为评估交通管控策略的环境效益,提出有效融合微观交通仿真模型和微观车辆排放模型的方法。利用VISSIM平台构建案例微观交通仿真模型,提出基于轨迹数据的不同速度区间的加减速特征,应用K-means聚类方法划分4种驾驶行为,通过驾驶特性标定...为评估交通管控策略的环境效益,提出有效融合微观交通仿真模型和微观车辆排放模型的方法。利用VISSIM平台构建案例微观交通仿真模型,提出基于轨迹数据的不同速度区间的加减速特征,应用K-means聚类方法划分4种驾驶行为,通过驾驶特性标定仿真模型全局参数,描述了参数总敏感度以及参数之间相互作用的敏感度。利用DBSCAN(density-based spatial clustering of applications with noise)聚类分析并标定局部参数值,优化了参数标定流程。计算仿真轨迹工况,本地化MOVES(motor vehicle emission simulator)微观排放模型,得到交叉口不同流向和不同驾驶行为下的HC、CO、NO_(x)、CO_(2)排放。研究表明:仿真模型优化效果显著,所提方法可精确识别高排放的空间位置,解析排放与驾驶行为之间的联系。应用DBSCAN聚类分析参数寻优值有助于实现自动化标定流程,全局参数标定将速度分布χ^(2)误差由0.6327降至0.1306,加速度分布χ^(2)误差由0.1441降至0.0528,对于环境视角下仿真模型构建至关重要。展开更多
文摘为评估交通管控策略的环境效益,提出有效融合微观交通仿真模型和微观车辆排放模型的方法。利用VISSIM平台构建案例微观交通仿真模型,提出基于轨迹数据的不同速度区间的加减速特征,应用K-means聚类方法划分4种驾驶行为,通过驾驶特性标定仿真模型全局参数,描述了参数总敏感度以及参数之间相互作用的敏感度。利用DBSCAN(density-based spatial clustering of applications with noise)聚类分析并标定局部参数值,优化了参数标定流程。计算仿真轨迹工况,本地化MOVES(motor vehicle emission simulator)微观排放模型,得到交叉口不同流向和不同驾驶行为下的HC、CO、NO_(x)、CO_(2)排放。研究表明:仿真模型优化效果显著,所提方法可精确识别高排放的空间位置,解析排放与驾驶行为之间的联系。应用DBSCAN聚类分析参数寻优值有助于实现自动化标定流程,全局参数标定将速度分布χ^(2)误差由0.6327降至0.1306,加速度分布χ^(2)误差由0.1441降至0.0528,对于环境视角下仿真模型构建至关重要。