面向生态的城市机动车行驶轨迹实时监测与诱导模型
发布时间:2017-04-20

 

单位:许昌学院

1、项目简介

准确地量化机动车尾气排放是制定合理有效的交通节能减排政策的前提。机动车的运行模式分布是能够直接反映交通网络动态变化特性重要参数,而在不同运行模式下的排放,是准确量化机动车总排放量的基础,因此,运行模式分布是不同交通策略下环境效益评价的决定因素。在现有的机动车排放的相关研究中,尚缺乏既能反映交通网络的动态变化特性,又能有效衔接机动车排放模型的方法,使交通策略在路网中的排放效益量化评价困难。

在此背景下,本项目通过在 46 辆轻型汽油车安装 GPS(Global Position System,GPS)设备,收集了覆盖不同道路类型和时间段(工作日/周末、高峰/平峰)的海量车辆运行轨迹数据,共计 88 万余条。本项目首先通过对时间集成粒度、速度区间划分粒度以及运行模式区间划分方法等机动车运行模式模型构建中的关键问题展开分析,发现时间集成粒度越小,速度划分的间隔粒度越小,污染物排放计算的准确性越高,而运行模式区间划分方法的影响较小。其次,本项目利用高斯函数拟合了不同平均速度下的路段运行模式分布,建立了随平均速度变化的高斯参数模型,从而通过函数拟合实现了由平均速度向车辆运行模式分布的直接转换。然后,本项目通过对交叉口区域的运行模式分布特征分析,提取了交叉口运行模式特征参数,提出了基于逐步回归和运行模式分布率的参数权重确定方法,在此基础上,建立了基于粒子群聚类方法的交叉口运行模式分布模型。最后,本项目分别以北京市实行尾号限行措施和交叉口的排放评价为例,对路段运行模式分布模型和交叉口运行模式分布模型的应用方法进行了实例验证。

本项目基于现有交通运行数据采集系统和机制,构建了用于动态交通路网排放预测的运行模式分布模型,使得车流运行与交通排放有效衔接,有助于实现对路网排放的量化,从而为政府节能减排政策的制定提供决策依据。

2、模型演示

本项目通过采集海量的车辆轨迹数据,构建了城市不同等级道路的交通运行数据库,包括逐秒的车辆速度、加速度数据等。随后,项目组探索和分析了划分运行模式的数据集成方法,形成面向运行模型分析的数据集成系统,并在此基础上,分析了北京市不同交通指数下的速度分布规律。结合人工智能算法和排放测算模型,本项目构建了基于遗传算法的路段运行模式分布模型和基于粒子群的交叉口运行模式分布模型,并进行了案例应用。

图 1 路段运行模式建模数据收集线路图

图 2 限行前后各路段污染物排放总量对比