文摘
为了重污染天的空气质量模型,实现动态排放监测系统在北京道路网络,这就需要每小时流量的输入。浮动车数据(FCD)正越来越多地用于流估计基于基本图补充固定探测器提供的数据。然而,现有的研究经常使用一个典型的基本图不考虑磁滞现象和交通流的不确定性评估。本研究旨在开发一个multiperiod为交通流基本图估计从FCD考虑磁滞现象。结果表明,拟议中的multiperiod基本图可以提高流量估计的准确性。交通流的不确定性估计10分钟和1小时也量化,结果表明估计的不确定性的变化在低于1小时10分钟,平均降低7% 95%可信区间(CI)的范围。但是没有显著差异大小的估计不确定性相比1小时10分钟。此外,拥挤流的不确定性是低于自由流动。在案例研究中,提出的模型是用来开发流的时空分布和排放在北京市区。
1。介绍
沉重的空气污染天经常发生在中国的一些大城市在过去的几十年中1,2]。为了空气质量模型和应对严重污染的日子里,最重要的任务之一是监测主要污染源的排放,包括工业、农业、国内和移动污染。和这些污染源的排放应该监控均匀间隔,根据第二次全国人口普查公报的污染源释放的中国生态和环境(3,4]。
固定污染源的排放,如工业、农业、和国内污染源,可以动态地监测在1小时在小范围内。然而,实际上它不是容易进行移动污染源的动态监测道路网络,需要每小时交通流量和旅行速度每个路链接的5- - - - - -7]。
,很难收集可靠的整个道路网交通流量,已成为亟待解决的问题,在大多数的城市之一进行动态交通排放估算。这主要归因于交通检测器的覆盖率不足的道路网络(8]。传统的交通监视系统使用固定探测器,如感应循环,交通摄像头、无线射频识别和远程交通微波传感器(RTMS)采集交通流量9,10]。固定探测器仍然相当昂贵的安装和维护。因此,这些技术太昂贵的流量大都市完全在高时空分辨率。
随着移动流量监测技术的发展,大规模的道路网络的实时数据采集速度已经实现,覆盖各种类型的城市道路、高速公路等主要干线公路,次要的主干道。例如,浮动车系统在北京这样的城市(11,12)、上海、广州、杭州、以及导航软件高德和百度等互联网公司,可以提供实时的速度数据和高覆盖率在一个简单的和有成本效益的方式。在这种背景下,浮动车数据(FCD),也称为探测车辆数据,被广泛用来提供交通信息作为补充传统的交通监测技术由于其低成本和高覆盖率13,14]。FCD包含位置、方向和速度信息的探测车辆配备车载全球定位系统(GPS)。数据传输到中央处理单元处理所有调查数据计算车辆平均速度的道路联系(11,15]。
在这种背景下,链接没有交通检测器的道路,推导从FCD速度基于宏观交通流基本图具有重要现实意义的动态估计车辆的排放。
然而,这种方法的准确性和不确定性一直质疑在实际应用程序中,有一个伟大的对汽车排放估算的结果的影响。在一个特定的速度,观察到的流往往在估计波动流在一个范围内。流的不确定性估计可以作为估计之间的差异说明流和观察到的流(16]。此外,估计交通流量通常聚合1小时或更大的时间间隔。
因此,本研究的目的是解决这一问题:不确定性是多少每小时流量估计汽车排放FCD的估计?
2。文献综述
FCD或探测车辆数据获得gps探测车辆,它可以由私人公司提供。许多城市,如北京、上海、和柏林建立了taxi-FCD系统,长时间操作的优势,广泛的覆盖率,和集中管理17]。与此同时,私营企业如高德,百度,INRIX公司,TomTom也收集速度和旅行时间性质的数据从私人车辆。Guhnemann et al。9)报道,出租车可以用作一个广泛FCD廉价探测车辆车载设备的车辆基本没有额外的费用或软件在服务器上的出租车总部及其利用率和覆盖的城市远高于私人车辆。Llorca et al。18)报道,收集商业FCD私家车出现隐私问题由于可能的速度限制违规责任。因此,FCD提供者通常选择不报告的速度超过了限速保护他们的客户,导致速度截断在张贴限速(15]。太阳et al。17)研究了基于多源数据融合框架FCD出租车,百度,公共汽车。本文中描述的方法利用GPS数据从出租车公司的出租车调度系统。探测汽车的普及率和FCD越来越增加,该方法在本文中也可以应用。
FCD已广泛应用于交通分析,如旅行时间估计(19,20.)、交通状态估计(21),和拥塞检测(22]。然而,FCD和它真正的潜力的质量流量分析中使用已经关注了很长时间,随着FCD只有显示器有限样本总数的交通(23]。一些研究讨论了探测器的渗透FCD所需车辆使用。Sunderrajan et al。24)得出结论,5% - -10%的最小探测车辆需要实现可靠的交通状态估计,根据流行的交通状况。Houbraken et al。25)检查潜在的FCD用于实时交通管理,由一个全国性FCD系统收集的荷兰覆盖所有车辆的6 - 8%。结果表明,FCD提出一个有价值的选择循环动态交通管理系统中的数据。肯纳的研究等。26)表明,高质量的重建道路网络的实际旅行时间可以实现当探测汽车的普及率是1.5%在所有车辆。Talebpour et al。27)调查的基本图不同渗透率下连接车辆。
一些研究试图探讨FCD使用通过比较商业的潜力FCD速度与地面真理(GT)的速度。Altintasi et al。15]FCD速度的质量评估提供的是移动在土耳其,这是与视频GT速度收集在一个特定的城市主干路段。结果表明,有一个非线性关系较高的相关系数为0.82。然而,胡锦涛等。28)报道,相关性的大小随干道GT速度,从−0.236到0.360,最高的相关性观察速度时40到45英里。追逐et al。29日)报道,速度与平均速度的差异正态分布差异大于5英里每小时,和nonsystematic差异被发现是由于时滞的复苏速度缓慢,这影响了speed-flow关系。金等。30.)评估INRIX公司的速度在两个月期间,包括复发和不再发生的事件。他们发现报道INRIX公司倾向于日志循环速度探测器测量了近6分钟,和有效的采样时间3至5分钟。基于这些发现,FCD速度需要过滤和数据质量控制使用前减少nonsystematic错误。
随着FCD数据可以提供旅游道路连接的速度,广泛用于推导基本图。Bussion et al。31日]研究了图卢兹的基本图基于循环的数据流和占用探测器,发现基本图被探测器分布的均匀性影响,道路类型和道路拥堵。国务et al。32)开发出一种方法估算基本图通过融合FCD和回路探测器数据。结果表明,融合算法同时使用两个数据源可以减少0.04的基本图估计误差估计有25%的司机产生FCD。霁et al。33,34)确定基本图结合循环从探测车辆检测器数据和GPS数据。他们发现30%的数据链接也可以生成一个基本图,类似于一个来自整个网络上的数据。
已经有许多研究,试图估计从FCD通常基于交通流基本图(9,24,35- - - - - -37]。Guhnemann et al。9)交通流量来自FCD速度基于流之间的关系和空间平均速度在柏林网络。Sunderrajan et al。24]估计交通状态构成平均速度、密度、使用FCD和流动。他们还调查了探测器的影响渗透和采样周期的估计精度。Anuar et al。35基于FCD)估计流量速度利用四种基本图包括Greenshield,安德伍德,西北,Van Aerde。得出结论,Van Aerde的基本图提供最少的错误比别人。诺伊曼et al。36)提出了一个更详细的表征的基本图基于随机贝叶斯网络估计每小时流量从探测车辆数据。
至于交通流的不确定性估计,大多数现有的研究集中在统计特性的估计错误。Anuar et al。35]调查估计错误来自不同speed-flow基本图和FCD聚合间隔(5分钟、10分钟和15分钟)。结果表明,随着聚合FCD时间间隔,流量可以更准确地估计(35]。此外,交通流在拥挤的交通状况的估计被发现比这更准确在畅通的条件下(35]。穆里根et al。37]分析了交通流的不确定性估计使用moving-observed方法,这是使用蒙特卡罗模拟计算为每个组合的控制变量。邓et al。38]建造几个线性方程,绘制了流量测量的函数累积车辆计数两端交通部分基于多个数据源。然后,他们量化的不确定性和价值评估的交通状态估计的均值和方差累积车辆计数。戴维斯et al。39)工作经验贝叶斯方法计算分位点的预测概率分布在公路交通总网站基于样本的日常交通卷从这个网站,量化的不确定性交通总量估计。郭et al。40)短期流量预测和量化不确定性开球和宽度比例流动比率。
总之,speed-flow基本图是广泛用于估计FCD流量。类似的概念也适用于这项研究。然而,现有的工作有一个限制,因为他们经常采用典型的基本图而不考虑空间和时间变化的交通状态。此外,分布特征的每小时交通流的不确定性估计排放评估在现有的研究中还没有被彻底调查。
在这项研究中,一种改进的基本图考虑交通状态的时空变化特征和交通流之间的旅行速度是发达的交通流量估计FCD。定义流估计的不确定性,以及聚合的影响小时间隔的FCD和交通流数据进行调查,采用引导生成的分布估计的不确定性。因此,每小时交通流量的分布特征估计FCD车辆排放估算的不确定性量化。
3所示。材料和方法
为了克服现有研究的局限性,本研究中使用的一般方法包括四个步骤:(1)FCD速度和相应的交通流从RTMS准备,这两者都是匹配的地理位置在10分钟(2)基于现场数据,multiperiod基本图FCD速度和交通流之间的开发与改进的准确性,而典型的范Aerde模型(3)流估计的定义和量化的不确定性。聚合区间不确定性的影响在不同的垃圾箱也分析了速度(4)作为一个案例研究中,交通流量,提取FCD进一步利用在北京开发动态排放模型
3.1。数据源和准备
在这项研究中,两个字段数据类型收集,包括FCD和RTMS数据。FCD只提供旅行速度没有直接测量流量。在这种情况下,数据融合FCD和交通流数据从其他来源,如RTMS,可以提供所需的信息。
FCD收集超过60000在北京出租车装有GPS设备,提供旅行速度5分钟路链接。和FCD系统已经被证明是一个可用的源的旅行速度数据在之前的研究中,2.5%的普及率在所有车辆在北京(41- - - - - -43]。相应的RTMS 44探测器环高速公路上收集的数据是在北京,它提供了可靠的交通流数据在2分钟41]。为了确保每个探测器的数据质量,数据制备方法设计,和异常数据记录删除。更详细的信息关于数据的质量控制和FCD用于本文的潜力已经说明在之前的研究中,调查的比较FCD速度和RTMS速度(11,41]。
然后,道路数据链接和RTMS FCD数据匹配的地理位置,确保时空匹配的两个数据源41]。在这项研究中,8640对速度和流在10分钟从3探测器获得的第二个环高速公路五天(2011年6月16日,2011年6月30日,2012年7月3日,2012年7月10日和2012年7月17日)。
3.2。交通流量估计基于FCD速度
估计流量基于旅行速度和交通流之间的关系对整个网络,有必要开发宏观基本图,应该分为道路类型、速度限制和其他因素的交通流特征(44]。因此,第二个环高速公路的宏观基本图在北京开发考虑这些影响因素。
此外,根据北京交通管理政策,卡车只能被允许在北京第二圈从11点到6点,使交通流量的构成这一时期不同,在其他时间。与此同时,交通状态在此期间自由流动的状态,和旅行的速度几乎是常数和独立密度。结果是不可靠的估计流量速度点和6点之间;因此,本研究只涵盖从6点到23点的工作日。
3.2.1之上。基本图上存在滞后现象
分析从RTMS FCD和相应的流动速度在第二个环高速公路在北京,需要限制时速80 km / h,在两个方向6车道。
图1(一)显示平均流的时空变化特征和平均速度。可以看出平均流这样的7点之间仍处于高水平,和时间变化的平均速度是更重要的。从6点到7点,拥堵的交通流在发病。从7点至18:00,拥堵的交通流处于高流量和低速度。在18:00,交通拥堵达到峰值速度最小。18:00后,拥堵的交通流在抵消,达到另一个峰值在21:00。
(一)
(b)
注意,流动的值可以是不同虽然白天以同样的速度。例如,在40公里/小时的速度,流量的值是不同的发病和抵消的拥堵45]。使它更明确,本研究地块流密度对整个网络如图1 (b)。观察到的流密度曲线遵循顺时针滞后循环,和最大流量的值是不同的昼夜峰。
这一现象表明,有必要开发一个multiperiod基本图,可以分别描述交通拥堵的发生和偏移量。因此,交通流可以更准确地估计,与典型的流估计没有考虑这一现象。
基于磁滞现象的分析循环(45- - - - - -49),基本的形状和特征图是不同的在这两个时间段。在这种情况下,multiperiod基本图是发达国家不同时期(从6点到18:00,从18:00到23:00)通过平均数据所有的探测器。
3.2.2。Speed-Flow基本图的发展
获得流量的旅行速度,有必要研究两个变量之间的关系。正如前面所讨论的,有必要将数据划分为两个时期根据基本的形状和特征图。然而,在实践中,speed-flow关系通常是发达国家不考虑不同时期之间的区别。为了确定精度提高了multiperiod基本图之间的速度和流量,全天speed-flow关系也是发达国家进行比较。
在随后的分析中,RTMS数据在10分钟转换成汽车的数量每小时每车道。采用货车Aerde single-regime模型,四个基本参数包括畅通的速度(FS)的速度能力(SC)、交通(CAP)的能力,和果酱(JD)路网密度校准的回归(41,50,51]。此外,绝对误差百分率(猿)作为性能指标,以反映之间的偏差估计流动和地面真值测量,如图所示 在哪里是观察到的流FCD速度和估计流来自FCD速度 。
3.3。不确定性分析与引导流量估计
在随后的分析中,流动的不确定性估计,也简称为估计的不确定性,是指观察和估计流之间的相对差异。交通流的不确定性估计可以说明 在哪里是流动的不确定性估计在声明( ),通常在5%。
调查的分布估计的不确定性对不同聚合时间间隔和速度垃圾箱,大样本的观察和估计流之间的相对差异是必需的。在这项研究中,引导是作为一个风格蒙特卡罗模拟方法获得的95%置信区间估计的不确定性(52]。的95%置信区间估计的不确定性意味着以同样的速度,在重复观察交通流一百次,预计只有5%的样本观察流偏离超过估计的流 。
交通流的不确定性评估量化使用以下步骤。首先,FCD速度数据分为垃圾箱在5公里/小时间隔,如[5 10)[10、15)…,(65),引导每个速度本数据集开发,包含两个聚合的速度和流动数据间隔包括10分钟和1小时。第二,相对区别不同聚合时间间隔的观察和估计流为每个迭代计算。第三,估计不确定性的分布特征研究,包括平均值和95%可信区间。95%可信区间的上下边界由2.5%和97.5%获得百分位数的不确定性迭代(52]。
对于每个速度本,生成引导数据集在10分钟,速度和流的原始数据对数据在10分钟的大小为N作为数据池。数据对数据池的大小为N是随机抽样与替代。常规重复1000次。对于每个速度本,生成引导数据集1小时,聚合速度和流数据的大小米作为数据池。数据对大小米从聚合数据池是随机抽样与替代。常规重复1000次。
4所示。结果
4.1。比较不同时期的基本图
不同时间的流转速度基本图在北京二环路高速公路数据所示2(一个)和2 (b),speed-flow基本图的参数在一天的不同时间如表所示1。它可以观察到,回归曲线能很好地适应speed-flow关系。然而,当周围的速度是速度能力,观察流并不总是接近理论能力,这种分离的数据点是由特殊特征的环城公路高速公路在北京,已观察到在前面研究[46]。和与multiperiod模型相比,这种分散的数据点是更重要的在全天的模型。
(一)
(b)
本文估计流基于这些不同基本图是与观察到的来自RTMS相比,如图3(一个)和3 (b)。它可以观察到,multiperiod模型的估计误差范围从−300年到300年,尽管估计错误的范围从600−600全天的模型。此外,图3 (c)显示了猿的平均值和偏差不同模型的基本图。根据图3 (c),平均猿(相应的符号“×”)multiperiod模型已下降到11%,全天的价值模型是13%。除此之外,四分位范围和最大的猿multiperiod模型减少了3%和7%,这表明变化的估计错误减少。从图3 (c)可以推断,一个关键的一点是一个更好的性能出现在使用multiperiod speed-flow基本图。
(一)
(b)
(c)
4.2。交通流量估计的不确定性
对于每个速度本,估计不确定性计算在不同聚合时间间隔,包括10分钟和1小时。图4说明了分布估计的不确定性所产生的数据集的引导。
图4显示估计的不确定性减少的变化随着聚合时间的增加从10分钟到1小时。根据方程(2),估计不确定性的集中趋势在1小时可以解释为抵消正面和负面的估计误差为10分钟,导致更少的随机性的过程中聚合10分钟到1个小时的交通状况。这个规则是普遍的在不同的垃圾箱,尤其是速度显著高和低速垃圾箱≥60 km / h和< 15 km / h。
此外,估计不确定性的变化在垃圾箱的速度是不同的。见图4估计的不确定性,提出了一种小盒子的大小和胡须在30 - 50公里/小时的速度垃圾箱,这表明一个更小的估计不确定性的变化。如图2(一个)所示,拟合曲线周围的数据点都聚集在速度的速度垃圾箱容量(大约40公里/小时)。这些速度的交通状态的箱子是在拥挤的状态。此外,估计不确定性的两个聚合的变化区间明显高的速度垃圾箱60 km / h。这些速度的交通状态垃圾箱在自由流动的状态,和车辆活动比其他更复杂速度垃圾箱。结合图2(一个),观察到的速度适合广泛的流动速度在这些箱子。
量化的影响聚合的间隔时间不同的垃圾箱速度估计的不确定性,得到的平均值和95%可信区间不确定性,呈现在图5和表2。
根据图5和表2,重要发现关于估计不确定性的特点总结如下。(1)没有显著差异的平均值估计不确定性增加的聚合级别FCD和流数据。(2)两个聚合的间隔,估计不确定性是相对较小的平均在过渡从低收入到高速垃圾箱,相比高和低速垃圾箱≥60 km / h和< 15 km / h。(3)估计的不确定性的变化而言,95%可信区间的范围在1小时每本速度小于2%,在95%置信区间的范围10分钟高于12%的高和低速垃圾箱≥60 km / h和< 15 km / h。(4)估计的不确定性的变化在1小时相比还是相对较低的速度10分钟为每个垃圾桶,减少了7%的95%可信区间的范围。这减少95%可信区间是特别重要的在≥60 km / h的速度垃圾箱和< 15公里/小时,分别为22%和12%。
5。案例研究
总的目的是估计每小时车辆排放的交通网络在北京。因此,交通流量估计从基于speed-flow FCD速度基本图。
一个案例研究在北京市区进行。交通流量估计和动态车辆排放估算开发基于FCD 2016年6月20日。随后,北京路的speed-flow基本图网络开发,由道路类型、分类速度限制和其他道路交通条件得到交通流链接。每小时流量的结果从8点到9点在图中进行了描述6(一)。
(一)
(b)
FCD速度和估计交通流量进一步用来开发动态车辆排放模型。这个模型与地理信息系统(GIS)空间可视化和进一步分析的影响(9]。车辆排放估计见先前的研究[53,54]。图6 (b)描绘了CO排放的空间分布从8点到9点,涵盖了北京的市区。与传统排放模型相比,动态排放模型结合FCD时间分辨率的速度可以有效地识别发射热点高空间和时间分辨率。
6。结论
每小时交通流量估计FCD至关重要的动态估计车辆排放的道路网络,但每小时流量的不确定性估计使用基本图经常被质疑。
改善交通流量估计的准确性,本研究调查的存在磁滞现象基本图,提出了一种multiperiod speed-flow基本图。此外,交通流的不确定性量化评估使用改进的模型,以及聚合的影响FCD和交通流数据以不同的速度小时间隔了垃圾箱。的主要结论可以概括如下:(1)multiperiod speed-flow基本图考虑磁滞现象可以有效改善流估计的准确性。(2)没有显著差异的大小估计不确定性相比1小时10分钟。(3)估算的不确定性减少的变化过程中聚合的时间间隔10分钟到1个小时,平均降低7% 95%可信区间的范围。这减少95%可信区间是特别重要的在≥60 km / h的速度垃圾箱和< 15公里/小时,分别为22%和12%。这是证明每小时交通流量估计提供了一个更好的性能相比,在10分钟。(4)此外,交通流量估计执行更好的在拥挤的状态(高发射率)相比,畅通的状态(发射率较低)。平均和变化速度估计的不确定性相对小的箱子的速度能力(40公里/小时),相比之下,那些在高、低速垃圾箱≥60 km / h和< 15 km / h。
应该注意的是,本研究有一定的局限性。首先,应该收集更多的数据融合,以验证该方法的准确性。第二,研究调查在北京环高速公路上的不确定性。不确定性分析覆盖其他道路类型推荐。
数据可用性
匹配FCD和RTMS数据用于支持本研究的发现是引用文献[41]。
的利益冲突
作者宣称没有利益冲突。
确认
作者感谢所有人员提供技术支持或帮助在数据收集和处理。这项研究受到了中国国家重点研发项目(# 2018 yfb1600701)和中国自然科学基金会(国家自然科学基金委)(# 71871015)。