应用IVE模型计算上海市机动车污染物排放

为了解上海市机动车污染现状,建立上海市机动车源排放清单,分别选择上海市中心城区、商业区和收入相对较低区域中的主干道、快速道和次干道3种共9条典型道路,开展机动车技术水平参数、比功率(VSP)分布状况、启动状况等测试,并在此基础上将InternationalVehicleEmission(IVE)模型本地化.调查结果表明,上海市区实际道路上轻型客车、出租车、公交巴士、卡车和摩托车(包含助动车)分别占道路总车流量的41.0%、30.8%、15.6%、6.9%和5.7%;从技术组成看,约85%的轻型客车和97%的出租车均安装有三元催化装置,约30%的公交巴士和90%的卡车没有达到欧I标准;机动车的VSP分布主要集中在-2.9～1.2kW·t-1.模式计算结果表明,2004年上海市机动车CO、VOC、NOx和PM排放量分别为57.06×104t、7.75×104t、9.20×104t和0.26×104t;20%的高排放车对总排放量的贡献占到25%～45%;启动过程中排放的CO、VOC和PM占总排放量的15%～25%,NOx仅占总排放量的4.5%.

重型柴油车实际道路排放与行驶工况的相关性研究

采用SEMTECH-D车载排放测试仪测量了东风柴油卡车在城市实际道路工况以及等速和加速工况下的油耗及污染物排放状况．测试结果显示，测试卡车实际道路综合百公里油耗为17．8L，NOx、CO和Hc排放因子分别为3．96、8．86和2．15g ·km^-1．其中主干道路况相对较差，油耗与排放因子较高，是所有测试道路平均水平的1．3-1．8倍左右．研究结果表明，重型车油耗及污染物排放与各行驶工况下的速度、加速度均密切相关，车辆在高速加速行驶状态下易产生高排放．车辆在30～50km·h^-1速度区间内等速行驶时。油耗与排放因子最为经济且环境友好．车辆在加速行驶时，油耗与NOx、CO排放因子可达到城市实际道路平均水平的2．0、2．2、1．4倍，急加速时达到2．8、2．1、14倍．应用比功率概念可准确描述车辆在各运行工况下的排放水平，但在重型车上缺乏实验依据，有待进一步研究．

公交柴油车道路排放特征的实测研究初探

利用GPS和SEMTECH—D车载排放测试仪测量了上海市公交车行驶工况和公交柴油车在市区道路上的排放状况．该研究共获得193400组公交车行驶工况数据，累计测量里程820km，排放数据75420个．测量结果显示，上海市公交车平均车行速度14km·h^-1，最高车速为60km·h^-1；市区公交车平均车行速度14km·h^-1，最高车速小于60km·h^-1，市区公交车的怠速时间比在25％以上．被测公交柴油车的CO、THC和NOx平均里程排放因子为（3．41±0．86）、（1．95±0．47）和（4．56±0．99）g·km^-1，与陈长虹等人2005年提供的卡车3和卡车5的排放状况相近．测量结果还显示，被测车辆进出站时单位里程排放量是正常行驶条件下的10倍．此外，在交通高峰期或拥堵期，车行速度降低至0—5km·h^-1时，被测公交柴油车的CO、THC和NOx平均里程排放因子升高至17．49、6．68和15．85g·km^-1，是平均车速时候的5．13倍、3．4倍和3．48倍，车辆排放污染将明显加剧。测量结果说明，加强城市交通管理，减少车辆拥堵，不仅可以提高公交车运行效率，而且也是降低公交车污染的有效措施。

重型柴油车车载排放实测与加载影响研究

采用车载排放测试仪，对2辆重型柴油卡车在空载和加载条件下进行实际道路车载排放测试．通过分析获得了油耗与排放速率的速度一加速度及其工况点的分布，发现高油耗与高排放工况点主要集中在高速加速区域，加载时油耗与排放高值随工况点分布更广；车辆在（30±2．5）km·h^-1等速及加速行驶时受加载影响最大，此时加载油耗与排放约是空载的1．6～3．2倍左右；由实测结果发现，卡车Ⅰ和卡车Ⅱ加载时油耗及CO、HC、NO，排放因子分别是空载的1．6倍、3．5倍、1．1倍、1．5倍以及1．2倍、1．0倍、0．9倍和1．5倍，加载对油耗与NO，排放影响最为明显，对HC影响最小，CO影响取决于车辆保养水平；卡车Ⅱ较卡车Ⅰ车型更大，发动机功率更高，相同荷载时受加载影响较小，说明重型车在发动机负荷可承受的范围内合理装载，有助于避免油耗与排放恶化，提高燃油经济性和排放水平．

交通拥堵与温室气体排放

缓解拥堵项目可减少温室气体排放,但基于单个变量(如仅基于出行距离)的CO2排放预测并不精确。为了准确预测缓堵项目减少的CO2排放量,利用车辆运行检测技术、车辆活动数据库及根据车辆类型设计的排放模型,通过分析速度与排放的关系绘制速度-排放曲线,并结合交通运行检测数据,评价缓堵策略、速度管理策略、交通平滑策略等交通运行管理技术在CO2减排方面的作用。以南加州某高速公路为例进行的研究显示,上述三项交通管理策略中任何一项都可减少7%～12%的CO2排放量;三条策略同时使用可减少大约30%的CO2排放量。

智能网联汽车协同生态驾驶策略综述

为了跟踪近年来智能网联汽车(CAV)协同生态驾驶策略的研究进展,分析了车辆、驾驶行为、交通网络和社会这4类因素对CAV能耗的影响程度,以车辆、基础设施和旅行者为对象对目前CAV生态研究进行分类,重点分析了信号交叉口生态驶入与离开、生态协同自适应巡航控制、匝道合流区生态协同驾驶、生态协同换道轨迹规划和生态路由5种典型车辆协同生态驾驶应用场景的研究现状。分析结果表明:相比人类驾驶方式,在任何交通流量CAV 100%渗透率的条件下和低交通流量CAV部分渗透率的条件下,CAV油耗节省效果显著,最高可达63%,而具有部分智能化和网联化等级的CAV油耗可至少节省7%;现有研究较少考虑人机共驾情况下,驾驶人反应延迟和自动控制器传输延迟导致的轨迹跟踪偏离;现有研究将车车通信/车路通信假定为理想数据交互过程,未考虑通信拓扑、传输时延、通信失效与基站切换等因素对CAV生态协同驾驶策略的影响;现有研究较少探讨多车道、交叉口转向-直行共用车道和U型车道等交通场景,以及不同智能网联等级CAV与人类驾驶汽车、行人、自行车等共存的混合交通条件下的生态驾驶策略;受限于自动驾驶技术和基础设施尚未成熟和完善,真实交通场景下的测试验证工作尚未开展;车辆控制、车车通信、多车协同、混合交通流场景、半实物仿真测试和真实交通场景测试等方面将是CAV协同生态驾驶策略的进一步发展方向。