基于浮動車數(shù)據(jù)的機(jī)動車排放實時測算模型

郝艷召，宋國華，邱兆文，王宏圖

（1.長安大學(xué)汽車學(xué)院，陜西 西安 710064；2.北京交通大學(xué)交通運(yùn)輸學(xué)院，北京 100044；3.長春市城鄉(xiāng)規(guī)劃設(shè)計研究院，吉林 長春 130033）

基于浮動車數(shù)據(jù)的機(jī)動車排放實時測算模型

郝艷召1*，宋國華2，邱兆文1，王宏圖3

（1.長安大學(xué)汽車學(xué)院，陜西 西安 710064；2.北京交通大學(xué)交通運(yùn)輸學(xué)院，北京 100044；3.長春市城鄉(xiāng)規(guī)劃設(shè)計研究院，吉林 長春 130033）

根據(jù)浮動車檢測技術(shù)可針對單車采集，所收集數(shù)據(jù)中的平均速度按照采樣間隔連續(xù)的特點，利用道路實測數(shù)據(jù)建立了面向其應(yīng)用的輕型車尾氣排放實時測算模型.模型中引入平均速度增量（ASI）指標(biāo)對平均速度進(jìn)行細(xì)分，并以其來反映相同平均速度下的排放變化.結(jié)果表明，與實測數(shù)據(jù)相比，模型對CO2的計算誤差在10%以內(nèi)；NOx、HC和CO的計算誤差在15%以內(nèi).同時提出了模型使用方法，可以實現(xiàn)對路網(wǎng)中交通尾氣污染的實時測算和動態(tài)評估.

機(jī)動車排放；實時測算；浮動車；平均速度增量

對交通尾氣排放進(jìn)行實時測算和動態(tài)顯示能夠幫助環(huán)境管理者及時掌握區(qū)域機(jī)動車尾氣污染狀況和快速發(fā)現(xiàn)重污染點段，并盡快制定出合理的管控策略；同時也能夠為居民的日常出行提供參考.而要實現(xiàn)該目的，則需要路網(wǎng)中不同路段的實時交通數(shù)據(jù)和與之相配套的機(jī)動車排放實時測算模型.

開展尾氣排放測算的交通數(shù)據(jù)包括路段車流量和車速2個參數(shù)，目前廣泛使用的微波和線圈檢測技術(shù)可以實時獲取上述信息；但這2種技術(shù)均基于固定點采集，獲得的車速參數(shù)為斷面平均速度而非行程速度［1］，與排放測算需要的行程速度不匹配.浮動車數(shù)據(jù)（FCD）采集技術(shù)具有路網(wǎng)覆蓋范圍廣并且實時采集的特點，能夠得到單個浮動車的行程速度［2］，因此在路網(wǎng)實時運(yùn)行狀態(tài)評估和交通事件檢測［3-4］等方面得到了廣泛應(yīng)用；如將其與機(jī)動車排放模型相結(jié)合，則使得實時測算路網(wǎng)交通尾氣污染成為可能.

在機(jī)動車排放測算模型方面，目前國外已經(jīng)開發(fā)了多個排放模型，如歐洲的COPERT模型，美國的MOBILE模型、IVE模型和MOVES模型等［5］；但這些模型內(nèi)嵌的排放數(shù)據(jù)均來自本國的實車測試，由于車輛技術(shù)狀況和測試標(biāo)準(zhǔn)不同，將其用于我國時會產(chǎn)生一定的誤差［6］.此外一些學(xué)者也基于國內(nèi)實測數(shù)據(jù)開發(fā)了多個排放模型，如楊方［7］以機(jī)動車比功率（VSP）、速度和加速度作為影響參數(shù)建立了輕型車排放模型MEM-P；王云鵬等［8］以速度作為自變量，運(yùn)用多項式擬合建立了單車實際道路尾氣模型；劉歡［9］建立了以VSP為變量的柴油車排放模型；郭棟等［10］選取速度、加速度作為輸入?yún)?shù)，分別采用回歸和神經(jīng)網(wǎng)絡(luò)法建立了輕型車排放模型.

國內(nèi)所建排放模型的共同特點是主要考慮了車輛行駛對尾氣排放的影響，所需輸入?yún)?shù)均為逐秒速度，或需要由逐秒速度直接轉(zhuǎn)化而來.但是由于通信成本和數(shù)據(jù)處理量的限制，F(xiàn)CD的采集頻率大多不是逐秒［11］，最終得到的行程速度為采樣時間內(nèi)的平均值，無法同現(xiàn)有排放模型銜接.雖然逐秒速度比平均速度能夠更全面的反映車輛微觀的行駛變化，但是由于目前無法獲得大范圍路網(wǎng)中行駛車輛的逐秒速度，使得這些模型應(yīng)用于路網(wǎng)交通尾氣污染實時測算時受到限制.而FCD具有較高的時空分辨率，是現(xiàn)有技術(shù)條件下實時獲取大范圍路網(wǎng)中車輛行駛數(shù)據(jù)的一種較好手段.基于此，本文充分考慮FCD的采集、處理原理和字段特征，建立面向其應(yīng)用的機(jī)動車排放模型，從而實現(xiàn)對交通尾氣污染的實時測算和動態(tài)評估.

1 研究方法

1.1 浮動車數(shù)據(jù)字段特征

從數(shù)據(jù)采集和處理角度，F(xiàn)CD可分為原始數(shù)據(jù)和處理數(shù)據(jù)兩類.其中FCD原始數(shù)據(jù)直接由GPS設(shè)備獲得，數(shù)據(jù)字段包括浮動車編號、記錄日期和時間、瞬時速度和經(jīng)緯度信息等；由于采樣間隔較大，車輛的瞬時速度并不是逐秒連續(xù)的.之后將原始數(shù)據(jù)按照經(jīng)緯度進(jìn)行地圖匹配，并進(jìn)行一系列運(yùn)算后得到FCD處理數(shù)據(jù)［12］；最終得到的數(shù)據(jù)字段包括浮動車編號、記錄日期和時間、路段編號、平均速度、行駛比例等；其中路段編號指采樣時段內(nèi)浮動車所經(jīng)過路段的編號；平均速度指采樣時段內(nèi)浮動車的平均行程速度；行駛比例表示采樣時段內(nèi)浮動車行駛距離占該路段長度的比例.

由于FCD并不是逐秒采集，因此無法滿足現(xiàn)有模型的輸入需求.另一方面，該技術(shù)實現(xiàn)了針對單車進(jìn)行實時跟蹤采集，所得交通信息雖然逐秒不連續(xù)，但卻按照固定采樣間隔存在連續(xù)性；本文即基于該特點開展后續(xù)的建模研究.

1.2 實測數(shù)據(jù)處理與分析

由于FCD只有平均速度，缺乏對應(yīng)的排放數(shù)據(jù)，因此本文利用車載檢測技術(shù)［7］進(jìn)行了30輛輕型車的行駛和排放數(shù)據(jù)收集；車型均為輕型汽油電噴車，其中國I車13輛，國II車7輛，國III車10輛.收集基于道路實測，采樣頻率為逐秒，原始數(shù)據(jù)字段包含車輛逐秒的速度、加速度、經(jīng)緯度和對應(yīng)的排放信息.

1.2.1 數(shù)據(jù)處理 為了與FCD相匹配，需要將實測數(shù)據(jù)按照一定的時間間隔劃分行駛片段，具體如圖1所示.之后再對該片段內(nèi)的逐秒數(shù)據(jù)進(jìn)行集計，最終得到與FCD一致的平均速度和對應(yīng)的平均排放.此外還需對同一輛車的數(shù)據(jù)按照時間先后進(jìn)行編號，以保持?jǐn)?shù)據(jù)的連續(xù)性.

對于時間間隔的選取，何兆成等［12］認(rèn)為只有采樣時間間隔不大于60s，車輛才有可能在同一個路段上留下至少2個定位點，以保證單一浮動車平均速度的計算精度.因此，本文以1min間隔來劃分行駛片段.

圖1 行駛片段劃分Fig.1 Driving segment division

1.2.2 數(shù)據(jù)分析 （1）平均速度增量：由于車輛行駛的持續(xù)性和延續(xù)性，各個行駛片段并不是獨立的.對于某輛車來說，其前一片段中的行駛狀態(tài)會直接影響到當(dāng)前片段的行駛情況.以此類推，當(dāng)前片段的行駛狀態(tài)也會影響到下一片段的行駛；而通過逆向思維，可以認(rèn)為下一片段的行駛狀態(tài)可以反向表征當(dāng)前片段的行駛特征.

基于此，為了更好的區(qū)分相同平均速度下車輛的行駛特征和排放差異，本文提出平均速度增量（ASI）的概念.其中前平均速度增量（Fore_ASI，F(xiàn)ASI）指當(dāng)前行駛片段i同其前一行駛片段i-1的平均速度之差；后平均速度增量（Post_ASI，PASI）指下一行駛片段i+1同當(dāng)前行駛片段i的平均速度之差，單位均為km/h.最終根據(jù)FASI和PASI為正或負(fù)，將相同平均速度下的行駛片段分為以下4類：

①前正后正：FASI＞0且PASI＞0；

②前負(fù)后負(fù)：FASI≤0且PASI≤0；

③前負(fù)后正：FASI≤0且PASI＞0；

④前正后負(fù)：FASI＞0且PASI≤0.

（2） 不同ASI條件下排放比較：為了分析相同平均速度、不同ASI條件下車輛的平均排放是否存在差異，隨機(jī)挑選一輛測試車，以CO2為例進(jìn)行對比分析，如圖2所示.該圖所選4個行駛片段的平均速度均在30～32km/h之間，而其對應(yīng)的CO2平均排放卻高低不同；其中FASI≤0且PASI≤0條件下最低，F(xiàn)ASI＞0且PASI＞0條件下最高，其余兩種情況的排放居于中間；而FASI≤0且PASI＞0條件下的排放又稍高于FASI＞0且PASI≤0條件.由此可以看出采用ASI進(jìn)行相同平均速度下車輛行駛狀態(tài)的細(xì)分可以較好的反映出對應(yīng)平均排放的變化.

圖2 不同ASI條件下排放比較Fig.2 Comparison of average emissions under different ASI conditions? FASI＜0，PASI＜0?FASI＜0，PASI＞0FASI＞0，PASI＜0 ?FASI＞0，PASI＞0

2 模型建立與驗證

2.1 建模方法

首先將數(shù)據(jù)分為建模和模型驗證兩部分，各自的樣本量見表1.考慮到快速路和非快速路上車輛的行駛狀態(tài)有著本質(zhì)的不同，本文將行駛片段按照道路類型分為2類，之后再按照ASI條件進(jìn)一步細(xì)分為4類.最后選取平均速度、FAS和PASI為自變量，采用逐步回歸的最小二乘估計建立模型，所考慮的污染物包括NOx、HC、CO和CO2.

表1 行駛片段樣本量Table 1 Data Sample Sizes of Driving Segment

統(tǒng)計建模按照所采用的數(shù)據(jù)可分為2種，第1種直接采用散點數(shù)據(jù)建模；第2種則將散點數(shù)據(jù)按照一定區(qū)間集計平均后，再基于平均值建模.考慮到散點數(shù)據(jù)所包含的信息更為全面，本文采用第一種方法.此外由于各污染物的平均排放率絕對值較小，為了保證所建立模型的計算值非負(fù)，本文采用指數(shù)模型形式，如下式所示.

式中：Ave_ERi為i種污染物的平均排放率，g/s； β0～β6為回歸系數(shù)，無量綱；v為平均速度，km/h； FASI和PASI分別為當(dāng)前行駛片段的前平均速度增量和后平均速度增量，km/h.

2.2 模型建立

建模過程中需要對所建模型進(jìn)行各項檢驗，包括擬合優(yōu)度檢驗、顯著性檢驗和基本假設(shè)檢驗.檢驗中發(fā)現(xiàn)與存在一定的共線性，但考慮到對于僅用于預(yù)測的模型，只要保證自變量相關(guān)類型在預(yù)測期間保持不變，即使存在共線性也可獲得較好的預(yù)測效果［13］；因此當(dāng)增加的自變量對模型的調(diào)整復(fù)決定系數(shù)提高很大時（大于0.01），即使存在共線性，仍選擇保留該自變量.當(dāng)模型存在異方差時，則進(jìn)一步采用加權(quán)最小二乘估計進(jìn)行改進(jìn)［14］.最終得到輕型車在快速路和非快速路上的排放模型如表2和表3所示.

2.3 模型驗證

利用預(yù)留的非建模實測數(shù)據(jù)來分析所建立模型的計算精度.由于模型的開發(fā)目的并不是用于單車，而是對路段上的車隊排放進(jìn)行計算，因此采用的驗證數(shù)據(jù)是隨機(jī)挑選的多個車輛的數(shù)據(jù).此外考慮到目前對交通尾氣污染進(jìn)行評估時所采用的時間分辨率最高一般為小時，而1h內(nèi)固定路段上的平均速度變化范圍一般在10km/h左右；因此首先將行駛片段以10km/h為步長進(jìn)行區(qū)間劃分，進(jìn)而分析不同平均速度區(qū)間下的模型計算精度，具體如表4和表5所示.可以看出，CO2排放計算誤差基本控制在10%以內(nèi)；而CO排放受到三元催化器的影響，計算精度有所下降，但誤差也基本控制在15%以內(nèi)，NOx和HC的計算誤差與CO類似.因此可以認(rèn)為本文所建立的排放模型具有較好的計算精度.

表2 輕型車-快速路模型Table 2 Emission models for light duty vehicles on expressways

表3 輕型車-非快速路模型Table 3 Emission models for light duty vehicles on non-expressways

表4 輕型車快速路模型計算精度Table 4 Calculation accuracy - light duty vehicles on expressways

表5 輕型車非快速路模型計算精度Table 5 Calculation accuracy - light duty vehicles on non-expressways

3 模型應(yīng)用

本文所建立模型直接以FCD中的平均速度作為輸入，由于FCD采集的實時性，可以實現(xiàn)對路網(wǎng)交通尾氣污染的實時測算和動態(tài)評估；同時由于FCD覆蓋路網(wǎng)范圍很大，還可以依托其建立高時空分辨率的機(jī)動車排放清單，對區(qū)域交通尾氣污染進(jìn)行時空分布研究.需要說明的是，本文所建模型適用于對路網(wǎng)中不同路段上車隊整體排放的測算，并不適用于針對單車的逐秒排放測算.模型應(yīng)用如下式所示：

式中： EIj為路段j上的尾氣排放強(qiáng)度，kg/km；EFij為路段j上車型i的排放因子，g/（km·車）；TVij為分析時段內(nèi)路段j上車型i的交通流量，輛；n為車型分類數(shù).

式中：ERijk為路段j上浮動車k的平均排放率，g/s；Tijk為浮動車k在路段j上的行駛時間，s；Dijk為浮動車k在路段j上的行駛距離，km；m為分析時段內(nèi)路段j上通過的浮動車數(shù)量，輛.

下面應(yīng)用所建立的模型對北京市北四環(huán)學(xué)院橋-健翔橋之間路段的交通尾氣污染時變規(guī)律進(jìn)行分析，選取時間為某工作日早6：00至晚22：00，選取的污染物為NOx、HC和CO.下面概述其計算步驟：

1） 根據(jù)路段編號篩選出研究路段上的FCD，并通過浮動車編號和記錄時間尋找相鄰的行駛片段，分別計算出FASI和PASI；

2） 依據(jù)公式（3）計算分車型排放因子，其中ERijk由模型計算得到，Tijk和Dijk由行駛比例字段結(jié)合路段長度和平均速度計算得到；分析時間間隔設(shè)為1h，即m為1h內(nèi)研究路段上通過的浮動車總數(shù)；此外案例將車輛分為輕型車和重型車兩種，由于數(shù)據(jù)有限，本文未對重型車進(jìn)行排放建模，故參考《在用車綜合排放因子表》［15］按照一定的比例系數(shù)基于輕型車排放因子折算得到.

3） 依據(jù)公式（2）計算研究路段上各小時的交通尾氣排放強(qiáng)度，其中各車型交通流量由安置在研究路段的微波檢測器自動檢測得到.

圖3 分析路段上3種污染物的時變規(guī)律Fig.3 Temporal changes of emissions on the analytical road

最終的計算結(jié)果如圖3所示.可以看出，該路段上污染物的排放強(qiáng)度在時間上均呈現(xiàn)雙峰變化規(guī)律，這與城市中的日常交通出行規(guī)律相近；其中第1個尾氣污染高峰范圍較寬，包含7：00-10：00共3h；而第2個高峰范圍較窄，基本只包含17：00～18：00的1h.此外從交通流向來看，同一時段內(nèi)環(huán)和外環(huán)NOx的排放強(qiáng)度相差不大；而HC和CO的排放強(qiáng)度則上午是外環(huán)高于內(nèi)環(huán)，下午是內(nèi)環(huán)高于外環(huán).

由于時間和成本限制，建模時采用的排放數(shù)據(jù)覆蓋車型有限，后續(xù)會繼續(xù)開展不同類型車輛的排放測試，以對模型進(jìn)行完善和擴(kuò)展.

4 結(jié)論

4.1 機(jī)動車在相同平均速度下的行駛狀態(tài)存在一定差異，進(jìn)而影響到尾氣排放.本文通過引入平均速度增量指標(biāo)，并按照道路類型進(jìn)行分類，能夠較好的反映出相同平均速度下車輛的排放差異；這也有助于提高所建立排放模型的計算精度.

4.2 利用道路實測數(shù)據(jù)建立了面向FCD應(yīng)用的輕型車尾氣排放測算模型，實現(xiàn)了對路網(wǎng)中交通尾氣污染的實時測算和動態(tài)評估.模型中采用的平均速度為1min平均值，能夠更好的反映出行駛狀態(tài)對尾氣排放的細(xì)微影響；驗證結(jié)果表明：所建立模型對 CO2的計算誤差在10%以內(nèi)；NOx、HC和CO的計算誤差在15%以內(nèi).

4.3 提出了針對路網(wǎng)交通尾氣污染開展實時測算和評估的模型應(yīng)用方法，并對北京市典型路段的交通尾氣污染時變規(guī)律進(jìn)行了分析.分析結(jié)果表明：該路段污染物排放強(qiáng)度在時間上呈雙峰變化規(guī)律，與城市中的日常交通出行規(guī)律相近；從交通流向來看，同一時段內(nèi)環(huán)和外環(huán)NOx排放強(qiáng)度相差不大；而HC和CO排放強(qiáng)度則上午是外環(huán)高于內(nèi)環(huán)，下午是內(nèi)環(huán)高于外環(huán).

［1］鄭建湖，王明華.動態(tài)交通信息采集技術(shù)比較分析 ［J］. 交通標(biāo)準(zhǔn)化， 2009，10（4）：42-47.

［2］姜桂艷，常安德，吳超騰.基于GPS浮動車的交通信息采集方法［J］. 吉林大學(xué)學(xué)報（工學(xué)版）， 2010，40（4）：971-975.

［3］翁劍成，周 翔，翟雅嶠，等.浮動車數(shù)據(jù)在城市宏觀交通特性研究中的應(yīng)用 ［J］. 武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版），2008，32（5）：806-809.

［4］余 柳，于 雷，戚 懿，等.基于浮動車數(shù)據(jù)的城市快速路交通事件檢測算法研究 ［J］. 交通運(yùn)輸系統(tǒng)工程與信息， 2008， 8（4）：36-41.

［5］馬因韜，劉啟漢，雷國強(qiáng)，等.機(jī)動車排放模型的應(yīng)用及其適用性比較 ［J］. 北京大學(xué)學(xué)報：自然科學(xué)版， 2008，44（2）：308-316.

［6］王岐東，霍 紅，姚志良，等.基于工況的城市機(jī)動車排放模型DCMEM的開發(fā) ［J］. 環(huán)境科學(xué)， 2008，29（11）：3285-390.

［7］楊 方.基于PEMS的輕型車熱穩(wěn)狀態(tài)下微觀尾氣排放模型［D］. 北京：北京交通大學(xué)， 2005.

［8］王云鵬，沙學(xué)鋒，李世武，等.城市道路車輛排放測試與模擬 ［J］.中國公路學(xué)報， 2006，19（5）：88-92.

［9］Liu H， He K B， Lents J. A methodology for developing a micro-emission model based on on-board heavy duty truck tests in China ［C］//87th Transportation Research Board Annual Meeting CD-ROM， Washington， D.C.， USA， 2008.

［10］郭 棟，高 松，王曉原，等.輕型車微觀排放模型的建立與比較分析 ［J］. 中南大學(xué)學(xué)報（自然科學(xué)版）， 2012，43（10）：4123-4128.

［11］吳世全.基于浮動車數(shù)據(jù)交通參數(shù)提取技術(shù)探討 ［J］. 測繪與空間地理信息， 2013，36（7）：133-136.

［12］何兆成，盧瑞琪，聶佩林.基于浮動車定位數(shù)據(jù)的高速公路區(qū)間平均速度估計 ［J］. 公路交通科技， 2011，28（6）：128-135.

［13］賈俊平，何曉群，金勇進(jìn).統(tǒng)計學(xué) ［M］. 北京：中國人民大學(xué)出版社， 2009.

［14］何曉群，劉文卿.應(yīng)用回歸分析 ［M］. 北京：中國人民大學(xué)出版社， 2001.

［15］環(huán)境保護(hù)部機(jī)動車排污監(jiān)控中心.關(guān)于機(jī)動車排放因子的通知［EB/OL］. http：//www.vecc-sepa.org.cn/index/1212ningjie/yinzi. htm， 2006.

Real-time calculation model for vehicle emissions based on floating car data.

HAO Yan-zhao1*， SONG Guo-hua2，QIU Zhao-wen1， WANG Hong-tu3
（1.School of Automobile， Chang'an University， Xi'an 710064， China；2.School of Traffic and Transportation， Beijing Jiaotong University， Beijing 100044， China；3.Changchun Institute of Urban Planning and Design， Changchun 130033， China）.

China Environmental Science， 2015，35（2）：396～402

Floating car detection technology can collect data for single car， and the average speed in the data is continuous according to constant sampling interval. In view of this feature， a real-time emission model for light duty vehicles was established using road test data. In the process of modeling， one parameter of average speed increment （ASI） was applied to classify the average speed， and reflect emission changes under the same average speed. Compared with the test values，the calculation errors of the model are less than 10% for CO2， and are less than 15% for NOx， HC and CO. Further， a model application method was proposed， which can calculate the traffic exhaust pollutions in real time.

vehicle emissions；real-time calculation；floating car；average speed increment

X511

A

1000-6923（2015）02-0396-07

郝艷召（1981-），男，河北石家莊人，長安大學(xué)汽車學(xué)院講師，博士，主要從事交通環(huán)境管理與控制研究.發(fā)表論文20余篇.

2014-05-28

國家自然科學(xué)基金（51208033，51478045）；陜西省科技統(tǒng)籌創(chuàng)新工程項目（2012KTZB03-01）；中央高?；究蒲袠I(yè)務(wù)費專項資金（0009-2014G1221022）

* 責(zé)任作者， 講師， haoyz@chd.edu.cn