CN104715605B - 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 - Google Patents
一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 Download PDFInfo
- Publication number
- CN104715605B CN104715605B CN201510085276.9A CN201510085276A CN104715605B CN 104715605 B CN104715605 B CN 104715605B CN 201510085276 A CN201510085276 A CN 201510085276A CN 104715605 B CN104715605 B CN 104715605B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- vsp
- data
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于VSP分布的交通运行数据与机动车排放数据间的耦合方法与系统,通过对交通运行数据与机动车排放数据的特征进行挖掘与分析,以VSP分布为中介变量,建立了交通流量、平均速度、机动车行驶工况等交通运行参数与排放率、排放因子等机动车排放参数之间的动态映射关系。该发明简化了机动车尾气排放的物理意义,提高了交通排放量化评估的效率与准确性。
Description
【技术领域】
本发明涉及一种基于VSP分布的交通运行与排放数据耦合方法与系统。
【背景技术】
交通部门与环保部门经过长期的建设与发展,已经形成各自较为完备的数据采集与分析系统,并且已经获得了大量数据。
研究一个地区的交通运行情况,首先需要经过交通调查,了解该地区的交通特征及其发展趋势。通过对交通运行数据进行定量分析,掌握各种特征参数的具体数据,为针对具体情况进行科学的交通规划、线性设计和交通管理提供理论依据。常见的交通调查方法有定点测量(Point Method)、沿路段测量(Along a Length Method)、浮动车测量(MovingObserve)、短距离测量法(Short Section Method)等。感应线圈检测技术、超声波检测技术、红外线检测技术、移动信息采集技术等随着交通控制或交通信息服务的需求与20世纪60年代开始出现,如今获得了普遍应用。远程微波检测技术、视频图像式检测技术和光信标式检测技术等于20世纪80年代末研制成功,90年代获得应用。21世纪初,人们又开始利用GPS检测技术检测交通流参数。
在制定交通策略以降低机动车尾气排放的过程中,利用实验手段进行尾气排放检测,收集机动车实际的油耗排放数据,是一切有关机动车油耗排放研究的基础,也是建立油耗排放模型和评价交通策略的基本依据。目前国内外主要有四种机动车油耗和尾气排放检测方法,分别是台架测试法、隧道测试法、遥感检测法和车载测试法。
但是受限于采集方式与应用目的的不同,上述两类数据的相关特征未进行深入挖掘,无法实现准确、有效地关联。
【发明内容】
针对现有技术存在的问题,本发明提出了一种交通运行数据与机动车排放数据间的耦合方法与系统,通过对交通运行数据与机动车排放数据的特征进行挖掘与分析,以VSP分布为中介变量,建立了交通流量、平均速度、机动车行驶工况等交通运行参数与排放率、排放因子等机动车排放参数之间的动态映射关系。考虑到机动车在实际道路上的行驶速度对排放的影响,结合既有交通运行参数数据与机动车排放测试结果建立交通运行与机动车排放数据库,利用数据集群和并行计算技术,实现对交通运行与排放数据库的快速反应。同时集成GPS、GIS和数据挖掘技术,实现交通运行数据与机动车排放数据的耦合,对路段排放率进行测算。该发明简化了机动车尾气排放的物理意义,提高了交通排放量化评估的效率与准确性。
【附图说明】
图1交通运行数据与排放数据耦合方法设计思路
图2轻型车行驶工况数据库示例
图3轻型车在快速路VSP分布
图4机动车油耗和尾气排放实测数据示例
图5机动车排放率数据库示例
图6 0-4万公里国III标准轻型汽油车排放因子示例
图7机动车排放因子数据库示例
图8交通运行数据与排放数据耦合系统
【具体实施方式】
下面通过具体的实施例并结合附图对本发明作进一步详细的描述。
本发明基于VSP建立油耗和排放微观统计模型,能够弥补传统尾气预测模型对于交通特征考虑的不足,通过大量实测数据,利用VSP对北京市各类型道路上的驾驶行为进行描述。综合考虑北京市路段平均长度及路段平均行驶时间,以3分钟为间隔计算平均速度,建立不同等级道路上各平均速度区间的VSP分布,将车辆的平均行驶速度与微观瞬时行驶状态相结合,以充分反映不同行驶状态下的速度对于油耗和排放的影响。建立以基本交通参数为输入变量的油耗和排放的速度修正模型,实现交通运行数据与机动车尾气排放数据的有效衔接,从而为交通排放量化评估提供准确有效的手段。发明的设计思路如图1所示。
本发明的基于VSP分布的交通运行数据与排放数据耦合方法,包括以下步骤:
第一步,采集交通运行数据,进一步包括:
步骤1.1,数据采集,利用车载GPS设备,采集机动车逐秒行驶工况数据,数据主要字段包括采集日期、时间、经度、纬度、速度、方向角、高程等,图2为实际采集到的轻型车逐秒行驶工况数据示例,将数据按照统一的格式进行整理,通过初步质量控制,去除不符合要求的记录,建立机动车行驶工况数据库。
步骤1.2,进行车型划分,将机动车按车重进行分类,分为微型车、轻型车、中型车和重型车。
步骤1.3,进行道路类型匹配。我国城市道路依据通行能力与交通功能划分为快速路、主干路、次干路、支路四种类型。道路类型的匹配工作在GIS系统中完成。每一条工况数据都包含经纬度字段,据此可以在已有的北京路网上创建点,通过判断该点所处的路段名得到其道路类型。经过道路类型匹配之后,所有机动车行驶工况数据依据其所属道路类型被划分为四个部分。
步骤1.4,进行短行程划分。对于每一种车型与道路类型,所有数据被划分到时长为180秒的短行程。这样处理是因为较长的行程时间,比如固定的行驶周期,由于包含多种行驶状态而无法刻画机动车在现实道路上的行驶特征,选择180秒作为瞬时速度的集成粒度既可以包含机动车在基本路段的行驶特征,又可以包含其在交叉口的行驶特征。每一个短行程都需要计算其平均速度,以便进行下一步的速度聚类。
步骤1.5,进行平均速度聚类,将上述过程得到的所有短行程依据平均速度进行聚类,得到其所属的速度区间,方法如下式所示:
:平均速度∈[n-1,n+1),速度区间=n(n为正整数)
步骤1.6,进行VSP聚类,VSP由瞬时速度和加速度计算得到,因为采集得到的行驶工况数据包含连续的逐秒速度,瞬时加速度由相邻两秒的速度差得出。VSP的计算如下式所示:
其中,v为机动车速度,单位m/s;a为加速度,单位m/s2;A、B、C、m、f为常数。
为了可以更好地反映VSP分布与平均速度之间的关系,以1kW/t为间隔对VSP进行划分并聚类,得到VSP bin,具体计算见下式:
步骤1.7,建立VSP分布数据库,以大量不同车型逐秒的行驶工况数据为基础,经过上述处理过程,最后对所有车型、道路类型、速度区间相同的VSP进行聚类,统计每一个速度区间对应的VSP个数占该类VSP总数的百分比,即VSP分布,如下式所示:
其中,Ri,k为第k个平均速度区间第i个VSP bin的分布率;Nk为第k个平均速度区间的VSP总数;Ni,k为第k个平均速度区间VSP bin为i的VSP个数。图3为轻型车在快速路VSP分布示例。
第二步,采集机动车排放数据,进一步包括:
步骤2.1,采集排放测试数据,利用PEMS车载尾气测试设备采集机动车油耗和尾气排放数据,数据主要字段包括采集日期、时间、速度、NOX、HC、CO逐秒排放量、逐秒油耗量等。图4为收集到的北京市实际路网中按照正常交通流行驶车辆的油耗和尾气排放数据示例。
步骤2.2,划分燃料类型,燃料类型包括:汽油、柴油、液化石油气(LiquefiedPetroleum Gas,LPG)、液化天然气(Liquefied Natural Gas,LNG)、压缩天然气(Compressed Natural Gas,CNG)、混合动力、双燃料。
步骤2.3,划分排放标准,为有效的控制机动车污染和排放,按照车辆所执行的排放标准对车辆进行分类,根据测试车辆的生产年份,确定车辆的排放标准类型,划分车辆排放标准。表1是汽油车各阶段排放标准实施日期,对于在国I标准实施年份之前生产的车辆,将其定义为国0标准。
表1汽油车各阶段排放标准实施日期
排放标准 | 实施时间 |
国I | 1999.1.1 |
国II | 2002.8.1 |
国III | 2005.12.30 |
国IV | 2008.3.1 |
国V | 2013.2.1 |
步骤2.4,划分行驶里程,对同类车型的行驶里程进行划分,表2为轻型车行驶里程划分方式。
表2机动车行驶里程划分方式
类别 | 行驶里程(万公里) |
1 | [0,4) |
2 | [4,8) |
3 | [8,16) |
4 | [16,24) |
5 | [24,+∞) |
步骤2.5,计算平均排放率,计算每种车型、燃料类型、排放标准、行驶里程相应分类的每个VSP bin的平均排放率,如下式所示:
其中,ERi为第i个VSP bin的平均排放率,单位g/s;erj是VSP bin为i的第j个VSP对应的排放率,单位为g/s;m是VSP bin为i的VSP个数。
步骤2.6,建立排放率数据库,将不同车型、排放标准、行驶里程的上述计算结果整理、分类,建立各VSP bin排放率数据库。图5为排放率数据库示例。
第三步,对交通运行数据和排放数据进行耦合,进一步包括:
步骤3.1,计算排放因子。排放因子是机动车尾气排放测算中的重要参数,能够直观反映机动车的排放水平。排放因子定义为机动车行驶单位距离排放的污染物质量,各平均速度区间排放因子的计算方法如下式所示:
其中,EFk为第k平均速度区间的排放因子,单位为g/km;ERi是第i个VSP bin的平均排放率,单位为g/s;VSP bini是第k平均速度区间第i个VSP bin的分布值;v是第k平均速度区间的中值,单位为km/h。
通过VSP分布与VSP bin平均排放率的映射关系,可以得到不同车型、道路类型、燃料类型、排放标准、行驶里程、平均速度区间的排放因子。图6为行驶里程为0-4万公里的国III标准轻型汽油车在四种道路类型、不同速度区间的NOX、CO、HC排放因子示例。
步骤3.2,计算油耗因子。油耗因子定义为机动车行驶单位距离消耗的燃油质量,计算方法如下式所示:
其中,EFFuel为油耗因子;EFCO、EFHC分别为CO2、CO、HC排放因子;%C为燃料中C的质量比例。
对于实测数据无法覆盖到的分类情况,可以利用排放预测模型得到其相应的油耗因子。整理上述计算结果,建立车型、道路类型、平均速度、行驶里程、燃料类型、排放标准机动车数据库CO2、CO、HC、NOX油耗因子。图7为机动车油耗因子数据库示例。
第四步,路段排放量计算,对城市道路网或重要交通走廊机动车尾气排放进行测算,评估其尾气排放强度,为制定合理的减排策略与减排目标提供科学依据。路段排放量计算方法如下式所示:
其中,ERsection为测算路段排放率,l为测算路段长度,q(Vehiclei,Fuelj,Standardk,Mileagem)为第i种车型、第j种燃料类型、第k种排放标准、第m类行驶里程的交通量,为上述分类对应的速度区间为v的机动车排放因子。
本发明的基于VSP分布的交通运行数据与排放数据耦合的系统,可以对交通运行数据、机动车排放数据格式化处理,将交通运行数据与机动车排放数据进行耦合,对路段排放率进行测算。系统结构如图8所示。该系统包括:交通运行数据采集单元,机动车排放数据采集单元,数据耦合单元,路段排放量计算单元。其中:
交通运行数据采集单元对交通运行数据进行采集、分析和处理,最终建立VSP分布数据库。进一步包括:
工况数据采集模块,利用车载GPS设备,采集机动车逐秒行驶工况数据,数据主要字段包括采集日期、时间、经度、纬度、速度、方向角、高程等,将数据按照统一的格式进行整理,通过初步质量控制,去除不符合要求的记录,建立机动车行驶工况数据库。
车型划分模块,将机动车按车重进行分类,分为微型车、轻型车、中型车和重型车。
道路类型匹配模块,我国城市道路依据通行能力与交通功能划分为快速路、主干路、次干路、支路四种类型。道路类型的匹配工作在GIS系统中完成。每一条工况数据都包含经纬度字段,据此可以在已有的北京路网上创建点,通过判断该点所处的路段名得到其道路类型。经过道路类型匹配之后,所有机动车行驶工况数据依据其所属道路类型被划分为四个部分。
短行程划分模块,对于每一种车型与道路类型,所有数据被划分到时长为180秒的短行程。这样处理是因为较长的行程时间,比如固定的行驶周期,由于包含多种行驶状态而无法刻画机动车在现实道路上的行驶特征,选择180秒作为瞬时速度的集成粒度既可以包含机动车在基本路段的行驶特征,又可以包含其在交叉口的行驶特征。每一个短行程都需要计算其平均速度,以便进行下一步的速度聚类。
平均速度聚类模块,将上述过程得到的所有短行程依据平均速度进行聚类,得到其所属的速度区间,方法如下式所示:
:平均速度∈[n-1,n+1),速度区间=n(n为正整数)
VSP聚类模块,VSP由瞬时速度和加速度计算得到,因为采集得到的行驶工况数据包含连续的逐秒速度,瞬时加速度由相邻两秒的速度差得出。VSP的计算如下式所示:
其中,v为机动车速度,单位m/s;a为加速度,单位m/s2;A、B、C、m、f为常数。
为了可以更好地反映VSP分布与平均速度之间的关系,以1kW/t为间隔对VSP进行划分并聚类,得到VSP bin,具体计算见下式:
VSP分布数据库建立模块,以大量不同车型逐秒的行驶工况数据为基础,经过上述处理过程,最后对所有车型、道路类型、速度区间相同的VSP进行聚类,统计每一个速度区间对应的VSP个数占该类VSP总数的百分比,即VSP分布,如下式所示:
其中,Ri,k为第k个平均速度区间第i个VSP bin的分布率;Nk为第k个平均速度区间的VSP总数;Ni,k为第k个平均速度区间VSP bin为i的VSP个数。图3为轻型车在快速路VSP分布示例。
机动车排放数据采集单元对机动车排放数据进行采集、分析和处理,最终生成排放率数据库。进一步包括:
采集排放数据模块,利用PEMS车载尾气测试设备采集机动车油耗和尾气排放数据,数据主要字段包括采集日期、时间、速度、NOX、HC、CO逐秒排放量、逐秒油耗量等。
燃料类型划分模块,燃料类型包括:汽油、柴油、液化石油气(LiquefiedPetroleum Gas,LPG)、液化天然气(Liquefied Natural Gas,LNG)、压缩天然气(Compressed Natural Gas,CNG)、混合动力、双燃料。
排放标准划分模块,为有效的控制机动车污染和排放,按照车辆所执行的排放标准对车辆进行分类,根据测试车辆的生产年份,确定车辆的排放标准类型,划分车辆排放标准。
行驶里程划分模块,对同类车型的行驶里程进行划分。
平均排放率计算模块,计算每种车型、燃料类型、排放标准、行驶里程相应分类的每个VSP bin的平均排放率,如下式所示:
其中,ERi为第i个VSP bin的平均排放率,单位g/s;erj是VSP bin为i的第j个VSP对应的排放率,单位为g/s;m是VSP bin为i的VSP个数。
排放率数据库建立模块,将不同车型、排放标准、行驶里程的上述计算结果整理、分类,建立各VSP bin排放率数据库。
数据耦合单元对交通运行数据和机动车排放数据进行耦合。进一步包括:排放因子计算模块,各平均速度区间排放因子的计算方法如下式所示:
其中,EFk为第k平均速度区间的排放因子,单位为g/km;ERi是第i个VSP bin的平均排放率,单位为g/s;VSP bini是第k平均速度区间第i个VSP bin的分布值;v是第k平均速度区间的中值,单位为km/h。
通过VSP分布与VSP bin平均排放率的映射关系,可以得到不同车型、道路类型、燃料类型、排放标准、行驶里程、平均速度区间的排放因子。
油耗因子计算模块,计算方法如下式所示:
其中,EFFuel为油耗因子;EFCO、EFHC分别为CO2、CO、HC排放因子;%C为燃料中C的质量比例。
对于实测数据无法覆盖到的分类情况,可以利用排放预测模型得到其相应的油耗因子。整理上述计算结果,建立车型、道路类型、平均速度、行驶里程、燃料类型、排放标准机动车数据库CO2、CO、HC、NOX油耗因子。
路段排放量计算单元计算得到路段排放量。路段排放量计算方法如下式所示:
其中,ERsection为测算路段排放率,l为测算路段长度,q(Vehiclei,Fuelj,Standardk,Mileagem)为第i种车型、第j种燃料类型、第k种排放标准、第m类行驶里程的交通量,为上述分类对应的速度区间为v的机动车排放因子。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (2)
1.一种基于VSP分布的交通运行数据与排放数据耦合的方法,具体包括:
第一步,处理交通运行数据;
第二步,处理机动车排放数据;
第三步,对交通运行数据和排放数据进行耦合;
第四步,进行路段排放量估算;
其中第一步进一步包括:
步骤1.1,工况数据采集,利用车载GPS设备,采集机动车逐秒行驶工况数据,包括采集日期、时间、经度、纬度、速度、方向角、高程,将数据按照统一的格式进行整理,通过初步质量控制,标记不符合要求的记录,建立机动车行驶工况数据库;
步骤1.2,进行车型划分,将机动车按车重进行分类,分为微型车、轻型车、中型车和重型车;
步骤1.3,进行道路类型匹配,道路类型分为快速路、主干路、次干路、支路四种类型,道路类型的匹配工作在GIS系统中完成,每一条工况数据都包含经纬度字段,在已有的路网上创建点,通过判断该点所处的路段名得到其所属道路类型;
步骤1.4,进行短行程划分,对于每一种车型与道路类型,所有数据被划分到时长为180秒的短行程,每一个短行程都需要计算其平均速度,以便进行下一步的速度聚类;
步骤1.5,进行平均速度聚类,将上述过程得到的所有短行程依据平均速度进行聚类,得到其所属的速度区间,方法如下式所示:
步骤1.6,进行VSP聚类,VSP由瞬时速度和加速度计算得到,VSP的计算如下式所示:
<mrow>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mo>+</mo>
<msup>
<mi>Bv</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>Cv</mi>
<mn>3</mn>
</msup>
<mo>+</mo>
<mi>m</mi>
<mi>v</mi>
<mi>a</mi>
</mrow>
<mi>f</mi>
</mfrac>
</mrow>
其中,v为机动车速度,单位m/s;a为加速度,单位m/s2;A、B、C、m、f为常数;
为了更好地反映VSP分布与平均速度之间的关系,以1kW/t为间隔对VSP进行划分并聚类,得到VSP bin,具体计算见下式:
<mrow>
<mo>&ForAll;</mo>
<mo>:</mo>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>-</mo>
<mn>0.5</mn>
<mo>,</mo>
<mi>n</mi>
<mo>+</mo>
<mn>0.5</mn>
<mo>)</mo>
<mo>,</mo>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mi>b</mi>
<mi>i</mi>
<mi>n</mi>
<mo>=</mo>
<mi>n</mi>
</mrow>
步骤1.7,建立VSP分布数据库,以大量不同车型逐秒的行驶工况数据为基础,经过上述处理过程,最后对所有车型、道路类型、速度区间相同的VSP进行聚类,统计每一个速度区间对应的VSP个数占该类VSP总数的百分比,即VSP分布,如下式所示:
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<msub>
<mi>N</mi>
<mi>k</mi>
</msub>
</mfrac>
</mrow>
其中,Ri,k为第k个平均速度区间第i个VSP bin的分布率;Nk为第k个平均速度区间的VSP总数;Ni,k为第k个平均速度区间VSP bin为i的VSP个数;
其中第二步进一步包括:
步骤2.1,采集排放测试数据,利用PEMS车载尾气测试设备采集机动车油耗和尾气排放数据,包括采集日期、时间、速度、CO2、NOX、HC、CO逐秒排放量、逐秒油耗量;
步骤2.2,划分燃料类型,燃料类型包括:汽油、柴油、液化石油气、液化天然气、压缩天然气、混合动力、双燃料;
步骤2.3,划分排放标准,按照车辆所执行的排放标准对车辆进行分类,根据测试车辆的生产年份,确定车辆的排放标准类型;
步骤2.4,划分行驶里程,对同类车型的行驶里程进行划分;
步骤2.5,计算平均排放率,计算每种车型、燃料类型、排放标准、行驶里程相应分类的每个VSP bin的平均排放率,如下式所示:
<mrow>
<msub>
<mi>ER</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>er</mi>
<mi>j</mi>
</msub>
</mrow>
其中,ERi为第i个VSP bin的平均排放率,单位g/s;erj是VSP bin为i的第j个VSP对应的排放率,单位为g/s;m是VSP bin为i的VSP个数;
步骤2.6,建立排放率数据库,将不同车型、排放标准、行驶里程的上述计算结果整理、分类,建立各VSP bin排放率数据库;
其中第三步进一步包括:
步骤3.1,计算排放因子,各平均速度区间排放因子的计算方法如下式所示:
<mrow>
<msub>
<mi>EF</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<msub>
<mi>ER</mi>
<mi>i</mi>
</msub>
<mo>&times;</mo>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mi> </mi>
<msub>
<mi>bin</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>v</mi>
<mo>&times;</mo>
<mn>3600</mn>
</mrow>
其中,EFk为第k平均速度区间的排放因子,单位为g/km;ERi是第i个VSP bin的平均排放率,单位为g/s;VSP bini是第k平均速度区间第i个VSP bin的分布值;v是第k个速度区间的均值,单位为km/h;
步骤3.2,计算油耗因子,油耗因子定义为机动车行驶单位距离消耗的燃油质量,计算方法如下式所示:
<mrow>
<msub>
<mi>EF</mi>
<mrow>
<mi>F</mi>
<mi>u</mi>
<mi>e</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>%</mi>
<mi>C</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mfrac>
<mn>12</mn>
<mn>44</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<msub>
<mi>CO</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>12</mn>
<mn>28</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<mi>C</mi>
<mi>O</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>12</mn>
<mn>13</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<mi>H</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,EFFuel为油耗因子;EFCO2、EFCO、EFHC分别为CO2、CO、HC排放因子;%C为燃料中C的质量比例;
其中第四步路段排放量计算方法如下式所示:
<mrow>
<msub>
<mi>ER</mi>
<mrow>
<mi>sec</mi>
<mi>t</mi>
<mi>i</mi>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>l</mi>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</munder>
<msubsup>
<mi>EF</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>k</mi>
<mi>m</mi>
</mrow>
<mi>v</mi>
</msubsup>
<mo>&CenterDot;</mo>
<mi>q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Vehicle</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Fuel</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Standard</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Mileage</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,ERsection为测算路段排放率,l为测算路段长度,q(Vehiclei,Fuelj,Standardk,Mileagem)为第i种车型、第j种燃料类型、第k种排放标准、第m类行驶里程的交通量,为上述分类对应的速度区间为v的机动车排放因子。
2.一种权利要求1所述基于VSP分布的交通运行数据与排放数据耦合方法的系统,包括交通运行数据处理单元,用于处理交通运行数据;机动车排放数据处理单元,用于处理机动车排放数据;数据耦合单元,用于对交通运行数据和排放数据进行耦合;路段排放量计算单元,进行路段排放量估算;
其中交通运行数据处理单元进一步包括:
工况数据采集模块,利用车载GPS设备,采集机动车逐秒行驶工况数据,包括采集日期、时间、经度、纬度、速度、方向角、高程,将数据按照统一的格式进行整理,通过初步质量控制,标记不符合要求的记录,建立机动车行驶工况数据库;
车型划分模块,将机动车按车重进行分类,分为微型车、轻型车、中型车和重型车;
道路类型匹配模块,道路类型分为快速路、主干路、次干路、支路四种类型,道路类型的匹配工作在GIS系统中完成,每一条工况数据都包含经纬度字段,在已有的路网上创建点,通过判断该点所处的路段名得到其所属道路类型;
短行程划分模块,对于每一种车型与道路类型,所有数据被划分到时长为180秒的短行程,每一个短行程都需要计算其平均速度;
平均速度聚类模块,将上述过程得到的所有短行程依据平均速度进行聚类,得到其所属的速度区间,方法如下式所示:
VSP聚类模块,VSP由瞬时速度和加速度计算得到,VSP的计算如下式所示:
<mrow>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>A</mi>
<mi>v</mi>
<mo>+</mo>
<msup>
<mi>Bv</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>Cv</mi>
<mn>3</mn>
</msup>
<mo>+</mo>
<mi>m</mi>
<mi>v</mi>
<mi>a</mi>
</mrow>
<mi>f</mi>
</mfrac>
</mrow>
其中,v为机动车速度,单位m/s;a为加速度,单位m/s2;A、B、C、m、f为常数;
为了更好地反映VSP分布与平均速度之间的关系,以1kW/t为间隔对VSP进行划分并聚类,得到VSP bin,具体计算见下式:
<mrow>
<mo>&ForAll;</mo>
<mo>:</mo>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mo>&Element;</mo>
<mo>&lsqb;</mo>
<mi>n</mi>
<mo>-</mo>
<mn>0.5</mn>
<mo>,</mo>
<mi>n</mi>
<mo>+</mo>
<mn>0.5</mn>
<mo>)</mo>
<mo>,</mo>
<mi>V</mi>
<mi>S</mi>
<mi>P</mi>
<mi>b</mi>
<mi>i</mi>
<mi>n</mi>
<mo>=</mo>
<mi>n</mi>
</mrow>
VSP分布数据库建立模块,以大量不同车型逐秒的行驶工况数据为基础,经过上述处理过程,最后对所有车型、道路类型、速度区间相同的VSP进行聚类,统计每一个速度区间对应的VSP个数占该类VSP总数的百分比,即VSP分布,如下式所示:
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>N</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<msub>
<mi>N</mi>
<mi>k</mi>
</msub>
</mfrac>
</mrow>
其中,Ri,k为第k个平均速度区间第i个VSP bin的分布率;Nk为第k个平均速度区间的VSP总数;Ni,k为第k个平均速度区间VSP bin为i的VSP个数;
其中机动车排放数据处理单元进一步包括:
排放数据采集模块,利用PEMS车载尾气测试设备采集机动车油耗和尾气排放数据,包括采集日期、时间、速度、CO2、NOX、HC、CO逐秒排放量、逐秒油耗量;
燃料类型划分模块,燃料类型包括:汽油、柴油、液化石油气、液化天然气、压缩天然气、混合动力、双燃料;
排放标准划分模块,按照车辆所执行的排放标准对车辆进行分类,根据测试车辆的生产年份,确定车辆的排放标准类型;
行驶里程划分模块,对同类车型的行驶里程进行划分;
平均排放率计算模块,计算每种车型、燃料类型、排放标准、行驶里程相应分类的每个VSP bin的平均排放率,如下式所示:
<mrow>
<msub>
<mi>ER</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>er</mi>
<mi>j</mi>
</msub>
</mrow>
其中,ERi为第i个VSP bin的平均排放率,单位g/s;erj是VSP bin为i的第j个VSP对应的排放率,单位为g/s;m是VSP bin为i的VSP个数;
排放率数据库建立模块,将不同车型、排放标准、行驶里程的上述计算结果整理、分类,建立各VSP bin排放率数据库;
其中数据耦合单元进一步包括:
排放因子计算模块,各平均速度区间排放因子的计算方法如下式所示:
<mrow>
<msub>
<mi>EF</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mi>i</mi>
</munder>
<msub>
<mi>ER</mi>
<mi>i</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>VSPbin</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>v</mi>
<mo>&times;</mo>
<mn>3600</mn>
</mrow>
其中,EFk为第k平均速度区间的排放因子,单位为g/km;ERi是第i个VSP bin的平均排放率,单位为g/s;VSP bini是第k平均速度区间第i个VSP bin的分布值;v是第k平均速度区间的中值,单位为km/h;
油耗因子计算模块,计算方法如下式所示:
<mrow>
<msub>
<mi>EF</mi>
<mrow>
<mi>F</mi>
<mi>u</mi>
<mi>e</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>%</mi>
<mi>C</mi>
</mrow>
</mfrac>
<mrow>
<mo>(</mo>
<mfrac>
<mn>12</mn>
<mn>44</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<msub>
<mi>CO</mi>
<mn>2</mn>
</msub>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>12</mn>
<mn>28</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<mi>C</mi>
<mi>O</mi>
</mrow>
</msub>
<mo>+</mo>
<mfrac>
<mn>12</mn>
<mn>13</mn>
</mfrac>
<msub>
<mi>EF</mi>
<mrow>
<mi>H</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,EFFuel为油耗因子;EFCO、EFHC分别为CO2、CO、HC排放因子;%C为燃料中C的质量比例;
其中路段排放量计算单元计算路段排放量的方法如下式所示:
<mrow>
<msub>
<mi>ER</mi>
<mrow>
<mi>sec</mi>
<mi>t</mi>
<mi>i</mi>
<mi>o</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>l</mi>
<mo>&CenterDot;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</munder>
<msubsup>
<mi>EF</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mi>k</mi>
<mi>m</mi>
</mrow>
<mi>v</mi>
</msubsup>
<mo>&CenterDot;</mo>
<mi>q</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>Vehicle</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Fuel</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Standard</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Mileage</mi>
<mi>m</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,ERsection为测算路段排放率,l为测算路段长度,q(Vehiclei,Fuelj,Standardk,Mileagem)为第i种车型、第j种燃料类型、第k种排放标准、第m类行驶里程的交通量,为上述分类对应的速度区间为v的机动车排放因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510085276.9A CN104715605B (zh) | 2015-02-16 | 2015-02-16 | 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510085276.9A CN104715605B (zh) | 2015-02-16 | 2015-02-16 | 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104715605A CN104715605A (zh) | 2015-06-17 |
CN104715605B true CN104715605B (zh) | 2017-09-26 |
Family
ID=53414891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510085276.9A Active CN104715605B (zh) | 2015-02-16 | 2015-02-16 | 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104715605B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206056B (zh) * | 2015-09-25 | 2017-06-16 | 珠海高凌信息科技有限公司 | 道路交通污染源智能预测方法及系统 |
CN105243855B (zh) * | 2015-09-28 | 2017-08-22 | 大连理工大学 | 一种减少机动车尾气排放的交叉口信号配时优化方法 |
CN105355048B (zh) * | 2015-11-05 | 2017-08-25 | 北京交通发展研究院 | 一种交通指数与机动车污染物排放耦合分析方法 |
CN105225488B (zh) * | 2015-11-05 | 2017-08-25 | 北京交通发展研究院 | 一种基于机动车比功率的速度对车辆排放因子修正方法 |
CN105551240B (zh) * | 2015-12-08 | 2017-11-03 | 东南大学 | 基于不同道路状况的汽车尾气排放测定方法 |
CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
CN106875682B (zh) * | 2017-03-31 | 2020-07-31 | 东南大学 | Etc车道和人工收费车道的污染气体排放量对比分析方法 |
CN107886188B (zh) * | 2017-10-18 | 2021-12-10 | 东南大学 | 液化天然气公交尾气排放预测方法 |
CN108763643B (zh) * | 2018-04-23 | 2022-03-11 | 辽宁省计量科学研究院 | 一种地区机动车排放因子计算方法 |
CN108682156B (zh) * | 2018-07-13 | 2021-07-13 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
CN109145401B (zh) * | 2018-07-31 | 2023-09-01 | 石家庄铁道大学 | 一种计算机动车排放清单的方法、系统及终端设备 |
CN109100151A (zh) * | 2018-09-30 | 2018-12-28 | 广西玉柴机器股份有限公司 | 一种叉车pems测试方法 |
CN110097318A (zh) * | 2019-04-30 | 2019-08-06 | 吉旗(成都)科技有限公司 | 一种车辆按区域汇总油耗里程的算法 |
CN110207772B (zh) * | 2019-06-25 | 2021-03-16 | 吉旗(成都)科技有限公司 | 车辆油耗的处理方法及装置 |
CN111260933B (zh) * | 2020-02-11 | 2021-05-28 | 北京交通大学 | 用于高分辨率机动车动态排放清单的小时交通量测算方法 |
CN111354100A (zh) * | 2020-02-28 | 2020-06-30 | 西南交通大学 | 一种基于轨迹数据的货车油耗关键因子量化分析方法 |
CN111721543B (zh) * | 2020-05-12 | 2022-09-30 | 深圳大学 | 一种排放数据的获取方法及装置 |
CN112113912B (zh) * | 2020-08-18 | 2021-08-31 | 北京理工大学 | 一种柴油车排放遥感大数据监测系统及监测方法 |
CN112767686B (zh) * | 2020-12-23 | 2022-06-10 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN113158125B (zh) * | 2021-03-31 | 2022-12-27 | 中汽研汽车检验中心(天津)有限公司 | 一种基于车联网的柴油车NOx排放评测方法 |
FR3122011B1 (fr) | 2021-04-14 | 2024-04-12 | Ifp Energies Now | Procédé de détermination de la quantité d’émissions polluantes émises par un véhicule sur un brin d’un réseau routier |
CN113505464B (zh) * | 2021-05-21 | 2024-04-26 | 清华大学 | 特定区域内机动车排放因子的测量方法 |
CN113553548B (zh) * | 2021-07-19 | 2023-01-10 | 中汽研汽车检验中心(天津)有限公司 | 一种基于车联网大数据的实际运行工况VSPBin划分方法 |
CN113743715B (zh) * | 2021-07-19 | 2024-03-19 | 中汽研汽车检验中心(天津)有限公司 | 基于车联网重型车实际工况的油耗及NOx排放评价方法 |
CN113806675B (zh) * | 2021-08-06 | 2023-06-23 | 中汽研汽车检验中心(天津)有限公司 | 一种NOx排放与油耗特征分析方法 |
CN117591617A (zh) * | 2023-11-21 | 2024-02-23 | 交通运输部规划研究院 | 一种混合交通流动态能耗测算方法、装置及可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010021666A1 (de) * | 2010-05-26 | 2011-01-05 | Daimler Ag | Verfahren zur dynamischen Datenfusion fahrzeugbezogener Verkehrsinformationen |
CN102496079B (zh) * | 2011-12-12 | 2015-04-08 | 北京航空航天大学 | 一种道路能耗与排放的监测方法 |
CN102800197B (zh) * | 2012-02-27 | 2014-07-16 | 东南大学 | 一种城市道路路段动态交通流基础数据的预处理方法 |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天系统工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
-
2015
- 2015-02-16 CN CN201510085276.9A patent/CN104715605B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104715605A (zh) | 2015-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104715605B (zh) | 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统 | |
Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
Duarte et al. | Analysis of fuel consumption and pollutant emissions of regulated and alternative driving cycles based on real-world measurements | |
CN105225488B (zh) | 一种基于机动车比功率的速度对车辆排放因子修正方法 | |
Song et al. | Estimation of fuel efficiency of road traffic by characterization of vehicle-specific power and speed based on floating car data | |
CN103838971A (zh) | 一种城市路网动态交通能耗及排放的计算方法 | |
CN102567811A (zh) | 基于实时道路交通特征的机动车排放测算方法 | |
CN108682156B (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
CN101886940A (zh) | 混合动力电动汽车能耗排放检测系统与检测方法 | |
CN102054222A (zh) | 基于居民出行分析的城市机动车排放量化方法 | |
CN105809963B (zh) | 一种基于实测车的城市通道交通状态评价方法 | |
WO2022036619A1 (zh) | 点燃式发动机汽车尾气排放遥感大数据检测方法和系统 | |
CN106446398B (zh) | 基于交通运行数据和劣化率的轻型汽车排放速率计算方法 | |
Wang et al. | Developing a high-resolution vehicular emission inventory by integrating an emission model and a traffic model: Part 1—Modeling fuel consumption and emissions based on speed and vehicle-specific power | |
Song et al. | Characteristics of low-speed vehicle-specific power distributions on urban restricted-access roadways in beijing | |
Seedam et al. | Motorcycle on-road driving parameters influencing fuel consumption and emissions on congested signalized urban corridor | |
CN113158125B (zh) | 一种基于车联网的柴油车NOx排放评测方法 | |
CN105355048B (zh) | 一种交通指数与机动车污染物排放耦合分析方法 | |
Iodice et al. | Experimental-analytical investigation to estimate an emission inventory from road transport sector | |
CN100446015C (zh) | 一种可用于地面道路网交通状况测定的方法和系统 | |
Donateo et al. | Effect of driving conditions and auxiliaries on mileage and CO 2 emissions of a gasoline and an electric city car | |
Zhai et al. | Comparative analysis of drive-cycles, speed limit violations, and emissions in two cities: Toronto and Beijing | |
Liu et al. | Effects of Carbon Emission on the Environment of High-Speed Vehicles on Highways for Intelligent Transportation Systems | |
Liu et al. | Integrated MOVES model and machine learning method for prediction of CO2 and NO from light-duty gasoline vehicle | |
CN107657147A (zh) | 基于线圈数据的机动车尾气污染物排放量计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |