地面交通污染精细时空尺度大数据监测方法及其应用
文献类型：学位论文
| 作者 | 程诗奋 |
| 答辩日期 | 2022-12 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 陆锋 |
| 关键词 | 交通排放 时空模式 轨迹挖掘 健康影响 多尺度 |
| 学位名称 | 博士后 |
| 英文摘要 | 机动车尾气排放是大气污染的重要来源，严重影响社会经济的可持续发展。研究精细时空尺度的营运机动车排放污染清单，是科学治理道路交通污染的基础。然而，现有研究难以从稀疏采样的营运机动车行驶轨迹中推断道路的交通状态，无法精确构建本地化的动态排放因子模型，进而影响交通污染过程中机动车-道路状态-排放模型的耦合关系的精细表达。尤其很多大型营运车辆常为跨省区运输，造成交通污染排放源的来源地难以确定，使得交通排放责任界定与决策制订也缺乏科学依据。此外，中国近年采取了一系列的措施来控制机动车污染排放，这些严格的控制措施对环境空气质量的影响，目前尚未在高时空分辨率交通排放清单的支持下得到系统评估。 因此，本研究利用空间数据挖掘、时序数据分析和机器学习算法，实现了京津冀区域国省干道交通运输过程产生的PM、NOx、CO、VOCs等主要污染物的实时采集、路段级的交通污染排放动态实时测算、交通污染排放多尺度时空模式识别和影响因素分析、交通运输节能减排政策措施实施效果模拟以及交通污染排放贡献结构分解，具体如下： （1）针对稀疏道路交通数据建模过程中无法保证重构精度和模型易用性均衡的问题，提出了一种轻量级的稀疏道路交通数据重构方法。通过集成多个轻量级模型来保证模型的易用性，合理量化时空依赖性来提高模型的稀疏重构精度。在时间维度上，通过在传统简单指数平滑算法（SES）中引入动态滑动窗口，捕获地理过程的时空演化特征，从而提高了传统SES算法表达时间依赖性的能力。在空间维度上，通过考虑空间对象的时空模式，采用相关距离来取代传统反向距离权重算法（IDW）中的欧几里得距离，从而提高了传统IDW算法表达空间依赖性的能力。最后，引入极限学习机拟合时空非线性关系来整合时空重构结果。利用三个不同区域的道路网络行车速度数据集对提出的模型进行了全面的评估。与现有模型相比，该方法获得了更高的稀疏重构精度。 （2）针对目前自上而下的排放清单时空分辨率较低，无法反映机动车排放的时空模式变化；而自下而上的方法对车辆规格、行驶状态、交通路况、地理环境的考虑严重不足的问题。综合利用区域与城市交通多源空间数据（营运机动车精细轨迹、交通路况、交通流量等）、基础地理信息（行政区划、道路网络、地形等）、机动车规格信息、气象信息等，实现了道路交通污染排放的多尺度表征。采用时空立方体模型，实现了污染排放强度时空维度的统一表达。 （3）由于缺乏多尺度的重型柴油车污染排放清单，当前研究并未进一步探索污染排放的多尺度时空变化。利用道路交通污染排放多尺度表征方法，建立了京津冀区域路段级别、县级别、市级别的多尺度重型柴油车排放清单。采用空间统计指标和多尺度地理加权回归模型分析了污染排放的多尺度时空变化。结果表明，重型柴油车的污染排放在不同的尺度呈现差异化的时空分布和聚集特征。具体而言，路段级的排放主要集中到少数高数公路，以低低聚类为主。而县级和市级的排放集中在东部平原，主要以高高和低低聚类为主。社会经济和道路属性特征对重型柴油车污染排放的影响存在空间异质性和多尺度效应。人口密度、城镇化率、第二产业比例和高速占比在全局范围内影响重型柴油车的污染排放，而人均GDP和路网密度的影响则在局部。研究结果扩展了关于重型柴油车多尺度时空变化的科学认识，可为制定有针对性的重型柴油车排放控制措施提供科学依据。 （4）针对现有车辆VOCs排放清单的研究主要集中在汽油车，对重型柴油车的VOCs排放特性及排放控制政策对其的影响均了解甚少。利用道路交通污染排放多尺度表征方法，建立了一个路段以及小时级别的重型柴油车VOCs的排放清单，并评估了7种排放控制场景的减排潜力。以重工业城市为主的河北省作为研究案例，结果表明，China 3及以下排放标准的重型柴油车贡献了74.85%的排放,尽管它们仅占在道路网络上运行的重型柴油车的25.43%。重型柴油车VOCs的排放热点主要分布在城际高速和国道。提升排放标准将减少4.95%到80.06%的VOCs排放，燃油标准的提升对重型柴油车VOCs的减排潜力非常有限。研究结果有助于实现重型柴油车VOCs排放的精细化管理。 （5）针对现有研究无法识别区域内重型柴油车的来源地，导致尚不清楚重型柴油车排放贡献的时空分布格局问题。基于长时间序列的重型柴油车轨迹数据，采用轨迹模式挖掘技术推断了途经北京区域的每辆重型柴油车的来源地。耦合重型柴油车高时空分辨率排放清单，实现了北京重型柴油车排放贡献结构的精确分解。实验结果表明，不同区域的重型柴油车对北京的排放贡献存在明显的时空异质性。在空间上，不同区域对北京的排放贡献存在显著的聚集模式，且与离北京的距离呈现显著的幂率分布关系。河北和天津是北京非本地重型柴油车的主要来源地，与北京具有最大的交互强度，贡献了北京重型柴油车43%的交通流量以及37.05%的排放强度。在时间上，观察到不同区域的排放贡献量在夜间大于白天，具有日周期性且受重大节日的影响。非本地重型柴油车主导了北京重型柴油车的夜间排放，在白天则由本地重型柴油车主导。我们进一步发现不同区域贡献的交通流量是导致排放贡献结构空间异质的主要影响因素。本文的研究方法提供了一种新的手段来识别非本地重型柴油车的排放贡献，研究结果扩展了关于重型柴油车排放贡献的科学认识，可为重型柴油车的控制与管理相关的未来战略提供重要的科学依据。 |
| 语种 | 中文 |
| 页码 | 132 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/194340]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 程诗奋. 地面交通污染精细时空尺度大数据监测方法及其应用[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2022. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。