宋 彬，葛蕴珊，尹 航，杨正军，王 欣，谭建伟

(1.北京理工大学机械与车辆学院，北京 100081； 2.北京电动车辆协同创新中心，北京 100081；3.中国环境科学研究院，北京 100012)

前言

随着汽车工业的快速发展，我国机动车保有量迅猛增长，截至2015年底，全国机动车保有量达2.79亿辆，其中汽车1.72亿辆__[1]，汽车保有量的快速增加给我国能源与环境带来巨大压力。面对汽车排放产生的严重环境污染，各国的排放法规不断加严[2]，我国于2016年12月23日正式发布《轻型汽车污染物排放限值及测量方法(中国第六阶段)》排放法规，其中规定进行实际行驶污染物排放实验RDE(Ⅱ型实验)作为实验室测试程序的补充，用来评估汽车在实际道路上的排放情况。

RDE测试规程最早由欧盟联合研究中心(joint research center，JRC)提出，用便携式车载排放测试系统(portable emissions measurement systems，PEMS)进行RDE测试能够覆盖更宽广的驾驶条件和环境条件从而更能代表车辆在实际道路复杂交通环境下的真实排放水平[3-5]。但在使用PEMS进行测量时车辆的排放水平受道路交通情况、驾驶员的驾驶行为、环境天气等条件影响较大[6-7]，为使RDE测试程序具有较强的规范性和可操作性，法规制定者提出了RDE测试的一系列测试要求和边界条件。针对RDE测试中不断发现的新问题，目前欧盟RDE测试法规仍然在不断地发展和完善中。

驾驶员的驾驶行为和车辆的行程动力学特性对排放结果影响很大[8-9]，国六法规中规定RDE实验需进行行程动力学校验，以评价RDE实验测试中是否存在过于温和或者过于激进的驾驶行为。由于RDE实验没有固定的驾驶循环，实验结果不具有重复性，满足动力学校验的不同RDE驾驶循环的实验结果仍然可能存在较大的差异。为评价行程动力学参数对RDE实验结果的影响，本文中选择典型实验车辆，按不同驾驶行为进行多次RDE实验，研究了NOx，CO和PN 3种污染物随v·apos-[95](车速与大于0.1m/s2正加速度乘积的95百分位)和RPA(相对正加速度)的变化关系。

1 实验方案

1.1 实验设备与测试车辆

1.1.1 实验设备

实验使用Horiba公司的OBS-ONE便携式车载排放测试系统，该系统主要由有气体(GAS)分析模块、颗粒数量(PN)分析模块和排气流量计3大部分组成，另有全球定位系统(GPS)、气象站(温湿度)和OBD通信设备等附件。采用不分光红外法(NDIR)测定CO和CO2浓度，采用化学发光探测法(CLD)测定NOx浓度，使用凝结粒子计数器(CPC)测定颗粒物数量。排气流量计采用皮托管原理测量排气流量，GPS和气象站可提供测试车辆的行驶速度和海拔高度、空气温度和湿度等信息。PEMS设备在被测车辆上的安装见图1。

1.1.2 实验车辆

选取车辆为满足国五排放法规的汽油直喷车，后处理使用三效催化转化器(TWC)。测试车辆的主要技术参数如表1所示。

图1 PEMS安装示意图

表1 测试车辆主要技术参数

1.2 实验路线与行程信息

1.2.1 实验路线

根据RDE测试规程，为尽可能覆盖各种行驶工况，实验车辆依次在市区、市郊和高速公路3种道路上连续行驶，每个速度区间至少行驶16km，实验总时间在90～120min之间。实验在北京市大兴区和通州区进行，GPS记录的实际行驶路线见图2，包含了市区(亦庄经济开发区)、市郊(六环路至京津高速)、高速公路(京津高速至六环路)3种工况，行驶方向用箭头标识。行驶路线的选择符合RDE实验要求。

1.2.2 行程信息

将6次RDE实验按照Test1～Test6进行编号，实验的行程信息如表2所示。

2 RDE计算与行程评估

2.1 移动平均窗口法计算

2.1.1 数据预处理

根据RDE实验法规要求，计算轻型车的排放量首先对实验过程中记录的污染物浓度、排气质量流量、车速和其他瞬态数据记录进行时间校正。经时间校正后进行冷起动判定和发动机熄火判定，在后续的数据处理过程中，按照移动平均窗口法计算要求，冷起动和停车数据都被剔除。

图2 RDE实验线路图

表2 6次RDE实验行程信息

2.1.2 窗口划分与计算

移动平均窗口法是一种分析实际行驶污染物排放(RDE)的方法，该方法将实验结果分为若干个数据子集(不同窗口)并用统计数据处理方法识别有效的RDE窗口。按照车辆WLTC工况循环的CO2排放总量的一半作为参考基准进行窗口的划分，按照窗口的平均速度将窗口分为市区窗口、郊区窗口和高速窗口3种类型。市区窗口的车辆平均地面速度小于45km/h，市郊窗口的车辆平均速度等于或大于45km/h且小于80km/h，高速窗口的车辆平均速度等于或大于80km/h。

基于各窗口的数据，可得到3个速度区间污染物排放量的均值，按照市区0.34、市郊0.33和高速公路0.33的系数进行加权计算，最终得到总行程的各污染物排放量。

2.1.3 窗口完整性与正常性判断

RDE法规规定使用移动平均窗口法计算时应对窗口的正常性和完整性进行验证。完整性验证要求市区、市郊、高速各路段的窗口数量应大于总窗口数量的15%，6次RDE实验的完整性均通过要求。移动平均窗口法的计算中，需要用“车辆CO2特性曲线”进行窗口正常性的评估，车辆CO2特性曲线如图3所示，图中不规则曲线由RDE测试取得CO2窗口在坐标轴中所对应的点组成，P1，P2和P3点的参数由该车WLTC循环低速段、高速段、超高速段的平均车速和CO2排放因子确定，3点相连即组成该车的CO2特性曲线。窗口平均速度以45和80km/h为界限，分为市区、市郊和高速公路。车辆CO2特性曲线的基本公差和扩展公差分别定义为：tol1＝25%和tol2＝50%。

图3 CO2特性曲线图

RDE实验规程要求当50%以上的市区、市郊和高速窗口落在特性曲线所定义的基本公差范围内时，则可判断结果正常。如果不满足上述50%的最低要求可以按照1%的步长增加上限tol1的范围，直到满足50%的窗口要求为止。但使用这种方法时，tol1最终不可以超过50%。窗口正常性验证如表3所示，扩展后窗口正常性均通过验证。

表3 CO 2窗口正常性

2.2 行程动力学参数校验

国六轻型车法规规定RDE实验需要进行行程动力学特性校验，用来确定市区、市郊和高速路段行驶过程中的全部动力学特性是否过度或不足。行程动力学特性校验的核心在于两个参数：v·apos-[95]和RPA(相对正加速度，m/s2)，按照每秒瞬时速度划分的3个速度集合(市区、市郊和高速公路)均需分别满足两个参数的验证，RDE行程才有效。其中验证v·apos-[95]的目的是限制驾驶不能过于激进，验证RPA的目的是保证驾驶不能太过温和。

RDE法规规定基于车速大于3km/h，精度达到0.1%，采样频率达到1Hz以上的速度信号计算加速度、apos(大于0.1m/s2的正加速度)和RPA等行程动力学参数。本实验过程中PEMS采集信号满足上述精度及采样频率要求。在行程动力学参数计算时选取时间步长为1s。在进行动力学参数校验时要求每个速度组中加速度值ai≥0.1m/s2的数据集合数量不应小于150个。RDE实验中各路段ai≥0.1m/s2数据集合数量如表4所示。由表可见，RDE实验中各路段ai≥0.1m/s2的个数均高于150个，通过验证。市区工况加速度值ai≥0.1m/s2的数据集合数量一般在1 000以上，只有Test5中较少，为865个；市郊工况的加速度值ai≥0.1m/s2的数据集合数量有200～600个；高速工况加速度值ai≥0.1m/s2的数据集合数量有150～300个。

表4 RDE实验各路段ai≥0.1m/s2数据集合数量

2.2.1v·apos-[95]验证

v·apos-[95]是车速与大于0.1m/s2正加速度乘积的95百分位，用来表征行程驾驶的激烈程度。RDE实验应对每个速度组中的v·apos-[95]进行验证。

如果并且行程无效。

如果并且行程无效。

RDE实验各路段的v·apos-[95]验证结果如表5所示，可以看出6次实验各个工况v·apos-[95]的实际值均小于括号内的参考值，6次RDE实验的v·apos-[95]均通过验证。

表5 RDE实验各路段v·a pos-[95]验证

2.2.2 RPA验证

RPA(相对正加速度)用来表征行程驾驶的激烈程度，RDE实验要求对每个速度组的RPA进行验证以确定行程驾驶是否过于温和。

如果并且行程无效。

如果并且RPAk＜0.025，行程无效。

RDE实验各路段RPA验证结果如表6所示。由表可见，6次RDE实验各路段RPA的实际值均大于括号内的参考值，6次RDE实验的RPA均通过验证。

表6 RDE实验各路段RPA验证

3 实验结果

3.1 污染物排放结果

用移动平均窗口法对NOx，CO和PN排放进行计算，得到结果如图4所示。实验车辆的排放物水平低于I型实验和II型实验的限值。

由图4(a)可见，WLTC循环测试的NOx排放为28.6mg/km，低于国六a阶段60mg/km的限值。6次RDE实验中，Test1与Test2中的NOx排放水平低于10.0mg/km，Test3，Test4，Test6 居中，Test5 的 NOx排放水平最高达到了45.8mg/km。

由图4(b)可见，WLTC循环测试的CO排放为187.5mg/km，远低于国六a阶段700mg/km的限值。6次RDE实验的CO排放值均低于WLTC循环的排放值。

由图4(c)可见，WLTC循环测试的PN排放为4.04×1011个/km，低于 6.0×1011个/km 的限值。 6 次RDE实验的PN排放值均低于WLTC循环的排放值。

图4 实验车辆各污染物排放结果

RDE排放实验结果显示实验车辆的排放水平低于国六排放限值，6次RDE实验排放结果各不相同，证明了 RDE实验污染物排放结果不具有重复性。

3.2 动力学参数v·a pos-[95]对污染物排放的影响

在进行v·apos-[95]的计算时，市区工况与市郊和高速工况存在较大差别，市区工况加速度值ai≥0.1m/s2的数据点的个数在1 000左右，市郊和高速的加速度值ai≥0.1m/s2的数据点的个数在200～300左右。在进行95百分位的取值时，市区工况的v·apos-[95]值相对稳定，市郊和高速工况的v·apos-[95]值存在一定的随机性。污染物随动力学参数v·apos-[95]的变化关系如图5所示。在研究动力学参数v·apos-[95]对排放物的影响时，将市郊和高速工况合在一起进行观察。

NOx排放与v·apos-[95]的相关性明显。由图5(a)可见，在市区时NOx的每公里排放量随着v·apos-[95]的增大而增大，当v·apos-[95]的数值达到14.8m2/s3时，NOx的每公里排放量甚至超过了国六a阶段规定的NOx限值60mg/km，说明市区的激烈驾驶行为容易造成较高的NOx排放。由图5(b)可见，在市郊和高速工况时，按照NOx排放量的大小可大致分为3个等级：v·apos-[95]在11～16m2/s3时，NOx排放量在10mg/km左右；v·apos-[95]在16～23m2/s3时，NOx的排放量在25mg/km 左右；v·apos-[95]在 23～25m2/s3时，NOx的排放量在 40mg/km左右。

由图5(c)可见，市区PN的每公里排放量随着v·apos-[95]的增大大致分为3个等级：当v·apos-[95]在8m2/s3以下时，PN排放水平较低，大约在1.0×1011个/km 左右；当v·apos-[95]在 8～13m2/s3时，PN的排放在2.0×1011个/km左右；当v·apos-[95]在14～16m2/s3时，PN的排放在3.0×1011个/km左右。由图5(d)可见，在市郊和高速工况时，PN的排放大致分为4个等级：当v·apos-[95]在12m2/s3左右时，PN排放水平很低，大约为3.0×1010个/km；当v·apos-[95]在13～19m2/s3时，PN 的排放在7.0×1010个/km 左右；当v·apos-[95]在22m2/s3左右时，PN的排放大约为2.0×1011个/km；当v·apos-[95]在25m2/s3左右时，PN的排放水平较高，大约为 3.0×1011个/km。

由图5(e)和图5(f)可见，CO的排放与动力学参数v·apos-[95]没有明显相关性。CO的市区排放平均值比市郊和高速的略高，3个工况的平均值分别为156.2，115.9和92.7mg/km。

对比图5(a)与图 5(b)，v·apos-[95]同样在14m2/s3左右时，市区的NOx排放比市郊高速的NOx排放要高出几倍。因而v·apos-[95]应按照速度段进行工况分组，仅仅根据数值的大小不能很好地反映车辆的动力学状态。

为了更准确地评价RDE实验中各工况各污染物排放值与v·apos-[95]之间的相关性，使用相关系数进行评价。对污染物排放值和v·apos-[95]进行线性拟合，得出的相关系数如图5所示。由图5可见：在市区时NOx排放与v·apos-[95]的相关系数ra达到了0.933 6，两参数间有强烈的相关性；在市郊高速时，PN排放与v·apos-[95]相关系数rd达到了0.859 7，两参数间有强烈的相关性。

图5 污染物随动力学参数v·a pos-[95]的变化关系

3.3 动力学参数RPA对污染物排放的影响

污染物随动力学参数的变化关系如图6所示。由图6可见，在市区工况时，NOx排放与RPA相关性不明显，相关系数ra＝0.5211，随着RPA的加大，NOx排放呈现先降后升的趋势。由图6(b)可见，在市郊和高速工况时，NOx排放与RPA正相关性较强，相关系数rb＝0.7491。随着RPA的增大，NOx排放稳步升高，由10mg/km逐步上升到45mg/km。RPA能够较为准确地表征车辆的加速加载情况，说明在市郊和高速工况时进行加速加载时NOx排放较为恶劣。从发动机的工作状态看，市郊和高速工况时车速较高，行驶阻力较大，在进行加速加载时发动机的负荷更大，导致NOx排放明显增加。

由图6(c)可见，在市区工况时，PN排放随着RPA的增大稳步升高，PN排放与RPA呈明显的正相关性，相关系数rc＝0.8769。由图6(d)可见，在市郊和高速工况时，PN排放和RPA的正相关性也较为明显，相关系数rd＝0.7749。

由图6(e)和图6(f)可见，CO的排放与动力学参数RPA没有明显的相关性。市区和市郊/高速工况的相关系数分别为0.308 8和0.275 7。

4 建议与讨论

根据实验结果可以看出行程动力学参数v·apos-[95]和RPA对RDE实验中NOx和PN的排放结果影响明显。下面提供一种根据v·apos-[95]对NOx排放进行修正的方法。根据针对北京市轻型车工况调研时采集的60多万条速度数据进行处理，得出市区的v·apos-[95]频率分布如图7所示。可以认为，当v·apos-[95]等于10～12m2/s3时，最具有普遍性和代表意义，代表车辆在大多数行驶状况下的动力学特性，此时对NOx的修正系数为1，即不进行修正；在v·apos-[95]小于10m2/s3时，认为此时驾驶比较温和，应对此时的NOx排放进行修正，修正系数大于1；在v·apos-[95]大于12m2/s3时，认为此时驾驶比较激烈，应乘以一个小于1的修正系数进行修正。具体修正系数的确定应依赖不同车型的大量有效RDE测试的数据和统计学规律确定。同理，也可以依据动力学参数RPA与污染物的变化关系进行污染物结果的修正。对于不同工况不同动力学参数的具体修正方式需要大量的实验进行验证，本文在此提供一种可能的修正思路，具体修正方式仍有待进一步研究。

图6 污染物随动力学参数RPA的变化关系

图7 根据分布频率对NO x排放修正示意图

利用行程动力学参数对RDE实验结果进行修正，方便对不同车辆的实际道路行驶排放水平进行对比与评价，能进一步加强RDE实验的规范性。建议在法规后续的修订过程中能够考虑动力学参数对RDE实验结果的影响，并给出相应的方法进行评估。

5 结论

严格按照国六法规中的RDE实验规程使用PEMS对典型车辆进行了多次RDE实验，NOx，CO，PN的排放量进行了测量，结果表明：

(1)RDE实验结果不具备重复性，不同RDE实验结果中3种污染物的排放结果可能有较大差别；

(2)RDE实验中NOx和PN排放结果与车辆的动力学参数v·apos-[95]和RPA的相关性明显，CO的排放与车辆动力学参数之间没有明显相关性；

(3)在市区工况下，NOx排放量随动力学参数v·apos-[95]增大依次增大，且有强烈线性相关性，NOx排放量与RPA相关性较弱；PN排放量随动力学参数RPA的增大依次增大，但与v·apos-[95]的相关性较弱；

(4)在市郊和高速工况下，NOx和PN两种污染物的排放量随动力学参数v·apos-[95]和RPA的增大而增加，NOx和PN两种污染物的排放量与动力学参数有较强的线性相关性；

(5)本文中提出了一种根据动力学参数对RDE实验结果进行修正的方法，建议在RDE法规后续修订的过程中，考虑动力学参数对RDE实验结果的影响，并给出相应的方法进行评估。

参考文献

[1]中华人民共和国国家统计局.中国统计年鉴2016[M].北京：中国统计出版社，2016.

[2]JOHNSON T V.Review of vehicular emissions trends[C].SAE Paper 2015-01-0993.

[3]VLACHOST G，BONNEL P，PERUJO A，et al.In-use emissions testing with portable emissions measurement systems(PEMS)in the current and future european vehicle emissions legislation：overview，underlying principles and expected benefits[J].SAE International Journal of Commercial Vehicles，2014，7(1)：199-215.

[4]WEISSM，BONNEL P，HUMMEL R，et al.On-road emissions of light-duty vehicles in Europe[J].Environmental science＆technology，2011，45(19)：8575-8581.

[5]MAY J，BOSTEELSD，FAVRE C，et al.An assessment of emissions from light-duty vehicles using PEMS and chassis dynamometer testing[C].SAE Paper 2014-01-1581.

[6]HOLMEN B A，NIEMEIER D A.Characterizing the effects of driver variability on real-world vehicle emissions[J].Transportation Research Part D Transport＆ Environment，1998，3(2)：117-128.

[7]CHEN Y，BORKEN K J.Real-driving emissions from cars and light commercial vehicles-results from 13 years remote sensing at Zurich/CH[J].Atmospheric Environment，2014，88(5)：157-164.

[8]王爱娟，葛蕴珊，谭建伟，等.北京市出租车实际道路行驶特征与排放特性的关系研究[J].北京理工大学学报，2010，30(8)：891-894.

[9]葛蕴珊，王爱娟，王猛，等.PEMS用于城市车辆实际道路气体排放测试[J].汽车安全与节能学报，2010，1(2)：141-145.