ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ Utku Yücel YAġAR
Anabilim Dalı : Makine Mühendisliği Programı : Otomotiv
ġEHĠR ÇEVRĠMLERĠNĠN OLUġTURULMASINDA TAKĠP ARACI YÖNTEMĠNĠN ĠRDELENMESĠ
OCAK 2010
ĠSTANBUL TEKNĠK ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ
YÜKSEK LĠSANS TEZĠ Utku Yücel YAġAR
(503971154)
Tezin Enstitüye Verildiği Tarih : 25 Aralık 2009 Tezin Savunulduğu Tarih : 28 Ocak 2010
Tez DanıĢmanı : Prof. Dr. Cem SORUġBAY (ĠTÜ) Diğer Jüri Üyeleri : Prof. Dr. Metin ERGENEMAN (ĠTÜ)
Prof. Dr. Ġrfan YAVAġLIOL (YTÜ)
ġEHĠR ÇEVRĠMLERĠNĠN OLUġTURULMASINDA TAKĠP ARACI YÖNTEMĠNĠN ĠRDELENMESĠ
ÖNSÖZ
İstanbul Teknik Üniversitesi Makine Mühendisliği Otomotiv Ana Bilim Dalı tarafından yürütülen ve Tübitak tarafından desteklenen “Ulaştırma Sektöründe Sera Gazı Azaltımı” isimli projenin bir parçası olan bu tez birçok kişinin değerli destek ve katkılarıyla hazırlanmıştır.
Herşeyden ve herkesten önce, lisans dönemimden bu yana kendisinden çok şey öğrenmiş olduğum ve bana kendisiyle bir kez daha çalışabilmek adına bu önemli fırsatı veren çok değerli hocam Prof.Dr. Cem SORUŞBAY’a yol göstericiliği, sabrı ve yardımları için sonsuz teşekkürlerimi sunmak isterim. Onun desteği olmadan böyle bir çalışmanın içinde olmaya cesaret edemezdim. Prof.Dr. Metin ERGENEMAN’a da proje safhasındaki yönetimi ve katkıları için ayrıca teşekkür ederim.
Kalabalık bir ekiple yürütülen oldukça kapsamlı bir projenin parçası olmak çok heyecanlı ve bir o kadar da öğreticiydi. Tezimin hazırlanmasında değerli vaktini ayırarak bana her konuda yardımcı olan proje arkadaşım Cenk DİNÇ’e, bilhassa veri toplama safhasındaki katkılarını asla unutmayacağım Anıl DİLER’e ve Sedat ÇEVİRGEN’e teşekkürü bir borç bilirim. Onların desteği ve yardımları olmadan bu tezi sonlandırmam mümkün olamazdı.
Yüksek lisans tezimi vermem konusunda beni her zaman destekleyen eşime teşekkür ediyorum. Son olarak ama daha az olmamak kaydıyla, beni eğitim hayatımın her safhasında manen ve madden hiç yalnız bırakmayan, motive eden anne ve babama bir kez daha teşekkür ediyorum. Tezimi onlara ithaf ediyorum.
Şubat 2010 Utku Yücel YAŞAR
İÇİNDEKİLER Sayfa ÖNSÖZ ... v İÇİNDEKİLER ... vii KISALTMALAR ... ix ÇİZELGE LİSTESİ ... xi
ŞEKİL LİSTESİ ... xiii
ÖZET ... xv
SUMMARY ... xvii
1. GİRİŞ ... 1
1.1 Tezin Amacı ... 4
1.2 Takip Aracı Yaklaşımı ... 5
2. LİTERATÜR ÖZETİ ... 7
2.1 Otobüs Çevrimleri ... 9
2.1.1 Braunschweig otobüs çevrimi... 9
2.1.2 Los Angeles transit otobüs çevrimi ... 10
2.1.3 Santiago çevrimi ... 11
2.1.4 Helsinki 2 çevrimi... 11
2.2 Yarı-Rastgele Şehir Çevrimi Oluşturma Algoritması ... 12
2.3 Yarı-Rastgele Algoritmalarda Kullanılan Kriterler ... 13
2.3.1 Hız-ivme dağılımı ... 13
2.3.2 İvmenin etkin değeri ... 15
2.3.3 Pozitif kinetik enerji ... 15
2.3.4 Sürüş şekillerinin % oranı ... 16
2.3.5 Diğer kriterler ... 16
2.4 Şehir Çevriminde Kullanılan Diğer Yöntemler ... 16
3. TAKİP ARACI İLE VERİ TOPLAMA ... 19
3.1 Veri Toplamada Kullanılan Yöntem ... 19
3.2 Veri Toplama I ... 25
3.3 Veri Toplamada Karşılaşılan Güçlükler ve Veri Toplama II ... 25
4. ÖLÇÜMLERİN DEĞERLENDİRİLMESİ ... 27
4.1 Veri Toplama I İle Oluşturulan Çevrim ... 27
4.2 Veri Toplama II İle Oluşturulan Çevrim ... 29
5. SONUÇ VE ÖNERİLER ... 33
5.1 Karşılaşılan Zorluklar ve Öneriler ... 33
5.2 Sonuç ... 34
x
KISALTMALAR
AB : Avrupa Birliği
FTP : Federal Test Procedure GPS : Global Positionning System ĠTÜ : İstanbul Teknik Üniversitesi
P : Özgül Güç
PKE : Positive Kinetic Energy RMS : Root Mean Sqare
V : Hız
ÇĠZELGE LĠSTESĠ
Sayfa
Çizelge 3.1 : Ölçüm Parkuru GPS Bilgileri (örnek data) ... 18
Çizelge 3.2 : Text formatındaki Rota 4 GPS Bilgileri (örnek data) ... 19
Çizelge 3.3 : Başlangıçtaki zaman-hız matrisinin durumu ... 20
Çizelge 4.1 : Takip eden ve edilen araç çevrimleri arasındaki farklar ... 26
Çizelge 4.2 : Takip eden ve tek araç çevrimleri arasındaki farklar ... 27
Çizelge 4.3 : İTÜ parkur verileri için ortalama değerler ... 27
ġEKĠL LĠSTESĠ
Sayfa
ġekil 1.1: FTP-72 çevrimi ... 2
ġekil 1.2: ECE 15 çevrimi ... 2
ġekil 2.1: Japonya’da yasal olarak belirlenmiş 10-15 çevrimi. Modal bir çevrim ... 8
ġekil 2.2: Hong Kong şehir çevrimi. Gerçek bir çevrim ... 8
ġekil 2.3: Braunschweig çevrimi ... 9
ġekil 2.4: Orange County otobüs çevrimi... 10
ġekil 2.5: Santiago çevrimi ... 11
ġekil 2.6: Helsinki 2 çevrimi ... 12
ġekil 2.7: Tipik bir hız-ivme dağılımı diyagramı ... 13
ġekil 2.8: Los Angeles şehir çevriminin hız-ivme dağılımı ... 14
ġekil 3.1: İstanbul Şehir Çevrimi oluşturulmasında kullanılan tüm rotalar ... 19
ġekil 3.2: Örnek bir şehir çevrimi ... 22
ġekil 3.3: Üretilen çevrimin hız-ivme dağılımı ... 23
ġekil 3.4: Şehir çevrimi ile temsil edilmeye çalışılan hattın hız-ivme dağılımı ... 24
ġekil 3.5: İ.T.Ü. Ayazağa Yerleşkesi’nde gerçekleştirilen 2.ölçüm parkuru ... 26
ġekil 4.1: Takip edilen araç çevrimi ... 27
ġekil 4.2: Takip eden araç çevrimi ... 28
ġekil 4.3: Veri toplama II’ye ait bir Takip Eden Hız-Zaman Eğrisi ... 30
ġekil 4.4: Veri toplama II’ye ait bir Takip Edilen Hız-Zaman Eğrisi ... 31
ġEHĠR ÇEVRĠMLERĠNĠN OLUġTURULMASINDA TAKĠP ARACI YÖNTEMĠNĠN ĠRDELENMESĠ
ÖZET
Taşımacılık sektöründe özellikle geçen asırda kaydedilen gelişmeler, beraberinde taşıt araç sayısında büyük bir artışa neden olmuştur. Yolcu taşıtlarının sayısının artması da maalesef şehirlerde önemli hava kirliliğine sebep olmaktadır. Yapılan istatistikler şehirlerde hava kirliliğine neden olan en önemli kaynaklardan birinin taşıt araçları olduğunu göstermektedir.
Egzoz emisyonlarının ölçülmesi ve yarattığı hava kirliliğinin azaltılması amaçlı çalışmalar farklı ülkelerde sürdürülmektedir. Özellikle dünyanın büyük şehirlerinde bilim adamları tarafından bu konu üzerine çalışmalar yapılmış ve yapılmaktadır. Emisyonların azaltılması için o şehirdeki toplam emisyonun bilinmesi gereklidir. Benzer bir proje bu tezin yazıldığı dönemde İstanbul için yapılmaktadır. Tübitak destekli olarak yürütülen ve “Ulaşım Sektöründe Sera Gazı Azaltımı” isimli proje İstanbul Teknik Üniversitesi Makine Mühendisliği Otomotiv Ana Bilim Dalı tarafından yürütülmekte olup diğer birçok kurum ve kuruluşların katkılarıyla İstanbul il sınırları içinde, ulaşım sektöründen kaynaklanan toplam sera gazı emisyonunu hesaplamayı ve bunun azaltılmasına yönelik önerileri oluşturmayı amaçlamaktadır. Söz konusu projenin bir parçası olarak karayolu taşımacılığının yarattığı emisyonların hesabı için bir Şehir Çevrimi oluşturulmasına karar verilmiştir. Şehir çevrimleri, bir şehri genel olarak temsil yeteneğine sahip yeterli uzunluğa sahip parkurlar üzerinde, belirlenen araçlar için değişik gün ve saatlerde alınan ölçümler vasıtasıyla oluşturulabilmektedir.
İstanbul Şehir Çevrimi oluşturulması safhasında ihtiyaç duyulan parametrelerden birisi de otobüslerden kaynaklanan emisyonlar olmuştur. Bu emisyonların hesabına yönelik bazı çalışmalar yürütülmüş ve Takip Aracı (Chase Car) yöntemi ile seçilen parkurlar üzerinde, yeterli süreler boyunca, belirlenen otobüslerin şehir trafiğindeki seyir profilleri oluşturulmaya çalışılmıştır.
Takip Aracı’na ait datalar otobüsün gerçek çevrim dataları olarak kabul edilerek bilgisayar ortamında Matlab üzerinden simüle edilmiştir ve bir sanal çevrim oluşturulmuştur.
Bu tip çevrimlerde sıkça kullanılan bir yöntem olan Takip Aracı yöntemi aslında bazı kabulleri beraberinde getirmektedir. Takip aracı ana aracı takip etmekte ve şehir trafiğinin doğasından kaynaklanan bazı takip güçlüklerini de ölçüm datalarına yansıtmaktadır. GPS ile alınan takip datalarının hangi mertebede ana araç datalarıyla örtüştüğünü bilmek bu çalışmanın ana konusu olmuştur.
xviii
Bunun için birbirini takip eden iki araca da birer GPS takılarak, daha önce kullanılan bir parkur üzerinde yeterli sayıda ölçümler alınmıştır. Daha sonra bu datalar İstanbul Şehir Çevrimi oluşturulmasında kullanılan sanal çevrim programında koşularak elde edilen çevrimler birbirleriyle karşılaştırılmıştır.
Takip eden ve takip edilen araçlardan alınan verileri karşılaştırarak Takip Aracı yönteminin sapma payı hesaplanmaya çalışılmıştır. Yukarıda bahsi geçen projenin bir parçası olarak bu çalışma, İstanbul Şehir Çevrimi oluşturulmasında kullanılan Takip Aracı yönteminin kabul ettiği parametrelerde yüzdesel hata payını ortaya koymuştur.
EVALUATION OF CHASE CAR METHOD FOR DRIVE CYCLE DEVELOPMENT
SUMMARY
Transport sector developments recorded especially in the last century have caused a big increasement in the number of vehicles. The increasing numbers of passenger cars unfortunately is a major cause of air pollution in the big cities. resulted in composite traffic problems with serious consequences on emissions and fuel consumption.
In many different countries, the researchs with the aim to mesure exhaust emissions and to decrease its air pollution still continue. Especially in big cities of the world, many studies have been done on that issue by the scientists. To decrease emissions, total emission in the city has to be known.
A similar project is under construction for Istanbul during the writing of this thesis. Funded by Tubitak, a project named “Decrement of Emissions in Transport Sector”, directed by Istanbul Technical University Mechanical Engineering Faculty Automotive Engineering Laboratories and supported by many other institutions aims to mesure emissions caused by transport sector of Istanbul and to generate some suggestions for its decrease.
As a part of that mentioned project it has been decided to establish a City Cycle for the calculation of emissions caused by road vehicles in Istanbul. City cycles can be constructed with the measurements taken on different days and hours for pre-defined vehicles and on roads which have enough length able to represent all city.
One of the parameters needed during the construction of Istanbul City Cycle is the emissions caused by buses. Some studies have been done to calculate those emissions and it has been tried to establish driving patterns of the pre-defined buses in the city traffic flow, on pre-defined roads during enough periods with the Chase Car method.
Accepting Chase Car’s datas as bus’ real cycle datas has been simulated on software environment, means Matlab and a virtual cycle has been established.
The Chase Car approach which is used in that kind of cycles actually comes with some acceptations. Chase car is following the Main Car and is reflecting some difficulties caused by the nature of city traffic flow into the test datas. The main subject of this thesis is to know the overlap level of Chase Car datas with Main Car datas taken by using GPS.
It has been taken enough number of measurements on a road already used, with the help of one GPS on each vehicle, one following the other. Those datas have been runned on virtual cycle used for the establishment of Istanbul City Cycle and those cycles have been compared.
xx
That project tried to calculate Chase Car approach’s deviation ratio comparing Chase Car and Main Car datas. Being a part of such a below mentioned project, that study presented percentage of the deviation ratio on parameters accepted by Chase Car method in use of Istanbul City Cycle construction.
1. GĠRĠġ
Modern şehirlerdeki hava kirliliğinin başlıca kaynağı taşıt araçlarının ürettiği emisyonlarıdır. Özellikle geçen asırda yaşanan yolcu aracı sayısındaki artış, yakıt tüketimi ve egzoz emisyonları konusunda ciddi sorunları da beraberinde getirmiştir. Bugüne kadar birçok ülkede, o ülkelerin önemli şehirlerinin egzoz emisyonları incelemeye alınmak istenmiştir. Bunun için de genellikle başvurulan yöntem, şehir trafiğindeki çeşitli araçların sürüş dinamiklerinin elde edilerek bir şehir çevrimi oluşturulması ve uygun donanıma sahip bir laboratuvar ortamında araç üzerinde bu çevrimin koşulmasıdır.
Şehir çevrimleri farklı amaçlar için oluşturulmak istenebilir; örneğin genel trafik akımı, araç tiplerine (otomobil, otobüs, vs…) yönelik çevrimler, emisyon tip testlerine yönelik çevrimler (ECE-Avrupa Birliği, FTP-Amerika Birleşik Devletleri, 10 Mode-Japonya test çevrimleri gibi), atmosfere atılan toplam emisyonların belirlenmesine yönelik çevrimler. Sonuncu örnekte bahsi geçen uygulamada, şehir trafiğindeki değişik tipteki araçların emisyonlarının hesaplanması amacıyla kullanılan yöntemlerden birisi de Takip Aracı Yöntemi’dir.
Çevrimler iki amaçla kullanılmakta ve buna göre oluşturulmaktadır. Birincisi araçların atmosfere attığı emisyonların belirlenmesidir. Bu yaklaşım aracın tip onay testlerinde uygulanan yöntemdir. Belirli test çevrimlerine (AB, FTP, Japon test çevrimi vb) göre şasi dinamometresi üzerinde araç koşularak test süresince egzoz gazlarından örnekler alınmakta ve değerlendirilmektedir. Buradan özgül emisyon değerleri elde edilmektedir (örneğin g-CO / km vb). Ancak birim mesafede üretilen bu emisyonlar deneyin yapıldığı, aracın kullanıldığı koşullara bağlı olarak elde edilmektedir. Yani aracın kullanım koşullarının emisyonlar üzerinde etkisi büyüktür. Kullanım koşullarından kastedilen taşıtın boşta çalışma süresi, maksimum hızı, ortalama hızı, ivmelenmesi gibi değerlerdir. Bu tip çevrimlerin farklı ortamlarda (ülkelerde, şehirlerde; örneğin Almanya veya İstanbul, Bursa) uygulanması durumunda aynı aracın aynı emisyon değerini vermesi gerekmektedir. Bunun için
2
laboratuvar sistemlerinin kalibrasyonu yapılmaktadır. Araç tip onay testi için oluşturulan çevrimlere, Şekil 1 ve Şekil 2’de iki farklı örnek gösterilmiştir.
ġekil 1.1: FTP-72 Çevrimi
FTP-72 çevrimi “Federal Test Prosedürü” ismiyle Amerika Birleşik Devletleri’nde, A10 olarak İsveç’te ve ADR27 olarak Avustralya’da kullanılmakta olup, binek otomobil ve hafif ticari kamyonlar için şehir içindeki bir parkuru simüle etmektedir. Bu çevrime ait karakteristik özellikler aşağıdaki gibidir:
Parkur süresi: 1740s Ortalama hız: 31,5 km/h Azami hız: 91,2 km/h
Parkur uzunluğu: Yaklaşık 12,07 km.
Paris, Roma gibi Avrupa şehirlerindeki hafif ticari araçların şehiriçi sürüşlerini simüle eden ECE 15 çevriminin karakteristik özelliği düşük hız, düşük yük ve düşük egzoz gazı sıcaklıklarıdır:
Parkur süresi: 780 s Ortalama hız: 18,7 km/h Azami hız: 50 km/h
Parkur uzunluğu: 4052 m
Diğer bir yaklaşım da belirli bir bölgede belirli bir zaman dilimi içerisinde o bölgede seyir halinde olan taşıtların tümünün (taşıt parkından kaynaklanan emisyonlar) atmosfere attığı kirleticilerin belirlenmesi amacıyla yapılan çalışmalardır. Burada kullanılacak olan çevrim, dolayısı ile söz konusu bölgenin trafik akımını temsil edebilecek nitelikte olmalıdır. Bunun için o bölgeye özel Şehir Çevrimi elde edilmektedir. Genelde şehir çevrimleri otomobiller, hafif ticari araçlar vb araç parkını temsil etmektedir. Otobüsler farklı kütleye sahip olmaları nedeniyle bu ortalama trafik akımından farklı seyir özelliklerine sahiplerdir. Ayrıca otobüslerin bir özelliği de belirlenmiş bir parkur üzerinde gidip gelmekte olmaları ve seyir uzunluklarının, durma sayılarının, ortalama seyir hızlarının, günlük yaptıkları yol uzunluklarının çok iyi tanımlanmış olmasıdır (belirli bir otobüs hattı boyunca gidip gelmekte oldukları için). Dolayısı ile bu araçlar için genelde ayrı bir çevrim çıkartılmaktadır (diğer şehir çevriminden farklı olarak).
Bu çalışmada da amaç sadece Hasanpaşa garajında çalışan doğal gaz ve dizel yakıtı kullanan otobüslerin sera gazı emisyonlarının incelenmesi olmuştur. Dolayısı ile bu hat için bazı çalışmalar yapılmıştır. Takip aracı yöntemi burada kullanılmıştır.
Proje, bir emisyon envanter hazırlama çalışmasını da içermektedir. Envanter, tanımlı bir coğrafi bölgede, tanımlı bir zaman dilimi içerisinde, tanımlı araç grupları tarafından atmosfere atılan kirleticilerin belirlenmesini içermektedir. Burada zaman “takvim yılı”, coğrafi bölge olarak “Türkiye geneli” ve “iller” ve taşıt grupları da “otomobiller, otobüsler, kamyonlar, motosikletler, hafif ticari araçlar” olarak dikkate alınmıştır.
İTÜ Otomotiv Anabilim Dalı tarafından yürütülmekte olan “Ulaştırma Sektöründe Sera Gazı Azaltımı” adlı proje kapsamında İstanbul sınırları içindeki ulaştırma sektörünün yarattığı sera gazı emisyonları (CO2 bileşeni) hesaplanarak sera gazı
4
azaltımına yönelik öneriler oluşturulmaya çalışılmıştır. Karayolu taşımacılığı vasıtasıyla üretilen emisyonlar dikkate alındığında önemli bir parametre olan otobüs emisyonları gündeme gelmiştir (Soruşbay ve diğ, 2009).
Söz konusu proje kapsamında, otobüslerin şehir trafiğindeki sürüş dinamiği verilerini elde etmek ve daha sonra bu verileri de kullanarak emisyonlarını hesaplamak gerekmektedir. Otomobiller söz konusu olduğunda çok basit bir düzenekle toplanabilen veriler, otobüs örneği ele alındığında bazı zorluklar arz etmektedir. Şehir trafiğinde seyreden bir otobüse GPS donanımını yerleştirmek, aynı otobüsü ölçümlerin yapıldığı uzun dönem boyunca muhafaza etmek (otobüsün başka hatta verilmesi, arızalandığı takdirde yerine bir başka otobüsün konulması gibi nedenlerden ötürü) bu zorlukların başında gelmektedir.
Otobüs çevrimlerinin oluşturulmasında karşılaşılan en büyük zorluklardan birisi de parkur seçimidir. İstanbul şehir çevriminin oluşturulması amaçlandığında trafik yoğunlukları, otobüslerin mevcut parkurlarındaki gidiş-geliş süreleri, parkur uzunlukları, durma sıklığı gibi parametreler dikkate alınmış ve hassas bir çalışmayla şehrin toplam trafiğini istenen oranda temsil edeceğine inanılan parkurlar seçilmiştir. Tüm bu zorluklardan dolayı otobüslerin emisyonlarının hesaplanmasında başvurulan yöntemlerden başlıcası “Takip Aracı (Chase Car) Yöntemi” olagelmiştir. Bu yöntemde şehir trafiğinde, belirlenen parkurda ve belirlenen saat dilimlerinde, seçilen bir otobüs, üzerine GPS yerleştirilmiş bir araç yardımıyla takip edilmektedir.
GPS’ten elde edilen verilerin, otobüse ait gerçek sürüş verileri olduğu kabulü yapılarak seçilen parametrelere (durma sıklığı, ivmelenme, ortalama hız, vs…) en uygun olan sonuçları verecek olan bir sanal çevrim (Matlab ortamında) yaratılmaktadır. Temsil yeteneğini kaybetmeyecek bir ölçekle küçültülen bu çevrim ile söz konusu araç laboratuvar ortamında koşulmakta ve egzoz emisyonları hesaplanmaktadır.
1.1 Tezin Amacı
“Takip Aracı” yönteminde takip eden aracın sürüş dinamiğinin otobüs ile aynı olduğu kabulü yapılmaktadır. Gerçekte ise biri diğerini takip eden iki aracın sürüş dinamikleri arasında fark oluşmaktadır. Takip aracı yöntemini kullanırken gerçekte
ne kadarlık bir hata/sapma söz konusu olduğunu bilmek önemlidir. Bu tezin amacı işte bu yöntemi irdelemek ve varsa bu sapmayı ortaya koymaktır.
Tezin amacı doğrultusunda önce şehir trafiğinde biri diğerini takip eden iki araçla birçok ölçüm alınmıştır. Her iki araca da birer GPS yerleştirilerek elde edilen veriler daha sonra yukarıda bahsi geçen proje tarafından kullanılan şehir çevrimi parametrelerine uygun olarak karşılaştırılmıştır.
1.2. Takip Aracı YaklaĢımı
Şehir çevrimi ve sürüş karakteri konularında veri toplamak için kullanılan Takip Aracı Yöntemi oldukça uzun bir geçmişe sahiptir (Hung ve diğ, 2007). Bu yöntem öncelikle zorlama ve herhangi bir baskı yaratmadan sürüş dinamiği üzerine veriler toplamayı sağlamaktadır. Ayrıca bu yöntem, geniş bir örnekleme araç havuzu için oldukça maliyet düşürücü bir şekilde veri toplama imkanını sunmaktadır. Sonuç olarak, yol türü, yoğunluk, sürüş karakteri, sürücü davranışları gibi bilgiler bu yöntemle elde edilebilmektedir.
Diğer taraftan ise geleneksel Takip Aracı Yöntemi’nin önemli bir dezavantajı bulunmaktadır. Bu yaklaşım takip araç sürücüsünün, takip edilen ana aracın tüm sürüş dinamiğini simüle edebileceğini kabul etmektedir.
2. LĠTERATÜR ÖZETĠ
Şehir çevrimleri Takip Aracı Yöntemi kullanılarak kaydedilen hız-zaman eğrileriyle oluşturulmaktadır. Tipik bir sürüş profili, hızlanma, yavaşlama ve durma sıklığı gibi parametrelerin karışık bir kombinasyonundan oluşmaktadır ve bu profil bir laboratuvar dinamometresinde bir çevrim yardımıyla simüle edilmektedir.
Şehir çevrimlerinden beklenen, kısıtlı bir zaman aralığında (5-60 dakika), söz konusu taşıt ve bölge için geçerli olan gerçek sürüş profilini en iyi şekilde temsil etmesidir. Bir bölgedeki sürüş profilinin detaylı olarak bilinebilmesi için izlenecek yöntem, bölgede sistematik olarak sürüş deneylerinin yapılması ve toplanan dataların işlenmesi sonucu şehir çevrimi olarak sunulmasıdır.
Şehir çevrimleri, çevriminin oluşturulma yöntemine göre aşağıdaki gibi sınıflandırılabilir:
a) Modal, poligonal çevrimler:
Teorik olarak oluşturulan çevrimler olup yapay olarak üretildikleri için ivmelenme karakterleri gerçek sürüş koşullarından daha düzgün sonuçlar vermektedir.
Bu çevrimlerin oluşturulmasında gerçek trafik koşullarında veri toplanmakta ve bu veriler işlenerek yapay bir çevrim oluşturulmaktadır. Ancak bu oluşturulan çevrimin özellikleri ölçümlerin yapıldığı ortamdaki trafik akımı özelliklerini (ortalama hız, ivmelenme , duraklama oranları, vb) temsil edecek niteliktedir (Riemersma).
b) Gerçek çevrimler:
Gerçek sürüş datalarının kullanılması ile oluşturulmaktadır (Real-world Cycle). Bu çevrimler modal çevrimlere göre daha dinamiktir. Dolayısıyla bu çevrimlerin kullanılması sonucu modal çevrimlere göre daha yüksek emisyonlar ölçülmektedir. Burada oluşturulan çevrim veri toplama aşamasında elde edilen değerlerden oluşmaktadır ve ölçülen data işlenerek ve bazı bölümler birbirine eklenerek veya bir bölümün tümü temsil niteliğinde kabul edilerek kullanılmaktadır.
8
Aşağıdaki şekillerde her çevrim için bir örnek verilmiştir:
ġekil 2.1: Japonya’da yasal olarak belirlenmiş 10-15 çevrimi. Modal bir çevrim.
ġekil 2.2: Hong Kong şehir çevrimi. Gerçek bir çevrim.
Literatürde şehir çevrimi oluşturmak için değişik metodlar önerilmiştir. Pek çok araştırmacının uyguladığı yöntem yarı-rastgele bir karaktere sahip olan “quasi-random” metodudur (Tong ve diğ, 1999).
2.1 Otobüs Çevrimleri
2.1.1 Braunschweig otobüs çevrimi
İstanbul şehir çevrimi oluşturulması safhasında, kütleleri ve trafik akımı içindeki değişik sürüş karakterleri dolayısıyla farklı bir çevrimin konusu olan otobüsler için daha önce Braunschweig (Almanya) şehrinde yapılmış olan bir çalışma örneği aşağıda özetlenmiştir.
Braunschweig Teknik Üniversitesi tarafından yapılan bu çalışmada pek çok durağa sahip olan şehir içi otobüs çevrimi elde edilmiştir.
ġekil 2.3: Braunschweig şehir çevrimi Bu çevrime ait karakteristik özellikler aşağıdaki gibidir: Parkur süresi: 1740s
Ortalama hız: 22.9 km/h Azami hız: 58,2 km/h Durma sıklığı: %22
10
2.1.2 Los Angeles transit otobüs çevrimi
West Virginia Üniversitesi tarafından Los Angeles şehrindeki transit otobüslerin sürüş profillerini simüle etmek amacıyla oluşturulmuş olan bu çevrime (Orange County Bus Cycle olarak literatürde yer alıyor) ait karakteristik özellikler aşağıdaki gibidir:
Bu çevrime ait karakteristik özellikler aşağıdaki gibidir: Parkur süresi: 1909 s
Ortalama hız: 19,9 km/h Azami hız: 65,4 km/h Durma sıklığı: %21
Parkur uzunluğu: 10,526 km.
2.1.3 Santiago çevrimi
Santiago Üniversitesi (Şili) tarafından gerçekleştirilen bu test çevriminde Santiago şehrindeki otobüslerin sürüş profilleri simüle edilmiştir.
ġekil 2.5: Santiago çevrimi Bu çevrime ait karakteristik özellikler aşağıdaki gibidir: Parkur süresi: 1200s Ortalama hız: 19,8 km/h Azami hız: 59,61 km/h Durma sıklığı: %23,6 Parkur uzunluğu: 6,61 km. 2.1.4 Helsinki 2 çevrimi:
Helsinki şehrindeki otobüslerin sürüş profillerini simüle edilen bu çevrime ait karakteristik özellikler aşağıdaki gibidir:
Parkur süresi: 1503s Ortalama hız: 19,7 km/h Azami hız: 52,5 km/h
12
Durma sıklığı: %28
Parkur uzunluğu: 8,157 km.
ġekil 2.6: Helsinki 2 çevrimi 2.2 Yarı-Rastgele ġehir Çevrimi OluĢturma Algoritması:
Bu metod ile şehir çevrimi oluşturulmasında aşağıdaki adımlar izlenir:
- Deney datası segmentlere ayrılır (farklı kaynaklarda “micro-trips” veya “kinematic sequences” olarak isimlendiriliyor). Bu segmentler ardışık iki duraksama (hız = 0) ile sınırladırılmıştır.
- İlk aşamada birkaç segment tamamen gelişigüzel olarak seçilir. Bunlar kök segmentlerdir (seed micro-trips).
- Daha sonraki segmentler bazı kriterler göz önüne alınarak seçilir (Bu kriterlerin varlığı yüzünden algoritma yarı-rastgele olarak adlandırılıyor. Kriterleri uygulamadan oluşturulan bir çevrim tamamen rastgele olmaktadır). Bu kriterler genelde istatistiksel büyüklüklerdir ve oluşturulan çevrim ile deney datasının karşılaştırılması sırasında kullanılırlar.
- Bu işlem, önceden belirlenmiş çevrim uzunluğuna ulaşılana kadar (örneğin 20 dakika) tekrar edilir. Bu uzunluğa ulaşıldığında şehir çevrimi oluşturulmuş olur.
- Oluşturulan şehir çevrimi ile deney datası, önceden belirlenmiş kriterlere göre karşılaştırılır. Kriterleri ne kadar iyi sağladığı kontrol edilir.
- Algoritma en baştan bu noktaya kadar tekrar tekrar çalıştırılarak birçok şehir çevrimi üretilir. Kriterleri en iyi sağlayan şehir çevrimi seçilerek algoritma sonlandırılır. Kriterler istenen tolerans aralığında değil ise istenen aralık sağlanana kadar çevrim üretilmeye devam edilir.
Literatürde bu metodla oluşturulmuş çevrimleri birbirlerinden ayıran en önemli fark seçilen kriterlerin farklılık göstermesidir. Genelde seçilen kriterler aşağıda belirtilmiştir.
2.3 Yarı-Rastgele Algoritmalarda Kullanılan Kriterler: 2.3.1 Hız-ivme dağılımı
En çok rastlanan ve neredeyse her çalışmada kullanılan kriter hız-ivme dağılımıdır. Sadece bu kriterin sağlanması ile diğer çevrim parametreleri (ortalama hız, ivmelenme değerleri, ...) %1 hassasiyetle elde edilir. Aşağıdaki şekilde bazı hız-ivme dağılımları verilmiştir.
14
Yukarıdaki şekilde Bangkok şehir çevriminin hız-ivme dağılımı gözüküyor. Yatay düzlemdeki eksenler hız ve ivmedir. Her hız-ivme bileşenin rastlanma sıklığı ise yatay düzleme dik eksende, yüzde rastlanma sıklığı olarak verilmiştir. En büyük rastlanma sıklığına sahip elemanlar “ivme = 0” etrafında ve düşük hızlarda toplanmış olarak görülüyor. Trafik ışıkları, yoğun trafik gibi etkenler sebebiyle sürekli dur-kalk şeklinde bir kullanıma sahip olan şehir içi trafiğinin tipik bir özelliğidir.
ġekil 2.8: Los Angeles şehir çevriminin hız-ivme dağılımı.
Yukarıdaki şekilde Los Angeles şehir çevriminin hız-ivme dağılımı gösterilmektedir. Bir önceki şekilde olduğu gibi en büyük rastlanma sıklığına sahip elemanlar “ivme=0” etrafında ve düşük hızlarda toplanmış olarak görülmektedir. Fakat bu kez bu elemanın sıklığı %18 (önceki şekilde %31). Bu oranın düşmesi dur-kalk şeklindeki araç kullanımının bu çevrim için daha az rastlanır olduğunu ifade etmektedir.
1 ve 2 numaralı daireler ile gösterilmiş bölgelerde iki tane tepe yapmış bölge görülmektedir. Bu bölgeler yüksek hızlarda (sırasıyla v=50 km/saat ve v=90 km/saat etrafında) ve düşük ivmelerde % rastlanma sıklığı çok olan elemanları göstermektedir. Bir önceki diyagramda böyle elemanlar bulunmamaktadır. Bunlar
şehir dışı trafikte sabit hızla seyredilme durumunda (cruising) rastlanılan elemanlardır.
3 numaralı bölgedeki tepe ise suni manipulasyon sonucu oluşmaktadır. Emisyon testleri genelde dinamometre üzerinde aracın şehir çevrimine göre çalıştırılması ile yapılmaktadır. Yüksek ivmeli bileşenler dinamometre üzerinde kayma yarattığından, belli bir ivmenin üzerindeki bileşenler daha düşük ivmelere kaydırılmaktadır. Bu yüzden de gerçek trafik şablonunda yer almayan bir tepe hız-ivme diyagramında oluşmaktadır (Watson).
2.3.2 Ġvmenin etkin değeri (RMS: root mean square)
Herhangi bir x değişkenin etkin değeri aşağıdaki gibi tanımlanmaktadır:
n x x RMS n i i 1 2
Başlangıç ve son hızı sıfır olan herhangi bir zaman-hız eğrisi için ortalama ivmelerin toplamı sıfır olmaktadır. Hızlanma (pozitif) ve yavaşlamalar (negatif) birbirini götürmektedir. Dolayısıyla ivmelerin şiddetininin ve sıklığının görülebilmesi için her ivme bileşenin karesinin alınarak inceleme yapılması gerekmektedir. Bu yüzden çevrimin ivmesinin rms değerine bakılmaktadır.
2.3.3 Pozitif kinetik enerji (PKE: positive kinetic energy)
Birim yol başına pozitif kinetik enerji (PKE) olarak tanımlanabilir. Melbourne şehir çevriminin oluşturulması sırasında kullanılan bir parametredir. PKE, her segment için, taşıtın ivmelenmesi için gereken enerji olarak düşünülebilir. PKE’ nin biriminin ivme ile aynı olduğu da görülmektedir.
Gammariello ve Long (1993), PKE’ye alternatif olarak toplam güç gereksinimi kullanmışlardır. Bu terimin içerisinde yol eğiminin de etkisi vardı. Toplam güç gereksinimi kriterininin kullanıldığı bir başka çalışmada ise yuvarlanma direnci, aerodinamik direnç ve ivmelenmeden kaynaklanan dirençlerin etkileri toplam güç gereksinimine dahil edilmiştir.
16
2.3.4 SürüĢ Ģekillerinin % oranı
Sürüş şekilleri hızlanma, yavaşlama, sabit hız ve durma olarak tanımlanabilir. Diğer kriterlerde de olduğu gibi, elde edilen şehir çevriminde farklı sürüş şekillerinin rastlanma yüzdeleri çıkarılmaktadır. Daha sonra gerçek sürüş datasının sürüş şeklinin rastlanma yüzdesi ile karşılaştırılmaktadır. Özellikle trafik yoğunluğunun fazla olduğu durumlarda trafik şablonunun şehir çevrimince daha iyi temsil edilebilmesi için sürünme (creeping) şeklinde bir sürüş modu daha tanımlanmıştır. Bu şekil, hızın 5 m/s’ den az olduğu sabit hız fazlarıdır.
2.3.5 Diğer kriterler
Yukarıda bahsedilen kriterler dışında, şehir çevriminlerinin yarı-rastgele yaklaşımla oluşturulmasında kullanılan diğer kriterler şöyle sıralanabilir: Ortalama hız, maksimum hız, segmentlerin ortalama uzunluğu, ortalama ivme (hızlanma ve yavaşlama ayrı ayrı), ortalama her bir segmentin aldığı zaman.
2.4 ġehir Çevrimi OluĢturulmasında Kullanılan Diğer Yöntemler
Yarı-rastgele yaklaşım şehir çevrimlerinin oluşturulmasında en çok kullanılan yöntem olmasına rağmen literatürde diğer yöntemlere de rastlanılmaktadır. Bunlardan ilki Markov modelini temel alan yöntemdir:
Lin ve Niemeier (2002) yarı-rastgele metodun gerçek sürüş durumunu yeterince yansıtamadığını belirterek, segment (micro-trip) seçiminde Markov proses teoresine dayanan alternatif bir yöntem sunmuşlardır (Markov teorisi kısaca k modal olayının olması bir önceki modal olaya, k-1, bağlıdır şeklindedir ki modal olaylar Bölüm 2.2.4’ de bahsedilen sürüş şekilleridir). Bu metodla oluşturulan çevrimler içerisinden, deneysel sürüş datasına en uygun olanı seçilir. Bu seçim önceki metodta olduğu gibi bazı parametrelere bakılarak yapılır: Ortalama hız, maksimum hız, maksimum ivme, durma zamanı %, yol gücü, vb...
Bunun dışında da farklı yaklaşımlar kullanılmıştır. Melbourne çevrimi için segmentler 100 m’lik aralıklarla seçilmiştir (Watson ve diğ, 1982). Sidney çevrimi de iki dakikalık segmentlerin seçimi ile oluşturulmuştur. FTP-72 çevriminde, segmentlerden bir çevrim oluşturmak yerine, sürüş datası içerisinden toplam dataya en iyi uyan yolculuk seçilmiştir. Mevcut yasal çevrimleri modifiye ederek deneysel
sürüş datasının parametrelerine uydurmak da bir yöntemdir. Edinburgh çevriminde trafik akış indeksi (Traffic Flow Index “Trafix”) metodu kullanılmıştır. Edinburgh’daki trafik gözetleme istasyonlarından trafik akışı bilgileri alınmıştır. Deneysel sürüş datasının değişik bölgeleri (farklı günler, saat dilimleri) trafik yoğunluğuna göre farklı ağırlıktaki faktörler ile çarpılarak çevrim elde edilmiştir.
3. TAKĠP ARACI ĠLE VERĠ TOPLANMASI
3.1 Veri toplamada kullanılan yöntem
İTÜ Otomotiv Anabilim Dalı tarafından yürütülmekte olan “Ulaştırma Sektöründe Sera Gazı Azaltımı” adlı proje kapsamında İstanbul Karayolu Taşımacılığında oluşan emisyon değerlerini hesaplamak üzere bazı parkur seçimleri yapılmıştır. Karayolu taşıtlarının şehir içi trafik şartlarındaki davranışlarının belirlenmesi ve buna uygun olarak trafik akımının modellenmesi amacıyla bir “test çevrimi” oluşturulması amaçlanmaktadır.
İstanbul trafik akış karakteristiğini en iyi temsil edecek şekilde, üç tane ana arter ve bir tane birinci ve ikinci derecede arterlerden oluşan toplam dört rota belirlenmiştir. Ana arter, birinci ve ikinci derecede arterler seçilirken İstanbul Belediyesi Ulaşım Daire Başkanlığı’nın yapmış olduğu sınıflandırma göz önüne alınmıştır (Soruşbay ve diğ, 2009). Seçilen rotalar aşağıdaki gibidir:
Rota 1: BK (Boğaziçi Köprüsü) Maslak-Göztepe
Rota 2: FSM (Fatih Sultan Mehmet Köprüsü) Maslak-Kozyatağı Rota 3: E-5 Maslak-Bakırköy
Rota 4: Tarihi Yarımada (Sahil Yolu-Vatan Caddesi-Edirnekapı)
20
Burada seçilen ilk üç rota İstanbul’daki trafik akışının büyük bir kısmının gerçekleştiği, ilçeler arası ve yakalar arası yolculuklarda kullanılan ana arterlerden oluşmaktadır. Dördüncü rota ise ilçeler içindeki trafik akışını temsil edecek şekilde, birinci ve ikinci derecede arterlerden oluşmaktadır.
Ölçümler sırasındaki GPS kayıtları işlenerek oluşturulan MS Excel dosyası örneği Çizelge 3.1’de görülmektedir.
Çizelge 3.1: Ölçüm Parkuru GPS Bilgileri (örnek data).
# Travel time Path (km) Av.Speed (km/h)
Heading Time Date Latitude Longitude Altitude (m) Latitude (degrees) Longitude (degrees) 1 00:00:00 0.000 10.2 319°m 11:00:00 30.03.2006 N41°06.161' E29°01.086' 28 41.10268333 29.01810000 2 00:02:11 0.370 28.3 356°m 11:02:11 30.03.2006 N41°06.320' E29°00.926' 101 41.10533333 29.01543333 3 00:02:23 0.464 30.8 59°m 11:02:23 30.03.2006 N41°06.371' E29°00.926' 103 41.10618333 29.01543333 4 00:03:26 1.000 43.8 75°m 11:03:26 30.03.2006 N41°06.502' E29°01.268' 116 41.10836667 29.02113333 5 00:03:46 1.244 25.3 262°m 11:03:46 30.03.2006 N41°06.526' E29°01.440' 123 41.10876667 29.02400000 6 00:04:25 1.520 43.3 246°m 11:04:25 30.03.2006 N41°06.516' E29°01.243' 114 41.10860000 29.02071667 7 00:05:05 2.007 57.8 221°m 11:05:06 30.03.2006 N41°06.426' E29°00.915' 114 41.10710000 29.01525000 8 00:05:32 2.429 54.1 209°m 11:05:32 30.03.2006 N41°06.267' E29°00.699' 117 41.10445000 29.01165000 9 00:06:06 2.944 58.9 275°m 11:06:06 30.03.2006 N41°06.035' E29°00.495' 122 41.10058333 29.00825000 10 00:06:59 3.806 87.1 262°m 11:06:59 30.03.2006 N41°06.113' E28°59.887' 113 41.10188333 28.99811667 11 00:07:31 4.589 72.7 259°m 11:07:31 30.03.2006 N41°06.083' E28°59.327' 85 41.10138333 28.98878333 12 00:08:36 5.898 84.7 272°m 11:08:36 30.03.2006 N41°06.001' E28°58.396' 64 41.10001667 28.97326667 13 00:08:54 6.327 78.2 265°m 11:08:54 30.03.2006 N41°06.027' E28°58.091' 78 41.10045000 28.96818333 14 00:09:27 7.043 52.9 255°m 11:09:27 30.03.2006 N41°06.023' E28°57.578' 88 41.10038333 28.95963333 15 00:09:41 7.245 23.4 283°m 11:09:41 30.03.2006 N41°06.003' E28°57.436' 95 41.10005000 28.95726667 16 00:10:05 7.403 14.9 324°m 11:10:05 30.03.2006 N41°06.028' E28°57.328' 93 41.10046667 28.95546667 17 00:10:35 7.526 18.4 203°m 11:10:35 30.03.2006 N41°06.085' E28°57.282' 86 41.10141667 28.95470000 18 00:11:53 7.926 34.7 165°m 11:11:53 30.03.2006 N41°05.893' E28°57.151' 60 41.09821667 28.95251667 19 00:12:21 8.194 20.8 221°m 11:12:21 30.03.2006 N41°05.751' E28°57.188' 47 41.09585000 28.95313333 20 00:12:44 8.328 29.7 196°m 11:12:44 30.03.2006 N41°05.700' E28°57.120' 53 41.09500000 28.95200000 21 00:13:05 8.499 39.2 23°m 11:13:05 30.03.2006 N41°05.614' E28°57.077' 63 41.09356667 28.95128333 22 00:13:51 9.004 89.0 66°m 11:13:51 30.03.2006 N41°05.857' E28°57.241' 76 41.09761667 28.95401667 23 00:14:17 9.647 101.0 81°m 11:14:17 30.03.2006 N41°05.977' E28°57.673' 68 41.09961667 28.96121667 24 00:15:38 11.920 87.4 80°m 11:15:38 30.03.2006 N41°06.071' E28°59.296' 66 41.10118333 28.98826667 25 00:16:07 12.636 104.4 101°m 11:16:08 30.03.2006 N41°06.112' E28°59.806' 90 41.10186667 28.99676667 26 00:16:36 13.462 103.7 112°m 11:16:36 30.03.2006 N41°05.995' E29°00.377' 98 41.09991667 29.00628333 27 00:17:03 14.241 92.1 106°m 11:17:03 30.03.2006 N41°05.810' E29°00.878' 75 41.09683333 29.01463333 28 00:18:18 16.152 31.1 190°m 11:18:18 30.03.2006 N41°05.455' E29°02.163' 81 41.09091667 29.03605000 29 00:18:39 16.336 33.9 173°m 11:18:39 30.03.2006 N41°05.359' E29°02.131' 84 41.08931667 29.03551667 30 00:19:04 16.575 32.6 124°m 11:19:05 30.03.2006 N41°05.230' E29°02.138' 91 41.08716667 29.03563333 31 00:19:40 16.897 26.2 102°m 11:19:40 30.03.2006 N41°05.122' E29°02.319' 113 41.08536667 29.03865000 32 00:20:04 17.073 11.9 221°m 11:20:04 30.03.2006 N41°05.096' E29°02.440' 117 41.08493333 29.04066667 33 00:23:02 17.660 13.2 234°m 11:23:02 30.03.2006 N41°04.873' E29°02.142' 135 41.08121667 29.03570000 34 00:25:40 18.239 20.3 225°m 11:25:40 30.03.2006 N41°04.706' E29°01.791' 143 41.07843333 29.02985000 35 00:26:01 18.358 28.6 260°m 11:26:01 30.03.2006 N41°04.664' E29°01.727' 140 41.07773333 29.02878333 36 00:26:39 18.664 29.3 314°m 11:26:40 30.03.2006 N41°04.647' E29°01.509' 136 41.07745000 29.02515000 37 00:27:17 18.969 15.1 255°m 11:27:17 30.03.2006 N41°04.769' E29°01.362' 131 41.07948333 29.02270000 38 00:29:21 19.490 6.6 243°m 11:29:21 30.03.2006 N41°04.716' E29°00.996' 124 41.07860000 29.01660000 39 00:30:07 19.575 29.9 355°m 11:30:08 30.03.2006 N41°04.698' E29°00.940' 122 41.07830000 29.01566667 40 00:30:57 19.986 25.2 32°m 11:30:57 30.03.2006 N41°04.920' E29°00.935' 117 41.08200000 29.01558333 41 00:31:17 20.126 29.7 1°m 11:31:17 30.03.2006 N41°04.981' E29°00.994' 117 41.08301667 29.01656667 42 00:32:13 20.586 38.5 226°m 11:32:13 30.03.2006 N41°05.228' E29°01.023' 92 41.08713333 29.01705000 43 00:32:40 20.877 31.8 246°m 11:32:40 30.03.2006 N41°05.127' E29°00.863' 104 41.08545000 29.01438333 44 00:33:01 21.063 16.8 310°m 11:33:01 30.03.2006 N41°05.093' E29°00.738' 115 41.08488333 29.01230000 45 00:33:27 21.184 11.2 319°m 11:33:27 30.03.2006 N41°05.139' E29°00.676' 127 41.08565000 29.01126667 46 00:34:04 21.300 17.4 275°m 11:34:04 30.03.2006 N41°05.189' E29°00.627' 123 41.08648333 29.01045000 47 00:34:39 21.469 23.5 244°m 11:34:39 30.03.2006 N41°05.203' E29°00.507' 123 41.08671667 29.00845000 48 00:34:54 21.570 42.0 342°m 11:34:55 30.03.2006 N41°05.183' E29°00.440' 125 41.08638333 29.00733333 49 00:35:55 22.276 61.8 6°m 11:35:55 30.03.2006 N41°05.553' E29°00.318' 116 41.09255000 29.00530000 50 00:36:19 22.689 76.1 24°m 11:36:19 30.03.2006 N41°05.772' E29°00.371' 116 41.09620000 29.00618333 51 00:37:13 23.829 50.8 46°m 11:37:13 30.03.2006 N41°06.312' E29°00.763' 95 41.10520000 29.01271667 52 00:37:27 24.027 13.6 143°m 11:37:27 30.03.2006 N41°06.380' E29°00.872' 93 41.10633333 29.01453333 53 00:38:15 24.208 44.9 143°m 11:38:15 30.03.2006 N41°06.298' E29°00.943' 81 41.10496667 29.01571667 54 00:38:36 24.471 8.6 94°m 11:38:36 30.03.2006 N41°06.179' E29°01.046' 72 41.10298333 29.01743333 55 00:38:58 24.524 8.6 94°m 11:38:58 30.03.2006 N41°06.175' E29°01.083' 72 41.10291667 29.01805000
Daha sonra bu datalar basitleştirilerek sadece Zaman-Hız diyagramlarına çevrilmiş ve böylece Şehir Çevrimi için kullanılan test çevrimi algoritmasına uygun formata getirilmiştir. Parkur başlangıç ve bitiş hızlarının 0 (sıfır) olmasına dikkat edilmiştir. Diğer taraftan GPS bağlantısının parkur üzerinde bulunan köprü altı veya tünel gibi lokasyonlarda uydu sinyalini kaybetmesi sebebiyle oluşan data akışı boşlukları manuel olarak doldurulmuştur. Oluşturulan “text” dosyası örneği Çizelge 3.2’de görülmektedir. Bu tabloda x sütunu, saniye (s) cinsinden zamanı (t), y sütunu ise km/h cinsinden hızı (v) temsil etmektedir.
Çizelge 3.2: Text formatındaki Rota 4 GPS Bilgileri (örnek data).
x y 0 0 0.1 0.86 0.2 1.56 0.3 2.03 0.4 2.74 0.5 3.62 0.6 4.58 0.7 5.56 0.8 6.82 0.9 7.83 1 8.52 1.1 8.94 1.2 9.68 1.3 10.42 1.4 11.05 1.5 11.84 1.6 12.5 1.7 13.34 1.8 13.95 1.9 14.44 2 15.03 2.1 15.59 2.2 16.03 2.3 16.48 2.4 16.87 2.5 17.17 2.6 17.53 2.7 17.64 2.8 18.11
22
İlk aşamada, gerçek sürüş deneylerinden gelen datalar işlenmektedir. Deneyler sonucu elde edilen zaman-hız datası belli bir dt zaman aralığı ile kaydedilmektedir. Örneğin dt = 0.15 s alındığında aşağıdaki gibi bir zaman-hız matrisi elde edilmektedir:
Çizelge 3.3: Başlangıçtaki zaman-hız matrisinin durumu. Zaman Hız 0 60.34 0.15 59.53 0.3 60.34 0.45 59.53 0.6 59.53 0.75 59.53 0.9 58.73 1.05 59.53 1.2 58.73
ġekil 3.2: Örnek bir şehir çevrimi
Çevrim oluşturulduktan sonra oluşturulan çevrimin istenilen kriterleri ne ölçüde sağladığı kontrol edilir. İstenen kriterleri sağlayan çevrim bulunana kadar da çevrim üretme algoritması tekrar tekrar çalıştırılır. Şekil 3.2’deki çevrimin ortalama hızı 37.67 km/saat’ tir. Bu çevrimin temsil etmeye çalıştığı hattın ortalama hızı ise 37.89 km/saat’ tir. Örneğin ortalama hızlar arasındaki bu fark bir kriter olarak kullanılabilir. Eğer fark istenilen toleranslar içinde değilse yeni bir çevrim üretilecektir.
Hiç kuşkusuz üretilen çevrimin, sürüş deneylerinin yapıldığı hattı ne kadar iyi temsil ettiğini gösteren en önemli kriter hız-ivme dağılımıdır (Bölüm 2.2.1’ de detaylı olarak ele alınmıştı). Bu yüzden hattın ve üretilen çevrim hız-ivme dağılımları karşılaştırılmalıdır. Aşağıdaki şekillerde sırasıyla üretilen çevrim, ve bu çevrimin üretildiği hat datasının hız-ivme dağılımları gösterilmiştir.
ġekil 3.3: Üretilen çevrimin hız-ivme dağılımı
Çevrimin ve hattın hız-ivme dağılımları karşılaştırıldığında (Şekil 3.3 ve Şekil 3.4), hattın diyagramında yaklaşık %18 gibi görünen tepe yapmış bölgenin çevrimde de benzer şekilde büyük bir yaklaşıklıkla temsil edildiği görülmektdir. Bu da şehir çevrimi algoritmasının temelinde hat ile çevrimin durma yüzdelerinin eşit yapılmaya çalışılması sayesinde ortaya çıkmaktadır. Ayrıca hat diyagramında 75 km/h hız ve sıfır ivme için mevcut olan küçük tepeciğin de (bahsedilen bölge 75 km/h sabit hız ile seyiri temsil ediyor – cruising) çevrimde temsil edilmesi başarılmıştır.
24
ġekil 3.4: Şehir çevrimi ile temsil edilmeye çalışılan hattın hız-ivme dağılımı Yapılan çevrimin hız-ivme dağılımının hattınkine ne kadar yakın olduğunu anlamak için görsel yorumlar yapmak bir kıstas değildir. İki matrisin birbirine ne kadar yakın olduğuna bakmak için farklarının normuna bakılmıştır. Bu değer belirli bir toleransın altında bulunursa üretilen şehir çevriminin, deney sürüşleri yapılan hattı hassas bir şekilde temsil ettiği söylenebilir.
Üretilen şehir çevriminin, deney sürüşleri yapılan hattı hassas bir şekilde temsil edip etmediği sadece hız-ivme dağılımına bakılıp karar verilmez. Literatür bölümünde ele alındığı gibi, hız-ivme dağılımı en önemli kriter olmasına rağmen, ivmenin etkin değeri (rms), pozitif kinetik enerji, sürüş şekillerinin (modlarının) rastlanma yüzdeleri, ortalama hız, ortlama durma süresi, ...vb gibi birçok kriter de dikkate alınabilir.
Bu teze konu olan Takip Aracı ölçümlerinden (takip eden ve takip edilen araç) her biriyle ayrı bir şehir çevrimi oluşturulmasında kullanılan algoritma ve yöntem aşağıda özetlenmiştir:
i) Yarı-rastgele yaklaşımla gerçek bir şehir çevrimi üretimini temel alan bir algoritma geliştirilmiştir. Oluşturulan çevrimin durma süresinin yüzdesi, deney sürüşlerinin yapıldığı hattın durma süresinin yüzdesine yakınsayacak şekilde
algoritma kurulmuştur. Diğer bir yakınsama sağlanmaya çalışılan parametre de hat uzunluğudur. Sonuç olarak algoritma, verilen hat uzunluğunu ve durma süresini (% olarak) sağlayacak şekilde çevrim oluşturmaktadır.
ii) Üretilen çevrimin deney sürüşlerinin yapıldığı hattı ne kadar iyi temsil ettiği temel olarak hız-ivme dağılım matrislerinin karşılaştırılması ile yapılmıştır. Ayrıca ortalama hızlar da karşılaştırılmıştır.
3.2. Veri Toplama I
Önceki bölümde belirtilen Rota 4 (Tarihi Yarımada) seçilerek ölçümlere başlanmıştır. İTÜ’ye ait mevcut bir test taşıtı (Uyanık) ve bir diğer GPS düzeneği takılı otomobille dört gün (Pazartesi, Salı, Çarşamba ve Perşembe) boyunca, aynı parkur üzerinde toplam 22 adet ölçüm alınmıştır. Bu ölçümlerde Racelogic Vbox markasının iki farklı GPS modeli kullanılmıştır:
Takip edilen araç (UYANIK): Megane 1.9 DCI 120BG, GPS Model: VBM01
Takip eden araç: Ford Connect 75 BG, GPS Model: VB20SL Alınan ölçüm verileri önceki bölümde belirtildiği şekilde işlenerek Hız-Zaman
tablolarına dönüştürülmüştür. İstanbul Şehir Çevrimi programında koşulabilmeleri için gerekli düzeltmeler yapılarak son olarak bu veriler gerekli formata dönüştürülmüştür.
3.3. Veri Toplamada KarĢılaĢılan Güçlükler ve Veri Toplama II
Yapılan ilk koşumların ardından farklı GPS kullanımından dolayı ölçümlerde bazı uygunsuzluklar ve GPS kaynaklı hatalar tespit edilmiştir. Bunun üzerine GPS’lerin doğru ve uyumlu veriler kaydedip kaydetmediğinin sağlamasının yapılmasına karar verilmiştir. Bu sağlama için “Uyanık” adlı araç ile İ.T.Ü. Ayazağa Yerleşkesi içinde, Şekil 3.9’da gösterilen parkur seçilerek (üstü kapalı alanlar içermeyen bir rota olmasına dikkate ederek) tekrar veri toplama işlemi gerçekleştirilmiştir.
Takip edilen araç (UYANIK): Megane 1.9 DCI 120BG, GPS Model: VBM01 Takip eden araç: Dacia 1.4 75 BG, GPS Model: VB20SL
Önce üzerinde entegre bir GPS donanımı bulunan “Uyanık” aracına diğer portatif GPS takılmış ve seçilen parkur üzerinde tekrarlanan ölçümler alınmıştır. Aynı araç
26
üzerinde bulunan çift GPS verileri karşılaştırılarak GPS ölçümlerinin ne kadar sağlıklı ve güvenilir olduğu kontrol edilmiştir. Muhtelif denemelerden sonra sağlıklı ve uyumlu veriler olduğuna inanılan ölçümler kaydedilerek çevrim programında koşulması için işlenmiştir.
ġekil 3.5: İ.T.Ü. Ayazağa Yerleşkesi’nde gerçekleştirilen 2.ölçüm parkuru Aynı araç üzerinde çift GPS ile yapılan ölçümlerden sonra portatif GPS bir diğer araca takılarak, Veri Toplama I’de kullanılan yöntem ile her birinin üzerinde bir GPS donanımı bulunan ve biri diğerini takip eden iki araçla aynı parkur üzerinde ölçümler alınmaya başlanmıştır. GPS verilerindeki uyumluluğun sağlandığına inanılan ölçümler işlenerek çevrim programına uygun hale getirilmiştir.
4. ÖLÇÜMLERĠN DEĞERLENDĠRĠLMESĠ
4.1 Veri Toplama I ile oluĢturulan çevrim
Tarihi Yarımada parkurundan toplanan veriler İstanbul Şehir Çevrimi için oluşturulan programda koşulmuştur. Takip edilen “Main Car” ve takip eden “Chase Car” verileriyle elde edilen çevrimler sırasıyla Şekil 4.1 ve Şekil 4.2’de gösterilmiştir.
ġekil 4.1: Takip edilen araç çevrimi.
Her araç ile alınan verilerle oluşturulan gerçek (hat) çevrimler ile programla oluşturulan sanal çevrimler arasındaki farkları gösteren durum Çizelge 4.1’de gösterilmiştir. Çevrimin ana parametrelerini içeren bu karşılaştırma tablosundaki öğeler aşağıda açıklanmıştır:
P durma: Durma yüzdesi
a + / a - : Pozitif / negatif ivmelenme (m/s²) P + / P - : Pozitif / negatif özgül güç
28
ġekil 4.2: Takip eden araç çevrimi.
Çizelge 4.1 : Takip eden ve edilen araç çevrimleri arasındaki farklar.
Pdurma a + a - P + P - vort Takip Edilen hat 1.88 0.66 -0.66 0.83 -0.87 33.4 çevrim 1.93 0.63 -0.64 0.82 -0.85 34.0 HATA % 2.7 4.5 3.0 1.2 2.3 1.8 Takip Eden hat 18.18 0.59 -0.71 0.70 -0.85 27.7 çevrim 18.19 0.59 -0.70 0.70 -0.86 26.3 HATA % 0.1 0.0 1.4 0.0 1.2 5.0 SAPMA (Takip eden – Takip edilen) hat 16.3 -0.07 -0.05 -0.13 -0.02 -5.7 %10 %8 %17 çevrim 16.26 -0.04 -0.06 -0.12 -0.01 -7.7 %6 %9 %22
Takip eden ve takip edilen araç verileri arasındaki farklar Çizelge 4.1’de gösterilmiştir. Hat ve çevrim verilerinin karşılaştırılması neticesinde takip eden aracın, takip edilen araca oranla sapması da ortaya konulmuştur. Seçilen ana değerlerdeki (ortalama ivme ve ortalama hız) sapma yüzdelerinin oldukça yüksek çıktığı gözlemlenmiştir. Bunun üzerine GPS kayıtlarının uyumluluğu sorgulanmaya başlanmış ve bu amaçla 2. veri toplama aşamasına geçilmiştir.
Karşılaştırmanın daha kolay yapılabilmesi açısından takip eden araç verileriyle, Tarihi Yarımada parkurunda daha önce tek araçla İstanbul Şehir Çevrimi oluşturulması safhasında toplanan veriler Çizelge 4.2’de gösterilmiştir. Durma sıklığında oldukça yakın değerler olmasına karşın, ortalama ivme ve ortalama hızlar için aynı şeyi söylemek mümkün olmamaktadır.
Çizelge 4.2: Takip eden ve tek araç (tarihi yarımada) çevrimleri arasındaki farklar.
Pdurma a + a - P + P - vort
Takip Eden
hat 18.18 0.59 -0.71 0.70 -0.85 27.7
çevrim 18.19 0.59 -0.70 0.70 -0.86 26.3
HATA % 0.1 0.0 1.4 0.0 1.2 5.0
Tek Araç çevrim 17.92 0.60 -0.61 0.77 -0.80 29.11
SAPMA
(Takip Eden – Tek Araç)
çevrim 0.27 -0.01 -0.09 -0.07 -0.06 -2.81
%2 %15 %10
4.2 Veri Toplama II ile oluĢturulan çevrim
Tarihi Yarımada parkurundan sonra alınan İTÜ Ayazağa Yerleşkesi verilerinin çevrim parametrelerine uygun olarak hazırlanmış ortalama değerleri Çizelge 4.3’de, GPS uyumunun kontrolü için alınan tek araç-çift GPS verilerinki ise Çizelge 4.4’de gösterilmiştir.
Çizelge 4.3: İTÜ Ayazağa Yerleşkesi parkur verileri için ortalama değerler. Uzunluk [m] Süre [s] Durma Sayısı Durma % Ort. Hız a + a - P + P - Takip Eden 3274 487 1 0.00 24.21 0.77 -0.74 0.74 -0.74 Takip Edilen 3259 550 5 0.14 21.31 0.63 -0.67 0.60 -0.66 SAPMA (Takip Eden-Takip Edilen) %14 %22 %10
Ayazağa Yerleşkesi parkuru, Tarihi Yarımada parkuruna oranla oldukça kısa bir parkur olmasına rağmen, çift araçla alınan verilerin (ortalama hız ve ortalama ivme) karşılaştırılması neticesinde de benzer sapma değerleri elde edilmiştir. Bunun üzerine GPS kayıtlarının sağlamasının son kez olarak, kullanılan farklı modele sahip iki GPS’in aynı araç üzerine takılarak yapılmasına karar verilmiştir. Bununla ilgili veriler ve sapma değerleri Çizelge 4.4’te gösterilmiştir.
30
Çizelge 4.4 : İTÜ parkurunda tek araç-çift GPS verileri için ortalama değerler. Uzunluk [m] Süre [s] Durma Sayısı Durma % Ort. Hız a + a - P + P - Vbox VBM01 3217 467 2 0.017 24.80 0.55 -0.52 0.52 -0.50 Vbox VB20SL 3258 464 1 0.003 25.27 0.54 -0.53 0.51 -0.51 SAPMA (VB20SL-VBM01) %2 %2 %2
Bu değerlere bakılarak, aynı araç üzerine takılan iki GPS ile toplanan verilerin arasında bile, net bir farkın oluştuğu görülebilmektedir. İTÜ parkuruna nazaran çok daha uzun bir parkur olan Tarihi Yarımada parkurunda ise bu fark oldukça büyümektedir.
İTÜ parkurunda toplanan verilerle bir çevrim karşılaştırılması yapılmamış, ancak hız-zaman eğrilerinden bazıları aşağıda Şekil 4.3 ve Şekil 4.4’te örnek olarak verilmiştir. Genel sürüş profilleri benzerlik gösterse de İstanbul Şehir Çevrimi algoritmasında kullanılan parametrelerden en önemlisi olarak görünen durma sıklığı açısından ele alındığında takip edilen araçtaki GPS’in, takip eden aracın durma sayısını aynı şekilde yansıtmadığı net olarak görülmektedir.
5. SONUÇ VE ÖNERĠLER
5.1 KARġILAġILAN ZORLUKLAR VE ÖNERĠLER
Giriş bölümünde belirtilen bir ana proje kapsamında ele alınan ve bu projeye paralel, eşzamanlı yürütülmesi gereken bu çalışmada karşılaşılan zorluklar aşağıda belirtilmiştir:
Veri toplama süresi: Oluşturulacak çevrim veya takip aracı yönteminin irdelenmesi için verilerin sağlıklı bir şekilde çok sayıda elde edilmesi gerekmektedir, ancak takip yöntemi ile şehir trafiğinde veri toplama işlemi oldukça zaman gerektiren bir süreçtir.
GPS kalibrasyonu: GPS yeryüzündeki durağan veya hareketli pek çok obje veya olguya ait konumsal verilerin üretiminde dünyada yoğun bir şekilde kullanılmaktadır. Bu veriler üretilirken yapılacak işin doğruluk gereksinimlerine uygun bir GPS tekniğinin ve donanımının seçimi sonuçta beklenilen verimlilik açısından oldukça önemlidir. Veri toplamaya başlamadan önce mutlaka kullanılacak olan GPS’lerin kalibrasyonlarının kontrol edilmesi gerekmektedir. Mümkünse aynı zaman adımlarında ölçüm kaydeden ve aynı marka-model GPS’lerin kullanılması buna benzer çalışmalar esnasında karşılaşılan teknik problemlerin önüne geçecek ve zaman tasarrufu sağlayacaktır. Bundan sonraki benzer çalışmalar için GPS kayıtlarının her tur bitiminde bilgisayar ortamına aktarılarak, tutarlılık ve doğruluk sağlamasının yapılması hem verilerin daha sağlıklı olmasını sağlayacak, hem de zaman tasarrufu sağlayacaktır.
Test sayısı: Çok sayıda veri toplanması daha sağlıklı karşılaştırma yapılmasına olanak sağlayacak ve istatistiksel korelasyonu artıracaktır. Hata analiz yöntemlerinin farklılaştırılması gerekmektedir.
34
5.2 SONUÇ
Takip aracı yönteminin kullanılmasının sağladığı avantajlar şu şekilde sıranabilir: Otobüs üzerinde donanımı yerleştirmek ve ölçüm almanın zorlukları göz önünde bu yöntem çok daha hızlı ve pratik olmaktadır.
Bu yöntemden şehir trafiğinde seçilen bir rotadaki toplam akımın ölçülmesinde de faydalanabilmektedir. Bu şekilde o filoya ait olan araçların her birinin takip aracıyla karşılaştırılması mümkün olmaktadır. Diğer taraftan ortalama trafik akış hızının genel bir karakteri de elde edilebilmektedir. Seçilen rotadaki hız ve ivmelenmeler ne kadar büyükse takip o oranda güçleştiğinden, sapma da büyük olabilmektedir.
İki araç arasındaki kütle farkı arttıkça sapma da artmaktadır; örneğin otobüsü takip eden otomobil.
Motor güçleri birbirine yakın iki otomobil kullanılırsa takip dataları daha uyumlu çıkmaktadır. Araç sınıf farkları da takip datalarında uyumsuzluğu artırmaktadır.
KAYNAKLAR
André, M., 1996. Driving Cycles Development: Characterisation Of The Methods. SAE paper 961112.
André, M., Joumard, R., Vidon, R., Tassel, P., Perret, P., October 2006. Real-world European Driving Cycles For Measuring Pollutant Emissions From High And Low Powered Cars. Atmospheric Environment, Volume 40, Issue 31, Pages 5944-5953.
Austin, T. C., Karl H. H., and Don Paulsell, C., August 1974. Passenger Car Fuel Economy During Non-Urban Driving. SAE Paper 740592.
Ergeneman, M. and SoruĢbay, C. and Goktan, Ali G., 1997. Development Of A Driving Cycle From Road Traffic Measurements For The Prediction Of Pollutant Emissions And Fuel Consumption, International Journal of Vehicle Design, Vol. 18, No: 3, Special Issue.
Ericson E., (1997). How to measure driving patterns - A study of methodology, 4th International Symposium “Transport and Air Pollution”, Avignon 9-13 June 1997/ actes affiches, Inrets, Bron, France, p.125-9-130.
Esteves-Booth A., Muneer, T., Kirby, H., Kubie, J., Hunter, J., 2001. The measurement of vehicular driving cycle within the city of Edinburgh, Transportation Research Part D 6, 209-220.
Gammariello, R.T., Long, J.R., 1993. An emissions comparison between the Unified Cycle and the federal test procedure. Presented at the Specialty Conference The Emission Inventory: Perception and Reality, Pasadena, CA.
Hung, W.T., Tong, H.Y., Lee, C.P., Ha, K., Pao, L.Y., 2007. Development of a practical driving cycle construction methodology: A case study in Hong Kong. Transportation Research Part D 12, 115–128.
Kent, J.H., Allen, G.H., Rule, G., 1978. A driving cycle for Sydney. Transportation Research 12, 147-152.
Kruse R.E., Huls T.A., 1973. Development for the federal urban driving cycle, SAE Paper, 730553.
Kuhler M., Karstens D., 1978. Improved driving cycle for testing automotive exhaust emissions, SAE Technical Paper, Series 780650.
Lin J., Niemeier A., 2002. An exploratory analysis comparing a stochastic driving cycle to California’ s regulatory cycle, Atmospheric Environment 36 , 5759 – 5770.
Lyons, T.J., Kenworthy, J.R., Austin, P.I., Newman, P.W.G., 1986. The development of a driving cycle for fuel consumption and emissions evaluation. Transportation Research 20A(6), 447-462.
36
Niemeier, D.A., October 1999. Data Collection for Driving Cycle Development: Evaluation of Data Collection Protocols. Department of Civil and Environmental Engineering, Institute of Transportation Studies, University of California, Final.
Pitsas Κ.Α., 2003. PhD research, Vehicle Technical Inspenction. Driving Cycles and Atmospheric Pollution, National Technical University of Athens, School of Chemical Engineering, Athens, Greece.
Riemersma I. J.. Methodology for the development of representative driving cycles, TNO Automotive.
Sanghpriya H. Kamble, Tom V. Mathew, G.K. Sharma, March 2009. Development of real-world driving cycle: Case study of Pune, India. Transportation Research Part D: Transport and Environment, Volume 14, Issue 2, March 2009, Pages 132-140.
SoruĢbay, C., Ergeneman, M., Gerçek, H., Ekim 2009. Ulaştırma Sektöründe Sera Gazı Azaltımı, TÜBİTAK TARAL Projesi, 105G039 Sonuç Raporu, T.C. Ulaştırma Bakanlığı, TÜBİTAK, Ankara.
Stoeckenius, T., Pollack, A., Carlson, T., 2000. Speed Correction Factor Improvement Study Estimating Sample Size Requirements for the Chase Car Study. Prepared for Sierra Research for submittal to Mike Brady, Caltrans Environmental Program, Sierra/Caltran Task Order No. 1, December 21.
Tong, H.Y., Hung, W.T., Cheung, C.S., 1999. Development of a driving cycle for Hong Kong, Atmospheric Environment, 33, 2323-2335.
Tzirakis E., 2005. Vehicle Emissions and Driving Cycles, Proceedings of the 9th Int. Conf. On Environmental Science & Technology, Greece.
Watson H.C., Effects of a wide range of drive cycles on the emissions from the vehicles of three levels of technology, SAE Tech. Paper Series, 950221.
Watson, H.C., Milkins, E.E., Braunsteins, J., 1982. The development of the Melbourne Peak Drive Cycle. SAE/ ARRB Second Conference on Traffic Energy and Emissions, Melbourne paper 82148.
Wing-Tat H., Ka-Man T., Chi-Pang L., Lo-Yin C., Chun-Shun C., 2005. Comparison of driving characteristics in cities of Pearl River Delta, China, Atmospheric Environment 39, 615–625
ÖZGEÇMĠġ
Ad Soyad: Utku Yücel YAŞAR
Doğum Yeri ve Tarihi: İstanbul, 27.08.1973
Adres: Doğa Meşe Park sitesi C1 Blok D:2 Göktürk-Kemerburgaz / İstanbul Lisans Üniversite: İstanbul Teknik Üniversitesi Makine Mühendisliği
