武汉市公交车典型行驶工况的构建＊

郝艳召 张 洁 王生昌 邱兆文

（1.长安大学汽车学院 西安 710064；2.重庆长安新能源汽车有限公司 重庆 401120）

0 引言

行驶工况是机动车油耗或排放检测法规的重要组成部分［1－2］，所采用的工况能否真实反映车辆在实际道路上的行驶状态会直接影响到检测结果的准确性和代表性。此外行驶工况也是区域机动车排放污染测算的1个重要修正参数［3］，其中由于道路类型、车流量等不同，各道路上车辆的行驶状况也会存在很大差异，因此除了建立区域综合行驶工况外，还需要针对不同类型道路分别建立对应的行驶工况。目前国内外广泛使用的排放模型MOBILE和MOVES中均内嵌了不同类型道路的行驶工况，以对预测的排放因子进行修正［4－5］。

公交车由于行驶路线固定、站点停靠频繁等原因，其行驶特征有别于其他常规车辆。并且随着优先发展公共交通政策的落实，公交车在油耗和排放污染中所占的比重会越来越高［6］，因此有必要专门针对该类车开展行驶特征分析和工况的开发。基于此，笔者选取武汉市作为典型城市，利用该市实测的行驶数据分别建立公交车在不同交通条件下的行驶工况和综合行驶工况，为当地交通和环保部门的公交运营管理提供参考。

1 行驶工况建立方法

1.1 建立方法选取

行驶工况建立流程主要包括行驶片段分割、特征值选取、候选工况合成、候选工况筛选4个基本步骤。其中行驶片段的分割指将收集到的连续行驶数据分割为多个行驶片段；特征值的选取指采用合适的表征变量来反映行驶片段内车辆的行驶特征；候选工况合成指按照一定的顺序将行驶片段衔接从而组合成一段1 200s左右的候选工况；候选工况筛选指采用一定的判别规则选取行驶特征与整体数据最为接近的候选工况作为最终的行驶工况。

目前国内学者在建立公交车行驶工况时均按照上述4个步骤进行，区别在于各步骤所采用的方法有所不同，具体方法分析见表1。如杜爱民等［7］采用“短行程划分＋速度／加速度＋相关系数＋相对误差法”建立了上海市公交车在低速、高速2种状态下的行驶工况和综合工况。王矗等［8］建立了北京市公交车的综合行驶工况，其中行驶片段的分割采用了定步长截取的方法。郭沛［9］建立了北京市3种线路类型不同平均速度下的公交车行驶工况，行驶片段特征值的计算采用的是机动车比功率。姜平等［10］建立了合肥市汽车的代表性行驶工况，其中合成候选工况时采用了马尔科夫方法。

考虑到公交车一般运行在非快速路上，并且在各站点必然存在怠速停车，因此在将连续行驶数据进行行驶片段分割时选取短行程划分法；此外在表征车辆行驶特征时速度／加速度指标比机动车比功率指标更为直观，因此本文最终采用“短行程划分＋速度／加速度＋相关系数＋相对误差”的方法来建立公交车的行驶工况。

表1 行驶工况建立步骤和方法Tab.1 Construction procedure and methods

1.2 特征值降维方法

为了更好的反映公交车的行驶特征，采用速度、加速度指标以及二者的组合参数确定特征值共计12个，具体见表2。这些特征值主要用于短行程的分类和候选工况的合成及筛选，但由于指标众多，增加了后续计算的时间和复杂性；同时这些指标也不是绝对独立的，某些指标之间存在一定的相关性，容易造成处理结果的失真［16］。因此需要对特征值参数进行降维处理，从而筛选出既相互独立又能够全面反映公交车行驶特征的指标。目前特征值降维方法主要有因子分析［17］和主成分分析2种方法，笔者采用主成分分析法，该方法能够将多个变量通过线性变换构造出尽可能少的新变量（主成分），新变量之间相互独立并能够尽可能多的反映原变量的信息［18］。

1.3 短行程分类方法

为了针对不同类型道路分别建立对应交通条件下的行驶工况，需要在合成候选工况之前将短行程进行分类。目前短行程的分类方法主要有2种，①依据数据的经纬度信息进行地图匹配，之后根据道路类型人工分类［9］；②采用聚类方法比较特征值的差异后将行驶特征相似的短行程自动划为1类。其中人工分类方法操作繁琐，并且人为将连续数据按道路分割后再划分短行程时容易造成数据的浪费，因此笔者采用动态聚类法进行短行程的分类，在比较短行程间的相似程度时采用欧氏距离指标［16］。

表2 短行程特征值Tab.2 Characteristic values of micro trip

2 数据描述

2.1 数据采集

综合考虑武汉市路网交通状况和公交线路分布后，选取205路、508路 和583路3条线路，利用GPS设备开展公交车实际运营状态下逐秒数据的采集。采集线路具体信息见表3，其中205路车主要行驶在快速路上，508路车主要通过城市繁华市区且交通流量大的主干路，而583路覆盖的道路类型更为全面。采样时间为每天06：00～20：00时，连续采集7d，覆盖了工作日、非工作日以及高峰、非高峰各个时段，最终获得有效数据10万余条。

表3 数据采集公交线路Tab.3 Public bus routes for data collecting

2.2 数据样本量

以采样天数为横轴，分析每天累积采集样本的平均车速和不同行驶模式下的时间比例见图1、图2。由图1、图2可见，随着采集天数的增加和数据的积累，车辆的平均速度趋于稳定，加速、减速、匀速以及怠速比例的波动也逐渐减小，因此可以认为最终收集的样本数据能够满足后续的工况构建需求。

图1 平均车速随采集天数变化Fig.1 Variation of average speeds with collection days

图2 各行驶模式比例随采集天数变化Fig.2 Variation of driving mode proportions with collection days

3 武汉市公交车行驶工况构建

采用短行程划分方法将收集的公交车行驶数据进行行驶片段分割，其中时间低于20s的片段做舍弃处理。整个数据的分割过程利用Matlab软件编程实现，最终得到5 056个有效的短行程。

3.1 特征值的标准化

基于短行程的逐秒速度、加速度可分别计算出其对应的12个特征值。由于各特征值的单位不统一会导致取值范围和分散程度差异较大，因此在对短行程特征值降维之前需要首先对参数进行标准化，使得每1个特征值都成为均值是0、方差是1的标准化矩阵，从而消除各个特征值在量纲和数量级上的差异。进行标准化处理的计算公式如下。

式中，yij为第i个短行程的第j个特征值的标准化值；xij为第i个短行程的第j个特征值的实际测量值；n为短行程的总数目。

3.2 特征值降维结果

特征值的主成分分析结果见图3。其中前4个主成分的贡献率均超过了8%，累积贡献率达到86.92%，满足累积贡献率超过85% 的标准［16］，因此最终选择前4个主成分进行后续的数据分类和工况合成。

进一步分析这4个主成分与各特征值的相关系数见表4，可以看出每个主成分可以代表的特征值为：第一主成分主要反映加速时间比例、减速时间比例、最大速度、平均速度、速度标准偏差、最大减速度和加速度标准偏差；第二主成分主要反映匀速时间；第三主成分主要反映最大加速度、加速段平均加速度和减速段平均减速度；第四主成分主要反映怠速时间比例。

图3 主成分贡献率分析Fig.3 Contribution rates of principal components

表4 前四个主成分与特征值的相关系数Tab.4 Correlation coefficients between principal components and characteristic values

3.3 短行程分类结果

基于特征值的4个主成分采用动态聚类方法将短行程划分为3类，每类短行程的特征值统计结果见表5。由表5可见，第1 类短行程平均速度仅为11.50km／h，怠速比例高达49.84%，加减速比例相对较低；第2 类短行程平均速度为16.26km／h，怠速比例为14.25%，并且加减速比例较高；第3类短行程平均速度为28.20km／h，怠速比例仅为2.96%，而匀速比例则高达43.93%。

表5 各类短行程的特征值Tab.5 Characteristic values of three types of micro trip

进一步从最大速度频度和平均速度频度2个角度分析3类短行程之间的差异见图4，5。由图4可见第1类短行程最高速度主要在50km／h以下，占该类短行程总数的83.33%；第2类短行程最高速度主要在40km／h以下，占该类短行程总数的79.52%；第3 类短行程最高速度都在20 km／h以上，且主要在40～60km／h之间，占该类短行程总数的87.81%。由图5可见，第1类短行程平均速度大多在30km／h以下，且主要集中在10km／h 以下，占该类短行程总数的60%左右；第2类短行程平均速度同样大多在30km／h以下，但主要集中在10～20km／h 之间，占该类短行程总数的52%；第3类短行程平均速度都在20km／h以上，且主要在20～40km／h 之间，占该类短行程总数的89.36%。

图4 短行程最大速度频度分析Fig.4 Frequency analysis of maximum speeds

由以上分析可以看出，各类短行程所反映的车辆行驶特征差异明显，这也表明笔者将短行程划分为3类是合理的。将各类短行程同道路交通条件相匹配可以认为第1类短行程代表了公交车在拥堵道路上的运行状况，第2类短行程代表了较为畅通道路上的运行状况，而第3类短行程代表了畅通道路上的运行状况。

图5 短行程平均速度频度分析Fig.5 Frequency analysis of average speeds

3.4 行驶工况建立与验证

采用候选工况合成及筛选交替进行的方法分别建立公交车在3类交通条件下的行驶工况和城市综合工况。以第1 类短行程为例说明建立流程，首先计算各短行程与该类短行程整体样本的特征值主成分相关系数，按相关系数从大到小排序；之后从相关系数大于0.8的短行程中随机抽选n个短行程合成1个1 200s左右的候选行驶工况；随即比较该候选工况与该类短行程整体样本的特征值主成分之间的相对误差，如果二者的误差在5%以内即选取该候选工况作为最终工况。

图6（a）为武汉市公交车在拥堵道路上的行驶工况，该工况由3 个短行程构成，总时长为1 455s，平均车速为5.47km／h，最高车速为39 km／h；图（b）为公交车在较畅通道路上的行驶工况，该工况由9个短行程构成，总时长为1 170s，平均车速为16.03km／h，最高车速为49km／h；图（c）为公交车在畅通道路上的行驶工况，该工况由4个短行程构成，总时长为1 140s，平均车速为30.25km／h，最高车速为57km／h；图（d）为公交车的综合行驶工况，该工况由7个短行程构成，总时长为1 170s，平均车速为19.46km／h，最高车速为55km／h。

图6 武汉市公交车行驶工况Fig.6 Driving cycles of public bus in Wuhan

最后采用12个特征值的相关系数指标来验证所建立行驶工况的代表性，其中拥堵、较畅通、畅通3类交通条件下的行驶工况与对应类别短行程整体样本的相关系数分别为0.988，0.993 和0.983，综合行驶工况与全部短行程样本的相关系数为0.990，表明所建立的行驶工况能够较好的反映出武汉市公交车的实际行驶特征。

4 公交车行驶工况对比

将构建的武汉市公交车综合行驶工况与其他工况进行对比见表6，比较对象包括国家规定的商用车燃料消耗测试工况C－WTVC［2］，以及国内其他大型城市的公交车行驶工况［7－8，14，19］。由表5可见，各城市工况的平均速度基本在15～20 km／h之间，而C－WTVC 工况的平均速度为41 km／h，远高于公交车的实际运行速度；此外CWTVC工况的怠速时间比例仅为9.78%，与各城市公交车相比偏低；这也表明采用该工况测得的公交车油耗值与现实情况会存在较大偏差，因此十分有必要针对公交车专门建立行驶工况。

表6 公交车行驶工况比较Tab.6 Comparison of public bus driving cycles

进一步对比国内典型城市的公交车行驶工况可以看出，北京、上海2个特大型城市的公交车平均速度在15km／h左右，重庆市则低于15km／h，表明这3个城市交通拥堵较为严重，公交车运行速度偏低；而南昌、武汉2市的公交车运行速度则在20km／h左右。各城市公交车加减速时间比例之和差别不大，大多在50%左右，仅重庆市偏低，为35.15%。武汉市公交车的匀速时间比例达到33.33%，远高于其他城市的平均值20%。此外武汉市公交车的怠速时间比例也是最低的，其他城市基本在30%左右。由以上分析可以看出，由于各城市道路建设和公交发展水平不同，公交车的行驶工况也存在一定差异。

5 结论

1）基于武汉市公交车实际运行数据，采用“短行程划分＋速度／加速度＋相关系数＋相对误差”的方法建立了公交车的综合行驶工况；该地区公交车整体运行速度为19.46km／h，各行驶模式下的时间比例分别为：加速26.39%、减速23.61%、匀速33.33%、怠速16.67%。

2）考虑交通条件对公交车运营的影响，采用聚类分析方法建立了武汉市公交车在3种道路交通条件下的行驶工况；其中第1类代表了拥堵道路，第2类代表了较畅通道路，第3类代表了畅通道路。

3）目前测定商用车油耗时采用的CWTVC工况与所构建的公交车综合工况在平均速度、怠速时间比例方面存在较大差异，会造成测试结果代表性较差，因此有必要针对公交车专门开发测试工况。

［1］国家质量监督检验检疫总局.GB／T 27840—2011重型商用车辆燃料消耗量测量方法［S］.北京：中国环境科学出版社，2011.General Administration of Quality Supervision.Inspection and Quarantine of the People′s Republic of China.GB／T 27840－2011Fuel consumption test methods for heavy－duty commercial vehicles［S］.Beijing：China Environmental Science Press，2011.（in Chinese）.

［2］国家环境保护总局.GB17691—2005 车用压燃式、气体燃料点燃式发动机与汽车排气污染物限值及测量方法（中国III，IV，V 阶段）［S］.北京：中国环境科学出版社，2005.Ministry of Environmental Protection of the People′s Republic of China.GB17691—2005 Limits and measurement methods for exhaust pollutants from compression ignition and gas fuelled positive ignition engines of vehicles（III，IV，and V）［S］.Beijing：China Environmental Science Press，2005.（in Chinese）.

［3］熊驰飞，吕智林，叶 嫣.考虑排放因素的公交优先信号控制优化方法研究［J］.交通信息与安全，2012，30（4）：75－79.Xiong Chifei，Lv Zhilin，Ye Yan.Optimization method based on emission factors of signal control for bus priority［J］.Journal of Transport Information and Safety，2012，30（4）：75－79.（in Chinese）.

［4］U.S.Environmental Protection Agency.Motor Vehicle Emission Simulator（MOVES）2010（EPA－420－B－09－041）［R］.Washington，D.C.：U.S.EPA.2009.

［5］U.S.Environmental Protection Agency.User’s Guide to MOBILE 6.1and MOBILE 6.2（EPA420－R－03－010）［R］.Washington，D.C.：U.S.EPA，2003.

［6］徐笑梅，常玉林，李 晋.基于低碳理念的公交线网优化模型［J］.交通信息与安全，2012，30（1）：82－85.Xu Xiaomei，Chang Yulin，Li Jin.A low－carbon－based transit route／network optimization model［J］.Journal of Transport Information and Safety，2012，30（1）：82－85.（in Chinese）.

［7］杜爱民，步 曦，陈礼璠，等.上海市公交车行驶工况的调查和研究［J］.同济大学学报：自然科学版，2006，34（7）：943－946.DU Aimin，BU Xi，And CHEN Lifan，et al.Investigation on bus driving cycles in shanghai［J］.Journal of Tongji University：Natural Science Edition，2006，34（7）：943－946.（in Chinese）.

［8］王 矗，韩秀坤，葛蕴珊，等.北京市公交车典型行驶工况的构建［J］.汽车工程，2010，32（8）：703－706.Wang Chu，Han Xiukun，Ge Yunshan，et al.Construction of typical driving cycle for public bus in beijing city［J］.Automotive Engineering，2010，32（8）：703－706.（in Chinese）.

［9］郭 沛.基于VSP分布的城市公交车行驶周期研究［D］.北京：北京交通大学，2011.Guo Pei.Development of driving cycles for transit buses based－on VSP distributions［D］.Beijing：Beijing Jiaotong University，2011.（in Chinese）.

［10］姜 平，石 琴，陈无畏.基于马尔科夫的城市道路行驶工况构建方法［J］.农业机械学报，2009，40（11）：26－30.Jiang Ping，Shi Qin，Chen Wuwei.Driving cycle construction methodology of city road based on markov process［J］.Transactions of the Chinese Society for Agricultural Machinery，2009，40（11）：26－30.（in Chinese）.

［11］朱俊虎.城市公交车行驶工况的构建［D］.合肥：合肥工业大学，2011.Zhu Junhu.The city bus driving cycle construction［D］.Hefei：Hefei University of Technology，2011.（in Chinese）.

［12］吴其伟.基于公交车循环工况的动力系统匹配研究［D］.武汉：武汉理工大学，2007.Wu Qiwei.Research on matching of powertrain system using the urban bus driving cycle method［D］.Wuhan：Wuhan University of Technology，2007.（in Chinese）.

［13］Jiménez－Palacios，J.Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing［D］.Cambridge US：Massachusetts Institute of Technology，1999.

［14］张万江.城市公交车燃料消耗量测试工况研究［D］.西安：长安大学，2012.Zhang Wanjiang.Research of fuel consumption testing cycle for city bus［D］.Xi’an：Chang’anUniversity，2012.（in Chinese）.

［15］石 琴，李友文，郑与波.随机数在汽车行驶工况构建中的应用［J］.西南交通大学学报，2010，45（6）：938－945.Shi Qin，Li Youwen，Zheng Yubo.Application of random number in driving cycle model［J］.Journal of Southwest Jiaotong University，2010，45（6）：938－945.（in Chinese）.

［16］马志雄，李孟良，张富兴，等.主成分分析法在车辆实际行驶工况开发中的应用［J］.武汉理工大学学报，2004，26（4）：32－35.Ma Zhixiong，Li Mengliang，Zhang Fuxing，et al.A study on the application of pca to the development of vehicle real driving cycle［J］.Journal of Wuhan University of Technology，2004，26（4）：32－35.（in Chinese）.

［17］石 琴，郑与波.因子分析在汽车行驶工况构建过程中的应用［J］.中国机械工程，2011，22（9）：1123－1127.Shi Qin，Zheng Yubo.Application of factor analysis in driving cycle development［J］.China Mechanical Engineering，2011，22（9）：1123－1127.（in Chinese）.

［18］何晓群.多元统计分析［M］.北京：中国人民出版社，2004.He Xiaoqun.Multivariate statistical analysis［M］.Beijing：The Chinese People’s Publishing House，2004.（in Chinese）.

［19］段俊辉.南昌市公交车行驶工况研究［J］.汽车零部件，2011，20（12）：71－77.Duan Junhui.Research of bus driving cycle in nanchang［J］.Automobile Parts，2011（12）：71－77.（in Chinese）.