论文部分内容阅读
随着城市化、机动化进程不断加快，出现能源短缺问题，而交通运输的能源消耗约占总能耗的20％，而且具有逐年上升的趋势是我国用能增长最快的领域之一。国家政府愈来愈重视交通系统的能耗及造成的污染问题，近几年交通工作者一直致力研究如何精确测算城市路网交通能耗和排放，以降低交通能耗、改善环境污染问题。 出租车是行驶频率最高的机动车，是城市客运体系的重要组成，承担着全国约30％的客运量。以北京市出租车为例，共6.66万辆，2012年全市出租小轿车完成客运量6.98亿人次，其承担的客运量也在稳步上升，此外，根据出租车计价器记录数据和市发展改革委成本调查队成本监审情况，2012年北京市出租车单车月均行驶里程约7480公里，约为小汽车月均行驶里程的6倍，减少出租车的能耗，对北京市节能减排、改善环境污染具有重要意义。 本文选择出租车作为研究对象，寻求一种符合北京市主干道的油耗模型。首先，对国内外油耗模型进行了综述，运用定性定量相结合的方法对油耗影响因素进行了系统的梳理，分别讨论了车辆特性、道路条件、交通状态、驾驶员驾驶行为特性等对油耗的影响，在此基础上，确定了模型的输入参数，包括链路平均速度、交叉口密度和停驶比;其次，对多源数据（浮动车GPS数据、CAN总线采集出租车瞬时油耗数据和GIS路网数据）进行了处理，对链路平均速度、交叉口密度和停驶比与油耗的关系进行了研究;建立了基于BP神经网络的油耗模型，并与回归分析进行了对比，结果表明神经网络具有更高的精度和稳定性;最后，针对北京市路网，选择具有代表性的长安街和西大望路进行了实例应用，通过北京市统计的油耗水平验证模型的实际应用性，并结合西大望路与长安街油耗水平的差异分析了其产生原因，结果表明对城市道路进行信号联动控制或对车辆进行路径诱导，减少停驶比，提高路段平均速度，是解决能耗的一个有效方法。