导航类App能否有助于提升城市空气质量.docxVIP

随着车辆保有量和年均行驶里程的快速增长，中国大城市的机动车尾气排放问题愈发严峻。出行者信息服务App（尤其是导航类App）提供的实时交通信息，不仅可以帮助出行者躲避拥堵，还会对出行者的出发时间、出行方式等造成影响。 中国工程院院刊《Engineering》刊发的《出行者信息服务App对城市大气环境质量的效益评估》中，聚焦出行者信息服务App在改善整个交通网络运行效率的同时，是否能降低尾气排放？这种个体行为的变化，是否有利于提升城市的整体空气质量？以及可以在多大程度上降低机动车的尾气排放？最后，揭示导航类App提供的实时交通信息对城市空气质量的影响，为城市交通政策和环境政策的制定提供参考。 一、引言 中国交通运输业迅速发展，已成为空气污染的主要来源。急剧增长的机动车数量与有限的城市道路资源之间的矛盾日益突出，许多大城市面临严重的交通拥堵和大气环境质量下降。这些问题导致巨大的经济损失并制约着城市的可持续发展。而智能交通系统（intelligent transportation systemITS）为交通效率的提升和环境空气质量的改善提供了有效的平台和抓手。 随着信息通信技术（information communications technology，ICT）的发展和智能手机的普及，出行者信息服务App得以广泛应用。这些App按功能可划分为电子地图、导航、停车诱导等。在导航App中，在中国最受欢迎的是高德地图和百度地图。借助移动终端App，出行者可以获得大量的交通信息，并且可以知晓出行前和出行途中的交通状况，出行者的出行计划（如交通方式、出发时间以及出行路线）将随之调整，从而提高出行效率，进而使整个交通网络的通行能力得到更有效利用，达到节省机动车的燃料消耗、甚至降低尾气排放的效果。 然而，国内外关于交通信息对大气环境质量的影响的研究较少。尽管交通信息对城市交通影响的已有研究较多，但基本集中于传统的发布方式，如广播、电视、可变信息标志和互联网门户网站等。这些方式并非获取实时信息的最佳方式，特别是对在途中的出行者而言。而移动互联终端出行信息的发布模式，近两三年才普及推广。目前少有针对这种实时出行信息发布媒介的研究，在环境效益评估方面的研究也就更少。 本文采用多方法建模的技术，在复杂系统仿真软件AnyLogic和机动车尾气排放模拟器（motor vehicle emission simulator，MOVES）的支持下，将出行者行为模型、交通仿真模型和尾气排放模型进行整合。构建智能体模型（agent-baxxxxsed model，ABM），模拟出行者在出行者信息服务App诱导下的出行行为；然后，将出行行为映射在城市交通网络上，最后使用MOVES计算整个道路网络的尾气排放清单，即采用从下向上的非集计方法重点研究出行者行为和环境效益之间的关系，并为城市交通政策的制定提供参考。 二、建模方法 （一）模型概述 本文基于复杂系统理论，建立出行者行为模型、交通仿真模型和尾气排放模型的多方法模型体系，在动态时空水平系统中全面评价出行者信息服务App的交通和环境效益。综合仿真模型体系的技术线路如图1所示。首先，构建出行者ABM，考虑不同交通状况下出行信息对出行者行为的影响。其次，构建微观交通仿真模型，详细模拟出行者行为对交通发生与吸引、交通分布、交通方式和交通分配的影响。在此过程中，采集路网中每辆车逐秒的交通状态数据（如位置、速度和加速度等）作为模型下一步的输入。最后，使用机动车尾气排放模型在微观水平下测算污染物的排放情况，评价出行者信息服务App的节能减排效益。  图1 综合仿真模型技术线路图（RunSpec：运行规格） 本研究选择AnyLogic仿真平台和MOVES排放模型搭建综合模型。AnyLogic软件以复杂系统理论为基础，同时支持3种建模方法：ABM、离散事件（discrete event modelDEM）和系统动力学（system dynamicSD），并且支持以任意组合方式进行混合建模仿真。出行者行为模型和交通仿真模型的结合打破了传统交通仿真模型难以模拟出行者行为的短板，使得模型仿真的结果和真实情况更为接近。而机动车尾气排放的测算采用美国环境保护署（EPA）研发的最新一代微观排放模型——MOVES，该模型是世界上先进的机动车尾气排放模拟器。 （二）出行者行为模型 ABM是主流的行为建模方法。该方法是对系统中各个仿真实体用智能体的方式从下向上对整个系统进行建模，试图通过对单个智能体的行为及其之间的交互关系来描述复杂系统的行为。相比于传统的从上向下的集计模型，该建模方法具有更贴近现实、效率高、可操作性强和可移植性较高等优势。 本研究采用AnyLogic软件平台构建出行者ABM。ABM的过程主要包括3个步骤： ①确定模型所涉及的智能体； ②