一種時空路徑支持下的車輛油耗與排放估計方法

唐爐亮，闞子涵，段 倩，李清泉，2

1. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079； 2. 深圳大學土木工程學院空間信息智能感知與服務深圳市重點實驗室,廣東 深圳 518060

一種時空路徑支持下的車輛油耗與排放估計方法

唐爐亮1，闞子涵1，段 倩1，李清泉1，2

1. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079； 2. 深圳大學土木工程學院空間信息智能感知與服務深圳市重點實驗室,廣東 深圳 518060

交通運輸中能耗與污染物排放給人類環(huán)境帶來了嚴峻挑戰(zhàn)。本文提出了一種時空路徑支持下的油耗、排放估計新方法。該方法首先在時空集成的三維坐標系下建立個體車輛的時空路徑并從中識別移動/停留行為，然后根據(jù)時空路徑段與提取的運動參數(shù)利用COPERT模型估計車輛的油耗和排放，最后提出一種時空路徑的N維表達模型，將車輛的運動特征與時空路徑段的油耗與排放統(tǒng)一進行可視化。試驗中利用武漢市GPS軌跡大數(shù)據(jù)估計并分析了單輛車與路網(wǎng)片區(qū)的油耗與排放，結果顯示本文提出的時空路徑支持下的車輛油耗與排放估計方法在估計精度與可視化方面優(yōu)于傳統(tǒng)的基于平均速度估計方法，能夠更加準確地估計和表達車輛油耗與排放。

油耗；排放；能耗/排放模型；COPERT模型；時空GIS；時空路徑；大數(shù)據(jù)

城市化的加速發(fā)展帶來了交通與環(huán)境污染問題，報告顯示20%～30%的溫室氣體來自城市交通運輸網(wǎng)絡[1]，機動車污染已成為我國空氣污染的重要來源，是造成灰霾、光化學煙霧污染的重要原因，城市交通的能耗和排放成為了國內外研究熱點和挑戰(zhàn)。

應用排放模型估算城市機動車排放因子及排放總量，是機動車污染控制研究的一個重要方向[2]。近幾十年來，大量能耗、排放估計模型得到發(fā)展，如美國環(huán)保局開發(fā)的MOVES模型，歐洲環(huán)境署(EEA)開發(fā)的COPERT模型，美國加州空氣資源局(CARB)開發(fā)的EMFAC模型與國際可持續(xù)發(fā)展研究中心(ISSRC)與加州大學河邊分校開發(fā)的IVE模型[3-7]。在這些排放估計模型中，污染物排放量主要取決于車輛負載與加速度、速度等行駛參數(shù)。由于我國路況復雜，臺架測試困難，還未開發(fā)出適用于國內的排放模型，目前已有研究大多是將COPERT、IVE等國外排放估計模型進行排放因子的中國本地化調整[8-13]，已有研究表明，COPERT模型計算獲得的排放因子更接近中國機動車實際排放情況[2]。位置大數(shù)據(jù)已經(jīng)蔓延到所有科學研究與工程應用領域，獲得廣泛關注[14]。GPS軌跡數(shù)據(jù)作為位置大數(shù)據(jù)的重要成分，蘊含著豐富的關于車輛運動狀態(tài)的信息。文獻[15—16]對GPS軌跡進行重建并還原并估計道路排放量；文獻[17]利用高頻GPS軌跡數(shù)據(jù)，以車輛加速度為代入?yún)?shù)估計了新加坡城區(qū)的路網(wǎng)機動車排放量；文獻[18—19]利用軌跡平均速度結合COPERT模型分別估計了區(qū)域和路網(wǎng)的排放；文獻[11]利用VISSIM模擬的方法，利用MOVES模型估計了信號交叉口產(chǎn)生的排放。

以上利用車輛移動軌跡估計排放的研究大多從GPS軌跡中提取出速度、加速度等參數(shù)，結合已有排放模型估計區(qū)域或路網(wǎng)的排放量，而忽略了車輛本身的停留/移動行為特征。本文通過引入時間地理學中的時空路徑概念來分析車輛時空行為特征。時間地理學[20]研究的一個核心問題是如何把各種相關要素有機、直觀地表示在空間和時間軸上[21]。時空路徑是時間地理學的核心概念之一，通過在水平地圖上添加垂直的時間軸建立了個體時空三維坐標系，從而直觀地描述了個體在時空間的移動特征和行為模式。時空路徑不僅能夠表達車輛個體在時間、空間上的移動軌跡，還能隱含地表現(xiàn)其他運動參數(shù)，如傾斜程度表征移動速度等，而被廣泛地應用于個體活動特征以及群體行為模式的挖掘[22-24]。本文提出一種時空路徑支持下的油耗與排放估計方法，該方法首先在時空集成的三維坐標系下建立個體車輛的時空路徑并從中識別移動/停留行為，然后根據(jù)時空路徑段與提取的運動參數(shù)結合COPERT模型估計每一時空路徑段上的車輛的能耗和排放，最后提出一種時空路徑的N維表達模型，將車輛的運動特征與時空路徑段的能耗與排放統(tǒng)一進行可視化，進一步豐富了時空路徑的表達內容。

1 時空路徑支持下的車輛能耗/排放估計

1.1 個體時空路徑的建立與移動/停留行為識別

時空路徑是時間地理學的核心概念之一，描述了時空集成三維正交坐標系的個體移動軌跡，其中空間維展示了個體的位置轉移，時間維描述移動軌跡發(fā)生的時間順序，如圖1所示。

圖1 三維時空坐標系與個體時空路徑Fig.1 3D space-time coordinate and individual space-time path

個體時空路徑由一系列按照時序排列的軌跡點Pi組成，每個軌跡點Pi為位置與時間二元組，相鄰兩軌跡點組成一個時空路徑段STPSsi

Pi=〈Loci，ti〉

(1)

si=〈ci，ci+1〉

(2)

基于時間地理學中個體在各STPS上勻速移動的假設[24]，STPSsi的速度如式(3)所示

(3)

在三維時空坐標系下，每個STPS至少表示移動(mobile activity，MA)或停留(stationary activity，SA)中的一種行為。如圖1所示，由一個位置轉移到另一個位置表示移動行為MA，由傾斜線段(實線)表示；在一個固定位置發(fā)生的是停留行為SA，由垂直線段(虛線)表示。移動行為與停留行為的定義如下

MA={(Loc(S)，TS)，(Loc(E)，TE)，

|Loc(E)-Loc(S)|≥δ}

(4)

SA={(Loc(S)，TS)，(Loc(E)，TE)，

|Loc(E)-Loc(S)|<δ}

(5)

式中，Loc(S)、Loc(E)為STPS的起止位置點；TS、TE為STPS的起止時間?？紤]定位誤差影響，停留行為的起止點間距|Loc(E) -Loc(S)|小于距離閾值δ。

1.2 基于車輛時空路徑的能耗與排放估計

在獲得車輛停留和移動兩種行為的基礎上，本文采用COPERT模型估計車輛的油耗和排放。COPERT模型是一種典型的數(shù)學關系模型，通過對固定工況上的臺架測試進行回歸，建立污染排放因子與速度之間的數(shù)學關系，采用平均速度修正因子來計算實地工況車輛行駛的排放因子，最終通過計算得到的排放因子乘以車輛行駛里程得到污染物的排放總量。已有研究表明，COPERT模型具有很強的應用型與交互性，能夠對一輛車的排放和整個城市的排放進行估計，COPERT模型計算獲得的排放因子更接近中國機動車的實際排放情況[2]。由于COPERT模型的開發(fā)地歐洲與我國有相同的測試工況，相近發(fā)動機技術，并能兼容我國目前和未來一段時間內的機動車排放控制標準，因此本文選擇COPERT進行車輛油耗/排放的估計。在區(qū)分車型、燃料類型以及行駛環(huán)境的基礎上，COPERT模型中最重要的參數(shù)是車輛行駛速度，因此本文計算車輛在每一時空路徑段的平均速度從而估計車輛的油耗和排放。

本文首先分析車輛不同活動狀態(tài)，對于移動行為的STPS(MA)，利用車輛技術參數(shù)、燃油參數(shù)以及移動參數(shù)(平均速度)估計車輛在該STPS上的能耗與排放。對于停留行為的STPS(SA)，其停留行為的實際運行狀態(tài)可以是發(fā)動機熄火或發(fā)動機運行兩種狀態(tài)。對于發(fā)動機熄火狀態(tài)下的停留行為，車輛不消耗燃料也不釋放排放物，對應油耗與排放為零； 而對于發(fā)動機運行狀態(tài)下的停留行為， 為了維持發(fā)動機的運轉， 車輛消耗燃料同時釋放排放物，應根據(jù)相應參數(shù)估計能耗和排放。本文根據(jù)停留行為的停留時長推測車輛運行狀態(tài)，根據(jù)我國《大氣污染防治法》“鼓勵機動車停車3 min熄火”，將停留時長低于3分鐘的停留行為視為發(fā)動機啟動狀態(tài)，如圖2(a)所示，將停留時長超過3 min的視為發(fā)動機熄火，如圖2(b)所示。

圖2 兩種類型的停留行為Fig.2 Two categories of stationary activities

在確定每個STPS車輛運行狀態(tài)的基礎上，本文基于COPERT模型估計能耗、排放。傳統(tǒng)應用COPERT模型進行車輛能耗與排放估計的研究將車輛行駛全程的平均速度與距離作為參數(shù)進行代入估計，且不區(qū)分車輛的具體運行狀態(tài)，而本文在分析車輛運行狀態(tài)的基礎上基于每個STPS估計車輛行駛的能耗和排放。

1.2.1 能耗估計

首先基于COPERT模型按STPS分段估計能耗。對于1.4 L～2.0 L油氣排量的小轎車，按式(6)估計能耗，其中FC為各STPS上的能耗因子(g/km)，V為各STPS的平均速度

(6)

1.2.2 排放估計

發(fā)動機熄火狀態(tài)下的停留行為排放為0，在發(fā)動機運行狀態(tài)下，COPERT模型定義的排放量包括3個部分

ETOTAL=EHOT+ECOLD+EEVAP

(7)

式中，ETOTAL是某種污染物的總排放量；EHOT為熱穩(wěn)定狀態(tài)下的排放；ECOLD為發(fā)動機冷啟動(從熄火到啟動)狀態(tài)下的排放；EEVAP是燃油蒸發(fā)排放。熱穩(wěn)定排放是排放物的主要組成部分，在歐Ⅲ排放標準下，以排量1.4～2.0 L的汽油機小客車為例，其熱穩(wěn)定排放因子如表1所示[3]，其中，V為車輛行駛平均速度。

1.3 車輛能耗與排放可視化分析

在應用COPERT模型估計車輛STPS的能耗與排放的基礎上，本文提出一種基于時空路徑的N維表達模型，將車輛的運動特征與STPS的能耗與排放統(tǒng)一進行可視化。N維表達模型將個體在時間、空間維度上的特征以及移動參數(shù)、個體屬性(如人或車輛、年齡、性別)等多個維度信息統(tǒng)一表達在個體時空路徑上。若一個時空路徑由M個STPS組成，每一個STPS包含時間time、位置location、速度speed、油耗consumption、排放emissions等N維信息，則該個體的時空路徑P可由(8)式表達

表1排量1.4～2.0L的汽油機小客車排放因子計算公式

Tab.1Formulasofemissionscalculationforpassengercarswith1.4～2.0Ldisplacement

排放類別排放類型排放因子EHOTg(km·輛)-1CO(71．7+11．4V)/(1+35．4V-0．248V2)NOX(0．0929-0．00149V+6．53e-6V2)/(1-0．0122V+3．97e-5V2)

(8)

圖3為時空坐標系下的N維時空路徑模型，其中不同顏色的矩形代表STPS的不同維度。

圖3 個體的N維時空路徑模型Fig.3 N-dimensional model of individual space-time path

最后，使用本文提出的N維模型展示各STPS的能耗、排放量。如圖4所示，對于移動行為或處于發(fā)動機啟動狀態(tài)下的停留行為，其STPS具有能耗、排放量；而對于處于發(fā)動機熄火狀態(tài)下的停留行為，無能耗、排放量。

圖4 能耗、排放的N維時空路徑Fig.4 Space-time path of energy consumption and emissions

2 試驗與討論

試驗中首先記錄一輛試驗車的軌跡和真實油耗，利用本文提出的基于STPS的COPERT模型估計其油耗，并與傳統(tǒng)方法中利用所有車輛的平均速度作為參數(shù)估計能耗和排放量[13]進行比較。然后選取武漢市一個路網(wǎng)子區(qū)域，利用提出方法估計路網(wǎng)油耗和排放，并分析其時空分布。

2.1 個體車輛的能耗、排放估計

由于真實排放量和油耗量難以獲得，本文采集一輛汽油車于2016年3月23日至3月25日的GPS軌跡，采樣間隔為10 s，并記錄真實油耗用于驗證本文估計方法的準確度。圖5(a)為車輛GPS軌跡，圖5(b)為生成的車輛時空路徑，車輛型號、燃料類型與真實油耗值等信息如表2所示。

圖5 車輛的GPS軌跡與時空路徑Fig.5 A vehicle’s GPS trace and space-time path

表2文章試驗車輛參數(shù)、燃料參數(shù)與單條軌跡的真實能耗值

Tab.2Vehicleandfuelparametersofthesingletraceinthisarticleandrealfuelconsumption

車輛參數(shù)型號年份發(fā)動機排量BuickParkAvenue20093．0L燃料參數(shù)汽油標號密度No．970．737g/mL真實能耗值40．66kg

由于COPERT模型是基于平均速度的模型，以往利用COPERT模型估計能耗和排放研究中，將車輛整條軌跡的平均速度作為排放估計的速度參數(shù)進行代入，從而估計出排放量[13]。本文首先計算各STPS的平均速度并確定行為類型(移動行為或停留行為)，再根據(jù)1.2節(jié)方法分析判斷停留行為的運行狀態(tài)(發(fā)動機熄火狀態(tài)或啟動狀態(tài))，利用COPERT模型估計各STPS的能耗值，最后將移動行為與發(fā)動機啟動狀態(tài)下停留行為的能耗值相加得到總能耗值。表3為整條軌跡的實際能耗與基于平均速度方法[13]的估計值的對比結果。

表3基于平均速度與基于STPS的能耗估計方法對比結果

Tab.3Comparisonoffuelconsumptionestimationresultsofaveragespeedbasedapproachandspace-timesegmentbasedapproachinthisarticle

方法速度/(km/h)能耗因子/(g/km)行駛距離/km能耗估計值/kg能耗真實值/kg精度/(%)基于平均速度的方法[13]22．23整條軌跡平均速度116．64整條軌跡平均能耗本文的基于STPS方法瞬時速度瞬時能耗490．8457．2534．0240．6671．0283．67

從表3中可知，基于平均速度的方法先計算了整條STPS的平均速度(22.23 km/h)，再結合行駛距離估計能耗，能耗估計結果為57.25 kg。本文提出的基于STPS的方法計算各STPS的平均速度，再分段估計能耗，能耗估計結果為34.02 kg。與實際能耗對比，兩種估計方法精度分別為71.02%和83.67%，前者能耗估計結果偏高，后者偏低，基于平均速度的方法將軌跡中所有行為納入估計，包括熄火狀態(tài)下的停留行為，因而估計值偏高，而本文提出的方法更好地還原了車輛運行狀態(tài)，因而精度更高，結果說明了本文提出的方法估計車輛油耗更接近真實情況。

最后，將一段時空路徑的平均速度、能耗與排放用集成的N維模型表示，如圖6所示。

圖6 單條軌跡段的時空路徑N維表達結果Fig.6 N-dimensional expression of a part of space-time path in a single trace

2.2 區(qū)域道路網(wǎng)絡的能耗、排放時空分布分析

本節(jié)采用武漢市2015年7月28日共10 527輛機動車的GPS軌跡數(shù)據(jù)，基于STPS估計試驗路網(wǎng)片區(qū)內能耗與排放。圖7為試驗區(qū)域路網(wǎng)，包含3條主干路(武珞路、雄楚大道與珞獅路)、2條次干路(石牌嶺路、丁字橋路)和3條支路(洪達路，工大路與洪興路)。

圖7 試驗區(qū)域路網(wǎng)Fig.7 Road network in experimental area

首先將GPS軌跡點與路網(wǎng)匹配，然后利用軌跡點的時間、位置信息建立個體車輛時空路徑，再分STPS計算平均速度并使用COPERT模型估計能耗和排放，最后考慮每條路段上的交通量，得到路段的能耗與排放量。在ESRI ArcScene 10.1平臺下顯示不同時段的能耗、排放估計結果，如圖8—圖10所示，其中路段上墻體高度表征該路段上能耗和排放量。

圖8 各時段試驗路網(wǎng)片區(qū)的能耗Fig.8 Fuel consumption of experimental road network

圖9 各時段試驗路網(wǎng)片區(qū)的CO排放Fig.9 CO emissions of the experimental road network

圖10 各時段試驗路網(wǎng)片區(qū)的NOx排放Fig.10 NOx emissions of the experimental road network

圖8—圖10展示了試驗區(qū)域內能耗、CO和NOx排放的的以下方面的空間分布特征：①能耗量遠高于CO和NOx排放量，并且NOx排放量低于CO的排放量，這與燃料燃燒的化學過程相關；②由于主干路上車流量最大，因此主干路的能耗、排放比其他路段高；③同一路段的能耗與排放表現(xiàn)出異質性。雄楚大道中段和武珞路東段(近珞獅路)上能耗、排放量最高，但在與石牌嶺路交叉處能耗、排放急劇降低，石牌嶺路表現(xiàn)出為兩條主干路明顯的分流作用。此外，圖8—圖10還展示了一天內能耗、排放的時間變化規(guī)律。在早高峰7:00—9:00時段，武珞路東段與雄楚大道中段擁堵嚴重，車流量大、車速低導致能耗、排放高；中午11:00—13:00時段，車流量減小，車速提高，能耗、排放降低；晚高峰19:00—21:00時段，主干路又出現(xiàn)交通擁堵，能耗、排放增加。圖8—圖10的結果說明本文提出的估計方法能夠有效獲取能耗、排放的時空分布特征。

3 結 論

本文提出一種時空路徑支持下的車輛能耗與排放估計方法。該方法基于個體時空路徑，考慮每個時空路徑段的運動狀態(tài)，提取時空路徑中的停留/移動行為來估計車輛的能耗與熱穩(wěn)定排放，并提出一種時空路徑的N維表達模型將車輛的運動特征與時空路徑段的能耗與排放統(tǒng)一可視化。試驗中分別對一輛車的軌跡和武漢路網(wǎng)片區(qū)中10 527輛汽車GPS軌跡估計其油耗、排放，并分析其時空分布。結果顯示本文提出的時空路徑支持下的車輛油耗與排放估計方法在估計精度與可視化方面優(yōu)于傳統(tǒng)基于平均速度的估計方法，能夠更加直觀地表達車輛能耗與排放信息。后續(xù)研究將包括道路網(wǎng)絡中污染物排放(包括PM2.5等)的細化估計與分析、提高時空GIS對能耗和排放的分析與表達能力等。

[1] IPCC.The Fifth Assessment Report of IPCC[EB/OL].2013.http:∥report.mitigation2014.org/spm/ipcc_wg3_ar5_summary-for-policymakers_approved.pdf.

[2] 馬因韜，劉啟漢，雷國強，等.機動車排放模型的應用及其適用性比較[J].北京大學學報(自然科學版)，2008，44(2)：308-316.

MA Yintao，LIU Qihan，LEI Guoqiang，et al.Application of Vehicular Emission Models and Comparison of Their Adaptability[J].Acta Scientiarum Naturalium Universitatis Pekinensis，2008，44(2)：308-316.

[3] NTZIACHRISTOS L，SAMARAS Z，EGGLESTON S，et al.COPERT III Computer Programme to Calculate Emissions from Road Transport，Methodology and Emission Factors (Version 2.1)[R].Copenhagen：European Environment Agency(EEA)，2000.

[4] SHARMA P，KHARE M.Modelling of Vehicular Exhausts-A Review[J].Transportation Research Part D：Transport and Environment，2001，6(3)：179-198.

[5] RAKHA H，AHN K，TRANI A.Comparison of MOBILE5a，MOBILE6，VT-MICRO，and CMEM Models for Estimating Hot-stabilized Light-Duty Gasoline Vehicle Emissions[J].Canadian Journal of Civil Engineering，2003，30(6)：1010-1021.

[6] ABO-QUDAIS S，ABU QDAIS H.Performance Evaluation of Vehicles Emissions Prediction Models[J].Clean Technologies and Environmental Policy，2005，7(4)：279-284.

[7] USEPA.Motor Vehicle Emission Simulator (MOVES)：User Guide for MOVES2010b[R].Report EPA-420-B-12-001b，2012.

[8] 廖瀚博，余志，周兵，等.廣州市機動車尾氣排放特征研究[J].環(huán)境科學與技術，2012，35(1)：134-138，163.

LIAO Hanbo，YU Zhi，ZHOU BING，et al.Characteristics of Motor Vehicle Exhaust Emission in Guangzhou[J].Environmental Science & Technology，2012，35(1)：134-138，163.

[9] 車汶蔚，鄭君瑜，鐘流舉.珠江三角洲機動車污染物排放特征及分擔率[J].環(huán)境科學研究，2009，22(4)：456-461.

CHE Wenwei，ZHENG Junyu，ZHONG Liuju.Vehicle Exhaust Emission Characteristics and Contributions in the Pearl River Delta Region[J].Research of Environmental Sciences，2009，22(4)：456-461.

[10] 董紅召，徐勇斌，陳寧.基于IVE模型的杭州市機動車實際行駛工況下排放因子的研究[J].汽車工程，2011，33(12)：1034-1038.

DONG Hongzhao，XU Yongbin，CHEN Ning.A Research on the Vehicle Emission Factors of Real World Driving Cycle in Hangzhou City Based on IVE Model[J].Automotive Engineering，2011，33(12)：1034-1038.

[11] 高云峰，胡華.基于比功率法的信號控制交叉口排隊車輛尾氣排放估計[J].中國公路學報，2015，28(4)：101-108.

GAO Yunfeng，HU Hua.Estimation of Queued Vehicle Emissions at Signalized Intersections Based on Vehicle Specific Power Approach[J].China Journal of Highway and Transport，2015，28(4)：101-108.

[12] 郝艷召，王宏圖，宋國華，等.中觀機動車尾氣模型在中國的適用性[J].長安大學學報(自然科學版)，2016，36(1)：112-119.

HAO Yanzhao，WANG Hongtu，SONG Guohua，et al.Suitability of Meso-level Vehicle Emission Model in China[J].Journal of Chang’an University (Natural Science Edition)，2016，36(1)：112-119.

[13] 樊守彬，田靈娣，張東旭，等.北京市機動車尾氣排放因子研究[J].環(huán)境科學，2015，36(7)：2374-2380.

FAN Shoubin，TIAN Lingdi，ZHANG Dongxu，et al.Emission Factors of Vehicle Exhaust in Beijing[J].Environmental Science，2015，36(7)：2374-2380.

[14] 李德仁，張良培，夏桂松.遙感大數(shù)據(jù)自動分析與數(shù)據(jù)挖掘[J].測繪學報，2014，43(12)：1211-1216.DOI：10.13485/j.cnki.11-2089.2014.0187.

LI Deren，ZHANG Liangpei，XIA Guisong.Automatic Analysis and Mining of Remote Sensing Big Data[J].Acta Geodaetica et Cartographica Sinica，2014，43(12)：1211-1216.DOI：10.13485/j.cnki.11-2089.2014.0187.

[15] YANG Qichi，BORIBOONSOMSIN K，BARTH M.Arterial Roadway Energy/Emissions Estimation Using Modal-Based Trajectory Reconstruction[C]∥Proceedings of the 14th International IEEE Conference on Intelligent Transportation Systems (ITSC).Washington，DC：IEEE，2011：809-814

[16] SUN Zhanbo，HAO Peng，BAN Xuegang，et al.Trajectory-based Vehicle Energy/Emissions Estimation for Signalized Arterials Using Mobile Sensing Data[J].Transportation Research Part D：Transport and Environment，2015，34：27-40.

[17] NYHAN M，SOBOLEVSKY S，KANG Chaogui，et al.Predicting Vehicular Emissions in High Spatial Resolution Using Pervasively Measured Transportation Data and Microscopic Emissions Model[J].Atmospheric Environment，2016，140：352-363.

[18] LUO Xiao，DONG Liang，DOU Yi，et al.Analysis on Spatial-Temporal Features of Taxis’ Emissions From Big Data Informed Travel Patterns：A Case of Shanghai，China[J].Journal of Cleaner Production，2017，142：926-935.

[19] SHANG Jingbo，ZHENG Yu，TONG Wenzhu，et al.Inferring Gas Consumption and Pollution Emission of Vehicles Throughout A City[C]∥Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York：ACM，2014：1027-1036.

[21] 柴彥威，劉志林，李崢嶸，等.中國城市的時空間結構[M].北京：北京大學出版社，2002：10-11.

CHAI Yanwei，LIU Zhilin，LI Zhengrong，et al.Time-space Structure of Chinese Cities[M].Beijing：Peking University Press，2002：10-11.

[22] KWAN M P.Interactive Geovisualization of Activity-travel Patterns Using Three-dimensional Geographical Informa-tion Systems：A Methodological Exploration With A Large Data Set[J].Transportation Research Part C：Emerging Technologies，2000，8(1-6)：185-203.

[23] YU Hongbo，SHAW S L.Exploring Potential Human Activities in Physical and Virtual Spaces：A Spatio-temporal GIS Approach[J].International Journal of Geographical Information Science，2008，22(4)：409-430.

[24] YIN Ling，SHAW S L.Exploring Space-time Paths in Physical and Social Closeness Spaces：A Space-Time GIS Approach[J].International Journal of Geographical Information Science，2015，29(5)：742-761.

A Space-time Path Supported Estimation Approach for Vehicles’ Fuel-consumption and Emissions

TANG Luliang1，KAN Zihan1，DUAN Qian1，LI Qingquan1，2

1. State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University ，Wuhan 430079，China； 2. Shenzhen Key Laboratory of Spatial Smart Sensing and Services，College of Civil Engineering，Shenzhen University，Shenzhen 518060，China

The fuel-consumption and emissions from transportation present severe challenges to the human environment. This article proposes a novel approach of space-time path supported estimation for vehicles’ fuel-consumption and emissions. In the proposed approach，space-time paths of vehicles are built under space-time integrated 3-dimensions coordinate firstly and mobile activities (MA) and stationary activities (SA) are extracted from these space-time paths. Then the approach estimates the fuel-consumption and emissions from each Space-Time Path Segment (STPS) and the moving parameters with COPERT model. Finally this article presents an N-Dimensional model for visualizing the moving characteristics，fuel-consumption and emissions of each STPS in an integrated frame. In the case study，fuel-consumption and emissions of a single vehicle and an area of road network are estimated and analyzed using GPS trace data. The results show that the space-time path supported approach is superior to the traditional average speed based approach in the aspects of precision and visualization. The proposed fuel-consumption and emissions estimating approach is effective in energy and emissions information acquisition.

energy-consumption；emissions；energy/emissions model；COPERT model；Space-time GIS；space-time path；big data

The National Key Research and Development Plan of China (No. 2017YFB0503604)；The National Natural Science Foundation of China (Nos. 41671442；41571430；41271442)

TANG Luliang(1973—)，male, PhD，professor，PhD supervisor specializes in space-time GIS，trajectory data analyzing and mining.

KAN Zihan

E-mail： kzh@whu.edu.cn

唐爐亮，闞子涵，段倩，等.一種時空路徑支持下的車輛油耗與排放估計方法[J].測繪學報，2017,46(12)：2024-2031.

10.11947/j.AGCS.2017.20160439.

TANG Luliang，KAN Zihan，DUAN Qian，et al.A Space-time Path Supported Estimation Approach for Vehicles’ Fuel-consumption and Emissions[J]. Acta Geodaetica et Cartographica Sinica,2017,46(12):2024-2031. DOI:10.11947/j.AGCS.2017.20160439.

U491.254

A

1001-1595(2017)12-2024-08

國家重點研發(fā)計劃(2017YFB0503604)；國家自然科學基金(41671442;41571430;41271442)

宋啟凡)

2016-09-05

2017-09-28

唐爐亮(1973—)，男，博士，教授，博士生導師，研究方向為時空GIS、軌跡大數(shù)據(jù)分析與挖掘。

E-mail： tll@whu.edu.cn

闞子涵