交通節能減排智能化分析技術
——北京市實踐

劉 瑩，劉宇環，徐 龍，谷 巖

(1.北京工業大學，北京100124；2.北京市交通行業節能減排中心，北京100073)

交通節能減排智能化分析技術
——北京市實踐

劉 瑩1,2，劉宇環2，徐 龍2，谷 巖2

(1.北京工業大學，北京100124；2.北京市交通行業節能減排中心，北京100073)

基于大數據的智能化監測分析技術為消除城市交通在節能減排領域決策判斷的模糊性、解決交通節能減排問題提供機遇。通過分析交通節能減排宏、中、微觀工作對智能化監測分析的需求，總結現有統計監測體系存在的問題。提出車輛能耗排放多維感知、高分辨率仿真及多尺度評估、海量數據分析挖掘等交通節能減排智能化分析技術。具體闡述北京市在交通節能減排統計監測體系建設、交通能耗與排放清單編制、交通節能減排規劃和政策研究、駕駛行為矯正、節能減排標準研究制定等方面的實踐應用效果。最后指出，交通節能減排智能監測體系應構建本地化的模型及關鍵參數，同時需要法律法規和體制機制的協同保障。

城市交通；節能減排；智能化；大數據；北京市

隨著城鎮化和機動化進程的加速發展，交通節能減排已成為城市交通可持續發展難題。同時，大數據和信息化的迅速發展，給交通節能減排帶來機遇和挑戰。在大數據時代，通過完善系統的智能化監測分析技術，可以消除城市交通在節能減排領域決策判斷的模糊性，全面實現交通領域能耗排放特征分析、發展態勢判別、調控效果預判和評估，為解決交通節能減排問題提供機遇。

1 交通節能減排需求分析

節能減排與交通關系日益緊密，交通管理部門相繼發布了以綠色、低碳、節能為導向的發展規劃，同時在中宏觀層面出臺了以節能減排為導向的政策措施，這些宏、中、微觀的措施都需要科學、合理的統計監測體系的支撐，以得到科學、準確、精細的結論[1-2]。具體包括以下幾個層面：1)宏觀需求方面主要包括綠色交通發展目標制定、交通能耗排放總量與增速控制、綠色導向的交通規劃與策略等；2)中觀需求方面主要包括車輛能源結構優化、排放結構優化、車齡結構優化、治污治堵一體化政策制定、綠色導向的交通行業升級轉型等；3)微觀需求方面具體表現在駕駛行為矯正、綠色導向的緩堵改造工程建設等。

一些地區也在交通領域能耗排放統計監測體系及分析等方面開展了探索與嘗試。總體來看，以下三方面問題尚未得到有效解決：

1）大數據難以服務于宏觀決策。交通行業中雖然有很多大數據應用，但能夠全面、系統反映交通能耗排放水平與強度等特征的宏觀數據難以獲得，同時未得到相關部門認可，難以對宏觀決策提供有效支撐[3]。

2）難以有效服務治理措施的制定與評估。現有的監測體系架構更多地注重環保方面的應用，而面向交通治理的影響機理、關鍵算法、關鍵參數的缺失，導致難以有效支撐交通政策措施的制定及效果評估。

3）尚未建立持續性的本地化數據體系。從國外經驗看，數據真正發揮作用的前提是需要持續性，并在真實環境下獲得。中國尚未建立交通節能減排本地化真實環境數據持續采集機制，無法反映本地實際特征。

2 智能化分析技術路線

根據交通能耗排放治理決策管理需求及統計監測體系技術的現存問題，本文提出一種交通節能減排智能化分析技術，主要包括：車輛能耗排放多維感知技術，可實現海量高頻的多源異構數據采集、存儲與清理；基于交通能耗排放五層次模型的高分辨率仿真技術和多尺度評估技術；海量數據分析挖掘技術，具有高時效性、高擴展性特征。

2.1 車輛能耗排放多維感知技術

現階段交通節能減排相關數據已呈現爆發式增長，包括交通運行數據、企業運營統計數據、車輛基礎數據、車輛時空定位數據、車輛微觀工況數據、污染物排放因子數據、車輛微觀能耗數據、實驗測試數據、交通調查數據等，但由于數據存在來源不同、結構繁雜、粒度多樣、采集目的各異等問題，各類數據獨立成為數據孤島，不能實現交叉分析進而挖掘更多有效信息[4]。因此，如何實現數據質量控制、數據歸類和數據間的有序關聯成為制約交通節能減排、實現智能化分析的瓶頸。

多維感知技術以車輛基礎特征為坐標原點，將海量數據聚類為網狀結構模型，能夠整合多維異構數據，實現數據有序關聯。通過多維實際數據的網狀化模型，實現車輛基礎信息數據、運營數據與能耗排放等數據的交叉融合和匹配分析。該結構包括五個維度：

1）能耗維度，車輛運行過程中的能源消耗相關指標，包括車輛瞬時能耗、累計油耗、車輛行駛里程等維度數據；

2）污染物排放維度，表征車輛運行過程中的污染物排放相關指標，包括不同工況下各車型排放因子、氮氧化物濃度值、尿素液位、SCR(選擇性催化系統)工作狀態、運行里程等；

3）運營特征維度，表征車輛運輸服務的參數指標，包括客運量、客運周轉量、貨運量、貨運周轉量等；

4）運行工況維度，表征車輛運行的參數和指標，包括運行速度、經度、緯度等；

5）使用者維度，表征使用者在駕駛車輛運行過程中操作行為的指標及相關信息，包括駕駛人信息(年齡、性別、駕齡、職業)、百公里急加速和急剎車時間及次數、變速頻率、加速踏板行程值等。

同時，應用和分析大數據需要關注數據的準確性。應通過不同維度數據校核算法的研究來提高數據準確性，同時與實驗等真實數據聯合校正。

2.2 高分辨率仿真技術和多尺度評估技術

通過高分辨率仿真技術和多尺度評估技術可解決交通節能減排工作中宏、中、微觀規劃、預測、評估等問題[5]。該技術的核心由五層級模型組成，能滿足不同維度、不同尺度、不同粒度的交通能耗排放核算需求(見表1)。各層次模型的原理和功能如下：

1）基于時間維度的宏觀核算清單模型。將機動車按照車輛自身物理屬性和本地營運管理特征分類，通過各種車型的保有量、排放因子、能耗因子及車輛行駛里程進行能耗排放總量的核算，主要用于不同時間粒度交通能耗排放總量的評估和預測。可用于交通能耗排放總量的核算、未來年交通能耗排放目標制定及分解，能夠為交通管理部門、研究機構提供宏觀數據支持。

2）基于空間維度的中觀路網評價模型。該模型是對路段交通量和速度變化進行預測，并預測每個路段、每小時能耗污染物排放。主要應用于交通戰略規劃情景分析及交通政策措施效果評估。

3）基于實時交通流的路網動態監測模型。能夠實現高分辨率仿真，可以仿真城市路網某路段的小時交通量與速度，通過與速度排放因子庫的關聯耦合，實現對城市路網動態能耗和污染排放時空分布的仿真。主要用于路網動態能耗和排放清單、道路周邊環境質量仿真等。

4）基于時空維度的單車監測分析模型。以單車為研究對象，通過車輛多維感知技術獲取車輛實時運行工況信息，并與各類車型微觀能耗排放因子庫相耦合，獲得單車動態能耗污染物排放量數據。主要用于高能耗排放車輛識別、微觀駕駛行為矯正等。

5）基于區域的基礎設施能耗排放評估模型。以基礎設施為研究對象，建立基礎設施的交通活動主體及活動狀況的能耗排放仿真模型。主要用于基礎設施內部環境評價、環境治理措施效果評估。

為有效滿足宏、中、微觀交通能耗排放治理決策管理需求，高分辨率仿真技術和多尺度評估技術需關注真實性、辨識度、敏感性、綜合性等方面問題。

表1 高分辨率仿真技術和多尺度評估技術結構Tab.1 High resolution simulation technology and multi-level evaluation technology

1）真實性。交通能耗排放治理決策目標是應用于實際治理，因此必須保證真實性。由于車聯網監測和實驗室檢測等技術相對成熟，獲得的數據真實可靠，因此該技術模型中交通和能耗排放關鍵參數均來源于車聯網監測及實驗室檢測數據，能夠反映真實排放水平，有效解決真實性問題。

2）辨識度。由于交通源的移動特性，能耗排放仿真及評估技術需對不同維度、粒度的交通能耗排放情況進行評估決策，因此需對區域、路段和單車等多個維度尺度，對年、月、日等多個時間粒度進行排放監測，以實現高辨識度的監測與評估。

3）敏感性。高分辨率仿真技術和多尺度評估技術與交通節能減排治理工作緊密結合，需要能夠敏感反映政策實施前后的變化。為達到此目的，模型的關鍵參數數量是傳統模型的5～8倍，面向交通污染治理決策，對宏、中、微觀等多類政策高度敏感，特別是交通緩堵和區域限行等政策。

4）綜合性。交通節能減排工作涉及能耗、污染物排放、碳排放等對象，需同時兼顧不同時間粒度、不同對象的核算。該模型集交通各領域、各對象(能耗、污染物排放和碳排放)、各時間粒度(年、月和日)核算模型為一體，多方位支撐管理決策。

2.3 海量數據分析挖掘技術

面對大數據給交通節能減排分析工作帶來的機遇和挑戰，需要具備海量數據實時采集、傳輸、處理、存儲、分析、應用為一體的信息化技術[6-7]。目前，基于微觀監測進行系統評估的工作，例如駕駛行為診斷矯正、車輛減排裝置狀態監測等，對指標計算及分析的實時性要求比較高。此外，交通行業處于監測體系大發展期，計量監測范圍和數量日益增多，數據接入的種類以及數據量會進一步提升，進而帶來了系統擴展難題。傳統的大數據技術基于MapReduce原理構建，可以滿足海量數據分析的要求，但時效性遠遠不能滿足本系統中實時性的要求，擴展性也有所欠缺[8]。

為滿足高時效性和高擴展性的需求，交通節能減排智能化分析技術還需具備高時效性、高擴展性的海量數據分析挖掘能力。結合節能減排系統的業務特點，本文設計了以私有云為基礎的大數據架構，綜合運用流式計算、內存實時計算和海量數據分析挖掘技術(見圖1)，滿足海量數據快速計算、系統擴展等綜合應用需求，實現高時效性、高擴展性。依托該項技術，北京市建立了中國首個交通智能化分析的交通領域節能減排統計與監測平臺。平臺實現了交通節能減排大數據的實時采集、處理、分析與應用，同時能夠實現系統擴展，為北京市的交通節能減排工作提供支撐。

該技術的主要特點包括：

1）高時效性。采用基于流式計算技術的Spark Streaming組件，實現對接入數據的實時清洗和初步計算；針對實時監測分析的指標數據，建設基于RDD的實時內存計算引擎，避免傳統基于MapReduce方式的大數據技術需要頻繁訪問I/O所帶來的性能問題。對TB級數據可以在秒級完成各種監測指標的計算和分析，滿足系統對海量數據計算的高時效性要求。

2）高擴展性。采用在云計算基礎支撐平臺上搭建大數據引擎的架構設計。利用云計算平臺擴展方便、管理維護成本低的優點，結合基于分布式存儲技術的HDFS組件和基于分布式資源調度管理的YARN/Mesos組件，實現存儲能力和計算能力的靈活擴展。可擴展至數百臺乃至上千臺服務器進行分布式存儲和計算，達到EB級存儲及計算能力，有效解決系統的擴展性問題。

3 應用案例

基于交通節能減排智能化分析技術，北京市率先制定了交通領域節能減排統計監測體系建設總體規劃，正著手建立覆蓋能耗、燃油、污染物排放、碳排放，能夠實現可分析可追溯、可分解可考核、可預測可預警的統計監測體系，建成集微觀監測、宏觀分析、政策評價及決策支持于一體的可用于多部門的交通領域節能減排統計與監測平臺(見圖2)，為北京市交通節能減排政策制定、行業監測與管理等提供重要支撐。

3.1 提高能耗及排放清單編制頻率

支持高頻度編制交通行業能耗清單、排放清單，實現北京市能耗排放的長期監測及變化趨勢分析。目前，交通運輸行業局限于傳統的以企業為單位、年度統計能耗數據，尚無科學合理的能耗核算方法。該方法的數據獲取頻度低，指標數量少，數據質量難以評估。應用交通節能減排智能化分析技術，北京市交通管理部門分別編制了年度、月度、日度的分能源類型、分行業等能源消耗量的能耗清單，以及年度、月度、日度分污染物類型、分行業污染物排放量的排放清單。實現了交通能耗排放的年度、月度總量核算，以及日度監測及趨勢分析(見圖3)。

圖1 海量數據分析挖掘技術架構Fig.1 Structure of data mining technology

該項應用為重大交通政策的制定和效果評估提供了數據支撐。例如，北京市APEC會議、中國人民抗日戰爭暨世界反法西斯戰爭勝利70周年紀念日閱兵、霧霾紅色預警期間，北京市均實行了單雙號限行政策，并利用平臺日度監測功能實現了限行效果的評估。

3.2 交通節能減排規劃的綜合情景多因素分析

北京市交通管理部門于2013年啟動了《北京市“十三五”交通節能減排發展規劃》的研究編制工作，規劃研究制定過程中，綜合考慮了車輛結構、行業車輛總數、能耗排放強度、行駛里程、需求政策等因素，提出了125種情景。基于交通節能減排智能化分析體系及其關鍵技術，對各種情景進行交叉分析及預測，得到交通節能減排相關指標數據(見圖4)。

在數據測算的基礎上，北京市還提出“一降雙控三提升”的發展策略及目標，即實現污染物排放下降，能耗總量和碳排放總量增速得到控制，新清潔能源使用比例大幅提升、資源集約利用水平持續提升、節能減排精細化管理水平顯著提升；并提出以綠色管理體系為核心，綠色基礎設施、綠色運輸裝備工具、綠色運輸體系、綠色交通技術推廣和綠色行為意識為重點的整套交通運輸節能減排規劃，支持政府的宏觀決策。

圖2 北京市交通領域節能減排統計與監測平臺Fig.2 Demonstration of statistical analysis-based and monitoring platform of transportation energy conservation and emission reduction in Beijing

圖3 交通能耗日監測分析Fig.3 Daily monitoring and analysis of transportation energy consumption

圖4 交通節能減排規劃目標制定分析Fig.4 Target-set of transportation energy conservation and emission reduction

3.3 以環境為約束條件制定交通管理政策

以生態文明建設和治污與治堵一體化為主題、以環境為約束條件制定交通管理政策，已成為大城市交通節能減排精細化管理的新思路。為此，利用交通節能減排智能化分析技術，實現了基于車輛能耗排放的定量評價。

1）閱兵期間、冬奧會和APEC會議交通綜合措施實施前，依托交通節能減排智能化分析技術及平臺進行不同限行措施方案的能耗排放預測，其結果直接影響了最終政策方案中的交通綜合措施實施；

2）在擁擠收費政策方案研究中，以2017年五環內交通指數控制在5.5以內為目標，對擁擠收費政策不同收費方案的節能減排效果進行預測，支撐政策的出臺；

3）在貨運節能減排方面，北京市正推進綠色貨運發展，基于該智能化分析技術，以“十三五”為時間坐標，對貨運行業自然發展和綠色貨運政策干預兩種情景下污染物排放趨勢進行預測(見圖5)，同時實現了企業個體污染物減排量核算，支撐以污染物減排量為依據的行業獎勵機制，為重大交通運輸政策的出臺提供依據。

4）外埠進京貨車管理方面，北京市正研究相應政策措施，基于該智能化分析技術對外埠進京車輛進行監測分析(見圖6)。結果顯示，外埠進京貨車污染物年排放總量2.6萬t，是本地營運貨車的0.86倍；同時實現了道路尺度的外埠進京貨運車輛污染物排放強度核算，支撐北京市外埠貨車調控政策的制定。

3.4 實現駕駛行為“監測—診斷—評估—矯正”體系

國內外研究表明駕駛行為具有較大的節能減排潛力[9-10]。為此，基于平臺實現了“監測—診斷—評估—矯正”駕駛行為監測分析與評價體系。通過對出租汽車能耗情況進行持續監測，分析得到相同車型的出租汽車最耗油車輛15.53 L·100 km-1，最省油車輛6.55 L·100 km-1，不同駕駛員駕駛同一類型車輛的能耗差異可達2倍。根據分析結果設計一整套培訓體系(見圖7)，被初步納入交通行業駕駛員培訓體系；前期培訓結果顯示，培訓前后單車百公里能耗降低7%，達到較好的節油效果。

3.5 編制標準和技術方法

根據交通節能減排智能化分析技術，北京市交通管理部門研究形成《營運客車能源計量器具功能及數據采集規范》《營運貨車合理用能指南》等地方標準，研發了能耗排放核算方法、公共交通能耗評價指標體系等技術方法，并將在京津冀區域推廣應用。

4 結語

智能化分析技術能有效推動交通節能減排工作向精細化方向發展，同時為其提供直接決策支撐。在交通節能減排的后續研究中還應關注以下兩點：

1）由于各國各地城市規模不一、規劃各異、路網情況也各不相同，要想建設能夠服務本地治理的智能化監測體系，必須立足于本地實際，構建本地化的模型及關鍵參數；

圖5 貨運污染物排放趨勢分析Fig.5 Analysis of freight pollutant emission trend

圖6 外埠進京貨車主要進京通道年污染物排放量Fig.6 Emissions monitor of non-local trucks on main corridors entering Beijing

圖7 駕駛行為培訓體系Fig.7 Driving behavior training system

2）交通節能減排統計監測體系建設實際上是城市的綜合能力建設，需要信息化建設、模型技術、制度標準、理念推廣、法律法規和體制機制方面的共同努力和協同發展，才能有效推進交通節能減排工作。

[1]曹艷梅，丁冬梅.我國城市交通節能減排發展分析及對策研究[J].經濟研究導刊，2012(2)：89-91.

[2]高菠陽，劉衛東.道路交通節能減排途徑與潛力分析[J].地理研究，2013，32(4)：767-775.Gao Boyang,Liu Weidong.Emissions Reduction Potential Analysis of Road Transportation[J].Geographical Research,2013,32(4):767-775.

[3]崔淑華，鮑桂芳.道路運輸業節能減排評價體系優化研究[J].重慶交通大學學報(自然科學版)，2014，33(4)：117-121.Cui Shuhua,Bao Guifang.Optimization Research of Energy Conservation and Emissions Reduction Evaluation System in Road Transportation[J].Journal of Chongqing Jiaotong University (Nature Science),2014,33(4):117-121.

[4]崔應壽，黃莉莉，黃海濤.車輛能耗監測平臺研究與應用[J].中國交通信息化，2015(3)：123-126.

[5]龔琴紅.交通運輸對大氣環境的影響及節能減排分析研究[J].交通節能與環保，2014(2)：73-75.Gong Qinhong.Research into the Effect on Atmospheric Environment and Emission Reduction of Transportation[J].Energy Conservation&Environmental Protection in Transportation,2014(2):73-75.

[6]錢越.低碳運輸的智能交通技術體系構建[J].北京理工大學學報(自然科學版)，2013(S1)：86-89.Qian Yue.Intelligent Transportation Technology System for Low-Carbon Transport[J].Transaction of Beijing Institute of Technology(Nature Science),2013(S1):86-89.

[7]姚良群.智能交通技術應用的改進與提高[J].交通與運輸(學術版)，2014(S1)：82-85.Yao Liangqun.Improve and Enhance the Application of Intelligent Traffic Technology[J].Traffic&Transportation(Academic Edition),2014(S1):82-85.

[8]多雪松，張晶，高強.基于Hadoop的海量數據管理系統[J].微計算機信息(測控自動化)，2010，26(13)：202-204.Duo Xuesong,Zhang Jing,Gao Qiang.A Mass Data Management System Based on the Hadoop[J].Microcomputer Information(Control&Automation),2010,26(13):202-204.

[9]伍毅平，趙曉華.基于跟蹤調查的生態駕駛行為節油潛力初探[J].道路交通與安全，2014，14(1)：53-55.Wu Yiping,Zhao Xiaohua.A Pilot Study to Explore the Potential of Eco-Driving on Fuel Consumption Reduction[J].Road Traffic&Safety,2014,14(1):53-55.

[10]葉玉.西方國家力推“生態駕駛”[J].環境保護，2008(17)：73-74.

Smart Technology on Energy Conservation and Emission Reduction in Transportation System:A Case Study of Beijing

LiuYing1,2,Liu Yuhuan2,Xu Long2,Gu Yan2
(1.Beijing University of Technology,Beijing 100124,China;2.Beijing Transportation Environment&Energy Center,Beijing 100073,China)

A big data mining-based intelligent technology of monitoring and analysis technology offers an opportunity to eliminate the ambiguity in the decision making process as well as solving the issues of energy conservation and emission reduction.By specifying the demand on intelligent monitoring technology at macro,meso,and micro-scale,this paper summarizes the defects of the existing technology and system,and a couple of new technologies,namely,Multidimensional Awareness,SimulationEvaluation,and Data Mining.The paper illustrates the efforts of Beijing in system establishment of monitoring system for transportation energy conservation and emission reduction,development of transportation energy consumption and pollution emission inventory,planning and policy study,driving behavior correction,development of energy conservation and emission reduction standards.Finally,the paper urges to develop model and key parameters of intelligent monitoring system for transportation energy conservation and emission reduction that tailor to different cities.Registration and mechanism support are also necessary.

urban transportation;energy conservation and emission reduction;intelligent;big data;Beijing

2016-05-11

劉瑩(1981—)，女，吉林人，在讀博士研究生，高級工程師，北京市交通行業節能減排中心副主任，主要研究方向：交通節能減排、交通戰略規劃、交通排放模型。

E-mail:liuying@bjjtw.gov.cn