg额定功率/kW额定转速/(r·min-1)1 0501912 300参数总质量/kg核定载人数核定载质量/kg14 000413 850参数缸数排量/L排列形式67.255直列式

测试车辆符合国家第4阶段机动车污染物排放标准，车辆行驶距离为76.2 km，测试路段均为城市道路。通过试验结果与模型计算结果的比较，可以对排放清单准确度进行验证。

2 结果与讨论

计算构建工况与中国主要城市公交车行驶工况的特征参数进行对比分析，如表7。

表7 海口和中国主要城市公交车行驶工况对比

从表7可以看出：海口公交车的平均车速相比其他城市较高，达到了20.4 km/h，与武汉接近；最大加、减速度明显小于其他城市，分别为2.33 m/s2、-2.69 m/s2，与武汉的6.26 m/s2和-6.71 m/s2相差悬殊；加速比例为30.5%，明显高于其他城市，减速比例为23.7%，略高于其余4个城市；匀速比例为29.0%，处于各城市中游；相应的怠速比例较低，为16.8%。城市公交在行驶时，加减、速度较小，对提升乘客的乘坐舒适性具有积极作用，而加、减速时间占比较大会增加车辆燃料的消耗。

经模型计算，海口市公交车产生的主要污染物为VOCs、NOx和CO，其排放总量分别为1.632×103t、1.245×103t、4.137 6×104t，而PM排放总量为35 t。各类车型排放贡献量如表8所示。经试验测得的实际道路排放测试结果如表9所示。

由表9得到的柴油车VOCs、NOx、CO和PM年排放总量分别为95.02 t、654.26 t、561.76 t、24.86 t，分别是模型计算值的0.81、0.88、0.84、0.79倍，计算误差在合理范围内[16]。

表8 海口市公交车各燃料车型排放贡献

表9 实际道路排放测试结果

从表8中可以得出：占据数量最多的天然气车，对VOCs排放的贡献率最大，高达76.92%，汽油车与柴油车的数量比较接近，但汽油车VOCs的贡献率为15.92%，是柴油车的2.2倍。这是由于汽油比柴油具有更强的挥发性。柴油车对PM排量的贡献率高达89.57%，而汽油车只有10.43%，这主要由柴油机的燃烧特性决定。柴油车对NOx排量的贡献最高，达到了59.78%，其次是天然气车占36.35%，最低的是汽油车，只有3.87%。柴油车和天然气车成为了主要的NOx产生源，燃料的燃烧过程的控制与后处理技术的升级，将有利于降低NOx的排放量。天然气车对CO的排放贡献率最高，高达88.13%，汽油车占10.24%。CO产生的主要原因是燃料燃烧不够充分，对数量占比最高的天然气车进行燃烧优化研究，可有效降低CO的排放总量。柴油车的CO排量低于汽油车，是由它们各自的燃烧方式决定的。随着天然气车数量的增多，PM的排放量可以显著降低，但在燃烧过程的控制及燃烧后的处理方面，还有较大的提升空间。

总体来看，通过车载数据记录仪采集数据并利用微行程片段构建车辆驾驶循环的方法，能够有效地反映出当地车辆运行的真实状况。对提升排放预测结果的精确度起重要作用。相较于传统方法需要严格的测试条件，该方法能提供更便捷的测试途径、更灵活多样的实验方案。可以为世界其他地区、其他车型的工况构建以及排放预测提供参考。IVE模型的海口本地化修正方法，对于其他地区的排放清单建立与空气污染研究提供了一种可行度较高的方法。

3 结论

通过运动学片段来构建行驶工况图，再利用IVE模型来建立海口市公交车的排放清单。本研究得出以下结论：

1) 利用微行程构建的海口公交车行驶工况，能更好地反映海口市公交车的行驶状态。对于行驶特征相对鲜明的公交车辆，在本地化行驶工况构建方面有了更好的方法。在实验便捷性、灵活度方面，该方法也有良好的表现。

2) 与其他城市相比，海口公交车的平均行驶速度较高，加、减速度较小，加、减速时间占比较高，怠速时间比例较低；

3) 利用修正后的IVE模型获得了海口市公交车的排放清单，分析其各类污染物排放量，为研究城市机动车尾气排放、减少尾气排放量和可持续发展提供了重要基础。该模型的修正方法为世界其他地区的研究者进行排放预测和空气污染方面的研究提供了参考思路。