城市道路機動車行駛工況本地化特性分析

楊 陽，張 濤

(太原科技大學 交通與物流學院，山西 太原 030024)

行駛工況是車輛進行底盤測功機試驗時用來遵循的駕駛操作，通常用速度-時間曲線表示.行駛工況作為車輛排放和燃料消耗評估的重要指標，尤其針對新型節(jié)能環(huán)保類車輛，例如混合動力汽車(HEV)和電動汽車[1].行駛工況也用于測試車輛排放因子，并根據(jù)節(jié)能減排排放標準對新的發(fā)動機技術(shù)進行評估.在應(yīng)用范圍方面，行駛工況分標準行駛工況和非標準行駛工況2種.標準行駛工況(也稱為法定行駛工況)，如美國的聯(lián)邦測試工況(FTP-75)，歐洲的新歐洲行駛工況NEDC(new European driving cycle)主要作為政府及相關(guān)管理部門強制使用的發(fā)動機排放認證標準工況.相反，非標準行駛工況(也稱為非法定行駛工況)，如不同城市開發(fā)的本地行駛工況主要用于車輛使用過程中的排放評估和污染控制，以及研究人員對車輛的排放生命周期分析[2].

目前，世界范圍內(nèi)輕型車新車排放認證工況主要分為3類：美國的聯(lián)邦測試工況(FTP-75)、歐洲的新歐洲行駛工況(NEDC)和日本的行駛工況(JC08)[3].NEDC幾十年來一直被視為中國輕型車新車排放認證標準測試工況，但是由于其怠速和勻速模式比例較高、加減速平穩(wěn)、測試時間短，并且包含大量重復(fù)工況，因此被質(zhì)疑不能代表實際的行駛狀態(tài).自2017年以來，NEDC正逐漸被WLTP(全球輕型車測試工況)所取代，目前中國也正在進行全國范圍內(nèi)國Ⅺ標準的普及.雖然WLTP的建立是基于道路實際數(shù)據(jù)的采集并且能夠比NEDC更好地反映道路行駛狀態(tài)，但是仍然不足以代表不同地區(qū)或城市的實際道路行駛條件.不同城市的社會、經(jīng)濟和地理特征的差異決定了城市道路機動車行駛工況的本地化特性.對于行駛工況的研究，特別是當前標準行駛工況已經(jīng)不能很好地代表道路實際行駛條件時，僅局限于某些標準行駛工況是不合適的.因此，針對城市道路機動車行駛工況的本地化特性研究引起了越來越多研究者的關(guān)注.

筆者分析近年來構(gòu)建的典型本地行駛工況，總結(jié)本地行駛工況的構(gòu)建方法，并以南京市為例，利用歷年數(shù)據(jù)構(gòu)建不同年份南京本地行駛工況并進行對比分析，同時將南京本地行駛工況與國內(nèi)其他城市進行參數(shù)比較，從時間和空間維度對城市道路機動車行駛工況的本地化特性進行分析.

1 國內(nèi)外城市本地行駛工況

國內(nèi)外學者在開發(fā)某些地區(qū)或城市的本地行駛工況方面進行了大量有價值的研究，表1列出了近年來新開發(fā)的典型城市本地行駛工況.

表1 近年來新開發(fā)的典型城市本地行駛工況

表1中，文獻[5]采用追車和車載試驗結(jié)合的方法，文獻[6]采用仿真法，文獻[14]采用追車法，其他文獻采用車載試驗的方法采集數(shù)據(jù).每種新構(gòu)建的本地行駛工況因其不同的構(gòu)建方法、研究區(qū)域和車輛類型而具有獨特性.即使對于同一城市，針對不同車輛類型也會開發(fā)出不同的行駛工況.例如，K.S.NESAMANI等[16]開發(fā)了印度欽奈公交車的行駛工況，而N.H.ARUN等[11]則開發(fā)了該城市的乘用車和摩托車的行駛工況.文獻[2,5,10]將所開發(fā)的行駛工況與標準行駛工況進行了比較，文獻[4,6-8,11-13,15]則將所開發(fā)的行駛工況與其他城市地區(qū)的本地行駛工況進行了比較.行駛工況特征參數(shù)之間的顯著差異強調(diào)了城市道路機動車行駛工況本地化特性研究的必要性.然而，很少有文獻能夠系統(tǒng)地從時間和空間維度對本地行駛工況進行對比分析.本研究選擇南京作為研究對象，分別利用2009年和2017年的道路采集數(shù)據(jù)進行乘用車行駛工況的構(gòu)建，相同的數(shù)據(jù)采集方法和行駛工況構(gòu)建方法使不同時期的本地行駛工況對比更加合理.

2 本地行駛工況構(gòu)建方法

本地行駛工況的建立主要包括路線選擇、數(shù)據(jù)采集、數(shù)據(jù)處理和工況構(gòu)建.

2.1 路線選擇及數(shù)據(jù)采集

路線選擇是行駛工況構(gòu)建過程中雖主觀但又比較關(guān)鍵的步驟，根據(jù)對當?shù)亟煌顩r的了解，考慮道路等級和交通流量特征等因素[6,9].選擇代表研究區(qū)域的典型行駛條件的路線，路線應(yīng)包括城市所有道路類型(快速道路、主干路、次干路和支路).

數(shù)據(jù)采集法通常分為追車法和車載試驗法2種.文獻[13]將GPS歸類為第3種方法，而文獻[10-11]則將GPS歸類為車載試驗法.文獻[5]將追車法和車載試驗組合作為第3種方法.目前還沒有統(tǒng)一和明確的數(shù)據(jù)采集方法分類標準.為了更好地理解分類標準，筆者重新對這些方法進行定義歸類.

第1種方法，即追車法，試驗車輛隨機選擇目標車輛追蹤，如果目標車輛駛出研究區(qū)域，則改換另一輛車追蹤.由于南京市區(qū)道路交通流中經(jīng)常會出現(xiàn)車輛插隊或變換車道現(xiàn)象，特別是在交通擁堵的情況下，目標車輛難以順利追隨.追車法的測試路線具有一定的隨機性，需要足夠大的樣本來覆蓋所有類型的道路.

第2種方法命名為車載試驗法是不合適的，因為所有數(shù)據(jù)采集方法都需要裝有設(shè)備的車輛.根據(jù)測試車輛在數(shù)據(jù)采集過程中的特點，將其命名為自主行駛法.因為在試驗過程中測試車輛處于個人出行目的的正常使用中，且沒有空間和時間限制，因此該方法可以獲取道路上的實際行駛數(shù)據(jù)，但是需要大量樣本來確保數(shù)據(jù)的代表性.

第3種方法，即平均交通流法，具有操作簡便、主動性強的特點.測試路線和時間需要提前規(guī)劃，測試車輛由指定的對路況熟悉且經(jīng)驗豐富的司機駕駛.在測試過程中，裝有設(shè)備的車輛應(yīng)保持與道路交通流一致.

2.2 數(shù)據(jù)處理

構(gòu)建本地行駛工況主要有2種方法：① 由隨機選擇的短行程(見圖1)形成的行駛工況；② 基于模型的方法，通過對短行程進行分析和處理，使其工況特征參數(shù)接近現(xiàn)實數(shù)據(jù)[17].目前第2種方法應(yīng)用比較多，大多數(shù)城市通過主成分分析法和聚類分析法相結(jié)合，提取短行程組合形成與道路行駛工況相接近的城市本地行駛工況.

圖1 短行程和運動段的定義

通過道路試驗獲得速度-時間數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理后確定每個采樣點的行駛模式，主要分為加速(當采樣點的加速度大于0.14 m·s-2時，計為加速點)、減速(當采樣點的加速度小于-0.14 m·s-2時，計為減速點)、勻速(當采樣點的加速度絕對值小于或等于0.14 m·s-2，且速度大于或等于1 km·h-1時，計為勻速點)和怠速(當采樣點的加速度絕對值小于0.14 m·s-2，且速度小于1 km·h-1時，計為怠速點)4種狀態(tài)[3].

2.3 工況構(gòu)建

通常用特征參數(shù)來描述短行程的特征并作為評估對比的標準.特征參數(shù)的個數(shù)并沒有明確的限制，各個短行程的特征參數(shù)通過SPSS等軟件計算，選取與試驗獲得的實際道路行駛數(shù)據(jù)的平均誤差最小的短行程組合作為本地行駛工況.本地行駛工況的構(gòu)建過程如圖2所示.

圖2 構(gòu)建本地行駛工況流程圖

3 本地行駛工況的時間特性

根據(jù)本地行駛工況構(gòu)建步驟，分別構(gòu)建2009年和2017年南京本地行駛工況.試驗車輛選用輕型汽油車，采用平均交通流法，測試路線如圖3所示.

圖3 2009年和2017年測試路線

測試時間包含工作日和周末的高峰時段和非高峰時段，每條路段往返2次以上.從獲取的有效數(shù)據(jù)中提取短行程，18個特征參數(shù)用來描述短行程的行駛特征，參數(shù)描述如下：vmax為最大速度，km·h-1，表示短行程中采樣點速度最大值；vm為平均速度，km·h-1，表示短行程全部采樣點速度之和除以全部采樣點個數(shù)；vmr為平均行駛速度，km·h-1，表示短行程全部采樣點速度之和除以非怠速采樣點個數(shù)；a1max為最大加速度，m·s-2，表示短行程中采樣點加速度最大值；a2min為減速時最小加速度，m·s-2，表示短行程中采樣點加速度最小值；a1為平均加速度，m·s-2，表示整個短行程的平均加速度；a2為減速時的平均加速度，m·s-2，表示整個短行程減速時的平均加速度；L為行駛距離，km，表示整個短行程的運行里程；t為短行程行駛時間，s；Pa為加速比例，%，表示加速采樣點個數(shù)占全部采樣點個數(shù)的比例；Pd為減速比例，%，表示減速采樣點個數(shù)占全部采樣點個數(shù)的比例；Pc為勻速比例，%，表示勻速采樣點個數(shù)占全部采樣點個數(shù)的比例；Pi為怠速比例，%，表示怠速采樣點個數(shù)占全部采樣點個數(shù)的比例；P0為速度大于0 km·h-1，小于等于20 km·h-1的采樣點個數(shù)占短行程全部采樣點個數(shù)的比例，%；P20為速度大于20 km·h-1，小于等于40 km·h-1的采樣點個數(shù)占短行程全部采樣點個數(shù)的比例，%；P40為速度大于40 km·h-1，小于等于60 km·h-1的采樣點個數(shù)占短行程全部采樣點個數(shù)的比例，%；P60為速度大于60 km·h-1，小于等于80 km·h-1的采樣點個數(shù)占短行程全部采樣點個數(shù)的比例，%；P80為速度大于80 km·h-1的采樣點個數(shù)占短行程全部采樣點個數(shù)的比例，%.

通過主成分分析和聚類分析法將原始數(shù)據(jù)中的短行程分為3類，具體數(shù)據(jù)處理方法參考文獻[17].最終構(gòu)建2009年和2017年南京本地乘用車行駛工況原始數(shù)據(jù)、組合行駛工況的特征參數(shù)平均值及相對誤差如表2所示.其中：A1、A2、A3分別為2009年車輛在南京低、中、高速區(qū)行駛的工況；B1、B2、B3分別為2017年車輛在南京低、中、高速區(qū)行駛的工況.從表2可以看出，2009年和2017年組合的行駛工況與原始數(shù)據(jù)特征參數(shù)的平均相對誤差均小于11.00%，表明該工況構(gòu)建方法的可行性.

表2 2009年和2017年南京本地乘用車行駛工況原始數(shù)據(jù)、組合行駛工況的特征參數(shù)平均值及相對誤差

表3分別列出了低速區(qū)、中速區(qū)和高速區(qū)南京2009年和2017年本地行駛工況的幾個典型特征參數(shù)平均值.從表3可以看出，車輛的平均速度vm在低速區(qū)最低，怠速比例Pi最大值出現(xiàn)在低速區(qū)，說明低速區(qū)的車速經(jīng)常會被中斷.隨著車輛保有量的增多，與2009年相比，2017年低速區(qū)vm從14.01 km·h-1降至12.88 km·h-1，中速區(qū)vm從30.68 km·h-1降至26.88 km·h-1.此外，低速區(qū)a1和a2分別在8年內(nèi)從2.73 m·s-2減少到1.47 m·s-2、從2.83 m·s-2減少到1.56 m·s-2，這很大部分是因為經(jīng)常占用支路和次干道的違法占道現(xiàn)象得到了有效的整改.雖然2017年行駛工況中速區(qū)vm相對于2009年略有下降，但在2009年至2017年間，a1和a2均減少了約50%，這主要是得益于南京市主干道路網(wǎng)交通信號的優(yōu)化.與低速和中速不同，高速的vm得到了顯著改善，從2009年的48.36 km·h-1提高到2017年的57.40 km·h-1.高速區(qū)的城市快速道路網(wǎng)于2009年初步形成，很多地方建設(shè)不完善仍需要進一步加強和改進，因此無法順利疏散來自市中心的大量交通流，從而城市快速道路有時會發(fā)生交通擁堵.而在8年后的2017年，南京市城市快速道路網(wǎng)已經(jīng)全部建成和完善，可以迅速有效地疏散市內(nèi)道路交通流，這也是2017年高速區(qū)道路狀況有所改善的原因(2017年P(guān)c達到53.78%).

表3 南京本地行駛工況典型特征參數(shù)平均值

根據(jù)2009—2017年的南京統(tǒng)計年鑒數(shù)據(jù)，南京市乘用車擁有量已經(jīng)連續(xù)8年以超過10%的速度持續(xù)增長，然而道路駕駛條件并沒有以同樣的速度惡化.根據(jù)2015年中國主要城市交通分析報告顯示，南京在1年內(nèi)交通擁堵指數(shù)排名下降了20位，位居第26位，優(yōu)于濟南、哈爾濱、杭州等省會城市.南京市道路行駛條件的改善很大程度上是由于城市對便捷、快速、環(huán)保的公共交通和智能交通系統(tǒng)開發(fā)的大力投資已初見成效.

總之，2009年和2017年南京市本地行駛工況之間的特征參數(shù)存在顯著差異，將會導致利用不同年份行駛工況得到的車輛尾氣排放因子的差異也較大.因此，在與其他城市比較行駛工況的特征參數(shù)時，有必要考慮行駛工況所建立的年份.對于城市而言，為了獲得比較準確的車輛排放預(yù)測，需要每隔幾年對用于在底盤測功機上模擬的本地行駛工況進行更新.

4 本地行駛工況的空間特性

為了深入對南京市本地行駛工況特性的了解，選擇了包括北京、上海、天津和寧波4個城市行駛工況的典型特征參數(shù)進行比較[18].表4列出了國內(nèi)不同城市乘用車行駛工況的典型特征參數(shù)平均值.

表4 不同城市行駛工況典型特征參數(shù)平均值

通過對比可以看出，南京市乘用車行駛工況的特征參數(shù)與其他城市的特征參數(shù)有很大區(qū)別：南京市的vm為30.73 km·h-1，平均速度相對高于其他城市.a1和a2可以反映一個地區(qū)駕駛員行為的激進程度，從數(shù)據(jù)上看南京市的a1和a2比天津市以外的其他城市都低，尤其低于北京和上海，可以得出南京市道路車輛的駕駛行為較為溫和.此外，南京市行駛工況具有較低的Pa，加速模式的時間比例最低，這表明南京市道路上的司機不會頻繁改變車速，可見道路行駛狀況較好.根據(jù)分析結(jié)果可知，Pc的最大值(30.00%)出現(xiàn)在南京市，說明道路車輛勻速行駛的比例較大，反映南京較好的道路路況.同時南京市Pi(20.00%)也較大，道路車輛怠速行駛的比例較大，這表明在南京市道路上車輛在交叉口等待的時間相對較長，一定程度增大了道路車輛污染物排放[18].總之，通過觀察南京市和國內(nèi)其他城市在本地乘用車行駛工況的特征參數(shù)對比可以發(fā)現(xiàn)明顯的差異，即使同一國家的不同城市，道路上的行駛特征也不相同，不同的行駛工況會導致測試出不同的排放因子.因此，對于不同的城市，使用相同的道路行駛工況來預(yù)測排放因子可能會得到與實際排放誤差較大的結(jié)果.

5 結(jié) 論

1)構(gòu)建不同年份同一城市的本地行駛工況并進行對比，典型特征參數(shù)的差異表明:在進行城市道路機動車行駛工況本地化特性研究時,考慮數(shù)據(jù)收集年份的重要性，為了獲得與道路實際排放相符的排放因子，城市本地行駛工況有必要根據(jù)道路交通發(fā)展狀況進行定期更新.

2)國內(nèi)不同城市道路本地行駛工況的特征參數(shù)差異也表明了城市道路機動車行駛工況本地化特性研究的必要性，不同城市因地理特征、交通規(guī)劃和設(shè)施等差異都會導致道路車輛運行狀態(tài)的不同，因此會導致測得不同的排放因子.

3)城市道路機動車行駛工況本地化特性研究有利于獲取更精確的道路實際車輛排放因子，有利于進行車輛生命周期排放特性研究，為道路機動車排放量化提供理論基礎(chǔ).在構(gòu)建本地行駛工況時利用保有量比例最多的汽油乘用車采集數(shù)據(jù)，但在道路路網(wǎng)中不同類型的車輛行駛工況差異較大，因此需要在后期研究中考慮不同車型，例如新能源汽車和新概念汽車等，通過研究具有城市特性的道路行駛工況進行更精確的道路車輛污染物排放量化.