确定路网段上的污染物、噪声排放、道路安全参数的方法技术

本发明专利技术涉及一种确定与路段上的车队(P1)的污染物和/或噪声排放和/或道路安全相关的物理参数(Phy)的方法。该方法包括以下步骤：a)测量(MES)该路段上车辆的位置(pos

【技术实现步骤摘要】
确定路网段上的污染物、噪声排放、道路安全参数的方法


[0001]本专利技术涉及路网段的污染物和/或噪声排放和/或道路安全参数的表征。

技术介绍

[0002]根据世界卫生组织(WHO)，每天约有18000人死于不良空气质量，这使得该估算达每年约650万人死亡。空气污染也是重大财政问题：根据参议院调查委员会在2015年7月评估的，考虑到污染造成的健康损害及其对建筑物、生态系统和农业的影响，在法国空气污染估计总成本在每年680亿至970亿欧元之间。
[0003]尽管公共当局采取的许多措施以及在该领域中的技术进步，但交通运输部门仍然是主要的排放源。在所有模式中，约50％的全球氮氧化物(NOx)排放量和约10％的PM2.5(直径小于2.5μm的颗粒物)排放量来自交通运输。仅道路交通就对交通运输相关排放做出了重大贡献，其NOx排放量占58％且PM2.5排放量占73％。
[0004]这些排放主要归因于三个因素：废气排放、腐蚀排放和蒸发排放。虽然重型卡车是主要污染物排放者，但更多出现在人口密集市区的乘用车对市民暴露在不良空气质量中的影响最大。
[0005]当地为交通运输管理而采取的措施(如更好的交通运输规划和鼓励模式转换)以及逐步更新车队，有助于限制城市和市区道路交通运输的废气排放。事实上，在过去十年里，全世界的道路交通运输活动增加了四分之一，但是NOx和颗粒物排放分别增加了5％和减少了6％。尽管有了这些改善，但在许多城市，污染水平仍然超过WHO设定的阈值。
[0006]当前，负责交通运输政策实际应用的机构没有使他们能够了解道路开发在污染物排放、噪声和道路安全方面的影响的必需工具。诸如更改限速、设立交通灯交叉路口或减速带等决策对车辆的速度和加速度(因此对它们的污染物和噪声排放)有直接且重大的影响。迄今，这些影响是未知的，并且因此诸城市没有将它们纳入考虑。
[0007]这种知识的缺乏与收集允许对这些影响进行评估的真实代表性数据的难度密切相关。当今，新数字技术为解决这一问题提供了机会。的确，更容易地收集大量的真实移动数据(例如，数千个体驾驶员每日出行的GPS或即全球定位系统类型的记录，也称为FCD或即浮动车数据)是可能的。
[0008]文献表明，当今根据GPS信号来表征排放(L.Thibault，P.Degeilh，O.Lepreux，L.Voise，G.Alix，G.Corde，“A new GPS
‑
based method to estimate real driving emissions(估计实际驾驶排放的基于GPS的新方法)”，IEEE第19届智能交通运输系统国际会议(International Conference on Intelligent Transportation Systems)，2016年)、噪声(C.Asensio，J.M.L
ó
pez，R.Pag
á
n，I.Pav
ó
n，和M.Ausejo，“GPS
‑
based speed collection method for road traffic noise mapping(用于道路交通噪声地图的基于GPS的速度采集方法)”，Transp.Res.Part D Transp.Environ.，卷14，no.5，第360
‑
366页，2009)和地面附着力(R.Vaiana等人，“Driving behavior and traffic safety:an acceleration
‑
based safety evaluation procedure for smartphones(驾驶行为和交通
安全：针对智能手机的基于加速度的安全评估程序)”，Mod.Appl.Sci.，卷8，no.1，第88页，2014)。
[0009]以下模型尤其是已知的：综合模式排放模型(CMEM)(M.Barth，“The Comprehensive Modal Emission Model(CMEM)for Predicting Light
‑
Duty Vehicle Emissions(用于预测轻型车辆排放的综合模式排放模型(CMEM))”，Transportation Planning and Air Quality IV:Persistent Problems and Promising Solutions(交通运输规划和空气质量IV：持久性问题和有希望的解决方案)，2000，第126
‑
137页)，乘用车和重型车排放模型(PHEM)(S.Hausberger、M.Rexeis、M.Zallinger和R.Luz，“PHEM User guide for version 10(PHEM用户指南第10版)”，TUG/FVT Rep.，第1
‑
57页，2010)和美国弗吉尼亚理工大学微观能源和排放模型(VT Micro)(H.Rakha、K.Ahn和A.Trani，“Development of VT
‑
Micro model for estimating hot stabilized light duty vehicle and truck emissions(用于估算热稳定轻型车辆和卡车排放的VT微型模型的开发)，Transp.Res.Part D Transp.Environ.，卷9，no.1，第49
‑
74页，2004)。
[0010]然而，这几个现有空气质量监测工具没有允许准确地估计污染物和/或噪声排放的比例，或实际使用中对道路安全的影响，也没有精确地确定它们在空间中的位置。事实上，在这些方法中，排放评估是基于数公里路段上的平均速度的，如在COPERT方法(COmputer Program to calculate Emissions from Road Transports(计算道路交通运输排放的计算机程序)，由欧洲环境署资助的项目，http://emisia.com/products/copert)中。因而，这些方法没有考虑这些路段上的现有加速/减速阶段，而这些阶段会产生高污染物和/或噪声排放并可对道路安全有影响，尤其是由于车辆缺少地面附着力。
[0011]此外，车辆的技术特性没有被正确地纳入考虑，尤其是最近的柴油车，这会导致严重错误。
[0012]因此，在没有具体的工具来评估在污染、噪声和/或道路安全方面的影响的情况下，城市很难在道路基础设施开发方面做出正确的决策。
[0013]考虑到缺乏此类工具，一些社区直接对基础设施或路网法规进行修改，并且他们任选地对污染物和/或噪声排放和/或道路安全方面的风险进行后验研究。
[0014]在进行研究时，这一后验研究在某些情况下是定量的，而在另一些情况下只是定性的。
[0015]在定量时，污染物/噪声排放和/或道路安全风险措施随后结合这本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定与路网段上预定车辆的预定义车队(P1)的污染物和/或噪声排放和/或道路安全相关的物理参数(Phy)的方法，所述方法使用测量所述路网段上的位置(pos
GPS
)、速度(v
GPS
)和海拔(alt
GPS
)的至少一个装置，其特征在于，执行以下步骤：a)使用所述至少一个测量装置来在所述路网段上至少测量(MES)位置(pos
GPS
)、速度(v
GPS
)和海拔(alt
GPS
)，并确定(DET1)所述路网段上的速度剖面(pv)，b)根据所述预定车辆的特性(PAR)和由此确定的速度剖面(pv)，来确定(DET2)所述路网段的至少一部分上所述预定义车队的所述预定车辆中的每一者的至少一个物理特性(Tab)，c)将所述预定义车队(P1)应用(APP)于在前一步骤中确定的所述物理特性(Tab)，以获得所述物理特性在所述预定义车队上的分布(Rep)，d)借助在步骤c)中获得的所述物理特性的所述分布(Rep)来确定(DET3)所述路网段的所述至少一部分上的所述物理参数(Phy)。2.如权利要求1所述的方法，其特征在于，执行诸测得位置(pos
GPS
)的空间聚集。3.如权利要求2所述的方法，其特征在于，所述空间聚集包括校正诸测得位置(pos
GPS
)以与所述路网段的诸位置相对应。4.如前述权利要求中的任一项所述的方法，其特征在于，所述路网段被分成预定长度的分段，并且步骤b)、c)和d)是在所述预定长度的分段中的每一者上执行的。5.如前述权利要求中的任一项所述的方法，其特征在于，在步骤d)中，所述物理参数(Phy)是通过聚集在步骤c)中获得的所述物理特性的所述分布(Rep)在至少所述路网段上确定的。6.如权利要求5所述的方法，其特征在于，执行所述物理参数的分布(Rep，rep_phy)的所述聚集，所述物理参数(Phy)被取为与预定分位数相对应的、所述物理特性的所述分布(Rep，rep_phy)的值，所述预定分位数优选地是第六十百分位数。7.如前述权利要求中的任一项所述的方法，其特征在于，所述物理参数(Phy)包括所述路网段的所述部分的NOx排放量(Em)、PM2.5颗粒物排放量、温室气体排放量、噪声排放和/或代表对道路安全的影响的变量，优选地代表对道路安全的影响的所述变量是与所述路网段的所述部分的附着力。8.如前述权利要求中的任一项所述的方法，其特征在于，所述预定车...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：IFP新能源公司，
类型：发明
国别省市：