基于MOVES的城市道路交叉口組織優(yōu)化排放分析

巴興強，徐孟發(fā)，李洪濤

(東北林業(yè)大學 交通學院， 哈爾濱 150040)

截止2016年底，我國機動車保有量達2.95億輛。2016年，全國機動車排放污染物初步核算為4 532.2萬t，其中氮氧化物(NOx)577.8萬t，碳氫化合物(HC)422.0萬t，一氧化碳(CO)3 419.3萬t，顆粒物(PM)56.0萬t。汽車是機動車污染物排放總量的主要貢獻者，其排放的NOx和PM超過90%，HC和CO超過80%[1]。

MOVES是由美國環(huán)保署(EPA)開發(fā)的新一代綜合移動源排放模型，能在宏觀、中觀和微觀不同層面上進行排放測算，精度較高，是一種綜合性、適應性更強的尾氣排放模型[2]。在國外許多學者將MOVES模型與交通類模型結合使用，利用微觀仿真軟件輸出的逐秒數(shù)據(jù)來實現(xiàn)MOVES的排放測算。Sadeka等[3]利用微觀仿真軟件Paramics提取逐秒的數(shù)據(jù)來提高MOVES微觀層面的仿真測算精度。國內(nèi)學者郭園園等[4]對MOVES模型結構原理和排放計算也進行了研究。黃文偉[5]用MOVES對車輛的排放因子進行模擬，結合實測結果對其進行驗證。張廣昕[6]基于MOVES對機動車排放進行分析，提出減排措施。

Labview是一種圖形化的編程工具，功能強大、靈活，其圖形化的界面使得編程及使用過程都方便高效[7]。基于此，本文根據(jù)MOVES模型計算原理，將微觀交通仿真模型VISSIM與MOVES結合使用，用Labview編制機動車運行工況計算平臺，搭建排放測算平臺分析交叉口組織優(yōu)化措施對于排放效果的影響。

1 運行工況計算平臺設計

1.1 MOVES模型計算原理

機動車比功率VSP綜合考慮了車輛實際行駛過程中速度、加速度和道路坡度等影響功率輸出的情況，與油耗排放等密切相關，近年來在各種機動車尾氣量化排放模型中使用越來越廣泛[8-9]。MOVES就是將機動車行駛工況與機動車比功率VSP和速度相關聯(lián)起來，作為計算排放率的其中一個重要數(shù)據(jù)[10-11]。簡化的VSP計算公式為：

VSP=v(1.1a+0.132)+0.000 302×v3

其中：a表示機動車的加速度(m/s2)；v表示機動車速度(m/s)。

本平臺首先根據(jù)VISSIM評價文件輸出的機動車逐秒的a和v值，根據(jù)VSP計算公式得到機動車的瞬時VSP。

MOVES在進行微觀層面排放測算時，最主要的輸入數(shù)據(jù)是排放源bin運行工況分布參數(shù)，運行工況比速度和行駛周期能更詳盡描述排放源的運行特征[14-15]。MOVES模型中把機動車排放分成不同的排放源bin，排放源bin模塊與機動車比功率VSP和速度的關系見表1。

表1 機動車運行工況分布

注：剎車工況bin為0，怠速工況bin為1。

1.2 MOVES與VISSIM耦合

VISSIM中車型分為小汽車、公交車、貨車等6種。MOVES中車輛類型分別為摩托車、轎車、客運車等11種[12-13]。將兩個軟件結合使用，須建立兩者之間的車型對應關系。本文主要分析小汽車、公交車和貨車的排放特性，3種車型在VISSIM和MOVES的對應關系見表2。

表2 VISSIM和MOVES車型對應關系

本文用Labview編程工具搭建機動車運行工況計算平臺，通過VISSIM輸出的逐秒數(shù)據(jù)計算機動車運行工況分布比例，之后導入MOVES中進行排放測算。

1.3 搭建排放測算平臺

根據(jù)VSP計算公式和表1中運行工況與VSP、v的關系，用Labview編程計算。基于VISSIM逐秒仿真數(shù)據(jù)的機動車運行工況計算平臺如圖1所示，該數(shù)據(jù)轉(zhuǎn)換平臺可以更好地將VISSIM和MOVES結合使用。

圖1 運行工況計算平臺

基于該數(shù)據(jù)轉(zhuǎn)換平臺，可共同構建基于微觀交通仿真模型的排放測算平臺，具體工作流程如圖2所示。

圖2 排放測算平臺流程

根據(jù)調(diào)查得到的交通基礎數(shù)據(jù)，在VISSIM中進行交通仿真，通過VISSIM評價“車輛記錄”中輸出“車輛編號”、“車輛類型”、“車道路段編號”、“車道索引”、“速度”、“加速度”等參數(shù)；用MySQL數(shù)據(jù)庫對VISSIM數(shù)據(jù)按照“路段編號”進行處理，將每條路段上的機動車類型、速度、加速度進行統(tǒng)計處理，作為導入機動車運行工況平臺的基礎數(shù)據(jù)；將整理過的數(shù)據(jù)通過人工操作導入到機動車運行工況計算平臺，得出各路段各車型的運行工況分布比例；然后將各路段上的機動車運行工況分布比例按照“MOVES data import”導出模板進行填充，再將填充的“路段信息”、“運行工況”等數(shù)據(jù)導入MOVES模型進行排放測算。

2 交叉口組織優(yōu)化排放分析

選定一城市信號控制交叉口，東西方向為雙向9車道主干路，南北為雙向5車道次干路，該交叉口的基礎信息見表3和表4。

表3 原始交叉口信號配時方案 s

表4 原始交叉口數(shù)據(jù) (veh·h-1)

注：交通組成采用VISSIM默認值，95%為小汽車，公交車為3%，貨車為2%。

2.1 原始交叉口排放特性分析

在VISSIM中構建交叉口模型，對駕駛行為參數(shù)進行校正，設置最小車頭間距1 m，消失前等待時間80 s，最小車頭間距1 m，設置安全距離的附件部分為2.75 m，安全距離的倍數(shù)部分為3.75 m。通過機動車運行工況計算平臺得到的機動車VSP的分布情況如圖3所示。

圖3 原始交叉口各車型VSP bins分布

由圖3可知：各車型在交叉口的怠速工況比例都比較高，小汽車VSP bins分布在bin16～bin24區(qū)間，貨車和公交車VSP bins主要分布在bin0～bin16區(qū)間，VSP bins超過bin30的比例較低，表明機動車在經(jīng)過交叉口時速度較低，說明研究機動車在交叉口排放是解決交通排放的重點。經(jīng)排放測算平臺計算得出原始交叉口車均延誤、平均停車次數(shù)及單位小時交叉口污染物排放量，見表5。

表5 原始交叉口評價指標

2.2 交叉口渠化對交通排放的影響

對原始交叉口南北向進口道進行渠化，進口道右側拓寬，由3條進口道改成4條，左邊車道設為左轉(zhuǎn)，中間兩條為直行，右邊為右轉(zhuǎn)，如圖4所示。

圖4 南北向進口道渠化

交叉口渠化后，對渠化前后各類車型的VSP bins分布情況進行分析，結果如圖5所示。

由圖5可知：渠化后各車型的怠速工況和剎車工況比例都有所減少。經(jīng)排放測算平臺計算渠化后車均延誤、停車次數(shù)及單位小時內(nèi)交叉口污染物排放量，結果見表6。渠化后車均延誤為25.9 s，下降了9.1%；平均停車次數(shù)為0.62，減少了13.9%；渠化后CO、HC和NOx排放分別下降了31.1%、13.2%、6.7%。故對交叉口采取合理的渠化措施不僅可以降低機動車的行車延誤和停車次數(shù)，對于減少交通排放也很有幫助。

圖5 渠化后VSP bins分布對比

評價指標車均延誤/s停車次數(shù)排放量/(g·h-1)COHCNOx渠化25.90.625 428.991 136.891 407.45原始28.50.727 875.291 309.79 1 509.06

2.3 設置左轉(zhuǎn)待轉(zhuǎn)區(qū)對交通排放的影響

在原始交叉口設置東西向的左轉(zhuǎn)待轉(zhuǎn)區(qū)，須在交叉口增加信號燈組5，設置在東西向進口道左轉(zhuǎn)車道，信號燈組4前移至左轉(zhuǎn)待轉(zhuǎn)區(qū)域，東西直行相位的信號燈組保持不變。交叉口信號燈組調(diào)整如圖6所示。

圖6 信號燈組調(diào)整示意圖

設置左轉(zhuǎn)待轉(zhuǎn)區(qū)后，各車型VSP bins分布情況如圖7所示。

圖7 設置左轉(zhuǎn)待轉(zhuǎn)區(qū)后VSP bins分布對比

由圖7可知：設置左轉(zhuǎn)待轉(zhuǎn)區(qū)后，機動車剎車工況bin0比例有所增加，怠速工況bin1比例有所下降，表明設置左轉(zhuǎn)待轉(zhuǎn)區(qū)后交叉口的停車次數(shù)有所增加。設置左轉(zhuǎn)待轉(zhuǎn)后車均延誤、停車次數(shù)及單位小時內(nèi)污染物排放量見表7。設置左轉(zhuǎn)待轉(zhuǎn)區(qū)后，車均延誤為28.1 s，車均延誤降低1.4%；停車次數(shù)為0.74，增加了2.7%；交叉口CO、HC和NOx排放量分別增加37.3%、15.2%、21.6%。設置左轉(zhuǎn)待轉(zhuǎn)區(qū)充分利用了交叉口的幾何空間和左轉(zhuǎn)相位綠燈時間，但交通排放可能增加，故在交叉口設置左轉(zhuǎn)待轉(zhuǎn)區(qū)時要權衡交叉口排放與延誤水平之間的權重。

表7 設置待轉(zhuǎn)區(qū)的交叉口評價指標

2.4 信號優(yōu)化對交通排放的影響

原始交叉口仿真中出現(xiàn)部分相位車輛排隊時間長，而有的相位沒有車輛通行，所以需要對叉口的初始信號配方案時進行優(yōu)化。根據(jù)韋伯斯特信號配時算法對信號配時進行優(yōu)化，優(yōu)化后的信號配時參數(shù)見表8。

表8信號配時優(yōu)化參數(shù) s

信號配時優(yōu)化后，各車型VSP分布變化如圖8所示。由圖8可知：經(jīng)過信號優(yōu)化后的交叉口機動車怠速VSP bins分布比例有所減少，小汽車VSP bin16～bin30所占比例有所增加，公交車和貨車VSP bin12～bin16所占比例也有所增加。信號優(yōu)化后車均延誤、停車次數(shù)及單位小時污染物排放量見表9。信號優(yōu)化后的車均延誤為25.4 s，減少了8.05%；停車次數(shù)為0.675，減少了6.64%；CO、HC和NOx排放量分別降低了4.9%、16.8%、9.3%，減排效果明顯。

圖8 信號優(yōu)化后VSPbins分布對比

評價指標車均延誤/s停車次數(shù)排放因子/(g·h-1)COHCNOx信號優(yōu)化25.40.6757 489.481 089.251 369.84基礎28.50.727 875.291 309.79 1 509.06

3 結論

通過搭建機動車運行工況仿真平臺，更好地將VISSIM和MOVES結合使用，為微觀交通層面進行排放測算提供精確量化的方法，利用排放測算平臺對交叉口組織優(yōu)化措施進行分析，結果表明：

1) 對交叉口進行合理渠化、結合路權分配等措施不僅能減少交叉口的車均延誤和停車次數(shù)，同時對于減少交叉口的排放也有明顯效果。

2) 對于左轉(zhuǎn)車流較大的交叉口，設置左轉(zhuǎn)待轉(zhuǎn)區(qū)可以有效地利用信號綠燈時間，減少車輛在交叉口的延誤時間，但增加了機動車的停車次數(shù)，污染物排放可能增加，因此在考慮設置左轉(zhuǎn)待轉(zhuǎn)區(qū)時，應該充分權衡行車延誤和交通排放之間的權重。

交叉口信號優(yōu)化的目的是最大限度地滿足交叉口的交通需求，合理的信號優(yōu)化是降低車均延誤和減少交通排放更有效、快捷的方法。

用該排放測算平臺對交叉口組織優(yōu)化措施進行排放測算分析，可以從微觀層面精確量化每種組織措施對交通排放的影響。

[1] 環(huán)境保護部.中國機動車環(huán)境管理年報(2017)[EB/OL].[2017-06-20].http://www.mep.gov.cn/gkml/sthjbgw/qt/201706/t20170603_415265.htm.

[2] 黃冠濤.基于MOVES的微觀層次交通排放評價[D].北京：北京交通大學,2011.

[3] SADEKA W,ZHAO Y J.Computation efficient approaches to integrating the MOVES emissions model with traffic simulators[J].Procedia Computer SciVerse,2013,35(5):882-887.

[4] 郭園園,曹罡,朱榮淑.基于深圳本土化MOVES模型微觀層次敏感性分析[J].交通信息與安全,2015,33(2):116-123.

[5] 黃文偉,強明明,孫龍林，等.基于MOVES的車輛排放因子測試[J].交通運輸工程學報,2017,17(1):140-148.

[6] 張廣昕,孫晉偉.基于MOVES的機動車排放分析及控制措施研究[J].交通節(jié)能與環(huán)保,2013,9(1):24-29.

[7] 吳湖青，李秀梅.基于Labview的信號處理虛擬實驗平臺.[J].杭州師范大學學報(自然科學版)，2014,13(6):669-672.

[8] 楊鵬史，劉永紅，黃玉婷，等.基于ES-VSP分布的交通狀態(tài)對公交車動態(tài)排放的影響[J].環(huán)境科學研究,2017,30(11):1793-1800.

[9] 楊兆升,曲鑫,林賜云，等.考慮低排放低延誤的交通信號優(yōu)化方法[J].華南理工大學學報(自然科學版),2015,43(10):29-34+41.

[10] 呂寧寧.基于MOVES的交通排放評價系統(tǒng)及優(yōu)化[D].西安：長安大學,2012.

[11] 姚榮涵,王筱雨,趙勝川,等.基于機動車比功率的單點信號配時優(yōu)化模型[J].交通運輸系統(tǒng)工程與信息,2015,15(5):89-95.

[12] 謝榮富,陳振斌,鄧小康，等.基于MOVES2014a的海口市機動車污染物排放特征及分擔率研究[J].海南大學學報(自然科學版),2017,35(3):282-289.

[13] U.S.Environment Protection Agency.Using MOVES2014 in project-level Carbon Monoxide Analyses[R].Washington:Transportation and Climate Division Office of Transportation and Air Quality,2015.

[14] U.S.Environment Protection Agency.MOVES 2014a User Guide[R].Washington:Assessment and Standards Division Office of Transportation and Air Quality,2015.

[15] 肖裕龍.基于機動車PM2.5排放分析的信號控制交叉口仿真優(yōu)化研究[D].成都：西南交通大學,2015.