CN108492553A - 一种面向实时路网排放评估的车辆活动水平分析方法 - Google Patents
一种面向实时路网排放评估的车辆活动水平分析方法 Download PDFInfo
- Publication number
- CN108492553A CN108492553A CN201810201908.7A CN201810201908A CN108492553A CN 108492553 A CN108492553 A CN 108492553A CN 201810201908 A CN201810201908 A CN 201810201908A CN 108492553 A CN108492553 A CN 108492553A
- Authority
- CN
- China
- Prior art keywords
- real
- time
- road
- speed
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 title claims description 20
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000005516 engineering process Methods 0.000 claims description 14
- 239000000446 fuel Substances 0.000 claims description 10
- 241001420287 Strobilanthes maculata Species 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000011573 trace mineral Substances 0.000 claims description 3
- 235000013619 trace mineral Nutrition 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 8
- 231100000719 pollutant Toxicity 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 2
- 238000011109 contamination Methods 0.000 abstract 1
- 238000009792 diffusion process Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000011785 micronutrient Substances 0.000 description 1
- 235000013369 micronutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种面向动态排放评估的车辆活动水平分析方法，该方法以实现道路交通实际运行条件下的动态排放评估为目的，根据公开的实时交通路况信息建立车辆活动水平分析方法，从而支撑路网层次的实时交通污染评估，其具体过程为：以实时动态交通信息为基础，构建由实时交通路况信息获取面向动态排放评估的运行参数的数据采集与处理方法，再基于实时交通路况与路段平均速度、路段平均速度与路段实时流量的相关关系构建相应的关系模型，建立“实时路况‑路段速度‑路段流量”的车辆活动水平分析方法，结合机动车污染排放测算模型实现道路交通实际运行条件下的动态排放评估。
Description
技术领域
本发明涉及环境科学和智能交通技术领域，具体为一种面向实时路网排放评估的车辆活动水平分析方法。
背景技术
我国交通运输体系的快速发展，一方面形成了日渐成熟与丰富的交通信息采集技术体系，用于对道路交通状态进行多角度感知和调控，另一方面，由于机动车保有量及出行率持续增长，交通部门产生的能源消耗和污染排放也不断提高。根据2015年国家环保部对9个大气污染防治重点城市的源解析工作结果，机动车污染已成为北京、杭州、广州、深圳的首要污染来源。研究表明，对于污染物NOX、VOCs、PM10和PM2.5，机动车源排放贡献率分别为12-36％，37-43％，10.7％和16.8％。煤烟型与机动车污染共存的新型复合型大气污染成为我国区域大气污染的典型特征。
与工业源、固定燃烧源不同的是，机动车源具有动态性，不同交通条件下的大气污染存在较大差异。精细化、实时动态响应的高时空分辨率的排放水平数据是机动车污染排放特性的特征分析和规律研究的基础，也是支撑污染物扩散模拟、空气质量预报预警和大气污染防治的重要基础数据。近年来，考虑交通流动态运行特征的机动车污染排放特征分析及规律研究逐渐成为国内外学者的研究热点。Ma等人采用道路线圈检测数据，结合机动车污染排放测算模型MOVES基于网页地图开发了机动车污染排放发布平台DRIVE.net。北京和深圳在对主要城区的交通尾气污染物排放计算的基础上，先后初步建立了动态计算和展示系统。香港大学开发了一个污染物和空气质量的展示系统，展示了香港地区的污染状况。郝艳召等利用道路实测数据建立了轻型车尾气排放动态测算模型，可以实现对路网中交通尾气污染的动态评估。相对于宏观排放计算，目前对交通污染的动态评估方面已有一定技术突破。
综上，我国现阶段机动车污染研究已渐趋精细准确，目前在反映动态特征的排放评估方法研究方向已取得技术进步，但实现路网层次的交通尾气实时排放计算的算法还不成熟，未能实现大规模的实时在线排放计算。与此同时，由于我国交通运输业的快速发展，智能交通系统每日产生以GB级别增长、以海量实时异构为特征的交通大数据，为获取实时交通动态信息提供了便利条件，如何充分利用这些数据进行知识挖掘和重构、为各类交通信息系统服务，是实时路网交通信息获取与排放评估的关键难题。
发明内容
本发明的目的是克服上述现有技术的缺点，提供一种面向动态排放评估的车辆活动水平分析方法，该方法以实现道路交通实际运行条件下的动态排放评估为目的，根据公开的实时交通路况信息建立车辆活动水平分析方法，从而支撑路网层次的实时交通污染评估，其具体过程为：以实时动态交通信息为基础，构建由实时交通路况信息获取面向动态排放评估的运行参数的数据采集与处理方法，再基于实时交通路况与路段平均速度、路段平均速度与路段实时流量的相关关系构建相应的关系模型，建立“实时路况-路段速度-路段流量”的车辆活动水平分析方法，结合机动车污染排放测算模型实现道路交通实际运行条件下的动态排放评估。
本发明是通过以下技术方案来实现的：
一种面向实时路网排放评估的车辆活动水平分析方法，具体步骤如下：
步骤1.对公开的实时交通路况信息以图块截取方法进行实时获取、存储、处理，基于ArcGIS进行路网匹配，基于图块颜色识别方法进行状态判别，将该实时交通路况信息处理为带有时间标识、路段标识、状态标识的可操作数据。
步骤2.建立“实时路况-路段速度”关系模型：根据所识别的实时路况等级、路段道路类型，参照标准《DBJ440100/T 164-2013,城市道路交通运行评价指标体系》规定，以该车速区间中值作为该道路类型的路况等级所对应的平均速度。
步骤3.建立“路段速度-路段流量”关系模型：由交通流理论，路段交通流量、速度、密度间存在的关系，进行推算。根据历史调查数据分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算。
步骤4.基于以上“实时路况-路段速度-路段流量”的车辆活动水平分析方法，结合适用的机动车污染排放测算模型，将实时动态的路段交通活动水平数据作为输入，获得道路交通实际运行条件下的动态排放。
作为上述方案的改进，步骤1所述的公开的实时交通路况信息为以路段为单位的实时路况等级，且时间分辨率小于1小时。路况等级应至少能分为自由流、拥挤流、阻塞流三种等级，并能进行明显区分。
作为上述方案的改进，步骤1所述的对公开的实时交通路况信息进行处理，具体为首先，面向公开的实时交通路况信息，开发算法以固定时间间隔将该信息以图块截取的方式进行实时获取和存储。其次，对获取的每一单一图块，识别该图块中所含像素的颜色，形成像素编号、像素颜色值属性表。最后，根据图块坐标信息，与电子地图中的坐标系基于ArcGIS进行坐标转换和路网匹配，并将该图块中像素颜色识别结果对电子地图中相应路段的属性进行更新。
作为上述方案的改进，步骤3所述的“路段速度-路段流量”关系模型，具体为，在交通工程学中，速度V、流量Q、密度K之间存在以下关系，反映出交通流特征的一些重要的特征变量：
(1)极大流量qm，就是q-u曲线上的峰值。
(2)临界速度Um，流量达到极大时的速度。
(3)最佳密度Km，流量达到极大时的密度。
(4)堵塞密度Kj，车流密集到车辆无法移动(U＝0)时的密度。
(5)畅行速度Uf，车流密度趋于0，车辆畅行无阻时的平均速度。
用于速度流量关系模型的类型，包括线性模型、二次多项式模型、三次多项式模型、指数模型、对数模型为主的回归模型、以Greenshields模型，Grenberg模型和Underwood模型为主的经验模型。以Greenshields模型为例，其中、速度V、流量Q、密度K之间存在以下关系：
在交通量很小的情况下，K＝0时，V＝Vf，车辆可以自由行驶。
在交通量很大的情况下，V＝0时，K＝Kj，车流速度趋向于0。
根据回归模型与经验模型以及历史调查数据、经验模型或研究成果，以误差平方和最小的原则，分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算。
作为上述方案的改进，步骤4所述的实现路网层次的实时动态排放模拟，具体为，结合具有微观尺度排放计算能力的机动车污染排放测算模型，该类模型将根据所输入的动态活动水平参数对排放因子进行修正。排放测算模型所需的输入参数一般应包括：
车辆技术水平：所模拟的车队中车辆技术类型及比例，一般来自于当地行业统计报告或交管部门车辆信息登记数据库，如COPERT模型的“用途-燃油-排量-技术”四级分类体系、MOVES模型的“燃料+用途”二级分类体系、IVE模型的“车辆大小-燃油-车重-空气/燃料控制-尾气处理-蒸发控制-车龄”多级分类体系；
车辆活动水平：反映车队动态活动特征的表征参数，一般需以实时动态交通信息为数据来源，例如COPERT、IVE、MOVES模型均可以平均速度序列作为动态活动水平输入；此外，各技术水平车型的实时流量也是反映车队动态活动特征的重要参数；
路网信息：模拟计算区域内各道路类型及其长度，一般需来自实地调研或电子地图文件；
油品信息：各车辆所使用燃料的与排放相关的重要参数，如RVP，碳氢比，微量元素含量，可通过当地油品标准进行查询；
环境因素：如温度、湿度，一般来自气象部门监测数据或公共信息发布平台。
本发明具有以下有益效果：通过反映道路交通实际运行条件下的车辆活动水平为考量，实现对路网层次的交通污染实时排放评估的准确获取，对优化道路运行工况、降低机动车排放量、提高城市空气质量具有重要的意义，对我国机动车污染控制措施的制定与实施也具有一定的借鉴意义。
附图说明
图1为交通流特征变量关系曲线图。
图2为实施例2实时路况交通状态示意图。
图3为实施例2路段每小时交通流量示意图。
图4为实施例2路段每小时排放量渲染图。
图5为实施例2网格化每小时排放量渲染图。
具体实施方式
实施例1
一种面向实时路网排放评估的车辆活动水平分析方法，具体步骤如下：
步骤1.对公开的实时交通路况信息以图块截取方法进行实时获取、存储、处理，基于ArcGIS进行路网匹配，基于图块颜色识别方法进行状态判别，将该实时交通路况信息处理为带有时间标识、路段标识、状态标识的可操作数据。所述的公开的实时交通路况信息为以路段为单位的实时路况等级，且时间分辨率小于1小时。路况等级应至少能分为自由流、拥挤流、阻塞流三种等级，并能进行明显区分。所述的对公开的实时交通路况信息进行处理，具体为首先，面向公开的实时交通路况信息，开发算法以固定时间间隔将该信息以图块截取的方式进行实时获取和存储。其次，对获取的每一单一图块，识别该图块中所含像素的颜色，形成像素编号、像素颜色值属性表。最后，根据图块坐标信息，与电子地图中的坐标系基于ArcGIS进行坐标转换和路网匹配，并将该图块中像素颜色识别结果对电子地图中相应路段的属性进行更新。
步骤2.建立“实时路况-路段速度”关系模型：根据所识别的实时路况等级、路段道路类型，参照标准《DBJ440100/T 164-2013,城市道路交通运行评价指标体系》规定，以该车速区间中值作为该道路类型的路况等级所对应的平均速度。
步骤3.建立“路段速度-路段流量”关系模型：由交通流理论，路段交通流量、速度、密度间存在的关系，进行推算。根据历史调查数据分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算。所述的“路段速度-路段流量”关系模型，具体为，在交通工程学中，速度V、流量Q、密度K之间存在以下关系，反映出交通流特征的一些重要的特征变量，如图1所示：
(1)极大流量qm，就是q-u曲线上的峰值。
(2)临界速度Um，流量达到极大时的速度。
(3)最佳密度Km，流量达到极大时的密度。
(4)堵塞密度Kj，车流密集到车辆无法移动(U＝0)时的密度。
(5)畅行速度Uf，车流密度趋于0，车辆畅行无阻时的平均速度。
用于速度流量关系模型的类型，包括线性模型、二次多项式模型、三次多项式模型、指数模型、对数模型为主的回归模型、以Greenshields模型，Grenberg模型和Underwood模型为主的经验模型。其中Greenshields模型中速度V、流量Q、密度K之间存在以下关系：
在交通量很小的情况下，K＝0时，V＝Vf，车辆可以自由行驶。
在交通量很大的情况下，V＝0时，K＝Kj，车流速度趋向于0。
根据回归模型与经验模型以及历史调查数据、经验模型或研究成果，以误差平方和最小的原则，分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算。
步骤4.基于以上“实时路况-路段速度-路段流量”的车辆活动水平分析方法，结合适用的机动车污染排放测算模型，将实时动态的路段交通活动水平数据作为输入，获得道路交通实际运行条件下的动态排放。
所述的实现路网层次的实时动态排放模拟，具体为，结合具有微观尺度排放计算能力的机动车污染排放测算模型，该类模型将根据所输入的动态活动水平参数对排放因子进行修正。排放测算模型所需的输入参数一般应包括：
车辆技术水平：所模拟的车队中车辆技术类型及比例，如COPERT模型的“用途-燃油-排量-技术”四级分类体系、MOVES模型的“燃料+用途”二级分类体系、IVE模型的“车辆大小-燃油-车重-空气/燃料控制-尾气处理-蒸发控制-车龄”多级分类体系。
车辆活动水平：反映车队动态活动特征的表征参数，例如COPERT、IVE、MOVES模型均可以平均速度序列作为动态活动水平输入，另外，IVE模型支持以VSP-ES分布为动态活动水平输入，MOVES模型支持以VSP-v分布作为动态活动水平输入等。此外，各技术水平车型的实时流量也是反映车队动态活动特征的重要参数。路网信息：模拟计算区域内各道路类型及其长度。
油品信息：各车辆所使用燃料的与排放相关的重要参数，如RVP，碳氢比，微量元素含量。
环境因素：如温度、湿度。
实施例2
以佛山市为实验区域，采用电子地图实时路况信息数据作为公开的实时交通路况信息来源，对该面向实时路网排放评估的车辆活动水平分析方法进行进一步说明。
步骤1.针对电子地图实时路况信息数据，以一定时间频率自动获取和存储网页地图实时路况中图块，并对图块数据基于ArcGIS进行路网匹配、基于图块颜色识别方法进行状态判别，将该实时交通路况信息处理为带有时间标识、路段标识、状态标识的可操作数据。随着智能交通系统及大数据技术的发展，交通信息采集技术得到迅速丰富和改善，为广泛获取实时动态交通运行特征信息提供了可能。实时路况信息基于路段，通过四种颜色渲染，分别表征畅通、缓行、拥堵、严重拥堵四种实时道路交通运行状态，更新频率小于5分钟，该数据源具有实时、公开、便捷的特征。研究对公共信息平台发布的实时交通路况信息进行固定时间间隔的分片段、分道路的矢量数据进行自动采集、存储及处理。通过对每张矢量图片的每个坐标进行不同交通状态的不同颜色的提取和识别，确定各道路路段的实时交通状态，并将该信息进行基于ArcGIS的地图匹配。实时路况交通状态示意如图2。
步骤2.建立“实时路况-路段速度”关系模型：根据所识别的实时路况等级、路段道路类型，参照相关标准规定，确定该路况等级所对应的路段平均速度。其中，由实时路况至平均行程速度的对应关系结合国家标准《GB/T 29107-2012道路交通信息服务交通状况描述》及广州市地方标准《DBJ440100/T 164-2013城市道路交通运行评价指标体系》进行取值。
步骤3.建立“路段速度-路段流量”关系模型：本例采用速度流量模型实现道路交通流量的实时获取。通过在佛山市各分区全道路类型开展的交通实地调查，采集分区域、分道路类型、分车辆类型的小时平均交通流量与平均速度，共获得96条采样道路226152组速度流量值。采用三次多项式拟合函数分区域、道路类型、时间段建立速度流量模型，并与其他技术获得的交通流信息进行对比。根据构建的速度流量模型及路段实时平均速度，得到路段道路车流量换算结果。本例中构建的部分道路类型分时段“速度-流量”关系模型如表1所示。
表1“速度-流量”关系模型示例
步骤4.由以上“实时路况-路段速度-路段流量”的车辆活动水平分析方法获取的实时交通信息进行计算，输出基于实时平均行程速度的分车型、分污染物的动态排放因子。运用COPERT排放模型，综合考虑佛山市禅城区机动车组成(车辆结构、车辆用途、上牌时间)、机动车运行状况(行驶速度)、机动车运行条件(行驶比例)、气象信息(月温度)和油品组分(RVP，碳氢比，微量元素含量)等基本信息，将COPERT模型进行本地化修订，并结合车管所保有量数据库及佛山市机动车环保标志发放数据库的车辆排放标准分布比例，确定机动车排放因子，不同平均行程速度下的部分排放因子如表2所示：
表2不同平均行程速度下的分车型排放因子
动态排放评估过程，包括实时排放计算监测、扩散模拟、影响评估及可视化渲染发布。结合地理信息系统ArcGIS中的空间分析模块，实现各尺度网格化路网处理、实时排放监测；由网格化小时排放量信息，基于高斯扩散模式模拟污染扩散浓度；将实时排放计算监测、扩散模拟结果进行多形式的可视化渲染发布，图3为路段每小时交通流量示意、图4为路段每小时排放量渲染图及图5网格化每小时排放量渲染结果。
上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。
Claims (5)
1.一种面向实时路网排放评估的车辆活动水平分析方法，其特征在于，具体步骤如下：
步骤1.对公开的实时交通路况信息以图块截取方法进行实时获取、存储、处理，基于ArcGIS进行路网匹配，基于图块颜色识别方法进行状态判别，将该实时交通路况信息处理为带有时间标识、路段标识、状态标识的可操作数据；
步骤2.建立“实时路况-路段速度”关系模型：根据所识别的实时路况等级、路段道路类型，参照标准《DBJ440100/T 164-2013,城市道路交通运行评价指标体系》规定，以该车速区间中值作为该道路类型的路况等级所对应的平均速度；
步骤3.建立“路段速度-路段流量”关系模型：由交通流理论，路段交通流量、速度、密度间存在的关系，进行推算；根据历史调查数据分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算；
步骤4.基于以上“实时路况-路段速度-路段流量”的车辆活动水平分析方法，结合适用的机动车污染排放测算模型，将实时动态的路段交通活动水平数据作为输入，获得道路交通实际运行条件下的动态排放。
2.根据权利要求1所述的一种面向实时路网排放评估的车辆活动水平分析方法，其特征在于，步骤1所述的公开的实时交通路况信息为以路段为单位的实时路况等级，且时间分辨率小于1小时；路况等级应至少能分为自由流、拥挤流、阻塞流三种等级，并能进行明显区分。
3.根据权利要求1所述的一种面向实时路网排放评估的车辆活动水平分析方法，其特征在于，步骤1所述的对公开的实时交通路况信息进行处理，具体为首先，面向公开的实时交通路况信息，开发算法以固定时间间隔将该信息以图块截取的方式进行实时获取和存储；其次，对获取的每一单一图块，识别该图块中所含像素的颜色，形成像素编号、像素颜色值属性表；最后，根据图块坐标信息，与电子地图中的坐标系基于ArcGIS进行坐标转换和路网匹配，并将该图块中像素颜色识别结果对电子地图中相应路段的属性进行更新。
4.根据权利要求1所述的一种面向实时路网排放评估的车辆活动水平分析方法，其特征在于，步骤3所述的“路段速度-路段流量”关系模型，具体为，在交通工程学中，速度V、流量Q、密度K之间存在以下关系，反映出交通流特征的一些重要的特征变量：
(1)极大流量qm，就是q-u曲线上的峰值；
(2)临界速度Um，流量达到极大时的速度；
(3)最佳密度Km，流量达到极大时的密度；
(4)堵塞密度Kj，车流密集到车辆无法移动(U＝0)时的密度；
(5)畅行速度Uf，车流密度趋于0，车辆畅行无阻时的平均速度；
用于速度流量关系模型的类型，包括线性模型、二次多项式模型、三次多项式模型、指数模型、对数模型为主的回归模型、以Greenshields模型，Grenberg模型和Underwood模型为主的经验模型；其中经验模型以Greenshields模型为例，其速度V、流量Q、密度K之间存在以下关系：
在交通量很小的情况下，K＝0时，V＝Vf，车辆可以自由行驶；
在交通量很大的情况下，V＝0时，K＝Kj，车流速度趋向于0；
根据回归模型与经验模型以及历史调查数据、经验模型或研究成果，以误差平方和最小的原则，分道路类型构建和选择最优的“速度-流量”关系模型，实现由实时路段平均速度向实时路段流量的推算。
5.根据权利要求1所述的一种面向实时路网排放评估的车辆活动水平分析方法，其特征在于，步骤4所述的实现路网层次的实时动态排放模拟，具体为，结合具有微观尺度排放计算能力的机动车污染排放测算模型，该类模型将根据所输入的动态活动水平参数对排放因子进行修正；排放测算模型所需的输入参数一般应包括：
车辆技术水平：所模拟的车队中车辆技术类型及比例，一般来自于当地行业统计报告或交管部门车辆信息登记数据库，如COPERT模型的“用途-燃油-排量-技术”四级分类体系、MOVES模型的“燃料+用途”二级分类体系、IVE模型的“车辆大小-燃油-车重-空气/燃料控制-尾气处理-蒸发控制-车龄”多级分类体系；
车辆活动水平：反映车队动态活动特征的表征参数，一般需以实时动态交通信息为数据来源，例如COPERT、IVE、MOVES模型均可以平均速度序列作为动态活动水平输入；此外，各技术水平车型的实时流量也是反映车队动态活动特征的重要参数；
路网信息：模拟计算区域内各道路类型及其长度，一般需来自实地调研或电子地图文件；
油品信息：各车辆所使用燃料的与排放相关的重要参数，如RVP，碳氢比，微量元素含量，可通过当地油品标准进行查询；
环境因素：如温度、湿度，一般来自气象部门监测数据或公共信息发布平台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810201908.7A CN108492553A (zh) | 2018-03-12 | 2018-03-12 | 一种面向实时路网排放评估的车辆活动水平分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810201908.7A CN108492553A (zh) | 2018-03-12 | 2018-03-12 | 一种面向实时路网排放评估的车辆活动水平分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108492553A true CN108492553A (zh) | 2018-09-04 |
Family
ID=63338784
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810201908.7A Pending CN108492553A (zh) | 2018-03-12 | 2018-03-12 | 一种面向实时路网排放评估的车辆活动水平分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108492553A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
| CN111046576A (zh) * | 2019-12-24 | 2020-04-21 | 国网福建省电力有限公司 | 一种考虑双网信息的电动私家车充电负荷预测方法 |
| CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 北京交通大学 | 用于高分辨率机动车动态排放清单的小时交通量测算方法 |
| CN111680936A (zh) * | 2020-08-12 | 2020-09-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通碳排放量的监测方法、装置及终端设备 |
| CN113034930A (zh) * | 2019-12-09 | 2021-06-25 | Ifp新能源公司 | 确定路网段上的污染物、噪声排放、道路安全参数的方法 |
| CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
| CN113781771A (zh) * | 2021-08-17 | 2021-12-10 | 四川省生态环境科学研究院 | 一种ive模型的在线运行方法 |
| CN115293585A (zh) * | 2022-08-09 | 2022-11-04 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
| CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心（天津）有限公司 | 一种基于gis数据的速度区间权重计算方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4969814B2 (ja) * | 2005-08-02 | 2012-07-04 | 株式会社東芝 | 道路交通状況把握システム |
| CN104821080A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 |
| CN105355044A (zh) * | 2015-10-27 | 2016-02-24 | 山东大学 | 一种基于gis的城市交通路网格锁传播的动态表达方法 |
| CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
-
2018
- 2018-03-12 CN CN201810201908.7A patent/CN108492553A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4969814B2 (ja) * | 2005-08-02 | 2012-07-04 | 株式会社東芝 | 道路交通状況把握システム |
| CN104821080A (zh) * | 2015-03-02 | 2015-08-05 | 北京理工大学 | 基于宏观城市交通流的智能车辆行驶速度及时间预测方法 |
| CN105355044A (zh) * | 2015-10-27 | 2016-02-24 | 山东大学 | 一种基于gis的城市交通路网格锁传播的动态表达方法 |
| CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
| CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
Non-Patent Citations (4)
| Title |
|---|
| ROHIT JAIKUMAR, S.M. SHIVA NAGENDRA: "Modeling of real time exhaust emissions of passenger cars", 《ATMOSPHERIC POLLUTION RESEARCH》 * |
| 刘永红；李丽；林晓芳；黄玉婷；蔡仕龙: "基于实时交通路况的机动车尾气排放监测与影响评估系统研究", 《第十二届中国智能交通年会大会论文集》 * |
| 曹亚康；刘立英；王卫卫: "城市快速路交通流速度-密度模型研究", 《物流技术》 * |
| 贾扬洋: "基于LBS的实时交通信息系统的设计和实现", 《中国优秀硕士学位论文全文数据库（工程科技Ⅱ辑）》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
| CN113034930A (zh) * | 2019-12-09 | 2021-06-25 | Ifp新能源公司 | 确定路网段上的污染物、噪声排放、道路安全参数的方法 |
| CN111046576A (zh) * | 2019-12-24 | 2020-04-21 | 国网福建省电力有限公司 | 一种考虑双网信息的电动私家车充电负荷预测方法 |
| CN111046576B (zh) * | 2019-12-24 | 2022-07-05 | 国网福建省电力有限公司 | 一种考虑双网信息的电动私家车充电负荷预测方法 |
| CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 北京交通大学 | 用于高分辨率机动车动态排放清单的小时交通量测算方法 |
| CN111680936A (zh) * | 2020-08-12 | 2020-09-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通碳排放量的监测方法、装置及终端设备 |
| CN111680936B (zh) * | 2020-08-12 | 2020-12-18 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种交通碳排放量的监测方法、装置及终端设备 |
| CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
| CN113781771A (zh) * | 2021-08-17 | 2021-12-10 | 四川省生态环境科学研究院 | 一种ive模型的在线运行方法 |
| CN115293585A (zh) * | 2022-08-09 | 2022-11-04 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
| CN115293585B (zh) * | 2022-08-09 | 2024-04-30 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
| CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心（天津）有限公司 | 一种基于gis数据的速度区间权重计算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108492553A (zh) | 一种面向实时路网排放评估的车辆活动水平分析方法 | |
| Pan et al. | Estimation of real-driving emissions for buses fueled with liquefied natural gas based on gradient boosted regression trees | |
| Pinto et al. | Traffic data in air quality modeling: a review of key variables, improvements in results, open problems and challenges in current research | |
| Borge et al. | Comparison of road traffic emission models in Madrid (Spain) | |
| KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
| CN105206056B (zh) | 道路交通污染源智能预测方法及系统 | |
| Lai et al. | Development of city-specific driving cycles for transit buses based on VSP distributions: Case of Beijing | |
| CN102054222A (zh) | 基于居民出行分析的城市机动车排放量化方法 | |
| CN103838971A (zh) | 一种城市路网动态交通能耗及排放的计算方法 | |
| López-Martínez et al. | Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid | |
| Zhong et al. | Impact of the built environment on the vehicle emission effects of road pricing policies: A simulation case study | |
| Schmidt et al. | An integrated simulation system for traffic induced air pollution | |
| CN110346518A (zh) | 一种交通排放污染可视化预警方法及其系统 | |
| Shafabakhsh et al. | Investigation and sensitivity analysis of air pollution caused by road transportation at signalized intersections using IVE model in Iran | |
| Barmpounakis et al. | Empirical investigation of the emission-macroscopic fundamental diagram | |
| Della Ragione et al. | The influence of road gradient in an integrated approach of real driving cycles and emissions factors model | |
| Zhang et al. | Emissions characteristics for heavy-duty diesel trucks under different loads based on vehicle-specific power | |
| Zhu et al. | Green routing fuel saving opportunity assessment: A case study using large-scale real-world travel data | |
| Dhyani et al. | Performance evaluation of CALINE 4 model in a hilly terrain–a case study of highway corridors in Himachal Pradesh (India) | |
| Zhai et al. | Validation of temporal and spatial consistency of facility-and speed-specific vehicle-specific power distributions for emission estimation: A case study in Beijing, China | |
| Masood et al. | Urban roadside monitoring, modeling and mapping of air pollution | |
| Ragazzi et al. | Overview and possible approach to street sweeping criticalities | |
| Littidej et al. | Air pollution concentration approach to potential area selection of the Air Quality Monitoring Station in Nakhon Ratchasima Municipality, Thailand | |
| Li et al. | Construction of Driving Cycle Based on SOM Clustering Algorithm for Emission Prediction | |
| Laraki et al. | 2.24 a novel real driving emissions mapping model at a road-segment scale |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180904 |