重型柴油公交車在城市道路交叉口和公交站點(diǎn)的微觀排放模型.pdf

1、交叉口和公交站點(diǎn)是城市交通路網(wǎng)中兩個(gè)典型的微觀高排放熱點(diǎn)區(qū)域，因?yàn)榇罅拷煌ǔ鲂姓咧苯悠芈对谠搮^(qū)域高濃度的污染物中，因此交通管理者只有掌握這兩個(gè)微觀熱點(diǎn)區(qū)域車輛的排放特征，才能制定出有效的排放控制措施。此外，這兩個(gè)熱點(diǎn)區(qū)域的交通屬于間斷流運(yùn)行的特征，不同于路段連續(xù)交通流運(yùn)行狀態(tài)，現(xiàn)有的用于描述續(xù)交通流運(yùn)行特征和排放特征的一套指標(biāo)和方法并不適合于這兩個(gè)熱點(diǎn)區(qū)域，因此有必要針對交叉口和公交站點(diǎn)開展其所屬的間斷流運(yùn)行特征與其排放特征的關(guān)聯(lián)研究。

2、在當(dāng)前研究中，關(guān)于輕型車的研究成果較多，而關(guān)于重型車的相對較少。在這個(gè)背景下，并考慮到重型柴油公交車不僅是城市交通路網(wǎng)主要公共交通出行工具之一，也是氮氧化物(NOx)和顆粒物(PM)的主要排放車型之一，本研究將針對重型柴油公交車開展其在交叉口和公交站點(diǎn)兩個(gè)微觀區(qū)域的排放量化研究，本文將構(gòu)建考慮其在微觀區(qū)域運(yùn)行特征的重型柴油公交車排放量化模型。
　　圍繞以上的研究目標(biāo)，本文首先從可用于重型柴油公交車的微觀排放量化模型與方法、以及考慮

3、排放效益的交叉口與公交站點(diǎn)管理與控制措施及方法兩個(gè)方面開展了國內(nèi)外研究綜述。在完成綜述的基礎(chǔ)上，本文開展了以下的研究工作。
　　第一，針對公交車在交叉口和公交站點(diǎn)處開展了移動(dòng)排放檢測數(shù)據(jù)、逐秒運(yùn)行數(shù)據(jù)以及交叉口和公交站點(diǎn)的屬性特征數(shù)據(jù)的收集，并對海量數(shù)據(jù)進(jìn)行了質(zhì)量控制。在此基礎(chǔ)上，提出了公交車在交叉口和公交站點(diǎn)的排放特征分析數(shù)據(jù)處理流程。
　　第二，針對公交車在交叉口和公交站點(diǎn)處的排放量化關(guān)鍵問題，本文提出了重型柴油公交車考

4、慮客流時(shí)段特征的比功率(Vehicle Specific Power, VSP)計(jì)算方法;研究了比功率區(qū)間劃分方法;統(tǒng)計(jì)并確立了本地化重型柴油公交車比功率區(qū)間對應(yīng)的排放率;并基于重型柴油公交車排放規(guī)律確立了交叉口和公交站點(diǎn)的研究范圍。
　　第三，在以上研究基礎(chǔ)上，本文分析了道路屬性特征（道路等級(jí)）和公交車運(yùn)行狀態(tài)（停車次數(shù)、延誤時(shí)間、轉(zhuǎn)向）對其在交叉口處比功率和排放因子的影響，篩選出關(guān)鍵的影響因素;在此基礎(chǔ)上，統(tǒng)計(jì)分析了該關(guān)鍵影響

5、因素與重型柴油公交車在該區(qū)域的比功率分布和排放因子的相關(guān)關(guān)系，建立了基于控制延誤的重型柴油公交車在交叉口處的比功率分布模型和排放因子預(yù)測模型，并對建立的模型進(jìn)行了假設(shè)檢驗(yàn)。為了驗(yàn)證本文所建立的模型，本文通過實(shí)測北京市320線路、603線路和751線路135個(gè)交叉口片段的排放數(shù)據(jù)和GPS數(shù)據(jù)來進(jìn)行模型驗(yàn)證，結(jié)果表明:本文建立的微觀熱點(diǎn)區(qū)域比功率分布模型預(yù)測結(jié)果與實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果的誤差分布在-1.80％-6.1％之間;排放因子模型預(yù)測的結(jié)果

6、與實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果的誤差分布在-0.88％-10.01％之間;而采用美國環(huán)保局開發(fā)的MOVES(Motor VehicleEmission Simulator, MOVES)模型預(yù)測的結(jié)果與實(shí)測數(shù)據(jù)誤差分布在-98.32％-12.88％之間。這表明，本文建立的交叉口處重型柴油公交車的排放因子預(yù)測模型針對北京市實(shí)際路網(wǎng)的預(yù)測精度高于MOVES模型。
　　第四，本文同時(shí)分析了公交站點(diǎn)屬性特征（道路類型、站臺(tái)布置形式、泊位數(shù)）和公交在站

7、點(diǎn)的運(yùn)行狀態(tài)（總延誤和停車次數(shù)）對其在站點(diǎn)的運(yùn)行模式分布和排放因子的影響，篩選出在該點(diǎn)的關(guān)鍵影響因素;在此基礎(chǔ)上，統(tǒng)計(jì)分析了該關(guān)鍵影響因素與公交車在站點(diǎn)處的比功率分布和排放因子的相關(guān)關(guān)系，建立了基于站點(diǎn)延誤的公交車在站點(diǎn)處的比功率分布模型和排放因子預(yù)測模型，并對建立的模型進(jìn)行了假設(shè)檢驗(yàn)。為了驗(yàn)證本文所建立的模型和算法，本文通過實(shí)測北京市320線路、603線路和751線路190個(gè)公交站點(diǎn)片段的排放數(shù)據(jù)和GPS數(shù)據(jù)來進(jìn)行模型驗(yàn)證，結(jié)果表明:

8、本文所建立的微觀區(qū)域運(yùn)行模式分布模型的預(yù)測結(jié)果與實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果的誤差分布在-2.40％-3.6％之間;排放因子模型預(yù)測的結(jié)果與實(shí)測數(shù)據(jù)統(tǒng)計(jì)結(jié)果的誤差分布在1.23％-7.12％之間。
　　第五，在實(shí)例驗(yàn)證的研究中，本文基于所建立的公交車在交叉口處的排放因子預(yù)測模型，提出了考慮重型柴油公交車在交叉口NOx和PM排放量和交叉口通行能力的多目標(biāo)信號(hào)配時(shí)優(yōu)化模型，并提出了基于遺傳算法的求解流程。實(shí)例分析結(jié)果表明:本文提出的優(yōu)化的信號(hào)配時(shí)