CN113256966A - 基于时空速度域重构的路网排放清单建立方法及系统 - Google Patents
基于时空速度域重构的路网排放清单建立方法及系统 Download PDFInfo
- Publication number
- CN113256966A CN113256966A CN202110430768.2A CN202110430768A CN113256966A CN 113256966 A CN113256966 A CN 113256966A CN 202110430768 A CN202110430768 A CN 202110430768A CN 113256966 A CN113256966 A CN 113256966A
- Authority
- CN
- China
- Prior art keywords
- traffic
- emission
- continuous
- speed
- road
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/52—Determining velocity
-
- 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
- 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
Abstract
本发明的一种基于时空速度域重构的路网排放清单建立方法及系统,为了解决采样比较小的问题,利用采集到的GPS轨迹构建一个能够代表所有行驶车辆的虚拟速度场,其结合微观排放模型计算出的排放分布能够反映给定路段的实际行驶工况状态,因此得到的排放总量更加精确;为了利用离散的GPS轨迹点构建虚拟连续速度场,本发明利用高斯自适应平滑模型,利用交通状态在时序上的连续相关性和拥堵传播方向。该模型在计算每个时刻的速度值时,通过其他采样点与该时刻速度值的时空相关性修正或者填充得出,从而抵消了误差噪声。本发明利用较少的城市交通数据挖掘出更多的交通模式和排放分布特点,实现城市路段级的交通污染排放精细化估计任务。
Description
技术领域
本发明涉及环境检测技术处理领域,具体涉及一种基于时空速度域重构的路网排放清单建立方法及系统。
背景技术
当前我国大气环境形势严峻,以细颗粒物为特征污染物的区域性大气环境问题日益突出,其中以机动车为代表的移动污染源对空气质量影响巨大,尤其是在北京、上海等特大型城市和东部人口密集区域,移动源排放对于空气污染占比高达20%至50%以上。尽管我国不断制定相关政策来防治机动车尾气污染,如淘汰不合格车辆,升级油品质量等,但当前移动源污染形势仍然比较严峻。城市交通网络中的污染排放信息可为城市高污染排放区域识别等任务的实现提供理论依托,为后续政府相关部分的管控和决策提供理论依据。
交通排放模型是交通领域中被广泛用来量化机动车排放、计算机动车排放因子的一种主要手段。按照主要应用参数划分的话,排放模型分为基于平均速度的排放模型、基于行驶工况的排放模型。前者主要对特定车型的机动车行驶数据中蕴含的总体行驶特征进行提取出一个具有代表性的机动车平均速度值,并以此计算相应的排放值。因此,模型通常侧重于宏观层面研究,被用于估计或者预测一个特定区域内(通常是区或者城市)在一个特定时间段(通常是一个季度或者一年)的交通总排放量。基于行驶工况的排放模型通常侧重微观层面的研究。该类模型主要根据机动车行驶时获得的瞬态逐秒数据,通过完整的行驶过程分析机动车的排放情况,通常适用于分析单车排放或特定若干条道路排放计算的任务。但是,上述两种方法在城市范围内的精细化排放估计任务上分别存在缺陷,存在较大误差或者数据量无法支撑等挑战。
发明内容
本发明提出的一种基于时空速度域重构的路网排放清单建立方法及系统,可解决现有方法在数据量较少的情况下,估计污染值误差较大的问题。
为实现上述目的,本发明采用了以下技术方案:
一种基于时空速度域重构的路网排放清单建立方法,包括以下步骤,
S1:对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;
S2:利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域;
S3:在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化;
S4:利用步骤S2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤S3估计的连续交通流建立路段上各污染物的排放清单。
进一步的,所述S1对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;具体包括,
S11:城市路网数据构造成一个有向图给定一个路网,首先将所有的道路岔口的集合作为图中连接路段的边ε,则两条边之间的顶点代表N个路段的合集,每个路段r都有自己属性,包括车道最大速度值r.vm、车道数r.n和路段长度r.len;
S12:机动车行驶相关数据即采样机动车的GPS轨迹,每条GPS轨迹P包含一系列的时序GPS点,其中每个GPS点p包含时间戳t和地理空间坐标g,即p=(t,g);首先,根据地理位置和时间的变化来计算GPS点的即时速度:给定两个GPS点p1和p2,则点p1的速度值为:
其中dist(·)是计算两点之间距离的函数;利用地图匹配算法将每个GPS点匹配到对应的路段并计算出GPS点在路段上的位置x,因此每个轨迹点的属性可拓展为p=(t,g,v,r,x);
S13:用i表示排放污染物种类,E={Ei|i=1,2,3}表示路段上的排放清单,按顺序分别表示一氧化碳CO、碳氢化合物HC和氮氧化合物NOx的排放值。
进一步的,所述S2利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域,具体包括,
S21:通过对每个GPS点进行路段匹配后,每个GPS点p的属性都包括所在的路段的信息p.r;给定路段上的GPS点集Rj={p1,p2,…,pi,…,pn|pi=(ti,gi,vi,rj)}作为构建速度域的参考点;
S22:根据交通变化波动与交通流传播方向关系,构建自由流动和拥堵的条件下速度域Vfree(t,x)、Vcong(t,x):
其中,平滑核函数φi(t,x)分别随着点(t,x)和其他GPS点(ti,xi)的距离,即|t-ti|和|x-xi|,而衰减;当GPS点与所要估计的点距离较远,函数将生成更小的系数;核函数的表示如下:
其中σ和τ分别是空间和时间上的平滑宽度,两个参数通过调整即提高平滑器的性能;标准化函数Φ(t,x)是所有核函数φi(t,x),i=1,2,…,n的和,即:
同时,Ccong和Cfree分别表示在拥堵条件和自由流动条件下交通变化波动的传播速度;
S23:利用一个能够衡量拥堵程度的权重函数ω(t,x)来结合S22中构建的Vfree(t,x)和Vcong(t,x),构建好的时空速度域的表达式为:
V(t,x)=ω(t,x)Vcong(t,x)+[1-ω(t,x)]Vfree(t,x)
其中,ω(t,x)=W(Vfree(t,x),Vcong(t,x)),并且
其中min(Vfree,Vcong)确保模型始终优先考虑拥堵条件下的速度域构建;Vthr表示自由流动状态和拥堵状态之间的阈值;ΔV表示两种状态之间的过度宽度。
进一步的,所述S3在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化,具体包括:
S31:路段rj上交通流Qj和车流密度kj、车速Vj之间的关系如公式(1):
Qj=Vj·kj (1)
其中Vj∈(0,rj·vm),kj∈(0,km),km是最大车流密度,通常由道路长度rj.len除以车长计算得出;在交通流理论中,车速和交通流密度的相关性通过模型表示,在自由流动状态时:
在拥堵状态时:
其中,vc和kc分别是临界速度和临界密度,并且vc与kc的乘积为最大交通流Qm;
S32:求取临界速度vc和临界密度kc的值,将公式(3)带入公式(1)中,得:
对上式求其对密度k的一阶导数和二阶导数:
进一步的,所述S4利用步骤S2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤S3估计的连续交通流建立路段上各污染物的排放清单,具体包括,
S41:给定路段rj的连续速度场Vj(t,x),利用EMIT微观排放因子模型计算出连续排放率TPl(t);EMIT模型由两个模块组成:发动机排放模块和尾气管排放模块;首先定义机动车牵引力Ptract:
其中各项参数定义分别如下:
A:滚动阻力项;B:滚动阻力项的速度修正;C:空气阻力项;M:发动机质量;g:重力常数;θ:道路坡度;定义l为通用的排放物种类(l=一氧化碳CO,碳氢化合物HC,氮氧化合物NOx),则排放物l的发动机排放率EOl表达式为:
尾气管排放模块下不同污染物的尾气排放率TPl分别有不同的计算公式:
S42:给定路段r的连续排放率TPl(t,x)、交通流Qj(t,x)和路段属性,则路段的交通排放清单由下面函数描述,其排放值为:
进一步的,其中相关参数取值如下表:
CO | HC | NO<sub>x</sub> | |
α | 0.0316 | 0.00916 | -0.00391 |
β | 0.0 | 0.0 | 0.000305 |
δ | 1.09e-07 | 7.55e-09 | 2.27e-08 |
ζ | 0.00883 | 0.00111 | 0.00307 |
α′ | 0.0261 | 0.00528 | 0.00323 |
。
进一步的,其中相关参数取值如下表:
进一步的,σ取值10米,τ取值300秒;Vthr取值60km/h;ΔV取值10km/h。
另一方面,本发明还公开一种基于时空速度域重构的路网排放清单建立系统,包括以下单元,
交通GPS轨迹点数据集构建单元,用于对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;
速度域构建单元,用于利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域;
连续交通流变化估算单元,用于在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化;
污染物的排放清单建立单元,利用构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合估计的连续交通流建立路段上各污染物的排放清单。
第三方面,本发明还公开一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述方法的步骤。
由上述技术方案可知,本发明的基于时空速度域重构的路网排放清单建立方法,利用较少的城市交通数据挖掘出更多的交通模式和排放分布特点,以克服现有方法的不足,实现城市路段级的交通污染排放精细化估计任务。
总得来说,本发明为了解决采样比较小的问题,利用采集到的GPS轨迹构建一个能够代表所有行驶车辆的虚拟速度场,其结合微观排放模型计算出的排放分布能够反映给定路段的实际行驶工况状态,因此得到的排放总量更加精确;为了利用离散的GPS轨迹点构建虚拟连续速度场,本发明利用高斯自适应平滑模型,利用交通状态在时序上的连续相关性和拥堵传播方向。该模型在计算每个时刻的速度值时,通过其他采样点与该时刻速度值的时空相关性修正或者填充得出,从而抵消了误差噪声。
附图说明
图1是城市移动源排放估计方法流程图;
图2是城市移动源排放估计方法原理图;
图3是西安市二环内路网污染排放分布图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
如图1和图2所示,本实施例所述的基于时空速度域重构的路网排放清单建立方法,包括以下步骤,
S1:对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集。
S2:利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域。
S3:在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化。
S4:利用步骤S2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤S3估计的连续交通流建立路段上各污染物的排放清单。
以下具体说明,
进一步地,上述步骤S1:对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造数据空间,具体包括如下细分步骤S11至S13:
S11:城市路网数据可以构造成一个有向图给定一个路网,首先将所有的道路岔口的集合作为图中连接路段的边ε,则两条边之间的顶点代表N个路段的合集,每个路段r都有自己属性,包括车道最大速度值r.vm、车道数r.n和路段长度r.len。
S12:机动车行驶相关数据即采样机动车的GPS轨迹,每条GPS轨迹P包含一系列的时序GPS点,其中每个GPS点p包含时间戳t和地理空间坐标g,即p=(t,g)。首先,根据地理位置和时间的变化来计算GPS点的即时速度:给定两个GPS点g1和p2,则点p1的速度值为:
其中dist(·)是计算两点之间距离的函数,本发明中为曼哈顿距离,即一阶范数。利用地图匹配算法将每个GPS点匹配到对应的路段并计算出GPS点在路段上的位置x,因此每个轨迹点的属性可拓展为p=(t,g,v,r,x)。
S13:用i表示排放污染物种类,E={Ei|i=1,2,3}表示路段上的排放清单,按顺序分别表示一氧化碳CO、碳氢化合物HC和氮氧化合物NOx的排放值。
上述步骤S2:利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域。具体包括如下细分步骤S21至S24:
S21:通过对每个GPS点进行路段匹配后,每个GPS点p的属性都包括所在的路段的信息p.r,相当于步骤1构造的有向图的顶点。给定路段上的GPS点集Rj={p1,p2,…,pi,…,pn|pi=(ti,gi,vi,rj)作为构建速度域的参考点。
S22:根据交通变化波动与交通流传播方向关系,构建自由流动和拥堵的条件下速度域Vfree(t,x)、Vcong(t,x):
其中,平滑核函数φi(t,x)分别随着点(t,x)和其他GPS点(ti,xi)的距离,即|t-ti|和|x-xi|,而衰减。当GPS点与所要估计的点距离较远,函数将生成更小的系数。核函数的表示如下:
其中σ和τ分别是空间和时间上的平滑宽度,两个参数通过调整可以提高平滑器的性能,在本发明中,分别取值10米和300秒。标准化函数Φ(t,x)是所有核函数φi(t,x),i=1,2,…,n的和,即:
同时,Ccong和Cfree分别表示在拥堵条件和自由流动条件下交通变化波动的传播速度,分别取值60km/h和-25km/h。
S23:利用一个能够衡量拥堵程度的权重函数ω(t,x)来结合S22中构建的Vfree(t,x)和Vcong(t,x),因此构建好的时空速度域的表达式为:
V(t,x)=ω(t,x)Vcong(t,x)+[1-ω(t,x)]Vfree(t,x)
其中,ω(t,x)=W(Vfree(t,x),Vcong(t,x)),并且
其中min(Vfree,Vcong)确保模型始终优先考虑拥堵条件下的速度域构建;Vthr表示自由流动状态和拥堵状态之间的阈值,取值60km/h;ΔV表示两种状态之间的过度宽度,即10km/h。
上述步骤S3:充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化。具体包括如下细分步骤S31至S32:
S31:路段rj上交通流Qj和车流密度kj、车速Vj之间的关系如公式(1):
Qj=Vj·kj (1)
其中Vj∈(0,rj·vm),kj∈(0,km),km是最大车流密度,通常由道路长度rj.len除以车长计算得出。在交通流理论中,车速和交通流密度的相关性可以通过模型表示,在自由流动状态时:
在拥堵状态时:
其中,vc和kc分别是临界速度和临界密度,并且vc与kc的乘积为最大交通流Qm。
S32:求取临界速度vc和临界密度kc的值,将公式(3)带入公式(1)中,可得:
对上式求其对密度k的一阶导数和二阶导数:
上述S4:利用步骤2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤3估计的连续交通流建立路段上各污染物的排放清单。具体包括如下细分步骤S41至S42:
S41:给定路段rj的连续速度场Vj(t,x),利用EMIT微观排放因子模型计算出连续排放率TPl(t)。EMIT模型由两个模块组成:发动机排放模块和尾气管排放模块。首先定义机动车牵引力Ptract:
其中各项参数定义分别如下:
A:滚动阻力项;B:滚动阻力项的速度修正;C:空气阻力项;M:发动机质量;g:重力常数;θ:道路坡度;定义l为通用的排放物种类(l=一氧化碳CO,碳氢化合物HC,氮氧化合物NOx),则排放物l的发动机排放率EOl表达式为:
其中各项参数取值如下表:
CO | HC | NO<sub>x</sub> | |
α | 0.0316 | 0.00916 | -0.00391 |
β | 0.0 | 0.0 | 0.000305 |
δ | 1.09e-07 | 7.55e-09 | 2.27e-08 |
ζ | 0.00883 | 0.00111 | 0.00307 |
α′ | 0.0261 | 0.00528 | 0.00323 |
尾气管排放模块下不同污染物的尾气排放率TPl分别有不同的计算公式:
其中各项参数取值如下表:
S42:给定路段r的连续排放率TPl(t,x)、交通流Qj(t,x)和路段属性,则路段的交通排放清单由下面函数描述,其排放值为:
本发明实施例以建立的西安市二环内路网的排放清单为例,结果如图3,其中深色的部分为高排放路段,反之浅色的路段交通排放更低。图二中包括了在工作日(周四)和休息日(周六)分别在早高峰(8点至9点)、晚高峰(17点至18点)和深夜(21点至22点)的三种污染物排放分布。
本发明为了解决采样比较小的问题,利用采集到的GPS轨迹构建一个能够代表所有行驶车辆的虚拟速度场,其结合微观排放模型计算出的排放分布能够反映给定路段的实际行驶工况状态,因此得到的排放总量更加精确;为了利用离散的GPS轨迹点构建虚拟连续速度场,本发明利用高斯自适应平滑模型,利用交通状态在时序上的连续相关性和拥堵传播方向。该模型在计算每个时刻的速度值时,通过其他采样点与该时刻速度值的时空相关性修正或者填充得出,从而抵消了误差噪声。
另一方面,本发明还公开一种基于时空速度域重构的路网排放清单建立系统,包括以下单元,
交通GPS轨迹点数据集构建单元,用于对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;
速度域构建单元,用于利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域;
连续交通流变化估算单元,用于在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化;
污染物的排放清单建立单元,利用构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合估计的连续交通流建立路段上各污染物的排放清单。
第三方面,本发明还公开一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如上述方法的步骤。
可理解的是,本发明实施例提供的系统与本发明实施例提供的方法相对应,相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于时空速度域重构的路网排放清单建立方法,其特征在于,包括以下步骤,
S1:对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;
S2:利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域;
S3:在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化;
S4:利用步骤S2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤S3估计的连续交通流建立路段上各污染物的排放清单。
2.根据权利要求1所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:所述S1对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集,具体包括,
S11:城市路网数据构造成一个有向图给定一个路网,首先将所有的道路岔口的集合作为图中连接路段的边ε,则两条边之间的顶点代表N个路段的合集,每个路段r都有自己属性,包括车道最大速度值r.vm、车道数r.n和路段长度r.len;
S12:机动车行驶相关数据即采样机动车的GPS轨迹,每条GPS轨迹P包含一系列的时序GPS点,其中每个GPS点p包含时间戳t和地理空间坐标g,即p=(t,g);首先,根据地理位置和时间的变化来计算GPS点的即时速度:给定两个GPS点p1和p2,则点p1的速度值为:
其中dist(·)是计算两点之间距离的函数;利用地图匹配算法将每个GPS点匹配到对应的路段并计算出GPS点在路段上的位置x,因此每个轨迹点的属性可拓展为p=(t,g,v,r,x);
S13:用i表示排放污染物种类,E={Ei|i=1,2,3}表示路段上的排放清单,按顺序分别表示一氧化碳CO、碳氢化合物HC和氮氧化合物NOx的排放值。
3.根据权利要求2所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:所述S2利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域,具体包括,
S21:通过对每个GPS点进行路段匹配后,每个GPS点p的属性都包括所在的路段的信息p.r;给定路段上的GPS点集Rj={p1,p2,...,pi,...,pn|pi=(ti,gi,vi,rj)}作为构建速度域的参考点;
S22:根据交通变化波动与交通流传播方向关系,构建自由流动和拥堵的条件下速度域Vfree(t,x)、Vcong(t,x):
其中,平滑核函数φi(t,x)分别随着点(t,x)和其他GPS点(ti,xi)的距离,即|t-ti|和|x-xi|,而衰减;当GPS点与所要估计的点距离较远,函数将生成更小的系数;核函数的表示如下:
其中σ和τ分别是空间和时间上的平滑宽度,两个参数通过调整即提高平滑器的性能;标准化函数Φ(t,x)是所有核函数φi(t,x),i=1,2,...,n的和,即:
同时,Ccong和Cfree分别表示在拥堵条件和自由流动条件下交通变化波动的传播速度;
S23:利用一个能够衡量拥堵程度的权重函数ω(t,x)来结合S22中构建的Vfree(t,x)和Vcong(t,x),构建好的时空速度域的表达式为:
V(t,x)=ω(t,x)Vcong(t,x)+[1-ω(t,x)]Vfree(t,x)
其中,ω(t,x)=W(Vfree(t,x),Vcong(t,x)),并且
其中min(Vfree,Vcong)确保模型始终优先考虑拥堵条件下的速度域构建;Vthr表示自由流动状态和拥堵状态之间的阈值;ΔV表示两种状态之间的过度宽度。
4.根据权利要求3所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:所述S3在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化,具体包括:
S31:路段rj上交通流Qj和车流密度kj、车速Vj之间的关系如公式(1):
Qj=Vj·kj (1)
其中Vj∈(0,rj·vm),kj∈(0,km),km是最大车流密度,通常由道路长度rj.len除以车长计算得出;在交通流理论中,车速和交通流密度的相关性通过模型表示,在自由流动状态时:
在拥堵状态时:
其中,vc和kc分别是临界速度和临界密度,并且vc与kc的乘积为最大交通流Qm;
S32:求取临界速度vc和临界密度kc的值,将公式(3)带入公式(1)中,得:
对上式求其对密度k的一阶导数和二阶导数:
5.根据权利要求4所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:所述S4利用步骤S2中构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合步骤S3估计的连续交通流建立路段上各污染物的排放清单,具体包括,
S41:给定路段rj的连续速度场Vj(t,x),利用EMIT微观排放因子模型计算出连续排放率TPl(t);EMIT模型由两个模块组成:发动机排放模块和尾气管排放模块;首先定义机动车牵引力Ptract:
其中各项参数定义分别如下:
A:滚动阻力项;B:滚动阻力项的速度修正;C:空气阻力项;M:发动机质量;g:重力常数;θ:道路坡度;定义l为通用的排放物种类(l=一氧化碳CO,碳氢化合物HC,氮氧化合物NOx),则排放物l的发动机排放率EOl表达式为:
尾气管排放模块下不同污染物的尾气排放率TPl分别有不同的计算公式:
S42:给定路段r的连续排放率TPl(t,x)、交通流Qj(t,x)和路段属性,则路段的交通排放清单由下面函数描述,其排放值为:
6.根据权利要求5所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:其中相关参数取值如下表:
。
8.根据权利要求5所述的基于时空速度域重构的路网排放清单建立方法,其特征在于:σ取值10米,τ取值300秒;Vthr取值60km/h;ΔV取值10km/h。
9.一种基于时空速度域重构的路网排放清单建立系统,其特征在于:包括以下单元,
交通GPS轨迹点数据集构建单元,用于对城市交通中机动车GPS轨迹数据预处理和城市路网数据预处理和路段切割,从而构造建立排放清单所需的交通GPS轨迹点数据集;
速度域构建单元,用于利用交通状态在时序上的连续相关性和拥堵传播方向,通过高斯自适应平滑模型插补上述数据空间中缺失的交通速度值,从而构建连续的速度域;
连续交通流变化估算单元,用于在充分考虑不同交通模式下交通速度与交通密度的相关性后,通过Edie速度-密度模型估计路段上的交通流密度,从而估计出相应的连续交通流变化;
污染物的排放清单建立单元,利用构建出的连续速度域后,通过微观排放模型计算出机动车连续排放变化率,结合估计的连续交通流建立路段上各污染物的排放清单。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110430768.2A CN113256966B (zh) | 2021-04-21 | 2021-04-21 | 基于时空速度域重构的路网排放清单建立方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110430768.2A CN113256966B (zh) | 2021-04-21 | 2021-04-21 | 基于时空速度域重构的路网排放清单建立方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256966A true CN113256966A (zh) | 2021-08-13 |
CN113256966B CN113256966B (zh) | 2022-02-25 |
Family
ID=77221979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110430768.2A Active CN113256966B (zh) | 2021-04-21 | 2021-04-21 | 基于时空速度域重构的路网排放清单建立方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256966B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293585A (zh) * | 2022-08-09 | 2022-11-04 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2316158A1 (en) * | 1998-01-05 | 1999-07-15 | U.S. Environmental Protection Agency | Real-time on-road vehicle exhaust gas modular flowmeter and emissions reporting system |
WO2005097573A2 (en) * | 2004-03-30 | 2005-10-20 | Railpower Technologies Corp. | Emission management for a hybrid locomotive |
US20100076675A1 (en) * | 2008-09-24 | 2010-03-25 | The Regents Of The University Of California | Environmentally friendly driving navigation |
US20100211247A1 (en) * | 2009-02-16 | 2010-08-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | System for producing an adaptive driving strategy based on emission optimization |
CN106650159A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种城市路网大气污染物浓度时空分布实时监测系统 |
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 |
EP3527809A1 (fr) * | 2018-02-16 | 2019-08-21 | IFP Energies nouvelles | Systeme embarque de mesure des emissions polluantes d'un vehicule |
CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
CN110727904A (zh) * | 2019-10-11 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种车辆排放清单的构建方法 |
CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 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 |
CN111932874A (zh) * | 2020-07-27 | 2020-11-13 | 中国科学技术大学 | 一种利用机动车gps轨迹预测空气污染趋势的方法及系统 |
CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
-
2021
- 2021-04-21 CN CN202110430768.2A patent/CN113256966B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2316158A1 (en) * | 1998-01-05 | 1999-07-15 | U.S. Environmental Protection Agency | Real-time on-road vehicle exhaust gas modular flowmeter and emissions reporting system |
WO2005097573A2 (en) * | 2004-03-30 | 2005-10-20 | Railpower Technologies Corp. | Emission management for a hybrid locomotive |
US20100076675A1 (en) * | 2008-09-24 | 2010-03-25 | The Regents Of The University Of California | Environmentally friendly driving navigation |
US20100211247A1 (en) * | 2009-02-16 | 2010-08-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | System for producing an adaptive driving strategy based on emission optimization |
CN106650159A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种城市路网大气污染物浓度时空分布实时监测系统 |
EP3527809A1 (fr) * | 2018-02-16 | 2019-08-21 | IFP Energies nouvelles | Systeme embarque de mesure des emissions polluantes d'un vehicule |
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 |
CN110209990A (zh) * | 2019-05-22 | 2019-09-06 | 中山大学 | 一种基于车辆身份检测数据的单辆车排放轨迹计算方法 |
CN110727904A (zh) * | 2019-10-11 | 2020-01-24 | 中国科学院地理科学与资源研究所 | 一种车辆排放清单的构建方法 |
CN111260933A (zh) * | 2020-02-11 | 2020-06-09 | 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 |
CN111932874A (zh) * | 2020-07-27 | 2020-11-13 | 中国科学技术大学 | 一种利用机动车gps轨迹预测空气污染趋势的方法及系统 |
CN112561410A (zh) * | 2021-02-26 | 2021-03-26 | 北京英视睿达科技有限公司 | 道路车辆的排放量确定方法、装置及电子设备 |
Non-Patent Citations (4)
Title |
---|
刘灿齐,陈军: "基于Edie模型的路阻函数关系推导及其拟合分析研究", 《交通标准化》 * |
康宇等: "Spatiotemporal Graph Convolution Multifusion Network for Urban Vehicle Emission Prediction", 《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》 * |
徐程,陈晓明: "交通流速度-密度模型特性分析", 《公路交通科技》 * |
柴源: "基于自下而上的高时空分辨率机动车排放清单系统研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115293585A (zh) * | 2022-08-09 | 2022-11-04 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
CN115293585B (zh) * | 2022-08-09 | 2024-04-30 | 广东旭诚科技有限公司 | 一种基于gis-t搭建路网机动车动态排放清单的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113256966B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211374A1 (en) | System, method, and apparatus for analyzing a traffic road condition | |
CN109086246B (zh) | 一种道路交通源的排放量计算方法及装置 | |
CN107657637B (zh) | 一种农机作业面积获取方法 | |
US9599488B2 (en) | Method and apparatus for providing navigational guidance using the states of traffic signal | |
CN107563566B (zh) | 一种基于支持向量机的公交站间运行时间区间预测方法 | |
US7953544B2 (en) | Method and structure for vehicular traffic prediction with link interactions | |
CN103295414B (zh) | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 | |
CN104215249B (zh) | 一种行车轨迹的平滑方法 | |
CN102087788B (zh) | 基于浮动车车速置信度的交通状态参数估计方法 | |
Liang et al. | Fuel-saving potentials of platooning evaluated through sparse heavy-duty vehicle position data | |
CN106777762B (zh) | 一种街道峡谷内污染物分布实时估计方法 | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
Song et al. | Emissions and fuel consumption modeling for evaluating environmental effectiveness of ITS strategies | |
CN103308054A (zh) | 一种导航路径旅行时间测算方法 | |
CN107886188B (zh) | 液化天然气公交尾气排放预测方法 | |
Ding et al. | Greenplanner: Planning personalized fuel-efficient driving routes using multi-sourced urban data | |
CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN116386336B (zh) | 基于卡口车牌数据的路网交通流量鲁棒计算方法及系统 | |
CN113256966B (zh) | 基于时空速度域重构的路网排放清单建立方法及系统 | |
CN111931317A (zh) | 基于车载gps数据的区域拥堵路网边界控制方法 | |
CN112101638B (zh) | 一种城市物流配送范围协同优化方法 | |
CN114676917A (zh) | 一种空驶出租汽车空间分布评估方法及系统 | |
Axer et al. | Signal timing estimation based on low frequency floating car data | |
George et al. | Area occupancy-based adaptive density estimation for mixed road traffic | |
Stevanovic et al. | Environmental benefits of adaptive traffic control system: Assessment of fuel consumption and vehicular emissions |
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 |