CN113128791B - 基于moves模型的机动车排放清单测算方法及装置 - Google Patents
基于moves模型的机动车排放清单测算方法及装置 Download PDFInfo
- Publication number
- CN113128791B CN113128791B CN202110541905.XA CN202110541905A CN113128791B CN 113128791 B CN113128791 B CN 113128791B CN 202110541905 A CN202110541905 A CN 202110541905A CN 113128791 B CN113128791 B CN 113128791B
- Authority
- CN
- China
- Prior art keywords
- different
- vehicle
- emission
- motor vehicle
- vehicle emission
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000004807 localization Effects 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 12
- 239000003344 environmental pollutant Substances 0.000 claims description 60
- 231100000719 pollutant Toxicity 0.000 claims description 60
- 238000009826 distribution Methods 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000000691 measurement method Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 239000012855 volatile organic compound Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000003738 black carbon Substances 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- -1 average speed Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于MOVES模型的机动车排放清单测算方法及装置。该方法包括：获取本地基础数据集；根据本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；根据多维度机动车排放因子数据库、交通信息数据库、以及气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。这种方法和装置能够建立更加精确的高分辨率机动车排放清单，可应对不同时空下，不同速度、不同气象等因素条件对机动车排放的影响。
Description
技术领域
本发明涉及污染物排放清单编制技术，更为具体来说，本发明涉及一种基于机动车排放模拟器(MOVES，Motor Vehicle Emission Simulator)模型的机动车排放清单测算方法及装置。
背景技术
随着机动车保有量的快速增长，机动车污染物排放呈持续上升趋势，机动车污染已成为我国大部分地区的主要污染源，污染排放分担率呈明显上升趋势。机动车排放清单是机动车污染源排放各种污染物信息的集合，是政府和环保部门在政策制定和环境管理时重要的参考依据。
2001年，美国环保署(EPA)开发出集MOBILE排放模型与NONROAD非道路源排放计算模型于一体的全面综合性排放模型—MOVES排放模型。模型算法原理是将行驶车辆的瞬时加速度、速度计算得到的比功率(VSP)，划分为不同工况区间(bin)，并对应到内嵌的污染物排放速率(VSP－bin)；在输入平均速度后，模型自动匹配排放，加权得到基础排放因子；最后再对燃油、气象、I/M等大量参数修正和行驶里程分布计算得到修正后的排放因子，修正后的排放因子可用于高分辨率机动车排放清单的建立。
目前，建立机动车排放清单主要有两种方法：一种是基于自上而下的方法建立机动车排放清单，该方法清单编制过程相对简单，数据收集难度小，但清单精度较低；另一种方法是基于自下而上的方法建立机动车排放清单，利用该方法可以建立高分辨率的机动车排放清单，但清单编制过程相对繁琐，数据收集难度大。对于机动车排放因子的获取，大多数研究人员多采用综合机动车排放因子去建立排放清单，这并不能反映机动车排放在不同速度、不同气象等因素条件下的差异性。
公开号为CN 111612670A、名称为《一种构建机动车排放清单的方法、装置和计算机设备》的中国专利申请文献公开了：首先获取清单构建区域内的路网信息和各类型机动车的基准排放因子；利用交通模型获取交通数据，交通数据包括交通流量、交通速度、车型分布信息；基于清单构建区域内的各道路交通信息以及各类型的基准排放因子，构建清单构建区域对应的机动车排放清单。专利申请文献CN 111612670A未考虑气象等因素的排放因子变化。公开号为CN111489060A、名称为《一种高时空分辨率交通源排放清单制备方法》的中国专利申请文献公开了：首先获取目标城市的街道路网组成信息；获取街道各路段的交通流量信息；根据交通流量信息，计算每小时各类车辆在各路段的交通流量；根据交通流量，计算不同使用年限车辆污染物排放量。专利申请文献CN111489060A考虑了路网结构、机动车类型以及交通变化三个因素，未考虑气象等因素的排放因子变化。
针对现有技术中机动车排放清单精度较低、清单编制过程相对繁琐、数据收集难度大，不能反应机动车排放在不同速度、不同气象等因素条件下的差异性的问题，亟需提出有效的解决方案。
发明内容
本发明创新地提供了一种基于MOVES模型的机动车排放清单测算方法及装置,以解决机动车排放清单精度较低、清单编制过程相对繁琐、数据收集难度大，不能反应机动车排放在不同速度、不同气象等因素条件下的差异性的问题。
为实现上述的技术目的，一方面，本发明公开了一种基于MOVES模型的机动车排放清单测算方法。所述基于MOVES模型的机动车排放清单测算方法包括：获取本地基础数据集；根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；根据所述多维度机动车排放因子数据库、所述交通信息数据库、以及所述气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。
进一步地，对于所述基于MOVES模型的机动车排放清单测算方法，所述本地基础数据集包括排放源类型、道路类型、燃油类型、平均车速信息、车龄信息、以及气象信息。
进一步地，对于所述基于MOVES模型的机动车排放清单测算方法，根据所述本地基础数据集，对MOVES模型进行本地化处理，包括：根据所述本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
进一步地，对于所述基于MOVES模型的机动车排放清单测算方法，获取不同地理区域不同时段的活动水平数据，包括：根据实际监测数据或交通模型，得到目标地理区域各条道路的实时交通流量和/或流速信息。
进一步地，对于所述基于MOVES模型的机动车排放清单测算方法，获取不同地理区域不同时段的气象数据，包括：根据实际监测数据或气象模型，得到目标地理区域内的实时温度和湿度信息。
进一步地，对于所述基于MOVES模型的机动车排放清单测算方法，利用多维度机动车排放测算方法，实时进行机动车排放量测算，包括：计算不同速度、不同温度、不同湿度、不同车型、不同污染物以及不同车龄的多维度排放因子与不同道路的交通量的乘积，得到不同车型不同道路不同污染物的车辆排放因子；计算不同车型不同道路不同污染物的车辆排放因子的总和，得到不同道路不同污染物的总车辆排放因子；计算不同道路不同污染物的总车辆排放因子与道路长度的乘积，得到不同道路不同污染物的总车辆排放量。
为实现上述的技术目的，另一方面，本发明公开了一种基于MOVES模型的机动车排放清单测算装置。所述基于MOVES模型的机动车排放清单测算装置包括：本地数据获取单元，用于获取本地基础数据集；本地化处理单元，用于根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；交通和气象数据获取单元，用于获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；测算单元，用于根据所述多维度机动车排放因子数据库、所述交通信息数据库、以及所述气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。
进一步地，对于所述基于MOVES模型的机动车排放清单测算装置，所述本地化处理单元进一步用于根据所述本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
为实现上述的技术目的，又一方面，本发明公开了一种计算设备。所述计算设备包括：一个或多个处理器，以及与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述方法。
为实现上述的技术目的，再一方面，本发明公开了一种机器可读存储介质。所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行上述方法。
本发明的有益效果为：
本发明实施例提供的基于MOVES模型的机动车排放清单测算方法及装置通过本地化MOVES模型建立多维度机动车排放因子数据库，根据该因子数据库，可以实时测算实际交通状况和气象条件下的机动车排放量，以此建立更加精确的高分辨率机动车排放清单。利用多维度机动车排放因子数据库可以建立更加高质量的机动车排放清单，可以应对不同时空下，不同速度、不同气象等因素条件对机动车排放的影响，从而为城市交通污染的准确评估提供有力支撑。实现了近实时、动态生成城市道路交通网范围内高时空分辨率的机动车排放清单，依据道路交通信息时间分辨率可至小时，空间分辨率精细化到具体的道路片段，排放信息包含数十种大气污染物。
附图说明
图中，
图1为本发明一个实施例提供的基于MOVES模型的机动车排放清单测算方法的流程图；
图2为本发明一个示例提供的基于MOVES模型的机动车排放清单测算方法的流程图；
图3为本发明另一个实施例提供的基于MOVES模型的机动车排放清单测算装置的结构示意图；
图4为本发明一个示例提供的CO/10、NOx、SO2*10、VOCs、PM10、以及PM2.5随时间变化的排放总量分布示意图；
图5A-图5H为本发明一个示例提供的NOx排放时空分布示意图；
图6为根据本发明实施例的基于MOVES模型的机动车排放清单测算处理的计算设备的结构框图。
具体实施方式
下面结合说明书附图对本发明提供的基于MOVES模型的机动车排放清单测算方法及装置进行详细的解释和说明。
图1为本发明一个实施例提供的基于MOVES模型的机动车排放清单测算方法的流程图。图2为本发明一个示例提供的基于MOVES模型的机动车排放清单测算方法的流程图。
如图1和图2所示，在步骤S110，获取本地基础数据集。
作为一个具体例子，可以根据所研究的城市进行基础数据的收集。本地基础数据集可以包括排放源类型、道路类型、燃油类型、平均车速信息、车龄信息、以及气象信息。
在步骤S120，根据本地基础数据集，对机动车排放模拟器(MOVES，Motor VehicleEmission Simulator)模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库。
由于MOVES模型由美国环保署开发，模型内置数据需要与中国车型进行映射。因此，相应于上述本地基础数据集的例子，可以根据本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
排放源类型映射表可以如下：
道路类型映射表可以如下：
可以参考国家标准GB17930-2016、GB19147-2016、以及GB18047-2017，对燃油含硫量、50％蒸发温度、以及90％蒸发温度进行修正，燃油类型映射表可以如下：
平均车速分布区间：MOVES模型需要设置速度分布区间，因此可以将车速分成16个档次，范围为0-120km/h。
车龄分布区间：MOVES模型需要设置车龄分布区间，因此可以将车龄分成15个档次，范围为0-15年。
气象分布区间：MOVES模型需要设置气象分布区间，气象数据可以包括温度和湿度，其中，温度可以分为12个档次，范围为0-40摄氏度；湿度可以分为四个档次，范围为0-100。
根据本地基础数据集和各类映射表，即可以与MOVES模型内置的基础数据进行匹配，选择计算的污染物类型，可以包括CO、NOx、NH3(氨)、SO2、NMVOC(非甲烷挥发性有机物)、CO、PM10、PM2.5、OC(有机碳)、以及BC(黑碳)十类，运行MOVES模型后，模型内部可以根据收集的本地基础数据集对模型内置的基础排放因子进行修正，进而得到修正后的机动车排放因子，维度可以包括基准年份、排放源、污染物、车速、车龄、温度和湿度。
在步骤S130，获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据。
步骤S130中获取不同地理区域不同时段的活动水平数据可以包括以下步骤：根据实际监测数据或交通模型，得到目标地理区域各条道路的实时交通流量和/或流速信息。作为一种实施方式，可以根据实际监测数据或交通模型，得到城市每条道路下的实时交通流量和流速信息，时间分辨率可以为1小时。
步骤S130中获取不同地理区域不同时段的气象数据可以包括以下步骤：根据实际监测数据或气象模型，得到目标地理区域内的实时温度和湿度信息。具体来说，可以根据实际监测数据或气象模型，得到城市范围内的实时温度和湿度信息，时间分辨率可以为1小时。
步骤S140，根据多维度机动车排放因子数据库、交通信息数据库、以及气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。通过机动车排放动态测算，可以得到高分辨率的机动车排放清单数据库。
步骤S140中利用多维度机动车排放测算方法，实时进行机动车排放量测算，可以包括以下步骤：
计算不同速度、不同温度、不同湿度、不同车型、不同污染物以及不同车龄的多维度排放因子与不同道路的交通量的乘积，得到不同道路不同污染物不同车型的车辆排放因子，公式如下：
EFs,l,p＝Qv,t,h,s,l,kEFv,t,h,s,p,k (1)
计算不同车型不同道路不同污染物的车辆排放因子的总和，得到不同道路不同污染物的总车辆排放因子，公式如下：
EFl,p＝∑EFs,l,p (2)
计算不同道路不同污染物的总车辆排放因子与道路长度的乘积，得到不同道路不同污染物的总车辆排放量，公式如下：
Ql,p＝EFl,p×L (3)
式(1)、式(2)和式(3)中，EFv,t,h,s,p,k为多维度排放因子，单位为g/(km·辆)，维度包括速度v(km/h)、温度t(℉)、湿度h(％)、车型s、污染物p、车龄k(年)，由MOVES工具计算得出；Qv,t,h,s,l,k为交通量，单位为辆/h，其中l为道路编号；EFs,l,p为不同车型不同道路不同污染物下的车辆排放因子；EFl,p为不同道路不同污染物下的总车辆排放因子，单位为g/km；L为道路长度，单位为km；Ql,p为不同道路不同污染物下的总车辆排放量，单位为g。
对多维度机动车排放因子数据库和交通信息库进行匹配，结合上述改进的多维度机动车排放测算方法，可以实时进行机动车排放量测算。
图3为本发明另一个实施例提供的基于MOVES模型的机动车排放清单测算装置的结构示意图。如图3所示，该实施例提供的基于MOVES模型的机动车排放清单测算装置300包括本地数据获取单元310、本地化处理单元320、交通和气象数据获取单元330、以及测算单元340。
本地数据获取单元310用于获取本地基础数据集。其中，本地基础数据集可以包括排放源类型、道路类型、燃油类型、平均车速信息、车龄信息、以及气象信息。本地数据获取单元310的操作可以参照上面参考图1描述的步骤S110的操作。
本地化处理单元320用于根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库。本地化处理单元320的操作可以参照上面参考图1描述的步骤S120的操作。
交通和气象数据获取单元330用于获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据。交通和气象数据获取单元330的操作可以参照上面参考图1描述的步骤S130的操作。
测算单元340用于根据多维度机动车排放因子数据库、交通信息数据库、以及气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。测算单元340的操作可以参照上面参考图1描述的步骤S140的操作。
作为一种可选实施方式，本地化处理单元320可以进一步用于根据本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
进一步来说，交通和气象数据获取单元330可以包括：交通数据获取模块，用于根据实际监测数据或交通模型，得到目标地理区域各条道路的实时交通流量和/或流速信息。
进一步来说，交通和气象数据获取单元330可以包括：气象数据获取模块，用于根据实际监测数据或气象模型，得到目标地理区域内的实时温度和湿度信息。
进一步来说，测算单元340可以包括：第一计算模块，用于计算不同速度、不同温度、不同湿度、不同车型、不同污染物以及不同车龄的多维度排放因子与不同道路的交通量的乘积，得到不同车型不同道路不同污染物的车辆排放因子；第二计算模块，用于计算不同车型不同道路不同污染物的车辆排放因子的总和，得到不同道路不同污染物的总车辆排放因子；第三计算模块，用于计算不同道路不同污染物的总车辆排放因子与道路长度的乘积，得到不同道路不同污染物的总车辆排放量。
本发明实施例的基于MOVES模型的机动车排放清单测算方法和装置结合城市典型车辆的基准排放因子和修正系数的获取，并借助MOVES模型二次开发建立城市机动车多维度排放因子库，其中，排放因子维度包括排放源、污染物、平均车速、车龄、温度和湿度这六类维度信息。以此为基础，结合现有道路交通数据和气象数据，可近实时、动态生成城市道路交通网范围内高时空分辨率的机动车排放清单，依据道路交通信息时间分辨率可至小时，空间分辨率精细化到具体的道路片段，排放信息包含数十种大气污染物。
作为上述实施例的基于MOVES模型的机动车排放清单测算方法和装置的技术效果的一个测试实例，收集到上海市2500条道路片段、日期为2020年12月16日(工作日)0时-23时的本地基础数据集，利用交通模型获取交通流量流速数据，以CO、NOx、SO2、VOCs、PM10、以及PM2.5为例，进行线源排放的测算。多维度排放因子库可以如下表所示：
| 年份ID | 污染物ID | 车型ID | 平均速度ID | 车龄ID | 湿度ID | 温度ID | 排放因子 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 32 | 8.1393677 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 35 | 8.1552608 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 38 | 8.1730395 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 41 | 8.1832916 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 44 | 8.1654139 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 47 | 8.1427818 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 50 | 8.1186095 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 53 | 8.0962406 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 56 | 8.0793167 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 59 | 8.0712413 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 62 | 8.0753699 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 65 | 8.0954205 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 68 | 8.1346589 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 71 | 8.1968969 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 74 | 8.2853822 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 77 | 8.4038204 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 80 | 8.5556886 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 83 | 8.7445131 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 86 | 8.9745635 |
| 2020 | 1 | 11 | 1 | 0 | 0 | 89 | 9.2487422 |
基于上表进行排放量时空特征分析。图4为本发明一个示例提供的CO/10、NOx、SO2*10、VOCs、PM10、以及PM2.5随时间变化的排放总量分布示意图。如图4所示，在早上8点和晚上18点有两个明显的高峰排放时段，而速度分布与排放量分布在时间维度上几乎呈负相关，这是由于排放受车流量和排放因子的共同影响，在夜间车速较大且排放因子较低，从而导致夜间排放量降低。图5A-图5H为本发明一个示例提供的NOx排放时空分布示意图。如图5所示，上海高速路、快速路的排放量较大。
本发明实施例提供的基于MOVES模型的机动车排放清单测算方法及装置通过本地化MOVES模型建立多维度机动车排放因子数据库，根据该因子数据库，可以实时测算实际交通状况和气象条件下的机动车排放量，以此建立更加精确的高分辨率机动车排放清单。利用多维度机动车排放因子数据库可以建立更加高质量的机动车排放清单，可以应对不同时空下，不同速度、不同气象等因素条件对机动车排放的影响，从而为城市交通污染的准确评估提供有力支撑。实现了近实时、动态生成城市道路交通网范围内高时空分辨率的机动车排放清单，依据道路交通信息时间分辨率可至小时，空间分辨率精细化到具体的道路片段，排放信息包含数十种大气污染物。
图6为根据本发明实施例的基于MOVES模型的机动车排放清单测算处理的计算设备的结构框图。
如图6所示，计算设备600可以包括至少一个处理器610、存储器620、内存630、通信接口640以及内部总线650，并且至少一个处理器610、存储器620、内存630和通信接口640经由内部总线650连接在一起。该至少一个处理器610执行在计算机可读存储介质(即，存储器620)中存储或编码的至少一个计算机可读指令(即，上述以软件形式实现的元素)。
在一个实施例中，在存储器620中存储有计算机可执行指令，当其执行时使得至少一个处理器610执行：获取本地基础数据集；根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；根据所述多维度机动车排放因子数据库、所述交通信息数据库、以及所述气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算。
应该理解的是，在存储器620中存储的计算机可执行指令当执行时使得至少一个处理器610进行本公开的各个实施例中以上结合图1-3描述的各种操作和功能。
在本公开中，计算设备600可以包括但不限于：个人计算机、服务器计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持装置、消息收发设备、可佩戴计算设备、消费电子设备等等。
根据一个实施例，提供了一种例如非暂时性机器可读介质的程序产品。非暂时性机器可读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器执行时，使得机器执行本公开的各个实施例中以上结合图1-3描述的各种操作和功能。
具体地，可以提供配有可读存储介质的系统或者装置，在该可读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码，且使该系统或者装置的计算机或处理器读出并执行存储在该可读存储介质中的指令。
在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存储介质构成了本发明的一部分。
可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或云上下载程序代码。
以上所述仅为本发明的实施例，并非因此限制本发明的权利要求保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明权利要求的保护范围内。
Claims (7)
1.一种基于MOVES模型的机动车排放清单测算方法，其特征在于，包括：
获取本地基础数据集；其中，本地基础数据集至少包括气象信息；
根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；
获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；
根据所述多维度机动车排放因子数据库、所述交通信息数据库、以及所述气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算；
计算不同速度、不同温度、不同湿度、不同车型、不同污染物以及不同车龄的多维度排放因子与不同道路的交通量的乘积，得到不同车型不同道路不同污染物的车辆排放因子；
计算不同车型不同道路不同污染物的车辆排放因子的总和，得到不同道路不同污染物的总车辆排放因子；
计算不同道路不同污染物的总车辆排放因子与道路长度的乘积，得到不同道路不同污染物的总车辆排放量；
所述得到不同道路不同污染物不同车型的车辆排放因子的公式如下：
EFs，l，p＝Qv，t，h，s，l，kEFv，t，h，s，p，k；
所述得到不同道路不同污染物的总车辆排放因子的公式如下：
EFl，p＝∑EFs，l，p；
所述得到不同道路不同污染物的总车辆排放量的公式如下：
Ql，p＝EFl，p×L；
其中，EFv，t，h，s，p，k为多维度排放因子，维度包括速度v、温度t、湿度h、车型s、污染物p、车龄k，由MOVES工具计算得出；Qv，t，h，s，l，k为交通量，l为道路编号；EFs，l，p为不同车型不同道路不同污染物下的车辆排放因子；EFl，p为不同道路不同污染物下的总车辆排放因子；L为道路长度；Ql，p为不同道路不同污染物下的总车辆排放量；
所述根据所述本地基础数据集，对MOVES模型进行本地化处理，包括：
根据所述本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
2.根据权利要求1所述的基于MOVES模型的机动车排放清单测算方法，其特征在于，所述本地基础数据集包括排放源类型、道路类型、燃油类型、平均车速信息、车龄信息、以及气象信息。
3.根据权利要求1所述的基于MOVES模型的机动车排放清单测算方法，其特征在于，获取不同地理区域不同时段的活动水平数据，包括：根据实际监测数据或交通模型，得到目标地理区域各条道路的实时交通流量和/或流速信息。
4.根据权利要求1所述的基于MOVES模型的机动车排放清单测算方法，其特征在于，获取不同地理区域不同时段的气象数据，包括：根据实际监测数据或气象模型，得到目标地理区域内的实时温度和湿度信息。
5.一种基于MOVES模型的机动车排放清单测算装置，其特征在于，包括：
本地数据获取单元，用于获取本地基础数据集；其中，本地基础数据集至少包括气象信息；
本地化处理单元，用于根据所述本地基础数据集，对MOVES模型进行本地化处理，对MOVES模型内的基础排放因子进行修正，得到修正后的机动车排放因子，从而建立多维度机动车排放因子数据库；
交通和气象数据获取单元，用于获取不同地理区域不同时段的活动水平数据，从而得到交通信息数据库，获取不同地理区域不同时段的气象数据；
测算单元，用于根据所述多维度机动车排放因子数据库、所述交通信息数据库、以及所述气象数据，利用多维度机动车排放测算方法，实时进行机动车排放量测算；
测算单元包括：
第一计算模块，用于计算不同速度、不同温度、不同湿度、不同车型、不同污染物以及不同车龄的多维度排放因子与不同道路的交通量的乘积，得到不同车型不同道路不同污染物的车辆排放因子；
第二计算模块，用于计算不同车型不同道路不同污染物的车辆排放因子的总和，得到不同道路不同污染物的总车辆排放因子；
第三计算模块，用于计算不同道路不同污染物的总车辆排放因子与道路长度的乘积，得到不同道路不同污染物的总车辆排放量；
所述得到不同道路不同污染物不同车型的车辆排放因子的公式如下：
EFs，l，p＝Qv，t，h，s，l，kEFv，t，h，s，p，k；
所述得到不同道路不同污染物的总车辆排放因子的公式如下：
EFl，p＝∑EFs，l，p；
所述得到不同道路不同污染物的总车辆排放量的公式如下：
Ql，p＝EFl，p×L；
其中，EFv，t，h，s，p，k为多维度排放因子，维度包括速度v、温度t、湿度h、车型s、污染物p、车龄k，由MOVES工具计算得出；Qv，t，h，s，l，k为交通量，l为道路编号；EFs，l，p为不同车型不同道路不同污染物下的车辆排放因子；EFl，p为不同道路不同污染物下的总车辆排放因子；L为道路长度；Ql，p为不同道路不同污染物下的总车辆排放量；
所述本地化处理单元进一步用于根据所述本地基础数据集和MOVES模型中的基础数据集，建立排放源类型映射表、道路类型映射表和燃油类型映射表、以及平均车速分布区间、车龄分布区间和气象分布区间。
6.一种计算设备，其特征在于，包括：
一个或多个处理器，以及
与所述一个或多个处理器耦合的存储器，所述存储器存储指令，当所述指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1到4中任一项所述的方法。
7.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110541905.XA CN113128791B (zh) | 2021-05-18 | 2021-05-18 | 基于moves模型的机动车排放清单测算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110541905.XA CN113128791B (zh) | 2021-05-18 | 2021-05-18 | 基于moves模型的机动车排放清单测算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113128791A CN113128791A (zh) | 2021-07-16 |
| CN113128791B true CN113128791B (zh) | 2022-06-03 |
Family
ID=76782257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110541905.XA Active CN113128791B (zh) | 2021-05-18 | 2021-05-18 | 基于moves模型的机动车排放清单测算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113128791B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN113627511B (zh) * | 2021-08-04 | 2024-02-02 | 中国科学院科技战略咨询研究院 | 气候变化对交通业的影响模型训练方法及影响监测方法 |
| CN113515722B (zh) * | 2021-09-15 | 2021-11-30 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与系统 |
| CN114881472A (zh) * | 2022-05-07 | 2022-08-09 | 中科三清科技有限公司 | 机动车排放对空气质量影响的分析方法、装置及设备 |
| CN116307837B (zh) * | 2023-02-10 | 2023-09-19 | 中汽研汽车检验中心(昆明)有限公司 | 一种基于多种监测技术的区域机动车排放评估方法及系统 |
| CN116805036A (zh) * | 2023-08-28 | 2023-09-26 | 安徽中科蓝壹信息科技有限公司 | 一种机动车排放评估方法、系统、计算机设备和存储介质 |
| CN116797054A (zh) * | 2023-08-28 | 2023-09-22 | 安徽中科蓝壹信息科技有限公司 | 基于双模型的机动车排放对环境影响的评估方法和系统 |
| CN116955916B (zh) * | 2023-09-19 | 2023-12-26 | 中汽研汽车检验中心(武汉)有限公司 | 一种轻型车蒸发排放总量计算方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013190365A2 (fr) * | 2012-06-21 | 2013-12-27 | Air B.E. | Procede de controle et de reduction des emissions polluantes de vehicules |
| CN106446398B (zh) * | 2016-09-20 | 2019-08-20 | 中山大学 | 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 |
| CN108280789B (zh) * | 2018-01-31 | 2022-01-28 | 中国科学院地理科学与资源研究所 | 一种精细时空尺度二氧化碳排放要素间影响的空间分析方法 |
| 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 |
-
2021
- 2021-05-18 CN CN202110541905.XA patent/CN113128791B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113128791A (zh) | 2021-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113128791B (zh) | 基于moves模型的机动车排放清单测算方法及装置 | |
| Zheng et al. | High-resolution mapping of vehicle emissions in China in 2008 | |
| Borge et al. | Comparison of road traffic emission models in Madrid (Spain) | |
| CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
| CN103729183B (zh) | 基于智能手机的车辆绿色出行导航系统设计 | |
| CN103425865A (zh) | 一种自动化的机动车排放网格化清单编制方法 | |
| Vicente et al. | Influence of different complexity levels of road traffic models on air quality modelling at street scale | |
| CN113722652A (zh) | 一种燃油车交通碳排放计算方法 | |
| Chen et al. | Quantifying on-road vehicle emissions during traffic congestion using updated emission factors of light-duty gasoline vehicles and real-world traffic monitoring big data | |
| CN103177189B (zh) | 一种众源位置签到数据质量分析方法 | |
| Ding et al. | RTVEMVS: Real-time modeling and visualization system for vehicle emissions on an urban road network | |
| Palconit et al. | Co 2 emission monitoring and evaluation of public utility vehicles based on road grade and driving patterns: An Internet of Things application | |
| Zhai et al. | How much vehicle activity data is needed to develop robust vehicle specific power distributions for emission estimates? A case study in Beijing | |
| CN113077089B (zh) | 一种多因素对空气质量影响的评价方法和装置 | |
| CN106980029B (zh) | 车辆超速判断方法及其系统 | |
| Zhang et al. | Road type-based driving cycle development and application to estimate vehicle emissions for passenger cars in Guangzhou | |
| CN105717517A (zh) | 一种车载北斗多模gnss高精度道路基础数据采集方法 | |
| Andersen et al. | An advanced data warehouse for integrating large sets of GPS data | |
| CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
| CN113282638B (zh) | 一种城建用车识别方法和装置 | |
| Zheng et al. | A new vehicle emission inventory for China with high spatial and temporal resolution. | |
| CN113111860A (zh) | 道路移动源排放计算方法、装置、设备及介质 | |
| WO2021117072A1 (en) | Dynamic mapping and method of tracking atmoshperic pollutants | |
| CN116297062B (zh) | 一种面向多维时空因子的pm2.5浓度精细化时空模拟与定量分析方法 | |
| Sun et al. | Excessive-emission vehicles real-time track matching algorithm based on road network topology and weights |
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 |