CN117112867B - 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 - Google Patents
一种基于gps轨迹数据的重型车辆排放计算和可视化方法 Download PDFInfo
- Publication number
- CN117112867B CN117112867B CN202311382247.XA CN202311382247A CN117112867B CN 117112867 B CN117112867 B CN 117112867B CN 202311382247 A CN202311382247 A CN 202311382247A CN 117112867 B CN117112867 B CN 117112867B
- Authority
- CN
- China
- Prior art keywords
- track
- heavy vehicle
- data
- active
- active heavy
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 10
- 238000007794 visualization technique Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims description 34
- 239000004576 sand Substances 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 230000006866 deterioration Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 abstract description 8
- 239000003344 environmental pollutant Substances 0.000 abstract description 7
- 231100000719 pollutant Toxicity 0.000 abstract description 7
- 238000012800 visualization Methods 0.000 abstract description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/904—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于GPS轨迹数据的重型车辆排放计算和可视化方法。该方法包括:根据重型车辆的GPS轨迹数据,利用矩形法确定活跃重型车辆,并保留活跃重型车辆的轨迹数据;对活跃重型车辆的轨迹数据进行精细化处理,获取活跃重型车辆的精细化实时轨迹数据;根据活跃重型车辆的精细化实时轨迹数据,计算活跃重型车辆的轨迹段排放量;根据活跃重型车辆的轨迹段排放量,得到活跃重型车辆的栅格排放数据,并对活跃重型车辆的栅格排放数据进行可视化。本发明能在更加精细化的区域内量化重型车辆污染物的排放,提升了重型车辆排放量化的精确度和时效性,并将重型车辆的轨迹段与栅格数据进行匹配,实现了重型车辆排放的可视化。
Description
技术领域
本发明涉及车辆排放量化和可视化领域,具体涉及一种基于GPS轨迹数据的重型车辆排放计算和可视化方法。
背景技术
随着城市化、机动化进程不断加快,移动源的排放持续上升,重型车在汽车拥有量中占比虽少,其排放的氮氧化物和颗粒物等却远高于轻型车,加强重型车排放的达标监控刻不容缓。对此,重型车辆在行驶过程中污染排放的动态量化是需要解决的关键问题,其排放量化的准确度和精度会影响相应道路排放控制措施的制定和环境管理者的判断。
现目前重型车辆的路网排放量化方法主要侧重宏观层次,通过获取区域机动车保有量、年均行驶里程以及综合排放因子等参数,在一定程度上可以计算城市范围内整体车辆的污染物总量,并对整体车辆长时间跨度的排放趋势进行预测,但无法在更加精细化的区域内量化重型车辆污染物的排放,进而导致重型车辆量化的精确度和时效性不高。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,能在更加精细化的区域内量化重型车辆污染物的排放,进而提升了重型车辆排放量化和可视化的精确度和时效性。
为了达到上述发明目的,本发明采用的技术方案为:
一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,包括以下步骤:
S1、根据重型车辆的GPS轨迹数据,利用矩形法确定活跃重型车辆,并保留活跃重型车辆的轨迹数据;
S2、对步骤S1中活跃重型车辆的轨迹数据进行精细化处理,获取活跃重型车辆的精细化实时轨迹数据;
S3、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,计算活跃重型车辆的轨迹段排放量;
S4、获取栅格数据,并根据栅格数据、步骤S2中活跃重型车辆的精细化实时轨迹数据和步骤S3中活跃重型车辆的轨迹段排放量,得到活跃重型车辆的栅格排放数据,并对活跃重型车辆的栅格排放数据进行可视化。
进一步地,步骤S1包括以下分步骤:
S11、根据重型车辆的GPS轨迹数据,获取设定时间内重型车辆的经纬度最值;
S12、根据分步骤S11中设定时间内重型车辆的经纬度最值,利用矩形法获取重型车辆的最大路径距离;
S13、确定设定时间内路径距离阈值,根据设定时间内路径距离阈值和分步骤S12中重型车辆的最大路径距离确定活跃重型车辆,并保留活跃重型车辆的轨迹数据。
进一步地,步骤S2包括以下分步骤:
S21、根据步骤S1中活跃重型车辆的轨迹数据,获取轨迹点的间隔时间,并根据轨迹点的间隔时间确定轨迹点的间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值;
S22、根据分步骤S21中活跃重型车辆轨迹点的间隔时间、间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值,确定填补轨迹点;
S23、将分步骤S22中的填补轨迹点填补至活跃重型车辆的轨迹数据,获取活跃重型车辆的精细化实时轨迹数据。
进一步地,步骤S22包括以下分步骤:
S221、判断轨迹点的间隔时间是否大于第一间隔时间阈值;若是则删除此段轨迹并结束操作,否则进入分步骤S222;
S222、判断轨迹点的间隔时间是否大于第二间隔时间阈值;若是则进入分步骤S223,否则结束操作;
S223、根据轨迹点的间隔时间和间隔时间平均值,确定填补轨迹点。
进一步地,步骤S223包括以下分步骤:
S2231、根据活跃重型车辆的间隔时间和间隔时间平均值,确定填补轨迹点数量,表示为:
其中:为填补轨迹点数量,/>为活跃重型车辆轨迹点的间隔时间,/>为活跃重型车辆轨迹点的间隔时间平均值;
S2232、对分步骤S2231中的填补轨迹点数量取整,并根据取整后的填补轨迹点数量,利用均值法计算填补轨迹点的经纬度和时间以确定填补轨迹点。
进一步地,步骤S3包括以下分步骤:
S31、根据步骤S2中活跃重型车辆的精细化实时轨迹数据,获取活跃重型车辆的轨迹段里程和轨迹段平均速度;
S32、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据、分步骤S31中活跃重型车辆的轨迹段里程和轨迹段平均速度,计算活跃重型车辆的轨迹段排放量,表示为:
其中:为活跃重型车辆的轨迹段排放量,/>为重型车辆在/>地区修正后的排放因子,/>为活跃重型车辆的轨迹段里程,/>为重型车辆的综合基准排放因子,/>为/>地区的气象修正因子,/>为/>地区的平均速度修正因子,/>为重型车辆的劣化修正因子,/>为重型车的其他使用条件修正因子。
进一步地,步骤S4包括以下分步骤:
S41、获取栅格数据,并根据栅格数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,将活跃重型车辆的轨迹段转换到栅格,获取活跃重型车辆的轨迹段栅格;
S42、根据分步骤S41中活跃重型车辆的轨迹段栅格和步骤S3中活跃重型车辆的轨迹段排放量,获取活跃重型车辆的栅格排放数据;
S43、对分步骤S42中活跃重型车辆的栅格排放数据进行可视化。
进一步地,在分步骤S41中,通过将栅格数据中的栅格ID和活跃重型车辆的精细化实时轨迹数据中的轨迹点进行匹配,以获取活跃重型车辆的轨迹段栅格。
本发明的有益效果为:
(1)本发明利用重型车辆的GPS轨迹数据确定活跃重型车辆,并仅保留活跃车辆的轨迹数据,避免了不活跃车辆局部运动带来的干扰,进而提升了重型车辆排放量化的精确度;
(2)本发明利用活跃重型车辆的轨迹数据确定填补轨迹点,并通过对轨迹数据进行轨迹点的填补,能实时且更精细化地量化活跃重型车辆的轨迹数据,时间细粒度可达30秒,并且克服了不均匀时间间隔、坐标点异常、数据中断等问题;
(3)本发明通过利用活跃重型车辆的精细化实时轨迹数据进行排放量的计算,实现了在更加精细化的区域内量化重型车辆污染物的排放,提升了重型车辆排放量化的精确度和时效性;
(4)本发明通过将精细化实时轨迹数据的轨迹点和栅格ID进行匹配,将活跃重型车辆的轨迹段转换到栅格,克服了轨迹数据的粗粒度带来的网格匹配问题(精细化实时轨迹数据为细粒度,细粒度可达30秒);
(5)本发明通过对活跃重型车辆的栅格排放数据进行可视化,能够清晰地展现各轨迹段重型车辆的流量和污染物排放的时空变化规律,进而对重型车辆排放控制手段的开发及潜在规律的挖掘提供数据支持,也为科学管控重型车辆排放提供借鉴和参考。
附图说明
图1为一种基于GPS轨迹数据的重型车辆排放计算和可视化方法流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,包括步骤S1-S4,具体如下:
S1、根据重型车辆的GPS轨迹数据,利用矩形法确定活跃重型车辆,并保留活跃重型车辆的轨迹数据。
在本发明的一个可选实施例中,本发明根据重型车辆的GPS轨迹数据,获取设定时间内重型车辆的经纬度最值,根据设定时间内的经纬度最值,利用矩形法获取重型车辆的最大路径距离d max。本发明根据重型车辆的最大路径距离d max,确定活跃重型车辆,并保留活跃重型车辆的轨迹数据。
步骤S1包括以下分步骤:
S11、根据重型车辆的GPS轨迹数据,获取设定时间内重型车辆的经纬度最值。
本发明获取的定时间内重型车辆的经纬度最值包括经纬度的最大值和最小值。经纬度的最小值表示为(lat min,lon min),lat min为纬度的最小值,lon min为经度的最小值。经纬度的最大值表示为(lat max,lon max),lat max为纬度的最大值,lon max为经度的最大值。
S12、根据分步骤S11中设定时间内重型车辆的经纬度最值,利用矩形法获取重型车辆的最大路径距离。
本发明根据设定时间内重型车辆的经纬度最值,利用矩形法圈定设定时间内重型车辆的经纬度最值构成的矩形范围,并通过计算圈定的矩形范围的对角线长度,获取重型车辆的最大路径距离d max。
S13、确定设定时间内路径距离阈值,根据设定时间内路径距离阈值和分步骤S12中重型车辆的最大路径距离确定活跃重型车辆,并保留活跃重型车辆的轨迹数据。
本发明根据车辆实际运行情况,确定设定时间内路径距离阈值d threshold,并判断重型车辆的最大路径距离d max是否小于设定时间内路径距离阈值d threshold;若是则表明该重型车辆运动不活跃,剔除该重型车辆的轨迹数据,否则认为该重型车辆运动活跃,保留该活跃重型车辆的轨迹数据。
S2、对步骤S1中活跃重型车辆的轨迹数据进行精细化处理,获取活跃重型车辆的精细化实时轨迹数据。
在本发明的一个可选实施例中,本发明根据活跃重型车辆的轨迹数据,获取轨迹点的间隔时间t delta,并根据轨迹点的间隔时间t delta确定轨迹点的间隔时间平均值t avg、第一间隔时间阈值t threshold1和第二间隔时间阈值t threshold2以确定填补轨迹点。本发明将填补轨迹点填补至活跃重型车辆的轨迹数据,获取活跃重型车辆的精细化实时轨迹数据。
步骤S2包括以下分步骤:
S21、根据步骤S1中活跃重型车辆的轨迹数据,获取轨迹点的间隔时间,并根据轨迹点的间隔时间确定轨迹点的间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值。
本发明遍历活跃重型车辆轨迹数据的所有轨迹点,获取所有前后轨迹点的间隔时间t delta,t delta=t i+1-t i,t i+1为序号为(i+1)的轨迹点的时间,i为轨迹点的序号,t i为序号为i的轨迹点的时间。本发明根据间隔时间t delta的分布情况,确定轨迹点的间隔时间平均值t avg、第一间隔时间阈值t threshold1和第二间隔时间阈值t threshold2。
S22、根据分步骤S21中活跃重型车辆轨迹点的间隔时间、间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值,确定填补轨迹点。
步骤S22包括以下分步骤:
S221、判断轨迹点的间隔时间是否大于第一间隔时间阈值;若是则删除此段轨迹并结束操作,否则进入分步骤S222。
本发明设定的第一间隔时间阈值t threshold1用于判断轨迹数据是否异常,若轨迹点的间隔时间t delta(t i+1-t i)大于第一间隔时间阈值t threshold1,则说明序号为(i+1)的轨迹点与序号为i的轨迹点构成的这段轨迹数据上报存在异常,将这段轨迹数据删除,即删除序号为(i+1)的轨迹点,并将原本序号为(i+2)的轨迹点的序号更新为(i+1),同理,其他轨迹点的序号依次前移一位。同样地,若存在多个轨迹点异常,则删除存在异常的所有轨迹点,并更新轨迹点序号,从而克服了轨迹点异常这一问题。
S222、判断轨迹点的间隔时间是否大于第二间隔时间阈值;若是则进入分步骤S223,否则结束操作。
S223、根据轨迹点的间隔时间和间隔时间平均值,确定填补轨迹点。
步骤S223包括以下分步骤:
S2231、根据活跃重型车辆的间隔时间和间隔时间平均值,确定填补轨迹点数量,表示为:
其中:为填补轨迹点数量,/>为活跃重型车辆轨迹点的间隔时间,/>为活跃重型车辆轨迹点的间隔时间平均值。
S2232、对分步骤S2231中的填补轨迹点数量取整,并根据取整后的填补轨迹点数量,利用均值法计算填补轨迹点的经纬度和时间以确定填补轨迹点。
本发明对填补轨迹点数量k取整,取得的整数N大于或等于k。本发明根据取整后的填补轨迹点数量,利用均值法计算填补轨迹点的经纬度和时间以确定填补轨迹点。
具体地,本发明选取N等于1,以说明利用均值法计算填补轨迹点的经纬度和时间。N等于1,本发明利用均值法计算填补轨迹点的纬度,表示为:
Lat n=(lat i+lat i+1)/(N+1)
其中:Lat n为序号为n的填补轨迹点的纬度,n为填补轨迹点的序号,lat i为序号为i的轨迹点的纬度,lat i+1为序号为(i+1)的轨迹点的纬度。
N等于1,本发明利用均值法计算填补轨迹点的经度,表示为:
lon n=(lon i+lon i+1)/(N+1)
其中:lon n为序号为n的填补轨迹点的经度,lon i为序号为i的轨迹点的经度,lon i+1为序号为(i+1)的轨迹点的经度。
N等于1,本发明利用均值法计算填补轨迹点的时间,表示为:
t n=(t i+t i+1)/(N+1)
其中:t n为序号为n的填补轨迹点的时间,t i为序号为i的轨迹点的时间,t i+1为序号为(i+1)的轨迹点的时间。
本发明计算填补轨迹点的经纬度和时间,确定序号为n的填补轨迹点,并将序号为n的填补轨迹点更新为序号为(i+1)的轨迹点,其他轨迹点序号依此后移。同样地,若存在多个填补轨迹点,则确定多个填补轨迹点的经纬度和时间,并将多个填补轨迹点更新为对应序号的轨迹点。
S23、将分步骤S22中的填补轨迹点填补至活跃重型车辆的轨迹数据,获取活跃重型车辆的精细化实时轨迹数据。
本发明将填补轨迹点填补至活跃重型车辆的轨迹数据,获取活跃重型车辆的精细化实时轨迹数据,从而克服了不均匀时间间隔和数据中断等问题。
S3、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,计算活跃重型车辆的轨迹段排放量。
在本发明的一个可选实施例中,本发明根据活跃重型车辆的精细化实时轨迹数据,获取活跃重型车辆的轨迹段里程和轨迹段平均速度。本发明获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据、活跃重型车辆的轨迹段里程和轨迹段平均速度,计算活跃重型车辆的轨迹段排放量。
步骤S3包括以下分步骤:
S31、根据步骤S2中活跃重型车辆的精细化实时轨迹数据,获取活跃重型车辆的轨迹段里程和轨迹段平均速度。
本发明根据活跃重型车辆的精细化实时轨迹数据,获取活跃重型车辆的轨迹段里程d delta即两轨迹点之间的经纬度距离。轨迹段平均速度表示为:
speed avg=d delta/t delta
其中:speed avg为序号为(i+1)的轨迹点与序号为i的轨迹点间轨迹段的平均速度。
S32、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据、分步骤S31中活跃重型车辆的轨迹段里程和轨迹段平均速度,计算活跃重型车辆的轨迹段排放量,表示为:
其中:为活跃重型车辆的轨迹段排放量,/>为重型车辆在/>地区修正后的排放因子,/>为活跃重型车辆的轨迹段里程,/>为重型车辆的综合基准排放因子,[CO,HC,NO X,PM]=[2.20,0.129,4.72,0.027],一氧化碳的综合基准排放因子为2.20,碳氢化合物的综合基准排放因子为0.129,氮氧化合物的综合基准排放因子为4.72,空气质量指数的综合基准排放因子为0.027,/>为/>地区的气象修正因子,/>为/>地区的平均速度修正因子,/>为重型车辆的劣化修正因子,/>为重型车的其他使用条件修正因子,统一设为1。
本发明中地区的气象修正因子/>的计算式表示为:
其中:为/>地区的温度修正因子,/>为/>地区的湿度修正因子,/>为地区的海拔修正因子。
本发明根据区域气象数据并结合温度修正因子表,获取对应的温度修正因子,温度修正因子表如下:
本发明根据区域气象数据并结合湿度修正因子表,获取对应的湿度修正因子,湿度修正因子表如下:
本发明根据区域气象数据并结合海拔修正因子表,获取对应的海拔修正因子,海拔修正因子表如下:
本发明根据分步骤S31中活跃重型车辆的轨迹段平均速度并结合平均速度修正因子表,获取对应的平均速度修正因子,平均速度修正因子表如下:
本发明确定活跃重型车辆的使用年限并结合劣化修正因子表,获取对应的劣化修正因子,劣化修正因子表如下:
本发明通过上述获取的温度修正因子、湿度修正因子和海拔修正因子,能计算地区的气象修正因子,并根据/>地区的气象修正因子、重型车辆的综合基准排放因子、平均速度修正因子、劣化修正因子和重型车的其他使用条件修正因子计算活跃重型车辆的轨迹段排放量。
S4、获取栅格数据,并根据栅格数据、步骤S2中活跃重型车辆的精细化实时轨迹数据和步骤S3中活跃重型车辆的轨迹段排放量,得到活跃重型车辆的栅格排放数据,并对活跃重型车辆的栅格排放数据进行可视化。
在本发明的一个可选实施例中,本发明获取栅格数据,根据栅格数据和活跃重型车辆的精细化实时轨迹数据,将活跃重型车辆的轨迹段转换到栅格,获取活跃重型车辆的轨迹段栅格。本发明通过将栅格数据中的栅格ID和活跃重型车辆的精细化实时轨迹数据中的轨迹点进行匹配,以获取活跃重型车辆的轨迹段栅格。本发明根据活跃重型车辆的轨迹段栅格和活跃重型车辆的轨迹段排放量,获取活跃重型车辆的栅格排放数据,并对活跃重型车辆的栅格排放数据进行可视化。
步骤S4包括以下分步骤:
S41、获取栅格数据,并根据栅格数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,将活跃重型车辆的轨迹段转换到栅格,获取活跃重型车辆的轨迹段栅格。
本发明通过将栅格数据中的栅格ID和活跃重型车辆的精细化实时轨迹数据中的轨迹点进行匹配,以获取活跃重型车辆的轨迹段栅格。
S42、根据分步骤S41中活跃重型车辆的轨迹段栅格和步骤S3中活跃重型车辆的轨迹段排放量,获取活跃重型车辆的栅格排放数据。
S43、对分步骤S42中活跃重型车辆的栅格排放数据进行可视化。
本发明采用javascript方法对活跃重型车辆的栅格排放数据进行可视化,基于栅格化的底图展示活跃重型车辆的栅格排放数据,栅格颜色的深浅表示排放量的大小。排放量越大,则颜色越亮;排放量越小,则颜色越暗。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,包括以下步骤:
S1、根据重型车辆的GPS轨迹数据,利用矩形法确定活跃重型车辆,并保留活跃重型车辆的轨迹数据;
S2、对步骤S1中活跃重型车辆的轨迹数据进行精细化处理,获取活跃重型车辆的精细化实时轨迹数据;
步骤S2包括以下分步骤:
S21、根据步骤S1中活跃重型车辆的轨迹数据,获取轨迹点的间隔时间,并根据轨迹点的间隔时间确定轨迹点的间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值;
S22、根据分步骤S21中活跃重型车辆轨迹点的间隔时间、间隔时间平均值、第一间隔时间阈值和第二间隔时间阈值,确定填补轨迹点;
S23、将分步骤S22中的填补轨迹点填补至活跃重型车辆的轨迹数据,获取活跃重型车辆的精细化实时轨迹数据;
S3、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,计算活跃重型车辆的轨迹段排放量;
S4、获取栅格数据,并根据栅格数据、步骤S2中活跃重型车辆的精细化实时轨迹数据和步骤S3中活跃重型车辆的轨迹段排放量,得到活跃重型车辆的栅格排放数据,并对活跃重型车辆的栅格排放数据进行可视化。
2.根据权利要求1所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,步骤S1包括以下分步骤:
S11、根据重型车辆的GPS轨迹数据,获取设定时间内重型车辆的经纬度最值;
S12、根据分步骤S11中设定时间内重型车辆的经纬度最值,利用矩形法获取重型车辆的最大路径距离;
S13、确定设定时间内路径距离阈值,根据设定时间内路径距离阈值和分步骤S12中重型车辆的最大路径距离确定活跃重型车辆,并保留活跃重型车辆的轨迹数据。
3.根据权利要求1所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,步骤S22包括以下分步骤:
S221、判断轨迹点的间隔时间是否大于第一间隔时间阈值;若是则删除此段轨迹并结束操作,否则进入分步骤S222;
S222、判断轨迹点的间隔时间是否大于第二间隔时间阈值;若是则进入分步骤S223,否则结束操作;
S223、根据轨迹点的间隔时间和间隔时间平均值,确定填补轨迹点。
4.根据权利要求3所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,步骤S223包括以下分步骤:
S2231、根据活跃重型车辆的间隔时间和间隔时间平均值,确定填补轨迹点数量,表示为:
其中:为填补轨迹点数量,/>为活跃重型车辆轨迹点的间隔时间,/>为活跃重型车辆轨迹点的间隔时间平均值;
S2232、对分步骤S2231中的填补轨迹点数量取整,并根据取整后的填补轨迹点数量,利用均值法计算填补轨迹点的经纬度和时间以确定填补轨迹点。
5.根据权利要求1所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,步骤S3包括以下分步骤:
S31、根据步骤S2中活跃重型车辆的精细化实时轨迹数据,获取活跃重型车辆的轨迹段里程和轨迹段平均速度;
S32、获取排放因子数据和区域气象数据,并根据排放因子数据、区域气象数据、分步骤S31中活跃重型车辆的轨迹段里程和轨迹段平均速度,计算活跃重型车辆的轨迹段排放量,表示为:
其中:为活跃重型车辆的轨迹段排放量,/>为重型车辆在/>地区修正后的排放因子,/>为活跃重型车辆的轨迹段里程,/>为重型车辆的综合基准排放因子,/>为/>地区的气象修正因子,/>为/>地区的平均速度修正因子,/>为重型车辆的劣化修正因子,/>为重型车的其他使用条件修正因子。
6.根据权利要求1所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,步骤S4包括以下分步骤:
S41、获取栅格数据,并根据栅格数据和步骤S2中活跃重型车辆的精细化实时轨迹数据,将活跃重型车辆的轨迹段转换到栅格,获取活跃重型车辆的轨迹段栅格;
S42、根据分步骤S41中活跃重型车辆的轨迹段栅格和步骤S3中活跃重型车辆的轨迹段排放量,获取活跃重型车辆的栅格排放数据;
S43、对分步骤S42中活跃重型车辆的栅格排放数据进行可视化。
7.根据权利要求6所述的一种基于GPS轨迹数据的重型车辆排放计算和可视化方法,其特征在于,在分步骤S41中,通过将栅格数据中的栅格ID和活跃重型车辆的精细化实时轨迹数据中的轨迹点进行匹配,以获取活跃重型车辆的轨迹段栅格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311382247.XA CN117112867B (zh) | 2023-10-24 | 2023-10-24 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311382247.XA CN117112867B (zh) | 2023-10-24 | 2023-10-24 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117112867A CN117112867A (zh) | 2023-11-24 |
CN117112867B true CN117112867B (zh) | 2024-01-09 |
Family
ID=88800623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311382247.XA Active CN117112867B (zh) | 2023-10-24 | 2023-10-24 | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117112867B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829614B (zh) * | 2024-03-06 | 2024-05-07 | 四川国蓝中天环境科技集团有限公司 | 一种基于多源数据融合的工业企业排污风险分级计算方法 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104742831A (zh) * | 2015-04-22 | 2015-07-01 | 北京九五智驾信息技术股份有限公司 | 汽车碳排放检测系统 |
CN104778851A (zh) * | 2015-02-16 | 2015-07-15 | 北京交通大学 | 一种基于行驶轨迹的生态驾驶优化方法和系统 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
CN107393293A (zh) * | 2017-06-06 | 2017-11-24 | 新疆四得恒通信息科技有限公司 | 一种大型机械设备和重型车辆安全管控系统 |
CN107650893A (zh) * | 2017-09-18 | 2018-02-02 | 天津职业技术师范大学 | 重型车辆转弯制动稳定性辅助控制系统 |
CN108848462A (zh) * | 2018-06-19 | 2018-11-20 | 连云港杰瑞电子有限公司 | 适用于信号控制交叉口的实时车辆轨迹预测方法 |
CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
CN109189076A (zh) * | 2018-10-24 | 2019-01-11 | 湖北三江航天万山特种车辆有限公司 | 一种基于视觉传感器的重型导引车定位方法及重型导引车 |
CN109241069A (zh) * | 2018-08-23 | 2019-01-18 | 中南大学 | 一种基于轨迹自适应聚类的路网快速更新的方法及系统 |
CN109254861A (zh) * | 2018-09-17 | 2019-01-22 | 江苏智通交通科技有限公司 | 基于轨迹数据的od需求提取及其可靠性分析方法 |
CN110232816A (zh) * | 2018-11-26 | 2019-09-13 | 深圳市城市交通规划设计研究中心有限公司 | 交通排放的计算方法、计算装置及终端 |
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 |
CN111190891A (zh) * | 2019-12-27 | 2020-05-22 | 武汉长江通信产业集团股份有限公司 | 一种多语义轨迹数据分段存储方法 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
CN113031033A (zh) * | 2021-02-03 | 2021-06-25 | 广东泰迪智能科技股份有限公司 | 一种基于gps数据的轨迹纠偏装置及方法 |
CN114360240A (zh) * | 2021-12-06 | 2022-04-15 | 合肥湛达智能科技有限公司 | 一种基于车联网轨迹特征的高精度定位方法 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
CN115205086A (zh) * | 2022-05-16 | 2022-10-18 | 贵州民族大学 | 移动轨迹大数据驱动的异常轨迹检测方法、系统和电子设备 |
CN115610409A (zh) * | 2017-11-07 | 2023-01-17 | 图森有限公司 | 用于自主车辆的轨迹规划的基于预测的系统和方法 |
CN115964545A (zh) * | 2023-03-16 | 2023-04-14 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车轨迹点推断污染点位的方法 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 |
CN116233757A (zh) * | 2023-02-03 | 2023-06-06 | 广东省交通规划设计研究院集团股份有限公司 | 一种基于手机信令数据的居民出行碳排放量计算方法 |
CN116522037A (zh) * | 2022-10-19 | 2023-08-01 | 北京清创美科环境科技有限公司 | 一种机动车污染物单日排放量计算方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5617700B2 (ja) * | 2011-03-07 | 2014-11-05 | セイコーエプソン株式会社 | 発光装置および発光装置の製造方法 |
JP6015073B2 (ja) * | 2012-04-02 | 2016-10-26 | セイコーエプソン株式会社 | 機能層形成用インク、発光素子の製造方法 |
-
2023
- 2023-10-24 CN CN202311382247.XA patent/CN117112867B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104778851A (zh) * | 2015-02-16 | 2015-07-15 | 北京交通大学 | 一种基于行驶轨迹的生态驾驶优化方法和系统 |
CN104742831A (zh) * | 2015-04-22 | 2015-07-01 | 北京九五智驾信息技术股份有限公司 | 汽车碳排放检测系统 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
CN107393293A (zh) * | 2017-06-06 | 2017-11-24 | 新疆四得恒通信息科技有限公司 | 一种大型机械设备和重型车辆安全管控系统 |
CN107650893A (zh) * | 2017-09-18 | 2018-02-02 | 天津职业技术师范大学 | 重型车辆转弯制动稳定性辅助控制系统 |
CN115610409A (zh) * | 2017-11-07 | 2023-01-17 | 图森有限公司 | 用于自主车辆的轨迹规划的基于预测的系统和方法 |
CN108848462A (zh) * | 2018-06-19 | 2018-11-20 | 连云港杰瑞电子有限公司 | 适用于信号控制交叉口的实时车辆轨迹预测方法 |
CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
CN109241069A (zh) * | 2018-08-23 | 2019-01-18 | 中南大学 | 一种基于轨迹自适应聚类的路网快速更新的方法及系统 |
CN109254861A (zh) * | 2018-09-17 | 2019-01-22 | 江苏智通交通科技有限公司 | 基于轨迹数据的od需求提取及其可靠性分析方法 |
CN109189076A (zh) * | 2018-10-24 | 2019-01-11 | 湖北三江航天万山特种车辆有限公司 | 一种基于视觉传感器的重型导引车定位方法及重型导引车 |
CN110232816A (zh) * | 2018-11-26 | 2019-09-13 | 深圳市城市交通规划设计研究中心有限公司 | 交通排放的计算方法、计算装置及终端 |
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 |
CN111190891A (zh) * | 2019-12-27 | 2020-05-22 | 武汉长江通信产业集团股份有限公司 | 一种多语义轨迹数据分段存储方法 |
CN111523419A (zh) * | 2020-04-13 | 2020-08-11 | 北京巨视科技有限公司 | 一种机动车尾气排放视频检测方法和装置 |
CN113031033A (zh) * | 2021-02-03 | 2021-06-25 | 广东泰迪智能科技股份有限公司 | 一种基于gps数据的轨迹纠偏装置及方法 |
CN114360240A (zh) * | 2021-12-06 | 2022-04-15 | 合肥湛达智能科技有限公司 | 一种基于车联网轨迹特征的高精度定位方法 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
CN115205086A (zh) * | 2022-05-16 | 2022-10-18 | 贵州民族大学 | 移动轨迹大数据驱动的异常轨迹检测方法、系统和电子设备 |
CN116522037A (zh) * | 2022-10-19 | 2023-08-01 | 北京清创美科环境科技有限公司 | 一种机动车污染物单日排放量计算方法及装置 |
CN116185014A (zh) * | 2023-01-07 | 2023-05-30 | 湖南大学 | 一种基于动态规划的智能车全局最优轨迹规划方法与系统 |
CN116233757A (zh) * | 2023-02-03 | 2023-06-06 | 广东省交通规划设计研究院集团股份有限公司 | 一种基于手机信令数据的居民出行碳排放量计算方法 |
CN115964545A (zh) * | 2023-03-16 | 2023-04-14 | 四川国蓝中天环境科技集团有限公司 | 一种基于运渣车轨迹点推断污染点位的方法 |
Non-Patent Citations (3)
Title |
---|
城市交通中机动车尾气排放与扩散特性的研究;董红召;徐勇斌;陈宁;;内燃机工程(02);第18-22页 * |
城市公交尾气排放空间自相关分析;王雷;李铁柱;;交通运输工程与信息学报(01);第99-104页 * |
董红召 ; 徐勇斌 ; 陈宁 ; .城市交通中机动车尾气排放与扩散特性的研究.内燃机工程.2011,(02),第18-22页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117112867A (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117112867B (zh) | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 | |
US20210172750A1 (en) | Method of determining pollutant and/or noise emissions and/or road safety parameters on a road network portion | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
CN107730425A (zh) | 碳排放量计算方法、装置及存储介质 | |
Hamet et al. | New vehicle noise emission for French traffic noise prediction | |
CN103175534A (zh) | 车辆路线确定的系统 | |
CN106548258B (zh) | 一种基于气象条件的交通空气污染物浓度预测方法与系统 | |
CN109578155A (zh) | 考虑实际使用确定关于移动性的污染性质的指示符的方法 | |
CN103065468A (zh) | 交通信息的评估方法和装置 | |
CN113722652B (zh) | 一种燃油车交通碳排放计算方法 | |
EP3628971A1 (en) | A computer-implemented method and a system for determining a route | |
KR102222381B1 (ko) | 교통 데이터를 이용한 실시간 도로변 대기오염 추정 시스템 및 그 방법 | |
CN112101415B (zh) | 累碳量预测方法、装置、汽车、云端服务器及计算机可读存储介质 | |
Nesamani et al. | Impact of real-world driving characteristics on vehicular emissions | |
CN113360850A (zh) | 一种大气污染物线源溯源分析方法 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN107886188A (zh) | 液化天然气公交尾气排放预测方法 | |
CN114218976A (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和系统 | |
CN109376331A (zh) | 一种基于梯度提升回归树的城市公交车排放率估计方法 | |
FR3122011A1 (fr) | Procédé de détermination de la quantité d’émissions polluantes émises par un véhicule sur un brin d’un réseau routier | |
CN115791212B (zh) | 通用车辆尾气排放检测方法与装置 | |
CN107832910A (zh) | 一种评价道路交通特征对一氧化碳排放浓度影响的方法 | |
CN108052791A (zh) | 未来机动车结构调整对交通排放源清单影响的估算方法 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
CN114707766A (zh) | 一种基于再生频次的机油换油周期预测方法 |
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 |