CN114692355B - 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 - Google Patents
耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 Download PDFInfo
- Publication number
- CN114692355B CN114692355B CN202210463466.XA CN202210463466A CN114692355B CN 114692355 B CN114692355 B CN 114692355B CN 202210463466 A CN202210463466 A CN 202210463466A CN 114692355 B CN114692355 B CN 114692355B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- openfoam
- road
- simulation
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统,方法包括:采集模拟区域路段的数据,计算污染物排放源强;建立该区域的中尺度WRF模型,模拟中尺度气象模式数据并通过聚类分析得到典型气象工况;根据建筑物数据建模以生成精细化网格;将中尺度WRF模型的气象信息数据耦合至精细化网格的边界上,以得到典型工况下的网格风场数据,作为OpenFOAM模型的边界条件;将污染物排放源强作为OpenFOAM模型的源项,并求解OpenFOAM模型的污染物扩散方程组,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。通过本发明的技术方案,能够准确模拟道路尺度机动车污染扩散特征,定量评估机动车污染物对空气质量的影响贡献,科学支撑机动车污染领域精细化管理。
Description
技术领域
本发明涉及污染物扩散模拟技术领域,尤其涉及一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法以及一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统。
背景技术
目前,随着我国机动车保有量的日益增长,机动车污染问题日益突出,已成为城市和区域空气污染的重要来源。京津冀、汾渭平原、长三角、成渝等重点区域的交通污染物排放影响凸显,部分城市移动源排放已经成为细颗粒物(PM2.5)的首要来源。另一方面,机动车排放属于近地排放,对长期暴露在交通环境或居住在交通密集区域的人群健康影响尤为突出。
目前机动车污染扩散分布研究中大多只单方面侧重于微观尺度流体力学模型的应用或者区域城市宏观尺度污染物扩散模型的研究,缺少耦合中尺度模型和流体动力学仿真模型的研究。微观尺度流体力学模型一般使用经验的边界条件,考虑道路实际情况较少,缺乏观测数据,存在汽车尾气的污染扩散模拟结果不准确的问题。城市尺度污染物扩散一般应用中尺度模型(如WRF、CMAQ),模拟网格分辨率较粗,且未考虑道路周围建筑信息,无法支撑道路尺度机动车污染领域精细化管理。传统模型无法满足准确、精细模拟道路尺度机动车尾气扩散分布特征的要求,未完全考虑道路建筑物导致的汽车尾气扩散特征的复杂性和扩散模型的适用性。
发明内容
针对上述问题,本发明提供了一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统,在利用交通流数据核算道路精细化机动车排放清单的基础上,引入中尺度WRF气象模型、流体力学仿真OpenFOAM模型、道路地形及建筑数据,定量评估道路尺度机动车污染扩散特征,科学支撑机动车污染领域精细化管理,为机动车污染排放环境影响及公共健康研究提供有力的技术支撑。
为实现上述目的,本发明提供了一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,包括:
采集模拟区域路段的道路基本信息和交通流数据;
根据所述道路基本信息和所述交通流数据,计算当前模拟区域路段的污染物排放源强;
基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟所述中尺度WRF模型的中尺度气象模式数据;
对所述中尺度气象模式数据进行聚类分析,得到所述模拟区域路段的典型气象工况;
采集所述模拟区域路段的道路周围预设区域的地形及建筑物数据;
根据所述建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
在所述精细化网格中选取污染物排放区域,并添加对应区域的所述污染物排放源强,作为所述OpenFOAM模型的微尺度流场仿真的源项;
基于所述典型气象工况、所述地形及建筑物数据、所述精细化网格和所述边界条件,利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
根据所述污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在上述技术方案中,优选地,所述道路基本信息包括道路长度、车道数和道路种类,所述交通流数据包括数据采集断面的车辆类型、车速和交通流量。
在上述技术方案中,优选地,所述计算当前模拟区域路段的污染物排放源强的具体过程包括:
根据所述车辆类型和车速,计算不同车辆在所述模拟区域路段的污染物排放总量;
根据所述模拟区域路段的道路长度,根据所述污染物排放总量计算得到污染物排放源强。
在上述技术方案中,优选地,所述中尺度WRF模型的建立方法为:
根据所述模拟区域路段所在区域范围,获取该区域范围对应的再分析数据作为气象背景场;
为WRF模型设置预设层嵌套网格,并设置WRF模型的模拟参数,构建得到中尺度分辨率的所述中尺度WRF模型。
在上述技术方案中,优选地,所述根据所述建筑物数据进行城市道路环境网格建模生成非结构化的精细化网格的具体过程包括:
基于所述模拟区域路段的道路周围建筑物数据,对所述模拟区域路段利用snappyHexMesh方法生成微尺度的非结构化网格,对建筑物及污染物区域进行局部加密,设置建筑物表面网格分辨率,得到城市道路环境网格模型。
在上述技术方案中,优选地,所述提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件,具体过程包括:
提取所述中尺度WRF模型的气象信息数据,将中尺度的所述气象信息数据耦合至微尺度,将所述中尺度WRF模型和所述OpenFOAM模型在边界上进行数据耦合,得到城市道路OpenFOAM模型的侧边界面和顶面上在典型气象工况下的精细化网格风场数据。
在上述技术方案中,优选地,所述利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组的过程中,以所述模拟区域路段的污染物排放源强作为源项,在所构建的所述OpenFOAM模型的扩散方式下设置污染物扩散系数,从而根据设置的污染物扩散系数得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在上述技术方案中,优选地,耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法还包括:
将机动车大气污染物的所述空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
本发明还提出一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统,应用如上述技术方案中任一项公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,包括:
路段信息采集模块,用于采集模拟区域路段的道路基本信息和交通流数据;
污染源强计算模块,用于根据所述道路基本信息和所述交通流数据,计算当前模拟区域路段的污染物排放源强;
WRF模型构建模块,用于基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟所述中尺度WRF模型的中尺度气象模式数据;
典型气象工况分析模块,用于对所述中尺度气象模式数据进行聚类分析,得到所述模拟区域路段的典型气象工况;
建筑数据采集模块,用于采集所述模拟区域路段的道路周围预设区域的地形及建筑物数据;
精细网格生成模块,用于根据所述建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
风场数据耦合模块,用于提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
仿真源项添加模块,用于在所述精细化网格中选取污染物排放区域,并添加对应区域的所述污染物排放源强,作为所述OpenFOAM模型的微尺度流场仿真的源项;
污染扩散求解模块,用于基于所述典型气象工况、所述地形及建筑物数据、所述精细化网格和所述边界条件,利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
污染分布表征模块,用于根据所述污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在上述技术方案中,优选地,耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统还包括:
污染分布可视模块,用于将机动车大气污染物的所述空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
与现有技术相比,本发明的有益效果为:在利用交通流数据核算道路精细化机动车排放清单的基础上,引入中尺度WRF气象模型、流体力学仿真OpenFOAM模型、道路地形及建筑数据,能够定量评估道路尺度机动车污染扩散特征,科学支撑机动车污染领域精细化管理,为机动车污染排放环境影响及公共健康研究提供了有力的技术支撑。
附图说明
图1为本发明一种实施例公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法的流程示意图;
图2为本发明一种实施例公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法的技术思路的流程示意图;
图3为本发明一种实施例公开的风速风向流场的典型气象工况示意图;
图4为本发明一种实施例公开的城市道路环境网格的设置方式示意图;
图5为本发明一种实施例公开的1.7米行人高度处的街区在东北风下的流场速度分布示意图;
图6和图7分别为本发明实施例公开的高峰时段和低峰时段在1.7米行人高度处的NOx浓度分布示意图;
图8和图9分别为本发明实施例公开的高峰时段和低峰时段的NOx浓度空间分布示意图;
图10和图11分别为本发明实施例公开的高峰时段和低峰时段在1.7米行人高度处的PM2.5浓度分布示意图;
图12和图13分别为本发明实施例公开的高峰时段和低峰时段的PM2.5浓度空间分布示意图;
图14为本发明一种实施例公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统的模块示意图。
图中,各组件与附图标记之间的对应关系为:
11.路段信息采集模块,12.污染源强计算模块,13.WRF模型构建模块,14.典型气象工况分析模块,15.建筑数据采集模块,16.精细网格生成模块,17.风场数据耦合模块,18.仿真源项添加模块,19.污染扩散求解模块,20.污染分布表征模块,21.污染分布可视模块。
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的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
如图1和图2所示,根据本发明提供的一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,包括:
采集模拟区域路段的道路基本信息和交通流数据;
根据道路基本信息和交通流数据,计算当前模拟区域路段的污染物排放源强;
基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟中尺度WRF模型的中尺度气象模式数据;
对中尺度气象模式数据进行聚类分析,得到模拟区域路段的典型气象工况;
采集模拟区域路段的道路周围预设区域的地形及建筑物数据;
根据建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
提取中尺度WRF模型的气象信息数据,并将气象信息数据在精细化网格的边界上进行数据耦合,以得到典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
在精细化网格中选取污染物排放区域,并添加对应区域的污染物排放源强,作为OpenFOAM模型的微尺度流场仿真的源项;
基于典型气象工况、地形及建筑物数据、精细化网格和边界条件,利用定常仿真方法求解OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
根据污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在该实施方式中,在利用交通流数据核算道路精细化机动车排放清单的基础上,引入中尺度WRF气象模型、流体力学仿真OpenFOAM模型、道路地形及建筑数据,能够定量评估道路尺度机动车污染扩散特征,科学支撑机动车污染领域精细化管理,为机动车污染排放环境影响及公共健康研究提供了有力的技术支撑。
在上述实施方式中,选取典型模拟道路,采用人工观测或视频采集的方式收集断面交通流数据。优选地,道路基本信息包括道路长度、车道数和道路种类,交通流数据包括数据采集断面的车辆类型、车速和交通流量。
在上述实施方式中,优选地,基于采集的道路基本信息和交通流数据,计算当前模拟区域路段的污染物排放源强的具体过程包括:
根据车辆类型和车速,计算不同车辆在模拟区域路段的污染物排放总量;
根据模拟区域路段的道路长度,根据污染物排放总量计算得到污染物排放源强。
在上述实施方式中,优选地,中尺度WRF模型的建立方法为:
根据模拟区域路段所在区域范围,获取该区域范围对应的再分析数据作为气象背景场;
为WRF模型设置预设层嵌套网格,比如4层嵌套网格,并设置WRF模型的模拟参数(包括中心经纬度、时间、网格分辨率、物理过程等),构建得到中尺度分辨率的中尺度WRF模型,用以模拟中尺度气象模式数据。优选地,4层嵌套网格的分辨率可分别设置为27km、9km、3km、1km。
在上述实施方式中,优选地,根据建筑物数据进行城市道路环境网格建模生成非结构化的精细化网格的具体过程包括:
基于模拟区域路段的道路周围建筑物数据,如道路周围1.5km×1.5km范围内的建筑物数据,对模拟区域路段利用snappyHexMesh方法生成微尺度的非结构化网格,对建筑物即污染物区域进行局部加密,设置建筑物表面网格分辨率,得到城市道路环境网格建模。优选地,建筑物表面网格的分辨率可设置为0.6米。
在上述实施方式中,优选地,提取中尺度WRF模型的气象信息数据,并将气象信息数据在精细化网格的边界上进行数据耦合,以得到典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件,具体过程包括:
提取中尺度WRF模型的气象信息数据,将中尺度的气象信息数据耦合至微尺度,将中尺度WRF模型和OpenFOAM模型在边界上进行数据耦合,得到城市道路OpenFOAM模型的侧边界面和顶面上在典型气象工况下的精细化网格风场数据。
在上述实施方式中,优选地,利用定常仿真方法求解OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组的过程中,以模拟区域路段的污染物排放源强作为源项,在所构建的OpenFOAM模型的扩散方式下设置污染物扩散系数,从而根据设置的污染物扩散系数得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在上述实施方式中,优选地,耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法还包括:
将机动车大气污染物的空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
根据上述实施方式公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,以下通过具体路段的监测和模拟过程对该方法进行具体说明,步骤为:
步骤1:本研究选择某市城关区佛慈大街作为监测路段,研究时段为2021年7月5日至11日,采用人工观测和遥感视频监测相结合的方式进行断面流量的收集。
佛慈大街是自北向南穿行该城区的交通干道,是该城区南北向的重要通路,研究观测路段为沿线1000 m,车道数为双向六车道,道路种类为城市核心主干道。
车流量监测结果显示:2021年7月5日至11日大沙坪点位总车流量稳定在13000辆至15000辆之间,路段平均时速约为30 km/h。从车型分布上来看,小型客车占流量主体,全天平均占比约为51%;对于重型货车而言,全天平均占比仅为3%,但是夜间占比可以高达37%(3:00)。中型客车也是主要车型,全天占比达到35%,晚高峰时段占比高达40%(17:00-19:00)。
步骤2:选取NOx、PM2.5为典型污染物,计算路段交通排放污染物源强。
步骤2.1:结合车流量、道路信息和车辆排放因子结果,核算监测时段内小时平均污染物排放量变化;在监测时段内,佛慈大街总车流的NOx全天时均排放量为0.43-0.93kg/h,PM2.5全天时均排放量为0.04-0.20kg/h;
步骤2.2:基于道路长度核算污染物排放源强:在监测时段内,佛慈大街总车流的NOx全天小时平均排放源强为0.0000213-0.0000465 kg/(m3•h),PM2.5全天小时平均排放源强为0.0000018-0.0000102 kg/(m3•h)。
步骤3:道路所在区域WRF中尺度气象模式数据计算。
步骤3.1:按照该实施方式的道路所在地,研究时段为2021年7月5-11日(北京时间),获取模型所需的气象背景场数据。背景场数据采用美国国家环境模拟中心(NationalCenter for Environmental Prediction, NCEP)提供的FNL全球再分析数据,网格和时间分辨率分别为1°×1°、6小时;
步骤3.2:设置WRF模型模拟参数,建立道路所在区域中尺度WRF模型,模拟WRF中尺度气象模式数据;其中,WRF模型中心经纬度是北纬30.0839°和东经103.8342°;
设置4层嵌套网格,第一层分辨率是27km,网格个数是61×61;第二层分辨率是9km,网格个数是61×61;第三层分辨率是3km,网格个数是73×73;第四层分辨率是1km,网格个数是61×61。
WRF模型的模拟参数的配置方式如下表所示:
步骤4:中尺度WRF模型气象数据提取及特征分析:根据2021年7月5-11日模拟结果,对佛慈大街区域的WRF模拟结果进行聚类分析,得到佛慈大街区域的代表工况。如图3所示,本实施方式选取的佛慈大街区域的代表工况为:近地面风速0.94m/s;风向东北风。
步骤5:获取研究道路地形及建筑物数据:根据地形和建筑数据源,提取道路周围1.5km×1.5km的地形及建筑物数据,数据输出STL格式。
步骤6:城市道路环境网格创建:根据步骤5获取的建筑物数据进行城市道路环境网格建模,使用snappyHexMesh生成非结构化网格,对建筑物及污染物区域进行局部加密,建筑物表面网格分辨率设置为0.6m。网格区域大小的设置如图4所示,内部方形区域为街道范围,内部方形外、外部方形内区域为网格范围。
步骤7:中尺度仿真数据到微尺度仿真耦合,中尺度仿真模型和微尺度仿真模型在边界上的数据耦合,WRF模型和OpenFOAM模型在边界上的数据耦合,得到城市道路OpenFOAM模型4个侧边界面和顶面上代表工况的精细化网格风场数据。
步骤8:观测污染物源项添加,根据道路监测结果获取单位长度污染物的浓度,作为微尺度流场仿真的源项,添加到微尺度流场数值仿真系统中。污染物控制方程为:
其中,K为污染物扩散系数,c为污染物浓度,Q为污染物源项。
Q取步骤2计算的道路交通排放污染物源强。针对NOx、PM2.5两种污染物,分别输入其高峰和低峰时段的源强。NOx、PM2.5的排放高峰时段的源强分别为0.0000465、0.0000102kg/(m3•h);NOx、PM2.5的排放低峰时段的源强分别为0.0000213、0.0000018kg/(m3•h)。
步骤9:污染物扩散数值仿真,采用定常仿真的方法,求解流体运动方程及污染物扩散方程,流体方程求解选取SIMPLE算法,湍流模型选择适用于大气边界层仿真的两方程湍流模型,为保证求解充分收敛,速度、压力、湍动能、湍流耗散率的残差控制为1e-5。
步骤10:将仿真完成的流场数据转化为VTK格式,使用VTK可视化库进行流场数据的处理及可视化。根据微尺度仿真的结果对污染物浓度分布进行模拟,得到代表工况下机动车大气污染物扩散的空间分布特征。
通过上述步骤,通过对数据的可视化处理,如图5至图13所示,可以得到分别在高峰时段和低峰时段的NOx浓度和PM2.5浓度在1.7米行人高度处或整个空间的分布图,从而实现对典型气象工况下的机动车大气污染物的扩散分布特征,从而科学支撑机动车污染领域精细化管理,为机动车污染排放环境影响及公共健康研究提供有力的技术支撑。
如图14所示,本发明还提出一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统,应用如上述实施方式中任一项公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,包括:
路段信息采集模块11,用于采集模拟区域路段的道路基本信息和交通流数据;
污染源强计算模块12,用于根据道路基本信息和交通流数据,计算当前模拟区域路段的污染物排放源强;
WRF模型构建模块13,用于基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟中尺度WRF模型的中尺度气象模式数据;
典型气象工况分析模块14,用于对中尺度气象模式数据进行聚类分析,得到模拟区域路段的典型气象工况;
建筑数据采集模块15,用于采集模拟区域路段的道路周围预设区域的地形及建筑物数据;
精细网格生成模块16,用于根据建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
风场数据耦合模块17,用于提取中尺度WRF模型的气象信息数据,并将气象信息数据在精细化网格的边界上进行数据耦合,以得到典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
仿真源项添加模块18,用于在精细化网格中选取污染物排放区域,并添加对应区域的污染物排放源强,作为OpenFOAM模型的微尺度流场仿真的源项;
污染扩散求解模块19,用于基于典型气象工况、地形及建筑物数据、精细化网格和边界条件,利用定常仿真方法求解OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
污染分布表征模块20,用于根据污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
在上述实施方式中,优选地,耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统还包括:
污染分布可视模块21,用于将机动车大气污染物的空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
根据上述实施方式公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统,其各模块所要实现的功能分别按照上述实施方式中公开的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法中的步骤进行实现,参见上述实施方式,在此不再赘述。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,包括:
采集模拟区域路段的道路基本信息和交通流数据;
根据所述道路基本信息和所述交通流数据,计算当前模拟区域路段的污染物排放源强;
基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟所述中尺度WRF模型的中尺度气象模式数据;
对所述中尺度气象模式数据进行聚类分析,得到所述模拟区域路段的典型气象工况;
采集所述模拟区域路段的道路周围预设区域的地形及建筑物数据;
根据所述建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
在所述精细化网格中选取污染物排放区域,并添加对应区域的所述污染物排放源强,作为所述OpenFOAM模型的微尺度流场仿真的源项;
基于所述典型气象工况、所述地形及建筑物数据、所述精细化网格和所述边界条件,利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
根据所述污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
2.根据权利要求1所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述道路基本信息包括道路长度、车道数和道路种类,所述交通流数据包括数据采集断面的车辆类型、车速和交通流量。
3.根据权利要求2所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述计算当前模拟区域路段的污染物排放源强的具体过程包括:
根据所述车辆类型和车速,计算不同车辆在所述模拟区域路段的污染物排放总量;
根据所述模拟区域路段的道路长度,根据所述污染物排放总量计算得到污染物排放源强。
4.根据权利要求1所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述中尺度WRF模型的建立方法为:
根据所述模拟区域路段所在区域范围,获取该区域范围对应的再分析数据作为气象背景场;
为WRF模型设置预设层嵌套网格,并设置WRF模型的模拟参数,构建得到中尺度分辨率的所述中尺度WRF模型。
5.根据权利要求1所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述根据所述建筑物数据进行城市道路环境网格建模生成非结构化的精细化网格的具体过程包括:
基于所述模拟区域路段的道路周围建筑物数据,对所述模拟区域路段利用snappyHexMesh方法生成微尺度的非结构化网格,对建筑物及污染物区域进行局部加密,设置建筑物表面网格分辨率,得到城市道路环境网格模型。
6.根据权利要求5所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件,具体过程包括:
提取所述中尺度WRF模型的气象信息数据,将中尺度的所述气象信息数据耦合至微尺度,将所述中尺度WRF模型和所述OpenFOAM模型在边界上进行数据耦合,得到城市道路OpenFOAM模型的侧边界面和顶面上在典型气象工况下的精细化网格风场数据。
7.根据权利要求6所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,所述利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组的过程中,以所述模拟区域路段的污染物排放源强作为源项,在所构建的所述OpenFOAM模型的扩散方式下设置污染物扩散系数,从而根据设置的污染物扩散系数得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
8.根据权利要求7所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,其特征在于,还包括:
将机动车大气污染物的所述空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
9.一种耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统,其特征在于,应用如权利要求1至8中任一项所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法,包括:
路段信息采集模块,用于采集模拟区域路段的道路基本信息和交通流数据;
污染源强计算模块,用于根据所述道路基本信息和所述交通流数据,计算当前模拟区域路段的污染物排放源强;
WRF模型构建模块,用于基于当前模拟区域路段建立道路所在区域的中尺度WRF模型,模拟所述中尺度WRF模型的中尺度气象模式数据;
典型气象工况分析模块,用于对所述中尺度气象模式数据进行聚类分析,得到所述模拟区域路段的典型气象工况;
建筑数据采集模块,用于采集所述模拟区域路段的道路周围预设区域的地形及建筑物数据;
精细网格生成模块,用于根据所述建筑物数据进行城市道路环境网格建模,生成非结构化的精细化网格;
风场数据耦合模块,用于提取所述中尺度WRF模型的气象信息数据,并将所述气象信息数据在所述精细化网格的边界上进行数据耦合,以得到所述典型气象工况下的网格风场数据,作为OpenFOAM模型的边界条件;
仿真源项添加模块,用于在所述精细化网格中选取污染物排放区域,并添加对应区域的所述污染物排放源强,作为所述OpenFOAM模型的微尺度流场仿真的源项;
污染扩散求解模块,用于基于所述典型气象工况、所述地形及建筑物数据、所述精细化网格和所述边界条件,利用定常仿真方法求解所述OpenFOAM模型的流体运动方程与污染物输运方程所组成的污染物扩散方程组;
污染分布表征模块,用于根据所述污染物扩散方程组的结果,得到当前模拟区域路段的机动车大气污染物的空间扩散分布特征。
10.根据权利要求9所述的耦合WRF与OpenFOAM模型的机动车污染扩散模拟系统,其特征在于,还包括:
污染分布可视模块,用于将机动车大气污染物的所述空间扩散分布特征数据转化为VTK格式,并使用VTK可视化库进行流场数据可视化处理,得到污染物浓度的空间分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210463466.XA CN114692355B (zh) | 2022-04-29 | 2022-04-29 | 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210463466.XA CN114692355B (zh) | 2022-04-29 | 2022-04-29 | 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114692355A CN114692355A (zh) | 2022-07-01 |
CN114692355B true CN114692355B (zh) | 2022-10-18 |
Family
ID=82144897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210463466.XA Active CN114692355B (zh) | 2022-04-29 | 2022-04-29 | 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114692355B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688636B (zh) * | 2022-12-29 | 2023-04-07 | 浙江远算科技有限公司 | 一种基于计算流体力学的大气环境污染修复仿真方法及系统 |
CN117454729B (zh) * | 2023-11-13 | 2024-04-19 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2797041A1 (en) * | 2013-04-26 | 2014-10-29 | Università Del Salento - Dipartimento Di Ingegneria Dell'Innovazione | Method for estimating pollutant concentration of urban environments using fluid-dynamics clustering |
CN106650158A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种基于cfd及多数据源的城市实时全局环境估计方法 |
CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
CN108563867A (zh) * | 2018-04-13 | 2018-09-21 | 华中科技大学 | 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法 |
CN113191096A (zh) * | 2021-04-13 | 2021-07-30 | 中南建筑设计院股份有限公司 | 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法 |
CN113627096A (zh) * | 2021-07-14 | 2021-11-09 | 哈尔滨工业大学 | 一种基于空间相关性和监测数据的精细风场模拟方法 |
-
2022
- 2022-04-29 CN CN202210463466.XA patent/CN114692355B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2797041A1 (en) * | 2013-04-26 | 2014-10-29 | Università Del Salento - Dipartimento Di Ingegneria Dell'Innovazione | Method for estimating pollutant concentration of urban environments using fluid-dynamics clustering |
CN106650158A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种基于cfd及多数据源的城市实时全局环境估计方法 |
CN106845371A (zh) * | 2016-12-31 | 2017-06-13 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
CN108563867A (zh) * | 2018-04-13 | 2018-09-21 | 华中科技大学 | 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法 |
CN113191096A (zh) * | 2021-04-13 | 2021-07-30 | 中南建筑设计院股份有限公司 | 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法 |
CN113627096A (zh) * | 2021-07-14 | 2021-11-09 | 哈尔滨工业大学 | 一种基于空间相关性和监测数据的精细风场模拟方法 |
Non-Patent Citations (2)
Title |
---|
WRF-CMAQ-CFD多尺度耦合的城市下垫面小区空气污染污染数值模拟研究;於海军;《》;20160715;第B027-238页 * |
武汉市下垫面变化对大气污染物扩散和气象要素影响的数值模拟;蒋宁洁等;《安全与环境学报》;20161225(第06期);第276-282页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114692355A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114692355B (zh) | 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
Ahmad et al. | Wind tunnel simulation studies on dispersion at urban street canyons and intersections—a review | |
Gao et al. | Assessing neighborhood air pollution exposure and its relationship with the urban form | |
Zhang et al. | High-resolution simulation of link-level vehicle emissions and concentrations for air pollutants in a traffic-populated eastern Asian city | |
Puliafito et al. | Characterization of urban air quality using GIS as a management system | |
Coelho et al. | Assessment of potential improvements on regional air quality modelling related with implementation of a detailed methodology for traffic emission estimation | |
CN111696369A (zh) | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 | |
Colvile et al. | Sustainable development of urban transport systems and human exposure to air pollution | |
CN105117595A (zh) | 一种基于浮动车数据的私家车出行数据集成方法 | |
Sheng et al. | Risk assessment of traffic-related air pollution in a world heritage city | |
Shekarrizfard et al. | Modelling the spatio-temporal distribution of ambient nitrogen dioxide and investigating the effects of public transit policies on population exposure | |
Agudelo-Castañeda et al. | Linking of built environment inequalities with air quality: A case study | |
Tiedong et al. | Applying floating car data in traffic monitoring | |
Wang et al. | Hourly population exposure index for PM2. 5 in urban street canyons | |
Álvarez Narváez et al. | Estimation of the vehicle emission factor in different areas of Cartagena de Indias | |
Zhou et al. | Development of land use regression models to characterise spatial patterns of particulate matter and ozone in urban areas of Lanzhou | |
Hertel et al. | Assessing the impacts of traffic air pollution on human exposure and health | |
CN117808211B (zh) | 一种基于空气质量检测数据的评估方法及系统 | |
Boitor et al. | A new tool for the evaluation of CO2 emissions from road traffic: a case study in Cluj-Napoca, Romania | |
Aini et al. | The effect of tree planting within roadside green space on dispersion of CO2 from transportation | |
Sheng et al. | A building-based data capture and data mining technique for air quality assessment | |
Contreras | Regional Scale Dispersion Modeling and Analysis of Directly Emitted Fine Particulate Matter from Mobile Source Pollutants Using AERMOD | |
Karthik et al. | Study of traffic noise pollution on busy corridors in Chennai | |
Puliafito | Emissions and air concentrations of pollutant for urban area sources |
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 |