北京市2017年典型日動態交通流特征研究

王燕軍，何巍楠，解淑霞，趙晉，唐祎骕，程穎

(1.中國環境科學研究院/國家環境保護機動車污染控制與模擬國家重點實驗室，北京 100012；2.北京交通發展研究院，北京 100073)

隨著城市化進程的加快，機動車排放已成為北京市大氣污染的重要來源，對北京地區PM2.5來源解析的相關研究數據表明，機動車已成為北京市PM2.5排放的最大本地源，占比高達45%[1]。為了加強大氣污染治理工作，2018年以來，國家及地方層面陸續發布相關文件。2018年6月16日中共中央、國務院發布《關于全面加強生態環境保護堅決打好污染防治攻堅戰的意見》，2018年6月27日國務院印發《打贏藍天保衛戰三年行動計劃》(國發〔2018〕22號)[2]，2018年3月15日北京市正式發布《北京市藍天保衛戰2018年行動計劃》(京政辦發〔2018〕9號)[3]，從機動車污染排放治理目標—措施—監測—執法—數據等多方面對機動車污染控制提出了明確要求，提出了完善交通基礎設施、交通需求管理、機動車結構優化調整等一系列精細化管理政策措施。因此，對機動車排放進行精細化管控，開展機動車污染動態模型研究，對于掌握機動車動態排放演變規律，支撐機動車污染治理精細化決策具有重要意義。為此，本文開展了2017年五種典型日下北京市路網上機動車的行駛特征研究，以期為下一步掌握北京市機動車排放特征和完善機動車交通管控措施提供決策依據。

1 北京市交通流獲取方法

1.1 小客車交通流獲取方法

北京市小客車交通流可通過速度擴樣模型及速度流量反推模型[4-5]獲得，具體流程如下：

(1)基于交調數據、RTMS數據、浮動車Link數據，融合分析路網上不同日期(工作日、非工作日)小時級路網速度；

(2)速度—流量模型標定：基于路網上Link的速度，通行能力，結合BPR路阻函數模型，輸出路網上不同日期(工作日、非工作日)小時級社會車流量。

在本文中，小客車交通流獲取所需基礎數據包括基于Link的浮動車數據、交調數據、RTMS數據：

(1)基于link的浮動車數據：基于link的浮動車數據包含linkID、時間、LinkID相關道路信息、出租車交通流參數。

(2)交調數據：全市檢測點位接近1300個，通過微波、線圈等不同技術手段實現流量采集，覆蓋全市主要國道、市道和縣道。數據動態回傳按五分鐘回傳一次，可以識別大客車、中型貨車、大貨車、超大貨車、小汽車等車型，準確度較高。

(3)交管局RTMS數據：全市檢測點位1680個，通過微波手段實現流量和速度采集，覆蓋全市主要高速路、主干路和快速路。數據動態回傳按2分鐘回傳一次，可以匯總道路流量，可以實現主要路段總體車隊流量演化分析。

1.2 出租車交通流獲取方法

出租車交通流參數要先依據基于link的浮動車數據獲取出租車重車交通流參數，再根據浮動車OD數據分區分時刻計算重車占所有出租車的比例，以此反算所有出租車的交通流參數。

在本文中，可獲取的用于進行出租車交通流參數信息提取的基礎數據包括基于link的浮動車數據和浮動車OD數據兩類。基于link的浮動車數據獲取方式與小客車類似。浮動車OD數據是根據浮動車數據處理得到每個浮動車每次出行OD的數據。浮動車OD數據包括以下內容：出租車車牌號、每次出行OD的起止時間、每次出行OD的位置信息。

1.3 公交車流量流獲取方法

基于GPS數據的公交車交通流參數獲取方法有以下兩種：

(1)GPS數據糾偏：以常規公交GPS數據作為輸入，經過數據清洗、糾偏等質量控制之后，輸出質量較好的原始數據。

(2)基于軌跡數據的路段匹配算法[6]：結合北京市路網圖層，建立GPS-Link匹配算法，實現上下行精準分離。

本文中，可獲取的用于進行公交車交通流參數信息提取的基礎數據包括公交GPS數據和路網GIS數據兩類，如下所示：

(1)公交GPS數據：公交GPS數據是公交車將軌跡數據上傳至相應平臺的數據，主要包含：IC卡唯一ID、上下車刷卡時間、上下車刷卡線路編號和站點編號、登計車輛編號。

(2)北京市路網GIS文件：北京市31萬個Link的地理信息系統文件，包含道路名稱、道路類型、道路長度等關鍵字段。

1.4 貨車流量獲取方法

貨車流量獲取方法綜合應用了交調數據、高速公路收費數據、核查線調查數據、RTMS城市快速路微波檢測數據等四大類流量數據。模型基于治超數據、視頻檢測數據進行貨車車隊結構特征提取，結合貨車GPS軌跡和運單數據進行行駛路徑校核與驗證。

在本文中，可獲取的用于進行貨車交通流參數信息提取的基礎數據包括固定治超站數據、RTMS數據、交調數據、高速流量數據、重型載貨GPS數據等。

1.5 大客車流量仿真模型

本文所研究的大客車流量指旅游、省際等長途客運車輛，也包含一些營運類型的單位班車流量。在分析計算時，大客車數據來源主要為兩客一危GPS監測數據，但限于GPS監測車輛較少且數據質量較差，本文最終選擇用小客車流量、路網車隊結構數據兩類數據做數據輸出，輔以GPS數據做小樣本對照的方式來獲取。

2 北京市交通流空間結構調查

北京市交通流空間結構調查主要是描述北京市路網各路段的車隊結構，車隊結構模型將作為交通流仿真模型與排放因子模型的重要耦合工具。模型的建立將充分考慮北京市現行及規劃研究政策，如針對非京籍車輛、貨運車輛等交通政策，針對排放標準、燃料類型、車重類型等環保政策等。結合北京市不同交通行業的排放特征，對北京市道路車隊結構進行劃分。北京市車隊結構模型設計原則：(1)車隊劃分：主要考慮車輛所屬行業類型、車籍及環保屬性等；(2)空間劃分：主要考慮中心城區與郊區縣差異、環路區域差異、不同道路類型差異等；(3)時間劃分：區分白天與夜間。模型整體架構劃分為三個層次：基礎數據層、數據擴樣層及輸出結果層，模型架構思路如圖1所示。

圖1 交通流空間結構模型框架思路

本文中，可利用的基礎數據包括：

(1)核查線數據：核查線數據包括調查點位共計428個，主要分布于主要環路，每個點位包括小客車、出租、公交車、大貨車、小貨車、大客車六種車型的流量占比。該數據可用于求解不同行業屬性的路段車輛結構比例。

(2)郊區縣道路交調數據：郊區縣道路交調數據包括調查點位共計282個，主要分布于市域區內的各級公路，每個點位包括中小型客車、大型客車、微型貨車、輕型貨車、中型貨車、重型貨車的流量占比。該數據可用于求解不同行業屬性的路段車輛結構比例。

(3)道路車型結構調查數據：調查時段為2017年3月份，包括調查點位共計20個，主要分布于環路、進出京高速及主次干路。其中，17個點位包括京籍與非京籍的省際、出租、公交、郊區客運、貨運、租賃、旅游、社會客車、社會貨車不同車重類型、燃料類型、排放標準的工作日道路流量占比，選擇調查點位時充分考慮客運站、貨運站等設施對路段車輛結構的影響；3個點位的調查地點和時間為環路周末、高速周末、環路四九限行日。

3 結果分析

本文中，選取了5月1日(節日)、8月3日(工作日)、8月4日(非工作日)、9月2日(中非論壇)和11月3日(重污染天)五種典型日來研究2017年北京市工作日、非工作日、重污染天、節日和重大活動日等不同環境背景下機動車晝夜24小時逐時交通流變化特征。用以推算公交車的流量的公交GPS數據部分參考了2017年1月11日(工作日)、1月14日(非工作日)、2月15日(重污染日)和2016年10月1日(節日及重大活動日)的數據。交通特征刻畫的參數選取了車輛行駛公里數VKT(Vehicle Kilometers of Travel，單位：千米)作為衡量交通出行量大小的指標。

3.1 典型天VKT分析

根據各類型機動車的交通流調查數據，通過交通流模型，可以得到各類型車、不同典型日機動車VKT總量，如圖2所示。從圖2可以看出，在不同的典型日，工作日機動車VKT總最大，其余依次是非工作日、重污染天、節日、重大活動日。其中非工作日、節日、重污染天的VKT差別不大，重大活動日的VKT比工作日VKT減少約30%，這表明工作日機動車的出行還是要高于其他幾種環境。北京市重大活動日可能由于明顯的限流作用，機動車VKT明顯偏小。本文研究還表明，目前重污染日的限制措施對機動車VKT的影響較小。

圖2 典型天VKT對比

3.2 各交通方式VKT分析

研究表明，不同車型在不同典型日VKT分布具有一定規律。各典型日中，VKT占比最大的車型均為社會小客車(9座以下)，這與小客車的保有量最大相一致。VKT中占比最小的是大客車。其次占比倒數第二小的是公交車。貨車和出租車的VKT位于中間。如圖3所示。在各典型日，社會車的VKT占比最高，均為80%以上，顯示了小客車排放為北京市機動車排放的重要來源之一。

圖3 各交通方式VKT分布

3.3 分時段VKT分析

研究得到北京市分時段的VKT分布如圖4所示。從圖4可以看出，分時段VKT曲線呈現馬鞍型雙峰曲線，早晚高峰時候VKT均較高，中午12:00至13:00為白天的VKT最低點。早晚高峰流量是一天當中最高的，使得VKT亦為最高；中午為普遍意義上的吃飯、午休時段，致使流量降低，VKT降低。

圖4 分時段VKT

各車型在一天不同時段VKT分布情況見圖5。北京市的貨車在夜間流量高于白天，在凌晨5:00之后呈現下降趨勢，早上7:00之后曲線較為平緩，這主要是由北京市對貨車進城時間的管理規定決定的。貨車4:00到5:00的小時VKT占比最大，占到了14.09%(夜間為43.19%)。除了貨車，其余交通方式在一天的24小時中，VKT曲線均呈現馬鞍型雙峰曲線，早晚高峰時候VKT較高，公交車、大客車、社會車、出租車的早高峰(8:00—10:00點)和晚高峰(17:00—19:00點)占比分別約為40.0%、36.3%、36.5%、32.3%，中午12:00至13:00為白天的VKT最低。

圖5 分時段交通方式VKT分布

3.4 空間分布特征

五種不同車型在不同的天氣模式下具有不同的VKT分布特點，以貨車、小客車為例的空間交通流量分布如圖6～9所示。貨車在工作日、非工作日流量主要集中在五環到六環之間和幾條主要國道、省道上。小客車在工作日、非工作日流量主要集中在四環以內。北京市小客車流量和人流量密切相關，四環以內包含東城區、西城區、海淀區、朝陽區、豐臺區，聚集了大量的流動人口，故這些區域出行的小客車占比較高。小客車在重污染日除了集中在四環內，四環外的區域均有一定量的小客車行駛，在天氣條件惡劣的情況下，進出京的人流一定程度上會選擇自有的小客車出行，減少在搭乘公共交通時的暴露時間。

圖6 貨車工作日VKT

圖7 貨車非工作日VKT

圖8 小客車工作日VKT

圖9 小客車非工作日VKT

4 結 論

通過對北京市五種典型日機動車交通流的調查和模擬仿真，可得到以下結論：

(1)五種典型日中，北京市工作日機動車的行駛里程最高；

(2)社會小客車在五種典型日中，行駛里程占比最高，占比可達80%以上；

(3)北京市機動車分時段交通流特征呈明顯的馬鞍型雙峰特性，其高峰主要出現在8:00-10:00以及17:00-19:00時間段。

(4)貨車交通流主要集中在五環到六環之間以及幾個主要交通聯絡線上，小客車交通流主要集中在四環內。