(12)發(fā)明專利(10)授權公告號CN115270962B(65)同一申請的已公布的文獻號路866號王備張子健陳廷軒(74)專利代理機構杭州求是專利事務所有限公司33200專利代理師劉靜(56)對比文件(54)發(fā)明名稱一種基于城市交通仿真的大氣污染物濃度計算方法(57)摘要本發(fā)明公開了一種基于城市交通仿真的大氣污染物濃度計算方法，首先獲取實地路網數(shù)據(jù)，根據(jù)獲得的數(shù)據(jù)構建二維地圖；獲取城市機動車數(shù)據(jù)，部署在生成的地圖上進行交通仿真；獲取交通仿真的機動車仿真數(shù)據(jù)以及當?shù)爻鞘熊囕v的平均排放因子，計算出道路排放線源，利用擴散模型計算道路的污染物濃度，通過分類模型訓練獲得污染物濃度與城市空氣質量的相關性模型，將真實的車輛數(shù)據(jù)使用模型估計出城市中各個道路的污染物濃度。本發(fā)明可以通過交通仿真系統(tǒng)計算特定交通路況下的由于機動車尾氣排放而產生的大氣污染物濃度。并且可以根據(jù)仿真獲得的大氣污染物濃度，指導交通方案的調21.一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，具體步驟如下：步驟(1):獲取實地路網數(shù)據(jù)；路網數(shù)據(jù)包括地圖數(shù)據(jù)、交通信號燈數(shù)據(jù)；步驟(2):根據(jù)步驟(1)獲得的數(shù)據(jù)構建二維地圖；采用車道Lane、路段Edge、道路Road的三層路網結構模擬真實的道路，采用交叉口Junction模擬真實的交叉口；步驟(3):獲取城市機動車數(shù)據(jù)，包括機動車信息數(shù)據(jù)和機動車流量數(shù)據(jù)；步驟(4):基于交通仿真系統(tǒng)將步驟(3)中獲得的數(shù)據(jù)部署在步驟(2)中生成的地圖上進行交通仿真，交通仿真系統(tǒng)的數(shù)據(jù)輸入包括用戶需求參數(shù)、生成的路網、交通信號燈數(shù)據(jù)、每輛機動車的出發(fā)地和目的地數(shù)據(jù)，根據(jù)每一次出行的起點和終點通過Dijkstra算法得到此次出行的路徑，最后通過模糊邏輯算法將此次路徑映射到路網上；定義跟馳模型和換道模型來控制機動車的行為；同時定義一個計時器任務，每隔若干毫秒重復執(zhí)行一次計算生成一個仿真幀，來讓仿真持續(xù)進行下去，每個仿真幀中，需要更新交通信號燈的狀態(tài)，生成當前幀中出現(xiàn)的車輛，銷毀當前幀中需要消失的車輛，獲得當前仿真幀下每輛車的經算下一幀仿真中每輛車的經緯度坐標，并根據(jù)到路口的距離和與前后車的距離數(shù)據(jù)來推斷下一幀的駕駛員意圖和駕駛員行為，最后刷新車輛狀態(tài)，并根據(jù)車輛的經緯度坐標將車輛顯示在路網上；步驟(5):獲取步驟(4)中交通仿真系統(tǒng)中的不同道路中車輛的數(shù)量、每輛車的平均時步驟(6):獲取當?shù)爻鞘熊囕v的平均排放因子，具體為查閱國家不同標準的車輛各污染物排放率限值，按照當?shù)貦C動車數(shù)量占不同標準的比例來進行計算平均排放因子，或者通過查閱當?shù)亟痪峁┑能囮犉骄欧乓蜃?，將兩種因子進行比較，根據(jù)人為需求，選取其一作為基準，再采用總修正因子CF對排放因子進行修正，修正的公式如下所示：放物種類為w的排放因子，EF′為修正后的排放物種類為w的排放因子；步驟(7):根據(jù)步驟(5)、步驟(6)中的數(shù)據(jù)計算出道路排放線源源強，線源源強計算公式如下所示：式中：Q為某條線源道路類型為i的車輛排放污染物種類為w的線源源強；q為類型為i的車輛在道路上的車流量；1為道路長度；EF′iw為類型為i的車輛排放污染物種類為w的排放因子；Q為某條線源道路上排放污染物種類為w的線源源強總和，即某條道路上，污染物單位時間的排放量；n為機動車類型數(shù)量；步驟(8):根據(jù)步驟(7)中的結果，利用高斯擴散模型由機動車尾氣排放估測出由機動車產生的空氣污染濃度，公式如下式所示：3式中：C(x,y,z)為坐標(x,y,z)的污染物濃度；H為排氣筒的有效高度；U為排氣筒出口水平橫向及鉛直方向的擴散參數(shù)；步驟(9):獲取當?shù)丨h(huán)境檢測點以及道路周圍的微波檢測器數(shù)據(jù)，得到城市空氣質量檢測數(shù)據(jù)；步驟(10):根據(jù)步驟(8)、步驟(9)中的數(shù)據(jù)通過分類模型訓練獲得污染物濃度與城市空氣質量的相關性模型，并根據(jù)模型得到基于城市空氣質量檢測數(shù)據(jù)修正后的污染物濃步驟(11):將真實統(tǒng)計的或模擬的車輛數(shù)據(jù)使用步驟(10)中得出的模型估計出城市中各個道路的污染物濃度。2.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(1)中，所述地圖數(shù)據(jù)包括道路數(shù)據(jù)和交叉口數(shù)據(jù)；所述道路數(shù)據(jù)包括道路長度、道路限速、道路車道數(shù)、道路屬性、道路寬度和道路設施數(shù)據(jù)；所述交叉口數(shù)據(jù)包括交叉口進口道車道數(shù)、交叉口出口道車道數(shù)和交叉口所連接道路數(shù)據(jù)。3.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(1)中，所述交通信號燈數(shù)據(jù)包括交通信號燈組和交通信號燈周期數(shù)據(jù)。4.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征口之間的路段；InternalEdge指交叉口內部的行車路線，路段Edge包含的數(shù)據(jù)有：路段限車道Lane是比路段更小的單位，一條車道不能橫跨兩個路段，只能并列排列在路段內道路Road是一個具體的概念，層級在Edge之上，體現(xiàn)為道路的名稱。5.根據(jù)權利要求4所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(2)中，交叉口Junction是兩條或兩條以上的有向道路相交的點，用于連接相鄰6.根據(jù)權利要求5所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，交叉口上的交通信號燈TrafficLight屬于路段所包含的設備中，包含的數(shù)據(jù)有：信號燈周期和信號燈所控制的車道。7.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征機動車最大減速度、機動車長度、機動車靜止時最小間距、駕駛員反應時間、駕駛員性格和機動車距離目的地距離數(shù)據(jù)；機動車流量數(shù)據(jù)包括：各個時間段的總交通量、標準車交通量、平均點位流量、早晚高峰時段、交通小區(qū)的出行量和回歸量和每輛車的出發(fā)地和目的地數(shù)據(jù)。8.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(4)中，跟馳模型為智能駕駛員模型(IntelligentDriverModel,IDM),描述了4一個理性駕駛員在駕駛過程中與前車保持安全車距的前提下和環(huán)境允許時，將速度提升至某個可行范圍。9.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(4)中，換道模型分為強制性換道和非強制性換道，強制性換道為必須完成的換道，非強制性換道為需要快速到達目的地的換道；兩種換道以強制性換道為主，只有在沒有強制性換道要求的情況下才考慮非強制性換道。10.根據(jù)權利要求1所述的一種基于城市交通仿真的大氣污染物濃度計算方法，其特征在于，步驟(10)中，將獲取到的城市空氣質量檢測數(shù)據(jù)與計算出各污染物濃度建立相關性模型，采用Pearson相關性系數(shù)法或采用機器學習中的分類算法來進行相關性分析，使得通過交通仿真得出的結果更加符合真實情況。5技術領域[0001]本發(fā)明涉及環(huán)境保護以及交通管理領域，尤其涉及一種基于城市交通仿真的大氣污染物濃度計算方法。背景技術氣排放在大中型城市已成為當?shù)刂饕拇髿馕廴驹?機動車排放污染物已經成為城市空氣污染的主要來源之一，各地本地排放源中移動源對細顆粒物(PM?.5)的貢獻占比如圖1所示，而由于機動車產生的污染物屬于超低空排放，因此機動車的污染物分擔率對于城市道路來說會更高。[0003]目前業(yè)界對大氣污染物濃度的檢測方案大多是通過一些大氣污染物檢測裝置來實時檢測當前的污染物濃度，實時檢測的好處在于數(shù)據(jù)比較準確，但是對于未來時刻的污染物濃度就很難估計了，并且通檢測裝置檢測到的污染物是包含了各種來源如工業(yè)廢氣，生活油煙，機動車排放的廢氣，目前細化到某一污染源如機動車尾氣排放還比較困難。發(fā)明內容[0004]本發(fā)明目的在于針對現(xiàn)有技術的不足，提出一種基于城市交通仿真的大氣污染物濃度計算方法。主要是為了緩解近年來城市交通日益擁擠所帶來的環(huán)境問題，利用城市交通仿真系統(tǒng)將因機動車排放造成的污染物濃度在宏觀的層面體現(xiàn)出來，并利用空氣質量檢測數(shù)據(jù)進行處理，使得數(shù)據(jù)準確度可以進一步提高，來達到預測未來環(huán)境的設想。系統(tǒng)仿真為一個除理論推導、實驗之外的第三種研究方法，而交通仿真旨在因交通情況的復雜導致理論推導的不確定性和實驗成本過高或根本無法進行實驗的情況下，對城市道路管理的假想方案可以在計算機的模擬下實現(xiàn)，從而在現(xiàn)實交通管理中做出最正確的調整或者優(yōu)化，極大的簡化了實驗步驟以及節(jié)省了實驗成本。[0005]本發(fā)明的目的是通過以下技術方案來實現(xiàn)的：一種基于城市交通仿真的大氣污染[0006]步驟(1):獲取實地路網數(shù)[0007]步驟(2):根據(jù)步驟(1)獲得的數(shù)據(jù)構建二維地圖；采用車道Lane、路段Edge、道路Road的三層路網結構模擬真實的道路，采用交叉口Junction模擬真實的交叉口；[0008]步驟(3):獲取城市機動車數(shù)據(jù)，包括機動車信息數(shù)據(jù)和機動車流量數(shù)據(jù)；[0009]步驟(4):基于交通仿真系統(tǒng)將步驟(3)中獲得的數(shù)據(jù)部署在步驟(2)中生成的地圖上進行交通仿真，交通仿真系統(tǒng)的數(shù)據(jù)輸入包括用戶需求參數(shù)、生成的路網、交通信號燈數(shù)據(jù)、每輛機動車的出發(fā)地和目的地數(shù)據(jù)，根據(jù)每一次出行的起點和終點通過Dijkstra算法得到此次出行的路徑，最后通過模糊邏輯算法將此次路徑映射到路網上；定義跟馳模型和換道模型來控制機動車的行為；同時定義一個計時器任務，每隔若干毫秒重復執(zhí)行一次計算生成一個仿真幀，來讓仿真持續(xù)進行下去，每個仿真幀中，需要更新交通信號燈的狀6[0010]步驟(5):獲取步驟(4)中交通仿真系統(tǒng)中的不同道路中車輛的數(shù)量、每輛車的平[0012]CF=φv×4Temp×4RH×φASL×4fu[0019]步驟(8):根據(jù)步驟(7)中的結果，[0023]步驟(10):根據(jù)步驟(8)、步驟(9)中的數(shù)據(jù)通過分類模型訓練獲得污染物濃度與7[0024]步驟(11):將真實統(tǒng)計的或模擬的車輛數(shù)據(jù)使用步驟(10)中得出的模型估計出城市中各個道路的污染物濃度。[0025]進一步地，步驟(1)中，所述地圖數(shù)據(jù)包括道路數(shù)據(jù)和交叉口數(shù)據(jù)；所述道路數(shù)據(jù)據(jù)包括交叉口進口道車道數(shù)、交叉口出口道車道數(shù)和交叉口所連接道路數(shù)據(jù)。[0026]進一步地，步驟(1)中，所述交通信號燈數(shù)據(jù)包括交通信號燈組和交通信號燈周期數(shù)據(jù)。Edge為交叉口之間的路段；InternalEdge指交叉口內部的行車路線，路段Edge包含的數(shù)[0028]車道Lane是比路段更小的單位，一條車道不能橫跨兩個路段，只能并列排列在路[0030]進一步地，步驟(2)中，交叉口Junction是兩條或兩條以上的有向道路相交的點，用于連接相鄰的邊；包含的數(shù)據(jù)有：交叉口中心點坐標、進入交叉口的路段和離開交叉口的路段。[0031]進一步地，交叉口上的交通信號燈TrafficLight屬于路段所包含的設備中，包含的數(shù)據(jù)有：信號燈周期和信號燈所控制的車道。駕駛員性格和機動車距離目的地距離數(shù)據(jù)；[0033]機動車流量數(shù)據(jù)包括：各個時間段的總交通量、標準車交通量、平均點位流量、早晚高峰時段、交通小區(qū)的出行量和回歸量和每輛車的出發(fā)地和目的地數(shù)據(jù)。[0034]進一步地，步驟(4)中，跟馳模型為智能駕駛員模型(IntelligentDriverModel,IDM),描述了一個理性駕駛員在駕駛過程中與前車保持安全車距的前提下和環(huán)境允許時，將速度提升至某個可行范圍；[0035]進一步地，步驟(4)中，換道模型分為強制性換道和非強制性換道，強制性換道為必須完成的換道，非強制性換道為需要快速到達目的地的換道；兩種換道以強制性換道為主，只有在沒有強制性換道要求的情況下才考慮非強制性換道。[0036]進一步地，步驟(10)中，將獲取到的城市空氣質量檢測數(shù)據(jù)與計算出各污染物濃度建立相關性模型，采用Pearson相關性系數(shù)法或采用機器學習中的分類算法來進行相關性分析，使得通過交通仿真得出的結果更加符合真實情況。[0037]本發(fā)明的有益效果：本發(fā)明提出一種基于城市交通仿真的大氣污染物濃度計算方法，可以根據(jù)交通仿真系統(tǒng)的速度，加速度，車輛類型，排量等屬性設定其對應的污染物排放量，可以通過交通仿真系統(tǒng)預測特定交通路況下的由于機動車尾氣排放而產生的大氣污染物濃度。并且可以根據(jù)仿真獲得的大氣污染物濃度，指導交通方案的調整，以最大化降低機動車尾氣排放導致的大氣污染程度。8附圖說明[0038]圖1為各地本地排放源中移動源對細顆粒物的貢獻示意圖；[0039]圖2為本發(fā)明方法流程圖；[0040]圖3為路網三層結構示意圖；[0041]圖4為交通仿真效果圖。具體實施方式[0042]以下結合附圖對本發(fā)明具體實施方式作進一步詳細說明。[0043]本發(fā)明提供的一種基于城市交通仿真的大氣污染物濃度計算方法，如圖2所示，具體流程如下：[0044]步驟(1):獲取實地路網數(shù)據(jù)。路網數(shù)據(jù)主要包括地圖數(shù)據(jù)、交通信號燈數(shù)據(jù)。[0045]地圖數(shù)據(jù)包括：道路數(shù)據(jù)和交叉口數(shù)據(jù)。[0046]道路數(shù)據(jù)包括：道路長度、道路限速、道路車道數(shù)、道路屬性、道路寬度、道路設施；[0047]交叉口數(shù)據(jù)包括：交叉口進口道車道數(shù)、交叉口出口道車道數(shù)、交叉口所連接道[0048]交通信號燈數(shù)據(jù)包括：交通信號燈組、交通信號燈周期。[0049]步驟(2):根據(jù)步驟(1)獲得的數(shù)據(jù)構建二維地圖。[0050]采用車道Lane、路段Edge、道路Road的三層路網結構來模擬真實的道路，Junction來模擬真實的交叉口。[0051]路段Edge分為兩種：InternalEdge和NormalEdge,NormalEdge(下簡稱Normal)為通常意義上所說的路段，即交叉口之間的路段；而InternalEdge(下簡稱Internal)特指交叉口內部的行車路線，兩者有非常多的共性，唯一不同是Normal可以包含多個車道，而Internal有且只有一個車道，這樣處理是為了簡化交叉口內部的處理邏輯。包含的數(shù)據(jù)有：路段限速、路段屬性、路段長度、路段寬度、包含的車道、包含的設備。[0052]車道Lane是比路段更小的單位，一條車道不能橫跨兩個路段，只能并列排列在路段內部，Normal與Internal在Edge層級上的差別在Lane層級上得到了統(tǒng)一。包含的數(shù)據(jù)整道路的概念。[0054]交叉口Junction是兩條或兩條以上的有向道路相交的點，用于連接相鄰的邊。包含的數(shù)據(jù)有：交叉口中心點坐標、進入交叉口的路段、離開交叉口的路段。路網三層結構圖如圖3所示。[0055]交叉口上的交通信號燈TrafficLight屬于路段所包含的設備中，包含的數(shù)據(jù)有：信號燈周期、信號燈所控制的車道。[0056]步驟(3):獲取城市機動車數(shù)據(jù)。[0057]機動車數(shù)據(jù)包括：機動車信息數(shù)據(jù)和機動車流量數(shù)據(jù)。[0058]機動車信息數(shù)據(jù)包括：機動車類型，機動車最大加速度、機動車最大速度、機動車最大減速度、機動車長度、機動車靜止時最小間距、駕駛員反應時間、駕駛員性格、機動車距離目的地距離；9[0059]機動車流量數(shù)據(jù)包括：各個時間段的總交通量、標準車交通量、平均點位流量、早晚高峰時段、交通小區(qū)的出行量和回歸量，每輛車的出發(fā)地和目的地。[0060]步驟(4):將步驟(3)中獲得的數(shù)據(jù)部署在步驟(2)中生成的地圖上進行交通仿真。[0061]構建一個交通仿真系統(tǒng)需要數(shù)據(jù)輸入，包括用戶需求參數(shù)、生成的路網、交通信號燈數(shù)據(jù)、每輛機動車的出發(fā)地和目的地、再通過出發(fā)地和目的地生成一條路徑，具體實施步驟為：根據(jù)每一次出行的起點和終點通過Dijkstra算法得到此次出行的路徑，最后通過模糊邏輯算法將此次路徑映射到路網上。[0062]定義一個計時器任務，每隔若干毫秒(用戶參數(shù)設置)重復執(zhí)行一次計算生成一仿真幀，來讓仿真持續(xù)進行下去，每個仿真幀中，需要更新交通信號燈的狀態(tài)，生成當前幀中出現(xiàn)的車輛，銷毀當前幀中需要消失的車輛，獲得當前仿真幀下每輛車的經緯度坐標、速真中每輛車的經緯度坐標，并根據(jù)到路口的距離和與前后車的距離等等來推斷下一幀的駕駛員意圖和駕駛員行為，最后刷新車輛狀態(tài)，并根據(jù)車輛的經緯度坐標將車輛數(shù)據(jù)傳遞給前臺頁面，前臺頁面調用后端提供的接口刷新頁面并將車輛顯示在路網上。仿真效果圖如圖4所示。[0063]定義跟馳模型(CarFollowingModels,CFM)和換道模型(LaneChangeModels,LCM)兩類模型來控制機動車的行為。[0064]跟馳模型包括：自由行駛速度、跟隨行駛速度、即將到達目的地速度、車輛制動時是經典的動力學跟馳模型，該模型描述了一個理性駕駛員在駕駛過程中與前車保持安全車距的前提下和環(huán)境允許時，將速度提升至某個可行范圍。[0065]換道模型目前沒有形成統(tǒng)一標準，本發(fā)明將換道模型分為強制性換道和非強制性換道，強制性換道為必須完成的換道，否則會在接下來的仿真中產生異常；非強制性換道為需要快速到達目的地的換道。兩種換道以強制性換道為主，只有在沒有強制性換道要求的情況下才考慮非強制性換道。[0066]步驟(5):獲取步驟(4)中交通仿真的機動車仿真數(shù)據(jù)。[0067]通過計算獲得仿真系統(tǒng)中不同道路中車輛的數(shù)量、每輛車的平均時速、每輛車的加速度、每輛車的燃油類型、道路長度等。污染物濃度這些數(shù)據(jù)與車輛的排放的污染物種類、排放污染物的速度、排放污染物的總量均有一定影響，如柴汽油車主要排放物為CO和HC,機動車在低速下行駛較高速下行駛產生的排放物會有所增加，道路車輛數(shù)量表明道路的擁擠程度，而越擁堵的道路產生的排放物會越多等等。[0068]步驟(6):獲取當?shù)爻鞘熊囕v的平均排放因子。[0069]查閱國家不同標準的車輛各污染物排放率限值，按照當?shù)貦C動車數(shù)量占不同標準的比例來進行計算平均排放因子，或者通過查閱當?shù)亟痪峁┑能囮犉骄欧乓蜃樱瑢傻牧炕团欧帕踊?由于行駛里程增大、發(fā)動機積碳增多)、硫排放、柴油車負載的估計，采用總修正因子CF對排放因子EF進行修正，修正的公式如下所示。[0071]式中：CF為各修正因子乘積，φv為平均速度修正因子；4Temp為溫度修正因子；[0075]根據(jù)國家環(huán)境保護總局發(fā)布的城市機動車排放空氣污染測算方法來對交通仿真[0080]步驟(8):根據(jù)步驟(7)中的結果，利用合適的氣象數(shù)據(jù)和擴散模型計算道路的污[0085]步驟(10):根據(jù)步驟(8)、步驟(9)中的數(shù)據(jù)通過分類模型訓練來獲得污染物濃度物濃度。[0086]將獲取到的城市空氣質量檢測數(shù)據(jù)與本發(fā)明計算出各污染物濃度建立相關性模[0087]Pearson相關性系數(shù)法主要用于分析順序數(shù)據(jù)，基于本發(fā)明計11[0090]也可以采用機器學習訓練的方法來對結果進行矯正，由于本發(fā)明的數(shù)據(jù)影響因素較多，可采用主成分分析(Principalcomponentanalysis,PCA)方法來對數(shù)據(jù)進行降維，再采用支持向量機模型進行分類訓練。[0091]步驟(11):將真實的或模擬的車輛數(shù)據(jù)使用步驟(10)中得出的模型估計出城市中各個道路的污染物濃度，呈現(xiàn)在交通仿真系統(tǒng)中，實時顯示道路的污染物濃度。[0094]步驟(1)使用衛(wèi)星地圖和柳州市市政部門提供的地圖數(shù)據(jù)進行對地圖的繪制，并將所有道路數(shù)據(jù)以及交通信號燈數(shù)據(jù)以xml方式進行存儲。[0095]步驟(2)使用步驟(1)獲得的數(shù)據(jù)