基于比功率分布的公交车行驶周期建立方法研究

赖瑾璇, 于 雷*,2, 宋国华, 郭 沛, 陈旭梅

(1. 北京交通大学 城市交通复杂系统理论与技术教育部重点实验室, 北京 100044; 2. 美国德克萨斯南方大学 科技学院, 休斯顿 77004;3. 中咨泰克交通工程集团有限公司, 北京 100083)

基于比功率分布的公交车行驶周期建立方法研究

赖瑾璇1, 于 雷*1,2, 宋国华1, 郭 沛3, 陈旭梅1

(1. 北京交通大学 城市交通复杂系统理论与技术教育部重点实验室, 北京 100044; 2. 美国德克萨斯南方大学 科技学院, 休斯顿 77004;3. 中咨泰克交通工程集团有限公司, 北京 100083)

行驶周期是公交车排放预测的核心数据之一。 本文采用便携式车载 GPS 收集了北京市 14 条公交线路重型柴油车的 313 499 条有效数据,并基于比功率分布方法,建立了北京市 BRT 公交、快速公交和常规公交车在低速区间、中速区间和高速区间的行驶周期,并对所建立的行驶周期进行了验证。 结果表明:本文所建立的行驶周期与验证实测数据比功率分布的误差小于 2%,而四工况的相对误差达 5.7%,这表明本文建立的行驶周期更能准确地反映北京市公交车与排放相关的特征。

城市交通;行驶周期;基于比功率参数方法;重型公交车

1 引 言

“公交优先”是当前大城市应对交通拥堵、机动车污染和能源消耗的一项重要的交通发展策略.在大力发展公交的背景下,如何准确的评估各项公交发展政策的节能减排效果成为城市交通可持续发展的一项重要议题.而在对公交政策开展节能减排的评估过程中,准确地预测公交车的排放成为最关键的技术问题之一.因此,本文拟研究公交车行驶周期的建立方法,为准确地估算公交车排放奠定基础.

为了提高排放估算的准确性,许多国内外的学者在建立本地化行驶周期的研究中,都进行了许多有意义的尝试.国外学者 Andre 认为由于各城市的路网结构,驾驶行驶特征都存在差异,因此研究本地化的行驶周期是十分必要的[1].而在建立本地化的行驶周期过程中,关键问题是评价参数和评价方法的选取,这决定了所建立行驶周期侧重反映的特征.Lin 采用马尔科夫方法建立了速度和加速度的频率矩阵,进而构建了 LA01 行驶周期[2].为了更好地反映交通行驶特征,国内学者王岐东引入了交通修正因子参数,建立了中国 11 个城市的高峰和平峰的行驶周期[3].然而以上的研究主要侧重考察行驶周期对交通特征的反映,而没有考察建立的行驶周期是否能准确的预测排放.针对这个问题,Yu 基于 PEMS 数据提出了采用比功率参数建立轻型车行驶周期的方法[4].此外,Yu 采用遗传算法来建立轻型车行驶周期[5].但当前还没有关于建立既能反映行驶特征,又能反映排放特征的重型车行驶周期的建立方法.因此,本文主要采用基于比功率的方法来建立北京市重型柴油公交车的行驶周期,为准确地估算城市公交排放奠定基础.

2 数据收集与分析

收集数据是建立本地化行驶周期的前提.为了最大限度地获取公交车在路网中实际的行驶特征数据,本研究采用车载法进行数据收集,即将便携式 GPS 置于待测公交车中来记录其逐秒的速度数据.本研究对北京市五环内 14 条公交线路展开了3 个工作日的数据收集,包括 BRT 线路 2 条,快速公交线路 3 条,常规公交 9 条,如图1 所示.为了涵盖多时段的交通运行特征,本研究在3个工作日的6:30-19:00 期间共随机对 126 辆重型柴油公交车展开测试.基于上述测试,并经过数据质量控制,最终共获取了公交车逐秒的行驶数据 313 499 条;其中,BRT 线路的行驶数据为 59 617 条,快速公交的行驶数据 为 63 549 条, 常规 线路 的行 驶数 据为190 333条.以上收集的数据分为两部分,其中,前两个工作日的测试数据用于行驶周期的开发,而第三个工作日的数据用于对建立的行驶周期的有效性进行验证.

图1 测试路线图Fig.1 Testing transit lines

3 行驶周期建立方法

3.1 比功率参数

由于比功率参数(Vehicle Specific Power, VSP)既能反映公交的行驶特征,又与公交车的排放存在密切的联系[4,5],因此本研究拟采用基于比功率方法来建立公交车的行驶周期.比功率参数被定义为车辆运输单位质量(包括自重、旅客或物品)发动机所输出的瞬时功率,常用的单位为 kW/ t.其物理意义是车辆克服轮胎摩擦阻力,空气阻力,以及为其动能、势能变化所做的功.本研究公交车 VSP 的计算公式如式(1) 所示[6].此外,本研究选取 1 kW/t为 VSP 划分区间间隔.

式中 v 表示速度,单位为 m/s;a 表示加速度,单位为 m/s2;N 为整数.

3.2 基于比功率分布的行驶周期建立方法

本研究采用基于短行程比选的方法来建立公交行驶周期,具体包括以下三个部分:短行程划分,短行程比选和行驶周期构建.

(1)短行程划分.

短行程由相邻两个停车点之间的车辆行驶过程构成,即机动车从一个怠速工况开始时刻到下一个怠速工况开始时刻之间的逐秒速度数据,通常由一个怠速部分和一个行驶部分构成.本研究根据短行程的定义,分别对 BRT、快速公交和常规公交三种线路的数据进行短行程划分,建立三种线路的短行程集合,如表1所示.

表1 三种线路类型的短行程集合Table1 Classified micro-trip pools of buses for different bus lines

(2)短行程比选.

短行程比选是行驶周期构建最重要的步骤.短行程的比选是指利用指标参数,从短行程集合中挑选出具有代表性的多个短行程,为构建行驶周期奠式中 i为 VSP 区间的编号,其取值范围为[-20, -20] 区间的整数;fBins,i表 示短行 程总样 本 里编号为 i 的 VSP 区间的时间分布比例;fBinmic,i表示单个短行程中编号为 i的 VSP 区间的时间分布比例.

(3)行驶周期的构建.

行驶周期构建的方法是基于各个速度区间下每个短行程与对应子集合的 VSP 分布的均方误差(RMSE),将各个速度区间下的子集合中的短行程升序排列.然后按照 RMSE 值从小到大顺序依次挑选短行程进行组合,直到组合的行驶周期达到1 200 秒左右.这是由于研究表明,10 分钟左右的行驶周期足以反映车辆的所有行驶特征,并利于实际操作.但是考虑到样本的随机性和不足量,一般都会延长行驶周期的持续时间为 10-30 分钟,因此本文确定行驶周期为 1 200 秒左右[3,7].定基础.其中,指标参数的设立尤为关键,它决定了挑选的短行程是否能反映公交在路网中实际的行驶特征和排放特征.传统研究中主要采用四工况时间比例,短行程运行时间、运行里程等参数作为短行程比选的指标.但是这些指标之间存在相关性,缺乏清晰明确的指标权重研究,并且不能直接反映行驶周期的排放特性,无法检验行驶周期的代表性.而比功率分布参数(VSP 分布)能很好地刻画机动车的交通特征和排放特性,并且结合平均速度可确定单位距离内的油耗排放水平.因此本文选用比功率分布参数和平均速度两个指标来挑选短行程.具体的短行程比选方法如下:

①首先将每条线路的短行程再细分到平均速度为 0-15 km/h、15-25 km/h、25 km/h 以上三个子集合中.

②计算三种线路类型中各个速度区间下每个短行程的 VSP 分布和该速度区间下短行程集合的VSP 分布.

③比较每个短行程的 VSP 分布对应短行程集合的 VSP 分布的相似性.本研究采用 VSP 分布的均方根误差 RMSE(ROOT Mean Squared Error) 为评价指标.RMSE 值越小,则说明候选短行程与对应的短行程集合的相似度越高.RMSE 的计算公式如式(2)所示.

4 行驶周期的建立与验证

4.1 北京市公交行驶特征分析

基于收集的数据,本研究选用了平均行程速度、平均加速度、平均减速度、平均停站时间四个参数来描述所收集的公交车的行驶特征,分析的结果如表2所示.

表2 三种公交线路类型的行驶特征Table2 Driving characteristics of three transit bus lines

4.2 公交行驶周期的建立

基于收集的公交逐秒速度数据,本研究分别统计 BRT、快速公交、常规线路以及所有测试数据的比功率分布,如图2 所示.结果表明:

(1) 三类线路 类型的 VSP 值分布 集中在[-20,20]区间,其分布比值分别为 99.2%,99.7%和 99.8%;

(2)BRT、快速公交、常规线路和所有测试线路的 VSP 都集中分布[-5,5] 区间,并集中分布在零区间;但三种线路在零区间比例存在明显差异,这表明分别建立三种线路的行驶周期是十分必要的.

图2 三种公交线路的比功率分布图Fig.2 VSP distributions for different testing bus lines

根据小节3所示的行驶周期建立方法,本研究分别建立了 BRT、快速公交和常规公交在低速区间[0,15 km/h) 、中速区间[15,25 km/h) 和高速区间[25 km/h, ∞ )的行驶周期,如图3 所示.分析所建立的行驶周期可知,对于 BRT,在低速区间 BRT的停车时间明显高于其他两个速度区间.对于快速公交,其加速、减速频率明显高于 BRT 公交.三个不同速度区间下的加速和减速工况的时间比重分别为 60.5% 、80.7% 和 82.1%,造成该现象的原因之一是由于快速公交运行线路的交通流特征相对于 BRT 更为复杂.而对于常规公交,其匀速运行的比例在三个速度区间分别为 9.6%、24.2% 和22.7%,高于 BRT 线路和快速公交的比重.但是常规公交的运行速度最低,这是由于更频繁的停站和在低等级线路运行的时间更大所引起的;并且常规公交的平均停站时间相对其他两种线路的公交更长.

图3 [0,15 km/h) 、[15,25 km/h) 和[25 km/h, ∞ )区间下所建立的三种公交线路的行驶周期Fig.3 Speed-specific driving cycles for BRT,express,and regular line buses

4.3 公交行驶周期的验证

对于所建立的行驶周期,本研究将展开验证与分析.由于篇幅的限制,本研究将仅以常规公交为例.假设实测的验证样本能反映实际路网中公交车的行驶特征的前提下,本研究采用的验证方法是通过比较建立的行驶周期与用于验证的实测数据比功率分布的相似性(RMSE)来验证所建立的行驶周期的代表性,验证结果如表3 所示.结果表明,所建立的行驶周期与实测数据的比功率分布的相对误差分布在[0.7%,2.0%]区间.

表3 建立的行驶周期与实测数据的比功率分布相似性比较Table3 RMSE between developed driving cycles and the validation data sample

为了进一步验证本文所建立的行驶周期,本研究将建立的常规公交行驶周期与中国当前用于公交排放测试的四工况行驶周期分别与实测数据相比较,如图4 所示.结果表明:

所建立的低速、中速和高速区间的常规公交行驶周期与实测数据的比功率分布误差(RMSE)分别为 0.7%,1.4% 和 2.0%;而四工况行驶周期的比功率分布误差分别是 5.7%,2.9% 和 3.7%.此外,四工况行驶周期在比功率区间[10,20]的比重为 15.0%,比实测数据实际比重高了 14.1%,这预示着四工况行驶周期将高估公交排放;而所建立的行驶周期在该区间仅比实测数据低 0.5%,这表明所建立的行驶周期更能准确地预测公交的排放量.

5 研究结论

本研究基于大量的实测 GPS 数据,提出了一种基于 VSP 分布的公交车行驶周期的建立方法.并基于该方法,分别建立了北京市城区 BRT、快速公交和常规公交在高速度区间、中速度区间和低速度区间下的公交行驶周期.本研究得到的主要结论如下:

图4 本研究建立的行驶周期、四工况行驶周期与验证数据的比功率分布的对比图Fig.4 Comparison of VSP distributions among the Four-Mode cycle,developed driving cycles, and the validation data sample

(1)比较本研究所建立的行驶周期、四工况行驶周期和实测数据的比功率分布误差可知:四工况行驶周期与实测数据在低速、中速和高速区间的比功率分布误差(RMSE)分别是 5.7%, 2.9% 和 3.7%;而所建立的行驶周期与实际数据的误差(RMSE)分别是 0.7%,1.4% 和 2.0%.相较于四工况行驶周期,本文所建立的行驶周期在低速、中速和高速三个区间比功率分布更符合实测数据.

(2)此外,四工况行驶周期在 VSP 为[10,20]区间的比值比实测数据高 15.0%,而所建立的行驶周期仅比实测数据小 0.5%,这表明四工况的行驶周期将会高估排放,而本研究所建立的行驶周期更能准确地预测排放.

[1] Andre M.The Artemis European driving cycles for measuring car pollutant emissions[J].Journal of Science of the Total Environment,2004,334-335: 73-84.

[2] Lin J,Niemeier D A.Regional driving characteristics, regional driving cycles[J].Journal of Transportation Research Part D:Transport and Environment,2003,8 (5):361-381.

[3] Wang Q,Huo H,He K,et al.Characterization of vehicle driving patterns and development of driving cycles in Chinese cities[J].Journal of Transportation Research Part D:Transport and Environment,2008,13 (5):289-297.

[4] Yu L,Wang Z,Qiao F,et al.Vehicle emission characteristics-based approach to the development and evaluation of driving cycles for classified roads[J].In Transportation Research Record: Journal of the Transportation Research Board,Transportation Research Board of the National Academies,Washington,D.C., demand frecast model for Beijing taxis[J]. CommunicationsStandardization, 2010,224(7): 89-92.]

[3] 北京市交通委员会. 关于加强出租汽车管理提高运营服务水平 的意 见 [R].2013.[Beijing Municipal Commission of Transport.The opinion of strengthening management to improve the taxi service level [R].2013.]

[4] 孙蕊,于海涛,杜勇. 出租车交接班空间分析算法研究[C]. 第七届中国智能交通年会优秀论文集, 2012:146-152.[SUN R,YU H T,DU Y.Spatial analysis algorithm for taxi shift[C].The 7thChina Intelligent Transportation Conference Excellent Proceedings,2012:146-152.]

[5] 李新延,李德仁.DBSCAN 空间聚类算法及其在城市规划中的应用[J]. 测绘科学,2005,30(3):51-53. [LI X Y,LI D R.DBSCAN spatial clustering algorithm and its application in urban planning[J].Science of Surveying and Mapping,2005,30:51-53.] 2008,2058:58-67.

[5] Yu L,Zhang X,Qiao F,et al.Genetic algorithm-based approach to develop drivingschedulestoevaluate greenhouse gas emissions from light-duty vehicles[J]. In Transportation Research Record: Journal of the Transportation Research Board,Transportation Research Board of the National Academies,Washington,D.C., 2010,2191:166-173.

[6] 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 Y Z,YU L,SONG G H,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.]

[7] Hung W,Tong H,Lee C,et al.Development of a practical driving cycle construction methodology:A case study in Hong Kong[J].Journal of Transportation Research Part D:Transport and Environment,2007,12 (2):115-128.

Establishing Method of Driving Cycles for Transit Buses Based on VSP Distributions

LAI Jin-xuan1,YU Lei1,2,SONG Guo-hua1,GUO Pei3,CHEN Xu-mei1
(1.MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology,Beijing Jiaotong University, Beijing 100044,China;2.College of Science and Technology,Texas Southern University,Houston Texas 77004,USA; 3.TECH Highway Science and Technology Research Institute,Beijing 100083,China)

The driving cycle is one key parameter for the vehicle emission estimation of transit buses.This paper collects a total of 313,499 data from heavy duty diesel vehicles of 14 transit lines using the portable GPS,by which different driving cycles for BRT,rapid transit buses,and regular transit buses are developed and validated for low,middle and high speed ranges based on the vehicle specific power(VSP).It is found from the results that the RMSEs between VSP distributions of the developed driving cycles and the validation data sample is less than 2%,while RMSEs between VSP distributions of the Four-Mode driving cycle and the validation data sample are as much as 5.7%.It indicates that the developed driving cycles can estimate the emissions from the transit buses more accurately than the Four-Mode cycle.

urban traffic;driving cycles;VSP distribution-based approach;heavy-duty transit bus

1009-6744(2014)01-0209-06

U268.6

A

2013-08-29录用日期:2013-09-23

国家自然科学基金(71273024,51208033);国家重点基础研究发展规划项目计划(973 计划 2012CB725403).

赖瑾璇(1987-), 女, 湖南醴陵人, 博士生.*通讯作者:Leiyu@center.njtu.edu.cn