王燕軍，何巍楠，趙晉，程穎，吉喆，解淑霞

(1.中國環(huán)境科學(xué)研究院/國家環(huán)境保護(hù)機(jī)動(dòng)車污染控制與模擬國家重點(diǎn)實(shí)驗(yàn)室，北京 100012；2.北京交通發(fā)展研究院，北京 100073)

隨著城市化進(jìn)程和機(jī)動(dòng)化進(jìn)程的快速發(fā)展，機(jī)動(dòng)車排放已成為北京市PM2.5排放的主要來源。北京市生態(tài)環(huán)境局對(duì)北京地區(qū)PM2.5來源解析的相關(guān)研究數(shù)據(jù)表明，機(jī)動(dòng)車已成為北京市PM2.5排放的最大本地源，占比高達(dá)45%[1]。為積極應(yīng)對(duì)大氣污染的嚴(yán)峻挑戰(zhàn)，2018年以來，國家及地方層面陸續(xù)發(fā)布相關(guān)文件。2018年6月16日中共中央、國務(wù)院發(fā)布《關(guān)于全面加強(qiáng)生態(tài)環(huán)境保護(hù) 堅(jiān)決打好污染防治攻堅(jiān)戰(zhàn)的意見》，2018年6月27日國務(wù)院正式印發(fā)《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動(dòng)計(jì)劃》(國發(fā)〔2018〕22號(hào))[2]。2018年3月15日北京市正式發(fā)布了《北京市藍(lán)天保衛(wèi)戰(zhàn)2018年行動(dòng)計(jì)劃》(京政辦發(fā)〔2018〕9號(hào))[3]，從機(jī)動(dòng)車污染排放治理目標(biāo)-措施-監(jiān)測-執(zhí)法-數(shù)據(jù)等多方面對(duì)機(jī)動(dòng)車污染控制提出明確要求，提出了完善交通基礎(chǔ)設(shè)施、交通需求管理、機(jī)動(dòng)車結(jié)構(gòu)優(yōu)化調(diào)整等一系列精細(xì)化管理政策措施。為了對(duì)機(jī)動(dòng)車排放進(jìn)行精細(xì)化管控，開展機(jī)動(dòng)車污染動(dòng)態(tài)模型研究，需要開發(fā)一套北京市動(dòng)態(tài)交通排放模型，從而為掌握機(jī)動(dòng)車動(dòng)態(tài)排放演變規(guī)律，為機(jī)動(dòng)車污染治理精細(xì)化決策提供依據(jù)。為此，本文開發(fā)建立了北京市2017年時(shí)間精度為1h、空間精度為1km×1km的動(dòng)態(tài)交通流模型，并通過與交通調(diào)查數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證了所建立的交通模型的可靠性，并在此基礎(chǔ)上對(duì)北京市路網(wǎng)中不同類型車輛典型交通流變化趨勢進(jìn)行了初步模擬，以期為下一步掌握北京市機(jī)動(dòng)車排放特征和實(shí)施機(jī)動(dòng)車交通管控措施提供基礎(chǔ)。

1 北京市各類型機(jī)動(dòng)車交通模型建立方法

根據(jù)北京市機(jī)動(dòng)車手機(jī)信令數(shù)據(jù)、浮動(dòng)車數(shù)據(jù)、視頻監(jiān)控、遠(yuǎn)程傳輸?shù)炔煌瑪?shù)據(jù)的可獲得性，本文借鑒國外成熟的開發(fā)方法建立了北京市基于速度流量反推的小客車流量仿真模型、基于路段浮動(dòng)和數(shù)據(jù)的出租車流量仿真模型、基于公交GPS數(shù)據(jù)的公交流量方針模型、基于多源數(shù)據(jù)的貨車流量仿真模型和基于GPS數(shù)據(jù)的大客車流量仿真模型。前四種模型由于可獲取數(shù)據(jù)途徑較多、數(shù)據(jù)量大，可較為準(zhǔn)確地模擬北京市小客車、出租車、公交車和貨車的動(dòng)態(tài)運(yùn)行軌跡。由于大客車數(shù)據(jù)量較少，需參考其他數(shù)據(jù)源進(jìn)行補(bǔ)充完善。

1.1 小客車交通模型

1.1.1 模型建立方法

小客車交通模型建立分為三部分，具體流程如圖1所示。首先是基于手機(jī)數(shù)據(jù)的先驗(yàn)OD算法[4]，融合小時(shí)級(jí)OD和出行結(jié)構(gòu)交調(diào)數(shù)據(jù)，輸出先驗(yàn)小汽車OD；然后是進(jìn)行路網(wǎng)分配，結(jié)合VISUM宏觀交通分配軟件[5]，輸入先驗(yàn)小汽車OD進(jìn)行路網(wǎng)分配；最后是交通流測試標(biāo)定，結(jié)合OD反推原理[6]，將路網(wǎng)分配結(jié)果與實(shí)際觀測值進(jìn)行對(duì)比校驗(yàn)，并調(diào)整先驗(yàn)小時(shí)OD，最終輸出OD、分配路網(wǎng)流量。

1.1.2 數(shù)據(jù)基礎(chǔ)

本文中的小客車交通流獲取所需基礎(chǔ)數(shù)據(jù)包括全市范圍內(nèi)基于Link的浮動(dòng)車數(shù)據(jù)、交調(diào)數(shù)據(jù)和RTMS數(shù)據(jù)。

基于link的浮動(dòng)車數(shù)據(jù)：基于link的浮動(dòng)車數(shù)據(jù)包含linkID、時(shí)間、LinkID相關(guān)道路信息、出租車交通流參數(shù)等信息內(nèi)容。

交調(diào)數(shù)據(jù)：全市檢測點(diǎn)位接近1300個(gè)，通過微波、線圈等不同技術(shù)手段實(shí)現(xiàn)流量采集，覆蓋全市主要國道、市道和縣道。數(shù)據(jù)動(dòng)態(tài)回傳，五分鐘回傳一次，可以識(shí)別大客車、中型貨車、大貨車、超大貨車、小汽車等車型，準(zhǔn)確度較高。

交管局RTMS數(shù)據(jù)：全市檢測點(diǎn)位1680個(gè)，通過微波手段實(shí)現(xiàn)流量和速度采集，覆蓋全市主要高速路、主干路和快速路。數(shù)據(jù)動(dòng)態(tài)回傳，2分鐘回傳一次，可以匯總道路流量，可以實(shí)現(xiàn)主要路段總體車隊(duì)流量演化分析。

圖1 小客車交通模型建立方法

1.1.3 模擬結(jié)果

小客車交通模型建立后，模擬并試算了北京市2017年小客車不同時(shí)段路網(wǎng)中的交通流，經(jīng)與北京市300余條主干道路交通流實(shí)際觀測值進(jìn)行校驗(yàn)，90%的路段誤差在10%以內(nèi)。將流量與交通指數(shù)進(jìn)行聯(lián)合分析得出，小客車24小時(shí)流量圖有明顯的早晚高峰特性(如圖2)，這兩個(gè)時(shí)段同樣是交通指數(shù)較高時(shí)段，尤其晚高峰更為突出。

圖2 小客車交通流特征分析

1.2 出租車交通模型

1.2.1 模型建立方法

出租車交通流參數(shù)要先依據(jù)基于link的浮動(dòng)車數(shù)據(jù)獲取出租車重車交通流參數(shù)，再根據(jù)浮動(dòng)車OD數(shù)據(jù)分區(qū)分時(shí)刻計(jì)算重車占所有出租車的比例，依次反算所有出租車的交通流參數(shù)。出租車交通模型框架如圖3所示。

圖3 出租車交通模型建立方法

1.2.2 數(shù)據(jù)基礎(chǔ)

在本文中，可獲取的用于進(jìn)行出租車交通流參數(shù)信息提取的基礎(chǔ)數(shù)據(jù)包括全市范圍內(nèi)基于link的浮動(dòng)車數(shù)據(jù)和浮動(dòng)車OD數(shù)據(jù)兩類?；趌ink的浮動(dòng)車數(shù)據(jù)獲取方式與小客車類似，浮動(dòng)車OD數(shù)據(jù)是根據(jù)浮動(dòng)車數(shù)據(jù)處理得到每個(gè)浮動(dòng)車每次出行OD的數(shù)據(jù)。浮動(dòng)車OD數(shù)據(jù)包括以下內(nèi)容：出租車車牌號(hào)、每次出行OD的起止時(shí)間、每次出行OD的位置信息。

1.2.3 模擬結(jié)果

通過提取工作日的數(shù)據(jù)進(jìn)行處理得到工作日早高峰、晚高峰和平峰的出租車交通流變化情況，如圖4所示。從出租車24小時(shí)流量分布曲線可以看出具有兩個(gè)明顯特點(diǎn)：(1)出租車在日間(6∶00-22∶00)流量波動(dòng)較小，沒有特別明顯的峰值；(2)出租車與其他交通方式(如公交)相比，高峰沒有重合于7∶00-9∶00，反而有滯后的出行峰值。

圖4 出租車交通流特征分析

1.3 公交車流量流獲取方法

1.3.1 模型建立方法

基于GPS數(shù)據(jù)的公交車交通流參數(shù)獲取方法有以下兩種，公交車流量仿真模型框架如圖5所示。

圖5 公交車流量仿真模型框架

GPS數(shù)據(jù)糾偏：以常規(guī)公交GPS數(shù)據(jù)作為輸入，經(jīng)過數(shù)據(jù)清洗、糾偏等質(zhì)量控制之后，輸出質(zhì)量較好的原始數(shù)據(jù)。

基于軌跡數(shù)據(jù)的路段匹配算法：結(jié)合北京市路網(wǎng)圖層，建立GPS-Link匹配算法，實(shí)現(xiàn)上下行精準(zhǔn)分離。

1.3.2 基礎(chǔ)數(shù)據(jù)

本文中，可獲取的用于進(jìn)行公交車交通流參數(shù)信息提取的基礎(chǔ)數(shù)據(jù)包括全市公交公司公交GPS數(shù)據(jù)和路網(wǎng)GIS數(shù)據(jù)兩類。

公交GPS數(shù)據(jù)：公交GPS數(shù)據(jù)是公交車將軌跡數(shù)據(jù)上傳至相應(yīng)平臺(tái)的數(shù)據(jù)，主要包含：IC卡唯一ID、上下車刷卡時(shí)間、上下車刷卡線路編號(hào)和站點(diǎn)編號(hào)、登降車輛編號(hào)。

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

1.3.3 模擬結(jié)果

通過提取工作日的數(shù)據(jù)進(jìn)行處理得到工作日早高峰、晚高峰和平峰的趨勢(圖6)。從圖中可以看出，由于公交車的流量主要受公交公司班次計(jì)劃的影響，從8∶00至19∶00都處于平穩(wěn)高峰期，從4∶00至7∶00和從19∶00至23∶00則分別處于快速上升期和快速下降期。

圖6 公交車交通流特征分析

1.4 貨車流量獲取方法

1.4.1 模型建立方法

貨車流量獲取方法綜合應(yīng)用了北京市典型路段交調(diào)數(shù)據(jù)、高速公路收費(fèi)數(shù)據(jù)、核查線調(diào)查數(shù)據(jù)、RTMS城市快速路微波檢測數(shù)據(jù)四大類流量數(shù)據(jù)，其中以高速公路收費(fèi)數(shù)據(jù)為主要參考依據(jù)，結(jié)合典型路線調(diào)查數(shù)據(jù)、微波檢測數(shù)據(jù)進(jìn)行補(bǔ)充，并輔以核查線調(diào)查數(shù)據(jù)進(jìn)行修正。模型基于治超數(shù)據(jù)、視頻檢測數(shù)據(jù)進(jìn)行貨車車隊(duì)結(jié)構(gòu)特征提取，結(jié)合貨車GPS軌跡和運(yùn)單數(shù)據(jù)進(jìn)行行駛路徑校核與驗(yàn)證。所建立的貨車交通模型框架如圖7所示。

圖7 貨車流量仿真模型框架

圖8 貨車交通流特征分析

1.4.2 數(shù)據(jù)基礎(chǔ)

本文中，可獲取的用于進(jìn)行貨車交通流參數(shù)信息提取的基礎(chǔ)數(shù)據(jù)包括固定治超站數(shù)據(jù)、RTMS數(shù)據(jù)、交調(diào)數(shù)據(jù)、高速流量數(shù)據(jù)、重型載貨GPS數(shù)據(jù)等。交調(diào)數(shù)據(jù)包括全市檢測點(diǎn)位接近1300個(gè)；固定治超站共33個(gè)，可實(shí)現(xiàn)車輛牌照采集；高速流量數(shù)據(jù)覆蓋全市所有高速(含內(nèi)部高速)以及重型貨車傳輸給平臺(tái)中心的GPS數(shù)據(jù)等。

1.4.3 模擬結(jié)果

本文提取某工作日的貨車流量數(shù)據(jù)進(jìn)行處理得到全市域24小時(shí)流量趨勢如圖8所示。研究結(jié)果表明，由于北京市貨車限行政策，可以明顯看出貨車流量相對(duì)集中于夜間0至6∶00之間，日間的流量峰值相比較而言比較低。

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(yùn)車輛，也包含一些營運(yùn)類型的單位班車流量。在分析計(jì)算時(shí)，大客車數(shù)據(jù)來源主要為北京市客運(yùn)站點(diǎn)兩客一危GPS監(jiān)測數(shù)據(jù)，并輔以路網(wǎng)車隊(duì)結(jié)構(gòu)調(diào)查數(shù)據(jù)、核查線數(shù)據(jù)做小樣本對(duì)照的方式來獲取。

大客車交通流模擬結(jié)果如圖9所示。研究表明，北京市省際長途客車、旅游車輛的出行高峰從早上六點(diǎn)左右就逐漸攀升，到早上十點(diǎn)左右達(dá)到高峰，在中午時(shí)段稍有下降，在下午14∶00～15∶00又迅速攀升，并在17∶00～19∶00達(dá)到另一個(gè)高峰，隨后很快又開始下降。

圖9 大客車交通流特征分析

2 北京市交通流空間結(jié)構(gòu)調(diào)查

2.1 模型建立方法

北京市交通流空間結(jié)構(gòu)調(diào)查主要是描述北京市路網(wǎng)各路段的車隊(duì)結(jié)構(gòu)，車隊(duì)結(jié)構(gòu)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(xiàn)行及規(guī)劃研究政策，如針對(duì)非京籍車輛、貨運(yùn)車輛等交通政策，針對(duì)排放標(biāo)準(zhǔn)、燃料類型、車重類型等環(huán)保政策。結(jié)合北京市不同交通行業(yè)的排放特征，對(duì)北京市道路車隊(duì)結(jié)構(gòu)進(jìn)行劃分。北京市車隊(duì)結(jié)構(gòu)模型設(shè)計(jì)原則：(1)車隊(duì)劃分：主要考慮車輛所屬行業(yè)類型、車籍及環(huán)保屬性等；(2)空間劃分：主要考慮中心城區(qū)與郊區(qū)縣差異、環(huán)路區(qū)域差異、不同道路類型差異等；(3)時(shí)間劃分：區(qū)分白天與夜間。模型整體架構(gòu)劃分為三個(gè)層次：基礎(chǔ)數(shù)據(jù)層、數(shù)據(jù)擴(kuò)樣層及輸出結(jié)果層，模型架構(gòu)思路如圖10所示。

圖10 交通流空間結(jié)構(gòu)模型框架思路

圖11 道路車型結(jié)構(gòu)調(diào)查點(diǎn)位空間分布

2.2 數(shù)據(jù)來源

本文中，可利用的基礎(chǔ)數(shù)據(jù)包括：

(1)核查線數(shù)據(jù)：核查線數(shù)據(jù)包括調(diào)查點(diǎn)位共計(jì)428個(gè)，多數(shù)分布于主要環(huán)路。分析2017年3月每周工作日(選擇2天)和非工作日(選擇1天)24小時(shí)流量變化情況，每個(gè)點(diǎn)位包括小客車、出租車、公交車、大貨車、小貨車、大客車六種車型的流量占比，主要是通過計(jì)算機(jī)軟件進(jìn)行辨識(shí)處理。

(2)郊區(qū)縣道路交調(diào)數(shù)據(jù)：郊區(qū)縣道路交調(diào)數(shù)據(jù)包括調(diào)查點(diǎn)位共計(jì)282個(gè)，主要分布于市域范圍內(nèi)的各級(jí)公路(如圖11所示)，時(shí)間尺度為2017年1月～12月每日的數(shù)據(jù)，每個(gè)點(diǎn)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，主要是通過視頻目測進(jìn)行辨識(shí)處理。

(3)道路車型結(jié)構(gòu)調(diào)查數(shù)據(jù)：調(diào)查時(shí)段為2017年3月每周工作日(選擇2天)和非工作日(選擇1天)24小時(shí)的逐時(shí)交通流變化情況，包括調(diào)查點(diǎn)位共計(jì)20個(gè)，主要分布于環(huán)路、進(jìn)出京高速及主次干路，采用視頻目測和軟件處理相結(jié)合的方法進(jìn)行車輛類型劃分。其中，17個(gè)點(diǎn)位包括京籍與非京籍的省際、出租、公交、郊區(qū)客運(yùn)、貨運(yùn)、租賃、旅游、社會(huì)客車、社會(huì)貨車不同車重類型、燃料類型和排放標(biāo)準(zhǔn)的工作日道路流量占比，選擇調(diào)查點(diǎn)位時(shí)充分考慮客運(yùn)站、貨運(yùn)站等設(shè)施對(duì)路段車輛結(jié)構(gòu)的影響；3個(gè)點(diǎn)位的調(diào)查地點(diǎn)和時(shí)間為環(huán)路周末、高速周末和環(huán)路四九限行日。

2.3 路網(wǎng)車隊(duì)結(jié)構(gòu)結(jié)果分析

本文分別從高速公路和非高速公路兩個(gè)方面分析了車隊(duì)結(jié)構(gòu)，如圖12和圖13所示。從圖中可以看出整體上均是小客車占比最高，貨車的占比在夜間和白天存在明顯的差異性，夜間占比明顯高于白天占比。相對(duì)比較時(shí)，可以看出高速公路的貨車占比高于非高速公路的占比。非高速公路上出租車占比高于高速公路的占比。

圖12 高速公路車型結(jié)構(gòu)分布特征

圖13 非高速公路車型結(jié)構(gòu)分布特征

3 結(jié) 論

通過建立北京市不同類型機(jī)動(dòng)車交通仿真模型和初步模擬，可得出以下結(jié)論：

(1)北京市2017年小客車24小時(shí)流量圖有明顯的早晚高峰特性，尤其是晚高峰更加突出；

(2)北京市出租車在日間(6∶00～22∶00)流量波動(dòng)較小，沒有特別明顯的峰值，交通流高峰較小客車相比較為滯后；

(3)北京市公交車從8∶00至19∶00都處于平穩(wěn)高峰期，從4∶00至7∶00和19∶00至23∶00則分別處于快速上升期和快速下降期；

(4)北京市貨車交通流量相對(duì)集中于夜間0至6∶00之間，日間的流量峰值相比較而言較低；

(5)北京市省際長途客車、旅游車輛交通流高峰也有明顯的雙峰形式，峰值分別在10∶00左右和18∶00時(shí)左右，與小客車有所不同。

(6)北京市高速和非高速路網(wǎng)小客車占比均最高，貨車的占比在夜間和白天存在明顯的差異性，夜間占比明顯高于白天占比，貨車在高速公路上的占比高于在非高速公路上的占比。