唐爐亮，闞子涵，段 倩，李清泉，2

1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 深圳大學(xué)土木工程學(xué)院空間信息智能感知與服務(wù)深圳市重點(diǎn)實(shí)驗(yàn)室,廣東 深圳 518060

一種時(shí)空路徑支持下的車輛油耗與排放估計(jì)方法

唐爐亮1，闞子涵1，段 倩1，李清泉1，2

1. 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430079； 2. 深圳大學(xué)土木工程學(xué)院空間信息智能感知與服務(wù)深圳市重點(diǎn)實(shí)驗(yàn)室,廣東 深圳 518060

交通運(yùn)輸中能耗與污染物排放給人類環(huán)境帶來(lái)了嚴(yán)峻挑戰(zhàn)。本文提出了一種時(shí)空路徑支持下的油耗、排放估計(jì)新方法。該方法首先在時(shí)空集成的三維坐標(biāo)系下建立個(gè)體車輛的時(shí)空路徑并從中識(shí)別移動(dòng)/停留行為，然后根據(jù)時(shí)空路徑段與提取的運(yùn)動(dòng)參數(shù)利用COPERT模型估計(jì)車輛的油耗和排放，最后提出一種時(shí)空路徑的N維表達(dá)模型，將車輛的運(yùn)動(dòng)特征與時(shí)空路徑段的油耗與排放統(tǒng)一進(jìn)行可視化。試驗(yàn)中利用武漢市GPS軌跡大數(shù)據(jù)估計(jì)并分析了單輛車與路網(wǎng)片區(qū)的油耗與排放，結(jié)果顯示本文提出的時(shí)空路徑支持下的車輛油耗與排放估計(jì)方法在估計(jì)精度與可視化方面優(yōu)于傳統(tǒng)的基于平均速度估計(jì)方法，能夠更加準(zhǔn)確地估計(jì)和表達(dá)車輛油耗與排放。

油耗；排放；能耗/排放模型；COPERT模型；時(shí)空GIS；時(shí)空路徑；大數(shù)據(jù)

城市化的加速發(fā)展帶來(lái)了交通與環(huán)境污染問(wèn)題，報(bào)告顯示20%～30%的溫室氣體來(lái)自城市交通運(yùn)輸網(wǎng)絡(luò)[1]，機(jī)動(dòng)車污染已成為我國(guó)空氣污染的重要來(lái)源，是造成灰霾、光化學(xué)煙霧污染的重要原因，城市交通的能耗和排放成為了國(guó)內(nèi)外研究熱點(diǎn)和挑戰(zhàn)。

應(yīng)用排放模型估算城市機(jī)動(dòng)車排放因子及排放總量，是機(jī)動(dòng)車污染控制研究的一個(gè)重要方向[2]。近幾十年來(lái)，大量能耗、排放估計(jì)模型得到發(fā)展，如美國(guó)環(huán)保局開(kāi)發(fā)的MOVES模型，歐洲環(huán)境署(EEA)開(kāi)發(fā)的COPERT模型，美國(guó)加州空氣資源局(CARB)開(kāi)發(fā)的EMFAC模型與國(guó)際可持續(xù)發(fā)展研究中心(ISSRC)與加州大學(xué)河邊分校開(kāi)發(fā)的IVE模型[3-7]。在這些排放估計(jì)模型中，污染物排放量主要取決于車輛負(fù)載與加速度、速度等行駛參數(shù)。由于我國(guó)路況復(fù)雜，臺(tái)架測(cè)試?yán)щy，還未開(kāi)發(fā)出適用于國(guó)內(nèi)的排放模型，目前已有研究大多是將COPERT、IVE等國(guó)外排放估計(jì)模型進(jìn)行排放因子的中國(guó)本地化調(diào)整[8-13]，已有研究表明，COPERT模型計(jì)算獲得的排放因子更接近中國(guó)機(jī)動(dòng)車實(shí)際排放情況[2]。位置大數(shù)據(jù)已經(jīng)蔓延到所有科學(xué)研究與工程應(yīng)用領(lǐng)域，獲得廣泛關(guān)注[14]。GPS軌跡數(shù)據(jù)作為位置大數(shù)據(jù)的重要成分，蘊(yùn)含著豐富的關(guān)于車輛運(yùn)動(dòng)狀態(tài)的信息。文獻(xiàn)[15—16]對(duì)GPS軌跡進(jìn)行重建并還原并估計(jì)道路排放量；文獻(xiàn)[17]利用高頻GPS軌跡數(shù)據(jù)，以車輛加速度為代入?yún)?shù)估計(jì)了新加坡城區(qū)的路網(wǎng)機(jī)動(dòng)車排放量；文獻(xiàn)[18—19]利用軌跡平均速度結(jié)合COPERT模型分別估計(jì)了區(qū)域和路網(wǎng)的排放；文獻(xiàn)[11]利用VISSIM模擬的方法，利用MOVES模型估計(jì)了信號(hào)交叉口產(chǎn)生的排放。

以上利用車輛移動(dòng)軌跡估計(jì)排放的研究大多從GPS軌跡中提取出速度、加速度等參數(shù)，結(jié)合已有排放模型估計(jì)區(qū)域或路網(wǎng)的排放量，而忽略了車輛本身的停留/移動(dòng)行為特征。本文通過(guò)引入時(shí)間地理學(xué)中的時(shí)空路徑概念來(lái)分析車輛時(shí)空行為特征。時(shí)間地理學(xué)[20]研究的一個(gè)核心問(wèn)題是如何把各種相關(guān)要素有機(jī)、直觀地表示在空間和時(shí)間軸上[21]。時(shí)空路徑是時(shí)間地理學(xué)的核心概念之一，通過(guò)在水平地圖上添加垂直的時(shí)間軸建立了個(gè)體時(shí)空三維坐標(biāo)系，從而直觀地描述了個(gè)體在時(shí)空間的移動(dòng)特征和行為模式。時(shí)空路徑不僅能夠表達(dá)車輛個(gè)體在時(shí)間、空間上的移動(dòng)軌跡，還能隱含地表現(xiàn)其他運(yùn)動(dòng)參數(shù)，如傾斜程度表征移動(dòng)速度等，而被廣泛地應(yīng)用于個(gè)體活動(dòng)特征以及群體行為模式的挖掘[22-24]。本文提出一種時(shí)空路徑支持下的油耗與排放估計(jì)方法，該方法首先在時(shí)空集成的三維坐標(biāo)系下建立個(gè)體車輛的時(shí)空路徑并從中識(shí)別移動(dòng)/停留行為，然后根據(jù)時(shí)空路徑段與提取的運(yùn)動(dòng)參數(shù)結(jié)合COPERT模型估計(jì)每一時(shí)空路徑段上的車輛的能耗和排放，最后提出一種時(shí)空路徑的N維表達(dá)模型，將車輛的運(yùn)動(dòng)特征與時(shí)空路徑段的能耗與排放統(tǒng)一進(jìn)行可視化，進(jìn)一步豐富了時(shí)空路徑的表達(dá)內(nèi)容。

1 時(shí)空路徑支持下的車輛能耗/排放估計(jì)

1.1 個(gè)體時(shí)空路徑的建立與移動(dòng)/停留行為識(shí)別

時(shí)空路徑是時(shí)間地理學(xué)的核心概念之一，描述了時(shí)空集成三維正交坐標(biāo)系的個(gè)體移動(dòng)軌跡，其中空間維展示了個(gè)體的位置轉(zhuǎn)移，時(shí)間維描述移動(dòng)軌跡發(fā)生的時(shí)間順序，如圖1所示。

圖1 三維時(shí)空坐標(biāo)系與個(gè)體時(shí)空路徑Fig.1 3D space-time coordinate and individual space-time path

個(gè)體時(shí)空路徑由一系列按照時(shí)序排列的軌跡點(diǎn)Pi組成，每個(gè)軌跡點(diǎn)Pi為位置與時(shí)間二元組，相鄰兩軌跡點(diǎn)組成一個(gè)時(shí)空路徑段STPSsi

Pi=〈Loci，ti〉

(1)

si=〈ci，ci+1〉

(2)

基于時(shí)間地理學(xué)中個(gè)體在各STPS上勻速移動(dòng)的假設(shè)[24]，STPSsi的速度如式(3)所示

(3)

在三維時(shí)空坐標(biāo)系下，每個(gè)STPS至少表示移動(dòng)(mobile activity，MA)或停留(stationary activity，SA)中的一種行為。如圖1所示，由一個(gè)位置轉(zhuǎn)移到另一個(gè)位置表示移動(dòng)行為MA，由傾斜線段(實(shí)線)表示；在一個(gè)固定位置發(fā)生的是停留行為SA，由垂直線段(虛線)表示。移動(dòng)行為與停留行為的定義如下

MA={(Loc(S)，TS)，(Loc(E)，TE)，

|Loc(E)-Loc(S)|≥δ}

(4)

SA={(Loc(S)，TS)，(Loc(E)，TE)，

|Loc(E)-Loc(S)|<δ}

(5)

式中，Loc(S)、Loc(E)為STPS的起止位置點(diǎn)；TS、TE為STPS的起止時(shí)間?？紤]定位誤差影響，停留行為的起止點(diǎn)間距|Loc(E) -Loc(S)|小于距離閾值δ。

1.2 基于車輛時(shí)空路徑的能耗與排放估計(jì)

在獲得車輛停留和移動(dòng)兩種行為的基礎(chǔ)上，本文采用COPERT模型估計(jì)車輛的油耗和排放。COPERT模型是一種典型的數(shù)學(xué)關(guān)系模型，通過(guò)對(duì)固定工況上的臺(tái)架測(cè)試進(jìn)行回歸，建立污染排放因子與速度之間的數(shù)學(xué)關(guān)系，采用平均速度修正因子來(lái)計(jì)算實(shí)地工況車輛行駛的排放因子，最終通過(guò)計(jì)算得到的排放因子乘以車輛行駛里程得到污染物的排放總量。已有研究表明，COPERT模型具有很強(qiáng)的應(yīng)用型與交互性，能夠?qū)σ惠v車的排放和整個(gè)城市的排放進(jìn)行估計(jì)，COPERT模型計(jì)算獲得的排放因子更接近中國(guó)機(jī)動(dòng)車的實(shí)際排放情況[2]。由于COPERT模型的開(kāi)發(fā)地歐洲與我國(guó)有相同的測(cè)試工況，相近發(fā)動(dòng)機(jī)技術(shù)，并能兼容我國(guó)目前和未來(lái)一段時(shí)間內(nèi)的機(jī)動(dòng)車排放控制標(biāo)準(zhǔn)，因此本文選擇COPERT進(jìn)行車輛油耗/排放的估計(jì)。在區(qū)分車型、燃料類型以及行駛環(huán)境的基礎(chǔ)上，COPERT模型中最重要的參數(shù)是車輛行駛速度，因此本文計(jì)算車輛在每一時(shí)空路徑段的平均速度從而估計(jì)車輛的油耗和排放。

本文首先分析車輛不同活動(dòng)狀態(tài)，對(duì)于移動(dòng)行為的STPS(MA)，利用車輛技術(shù)參數(shù)、燃油參數(shù)以及移動(dòng)參數(shù)(平均速度)估計(jì)車輛在該STPS上的能耗與排放。對(duì)于停留行為的STPS(SA)，其停留行為的實(shí)際運(yùn)行狀態(tài)可以是發(fā)動(dòng)機(jī)熄火或發(fā)動(dòng)機(jī)運(yùn)行兩種狀態(tài)。對(duì)于發(fā)動(dòng)機(jī)熄火狀態(tài)下的停留行為，車輛不消耗燃料也不釋放排放物，對(duì)應(yīng)油耗與排放為零； 而對(duì)于發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)下的停留行為， 為了維持發(fā)動(dòng)機(jī)的運(yùn)轉(zhuǎn)， 車輛消耗燃料同時(shí)釋放排放物，應(yīng)根據(jù)相應(yīng)參數(shù)估計(jì)能耗和排放。本文根據(jù)停留行為的停留時(shí)長(zhǎng)推測(cè)車輛運(yùn)行狀態(tài)，根據(jù)我國(guó)《大氣污染防治法》“鼓勵(lì)機(jī)動(dòng)車停車3 min熄火”，將停留時(shí)長(zhǎng)低于3分鐘的停留行為視為發(fā)動(dòng)機(jī)啟動(dòng)狀態(tài)，如圖2(a)所示，將停留時(shí)長(zhǎng)超過(guò)3 min的視為發(fā)動(dòng)機(jī)熄火，如圖2(b)所示。

圖2 兩種類型的停留行為Fig.2 Two categories of stationary activities

在確定每個(gè)STPS車輛運(yùn)行狀態(tài)的基礎(chǔ)上，本文基于COPERT模型估計(jì)能耗、排放。傳統(tǒng)應(yīng)用COPERT模型進(jìn)行車輛能耗與排放估計(jì)的研究將車輛行駛?cè)痰钠骄俣扰c距離作為參數(shù)進(jìn)行代入估計(jì)，且不區(qū)分車輛的具體運(yùn)行狀態(tài)，而本文在分析車輛運(yùn)行狀態(tài)的基礎(chǔ)上基于每個(gè)STPS估計(jì)車輛行駛的能耗和排放。

1.2.1 能耗估計(jì)

首先基于COPERT模型按STPS分段估計(jì)能耗。對(duì)于1.4 L～2.0 L油氣排量的小轎車，按式(6)估計(jì)能耗，其中FC為各STPS上的能耗因子(g/km)，V為各STPS的平均速度

(6)

1.2.2 排放估計(jì)

發(fā)動(dòng)機(jī)熄火狀態(tài)下的停留行為排放為0，在發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)下，COPERT模型定義的排放量包括3個(gè)部分

ETOTAL=EHOT+ECOLD+EEVAP

(7)

式中，ETOTAL是某種污染物的總排放量；EHOT為熱穩(wěn)定狀態(tài)下的排放；ECOLD為發(fā)動(dòng)機(jī)冷啟動(dòng)(從熄火到啟動(dòng))狀態(tài)下的排放；EEVAP是燃油蒸發(fā)排放。熱穩(wěn)定排放是排放物的主要組成部分，在歐Ⅲ排放標(biāo)準(zhǔn)下，以排量1.4～2.0 L的汽油機(jī)小客車為例，其熱穩(wěn)定排放因子如表1所示[3]，其中，V為車輛行駛平均速度。

1.3 車輛能耗與排放可視化分析

在應(yīng)用COPERT模型估計(jì)車輛STPS的能耗與排放的基礎(chǔ)上，本文提出一種基于時(shí)空路徑的N維表達(dá)模型，將車輛的運(yùn)動(dòng)特征與STPS的能耗與排放統(tǒng)一進(jìn)行可視化。N維表達(dá)模型將個(gè)體在時(shí)間、空間維度上的特征以及移動(dòng)參數(shù)、個(gè)體屬性(如人或車輛、年齡、性別)等多個(gè)維度信息統(tǒng)一表達(dá)在個(gè)體時(shí)空路徑上。若一個(gè)時(shí)空路徑由M個(gè)STPS組成，每一個(gè)STPS包含時(shí)間time、位置location、速度speed、油耗consumption、排放emissions等N維信息，則該個(gè)體的時(shí)空路徑P可由(8)式表達(dá)

表1排量1.4～2.0L的汽油機(jī)小客車排放因子計(jì)算公式

Tab.1Formulasofemissionscalculationforpassengercarswith1.4～2.0Ldisplacement

排放類別排放類型排放因子EHOTg(km·輛)-1CO(71．7+11．4V)/(1+35．4V-0．248V2)NOX(0．0929-0．00149V+6．53e-6V2)/(1-0．0122V+3．97e-5V2)

(8)

圖3為時(shí)空坐標(biāo)系下的N維時(shí)空路徑模型，其中不同顏色的矩形代表STPS的不同維度。

圖3 個(gè)體的N維時(shí)空路徑模型Fig.3 N-dimensional model of individual space-time path

最后，使用本文提出的N維模型展示各STPS的能耗、排放量。如圖4所示，對(duì)于移動(dòng)行為或處于發(fā)動(dòng)機(jī)啟動(dòng)狀態(tài)下的停留行為，其STPS具有能耗、排放量；而對(duì)于處于發(fā)動(dòng)機(jī)熄火狀態(tài)下的停留行為，無(wú)能耗、排放量。

圖4 能耗、排放的N維時(shí)空路徑Fig.4 Space-time path of energy consumption and emissions

2 試驗(yàn)與討論

試驗(yàn)中首先記錄一輛試驗(yàn)車的軌跡和真實(shí)油耗，利用本文提出的基于STPS的COPERT模型估計(jì)其油耗，并與傳統(tǒng)方法中利用所有車輛的平均速度作為參數(shù)估計(jì)能耗和排放量[13]進(jìn)行比較。然后選取武漢市一個(gè)路網(wǎng)子區(qū)域，利用提出方法估計(jì)路網(wǎng)油耗和排放，并分析其時(shí)空分布。

2.1 個(gè)體車輛的能耗、排放估計(jì)

由于真實(shí)排放量和油耗量難以獲得，本文采集一輛汽油車于2016年3月23日至3月25日的GPS軌跡，采樣間隔為10 s，并記錄真實(shí)油耗用于驗(yàn)證本文估計(jì)方法的準(zhǔn)確度。圖5(a)為車輛GPS軌跡，圖5(b)為生成的車輛時(shí)空路徑，車輛型號(hào)、燃料類型與真實(shí)油耗值等信息如表2所示。

圖5 車輛的GPS軌跡與時(shí)空路徑Fig.5 A vehicle’s GPS trace and space-time path

表2文章試驗(yàn)車輛參數(shù)、燃料參數(shù)與單條軌跡的真實(shí)能耗值

Tab.2Vehicleandfuelparametersofthesingletraceinthisarticleandrealfuelconsumption

車輛參數(shù)型號(hào)年份發(fā)動(dòng)機(jī)排量BuickParkAvenue20093．0L燃料參數(shù)汽油標(biāo)號(hào)密度No．970．737g/mL真實(shí)能耗值40．66kg

由于COPERT模型是基于平均速度的模型，以往利用COPERT模型估計(jì)能耗和排放研究中，將車輛整條軌跡的平均速度作為排放估計(jì)的速度參數(shù)進(jìn)行代入，從而估計(jì)出排放量[13]。本文首先計(jì)算各STPS的平均速度并確定行為類型(移動(dòng)行為或停留行為)，再根據(jù)1.2節(jié)方法分析判斷停留行為的運(yùn)行狀態(tài)(發(fā)動(dòng)機(jī)熄火狀態(tài)或啟動(dòng)狀態(tài))，利用COPERT模型估計(jì)各STPS的能耗值，最后將移動(dòng)行為與發(fā)動(dòng)機(jī)啟動(dòng)狀態(tài)下停留行為的能耗值相加得到總能耗值。表3為整條軌跡的實(shí)際能耗與基于平均速度方法[13]的估計(jì)值的對(duì)比結(jié)果。

表3基于平均速度與基于STPS的能耗估計(jì)方法對(duì)比結(jié)果

Tab.3Comparisonoffuelconsumptionestimationresultsofaveragespeedbasedapproachandspace-timesegmentbasedapproachinthisarticle

方法速度/(km/h)能耗因子/(g/km)行駛距離/km能耗估計(jì)值/kg能耗真實(shí)值/kg精度/(%)基于平均速度的方法[13]22．23整條軌跡平均速度116．64整條軌跡平均能耗本文的基于STPS方法瞬時(shí)速度瞬時(shí)能耗490．8457．2534．0240．6671．0283．67

從表3中可知，基于平均速度的方法先計(jì)算了整條STPS的平均速度(22.23 km/h)，再結(jié)合行駛距離估計(jì)能耗，能耗估計(jì)結(jié)果為57.25 kg。本文提出的基于STPS的方法計(jì)算各STPS的平均速度，再分段估計(jì)能耗，能耗估計(jì)結(jié)果為34.02 kg。與實(shí)際能耗對(duì)比，兩種估計(jì)方法精度分別為71.02%和83.67%，前者能耗估計(jì)結(jié)果偏高，后者偏低，基于平均速度的方法將軌跡中所有行為納入估計(jì)，包括熄火狀態(tài)下的停留行為，因而估計(jì)值偏高，而本文提出的方法更好地還原了車輛運(yùn)行狀態(tài)，因而精度更高，結(jié)果說(shuō)明了本文提出的方法估計(jì)車輛油耗更接近真實(shí)情況。

最后，將一段時(shí)空路徑的平均速度、能耗與排放用集成的N維模型表示，如圖6所示。

圖6 單條軌跡段的時(shí)空路徑N維表達(dá)結(jié)果Fig.6 N-dimensional expression of a part of space-time path in a single trace

2.2 區(qū)域道路網(wǎng)絡(luò)的能耗、排放時(shí)空分布分析

本節(jié)采用武漢市2015年7月28日共10 527輛機(jī)動(dòng)車的GPS軌跡數(shù)據(jù)，基于STPS估計(jì)試驗(yàn)路網(wǎng)片區(qū)內(nèi)能耗與排放。圖7為試驗(yàn)區(qū)域路網(wǎng)，包含3條主干路(武珞路、雄楚大道與珞獅路)、2條次干路(石牌嶺路、丁字橋路)和3條支路(洪達(dá)路，工大路與洪興路)。

圖7 試驗(yàn)區(qū)域路網(wǎng)Fig.7 Road network in experimental area

首先將GPS軌跡點(diǎn)與路網(wǎng)匹配，然后利用軌跡點(diǎn)的時(shí)間、位置信息建立個(gè)體車輛時(shí)空路徑，再分STPS計(jì)算平均速度并使用COPERT模型估計(jì)能耗和排放，最后考慮每條路段上的交通量，得到路段的能耗與排放量。在ESRI ArcScene 10.1平臺(tái)下顯示不同時(shí)段的能耗、排放估計(jì)結(jié)果，如圖8—圖10所示，其中路段上墻體高度表征該路段上能耗和排放量。

圖8 各時(shí)段試驗(yàn)路網(wǎng)片區(qū)的能耗Fig.8 Fuel consumption of experimental road network

圖9 各時(shí)段試驗(yàn)路網(wǎng)片區(qū)的CO排放Fig.9 CO emissions of the experimental road network

圖10 各時(shí)段試驗(yàn)路網(wǎng)片區(qū)的NOx排放Fig.10 NOx emissions of the experimental road network

圖8—圖10展示了試驗(yàn)區(qū)域內(nèi)能耗、CO和NOx排放的的以下方面的空間分布特征：①能耗量遠(yuǎn)高于CO和NOx排放量，并且NOx排放量低于CO的排放量，這與燃料燃燒的化學(xué)過(guò)程相關(guān)；②由于主干路上車流量最大，因此主干路的能耗、排放比其他路段高；③同一路段的能耗與排放表現(xiàn)出異質(zhì)性。雄楚大道中段和武珞路東段(近珞獅路)上能耗、排放量最高，但在與石牌嶺路交叉處能耗、排放急劇降低，石牌嶺路表現(xiàn)出為兩條主干路明顯的分流作用。此外，圖8—圖10還展示了一天內(nèi)能耗、排放的時(shí)間變化規(guī)律。在早高峰7:00—9:00時(shí)段，武珞路東段與雄楚大道中段擁堵嚴(yán)重，車流量大、車速低導(dǎo)致能耗、排放高；中午11:00—13:00時(shí)段，車流量減小，車速提高，能耗、排放降低；晚高峰19:00—21:00時(shí)段，主干路又出現(xiàn)交通擁堵，能耗、排放增加。圖8—圖10的結(jié)果說(shuō)明本文提出的估計(jì)方法能夠有效獲取能耗、排放的時(shí)空分布特征。

3 結(jié) 論

本文提出一種時(shí)空路徑支持下的車輛能耗與排放估計(jì)方法。該方法基于個(gè)體時(shí)空路徑，考慮每個(gè)時(shí)空路徑段的運(yùn)動(dòng)狀態(tài)，提取時(shí)空路徑中的停留/移動(dòng)行為來(lái)估計(jì)車輛的能耗與熱穩(wěn)定排放，并提出一種時(shí)空路徑的N維表達(dá)模型將車輛的運(yùn)動(dòng)特征與時(shí)空路徑段的能耗與排放統(tǒng)一可視化。試驗(yàn)中分別對(duì)一輛車的軌跡和武漢路網(wǎng)片區(qū)中10 527輛汽車GPS軌跡估計(jì)其油耗、排放，并分析其時(shí)空分布。結(jié)果顯示本文提出的時(shí)空路徑支持下的車輛油耗與排放估計(jì)方法在估計(jì)精度與可視化方面優(yōu)于傳統(tǒng)基于平均速度的估計(jì)方法，能夠更加直觀地表達(dá)車輛能耗與排放信息。后續(xù)研究將包括道路網(wǎng)絡(luò)中污染物排放(包括PM2.5等)的細(xì)化估計(jì)與分析、提高時(shí)空GIS對(duì)能耗和排放的分析與表達(dá)能力等。

[1] IPCC.The Fifth Assessment Report of IPCC[EB/OL].2013.http:∥report.mitigation2014.org/spm/ipcc_wg3_ar5_summary-for-policymakers_approved.pdf.

[2] 馬因韜，劉啟漢，雷國(guó)強(qiáng)，等.機(jī)動(dòng)車排放模型的應(yīng)用及其適用性比較[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，44(2)：308-316.

MA Yintao，LIU Qihan，LEI Guoqiang，et al.Application of Vehicular Emission Models and Comparison of Their Adaptability[J].Acta Scientiarum Naturalium Universitatis Pekinensis，2008，44(2)：308-316.

[3] NTZIACHRISTOS L，SAMARAS Z，EGGLESTON S，et al.COPERT III Computer Programme to Calculate Emissions from Road Transport，Methodology and Emission Factors (Version 2.1)[R].Copenhagen：European Environment Agency(EEA)，2000.

[4] SHARMA P，KHARE M.Modelling of Vehicular Exhausts-A Review[J].Transportation Research Part D：Transport and Environment，2001，6(3)：179-198.

[5] RAKHA H，AHN K，TRANI A.Comparison of MOBILE5a，MOBILE6，VT-MICRO，and CMEM Models for Estimating Hot-stabilized Light-Duty Gasoline Vehicle Emissions[J].Canadian Journal of Civil Engineering，2003，30(6)：1010-1021.

[6] ABO-QUDAIS S，ABU QDAIS H.Performance Evaluation of Vehicles Emissions Prediction Models[J].Clean Technologies and Environmental Policy，2005，7(4)：279-284.

[7] USEPA.Motor Vehicle Emission Simulator (MOVES)：User Guide for MOVES2010b[R].Report EPA-420-B-12-001b，2012.

[8] 廖瀚博，余志，周兵，等.廣州市機(jī)動(dòng)車尾氣排放特征研究[J].環(huán)境科學(xué)與技術(shù)，2012，35(1)：134-138，163.

LIAO Hanbo，YU Zhi，ZHOU BING，et al.Characteristics of Motor Vehicle Exhaust Emission in Guangzhou[J].Environmental Science & Technology，2012，35(1)：134-138，163.

[9] 車汶蔚，鄭君瑜，鐘流舉.珠江三角洲機(jī)動(dòng)車污染物排放特征及分擔(dān)率[J].環(huán)境科學(xué)研究，2009，22(4)：456-461.

CHE Wenwei，ZHENG Junyu，ZHONG Liuju.Vehicle Exhaust Emission Characteristics and Contributions in the Pearl River Delta Region[J].Research of Environmental Sciences，2009，22(4)：456-461.

[10] 董紅召，徐勇斌，陳寧.基于IVE模型的杭州市機(jī)動(dòng)車實(shí)際行駛工況下排放因子的研究[J].汽車工程，2011，33(12)：1034-1038.

DONG Hongzhao，XU Yongbin，CHEN Ning.A Research on the Vehicle Emission Factors of Real World Driving Cycle in Hangzhou City Based on IVE Model[J].Automotive Engineering，2011，33(12)：1034-1038.

[11] 高云峰，胡華.基于比功率法的信號(hào)控制交叉口排隊(duì)車輛尾氣排放估計(jì)[J].中國(guó)公路學(xué)報(bào)，2015，28(4)：101-108.

GAO Yunfeng，HU Hua.Estimation of Queued Vehicle Emissions at Signalized Intersections Based on Vehicle Specific Power Approach[J].China Journal of Highway and Transport，2015，28(4)：101-108.

[12] 郝艷召，王宏圖，宋國(guó)華，等.中觀機(jī)動(dòng)車尾氣模型在中國(guó)的適用性[J].長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，36(1)：112-119.

HAO Yanzhao，WANG Hongtu，SONG Guohua，et al.Suitability of Meso-level Vehicle Emission Model in China[J].Journal of Chang’an University (Natural Science Edition)，2016，36(1)：112-119.

[13] 樊守彬，田靈娣，張東旭，等.北京市機(jī)動(dòng)車尾氣排放因子研究[J].環(huán)境科學(xué)，2015，36(7)：2374-2380.

FAN Shoubin，TIAN Lingdi，ZHANG Dongxu，et al.Emission Factors of Vehicle Exhaust in Beijing[J].Environmental Science，2015，36(7)：2374-2380.

[14] 李德仁，張良培，夏桂松.遙感大數(shù)據(jù)自動(dòng)分析與數(shù)據(jù)挖掘[J].測(cè)繪學(xué)報(bào)，2014，43(12)：1211-1216.DOI：10.13485/j.cnki.11-2089.2014.0187.

LI Deren，ZHANG Liangpei，XIA Guisong.Automatic Analysis and Mining of Remote Sensing Big Data[J].Acta Geodaetica et Cartographica Sinica，2014，43(12)：1211-1216.DOI：10.13485/j.cnki.11-2089.2014.0187.

[15] YANG Qichi，BORIBOONSOMSIN K，BARTH M.Arterial Roadway Energy/Emissions Estimation Using Modal-Based Trajectory Reconstruction[C]∥Proceedings of the 14th International IEEE Conference on Intelligent Transportation Systems (ITSC).Washington，DC：IEEE，2011：809-814

[16] SUN Zhanbo，HAO Peng，BAN Xuegang，et al.Trajectory-based Vehicle Energy/Emissions Estimation for Signalized Arterials Using Mobile Sensing Data[J].Transportation Research Part D：Transport and Environment，2015，34：27-40.

[17] NYHAN M，SOBOLEVSKY S，KANG Chaogui，et al.Predicting Vehicular Emissions in High Spatial Resolution Using Pervasively Measured Transportation Data and Microscopic Emissions Model[J].Atmospheric Environment，2016，140：352-363.

[18] LUO Xiao，DONG Liang，DOU Yi，et al.Analysis on Spatial-Temporal Features of Taxis’ Emissions From Big Data Informed Travel Patterns：A Case of Shanghai，China[J].Journal of Cleaner Production，2017，142：926-935.

[19] SHANG Jingbo，ZHENG Yu，TONG Wenzhu，et al.Inferring Gas Consumption and Pollution Emission of Vehicles Throughout A City[C]∥Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York：ACM，2014：1027-1036.

[21] 柴彥威，劉志林，李崢嶸，等.中國(guó)城市的時(shí)空間結(jié)構(gòu)[M].北京：北京大學(xué)出版社，2002：10-11.

CHAI Yanwei，LIU Zhilin，LI Zhengrong，et al.Time-space Structure of Chinese Cities[M].Beijing：Peking University Press，2002：10-11.

[22] KWAN M P.Interactive Geovisualization of Activity-travel Patterns Using Three-dimensional Geographical Informa-tion Systems：A Methodological Exploration With A Large Data Set[J].Transportation Research Part C：Emerging Technologies，2000，8(1-6)：185-203.

[23] YU Hongbo，SHAW S L.Exploring Potential Human Activities in Physical and Virtual Spaces：A Spatio-temporal GIS Approach[J].International Journal of Geographical Information Science，2008，22(4)：409-430.

[24] YIN Ling，SHAW S L.Exploring Space-time Paths in Physical and Social Closeness Spaces：A Space-Time GIS Approach[J].International Journal of Geographical Information Science，2015，29(5)：742-761.

A Space-time Path Supported Estimation Approach for Vehicles’ Fuel-consumption and Emissions

TANG Luliang1，KAN Zihan1，DUAN Qian1，LI Qingquan1，2

1. State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University ，Wuhan 430079，China； 2. Shenzhen Key Laboratory of Spatial Smart Sensing and Services，College of Civil Engineering，Shenzhen University，Shenzhen 518060，China

The fuel-consumption and emissions from transportation present severe challenges to the human environment. This article proposes a novel approach of space-time path supported estimation for vehicles’ fuel-consumption and emissions. In the proposed approach，space-time paths of vehicles are built under space-time integrated 3-dimensions coordinate firstly and mobile activities (MA) and stationary activities (SA) are extracted from these space-time paths. Then the approach estimates the fuel-consumption and emissions from each Space-Time Path Segment (STPS) and the moving parameters with COPERT model. Finally this article presents an N-Dimensional model for visualizing the moving characteristics，fuel-consumption and emissions of each STPS in an integrated frame. In the case study，fuel-consumption and emissions of a single vehicle and an area of road network are estimated and analyzed using GPS trace data. The results show that the space-time path supported approach is superior to the traditional average speed based approach in the aspects of precision and visualization. The proposed fuel-consumption and emissions estimating approach is effective in energy and emissions information acquisition.

energy-consumption；emissions；energy/emissions model；COPERT model；Space-time GIS；space-time path；big data

The National Key Research and Development Plan of China (No. 2017YFB0503604)；The National Natural Science Foundation of China (Nos. 41671442；41571430；41271442)

TANG Luliang(1973—)，male, PhD，professor，PhD supervisor specializes in space-time GIS，trajectory data analyzing and mining.

KAN Zihan

E-mail： kzh@whu.edu.cn

唐爐亮，闞子涵，段倩，等.一種時(shí)空路徑支持下的車輛油耗與排放估計(jì)方法[J].測(cè)繪學(xué)報(bào)，2017,46(12)：2024-2031.

10.11947/j.AGCS.2017.20160439.

TANG Luliang，KAN Zihan，DUAN Qian，et al.A Space-time Path Supported Estimation Approach for Vehicles’ Fuel-consumption and Emissions[J]. Acta Geodaetica et Cartographica Sinica,2017,46(12):2024-2031. DOI:10.11947/j.AGCS.2017.20160439.

U491.254

A

1001-1595(2017)12-2024-08

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2017YFB0503604)；國(guó)家自然科學(xué)基金(41671442;41571430;41271442)

宋啟凡)

2016-09-05

2017-09-28

唐爐亮(1973—)，男，博士，教授，博士生導(dǎo)師，研究方向?yàn)闀r(shí)空GIS、軌跡大數(shù)據(jù)分析與挖掘。

E-mail： tll@whu.edu.cn

闞子涵