一种考虑空气污染暴露的混合用户出行诱导方法

摘要

一种考虑空气污染暴露的混合用户出行诱导方法，基于交通网络中考虑个体出行时间最优的个人最优用户(UE)、考虑个体出行健康的个人最优用户(EUE)和考虑出行健康的纳什均衡用户(ECN)，采用基于BPR(Bureau of Public Road)函数的宏观交通流模型、宏观车辆尾气排放估算模型、结合高斯烟雨模型构成一个一体化模型，用来描述车辆尾气从产生、扩散、到最终作用于人的全过程。再通过估算路网中的出行时间成本以及空气污染对人的影响，通过可变信息板、手机客户端、移动设备等发布手段提供给出行者，引导路网中的混合用户进行合理的路径选择。本发明对于交通组织管理、缓解交通拥堵与尾气污染有重要作用，并且可降低空气污染对出行者的影响。

说明书

技术领域

本发明涉及交通规划与管理领域，特别是一种考虑空气污染暴露的混合用户出行诱导方法。

背景技术

近几年我国空气污染问题比较突出，受到了包括周边国家在内的各级政府、媒体和社会的广泛关注。交通排放是我国城市空气污染的主因之一。以京津冀三地为例，机动车尾气对PM2.5的贡献分别为31.1％，20.0％和25.0％。长时间暴露于污染空气中会导致一些短期或长期的疾病。根据美国环保局发布的消息，居住在拥挤城市附近的人一生中患癌症的风险超过万分之一，这大约是平均水平的10倍。一方面交通活动产生了汽车尾气，另一方面汽车尾气影响了交通出行，因此弄清二者之前的作用机理显得尤为重要。

对于城市交通排放的管控，主要依赖政府对车辆排放的限制与管制。除政府管制以外，交通管理领域普遍认同用市场手段进行交通排放管控，但总体而言需要政府层面支持，实现难度大。通过交通诱导的方法使出行者选择合理的出行路径，从而减少车辆尾气排放不失为一个有效的减轻空气污染的方法。但是，目前的交通诱导方法都是以出行时间最短为目的，并没有考虑到空气污染暴露问题。

发明内容

本发明旨在从减少空气污染暴露的角度出发，考虑多种出行用户，提出合理的交通诱导方法。

实现本发明目的的技术方案如下：

一种考虑空气污染暴露的混合用户出行诱导方法，包括

步骤一：选取路网，确定路网中的OD对和交通需求量；

步骤二：建立一体化空气污染暴露计算模型，包括：

基于BPR函数的尾气排放预测模型：

其中，q_a(v_a)是路段a上CO的排放率，v_a是路段a上的流量，l_a是路段a的长度，t_a(v_a)是路段a上的行驶时间，是路段自由行驶时间，α、β为模型参数，α＝0.15、β＝4；c_a为路段通行能力；

高斯烟雨模型：

其中，C_e(x_s,y_s)是路网中点(x_s,y_s)上的污染物浓度，x沿着风向，y垂直于风向；σ_z是竖直方向上的偏差值，σ_y是垂直风向上的偏差值，e是路网中的有限源；p＝y/σ_y；u是风速；是全局坐标下路网上的点与以风向为坐标上的该点之间的夹角；q_e是路段中有限源的排放率；

是有限源的起始纵坐标；

基于路段的空气污染暴露计算模型：

其中，是路段a上的个体空气污染暴露量；v_a为路段流量；t_a为路段行驶时间；|F_a|为路段a上有限源的数量；F_a为路段a上有限源的集合；s为路段a上一个有限源；

步骤三：设置不同用户对环境重视程度的参数λ；

步骤四：根据用户特征，建立不同出行用户的出行成本计算模型，包括：对于个人最优用户，即UE用户：

其中，Ω^U＝{v^U}，v^U满足以下约束条件：

对于考虑个体出行健康的个人最优用户，即EUE用户：

其中，Ω^E＝{v^E}，v^E满足以下约束条件：

对于考虑出行健康的纳什均衡用户，即ECN用户：

其中，Ω^k＝{v^k}，v^k满足以下约束条件：

上述模型中，

U是路网中的UE用户；

E是路网中的EUE用户；

K是路网中的ECN用户,k∈K；

W^U是UE用户控制的OD对；

W^E是EUE用户控制的OD对；

W^k是ECN用户控制的OD对；

WW≡W^U∪W^E∪_k∈KW^k；

D_wOD对之间的交通需求量w∈W；

P_wOD对之间的路径w∈W；

P^U

P^E

P^K

PP≡P^U∪P^E∪P^K；

f_p是路径上的流量p∈P；

δ_ap路段a∈A在路径p∈P上时为1,否则为0；

UE用户的流量；

EUE用户的流量；

其中第k个ECN用户的流量；

v_a路段总流量a,

v^U

v^E

v^k

v^Kv^K≡(…,v^k-1,v^k,v^k+1,…)；

步骤五：将模型改写成变分不等式形式，

其中：

是路段上不同用户的感知费用函数；

Φ≡U∪E∪K；

是路段上除了用户以外所有其它用户的流量，

步骤六：运用嵌套对角化算法的连续平均法对模型进行求解，根据路网中不同的用户比例，分析路网中空气污染暴露量和总出行成本；所述UE用户的总出行成本是总的出行时间，EUE和ECN用户的总出行成本是总的出行时间和总的空气污染暴露量；

步骤七：将上述信息通过可变信息板、手机客户端或移动设备发布给出行者，引导路网中的混合用户进行路径选择。

本发明的有益效果在于，通过路径诱导方法降低出行过程中空气污染暴露对出行者的影响，从系统角度降低出行成本。本发明基于交通网络中可能存在的三类出行人群，即考虑个体出行时间最优的个人最优用户(UE)、考虑个体出行健康的个人最优用户(EUE)和考虑出行健康的纳什均衡用户(ECN)。采用基于BPR(Bureau of Public Road)函数的宏观交通流模型、宏观车辆尾气排放估算模型、结合高斯烟雨模型构成一个一体化模型，用来描述车辆尾气从产生、扩散、到最终作用于人的全过程。通过估算路网中的出行时间成本以及空气污染对人的影响，将该信息通过可变信息板、手机客户端、移动设备等发布手段提供给出行者，从而引导路网中的混合用户进行合理的路径选择。本发明对于交通组织管理、缓解交通拥堵与尾气污染有重要作用，并且可降低空气污染对出行者的影响。

附图说明

图1为路网示意图。

图2为EUE用户的路径流量、出行时间、污染物暴露变化图；其中，

(A)交通流变化情况；

(B)出行时间变化情况；

(C)污染物暴露变化情况。

图3为EUE用户在路网中总的出行成本、出行时间、污染物暴露变化图；其中，

(A)总的出行成本变化情况；

(B)总的出行时间变化情况；

(C)总的污染物暴露变化情况。

图4为路网中UE用户与EUE用户比例的变化总的出行成本、出行时间、污染物暴露的影响图；其中，

(A)总的出行成本变化情况；

(B)总的出行时间变化情况；

(C)总的污染物暴露变化情况；

图5为路网中UE用户与EUN用户比例的变化对总的出行成本、出行时间、污染物暴露的影响图；其中，

(A)总的出行成本变化情况；

(B)总的出行时间变化情况；

(C)总的污染物暴露变化情况。

图6为路网中UE用户与EUE用户比例的变化对总的出行成本、出行时间、污染物暴露的影响图(A)，以及路网中UE用户与EUN用户比例的变化对总的出行成本、出行时间、污染物暴露的影响图(B)。

具体实施方式

下面结合附图对本发明作进一步的描述。

本发明的技术方案如下：

一种考虑空气污染暴露的混合用户出行诱导方法，包括

步骤一：选取路网，确定路网中的OD对和交通需求量；

步骤二：建立一体化空气污染暴露计算模型，包括：

基于BPR函数的尾气排放预测模型：

其中，q_a(v_a)是路段a上CO的排放率，v_a是路段a上的流量，l_a是路段a的长度，t_a(v_a)是路段a上的行驶时间，是路段自由行驶时间，α、β为模型参数，α＝0.15、β＝4；c_a为路段通行能力；

高斯烟雨模型：

其中，C_e(x_s,y_s)是路网中点(x_s,y_s)上的污染物浓度，x沿着风向，y垂直于风向；σ_z是竖直方向上的偏差值，σ_y是垂直风向上的偏差值，e是路网中的有限源；p＝y/σ_y；u是风速；是全局坐标下路网上的点与以风向为坐标上的该点之间的夹角；q_e是路段中有限源的排放率；

是有限源的起始纵坐标；

基于路段的空气污染暴露计算模型：

其中，是路段a上的个体空气污染暴露量；v_a为路段流量；t_a为路段行驶时间；|F_a|为路段a上有限源的数量；F_a为路段a上有限源的集合；s为路段a上一个有限源；

步骤三：设置不同用户对环境重视程度的参数λ；

步骤四：根据用户特征，建立不同出行用户的出行成本计算模型，包括：

对于个人最优用户，即UE用户：

其中，Ω^U＝{v^U}，v^U满足以下约束条件：

对于考虑个体出行健康的个人最优用户，即EUE用户：

其中，Ω^E＝{v^E}，v^E满足以下约束条件：

对于考虑出行健康的纳什均衡用户，即ECN用户：

其中，Ω^k＝{v^k}，v^k满足以下约束条件：

上述模型中，

U是路网中的UE用户；

E是路网中的EUE用户；

K是路网中的ECN用户,k∈K；

W^U是UE用户控制的OD对；

W^E是EUE用户控制的OD对；

W^k是ECN用户控制的OD对；

WW≡W^U∪W^E∪_k∈KW^k；

D_wOD对之间的交通需求量w∈W；

P_wOD对之间的路径w∈W；

P^U

P^E

P^K

P P≡P^U∪P^E∪P^K；

f_p是路径上的流量p∈P；

δ_ap路段a∈A在路径p∈P上时为1,否则为0；

UE用户的流量；

EUE用户的流量；

其中第k个ECN用户的流量；

v_a路段总流量a,

v^U

v^E

v^k

v^Kv^K≡(…,v^k-1,v^k,v^k+1,…)；

步骤五：将模型改写成变分不等式形式，

其中：

是路段上不同用户的感知费用函数；

Φ≡U∪E∪K；

是路段上除了用户以外所有其它用户的流量，

步骤六：运用嵌套对角化算法的连续平均法对模型进行求解，根据路网中不同的用户比例，分析路网中空气污染暴露量和总出行成本；所述UE用户的总出行成本是总的出行时间，EUE和ECN用户的总出行成本是总的出行时间和总的空气污染暴露量；

步骤七：将上述信息通过可变信息板、手机客户端或移动设备发布给出行者，引导路网中的混合用户进行路径选择。

为了更好的描述所建立模型，首先选取一个路网如图1所示，设置了OD对和交通需求量。

首先考虑路网中的所有用户都是考虑个人出行健康的个人最有用户(EUE)，通过设定不同的环境重视程度系数λ表示他们对环保的重视程度的大小，观察路网中流量、用户出行时间和污染物暴露的变化情况，如图2所示。(A)表示随着环境重视程度系数λ的增加，在OD(1,3)两条路径上的流量的调整情况；(B)表示两条路径上相应的用户出行时间变化；(C)表示两条路径上的污染物暴露变化情况。图3表示随着环境重视程度的λ提高，整个路网中总的出行成本、总的出行时间和总的污染物暴露程度都是随之减少直至达到平衡。

图4描述的是路网中存在考虑个人出行时间最优的个人最优用户(UE)和考虑个体出行健康的个人最优用户(EUE)。θ表示路网中EUE用户的比例，1-θ表示路网中UE用户的比例。(A)表示在两种用户共同存在的情况下，当环境重视程度一定时，EUE用户越多，路网中总的出行成本越低直到到达平衡；当用户比例一定时，环境重视程度越高，路网中总的出行成本越低直到达到平衡。(B)、(C)分别表示在两种用户共同存在的情况下，路网中总的出行时间和总的污染物暴露的变化情况与(A)的变化情况一致。

图5描述的是路网中存在考虑个人出行时间最优的个人最优用户(UE)和考虑出行健康的纳什均衡用户(ECN)。θ表示路网中EUN用户的比例，1-θ表示路网中UE用户的比例。(A)、(B)、(C)分别表示在两种用户共同存在的情况下，路网中总的总的额出行成本、总的出行时间和总的污染物暴露的变化情况，而这种变化情况与图4的变化趋势一致。

图6的结果是将图4与图5的实验结果进行比较，当用户比例设置为0.5，环保重视程度系数小于50时，考虑个人出行时间最优的个人最优用户(UE)和考虑个体出行健康的个人最优用户(EUE)混合的路网的总成本高于考虑个人出行时间自由的个人最优用户(UE)和考虑出行健康的纳什均衡用户(ECN)混合路网的总成本；当环保系数大于50时，结果反之。而当用户比例不小于0.7时，无论环保系数如何变化，考虑个人出行时间最优的个人最优用户(UE)和考虑个体出行健康的个人最优用户(EUE)混合路网的总成本一直高于考虑个人出行时间最优的个人最优用户(UE)和考虑出行健康的纳什均衡用户(ECN)混合路网的总成本。

通过算例分析，验证了所建立的考虑污染物暴露的多种用户均衡出行的交通诱导方法不仅改变了路网中流量的分配情况，同时也使路网中整体的出行总成本降低。