基于BP神经网络的城市道路轻型车排放率模型.pdfVIP

基于BP神经网络的城市道路轾型车排放年模型——王云鹏 李世武郭栋，等 基于BP神经网络的城市道路轻型车排放率模型+ 王云鹏李世武郭栋祖力王羽夏释 (吉林大学长春130022) 摘 要从不同角度研究城市道路交通流动态微观排放模型是进行交通环境评价的基础．以 长春市典型城市道路为研究对象，在捷达6ix瞬时质量排放数据的基础上，利用BP神经网络建立 了NOL、Hc、cO3种污染物排放率模型，并运用实际道路测量数据对模型进行了验证，得出了一些 有益的结论． 关键词车载排放测量；排放{神经网络；排放率模型 中围法分类号：U467．1+1文献标识码：A 立的，这类模型基于交通流的平均速度，使用简单 O引 言 表达式计算排放，并未考虑实际道路中车辆瞬时 随着我国汽车保有量的激增，在许多大中城 速度、加速度对废气排放的影响。而建立与车辆动 市中，由汽车排放废气所造成的环境污染已经成 力学相关的单车排放模型用于预测实际道路车辆 为重要的社会问题。z004年世界银行环境和经济排放的方法更加可靠。笔者选择捷达Gix作为主 专家撰写的调查报告指出，全球空气荇染最严重 要研究对象，利用质量型排放测试仪OEM一2100， 的20个城市有10个在中国。中国环境污染的治理对城市道路上单车排放进行了实时测试，采用BP 迫在眉睫、任重道远。根据城市大气污染物来源的 神经网络的方法建立基于单车瞬时速度、加速度 分类统计，在我国主要大城市中80％左右的污染 的NO，、Hc、cO排放率模型。 物来源于交通废气“]。控制车辆废气排放已经成 为21世纪交通运输业的重要研究课题，是交通运 1城市道路单车排放测试 输实现可持续发展的必然要求。 1．1车载排放测量装置 车辆在道路上行驶受各种外部因素的制约， 车载排放测量方法既能克服底盘测功机测量 能否发挥车辆的技术性能决定于道路条件、交通 不能反应真实路面情况的缺点，又能克服遥感测 工程设施条件、交通流状况、车辆技术状况、驾驶 量和隧道测量所固有的位置缺陷和不准确性缺 因素等。定量地研究各种影响因素对车辆废气排 陷，可在真实路面上或其它任何环境下进行实时 放的影响首先需要建立车辆在各种约束条件下的 测试。近些年来，传感器和计算机技术的快速发展 排放模型，这是基础也是难点。车辆瞬态排放模型 使车载排放测量设备成本降低，测量实际道路上 的建立可以用于评价交通流中车辆废气的排放水 行驶车辆的排放成为可能。本研究中所采用的 平，计算路段上的排放总量，评价特定路段、区域 OEM一2100是目前较为成熟的质量型车载排放测 内的污染水平等。车辆排放模型是一种微观模型， Air Inc生 量系统，它由美国CleanTbchnologies 将其与微观交通流仿真模型结合起来，对于准确、 产，精度在EPA的国家燃料和汽车排放试验室通 方便的预测出某一路段的交通流废气排放状况具 过了纽约环境保护部的测试，与底盘测功机测量 有重要意义o]。当前预测交通流中单车废气排放 的数据相比较，有很好相关性，|R。可达0．90～ 的主要方法是基于室内驾驶循环测试数据的微观 O．99，且3种排放污染物的测量误差均在10％以 排放模型，他是通过将机动车在道路上行驶时的