Xây dựng chu trình lái đặc trưng cho xe buýt tại hà nội và ứng dụng trong kiểm kê phát thải

Trong thực tế ở Việt Nam hiện nay, có hai phương pháp chính để xây dựng ngân hàng hệ số phát thải, bao gồm: - 1 Dựa trên bộ dữ liệu hệ số phát thải chuẩn của thế giới đối với phương tiện

-

NGUYỄN VIẾT THÙY LINH

XÂY DỰNG CHU TRÌNH LÁI ĐẶC TRƯNG CHO XE BUÝT TẠI HÀ NỘI VÀ

ỨNG DỤNG TRONG KIỂM KÊ PHÁT THẢI

Chuyên ngành: Kỹ thuật môi trường

LUẬN VĂN THẠC SĨ KỸ THUẬT

KỸ THUẬT MÔI TRƯỜNG

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS TS NGHIÊM TRUNG DŨNG

LỜI CẢM ƠN

Tôi xin gửi lời cảm ơn chân thành nhất đến PGS.TS Nghiêm Trung Dũng đã luôn tận tình hướng dẫn cho tôi cách tư duy khoa học và tạo mọi điều kiện thuận lợi trong suốt thời gian thực hiện nghiên cứu để tôi có thể hoàn thành luận văn này

Tôi xin chân thành cảm ơn NCS Nguyễn Thị Yến Liên và ThSVũ Phạm Huyền

đã nhiệt tình giúp đỡ và chia sẻ những thông tin quý giá phục vụ cho luận văn này

Tôi xin chân thành cảm ơn tất cả các Thầy, Cô giáo thuộc Viện Khoa học và Công nghệ Môi trường – Trường Đại học Bách Khoa Hà Nội, những người đã truyền thụ không chỉ kiến thức mà còn cả nhiệt huyết cho tôi

Xin gửi lời đồng cảm ơn đến các anh chị và các bạn lớp cao học KTMT khóa 2014A đã chia sẻ trong cuộc sống và học tập để tôi có thể hoàn thành khóa học

Cuối cùng, tôi xin chân thành cảm ơn gia đình, người thân cùng tất cả bạn bè

đã luôn bên cạnh động viên và giúp đỡ để tôi có thể hoàn thành luận văn này

Học viên

Nguyễn Viết Thùy Linh

LỜI CAM ĐOAN

Tôi là Nguyễn Viết Thùy Linh, học viên cao học lớp KTMT 2014A, đã thực hiện đề tài “Xây dựng chu trình lái đặc trưng cho xe buýt tại Hà Nội và ứng dụng trong kiểm kê phát thải” dưới sự hướng dẫn của PGS.TS Nghiêm Trung Dũng và NCS Nguyễn Thị Yến Liên

Tôi xin cam đoan những kết quả nghiên cứu và thảo luận trong luận văn này

là đúng sự thật và không sao chép ở bất kỳ tài liệu nào khác

Học viên

Nguyễn Viết Thùy Linh

MỤC LỤC

LỜI CẢM ƠN i

LỜI CAM ĐOAN ii

MỤC LỤC iii

DANH MỤC BẢNG vi

DANH MỤC HÌNH vii

DANH MỤC TỪ VIẾT TẮT viii

MỞ ĐẦU 1

CHƯƠNG 1 TỔNG QUAN TÀI LIỆU 2

1.1 Hiện trạng xe buýt Hà Nội 3

1.1.1 Quy mô hệ thống xe buýt Hà Nội 3

1.1.2 Ô nhiễm môi trường không khí từ hoạt động của xe buýt Hà Nội 4

1.2 Hệ số phát thải 6

1.2.1.Khái niệm 6

1.2.2 Một số phương pháp xác định 7

1.3 Chu trình lái 9

1.3.1 Khái niệm chu trình lái 9

1.3.2 Ảnh hưởng của chu trình lái tới hệ số phát thải 11

1.3.3.Đặc tính của chu trình lái 13

1.4 Các phương pháp xây dựng chu trình lái đặc trưng 16

1.4.1 Xây dựng chu trình lái dựa trên vi hành trình (micro-trip) 17

1.4.2 Xây dựng chu trình dựa trên các phân đoạn 17

1.4.3 Xây dựng chu trình với sự phân loại đặc tính 18

1.4.4 Xây dựng chu trình dựa trên phương thức lái 19

1.5 Nghiên cứu xây dựng chu trình lái tại Việt Nam 20

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU 21

2.1 Quy trình thực hiện 21

2.1.1 Sơ đồ khối quá trình thực hiện 21

2.1.2 Phương pháp xây dựng chu trình lái đặc trưng 22

2.1.3 Giới thiệu về mô hình IVE 30

2.2 Thu thập dữ liệu 33

2.2.1 Xác định khu vực và các tuyến buýt khảo sát 33

2.2.2 Thu thập thông tin về đặc điểm kỹ thuật của phương tiện 35

2.2.3 Đếm số lượng phương tiện 35

2.2.4 Thu thập dữ liệu hành trình lái 37

2.2.5 Thu thập các dữ liệu thứ cấp 37

2.3 Phân tích dữ liệu 37

2.3.1 Dữ liệu về phương thức lái (vận tốc – thời gian) 37

2.3.2 Dữ liệu về đặc điểm kỹ thuật phương tiện 40

2.3.3 Xác định lưu lượng xe trung bình 42

2.4 Chạy mô hình tạo lập chu trình lái đặc trưng 42

2.5 Chạy mô hình IVE 42

2.6 Xác định hệ số phát thải của xe buýt 42

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN 43

3.1 Hoạt động của xe buýt Hà Nội 44

3.1.1 Đặc điểm kỹ thuật xe buýt Hà Nội 44

3.1.2 Lưu lượng xe 45

3.1.3 Sự biến động phương thức lái theo thời gian trong ngày 45

3.1.4 Phương thức lái giờ cao điểmbuổi sáng 48

3.2 Chu trình lái đặc trưng của xe buýt Hà Nội giờ cao điểm buổi sáng 50

3.2.1 Bộ thông số đặc trưng tối thiểu của chu trình lái 50

3.2.2 Chu trình lái đặc trưng 51

3.2.3 Sự phù hợp của chu trình lái xây dựng với dữ liệu lái thực tế 55

3.2.4 Đặc trưng lái của xe buýt Hà Nội giờ cao điểm buổi sáng trong tương quan so sánh với một số thành phố thuộc các quốc gia khác 57

3.3 Hệ số phát thải của xe buýt Hà Nội giờ cao điểm buổi sáng 60

3.4 Kiểm kê phát thải 62

3.4.1 Kiểm kê phát thải cho giờ cao điểm buổi sáng 62

3.4.2 Kiểm kê phát thải giờ cao điểm buổi sáng cho giai đoạn 2015 - 2020 63

TÀI LIỆU THAM KHẢO 66 PHỤ LỤC 70

DANH MỤC BẢNG

Bảng 1 1 Số lượng phương tiện và tuyến của hệ thống xe buýt Hà Nội giai đoạn

2010 - 2015 3

Bảng 1 2 Thành phần tuổi của xe buýt Hà Nội 3

Bảng 1 3 Hệ số phát thải (EF) của hệ thống xe buýt Hà Nội 5

Bảng 1 4 Tiêu hao nhiên liệu và phát thải của phương tiện được thử nghiệm (xe ô tô con)dưới các chu trình lái xác định 11

Bảng 1 5 Các thông số đặc trưng của chu trình lái 13

Bảng 2 1 Độ phân giải mặc định cho phép rời rạc hóa 23

Bảng 2 2 Các thông số đặc trưng được sử dụng trong xây dựng chu trình lái 24

Bảng 2 3 Đặc điểm kỹ thuật chu trình lái 28

Bảng 2 4 Các biến trong công thức tính tốc độ phát thải của IVE 32

Bảng 2 5 Các yếu tố điều chỉnh cho file Location trong mô hình IVE 33

Bảng 2 6 Các tuyến đường khảo sát 34

Bảng 2 7 Điểm cắt sử dụng trong tính toán RPMindex 39

Bảng 2 8 Giới hạn để xác định bin theo VSP và Engine stress 39

Bảng 2 9 Phân loại kỹ thuật dòng phương tiện 41

Bảng 3 1 Đặc điểm kỹ thuật của xe buýt Hà Nội 44

Bảng 3 2 Lưu lượng xe buýt Hà Nội giờ cao điểm buổi sáng 45

Bảng 3 3 Các thông số chu trình lái xe buýt Hà Nội giờ cao điểm buổi sáng 53

Bảng 3 4 Phân phối tần suất trạng thái gia tốc – vận tốc (%) 54

Bảng 3 5 Hệ số phát thải của xe buýt Hà Nội giờ cao điểm buổi sáng 60

Bảng 3 6 So sánh hệ số phát thải giờ cao điểm buổi sáng với nghiên cứu trước 61

Bảng 3 7 Phát thải giờ cao điểm buổi sáng của xe buýt Hà Nội 62

Bảng3.8.Một số thông tin về hoạt động của xe buýt Hà Nội giờ cao điểm buổi sáng 63

Bảng 3 9 Kiểm kê phát thải giờ cao điểm buổi sáng cho xe buýt tại Hà Nội giai đoạn 2015 – 2020 (tấn/năm) 63

DANH MỤC HÌNH

Hình 1 1 Tỷ lệ các khí gây ô nhiễm theo các nguồn phát thải chính 5

Hình 1 2 Tỷ lệ phát thải của các loại phương tiện Hà Nội 2008 - 2010 5

Hình 1 3 Hệ số phát thải (EF) ở bốn thành phố khi sử dụng mô hình IVE 6

Hình 1 4 Minh họa chu trình lái đa giác 9

Hình 1 5 Minh họa chu trình lái tức thời 10

Hình 1 6 So sánh mức độ phát thải các chất ô nhiễm của 4 chu trình lái 13

Hình 2 1 Minh họa sơ đồ hình cây từ việc phân cụm các thông số 25

Hình 2 2 Ví dụ ma trận chuyển trạng thái TPM 26

Hình 2 3 Sơ đồ quá trình tạo thành chu trình lái 28

Hình 2 4 Minh họa độ lệch phân vị từ giá trị phân vị thứ 50 của các thông số 30

Hình 2 5.Cấu trúc lõi của mô hình IVE 31

Hình 3 1 Biến thiên vận tốc trong ngày thường của các tuyến buýt Hà Nội 46

Hình 3 2 Biến thiên vận tốc trong ngày nghỉ của các tuyến buýt Hà Nội 47

Hình 3 3 Biến thiên vận tốc trong ngày của trung bình các tuyến buýt Hà Nội 47

Hình 3 4 Vận tốc giờ cao điểm buổi sáng của xe buýt Hà Nội 48

Hình 3 5 Thành phần các mức phát thải xe buýt Hà Nội 49

Hình 3 6 Đồ thị kết quả quá trình phân cụm các thông số 51

Hình 3 7 Chu trình lái đặc trưng xe buýt Hà Nội giờ cao điểm buổi sáng 51

Hình 3 8 Đồ thị gia tốc – thời gian của chu trình lái đặc trưng xe buýt Hà Nội giờ cao điểm buổi sáng 52

Hình 3 9 Phân phối trạng thái vận tốc – gia tốc của chu trình lái xe buýt Hà Nội giờ cao điểm buổi sáng 55

Hình 3 10 Độ lệch SAFD giữa chu trình lái xây dựng và dữ liệu lái thực 56

Hình 3 11 Chu trình lái xe buýt Hà Nội giờ cao điểm buổi sáng và một số chu trình lái khác trên thế giới 57

Hình 3 12 So sánh vận tốc giữa các chu trình lái 58

Hình 3 13 So sánh gia tốc giữa các chu trình lái 58

Hình 3 14 So sánh phần trăm các chế độ vận hành giữa các chu trình lái 59

Hình 3 15 So sánh thông số PKE giữa các chu trình lái 60

DANH MỤC TỪ VIẾT TẮT

AQI Air Quality Index – Chỉ số chất lượng không khí

BDC Bangkok Driving Cycle – Chu trình lái Bangkok

CNG Compressed Natural Gas – Khí thiên nhiên (nén)

CUEDC Composite Urban Emissions Drive Cycle – Chu trình lái phát thải đô

thị hỗn hợp ECE Chu trình lái của Ủy ban Kinh tế Châu Âu (Economic Commission

for Europe)

EF Emission Factor – Hệ số phát thải

EUDC Extra Urban Driving Cycle – Chu trình lái đô thị bổ sung

FTP Federal Test Procedure – Quy trình thử nghiệm liên bang

GPS Global Positioning System – Hệ thống định vị toàn cầu

IVE International Vehicle Emissions – Mô hình phát thải quốc tế cho

phương tiện cơ giới đường bộ LPG Liquefied Petroleum Gas – Khí dầu mỏ hóa lỏng

NEDC New European Driving Cycle – Chu trình lái Châu Âu mới

PCA Principal Component Analysis – Phương pháp phân tích thành phần

chính PKE Positive Kinetic Energy – Động năng dương

RSD Remote Sensing Devices – Thiết bị viễn thám

SAFD Speed - Acceleration Frequency Distribution – Phân phối tần suất vận

tốc - gia tốc TPM Transition Probability Matrix – Ma trận xác suất chuyển

US EPA United States Environmental Protection Agency – Cục bảo vệ môi

trường Mỹ VSP Vehicle Specific Power – Công suất riêng của phương tiện

MỞ ĐẦU

Phát thải từ hoạt động giao thông vận tải đường bộ chiếm một tỷ lệ đáng kể trong tổng lượng ô nhiễm không khí của các khu vực đô thị, đặc biệt là ở các quốc gia đang phát triển trong đó có Việt Nam Việc tính toán tổng lượng ô nhiễm và kiểm

kê phát thải từ hoạt động của phương tiện là một nhiệm vụ quan trọng trong quản lý chất lượng không khí đô thị Phát thải ô nhiễm cần được ước tính một cách chính xác

để đảm bảo rằng các kế hoạch kiểm soát chất lượng không khí được thiết kế và thực hiện phù hợp với tình hình thực tế

Hệ số phát thải là một công cụ khá đơn giản để ước tính lượng phát thải chất

ô nhiễm trong không khí khi có đủ các thông tin về nguồn phát thải Việc xây dựng

bộ dữ liệu hệ số phát thải cho giao thông được tiến hành từ rất sớm ở các nước phát triển nhưng ở Việt Nam còn khá mới mẻ, đang trong giai đoạn nghiêncứu thửnghiệm

Trong thực tế ở Việt Nam hiện nay, có hai phương pháp chính để xây dựng ngân hàng hệ số phát thải, bao gồm:

- (1) Dựa trên bộ dữ liệu hệ số phát thải chuẩn của thế giới đối với phương tiện

và sử dụng các hệ số đánh giá tình trạng giao thông của mỗi nước

- (2) Xây dựng bộ dữ liệu hệ số phát thải thông qua thống kê phương tiện và thử nghiệm những chủng loại phương tiện đặc trưng trên băng thử theo chu trình lái tiêu chuẩn như chu trình lái Châu Âu

Cả hai phương pháp trên đều dẫn đến sai số lớn khi áp dụng tính toán tổng lượng phát thải Phương pháp (1) gặp phải sự chỉ trích gay gắt của các nhà chuyên môn do sai số rất lớn ở hệ số đánh giá tình trạng giao thông, chủng loại phương tiện nước ta cũng khác so với các nước khác Sử dụng phương pháp (2) cũng không phản ánh chính xác tình trạng phát thải thực tế do chu trình lái này được phát triển dựa trên nền tảng giao thông, phương tiện của Châu Âu, trong khi ở nước ta, đặc trưng phương tiện, điều kiện vận hành, cơ sở hạ tầng giao thông, hành vi người lái hoàn toàn khác biệt Vì vậy, việc xây dựng chu trình lái đặc trưng phản ánh các đặc tính lái trong điều kiện thực tế của địa phương, từ đó ứng dụng nó để thu được bộ hệ số phát thải phản ánh đúng thực tế là điều rất cần thiết Hiện nay, việc xây dựng chu trình lái đặc trưng cho các phương tiện giao thông đường bộ còn chưa đầy đủ và mới chỉ dừng lại ở xây

dựng chu trình lái đặc trưng cho xe máy Trong khi đó, hoạt động của xe ô tô nói chung và xe buýt nói riêng là những nguồn đóng góp lớn vào ô nhiễm không khí do giao thông đường bộ, cần phải có các phương pháp kiểm kê phát thải với độ chính xác vàđộ tin cậy cao Phương pháp xây dựng chu trình lái đặc trưng kết hợp với sử dụng mô hình để tính toán hệ số phát thải là một trong những phương pháp hiệu quả hiện đang được các quốc gia phát triển sử dụng Trên cơ sở đó, tôi chọn đề tài nghiên

cứu: “Xây dựng chu trình lái đặc trưng cho xe buýt tại Hà Nội và ứng dụng trong

kiểm kê phát thải”

 Mục tiêu đề tài:

o Xây dựng chu trình lái đặc trưng cho xe buýt Hà Nội giờ cao điểm

o Góp phần xây dựng bộ dữ liệu hệ số phát thải cho xe buýt Hà Nội giờ cao điểm

dựa trên chu trình lái đặc trưng

 Đối tượng và phạm vi nghiên cứu:

o Đối tượng: xe buýt

o Phạm vi:

Các tuyến buýt được lựa chọn thuộc phạm vi nội thành Hà Nội Phần lớn, trong một ngày các phương tiện hoạt động trong thời gian 06:00 - 21:00 hoặc 05:00 - 22:00,nhưng nghiên cứu chỉ tập trung xây dựng chu trình lái đặc trưng cho xe buýt

Hà Nội trong giờ cao điểm buổi sáng

1.1 Hiện trạng xe buýt Hà Nội

1.1.1 Quy mô hệ thống xe buýt Hà Nội

Thống kê từ Tổng Công ty vận tải Hà Nội cho biết tính đến tháng 01/2015, hệ thống xe buýt Hà Nội có tổng số 9 xí nghiệp, 73 tuyến xe với 974 xe hoạt động, phục

vụ khoảng 550 triệu lượt khách mỗi năm [1] Tuy vậy, hệ thống xe buýt tại Hà Nội hiện nay mới chỉ đáp ứng được 15% nhu cầu [2] và thường xuyên ở trong tình trạng quá tải

Trong điều kiện đô thị Việt Nam hiện nay, việc phát triển phương tiện giao thông công cộng xe buýt là một trong những giải pháp hiệu quả nhằm giảm ùn tắc, giảm lượng nhiên liệu tiêu thụ, giảm ô nhiễm do phát thải từ phương tiện cá nhân Mục tiêu đến năm 2020 là tỷ lệ đảm nhận vận tải hành khách công cộng của Hà Nội đáp ứng khoảng 25% nhu cầu (trong đó đường sắt đô thị chỉ chiếm 2 – 3%, còn lại là

Xe buýt của Hà Nội được đánh giá là có tuổi tương đối cao, thành phần tuổi của phương tiện này được thể hiện như trong Bảng 1.2

Tuổi cao nhất của phương tiện là 13 năm Tuổi trung bình của xe buýt Hà Nội

là 7,5 năm Và hơn 50% số xe có tuổi trong khoảng từ 8 – 13 năm

Bảng 1 2 Thành phần tuổi của xe buýt Hà Nội [1]

Tuổi phương tiện(năm) Tỷ lệ (%)

Tuổi phương tiện(năm) Tỷ lệ (%)

1.1.2 Ô nhiễm môi trường không khí từ hoạt động của xe buýt Hà Nội

Đối với môi trường không khí tại đô thị nói chung, các nguồn gây ô nhiễm chủ yếu là hoạt động giao thông vận tải, hoạt động xây dựng, hoạt động công nghiệp, sinh hoạt của dân cư và xử lý chất thải Trong đó, hoạt động giao thôngvận tải chiếmtỷ lệ khoảng 70% Trong tổng phát thải các khí gây ô nhiễm trên phạm vi toàn quốc, ước tính hoạt động giao thông vận tải đóng góp gần 85% lượng CO, 95% lượng VOC(Hình 1.1)[4] Tại Hà Nội,hoạt động giao thông vận tải cũng là tác nhân chính gây ô nhiễm môi trường không khí

Theo khảo sát, tất cả xe buýt Hà Nội đều sử dụng động cơ diesel do ưu điểm của loại động cơ này là hiệu suất sử dụng nhiên liệu rất cao Bốn chất ô nhiễm chính

từ hoạt động của động cơ diesel là CO, NOx, các hydrocacbon và bụi [5] Ngoài ra, tại Việt Nam, nhiên liệu diesel chứa hàm lượng lưu huỳnh khá cao (0,05% S) nên động cơ còn phát sinh SO2[6].So với động cơ xăng, động cơ diesel phát thải NOx và bụi cao hơn, đặc biệt là bụi cao hơn từ 6 đến 10 lần [6]

Số liệu thống kê từ các trạm quan trắc chịu ảnh hưởng của giao thông đô thị trong đó có trạm Nguyễn Văn Cừ - Hà Nội cho thấy, trong giai đoạn 2011 – 2015 số ngày có giá trị AQI vượt ngưỡng khuyến cáo an toàn do nồng độ bụi PM10 vẫn chiếm

tỷ lệ lớn [7].Theo kết quả của một nghiên cứu năm 2014[8], tại Hà Nội xe buýt đóng góp một lượng đáng kể trong tổng phát thải NOx và PM10từ các phương tiện giao thông (Hình 1.2)

Hình 1 1 Tỷ lệ các khí gây ô nhiễm

theo các nguồn phát thải chính [4]

Hình 1 2 Tỷ lệ phát thải của các loại phương tiện Hà Nội 2008 - 2010[8]

Trong nghiên cứu tiềm năng đồng lợi ích khi chuyển đổi nhiên liệu cho hệ thống xe buýt Hà Nội (2011), tác giả đã xác định hệ số phát thải của các chất ô nhiễm

từ hoạt động xe buýt, các giá trị cụ thể được thể hiện trong Bảng 1.3 [9]

Bảng 1 3 Hệ số phát thải (EF) của hệ thống xe buýt Hà Nội

Chất ô nhiễm

EF khởi động (g/lần)

liệu diesel và có sự tương đồng về điều kiện giao thông Trong khi đó, xe buýt ở Bắc Kinh (Trung Quốc) có hệ số phát thải thấp hơn rõ rệt do sử dụng các loại nhiên liệu sạch hơn như CNG và LPG với tỷ lệ lớn (Hình 1.3)[9]

Hình 1 3 Hệ số phát thải (EF) ở bốn thành phố khi sử dụng mô hình IVE

Như vậy, có thể thấy phát thải từ hoạt động của xe buýt Hà Nội gây tác độngkhông nhỏđếnmôi trường không khí đô thị.Đặc biệt trong những năm tới, số lượng phương tiện sẽ tiếp tục gia tăng khi mà xe buýt là đối tượng trọng điểm trong chiến lược phát triển giao thông công cộng tại Hà Nội Do đó, việc ước tính tổng lượng phát thải từ hoạt động của xe buýt là hết sức cần thiết đối với công tác quản lý môi trường không khí và đòi hỏi độ chính xác nhất định Để đạt được yêu cầu đó, cần

có bộ hệ số phát thải các chất ô nhiễm được xây dựng riêng cho xe buýt Hà Nội, phản ánh đúngmức độ phát thải trong điều kiện vận hành thực tế tại địa phương Hà Nội

1.2 Hệ số phát thải

Theo USEPA: Hệ số phát thải là một giá trị đại diện thể hiện mối liên hệ giữa lượng chất ô nhiễm thải vào khí quyển với một hoạt động liên quan đến sự phát thải chất ô nhiễm đó Hệ số phát thải thường được biểu diễn bằng khối lượng chất ô nhiễm trên một đơn vị khối lượng, thể tích, khoảng cách hoặc khoảng thời gian của hoạt động phát sinh chất ô nhiễm [10]

Hệ số phát thải của phương tiện giao thông là mức độ phát thải của phương tiện (thường tính bằng gam) theo một thành phần phát thải nào đó tính trên mỗi

051015202530

kilomet di chuyển hoặc mỗi lít nhiên liệu tiêu thụ của phương tiện Hệ số phát thải của phương tiện thường có đơn vị là g/km hoặc g/lit

1.2.2 Một số phương pháp xác định

 Sử dụng mô hình phát thải [11]:

Để ước tính ảnh hưởng có liên quan đến động lực lái, phương thức vận hành của một phương tiện và các phát thải liên quan cần phải được phân tích Ở mô hình dựa trên sự phát thải theo phương thức lái,có sự liên quan trực tiếp giữa phát thải và chế độ vận hành của phương tiện Các chế độ vận hành bao gồm chạy ổn định, tăng tốc, giảm tốc và dừng

Các chu trình lái xe khác nhau được sử dụng để đại diện cho các điều kiện lái

xe khác nhau Ở mô hình dựa trên sự phát thải theo chu trình lái, dữ liệu thử nghiệm theo chu trình lái được sử dụng làm cơ sở cho việc xác định các hệ số phát thải

 Đo đạc phát thải khi thử nghiệm trên băng thử phương tiện/ động cơ [12]:

Phương tiện hoạt động theo một chu trình lái đã được xác định từ trước Thử nghiệm bao gồm các hợp phần chu trình lái đại diện cho các điều kiện lái khác nhau Chu trình lái là phần không thể thiếu trong thử nghiệm, tính đại diện và đầy đủ của

nó sẽ quyết định chất lượng của kết quả thử nghiệm Có hai loại chu trình lái có thể được sử dụng là chu trình có các trạng thái ổn định và chu trình tức thời Chu trình trạng thái ổn định liên quan đến việc chạy phương tiện/ động cơ ở một số chế độ mà mỗi chế độ đều duy trì vận tốc và tải động cơ không đổi Chu trình tức thời có sự đa dạng trong điều kiện vận hành, nó đại diện cho sự vận hành của phương tiện trong thực tế.Trên quan điểm phát triển hệ số phát thải, chu trình lái thực cung cấp dữ liệu phát thải có giá trị hơn cả nhờ phạm vi rộng của các điểm vận hành so với chu trình

có trạng thái ổn định sử dụng trong chứng nhận kiểu loại phương tiện

 Đo đạc dựa trên dữ liệu lái trên đường [11], [12]:

Dữ liệu phát thải trên đường có thể thu được bằng cách sử dụng thiết bị viễn thám (RSD) hoặc thiết bị gắn trên phương tiện Thiết bị viễn thám sử dụng tia hồng ngoại và trong một số trường hợp sử dụng quang phổ tia cực tím để đo nồng độ các chất ô nhiễm trong khí thải ống xả khi xe đi qua một bộ cảm biến trên đường Ưu

điểm chính của thiết bị viễn thám là có thể đo một số lượng lớn các phương tiện trên đường Nhưng nhược điểm chính là nó chỉ cho một đo đạc phát thải tức thời tại một địa điểm cụ thể, và không thể sử dụng được trên tuyến đường giao thông nhiều làn

có lưu lượng giao thông lớn Hơn nữa, đo đạc nhờ thiết bị viễn thám là công nghệ chỉ thích hợp khi điều kiện thời tiết tốt

Trong các phương pháp trên, đo đạc trên băng thử là công nghệ lâu đời dự kiến

có thể vẫn sẽ là nguồn chính của dữ liệu thực nghiệm làm cơ sở cho mô hình phát thải trong những năm tới Phương pháp này cho phép kiểm soát tốt nhất các thông số

đo và độ lặp của kết quả nhờ loại bỏ các yếu tố gây biến động trong thực tế Đây là

lý do tại sao chứng nhận kiểu phương tiện trên toàn thế giới sử dụng phương pháp này Tuy nhiên, kết quả từ thử nghiệmchứng nhận kiểu phương tiện không tối ưu cho

mô hình hệ số phát thải, do nóthường không mô tảthực tế phát thải củaphương tiện.Khi chu trình lái thực mang tính đại diện được lựa chọn, đo đạc trên băng thử trở thành lý tưởng cho việc phát triển hệ số phát thải

Như đã biết, hệ số phát thải phụ thuộc vào nhiều yếu tố như là chế độ vận hành, đặc điểm phương tiện, công nghệ kiểm soát khí thải, thông số kỹ thuật nhiên liệu, hành vi lái, điều kiện vận hành, … Trong đó, đặc trưng hoạt động của phương tiện hay đặc tính lái trong thực tế đóng vai trò rất quan trọng cho việc xác định tiêu hao nhiên liệu và phát thải Ví dụ, với cùng một phương tiện nhưng người điều khiển khác nhau thì hệ số phát thải khác nhau, hay với cùng một phương tiện và cùng người điều khiển nhưng đi trên những đoạn đường khác nhau thì hệ số phát thải cũng khác Giữa các quốc gia, giữa các thành phố trong một quốc gia, thậm chí giữa các khu vực trong một thành phố luôn tồn tại sự khác biệt của đặc tính lái, dẫn tới những khác biệt của chu trình lái thực Nếu sử dụng chung chu trình lái thì kết quả là hệ số phát thải có được sẽ không phản ánh đúng thực tế phát thải của phương tiện Vì vậy, cần phải xây dựng được chu trình lái đặc trưng cho khu vực nghiên cứu để có được hệ số phát thải chính xác nhất

1.3 Chu trình lái

1.3.1 Khái niệm chu trình lái

Chu trình lái là một khái niệm quan trọng trong ước tính phát thải từ phương tiện giao thông cho mục đích kiểm soát phát thải Chu trình lái được định nghĩa làmột chuỗi các điểm dữ liệu biểu diễnsự biến thiên vận tốccủa phương tiện theo thờigian

Nó đại diện cho các điều kiện lái điển hình và trung bình của một hành trình hoặc các phần của hành trình trong một khu vực nghiên cứu và mô phỏng các điều kiện lái của phương tiện từ khi khởi động cho đến khi kết thúc hành trình[13]

Hiện nay, nhiều chu trình lái đã được phát triển để cung cấp một bộ dữ liệu vận tốc theo thời gian đại diện cho điều kiện lái đô thị

Có hai cách tiếp cận để phát triển chu trình lái Ở phương pháp thứ nhất,một chu trình được tạo thành bởi các chế độ lái khác nhau có vận tốc và gia tốc không đổi, được đề cập đến như là “chu trình phương thức” hay “chu trình đa giác”, như NEDC

và ECE.Ở phương pháp thứ hai, chu trình lái thu được từ dữ liệu lái thực và được đề cập đến như là “chu trình lái thực tế”, như FTP-75 Chu trình lái thực tế năng động hơn, phản ánh đặc tính gia tốc nhanh hơn trong các điều kiện lái Do có đặc tính lái năng động hơn nênchu trình thực tế có mức phát thải cao hơn khi so sánh với chu trình phương thức.Hình 1.4 minh họa chu trình lái đa giác NEDC

Hình 1 4 Minh họa chu trình lái đa giác

Chu trình lái được phân thành hai loại làchu trình lái tức thời và chu trình lái phương thức Chu trình lái tức thời liên quan đến những thay đổi như là sự thay đổi vận tốc thường xuyên trong suốt hành trình Chu trình phương thức liên quan đến các khoảng kéo dài với vận tốc không đổi Những khoảng này ở chu trình lái tức thời ngắn hơn nhiều ở chu trình phương thức [13] Hình 1.5 minh họa một chu trình lái tức thời

Hình 1 5 Minh họa chu trình lái tức thời

Ngoài ra, còn có thể phân loại chu trình lái thành chu trình lập pháp và không lập pháp Chu trình lập pháp được chính phủ các nước sử dụng trong kiểm soát phát thải FTP-75 ở Hoa Kỳ, NEDC ở Châu Âu, J10-15 ở Nhật Bản là những ví dụ về chu trình lập pháp Các chu trình không lập pháp như là chu trình Hong Kong [14], được

sử dụng cho nghiên cứu bảo tồn năng lượng và đánh giá ô nhiễm

Chu trình lái có rất nhiều ứng dụng 14 Các nhà sản xuất phương tiện cần những chu trình này để cung cấp một cơ sở dài hạn cho thiết kế, chế tạo và marketing Các kỹ sư giao thông đòi hỏi chu trình lái trong thiết kế hệ thống điều khiển phương tiện và mô phỏng luồng giao thông, sự chậm trễ Các nhà môi trường quan tâm tới hiệu suất của phương tiện ở khía cạnh các chất ô nhiễm phát thải trong các kiểu lái đặc trưng Hơn nữa, dữ liệu vận tốc - thời gian có thể cung cấp một phương tiện thuận tiện trên cơ sở phòng thí nghiệm để ước tính tiêu thụ nhiên liệu và phát thải phương

1.3.2 Ảnh hưởng của chu trình lái tới hệ số phát thải

Tong và Hung (2010) trong đề xuất khung phát triển chu trình lái đã so sánh

101 chu trình lái tức thời trên thế giới, và thấy rằng đặc điểm lái ở Châu Á là vận tốc thấp nhưng mức độ biến thiên lớn, trong khi đặc điểm lái ở Châu Âu làvận tốc lớn hơn và ổn định hơn [15]

Trong nghiên cứu của Sukanya Tamsanya (2006), một chu trình lái phục vụ cho đánh giá phát thải và tiêu hao nhiên liệu của xe ô tô con tại Thái Lan đã được xây dựng Nghiên cứu cũng chỉ ra sự khác biệt về phát thải và tiêu hao nhiên liệu khi áp dụng chu trình này và các chu trình Châu Âu với cùng một thử nghiệm trên băng thử (Bảng 1.4) Theo đó, các hệ số phát thải HC và CO của chu trình BDC cao hơn gần

2 và 4 lần các hệ số đó của chu trình ECE, tương ứng Đối với phát thải NOx, mặc dù chu trình ECE15+EUDC có những sự tăng tốc mạnh dẫn tới mức phải thải cao, nhưng

vì nó có tỷ lệ thời gian dừng thấp hơn nên hệ số phát thải NOx vẫn nhỏ hơn so với chu trình BDC 10% Tất cả các sự khác biệt này chủ yếu do phần trăm thời gian dừng

và sự biến động vận tốc lớn hơn của chu trình BDC [16]

Bảng 1 4.Tiêu hao nhiên liệu và phát thải của phương tiện được thử nghiệm (xe ô

tô con)dưới các chu trình lái xác định

Thời gian chạy

ổn định (%)

Tỷ lệ thời gian dừng (%)

Tốc

độ trung bình (km/h)

thụ nhiên liệu (L/100 km)

HC

(tính theo N)

Đối với mô hình phát thải, chất lượng của việc ứng dụng bất kỳ mô hình nào đềuphụ thuộc lớn vào tính đại diện của hệ số phát thải mà mô hình đó sử dụng Chẳng hạn, nếu hệ số phát thải chỉ dựa trên tốc độ trung bình của phương tiện có thể đại diện khi tính toán phát thải ở cấp độ quốc gia, nhưng tính đại diện sẽ giảm khi đánh giá đo lường đối với giao thông địa phương(ví dụ giao cắt giao thông ở địa phương ảnh hưởng lớn đến đặc tính “dừng – đi” của phương tiện nhưng không ảnh hưởng đến tốc

độ di chuyển trung bình) [12]

Ngoài ra mô hình dựa trên vận tốc trung bình bị hạn chế rất nhiều khi áp dụng trên các xe có sử dụng bộ xử lý khí xả bằng xúc tác Đối với trường hợp này khả năng phát thải khi xe chuyển số và chạy với gia tốc lớn lại rất cao, khác biệt hẳn so với phát thải ở vận tốc trung bình [17] Điều này là do khi xe chạy ở gia tốc lớn thì động

cơ hoạt động ở chế độ giàu nhiên liệu dẫn tới gây quá tải cho bộ xử lý xúc tác và giảm hiệu xuất xử lý khí thải của nó [18]

Các mô hình tính toán phát thải từ phương tiện giao thông bằng cách kết hợp tốc độ phát thải với các hoạt động tương ứng Mức độ phát thải nhìn chung được phát triển từ các thử nghiệm trên băng thử sử dụng chu trình lái Do đó, tính đại diện của chu trình lái có vai trò quyết định đối với đánh giá phát thải

Nghiên cứu xây dựng chu trình lái ở Tehran (Iran) đã chỉ ra ảnh hưởng của chu trình lái lên mức tiêu thụ năng lượngvà phát thải khi chạy các chu trình lái khác nhau (Tehran, FTP-75, ECE, EUDC) trên phần mềm mô phỏng phương tiện ADVISOR Kết quả chạy mô hình cho thấy sự phát thải theo các chu trình lái là rất khác nhau(Hình 1.6) [19]

Hình 1 6 So sánh mức độ phát thải các chất ô nhiễm của 4 chu trình lái

Nguồn:[19]

Ở Việt Nam hiện nay, các hoạt động thử nghiệm phát thải vẫn sử dụng chu trình lái của Châu Âu để xác định hệ số phát thải Các hệ số phát thải này không phản ánh được đầy đủ các đặc trưng lái dẫn tới kết quả kiểm kê thiếu chính xác Vì vậy, việc xây dựng chu trình lái riêng để áp dụng vào thử nghiệm và nghiên cứu phát thải

là rất cần thiết

1.3.3.Đặc tính của chu trình lái

1.3.3.1.Các thông số đặc trưng của chu trình lái

Bảng 1 5.Các thông số đặc trưng của chu trình lái

Nhóm Thông số Đơn vị

Độ lệch chuẩn của vận tốc km/h

Gia tốc

Gia tốc dương trung bình m/s2

Gia tốc âm trung bình m/s2

Gia tốc phân vị thứ 95 m/s2Gia tốc nhỏ nhất phân vị thứ 95 m/s2

Độ lệch chuẩn của gia tốc m/s2

Phần trăm thời gian lái khi gia tốc dương %Phần trăm thời gian lái khi gia tốc âm %

-Số lần dừng trên một km lần/kmCông suất riêng trung bình W/kmCông suất riêng lớn nhất W/kmCông suất riêng nhỏ nhất W/km

xây dựng chu trình Đa số các nghiên cứu đều chỉ định các thông số đặc trưng ngay khi bắt đầu nghiên cứu

Tuy nhiên một số thông số có liên quan với nhau nên chỉ cần xác định số ít nhất các thông số đủ để đặc trưng cho chu trình lái Gần đây, Emil Torp(2013) đã đưa ra phương pháp xác địnhbộ thông số đặc trưng tối thiểu dựa trên việc phân tích thống

kê các dữ liệu hành trình đầu vào trước khi sử dụng các thông số đó cho xây dựng và đánh giásự phù hợp của chu trình lái[20]

Định nghĩa về các thông số động học của De Haan và Keller (2003) đã được áp dụng và trình bày rất chi tiết trong dự án ARTEMIS do tổ chức INFRAS của Thụy

Sỹ thực hiện nhằm tính toán các thông số đặc trưng cho tất cả chu trình lái(trích dẫn bởi Barlow và cộng sự (2009) [17])

1.3.3.2 Đặc tính Markov của chu trình lái

 Chuỗi Markov20

Chuỗi Markov là một lý thuyết toán học được sử dụng để mô phỏng một quá trình ngẫu nhiên Quá trình được dựa trên cơ sở đặc tính Markov đó là trạng thái kế tiếp Xn+1 phụ thuộc hoàn toàn vào trạng thái hiện tại Xn mà không phải là phụ thuộc

vào các trạng thái phía trước hoặc phía sau:

P(X n+1 =x|X1=x1,X2=x2, ,X n =x n ) =P(X n+1 =x|X n =x n)Xác suất đạt được một trạng thái kế tiếp cụ thể tùy thuộc vào trạng thái hiện tại Xi không nhất thiết phải là biến một chiều Trong nghiên cứu này, mỗi trạng thái được xác định bởi một vecto hai chiều v,a và mỗi sự kết hợp của 2 biến gián đoạn

v và a tương ứng với một trạng thái cụ thể, gọi là xi Có thể viết xác suất chuyển một bước từ trạng thái xi sang trạng thái xj như sau:

Tất cả các xác suất trạng thái một bước có thể được sắp xếp trong một ma trận, được gọi là ma trận xác suất chuyển trạng thái (transition probabillity matrix - TPM),

ở đó mỗi phần tử chứa các xác suất chuyển sang mọi trạng thái để làm phần tử kế tiếp trong chuỗi Một chú ý quan trọng là tất cả xác suất rời khỏi một trạng thái (bao gồm

cả xác suất ở lại cùng trạng thái đó) phải có tổng bằng 1 Điều này được miêu tả một cách toán học như sau:

 Đặc tính Markov của chu trình lái

Trong những năm gần đây, với việc xem chu trình lái là một chuỗi Markov, các nhà nghiên cứu bắt đầu sử dụng cơ sở lý thuyết này để xây dựng chu trình lái, nhưng hầu như các nghiên cứu đó không đưa ra chứng minh có căn cứ về đặc tính Markov của chu trình lái

Trong một nghiên cứu, Shuming Shi (2016) đã chứng minh được đặc tính Markov của chu trình lái trên cả khía cạnh lý thuyết và thực nghiệm 22

1.4 Các phương pháp xây dựng chu trình lái đặc trưng

Chu trình lái có độ dài từ 1 phút, 2 phút tới 30 phút hoặc hơn nữa Độ dài chu trìnhthường bị giới hạn để giảm chi phí thử nghiệm trên phương tiện Do đó, những

nỗ lực phát triển chu trình lái bị thử thách khi mô phỏng hành vi lái trong thực tế mà

sử dụng các hoạt động bị hạn chế thời gian Trong thử nghiệm trên băng thử, một phương tiện tuân theo một chỉ dẫn vận tốc theo thời gian trong khi lượng phát thải và tiêu thụ năng lượng được ghi lại Nhờ sử dụng dữ liệu từ hệ thống lực kế, các mức độ phát thải và các hệ số điều chỉnh vận tốc sau đó được phát triển cho hoạt động lái đặc thù dưới các nghiên cứu và mô hình phát thải hiện hành để đại diện cho sự phát thải trong các điều kiện lái khác nhau 21

Lựa chọn tuyến đường, thu thập dữ liệu, xây dựng chu trình [23] và đánh giá chu trình [24] đã được xác định là bốn bước chính trong xây dựng chu trình lái Tuy nhiên, các quốc gia khác nhau sử dụng các cách tiếp cận khác nhau trong phát triển chu trình lái để phù hợp với sự hạn chế về thời gian, tính sẵn có của nguồn lực và thông tin Các phương pháp xây dựng chu trình lái hiện nay có thể phân thành bốn loại: dựa trên vi hành trình, dựa trên phân đoạn hành trình, dựa trên sự phân loại đặc tính, dựa trên phương thức21

1.4.1 Xây dựng chu trình lái dựa trên vi hành trình (micro-trip)

Một cách tiếp cận để xây dựng chu trình lái là sử dụng các vi hành trình Vi hành trình được xác định là hoạt động lái giữa hai điểm dừng gần nhất[21]

Với phương pháp này, dữ liệu lái thực tế được chia thành các vi hành trình và chỉ định vào các bin khác nhau tùy theo vận tốc trung bình Chu trình lái được xây dựng bằng cách sử dụng các vi hành trình sao cho các thông số mục tiêu được đáp ứng Để lựa chọn các vi hành trình cho chu trình, có hai phương pháp chính là phương pháp lựa chọn ngẫu nhiên và phương pháp tiệm tiến tốt nhất (best incremental method) Các chu trình tạo ra sau đó được đánh giá bằng cách sử dụng các thông số, điển hình là tốc độ trung bình, tốc độ lớn nhất, tốc độ nhỏ nhất, gia tốc dương trung bình, gia tốc âm trung bình, phân phối tần suất vận tốc - gia tốc (SAFD)[21]

Hạn chế chính của phương pháp này là không phân biệt các loại điều kiện lái khác nhau như là loại đường hay mức độ dịch vụ.Vì vậy, nó bị hạn chế để phát triển các chu trình được thiết kế để đại diện cho một loại hành trình đơn lẻ hoặc để phản ánh các điều kiện lái của vùng rộng lớn

Một số chu trình lái được xây dựng sử dụng phương pháp này như là chu trình chu trình Bangkok [16], chu trình Pune [25], chu trình Manila [26]

1.4.2 Xây dựng chu trình dựa trên các phân đoạn

Phương pháp xây dựng chu trình lái dựa trên các phân đoạn tương tự như phương pháp dựa trên vi hành trình, nhưng ở đây loại đường và mức độ dịch vụ giao thông được xem xét khi lựa chọn một phân đoạn hành trình thay vì các điểm dừng liền kề [21] Kết quả là các phân đoạn hành trình có thể đại diện cho các điều kiện giao thông thực cũng như đặc tính vật lý của đường xá và mức độ dịch vụ

Một phân đoạn hành trình có được nhờ phân chia dữ liệu vận tốc - thời gian theo loại đường hay mức độ dịch vụ, cùng với các điểm dừng Vì vậy, hoạt động lái tổng thể có thể bị phân loại bởi loại đường hoặc mức độ dịch vụ, và chu trình có thể được xây dựng để đại diện cho hoạt động lái trong những loại đường và điều kiệngiao thông riêng

Trong phương pháp này, phân đoạn có thể bắt đầu và kết thúc ở bất kỳ giá trị vận tốc nào Vì vậy, việc xâu chuỗi các phân đoạn đòi hỏi ràng buộc nhất định về vận

tốc và gia tốc giữa hai giây tại hai điểm kết nối tương ứng Chẳng hạn, trong xây dựng chu trình lái đặc trưng cơ sở của EPA, sự khác nhau trong vận tốc giữa hai giây kết nối được yêu cầu dưới 0,5 dặm/h và sự sai khác gia tốc dưới 0,5 (dặm/h)/s

Phương pháp này đã được sử dụng để phát triển chu trình lái đô thị hỗn hợp

Úc (CUEDC) Mỗi vi hành trình được chỉ định vào một trong bốn loại đường (đường tắc nghẽn, đường dân sinh, đường trục, đường cao tốc) dựa trên tốc độ trung bình và

tỷ lệ thời gian chạy không tải của các vi hành trình Sau đó, chu trình lái được phát triển sử dụng các thông số mục tiêu [27]

Hạn chế của phương pháp là dữ liệu bị phân loại chặt chẽ từ quan điểm kỹ thuật vận tải, do đó ít liên quan tới phát thải Do đó mà phương pháp này thích hợp nhất cho mục đích thiết kế giao thông nhưng không thích hợp cho mục đích đánh giá phát thải

1.4.3 Xây dựng chu trình với sự phân loại đặc tính

Phương pháp này được ứng dụng rộng rãi trong xây dựng chu trình lái Châu

Âu Với cách tiếp cận này, chuỗi động học (tương tự như vi hành trình) được phân loại thành các lớp không đồng nhất, sử dụng các phương pháp thống kê Cách tiếp cận còn sử dụng xác suất nối tiếp để ước lượng và xem xét khả năng một lớp hoạt động ở trước hay ở sau một lớp khác Chu trình lái được xây dựng bằng cách tái kết nối chuỗi động học được lựa chọn ngẫu nhiên từ mỗi lớp hoạt động sao cho phù hợp với xác suất và trình tự thời gian của chuỗi động học[21]

ARTEMIS là một ví dụ về chu trình lái được xây dựng bằng phương pháp này [28]

Hạn chế của phương pháp là: 1) đơn vị cơ bản của xây dựng chu trình, bao gồm vi hành trình và chuỗi đồng nhất, đều không liên quan trực tiếp dến phát thải, và không phải là đơn vị có tiềm năng tốt nhất để sử dụng trong xác định hoạt động lái liên quan đến sự phát thải, và 2) sự phân loại chuỗi dựa trên khoảng cách bình phương của phân phối gia tốc - vận tốc Mặc dù sự phân loại như vậy khác nhau về động học của hành vi lái, nó không nhất thiết sẽ khác nhau về phát thải liên quan tới những hành vi này

1.4.4 Xây dựng chu trình dựa trên phương thức lái

Ở phương pháp này, việc lái thực tế được nhìn nhận như là một chuỗi của các

sự kiện phương thức: tăng tốc, giảm tốc, chạy ổn định hay nghỉ Nhiều nghiên cứu chỉ ra rằng phát thải khi đang chạy liên quan đến phương thức vận hành cùng với vận tốc trung bình Do đó, đối với mục đích ước lượng phát thải, việc phân tích và sao chép hành vi lái từ quan điểm phương thức là rất logic Cho rằng khả năng xảy ra của một sự kiện phương thức đặc thù (chẳng hạn tăng tốc, chạy ổn định, giảm tốc) xảy ra chỉ phụ thuộc vào sự kiện trước đó, hành vi lái có thể được mô phỏng như một chuỗi Markov[21]

Để xây dựng chu trình lái, trước tiên dữ liệu lái được phân loại vào các trạng thái phương thức khác nhau, phương pháp và tiêu chí phân loại tùy thuộc từng nghiên cứu Tiếp đó một ma trận chuyển chứa xác suất chuyển tiếp giữa các phương thức khác nhau được tạo thành Cuối cùng, chu trình được xây dựng như là một chuỗi Markov; để thêm một đoạn, trạng thái kế tiếp được dự đoán dựa trên trạng thái của đoạn hiện tại và ma trận chuyển đổi trạng thái[21]

Một số nghiên cứu xây dựng chu trình lái sử dụng phương pháp này như là nghiên cứu của Lin (2002) với chu trình LA01 [29], nghiên cứu của Emil Torp (2013)[20]

Trong xây dựng LA01, đoạn thuộc trạng thái kế tiếpđược chọn để cải thiện tốt nhất mức độ phù hợp giữa SAFD của chu trình đang tạo với dữ liệu lái thực tế; và tốc

độ bắt đầu của đoạn phù hợp với tốc độ kết thúc của đoạn trước nó với sự sai khác có thể chấp nhận được là không quá 0,2 km/h Sự lựa chọn đoạn được lặp lại đến khi độ dài chu trình mong muốn đạt được Chu trình cuối cùng được lựa chọn bằng cách sử dụng đo đạc đánh giá tổng hợp, kết hợp các thông số như là sự khác nhau trong vận tốc trung bình, lớn nhất, nhỏ nhất và phần trăm ở chế độ dừng[29]

Trong nghiên cứu của Emil Torp (2013), chu trình tạo thành được chấp thuận khi độ lệch phân vị của các thông số (so với giá trị trung bình các thông số tương ứng của các chu trình lái thực đầu vào) nằm trong giới hạn cho phép

Quy trình thông thường trong phát triển chu trình lái bao gồm thu thập dữ liệu, tạo thành các vi hành trình, lựa chọn các tiêu chuẩn đánh giá, phát triển chu trình lái

Trong số những bước này, lựa chọn tiêu chuẩn đánh giá và phương pháp phát triển chu trình xác định chất lượng của chu trình lái cuối cùng Các phương pháp và thực tiễn xây dựng chu trình lái hiện tại đa dạng trong các tiêu chuẩn đánh giá và phương pháp phát triển được sử dụng

1.5 Nghiên cứu xây dựng chu trình lái tại Việt Nam

Ở Việt Nam nói chung và Hà Nội nói riêng, nghiên cứu xây dựng chu trình lái còn rất mới mẻ và hiện nay mới chỉ xây dựng được chu trình lái đặc trưng cho xe máy tại Hà Nội (chu trình HMDC) [30] Chu trình này được xây dựng từ các dữ liệu lái thực của 343 hành trình thu thập tại Hà Nội Chu trình HMDC có độ dài 1250 s với vận tốc lớn nhất và trung bình lần lượt là 39,4 và 20,4 km/h Nghiên cứu đã thử nghiệm trên băng thử để xác định mức phát thải và tiêu hao nhiên liệu theo chu trình HMDC và chu trình lái tiêu chuẩn Châu Âu ECE-R40; thu được hệ số phát thải của

NOx khi thử nghiệm theo chu trình HMDC cao hơn 66,7%

Phương pháp xây dựng chu trình lái của nghiên cứu trên được xây dựng dựa trên việc phân đoạn tập dữ liệu lái thu thập thành các vi hành trình Từ tập dữ liệu lái, khoảng thời gian trung bình của các đoạn dừng và các đoạn di chuyển được tính toán Sau đó số đoạn dừng và đoạn di chuyển được tính toán từ độ dài chu trình lái mong muốn

Một phân phối tần số theo độ dài của các đoạn di chuyển được tạo ra, từ đó các khoảng độ dài đại diện nhất để tạo thành chu trình lái được xác định dựa trên số đoạn di chuyển đã được tính toán Các chu trình lái mẫu được tạo thành bằng cách kết hợp ngẫu nhiên các đoạn di chuyển được lựa chọn ngẫu nhiên từ các khoảng độ dài đại diện (từ mỗi khoảng độ dài chọn ra một đoạn) Chu trình lái được lựa chọn là chu trình mà có thống kê của các thông số đánh giá gần nhất với dữ liệu lái thực

CHƯƠNG 2 PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Quy trình thực hiện

2.1.1 Sơ đồ khối quá trình thực hiện

Chạy mô hình IVE

Chạy mô hình tạo lập chu trình lái đặc trưng

Đánh giá kết quả và thảo luận

Khảo sát thông tin Xác đi ̣nh hoa ̣t đô ̣ng của xe Đếm số lươ ̣ng xe Thu thập dữ liệu ngoại vi

Phiếu điều tra Thiết bi ̣ đo GPS Đếm thủ công/ máy

Phân tích dữ liệu GPS Tổng hợp phiếu điều tra

Phân tích số liệu đếm xe

Tổng hợp dữ liệu ngoại vi

Xây dựng file fleet

Phương thức lái của

xe theo giờ

và theo ngày

Chu trình lái đặc trưng xe buýt Hà Nội giờ cao điểm

Phương pháp nghiên cứu được xây dựng bao gồm 4 quá trình chính là thu thập

dữ liệu, phân tích dữ liệu, chạy mô hình tạo lập chu trình lái đặc trưng và chạy mô hình phát thải IVE

Đầu tiên, các thông tin về đặc điểm kỹ thuật, số lượng và dữ liệu hoạt động của phương tiện được thu thập Tiếp đó, các thông tin từ phiếu điều tra được tổng hợp

để xây dựng file fleet

Dữ liệu GPS thu thập được là đầu vào của mô hình tạo lập chu trình lái đặc trưng Ngoài ra, dữ liệu GPS của các hành trình lái thực cũng được xử lý và phân tích

để đánh giá sự biến động phương thức lái theo giờ và theo ngày của xe buýt Hà Nội

Tập dữ liệu vận tốc – thời gian của chu trình lái đặc trưng, cùng với lưu lượng

xe và các dữ liệu ngoại vi được sử dụng để xây dựng file location

Cuối cùng là chạy mô hình phát thải IVE với 2 file Fleet và Location có được

từ các bước trên

2.1.2 Phương pháp xây dựng chu trình lái đặc trưng

Trên cơ sở tham khảo các chu trình lái áp dụng cho phương tiện xe buýt ở một

số nước và địa phương trên thế giới, cùng với mục đích của nghiên cứu là xây dựng chu trình lái phản ánh đầy đủ đặc trưng hoạt động của phương tiện đồng thời có tính ứng dụng ở khía cạnh chi phí thử nghiệm phù hợp khi thử nghiệm phương tiện trên băng thử, nghiên cứu này lựa chọn độ dài chu trình lái xây dựng là 20 phút

Trong nghiên cứu này, chu trình lái được xây dựng dựa trên việc xem xét nó như là một chuỗi Markov Dữ liệu đầu vào là tập hợp dữ liệu lái trên đường, gồm các hành trình lái thực được thu thập trong quá trình hoạt động thực tế của phương tiện Mỗi hành trình lái là một chuỗi các điểm dữ liệu vận tốc – thời gian thu nhận bằng thiết bị GPS đặt trên xe

Quá trình xử lý dữ liệu, phân tích thống kê và tạolập chu trình lái được thực hiện bởi một phần mềm máy tính lập trình trên ngôn ngữ Matlab

Nguyên tắc xử lý dữ liệu, phân tích thống kê và tạo chu trình lái của phần mềm được trình bày dưới đây

Tất cả các dữ liệu đầu vào trải qua quá trình xử lý bao gồm:

- (1) Tính gia tốc từ dữ liệu vận tốc

- (2) Tính vận tốc trung bình

- (3) Rời rạc hóa dữ liệu

- (4) Trích xuất các biến thống kê

Bước (1) và (2) được tính như trong [31]

Bước (3) và (4) được thực hiện như trong [32]

 Gia tốc

Gia tốc được tính xấp xỉ bằng sự thay đổi vận tốc trong mỗi khoảng thời gian lấy dữ liệu Ở đây khoảng thời gian giữa hai lần lấy dữ liệu là 1 giây

 Vận tốc

Vận tốc trung bình của mỗi khoảng thời gian được tính là

Vận tốc và gia tốc được xác định trong cùng một khoảng thời gian, làm cơ sở cho các tính toán tiếp theo

2.1.2.2 Rời rạc hóa dữ liệu [20]

Để tạo ra một ma trận xác suất chuyển trạng thái (TPM - Transition probability matrix), chuỗi dữ liệu hành trình cần phải được rời rạc hóa Các giá trị vận tốc và gia tốc được làm tròn đến giá trị gần nhất trong các giá trị là bội số của bước nhảy rời rạc hóa như sau:

Trong đó, các giá trị mặc định cho độ phân giải của phép rời rạc hóa được thể hiện trong bảng sau:

Bảng 2 1 Độ phân giải mặc định cho phép rời rạc hóa

Loại Biến Độ phân giải

2.1.2.3 Các thông số đại diện

Phương pháp thống kê phân cụm phân cấp được thực hiện để xác định một bộ tối thiểu các thông số đặc trưng cho tập hợp các chu trình lái đầu vào[20]

Bộ thông số đặc trưng này là tập con của 24 thông số được liệt kê trong bảng 2.2, và có thể được xem là đủ để mô tả các đặc trưng của chu trình lái

Bảng 2 2 Các thông số đặc trưng được sử dụng trong xây dựng chu trình lái

Đơn

vị

1 Thời gian tăng tốc Tacc

2 Thời gian giảm tốc Tdec

3.Thời gian chạy ổn định Tc

4 Thời gian chạy chậm Tcr

5 Thời gian chạy không tải Ti

6.% thời gian chạy không tải Pi

7.% thời gian tăng tốc Pa

8.% thời gian giảm tốc Pd

9.% thời gian chạy ổn định Pc

10.% thời gian chạy chậm Pcr

19 Gia tốc dương trung bình apos-av

20 Gia tốc âm trung bình aneg-av

21 Căn quân phương của gia tốc

22 VSP pos

23 VSP neg

24 Động năng tuyệt đối PKE

km/h km/h km/h m/s2 m/s2 m/s2 m/s2 m/s2 m/s2 W/kg W/kg m/s2

Quá trình phân cụm phân cấp gộp bắt đầu với mỗi thông số trong một cụm riêng biệt Ở mỗi lần lặp, các cụm gần nhau nhất được kết hợp miễn là khoảng cách giữa chúng đủ nhỏ[20].Hình 2.1 minh họa phương pháp phân cụm các thông số Thông số được liệt kê trên trục x, khoảng cách giữa các cụm được kết hợp thể hiện trên trục y Đường nét đứt tương ứng với các giới hạn mà sau đó cụm không được kết

hợp nữa (Bởi vì thực tế rằng các thông số của cụm kết hợp không còn thể hiện tính chất một chiều nữa, mà đó là yêu cầu để nhóm chúng vào một cụm)[20].

Hình 2 1 Minh họa sơ đồ hình cây từ việc phân cụm các thông số [20]

Khi các cụm cuối cùng đã được xác định, một thông số từ mỗi cụm được chọn làm đại diện của cụm đó và cũng là thông sốtham gia vào xác nhận tính hợp lệ của chu trình lái được tạo thành Thông số được chọn từ mỗi cụm là thông số có khoảng cách đến cụm gần nhất lớn nhất[20]

2.1.2.4.Xây dựng chu trình lái đặc trưng [20]

 Xây dựng ma trận xác suất chuyển (TPM)

Như đã mô tả ở phần trước, ma trận TPM chứa xác suất chuyển từ một trạng thái này sang một trạng thái khác Mỗi trạng thái được xác định bởi đa biến: gia tốc, vận tốc Để cho dễ theo dõi, ma trận TPM được cấu trúc như là một ma trận lớn chứa

ma trận nhỏ hơn, có thể thấy ở Hình 2.2 Mỗi trạng thái tương ứng với một phần tử của ma trận, phần tử này chứa ma trận nhỏ hơn với các xác suất chuyển

Kích thước của ma trận lớn được xác định bởi vận tốc lớn nhất, gia tốc lớn nhất kết hợp với độ phân giải của vận tốc và gia tốc Số hàng nr và số cột nc được tính như sau

Chẳng hạn, nếu vận tốc lớn nhất là 180 km/h, và độ phân giải là 1 km/h thì ma trận sẽ có 181 cột Nếu gia tốc lớn nhất là 8,2 m/s2 và độ phân giải là 0,2 m/s2 thì ma

trận có 83 hàng Cột đầu tiên của ma trận tương ứng với vận tốc bằng 0, hàng giữa của ma trận tương ứng với gia tốc bằng 0

Khi kích thước ma trận TPM đã được xác định, nó có thể tạo ra các ma trận con Quá trình này được thực hiện từng bước thông qua mỗi chu trình lái đưa vào và lưu lại mỗi sự chuyển trạng thái vào ma trận con tương ứng Một dòng mới được thêm vào ma trận con cho mỗi lần một trạng thái được tìm đến, làm thay đổi kích thước của ma trận con.Khi tất cả các chu trình lái thực đã được sắp xếp vào TPM, cần phải sắp xếp và tóm tắt ma trận con Một giá trị thể hiện số lần một chuyển đổi trạng thái xảy ra được tính toán và xác suất chuyển đổi thu được từ đó Ví dụ của TPM cuối cùng thu được thể hiện ở Hình 2.2

Hình 2 2.Ví dụ ma trận chuyển trạng thái TPM

 Xây dựng chu trình lái

Khi một ma trận chuyển xác suất tạo thành, có thể bắt đầu tạo ra các chu trình lái Quá trình được mô tả trong Hình 2.3, bắt đầu ở trạng thái nghỉ (vận tốc và gia tốc bằng 0) Sự chuyển trạng thái đầu tiên là rời khỏi trạng thái nghỉ và chu trình lái sẽ

Viện Khoa học và Công nghệ Môi trường - ĐHBKHN –Tel: (84.4) 38681686 – Fax: (84.4) 38693551

27

dựa trên xác suất chuyển trạng thái Mỗi ma trận con chứa tất cả sự chuyển trạng thái với xác suất tương ứng Hai ví dụ về cách thức các ma trận con được tạo thành có thể thấy ở Hình 2.2 Quá trình lặp tiếp tục tới khi chu trình đạt được độ dài thời gian mong muốn cùng với đó là thêm vào trạng thái cuối cùng có vận tốc bằng 0

Ngoài ra, mong muốn là chu trình lái chỉ có một trạng thái có vận tốc 0 tại cuối của chu trình lái:

Điều này đạt được bằng cách loại bỏ tất cả và chỉ để lại một trạng thái có vận tốc 0 ở phía cuối của chu trình Tuy nhiên, việc cắt bỏ này rất hiếm khi xảy ra vì nó chỉ xảy ra khi vận tốc bằng 0 trong một khoảng thời gian trước và tới tận khi chu trình đạt độ dài thời gian mong muốn

Cuối cùng chu trình lái sẽ đi qua quá trình kiểm tra sự phù hợp được mô tả trong phần sau Nếu chu trình lái được cho là phù hợp, nó sẽ được lưu lại Nếu không phù hợp, nó sẽ bị loại, và chương trình tiếp tục tạo chu trình mới Quá trình này lặp lại tới khi một chu trình lái phù hợp được tìm thấy

Hình 2 3 Sơ đồ quá trình tạo thành chu trình lái

2.1.2.5 Thông số chu trình lái [20]

Chu trình lái cuối cùng tạo ra là một cấu trúc Matlab được chỉ ra trong Bảng 2.3 Trường vận tốc và gia tốc tương ứng với bộ dữ liệu vận tốc và gia tốc thu được

từ quá trình Markov

Trường đặc tính là một cấu trúc chứa các giá trị của tất cả các thông số thống

kê được sử dụng

Bảng 2 3 Đặc điểmkỹ thuậtchu trình lái

Trường Giải thích Đơn vị

Khoảng thời gian Độ dài thời gian của chu trình [s]

dụng các biến đại diện thu được từ phân tích thống kê đã mô tả trong Phần 2.1.2.3

Việc kiểm tra tính hợp lệ dựa trên các phân vị Chẳng hạn, phân vị thứ 10 là giá trị mà 10% của tất cả các quan sát có giá trị nhỏ hơn nó Theo logic đó, trung vị

là giá trị được tìm thấy ở phân vị thứ 50 (nghĩa là 50% của tất cả các quan sát có giá trị nhỏ hơn, 50% còn lại có giá trị lớn hơn trung vị) Nếu việc đánh giá sự phù hợp được thực hiện với một giới hạn là 20%, thì nó sẽ được chuyển đổi thành một khoảng phân vị từ phân vị thứ 40 đến phân vị thứ 60

Sử dụng phương pháp phân vị giải quyết được các hạn chế của phương pháp phần trăm (là phương pháp mà các giá trị trung bình của tất cả các thông số từ các chu trình đưa vào ma trận TPM được so sánh với cùng các giá trị của chu trình lái xây dựng, sau đó độ lệch được tính theo phần trăm) Trong phương pháp phân vị, các thông số đặc trưng của chu trình lái tạo ra được cho phép ở trong một khoảng giới hạn mà nhờ đó chu trình lái có thể được chấp thuận

Hình 2.4minh họa biểu đồ thể hiện kết quả kiểm tra tính hợp lệ của chu trình lái tạo thành Trong trường hợp này, giới hạn của sự phù hợp là 25% tương ứng với khoảng lệch phân vị cho phép từ -12,5 đến 12,5

Hình 2 4 Minh họa độ lệch phân vị từ giá trị phân vị thứ 50 của các thông số

2.1.3 Giới thiệu về mô hình IVE

Mô hình IVE do Cơ quan Bảo vệ Môi trường Hoa Kỳ (USEPA) và Văn phòng Quan hệ Quốc tế phát triển, được đặc biệt thiết kế để có sự linh hoạt cần thiết cho các nước đang phát triển trong nỗ lực giải quyết vấn đề nguồn phát thải di động Mô hình này được cải tiến từ các mô hình COPERT IV, EMFAC2007 và MOBILE 6 Phiên bản đầu tiên của mô hình này được công bố năm 2003, gần đây nhất phần mềm tiếp tục được cập nhật vào tháng 10/2010 Chức năng của mô hình IVE như là một công

cụ để giúp các nước đang phát triển ước tính lượng phát thải nhằm:

- Tập trung kiểm soát các chiến lược và quy hoạch giao thông theo cách hiệu quả nhất

- Dự đoán những chiến lược khác nhau sẽ ảnh hưởng đến phát thải tại địa phương như thế nào

- Đo lường quá trình giảm phát thải theo thời gian

Có 3 thành phần quan trọng cần để đánh giá chính xác phát thải từ các nguồn

di động: (1) tốc độ phát thải của phương tiện; (2) hoạt động thực tế của phương tiện; (3) phân loại dòng phương tiện Mô hình IVE được thiết kế để sử dụng thông tin thực

tế phù hợp và dễ dàng thu thập dữ liệu của các khu vực để định lượng các yếu tố đầu vào cần thiết Trong trường hợp thiếu dữ liệu để tính toán thì có thể sử dụng dữ liệu

từ các khu vực tương tự để tạm ước tính cho tới khi có đủ dữ liệu của địa phương

Cơ sở của quá trình dự báo phát thải của mô hình IVE bắt đầu với một hệ số phát thải nền và một loạt các yếu tố điều chỉnh được áp dụng để ước tính lượng ô nhiễm từ một loạt các phương tiện

Hình 2 5.Cấu trúc lõi của mô hình IVE [33]

Quá trình tính toán phát thải trong mô hình IVE là thực hiện các phép nhân tốc

độ phát thải nền cho mỗi công nghệ với từng hệ số điều chỉnh phụ thuộc vào công nghệ của từng loại phương tiện và tổng số phương tiện di chuyển đối với mỗi công nghệ khi đạt đến tổng lượng phát thải nhất định Quá trình tính toán trong mô hình được thể hiện ở các công thức 2.1, 2.2 và 2.3 để ước tính tốc độ phát thải điều chỉnh

Q[t] = B[t] * K(1)[t] * K(2)[t] *… K(x)[t] (2.1)

*

Dữ liệu đầu vào file Fleet

> Phân loại công nghệ của phương tiện

>phân loại điều hòa không khí

>điều chỉnh hệ số phát thải nền bởi công nghệ và chất ô nhiễm

Bắt đầu vòng lặp

Tính toán

hệ số phát thải nền

Tính toán điều chỉnh điều hòa không khí

Tính toán điều chỉnh chất lượng nhiên liệu

Tính toán điều chỉnh bảo dưỡng

Tính toán điều chỉnh loại đường

Tính toán

điều chỉnh

nhiệt độ

Dữ liệu đầu vào file Location

> Địa điểm/Thời gian

> Nhiệt độ

> Loại đường

> Chương trình kiểm tra bảo dưỡng

> Thông tin nhiên liệu

> Sử dụng điều hòa không khí tại 80 0 F (27 0 C)

> Phân loại phương thức lái

> Phân loại thời gian khởi động

*