基于FCD的城市路网常发性拥堵路段识别方法研究

常发性拥堵严重影响了城市路网运行效率,准确识别常发性拥堵是交通部门解决交通拥堵问题的重要任务。研究选取浮动车数据作为基础,确定了数据分析的时间粒度,从常发性拥堵的时空特性角度出发,建立拥堵阈值、时段拥堵时长比和常发频度3级判别指标,并运用GIS技术,结合指标体系设计了常发性拥堵时空分布的筛选平台。以北京为例,针对早高峰常发性拥堵路段进行识别。通过对识别结果的分析和相关数据对比,成果可反映常发拥堵的特征,以及北京近年来的缓堵工作效果。

汽车排放检验与维护策略优化建议研究

社会经济发展速度不断加快给汽车后市场发展带来了新的机遇。随着我国机动车保有量的增加,机动车排放已经成为大气环境污染的主要来源之一。机动车排放检验和维修治理能有效减少用机动车排放。如何制定有力有效的监管计划、实现精细化管理、以及提升机动车排放检验结果的准确性?如何提升从业人员技术水平,同时形成统一的维修服务标准?如何实现信息的互联互通,建立实时传输的数据平台?上述问题是对所有汽车行业管理者出的一道考题。我们要充分肯定高速发展带来的优势,同时也要结合现存问题,就机动车排放检验和维修进行分析并给出相应优化策略。

北京市2017年典型日机动车动态排放特征研究

为深入了解北京市路网机动车排放特征,采用自主开发的基于交通流的机动车动态排放模型,耦合北京市2017年交通流观测数据,测算了北京市机动车在工作日、非工作日、节假日、重污染日和重大活动日5种典型日工况下,主要路网上1 h时间分辨率、1 km×1 km空间分辨率下的时空分布特征.结果表明:①北京市二环路及以内区域和二三环之间(包括三环路)机动车排放强度较高,分别达到0.050和0.043 t(km^2·d).②北京市机动车NO x排放分布规律性较强,主要分布在东南六环路方向及其联络线,以及东北、西北六环路方向及其联络线上,NO x排放高峰值在05:00出现.③北京市机动车CO排放主要集中在城区五环路及以内区域,CO排放高峰值在18:00出现,五环路及以内区域及其联络线附近均为CO高排放区.④北京市5种典型日中,非工作日机动车排放量最大.研究显示,五环路及以内区域机动车污染控制应以轻型车为主,六环路及以外区域应以重型柴油车为主.

阳泉市2017年基于交通流量的机动车排放清单

通过van Aerde速度-流量模型模拟和交通流量调查获取了阳泉市路网的车流量、车型构成和车速基础数据,利用自下而上的方法,基于实际交通流量数据、机动车排放因子和路段,构建了阳泉市道路机动车排放清单,并分析了机动车污染物排放特征。结果表明:2017年阳泉市道路机动车排放的CO、HC、NO_(x)、PM分别为4.56×10^(4)、0.96×10^(4)、1.76×10^(4)、0.024×10^(4) t。按道路类型划分,高速公路(含城市快速路)机动车污染物排放量较大,CO、HC、NO_(x)、PM排放量分别占排放总量的48.4%、48.9%、40.0%和34.3%;按车辆类型划分,小型客车是CO、HC排放的主要贡献者,重型货车是NO_(x)、PM排放的主要贡献者;按排放阶段划分,国4机动车排放的CO和HC占比较高,国3机动车排放的NO_(x)和PM占比较高;按区县划分,污染物排放量最大的为盂县,其次是平定县和郊区。机动车在道路上的实际排放量与道路类型、道路所属行政区域及车辆类型密切相关。

基于交通指数的机动车污染物排放分析方法研究——以北京为例

为了科学有效地支持城市化机动化进程中交通治污治堵一体化工作,研究建立了交通指数与基于车辆比功率(vehicle specific power,VSP)的机动车污染物排放相关联的分析方法,通过分析交通指数与微观车辆行程速度分布的一致性规律,利用海量逐秒运行工况数据和车辆排放特征数据,建立了机动车辆在实际道路上运行速度与排放强度之间的关系,并以北京市为例,研究发现交通指数与小客车氮氧化物排放强度在道路类型、工作日周末、上下午等因素下具有明显的正相关关系,影响程度由大到小分别是道路类型、工作日周末、上下午.

城市过量短距离小汽车出行研究

以北京市为例,挑选具有代表性的两类居民小区,对小区出行环境和居民出行行为展开调研.首先,利用GPS和测距仪等设备收集出行环境数据,结合地理信息系统,对小区内部和扩展区域的机动车和非机动车环境进行分析,指出了两类小区出行环境的特点;然后,利用调查问卷收集居民出行行为数据,在分析不同小区的短距离出行特征和同类居民的出行行为后,指出出行环境对出行行为具有显著的影响.最后,给出了不同小区居民偏好小汽车短距离出行的影响因素,以及在不同出行目的下,居民出行方式的转换意愿.研究成果有助于制定合理引导小汽车出行的交通需求管理对策.

路网机动车排放因子测算与不确定性分析

为分析交通指数和排放因子的测算机理,选择以速度为衔接点,首先研究交通指数下的速度分布测算方法和速度对排放因子的修正关系;其次,研究交通指数下的路网机动车排放因子测算方法,并分析排放因子的不确定性量化方法;然后,以北京为例,测算交通指数下的路网交通排放因子.结果表明:当路网交通指数位于2~8之间时,CO_2排放因子随交通指数的增长而平稳增加,但交通指数在(0.6,2]和(8,9.4]时,CO_2排放因子随交通指数的增长而快速增加.最后,统计了不同聚类方法下的排放因子偏差率,发现按工作日节假日和上下午分类后,交通指数下的CO_2、CO、HC、NOx排放因子平均偏差率分别从3.48%、6.67%、6.08%、6.68%下降至2.65%、5.35%、5.20%、5.36%.

统一大市场下基于有为政府与有效市场视角的汽车排放性能维护(维修)制度探析

随着全球经济一体化进程的加快,国际经贸往来的频繁和经济增长的追求,统一大市场的构建越来越被重视。在统一大市场下,各国汽车制造业的竞争愈发激烈,汽车的排放性能维护(维修)制度显得尤为重要。本文从有为政府和有效市场两个视角出发,对汽车排放性能维护制度的现状和问题进行探析,同时提出相应的政策建议,旨在推动统一大市场下汽车排放性能维护制度的进一步完善。

基于工况分布的轻型车速度排放修正因子的建立方法

速度排放修正因子(Speed Correction Factors,SCF)是评估速度变化对车辆排放影响的重要参数.然而,传统的SCF建立方法耗时长、成本较高,且获取的SCF分辨率较低.为了得到高分辨率的SCF,基于北京市大量的实测工况数据和排放率数据,提出了北京市轻型车SCF的建立方法.首先,对采集的工况数据进行60 s短行程划分及2 km/h行程速度的聚类;在此基础上,建立不同道路类型和速度区间下的比功率分布(Vehicle Specific Power,VSP);然后,结合排放率和建立的VSP分布,建立不同道路类型、排放标准的各污染物的SCF.经过分析,得出相比传统的SCF建立方法,本文提出的方法更能反映车辆的实际行驶特征、且获得的SCF的速度分辨率更高.

北京市2017年动态交通流模型开发和模拟

为了深入细致地把握北京市机动车排放特征,本文基于不同的交通流数据采集和获取方式,建立了北京市主要路网上不同类型车辆交通流预测算法,并通过与交通调查数据进行对比验证,开发了北京市2017年动态交通流模型,并对北京市路网上不同类型车辆典型交通流变化趋势进行了初步模拟。研究结果表明,北京市2017年动态交通流模型可以较好地模拟和预测北京市不同类型机动车交通流变化趋势,可以为进一步研究开发北京市2017年动态精细化交通排放清单打下基础。

基于智慧环保治理思路的现代城市交通污染治理研究

城市交通污染是目前大气污染防治的重点之一,然而,当前机动车污染防治技术难以满足其防治要求。本文分析传统交通污染治理手段特征并指出其不足,提出基于智慧环保治理思路的“天、地、车、人、路”一体化现代城市交通污染治理数字化转型综合解决方案。该方案包括车辆端精准计量、执法数据互联云端、精准指标提取分析模型、面向需求下的开放式人工智能(AI)中台、可视化场景、准动态执法辅助6个关键技术和城市交通污染评价与公布、城市重污染防控顶层战略研究2个主要应用场景,通过AI及大数据等手段,采集融合数据,以更加精细和动态的方式实现污染物排放控制和治理,推动污染治理精细化执法,提高管理效率,丰富污染治理衍生应用。

北京市2017年典型日动态交通流特征研究

为了深入细致把握北京市机动车排放特征,本文研究了2017年北京市工作日、非工作日、重污染天、节日和重大活动日五类典型日机动车的交通流特征,分析了不同时段、不同交通方式、不同区域交通流的变化特征。结果表明,北京市工作日机动车的行驶里程最长,五种典型日中,社会小客车的行驶里程占比最高,分时段交通流特征表现呈明显的马鞍型双峰特性,其中货车交通流主要集中在五环到六环之间,以及几个主要交通联络线上,小客车交通流主要集中在四环内。

基于HBEFA的城市交通温室气体排放模型——以北京本地化建模为例

交通温室气体排放和空气污染越来越受到国内各城市的广泛关注.控制温室气体排放和污染物排放的关键是找到排放的源头并进行科学量化,从而制定有针对性的政策措施.鉴于我国目前还没有发布全国性的交通排放评估方法,本文基于欧洲道路排放因子模型并结合北京实际的道路交通运行工况和车辆结构数据,采用自下而上的建模方法,利用车型分类、交通状态、工况单元和活动水平进行模型的数据划分,使用平均速度(V)、行驶过程中停车时间比例(SP)和相对正加速度(RPA)三个特征值作为描述工况单元的统计特征参数,借用计算机仿真构建了本地化的交通排放因子库,并在此基础上开发了基于交通活动水平的交通排放测算模型.该模型不仅能够建立北京市的交通能源消耗、温室气体排放和污染物排清单,而且能够与宏观交通模型无缝衔接,评估不同的交通政策对交通减排的潜在影响.

DOC+CDPF对国III重型柴油货车实际道路排放的影响

利用便携式车载排放测试系统(PEMS)对2辆加装氧化催化转化器(DOC)和催化型柴油颗粒捕集器(CDPF)与否的国III重型柴油货车进行实际道路排放测试.结果表明,2辆改造重型柴油车的CO、THC、固态颗粒物粒数(SPN)和黑碳(BC)实际道路排放因子分别为(1.31±0.37)g/(kW·h)、(0.20±0.03)g/(kW·h)、(7.13×1010±5.27×1010)个/(kW·h)和(0.69±0.06)mg/(kW·h),相对于原始排放(拆除DOC+CDPF)分别降低52.48%、55.69%、99.91%和99.22%.从低速、中速到高速,CO和THC减排比例呈现上升趋势,然而运行工况对SPN和BC减排比例则无显著影响.加装DOC+CDPF会导致NO2在NOx中的占比升高,且从低速、中速到高速涨幅依次增大,但对NOx无明显减排效益,其排放因子为9.53~9.83g/(kW·h),远高于实验室排放限值.

机动车道路扬尘与PM直接排放的测算与分析

目前对交通扬尘总量的量化及其与机动车尾气排放量的直接关系缺乏论述,且对交通行业排放率的认识存在结构性偏差。以北京市六环内道路网络为研究实例,利用中国机动车排放模型,结合交通运行参数,测算了机动车直接排放PM10的总量并对其来源进行分析。同时,参照AP-42排放因子模型,利用各类型道路的机动车行驶里程、平均车重等统计数据,测算得到交通扬尘PM2.5和PM10总量。研究结果表明:机动车直接排放PM10总量中,重型车排放占98.3%,国III排放标准机动车占85.4%,快速路占41.3%;交通扬尘PM10与机动车直接排放PM10总量基本相等,而交通扬尘PM2.5约为机动车直接排放PM2.5总量的1/5。若将道路扬尘计入交通源排放PM2.5的统计口径中,将显著增大交通源排放对PM2.5的贡献率。这一研究有助于科学认识北京市PM2.5的来源并为PM污染防治提供决策基础。

城市交通排放高分辨率分析方法研究——北京实证

交通污染减排政策呈现多样化、精细化和差别化发展趋势,传统交通排放模型在评价范围、评价尺度上的分辨率存在局限性.本文基于实时监测数据的交通流仿真模型、视频检测方法的车队结构分析和本地化工况的速度排放因子修正关系,提出了城市交通排放高分辨率分析方法,时空分辨率达到小时和路段级别,排放源可区分不同交通方式和本地外地.并以北京市机动车NO_x排放为例,对路网交通排放时空分布特征进行实证分析.北京市高峰时段路网交通排放量占全天排放的31.2%;高速路、快速路排放分别占路网排放总量的37.9%和38.8%;五环~六环间排放量占六环内排放总量的38.32%;货运车辆排放占路网排放比例达到47%.本文提出的城市交通排放高分辨率分析方法对精准定位交通污染治理时间、空间和对象,提升精细化决策水平具有一定意义.