国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于交通擁堵評價指標(biāo)的機(jī)動車油耗排放強(qiáng)度測算方法與流程

      文檔序號:12127452閱讀:779來源:國知局
      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 
      當(dāng)前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1