基于VSP的ETC节能减排效益模型研究和效益测算

谷 岩, 李俐锋, 张人千

(1.交通运输部路网监测与应急处置中心, 北京 100088; 2.北京航空航天大学, 北京 100191)

0 引言

ETC(Electronic Toll Collection)不停车收费系统是目前世界上最先进的路桥收费方式. 不停车收费系统对于城市来说,不仅仅是1项先进的收费技术,还是一种通过经济杠杆进行交通流调节的切实有效地交通管理手段. 对于交通繁忙的大桥、隧道,不停车收费系统可避免月票制度和人工收费的众多弱点,提高市政设施的资金回收能力. 同时也可大大降低收费站的废气排放.

对于ETC收费站所带来的节能减排收益,目前为止国内外学者已经做了一定的研究. 翁剑成等[1]通过获取收费站区车辆行驶特性,基于整车排放测试系统获取不同车型通过不同收费车道的油耗和污染物(HC化合物、CO化合物、NOx化合物)排放监测值,构建了基于排队长度和车型聚类的ETC环境效益评价指标计算模型,但没有考虑交通流量对车辆行驶工况的影响;肖鹤等[2]通过对ETC碳排放量影响因素的分析,建立ETC系统碳减排计算模型,与人工收费车道碳排放量作对比,分析ETC在减少能耗量方面的优越性,但其中的数据基本上都来自于文献资料,多偏向于理论分析,缺乏真实微观数据对模型进行验证;Jie He等[3]使用三维计算流体动力学(CFD)模型与k ε湍流模型来计算ETC收费站的污染物扩散与车流量之间的关系,发现收费站周围的污染物浓度随着交通量的增加而增加,采用电子收费(ETC),污染物浓度会降低,但其不足之处在于未考虑不同车型在不同车流量状态下污染物排放的差异性. 总的来说,虽然目前国内外有一些研究初步测算了ETC收费站的碳排放量,但是基于微观监测数据、同时结合交通流量数据进行收费站实际交通流量数据进行测算的尚无前例. 本文尝试结合我国高速公路ETC的运营现状和发展规划,在收集高速公路收费站的实际油耗排放数据、车辆运行特征数据及实际交通流量数据的基础上,通过车型分类和情景设计,研究得出测算ETC不停车系统节能减排量测算模型,并开展了不同类型收费站在不同情景下的节能减排效益测算. 本模型提供了典型收费站的ETC节能减排效益测算方法及初步测算结果,为未来ETC收费站设计提供支持、ETC发展相关规划设计提供理论和数据支持.

1 数据基础

为保证测算模型符合实际高速公路车辆运行及流量分布特征,通过交通运输部应急指挥与调度大厅的路网监控视频调取、交通部路网中心收费数据统计、多省收费站问卷调研等多种方式,获取了以下9类数据,为项目研究提供了宏观、中观、微观3层次的数据支撑.

1.1 路网中心联网结算中心数据

路网中心联网结算结算数据主要包括全国收费站类型及分类车道数、全国收费站类型及分类车道数、六省市典型收费站分时段进出站流量表、全国客货车用户量、2018分月各省交易数据等,该类数据主要用途有3点:

1)分析ETC联网现状及发展情况,主要应用静态数据及流量数据.

2)分析各省市ETC建设情况、用户注册及流量差异,主要用于建模前期的因素分析.

3)作为模型效益测算的输入,用于典型收费站和全国的ETC节能减排效益分析.

1.2 交通部应急指挥与调度大厅视频监控数据

项目组赴交通部应急指挥与处置大厅,调取视频监控数据,观测北京、上海、天津、辽宁、陕西、贵州、广东共7个省份,根据视频质量各随机选取1个主线收费站和1个匝道收费站. 观测平日早高峰、平峰、晚高峰,以及节假日全天等时段,以每小时10 min观测的频度和时长来统计车站的实时排队次数及排队长度,作为模型中4种情景下排队长度的默认输入值.

1.3 分车型进出站速度变化数据

基于北京市交通领域节能减排统计与监测平台,可实时获取客1～客4车型通过收费站的逐秒速度、加速度、经纬度、北斗时间等逐秒工况数据. 通过在地图上选取典型收费站附近的经纬度,将地图上的LINK与车辆LINK ID进行匹配,分别获取了白鹿收费站和京良收费站2条收费站的所有监测车辆通过的速度变化数据.

表2 4种情景下排队长度默认输入值 辆

当模型中无法实时获得车辆工况数据时,可用此套数据作为不同收费站类型、不同情景、不同交通流量下,ETC和MTC的能耗排放测算输入默认参考值.

表3(a) 客1车辆通过主线站状态平均速度表 km·h-1

1.4 车辆OBD油耗实时监测数据

基于北京市交通领域节能减排统计与监测平台,在车辆的OBD接口处采集油耗、里程、速度、发动机状态等数据.

利用OBD接口采集的工况数据、减排状态数据及能耗数据情况如下.

表4(a) 客1车辆通过主线站状态平均速度表

表5 驾驶工况数据格式表

表6 工作状态数据格式表

表7 能耗数据格式表

1.5 车辆尾气检测数据

车辆排放数据,是利用实验手段进行尾气排放检测,收集机动车实际的排放数据. 这部分数据是一切有关机动车排放研究的基础,也是建立排放因子库的基本依据.

表8 车辆排放数据样例

2 模型设计

2.1 基于交通流量的收费站情景分析-观测、归纳出4种情景

基于交易数据和M/M/C排队论模型,将2种站点类型(主线站、匝道站)、4种交通流情景(情景1、情景2、情景3、情景4)、4种工况状态(减速、加速、服务、排队)进行交叉组合,得出32种细化情景. 通过测算每种细化情景下的ETC、MTC的平均速度、服务时间和排队车辆数,以此来测算ETC车辆和MTC车辆的总能耗排放量,并分析收费站的节能减排效果.

图1 工况情景交叉聚合图

在模型构建过程中,各收费站减速、加速、服务这3种状态下工况差异不大,可通过大数据拟合设定平均速度、服务时间等参数(表9中“√”部分). 但排队工况的能耗排放量随着排队车辆数的不同而差异显著,因此本模型认为,单一车型在同一类型的收费站、同一情景下、排队一次产生的油耗和排放量是固定的,在本级模型中,应用高速公路的联网结算数据,应用排队论,获取各收费站分小时的排队长度,从而推算车辆在排队状态下的能耗排放情况(表9中“o”部分).

表9 各情景下状态统计表

2.2 面向多情景的收费站ETC节能减排测算模型

2.2.1 计算过程设计

结算数据即高速公路收费联网结算数据,主要包括收费站类型及分类车道数、收费站分时段进出站流量表、客货车用户量、交易数据等,本模型中需要用到每个收费站的ETC车道和MTC车道数、每小时交易数据.

平台监测数据包括车牌、GPS时间、瞬时油耗、纬度、经度、速度、链路编号及链路等级等,本模型应用平台监测数据获得32种典型情景的工况关键参数,包括各种收费站、各种情景、各种状态下的平均速度、运行时间等. 也可协助获取因子库(不在本专利模型范围内)数据.

图2 收费站模型架构图

视频数据用于校核车站的实时排队次数及排队长度.

测试数据可对排放因子库(不在本专利模型范围内)中的数据进行校核.

2.2.2 计算公式

(1)

式中,ΔSG为收费站节能减排效益;ΔSVj为某种类型收费站,在当前交通流下,平均单车的节能减排效益;Qj为通过ETC收费的交易量;γj为修正系数,每种情景的占比情况说明:

图3 区域模型架构图

1)ΔSVj：

当交易量较小,无排队情况时,ΔSVj=EMTC-EETC=(EM减速+EM加速+EM服务)-(EE减速+EE加速+EE服务),公式中各参数均由大数据拟合给出给定值;

当交易量较大,有排队情况时,排队状态的排放量均应考虑实际车流量,EM排队=车辆单次排队油耗/排放量*排队车辆数Lq;2)Lq：

以M/M/C(单队、并列的多服务台的排队模型)排队论模型为基础计算ETC系统未实施条件下,MTC系统中的平均等待车辆数Lq为:

(2)

式中,P0为人工收费车道没有车辆的概率;λ为平均来车强度,(辆/h);μ为单条车道的平均服务率,单位时间内服务车辆数,(辆/h);c为收费车道数;Lq为平均排队车辆数,(辆).式中输入为:P0、λ、μ、c;输出为:Lq.

2.3 区域ETC节能减排测算模型

图4 ETC比MTC节能减排率

在宏观层,在计算资源充足的情况下,可采用中观模型对收费站逐个测算再汇总的形式. 但考虑到计算资源不足的问题,现阶段可建立区域ETC节能减排测算模型,即. 考虑通过区域的收费站数量、类型、平均流量、车辆结构,通过平均流量匹配交通流情景及排放强度的关联关系,进而建立基于交通流情景的区域测算模型. 也可用于新建站点或既有站开通ETC的效果预测和分析.

2.3.1 计算过程设计

针对区域ETC节能减排效果测算,以宏观测算为主. 通过分析收费站数量、通过的交通流量及车辆类型构成,可将收费站的运行工况归类为4种交通流情景之一. 在此基础上,可匡算该情境下的收费站的节能减排效果.

2.3.2 计算公式

(3)

式中,ΔSGi,处于i情景下的收费站的节能减排量Ni,处于i情景下的收费站的数量.

3 案例分析

3.1 不同情景节能减排效益分析

不同情景下,ETC车辆节能减排效果呈现明显差异,情景4的效果最明显,污染物减排为69%～74%,节油74%.

情景4下,交通流量较大,节能减排效果最为明显,可根据其产生的原因,采取不同的管理策略:

1)如果为常发性(例如京承高速),应综合考虑交通流量和车道数,考虑在该站增加ETC车道,提高通行效率,减少拥堵;2)如果为偶发性(例如只在高峰时段出现),可增开混合车道,在拥堵出现时,临时改ETC车道为MTC.

3.2 不同收费站类型ETC节能减排效益分析

匝道站的节能减排率平均比主线站高出28%,主要原因在于匝道站曲率较大,车辆运行速度较低,且排队长度高于主线站,因此可根据匝道站车流量适当增设ETC车道.

图5 主线站和匝道站碳排放情况对比

图8 主线站和匝道站HC情况对比

图9 主线站和匝道站油耗情况对比

3.3 全国ETC综合效益分析

全国ETC综合节能减排效益,应是各省份节能减排效益之和. 而在实际测算中,难以获取各省所有收费站分小时的进出口流量数据,因此,鉴于数据的保密性、数据存储空间及处理能力的局限性等原因,应用部分省份、典型车站、典型时段的1 h流量数据,提取所获取数据的情景比例,进行扩算. 情景比例说明如下:

在测算区域级节能减排效益时,判断收费站1 h内所处的场景十分重要,本模型中需要基于1 h车流量进行情景区分(具体区分方法详见6.3节). 在本次测算中,根据对典型省份、典型收费站的1 h流量数据的分析,情景1、2、3、4的出现概率设置为:主线收费站情景1∶情景2∶情景3∶情景4=5∶3∶1∶1,匝道收费站情景1∶情景2∶情景3∶情景4=4∶4∶1∶1.

经扩算,2017年度,全国含ETC车道的 8 258个收费站ETC车道污染物减排量达51.4万t,按照蚂蚁森林中单棵树吸收二氧化碳17.9 kg测算,ETC减排量可用于种树2 853万棵;2017年所有ETC通行车辆共节约汽油16.1万t,按照油价7元/L计算,相当于节约经济成本15.2亿元.

图10 全国节能减排量测算结果

4 结论与展望

4.1 研究结论

不同情景下,ETC车辆节能减排效果呈现明显差异,情景4(流量超饱和,MTC排队量堵住整个收费广场)的效果最明显,污染物减排在69%～74%之间,节油74%. 情景4下,交通流量较大,节能减排效果最为明显,可根据其产生的原因,采取不同的管理策略. 如果为常发性(例如京承高速),应增开ETC车道,提高通行效率,减少拥堵;如果为偶发性(例如只在高峰时段出现),可增开混合车道,在拥堵出现时,临时改ETC车道为MTC.

综合考虑交通流量、服务时间、排队时间,4种情境下,MTC通道车辆通过整个收费站广场的时间分别为68、158、232、324 s,平均196 s. 而ETC车辆在4种情境下通过收费广场的时间分别为50、63、68、53 s,平均59 s,比MTC可节约137 s.

匝道站的节能减排率平均比主线站高出28%,主要原因在于匝道站曲率较大,车辆运行速度较低,且排队长度高于主线站,因此可根据匝道站车流量适当增设ETC车道.

从全国来看,2017年度 ETC车道污染物减排量达51.4万t,可用于种树2 853万棵;2017年所有ETC通行车辆共节约汽油16.1万t,相当于节约经济成本15.2亿元.

4.2 未来展望

货车在我国公路货运交通中占比约八成,承担着服务经济发展的物流运输主力军. 目前现有的ETC技术服务对象主要为客运车辆和小汽车,货运车辆依然采用传统的MTC收费方式,并没有完全体现ETC收费系统的便利. 虽然就保有量而言,货车仅占全国机动车保有量的11%,但其主要污染物NOx、PM的排放量却分别占到整个汽车排放污染物的68%和78%. 而且根据测算,1辆重型柴油货车单车NOx和PM的排放相当于80多辆小汽车排放,是机动车污染排放的主体. 但是,货车ETC技术应用下由于收费车道的布设标准以及货车通行的速度都会与客车通道有所不同,运行工况和排放因子库的建立也更为复杂,因此,建议未来可进一步开展货车ETC的应用及其节能减排效益的评估和分析.