CN112767686A - 一种基于多源数据融合的公路网汽车排放估算方法 - Google Patents
一种基于多源数据融合的公路网汽车排放估算方法 Download PDFInfo
- Publication number
- CN112767686A CN112767686A CN202011541014.6A CN202011541014A CN112767686A CN 112767686 A CN112767686 A CN 112767686A CN 202011541014 A CN202011541014 A CN 202011541014A CN 112767686 A CN112767686 A CN 112767686A
- Authority
- CN
- China
- Prior art keywords
- emission
- road
- automobile
- network
- 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.)
- Granted
Links
Images
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
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源数据融合的公路网汽车排放估算方法,包括如下步骤:收集统计周期内高速公路的收费数据、卡口数据和车辆GPS轨迹数据,构建用于公路网汽车排放估算的历史数据库;数据预处理;计算高速公路网中的汽车污染物排放量,只要车辆的行驶路径中包含了高速公路,即将其产生的排放归类为高速公路网中的排放量;计算普通公路网中的汽车污染物排放量,车辆的行驶路径中仅包含普通公路且不包含高速公路,即将其排放归类为普通公路网中的汽车排放量;计算公路网中的汽车污染物排放量,本估算方法在充分利用现有数据资源及不增加软硬件投入的情况下,构建了完整的公路网汽车排放量估算流程与方法,可提高公路排放量计算的质量与效率。
Description
技术领域
本发明申请涉及交通排放领域,尤其涉及一种基于多源数据融合的公路网汽车排放估算方法。
背景技术
随着工业化、城镇化进程加快和消费结构持续升级,我国能源需求刚性增长,资源环境问题仍是制约我国经济社会发展的瓶颈之一,节能减排形势严峻、任务艰巨。公路运输在经济和社会发展中具有举足轻重的地位,其特点决定了公路运输企业在提供客货位移的运输生产服务时,必然伴随着大量的能源消耗,也给生态环境造成负面影响。公路网汽车排放估算方法是利用统计技术对公路运输活动的相关数据进行采集、整理和计算,结合相关排放模型,得到公路网车辆的排放量,为节能减排、建设生态文明等相关政策等提供决策依据。
然而,目前从实践上看,我国公路网车辆排放估算的相关工作尚不完善。如:缺乏车辆在运输服务过程中排放的量化数据;缺少对各种车型排放强度的量化评价;缺乏经过科学严谨的调研测算建立的适用于各地的排放模型;缺乏对公路网中车辆排放的时空特征及规律的研究,无法进行排放变化趋势监测及排放黑点分析。
近年来,交通行业信息化、自动化系统已初具规模,车辆排放的测量技术日渐成熟。如广东省高速公路网已实现全省联网收费、全国的国省道建立了多个连续式交通量观测站等;经过几年的发展,上述业务系统已比较成熟,并积累了大量的基础数据。因此,本发明申请利用这些基础数据,结合特定的排放模型,为实现公路网汽车排放的估算,提出了一种基于多源数据融合的公路网汽车排放估算方法。
发明内容
本发明申请所要解决的技术问题在于,提供一种基于多源数据融合的公路网汽车排放估算方法,用于对公路网车辆排放的估算,为节能减排等相关政策提供决策依据。
为解决上述技术问题,本发明申请提供一种基于多源数据融合的公路网汽车排放估算方法,包括如下步骤:
S1、收集统计周期内高速公路的收费数据、卡口数据和车辆GPS轨迹数据,构建用于公路网汽车排放估算的历史数据库;
S2、数据预处理;
S3、计算高速公路网中的汽车污染物排放量,只要车辆的行驶路径中包含了高速公路,即将其产生的排放归类为高速公路网中的排放量;
S4、计算普通公路网中的汽车污染物排放量,车辆的行驶路径中仅包含普通公路且不包含高速公路,即将其排放归类为普通公路网中的汽车排放量;
S5、计算公路网中的汽车污染物排放量。
进一步地,步骤S1中所述高速公路的收费数据包括:入口区域编码、入口路段号、入口站编码、入口车道号、入口车道类型、入口发卡时间、区域编码、路段号、站编号、出口车道号、出口车道类型、收费时间、车牌号、车型、车种、公里、总轴数、轴型代码、总重量、限重、超限率、免费类型代码、路径标识、OBU号、是否绿色通道车辆代码、支付方式、车流量、出口流水号、上传时间等字段;
所述卡口数据包含:设备编号,点位名称,点位经度,点位纬度,号牌号码,号牌颜色,车辆类型,过车时刻等字段;
所述车辆GPS轨迹数据包含:车牌、车牌颜色、GPS数据产生时间、纬度、经度、车辆速度、车辆行驶方向、海拔高度、行驶里程、车辆所属人姓名、车辆ID卡号、GPS数据记录时间、数据编码方式等字段。
进一步地,步骤S3中所述计算高速公路网的汽车污染物排放量的具体过程为:
基于高速公路的收费数据和卡口数据,计算行驶在高速公路网中各类车辆的行驶车次数、平均行驶距离及平均行驶速度;
根据平均行驶速度与排放因子计算模型COPERT计算各类车辆的排放因子;
然后根据排放量计算公式计算高速公路网中的汽车污染排放量,其中,排放量计算公式为:高速公路网中的汽车污染排放量=行驶在高速公路网中各类车辆的行驶车次数×行驶在高速公路网中各类车辆的平均行驶距离×排放因子。
进一步地,步骤S4中所述计算普通公路网中的汽车污染物排放量的具体过程为:基于车辆GPS轨迹数据,将车辆GPS轨迹数据与公路网的电子地图路网信息进行关联匹配,确定车辆行驶的准确位置,计算得到各类车辆仅行驶在普通公路中的占比;
根据行驶在高速公路网中各类车辆的行驶车次数以及各类车辆仅行驶在普通公路中的占比,计算获得行驶在普通公路网中的各类车辆的行驶车次数,具体计算公式为:行驶在普通公路网中的行驶车次数=行驶在高速公路网中的行驶车次数×仅行驶在普通公路中的占比/(1-仅行驶在普通公路中的占比);
基于车辆GPS轨迹数据,计算行驶在普通公路网中各类车辆的平均行驶距离和平均行驶速度;
结合平均行驶速度,根据排放量计算公式计算普通公路网中的汽车污染物排放量,具体计算公式为:普通公路网中的汽车污染物排放量=行驶在普通公路网中的行驶车次数×行驶在普通公路网中各类车辆的平均行驶距离×排放因子。
进一步地,步骤S5所述的公路网中的汽车污染物排放量=高速公路网中的汽车污染排放量+普通公路网中的汽车污染物排放量。
进一步地,所述进行关联匹配,具体如下:
以车辆GPS轨迹点为圆心,定位误差椭圆长半轴与道路简化误差之和为半径作轨迹点的误差圆,误差圆内的道路即为候选匹配道路,通过轨迹点向候选道路做垂线,若垂足落在候选道路上,则垂足即为轨迹点在候选道路上的候选点;若垂足落在候选道路的延长线上,则道路上距离轨迹点最近的节点为候选点;
根据车辆行驶的连续性,选择与相邻轨迹点的候选点满足拓扑可达性且路径长度较小的候选点所在道路作为匹配道路;
若匹配道路上含有多个候选点,求出轨迹点与各候选点之间的距离,选择距离最小的点作为轨迹点的匹配点。
本发明申请与现有技术相比,具有以下有益效果:
1.本发明申请依托现有的收费数据、卡口数据和车辆GPS轨迹数据三类数据提出了基于多源数据融合的公路网汽车排放量估算方法,实现了公路全路网汽车排放量的自动化监测;
2.本发明申请充分利用现有数据资源,在不增加软硬件投入的情况下,构建了完整的公路网汽车排放量估算方法,提高了公路网汽车排放量监测的质量与效率。
附图说明
图1为本发明的方法流程图。
图2为本发明计算高速公路网中的汽车排放量的方法流程图。
图3为本发明计算普通公路网中的汽车排放量的方法流程图。
图4为本发明进行车辆GPS轨迹点与路网地图关联匹配的方法流程图。
图5为实施例路网分布图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。应理解该实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,本发明实施例公开的一种基于多源数据融合的公路网汽车排放估算方法,主要包括如下步骤:
1)以设定的统计周期收集高速公路收费数据、卡口数据、车辆GPS轨迹数据、构建用于公路网汽车排放估算的历史数据库;
2)数据预处理;
3)计算高速公路网中的汽车污染物排放量;
4)计算普通公路网中的汽车污染物排放量;
5)计算公路网中的汽车污染物排放量。
所述步骤1)包括以下内容:
1.1)高速公路收费数据包含:入口区域编码、入口路段号、入口站编码、入口车道号、入口车道类型、入口发卡时间、区域编码、路段号、站编号、出口车道号、出口车道类型、收费时间、车牌号、车型、车种、公里、总轴数、轴型代码、总重量、限重、超限率、免费类型代码、路径标识、OBU号、是否绿色通道车辆代码、支付方式、车流量、出口流水号、上传时间等字段;
1.2)卡口数据包含:设备编号,点位名称,点位经度,点位纬度,号牌号码,号牌颜色,车辆类型,过车时刻等字段;
1.3)车辆GPS轨迹数据包含:车牌、车牌颜色、GPS数据产生时间、纬度、经度、车辆速度、车辆行驶方向、海拔高度、行驶里程、车辆所属人姓名、车辆ID卡号、GPS数据记录时间、数据编码方式等字段;
所述步骤2)包括以下内容:
2.1)剔除用于公路网汽车排放历史数据库中收费数据和卡口数据中的异常数据、对车辆GPS轨迹数据进行去重处理;
2.2)通过查询资料,确定当地的气候条件及燃油品质等参数。
所述步骤3)包括以下内容:
3.1)所述高速公路网中的汽车排放量,指只要车辆的行驶路径中包含了高速公路,即将其产生的排放归类为高速公路网中的排放量;
3.2)基于高速公路收费数据和卡口数据,计算行驶在高速公路网中各类车辆的行驶车次数、平均行驶距离及平均行驶速度;
3.3)根据步骤3.2)获得的行驶在高速公路网中各类车辆的行驶车次数、平均行驶距离及平均行驶速度,使用现有的排放因子计算模型COPERT计算各类车辆的排放因子,进而求出排放量,高速公路网中的汽车污染排放量=行驶在高速公路网中各类车辆的行驶车次数×行驶在高速公路网中各类车辆的平均行驶距离×排放因子。
所述步骤4)包括以下内容:
4.1)所述普通公路网中的汽车排放量,指车辆的行驶路径中仅包含普通公路且不包含高速公路,即将其排放归类为普通公路网中的汽车排放量;
4.2)基于车辆GPS轨迹数据,将车辆GPS轨迹数据与公路网的电子地图路网信息进行关联匹配,确定车辆行驶的准确位置,计算得到各类车辆仅行驶在普通公路中的占比。在进行关联匹配时,具体方法如下:
4.2.1)以车辆GPS轨迹点为圆心,定位误差椭圆长半轴与道路简化误差之和为半径作轨迹点的误差圆,误差圆内的道路即为候选匹配道路。通过轨迹点向候选道路做垂线,若垂足落在候选道路上,则垂足即为轨迹点在候选道路上的候选点;若垂足落在候选道路的延长线上,则道路上距离轨迹点最近的节点为候选点;
4.2.2)根据车辆行驶的连续性,选择与相邻轨迹点的候选点满足拓扑可达性且路径长度较小的候选点所在道路作为匹配道路;
4.2.3)若匹配道路上含有多个候选点,求出轨迹点与各候选点之间的距离,选择距离最小的点作为轨迹点的匹配点。
4.3)基于步骤3.2)获得的行驶在高速公路网中各类车辆的行驶车次数,及基于步骤4.2)获得的各类车辆仅行驶在普通公路中的占比,行驶在普通公路网中的行驶车次数=行驶在高速公路网中的行驶车次数×仅行驶在普通公路中的占比/(1-仅行驶在普通公路中的占比);
运用以上公式计算得到行驶在普通公路网中的各类车辆的行驶车次数;
4.4)基于车辆GPS轨迹数据,计算行驶在普通公路网中各类车辆的平均行驶距离和平均行驶速度;
4.5)基于步骤4.3)与步骤4.4)获得的行驶在普通公路网中的各类车辆的行驶车次数、平均行驶距离和平均行驶速度,使用排放因子计算模型COPERT计算各类车辆的排放因子,进而求出排放量,普通公路网中的汽车污染物排放量=行驶在普通公路网中的行驶车次数×行驶在普通公路网中各类车辆的平均行驶距离×排放因子。
所述步骤5)包含以下内容:
5.1)所述公路网,是指由高速公路网与普通公路网组成的路网;
5.2)基于步骤3.3)与步骤4.5)获得的行驶在高速公路网中的及行驶在普通公路网中的汽车排放量,
公路网中的排放量=高速公路网中的排放量+普通公路网中的排放量
运用以上公式计算得到公路网中各类车辆的排放量。
下面用结合具体示例说明本发明。以图4所示路网为研究对象,该路网为广东省2016年全省的公路网。
(1)收集2016年9月份广东省全省的高速公路收费数据、卡口数据及车辆GPS轨迹数据,构建用于广东省公路网货物运输统计的历史数据库。
(2)数据预处理
剔除高速公路收费数据中的异常数据;剔除卡口数据中的异常数据;对车辆GPS轨迹数据进行去重处理;对车辆GPS轨迹数据进行识别,提取有效的行驶状态下的车辆行程。
(3)计算高速公路网中的汽车排放量
基于2016年9月的广东省高速公路收费数据以及卡口数据,对统计周期内全省高速公路的不同类型的车流量进行统计,获取行驶在高速公路网中各类车的行驶车次数、平均速度及平均行驶距离,利用COPERT软件求出排放因子及排放量,计算结果如下表所示:
表1高速公路网中的汽车排放量计算结果
(4)计算普通公路网中的汽车排放量
基于车辆GPS轨迹数据,计算全路网中各类车仅行驶在普通公路上的占比,结果如下表所示:
表2各类车仅行驶在普通公路上的占比计算结果
基于该占比,结合步骤(3)中获取的行驶在高速公路网中各类车的行驶车次数,即可获得行驶在普通公路网中各类货车的行驶车次数;此外,基于2016年9月车辆GPS轨迹数据进行统计,获得统计周期内普通公路网中各类车的平均速度和平均行驶距离。据此计算各类车的排放因子及排放量,计算结果如下表所示:
表3普通公路网中的汽车排放量计算结果
(5)计算公路网中的汽车排放量
基于步骤(3)与步骤(4),计算公路网中的汽车排放量计算结果如下表所示:
表4公路网中的汽车排放量计算结果
综上,通过本实施例提供的一种基于多源数据融合的公路网汽车排放估算方法可以获得公路网汽车的排放量,可以有效提高了公路网汽车排放量监测的质量与效率。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于多源数据融合的公路网汽车排放估算方法,其特征在于,包括:
S1、收集统计周期内高速公路的收费数据、卡口数据和车辆GPS轨迹数据,构建用于公路网汽车排放估算的历史数据库;
S2、数据预处理;
S3、获得高速公路网中的汽车污染物排放量,只要车辆的行驶路径中包含了高速公路,即将其产生的排放归类为高速公路网中的排放量;
S4、获得普通公路网中的汽车污染物排放量,车辆的行驶路径中仅包含普通公路且不包含高速公路,即将其排放归类为普通公路网中的汽车排放量;
S5、计算公路网中的汽车污染物排放量。
2.根据权利要求1所述的一种基于多源数据融合的公路网汽车排放估算方法,其特征在于,步骤S1中所述高速公路的收费数据包括:入口区域编码、入口路段号、入口站编码、入口车道号、入口车道类型、入口发卡时间、区域编码、路段号、站编号、出口车道号、出口车道类型、收费时间、车牌号、车型、车种、公里、总轴数、轴型代码、总重量、限重、超限率、免费类型代码、路径标识、OBU号、是否绿色通道车辆代码、支付方式、车流量、出口流水号、上传时间等字段;
所述卡口数据包括:设备编号,点位名称,点位经度,点位纬度,号牌号码,号牌颜色,车辆类型,过车时刻等字段;
所述车辆GPS轨迹数据包括:车牌、车牌颜色、GPS数据产生时间、纬度、经度、车辆速度、车辆行驶方向、海拔高度、行驶里程、车辆所属人姓名、车辆ID卡号、GPS数据记录时间、数据编码方式等字段。
3.根据权利要求1所述的一种基于多源数据融合的公路网汽车排放估算方法,其特征在于,步骤S3中所述获得高速公路网的汽车污染物排放量的具体过程为:
基于高速公路的收费数据和卡口数据,计算行驶在高速公路网中各类车辆的行驶车次数、平均行驶距离及平均行驶速度;
根据平均行驶速度与排放因子计算模型COPERT计算各类车辆的排放因子;
根据排放量计算公式获得高速公路网中的汽车污染排放量,其中,排放量计算公式为:高速公路网中的汽车污染排放量=行驶在高速公路网中各类车辆的行驶车次数×行驶在高速公路网中各类车辆的平均行驶距离×排放因子。
4.根据权利要求1所述的一种基于多源数据融合的公路网汽车排放估算方法,其特征在于,步骤S4中所述获得普通公路网中的汽车污染物排放量的具体过程为:基于车辆GPS轨迹数据,将车辆GPS轨迹数据与公路网的电子地图路网信息进行关联匹配,确定车辆行驶的准确位置,计算得到各类车辆仅行驶在普通公路中的占比;
根据行驶在高速公路网中各类车辆的行驶车次数以及各类车辆仅行驶在普通公路中的占比,获得行驶在普通公路网中的各类车辆的行驶车次数,具体获得方式为:行驶在普通公路网中的行驶车次数=行驶在高速公路网中的行驶车次数×仅行驶在普通公路中的占比/(1-仅行驶在普通公路中的占比);
基于车辆GPS轨迹数据,计算行驶在普通公路网中各类车辆的平均行驶距离和平均行驶速度;
结合平均行驶速度和行驶车次数,根据排放量计算公式获得普通公路网中的汽车污染物排放量,具体获得方式为:普通公路网中的汽车污染物排放量=行驶在普通公路网中的行驶车次数×行驶在普通公路网中各类车辆的平均行驶距离×排放因子。
5.根据权利要求1所述的一种基于多源数据融合的公路网汽车排放估算方法,其特征在于:步骤S5所述的公路网中的汽车污染物排放量=高速公路网中的汽车污染排放量+普通公路网中的汽车污染物排放量。
6.根据权利要求1-5任一所述的一种基于多源数据融合的公路网汽车排放估算方法,其特征在于:所述进行关联匹配,具体如下:
以车辆GPS轨迹点为圆心,定位误差椭圆长半轴与道路简化误差之和为半径作轨迹点的误差圆,误差圆内的道路即为候选匹配道路,通过轨迹点向候选道路做垂线,若垂足落在候选道路上,则垂足即为轨迹点在候选道路上的候选点;若垂足落在候选道路的延长线上,则道路上距离轨迹点最近的节点为候选点;
根据车辆行驶的连续性,选择与相邻轨迹点的候选点满足拓扑可达性且路径长度较小的候选点所在道路作为匹配道路;
若匹配道路上含有多个候选点,求出轨迹点与各候选点之间的距离,选择距离最小的点作为轨迹点的匹配点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541014.6A CN112767686B (zh) | 2020-12-23 | 2020-12-23 | 一种基于多源数据融合的公路网汽车排放估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011541014.6A CN112767686B (zh) | 2020-12-23 | 2020-12-23 | 一种基于多源数据融合的公路网汽车排放估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112767686A true CN112767686A (zh) | 2021-05-07 |
CN112767686B CN112767686B (zh) | 2022-06-10 |
Family
ID=75695309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011541014.6A Active CN112767686B (zh) | 2020-12-23 | 2020-12-23 | 一种基于多源数据融合的公路网汽车排放估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767686B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111860A (zh) * | 2021-05-12 | 2021-07-13 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN116910383A (zh) * | 2023-01-16 | 2023-10-20 | 广州大学 | 一种基于汽车轨迹大数据的交通能源消耗源汇识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102567811A (zh) * | 2011-12-31 | 2012-07-11 | 中山大学 | 基于实时道路交通特征的机动车排放测算方法 |
CN102997928A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种城际路网索引和匹配方法 |
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN104715605A (zh) * | 2015-02-16 | 2015-06-17 | 北京交通大学 | 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 |
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
US20170285181A1 (en) * | 2014-08-26 | 2017-10-05 | Microsoft Technology Licensing, Llc | Measuring traffic speed in a road network |
CN108230217A (zh) * | 2017-12-28 | 2018-06-29 | 江苏交科能源科技发展有限公司 | 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法 |
CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 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 |
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
US20190102960A1 (en) * | 2017-09-29 | 2019-04-04 | IFP Energies Nouvelles | Method for determining indicators regarding the polluting nature of mobility taking real usage into account |
-
2020
- 2020-12-23 CN CN202011541014.6A patent/CN112767686B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102997928A (zh) * | 2011-09-08 | 2013-03-27 | 北京掌城科技有限公司 | 一种城际路网索引和匹配方法 |
CN102567811A (zh) * | 2011-12-31 | 2012-07-11 | 中山大学 | 基于实时道路交通特征的机动车排放测算方法 |
US20170285181A1 (en) * | 2014-08-26 | 2017-10-05 | Microsoft Technology Licensing, Llc | Measuring traffic speed in a road network |
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN104715605A (zh) * | 2015-02-16 | 2015-06-17 | 北京交通大学 | 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 |
CN106595680A (zh) * | 2016-12-15 | 2017-04-26 | 福州大学 | 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法 |
US20190102960A1 (en) * | 2017-09-29 | 2019-04-04 | IFP Energies Nouvelles | Method for determining indicators regarding the polluting nature of mobility taking real usage into account |
CN108230217A (zh) * | 2017-12-28 | 2018-06-29 | 江苏交科能源科技发展有限公司 | 一种基于高速公路收费数据的能耗排放总量核算系统及其核算方法 |
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 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 |
Non-Patent Citations (2)
Title |
---|
李东晟等: "基于COPERT模型车辆尾气诱发城市污染的评估方法", 《黑龙江交通科技》 * |
蔡皓等: "中国不同排放标准机动车排放因子的确定", 《北京大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111860A (zh) * | 2021-05-12 | 2021-07-13 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN113111860B (zh) * | 2021-05-12 | 2024-04-09 | 北京智城交建科技有限公司 | 道路移动源排放计算方法、装置、设备及介质 |
CN116910383A (zh) * | 2023-01-16 | 2023-10-20 | 广州大学 | 一种基于汽车轨迹大数据的交通能源消耗源汇识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112767686B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112270460B (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
CN110298500B (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN105590346B (zh) | 基于路径识别系统的收费公路网交通信息采集与诱导系统 | |
CN111612670B (zh) | 一种构建机动车排放清单的方法、装置和计算机设备 | |
Tang et al. | A mixed path size logit-based taxi customer-search model considering spatio-temporal factors in route choice | |
CN205721998U (zh) | 基于路径识别系统的收费公路网交通信息采集与诱导系统 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN111340674B (zh) | 一种交通运力承运意图辨识方法 | |
CN108921465A (zh) | 一种公路网货物运输指标自动化统计方法 | |
CN106530692A (zh) | 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 | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
CN110008595B (zh) | Etc节能减排效益测算方法和装置 | |
CN111583628B (zh) | 基于数据质量控制的道路网重型货车交通流量预测方法 | |
Choudhary et al. | Real world driving dynamics characterization and identification of emission rate magnifying factors for auto-rickshaw | |
CN115995149A (zh) | 一种基于多源数据的停车供需特征动态评估方法及系统 | |
CN114005275B (zh) | 一种基于多数据源融合的高速公路车辆拥堵判别方法 | |
CN114912689A (zh) | 基于地图网格索引和xgboost的超限车辆目的地预测方法及系统 | |
Kang et al. | Link-based emission model for eco routing | |
CN111126878B (zh) | 一种基于生态指数的城市交通运行评价方法 | |
CN103700264B (zh) | 基于etc收费数据的高速公路路段行程速度计算方法 | |
Bhat et al. | VMT-mix modeling for mobile source emissions forecasting: formulation and empirical application | |
CN113345252B (zh) | 一种收费站下道流量短时预测方法与装置 | |
Ou et al. | Big-data-based analysis on the relationship between taxi travelling patterns and taxi drivers' incomes | |
CN117894192B (zh) | 一种基于手机信令数据的路段车辆平均载客数估计方法 | |
CN116029624B (zh) | 一种融合货车轨迹和poi数据的货源地识别方法 |
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 |