CN108682156A - 基于出租车gps数据动态监测市区交通排放污染状况的方法 - Google Patents
基于出租车gps数据动态监测市区交通排放污染状况的方法 Download PDFInfo
- Publication number
- CN108682156A CN108682156A CN201810770561.8A CN201810770561A CN108682156A CN 108682156 A CN108682156 A CN 108682156A CN 201810770561 A CN201810770561 A CN 201810770561A CN 108682156 A CN108682156 A CN 108682156A
- Authority
- CN
- China
- Prior art keywords
- grid
- taxi
- indicate
- traffic
- gps data
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供基于出租车GPS数据动态监测市区交通排放污染状况的方法,属于大气环境监测技术领域。本发明首先采集出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化;对采集的GPS数据进行基于GIS的网格划分,然后计算得到各个网格的交通量、平均速度、污染物排放量;选取各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子,并根据各个监测因子的权重计算得到各个网格的监测指标值,最后根据监测指标值判定每个网格的交通排放污染状况等级。本发明解决了现有技术对交通排放污染状况实时监测数据精度较低的问题。本发明可用于对市区交通排放污染状况的监测。
Description
技术领域
本发明属于大气环境监测技术领域,具体涉及动态监测市区交通排放污染状况的方法。
背景技术
随着社会经济的快速发展和机动车保有量的迅速增长,市区机动车尾气污染已经日益成为城市的主要空气污染源之一。逐年加剧的交通排放污染不仅破坏了城市的环境,更是对居民的健康造成了严重的威胁。因此,实现对市区交通排放污染状况的监测,进而采取有效措施对机动车尾气污染加以管理控制,势在必行。
目前国内的许多城市,都通过年均行驶里程法来估算机动车尾气排放总量,建立了自己的机动车尾气排放清单。但年平均行驶里程法属于静态方法,数据涉及范围广,时间跨度大,不能对市区交通排放污染状况进行实时监测。
随着GPS技术和无线通信技术的广泛应用,利用GPS实时数据进行各种交通数据分析研究工作,已经成为一种新型的交通信息采集方式。在利用GPS实时数据进行机动车尾气排放实时监测领域,当前已有的方法有,利用安装有GPS设备的浮动车GPS实时数据,根据某一交通流模型计算得到交通流特征参数(路段流量、平均速度),然后再由交通流特征参数来推算城市道路的机动车尾气排放状况。该方法实现了对市区交通排放污染状况的实时监测,但交通状况是动态的、复杂的,所选用的交通流模型未必能够真实准确地反映交通状况,因而精度较低,甚至可能存在较大误差。
发明内容
本发明为解决现有技术对交通排放污染状况实时监测数据精度较低的问题,提供了基于出租车GPS数据动态监测市区交通排放污染状况的方法。
本发明所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,通过以下技术方案实现:
1)采集出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化;所述出租车占比日变化为每小时间隔内各类型道路上的出租车数量占交通量的比例;
2)对采集的GPS数据进行基于GIS的网格划分,统计T时间间隔内各网格出现的出租车数量,并计算所述T时间间隔内各网格出现的出租车的平均速度,将各个网格中出租车的平均速度作为各个网格中所有车辆的平均速度;
3)根据每个网格中包含的不同等级道路的长度,计算出每个网格中不同等级的道路占比,再结合步骤1)中不同道路类型各车型所占比例得到其他类型车辆的占比,之后运用出租车日变化数据计算出其他车辆占比的日变化数据,统计并得到各个网格的交通量;
4)计算各个网格中机动车污染物排放量;
5)选取各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子,并根据各个监测因子的权重计算得到各个网格的监测指标值;
6)根据监测指标值判定每个网格的交通排放污染状况等级。
作为对上述技术方案的进一步阐述:
上述技术方案中,步骤4)中所述计算网格中机动车污染物排放量的具体步骤为:
步骤41)计算网格j中n类污染物的排放量,具体步骤如下所示:
其中,Ej,n表示T时间间隔内网格j中n类污染物的排放量,Ej,i,n表示i类型机动车T时间间隔内在网格j里所排放的n类污染物的排放量,i∈{1,…,I},I表示所统计的机动车类型的总数,n∈{1,…,N},N表示所计算的污染物类型的总数;EFi,n表示i类型机动车行驶单位距离所排放的n类污染物的排放量;Pj,i表示网格j内i类型机动车的数量;VKTj,i表示i类型机动车在T时间间隔内于网格j内的行驶里程;
步骤42)计算网格j中机动车污染物排放量Ej,具体步骤如下所示:
其中,αn表示第n类污染物的污染权重系数。
上述技术方案中,EFi,n的具体计算步骤如下所示:
其中,BEFi,n表示i类型机动车的n类污染物的综合基准排放系数,表示环境修正因子,γ表示平均速度修正因子,λi表示i类型机动车的劣化修正因子,θi表示i类型机动车的其他使用条件修正因子。
上述技术方案中,步骤5)中所述监测指标值的计算步骤具体如下所示:
其中,S1为网格j的交通量、S2为网格j的平均速度、S3为网格j的污染物排放量、S4为网格j的道路长度;P为网格j的评监测标值,wm表示Sm的权重,Sm上表示Sm的上限,Sm下表示Sm的下限,m∈{1,2,3,4}。
上述技术方案中,步骤2)中所述时间间隔T取10分钟。
上述技术方案中,所述所统计的机动车类型的总数I=7。
上述技术方案中,步骤41)中所述所计算的污染物类型的总数N=6。
本发明最为突出的特点和显著的有益效果是:
本发明首先采集道路长度、出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化数据,然后对采集的GPS数据进行基于GIS的网格划分,计算得到各个网格的交通量、平均速度、污染物排放量;以各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子;接着根据各个监测因子的权重计算得到监测指标值,从而可以判定每个网格的交通排放污染状况等级。本发明具有如下优点:
1.成本低,本发明提出的基于出租车GPS数据动态监测市区交通排放污染状况的方法,是在出租车轨迹数据的基础上实现对其他车辆类型交通量的推算,利用交通量和速度等数据来计算城市机动车大气污染物的排放量,不用布设大量传感器即可实现监控。
2.精度高,本发明提出的基于出租车GPS数据动态监测市区交通排放污染状况的方法,以十分钟为间隔实现动态的污染物排放量展示,精度高,较现有方法提高约30%,便于建立完善的监测指标体系和实现精准的大气污染物排放控制。
附图说明
图1为本发明方法流程图;
图2为本实施例中ArcGIS导出的05:00~05:10时间段污染物排放效果示意图;
图3为本实施例中ArcGIS导出的08:00~08:10时间段污染物排放效果示意图;
图4为本实施例中ArcGIS导出的17:50~18:00时间段污染物排放效果示意图;
图5为本实施例中ArcGIS导出的23:40~23:50时间段污染物排放效果示意图。
具体实施方式
具体实施方式一:结合图1对本实施方式进行说明,本实施方式给出的基于出租车GPS数据动态监测市区交通排放污染状况的方法,具体包括以下步骤:
1)、采集出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化;所述出租车占比日变化为每小时间隔内各类型道路上的出租车数量占交通量的比例;
数据采集主要是为监测因子计算提供数据基础。其中,出租车GPS数据主要依靠相关部门采集;GPS数据包括:车辆ID、经纬度、采样时间、瞬时速度、GPSID以及行车方向;不同道路类型各车型所占比例以及出租车占比日变化的数据主要依靠交通调查数据采集,但是需要不定期更新,以保证数据的精准度。交通调查采集到的数据需要涵盖快速路、主干道、次干道以及支路四种道路类型,车型包含摩托车、轻型客车、出租车、公交车、大型客车、中小货车以及重型货车七大类。调查应满足普遍性要求。
2)、对采集的GPS数据进行基于GIS(地理信息***Geographic InformationSystem或Geo-Information system)的网格划分,统计T时间间隔内各网格出现的出租车数量,并计算所述T时间间隔内各网格出现的出租车的平均速度,将T时间间隔内各个网格中出租车的平均速度作为该时段各个网格中所有车辆(交通量)的平均速度,这里认为各个网格中所有车辆的平均速度约等于出租车的平均速度。
基于GIS的网格划分需要基于GIS平台对GPS进行初步处理为数据处理做准备,可使用ARCGIS中的渔网功能实现。数据的筛选与统计首先在ARCGIS中识别并确定渔网各单元网格的格点经纬度,确定每个网格经纬度的范围值,其次通过R语言调用oracle数据库里的出租车GPS坐标点数据运用编程实现对一定时间段内各单元格出现的出租车辆及平均速度进行统计。
3)根据每个网格中包含的不同等级道路的长度,计算出每个网格中不同等级的道路占比,再结合步骤1)中不同道路类型各车型所占比例得到其他类型车辆的占比,之后运用出租车日变化数据计算出其他车辆占比的日变化数据,统计并得到各个网格的交通量;
首先应识别每个网格中包含的不同等级道路的长度,计算出不同网格中不同等级的道路占比。然后使用调查获取的不同道路类型各车型所占比例数据与之前的道路占比数据进行简单的运算得出其他类型车辆的占比。之后运用出租车日变化数据计算出其他车辆占比的日变化数据,再基于其他车辆的占比日变化数据以及数据的筛选与统计结果计算出各个网格中所有车型的交通量(车流量)。
4)、计算各个网格中机动车污染物排放量;所述的机动车污染物主要有机动车尾气排放污染物和蒸发排放污染物;
尾气排放污染物包含气态污染物和颗粒物;
气态污染物有一氧化碳(CO)、碳氢化合物(HC)、氮氧化物(NOX,以二氧化氮NO2计);颗粒物包含可吸入颗粒物(PM10)和细颗粒物(PM2.5);
所述蒸发排放污染物主要是碳氢化合物(HC),这里仅考虑以汽油为燃料的机动车蒸发排放。
5)、选取各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子,建立监测指标体系,并根据所在城市各个监测因子的权重计算得到各个网格的监测指标值;
6)、根据各个网格的监测指标值判定每个网格的交通排放污染状况等级。然后针对污染状况等级给出相应的交通污染控制措施。
具体实施方式二:本实施方式与具体实施方式一不同的是,步骤4)中所述计算网格中机动车污染物排放量的具体步骤为:
步骤41)计算网格j中n类污染物的排放量,具体步骤如下所示:
其中,Ej,n表示T时间间隔内网格j中n类污染物的排放量,单位为克;Ej,i,n表示i类型机动车T时间间隔内在网格j里所排放的n类污染物的排放量,单位为克;i∈{1,…,I},I表示所统计的机动车类型的总数,n∈{1,…,N},N表示所计算的污染物类型的总数;EFi,n表示i类型机动车行驶单位距离所排放的n类污染物的排放量,单位为克/公里;Pj,i表示网格j内i类型机动车的数量,单位为辆;VKTj,i表示i类型机动车在T时间间隔内于网格j内的行驶里程,单位为公里/辆。
各种类型车辆使用的燃料类型及比例均不同,使用不同燃油类型的车辆其污染物排放量是存在差异的。所以需要对使用不同燃料的每一种类型车辆进行排放因子标定,以减少误差。然后利用各类型车辆的交通流量、行驶里程与其排放因子来计算排放量。
由于使用不同类型燃料的不同类型车辆其各类污染物的国家排放标准均不同,因此需要分别进行使用不同燃料的各类型车辆的各类污染物排放因子标定及排放量的计算。本方法中污染物排放量的计算参照最新版的国家机动车排放标准文件《道路机动车大气污染物排放清单编制技术指南(试行)》。
步骤42)计算网格j中机动车污染物排放量Ej,具体步骤如下所示:
其中,αn表示第n类污染物的污染权重系数,αn的取值具体应根据各地实际污染情况确定。
其他步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式二不同的是,i类型机动车行驶单位距离所排放的n类污染物的排放量(即,i类型机动车n类污染物排放系数)EFi,n的具体计算步骤如下所示:
其中,BEFi,n表示i类型机动车的n类污染物的综合基准排放系数,表示(网格j所在地区)环境修正因子,γ表示平均速度修正因子,λi表示i类型机动车的劣化修正因子,θi表示类型机动车的其他使用条件(如负载系数、油品质量等)修正因子。
其他步骤及参数与具体实施方式二相同。
具体实施方式四:本实施方式与具体实施方式三不同的是,步骤5)中所述监测指标值的计算步骤具体如下所示:
其中,S1为网格j的交通量、S2为网格j的平均速度、S3为网格j的污染物排放量、S4为网格j的道路长度;P为网格j的监测指标值,wm表示当地Sm的权重,Sm上表示Sm的上限,Sm下表示Sm的下限,m∈{1,2,3,4}。
需要确定不同监测因子的影响权重wm,需要根据不同的城市确定不同的权重。
其他步骤及参数与具体实施方式三相同。
具体实施方式五:本实施方式与具体实施方式四不同的是,步骤2)中所述时间间隔T取10分钟。
因交通量的日变化波动比较大所以建议每10分钟统计一次,以保证后面污染物排放数据计算的精度。
其他步骤及参数与具体实施方式三相同。
具体实施方式六:本实施方式与具体实施方式五不同的是,所述所统计的机动车类型的总数I=7,所统计的机动车类型为:摩托车、轻型客车、出租车、公交车、大型客车、中小货车以及重型货车7类。
其他步骤及参数与具体实施方式五相同。
具体实施方式七:本实施方式与具体实施方式二、三、四、五或六不同的是,步骤41)中所述所计算的污染物类型为:一氧化碳、碳氢化合物、氮氧化物、可吸入颗粒物、细颗粒物以及碳氢化合物6类;则所计算的污染物类型的总数N=6。
其他步骤及参数与具体实施方式二、三、四、五或六相同。
实施例
采用以下实施例验证本发明的有益效果:
本实施例对哈尔滨市进行基于出租车GPS数据动态监测市区交通排放污染状况的方法,具体按照以下步骤进行:
1)、采集出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化;所述出租车占比日变化为每小时间隔内各类型道路上的出租车数量占交通量的比例;
数据采集主要是为监测因子计算提供数据基础。其中,出租车GPS数据主要依靠相关部门采集,包括:车辆ID、经纬度、采样时间、瞬时速度、GPSID以及行车方向;不同道路类型各车型所占比例以及出租车占比日变化的数据主要依靠交通调查数据采集,但是需要不定期更新,以保证数据的精准度。交通调查采集到的数据需要涵盖快速路、主干道、次干道以及支路四种道路类型,车型包含摩托车、轻型客车、出租车、公交车、大型客车、中小货车以及重型货车七大类。
2)、使用ARCGIS中的渔网功能对采集的GPS数据进行基于GIS的网格划分,统计十分钟间隔内各网格出现的出租车数量,并计算所述十分钟间隔内各网格出现的出租车的平均速度,将各个网格中出租车的平均速度作为各个网格中所有车辆的平均速度;
3)根据每个网格中包含的不同等级道路的长度,计算出每个网格中不同等级的道路占比,再结合步骤1)中不同道路类型各车型所占比例得到其他类型车辆的占比,之后运用出租车日变化数据计算出其他车辆占比的日变化数据,统计并得到各个网格的交通量;
4)计算各个网格中机动车污染物排放量;
上述计算中的参数参照最新版的国家机动车排放标准文件《道路机动车大气污染物排放清单编制技术指南(试行)》。
用ArcGIS导出的污染物排放效果示意图如图2~图5所示,其中图2为05:00~05:10时间段污染物排放效果示意图,图3为08:00~08:10时间段污染物排放效果示意图,图4为17:50~18:00时间段污染物排放效果示意图,图5为23:40~23:50时间段污染物排放效果示意图;可以看出,相比半夜和清晨,早晚高峰时段市区交通排放污染物明显高得多。
5)、选取各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子,建立监测指标体系,下表为本实施例中城市哈尔滨的监测指标权重的推荐值(由专家打分法获得):
表1监测指标体系各监测因子的权重推荐值
指标 | S1 | S2 | S3 | S4 |
权重 | 0.2 | 0.1 | 0.65 | 0.05 |
即,w1=0.2,w2=0.1,w3=0.65,w4=0.05;
然后根据如下公式计算得到各个网格的监测指标值:
6)、根据监测指标值判定每个网格的交通排放污染状况等级;具体的等级划分如下表所示:
表2等级划分表
等级 | Ⅰ | Ⅱ | Ⅲ | IV | Ⅴ |
监测指标值 | 0-0.2 | 0.2-0.4 | 0.4-0.6 | 0.6-0.8 | 0.8-1.0 |
针对污染等级给出相应的交通污染控制措施。
具体的控制措施如下:
Ⅲ级:
(1)简单的交通管制,通过交警疏通道路。
(2)优化交通组织,避免车辆过于集中。
(3)调整信号控制措施,布设绿波带,优化信号及时疏通车辆。
IV级及Ⅴ级:
(1)设置潮汐车道或车道改造提升道路通行能力。
(2)智能交通建设,实现智能管控。
(3)严格的交通管制,包括限行等措施。优先通行清洁能源车辆。
(4)提升区域排放标准,严格监控不符合排放标准车辆的进入。
(5)未安装尾气净化装置的车辆严禁进入区域。
(6)必要时对街区改造,设置成步行街等。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,所述方法具体包括以下步骤:
1)采集出租车GPS数据、不同道路类型各车型所占比例以及出租车占比日变化;所述出租车占比日变化为每小时间隔内各类型道路上的出租车数量占交通量的比例;
2)对采集的GPS数据进行基于GIS的网格划分,统计T时间间隔内各网格出现的出租车数量,并计算所述T时间间隔内各网格出现的出租车的平均速度,将各个网格中出租车的平均速度作为各个网格中所有车辆的平均速度;
3)根据每个网格中包含的不同等级道路的长度,计算出每个网格中不同等级的道路占比,再结合步骤1)中不同道路类型各车型所占比例得到其他类型车辆的占比,之后运用出租车日变化数据计算出其他车辆占比的日变化数据,统计并得到各个网格的交通量;
4)计算各个网格中机动车污染物排放量;
5)选取各个网格的交通量、平均速度、污染物排放量以及道路长度作为监测因子,并根据各个监测因子的权重计算得到各个网格的监测指标值;
6)根据监测指标值判定每个网格的交通排放污染状况等级。
2.根据权利要求1所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,步骤4)中所述计算网格中机动车污染物排放量的具体步骤为:
步骤41)计算网格j中n类污染物的排放量,具体步骤如下所示:
其中,Ej,n表示T时间间隔内网格j中n类污染物的排放量,Ej,i,n表示i类型机动车T时间间隔内在网格j里所排放的n类污染物的排放量,i∈{1,…,I},I表示所统计的机动车类型的总数,n∈{1,…,N},N表示所计算的污染物类型的总数;EFi,n表示i类型机动车行驶单位距离所排放的n类污染物的排放量;Pj,i表示网格j内i类型机动车的数量;VKTj,i表示i类型机动车在T时间间隔内于网格j内的行驶里程;
步骤42)计算网格j中机动车污染物排放量Ej,具体步骤如下所示:
其中,αn表示第n类污染物的污染权重系数。
3.根据权利要求2所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,EFi,n的具体计算步骤如下所示:
其中,BEFi,n表示i类型机动车的n类污染物的综合基准排放系数,表示环境修正因子,γ表示平均速度修正因子,λi表示i类型机动车的劣化修正因子,θi表示i类型机动车的其他使用条件修正因子。
4.根据权利要求3所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,步骤5)中所述监测指标值的计算步骤具体如下所示:
其中,S1为网格j的交通量、S2为网格j的平均速度、S3为网格j的污染物排放量、S4为网格j的道路长度;P为网格j的评监测标值,wm表示Sm的权重,Sm上表示Sm的上限,Sm下表示Sm的下限,m∈{1,2,3,4}。
5.根据权利要求4所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,步骤2)中所述时间间隔T取10分钟。
6.根据权利要求5所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,所述所统计的机动车类型的总数I=7。
7.根据权利要求2、3、4、5或6所述基于出租车GPS数据动态监测市区交通排放污染状况的方法,其特征在于,步骤41)中所述所计算的污染物类型的总数N=6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770561.8A CN108682156B (zh) | 2018-07-13 | 2018-07-13 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770561.8A CN108682156B (zh) | 2018-07-13 | 2018-07-13 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108682156A true CN108682156A (zh) | 2018-10-19 |
CN108682156B CN108682156B (zh) | 2021-07-13 |
Family
ID=63813921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810770561.8A Active CN108682156B (zh) | 2018-07-13 | 2018-07-13 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108682156B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580386A (zh) * | 2019-08-23 | 2019-12-17 | 生态环境部环境规划院 | 一种交通部门二氧化碳排放空间网格化方法 |
CN110851524A (zh) * | 2019-10-30 | 2020-02-28 | 暨南大学 | 基于自下而上的城市机动车排放清单编制技术方法及*** |
CN110991930A (zh) * | 2019-12-18 | 2020-04-10 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN112767686A (zh) * | 2020-12-23 | 2021-05-07 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN113256966A (zh) * | 2021-04-21 | 2021-08-13 | 中国科学技术大学先进技术研究院 | 基于时空速度域重构的路网排放清单建立方法及*** |
CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
CN113407653A (zh) * | 2021-05-28 | 2021-09-17 | 中国环境科学研究院 | 一种排放清单构建方法、***及可读存储介质 |
CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与*** |
CN116307837A (zh) * | 2023-02-10 | 2023-06-23 | 中汽研汽车检验中心(昆明)有限公司 | 一种基于多种监测技术的区域机动车排放评估方法及*** |
CN117910892A (zh) * | 2024-03-19 | 2024-04-19 | 四川国蓝中天环境科技集团有限公司 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI1104677A2 (pt) * | 2011-08-30 | 2013-11-12 | Humberto Botelho Diniz | Sistema integrado de gerenciamento de transporte rodoviário |
CN103425865A (zh) * | 2013-06-06 | 2013-12-04 | 中山大学 | 一种自动化的机动车排放网格化清单编制方法 |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天***工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
KR20140085723A (ko) * | 2012-12-27 | 2014-07-08 | 건국대학교 산학협력단 | 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템 |
CN204129957U (zh) * | 2014-10-23 | 2015-01-28 | 重庆市城投金卡信息产业股份有限公司 | 基于网络的黄标车监测执法*** |
CN104715605A (zh) * | 2015-02-16 | 2015-06-17 | 北京交通大学 | 一种基于vsp分布的交通运行数据与排放数据耦合方法与*** |
KR20150076307A (ko) * | 2013-12-26 | 2015-07-07 | 건국대학교 산학협력단 | Cctv 영상 분석을 이용한 교통 파라미터 추정 시스템 |
CN105096620A (zh) * | 2015-07-10 | 2015-11-25 | 南京理工大学 | 一种高速公路机动车气态污染物排放的测定、评估与警示装置及方法 |
CN105206056A (zh) * | 2015-09-25 | 2015-12-30 | 珠海高凌信息科技有限公司 | 道路交通污染源智能预测方法及*** |
CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
CN107067719A (zh) * | 2016-12-29 | 2017-08-18 | 深圳市智慧交通有限公司 | 一种可保护车主隐私的城市汽车尾气排放总量控制*** |
CN107516420A (zh) * | 2016-06-17 | 2017-12-26 | 北京利和顺达电子有限公司 | 可自动实时监测交通车辆尾气排放的装置和评估方法 |
CN107832495A (zh) * | 2017-10-13 | 2018-03-23 | 东南大学 | 基于车辆轨迹数据的机动车尾气污染物排放量计算方法 |
-
2018
- 2018-07-13 CN CN201810770561.8A patent/CN108682156B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI1104677A2 (pt) * | 2011-08-30 | 2013-11-12 | Humberto Botelho Diniz | Sistema integrado de gerenciamento de transporte rodoviário |
KR20140085723A (ko) * | 2012-12-27 | 2014-07-08 | 건국대학교 산학협력단 | 비전기반의 대기오염 모니터링을 위한 교통 파라미터 추정 시스템 |
CN103425865A (zh) * | 2013-06-06 | 2013-12-04 | 中山大学 | 一种自动化的机动车排放网格化清单编制方法 |
KR20150076307A (ko) * | 2013-12-26 | 2015-07-07 | 건국대학교 산학협력단 | Cctv 영상 분석을 이용한 교통 파라미터 추정 시스템 |
CN103838971A (zh) * | 2014-03-12 | 2014-06-04 | 中国航天***工程有限公司 | 一种城市路网动态交通能耗及排放的计算方法 |
CN204129957U (zh) * | 2014-10-23 | 2015-01-28 | 重庆市城投金卡信息产业股份有限公司 | 基于网络的黄标车监测执法*** |
CN104715605A (zh) * | 2015-02-16 | 2015-06-17 | 北京交通大学 | 一种基于vsp分布的交通运行数据与排放数据耦合方法与*** |
CN105096620A (zh) * | 2015-07-10 | 2015-11-25 | 南京理工大学 | 一种高速公路机动车气态污染物排放的测定、评估与警示装置及方法 |
CN105206056A (zh) * | 2015-09-25 | 2015-12-30 | 珠海高凌信息科技有限公司 | 道路交通污染源智能预测方法及*** |
CN107516420A (zh) * | 2016-06-17 | 2017-12-26 | 北京利和顺达电子有限公司 | 可自动实时监测交通车辆尾气排放的装置和评估方法 |
CN106530692A (zh) * | 2016-10-25 | 2017-03-22 | 黑龙江省城市规划勘测设计研究院 | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 |
CN107067719A (zh) * | 2016-12-29 | 2017-08-18 | 深圳市智慧交通有限公司 | 一种可保护车主隐私的城市汽车尾气排放总量控制*** |
CN107832495A (zh) * | 2017-10-13 | 2018-03-23 | 东南大学 | 基于车辆轨迹数据的机动车尾气污染物排放量计算方法 |
Non-Patent Citations (10)
Title |
---|
吴希: "城市道路网机动车排放预估研究", 《中国优秀硕士学位论文全文数据库(工程科技Ⅱ辑)》 * |
李莉: "基于GIS的机动车污染排放管理信息***", 《上海环境科学》 * |
池利兵: "城市客运出租车空气污染测算方法与减排策略研究", 《中国博士学位论文全文数据库(工程科技Ⅱ辑)》 * |
涂德凤: "基于物联网的汽车尾气动态监测***研究", 《赤峰学院学报(自然科学版)》 * |
渠龙龙: "根据我国机动车现状对机动车污染监测方法进行分析", 《城市建设理论研究(电子版)》 * |
王健: "考虑空驶距离的出租汽车空气污染排放模型", 《交通工程》 * |
薛召: "内河船舶柴油机尾气排放监测方法研究", 《浙江交通职业技术学院学报》 * |
贺鹏麟: "基于OBD-Ⅱ***的汽车尾气排放远程实时监测的研究", 《能源与环境》 * |
赵旻玥: "基于出租车轨迹数据分析交叉口尾气排放的时空特征", 《中国优秀硕士学位论文全文数据库(工程科技Ⅰ辑)》 * |
马英: "基于车联网的3G远程车载尾气监测***的设计与实现", 《郑州轻工业学院学报(自然科学版)》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580386A (zh) * | 2019-08-23 | 2019-12-17 | 生态环境部环境规划院 | 一种交通部门二氧化碳排放空间网格化方法 |
CN110851524A (zh) * | 2019-10-30 | 2020-02-28 | 暨南大学 | 基于自下而上的城市机动车排放清单编制技术方法及*** |
CN110851524B (zh) * | 2019-10-30 | 2023-05-26 | 暨南大学 | 基于自下而上的城市机动车排放清单编制技术方法及*** |
CN110991930A (zh) * | 2019-12-18 | 2020-04-10 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN110991930B (zh) * | 2019-12-18 | 2023-05-23 | 天津玺腾龙科技发展有限公司 | 计算公路路段尘负荷等级的方法 |
CN112767686A (zh) * | 2020-12-23 | 2021-05-07 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN112767686B (zh) * | 2020-12-23 | 2022-06-10 | 华南理工大学 | 一种基于多源数据融合的公路网汽车排放估算方法 |
CN113256966B (zh) * | 2021-04-21 | 2022-02-25 | 中国科学技术大学先进技术研究院 | 基于时空速度域重构的路网排放清单建立方法及*** |
CN113256966A (zh) * | 2021-04-21 | 2021-08-13 | 中国科学技术大学先进技术研究院 | 基于时空速度域重构的路网排放清单建立方法及*** |
CN113407653A (zh) * | 2021-05-28 | 2021-09-17 | 中国环境科学研究院 | 一种排放清单构建方法、***及可读存储介质 |
CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与*** |
CN116307837A (zh) * | 2023-02-10 | 2023-06-23 | 中汽研汽车检验中心(昆明)有限公司 | 一种基于多种监测技术的区域机动车排放评估方法及*** |
CN116307837B (zh) * | 2023-02-10 | 2023-09-19 | 中汽研汽车检验中心(昆明)有限公司 | 一种基于多种监测技术的区域机动车排放评估方法及*** |
CN117910892A (zh) * | 2024-03-19 | 2024-04-19 | 四川国蓝中天环境科技集团有限公司 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
CN117910892B (zh) * | 2024-03-19 | 2024-06-18 | 四川国蓝中天环境科技集团有限公司 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108682156B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108682156A (zh) | 基于出租车gps数据动态监测市区交通排放污染状况的方法 | |
CN104715605B (zh) | 一种基于vsp分布的交通运行数据与排放数据耦合方法与*** | |
Zheng et al. | High-resolution mapping of vehicle emissions in China in 2008 | |
CN109086246A (zh) | 一种道路交通源的排放量计算方法及装置 | |
CN106530692A (zh) | 一种基于交通拥堵评价指标的机动车油耗排放强度测算方法 | |
CN102567811A (zh) | 基于实时道路交通特征的机动车排放测算方法 | |
Gokhale et al. | Performance evaluation of air quality models for predicting PM10 and PM2. 5 concentrations at urban traffic intersection during winter period | |
CN105225488B (zh) | 一种基于机动车比功率的速度对车辆排放因子修正方法 | |
CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
Cheng et al. | A high-resolution emissions inventory and its spatiotemporal pattern variations for heavy-duty diesel trucks in Beijing, China | |
CN111241720A (zh) | 一种道路扬尘模型的建模方法和装置 | |
CN105355048B (zh) | 一种交通指数与机动车污染物排放耦合分析方法 | |
CN113407653A (zh) | 一种排放清单构建方法、***及可读存储介质 | |
CN114648429A (zh) | 低温地区重型柴油货车大气污染物排放清单的建立方法 | |
Chen et al. | MOVES-Beijing-based high spatial and temporal resolution ammonia emissions from road traffic in Beijing | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN1873721A (zh) | 一种可用于地面道路网交通状况测定的方法和*** | |
Singh et al. | Development of a microscale emission factor model for particulate matter for predicting real-time motor vehicle emissions | |
CN114610695A (zh) | 一种低温地区大气污染物排放因子测算方法 | |
Littidej et al. | Air pollution concentration approach to potential area selection of the Air Quality Monitoring Station in Nakhon Ratchasima Municipality, Thailand | |
Namdeo et al. | Development and evaluation of SBLINE, a suite of models for the prediction of pollution concentrations from vehicles in urban areas | |
WO2021117072A1 (en) | Dynamic mapping and method of tracking atmoshperic pollutants | |
Cai et al. | Dynamic management of environmental risk of urban traffic exhaust pollution based on taxi trail big data | |
Boitor et al. | An Innovative Tool for the Evaluation of Nox Emissions from Road Traffic | |
Tarela et al. | Air Quality Modeling of the Buenos Aires Metropolitan Area |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |