基于交通仿真的高速公路交通事故擁堵排放特性

摘要：為分析高速公路上由交通事故造成的交通流擁堵狀態的車輛尾氣污染物排放特性，采用微觀仿真軟件VISSIM仿真高速公路交通流擁堵狀態和流暢狀態的車輛運行數據，基于比功率（vehicle specific power，VSP）的車輛尾氣污染物排放測算模型計算2種狀態下不同車型的尾氣污染物排放量，并進行對比分析，通過綜合移動源排放模型（motor vehicle emission simulator，MOVES）驗證基于VSP排放測算結果的準確性。結果表明：擁堵狀態下不同車型車輛加速工況的尾氣污染物排放量大于減速與怠速工況；交通流擁堵狀態下車輛CO、NO_x、HC與CO₂的排放量約為流暢狀態下的1.86、1.86、2.15、2.01倍，高速公路交通事故擁堵狀態下的尾氣污染物排放量遠高于流暢狀態；2種模型對4類尾氣污染物排放測算結果較接近，相對平均偏差較小。

關鍵詞：高速公路；交通事故；擁堵；尾氣排放；微觀仿真；VSP

中圖分類號：U491.9文獻標志碼：A文章編號：1672-0032（2024）03-0026-05

引用格式：武青青，余雪，高超，等.基于交通仿真的高速公路交通事故擁堵排放特性［J］.山東交通學院學報，2024，32（3）：26-30.

WU Qingqing， YU Xue， GAO Chao， et al. Emission characteristics of highway traffic accident congestion based on traffic simulation［J］.Journal of Shandong Jiaotong University，2024，32（3）：26-30.

0 引言

隨著經濟的發展，高速公路車流量持續上升，交通事故發生率隨之增大，交通事故造成的交通流擁堵會增大車輛燃油消耗及尾氣污染物排放，影響高速公路行車環境。研究交通事故擁堵時車輛的尾氣污染排放具有重要的現實意義。

國內外學者對車輛尾氣污染物排放開展廣泛研究。城市道路方面，吳孟庭等^[1]采用微觀仿真軟件VISSIM分析設置公交專用道前、后路段的交通流變化及污染物排放因子變化；李嘉智^[2]將微觀仿真軟件VISSIM與綜合移動源排放模型（motor vehicle emission simulator，MOVES）結合，基于比功率（vehicle specific power，VSP）排放測算模型計算城市道路信號交叉口的車輛尾氣排放；Lü等^[3]分析城市相鄰交叉口的協調控制對城市道路車輛尾氣排放的影響；Abdull等^[4]基于車輛排放模型預測日本京都市國道上轎車和卡車的交通特征和尾氣污染物排放。高速公路是連接城市的重要紐帶，承擔大量客、貨車運輸活動，對高速公路排放污染研究主要集中在高速公路污染物排放時空分布特征，程大千等^[5]基于道路車輛大氣污染物排放清單和CALINE-4擴散模式，分析江蘇省高速公路網車輛污染物排放及擴散的時空分布特征；高丹丹等^[6]采用排放因子法，建立河南省2016年高速公路車輛高分辨率大氣污染物排放清單；鄒澤耀等^[7]基于福建省高速公路交通流量數據，建立福建省2020年部分月份的高速公路車輛高分辨率污染物排放清單；李賓等^[8]以湘潭市大橋飯店路口為例，根據現場調研數據計算車輛怠速與慢速2種情形的擁堵碳排放，認為湘潭市交通擁堵導致的能耗和碳排放的增加幅度不小于30%；王景榮等^[9]建立交通擁堵碳排放計算模型，為計算高速公路擁堵時的碳排放提供理論依據。隨機動車保有量的增大，高速公路交通事故擁堵和空氣污染問題日益嚴重，從微觀層面對高速公路交通事故造成交通擁堵時車輛尾氣污染物排放特性的研究較少。

本文基于濟南市高速公路車流調查數據，采用微觀仿真軟件VISSIM模擬高速公路交通流擁堵狀態和流暢狀態下車輛運行數據，通過基于VSP的車輛尾氣排放測算模型計算并對比2種交通流狀態下車輛尾氣污染物排放量，為交通管理部門降低車輛尾氣污染、改善高速公路的行車環境提供數據支持。

1 排放測算模型與仿真方法

1.1 排放測算模型

車輛在行駛過程中的污染物排放與能源消耗、功率輸出密切相關。VSP是車輛發動機瞬時輸出功率與車輛質量之比，與車輛瞬時速度、瞬時加速度等有關^[10]，基于VSP的車輛尾氣排放測算模型可計算不同車輛類型、不同運行狀態的車輛尾氣排放量。

比功率的計算式^[11]為：

{P_VSP}={v}［{a}（1+ε_i）+{g}sin{θ}］+C_R{g}{v}+0.5{ρ_a}C_D{A}（{v}+{v_wind}）²{v}/{m}，

式中：｛P_VSP｝為以kW/t為單位的車輛比功率P_VSP的數值；{v}為以m/s為單位的車速v的數值；{a}為以m/s²為單位的加速度a的數值；ε_i為滾動質量系數，一般ε_i=0.1；{g}為以m/s²為單位的重力加速度g的數值；{θ}為以（°）為單位的道路坡度θ的數值，此處{θ}=0；C_R為滾動阻力系數，此處C_R=0.013 5；{A}為以m²為單位的車頭橫截面積（豎面）A的數值；{ρ_a}為以kg/m³為單位的空氣密度ρ_a的數值；C_D為風阻系數；{v_wind}為以m/s為單位的車輛迎面風速v_wind的數值；{m}為以t為單位的車輛質量m的數值。

簡化后，輕型車比功率的計算式^[12]為：

{P_VSPL}={v}（1.1{a}+0.132）+0.000 302{v}³，（1）

式中｛P_VSPL｝為以kW/t為單位的輕型車比功率P_VSPL的數值。

重型車的結構和質量與輕型車差異較大，重型車比功率的計算式^[13]為：

{P_VSPH}={v}（{a}+0.091 99）+0.000 169{v}³，（2）

式中｛P_VSPH｝為以kw/t為單位的重型車比功率P_VSPH的數值。

將車輛VSP按一定的間隔劃分為不同的區間，車輛在不同VSP區間的污染物排放率（區間平均瞬時排放率）不同。不同車輛VSP區間的污染物排放率如表1所示^[10]。

采用基于VSP的車輛尾氣排放測算模型計算尾氣污染物排放量時，將車輛在各VSP區間的行駛時間與該區間對應的污染物排放率之積累加后得總排放量^[2]

E=∑ni=1t_iR_i，（3）

式中：n為VSP區間數，t_i為車輛在第i個VSP區間的行駛時間，R_i為第i個VSP區間污染物的排放率。

1.2 仿真方法

微觀仿真軟件VISSIM能模擬微觀道路交通狀況，通過設置不同參數可輸出不同的車輛運行數據。在軟件VISSIM中構建長10 km的雙向四車道高速公路，車流量為3 000輛/h，限速100 km/h，車輛類型包括客一（荷載7座及7座以下的載客汽車）、貨一（車長不大于3.5 m且總質量不大于1 800 kg的載貨汽車，但不包括三輪汽車和低速貨車）、貨三（總質量不小于12 000 kg的載貨汽車），為實測高速公路占比較高的3種車型，按0.85∶0.09∶0.06設置3種車型的車輛數，分別模擬高速公路交通流流暢狀態和擁堵狀態下的車輛運行數據。設置路網預熱時間為0～1 000 s，在自西向東外側車道設置交通事故故障車輛，車輛故障時間（從開始擁堵到交通事故車輛移除）為1 000～2 800 s，仿真時間為5 000 s，在事故道路上每隔100 m設置排隊計數器。

通過軟件VISSIM內部數據采集器采集道路信息、排隊車輛數等數據，采用Vehicle Record模塊輸出仿真時間、時刻信息、車輛編號、車輛類型、車輛速度、車輛加速度等數據，根據輸出數據計算車輛尾氣污染物排放量。

2 仿真計算結果

通過VISSIM仿真得出高速公路自西向東單向車道交通流擁堵狀態和流暢狀態下的不同車型的瞬時速度、瞬時加速度等數據，結合式（1）（2）計算3種車型的瞬時VSP，由表1得到污染物排放率，采用式（3）計算高速公路交通流擁堵狀態與流暢狀態下不同車型的HC、CO、NO_x、CO₂污染物排放量，并與MOVES模型的測算結果對比，驗證基于VSP的車輛尾氣排放測算模型的準確性。

2.1 尾氣污染物排放測算

高速公路發生交通事故后，上游車輛到達區與擁堵區交界處形成集結波，清理事故車輛后，擁堵區與恢復區交界處形成消散波^[14]，此時，擁堵不會立即消失，消散波與集結波繼續向上游移動，持續影響交通流。

高速公路交通流擁堵狀態下車輛在仿真時間內的瞬時速度如圖1所示。由圖1可知：擁堵狀態下車輛可分為3種行駛情況，

在仿真時間內的瞬時速度包括未到達擁堵路段時在某種車流密度下正常行駛，擁堵路段頻繁怠速、加速、減速行駛，通過擁堵路段逐漸恢復正常行駛。擁堵路段車輛怠速、加速、減速3種運行工況時間占比分別為27.1%、44.7%、28.2%，加、減速工況時間占比達72.9%，說明擁堵狀態下車輛加、減速較頻繁。在仿真時間5 000 s內，交通流擁堵狀態下不同車型車輛在怠速、加速、減速工況下的尾氣污染物排放量如表2所示。

由表2可知：不同車型車輛加速工況的尾氣污染物排放量大于減速與怠速工況；客一在不同工況下的尾氣污染物排放量大于貨一與貨三，原因是高速公路上客一的車輛數占比大于貨一與貨三，整體尾氣污染物排放相對較多。

去除故障車輛，在相同路段、相同時間內仿真交通流流暢狀態下車輛運行工況，通過基于VSP的車輛尾氣排放測算模型計算高速公路流暢狀態下不同車型的單車污染物排放量，并與擁堵狀態下單車污染物排放量對比，結果如表3所示。由表3可知：3種車型在擁堵狀態下單車的尾氣污染物排放量明顯大于流暢狀態；擁堵狀態下，客一的單車CO排放量大于貨一和貨三，貨一和貨三的單車NO_x、HC、CO₂排放量大于客一，客一主要以汽油為燃料，汽油燃燒不充分的主要污染物為CO，貨一和貨三運行速度小且多以柴油為燃料，主要尾氣污染排放物為NO_x；流暢狀態下，貨三單車CO、NO_x、HC、CO₂的排放量均大于貨一和客一。

擁堵狀態與流暢狀態車輛尾氣污染物排放總量對比如表4所示。

由表4可知：擁堵狀態下，3種車型的CO、NO_x、HC、CO₂排放總量分別約為流暢狀態下的1.86、1.86、2.15、2.01倍，高速公路交通事故擁堵狀態下的車輛尾氣污染物排放量明顯大于流暢狀態。

2.2 MOVES模型仿真驗證

根據濟南市高速公路實際情況修正MOVES 3.1模型中的地理信息、氣象因素、燃油信息等參數后^[15-18]，測算高速公路交通流擁堵與流暢狀態的車輛尾氣污染物排放量。

計算相對平均偏差，衡量2種模型估算的車輛尾氣污染物排放量偏離平均排放量的程度，驗證基于VSP的車輛尾氣排放測算模型的準確性，相對平均偏差

R_MD=d/x×100%，

式中：d為2種模型測算的尾氣污染物排放量的偏差，x為2種模型測算的平均尾氣污染物排放量。

在擁堵狀態與流暢狀態下，2種模型測算的車輛尾氣污染物排放量對比結果如表5所示。由表5可知：2種模型對高速公路擁堵與流暢狀態下4類污染物排放量的測算結果較接近，相對平均偏差為2.00%～18.00%，表明基于VSP的車輛尾氣排放測算模型的結果較準確。

3 結論

基于濟南市高速公路車流調查數據，采用微觀仿真軟件VISSIM模擬仿真雙向4車道高速公路由交通事故造成的擁堵狀態與無交通事故流暢狀態的車輛行駛狀態，通過基于比功率的車輛尾氣污染物排放測算模型測算客一、貨一、貨三3種主要車型在擁堵狀態與流暢狀態下的尾氣污染物排放量。

1）高速公路上客一車輛數占比大于貨一、貨三，不同工況下的尾氣污染物排放量大于貨一、貨三，考慮運輸費用時，貨車司機會選擇國道、省道行駛，高速公路上重型貨車數占比較小，尾氣污染物排放較小。

2）高速公路擁堵狀態下，不同車型車輛加速工況下污染物排放量大于減速與怠速工況。

3）高速公路擁堵狀態下CO、NO_x、HC、CO₂排放量約為流暢狀態下的1.86、1.86、2.15、2.01倍，高速公路交通事故擁堵狀態下的車輛尾氣污染物排放量明顯大于流暢狀態，應盡可能縮短高速公路交通事故處理時間，減少高速公路整體尾氣污染物排放。

參考文獻：

[1] 吳孟庭，李鐵柱.路段公交專用道對車輛燃油消耗與污染物排放的影響分析[J].交通運輸工程與信息學報，2009，7（3）：78-86.

[2] 李嘉智.面向低污染排放的交通信號控制模型與優化方法研究[D].廣州：華南理工大學，2018.

[3] L J P， ZHANG Y L. Effect of signal coordination on traffic emission[J].Transportation Research Part D：Transport and Environment，2012，17（2）：149-153.

[4] ABDULL N， YONEDA M， SHIMADA Y. Traffic characteristics and pollutant emission from road transport in urban area[J].Air Quality， Atmosphere amp; Health， 2020，13：731-738.

[5] 程大千，鄒慶，張甦，等.機動車污染物排放及擴散的時空分布特征研究：以江蘇省高速公路網為例[J].公路交通科技，2020，37（11）：139-149.

[6] 高丹丹，尹沙沙，谷幸珂，等.河南省2016～2019年機動車大氣污染物排放清單及特征[J].環境科學，2021，42（8）：3663-3675.

[7] 鄒澤耀，鄭鑫程，徐崇敏，等.疫情背景下的福建省高速公路機動車污染物排放清單[J].環境科學學報，2022，42（5）：119-128.

[8] 李賓，周俊.交通擁堵的碳排放效應：以湘潭市大橋飯店路口為例[J].城市問題，2017（6）：46-51.

[9] 王景榮，肖鶴，解建光.高速公路擁堵碳排放計算模型研究[J].現代交通技術，2015，12（2）：81-84.

[10] 趙玉.考慮低排放的交叉口信號優化方法研究[D].長春：吉林大學，2022.

[11] SRINIVASAN D， CHOY M C， CHEU R L. Neural networks for real-time traffic signal control[J].IEEE Transactions on Intelligent Transportation Systems， 2006，7（3）：261-272.

[12] DAVIS N， LENTS J， OSSES M， et al. Development and application of an international vehicle emissions model[J].Transportation Research Record： Journal of the Transportation Research Board， 2005， 1939（1）：155-165.

[13] ANDREI P. Real world heavy-duty vehicle emissions modeling[D].Morgantown： West Virginia University，2001.

[14] 余雪，高超，張沖，等.基于VISSIM仿真的高速公路交通事故擁堵擴散與消散預測[J].山東交通學院學報，2023，31（3）：47-52.

[15] 姚勝永，李亞楠，劉佳豪.基于MOVES模型的石家莊市機動車排放清單研究[J].交通節能與環保，2019，15（6）：4-9.

[16] 岳園圓，宋國華，黃冠濤，等.MOVES在微觀層次交通排放評價中的應用研究[J].交通信息與安全，2013，31（6）：47-53.

[17] 李嘉智.信號交叉口機動車尾氣排放總量估算模型研究[J].公路與汽運，2022（3）：37-44.

[18] 李菊，何超，柏洋洋.基于MOVES的高速公路客運交通排放特性研究[J].機電工程技術，2023，52（2）：102-105.

Emission characteristics of highway traffic accident congestion

based on traffic simulation

WU Qingqing， YU Xue， GAO Chao， QI Rui， LIU Hualong， WANG Jian

School of Transportation and Logistics Engineering， Shandong Jiaotong University， Jinan 250357， China

Abstract：To analyze the emission characteristics of vehicle exhaust pollutants under congested highway traffic"conditions caused by traffic accidents， microscopic simulation software VISSIM is used to simulate vehicle operation data under both congested and smooth traffic conditions on highways. The vehicle specific power （VSP）-based emission calculation model is employed to compute the exhaust emissions of different vehicle types under these two conditions， and a comparative analysis is performed. The accuracy of the VSP-based emission calculation results is verified using the motor vehicle emission simulator （MOVES）. The results show that： under congested conditions， the exhaust emissions of vehicles during acceleration are higher than those during deceleration and idling; The emissions of CO， NO_x， HC， and CO₂ under congested traffic conditions are approximately 1.86， 1.86， 2.15， and 2.01 times higher， respectively， than those under smooth traffic conditions. The emissions under highway traffic accident congestion are significantly higher than under smooth conditions; the calculation results of the two models for the four types of exhaust pollutants are relatively close， with a small relative average deviation.

Keywords：highway; traffic accident; congestion; exhaust emission; microscopic simulation; VSP

（責任編輯：趙玉真）