本發(fā)明屬于路網(wǎng)擁堵及車輛排放
技術(shù)領(lǐng)域：
：，具體涉及一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法。
背景技術(shù)：
：：近年來，隨著科學(xué)技術(shù)的發(fā)展，依托智能化的交通信息采集技術(shù)，實(shí)時的道路交通運(yùn)行狀態(tài)評估成為熱門研究方向。有利于全面掌握交通運(yùn)行狀態(tài)，合理引導(dǎo)交通參與者客觀、正確地認(rèn)知交通運(yùn)行狀態(tài)。國內(nèi)外交通管理部門和研究機(jī)構(gòu)展開了大量的交通擁堵評價相關(guān)研究，結(jié)合實(shí)際特點(diǎn)，每個城市對于交通擁堵評價指標(biāo)也從不同角度給出了其定義，如擁堵指數(shù)（CongestionIndex）（D’Este和Tylor），道路擁堵指數(shù)（RoadwayCongestionIndex,RCI），出行率指數(shù)（TravelRateIndex，TRI），出行時間指數(shù)（TravelTimeIndex，TTI），LKDIF（LaneKilometerDurationIndexunderLOSF），TomtomCongestIndex（CI），交通運(yùn)行指數(shù)TPI（TrafficPerformanceIndex）等。雖然各地交通擁堵評價指標(biāo)的測算機(jī)理不同，但均被利用描述整體交通狀態(tài)。交通擁堵評價指標(biāo)不僅便于交通出行者對實(shí)時交通擁堵狀況的把握，也為交通管理部門制定交通戰(zhàn)略規(guī)劃、實(shí)時動態(tài)路網(wǎng)狀態(tài)分析提供新的技術(shù)手段。目前，交通擁堵評價指標(biāo)在世界各大城市具有廣泛的應(yīng)用，且隨著智能交通技術(shù)的發(fā)展，其將來的應(yīng)用會更加普遍。交通擁堵現(xiàn)象的頻發(fā)，導(dǎo)致機(jī)動車在怠速、低速、急加速和急減速等非穩(wěn)定行駛狀態(tài)下的時間增加，使機(jī)動車排放物大量增加。為定量化城市交通網(wǎng)絡(luò)中機(jī)動車的污染物排放量，研究學(xué)者應(yīng)用排放因子展開了廣泛研究。排放因子（EmissionFactor，EF）是指機(jī)動車行駛單位距離后產(chǎn)生的不同排放物的質(zhì)量（單位為g/km），不僅可以反映某類型車的微觀排放特征，也可反映區(qū)域內(nèi)不同交通狀況下的宏觀排放特征。因此，研究學(xué)者選擇排放因子作為量化機(jī)動車尾氣控制對策研究的依據(jù)。在交通與環(huán)境的雙重壓力下，城市交通管理部門和環(huán)境保護(hù)部門已經(jīng)開始聯(lián)合行動。旨在通過采取治污與治堵一體化的措施，在改善交通擁堵的同時也取得節(jié)能減排的改善效果。因此，對交通規(guī)劃、交通政策乃至交通項(xiàng)目節(jié)能減排效果進(jìn)行科學(xué)評價的需求日益迫切。特別是目前許多城市已經(jīng)建立了基于微觀車輛速度數(shù)據(jù)的交通擁堵評價方法來進(jìn)行路網(wǎng)整體運(yùn)行水平的評價，使微觀指標(biāo)與宏觀指標(biāo)有機(jī)結(jié)合。但是由于研究角度的差異，目前尚缺少城市路網(wǎng)擁堵強(qiáng)度和機(jī)動車排放的定量關(guān)系的研究，盡管部分研究從城市路網(wǎng)著手，但是并沒有開展交通擁堵評價指標(biāo)與城市路網(wǎng)機(jī)動車油耗排放強(qiáng)度的關(guān)系研究。為此，本發(fā)明設(shè)計了一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法。通過整理和研究國內(nèi)外的研究成果發(fā)現(xiàn)，目前研究集中于在交通擁堵評價指標(biāo)開發(fā)、量化擁堵對車輛排放的影響、車輛行駛速度與車輛排放的關(guān)系研究等方面，缺乏對城市路網(wǎng)擁堵強(qiáng)度和機(jī)動車排放關(guān)系的量化研究，盡管有部分研究從城市路網(wǎng)入手，但是沒有對交通擁堵評價指標(biāo)與路網(wǎng)機(jī)動車油耗排放強(qiáng)度的關(guān)系進(jìn)行研究。為克服現(xiàn)有研究的空白，本發(fā)明提供了一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法。本發(fā)明通過排放測試實(shí)驗(yàn)得到了不同排放標(biāo)準(zhǔn)輕型車的NOx、CO2、CO、HC排放因子和油耗因子。并考慮了實(shí)際交通流中不同排放標(biāo)準(zhǔn)車輛的構(gòu)成比例，綜合反映速度與NOx、CO2、CO、HC排放因子和油耗因子的定量關(guān)系。本發(fā)明考慮到速度與油耗排放因子間的非線性關(guān)系，在研究交通運(yùn)行指數(shù)與機(jī)動車油耗排放強(qiáng)度間的量化關(guān)系時，選用交通運(yùn)行指數(shù)與速度分布數(shù)據(jù)，而非交通運(yùn)行指數(shù)與速度數(shù)據(jù)。本發(fā)明聚類分析了交通運(yùn)行指數(shù)與速度分布數(shù)據(jù)，不僅降低了交通運(yùn)行指數(shù)與速度分布關(guān)系的不確定性，也降低了交通運(yùn)行指數(shù)與機(jī)動車油耗排放強(qiáng)度關(guān)系的不確定性。并聚類分析了交通運(yùn)行指數(shù)與速度分布特征。本發(fā)明以《道路交通信息服務(wù)、交通狀況描述（GB29107-2012）》中的交通擁堵評價指標(biāo)-道路交通運(yùn)行指數(shù)（TrafficPerformanceIndex，TPI；以下簡稱交通指數(shù)）為例，研究機(jī)動車油耗排放強(qiáng)度與交通運(yùn)行指數(shù)間的關(guān)系。通過對交通擁堵評價指標(biāo)和排放模型的測算機(jī)理進(jìn)行分析，選擇速度作為中間變量，本發(fā)明建立了交通運(yùn)行指數(shù)與機(jī)動車能耗排放強(qiáng)度的關(guān)系模型。本發(fā)明以聚類原則下交通運(yùn)行指數(shù)的速度分布數(shù)據(jù)為基礎(chǔ)，測算了相應(yīng)分類條件下交通運(yùn)行指數(shù)與機(jī)動車油耗排放因子的關(guān)系。并考慮實(shí)際應(yīng)用，得到了不同日期和時間段交叉組合分類條件下，各道路等級和全路網(wǎng)交通運(yùn)行指數(shù)與機(jī)動車油耗排放因子的擬合函數(shù)。技術(shù)實(shí)現(xiàn)要素：針對現(xiàn)有技術(shù)中的不足，本發(fā)明的目的在于提供一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法。為了實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案：針對現(xiàn)有技術(shù)存在的問題，本發(fā)明提出了一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法。本發(fā)明以《道路交通信息服務(wù)、交通狀況描述（GB29107-2012）》中的交通擁堵評價指標(biāo)——道路交通運(yùn)行指數(shù)（TrafficPerformanceIndex，TPI；以下簡稱交通指數(shù)）為例，研究機(jī)動車油耗排放強(qiáng)度與交通運(yùn)行指數(shù)的關(guān)系，特指這一定義下的交通運(yùn)行指數(shù)，不適用此標(biāo)準(zhǔn)外的指數(shù)。本發(fā)明提供的是一種研究方法和思路，同時適用于其他交通擁堵評價指標(biāo)，在此不做介紹。同時，在本發(fā)明中利用油耗因子（g/km）和排放因子（g/km）作為單車的油耗強(qiáng)度和排放強(qiáng)度。排放因子（油耗因子）是指機(jī)動車行駛單位距離所排放污染物（消耗燃油）的質(zhì)量，單位g/km，用來量化機(jī)動車的排放強(qiáng)度（油耗強(qiáng)度）。本發(fā)明利用北京市浮動車（FloatingCarData）交通信息采集系統(tǒng)獲取浮動車數(shù)據(jù)，建立交通運(yùn)行指數(shù)與速度分布數(shù)據(jù)測算模型，處理成分道路等級的交通運(yùn)行指數(shù)與速度分布數(shù)據(jù)。分析發(fā)現(xiàn)交通運(yùn)行指數(shù)與快速路、主干路、次支路的速度分布關(guān)系存在不確定性。本發(fā)明分析了影響城市交通網(wǎng)絡(luò)速度分布的因素，利用K-Means聚類方法，結(jié)合基于Silhouette測度的最佳聚類數(shù)函數(shù)，設(shè)計了城市交通運(yùn)行指數(shù)的速度分布聚類方案。為評價各方案的聚類效果，本發(fā)明提出了速度分布變異系數(shù)和排放因子變異系數(shù)兩個指標(biāo)。本發(fā)明選擇了聚類效果較優(yōu)的聚類方案，并聚類分析了交通運(yùn)行指數(shù)與速度分布特征。本發(fā)明通過車載測試（PEMS，PortableEmissionMeasurementSystem，車載尾氣檢測設(shè)備），對不同排放標(biāo)準(zhǔn)的輕型汽油車進(jìn)行排放測試。同時，通過GPS系統(tǒng)，以精確的時間為切合點(diǎn)，把機(jī)動車尾氣排放與行駛路段的真實(shí)工況結(jié)合起來，則可得到每秒機(jī)動車所在的地理位置、行駛狀況及其相應(yīng)的排放情況。通過排放測試實(shí)驗(yàn)，本發(fā)明得到了不同排放標(biāo)準(zhǔn)輕型車的NOx、CO2、CO、HC排放因子和油耗因子與速度的量化關(guān)系。本發(fā)明通過分析交通擁堵評價指標(biāo)（交通指數(shù)）和油耗排放因子的測算機(jī)理，選擇速度為銜接點(diǎn)，分道路等級構(gòu)建了機(jī)動車油耗排放因子與交通指數(shù)的關(guān)系分析框架。并以聚類原則下的交通指數(shù)與速度分布數(shù)據(jù)為基礎(chǔ)，結(jié)合速度與油耗排放因子的量化關(guān)系，測算了相應(yīng)分類原則下快速路、主干路、次支路、全路網(wǎng)機(jī)動車油耗排放因子與交通指數(shù)的定量關(guān)系。并考慮到實(shí)際應(yīng)用，本發(fā)明通過擬合得交通指數(shù)與NOx、HC、CO、CO2排放因子和油耗因子的函數(shù)關(guān)系式。1.交通運(yùn)行指數(shù)下的速度分布測算方法浮動車一般是指載有GPS和無線通信裝置，并在城市道路上行駛的普通車輛。浮動車輛在道路上行駛過程中，可采集車輛位置、方向和速度等自身交通數(shù)據(jù)，并通過無線通訊網(wǎng)絡(luò)將這些信息傳遞到交通數(shù)據(jù)中心；交通數(shù)據(jù)中心采集數(shù)據(jù)后，通過虛擬專用網(wǎng)絡(luò)（VPN）將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)處理系統(tǒng)。利用GIS系統(tǒng)，通過地圖匹配、路徑推測等相關(guān)計算步驟進(jìn)行處理，在時間和空間上使浮動車位置數(shù)據(jù)和城市道路關(guān)聯(lián)起來。通過以上處理程序，通過浮動車（FloatingCarData，F(xiàn)CD）采集系統(tǒng)可計算得到平均行程速度、道路擁堵狀態(tài)等指標(biāo)。在此基礎(chǔ)上，利用相關(guān)算法，可得綜合反映城市交通網(wǎng)絡(luò)運(yùn)行狀況的交通運(yùn)行指數(shù)。利用已有數(shù)據(jù)庫中的路段速度和交通指數(shù)的數(shù)據(jù)，建立交通指數(shù)與速度分布的關(guān)系模型，實(shí)現(xiàn)某一道路等級某一指數(shù)條件下速度分布規(guī)律的計算模型。具體內(nèi)容如下：（1）批量從路網(wǎng)速度數(shù)據(jù)庫中獲取道路速度數(shù)據(jù)；（2）按照道路等級，以0.2為步長在交通指數(shù)數(shù)據(jù)庫中獲取相應(yīng)的交通指數(shù)及所處時刻；以此結(jié)果為依據(jù)，在經(jīng)過步驟1的道路速度數(shù)據(jù)中批量獲取與之相對應(yīng)的道路速度數(shù)據(jù)集合；（3）考慮到不同道路等級上車輛的運(yùn)行特性存在顯著差異，按照道路等級對路段速度數(shù)據(jù)和指數(shù)進(jìn)行關(guān)聯(lián)分析，通過聚類以及概率分布分析的方法對同一指數(shù)下各等級道路的速度分布進(jìn)行分析，從而得到交通指數(shù)和路段速度的分布關(guān)系模型。具體計算方法為：測算同一時刻同一交通指數(shù)下不同速度區(qū)間的路段VKT之和占路網(wǎng)VKT總量的比例，可獲得某一交通指數(shù)下的速度分布規(guī)律，具體如公式（1）所示。車輛行駛里程VKT是衡量機(jī)動車行駛量多少的基本單位，表示特定路網(wǎng)中所有車輛的行駛里程總和。由于在現(xiàn)有的技術(shù)條件下，不可能得到每輛車行駛里程的精確值。由于車輛在次干路和支路上的交通運(yùn)行狀態(tài)相似，本發(fā)明作為一類分析，統(tǒng)稱為“次支路”。數(shù)據(jù)示例如表1所示。式中，PTPI,RC,v——某一時刻，速度區(qū)間v所占的百分比，對于特定的交通指數(shù)TPI和道路等級RC；VKTTPI,RC,v——某一時刻，速度區(qū)間v的機(jī)動車行駛里程，對于特定的交通指數(shù)TPI和道路等級RC；v——速度區(qū)間。其中，速度區(qū)間的劃分原則為：1）以5km/h為步長；2）快速路速度大于等于80km/h的歸為一個速度區(qū)間，則快速路的速度區(qū)間包括[0，5]、[5，10）、[10，15）、……、[75，80）、[80，）；3）主干路和次支路速度大于等于75km/h的歸為一個速度區(qū)間，即[75，）；RC——道路等級，包括快速路、主干路、次支路；nv——速度區(qū)間的數(shù)量?？焖俾饭?7個速度區(qū)間，主干路和次支路為16個；l——某一時刻，平均速度位于速度區(qū)間v的路段編號；Ql——路段l的流量；Ll——路段l的長度；nl——路段的數(shù)量。表1交通運(yùn)行指數(shù)與速度分布數(shù)據(jù)（示例）在分析交通運(yùn)行指數(shù)與機(jī)動車油耗排放因子關(guān)系時，油耗排放因子是一個關(guān)鍵參數(shù)。本發(fā)明利用車載試驗(yàn)采集車輛的排放數(shù)據(jù)。車載試驗(yàn)是指測試車輛按照規(guī)定的路線行駛，實(shí)時記錄車輛的車速、位置和排放數(shù)據(jù)，設(shè)備實(shí)圖如圖2示。該系統(tǒng)主要由氣態(tài)污染物測試單元和顆粒物測試單元組成，可以對所測量的排氣成分進(jìn)行實(shí)時記錄，得到逐秒的數(shù)據(jù)，同時測量排氣流量、實(shí)時車速、行駛里程等參數(shù)。為保證數(shù)據(jù)質(zhì)量的可靠性，排放測試獲得的機(jī)動車排放原始數(shù)據(jù)需要經(jīng)過一系列的檢驗(yàn)與預(yù)處理工作。測試得到的機(jī)動車排放數(shù)據(jù)如表2所示。表2機(jī)動車排放實(shí)測數(shù)據(jù)（示例）本發(fā)明通過車載測試，得到了不同排放標(biāo)準(zhǔn)輕型車在快速路、主干路、次支路的排放因子。并且結(jié)合各排放物排放因子，利用碳平衡法，對相應(yīng)的油耗因子進(jìn)行了測算?？紤]到交通指數(shù)下的速度分布是對路網(wǎng)上各種車型的統(tǒng)計結(jié)果，因此，有必要結(jié)合實(shí)際交通流中各排放標(biāo)準(zhǔn)車輛的構(gòu)成比例，綜合反映道路上速度與油耗排放因子的量化關(guān)系。通過加權(quán)集計可得速度與綜合油耗排放因子的量化關(guān)系，方法如公式（3）所示。式中，EF綜合,RC,i,k——速度區(qū)間k的綜合油耗因子或排放因子，特定的道路等級RC和排放物類型i，單位為g/km；——排放標(biāo)準(zhǔn)ES輕型車在交通流中所占比例。2.交通運(yùn)行指數(shù)與油耗排放因子的關(guān)系量化模型1）基于交通運(yùn)行指數(shù)的油耗排放因子模型由于速度與油耗排放因子為非線性關(guān)系，如圖3示。故在測算交通運(yùn)行指數(shù)與機(jī)動車油耗排放因子的關(guān)系時，本發(fā)明選用交通指數(shù)的速度分布數(shù)據(jù)?；趯煌ㄖ笖?shù)和機(jī)動車油耗排放因子的產(chǎn)生機(jī)理的分析，選擇速度為銜接變量，將交通指數(shù)和油耗排放因子相結(jié)合，建立交通指數(shù)與機(jī)動車油耗排放因子的關(guān)系模型，見公式（4）。具體測算過程中，速度區(qū)間v的油耗因子或排放因子的計算方法如公式（5）所示。即速度區(qū)間[10，15）對應(yīng)速度為12.5km/h的油耗因子或排放因子。式中，EFTPI,RC,i——交通指數(shù)TPI的油耗因子或排放因子，對于特定的道路等級RC，排放物類型i，單位為g/km；EFRC,i,v——速度區(qū)間v的油耗因子或排放因子，對于特定的RC和i，單位為g/km；PTPI,RC,v——速度區(qū)間v的分布概率，對于特定的TPI和RC；nv——速度區(qū)間的數(shù)量。然后，以VKT為權(quán)重，對同一交通指數(shù)下三種道路等級對應(yīng)油耗排放因子加權(quán)求和，可得相應(yīng)的路網(wǎng)油耗排放因子。權(quán)重取值為各道路等級的VKT權(quán)重，具體計算方法如式（6）所示：EFTPI,net,i＝0.20EFTPI,快速路,i+0.41EFTPI,主干路,i+0.39EFTPI,次支路,i（6）式中，EFTPI,net,i為全路網(wǎng)的油耗因子或排放因子，對于特定的TPI和i，單位為g/km。2）交通運(yùn)行指數(shù)與油耗排放因子的不確定性關(guān)系交通指數(shù)是從路段到路網(wǎng)不斷積聚而形成的綜合性評價指標(biāo)，因此，用交通指數(shù)下的速度分布來反映復(fù)雜多變的路網(wǎng)交通擁堵狀況，存在一定的不確定性。進(jìn)而導(dǎo)致交通指數(shù)與油耗排放因子間關(guān)系存在一定的不確定性。為此，本發(fā)明在90%的置信度下，統(tǒng)計各交通指數(shù)油耗排放因子的置信上限、置信下限，即某一指數(shù)的油耗排放因子分布帶，使得油耗排放因子處在分布帶之中的概率達(dá)到90%。式中，UCLTPI,RC,i、LCLTPI,RC,i——油耗因子或排放因子的平均值、置信上限、置信下限，對于特定的TPI，道路等級RC，排放物類型i，單位為g/km；σTPI,RC,i——油耗因子或排放因子的標(biāo)準(zhǔn)差，對于特定的TPI，RC，i；φTPI,RC,i——油耗因子或排放因子的偏差率，對于特定的TPI，RC，i。3.交通運(yùn)行指數(shù)下的速度分布聚類本發(fā)明通過在數(shù)據(jù)庫中篩選交通指數(shù)區(qū)間為5時不同時期和時段的交通指數(shù)與速度分布數(shù)據(jù)發(fā)現(xiàn)，從總體趨勢來看，同一交通指數(shù)，各道路等級的速度分布具有一致性。但并不是同一指數(shù)下的每個時刻的路網(wǎng)速度分布都一樣，甚至存在較大的差異，即交通指數(shù)與速度分布之間的關(guān)系存在不確定性，具體如圖4示。故本發(fā)明擬對各交通指數(shù)下的速度分布數(shù)據(jù)聚類分析。1）影響城市交通網(wǎng)絡(luò)速度分布的因素本發(fā)明從空間維度和時間維度，分析影響城市交通網(wǎng)絡(luò)速度分布的因素，主要包括以下幾個方面：（1）道路等級。由于物理特征的差異，導(dǎo)致車輛在各道路等級上的交通流特性不同。（2）交通需求。①交通出行總量。本發(fā)明對全路網(wǎng)在各工作日和周末速度隨時間的變化規(guī)律進(jìn)行分析。由圖可知，工作日的變化趨勢大致相同，周末的變化趨勢基本一致。其中，星期二、星期三、星期四的變化趨勢一致性較高，星期六比星期日更擁堵。故交通出行總量是影響城市交通網(wǎng)絡(luò)速度分布特征的因素之一。②交通出行時間和空間分布。從時間維度出發(fā)，車輛在全天24小時的行駛速度特性也存在差異。在工作日7點(diǎn)-9點(diǎn)出現(xiàn)早高峰。由于到達(dá)目的地為工作單位，目標(biāo)單一且明確，是剛性需求；在17點(diǎn)-19點(diǎn)出現(xiàn)晚高峰，出行目的多樣化，是柔性需求；在周末，10點(diǎn)-12點(diǎn)出現(xiàn)早高峰，16點(diǎn)-18點(diǎn)出現(xiàn)晚高峰。（3）節(jié)假日。在國家法定假日，各工作單位放假，路網(wǎng)中出行的車輛不集中，沒有早高峰和晚高峰出行特征。同時，探親訪友、出行郊游、朋友聚會等活動增加，導(dǎo)致額外的交通需求。所以，節(jié)假日交通運(yùn)行狀態(tài)差別于非節(jié)假日。（4）開學(xué)周。入學(xué)、接送孩子等行為導(dǎo)致出行車輛增加，交通需求增加。（5）惡劣天氣。相關(guān)研究表明雨雪等不利天氣對交通流速度及流量有顯著的影響。2）聚類方案評價指標(biāo)為評價各方案的聚類效果，借助于變異系數(shù)（標(biāo)準(zhǔn)差與其平均數(shù)的比值）的概念，本發(fā)明設(shè)計了速度分布變異系數(shù)（CoefficientofVariationofSpeedDistribution,CVSD）和排放因子變異系數(shù)（CoefficientofVariationofEmissionFactor,CVEF）兩個評價指標(biāo)，分別用來衡量交通指數(shù)與速度分布、交通指數(shù)與機(jī)動車油耗排放因子關(guān)系的不確定性。通過測算各方案的CVSD和CVEF，從而選擇不確定性最低、聚類效果最好的方案，對交通指數(shù)與速度分布數(shù)據(jù)聚類分析，為交通指數(shù)與油耗排放因子間的關(guān)系研究提供數(shù)據(jù)支撐。假設(shè)滿足聚類方案c，對于特定的交通指數(shù)TPI和道路等級RC，存在多個速度分布樣本。速度區(qū)間v的平均概率為μc,TPI,RC,v、標(biāo)準(zhǔn)差為σc,TPI,RC,v，則利用公式（9）計算得速度區(qū)間v的變異系數(shù)CVc,TPI,RC,v。通過加權(quán)集計可得TPI的變異系數(shù)，計算方法如式（10）所示。式中，CVc,TPI,RC,v——速度區(qū)間v的變異系數(shù)，對于特定的交通指數(shù)TPI和道路等級RC；CVc,TPI,RC——交通指數(shù)TPI的變異系數(shù)，對于特定的RC；σc,TPI,RC,v——速度區(qū)間v的標(biāo)準(zhǔn)差，對于特定的TPI和RC；μc,TPI,RC,v——速度區(qū)間v的平均概率值，對于特定的TPI和RC；——速度區(qū)間v的權(quán)重，對于特定的TPI和RC；c——某聚類方案。（1）速度分布變異系數(shù)（CVSD）：權(quán)重取值為各個速度區(qū)間的概率平均值。意指該速度區(qū)間概率越大，其重要性越高，具體見公式（11）。（2）排放因子變異系數(shù)（CVEF）：權(quán)重取值為各個速度區(qū)間CO2排放因子所占比率。意指該速度區(qū)間CO2排放因子越大，其重要性越高，具體見公式（12）。考慮到低碳已發(fā)展成為城市環(huán)境和交通管理者的共識，近年來對碳排放的日益關(guān)注，本發(fā)明選用CO2排放因子為例。式中，——速度區(qū)間v的CO2排放因子，對于特定的RC。3）聚類對速度分布不確定性與油耗排放因子不確定性的影響結(jié)合城市交通網(wǎng)絡(luò)速度分布的影響因素，本發(fā)明針對交通需求穩(wěn)定的特征，剔除節(jié)假日、開學(xué)周、惡劣天氣數(shù)據(jù)。為排除夜間及凌晨噪音點(diǎn)數(shù)據(jù)的干擾，采用6:00-22:00共16個小時，以15min為時間粒度的全路網(wǎng)速度數(shù)據(jù)作為聚類指標(biāo)，則一天擁有64個指標(biāo)，可被看作64維歐氏空間中的點(diǎn)。本發(fā)明借助Matlab軟件開發(fā)平臺編寫程序，利用K-Means聚類方法，結(jié)合基于Silhouette測度的最佳聚類數(shù)函數(shù)，對數(shù)據(jù)進(jìn)行聚類分析。通過聚類分析發(fā)現(xiàn)，根據(jù)相似性特征數(shù)據(jù)被分為6組，分別為星期日、星期一、普通工作日（星期二、星期三和星期四）、49限行工作日、星期五、星期六?？紤]到交通出行的時間特征，在對城市交通運(yùn)行指數(shù)的速度分布數(shù)據(jù)按照日期分類的基礎(chǔ)上，本發(fā)明擬對其再按時間段進(jìn)行更細(xì)致粒度的分類。為此，提出了兩個時段聚類方案，方案一為上午（0:00-12:00）和下午（12:00-24:00），方案二為上午（6:00-12:00）、下午（12:00-22:00）和夜間（22:00-6:00）。各聚類方案的速度分布變異系數(shù)和排放因子變異系數(shù)見表4。表3各聚類方案的速度分布變異系數(shù)和排放因子變異系數(shù)通過研究發(fā)現(xiàn)，按道路等級、交通規(guī)律相似的工作日/周末和時間段（6:00-12:00、12:00-22:00、22:00-6:00）交叉組合分類，快速路、主干路、次支路速度分布不確定性降低了10.1%、13.6%、14.6%，排放因子不確定性降低了10.1%、13.4%、14.2%，降低效果最顯著。故被選為本發(fā)明的聚類方案。4）聚類條件下交通運(yùn)行指數(shù)與速度分布特征通過在數(shù)據(jù)庫中篩選不同時期和時間段的基礎(chǔ)數(shù)據(jù)，分析聚類條件下交通運(yùn)行指數(shù)與速度分布特征。在此僅列舉星期一交通運(yùn)行指數(shù)的快速路、主干路、次支路速度分布特征。由圖5可知，當(dāng)交通指數(shù)小于3時，快速路的速度分布近似單峰；交通指數(shù)大于3時，有明顯的雙峰特征。同時，當(dāng)速度大于80km/h時，速度占比曲線突然升高，這是由于將大于80km/h的速度都包括在該速度區(qū)間，導(dǎo)致該區(qū)間占比較大。隨著指數(shù)的增加，波峰向低速區(qū)間移動，高速度區(qū)間占比逐漸降低，低速區(qū)間占比增加。由圖6和圖7，區(qū)別于快速路，主干路和次支路的速度分布一直呈現(xiàn)單峰結(jié)構(gòu)特征。隨著指數(shù)的增加，峰值逐漸增大，向低速度區(qū)間移動。4.交通運(yùn)行指數(shù)與機(jī)動車油耗排放因子間的定量關(guān)系及其不確定性1）各等級道路油耗排放因子與交通指數(shù)的定量關(guān)系及其不確定性利用本發(fā)明提出的基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法，對不同聚類條件下交通運(yùn)行指數(shù)與油耗排放因子的關(guān)系進(jìn)行測算（分道路等級、日期、時間段、排放物類型等）。由于篇幅的限制，本發(fā)明僅列舉了星期一交通指數(shù)與快速路、主干路、次支路綜合CO2排放因子的關(guān)系曲線，具體如圖8所示。由圖可知交通指數(shù)在(2.0，8.0]時，隨著交通指數(shù)的增加，CO2排放因子隨之增長，增長速度較為平緩；當(dāng)交通指數(shù)在(0.6,2.0]和大于8.0時，隨著指數(shù)的增加，增長趨勢變大。從道路等級來看，同一交通指數(shù)，在次支路上機(jī)動車油耗排放因子最高，主干路次之，快速路上最低。星期二三四、星期五、49限行工作日、星期六、星期日交通指數(shù)與油耗排放因子的關(guān)系變化趨勢與星期一一致，僅相鄰交通指數(shù)油耗因子和排放因子的增長率存在差異。此外，考慮到實(shí)際應(yīng)用，本發(fā)明通過擬合得交通指數(shù)與NOx、HC、CO、CO2排放因子和油耗因子的函數(shù)關(guān)系式，擬合度達(dá)到97%以上，可靠性較高。普通工作日（星期二、三、四）交通指數(shù)與各等級道路油耗排放因子的擬合函數(shù)見表5-表7，其他日期和時間段在此不再贅述。表4星期二、三、四交通指數(shù)與快速路油耗排放因子的擬合函數(shù)表5星期二、三、四交通指數(shù)與主干路油耗排放因子的擬合函數(shù)表6星期二、三、四交通指數(shù)與次支路油耗排放因子的擬合函數(shù)2）全路網(wǎng)油耗排放因子與交通指數(shù)間的定量關(guān)系及不確定性基于公式（6），利用不同聚類條件下交通指數(shù)與快速路、主干路、次支路油耗排放因子的量化關(guān)系，本發(fā)明測算得到在不同日期和時間段交通指數(shù)與全路網(wǎng)油耗排放因子的定量關(guān)系以及擬合函數(shù)。在此僅列舉星期一交通指數(shù)與全路網(wǎng)CO2排放因子關(guān)系圖，具體如圖9所示。由圖可知，隨著交通指數(shù)的增加，NOx、HC、CO、CO2排放因子及油耗因子隨之增長。且當(dāng)交通指數(shù)在(0.6,2.0]和大于8.0時，增長趨勢變大。有益效果本發(fā)明建立了機(jī)動車油耗排放強(qiáng)度與交通擁堵評價指標(biāo)的關(guān)系模型，拓展了交通擁堵評價指標(biāo)的應(yīng)用維度。本發(fā)明不僅滿足了交通管理部門的研究需求，而且使交通管理者和交通參與者通過交通擁堵評價指標(biāo)判斷路網(wǎng)交通運(yùn)行狀態(tài)、了解路網(wǎng)擁堵水平的同時，也可獲知當(dāng)前時刻機(jī)動車在各道路等級以及全路網(wǎng)的油耗排放強(qiáng)度，從而選擇快捷而又健康的出行方式。本發(fā)明可為交通規(guī)劃、交通政策乃至交通項(xiàng)目節(jié)能減排效果的科學(xué)評價提供理論依據(jù)。本發(fā)明可為城市交通規(guī)劃中交通環(huán)境目標(biāo)的制定和治污治堵一體化交通政策決策的制定提供支持。附圖說明圖1是本申請所述方法的流程圖；圖2（a）-（b）是車載測試設(shè)備實(shí)圖；圖3是速度與油耗排放因子的非線性關(guān)系；圖4是交通指數(shù)區(qū)間5.0-不同日期和時段的速度分布（示例）；圖5（a）-（c）是實(shí)施例星期一-交通運(yùn)行指數(shù)的快速路速度分布；圖6（a）-（c）是實(shí)施例星期一-交通運(yùn)行指數(shù)的主干路速度分布；圖7（a）-（c）是實(shí)施例星期一-交通運(yùn)行指數(shù)的次支路速度分布圖；圖8（a）-（c）是實(shí)施例星期一交通指數(shù)與CO2排放因子的關(guān)系；圖9是實(shí)施例星期一交通指數(shù)與全路網(wǎng)CO2排放因子的關(guān)系；具體實(shí)施方式基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法，所述方法包括以下步驟：步驟一、數(shù)據(jù)采集及處理；步驟二、數(shù)據(jù)聚類分析；步驟三、建立模型；其中，所述步驟一為進(jìn)行城市交通運(yùn)行指數(shù)的速度分布特征分析，具體包括數(shù)據(jù)采集、數(shù)據(jù)質(zhì)量控制及處理、數(shù)據(jù)初步分析和交通指數(shù)的速度分布不確定性分析；所述步驟二為進(jìn)行城市交通運(yùn)行指數(shù)的速度分布聚類分析，具體包括影響因素分析，利用K-Means聚類方法并結(jié)合基于Silhouette測度的最佳聚類數(shù)函數(shù)，得到聚類方案，并設(shè)計聚類評價指標(biāo)評價聚類效果；所述步驟三為進(jìn)行基于城市交通運(yùn)行指數(shù)的排放測算及不確定性分析，具體包括機(jī)動車油耗排放強(qiáng)度與交通指數(shù)的關(guān)系模型，進(jìn)行排放測算及不確定性分析，得到關(guān)系曲線和擬合函數(shù)。在所述步驟一中，利用已有數(shù)據(jù)庫中的路段速度和交通指數(shù)的數(shù)據(jù)，建立交通指數(shù)與速度分布的關(guān)系模型，實(shí)現(xiàn)交通指數(shù)與速度分布規(guī)律的計算模型；在步驟一中，基于對交通指數(shù)和機(jī)動車油耗排放因子的產(chǎn)生機(jī)理的分析，選擇速度為銜接變量，將交通指數(shù)和油耗排放因子相結(jié)合，建立交通指數(shù)與機(jī)動車油耗排放因子的關(guān)系模型；具體測算過程中，速度區(qū)間[10，15）對應(yīng)速度為12.5km/h的油耗因子或排放因子；然后，以VKT為權(quán)重，對同一交通指數(shù)下三種道路等級對應(yīng)油耗排放因子加權(quán)求和，可得相應(yīng)的路網(wǎng)油耗排放因子；權(quán)重取值為各道路等級的VKT權(quán)重；在90%的置信度下，統(tǒng)計各交通指數(shù)油耗排放因子的置信上限（UpperConfidenceLimit，UCL）、置信下限（LowerConfidenceLimit，LCL），即某一指數(shù)的油耗排放因子分布帶，使得油耗排放因子處在分布帶之中的概率達(dá)到90%；所述步驟二中，為評價各方案的聚類效果，借助于變異系數(shù)（標(biāo)準(zhǔn)差與其平均數(shù)的比值）的概念，設(shè)計速度分布變異系數(shù)（CoefficientofVariationofSpeedDistribution,CVSD）和排放因子變異系數(shù)（CoefficientofVariationofEmissionFactor,CVEF）兩個評價指標(biāo)，分別用來衡量交通指數(shù)與速度分布、交通指數(shù)與機(jī)動車油耗排放因子關(guān)系的不確定性；步驟（a）速度分布變異系數(shù)（CVSD）：權(quán)重取值為各個速度區(qū)間的概率平均值；意指該速度區(qū)間概率越大，其重要性越高；步驟（b）排放因子變異系數(shù)（CVEF）：權(quán)重取值為各個速度區(qū)間CO2排放因子所占比率；意指該速度區(qū)間CO2排放因子越大，其重要性越高；基于公式（6），利用不同聚類條件下交通指數(shù)與快速路、主干路、次支路油耗排放因子的量化關(guān)系，測算得到在不同日期和時間段交通指數(shù)與全路網(wǎng)油耗排放因子的定量關(guān)系以及擬合函數(shù)。最后應(yīng)說明的是：顯然，上述實(shí)施例僅僅是為清楚地說明本申請所作的舉例，而并非對實(shí)施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實(shí)施方式予以窮舉。而由此所引申出的顯而易見的變化或變動仍處于本申請型的保護(hù)范圍之中。當(dāng)前第1頁1 2 3 當(dāng)前第1頁1 2 3