CN107657147B - 基于线圈数据的机动车尾气污染物排放量计算方法 - Google Patents
基于线圈数据的机动车尾气污染物排放量计算方法 Download PDFInfo
- Publication number
- CN107657147B CN107657147B CN201710951771.2A CN201710951771A CN107657147B CN 107657147 B CN107657147 B CN 107657147B CN 201710951771 A CN201710951771 A CN 201710951771A CN 107657147 B CN107657147 B CN 107657147B
- Authority
- CN
- China
- Prior art keywords
- coil
- motor vehicle
- road section
- vehicle
- calculating
- 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
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于线圈数据的机动车尾气污染物排放量计算方法,包括以下步骤:步骤10)利用线圈检测装置获取检测时间内路段的交通信息;步骤20)提取出建立机动车尾气污染物排放量计算关系式需要的交通数据;步骤30)通过回归分析建立多个机动车尾气污染物排放量计算关系式,根据计算关系式的拟合优度选取最优的计算关系式;步骤40)获取待测路段的交通数据并带入最优计算关系式中,计算检测时段内通过路段车辆的尾气污染物排放总量。该车辆尾气污染物排放量计算方法利用线圈检测设备获取实时交通数据,实时计算机动车道路路段车辆尾气污染物排放量,对交通的环境影响进行评价。
Description
技术领域
本发明涉及机动车道路交通环境影响评价方法,具体涉及一种基于线圈数据的机动 车尾气污染物排放量计算方法。
背景技术
随着国内机动车保有量迅速的逐年增长,机动车尾气排放的污染物对人体健康的威 胁也日益被人们重视。如何准确快速地计算机动车尾气污染物的排放量也成为交通学科 研究的热点。
目前应用于宏观车辆尾气污染物排放量计算的方法大多只将车辆通过路段的平均 速度作为计算参数,不能反映车辆在行驶过程中真实的状态,计算结果自然与真实值相差很大。用于微观的计算方法对数据的要求较高,所需的时间较长,在实际工程中实时 应用比较困难。如何充分利用交通流数据,尽可能反映车辆真实的行驶状态,并且对计 算的过程和时间要求较低,是排放量计算方法能否运用于实际工程中的关键。
经发明人长期研究发现,随着道路交通基础设施的不断完善,越来越多的道路上已 经安装线圈检测器,线圈检测器作为一种交通流检测设备适用于多种交通环境,采集的交通数据准确性也较高,并且能够实时返回数据,然而目前很少有线圈检测器应用于计 算机动车尾气污染物排放量的计算。如果能够将线圈检测器采集的数据应用于排放量的 计算上,则可以充分利用交通流检测设备,评价交通的环境影响。
发明内容
发明目的:基于以上问题,本发明提出一种基于线圈数据的实时计算机动车尾气污 染物排放量的方法,该计算方法利用交通流检测设备获取实时交通数据,实时计算机动车道路上车辆的尾气排放量,对交通环境影响进行评价。
技术方案:一种基于线圈数据的机动车尾气排放量计算方法,包括以下步骤:
步骤10)获取设定时间内路段的交通信息:在机动车道路上安装多个线圈检测设备, 相邻两个线圈检测设备间距为800米;利用线圈检测设备采集设定时段T内通过线圈的车辆的交通数据;
步骤20)提取设定时段T内第i个时间间隔内通过线圈每辆车的速度vij、第i个时间间隔内通过线圈车辆的平均速度x1i、速度标准差x2i、通过线圈的车辆数x3i、测量的 时间间隔数n,根据以下式(1)和式(2)分别计算每辆车通过路段的空间平均车速x1i和速度标准差x2i:
步骤30)建立机动车尾气污染物排放量计算关系式:
利用MOVES(Motor Vehicle Emission Simulator)软件计算设定时段内通过检测路 段每辆车的污染物排放量,通过回归分析建立如式(3)所示集计的车辆污染物排放量计算关系式:
P(xi)=(β0+β1*x1i+β2*x2i+β3*x1i*x2i+β4*x2i 2+β5*x1i*x2i 2+β6*x2i 3)*x3i (3)
其中,i=1、2、…、n;P(xi)表示第i个5分钟内通过线圈车辆在检测路段上行驶 的尾气污染物排放量;x1i表示第i个5分钟内通过线圈车辆的平均速度,x2i表示第i个 5分钟内通过线圈车辆的速度标准差,x3i表示第i个5分钟内通过线圈的车辆数;β0为 常数,β1为x1i的系数,β2为x2i的系数,β3为x1i*x2i的系数,β4为x2i 2的系数,β5为 x1i*x2i 2的系数,β6为x2i 3的系数;β0、β1、β2、β3、β4、β5和β6可通过回归分析得 到,并带入式(3)中,得到标定后的车辆污染物排放量计算关系式;
步骤40)利用步骤10)设置的线圈检测设备,实时采集待测路段的交通数据,提 取并计算得到采集时段内第i个时间间隔内通过线圈车辆的平均车速x1i、速度标准差x2i、 车辆数x3i、测量的时间间隔数n,并带入步骤30)得到的标定后的车辆污染物排放量 计算关系式中,计算第i个时间间隔内通过线圈车辆在检测路段上行驶的尾气污染物排 放量P(xi),再利用式(4)计算所有车辆的尾气污染排放总量:
有益效果:与现有计算方法相比,本发明的计算方法具有以下有益效果:
1、车辆污染物排放量计算准确。已有的车辆污染物排放量计算方法一般只是将路段车辆的平均速度作为计算参数,本发明同时将车辆的平均速度和速度标准差作为计算参数,较为充分利用交通数据的信息,使得排放量计算的准确性得到提高。本发明中, 在机动车道路上设有线圈检测装置。通过线圈检测器采集检测路段交通数据,提取出每 5分钟通过线圈车辆的平均速度及速度标准差,并在排放量计算模型中标定各个系数。 这样,在排放量计算模型中既使用了车辆的平均速度,又使用了速度标准差,充分利用 了交通数据。该模型就能更为准确的计算机动车污染物排放量,因为机动车尾气污染物 排放量不仅与每辆车的行驶速度有关,还与车辆速度变化情况以及交通流状态有重要关 系。
2、计算过程简单快速。在本发明中,通过步骤30),得到的机动车尾气污染物排 放量计算关系式后,只需采集检测路段中点线圈的交通数据,提取出设定时段内指定时 间间隔内通过线圈车辆平均速度、速度标准差和车辆数,就可以准确计算设定时段内通 过线圈车辆在检测路段上行驶的尾气污染物排放总量,使用简便、实用性强。本发明的 方法具有实际的工程运用价值。
附图说明
图1是本发明的方法流程图;
图2是本发明的线圈检测器在道路上的布设示意图;
图3是不同集计间隔下的模型拟合度示例。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
本发明的车辆尾气污染物计算方法中,应用的交通流检测装置为线圈检测设备。线 圈检测设备按照设定时长,实时采集检测通过线圈的所有车辆的交通信息,并提取出所需形式的交通数据。将采集到的实时交通流数据带入本发明所建立的车辆尾气污染物排放量计算关系式中,测算设定时间内通过路段所有车辆的尾气污染物排放量。
如图1所示,本发明的基于线圈数据的机动车尾气污染物排放量计算方法,包括以下步骤:
步骤10)获取路段的交通信息
在机动车道路上安装多个线圈检测设备,将每个线圈检测设备的上下游一定范围内 的道路设为一个检测路段,利用线圈检测设备采集通过线圈的所有车辆的交通数据。在本实施例中,如图2所示,相邻的两个线圈检测设备之间距离为800米,且沿道路均匀 布置。在检测路段这一较短范围内,线圈检测的车辆行驶速度可以反映车辆在检测路段 的行驶状态。线圈可以记录通过其车辆的速度,并经由无线电每30秒向基站发送这30 秒内通过线圈车辆的速度vij,单位为米/30秒。
步骤20)从交通数据中提取所需参数
基于线圈传回的车速数据vij,以一定的时间间隔作为集计单位提取出检测时段内第 i个集计区间内通过线圈的车辆数x3i,检测时间一般取时间间隔的整数倍,因此可以得到测量的时间间隔数n。选定一个样本路段,计算出第i个集计区间内每辆车通过样本 路段的平均车速x1i和速度标准差x2i,计算公式如下:
步骤30)建立机动车尾气污染物排放量计算关系式
利用平均车速和速度标准差,通过回归分析,建立多个模型并根据模型的拟合优度。 通过R方进行比选,R方较大的模型作为较优的模型。得到的各排放模型如表1所示:
表1基于线圈数据的车辆污染物排放模型比选列表
作为集计单位的时间间隔可以取不同的值,例如2分钟、4分钟、5分钟等,如图3所示,本发明对不同的时间间隔进行拟合后发现,以5分钟作为集计单位对返回的数据 进行处理可以使模型的拟合优度最优,从而使排放量的计算关系式最为准确。而且由于 随着自变量的幂次增加,模型会出现过拟合的情况,所以最终选取了模型17作为最优 模型:
P(xi)=(β0+β1 *x1i+β2 *x2i+β3 *x1i *x2i+β4 *x2i 2+β5 *x1i *x2i 2+β6*x2i 3)*x3i (3)
其中,i=1、2、…、n;
P(xi)表示第i个时间间隔内通过线圈车辆的尾气污染物排放量,在这一步中每辆车 的污染物排放量是一个已知值,是利用MOVES软件计算得到的模拟值;
x1i表示设定时段T内第i个时间间隔内通过线圈车辆的平均速度,x2i表示设定时段 T内第i个时间间隔内通过线圈车辆的速度标准差,x3i表示设定时段T内第i个时间间隔内通过线圈的车辆数;
β0为常数,β1为x1i的系数,β2为x2i的系数,β3为x1i*x2i的系数,β4为x2i 2的系 数,β5为x1i*x2i 2的系数,β6为x2i 3的系数;β0、β1、β2、β3、β4、β5和β6可通过回 归分析得到,并带入式(1)中,得到标定后的车辆污染物排放量计算关系式。
步骤40)利用步骤10)设置的线圈检测设备,在待测路段实时采集交通数据,交 通数据包括线圈发送的每辆车30秒速度vij、采集时段内第i个时间间隔内通过线圈的车 辆数x3i,以及测量的时间间隔数n,利用步骤20)中的公式计算第i个时间间隔内通过 待测路段的车辆平均车速x1i和速度标准差x2i,并带入步骤30)得到的标定后的车辆污 染物排放量计算关系式中,计算第i个时间间隔内通过该路段所有车辆的尾气污染物排 放量P(xi),再利用式(4)计算设定时段T内所有车辆的尾气污染排放总量:
下面以美国加利福利亚州US101道路上的车辆交通数据为例,测试本发明在计算车 辆污染物排放量方面的性能。设定检测时段T为40分钟,时间间隔取5分钟,则测量 的时间间隔数n为8。采集的数据包括40分钟内第i个5分钟内通过线圈的每辆车的平 均车速x1i、每辆车的速度标准差x2i、通过的车辆数x3i。
现测得在40分钟内有4824辆车通过路段,将每辆车的交通数据作为输入使用MOVES模型计算每辆车的污染物排放量。再利用回归分析,根据本发明步骤30),确 定β0、β1、β2、β3、β4、β5和β6的值,如表2所示,带入式(1)中,得到第i个5 分钟内通过线圈车辆在检测路段上行驶的污染物排放量计算关系式,如下式所示:
P(xi)=(-19.05+1.112*x1i+9.182*x2i-0.398*x1i*x2i-0.782*x2i 2+0.031*x1i *x2i 2+0.007*x2i 3)*x3i将8个5分钟内车辆排放量累加得到40分钟内通过路段所有车辆的污染物排放总量, 如下式所示:
表2车辆污染物排放量计算模型系数
利用该机动车尾气污染物排放量计算方法对4824辆车的排放总量进行计算,得到的结果与真实值的误差为0.82%。利用现有的只利用平均车速的计算方法得到的结果与真实值的误差为-24.97%,显著低于本发明对排放量计算的准确性。因此,本发明的方 法通过考虑车辆速度的离散型,在回归模型中加入车辆通过线圈的平均速度和速度标准 差,能够实时准确计算车辆污染物的排放量。
Claims (5)
1.一种基于线圈数据的机动车尾气污染物排放量计算方法,其特征在于,包括以下步骤:
步骤10)在机动车道路上安装多个线圈检测设备,将每个线圈检测设备的上下游各一定范围内的道路设为一个检测路段,利用线圈检测设备采集通过线圈的所有车辆的交通数据;
步骤20)从交通数据中提取出建立机动车尾气污染物排放量计算关系式所需的参数;
步骤30)建立机动车尾气污染物排放量计算关系式,并通过回归分析得到关系式中各项系数的取值,得到标定后的机动车尾气污染物排放量计算关系式;
步骤40)获取待测路段的交通数据并带入标定后污染物排放量计算关系式中,计算检测时段内通过路段车辆的尾气污染物排放总量;
所述步骤20)中从交通数据中提取的参数包括:设定的检测时段内第i个时间间隔内通过线圈的第j辆车的速度vij、第i个时间间隔内通过线圈车辆的平均车速x1i、速度标准差x2i、通过线圈的车辆数x3i以及测量的时间间隔数n,根据以下式(1)和式(2)计算每辆车通过路段的空间平均车速x1i和速度标准差x2i:
所述步骤30)中机动车尾气污染物排放量计算关系式为:
P(xi)=(β0+β1*x1i+β2*x2i+β3*x1i*x2i+β4*x2i 2+β5*x1i*x2i 2+β6*x2i 3)*x3i (3)
其中,i=1、2、…、n;P(xi)表示第i个时间间隔内所有通过线圈车辆在检测路段行驶的尾气污染物排放量;x1i表示第i个时间间隔内通过线圈车辆的平均速度,x2i表示第i个时间间隔内通过线圈车辆的速度标准差,x3i表示第i个时间间隔内通过线圈的车辆数;β0为常数,β1为x1i的系数,β2为x2i的系数,β3为x1i*x2i的系数,β4为x2i 2的系数,β5为x1i*x2i 2的系数,β6为x2i 3的系数;β0、β1、β2、β3、β4、β5和β6可通过回归分析得到,并带入式(3)中,得到标定后的污染物排放量计算关系式。
2.根据权利要求1所述的基于线圈数据的机动车尾气污染物排放量计算方法,其特征在于,所述步骤10)中,相邻的两个线圈检测设备之间距离为800米,且线圈检测设备沿道路均匀布置,将每个检测设备的上下游各400米即共800米的路段作为一个检测路段。
4.根据权利要求3所述的基于线圈数据的机动车尾气污染物排放量计算方法,其特征在于,所述设定时段T的时长为指定时间间隔i的整数倍。
5.根据权利要求4所述的基于线圈数据的机动车尾气污染物排放量计算方法,其特征在于,所述指定时间间隔i的长度为5分钟。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710951771.2A CN107657147B (zh) | 2017-10-13 | 2017-10-13 | 基于线圈数据的机动车尾气污染物排放量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710951771.2A CN107657147B (zh) | 2017-10-13 | 2017-10-13 | 基于线圈数据的机动车尾气污染物排放量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657147A CN107657147A (zh) | 2018-02-02 |
CN107657147B true CN107657147B (zh) | 2020-04-24 |
Family
ID=61117812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710951771.2A Active CN107657147B (zh) | 2017-10-13 | 2017-10-13 | 基于线圈数据的机动车尾气污染物排放量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657147B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858144B (zh) * | 2019-01-29 | 2020-06-05 | 江苏啸峰环保科技股份有限公司 | 一种扬尘源的排量计算模型构建方法及扬尘排量计算方法 |
CN109948108B (zh) * | 2019-05-21 | 2019-08-09 | 江苏啸峰环保科技股份有限公司 | 扬尘排量计算模型选择、排量计算及排量数据的验证方法 |
-
2017
- 2017-10-13 CN CN201710951771.2A patent/CN107657147B/zh active Active
Non-Patent Citations (7)
Title |
---|
"Predicting crash likelihood and severity on freeways with real-time loop detector data";Chengcheng Xu等;《Accident Analysis & Prevention》;20130331;第57卷;第30-39页 * |
"Real-time estimation of secondary crash likelihood on freeways using high-resolution loop detector data";Chengcheng Xu等;《Transportation Research Part C: Emerging Technologies》;20160830;第71卷;第406-418页 * |
"临时养护区CMEM模型的微观仿真参数标定";高天智等;《交通运输工程学报》;20161231;第16卷(第6期);第114-124页 * |
"基于平均车速和车速标准差的路段安全分析方法";吴义虎等;《公路交通科技》;20080331;第25卷(第3期);第139-142页 * |
"基于无线HART的车辆速度检测器设计";袁武等;《软件导刊》;20161031;第15卷(第10期);第76-79页 * |
"基于车道集计交通流数据的事故风险评估分析";杨奎等;《同济大学学报(自然科学版)》;20161031;第44卷(第10期);第1567-1572页 * |
"高速公路大型车混入率与交通流稳定性关系";梁国华等;《长安大学学报(自然科学版)》;20140731;第34卷(第4期);第120-126页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107657147A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Modeling carbon emissions from urban traffic system using mobile monitoring | |
CN105005694B (zh) | 一种基于动态称重系统的桥梁疲劳寿命频域分析方法 | |
Favez et al. | Cold start extra emissions as a function of engine stop time: Evolution over the last 10 years | |
Du et al. | Increasing the accuracy of trip rate information from passive multi-day GPS travel datasets: Automatic trip end identification issues | |
Song et al. | Characteristics of low-speed vehicle-specific power distributions on urban restricted-access roadways in beijing | |
López-Martínez et al. | Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid | |
CN105259215B (zh) | 半导体气敏元件的测试方法 | |
CN107300550A (zh) | 一种基于bp神经网络模型预测大气重金属浓度的方法 | |
CN110111563A (zh) | 一种城市快速路的实时交通状态估计方法 | |
CN107063955B (zh) | 空气颗粒物检测仪校准方法及管理系统 | |
CN106845768A (zh) | 基于生存分析参数分布的公交车旅行时间模型构建方法 | |
CN107657147B (zh) | 基于线圈数据的机动车尾气污染物排放量计算方法 | |
Laubach | Testing of a Lagrangian model of dispersion in the surface layer with cattle methane emissions | |
CN109637143A (zh) | 改进的行程时间可靠性分析方法 | |
CN105809249A (zh) | 一种基于双神经网络的pm2.5浓度检测与预测系统及方法 | |
Wen et al. | Near-roadway monitoring of vehicle emissions as a function of mode of operation for light-duty vehicles | |
CN103995147B (zh) | 一种适用于声学多普勒流速仪的数据后处理系统与应用 | |
CN107832495A (zh) | 基于车辆轨迹数据的机动车尾气污染物排放量计算方法 | |
CN112100721B (zh) | 基于移动群智感知和深度学习的桥梁结构模态识别方法 | |
CN103033274B (zh) | 一种日照温度概率密度的测定方法 | |
CN106525674A (zh) | 一种便携式大气颗粒物浓度仪器测量数据的校准方法 | |
CN104850684A (zh) | 针对vissim的路网参数校正方法 | |
CN207964786U (zh) | 一种基于比对差值法氨逃逸检测装置 | |
Sharma et al. | Developing speed dependent emission factors using on-board emission measuring equipment in India | |
CN107331159A (zh) | 一种基于线圈检测器数据的交通主干道速度估计装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |