深圳市乘用车道路行驶工况构建
2016-06-06黄文伟强明明
万 霞,黄文伟,强明明
1)长安大学环境科学与工程学院,陕西西安 710064;2)深圳职业技术学院汽车与交通学院,广东深圳 518055
深圳市乘用车道路行驶工况构建
万霞1,2,黄文伟2,强明明1
1)长安大学环境科学与工程学院,陕西西安 710064;2)深圳职业技术学院汽车与交通学院,广东深圳 518055
摘要:选取深圳市代表性测试路线,采用平均车流法,对测试车辆车载GPS连续20 d、每天3个采样时间段进行数据采集,累计行驶里程达6 022 km.用短行程分析法构建深圳市城区乘用车行驶工况.结果显示,深圳市城区乘用车平均车速为28.63 km/h,匀速工况占时间比例为24.4%,加速和减速工况所占时间两者之和为52.9%,与国内其他城市相比,表现出较好的车辆排放工况.与欧美日标准工况相比,深圳市的平均车速比欧洲NEDC、美国FTP75、日本Japan15标准工况分别低14.8%、16.3%和15.5%,在加速、减速和各工况所占时间比例等其他参数上也有较大的差距.
关键词:公路运输;行驶工况;平均车流法;短行程;乘用车;城市道路;
截止2014年底,深圳市机动车保有量超过314万辆,乘用车占比高达98%[1].汽车污染物排放已成为城市大气污染的主要污染源之一.影响汽车污染物排放的因素很多,主要有行驶工况、车型、使用年限、排放控制系统、车辆状况及驾驶习惯等,其中,最主要的就是行驶工况[2].为准确评估城市整体的乘用车排放水平,为城市环保部门出台排放控制策略提供必要的依据,必须开发和构建一套能够真实代表深圳市城市乘用车综合行驶特征的乘用车道路行驶工况.
“道路属性”和“时间属性”是影响行驶特征最重要的因子[3].2007年,刘小波[4]构建了深圳汽车行驶工况与污染物排放的关系矩阵,提出局部控制污染的主要对策.但由于采集数据样本量小,路线覆盖不全面,测试周期短,缺少非高峰时段测试数据,且深圳的路网结构及机动车的保有量都有大的变化,近10年前构建的工况已不具代表性.
目前构建国内各城市机动车道路行驶工况的方法包括:短行程分析法、马尔科夫分析法、速度加速度矩阵分析法及定步长截取法[5-8].由于短行程分析法可截取低速、中速及高速的运行工况,有针对性地分析其运行特征,且有较强的理论支撑,目前国内外(如北京、上海、香港及印度浦那等)在车辆道路行驶工况构建上已广泛采用[5, 9-10].
本研究利用车载GPS,采用固定路线紧跟车流的方式,在能总体反映深圳市城市道路整体状况的试验路线上进行数据采集,选取15个特征参数,利用短行程分析法建立深圳市道路机动车行驶工况.
1车辆行驶数据采集
1.1测试设备和方法
1)试验用车:比亚迪/秦(油电混合动力车)轻型车.
2)数据采集:车载GPS.
3)笔记本电脑,数据储存卡等.
本研究试验车通过采用平均车流统计法[10]的行驶方法进行数据采集,即试验用车在规定的试验时间段内驾驶试验车辆在规定的试验道路上不刻意加速或慢速地随着平均车流行驶.速度信号采样率为1 Hz.
1.2测试路线和时间
要构建能够真实代表城市车辆综合行驶特征的机动车综合行驶工况,测试路线和时间应该尽可能覆盖城市车队主要的行驶状态.
本研究依据深圳市道路特点,将道路划分为高速路、快速路、主干道及次干道4个道路等级.根据深圳市交通运输部门提供的基础交通数据,计算深圳市交通流调整因子(traffic adjustment factor, TAF)[11].平均而言,在2014年深圳市轻型客车的总行驶时间中,9.8%发生在高峰时段的高速路,27.5%发生在高峰时段的快速路,28.7%发生在高峰时段的主干道,2.9%发生在高峰时段的次干道,4.7%发生在非高峰时段的高速路,10.2%发生在非高峰时段的快速路,15.0%发生在非高峰时段的主干道,1.3%发生在非高峰时段的次干道.结合整体路网中各类型道路所占比例和TAF值,最终选取能够总体反映深圳市城市道路整体状况的试验行驶线路,如图1和图2.其中,图1是南光高速和北环大道的行驶路线图;图2是深南大道、南海大道和南新路的行驶路线图.每条试验线路的起点和终点为同一点.试验详细路线如表1.
图1 南光高速和北环大道试验路线Fig.1 Testing routes of Nanguang expressway and Beihuan Boulevard
图2 深南大道、南海大道和南新路试验路线Fig.2 Testing routes of Shennan Boulevard、Nanhai Boulevard and Nanxin Road
表1 数据采集试验线路
根据深圳市道路交通流在不同时段呈现的特点,将采样时间划分为早晚高峰(07:30—10:00、17:00—20:00)和下午非高峰(13:00—15:30)3个时间段进行测试.据研究,当采集的数据量达到一定值时,结果的准确性不会随数据量的增加而变化,而是逐趋定值[12-13].本试验对测试车辆连续20 d(包括工作日和非工作日)进行试验数据的采集,每天在3个采样时间段,每个采样时间段均覆盖所选定的试验路线.GPS全球定位系统采样频率为1 Hz,累计行驶里程达6 022 km,共得到216 153条有效速度数据.
2深圳市综合行驶工况的合成
行驶工况流程主要包括行驶片段分割、特征值选取、候选工况合成及候选工况筛选4个基本步骤.
本研究采用短行程分析法构建深圳市道路乘用车行驶工况.首先,将所采集到的大量逐秒速度数据进行预处理,运用Matlab软件对原始数据进行短行程(从一个怠速开始到下一个怠速开始的运动行程)分割处理,分割后获得1 732个短行程.本研究采用15个特征参数作为判定准则数[14],如表2.根据试验测得的216 153条有效速度数据计算得到整体数据的15个特征参数,再分别计算分割出的1 732 个短行程的15个特征参数,计算出短行程特征参数值序列X和整体数据特征参数值序列Y的相关系数r, 其计算公式为
其中,cov(X,Y)是变量X和Y的协方差;var(X)和var(Y)分别是变量X和Y的方差.
表2 深圳市乘用车道路行驶工况特征值
由于车辆在高速路、快速路、主干道和次干道上的行驶特点差异很大,因此必须对这4种不同的道路类型分别统计.将各类型道路短行程按照与整体数据特征参数相关系数的大小进行排序,将其中相关系数较大(>0.99)的短行程分别提取出来.另外,根据计算出来的深圳TAF得到各类道路的权重,选取试验中各类型道路持续时长符合深圳TAF道路权重,且相关系数较大的多个短行程,将其合成7个1 200 s左右的候选行驶工况.然后计算这7个候选行驶工况与整体数据的15个特征参数值的相对误差ρ, 其计算公式为
其中, P0为整体数据的特征参数值; Px是候选行驶工况的特征参数值;最终得到与整体数据15个特征参数值的相对误差小于5%的候选行驶工况,将其确定为最终合成工况,其行驶特征参数值与速度时间图像分别见表2及图3.该工况由8个短行程构成,总时长为1 273 s,平均车速为28.63 km/h,最高车速76.60 km/h.
图3 深圳市乘用车的道路行驶工况Fig.3 The constructed driving cycle of passenger vehicles in Shenzhen
计算得出所构建工况与整体数据特征参数的相关系数为0.997,且所构建工况与整体数据除时长和最大速度外的所有特征参数相对误差均在5%以内,表明所构建行驶工况能够较好反映深圳市道路车辆的实际行驶特征.由图3可见,深圳市乘用车行驶时,加减速频繁、怠速频繁,平均车速较小.
3深圳市机动车行驶特征分析
通过分析本研究所构建深圳市乘用车行驶工况的速度数据,统计出乘用车在怠速、0~10、10~20、20~30、30~40、40~50、50~60、60~70 km/h以及大于70 km/h各区间的运行速度分布比例,如图4.可见,乘用车在道路行驶时,怠速工况下速度所占时间最高为22.70%.除怠速运行外,车辆运行速度在0~10、40~50和50~60 km/h下所占时间也较高,分别为12.33%、13.20%及15.32%.车辆在10~20、20~30及30~40 km/h的3个速度区间,所占时间分别为8.64%、8.64%和8.48%,相对较低.在70 km/h以上的速度分布最小仅为1.26%.总体来说,深圳市乘用车运行在40~70 km/h的速度区间,时间占比较大为38%.对比王军方等[7]研究提出的北京市乘用车车辆速度主要分布在50 km/h以下,深圳市车辆主要分布区间速度值要高.
图4 深圳市乘用车行驶工况下速度分布比例Fig.4 Speed percentage distribution of passenger vehicles in Shenzhen
表3列出本研究所构建深圳乘用车行驶工况与国内典型城市行驶工况特征参数[7,11]对比.可见,深圳市vm达到28.63 km/h,较其他城市高,这与深圳市因城市建设有较高比例的快速路有关;另外深圳的A与D值均高于其他城市,这与地区驾驶员的驾驶习惯,车辆排量均有关系;深圳市Pa和Pd之和为52.9%,小于北京的73%和上海的65%,为所列城市中最小;Pc为24.4%,为所列城市中最高.深圳乘用车行驶加减速所占时间较低,匀速所占时间较高,这反映出深圳道路状况较好,车辆能以较高速度运行.相同汽车在此道路工况下的排放因子较小.另外深圳乘用车Pi为22.7%,仅次于上海的26.0%,高于其他几个城市,是由于深圳市内立交较少,红绿灯较多导致的.由以上分析可见,由于各城市的道路建设和交通强度不同,所构建的道路车辆行驶工况也存在差异.
表3 国内典型城市汽车行驶工况对比
所构建的深圳市工况与国外标准工况行驶特点对比如表4.可见,深圳平均车速比欧洲NEDC、美国FTP75和日本Japan15标准工况分别低14.8%、16.3%和15.5%.而深圳市乘用车行驶工况中加减速值(A、 D)、 加减速所占时间比例(Pa、 Pd)、 Pc、 及Pi均有别于欧美标准工况.采用欧美日工况模拟深圳市机动车排放会产生误差.因此,构建深圳市工况对准确获取深圳市机动车排放因子具有重要意义.
表4 深圳工况与标准工况对比
4结论
1)采用短行程分析法构建的深圳市城区乘用车行驶工况与整体数据特征参数的相关系数为0.997,且所构建的工况与整体数据除时长和最大速度外的所有特征参数相对误差都在5%以内,合成工况可代表深圳市城区乘用车实际行驶工况.
2)构建的工况各项特征参数与国内主要城市比较存在较大差异:深圳平均车速28.63 km/h,与国内典型城市工况对比相对较高;加减速时间之和为52.9%,为对比城市中最小;匀速时间占比24.4%,为对比城市中最高,表明深圳道路条件较为顺畅;怠速所占时间为22.7%;在所列对比城市中较高,表明深圳道路红绿灯等候时间过长,不利降低汽车排放.研究结果表明,国内其他城市的行驶工况不能反映深圳乘用车行驶的实际情况.
3) 构建的深圳本地行驶工况与国外标准工况行驶特点对比同样有较大差异:平均车速比欧洲NEDC、美国FTP75和日本Japan15标准工况分别低14.8%、16.3%和15.5%,其他参数均有不同程度差异,表明国外的行驶工况同样不能反映深圳乘用车行驶的实际情况,在应用国外排放模型模拟计算当地排放因子时参数应本地化,才能准确获取深圳市机动车排放因子.
参考文献/ References:
[1] 深圳市人民政府.深圳市城市交通白皮书[Z]. 2015.
The People’s Government of Shenzhen Municipality.Shenzhen urban transport White Paper[Z]. 2015.(in Chinese)
[2] Ho S H, Wong Y D , Chang W C. Developing Singapore driving cycle for passenger cars to estimate fuel consumption and vehicular emissions[J]. Atmospheric Environment, 2014, 97:353-362.
[3] Brundell-Freij K, Ericsson E. Influence of street characteristics, driver category and car performance on urban driving patterns[J]. Transportation Research Part D: Transport and Environment, 2005, 10(3):213-229.
[4] 刘小波.深圳汽车行驶工况和污染物排放关系的测试研究[D].昆明:昆明理工大学,2007.
Liu Xiaobo. Study of vehicles driving cycle and exhaust relation in Shenzhen[D]. Kunming: Kunming University of Science and Technology, 2007.(in Chinese)
[5] 王岐东,贺克斌,姚志良,等.中国城市机动车行驶工况研究[J]. 环境污染与防治, 2007, 29(10): 745-748.
Wang Qidong, He Kebin, Yao Zhiliang, et al. Research in motor vehicle driving cycle of Chinese cities[J]. Environmental Pollution & Control, 2007, 29(10): 745-748.(in Chinese)
[6] 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)
[7] 王军方,丁焰,王爱娟,等.北京市机动车行驶工况研究[J].环境工程技术学报,2012,2(3):240-246.
Wang Junfang, Ding Yan, Wang Aijuan, et al. Study of vehicle driving cycle modes on road in Beijing[J]. Journal of Environmental Engineering Technology, 2012, 2(3): 240-246.(in Chinese)
[8] 锁国涛.武汉市公交车行驶工况及发动机循环工况研究[D].武汉:武汉理工大学,2006.
Suo Guotao. Study on the driving cycle of Wuhan city bus and the duty cycle of the engine[D]. Wuhan: Wuhan University of Technology, 2006.(in Chinese)
[9] 赵慧,张镇顺.香港城区汽车行驶工况的研究[J].环境科学学报,2000,20(3):312-315.
Zhao Hui, Zhang Zhenshun. Development of a driving cycle for automotive emission evaluation[J]. Journal of Environmental Science, 2000, 20(3): 312-315.(in Chinese)
[10] Tong H Y, Hung W T, Cheung C S. Development of a driving cycle for Hong Kong[J]. Atmospheric Environment, 1999, 33:2323-2335.
[11] 贺克斌,霍红,王岐东, 等.道路机动车排放模型技术方法与应用[M].北京:科学出版社,2014.
He Kebin, Huo Hong, Wand Qidong, et al. Road vehicle emissions modeling techniques methods and applications[M]. Beijing: Science Press, 2014.(in Chinese)
[12] Bishop J D K, Axon C J, McCulloch M D. A robust, data-driven methodology for real-world driving cycle development[J]. Transportation Research Part D: Transport and Environment, 2012, 17(5):389-397.
[13] Karavalakis G, Stournas S, Bakeas E. Effects of diesel/biodiesel blends on regulated and unregulated pollutants from a passenger vehicle operated over the European and the Athens driving cycles[J]. Atmospheric Environment, 2009, 43(10): 1745-1752.
[14] 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)
[15] 杨延相,蔡晓林,杜青,等.天津市道路汽车行驶工况的研究[J].汽车工程,2002,24(3):200-204.
Yang Yanxiang, Cai Xiaolin, Du Qing, et al. Investigation into vehicle driving mode in Tianjing[J]. Automotive Engineering, 2002, 24(3): 200-204.(in Chinese)
【中文责编:方圆;英文责编:木南】
Construction of driving cycle for passenger vehicles in Shenzhen
Wan Xia1, 2, Huang Wenwei2†, and Qiang Mingming1
1) School of Environmental Science and Engineering, Chang’an University, Xi’an 710064, Shaanxi Province, P.R.China 2) Automotive & Transportation Engineering Department, Shenzhen Polytechnic, Shenzhen 518055,Guangdong Province, P.R.China
Abstract:By using the traffic flow averaging method, the data acquisition for the representative test routes in the city of Shenzhen is performed by an automotive GPS three times per day for 20 consecutive days, and the total mileage recorded is over 6 022 km. The typical car driving cycle in Shenzhen is constructed by short-range drive analysis method. The results show that the average speed of passenger vehicles in Shenzhen city is 28.63 km/h. The proportion of the uniform speed is about 24.4%, and the proportion of the acceleration and deceleration time is 52.9%. The vehicle emission conditions in Shenzhen are found to be better than those in other domestic cities. The passenger vehicle average speed in Shenzhen is found to be lower than those of Europe NEDC, US FTP75 and Japan15 standard conditions by 14.8%, 16.3% and 15.5%, respectively. And significant differences in acceleration, deceleration, ratio of different modes and other characteristic values are also observed.
Key words:highway transportation; driving cycle; traffic flow averaging method; short-range drive; passenger vehicles; urban road
基金项目:深圳市科技研发基金资助项目(JCYJ20140702172114468,JCYJ20120617140820889)
作者简介:万霞(1981—),女,深圳职业技术学院讲师,长安大学博士研究生.研究方向:机动车尾气排放. E-mail:14973895@qq.com
中图分类号:U 491.2
文献标志码:A
doi:10.3724/SP.J.1249.2016.03281
【交通物流 / Transportation Logistics】
Received:2015-07-31;Revised:2016-03-07;Accepted:2016-03-15
Foundation:Shenzhen Science and Technology Plan Foundation(JCYJ20140702172114468, JCYJ20120617140820889)
† Corresponding author:Professor Huang Wenwei. E-mail: ww6809@szpt.edu.cn
Citation:Wan Xia, Huang Wenwei, Qiang Mingming. Construction of driving cycle for passenger vehicles in Shenzhen[J]. Journal of Shenzhen University Science and Engineering, 2016, 33(3): 281-287.(in Chinese)
引文:万霞,黄文伟,强明明.深圳市乘用车道路行驶工况构建[J]. 深圳大学学报理工版,2016,33(3):281-287.