Đánh giá giảm phát thải của hệ thống xe buýt nhanh tại Hà Nội qua phân tích đặc trưng lái ngoài thực tế

Nội dung text: Đánh giá giảm phát thải của hệ thống xe buýt nhanh tại Hà Nội qua phân tích đặc trưng lái ngoài thực tế

1. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải ĐÁNH GIÁ GIẢM PHÁT THẢI CỦA HỆ THỐNG XE BUÝT NHANH TẠI HÀ NỘI QUA PHÂN TÍCH ĐẶC TRƯNG LÁI NGOÀI THỰC TẾ Nguyễn Thị Yến Liên*, Thân Thị Hải Yến, Bùi Lê Hồng Minh, Cù Thị Thục Anh Trường Đại học Giao thông Vận tải, Số 3 Cầu Giấy, Hà Nội * Tác giả liên hệ:Email: nylien@utc.edu.vn Tóm tắt. Bài báo đã đánh giá hiệu quả hoạt động của xe buýt nhanh (BRT) tại Hà Nội dựa trên dữ liệu lái ngoài thực tế. Dữ liệu lái ngoài thực tế của BRT đã được thu thập bằng công nghệ GPS với tốc độ cập nhật 1Hz. Các sai số trong dữ liệu GPS đã được xử lý trước khi đưa vào tính toán 25 thông số động học lái. Kết quả cho thấy chưa có sự khác biệt lớn về vận tốc trung bình của BRT so với buýt truyền thống, vận tốc trung bình của BRT chỉ cao hơn buýt truyền thống 1,3 lần. Tuy nhiên, phương thức lái của BRT đã có sự khác biệt đáng kể so với buýt truyền thống: tỷ lệ thời gian hoạt động ở chế độ ổn định trong dải vận tốc trung bình và trong dải vận tốc thấp tăng so với buýt truyền thống lần lượt là 68,9% và 47,4%; tỷ lệ thời gian không tải giảm 15,9% so với buýt truyền thống. Kết quả nghiên cứu cũng cho thấy mức phát thải các chất ô nhiễm của BRT đã giảm so với buýt truyền thống từ 3,0 ÷ 54,6%. Từ khóa: VSP, BRT, buýt, đặc trưng lái, hệ số phát thải. 1. ĐẶT VẤN ĐỀ Giao thông vận tải (GTVT) là một phần rất quan trọng của cuộc sống hiện đại, con người ngày càng phụ thuộc nhiều hơn vào các loại phương tiện giao thông cơ giới. Tuy nhiên, GTVT lại là một trong những nguyên nhân chính gây ô nhiễm không khí tại các thành phố lớn của các nước đang phát triển, trong đó có Việt Nam. Đẩy mạnh phát triển hệ thống giao thông công cộng được xem như là một trong những giải pháp để cải thiện chất lượng không khí đô thị tại Việt Nam trong những năm gần đây. Do đó, riêng Hà Nội, từ năm 2001 đến năm 2017 số lượng các tuyến xe buýt đã tăng 3 lần và số xe buýt tăng 4,2 lần [1]. Từ tháng 12 năm 2016, Hà Nội đã chính thức khai trương tuyến xe buýt nhanh (BRT) đầu tiên nhằm nâng cao năng lực vận chuyển và giảm thiểu phát thải. BRT là xe buýt được hoạt động trên làn đường riêng và có hệ thống giao thông ưu tiên hỗ trợ để tạo ra tốc độ di chuyển nhanh hơn và tần suất vận tải lớn hơn so với buýt truyền thống. Do đó, đặc trưng lái ngoài thực tế là sự khác biệt lớn nhất giữa buýt truyền thống và BRT. Hiện nay, nhiều quan điểm cho rằng hoạt động của BRT tại Hà Nội hiện nay chưa thực sự hiệu quả do tỉ lệ làn đường dành riêng cho BRT chưa cao. Do đó, nghiên cứu này được thực hiện nhằm lượng hóa hiệu quả thực sự mà BRT đạt được thông qua phân tích các đặc trưng lái ngoài thực tế và đặc trưng phát thải của hệ thống xe buýt này. -376-
2. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải 2. PHƯƠNG PHÁP NGHIÊN CỨU Phương pháp nghiên cứu được trình bày trong Hình 1. Lựa chọn tuyến Thu thập dữ liệu lái ngoài thực tế Xử lý dữ liệu Tính các thông số đặc trưng của chu trình lái Mô phỏng phát thải Đánh giá hiệu quả hoạt động Hình 1. Phương pháp nghiên cứu. 2.1. Lựa chọn tuyến Để đạt được mục tiêu nghiên cứu, tuyến xe buýt nhanh BRT01 đã được lựa chọn. Hiện tại đây là tuyến xe buýt nhanh duy nhất tại Hà Nội. Một số thông tin của tuyến BRT 01 như Bảng 1 [2]. Bảng 1. Thông tin về tuyến BRT01. Tên tuyến Bến xe Yên Nghĩa – Kim Mã Số hiệu BTR01 Chiều dài tuyến (km) 14,8 Số điểm dừng trên toàn tuyến (điểm) 23 2.2. Thu thập dữ liệu lái ngoài thực tế Trong nghiên cứu này, dữ liệulái ngoài thực tế của BRT được thu thập bằng công nghệ GPS, sử dụng thiết bị Garmin Etrex Vista HCx có tốc độ cập nhật 1Hz (Hình 2). -377-
3. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Quá trình thu thập dữ liệu được thực hiện một cách liên tục trong ngày, bắt đầu từ khoảng 6am và kết thúc vào khoảng 8pm tại điểm đầu và điểm cuối của tuyến. Phần mềm Mapsource được sử dụng để xuất dữ liệu từ thiết bị GPS ra file excel, gồm 2 trường dữ liệu: vận tốc và thời gian. Hình 2. Thiết bị Garmin Extra Vista HCx. Quá trình thu thập dữ liệu được thực hiện trong khoảng thời gian từ 3/2017 đến 10/2017. 2.3. Xử lý dữ liệu Dữ liệu lái thu được có thể chứa các sai số liên quan đến hiện tượng mất tín hiệu đột ngột, các điểm dữ liệu dị biệt, sự trôi của các giá trị vận tốc bằng không (zero speed drift) và nhiễu trắng (white noise) [3]. Do đó, dữ liệu này cần được xử lý để loại bỏ các sai số nhưngkhông được làm mất đi tính toàn vẹn của dữ liệu gốc, qua đó các tính toán về mặt năng lượng sẽ được hoàn thiện hơn khi phân tích đặc trưng lái. Một bộ lọc gồm 9 bước đã được thiết trong [4] sẽ được sử dụng để định dạng và xử lý các sai số trong dữ liệu GPS thu được. Toàn bộ quá trình xử lý được thực hiện tự động trên phần mềm Matlab. 2.4. Tính các thông số động học đặc trưng của chu trình lái Chu trình lái là bức tranh về mối liên hệ giữa vận tốc – thời gian của phương tiện tham gia giao thông trong điều kiện nhất định. Do đó, đặc trưng lái ngoài thực tế của phương tiện vận tải sẽ được phản ánh qua các thông số động học chu trình lái như được định nghĩa trong Bảng 2. Định nghĩa này áp dụng cho trường dữ liệu vận tốc gồm n giá trị thời gian tính bằng giây (ti) (với 1 ≤ i ≤ n) và vận tốc vi tính bằng km/h (1 ≤ i < n). Bảng 2.Các thông số động học thường sử dụng xác định đặc trưng chu trình lái ([17, 18]). Đơn Các thông số và định nghĩa vị n v1 vi Chiều dài/tổng khoảng cách: Disttttt=−+−()().211  ii− km 3,63,6i=2 n Tổng thời gian: Ttttttotalii=−+−211 ()− s i=2 Thời gian chuyển động: Tdrive = Ttotal – Tidle s Thời gian chạy ổn định ở vận tốc trung bình: s -378-
4. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải  tt(− − a0,1m.svµ v5m.s)tt(−−−−2121 a0,1m.svµ v5m.s)n 2111ii 1ii − Tc =+      0(ng­îcl¹i)0(ng­îcl¹i) i2= Thời gian chạy ổn định ở vận tốc thấp:  tt(− − a0,1m.svµ v5m.s)tt(−−−−2121 a0,1m.svµ v5m.s)n 2111ii 1ii − s Tcr =+     0(ng­îcl¹i)0(ng­îcl¹i) i2= Thời gian chạy ổn định: Tcruise = Tc + Tcr = Tdrive – Tacc - Tdec s Thời gian tăng tốc: −−22n t2− t 1 (a 1 0,1m.s )  t i − t i− 1 (a i 0,1m.s )  s Tacc =+   0 (ng­îcl¹i) i2= 0 (ng­îcl¹i)  Thời gian giảm tốc: −−22n  tt(a0,1m.s)tt(a0,1m.s)211ii− −− − 1i − s Tdec =+     0(ng­îcl¹i)0(ng­îcl¹i) i2= Thời gian không tải:  tt(v0−==−== vµ a0)tt(v0 vµ a0) n 2111ii 111 − s Tidle =+     0(ng­îcl¹i)0(ng­îcl¹i) i2= T Tỷ lệ thời gian lái xe: drive P.100%drive = % Ttotal T Tỉ lệ thời gian chạy ổn định ở vận tốc trung bình: c P.100%c = % Ttotal T Tỉ lệ thời gian chạy ổn định ở vận tốc thấp: cr P.100%cr = % Ttotal T Tỉ lệ thời gian tăng tốc: acc Pacc = .100% % Ttotal T Tỉ lệ thời gian giảm tốc: dec Pdec = .100% % Ttotal Tidle Tỉ lệ thời gian không tải: P.100%stop = % Ttotal dist Vận tốc trung bình: v3,6trip = km/h Ttotal dist Vận tốc lái xe trung bình: vdrive = 3,6 km/h Tdrive n 1 2 Độ lệch chuẩn của vận tốc: vi =(v − v) km/h n1− i1= -379-
5. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải 1 n 2 Gia tốc trung bình: aa=  i m/s Ttotal i1= Gia tốc dương trung bình: −1 nn1 (nÕua0)a(nÕua0) 2   iii m/s apos =    i= 11  0(ng­îcl¹i)0(ng­îcl¹i) Gia tốc âm trung bình: −1 nn1 (nÕua0)a(nÕua0) 2   iii m/s aneg =    i= 11  0(ng­îcl¹i)0(ng­îcl¹i) n 1 2 2 Độ lệch chuẩn của gia tốc: =−ai(aa) m/s n1− i1= Số lần dừng: n 1(v0a0v0a0) iiii==    lần stopnr− =  i1= 0 (ng­îcl¹i) stopnr Số lần dừng trên 1 km: stoprate1000= − lần/k − dist m Động năng dương (PKE): n 22 2 1 vv(nÕuii 1ii− 1 −− vv) m/s PKE =   dist i2= 0(ng­îcl¹i) 11T N Căn quân phương của gia tốc (RMSA): RMSA = a.dt.a22=  i 2 TN0 i1= m/s Với: N = T = Ttotal Công suất riêng của xe (VSP): VSP1,1av0,132v0,000302v= + + 3 W/kg Với: v là vận tốc của xe (m/s), a là gia tốc (m/s2). 2.5. Mô phỏng phát thải Để có thể đánh giá chi tiết hơn về hiệu quả hoạt động của BRT, nghiên cứu này đã tiến hành mô phỏng phát thải của buýt BRT dựa trên dữ liệu lái ngoài thực tế. Mô hình IVE (International Vehicle Emissions) được sử dụng để mô phỏng phát thải của xe buýt theo các chu trình lái đặc trưng. Mô hình IVE do Cơ quan Bảo vệ Môi trường Hoa Kỳ (US. EPA) và Văn phòng Quan hệ Quốc tế thiết kế đặc biệt để phù hợp với các nước đang phát triển trong nỗ lực nhằm giải quyết phát thải từ nguồn động [5]. Tính chính xác của IVE đã được đánh giá qua nghiên cứu của Gou và cộng sự (2007) khi hệ số tương quan giữa kết quả mô phỏng theo IVE và kết quả đo ngoài thực tế đều lớn hơn 0,8 đối với tất cả các chất ô nhiễm [6]. -380-
6. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Phát thải của các phương tiện vận tải phụ thuộc vào rất nhiều yếu tố có liên quan đến nhiên liệu, phương tiện, phương thức lái và điều kiện môi trường xung quanh. Do đó, hiện nay chưa có một phương trình toán học nào có thể mô tả đầy đủ ảnh hưởng của tất cả các yếu tố đầu vào tới hệ số phát thải (emission factor, EF) của phương tiện. Trong IVE, EF được xác định dựa trên tốc độ phát thải với một loạt các hệ số hiệu chỉnh theo công nghệ, theo phương thức lái, và theo các điều kiện môi trường xung quanh theo thuật toán được biểu diễn trên Hình 3[5]. Dữ liệu đầu vào file Fleet - Phân loại công nghệ của Điều chỉnh Tính toán phương tiện Dữ liệu đầu ra hệ số phát hệ số phát - Khởi động * - Phân loại điều hòa không khí thải dòng xe thải nền - Điều chỉnh hệ số phát thải nền - Đang chạy bởi công nghệ và chất ô nhiễm * Bắt đầu vòng lặp Tính toán Tính toán Tính toán Tính toán Tính toán Tính toán điều chỉnh điều chỉnh điều chỉnh điều chỉnh điều chỉnh điều chỉnh nhiệt độ * loại đường * bảo dưỡng * chất lượng * điều hòa * phương nhiên liệu không khí thức lái Dữ liệu đầu vào file Location - Địa điểm/thời gian - Nhiệt độ - Loại đường - Chương trình bảo dưỡng kiểm định - Thông tin về nhiên liệu - Sử dụng điều hòa không khí - Phân loại phương thức lái - Phân loại thời gian khởi động - Quãng đường đi được Hình 3. Thuật toán sử dụng trong IVE. Dữ liệu lái ngoài thực tế Trong IVE, dữ liệu vận tốc tức thời theo thời gian của dữ liệu lái ngoài thực tế được sử dụng để xác định 2 thông số đầu vào quan trọng của mô hình như sau: • Công suất riêng của xe (Vehicle Specific Power, VSP): là nhu cầu năng lượng tính cho một đơn vị khối lượng của xe để thắng các lực cản chuyển động như lực cản lăn, lực cản không khí, lực cản lên dốc, lực cản tăng tốc và lực cản mooc kéo. Công thức tính VSP theo [5]: VSP (kW/ton) =v×[1,1×a+9,81 (arctan(sin(grade))) + (1) 0,132]+0,000302×v3 -381-
7. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Trong đó: a là gia tốc (m2/s), v là vận tốc (m/s), grade là độ dốc của đường (radian). • ES (Engine stress):thể hiện tương quan giữa nhu cầu năng lượng của động cơ trong vòng 20 giây vận hành (từ vi-5 đến vi-25) và số vòng quay của động cơ trên phút (RPM). ES được tính toán theo Công thức (2) [5]. ES = RPMIndex +(0,08 ton/kW)× PreaveragePower (2) Trong đó: PreaveragePower = Average (VSPt=-5 to -25s) (kW/tấn) RPMIndex = Speedt=0/SpeedDivider (Không có đơn vị) Dữ liệu khác Các dữ liệu liên quan đến phương tiện được xác định dựa trên đặc trưng của hệ thống xe buýt tại Hà Nội, cụ thể: xe buýt hạng nặng, sử dụng nhiên liệu diesel, quãng đường di chuyển trung bình năm là 77380 km [7]. Nhiên liệu sử dụng là diesel, các thông số được lấy theo tiêu chuẩn xăng dầu của Tổng công ty xăng dầu Việt Nam Petrolimex. Nhiệt độ và độ ẩm xác định theo dữ liệu của Trung tâm khí tượng thủy văn quốc gia ( 3. KẾT QUẢ VÀ THẢO LUẬN 3.1. Kết quả xử lý dữ liệu GPS Toàn bộ dữ liệu lái liên tục ngoài thực tế của BRT trên tuyến BRT01 đã được phân cắt thành các phân đoạn hành trình ứng với mỗi lượt di chuyển giữa điểm đầu và điểm cuối của tuyến, các phân đoạn này được gọi là “trip”. Theo đó, nghiên cứu này đã thu được 104 “trip”. Các “trip” này đã được đưa qua bộ lọc gồm 9 bước như đã trình bày trong [4] để xử lý các sai số ngẫu nhiên và làm trơn dữ liệu trước khi được sử dụng để tính toán các thông số phản ánh đặc trưng lái. Kết quả xử lý dữ liệu GPS như được đưa ra trong Bảng 3. Bảng 3. Kết quả lọc dữ liệu GPS. Loại lỗi Tỉ lệ lỗi trung bình(*) (%) Sai về thời gian 1,01e-04 Vận tốc dị biệt 0 Sự trôi của các giá trị vận tốc bằng không 3,02 Các giá trị vận tốc bằng không bị lỗi 0,14 Khoảng trống tín hiệu 2,33 Gia tốc dị biệt 0,02 -382-
8. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Ghi chú: (*)Các giá trị trong bảng trên được tính dựa trên 104 kết quả xử lý dữ liệu độc lập tương ứng với 104 trip dữ liệu lái ngoài thực tế được đưa vào quá trình lọc. Theo Bảng 3, tỉ lệ các điểm dữ liệu đã được loại bỏ/thay thế hoặc bổ sung chiếm trung bình khoảng 5,5%. Trong đó, lỗi do sự trôi của các giá trị v = 0 km/h là cao nhất (chiếm ~ 3,02%), lỗi do mất tín hiệu đột ngột đứng thứ hai (chiếm ~ 2,33%), điều đó cho thấy tín hiệu GPS thu được hay bị gián đoạn. Kết quả trong Bảng 3 cũng cho thấy, không có lỗi vượt quá tốc độ trên tuyến BRT01. Kết quả này phù hợp với số liệu báo cáo từ Hệ thống quản lý và điều hành xe buýt BUS-WEBGPS [2]. 3.2. Đặc trưng lái ngoài thực tế của BRT Dữ liệu GPS sau khi được xử lý đã được sử dụng để xác định dặc trưng lái ngoài thực tế thông qua việc tính toán các thông số động học chu trình lái. Tuy nhiên, một số thông số động học chu trình lái như chiều dài tuyến, thời gian lái ở các chế độ khác nhau, cũng như tổng thời gian lái không có ý nghĩa phản ánh đặc trưng di chuyển vì các thông số này còn phụ thuộc vào chiều dài thiết kế của tuyến. Do đó, các thông số này không được sử dụng để đánh giá sự thay đổi đặc trưng lái ngoài thực tế của BRT so với buýt truyền thống. Kết quả xác định đặc trưng lái ngoài thực tế của BRT được trình bày trong Bảng 4. Từ Bảng 4 có thể thấy rằng, nếu chỉ so sánh dựa trên giá trị vận tốc trung bình thì đặc trưng lái ngoài thực tế của BRT không khác biệt nhiều so với buýt truyền thống, vận tốc trung bình của BRT chỉ cao hơn xe buýt truyền thống khoảng 1,3 lần (tăng ~ 29,6%). Tuy nhiên, tỷ lệ thời gian BRT hoạt động ở chế độ ổn định tăng rõ rệt so với buýt truyền thống, tăng 68,9% đối với tỷ lệ thời gian xe hoạt động trong chế độ ổn định ở vận tốc trung bình, và tăng 47,4% đối với tỷ lệ thời gian xe hoạt động trong chế độ ổn định ở vận tốc thấp. Tỷ lệ thời gian BRT hoạt động ở chế độ không tải cũng được cải thiện đáng kể, giảm 15,9% so với buýt truyền thống. Sự cải thiện trong phương thức di chuyển của BRT so với buýt truyền thống có thể được giải thích bởi BRT đã được thiết kế với làn đường riêng nên khả năng di chuyển thuận lợi hơn buýt truyền thống. Kết quả này cũng gợi mở rằng mức phát thải của BRT sẽ giảm so với buýt truyền thống bởi nghiên cứu của Tong và cộng sự [9] đã chỉ ra rằng khi xe chuyển động, mức phát thải của xe ở chế độ ổn định là thấp nhất. 3.3. Đặc trưng phát thải của BRT Để khẳng định nhận định về hiệu quả giảm phát thải của BRT so với buýt truyền thống, nghiên cứu này đã tiến hành mô phỏng phát thải của BRT trên phần mềm IVE theo dữ liệu lái ngoài thực tế của hai loại xe buýt này. Trong đó, tất cả các thông số liên quan đến đặc tính nhiên liệu, phương tiện, và điều kiện môi trường xung quanh được sử dụng để mô phỏng phát thải của BRT và xe buýt truyền thống là như nhau. Kết quả mô phỏng phát thải của BRT như trình bày trên Bảng 5. -383-
9. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Bảng 4. Đặc trưng lái ngoài thực tế của BRT. Đặc trưng lái ngoài thực tế Phần trăm chênh lệch so Thông số Đơn vị Xe buýt truyền với buýt BRT thống [8] truyền thống (%) Tỷ lệ thời gian tăng tốc % 36,97 34,60 -6,4 Tỷ lệ thời gian giảm tốc % 38,06 32,08 -15,7 Tỷ lệ thời gian chạy ổn định ở % 8,34 14,09 68,9 vận tốc trung bình Tỷ lệ thời gian chạy ổn định ở % 8,29 12,22 47,4 vận tốc thấp Tỷ lệ thời gian không tải % 8,34 7,01 -15,9 Vận tốc trung bình km/h 16,59 21,50 29,6 Độ lệch chuẩn của vận tốc km/h 10,44 10,08 -3,4 Vận tốc cực đại km/h 45,47 45,5 0,1 Phân vị 95th của vận tốc km/h 32,96 32,5 -1,4 Gia tốc cực đại m/s2 3,47 3,06 -11,8 Gia tốc cực tiểu m/s2 -3,05 -2,22 -27,2 Gia tốc trung bình m/s2 0,00 0,00 0 Gia tốc dương trung bình m/s2 0,56 0,49 -12,5 Gia tốc âm trung bình m/s2 -0,55 -0,53 -3,6 Độ lệch chuẩn của gia tốc m/s2 0,61 0,50 -18,0 Phân vị 95th của gia tốc dương m/s2 1,50 1,11 -26,0 Phân vị 95th của gia tốc âm m/s2 -1,34 -1,38 3,0 Tổng số lần dừng - 27 22 -18,5 Tỷ lệ dừng trên 1km /km 1,61 1,21 -24,8 Động năng dương (PKE) m/s2 0,36 0,34 -5,6 Căn quân phương của gia tốc m/s2 0,61 0,50 -18,0 (RMSA) Công suất riêng của xe (VSP) - Công suất riêng cực đại W/kg 31,70 23,48 -25,9 - Công suất riêng cực tiểu W/kg -23,98 -21,11 -12,0 - Trung bình của các VSP W/kg 2,67 2,03 -24,0 dương - Trung bình của các VSP âm W/kg -2,44 -2,33 -4,5 -384-
10. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải Bảng 5.So sánh hiệu quả giảm phát thải của BRT so với buýt truyền thống. Hệ số phát thải (g/km) Mức giảm phát thải của Chất ô Buýt truyền thống BRT so với buýt truyền nhiễm BRT [10](*) thống (%) CO 2,56 3,68 -30,4 VOC 0,66 1,27 -48,0 NOx (tính theo 8,65 19,05 -54,6 Nitơ) SO2 0,09 0,15 -40,0 PM10 2,87 2,96 -3,0 CO2 863,73 1471 -41,3 Ghi chú: (*) hệ số phát thải của buýt truyền thống được xác định theo phương pháp tương tự như phương pháp được sử dụng trong nghiên cứu này. Theo Bảng 5, BRT có mức phát thải thấp hơn so với buýt truyền thống, hiệu quả giảm phát thải có thể đạt từ 3,0 ÷ 54,6%. Trong đó, mức giảm phát thải đối với NOx là cao nhất, đạt ~55%. Điều này có thể được giải thích bởi mức phát thải NOx dao động rất lớn giữa các chế độ hoạt động của phương tiện như đã được chỉ ra trong [9], mà sự khác biệt về tỉ lệ các chế độ hoạt động giữa BRT và buýt truyền thống là lớn nhất. 4. KẾT LUẬN Nghiên cứu này đã đánh giá được hiệu quả hoạt động của BRT tại Hà Nội khi so sánh đặc trưng lái ngoài thực tế và đặc trưng phát thải của BRT so với xe buýt truyền thống. Kết quả nghiên cứu cho thấy hoạt động của hệ thống BRT hiện nay chưa thực sự hiệu quả do chưa tạo ra sự khác biệt lớn về giá trị vận tốc trung bình. Vận tốc trung bình của BRT chỉ lớn hơn so với vận tốc trung bình của buýt truyền thống khoảng 1,3 lần. Tuy nhiên, phương thức lái của BRT đã có sự thay đổi theo chiều hướng tích cực để có thể giảm mức phát thải các chất ô nhiễm so với buýt truyền thống. Trong phương thức lái của BRT, tỷ lệ thời gian xe hoạt động ở chế độ ổn định tăng 68,9% đối với dải vận tốc trung bình (v 5 m/s), và tăng 47,4% đối với dải vận tốc thấp (v 5 m/s) so với buýt truyền thống; tỷ lệ thời gian xe hoạt động ở chế độ không tải giảm 15,9% so với buýt truyền thống. Do đó, mức phát thải các chất ô nhiễm của BRT đã giảm so với buýt truyền thống từ 3,0 ÷ 54,6%. Các kết quả nghiên cứu đạt được đã góp phần khẳng định lại nhận định đặc trưng lái ngoài thực tế ảnh hưởng rất lớn tới mức phát thải của các phương tiện vận tải, thay đổi hành vi lái có thể mang lại những lợi ích rõ rệt về mặt môi trường. -385-
11. Hội nghị Khoa học công nghệ lần thứ XXII Trường Đại học Giao thông vận tải TÀI LIỆU THAM KHẢO [1]. Bộ Giao thông Vận tải, Hà Nội: Ðổi mới loại hình dịch vụ vận tải công cộng. %C3%B0oi-moi-loai-hinh-dich- vu-van-tai-cong-cong.aspx, (26/05/2018). [2]. Hệ thống quản lý và điều hành xe buýt (BUS- WEBGPS), [3]. Duran A., Earleywine M., GPS Data Filtration Method for Drive Cycle Analysis Applications, National Renewable Energy Lab.(NREL), Golden, CO (United States), SAE 2012 World Congress, 2012. [4]. Nguyen Y.-L.T., Bui N.-D., Nghiem T.-D., Le A.-T., GPS data processing for driving cycle development in Hanoi, Vietnam, Journal of Engineering Science and Technology.2020;15(2):1429 - 1440. [5]. ISSRC, IVE Model Users Manual Version 2.0 2008. (25/08/2018). [6]. Guo H., Zhang Q.-y., Shi Y., Wang D.-h. Evaluation of the International Vehicle Emission (IVE) model with on-road remote sensing measurements. Journal of Environmental Sciences, 2007;19:818-826. [7]. Trang T.T., Van H.H., Oanh N.T.K. Traffic emission inventory for estimation of air quality and climate co-benefits of faster vehicle technology intrusion in Hanoi, Vietnam. Carbon Management. 2015;6(3-4):117-128. [8]. Nguyen Y.-L.T., Nghiem T.-D., Le A.-T., Bui N.-D. Development of the typical driving cycle for buses in Hanoi, Vietnam. Journal of the Air & Waste Management Association. 2019;69(4):423- 437.ttps://doi.org/10.1080/10962247.2018.1543736. [9]. Tong H., Hung W., Cheung C. On-road motor vehicle emissions and fuel consumption in urban driving conditions. Journal of the Air & Waste Management Association. 2000;50(4):543-554. [10]. Lien N.T.Y., Dung N.T. Health co-benefits of climate change mitigation for the bus system of Hanoi. 2018;56(3):312-323. 2518/56/3/9398. -386-