CN112382096A - 一种基于路肩的公路交通噪声源强预测方法 - Google Patents

一种基于路肩的公路交通噪声源强预测方法 Download PDF

Info

Publication number
CN112382096A
CN112382096A CN202011352911.2A CN202011352911A CN112382096A CN 112382096 A CN112382096 A CN 112382096A CN 202011352911 A CN202011352911 A CN 202011352911A CN 112382096 A CN112382096 A CN 112382096A
Authority
CN
China
Prior art keywords
road
noise source
value
source intensity
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.)
Pending
Application number
CN202011352911.2A
Other languages
English (en)
Inventor
魏如喜
王胜强
于宏兵
马风杰
胡海学
杜腾飞
冀丽娟
张珺
周婧
李源渊
夏群悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Transportation Research Institute
Nankai University
Original Assignee
Tianjin Transportation Research Institute
Nankai University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Transportation Research Institute, Nankai University filed Critical Tianjin Transportation Research Institute
Priority to CN202011352911.2A priority Critical patent/CN112382096A/zh
Publication of CN112382096A publication Critical patent/CN112382096A/zh
Pending legal-status Critical Current

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
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

Abstract

本发明涉及交通噪声源强预测技术领域，更具体地说，涉及一种基于路肩的公路交通噪声源强预测方法。本发明专利目的在于克服现有的公路噪声源强预测模型的预测值和监测值偏差大的问题。本发明公开了一种基于路肩的公路交通噪声源强预测方法，其过程如下：记录目标公路在预设时间段内的各类型车辆的流量值、当前速度值以及各车型车辆的比例，然后计算所述各类型车辆的平均速度值。通过将各车型车辆的总流量值和平均速度值以及各类型车辆的比例值代入到公路噪声源强预测模型中，计算得到目标公路的噪声源强值。该预测方法可在环境影响评价、声屏障设计、城市噪声地图绘制中发挥重要作用。

Description

一种基于路肩的公路交通噪声源强预测方法
技术领域
本发明涉及交通噪声源强预测技术领域，更具体地说，涉及一种基于路肩的公路交通噪声源强预测方法。
背景技术
随着各地机动车保有量的持续增加，公路交通噪声问题日渐突出。公路交通噪声声压级的大小受车速、车流量和车辆类型等主要因素的影响，公路交通噪声声压级大小还和路面状况、路面坡度以及车辆类型等因素有关，大货车和大客车等大型车辆的噪声声压级远大于小型车辆，是公路交通噪声中较大的噪声污染源。车速增加，车辆产生的噪声也逐渐升高。车速和车流量又有在一定条件下的相互制约的关系。对于高速路而言，这种制约关系体现不太明显，因为多数情况下车流量不算大。特殊情形下这种制约关系才体现的明显，例如，公路车辆变得拥堵时，车速会下降，还有节假日免费时二者关系也会体现的比较明显。除此之外，一般由于高速公路车流量较低，对车速影响很小，车辆的平均车速较高。对于国道、省道、外环公路、快速路、甚至市内主干公路来说，平均车速和车流量的相互制约关系比较明显。当车流量较低时，平均车速较高，而当车流量逐渐增加，平均车速会逐渐下降。在高峰时段，平均车速更低，甚至出现拥堵，因此，当车流量逐渐增大到一定值时，平均车速会逐渐下降；不论是在车流量很大，平均车速较低或者车流量较低，平均车速较快时，两种不同类型状况下，公路交通的噪声声压级均会在一定范围内波动。除了假设噪声在公路中的声压级是均匀的，另一假设是基于车辆达到一定数量时，车辆在公路上的随机分布但是每车道内车辆数量相对均匀的。一般的公路设计为多车道，对于平直公路可以认为行车速度是基本匀速的，很多驾驶员有这样的心理，如果其原本行驶的车道车速较慢，而其它车道车速较快，则很多驾驶员会选择变道到车速较快或者车辆较少的车道行驶，最终导致此车道会因为车辆增加或者某一车辆的速度下降而达到和其它车道相近速度，最终导致车辆在每个车道的分布数量相对均匀。公路交通噪声预测是对噪声实测的重要补充，对于公路交通噪声监测与评价和环境影响评价工作具有重要意义。噪声预测模型包括噪声源强模型和噪声传播模型两方面。国内外对于噪声源强预测模型均有研究，我国的交通部和生态环境部的《公路建设项目环境影响评价规范》(JTG B03-2006)和《环境影响评价技术导则声环境》(HJ2.4-2009)均提出噪声预测模型。这些噪声预测模型根据车辆类型分别计算噪声声压级然后进行叠加，虽然采用这样的思路和计算方法是符合逻辑的，其存在的问题主要是计算过程步骤比较多，每一步都会产生误差，多个计算步骤累加起来的误差较大，因此预测值和监测值差异大，在实际应用中偏差大。上述规范和导则有的做法也和实际不符，例如大车等同于多辆小型车的做法和实际差异较大。因此准确预测公路噪声源强值，在公路设计、环境影响评价以及声屏障设计中有重要应用。
发明内容
本发明提供了一种基于路肩的公路交通噪声源强预测方法，以解决现有的技术方案中不能准确预测公路噪声源强值的问题。技术方案如下：
一种基于路肩的公路交通噪声源强预测方法，包括：记录目标公路在一定预设时间段内的各车型车辆的流量值、当前速度值以及各车型车辆包括大、中、小型车辆的比例。根据所述各车型车辆的当前流量值及其所述当前速度值，计算所述目标公路经过车辆的平均速度值；通过将所述各车型车辆的当前流量值和所述目标公路的平均速度值和各类型车辆的比例值代入到预先构建的公路噪声源强预测模型中，可以计算得出目标公路路肩处噪声源强值。
所述预先构建的公路噪声源强预测模型为：
LAeq＝alogV+blnN+cY1+dY2+e
公式中V指的是目标公路预测时间段内各类型车辆的平均车速，单位为公里/小时；N指的是预测时间段内单位时间的车流量，单位为辆/小时；Y1为单位时间内大型车流量与总车流量的比值。Y2为单位时间内中型车流量与总车流量的比值。a的常数值范围为20～22；b的常数值范围为2.5～4.5；c的常数值范围为8～15；d的常数值范围为3～10；e的常数值范围为8～11。大型和中型车辆的分类参照《公路建设项目环境影响评价规范》(JTG B03-2006)或《环境影响评价技术导则 声环境》(HJ2.4-2009)之中的分类方法。
本发明可以实现的效果为：
本发明提供的一种基于路肩的公路交通噪声源强预测方法，通过采集目标公路一定预设时间段内的车流量、平均车速和车辆类型比例，即可预测出目标公路的噪声源强值。该预测方法可以预测多种类型公路和城市道路在内的多种交通噪声源强值，可以在新建公路的环境影响评价、声屏障设计、公路交通噪声监测和城市噪声地图绘制中发挥重要作用。
具体实施方式
实施例1
以荣乌高速天津下辛口村某处路段为目标路段，监测时间为20分钟，监测时间段内车流量为770辆/小时，大型车比例Y1为0.31，中型车比例Y2为0.12，LAeq＝alogV+blnN+cY1+dY2+e，公式中a、b、c、d、e分别取值为20.5、3.4、10、8和10.3，车辆平均车速为108公里/小时，然后计算LAeq为78.7，监测等效连续A声压级为77.9dB(A)，预测值与监测值之差为0.8dB(A)。
实施例2
以京福线天津某处路段为目标路段，监测时间为20分钟，监测时间段内车流量为730辆/小时，大型车比例Y1为0.12，中型车比例Y2为0.03，LAeq＝alogV+blnN+cY1+dY2+e，公式中a、b、c、d、e分别取值为22、4.5、15、10和11，车辆平均车速为46公里/小时，然后计算LAeq为79.4，监测等效连续A声压级为78.5dB(A)，预测值与监测值之差为0.9dB(A)。
实施例3
以天津市区某处路段为目标路段，监测时间为20分钟，监测时间段内车流量为438辆/小时，大型车比例Y1为0，中型车比例Y2为0.12，LAeq＝alogV+blnN+cY1+dY2+e，公式中a、b、c、d、e分别取值为20、2.5、8、3和8，车辆平均车速为48公里/小时，然后计算LAeq为57.2，监测等效连续A声压级为58.3dB(A)，预测值与监测值之差为-1.1dB(A)。
实施例4
以天津市天津大道某处路段为目标路段，监测时间为20分钟，监测时间段内车流量为1553辆/小时，大型车比例Y1为0，中型车比例Y2为0.02，LAeq＝alogV+blnN+cY1+dY2+e，公式中a、b、c、d、e分别取值为21、3.5、12、10和8，车辆平均车速为88公里/小时，然后计算LAeq为74.7，监测等效连续A声压级为75.1dB(A)，预测值与监测值之差为-0.4dB(A)。

Claims (8)

1.一种基于路肩的公路交通噪声源强预测方法，其过程如下：记录目标公路在预设时间段内的各类型车辆的流量值、当前速度值以及各车型车辆的比例，然后计算所述各类型车辆的平均速度值，通过将各车型车辆的总流量值、平均速度值以及各类型车辆的比例值代入到公路噪声源强预测模型中，计算得到目标公路的噪声源强值。
2.根据权利要求1所述的一种基于路肩的公路交通噪声源强预测方法，其特征在于，所述公路噪声源强预测模型为：LAeq＝alogV+blnN+cY1+dY2+e。
3.根据权利要求2所述的公路噪声源强预测模型，其特征在于，V指的是目标公路预测时间段内所有车辆的平均车速，单位为千米/小时；N指的是目标公路预测时间段内的车总流量，单位为辆/小时；Y1为目标公路单位时间内大型车流量与总车流量的比值；Y2为目标公路单位时间内中型车流量与总车流量的比值。
4.根据权利要求2所述的公路噪声源强预测模型，其特征在于，a的取值范围为20～22。
5.根据权利要求2所述的公路噪声源强预测模型，其特征在于，b的取值范围为2.5～4.5。
6.根据权利要求2所述的公路噪声源强预测模型，其特征在于，c的取值范围为8～15。
7.根据权利要求2所述的公路噪声源强预测模型，其特征在于，d的取值范围为3～10。
8.根据权利要求2所述的公路噪声源强预测模型，其特征在于，e的取值范围为8～11。
CN202011352911.2A 2020-11-26 2020-11-26 一种基于路肩的公路交通噪声源强预测方法 Pending CN112382096A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011352911.2A CN112382096A (zh) 2020-11-26 2020-11-26 一种基于路肩的公路交通噪声源强预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011352911.2A CN112382096A (zh) 2020-11-26 2020-11-26 一种基于路肩的公路交通噪声源强预测方法

Publications (1)

Publication Number Publication Date
CN112382096A true CN112382096A (zh) 2021-02-19

Family

ID=74588631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011352911.2A Pending CN112382096A (zh) 2020-11-26 2020-11-26 一种基于路肩的公路交通噪声源强预测方法

Country Status (1)

Country Link
CN (1) CN112382096A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241756A (zh) * 2021-12-07 2022-03-25 中交第一公路勘察设计研究院有限公司 一种高速公路施工期间硬路肩动态使用方法和系统
CN116611620A (zh) * 2023-07-18 2023-08-18 厚德智能技术(山东)有限公司 一种智慧城市安全协同管理信息系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241756A (zh) * 2021-12-07 2022-03-25 中交第一公路勘察设计研究院有限公司 一种高速公路施工期间硬路肩动态使用方法和系统
CN114241756B (zh) * 2021-12-07 2023-03-31 中交第一公路勘察设计研究院有限公司 一种高速公路施工期间硬路肩动态使用方法和系统
CN116611620A (zh) * 2023-07-18 2023-08-18 厚德智能技术(山东)有限公司 一种智慧城市安全协同管理信息系统
CN116611620B (zh) * 2023-07-18 2023-09-19 厚德智能技术(山东)有限公司 一种智慧城市安全协同管理信息系统

Similar Documents

Publication Publication Date Title
CN112382096A (zh) 一种基于路肩的公路交通噪声源强预测方法
CN110675624B (zh) 一种高风险路段的行车风险控制方法
CN102704730A (zh) 设置在道路边侧或当中的立体车库框架结构形式
CN106997496B (zh) 一种双向两车道公路施工区最佳施工长度设置方法
CN106504164A (zh) 一种城乡结合部低等级道路速度控制区段的划分方法
CN102360527A (zh) 涉及交叉口服务水平的评价方法
CN104182633A (zh) 分层次的交通运行评价方法
CN113688561A (zh) 一种基于神经网络的高速公路施工区最优预警距离确定方法
CN112071088B (zh) 一种防堵车红绿灯控制系统及控制方法
CN108898857A (zh) 一种考虑安全可靠性的交叉口机动车绿灯间隔设置方法
CN111767644B (zh) 考虑单隧道限速影响高速公路路段实际通行能力估计方法
CN108389405A (zh) 道路交通容量控制方法
CN108171975A (zh) 一种基于路段和交叉口分布的城市汽车运行速度预测方法
CN202352104U (zh) 基于地磁传感器的拐角提示系统
Xing et al. Comprehensive safety assessment model of road long tunnel based on VISSIM
CN108389390A (zh) 一种智能交通管理系统及使用方法
Dubolazov et al. The method of calculating the number of truck stops
Vaišis et al. Modelling of noise level in the northern part of Klaipeda city
Xing et al. Traffic safety evaluation model of road tunnels based on VISSIM
Datta et al. Effective safety improvements through low-cost treatments
Shao et al. Study on the length of median opening in expressway reconstruction and extension work zones
Tseng et al. Analysis of free-flow speed characteristics of urban arterials
Wang et al. Modeling and Analyzing Road Capacity in Subway Work Zones Using Traffic Flow Organization Theories
Zhao et al. Research on the Policy of Private Cars Travelling at Peak Hours on BRT Roads in Guangzhou City
CN1228745C (zh) 城市平面交叉路口辅助信号控制系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication