论文部分内容阅读
道路交通排放已成为城市空气污染的主要源头之一,在城市空气污染治理中,准确地量化各排放物的排放水平是节能减排政策效果评价的基础,而排放的测算依赖于排放模型的建立。对于目前应用广泛的MOVES(Motor Vehicle Emissions Simulator)排放模型,机动车比功率(Vehicle Specific Power, VSP)及其分布是排放测算的关键参数,而VSP分布的建立对数据的质量要求较高,需输入逐秒的运行轨迹数据,目前GPS数据采集和微观交通仿真是VSP分布建立的两种主要数据源。
然而,在运用这两种运行轨迹数据建立VSP分布时,存在以下两个现实问题:(1)实时采集大量逐秒轨迹数据的存储和通讯成本非常高,就目前的计算机技术而言,难以实现大规模逐秒数据的实时传输。而现实世界中存在大量的稀疏轨迹数据(即数据间隔大于1秒的数据),用于路径导航和交通状态监测,但稀疏轨迹无法用于准确计算加速度和VSP,因而无法直接用于排放的准确测算;(2)交通微观仿真模型虽然能够得到逐秒的连续轨迹数据,但仿真模型原本的设计目标是刻画集计意义上的参数(如平均速度、车头时距等),因此牺牲了刻画逐秒微观加减速行为的能力,造成了基于微观仿真轨迹的排放测算精度低。
在此背景下,本文以快速路为研究对象,分别建立稀疏轨迹和微观仿真轨迹的重构模型,目标是解决如何运用这两种数据源进行排放的准确测算问题。
本研究的主要成果可以总结为以下五个方面:
(1)研究了加速度随机性特征对排放测算的影响机理:通过选取未考虑加速度随机性特征的数学函数插值法(线性插值和三次样条插值法)对稀疏轨迹进行重构,两种方法重构后轨迹与实际轨迹排放测算最大相对误差分别达到33.3%和17.3%,验证了轨迹重构时不考虑车辆的加速度随机性特征将导致排放的不准确测算。为准确刻画加速度随机性特征,研究提出了运用加速度的统计规律——加速度分布来刻画加速度随机性特征的基本方法。
(2)基于大量轻型车实测逐秒轨迹,提出了以不同运行状态下的加速度分布模型刻画加速度随机性特征的方法。首先,根据运行轨迹速度的波动范围定义了稳态、非稳态加速和非稳态减速三种运行状态。基于这三种运行状态的定义,建立了运行状态的识别方法,分析了不同运行状态下加速度分布特征。通过拟合不同运行状态下加速度分布概率密度函数建立了相应的加速度分布模型,拟合优度均在0.9以上。
(3)基于加速度随机性特征及分布模型,建立了稀疏轨迹重构模型。首先,分析了基于稀疏轨迹进行排放测算产生误差的原因。其次,将稀疏轨迹进行30s的轨迹片段分割,并对每个轨迹片段进行运行状态识别,根据识别的结果选取相应的加速度分布模型生成加速度随机数,进而对每个轨迹片段内稀疏点间的轨迹进行重构,该方法在本文中简称加速度分布插值法。最后,通过对比加速度分布插值法和常用的三次样条插值法,验证了加速度分布插值法的有效性。结果表明:对于五秒以上的稀疏轨迹,加速度分布插值法重构后的排放因子相对误差显著低于三次样条插值法,CO2、CO、NOX、THC排放因子的相对误差最大值可分别降低8.5%、26.9%、21.3%、24.4%;对于五秒及以内间隔的稀疏轨迹,三次样条插值法重构后的排放因子相对误差略低于加速度分布插值法,但两种方法间的排放因子平均相对误差在2%以内。
(4)基于加速度随机性特征及分布模型,建立了微观仿真轨迹重构模型。首先,剖析了仿真模型的排放测算误差影响机理;其次,提出了以提取微观仿真集计特征为基础,基于实测轨迹的加速度随机性特征及分布进行轨迹重构的微观仿真轨迹重构机理。最后,以VISSIM微观仿真轨迹为例,建立了微观仿真轨迹重构模型,与重构前相比,轨迹重构后的CO2、CO、NOX和THC排放因子相对误差最大可降低22.2%、59.3%、14.3%、16.5%。
(5)以实际快速路路段为案例,分别验证了稀疏轨迹和微观仿真轨迹重构模型的有效性。结果表明本研究建立的稀疏轨迹和微观仿真轨迹重构模型均能有效降低排放测算误差:(a)对于稀疏轨迹的重构,运用加速度分布插值法对三十秒间隔及以内的稀疏轨迹重构后CO2排放量与实测CO2排放量之间的平均相对误差均在5%以内;(b)对于微观仿真轨迹的重构,与重构前相比,稳态、非稳态加速、非稳态减速轨迹重构后的CO2排放量相对误差最大可降低34.6%、13.7%、30.8%。
然而,在运用这两种运行轨迹数据建立VSP分布时,存在以下两个现实问题:(1)实时采集大量逐秒轨迹数据的存储和通讯成本非常高,就目前的计算机技术而言,难以实现大规模逐秒数据的实时传输。而现实世界中存在大量的稀疏轨迹数据(即数据间隔大于1秒的数据),用于路径导航和交通状态监测,但稀疏轨迹无法用于准确计算加速度和VSP,因而无法直接用于排放的准确测算;(2)交通微观仿真模型虽然能够得到逐秒的连续轨迹数据,但仿真模型原本的设计目标是刻画集计意义上的参数(如平均速度、车头时距等),因此牺牲了刻画逐秒微观加减速行为的能力,造成了基于微观仿真轨迹的排放测算精度低。
在此背景下,本文以快速路为研究对象,分别建立稀疏轨迹和微观仿真轨迹的重构模型,目标是解决如何运用这两种数据源进行排放的准确测算问题。
本研究的主要成果可以总结为以下五个方面:
(1)研究了加速度随机性特征对排放测算的影响机理:通过选取未考虑加速度随机性特征的数学函数插值法(线性插值和三次样条插值法)对稀疏轨迹进行重构,两种方法重构后轨迹与实际轨迹排放测算最大相对误差分别达到33.3%和17.3%,验证了轨迹重构时不考虑车辆的加速度随机性特征将导致排放的不准确测算。为准确刻画加速度随机性特征,研究提出了运用加速度的统计规律——加速度分布来刻画加速度随机性特征的基本方法。
(2)基于大量轻型车实测逐秒轨迹,提出了以不同运行状态下的加速度分布模型刻画加速度随机性特征的方法。首先,根据运行轨迹速度的波动范围定义了稳态、非稳态加速和非稳态减速三种运行状态。基于这三种运行状态的定义,建立了运行状态的识别方法,分析了不同运行状态下加速度分布特征。通过拟合不同运行状态下加速度分布概率密度函数建立了相应的加速度分布模型,拟合优度均在0.9以上。
(3)基于加速度随机性特征及分布模型,建立了稀疏轨迹重构模型。首先,分析了基于稀疏轨迹进行排放测算产生误差的原因。其次,将稀疏轨迹进行30s的轨迹片段分割,并对每个轨迹片段进行运行状态识别,根据识别的结果选取相应的加速度分布模型生成加速度随机数,进而对每个轨迹片段内稀疏点间的轨迹进行重构,该方法在本文中简称加速度分布插值法。最后,通过对比加速度分布插值法和常用的三次样条插值法,验证了加速度分布插值法的有效性。结果表明:对于五秒以上的稀疏轨迹,加速度分布插值法重构后的排放因子相对误差显著低于三次样条插值法,CO2、CO、NOX、THC排放因子的相对误差最大值可分别降低8.5%、26.9%、21.3%、24.4%;对于五秒及以内间隔的稀疏轨迹,三次样条插值法重构后的排放因子相对误差略低于加速度分布插值法,但两种方法间的排放因子平均相对误差在2%以内。
(4)基于加速度随机性特征及分布模型,建立了微观仿真轨迹重构模型。首先,剖析了仿真模型的排放测算误差影响机理;其次,提出了以提取微观仿真集计特征为基础,基于实测轨迹的加速度随机性特征及分布进行轨迹重构的微观仿真轨迹重构机理。最后,以VISSIM微观仿真轨迹为例,建立了微观仿真轨迹重构模型,与重构前相比,轨迹重构后的CO2、CO、NOX和THC排放因子相对误差最大可降低22.2%、59.3%、14.3%、16.5%。
(5)以实际快速路路段为案例,分别验证了稀疏轨迹和微观仿真轨迹重构模型的有效性。结果表明本研究建立的稀疏轨迹和微观仿真轨迹重构模型均能有效降低排放测算误差:(a)对于稀疏轨迹的重构,运用加速度分布插值法对三十秒间隔及以内的稀疏轨迹重构后CO2排放量与实测CO2排放量之间的平均相对误差均在5%以内;(b)对于微观仿真轨迹的重构,与重构前相比,稳态、非稳态加速、非稳态减速轨迹重构后的CO2排放量相对误差最大可降低34.6%、13.7%、30.8%。