CN103778299A - 一种基于动态交通流的长直公路周边区域噪声预测方法 - Google Patents

一种基于动态交通流的长直公路周边区域噪声预测方法 Download PDF

Info

Publication number
CN103778299A
CN103778299A CN201410045592.9A CN201410045592A CN103778299A CN 103778299 A CN103778299 A CN 103778299A CN 201410045592 A CN201410045592 A CN 201410045592A CN 103778299 A CN103778299 A CN 103778299A
Authority
CN
China
Prior art keywords
vehicle
noise
traffic flow
log
dynamic traffic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410045592.9A
Other languages
English (en)
Other versions
CN103778299B (zh
Inventor
何杰
章晨
赵池航
杭文
邢璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201410045592.9A priority Critical patent/CN103778299B/zh
Publication of CN103778299A publication Critical patent/CN103778299A/zh
Application granted granted Critical
Publication of CN103778299B publication Critical patent/CN103778299B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/80Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/82Elements for improving aerodynamics

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于动态交通流的长直公路周边区域噪声预测方法,其方法是通过精确定义车辆在公路路段的微观运行轨迹,建立车辆源排放模型,同时构建噪声传播模型,得到完整的一套噪声预测方法,本方法包括如下步骤:(1)将预测地点的动态交通流仿真车型分类,建立动态交通流仿真模型;(2)确定不同车型的参考辐射声级,同时考虑交通组成,距离衰减,声屏障***损失计算噪声预测声级,并考虑路面粗糙度、坡度和路边地面类型对其修正。本发明方法在充分吸收其他学科相关研究思想的基础上,突破传统噪声预测方法的局限性,能够准确预报敏感区域的噪声声级。

Description

一种基于动态交通流的长直公路周边区域噪声预测方法
技术领域
本发明涉及交通环境评估领域,尤其涉及应用于上述领域中对敏感区域的噪声评估方面。
背景技术
高速公路作为我国运输线路的主动脉,吸引着数以万计的车流量,而长直路段又作为高速公路的典型路段,周边的敏感区域受到噪声的污染程度在机动车日益增长的同时逐年扩大。
噪声预测的方法是依据噪声源的模型,并结合几何声学、室内声学等理论基础,考虑影响声波各类参量,从而计算声环境敏感点的连续等效声级。模型的建立常常是出于声环境影响评价的需要。其中影响噪声敏感点连续等效声级的因素有:车辆构成,行车速度,路面结构,路堤高度,公路线形,临街建筑物尺寸等等。交通噪声预测模型经历了如下几个阶段的发展,第一阶段,上世纪50到60年代,统计回归以及实测模型;第二阶段,上世纪80年代至今,加入丰富实地路径衰减修正项的预测模型。国外较为成熟且应用比较广泛的交通噪声传播模型主要有FHWA公路交通噪声预测模型,CRTN模型,RLS90模型等。这些模型虽然从宏观上能够较为迅速便捷地预测交通产生的噪声量,但是因为精度的缺乏,往往与实测值有一定的偏差,因此,如何更为精确地定义车辆在路段的运行轨迹,就成为精准预测交通噪声的关键,目前,还没有普适性的方法能够基于单车运行轨迹从而构建交通路段周边敏感区域噪声级的精确预测。
发明内容
本发明针对国内外噪声预测技术的不足,旨在解决如何精确预测高速公路长直路段周边声环境的问题。
为解决上述技术问题,本发明采用如下技术方案:一种基于动态交通流的高速公路长直路段周边声环境噪声预测方法。步骤如下:
第一步:建立公路长直路段动态交通流仿真模型
(1)将车型分为三类,分别是小汽车(car)、公共汽车(bus)及重型货车(HGV)。也就是将实际观测的小客车、小货车映射至小汽车集合,将大货车、拖挂车、集装箱车映射至重型货车集合进行车型统计。分类标准如下:
表1动态交通流车型分类标准
Figure BDA0000464317890000021
(2)选取车辆时间、车辆类型和速度3个变量,建立动态交通流仿真的车辆状态序列矩阵:
t 0 i . . . t 0 n v 0 i . . . v 0 n c 0 i . . . c 0 n - - - ( 1 )
Figure BDA0000464317890000023
是第i辆车到达的时间,
Figure BDA0000464317890000027
是第i辆车到达的速度,
Figure BDA0000464317890000028
是第i辆车的类型。
(3)动态交通流车辆行驶模型计算:动态交通流模型是为了更好地描述单车是在高速公路上的运行轨迹。路网上所有车辆的在每一个仿真步长中的实时位置由下列公式描述:
xi(t+Δt)=min(xi(t)+uΔt,xi-1(t)-Smin)   (2)
xi(t+Δt)是下一时刻第i车到达的位置,u是自由交通流下所能达到的最大速度,通常由实地观测得出,Smin是指在拥堵情况下两车之间保持的最小距离。
(4)依据车辆状态矩阵和车辆行驶模型,模拟过程中,当仿真时钟t等于车辆到达时间
Figure BDA0000464317890000024
时,矩阵中的该列数据将作为初始值输入车辆行驶模型;反之,则时钟向前推进一个步长Δt(通常取1s)。其程序流程为:判断是
Figure BDA0000464317890000025
是否成立;若成立,则令
Figure BDA0000464317890000026
并代入车辆行驶模型计算;反之,则令t=t+Δt,循环上述步骤,直至仿真结束。
第二步:建立基于动态交通流的公路长直路段噪声预测模型
(1)参考辐射声级的确定。一般不同的车型之间参考辐射声级相差较大,所以要分别给出。衡量某一车型(单辆汽车)在截面以速度S行驶时的噪声大小,模型中取参考位置D0=15m处(垂直于行车线)的参考能量平均辐射声级。因本方法将车型分成三类,各类车的参考辐射声级经验统计公式得出:
L ocar ‾ = 38.1 lo g 10 S car - 2.4 ( dBA ) - - - ( 3 )
L obus ( MT ) ‾ = 33.9 lo g 10 S bus ( MT ) + 16.4 ( dBA ) - - - ( 4 )
L 0 HGv ‾ = 24.6 log 10 S HGV + 38.5 ( dBA ) - - - ( 5 )
Figure BDA0000464317890000034
指的是小型车(car)的参考辐射声级,Scar代表的是该车型通过截面的速度;
Figure BDA0000464317890000035
指的是bus的参考辐射声级,Sbus(MT)代表的是该车型通过截面的速度;
Figure BDA0000464317890000036
指的是重型货车(HGV)的参考声级,SHGV代表的是该车型通过截面时的速度。
(2)考虑交通组成和距离衰减的辐射声级测算。
本方法实际计算时候做了一定的假设,假设车辆经过高速公路敏感点截面时垂直情况下辐射声级最大,这时候仅仅考虑距离衰减的情况,单车车辆对敏感点噪声级的贡献为:
L t = L 0 ‾ - 20 log 10 R D 0 = L 0 ‾ - 20 log 10 D 0 2 D 2 + ( st ) 2 ( dBA ) - - - ( 6 )
Lt为车辆在截面处仅仅考虑距离衰减时的噪声辐射声级,R为车辆离开敏感点的实际距离,D0为参考距离(通常为15m)。s为该单车通过截面的速度。该速度由第一步中动态交通流仿真矩阵计算结果
Figure BDA0000464317890000038
(t)获得。
一段时间内(通常为1个小时)对时间做积分,从而得到单车对敏感点贡献的等效声级为:
L Aeq ( T ) 10 log 10 1 t 2 - t 1 ∫ t 2 t 1 10 L t / 10 dt = L 0 ‾ + 10 log 1 1 T ∫ t 2 t 1 D 0 2 D 2 + ( st ) 2 dt ( dBA ) - - - ( 7 )
按照经验,我们可以做进一步假设,车辆正好处在与敏感点截面垂直的时间段,预测点获得最大声级,且远远大于该车处于非垂直距离时所贡献的声级,因此模型可以简化为:
L Aeq ( T ) ≈ L 0 ‾ + 10 log 10 1 T ∫ - ∞ + ∞ D 0 2 D 2 + ( st ) 2 ≈ L 0 ‾ + 10 log 10 ( πD 0 sT ) + 10 log 10 ( D 0 D ) ( dBA ) - - - ( 8 )
考虑到该车型一段时间经过敏感点截面的流量N,敏感点噪声声级计算公式为:
L Aeq ( N i , j T ) ≈ 10 log 10 [ Σ j = 1 N i , j 10 L Aeq ( T ) / 10 ] = 10 log 10 [ 1 N i Σ j = 1 N i , j ( 10 L 0 ‾ j / 10 × πD 0 s j T × D 0 D ) ] ( dBA ) - - - ( 9 )
(3)声屏障***损失计算方法
考虑到高速公路长直路段的特殊性,声屏障的长度可以看成无限长,即忽略左右的衍射点,仅考虑声音衍射发生在屏障上方的情况,因此,声屏障的***损失公式可简写为:
A bar = - 10 log 10 [ 1 3 + 20 N 1 ] ( dBA ) - - - ( 10 )
(4)考虑到所有车型及声屏障***损失的的噪声预测模型如下:
L Aeq ( N i , j TA bar ) = 10 log 10 [ 1 N Σ j = 1 N i , j ( 10 L 0 ‾ j / 10 × πD 0 s j t × D 0 D ) ] - 10 log 10 [ 1 3 + 20 N 1 ] ( dBA ) - - - ( 11 )
L Aeq ( N , T , A bar Total ) = 10 log 10 [ Σ alldirectionin 10 [ 10 log 10 ( Σ i 1 0 L Aeq ( N i , j , T , A bar ) / 10 ) ] / 10 ] ( dBA ) - - - ( 12 )
(5)路面粗糙度、坡度和路边地面类型的修正。机动车辆在平路、上坡与下坡行驶状态差别很大,上坡时发动机大转速,辐射噪声增强,排气噪声也增大;下坡时制动下行,因此下坡比上坡噪声明显减弱,比平路行驶也小。噪声差主要取决于路面坡度。该方法对此作了简化处理,当重型货车(HGV)及bus上坡时,坡度小于0.002不加修正,坡度在0.003到0.004加2dB(A),坡度在0.005到0.006加3dB(A),坡度大于0.007加5dB(A)。对下坡或小车不加修正。
相对于现有技术,本发明的有益效果是:
(1)本方法遵循“实地调查”→“模型构建”→“仿真模拟”的基本思路进行论述。其中:
“实地调查”通过对所研究对象的实地调查,掌握其交通流状况、交通设施规模、道路条件及研究区域物理特征和地形条件;
“模型构建”通过实地调查的结果,构建微观交通流仿真模型和敏感点等效声级计算模型;
“仿真模拟”是指在确定噪声传播衰减机理的基础上,仿真计算区域周边敏感点的噪声数值;
(2)充分研究国内外已有的研究成果,特别是在国际上刚刚起步、国内上还基本处于空白的情况下,充分吸收其他学科的相关研究思想。
(3)对于交通工程师以及环评人员来说,在较为宏观的噪声预测模型基础上,能够准确预报敏感区域的噪声声级。
附图说明
图1为公路长直路段噪声衍射点分布;
图2为具体实施实例中预测和实测数据对比。
具体实施方式
实施例子:南京机场高速交通对南京航空航天大学校园噪声影响分析。
第一步:实地调研,调研高峰、平峰时间段内车型比例,车流量,平均速度、道路参数。
Figure BDA0000464317890000061
表2机场高速南航校园路段交通组成(veh/h)
第二步,选定预测敏感点(点1位于操场,距离声屏障18m,点2位于宿舍,距离声屏障40m)并采用交通仿真器对该路段进行动态交通流仿真,并输出车辆运行文件(单车在预测点截面的速度、加速度)
(1)在交通仿真器内输入交通组成数据(车型比例、车流量);
(2)根据调研数据并结合经验分别给出所有车型的预期自由流速度。
(3)在敏感点截面设置数据采集器采集单车经过该采集器时的瞬时速度和
加速度。
第三步:由公式:
L Aeq ( N i , j TA bar ) = 10 log 10 [ 1 N Σ j = 1 N i , j ( 10 L 0 ‾ j / 10 × πD 0 s j t × D 0 D ) ] - 10 log 10 [ 1 3 + 20 N 1 ] ( dBA )
L Aeq ( N , T , A bar Total ) = 10 log 10 [ Σ alldirectionin 10 [ 10 log 10 ( Σ i 1 0 L Aeq ( N i , j , T , A bar ) / 10 ) ] / 10 ] ( dBA )
预测敏感点的噪声声级,并用在实地用声级计测量对比验证模型的精确性。

Claims (3)

1.一种基于动态交通流的长直公路周边噪声敏感区域噪声预测方法,其特征包括以下步骤:
(1)建立公路长直路段动态交通流仿真模型;
(2)建立基于动态交通流的公路长直路段噪声预测模型;
其中,步骤(1)具体包括:
(1-1)将预测地点的动态交通流仿真所要记录的车型分类;
(1-2)按照调查结果进行车辆构成设置,建立动态交通流仿真的车辆状态序列矩阵;
(1-3)建立动态交通流车辆行驶模型;
(1-4)依据车辆状态序列矩阵和车辆行驶模型,进行动态交通流模拟仿真;
步骤(2)具体包括:
(2-1)确定不同车型的参考辐射声级;
(2-2)考虑交通组成和距离衰减的辐射声级测算;
(2-3)声屏障***损失计算方法;
(2-4)建立考虑到所有车型及声屏障***损失的噪声预测模型;
(2-5)路面粗糙度、坡度和路边地面类型的修正。
2.根据权利要求1所述的基于动态交通流的高速公路长直路段周边噪声敏感区域噪声预测方法,其特征是步骤(1)中各步骤具体为:
(1-1)将预测地点的动态交通流仿真所要记录的车型分为三类,分别是小汽车(car)、公共汽车(bus)及重型货车(HGV)。也就是将实际观测的小客车、小货车映射至小汽车集合,将大货车、拖挂车、集装箱车映射至重型货车集合进行车型统计;
(1-2)通过实际调查获得的高峰及平峰的车型比例进行车辆构成设置,在已建好的公路路段当中选取分析截面,并选取车辆时间、车辆类型和速度3个变量,建立动态交通流仿真的车辆状态序列矩阵:
t 0 i . . . t 0 n v 0 i . . . v 0 n c 0 i . . . c 0 n - - - ( 1 )
Figure FDA0000464317880000012
是第i辆车到达的时间,
Figure FDA0000464317880000013
是第i辆车到达的速度,是第i辆车的类型;
(1-3)动态交通流车辆行驶模型计算:动态交通流模型是为了更好地描述单车是在高速公路上的运行轨迹,路网上所有车辆的在每一个仿真步长中的实时位置由下列公式描述:
xi(t+Δt)=min(xi(t)+uΔt,xi-1(t)-Smin)   (2)
xi(t+Δt)是下一时刻第i车到达的位置,u是自由交通流下所能达到的最大速度,通常由实地观测得出,Smin是指在拥堵情况下两车之间保持的最小距离;
(1-4)依据车辆状态矩阵和车辆行驶模型,模拟过程中,当仿真时钟t等于车辆到达时间时,矩阵中的该列数据将作为初始值输入车辆行驶模型;反之,则时钟向前推进一个步长Δt(通常取1s);其程序流程为:判断是
Figure FDA0000464317880000022
是否成立;若成立,则令并代入车辆行驶模型计算;反之,则令t=t+Δt,循环上述步骤,直至仿真结束。
3.根据权利要求1所述的基于动态交通流的高速公路长直路段周边噪声敏感区域噪声预测方法,其特征是步骤(2)中各步骤具体为:
(2-1)参考辐射声级的确定:一般不同的车型之间参考辐射声级相差较大,所以要分别给出。衡量某一车型(单辆汽车)在截面以速度S行驶时的噪声大小,模型中取参考位置D0=15m处(垂直于行车线)的参考能量平均辐射声级。因本方法将车型分成三类,各类车的参考辐射声级经验统计公式得出:
L ocar ‾ = 38.1 lo g 10 S car - 2.4 ( dBA ) - - - ( 3 )
L obus ( MT ) ‾ = 33.9 lo g 10 S bus ( MT ) + 16.4 ( dBA ) - - - ( 4 )
L 0 HGv ‾ = 24.6 log 10 S HGV + 38.5 ( dBA ) - - - ( 5 )
Figure FDA0000464317880000027
指的是小型车(car)的参考辐射声级,Scar代表的是该车型通过截面的速度;
Figure FDA0000464317880000028
指的是bus的参考辐射声级,Sbus(MT)代表的是该车型通过截面的速度;
Figure FDA0000464317880000029
指的是重型货车(HGV)的参考声级,SHGV代表的是该车型通过截面时的速度;
(2-2)考虑交通组成和距离衰减的辐射声级测算:假设车辆经过公路敏感点截面时垂直情况下辐射声级最大,这时仅仅考虑距离衰减的情况,单车车辆对敏感点噪声级的贡献为:
L t = L 0 ‾ - 20 log 10 R D 0 = L 0 ‾ - 20 log 10 D 0 2 D 2 + ( st ) 2 ( dBA ) - - - ( 6 )
Lt为车辆在截面处仅仅考虑距离衰减时的噪声辐射声级,R为车辆离开敏感点的实际距离,D0为参考距离(通常为15m)。s为该单车通过截面的速度,该速度由第一步中动态交通流仿真矩阵计算结果
Figure FDA0000464317880000032
(t)获得;
一段时间内对时间做积分,所述一段时间通常为1个小时,得到单车对敏感点贡献的等效声级为:
L Aeq ( T ) 10 log 10 1 t 2 - t 1 ∫ t 2 t 1 10 L t / 10 dt = L 0 ‾ + 10 log 1 1 T ∫ t 2 t 1 D 0 2 D 2 + ( st ) 2 dt ( dBA ) - - - ( 7 )
进一步假设车辆正好处在与敏感点截面垂直的时间段,预测点获得最大声级,且远远大于该车处于非垂直距离时所贡献的声级,因此模型可以简化为:
L Aeq ( T ) ≈ L 0 ‾ + 10 log 10 1 T ∫ - ∞ + ∞ D 0 2 D 2 + ( st ) 2 ≈ L 0 ‾ + 10 log 10 ( πD 0 sT ) + 10 log 10 ( D 0 D ) ( dBA ) - - - ( 8 )
考虑到该车型一段时间经过敏感点截面的流量N,敏感点噪声声级计算公式为:
L Aeq ( N i , j T ) ≈ 10 log 10 [ Σ j = 1 N i , j 10 L Aeq ( T ) / 10 ] = 10 log 10 [ 1 N i Σ j = 1 N i , j ( 10 L 0 ‾ j / 10 × πD 0 s j T × D 0 D ) ] ( dBA ) - - - ( 9 )
(2-3)声屏障***损失计算:通常情况下分别考虑到一般长度声屏障左边、右边和上面的衍射点而造成不同的声程差,声屏障的***损失可由下面的公式描述:
A bar = - 10 log 10 [ 1 3 + 20 N 2 + 1 3 + 20 N 2 + 1 3 + 20 N 3 ] ( dBA ) - - - ( 10 )
Ni表示第i种声程差的菲涅尔常数,该常数由Ni=2δi/λ计算而得,δi表示通过第i个衍射点计算而得的声程差,λ表示声音的波长;
考虑到高速公路长直路段的特殊性,声屏障的长度可以看成无限长,即忽略左右的衍射点,仅考虑声音衍射发生在屏障上方的情况,因此,声屏障的***损失公式可简写为:
A bar = - 10 log 10 [ 1 3 + 20 N 1 ] ( dBA ) - - - ( 11 )
(2-4)考虑到所有车型及声屏障***损失的噪声预测模型如下:
L Aeq ( N i , j TA bar ) = 10 log 10 [ 1 N Σ j = 1 N i , j ( 10 L 0 ‾ j / 10 × πD 0 s j t × D 0 D ) ] - 10 log 10 [ 1 3 + 20 N 1 ] ( dBA ) - - - ( 12 )
L Aeq ( N , T , A bar Total ) = 10 log 10 [ Σ alldirectionin 10 [ 10 log 10 ( Σ i 1 0 L Aeq ( N i , j , T , A bar ) / 10 ) ] / 10 ] ( dBA ) - - - ( 13 )
(2-5)路面粗糙度、坡度和路边地面类型的修正:机动车辆在平路、上坡与下坡行驶状态差别很大,上坡时发动机大转速,辐射噪声增强,排气噪声也增大;下坡时制动下行,因此下坡比上坡噪声明显减弱,比平路行驶也小,噪声差主要取决于路面坡度;本方法对此作了简化处理,当重型货车(HGV)及bus上坡时,坡度小于0.002不加修正,坡度在0.003到0.004加2dB(A),坡度在0.005到0.006加3dB(A),坡度大于0.007加5dB(A),对下坡或小车不加修正。
CN201410045592.9A 2014-02-08 2014-02-08 一种基于动态交通流的长直公路周边区域噪声预测方法 Expired - Fee Related CN103778299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410045592.9A CN103778299B (zh) 2014-02-08 2014-02-08 一种基于动态交通流的长直公路周边区域噪声预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410045592.9A CN103778299B (zh) 2014-02-08 2014-02-08 一种基于动态交通流的长直公路周边区域噪声预测方法

Publications (2)

Publication Number Publication Date
CN103778299A true CN103778299A (zh) 2014-05-07
CN103778299B CN103778299B (zh) 2017-07-28

Family

ID=50570529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410045592.9A Expired - Fee Related CN103778299B (zh) 2014-02-08 2014-02-08 一种基于动态交通流的长直公路周边区域噪声预测方法

Country Status (1)

Country Link
CN (1) CN103778299B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202605A (zh) * 2016-06-17 2016-12-07 黄�俊 一种城市隧道洞内噪声预测方法
CN106571031A (zh) * 2016-10-25 2017-04-19 广东技术师范学院 一种结合元胞自动机交通流模型的交通噪声动态模拟方法
CN107705566A (zh) * 2017-10-20 2018-02-16 吉利汽车研究院(宁波)有限公司 一种城市道路交通噪声预测方法及***
CN108489599A (zh) * 2018-02-09 2018-09-04 四川科路泰交通科技有限公司 一种排水沥青路面的噪声测试方法
CN108842642A (zh) * 2018-06-13 2018-11-20 中山大学 一种频率等效的声屏障的道路交通噪声衰减计算方法
CN109785621A (zh) * 2019-02-02 2019-05-21 重庆港力环保股份有限公司 一种依托大数据的道路交通噪声智能优化控制方法
CN110243463A (zh) * 2019-07-04 2019-09-17 上汽通用五菱汽车股份有限公司 一种坡度可调路噪测试路面及车内噪声的测试方法
CN113935103A (zh) * 2021-12-17 2022-01-14 中国铁路设计集团有限公司 高铁基于有限长线声源和声屏障的***损失动态预测方法
CN114973657A (zh) * 2022-05-12 2022-08-30 中南大学 基于轨迹数据的城市交通噪声污染分析与评估方法
CN115953893A (zh) * 2022-11-30 2023-04-11 东南大学 一种异质交通环境下高速公路车流稳定性分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101593320A (zh) * 2009-03-27 2009-12-02 北京交通大学 一种基于运输需求特征的多种交通方式组合运能优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王弘: "高速公路交通噪声预测模式在典型路段的应用效果及修正", 《中国优秀博硕士学位论文全文数据库(硕士)》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202605A (zh) * 2016-06-17 2016-12-07 黄�俊 一种城市隧道洞内噪声预测方法
CN106571031A (zh) * 2016-10-25 2017-04-19 广东技术师范学院 一种结合元胞自动机交通流模型的交通噪声动态模拟方法
CN107705566B (zh) * 2017-10-20 2020-04-28 吉利汽车研究院(宁波)有限公司 一种城市道路交通噪声预测方法及***
CN107705566A (zh) * 2017-10-20 2018-02-16 吉利汽车研究院(宁波)有限公司 一种城市道路交通噪声预测方法及***
CN108489599A (zh) * 2018-02-09 2018-09-04 四川科路泰交通科技有限公司 一种排水沥青路面的噪声测试方法
CN108489599B (zh) * 2018-02-09 2020-08-25 四川科路泰交通科技有限公司 一种排水沥青路面的噪声测试方法
CN108842642A (zh) * 2018-06-13 2018-11-20 中山大学 一种频率等效的声屏障的道路交通噪声衰减计算方法
CN109785621B (zh) * 2019-02-02 2021-08-27 重庆港力环保股份有限公司 一种依托大数据的道路交通噪声智能优化控制方法
CN109785621A (zh) * 2019-02-02 2019-05-21 重庆港力环保股份有限公司 一种依托大数据的道路交通噪声智能优化控制方法
CN110243463A (zh) * 2019-07-04 2019-09-17 上汽通用五菱汽车股份有限公司 一种坡度可调路噪测试路面及车内噪声的测试方法
CN110243463B (zh) * 2019-07-04 2024-05-10 上汽通用五菱汽车股份有限公司 一种坡度可调路噪测试路面及车内噪声的测试方法
CN113935103A (zh) * 2021-12-17 2022-01-14 中国铁路设计集团有限公司 高铁基于有限长线声源和声屏障的***损失动态预测方法
CN114973657A (zh) * 2022-05-12 2022-08-30 中南大学 基于轨迹数据的城市交通噪声污染分析与评估方法
CN115953893A (zh) * 2022-11-30 2023-04-11 东南大学 一种异质交通环境下高速公路车流稳定性分析方法
CN115953893B (zh) * 2022-11-30 2024-01-30 东南大学 一种异质交通环境下高速公路车流稳定性分析方法

Also Published As

Publication number Publication date
CN103778299B (zh) 2017-07-28

Similar Documents

Publication Publication Date Title
CN103778299A (zh) 一种基于动态交通流的长直公路周边区域噪声预测方法
Covaciu et al. Estimation of the noise level produced by road traffic in roundabouts
Ahn et al. A field evaluation case study of the environmental and energy impacts of traffic calming
Madireddy et al. Assessment of the impact of speed limit reduction and traffic signal coordination on vehicle emissions using an integrated approach
CN103150930B (zh) 针对快速道路常发性拥堵路段的追尾事故实时预测方法
CN102034353B (zh) 基于固定检测器的城市道路交通事故排队长度测算方法
CN105070056A (zh) 一种基于浮动车的交叉***通拥堵指数计算方法
CN104282162A (zh) 一种基于实时车辆轨迹的交叉口自适应信号控制方法
CN108254069A (zh) 城市道路噪声预测方法
Li et al. A new probability statistical model for traffic noise prediction on free flow roads and control flow roads
CN106777837B (zh) 一种城市道路噪声源强预测方法及装置
Nesamani et al. Estimating impacts of emission specific characteristics on vehicle operation for quantifying air pollutant emissions and energy use
Luin et al. Modeling the impact of road network configuration on vehicle energy consumption
CN106355882A (zh) 一种基于路中检测器的交通状态估计方法
Ryu et al. Development of a corrected average speed model for calculating carbon dioxide emissions per link unit on urban roads
CN103942957A (zh) 信号交叉口饱和状态下车辆排队长度计算方法
CN104021669A (zh) 本地化道路交通噪声源强模型的快速构建方法
CN102074112B (zh) 基于时间序列多元线性回归的虚拟速度传感器设计方法
CN104182633B (zh) 分层次的交通运行评价方法
CN105355048A (zh) 一种交通指数与机动车污染物排放耦合分析方法
CN102800192B (zh) 快速公交***通行能力的预测方法
Li et al. Calibrating VISSIM roundabout model using a critical gap and follow-up headway approach
Can et al. Towards traffic situation noise emission models
CN113920760B (zh) 一种考虑复杂微环境特征的交通信号灯配时优化方法
Munehiro et al. Performance Evaluation for Rural Two-Plus-One–Lane Highway in a Cold, Snowy Region

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170728

Termination date: 20200208

CF01 Termination of patent right due to non-payment of annual fee