文摘

排放在十字路口已经成为城市交通网络中的一个问题。本文旨在研究行人的影响和nonmotorized混合交通流十字路口车辆违规排放总量的基础上车辆,nonmotor车辆和行人。此外,它侧重于动脉和收藏家十字路口车辆高体积和有限的空间。运行红灯和交叉路口对角线是两个关键的侵犯,占91.75%有效的侵犯(干扰车辆的操作)。在这种情况下,违反阻塞模型来估计每个车辆的阻塞概率基于行人和nonmotor车辆的数量。模型包括两个场景。(1)通过阶段:运行红灯的违反阻塞模型开发基于存活曲线(等待时间之间的关系和运行红灯概率)。(2)左转相位:违反阻塞模型在这个阶段包括两个部分:(i)穿越十字路口第一车辆和对角模型(2)运行红灯模型为后续开发的车辆。现有排放模型可以估计排放基于阻塞的位置。在案例研究中,与汽车排放增加体积接近饱和流率和nonmotor车辆和行人的数量增加。 Results show that the maximum emission increase of CO (carbon monoxide) for through phase and left-turn phase can reach 16.7% and 36.4%.

1。介绍

排放在十字路口已经成为城市交通网络中的一个问题。(1),尤其在人口密集的大城市。先前的研究表明,高排放主要源于走走停停的十字路口车辆活动(2- - - - - -4),这进一步导致高污染物暴露在十字路口行人[5]。

违反行为经常存在在中国等发展中国家(6]。仅仅频繁侵犯不仅可以加强交通风险,也增加了走走停停的活动(见图1)。很少有研究调查的影响,违反行人和nonmotorized车辆在现实世界十字路口的车辆排放。违反阻塞模型基于现实世界的数据是最近开发的,而不是假设的侵犯(7]。在这篇文章中,主要问题是,有多少排放造成行人和nonmotorized车辆违反基于车辆的卷,nonvehicles,行人在现实世界中。

排放大量的研究集中在十字路口,可概括为六大类:排放造成的交通拥堵的影响,单点信号时间(8- - - - - -10),信号交叉口之间的协调(2,11,12),交叉形状(13)、道路特点(14),和交通行为。和现有相关研究交叉排放可分为两类:(1)十字路口排放估计和(2)交叉路口交通拥堵和交通行为。

在现有的研究中,Rakha et al。15]研究了十字路口的加速和减速行为对排放的影响,发现发射巡航在相同的速度更敏感水平。Papson et al。16]估计排放结合平均发射率信号交叉路口的四种驾驶模式。然而,聚合四种驾驶模式不能反映轨迹特征。Zhang et al。17发射]锡德拉湾开发模型估计的十字路口。Gokhale et al。18)建立了一个CO浓度模型基于十字路口的交通流模式。Braven et al。19]估计排放基于燃料消耗和排放数据从现有的排放清单的数据集。

交通拥堵,Stevanovic et al。20.]表明,中等速度,最短的延迟,和最少的停止是最好的车辆的交通主干道为排放操作。十字路口的频繁的停止和加速会导致油耗高。加速度导致更高的燃料消耗速率相比空转或减速20.]。许多研究人员研究确定十字路口的排放水平的影响因素。这些研究表明,非光滑操作,走走停停的活动是最重要的因素对高排放在城市路口(21,22]。更多的时间是花在十字路口的加速度,因为走走停停的活动。汽车的发动机功率运行在一个更高的水平加速度,和它会导致过度排放23,24]。

在交通行为方面,太阳et al。25)量化先进的交通信号的影响对驾驶行为状态预警系统(ATSSWS)。系统可以减少十字路口的交通排放减少不必要的刹车和加速。Przybyla et al。26]研究了改变分心驾驶的车辆轨迹和后续的法律行为。下面的模型前分心下开发和后续车辆的行为。Mudgal et al。27]研究驾驶行为的变化对车辆排放的影响在环行路口。

然而,量化的影响现实世界的侵犯(基于大量的车辆,nonmotor车辆和行人)的操作和排放没有在现有的研究调查。因此,本文发展一个违反阻塞模型来估计车辆的操作和排放保护干道和收藏家的十字路口。

2。材料和方法

本文包括三个步骤。(1)首先确定动脉和收藏家十字路口为研究对象通过比较侵犯的频率不同类型的十字路口的行人和nonmotorized车辆和信号控制。(2)其次是发展违反阻塞模型根据违规行为的特点。每个车辆的阻塞概率可以估计基于行人和车辆nonmotor的卷。(3)第三个是估算排放基于阻塞位置和平均失去的时间(见图2)[7]。

2.1。数据源

本文包括两个数据源。(1)实地调查的数据用于分析车辆行为和违反发展模式在十字路口的违反。(2)排放数据用于量化排放。

2.1.1。实地调查数据

5路口十字路口在混合交通流的视频数据收集在北京,中国,2017。列出的数据包括交叉属性和操作数据如下:(1)十字路口的属性(一)渠道化信息(b)信号信息(2)操作数据(一)基本数据:这包括两个部分:(1)车辆的体积,nonmotor车辆、行人和(2)所有车辆的时间进展精度为0.02(b)轨迹数据:十车辆的轨迹,由违规干预,收集(c)进展:388组收集的时间进展精度为0.02 s的影响下违规

2.1.2。发射数据

汽车尾气排放数据来源于当地轻型汽油车排放速率模型28,29日]。中国排放标准的第三选择提供ldv的发射率。垂直地震剖面(车辆功率系数)估计在数据质量控制(30.,31日]。

排放因子估计以下程序基于空转时间和停止的数量(7]:(1)八十五年垂直地震剖面分布的数量根据停止,空转时间和部门上游和下游(见表1);(2)平均排放因子在每个垂直地震剖面本估计和排放因素估计85年间隔,每个操作都对应于十字路口车辆状态(7]。排放可以量化的空转时间和数量的基础上停止前后车辆的违规行为。

2.2。确定研究对象

在北京,交通主干道有丰富的体积。因此,违反金字塔是开发基于三种类型的十字路口(动脉和动脉,动脉和收藏家和动脉及分支)(见图3)。以行人为例,金字塔的违规行为分为三个层次:(1)行人卷,(2)违反体积,和(3)有效的违反(干扰车辆的操作)。有效的违反是定义为违反可干扰车辆的操作。在现实世界中,动脉和收集器路口有更高比例的有效的侵犯,由于高车辆体积和有限的空间(见图3)。有更多的三个组件之间的冲突和违反(车辆、nonmotor车辆和行人)在有限的空间。因此,本文旨在研究行人的影响和nonmotorized车辆违规排放在动脉和收藏家路口。

混合交通流的十字路口,违规的类别是多样化及其发生概率是不同的。运行红灯和穿越十字路口对角占91.75%有效的侵犯。因此,本研究的目标是运行红灯和对角在动脉和收藏家路口穿过路口。

2.3。行人和Nonmotorized车辆违反对车辆轨迹的影响

图4显示受行人和车辆轨迹nonmotorized车辆违规的x设在是时间,和y设在距离。积极的纵坐标是下游交叉口,消极的纵坐标是排队车辆的位置。红点代表违反的位置和时间。τ是司机的反应时间的总和和制动时间,然后呢年代_τ是相应的距离。相同颜色的虚线和实线表示相同的车辆违反之前和之后,分别(见图4)。

影响车辆的行人和nonmotorized车辆违规行为包括两种类型。(1)首先是空转车辆(见图4(一))。轨迹不顾违反相似。空转车辆延迟启动被违反时,舰队的空转时间和停止的数量将会增加。(2)第二次运行车辆(见图4 (b))。违规车辆的轨迹运行的影响是不同的。第一个影响车辆有三个过程:减速,空转,andacceleration。舰队的波动逐渐传播到后续车辆和变得更小。下面的车辆将闲置更长时间如第五汽车如果波动足够小。然后,随后的车辆将交叉的交叉饱和的进展。

2.4。违反阻塞模型

为了估计为每辆车的阻塞概率,违反阻塞模型基于车辆的卷,nonmotor车辆和行人。这是一个基础评估违规排放增加的。

十字路口的动脉和收藏家保护,直接和左转车辆穿过十字路口违反在不同的时间和不同的特点。因此,本部分包括两种情况:(1)通过阶段和左转(2)阶段。所有违反阻塞模型开发基于动脉和55-cycle数据收集器十字路口(Anli和汇众北有25个周期,和Qinian和Zhushikou 30周期)。

2.4.1。通过阶段

运行红灯是主要违反了通过阶段,由于对角交叉nonmotor两次合法车辆可以交叉路口。95.6%的红光跑步者将头部车辆延迟启动或重新启动;因此,阻塞的位置可以被视为车辆主管通过阶段。

黄等。32)已经开发出一种存活曲线来描述运行红灯的概率之间的关系和等待时间。

通过阶段的阻塞概率的概率可以估计基于运行红灯和舰队的概率被屏蔽运行红灯条件下。

违反阻塞模型通过阶段包括三个部分:(1)修正系数的概率定义为车辆行人和nonmotorized车辆违法行为发生时受影响;k= 0.402根据收集到的数据;(2)行人的体积和nonmotor车辆用于估计有多少行人到达等候区在特定的时间;(3)行人和车辆nonmotor的生存曲线是用来估计有多少行人会闯红灯,和违反阻塞模型通过开发阶段如下: P_通过的概率是车辆在通过阶段将受到影响。P_ped和P_非是违反行人和nonmotor车辆的概率。K校正系数,定义为违法行为发生时车辆的影响概率;k= 0.402。θ(年代)的有效间隔nonmotor车辆和行人;有效的时间间隔是行人的跨越时间和nonmotor车辆。我用于描述有吗我行人红灯的时间内运行θ。一个_ped和一个_非的概率达到每秒行人。β_ped和β_非运行的概率是红灯时,行人和车辆nonmotor到来。V_ped和V_非(阿明费)是行人的卷和nonmotor车辆在每一个周期的信号。C(年代)是信号周期时间。

两路口的相对误差分别为4.1%和8.4%,在实际数据输入到模型中。结果是可以接受的随机性违反行为(见表2)。

2.4.2。左转相位

左转相位时,车辆可以在任何地方封锁,因为跑步很容易插入舰队由于低速度和更少的车道。违反左转阻塞模型阶段包括两种情况:(1)第一个汽车受到穿越十字路口对角和(2)后续车辆受到运行红灯。

行人和车辆nonmotor都违反行为。然而,很少有行人将有效的违反可干扰车辆左转的阶段,由于行人的流动性差、行人和车辆之间的长途。因此,nonmotorized左转车辆是主要研究对象的阶段。

(1)违反阻塞模型斜穿过路口。穿越十字路口的违反阻塞模型斜对车辆有显著的规模效应。头车将推迟启动或重启当几个nonmotor车辆穿过十字路口对角线。

基于上述分析,交叉路口对角模型包括两个步骤:(1)违反概率的估计量的基础上nonmotor车辆和(2)的概率估计的体积nonmotor车辆穿越交叉对角线超过特定的规模。

穿越十字路口的违反阻塞模型对角安装nonmotor对数模型基于卷的车辆,和R²= 0.826。 在哪里P(N_非)的概率是对角交叉路口。N_非nonmotor车辆的数量要到对角的十字路口时左转灯还开着呢!

nonmotor车辆会影响的开始左转舰队,当nonmotor车辆穿越交叉对角线的数量达到一个特定的规模。侵犯的概率模型的数量超过了一个特定的规模,可以描述如下: 在哪里P_{离开,对角线}头车的概率是影响。N_规模是关键的违规行为,N_规模= 6。

两个路口的相对误差分别为0.32%和19.56%,在实际数据输入到模型(见表3)。

(2)违反阻塞模型运行红灯。Nonmotor车辆,在朝鲜队运行红灯时间,总是左转左转除了舰队时,绿灯亮。和红色光跑步者只会影响随后的左转车辆由于的存在等待区。现有的研究表明,阻塞概率增加随着时间的进展(33)(见表4)。违反阻塞模型运行红灯左转的阶段包括两个步骤:(1)发展的高斯分布时间进展,(2)估算特定时间下的相应的阻塞概率进展。

时间的概率模型的进展是由高斯拟合模型,和R²= 0.782。然后,相应的阻塞概率可以被估计在特定时间进展。 在哪里P(t)意味着时间进展的概率t。T(年代)是进展的时候了。P_{离开了,跑}(t)是运行红灯的阻塞概率。G(t)之间的通信时间进展和阻塞概率。

2.4.3。总结违反阻塞模型

模型的目的是估计为每辆车的阻塞概率基于nonmotor车辆和行人的卷。违反阻塞模型包括两个场景:左转通过阶段和阶段。

通过阶段,主要行人和nonmotorized车辆违规运行红灯,这将导致头车推迟启动或重新启动。违反阻塞模型通过阶段包括两个输入参数:(1)行人和nonmotor车辆和(2)可以量化的存活曲线运行红灯的概率之间的关系和等待时间。

左转相位,穿越十字路口对角影响头车的操作,并运行红灯会影响后续车辆的堵塞。违反左转阻塞模型阶段包括三个输入参数:(1)行人和nonmotor车辆,(2)对角线的概率模型,和(3)之间的通信时间进展和阻塞概率。

2.5。为违反阻止排放模型

现有排放模型可以估计排放基于阻塞的位置。它包括两个部分7]。(1)线性排放模型考虑停的数量和空转时间,用于估算排放nonviolation和违反条件下。(2)违反排放模型显然在两个层面:轨迹水平和交通流水平(见图5)。

轨迹层面,研究集中在前四受行人和车辆nonmotorized车辆违规。首先,头车的轨迹模型。然后,Gipps的车辆模型也申请了其他三个汽车。图5(一个)显示了轨迹的影响下行人和nonmotorized车辆违规x设在是时间,和y设在距离。红点代表了违反的位置和时间。τ等于的和司机的反应时间和制动时间,然后呢年代_τ是相应的距离。第一影响车辆有三个过程:减速、怠速、加速。舰队的波动逐渐传播到后续车辆和变得越来越小。当波动足够小,下面的车辆将第五车等空转时间更长。然后,随后的车辆将交叉的交叉饱和的进展。可以估计基于排放的速度和加速度在1秒间隔(见图5(一个))。

在交通流层面,研究重点是前四后的后续车辆的车辆,和研究分为不饱和,饱和场景。假定的总损失的时间前四个影响汽车4 s。在不饱和的情况下,后续车辆的空转时间增加4 s和停止的数量仍然是一个。在饱和的情况下,两辆车将改变从一个站到两个停止由于空转时间的增加。和二个stop汽车4 s的空转时间增加。可以根据开发线性估计排放排放模型,其输入参数的数量停止和空转时间(见图5 (b))。

排放的总和在这两个层面上是十字路口的总排放量受行人和nonmotorized车辆违规,可估计在下列方程(7]: 在AE(%)排放的增加。E是e^th车,这是第一个影响车辆的位置。N车辆数量的周期。英孚_{增加,轨迹,x}(克/公里)是增加前四影响车辆的排放因子。英孚_增加,流,y(g / km)是增加排放因素影响的前四后的后续车辆的车辆。英孚_我(克/公里)是正常的车辆排放的因素。英孚_上游和英孚_下游(克/公里)排放因素在上游和下游的交集。D距离(公里)是这项研究的范围,这是0.2公里。

3所示。案例研究

数值模拟设计。基于违反阻塞模型和排放模型,行人的影响和nonmotorized车辆在十字路口违规排放可以量化的基础上,大量的车辆,nonmotorized车辆和行人。数值模拟对象的案件的动脉(南北)方向交叉(见表5)。列出五个模拟条件如下:(1)违反平均失去的时间是5.52秒(2)研究范围是在十字路口200米(3)模拟的主题都是车辆到达的研究范围(4)行人和车辆nonmotor的数量被认为是相同的(5)停止两倍的最大数量

真的有必要由于重复模拟随机性的侵犯。的平均增加50组模拟可以提高模拟精度。

4所示。结果与讨论

行人和nonmotorized车辆违规的排放增加x设在指示行人/ nonmotor体积和车辆y设在指示车辆体积(见图6)。

与汽车排放增加体积接近饱和流率和nonmotor车辆和行人的数量增加。公司的最大排放增加左转通过阶段和阶段可以达到16.7%和36.4%,如表所示6。

左转阶段的排放增加高于通过阶段,因为阻塞产生更大的影响左转阶段由于绿色时间短。

作为行人的体积和nonmotor车辆的增多,排放增加有两个过程与特定数量的车辆:(1)和(2)稳定上升。违反概率是相对稳定的,当行人和nonmotor车辆的体积在一个较高的水平。

机动车数量的增加,有三个时期的排放增加。(1)首先是缓慢上升。在交通流量达到饱和流率之前,只有一个停止无论违反;因此,行人和nonmotorized车辆违规行为只会增加闲置时间。(2)其次是迅速上升。当车辆接近饱和流率、车辆转换从一个站到两个停止由于行人和nonmotorized车辆违规。(3)第三个是稳步下降。排放增加时将稳步下降,车辆的体积超过饱和流率。车辆的比例,改变从一站到两个停止因为行人和nonmotorized车辆违规行为,减少。车辆的比例,它总是停止不顾违反两次,正在增加。

5。结论

本文研究的影响行人和nonmotorized车辆违规排放在动脉和收藏家保护路口在现实世界中。首先,违规的特点比较下不同类型的十字路口和侵犯。其次,违反阻塞模型来评估阻塞位置根据车辆的数量,nonmotor车辆和行人。最后,数值模拟是进行评估的影响行人和nonmotorized车辆违规排放基于现有的研究。主要结论可以概括如下:(我)动脉和收集器路口有更高比例的有效违反由于汽车体积和较高的十字路口的有限的空间。运行红灯和交叉路口对角线是两个典型的动脉和收集器十字路口违规,占据91.75%的有效的侵犯。(2)提出违反阻塞模型基于车辆的卷,nonmotor车辆和行人可用于估算阻塞概率为每个左转车辆在通过阶段和阶段。(3)排放意义重大的变化量的基础上车辆,nonmotor车辆和行人:(一)与汽车排放增加体积接近饱和流率和nonmotor车辆和行人的数量增加。公司的最大排放增加左转通过阶段和阶段可以达到16.7%和36.4%。(b)作为行人的体积和nonmotor车辆的增多,排放增量有两个流程的特定卷下车辆:(1)和(2)稳定上升。阻塞概率是相对稳定的,当行人和nonmotor车辆的体积在一个较高的水平。(c)排放增加增加车辆体积接近饱和流率。因此,作为车辆数量的增加,排放增加有三个过程:(1)上升缓慢,(2)迅速增长,和(3)稳步下降。

本文发展的方法量化的影响行人和nonmotorized车辆违规排放在路口交叉口混合交通流。进一步的研究将在通用模型,失去的时间分布不同的侵犯,行人在红灯左转阶段。

数据可用性

发射数据来自引用文献(7,28- - - - - -31日,违反项目的数据来自手工收集。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究得到了国家重点研发项目中国没有。2018 yfb1600700)和中国自然科学基金会(国家自然科学基金委)(号。71871015,51678045,71901018)。