[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110209990B - 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 - Google Patents

一种基于车辆身份检测数据的单辆车排放轨迹计算方法 Download PDF

Info

Publication number
CN110209990B
CN110209990B CN201910431047.6A CN201910431047A CN110209990B CN 110209990 B CN110209990 B CN 110209990B CN 201910431047 A CN201910431047 A CN 201910431047A CN 110209990 B CN110209990 B CN 110209990B
Authority
CN
China
Prior art keywords
vehicle
emission
track
road section
track unit
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.)
Active
Application number
CN201910431047.6A
Other languages
English (en)
Other versions
CN110209990A (zh
Inventor
刘永红
林颖
余志�
林晓芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN201910431047.6A priority Critical patent/CN110209990B/zh
Publication of CN110209990A publication Critical patent/CN110209990A/zh
Application granted granted Critical
Publication of CN110209990B publication Critical patent/CN110209990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
    • G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Combustion & Propulsion (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于车辆身份检测数据的单辆车排放轨迹计算方法，该方法提出的单车排放轨迹计算方法基于对电警式卡口过车数据的采集，通过对车辆时空数据的提取及后处理，重构路网上车辆的行驶轨迹以实现对单辆车动态排放轨迹的追踪，为实现动态化、精准化的路网车辆排放水平评估及重点排放来源分析打下基础，为制定针对性的机动车减排管控措施提供重要的决策依据和技术支持。

Description

一种基于车辆身份检测数据的单辆车排放轨迹计算方法
技术领域
本发明涉及智能交通领域，更具体地，涉及一种基于车辆身份检测数据的单辆车排放轨迹计算方法。
背景技术
随着机动车保有量的持续增长，机动车污染已成为我国空气污染的重要来源，对经济发达及人口密集地区活动人群的健康造成极大威胁。不同城市发展形态决定了不同的机动车污染成因，本地化、精细化的机动车污染治理政策需求日趋强烈，而建立重点车辆排放轨迹则是实现精细精准防控的关键。
现有研究中，多数采用自上而下或自下而上的方法计算区域机动车排放总量或动态交通路网排放量以开展机动车排放特征、来源的研究。自上而下的方法多基于高度集计的活动水平信息，通过获取研究区域内机动车保有量、车流量、车型分布、年均行驶里程、平均行驶速度等参数，以一定的时空分配规则获取网格化排放地图，分析排放来源及减排效果。但其时空分辨率不高，无法精细识别研究区域中不同路段的排放差异。为实现精细化的政策制定与评估，部分研究选用了自下而上的排放计算方法。近年来自下而上排放计算的研究热点仍集中于路段及车队层面，以路段为基本单元、考虑不同时空属性下的交通流动态运行特征，得到不同区域不同时段内车队排放的时空特征。
IVE排放模型因其精细化的车型分类体系成为一种常用的机动车排放因子模型，该模型由美国EPA自主资助、美国加州大学河滨分校开发，用于模拟发展中国家城市的机动车污染物排放并支持控制决策。多位学者通过研究证明了IVE排放模型在中国的适用性，并将该模型大量应用于中国各地机动车排放清单计算及交通排放研究。要实现单车尺度的排放量计算需要大量动态、精细的路网交通数据。现有许多研究利用VISUM、AIMSUN、Paramics等交通仿真模型解决真实数据难以获取的问题或结合模型仿真预测相关排放政策的实施效果。相比仿真数据人为设定情景参数、理想化交通运行条件等特点，真实交通数据在反映道路实际交通状况方面具有明显优势。随着视频电警式卡口不断密集布设完善以及城市交通大脑的初步发展，使得不仅可获得真实路段交通流量，也可建立每辆车的运行轨迹，使路网交通排放量精准计算成为可能。
发明内容
本发明提供一种基于车辆身份检测数据的单辆车排放轨迹计算方法，该方法可为制定针对性的机动车减排管控措施提供重要的决策依据和技术支持。
为了达到上述技术效果，本发明的技术方案如下：
一种基于车辆身份检测数据的单辆车排放轨迹计算方法，包括以下步骤：
S1：重构单辆车出行轨迹；
S2：获取单辆车的排放因子；
S3：利用出行轨迹和排放因子计算出单辆车的运行排放量。
进一步地，所述步骤S1的具体过程是：
S11：收集来自于路网上分布的电警式卡口处动态的过车信息；
S12：分析同一辆车先后通过同一路段两端点处电警式卡口的时间，得到单辆车在该路段的驶入、驶出时间及行驶方向；
S13：计算轨迹单元平均速度，将单辆车在任意路段上单次运行定义为一个轨迹单元，则任意车辆出行的轨迹单元可由车辆驶入时间tn、驶出时间tn+1、所在路段linkn及轨迹单元平均速度vn等参数表征，即轨迹单元pn＝f(tn,tn+1,linkn,vn)；
S14：对一定时间段t内出现在路网上的每辆车，以单辆车为单位将该辆车在相邻路段上的轨迹单元以时间序列依次连接，缺失轨迹单元采用最短路径法加以补充，形成该车在时间段t内的行驶轨迹，重构路网上各车辆的行驶轨迹。
进一步地，所述步骤S13中计算轨迹单元平均速度的过程是：
(1)、将路网地图导入ArcGIS地理信息系统并获取各路段属性，以路段编号为路段识别代码匹配轨迹单元所在路段的路段长度数据，也即La，其中ArcGIS地理信息系统是在计算机软硬件支持下，对整个或部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统；
(2)、将每辆车经过相应路段终点、起点电警式卡口的时间tw,n+1与tw,n相减获得轨迹单元的行程时间；
(3)利用公式(1)计算每辆车在各轨迹单元内的平均行程速度vw,n：
Figure BDA0002069004840000021
式中：vw,n为车辆w第n个轨迹单元的平均行程速度(km/h)；La是路段a的长度(km)；tw,n，tw,n+1分别是车辆w第n个轨迹单元的驶入驶出时间，则tw,n+1-tw,n为相应轨迹单元的行程时间，是包含车辆在路段上的排队时间在内的总时间间隔；w表示不同机动车；n表示不同轨迹单元；a表示轨迹单元n所在路段。
进一步地，所述步骤S2中的具体过程是：
S21：对机动车保有量数据库中的所有车辆，可根据车辆总质量、燃料类型、发动机排量、排放标准、总行驶里程参数与IVE排放模型进行车辆类型匹配，进而得到排放模型中相应车辆类型的基准排放因子Bi；
S22：从重构后的车辆轨迹数据出发，以轨迹单元为单位，以车牌号码与号牌种类为车辆唯一标识，将保有量数据库中获取的基准排放因子Bi补充到相应车辆的各轨迹单元数据中；
S23：修正基准排放因子Bi得到修正后的排放因子EFi,Bin：
Figure BDA0002069004840000031
式中：K(Tmp)i为温度修正系数；K(Hmd)i为湿度修正系数；K(IM)i为机动车检测与维护(I/M)制度修正系数；K(Alt)i为海拔修正系数；K(Fuel)i为燃油修正系数；K(Bin)i为运行工况修正系数；i表示不同车辆类型；Bin表示不同VSP-ES区间，其中VSP和ES均为IVE排放模型中用于描述机动车瞬态工作状态与排放的关系的参数，VSP为机动车比功率，其物理意义为瞬态机动车输出功率与机动车质量的比值，ES为发动机负荷表征参数，表征发动机历史工作状态和污染物排放的关系；IVE模型利用VSP和ES将发动机瞬时工作状态分为多个Bin区间，每个Bin区间对应一个排放水平，据此建立发动机工作状态与排放的分段对应关系；在路段长度较短时，假设单个轨迹单元中车辆匀速行驶，以路段平均行程速度计算VSP值(KW/t)，计算公式如公式(3)所示；参考各车型常见分布取ES为低负荷状态，以VSP-ES对应所在Bin区间，Bin区间与VSP和ES的对应关系如表1所示。
VSP＝0.132v+0.000302v3 (3)
式中：VSP为机动车输出功率与机动车质量的比值；v为路段平均行程速度。
表1 Bin区间与VSP和ES的对应关系
Figure BDA0002069004840000041
进一步地，所述步骤S3中的具体过程是：
计算单辆车在单个轨迹单元的排放量：
Figure BDA0002069004840000042
式中：Qlinkw,t,n为车辆w在时间段t内第n个轨迹单元的污染物排放量(g)；
Figure BDA0002069004840000043
为LA4驾驶循环下的平均速度，取31.4km/h；vw,t,n为平均行程速度(km/h)；EFi,Bin为排放因子；La为路段长度(km)；i表示不同车型，Bin表示不同VSP-ES对应的Bin区间；
单辆车在一定时段t内所有运行轨迹下的总排放量可由公式(5)求得：
Figure BDA0002069004840000051
式中：Qtrajw,t为车辆w在时间段t内的排放总量(g)；n为车辆w落在时段t内的所有轨迹单元。
与现有技术相比，本发明技术方案的有益效果是：
本发明提出的单车排放轨迹计算方法基于对电警式卡口过车数据的采集，通过对车辆时空数据的提取及后处理，重构路网上车辆的行驶轨迹以实现对单辆车动态排放轨迹的追踪，为实现动态化、精准化的路网车辆排放水平评估及重点排放来源分析打下基础，为制定针对性的机动车减排管控措施提供重要的决策依据和技术支持。
附图说明
图1为本申请所述方法结构图；
图2为车辆出行轨迹示意图；
图3为某市中心城区路网及卡口分布图；
图4(1)为出租车A动态行驶轨迹(2018年5月16日13时0分至2018年5月16日13时15分)；
图4(2)为出租车A动态行驶轨迹(2018年5月16日13时15分至2018年5月16日13时30分)；
图4(3)为出租车A动态行驶轨迹(2018年5月16日13时30分至2018年5月16日13时45分)；
图4(4)为出租车A动态行驶轨迹(2018年5月16日13时45分至2018年5月16日14时0分)；
图5为出租车B全天排放轨迹(2018年5月16日，排放轨迹以CO排放展示)；
图6为公交车C全天排放轨迹(2018年5月16日，排放轨迹以NOx排放展示)；
图7为轻型货车D全天排放轨迹(2018年5月16日，排放轨迹以NOx排放展示)；
图8为重型货车E全天排放轨迹(2018年5月16日，排放轨迹以NOx排放展示)；
图9为私家车F全天排放轨迹(2018年5月16日，排放轨迹以CO排放展示)。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例
本实施例以某城市中心城区的电警式卡口2018年5月10日至6月9日所收集的逐秒过车数据为基础，利用本发明提出的单车排放轨迹计算方法，对该时段下路网上各车辆的排放轨进行计算。
如图1所示，一种基于车辆身份检测数据的单辆车排放轨迹计算方法，包括以下步骤：
S1：重构单辆车出行轨迹；
S2：获取单辆车的排放因子；
S3：利用出行轨迹和排放因子计算出单辆车的运行排放量。
其中，步骤S1的具体过程是：
1.1轨迹数据来源
本实施例方法中以卡口处动态的过车记录信息作为数据来源。上述过车记录信息来自于该市中心城区路网上分布的电警式卡口，电警式卡口布局于停车场处或各路段两端。该过车记录信息需满足以下要求：能以卡口为单位提供各经过车辆的身份检测信息，包括车牌号码、号牌种类；能以卡口为单位提供各经过车辆的经过时间，且时间分辨率为1秒。
该市中心城区路网及卡口分布如图3所示，路网由该市中心城区的54条主干道、49个停车场及101个电警式卡口构成，根据卡口分布进一步划分为123条路段(Link)，相邻两路口的卡口间形成一条路段。将路网地图和卡口分布图导入ArcGIS地理信息系统获得各卡口在路网上的位置分布，则可以单辆车为单位获得其任意时间段内在路网上所有经过卡口所记录的位置信息、时间信息、车辆身份信息。
上述路网地图的属性包括但不限于：
(1)路段编号；
(2)路段名称；
(3)路段起终点坐标；
(4)路段起终点编号；
(5)路段长度。
上述卡口分布图的属性包括但不限于：
(2)卡口编号；
(2)卡口坐标。
1.2轨迹单元获取
分析同一辆车先后通过同一路段两端点处卡口的时间，得到单辆车在该路段的驶入、驶出时间及行驶方向。将单辆车在任意路段上单次运行定义为一个轨迹单元，则任意车辆出行的轨迹单元可由车辆驶入时间tn、驶出时间tn+1、所在路段linkn及轨迹单元平均速度vn等参数表征，即轨迹单元pn＝f(tn,tn+1,linkn,vn)。本实施例共获得2018年5月10日至6月9日该市中心城区123条路段上共133,906辆车的44,672,343条轨迹单元数据。
1.3轨迹单元平均速度计算
轨迹单元平均速度是指每个轨迹单元中车辆在所属路段上的平均行程速度。采用下述方法计算轨迹单元的平均行程速度：
(a)将路网地图导入ArcGIS地理信息系统并获取各路段属性，以路段编号为路段识别代码匹配轨迹单元所在路段的路段长度数据，也即La，其中ArcGIS地理信息系统是在计算机软硬件支持下，对整个或部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统；；
(b)将每辆车经过相应路段终点、起点卡口的时间tw,n+1与tw,n相减获得轨迹单元的行程时间；
(c)利用公式(1)计算每辆车在各轨迹单元内的平均行程速度vw,n：
Figure BDA0002069004840000071
式中：vw,n为车辆w第n个轨迹单元的平均行程速度(km/h)；La是路段a的长度(km)；tw,n，tw,n+1分别是车辆w第n个轨迹单元的驶入驶出时间，则tw,n+1-tw,n为相应轨迹单元的行程时间，是包含车辆在路段上的排队时间在内的总时间间隔；w表示不同机动车；n表示不同轨迹单元；a表示轨迹单元n所在路段。
1.4基于轨迹单元的出行轨迹重构
对一定时间段t内出现在路网上的每辆车，以单辆车为单位将该辆车在相邻路段上的轨迹单元以时间序列依次连接，缺失轨迹单元采用最短路径法加以补充，形成该车在时间段t内的行驶轨迹，如图2所示，即可重构路网上各车辆的行驶轨迹。结合ArcGIS技术将带有时空属性的车辆运行轨迹数据加载在路网上，可以清晰地展示单辆车不同时段内在路网上各路段的运行轨迹。随机选取了一辆行驶里程较大、路线较为灵活的出租车A为例，该车在2018年5月16日13时每15分钟的动态行驶轨迹，如图4(1)-4(4)所示。
步骤S2的具体过程是：
2.1获得基准排放因子
由于IVE模型中现有车型分类丰富，本研究参考IVE模型获得车辆排放因子。车辆技术水平参数由该市保有量数据库提供，其所含字段包括但不限于：
(1)车牌号码
(2)号牌种类(依据公安部《GA24.7-2005机动车登记信息代码第7部分：号牌种类代码》)
(3)使用性质(依据公安部《GA24.3-2005机动车登记信息代码第3部分：使用性质代码》)
(4)车辆类型(依据公安部《GA24.4-2005机动车登记信息代码第4部分：车辆类型代码》)
(5)状态(依据公安部《GA24.17-2005机动车登记信息代码第17部分：机动车状态代码》)
(6)初次登记日期
(7)燃料类型(依据公安部《GA24.9-2005机动车登记信息代码第9部分：燃料(能源)种类代码》)
(8)环保达标情况
(9)总质量
(10)排量
考虑到与排放因子模型的对接，需对该市保有量数据库中的车辆初次登记日期、排放标准(环保达标情况)进行一定的换算和标准化。其中初次登记日期可转化为车龄，再参考《道路机动车大气污染物排放清单编制技术指南》中不同类型机动车的年均行驶里程换算各辆车的总行驶里程，各车型年均行驶里程如表2所示。保有量数据库中排放标准因登记格式不一致需进行标准化。
表2道路机动车年均行驶里程
Figure BDA0002069004840000091
注：“-”表示不采用此项作为判断依据
对该市机动车保有量数据库中的所有车辆，可根据车辆总质量、燃料类型、发动机排量、排放标准、总行驶里程等参数与IVE排放模型进行车辆类型匹配，进而得到排放模型中相应车辆类型的基准排放因子Bi。从重构后的车辆轨迹数据出发，以轨迹单元为单位，以车牌号码与号牌种类为车辆唯一标识，将保有量数据库中获取的基准排放因子Bi补充到相应车辆的各轨迹单元数据中。
2.2修正基准排放因子
经过一系列修正得到不同技术参数和运行工况下的CO、NOx、VOCs、PM污染物排放因子，计算公式如下：
Figure BDA0002069004840000101
式中：EFi,Bin为修正后的排放因子(g/km)；Bi为基准排放因子(g/km)；K(Tmp)i为温度修正系数；K(Hmd)i为湿度修正系数；K(IM)i为机动车检测与维护(I/M)制度修正系数；K(Alt)i为海拔修正系数；K(Fuel)i为燃油修正系数；K(Bin)i为运行工况修正系数；i表示不同车辆类型；Bin表示不同VSP-ES区间，其中VSP和ES均为IVE排放模型中用于描述机动车瞬态工作状态与排放的关系的参数，VSP为机动车比功率，其物理意义为瞬态机动车输出功率与机动车质量的比值，ES为发动机负荷表征参数，表征发动机历史工作状态和污染物排放的关系。IVE模型利用VSP和ES将发动机瞬时工作状态分为多个Bin区间，每个Bin区间对应一个排放水平，据此建立发动机工作状态与排放的分段对应关系。在路段长度较短时，假设单个轨迹单元中车辆匀速行驶，以路段平均行程速度计算VSP值(KW/t)，计算公式如公式(3)所示；参考各车型常见分布取ES为低负荷状态，以VSP-ES对应所在Bin区间，Bin区间与VSP和ES的对应关系如表4所示。
VSP＝0.132v+0.000302v3 (3)
式中：VSP为机动车输出功率与机动车质量的比值；v为路段平均行程速度。
表3国五油品修正参数取值
Figure BDA0002069004840000102
注：“-”表示国五油品下无需修正
表4 Bin区间与VSP和ES的对应关系
Figure BDA0002069004840000111
步骤S3的具体过程是：
3.1运行排放量计算
结合所得不同技术参数和运行工况下的各污染物排放因子，利用公式(4)计算单辆车在单个轨迹单元的排放量。
Figure BDA0002069004840000121
式中：Qlinkw,t,n为车辆w在时间段t内第n个轨迹单元的污染物排放量(g)；
Figure BDA0002069004840000122
为LA4驾驶循环下的平均速度，取31.4km/h；vw,t,n为平均行程速度(km/h)；EFi,Bin为排放因子(g/km)；La为路段长度(km)；i表示不同车型，Bin表示不同VSP-ES对应的Bin区间。
则单辆车在一定时段t内所有运行轨迹下的总排放量可由公式(5)求得：
Figure BDA0002069004840000123
式中：Qtrajw,t为车辆w在时间段t内的排放总量(g)；n为车辆w落在时段t内的所有轨迹单元。
3.2排放轨迹展示
上述计算出的排放结果可结合ArcGIS技术在路网上加以可视化，以路段为单位展示轨迹单元排放量，以线条的粗细程度表征排放量水平高低。随机挑选了5辆不同使用性质下的车辆结合ArcGIS技术进行排放轨迹的展示，涵盖出租车、公交车、轻型货车、重型货车、私家车，各辆车参数如表5所示。为便于展示，以2018年5月16日为例，上述5辆车的全天排放轨迹如图5-图9所示。
表5不同使用性质下各研究车辆参数
车辆代码 使用性质 车辆类型 燃料类型 排放标准 排量
B 出租客运 小型客车 汽油 国Ⅴ 1.6L
C 公交客运 大型客车 柴油 国Ⅳ 6.5L
D 货运 轻型货车 柴油 国Ⅴ 2.0L
E 货运 重型货车 柴油 国Ⅲ 9.7L
F 非营运 小型客车 汽油 国Ⅳ 1.3L
上述计算出的排放结果可结合ArcGIS技术在路网上加以可视化，以路段为单位展示轨迹单元排放量，以线条的粗细程度表征排放量水平高低。随机挑选了5辆不同使用性质下的车辆结合ArcGIS技术进行排放轨迹的展示，涵盖出租车、公交车、轻型货车、重型货车、私家车，各辆车参数如表3所示。为便于展示，以2018年5月16日为例，上述5辆车的全天排放轨迹如图5-图9所示。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于车辆身份检测数据的单辆车排放轨迹计算方法，其特征在于，包括以下步骤：
S1：重构单辆车出行轨迹；
步骤S1的具体过程是：
S11：收集来自于路网上分布的电警式卡口处动态的过车信息；
S12：分析同一辆车先后通过同一路段两端点处电警式卡口的时间，得到单辆车在该路段的驶入、驶出时间及行驶方向；
S13：计算轨迹单元平均速度，将单辆车在任意路段上单次运行定义为一个轨迹单元，则任意车辆出行的轨迹单元可由车辆驶入时间tn、驶出时间tn+1、所在路段linkn及轨迹单元平均速度vn参数表征，即轨迹单元pn＝f(tn,tn+1,linkn,vn)；
计算轨迹单元平均速度的过程是：
(1)、将路网地图导入ArcGIS地理信息系统并获取各路段属性，以路段编号为路段识别代码匹配轨迹单元所在路段的路段长度数据，也即La；其中ArcGIS地理信息系统是在计算机软硬件支持下，对整个或部分地球表层空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统；
(2)、将每辆车经过相应路段终点、起点电警式卡口的时间tw,n+1与tw,n相减获得轨迹单元的行程时间；
(3)利用公式(1)计算每辆车在各轨迹单元内的平均行程速度vw,n：
Figure FDA0004056632150000011
式中：vw,n为车辆w第n个轨迹单元的平均行程速度(km/h)；La是路段a的长度(km)；tw,n，tw,n+1分别是车辆w第n个轨迹单元的驶入驶出时间，则tw,n+1-tw,n为相应轨迹单元的行程时间，是包含车辆在路段上的排队时间在内的总时间间隔；w表示不同机动车；n表示不同轨迹单元；a表示轨迹单元n所在路段；
S14：对一定时间段t内出现在路网上的每辆车，以单辆车为单位将该辆车在相邻路段上的轨迹单元以时间序列依次连接，缺失轨迹单元采用最短路径法加以补充，形成该车在时间段t内的行驶轨迹，重构路网上各车辆的行驶轨迹；
S2：获取单辆车的排放因子；
S3：利用出行轨迹和排放因子计算出单辆车的运行排放量。
2.根据权利要求1所述的基于车辆身份检测数据的单辆车排放轨迹计算方法，其特征在于，所述步骤S2中的具体过程是：
S21：对机动车保有量数据库中的所有车辆，可根据车辆总质量、燃料类型、发动机排量、排放标准、总行驶里程参数与IVE排放模型进行车辆类型匹配，进而得到排放模型中相应车辆类型的基准排放因子Bi；
S22：从重构后的车辆轨迹数据出发，以轨迹单元为单位，以车牌号码与号牌种类为车辆唯一标识，将保有量数据库中获取的基准排放因子Bi补充到相应车辆的各轨迹单元数据中；
S23：修正基准排放因子Bi得到修正后的排放因子EFi,Bin：
Figure FDA0004056632150000021
式中：K(Tmp)i为温度修正系数；K(Hmd)i为湿度修正系数；K(IM)i为机动车检测与维护(I/M)制度修正系数；K(Alt)i为海拔修正系数；K(Fuel)i为燃油修正系数；K(Bin)i为运行工况修正系数；i表示不同车辆类型；Bin表示不同VSP-ES对应的Bin区间，其中VSP和ES均为IVE排放模型中用于描述机动车瞬态工作状态与排放的关系的参数，VSP为机动车比功率，其物理意义为瞬态机动车输出功率与机动车质量的比值，ES为发动机负荷表征参数，表征发动机历史工作状态和污染物排放的关系；IVE模型利用VSP和ES将发动机瞬时工作状态分为多个Bin区间，每个Bin区间对应一个排放水平，据此建立发动机工作状态与排放的分段对应关系；在路段长度较短时，假设单个轨迹单元中车辆匀速行驶，以路段平均行程速度v计算VSP值(KW/t)；参考各车型常见分布取ES为低负荷状态，以VSP-ES对应所在Bin区间。
3.根据权利要求2所述的基于车辆身份检测数据的单辆车排放轨迹计算方法，其特征在于，所述步骤S3中的具体过程是：
计算单辆车在单个轨迹单元的排放量：
Figure FDA0004056632150000022
式中：Qlinkw,t,n为车辆w在时间段t内第n个轨迹单元的污染物排放量(g)；
Figure FDA0004056632150000023
为LA4驾驶循环下的平均速度，取31.4km/h；vw,t,n为平均行程速度(km/h)；EFi,Bin为排放因子；La为路段长度(km)；i表示不同车型，Bin表示不同VSP-ES对应的Bin区间；
单辆车在一定时段t内所有运行轨迹下的总排放量可由公式(5)求得：
Figure FDA0004056632150000031
式中：Qtrajw,t为车辆w在时间段t内的排放总量(g)；n为车辆w落在时段t内的所有轨迹单元。
CN201910431047.6A 2019-05-22 2019-05-22 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 Active CN110209990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910431047.6A CN110209990B (zh) 2019-05-22 2019-05-22 一种基于车辆身份检测数据的单辆车排放轨迹计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910431047.6A CN110209990B (zh) 2019-05-22 2019-05-22 一种基于车辆身份检测数据的单辆车排放轨迹计算方法

Publications (2)

Publication Number Publication Date
CN110209990A CN110209990A (zh) 2019-09-06
CN110209990B true CN110209990B (zh) 2023-04-07

Family

ID=67788221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910431047.6A Active CN110209990B (zh) 2019-05-22 2019-05-22 一种基于车辆身份检测数据的单辆车排放轨迹计算方法

Country Status (1)

Country Link
CN (1) CN110209990B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110727904B (zh) * 2019-10-11 2021-03-02 中国科学院地理科学与资源研究所 一种车辆排放清单的构建方法
CN110944294B (zh) * 2019-11-26 2021-05-07 北京梧桐车联科技有限责任公司 移动轨迹记录方法、装置、系统、计算机设备及存储介质
CN111143771B (zh) * 2019-12-12 2021-12-07 中山大学 机动车保有量计算方法、系统、装置及介质
CN111199011B (zh) * 2019-12-30 2024-01-30 上海中安电子信息科技有限公司 一种基于地图的车辆氮氧化物排放监控方法
CN111524344A (zh) * 2020-03-25 2020-08-11 武汉纵横智慧城市股份有限公司 基于大数据的车辆排放监测方法、设备、存储介质及装置
CN111721543B (zh) * 2020-05-12 2022-09-30 深圳大学 一种排放数据的获取方法及装置
CN112861420B (zh) * 2021-01-08 2022-05-03 中山大学 一种面向混合车流运行场景的中观交通仿真模型构建方法
CN115148035A (zh) * 2021-03-29 2022-10-04 广州汽车集团股份有限公司 一种基于智能网联汽车的城市级交通控制方法及系统
CN113158125B (zh) * 2021-03-31 2022-12-27 中汽研汽车检验中心（天津）有限公司 一种基于车联网的柴油车NOx排放评测方法
CN113256966B (zh) * 2021-04-21 2022-02-25 中国科学技术大学先进技术研究院 基于时空速度域重构的路网排放清单建立方法及系统
CN113792085A (zh) * 2021-08-16 2021-12-14 天津布尔科技有限公司 一种高污染车辆经常行驶路段监控方法、装置及存储介质
CN113851006B (zh) * 2021-09-01 2022-10-21 中山大学 基于多源数据融合的交叉口实时交通状态估计方法及系统
CN114005297B (zh) * 2021-12-07 2023-05-02 北京车晓科技有限公司 一种基于车联网的车队协调行驶方法
CN114510826A (zh) * 2022-01-17 2022-05-17 中国科学院地理科学与资源研究所 车辆排放结构分解方法、装置、电子设备及存储介质
CN116910383A (zh) * 2023-01-16 2023-10-20 广州大学 一种基于汽车轨迹大数据的交通能源消耗源汇识别方法
CN117112969B (zh) * 2023-10-25 2024-01-02 中汽研汽车检验中心（天津）有限公司 车辆污染物排放清单核算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8543320B2 (en) * 2011-05-19 2013-09-24 Microsoft Corporation Inferring a behavioral state of a vehicle
SE1251304A1 (sv) * 2012-11-19 2014-05-20 Scania Cv Ab Bränsleförbrukningsanalys i ett fordon
CN106446398B (zh) * 2016-09-20 2019-08-20 中山大学 基于交通运行数据和劣化率的轻型汽车排放速率计算方法
CN107832495A (zh) * 2017-10-13 2018-03-23 东南大学 基于车辆轨迹数据的机动车尾气污染物排放量计算方法
CN108492553A (zh) * 2018-03-12 2018-09-04 中山大学 一种面向实时路网排放评估的车辆活动水平分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘永红等.佛山市轻型汽油车尾气动态排放特征分析.环境科学与技术.2018,第第41卷卷(第第41卷期),83-90. *

Also Published As

Publication number Publication date
CN110209990A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN110209990B (zh) 一种基于车辆身份检测数据的单辆车排放轨迹计算方法
Gendron-Carrier et al. Subways and urban air pollution
De Gennaro et al. Big data for supporting low-carbon road transport policies in Europe: Applications, challenges and opportunities
Bandeira et al. Impact of land use on urban mobility patterns, emissions and air quality in a Portuguese medium-sized city
Jing et al. Development of a vehicle emission inventory with high temporal–spatial resolution based on NRT traffic data and its impact on air pollution in Beijing–Part 1: Development and evaluation of vehicle emission inventory
Brand et al. Taming of the few—the unequal distribution of greenhouse gas emissions from personal travel in the UK
Choi et al. Neighborhood-scale air quality impacts of emissions from motor vehicles and aircraft
Pinto et al. Kriging method application and traffic behavior profiles from local radar network database: A proposal to support traffic solutions and air pollution control strategies
Liu et al. Multi-scale urban passenger transportation CO2 emission calculation platform for smart mobility management
CN111612670B (zh) 一种构建机动车排放清单的方法、装置和计算机设备
Zanjani et al. Estimation of statewide origin–destination truck flows from large streams of GPS data: Application for Florida statewide model
Shah et al. Estimation of light duty vehicle emissions in Islamabad and climate co-benefits of improved emission standards implementation
Symeonidis et al. Development of an emission inventory system from transport in Greece
Wemegah et al. Modeling the effect of days and road type on peak period travels using structural equation modeling and big data from radio frequency identification for private cars and taxis
Ghaffarpasand et al. Telematics data for geospatial and temporal mapping of urban mobility: Fuel consumption, and air pollutant and climate-forcing emissions of passenger cars
Zhai et al. Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing
Brusselaers et al. A GPS-based approach to measure the environmental impact of construction-related HGV traffic on city level
Singh et al. Distributional impacts of fleet-wide change in light duty transportation: mortality risks of PM2. 5 emissions from electric vehicles and Tier 3 conventional vehicles
Faria et al. Assessing energy consumption impacts of traffic shifts based on real-world driving data
Xie Automobile usage and urban rail transit expansion: evidence from a natural experiment in Beijing, China
Ferreira et al. Evaluation of the implementation of a low emission zone in lisbon
Ogot et al. Characteristics of the in-service vehicle fleet in Kenya
Gakenheimer et al. The MCMA transportation system: Mobility and air pollution
Shen et al. Strategic Charging Infrastructure Deployment for Electric Vehicles
Sebastiani Impacts of electric highways for heavy-duty trucks

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
GR01 Patent grant
GR01 Patent grant