CN102542121B - 一种不同行驶状态下的机动车噪声排放预测方法 - Google Patents

Abstract

本发明提供一种不同行驶状态下的机动车噪声排放预测方法，所述方法包括以下步骤：建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型；选择状态参数，包括车辆型号、速度值、加速度值；将选择的状态参数输入噪声关系统计模型中，计算出与所述状态参数对应的噪声声压值；所述噪声关系统计模型还包括：车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级；所述车辆参数与所述状态参数相对应，所述噪声声压级根据速车辆型号参数、度调节参数、与速度调节参数对应的加速度参数以及状态参数计算得出，可以很好的适用于道路场景复杂、车辆行驶状态变化频繁的城市道路交通噪声预测计算。

Description

一种不同行驶状态下的机动车噪声排放预测方法

技术领域

本发明属于道路交通与环境保护的技术领域，特别是涉及一种不同行驶状态下的机动车噪声排放预测方法。

背景技术

随着我国经济的发展，环境污染问题也日益严重，噪声污染是环境污染的一种，已经成为影响人们日常生活的一大危害。噪声污染与水污染、大气污染被看成是世界范围内三个主要环境问题。根据中华人民共和国环境噪声污染防治法中对噪声的分类方法，噪声污染的主要来源包括交通噪声、工业噪声、建筑噪声和社会生活噪声，而根据国家统计局2009年的统计数据，我国主要大中城市的交通噪声、工业噪声、建筑噪声和社会生活噪声占所有噪声的声能比例分别为：38.6％、19.6％、25.7％和16.1％。因此，交通噪声是城市环境噪声的最重要来源，对交通噪声的防治是改善城市环境噪声的关键任务。

交通噪声源强排放模型是交通噪声预测计算的基础，是公路建设项目环境影响评价的主要内容之一。现有的交通噪声源强排放模型，大部分是通过噪声源强声压级、车速的实测数据，回归分析得到的。相关研究表明，车辆噪声排放大小与车速都有着直接的关系，噪声强度随车速增大而增强。美国联邦公路局(FHWA)在20世纪70年代就通过实测数据拟合得出高速公路交通噪声标准排放模型，此模型成为国内外许多学者进行车辆噪声排放预测相关研究的基础。我国交通部门也在2006年颁布的《公路建设项目环境影响评价规范(JTGB03-2006)》(以下简称《规范》)中，以FHWA模型为基础，提出了作为国内公路建设项目环境影响评价工作使用的标准机动车交通噪声排放模型。

然而，现在应用较多的交通噪声排放模型，包括FHWA模型和我国《规范》模型，都只考虑了速度对车辆噪声源强的影响，因此现有的排放模型只适用于高速公路、快速路等车辆速度较高、车辆行驶状态较稳定、车速对于车辆噪声排放的大小起主导作用的情况。但是在进行城市道路交通噪声预测计算时，我们经常会遇到行人过街信号控制路口、信号控制交叉口等等车辆行驶状态变化较频繁的特殊道路场景，此时原有的排放模型显然不适用。因此，为了提高城市交通噪声的预测计算精度，急需一种能够考虑不同行驶状态并且区分不同车型的机动车噪声排放模型。

发明内容

本发明第一个目的在于克服现有技术的缺点与不足，提供一种适用于城市道路各种复杂的道路场景，使城市道路交通噪声的预测计算可以达到较高的预测精度的一种不同行驶状态下的机动车噪声排放预测方法。

为了实现上述发明目的，本发明采用的技术方案如下：

一种不同行驶状态下的机动车噪声排放预测方法，所述方法包括以下步骤：

建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型；

选择状态参数，包括车辆车型、速度值、加速度值；

将选择的状态参数输入噪声关系统计模型中，计算出与所述状态参数对应的噪声声压值；

所述噪声关系统计模型还包括：车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级；

所述车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级与所述状态参数相对应，根据相应的状态参数调用相应的车辆参数、速度调节参数、与速度参数对应的加速度参数，从而计算出相应的噪声声压级。

优选地，所述噪声关系统计模型具体为：L₀＝X+YlgV±Za，其中L₀为噪声声压级，X为车辆参数，Y为速度调节参数，V为速度值，Z为加速度参数，a为加速度值。

优选地，所述噪声关系统计模型包括：小型车噪声关系统计子模型、中型车噪声关系统计子模型和大型车噪声关系统计子模型；

所述小型车噪声关系统计子模型还包括：小型车加速状态项，用于预测小型车处于加速状态时的噪声声压级；小型车减速状态项，用于预测小型车处于减速状态时的噪声声压级；小型车匀速状态项，用于预测小型车处于匀速状态时的噪声声压级；小型车怠速状态项，用于预测小型车处于怠速状态时的噪声声压级；

所述中型车噪声关系统计子模型还包括：中型车加速状态项，用于预测中型车处于加速状态时的噪声声压级；中型车减速状态项，用于预测中型车处于减速状态时的噪声声压级；中型车匀速状态项，用于预测中型车处于匀速状态时的噪声声压级；中型车怠速状态项，用于预测中型车处于怠速状态时的噪声声压级；

所述大型车噪声关系统计子模型还包括：大型车加速状态项，用于预测大型车处于加速状态时的噪声声压级；大型车减速状态项，用于预测大型车处于减速状态时的噪声声压级；大型车匀速状态项，用于预测大型车处于匀速状态时的噪声声压级；大型车怠速状态项，用于预测大型车处于怠速状态时的噪声声压级。

优选地，所述小型车噪声关系统计子模型为：

小型车加速状态项：L₀＝35.559+19.4lgV+1.041a

小型车减速状态项：L₀＝24.862+25.747lgV+0.329a

小型车匀速状态项：L₀＝28.124+24.765lgV

小型车怠速状态项：L₀＝53.787。

优选地，所述中型车噪声关系统计子模型为：

中型车加速状态项：L₀＝60.131+7.758lgV+0.758a

中型车减速状态项：L₀＝44.995+16.621lgV-0.32a

中型车匀速状态项：L₀＝16.795+36.323lgV

中型车怠速状态项：L₀＝58.485。

优选地，所述大型车噪声关系统计子模型为：

大型车加速状态项：L₀＝68.924+6.435lgV+2.58a

大型车减速状态项：L₀＝61.896+10.205lgV+0.157a

大型车匀速状态项：L₀＝33.352+28.562lgV

大型车怠速状态项：L₀＝63.317。

优选地，所述建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型的具体方法为：

采样检测，通过设置采样点分别对车辆怠速情况、加速情况、匀速情况、减速情况进行采集数据，分别采集各个情况下车辆的车型、速度、加速度和噪声声压级，并对数据进行距离修正、背景噪声修正、路面纵坡噪声修正；

对经过修正后的数据进行建立目标车辆的速度、加速度与噪声声压级之间的关系后，运用回归分析得到噪声关系统计模型。

优选地，所述距离修正为对距离采样点超过预设值的采集到的数据加上K1值，所述

其中：R为与采样点的实际距离，单位m；R₀为预设值，单位m。

优选地，所述背景噪声修正为：通过单独采集采样点中的环境噪声声压级和采集的数据中噪声声压级比较，若两者的差值范围在小于6，则该采集的数据摒除，若大于10则无需进行修正，否则就进行减去预设值的背景噪声修正。

优选地，所述路面纵坡噪声修正为：根据路面坡度值对采集的数据进行修正，路面坡度小于3度时，不作修正，在【6，10】度的范围时进行加上预设值的路面纵坡噪声修正。。

与现有技术相比，本发明具有以下优点：

本发明中4种不同状态下的模型公式都是以机动车噪声声压级作为因变量的，其中匀速时的计算公式是以车辆速度作为自变量，而加速和减速状态时则是车辆速度和加速度共同作为计算公式的自变量；由于排放模型充分考虑了机动车在不同行驶状态下的噪声排放情况，所以很好的适用于道路场景复杂、车辆行驶状态变化频繁的城市道路交通噪声预测计算。

附图说明

图1为本发明的预测方法的流程示意图；

图2为本发明中检测车辆怠速状态时的噪声声压级的示意图；

图3为本发明中检测车辆加速状态时的噪声声压级的示意图；

图4为本发明中检测车辆匀速状态时的噪声声压级的示意图；

图5为本发明中检测车辆减速状态时的噪声声压级的示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

实施例1

如图1所示，本发明提供一种不同行驶状态下的机动车噪声排放预测方法，所述方法包括以下步骤：

S100建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型；

S110选择状态参数，包括车辆车型、速度值、加速度值；

S120将选择的状态参数输入噪声关系统计模型中，计算出与所述状态参数对应的噪声声压值；

其中步骤S100中的噪声关系统计模型还包括：车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级；

上述步骤S120中，所述车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级与所述状态参数相对应，根据相应的状态参数调用相应的车辆参数、速度调节参数、与速度参数对应的加速度参数，从而计算出相应的噪声声压级。

进一步地，上述噪声关系统计模型具体为：L₀＝X+YlgV±Za，其中L₀为噪声声压级，X为车辆参数，Y为速度调节参数，V为速度值(lgV上述为去速度的对数值)，Z为加速度参数，a为加速度值，减速时取负值。

上述中采用的基于车辆的速度、加速度与噪声声压级的噪声关系统计模型的具体建立方法为：

采样检测，通过设置采样点分别对车辆怠速情况、加速情况、匀速情况、减速情况进行采集数据，分别采集各个情况下车辆的型号、速度、加速度和噪声声压级，并对数据进行距离修正、背景噪声修正、路面纵坡噪声修正；

(1)距离修正为对距离采样点超过预设值的采集到的数据加上K1值，所述

其中：R为与采样点的实际距离，单位m；R₀为预设值，单位m

(2)所述背景噪声修正为：通过单独采集采样点中的环境噪声声压级和采集的数据中噪声声压级比较，若两者的差值范围在小于6，则该采集的数据摒除，若大于10则无需进行修正，否则就进行减去预设值的背景噪声修正，具体为按照下表进行修正；

表1背景噪声修正值

(3)所述路面纵坡噪声修正为：根据路面坡度值对采集的数据进行修正，路面坡度小于3度时，不作修正，在【6，10】度的范围时进行加上预设值的路面纵坡噪声修正，具体为按照下表进行修正；

表2路面纵坡噪声修正值

纵坡(％)	修正值K3(dBA)
		≤3	0
4～5	+1
		6～7	+3

＞7

+5

然后，对经过修正后的数据进行建立目标车辆的速度、加速度与噪声声压级之间的关系后，运用回归分析得到噪声关系统计模型。

上述中，车辆参数包括：小型车参数、中型车参数和大型车参数；

所述小型车参数还包括：小型车加速参数，用于预测小型车处于加速状态时的噪声声压级；小型车减速参数，用于预测小型车处于减速状态时的噪声声压级；小型车匀速参数，用于预测小型车处于匀速状态时的噪声声压级；小型车怠速参数，用于预测小型车处于怠速状态时的噪声声压级；

所述中型车参数还包括：中型车加速参数，用于预测中型车处于加速状态时的噪声声压级；中型车减速参数，用于预测中型车处于减速状态时的噪声声压级；中型车匀速参数，用于预测中型车处于匀速状态时的噪声声压级；中型车怠速参数，用于预测中型车处于怠速状态时的噪声声压级；

所述大型车参数还包括：大型车加速参数，用于预测大型车处于加速状态时的噪声声压级；大型车减速参数，用于预测大型车处于减速状态时的噪声声压级；大型车匀速参数，用于预测大型车处于匀速状态时的噪声声压级；大型车怠速参数，用于预测大型车处于怠速状态时的噪声声压级。

由此可得该噪声关系统计模型，具体如下表所示：

表3不同行驶状态下的机动车噪声排放模型

L₀为单辆车行驶时在参考距离处的噪声排放量，单位dBA；V为车辆速度，km·h^-1；a为车辆加速时的加速度，正值，单位m·s^-2；a′为车辆减速时的加速度，负值，单位m·s^-2。

进一步地，上表中小型车怠速参数、中型车怠速参数和大型车怠速参数均与当前对应的噪声声压级相等。

通过上述模型，只需将需要的状态参数输入到模型中，就能通过模型得出相应的噪声声压级。从而很好的实现对不同行驶状态机动车噪声排放仿真预测。

对于数据的采样检测，如下所示，如下所示的采样方法仅为通用的样本采集方法，本发明中的采样检测方法不受此限制。

对于检测车辆处于各种状态时的噪声值具体为：

1)检测车辆怠速状态时的噪声声压级

选择信号控制交叉路口车辆停车怠速处作为实验路段，目的是得到车辆在怠速情况下的噪声数据，如图2所示，测量点①位于停车线处。

2)检测车辆加速状态时的噪声声压级

选择车辆经过信号控制交叉口之后有明显的加速过程、而车速相对较低的道路交叉口作为实验路段，目的是得到车辆在低速情况下加速时的噪声数据，如图3所示，选定①②两个测量点，两个测量点之间的距离l选定10m的距离。

3)检测车辆匀速状态时的噪声声压级

选择距离交叉口较远的、车辆车速较高的直路作为实验路段，目的是得到车辆在中、高速情况下加减速时的噪声数据，如图4所示，选定①②两个测量点，两个测量点之间的距离l选定20m的距离。

4)检测车辆减速状态时的噪声声压级

选择车辆到达信号控制交叉口之前减速到停车的路段作为实验路段，目的是得到车辆在低速情况下有较大减速度时的噪声数据，如图5所示，选定①②两个测量点，两个测量点之间的距离l选定10m的距离。

相对于上述检测采样方法，对于实现距离修正的步骤时，具体为对非第一车道行驶的车辆噪声值进行修正，修正值K₁(单位：dBA)，按以下公式：

$K_1=20\lg \frac{R}{R_0}$

式中：R为非第一车道距噪声仪距离，单位m；R₀为噪声测量仪器距离第一车道距离，等于7.5m。

实施例2

对于仿真预测车辆处于加速或减速等状态时，车辆的加速度值通过在瞬时车速V和对应噪声值L之间的关系表格基础上，利用以下公式可以计算出目标车辆在采样点间的加速度a：

$a=\frac{{V_1}^2-{V_2}^2}{2l}$

式中：a为目标车辆加速度，单位m·s-2；V1、V2为车辆经过测量点①、②时的速度，单位m·s-1；L为测量点间的距离，单位m；

通过上述方法，可以通过输入前后两个速度值而直接计算出噪声声压级，可以更直观的得出车辆的噪声排放预测结果。

Claims (5)

1.一种不同行驶状态下的机动车噪声排放预测方法，其特征在于，所述方法包括以下步骤:

建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型；

选择状态参数，包括车辆车型、速度值、加速度值；

将选择的状态参数输入噪声关系统计模型中，计算出与所述状态参数对应的噪声声压值；

所述噪声关系统计模型还包括：车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级；

所述车辆参数、速度调节参数、与速度参数对应的加速度参数和噪声声压级与所述状态参数相对应，根据相应的状态参数调用相应的车辆参数、速度调节参数、与速度参数对应的加速度参数，从而计算出相应的噪声声压级；

所述噪声关系统计模型包括：小型车噪声关系统计子模型、中型车噪声关系统计子模型和大型车噪声关系统计子模型；

所述小型车噪声关系统计子模型还包括：小型车加速状态项，用于预测小型车处于加速状态时的噪声声压级；小型车减速状态项，用于预测小型车处于减速状态时的噪声声压级；小型车匀速状态项，用于预测小型车处于匀速状态时的噪声声压级；小型车怠速状态项，用于预测小型车处于怠速状态时的噪声声压级；

所述中型车噪声关系统计子模型还包括：中型车加速状态项，用于预测中型车处于加速状态时的噪声声压级；中型车减速状态项，用于预测中型车处于减速状态时的噪声声压级；中型车匀速状态项，用于预测中型车处于匀速状态时的噪声声压级；中型车怠速状态项，用于预测中型车处于怠速状态时的噪声声压级；

所述大型车噪声关系统计子模型还包括：大型车加速状态项，用于预测大型车处于加速状态时的噪声声压级；大型车减速状态项，用于预测大型车处于减速状态时的噪声声压级；大型车匀速状态项，用于预测大型车处于匀速状态时的噪声声压级；大型车怠速状态项，用于预测大型车处于怠速状态时的噪声声压级；

所述噪声关系统计模型具体为：L₀=X+YlgV±Za，其中L₀为噪声声压级，X为车辆参数，Y为速度调节参数，V为速度值，Z为加速度参数，a为加速度值；

所述小型车噪声关系统计子模型为：

小型车加速状态项：L₀=35.559+19.4lgV+1.041a

小型车减速状态项：L₀=24.862+25.747lgV+0.329a

小型车匀速状态项：L₀=28.124+24.765lgV

小型车怠速状态项：L₀=53.787；

所述中型车噪声关系统计子模型为：

中型车加速状态项：L₀=60.131+7.758lgV+0.758a

中型车减速状态项：L₀=44.995+16.621lgV-0.32a

中型车匀速状态项：L₀=16.795+36.323lgV

中型车怠速状态项：L₀=58.485；

所述大型车噪声关系统计子模型为：

大型车加速状态项：L₀=68.924+6.435lgV+2.58a

大型车减速状态项：L₀=61.896+10.205lgV+0.157a

大型车匀速状态项：L₀=33.352+28.562lgV

大型车怠速状态项：L₀=63.317。

2.根据权利要求1所述的不同行驶状态下的机动车噪声排放预测方法，其特征在于，所述建立基于车辆的速度、加速度与噪声声压级的噪声关系统计模型为：

采样检测，通过设置采样点分别对车辆怠速情况、加速情况、匀速情况、减速情况进行采集数据，分别采集各个情况下车辆的车型、速度、加速度和噪声声压级，并对数据进行距离修正、背景噪声修正、路面纵坡噪声修正；

对经过修正后的数据进行建立目标车辆的速度、加速度与噪声声压级之间的关系后，运用回归分析得到噪声关系统计模型。

3.根据权利要求2所述的不同行驶状态下的机动车噪声排放预测方法，其特征在于，所述距离修正为对距离采样点超过预设值的采集到的数据加上K1值，所述其中：R为与采样点的实际距离，单位m；R₀为预设值，单位m。

4.根据权利要求2所述的不同行驶状态下的机动车噪声排放预测方法，其特征在于，所述背景噪声修正为：通过单独采集采样点中的环境噪声声压级和采集的数据中噪声声压级比较，若两者的差值范围在小于6，则该采集的数据摒除，若大于10则无需进行修正，否则就进行减去预设值的背景噪声修正。

5.根据权利要求2所述的不同行驶状态下的机动车噪声排放预测方法，其特征在于，所述路面纵坡噪声修正为：根据路面坡度值对采集的数据进行修正，路面坡度小于3度时，不作修正，在[6，10]度的范围时进行加上预设值的路面纵坡噪声修正。

Images