重型柴油公交車在城市道路交叉口和公交站點的微觀排放模型.pdf

1、交叉口和公交站點是城市交通路網(wǎng)中兩個典型的微觀高排放熱點區(qū)域，因為大量交通出行者直接曝露在該區(qū)域高濃度的污染物中，因此交通管理者只有掌握這兩個微觀熱點區(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，這兩個熱點區(qū)域的交通屬于間斷流運行的特征，不同于路段連續(xù)交通流運行狀態(tài)，現(xiàn)有的用于描述續(xù)交通流運行特征和排放特征的一套指標和方法并不適合于這兩個熱點區(qū)域，因此有必要針對交叉口和公交站點開展其所屬的間斷流運行特征與其排放特征的關聯(lián)研究。

2、在當前研究中，關于輕型車的研究成果較多，而關于重型車的相對較少。在這個背景下，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兩個微觀區(qū)域的排放量化研究，本文將構建考慮其在微觀區(qū)域運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，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管理與控制措施及方法兩個方面開展了國內外研究綜述。在完成綜述的基礎上，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處開展了移動排放檢測數(shù)據(jù)、逐秒運行數(shù)據(jù)以及交叉口和公交站點的屬性特征數(shù)據(jù)的收集，并對海量數(shù)據(jù)進行了質量控制。在此基礎上，提出了公交車在交叉口和公交站點的排放特征分析數(shù)據(jù)處理流程。
　　第二，針對公交車在交叉口和公交站點處的排放量化關鍵問題，本文提出了重型柴油公交車考

4、慮客流時段特征的比功率(Vehicle Specific Power, VSP)計算方法;研究了比功率區(qū)間劃分方法;統(tǒng)計并確立了本地化重型柴油公交車比功率區(qū)間對應的排放率;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的研究范圍。
　　第三，在以上研究基礎上，本文分析了道路屬性特征（道路等級）和公交車運行狀態(tài)（停車次數(shù)、延誤時間、轉向）對其在交叉口處比功率和排放因子的影響，篩選出關鍵的影響因素;在此基礎上，統(tǒng)計分析了該關鍵影響

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關系，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測模型，并對建立的模型進行了假設檢驗。為了驗證本文所建立的模型，本文通過實測北京市320線路、603線路和751線路135個交叉口片段的排放數(shù)據(jù)和GPS數(shù)據(jù)來進行模型驗證，結果表明:本文建立的微觀熱點區(qū)域比功率分布模型預測結果與實測數(shù)據(jù)統(tǒng)計結果的誤差分布在-1.80％-6.1％之間;排放因子模型預測的結果

6、與實測數(shù)據(jù)統(tǒng)計結果的誤差分布在-0.88％-10.01％之間;而采用美國環(huán)保局開發(fā)的MOVES(Motor VehicleEmission Simulator, MOVES)模型預測的結果與實測數(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測模型針對北京市實際路網(wǎng)的預測精度高于MOVES模型。
　　第四，本文同時分析了公交站點屬性特征（道路類型、站臺布置形式、泊位數(shù)）和公交在站

7、點的運行狀態(tài)（總延誤和停車次數(shù)）對其在站點的運行模式分布和排放因子的影響，篩選出在該點的關鍵影響因素;在此基礎上，統(tǒng)計分析了該關鍵影響因素與公交車在站點處的比功率分布和排放因子的相關關系，建立了基于站點延誤的公交車在站點處的比功率分布模型和排放因子預測模型，并對建立的模型進行了假設檢驗。為了驗證本文所建立的模型和算法，本文通過實測北京市320線路、603線路和751線路190個公交站點片段的排放數(shù)據(jù)和GPS數(shù)據(jù)來進行模型驗證，結果表明:

8、本文所建立的微觀區(qū)域運行模式分布模型的預測結果與實測數(shù)據(jù)統(tǒng)計結果的誤差分布在-2.40％-3.6％之間;排放因子模型預測的結果與實測數(shù)據(jù)統(tǒng)計結果的誤差分布在1.23％-7.12％之間。
　　第五，在實例驗證的研究中，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信號配時優(yōu)化模型，并提出了基于遺傳算法的求解流程。實例分析結果表明:本文提出的優(yōu)化的信號配時