首頁熱門文章
交通研究員韓科：用“數據模型”治理交通污染
發布時間：2017-06-01 分類：趨勢研究
隨著高度的城鎮化發展,機動車數量不斷增多,中國每年有將近100萬例死亡與空氣污染有關,以此產生的年經濟損失達1.4萬億元。5月26日,在大數據時代智慧城市創新發展高峰論壇上,倫敦帝國理工學院助理教授、交通研究員韓科專門對治理城市交通污染提出了建議。
韓科認為,在貴陽這種其他污染比較少的城市,交通帶來的PM2.5是一個比較嚴重的問題。貴陽通過建立交通數據模型,可以實現較高精細的情景分析,達到節能減排的效果。
要建數據模型,數據是關鍵,那么數據到底能為節能減排做什么呢?
韓科解釋,把交通流數據、車速數據、GPS數據和“在手機上怎么打車”這種更加細膩和更加個性化的數據放在一起,能展示出城市交通的全貌,能幫助我把脈城市交通污染問題。當前包括北京在內的很多城市,都是通過GPS數據來算平均速度或者平均流量,再結合兩者算排放量,“但實際上,這樣的算法并不可靠。”
“在高速公路上車流的速度分布比較均勻,這種簡單的模型可以使用。但是在城市中,由于有信號燈和車流量的干預,就不能靠GPS數據算平均速度或者平均流量”韓科解釋,通過建立交通數據模型的方式算排放量更為科學。
但是,交通數據模型并不是憑空建的,而是要結合仿真實驗結果建立。在建立數據模型之前,要先做一個交通仿真的數據模型。交通仿真建模要先從宏觀數據,得出一個宏觀的模型,再細化作出一個微觀的數據,最后才作出一個微觀的交通仿真模型。
通過微觀仿真模型可以很明確知道每一輛車的軌跡數據,它甚至可以讓人們了解到每一輛車怎么跑、車與車之間是什么關系、車輛怎么換道、產生尾氣排放的時間序列這些信息數據,這樣的數據非常準確的,對了解整個城市的排放量幫助很大。
“當然要完全掌握城市的交通污染情況,只建一個微觀的交通仿真模型顯然是不夠的。”韓科說,要掌握城市的交通污染情況,必須根據風向、溫度、PM2.5分布情況,建線面污染物擴散的模型,再通過智能信號燈監控到的交通狀況,做出來污染物濃度預測。
“做污染物濃度預測必須要有一個實時的監控作為支撐。”韓科說,如果決策者對當下的宏觀交通流不了解,又沒有一個很好的網絡去探索,或者網絡參考技術出現問題,沒有實時的監控作為支撐,那么非常智能高效的交通信號燈很有可能成為垃圾。而實時的交通網絡可以改變現狀,這就是為什么要做決策支持系統,為什么有線上功能的原因。
交通決策支持系統是把獲取的所有交通數據、天氣數據、大氣排放數據和控制策略數據放在一起,形成離線查找的表。決策者只要根據交通流,就查閱對應的可行策略。韓科表示,目前他的團隊正在做諸如污染物濃度的關聯與預測的項目,支持交通建模,降低PM2.5。
