基于车载诊断系统的轻型乘用车实际道路油耗特征分析
  环境科学学报  2018, Vol. 38 Issue (5): 1783-1790
基于车载诊断系统的轻型乘用车实际道路油耗特征分析    [PDF全文]
卢笙1 , 吴烨1,2 , 张少君3 , 杨柳含子1 , 吴潇萌1 , 傅立新1,2     
1. 清华大学环境学院, 环境模拟与污染控制国家联合重点实验室, 北京 100084;
2. 国家环境保护大气复合污染来源与控制重点实验室, 北京 100084;
3. 康奈尔大学机械与航天工程学院, 伊萨卡, 纽约州 14853
摘要: 近年来的一系列研究表明,轻型车实际道路油耗与型式认证油耗间的差异在不断增大,之前的实际道路油耗研究大多基于用户上报数据或车载排放测试系统(PEMS).车载诊断系统(OBD)是一种监测发动机及排放控制系统实时工作状态的仪器.本研究通过OBD解码器采集瞬时发动机进气量计算机动车瞬态油耗并通过2辆轻型汽油车的实验室台架测试证明该方法具有很好的准确性(差异在±5%以内).本研究进一步在北京选取了7辆轻型汽油车,利用OBD解码器开展实际道路油耗测试,并研究运行工况及车辆载重对其实际道路油耗的影响.实际道路结果显示测试车辆在典型工况下的油耗比型式认证油耗高23.1%~46.4%,平均差异为29.2%.通过微观运行模态方法将实际道路油耗修正到法规测试循环(NEDC工况)的交通特征下,道路油耗仍然比型式认证油耗高18.7%±7.1%.研究表明,平均速度与实际道路油耗具有很强的相关性.实际道路油耗在30 km·h-1以下时会随速度降低而显著上升.此外,研究还发现如果车辆载重增加260 kg,实际道路油耗将上升6.2%±2.2%.
关键词: 油耗     轻型汽油车     OBD     工况     载重    
Characterizing real-world fuel consumption for light-duty passenger vehicles by using on-board diagnostic (OBD) systems
LU Sheng1, WU Ye1,2 , ZHANG Shaojun3, YANG Liuhanzi1, WU Xiaomeng1, FU Lixin1,2    
1. School of Environment, State Key Joint Laboratory of Environment Simulation and Pollution Control, Tsinghua University, Beijing 100084;
2. State Environmental Protection Key Laboratory of Source and Control of Air Pollution Complex, Beijing 100084;
3. Sibley School of Mechanical and Aerospace Engineering, Cornell University, Ithaca, New York 14853, U. S
Received 11 October 2017; received in revised from 13 December 2017; accepted 1 January 2018
Supported by the National Key Research and Development Program of China(No.2017YFC0212100);the National Natural Science Foundation of China(No.91544222)and the Ministry of Science and Technology (MOST)′s International Science and Technology Cooperation Program(No.2016YFE0106300)
Biography: LU Sheng(1990—), male, E-mail:lus15@mails.tsinghua.edu.cn
*Corresponding author: WU Ye, E-mail:ywu@tsinghua.edu.cn
Abstract: In recent years, a series of studies have reported that the discrepancy between real-world and type-approval fuel consumption levels for light-duty gasoline vehicles (LDGVs) is increasing. These studies were mostly based on users' reported data or portable emission measurement system (PEMS). On-board diagnostic (OBD) is a device that is capable of monitoring real-time operating conditions of engine and exhaust control systems. Through instantaneous engine mass air flow rate data collected by the OBD decoder, the real-world vehicle fuel consumption is calculated in this paper, and the accuracy is proved (e.g., discrepancy less than ±5%) in this study according to the comparative tests for 2 LDGVs in a well-controlled laboratory. Furthermore, 7 LDGVs were tested on-road in Beijing using OBD decoders, and the impacts of driving conditions and loading mass on their real-world fuel consumption were further studied. Our results indicate that the real-world fuel consumption levels of tested vehicles were 23.1%~46.4% higher than their type-approval fuel consumption values, with an average discrepancy of 29.2%. Using an operating mode binning methodology, this study reveals that the on-road fuel consumption was 18.7%±7.1% higher than type-approval fuel consumption after being normalized to the traffic pattern of New European Driving Cycle (NEDC). A strong correlation has been identified between average speed and real-world fuel consumption. The relative fuel consumption would dramatically increase when the average speed becomes increasing lower than 30 km· h-1. In addition, this study also indicates that the real-world fuel consumption would be up by 6.2%±2.2% if the loading mass is increased by 260 kg.
Key words: fuel consumption     light-duty gasoline vehicle     on-board diagnostic     driving condition     loading mass    
1 引言(Introduction)

近年来, 中国的机动车保有量持续增加.数据显示截至2016年底, 中国机动车保有量达2.95亿辆, 其中汽车1.94亿辆(中华人民共和国国家统计局, 2017; 环境保护部, 2017).中国机动车保有量的持续增长也带来了一系列问题, 如交通拥堵、空气污染、能源安全等(Anenberg et al., 2017; 严晗等, 2014; Wu et al., 2017).

国际清洁交通委员会(ICCT)(Tietge et al., 2016)通过分析欧洲60万辆车的用户油耗数据, 发现欧洲轻型乘用车实际道路油耗和法规认证测试结果的平均差异从2001年的9%增加到2015年的42%.根据小熊油耗APP收集的21万中国车主的实际道路油耗数据, 研究同样发现中国实际道路油耗和法规认证油耗的差异从2008年的12%增加到2015年的28%(安锋等, 2015; 秦兰芝等, 2016).ICCT研究报告指出, 造成实际道路与型式认证油耗差异显著主要包括3方面的原因.首先, 相对实际道路行驶条件, 轻型车型式认证的测试条件和操作流程往往得到燃油经济性的优化; 其次, 越来越多的车辆采用先进节油技术(如启停技术), 这些技术在型式认证测试条件下的节油率高于实际效果; 此外车辆实际行驶过程中由于交通拥堵、空调使用和低温环境等因素也会导致油耗显著上升.需要指出的是, 上述研究主要是基于用户上报加油量(或租车公司油耗记录)来计算车辆实际道路油耗, 无法对车辆实际道路及瞬态影响特征进行精细化分析; 部分研究采用了车载排放测试系统(PEMS)通过测试尾气碳含量的瞬态排放来计算实时油耗, 但PEMS的仪器复杂、测试成本相对较高, 很难用于大规模的实际道路油耗数据采集.

为了实现对机动车污染排放和油耗进行有效检测, 车载诊断系统(on-board diagnostic, OBD)在近年来快速发展.OBD技术的主要作用是检测发动机故障, 也可以通过收集发动机进气量数据计算出瞬时燃料消耗, 从而实现对轻型车油耗的有效监管(Malekian et al., 2017).与采用在线尾气测量的车载排放测试系统(PEMS)相比, OBD具有体积轻便并且同步、深度和准确采集车辆和发动机瞬态运行特征(如车辆速度、发动机转速、负荷、进气量等)的优势(Farrugia et al., 2016; Baek and Jang, 2015; Yang et al., 2016).

本研究首先选取部分典型车辆开展实验室可控条件下的OBD方法(空燃比法)和油耗测试的法规方法(碳平衡法)对比分析; 然后进一步选取更大样本的典型车辆开展实际道路测试, 采集实际道路逐秒发动机进气量及速度等瞬时参数, 分析测试车辆实际道路油耗特征, 并选取平均速度和车辆载重为主要影响因素分析其对实际道路油耗的影响规律.

2 研究方法与数据处理(Methods and data processing) 2.1 实验概况

本研究测试的7辆轻型车信息见表 1, 车辆通过神州租车、PP租车等网站租用测试, 为国内较常见的中大型的轻型车.对于供油方式, 包括3辆进气道喷射技术(PFI)轻型车和4辆汽油燃油直喷技术(GDI)轻型车.目前研究普遍认为GDI技术相较于PFI技术具有一定的节油潜力(Saliba et al., 2017; Zhu et al., 2016).OBD数据的采集利用了两款解码器, 分别是OBDLink公司的OBDLink S Scan Tool解码器, 和HEMData公司生产的OBD Mini Logger解码器.实际道路测试路线高速段选取了北京市京藏高速进行测试, 中低速段选取了北京市海淀区至西城区的城市道路, 每次测试时间为2 h左右, 共采集了约22 h的实际道路逐秒数据.

表 1 测试国5轻型汽油车基本信息 Table 1 Basic information of tested Euro5 light-duty gasoline vehicles

本研究对7辆车中的1号、2号进行了OBD和台架油耗对比测试, 进行了3次实验, 共4160条逐秒数据, 具体见表 3.台架测试实验在中国汽车技术研究中心(CATARC)进行, 同步采集OBD数据.台架测试采用了目前用于型式认证测试的New European Driving Cycle(NEDC)工况和未来国6轻型车污染物排放标准法规测试的Worldwide harmonized Light vehicle Test Cycle(WLTC)工况.法规油耗测试采用的是碳平衡法, OBD油耗计算采用的是空燃比法.

表 3 OBD油耗与碳平衡油耗对比 Table 3 Comparison of OBD fuel consumption and carbon balance fuel consumption
2.2 油耗计算方法 2.2.1 碳平衡法

根据《轻型汽车燃料消耗量试验方法GB/T19233—2008》, 由质量守恒原理可知, 燃烧的产物CO2、CO和THC中碳元素均来自于汽油.因此, 根据尾气中CO2、CO和THC的含量, 汽油的密度和碳含量, 就可以计算出汽油消耗量.计算公式见式(1).

(1)

式中, FC是汽油消耗量(L·100km-1); D为汽油密度(g·L-1); WC为汽油的碳含量(g·g-1); EFTHC、EFCO和EFCO2分别为THC、CO和CO2的排放因子(g·km-1).

同理, 汽油瞬时消耗量也可以用碳平衡法计算得到, 见式(2).

(2)

式中, FR是汽油瞬时消耗量(L·s-1); D为汽油密度(g·L-1); WC为汽油的碳含量(g·g-1); ERTHC、ERCO和ERCO2分别为THC、CO和CO2的排放速率(g·s-1).

2.2.2 空燃比法

OBD测试的油耗通过发动机进气量由空燃比法得到(DeFries et al., 2014).计算见式(3):

(3)

式中, FR为油耗速率(L·s-1); MAF(mass air flow rate)为空气质量流量(g·s-1); αstoich为理论空燃比, 即按照化学计量比燃烧的条件下, 空气和燃料的质量比, 无量纲; D为汽油密度(g·L-1); φ为当量比(commanded equivalence ratio), 为理论空燃比与实际空燃比的比值.αstoichD为燃料属性, 可以查到; MAF可以用OBD解码器测得; φ可由短时燃油修正因数ΦS和长时燃油修正因数ΦL间接得到(杨殿阁等, 2016), 见式(4).其中ΦS取值范围为-30%~+30%, ΦL取值范围为-15%~+15%, 根据车系不同具体取值会有差别.

(4)

带入FR公式可得式(5):

(5)
2.3 实际道路油耗测试数据处理方法

本研究对7辆车测试了其在低载重(普通载重)条件下的油耗, 并对其中的4辆轻型车测试了高载重条件下的油耗.低载重条件下的机动车实际质量是其整备质量, 加上驾驶员、副驾驶、必要设备的质量(约150 kg); 高载重条件下的机动车实际质量是同一辆车在低载重条件下的实际质量加上260 kg(约3位成年人及随身物品的质量, 总质量达到相当于5人座轻型乘用车满载的程度).对于实际道路油耗的处理, 本研究首先利用前文所述的空燃比油耗计算方法由发动机进气量得到逐秒瞬态油耗.然后运用微观运行模态方法、短时交通流(短工况)方法对瞬态油耗进行处理, 进而分析工况、载重对于油耗的影响.本节将对油耗分析方法进行详细介绍.

2.3.1 微观运行模态划分

本研究参照美国环保署开发的MOtor Vehicle Emission Simulator(MOVES)机动车排放模型(U.S. EPA, 2014), 选用机动车比功率VSP和瞬间速度v作为车辆瞬态工况模态的表征参数.其中VSP是一个反映机动车微观运行特征的参数, 综合考虑了车辆重力、空气阻力、地面摩擦阻力等因素的影响, 定义为机动车单位质量的瞬时功率需求.对轻型车而言, 其计算公式见式(6)(Jimenez, 1999).

(6)

式中, VSP为发动机比功率(kW·t-1); v为车辆行驶速度(m·s-1); a为车辆瞬时加速度(m·s-2); grade为道路坡度角.根据课题组对中国典型城市机动车行驶工况的研究基础(Zhang et al., 2014a; 张少君, 2014), 本研究定义了28个轻型车运行工况区间, 即28个bin(微观运行模态, 见表 2).

表 2 轻型车微观运行模态典型划分方法 Table 2 Definition of operating mode bins for light-duty vehicles
2.3.2 基于微观运行模态(bin)的油耗计算

根据前文所述微观运行模态划分方法, 按照VSP和v的分布, 将测试车辆每秒的瞬态油耗划分至相应的微观运行模态中, 计算每个微观运行模态中所有瞬态油耗的平均值.计算公式见式(7):

(7)

式中, ijt分别表示测试轻型车的编号、微观运行模态号和时间; FRi, j为轻型车i在微观模态j下的平均油耗速率(L·s-1); FRi, j, t为轻型车i在微观运行模态j下第t秒的瞬态油耗(L·s-1); Ti, j为轻型车i在微观运行模态j的总秒数(s).

根据各微观运行模态平均油耗, 和给定工况(如NEDC工况、WLTC工况或图 1中用于建立本文速度修正曲线的实际道路典型工况)各微观运行模态的时间分布, 即可计算出每辆轻型车在给定工况下的百公里油耗, 见式(8).

图 1 轻型车实际道路典型工况微观运行模态时间分布 Fig. 1 Time allocation of each operating mode to total time of the average on-road driving pattern for light-duty vehicles
(8)

式中, FCi, 0为轻型车i在给定工况下的百公里油耗(L·100km-1); Pj为该工况中微观运行模态j的时间占比; v为该工况的整体平均速度(km·h-1).本文所采用的轻型车实际道路典型工况各微观运行模态时间比例分布来自于课题组之前的研究(张少君, 2014)(见图 1).

2.3.3 建立基于短时交通流的油耗-速度修正曲线

平均速度是影响机动车油耗的关键因素(Zhang et al., 2014a; Zhang et al., 2014b; Zhang et al., 2014c), 而且是一个比发动机瞬态参数更易获得的宏观参数, 广泛应用于机动车污染控制决策模型(EEA, 2016; Brzezinski et al., 2001).划分短时交通流的基本原理是, 将一段完整的实际道路交通流划分为若干个独立的短交通流(micro-trip), 计算每一个短交通流的平均油耗, 分析短时交通流工况特征对油耗的影响.张少君(2014)认为, 采用250~350 s的时间长度能够一方面较好体现实际交通状态的复杂性(即具有较宽的速度修正区间), 另一方面能够较为准确地刻画从路段到路网空间尺度的速度影响.因此, 本研究选取250~350 s作为一个短工况的时间长度, 建立油耗基于短时交通流速度的修正曲线.

除实际道路运行工况外, 测试车辆自身的重量、劣化水平、排放控制技术等因素也会对实际道路的油耗造成较大的影响.而对同一辆车而言, 车辆本身的影响因素在不同运行条件下对油耗的影响水平基本是一样的(冷启动事件除外).为了消除车辆本身因素对油耗的影响, 本研究引入一个无量纲参数:相对油耗因子, 见式(9), 仅评估运行工况对油耗的影响.对于不同车辆, 研究基于式(8), 选取同样的运行工况作为基准, 建立各短工况对于给定基准工况的油耗相对值.

(9)

式中, RFCi, k为轻型车i在第k个短工况区间上的相对油耗因子, 无量纲; FCi, k为轻型车i在第k个短工况区间上的百公里油耗(L·100km-1); FCi, 0为车辆i归一化到给定基准工况(即实际道路典型工况, 其微观运行模态的时间分布见图 1)下的百公里油耗(L·100km-1).绘制相对油耗因子随速度变化的曲线, 即为该车辆类别的油耗因子速度修正曲线.

3 结果(Results) 3.1 OBD油耗和碳平衡油耗的对比

本研究在实验室NEDC和WLTC工况下对7辆车中的2辆轻型车同步采集了OBD油耗和碳平衡法油耗, 共采集4160条逐秒数据, 结果如表 3所示.由表中可以看出OBD油耗与实验室碳平衡油耗的差异在±5%以内.

图 2为NEDC工况下, 2号车的测试结果.由图 2可以看出, 由于在冷启动阶段(0~30 s)和急减速阶段(1130~1170 s), 发动机并不处于理论燃烧状态, 因而OBD油耗高于实验室碳平衡油耗, 其他工况下OBD油耗和实验室碳平衡油耗吻合度较高.瞬时OBD油耗与碳平衡油耗的拟合R2结果为0.968, 可见OBD油耗的准确性.

图 2 2号车NEDC工况下瞬时OBD油耗和碳平衡油耗对比 Fig. 2 Comparison between OBD and carbon balanced fuel rate of No.2 vehicle under NEDC condition
3.2 实际道路油耗

7辆进行实际道路测试轻型车的直接油耗结果, 都被分别归一化为实际道路典型工况、NEDC工况和WLTC工况.如图 3所示, 7辆车归一化到实际道路典型工况油耗是(10.1±1.4) L·100 km-1, 归一化到NEDC工况油耗是(9.3±1.3) L·100 km-1, 归一化到WLTC工况油耗是(9.1±1.2) L·100 km-1.结果显示, 归一化到实际道路典型工况油耗要明显高于归一化到实验室工况油耗(即NEDC工况油耗和WLTC工况油耗), 这与之前的油耗研究结果相吻合(Zhang et al., 2014a).其原因要归功于实际道路运行工况相对于实验室运行工况, 具有较低的平均运行速度(如和WLTC工况相比), 更大比例的加减速工况、高VSP工况(如和NEDC工况相比).本研究中, 归一化到实际道路典型工况下的油耗比工信部型式认证油耗高23.1%~46.4%, 平均值为29.2%.安锋等(2015)秦兰芝等(2016)分析了近几年中国轻型车实际道路与型式认证油耗的差异, 分别为27%和28%, 本研究结果和上述研究基本一致.归一化到NEDC工况下的油耗比工信部型式认证油耗高18.7%±7.1%, 这个差异不是由测试工况的交通因素差异造成的, 而是由型式认证测试过程中其他被优化的条件导致的.对于归一化到实际道路典型工况而言, 4辆GDI车的平均油耗是9.7 L·100km-1, 3辆PFI车的平均油耗是10.7 L·100km-1, GDI车的平均油耗比PFI车低9.3%.由于本研究样本量有限, 没有对PFI、GDI车的排量、车重等进行更细致的处理, 后续研究可以就此展开, 以得到更准确的结果.考虑到工况和载重等车辆实际使用条件对轻型车油耗影响较大(Fontaras et al., 2017), 后文针对平均速度和载重质量对油耗的影响进行了深入研究.

图 3 测试国5轻型汽油车归一化油耗结果 Fig. 3 Normalized fuel consumption for tested Euro5 LDGVs
3.3 基于平均速度的实际道路燃油消耗修正曲线

图 4是7辆轻型车的实际道路相对油耗因子对速度的拟合结果, 可以看出短工况路网平均速度与相对油耗因子有着很强的相关性.与之前的研究相似, 相对油耗因子在0~30 km·h-1的区间内随着平均速度的上升而急速下降, 随后下降趋势变缓, 相对油耗因子在80 km·h-1左右达到最低点(Che et al., 2016; Zhang et al., 2014a; Zhang et al., 2014c).而后在高速区间, 相对油耗因子随着平均速度的增加而略微抬升.本研究根据Computer programme to calculate emissions from road transport 4(COPERT 4)模型(EEA, 2016)给出的一系列参考公式对油耗和车速进行拟合, 最终选择了相关性系数最高的参考公式y=axb+cxd.根据2.3.3节所述的短工况法, 所有测试车辆的逐秒数据共划分为271个短工况.这271个数据点的最终拟合结果为y=6.740x-0.5627+5.333×10-6x2.336, 可决系数R2=0.895.

图 4 基于短工况法的轻型汽油车油耗-速度修正曲线 Fig. 4 Speed-dependent function of relative fuel consumption for light-duty vehicles based on the micro-trip method
3.4 车辆载重对轻型车实际道路油耗的影响分析

本研究对7辆中的4辆轻型车分别测试其在低载重和高载重条件下的油耗, 并将其归一化到实际道路典型工况.低载重条件下的机动车实际质量是其整备质量, 加上驾驶员、副驾驶、必要设备的质量(约150 kg); 高载重条件下的机动车实际质量是同一辆车在低载重条件下的实际质量加上260 kg.测试车辆在高载重条件下的油耗均高于在低载重条件下的油耗, 如图 5a所示.低载重条件下, 测试车辆的油耗是(9.7±0.5) L·100km-1; 高载重条件下, 测试车辆的油耗是(10.3±0.4)L·100km-1.高载重时油耗上升6.2%±2.2%.之前的研究认为, 载重量50~200 kg的增加, 将会带来5%~9%的油耗增加(Mock et al., 2014; Franco et al., 2013).Fontaras等(2007)认为, 轻型车的最大质量和整备质量之差的50%的质量增加, 将会带来5.6%的油耗增加.本研究的结果与上述研究基本一致.以4号车为例, 其在低、高载重条件下的瞬态油耗如图 5b所示.根据各bin的高低载重油耗差异及各bin的比例进行分析, 发现对油耗影响大的几个bin为Bin14~Bin18, 这5个微观模态的高低载重的单位时间油耗的相对差异达到8.0%~19.3%.这5个模态为低速、中高VSP模态, 在典型工况中的时间占比很高, 因此对高低载重整体油耗差异的贡献达45%.这些模态速度偏低而加速度很高, 往往出现在汽车启动加速过程中; 这期间载重增加意味着车辆需要克服更大的惯性质量做功, 从而导致了高载重时油耗较高, 高低载重油耗差异较大.

图 5 低高载重油耗 Fig. 5 The fuel consumption under low and high load
4 结论(Conclusions)

1) OBD油耗与实验室碳平衡油耗的差异在±5%以内.除发动机并不处于理论燃烧状态的个别工况外, OBD油耗与碳平衡油耗吻合度很高, 瞬时OBD油耗与碳平衡油耗的拟合R2结果为0.968.对比实验说明了OBD油耗计算方法(空燃比法)的准确性.

2) 实际道路测试结果显示, 7辆国5轻型汽油车归一化到实际道路典型工况下的油耗为(10.1±1.4) L·100 km-1, 归一化到NEDC工况油耗是(9.3±1.3) L·100 km-1, 归一化到WLTC工况油耗是(9.1±1.2) L·100 km-1.归一化到实际道路典型工况下的油耗与工信部型式认证油耗的差异平均值为29.2%.归一化到NEDC工况下的油耗比工信部型式认证油耗高18.7%±7.1%, 型式认证测试过程中除工况外其他被优化的条件造成了这个差异.

3) 工况对油耗有很大影响.短工况路网平均速度与相对油耗因子有着很强的相关性.相对油耗因子在0~30 km·h-1的区间内随着平均速度的上升而急速下降, 随后下降趋势变缓, 相对油耗因子在80 km·h-1左右达到最低点.而后在高速区间, 相对油耗因子随着平均速度的增加而略微抬升.

4) 4辆国5轻型汽油车油耗结果显示, 当载重提高260 kg(即总载重达到相当于5人座轻型乘用车满载)时, 油耗上升6.2%±2.2%.对高低载重油耗差异影响较大的是低速、中高VSP模态, 这些模态在典型工况中的时间占比很高.且往往出现在车辆启动过程中, 高载重时车辆需要克服更大的惯性做功, 从而导致高低载重油耗差异较大.需要指出的是本研究测试的主要是中大排量的国5轻型车, 后续研究可以关注其他排量类型和排放标准的轻型汽油车的油耗特征.

参考文献
Anenberg S C, Miller J, Injares R M, et al. 2017. Impacts and mitigation of excess diesel-related NOx emissions in 11 major vehicle markets[J]. Nature, 545(7655): 467. DOI:10.1038/nature22086
安锋, 丁烨, Ben D M. 2015. 实际油耗与工况油耗差异简析[R]. 北京: 能源与交通创新中心iCET. 29
Baek S, Jang J. 2015. Implementation of integrated OBD-Ⅱ connector with external network[J]. Information Systems, 50: 69–75. DOI:10.1016/j.is.2014.06.011
Brzezinski D, Hart C, Enns P. 2001. Final facility specific speed correction factors[R]. EPA420-R-01-060. Washington D C: USEPA. 1-167
Che X L, Yu Q, Ren G L, et al. 2016. Average fuel consumption calculation model of touring coach based on OBD data-a case study in city X//Kim Y H. AER-advances in engineering research[M]. Paris: Atlantis Press: 1370–1374.
Defries T H, Sabisch M, Kishan S, et al. 2014. In-use fuel economy and CO2 emissions measurement using OBD data on US light-duty vehicles[J]. SAE Int J Engines, 7(3): 1382–1396. DOI:10.4271/2014-01-1623
EEA. 2016. EMEP/EEA air pollutant emission inventory guidebook 2016[R]. Luxembourg: European Environment Agency. 28
Farrugia M, Azzopardi J P, Xuereb E, et al. 2016. The usefulness of diesel vehicle onboard diagnostics (OBD) information[J]. Proceedings of the 2016 17th International Conference on Mechatronics-Mechatronika (Me): 369–373.
Fontaras G, Kouridis H, Samaras Z, et al. 2007. Use of a vehicle-modelling tool for predicting CO2 emissions in the framework of European regulations for light goods vehicles[J]. Atmospheric Environment, 41(14): 3009–3021. DOI:10.1016/j.atmosenv.2006.12.004
Fontaras G, Zacharof N, Ciuffo B. 2017. Fuel consumption and CO2 emissions from passenger cars in Europe-Laboratory versus real-world emissions[J]. Progress in Energy and Combustion Science, 60: 97–131. DOI:10.1016/j.pecs.2016.12.004
Franco V, Kousoulidou M, Muntean M, et al. 2013. Road vehicle emission factors development:A review[J]. Atmospheric Environment, 70: 84–97. DOI:10.1016/j.atmosenv.2013.01.006
环境保护部. 2017. 2017年中国机动车环境管理年报[R]. 北京: 环境保护部. 1-67
Jimenez P. 1999. Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing[D]. Massachusetts: Massachusetts Institute of Technology. 361
Malekian R, Moloisane N R, Nair L, et al. 2017. Design and implementation of a wireless OBD Ⅱ fleet management system[J]. IEEE Sensors Journal, 17(4): 1154–1164. DOI:10.1109/JSEN.2016.2631542
Mock P, Kuhlwein J, Tietge U, et al. 2014. The WLTP: How a new test procedure for cars will affect fuel consumption values in the EU[R]. Washington, DC: International Council on Clean Transportation(ICCT). 20
秦兰芝, Dror M B, 康利平, 等. 2016. 乘用车实际油耗与工况油耗差异发展年度报告2016[R]. 北京: 能源与交通创新中心iCET. 59
Saliba G, Saleh R, Zhao Y, et al. 2017. Comparison of gasoline direct-Injection (GDI) and port fuel injection (PFI) vehicle emissions:Emission certification standards, cold-start, secondary organic aerosol formation potential, and potential climate impacts[J]. Environmental Science & Technology, 51(11): 6542–6552.
Tietge U, Diaz S, Mock P, et al. 2016. From laboratory to road. A 2016 update of official and "real-world" fuel consumption and CO2 values for passenger cars in Europe[R]. Berlin: International Council on Clean Transportation(ICCT). 1-64
U. S. EPA. 2014. User's guide to MOVES 2014: motor vehicle emission simulator[R]. EPA-420-B-15-095. Washington D. C. : U. S. EPA. 1-266
Wu Y, Zhang S J, Hao J M, et al. 2017. On-road vehicle emissions and their control in China:A review and outlook[J]. Science of the Total Environment, 574: 332–349. DOI:10.1016/j.scitotenv.2016.09.040
严晗, 吴烨, 张少君, 等. 2014. 北京典型道路交通环境机动车黑碳排放与浓度特征研究[J]. 环境科学学报, 2014, 34(8): 1891–1899.
杨殿阁, 李满, 班学钢. 2016. 基于OBD系统的汽油车油耗实时在线监测方法[J]. 汽车安全与节能学报, 2016(1): 108–114.
Yang L H Z, Zhang S J, Wu Y, et al. 2016. Evaluating real-world CO2 and NOX emissions for public transit buses using a remote wireless on-board diagnostic (OBD) approach[J]. Environmental Pollution, 218: 453–462. DOI:10.1016/j.envpol.2016.07.025
Zhang S J, Wu Y, Liu H, et al. 2014a. Real-world fuel consumption and CO2 (carbon dioxide) emissions by driving conditions for light-duty passenger vehicles in China[J]. Energy, 69: 247–257. DOI:10.1016/j.energy.2014.02.103
Zhang S J, Wu Y, Hu J N, et al. 2014b. Can Euro V heavy-duty diesel engines, diesel hybrid and alternative fuel technologies mitigate NOX emissions? New evidence from on-road tests of buses in China[J]. Applied Energy, 132: 118–126. DOI:10.1016/j.apenergy.2014.07.008
Zhang S J, Wu Y, Liu H, et al. 2014c. Real-world fuel consumption and CO2 emissions of urban public buses in Beijing[J]. Applied Energy, 113: 1645–1655. DOI:10.1016/j.apenergy.2013.09.017
张少君. 2014. 中国典型城市机动车排放特征与控制策略研究[D]. 北京: 清华大学. 221
中华人民共和国国家统计局. 2017. 中国统计年鉴2016[M]. 北京: 中国统计出版社.
Zhu R C, Hu J N, Bao X F, et al. 2016. Tailpipe emissions from gasoline direct injection (GDI) and port fuel injection (PFI) vehicles at both low and high ambient temperatures[J]. Environmental Pollution, 216: 223–234. DOI:10.1016/j.envpol.2016.05.066