智能网联交通系统碳减排效益评估与实证研究*

王彩凤, 祁昊, 吴忠宜, 李成, 智涵祯

(1.交通运输部科学研究院, 北京 100029;2.百度在线网络技术(北京)有限公司, 北京 100085)

目前,主要从微观、中观、宏观3个层次进行城市交通碳排放研究。在微观层面,Abou-Senna H.等通过VISSIM和移动源排放测算模型(MOVES)对交通量、速度、载质量、道路状态等与碳排放之间的关系进行了研究[1];Ahn K.等基于全球定位系统信息,对道路类型和碳排放之间的关系进行了研究[2]。研究发现,仅选择高速道路行驶并不能有效降低交通排放量,建议在路径选择中适当选取一定比例的低速路段并减少激进驾驶行为,以实现更好的节能减排效果。在中观层面,程颖等利用车载排气排放物检测设备采集的不同道路等级下汽车排气排放物排放数据,对不同模型计算的碳排放因子精度进行了对比分析[3]。在宏观层面,Burón J. M.等利用NEI体系,将交通规划模型EMME/2和排放模型MOBILE整合,建立了加拿大宏观层次下路网机动车排放测算模型CALMOB6,该模型能反映真实的当地碳排放强度[4];李健等采用IPCC自上而下方法,分析了京津冀地区机动车常规污染物(CO、NOx、HC、PM2.5等)的排放特征及不同省市的排放物贡献度[5]。目前关于碳排放的研究主要集中在模型利用及改进方面,对结合先进技术进行碳排放评估的研究较少。为此,本文从智能网联交通系统碳减排原理入手,结合现有研究建立典型交通场景下智能网联交通系统碳排放测算模型,实现对城市智能网联交通系统碳减排的测算与评估。

1 智能网联交通系统碳减排基本原理

普通城市道路交叉口和道路路段对城市交通运行通畅、能源消耗和碳排放等具有重要影响。缺乏智能技术支持的情况下,驾驶人难以准确获知交通流和信号灯情况,导致不必要的驾驶行为,增加延误时间、燃油消耗和污染物排放量。异常情况下,驾驶人无法及时获取相关信息,影响车辆行驶效率和安全性,降低交通流量和行驶速度,进一步增加能源消耗和污染物排放量。

智能网联技术的快速发展在改善城市道路交通状况和降低污染物排放方面起到重要作用。如图1所示,智能网联交通系统基于路侧感知设备和智能网联系统先进技术[6-7],实现对城市道路交叉口信号配时的优化,同时对城市道路和交叉口内通行的车辆进行路径规划及车速引导,减小排队长度,减少停车时间及停车次数等,从而提高城市道路通行能力,提升车辆通行效率,避免交通事故及事故导致的道路拥堵,有效缓解交通拥堵,促进城市交通碳减排。

图1 智能网联系统碳减排基本原理

2 智能网联交通系统碳减排效益评估方法

2.1 信号交叉口碳排放测算方法

根据智能网联系统碳减排原理,车辆在交叉口会产生急加减速变换、起/停操作及怠速等驾驶行为。车辆在不同运行状况下的碳排放不同,交叉口碳排放主要有三方面[8]:

(1) 减速阶段。减速阶段的碳排放是指车辆即将到达交叉口之前因前方为红灯由城市平均运营时速开始刹车减速至停驶过程中产生的碳排放,计算公式如下:

(1)

式中:QQE, y1为第y年车辆进入交叉口时减速阶段的碳排放量(t);qPN,i,j,p为第j天通过第i个交叉口的单日交通量(辆);p为车辆类型;QPA,i,p为车辆进入第i个交叉口时减速阶段的碳排放量(g/辆)。

(2) 怠速阶段。怠速阶段的碳排放是指车辆在交叉口因红灯停车怠速过程中产生的碳排放,计算公式如下:

(2)

式中:QQE,y2为第y年车辆在交叉口怠速过程中产生的碳排放量(t);RMP,i,p为第i个交叉口进口道单车怠速温室气体排放速率[g/(s·辆)];Ti,j,p为第j天第i个交叉口各进口道车辆的平均延误时间(s)。

(3) 加速阶段。加速阶段的碳排放是指车辆起动加油时产生的碳排放,计算公式如下:

(3)

式中:QQE,y3为第y年车辆在交叉口起动加油时产生的碳排放量(t);QPD,i,p为车辆在第i个交叉口等待红灯结束后驶出交叉口的过程中加速阶段的碳排放量(g/辆)。

综上,交叉口的碳排放为:

QQE,y=QQE,y1+QQE,y2+QQE,y3

(4)

式中:QQE,y为第y年交叉口的碳排放量(t)。

2.2 道路路段碳排放测算方法

根据已有研究成果,影响城市道路路段碳排放的因素主要包括道路通行量、车辆行驶里程、行驶速度、碳排放因子等。基于城市交通运输活动碳排放评估ASIF法,结合路段碳排放计算方法[9-10],考虑项目路段运行数据等,路段日碳排放量计算公式为:

Ki,j=qVT,i,j,p,d×DBD,i,d×FEF,i,p,d

(5)

式中:Ki,j为第y年第j天第i个路段的日碳排放量(t);qVT,i,j,p,d为第j天第i个路段的单日交通量(辆);d为道路等级;DBD,i,d为第i个路段的行驶距离(km);FEF,i,p,d为第i个路段车辆行驶时的碳排放因子(g/km),根据机动车速度、道路条件、车辆载质量、车型等因素确定。

路段的年碳排放量为:

(6)

式中:QOE,y为第y年路段的碳排放量(t)。

2.3 智能网联交通系统碳减排效益评估

在已知智能网联系统实施前后各信号交叉口与道路路段碳排放量的基础上,可按下式计算城市道路网的碳减排总量QSE,y:

QSE,y=(QQE,y,u-QQE,y,v)+(QOE,y,u-QOE,y,v)

(7)

式中:QQE,y,u、QQE,y,v分别为第y年智能网联项目实施前后信号交叉口的碳排放总量;QOE,y,u、QOE,y,v分别为第y年智能网联项目实施前后道路路段的碳排放量。

3 实例验证

北京市高级别自动驾驶示范区位于北京大兴亦庄,是全球首个高级别自动驾驶示范区,预计3年内铺设网联道路300 km,完成332个路口的智能化改造。

3.1 数据采集

研究所采集数据主要包括智能网联实施前后信号交叉口和道路路段的相关数据,共收集3个交叉口和5条路段信息,数据时间维度为2022年智能网联项目实施前后各一周(2022年6月8—14日、2022年9月19—25日)的数据。3个信号交叉口分别为科创八街与经海路交叉口(交叉口1)、科创八街与经海三路交叉口(交叉口2)、中和街与永昌北路交叉口(交叉口3),5条道路路段分别为经海路中段路段(科创六街—科创八街,路段1)、经海三路路段(科创六街—科创八街,路段2)、经海一路路段(科创六街—科创八街,路段3)、荣京东街—科创五街路段(荣京东街与荣华路交叉口—科创五街与经海路交叉口,路段4)、永昌北路路段(万源街—中和街,路段5),交叉口和路段实景见图2。

①～⑧分别为交叉口1、交叉口2、交叉口3、路段1、路段2、路段3、路段4、路段5

3.1.1 交叉口数据分析

信号交叉口相关数据主要包括交叉口名称、日期、时间、交通量、平均排队长度和平均延误等(见表1)。

主要以小汽车为研究对象,由于缺少小汽车车型数据,暂不考虑车型类别,只考虑汽油小汽车。根据已有车载排放测试和MOVES 模型,计算交叉口碳排放评估模型中参数值,结果见表2。

对交叉口采集数据进行分析,智能网联项目实施前后平均排队长度和延误时间对比分别见图3、图4,智能网联项目实施后交叉口平均排队长度和延误时间的变化见表3。由图3、图4、表3可知:智能网联项目实施后3个交叉口的平均排队长度和平均延误时间都得到改善。

表1 交叉口采集数据样例

表2 相关参数描述[11]

图3 智能网联项目实施前后交叉口排队长度对比

图4 智能网联项目实施前后交叉口延误时间对比

表3 智能网联项目实施后交叉口排队长度和延误时间的变化 单位:%

3.1.2 路段数据分析

道路路段数据主要包括路段名称、起终点交叉口名称、日期、时间、交通量、平均车速和平均行程时间等(见表4)。

表4 路段采集数据样例

由于缺少小汽车车型数据和道路等级数据,计算时不考虑车型类别和道路等级,代表车型统一为1.6 L排量小汽车,其单车行驶速度与二氧化碳排放强度的关系见图5[12]。参考城市交通碳排放因子数据库等[13],确定代表车型行驶速度为15 km/h、20 km/h、25 km/h、30 km/h时的碳排放强度分别为362 g/km、342 g/km、312 g/km、280 g/km。

图5 1.6 L排量小汽车行驶速度与二氧化碳排放

对道路路段采集数据进行分析,智能网联项目实施前后经海路中段、经海三路、荣京东街—科创五街3个路段的交通量和平均车速对比见图6,智能网联项目实施后路段交通量和平均车速的变化见表5。由图6、表5可知:智能网联项目实施后路段交通量和平均车速都得到提升。

3.2 效果评估

3.2.1 交叉口碳减排分析

核算3个交叉口的碳排放情况,智能网联项目实施前后交叉口日均碳排放量对比见图7。由图7可知:智能网联项目实施后3个交叉口的日均碳排放量都明显降低,其中中和街与永昌北路交叉口的日均碳减排量最大。智能网联项目实施前后3个交叉口的年碳排放量分别为283.61 t、128.48 t,智能网联项目实施后实现的年碳减排量为155.13 t,交叉口的平均年碳减排量为51.71 t。北京市高级别自动驾驶示范区一期和二期共建设332个路口,据此估算,该项目实现的年碳减排量为17 167.72 t,交叉口碳减排率为54.70%。

图6 智能网联项目实施前后部分路段交通量和平均车速对比

表5 智能网联项目实施后道路路段交通和平均车速的变化 单位:%

图7 智能网联项目实施前后交叉口日均碳排放量对比

3.2.2 路段碳减排分析

核算5个路段的碳排放情况,智能网联项目实施前后路段日均碳排放量对比见图8。

图8 智能网联项目实施前后路段日均碳排放量对比

由图8可知:路段4(荣京东街—科创五街)的碳排放量较大,该路段为主要交通走廊,交通量较大,因而碳排放量也较大。智能网联项目实施后,5个路段的日均碳排放量都有所降低,其中荣京东街—科创五街路段的日均碳减排量为1.58 t,其他4个路段的平均日均碳减排量为0.24 t。考虑交通走廊及普通道路长度的影响,通过加权的方式,根据特征路段长度占比测算北京市高级别自动驾驶示范区智能网联项目实施后年碳排放量为70 132.54 t,项目实施前年碳排放量为103 699.27 t,预计每年实现碳减排量33 566.73 t,碳减排率为32.37%。

3.2.3 项目碳减排分析

综上所述,北京市高级别自动驾驶示范区智能网联项目全部建成后,预计每年实现碳减排量50 734.45 t,智能网联系统在降低城市交通碳排放方面具有显著效果。

4 结论

本文通过分析智能网联交通系统的基本特征与碳减排基本原理,提出基于信号交叉口与道路路段的智能网联系统碳排放测算模型,并以北京市高级别自动驾驶示范区为例进行碳减排效益实例验证,预估其智能网联交通系统能实现年碳减排量约5.1万t,碳减排效益显著。其中信号交叉口预计实现年碳减排量约1.7万t,道路路段预计实现年碳减排量约3.4万t,约为信号交叉口的2倍,智能网联系统对优化道路路段通行效率和减少碳排放的效果更突出。但由于当前未能获取车辆组成、燃料类型等详细数据,仅通过假设采用标准参数值,后续研究中须进一步细化,提升智能网联系统碳减排效益评估方法的精度与准确性。