基于疊加相位的交叉口非常規(guī)污染物多目標優(yōu)化

李燕　趙紅　孫傳龍　牟亮　仇俊政　劉曉童

文章編號：10069798（2022）02009508;DOI：10.13306/j.10069798.2022.02.015

摘要：為減少交叉口非常規(guī)污染物排放，本文主要對基于疊加相位的交叉口非常規(guī)污染物進行多目標優(yōu)化。在增設(shè)疊加相位的交叉口，運用改進的快速非支配排序遺傳算法，對車輛非常規(guī)污染物和車均延誤進行優(yōu)化，為驗證改進算法的有效性，通過VISSIM與MOVES聯(lián)合仿真平臺，在青島市設(shè)有疊加相位的山東路和敦化路交叉口進行驗證。驗證結(jié)果表明，基于疊加相位的多目標配時優(yōu)化，對車均延誤和機動車非常規(guī)污染物排放具有一定的優(yōu)化效果。各路徑中車均延誤最大優(yōu)化達51.4%，全區(qū)域內(nèi)的車均延誤降低了14.6%，優(yōu)化前后停車時間下降20.53%。大多數(shù)非常規(guī)污染物有不同程度的下降，有少數(shù)污染物略有增加，但影響較小。本研究為緩解交通擁堵提供了理論依據(jù)。

關(guān)鍵詞：排放清單;非常規(guī)污染物;交叉口;比功率;疊加相位

中圖分類號：X51;U491.2+65文獻標識碼：A

隨著汽車產(chǎn)業(yè)的發(fā)展，汽車排放已成為城市污染物排放的主要排放源之一[12]，機動車排放的顆粒物和揮發(fā)性有機化合物具有較強的光反應活性，是城市光化學煙霧和二次氣溶膠形成的重要影響因素[3]，嚴重污染環(huán)境和影響人體健康。針對特定區(qū)域、城市或交叉口，研究顆粒物和揮發(fā)性有機化合物的排放特性[46]，建立多尺度多層次排放清單。交叉口作為城市交通網(wǎng)絡(luò)的重要組成部分，由于信號控制和交通流沖突等，使機動車在此路段行駛工況變化頻繁，加減速和怠速交替進行，機動車尾氣排放遠高于城市道路平均排放水平[78]。因此，在交叉口微觀層次上探究機動車污染物的排放，通過對城市交叉口信號的控制，降低機動車污染物排放成為當前研究的熱點[914]。對于交叉口信號配時問題，張奕源等人[15]基于疊加相位對干線信號協(xié)調(diào)控制進行優(yōu)化調(diào)整，減少了交通延誤;文婷[16]根據(jù)疊加相位的放行條件，建立車道及配時綜合優(yōu)化模型。為精準量化機動車大氣非常規(guī)污染物排放，協(xié)調(diào)延誤與非常規(guī)排放之間的關(guān)系，本文以青島市設(shè)置疊加相位的山東路和敦化路交叉口為研究對象，對交通流不均勻的交叉口優(yōu)化延誤與排放，建立交叉口非常規(guī)污染物排放清單，以期降低交叉口非常規(guī)污染物排放和平均延誤。該研究對大多數(shù)污染物有不同程度的下降，有少數(shù)污染物略有增加，基于疊加相位的多目標配時優(yōu)化效果明顯，提高了交叉口通行能力和環(huán)境效益，為交叉口擁堵時段的研究提供了理論基礎(chǔ)。

1材料與方法

1.1疊加相位的設(shè)置

為更加靈活的調(diào)節(jié)各個相位的綠燈配時，更好的匹配相位與對應方向的車輛流量問題，文獻[17]改進了彭國雄等人[18]提出的疊加相位設(shè)計方法，同時將該方法用于隔離交叉口的固定信號優(yōu)化控制，并驗證了所提方案在交叉口通行能力方面的優(yōu)勢。疊加相位的設(shè)置可以使總流量比得到降低，通行能力得到提升，避免了常規(guī)四相位配時造成時間和空間上的浪費。理論疊加相位如圖1所示。

對于已選定的四相位交叉口，共有8個流向，疊加相位存在的前提是各流向之間不沖突，但可能會存在幾個流向合流的現(xiàn)象。第1類疊加相位1a′1b′與3a′3b′，其相位不存在車輛合流現(xiàn)象，與第2類疊加相位2a′2b′和4a′4b′相比，其相位存在車輛合流交織現(xiàn)象。因此，第1類疊加相位比第2類疊加相位運用范圍更加廣泛。-一般疊加相位采用韋伯斯特配時方法計算周期時長和有效綠燈時間，但韋伯斯特法由于固有的缺陷，只適用于交通流量中等的路口，而對于較為擁擠的路段不可行。所以本文運用HCM2000模型，并在此基礎(chǔ)上對疊加相位進行設(shè)置。在孤立四相位十字交叉口區(qū)域內(nèi)增添疊加相位時，首先確定各進口道方向的流量比yi，如北進口左轉(zhuǎn)A和南進口直行C為一個流向的一組沖突流，北進口直行D和南進口左轉(zhuǎn)B為一個流向的另一組沖突流，比較兩組沖突流流量比之和y（A+C）和y（B+D），將流量比之和較大的一組沖突流設(shè)置疊加相位。原始相位如圖2所示。

疊加相位的周期為

式中，gi為傳統(tǒng)的有效綠燈時長;g*為疊加相位的有效綠燈時長;L為總損失時間。

1.2多目標優(yōu)化的信號配時模型

為模擬交通流不均衡的交叉口晚高峰條件下機動車車均延誤和車輛排放清單，建立多目標優(yōu)化模型進行優(yōu)化。在相位、流量、信號周期不變的條件下，對交叉口進行添加疊加相位優(yōu)化?？紤]目標函數(shù)、決策變量和約束條件，將車輛平均延誤作為評價交叉口通行能力的指標之一，并將其作為目標函數(shù)之一，即

式中，dij為i車道j相位的車均延誤時間，s;λij為j相位的綠信比;Xij為飽和度;C為信號周期的時長，s;T為分析持續(xù)時間，s;K為感應控制的增量延誤修正系數(shù)，對于定周期信號，K=0.5;I為上游信號燈車道變換和調(diào)節(jié)的增量延誤修正系數(shù)，這里I=1.0。

由此可以得出，交叉口的車均延誤D為

式中，qij為i車道j相位的交通流量，pcu/h。

將交叉路口范圍內(nèi)的機動車按機動車型、燃油類型、行駛里程和排放標準等細分，對機動車污染物排放量進行分類計算，交叉口機動車尾氣排放可分為各條進口路段的行車排放和車輛怠速排放，其中車輛在交叉口的怠速時間應為車輛停車延誤時間，各車輛類型在交叉口各污染物排放量為

式中，Eγφ為交叉口一個周期內(nèi)γ類機動車φ類污染物排放總量，g;Jij為i車道j相位進口道長度，km;dγsij為γ類機動車平均停車延誤;Eγφij為γ類機動車φ類機動車行車單位排放因子，g/（pcu·km）;EγφI，ij為γ類機動車φ類污染物怠速排放因子，g/（pcu·h）。

將上述交叉口的車均延誤模型與機動車污染物排放模型相結(jié)合，形成以各項位綠燈時間為變量的多目標優(yōu)化模型，即

約束條件：為保證車輛正常通行，車道組的飽和度應小于1，各相位有效綠燈時間gi應大于行人最短通過時間gmin，即

式中，C為信號周期的時長，s;Xij為飽和度;cij為通行能力，pcu/h;gi為各相位有效綠燈時間。

1.3優(yōu)化算法

快速非支配排序遺傳算法（nondominatedsortinggeneticalgorithmII，NSGAII）是解決多目標優(yōu)化問題常用的方法之一[19]，在NSGAII算法中，目標函數(shù)之間一般存在相互制約關(guān)系，一個目標函數(shù)值的減少可能會導致另一個目標函數(shù)的增加，所以多目標優(yōu)化不能使所有目標函數(shù)都達到最優(yōu)，而是一種均衡結(jié)果。經(jīng)典的快速非支配排序遺傳算法存在搜索能力較弱，且收斂性較差等問題，文獻[20]提出了一種自適應交叉算子的改進NSGAII算法。-在初始時，將原始種群擴大，提高搜索范圍，隨著迭代次數(shù)的增大，逐漸縮小種群數(shù)量，提高搜索速度。另外提出了自適應交叉算子，在迭代前期，應提高搜索范圍，使其跳出局部最優(yōu);在迭代后期，整個種群趨于穩(wěn)定，大部分最優(yōu)解都聚集在最優(yōu)Pareto周圍，因此可以縮小搜索空間，使算法加速收斂。兩種改進都提高了搜索范圍，與僅擴大初始種群相比，提高了搜索速度。自適應交叉算子更新公式為

式中，x1和x2為自適應交叉算子;μ為當前迭代次數(shù);η為最大迭代次數(shù)。M=P1+P2，N=P1-P2，其中P1和P2為選中的用來交叉產(chǎn)生子代的父代個體;beat表示正態(tài)分布隨機變量，即會生成與種群長度數(shù)量相同，大小服從正態(tài)分布的矩陣;α為交叉深度因子。

為了進一步提高交叉口的綜合評價，本研究采用文獻[20]的方法，將改進后的快速非支配排序遺傳算法，用于上述構(gòu)造的多目標函數(shù)，并借助Matlab軟件進行優(yōu)化，改進的NSGAII算法計算流程如圖3所示。

2仿真分析

2.1區(qū)域流量

綜合考慮地理位置、渠化方式、車流量強度等條件，山東路為主干路，車流量較大，路北為鞍山路高架橋，路況較為復雜。敦化路兩側(cè)為中心商務(wù)區(qū)，主要為大型購物商場、超市及商務(wù)寫字樓，人口車流等較為密集。交叉口南北方向交通流量與東西方向交通流量相差較大，高峰時期極易發(fā)生擁堵，常規(guī)固定四相位方案易造成時空的浪費，所以山東路和敦化路交叉口設(shè)置有疊加相位。

實地考察獲取車流量、車輛構(gòu)成、氣象參數(shù)、道路幾何特性等參數(shù)，通過實地監(jiān)測發(fā)現(xiàn)，山東路和敦化路交叉口的主要車輛類型為小汽車、公交車和輕型貨車，小汽車多數(shù)為汽油車，公交車多為壓縮天然氣（compressednaturalgas，CNG），而輕型貨車多使用柴油作為燃料。全球定位系統(tǒng)（globalpositioningsystem，GPS）傳感器可以逐秒收集車輛速度、加速度和地理位置數(shù)據(jù)，通過乘坐不同時段和不同品牌的小汽車、輕型貨車和公交車進行數(shù)據(jù)采樣。為保證有足夠的樣本信息，確保樣本數(shù)據(jù)能夠滿足試驗需要，對此交叉口不同進口道方向100m至出口道方向100m進行多次數(shù)據(jù)采集。為捕捉車輛流量，將攝像裝置放置在交叉口對角線兩側(cè)。連續(xù)采集兩周工作日（16∶30～19∶30）車輛流量，信號交叉口現(xiàn)狀及采集位置如圖4所示。-

流量數(shù)據(jù)經(jīng)過整理后，獲得交叉口晚高峰時段的平均小時車流量，晚高峰時段車流量統(tǒng)計結(jié)果如表1所示。

2.2參數(shù)本地化

機動車排放模擬器（motorvehicleemissionsimulator，MOVES）微觀管理器中，要求用戶輸入的車輛運行工況區(qū)間與比功率區(qū)間相對應，以比功率區(qū)間作為MOVES微觀仿真中運行模式（opmodeID）的輸入，而VISSIM輸出文件中的*.fzp文件有計算比功率（vehiclespecificpower，VSP）需要的瞬時速度和瞬時加速度等數(shù)據(jù)。兩個軟件相結(jié)合后，可直接計算非常規(guī)污染物總量。機動車VSP分布可按照車輛運行狀態(tài)劃分為25個Bin區(qū)間，機動車運行工況分布如表2所示。

通過分析，將本地車輛類型與MOVES模型中的代表車輛對應起來。燃料供應類型根據(jù)

GB18352.6—2016輕型汽車污染物排放限制值及測量方法（中國第六階段）和GB17691—2018重型柴油車污染物排放限制值及測量方法（中國第六階段）進行修改。綜合《機動車強制報廢標準規(guī)定》[21]有關(guān)規(guī)定和分析，小型載客汽車、公共汽車以及小型載貨汽車的車齡最大分別為11，8，12a。-

以青島市統(tǒng)計年鑒中的機動車保有量、新車銷售量和淘汰量數(shù)據(jù)為基礎(chǔ)，確定市區(qū)車輛的年齡分布，其中2020年機動車保有量大幅度增長，車齡為1a的機動車占比最大。市區(qū)3類機動車車齡分布占比情況如表3所示。

3優(yōu)化結(jié)果對比分析

3.1優(yōu)化前后通行能力結(jié)果對比

對山東路和敦化路交叉口信號配時進行優(yōu)化，得到在機動車排放量與車均延誤均衡條件下的優(yōu)化配時，各相位綠燈配時分別為35，92，38，89，36和38s。經(jīng)計算，在山東路和敦化路添加小相位，添加小相位示意圖如圖5所示。圖5中，在北左轉(zhuǎn)A和南左轉(zhuǎn)B之后，添加南左轉(zhuǎn)B和南直行D的小相位，南左轉(zhuǎn)B和南直行D之間存在3s的疊加相位。-

為驗證改進算法的有效性，本研究通過VISSIM與MOVES聯(lián)合仿真平臺，對各路段車均延誤和停車時間進行優(yōu)化，優(yōu)化前后交叉口通行能力參數(shù)對比結(jié)果如表4所示，車輛的路徑為從路段a到路段b。

由表4可以看出，對信號配時進行優(yōu)化后，交叉口7個路徑的車均延誤得到優(yōu)化，最大優(yōu)化達51.4%，全區(qū)域內(nèi)的車均延誤降低了14.6%。從停車時間來看，優(yōu)化前后停車時間下降了20.53%，所以在相同交通流量和氣象條件等不變的條件下，基于疊加相位的優(yōu)化配時前后，車均延誤和停車時間均有減少，提高了交叉口的服務(wù)質(zhì)量。-3.2優(yōu)化非常規(guī)污染物排放清單

采用改進后的快速非支配排序遺傳算法，對多目標函數(shù)進行優(yōu)化，將各非常規(guī)污染物及顆粒物優(yōu)化前后進行對比，優(yōu)化前后小汽車污染物排放前8對比結(jié)果如表5所示。

由表5可以看出，苯類、顆粒物和醛類物質(zhì)是小汽車排放較高的物質(zhì)，甲苯和乙苯在小汽車非常規(guī)污染物和顆粒物中占比較大，雖然經(jīng)過優(yōu)化，甲苯和乙苯的排放量仍分別增大4.72%和3.86%。除甲苯和乙苯，其余占比前8的排放物均降低，己烷雖然占比較少，但排放減少了3.49%。

優(yōu)化前后輕型貨車污染物排放前8對比如表6所示。由表6可以看出，PM2.5和PM10是輕型貨車排放較高的物質(zhì)，利用基于疊加相位的模型進行優(yōu)化，優(yōu)化后PM2.5和PM10排放均降低7.59%，甲苯排放量減少了0.9%。丙醛和丙烯醛的排放量分別提高1.13%和0.79%。此外，甲醛、乙醛和苯也有不同程度的提高。

優(yōu)化前后公交車污染物排放前8對比結(jié)果如表7所示。由表7可以看出，優(yōu)化后公交車PM2.5排放率減少19.82%，PM10的排放量降低7.16%，優(yōu)化效果明顯。除PM2.5和PM10，其它污染物如甲醛、乙醛、丙醛、甲苯、苯和丙烯醛都有不同程度的提高，雖然苯的排放量增加了4.86%，但公交車的苯排放占總污染物排放量較少，可以忽略不計。公交車甲醛排放量占比較高，而公交車甲醛排放量優(yōu)化僅提高0.23%。

經(jīng)過對上述非常規(guī)污染物和顆粒物的各類車型排放優(yōu)化分析可知，大多數(shù)污染物有不同程度的下降，有少數(shù)污染物略有增加，但影響較小，說明基于疊加相位的多目標配時優(yōu)化效果明顯，可以為交叉口擁堵時段提供思路。

4結(jié)束語

本文運用改進的快速非支配排序遺傳算法，對設(shè)有疊加相位的典型非均勻車流量交叉口——山東路和敦化路交叉口的車均延誤與非常規(guī)污染物排放兩方面進行優(yōu)化。優(yōu)化結(jié)果表明，優(yōu)化前后，在12個有效路徑的車均延誤中，7個路徑的車均延誤得到降低，區(qū)域內(nèi)的總車均延誤減少了14.6%，3種車型非常規(guī)污染物排放總體得到下降。本研究為交叉路口區(qū)域提高通行能力及緩解環(huán)境壓力提供了解決方法。但本研究未考慮行人過街造成的車輛延誤，在后續(xù)工作中，應將行人對駕駛行為造成的影響考慮在內(nèi)，對行人過街信號配時進行優(yōu)化，使模型更加適用于具有人行橫道的交叉路口。

參考文獻：

[1]ZHANGHX，CHENCR，YANWJ，etal.Characteristicsandsourcesofnon-methaneVOCsandtheirrolesinSOAformationduringautumninacentralChinesecity[J].ScienceoftheTotalEnvironment，2021，782：146802146814.

[2]SONGMD，LIX，YANGSD，etal.Spatiotemporalvariation，sources，andsecondarytransformationpotentialofvolatileorganiccompoundsinXi'an，China[J].AtmosphericChemistryandPhysics，2021，21（6）：49394958.

[3]TANGRZ，LUQY，GUOS，etal.Measurementreport：distinctemissionsandvolatilitydistributionofintermediate-volatilityorganiccompoundsfromon-roadChinesegasolinevehicles：implicationofhighsecondaryorganicaerosolformationpotential[J].AtmosphericChemistryandPhysics，2021，21（4）：25692583.

[4]KASSOMENOSPA，DIMITRIOUK，PASCHALIDOUAK.HumanhealthdamagecausedbyparticulatematterPM10andozoneinurbanenvironments：thecaseofAthens，Greece[J].EnvironmentalMonitoringandAssessment，2013，185（8）：69336942.

[5]GHERMANDIG，F(xiàn)ABBIS，BIGIA，etal.Impactassessmentofvehicularexhaustemissionsbymicroscalesimulationusingautomatictrafficflowmeasurements[J].AtmosphericPollutionResearch，2019，10（5）：14731481.

[6]PRUEITTRL，LIWC，EDWARDSL，etal.Systematicreviewoftheassociationbetweenlong-termexposuretofineparticulatematterandmortality[J/OL].InternationalJournalofEnvironmentalHealthResearch，2021＼[20210413＼].https：∥doi.org/10.1080/09603123.2021.1901864.

[7]BANERJEEJ，CHRISTIANRA.Effectofoperatingconditionsandspeedonnanoparticleemissionfromdieselandgasolinedrivenlightdutyvehicles[J].AtmosphericPollutionResearch，2019，10（6）：18521865.

[8]DHITALNB，WANGSX，LEECH，etal.Effectsofdrivingbehavioronreal-worldemissionsofparticulatematter，gaseouspollutantsandparticle-boundPAHsfordieseltrucks[J].EnvironmentalPollution，2021，286：117292.

[9]ZHAOHX，HERC，JIAXY.Estimationandanalysisofvehicleexhaustemissionsatsignalizedintersectionsusingacar-followingmodel[J].Sustainability，2019，11（14）：39924416.

[10]CHENX，YUANZR.Environmentallyfriendlytrafficcontrolstrategy-AcasestudyinXi'ancity[J].JournalofCleanerProduction，2019，249：119397.

[11]SUNDJ，YINZW，CAOP.AnimprovedCAL3QHCmodelandtheapplicationinvehicleemissionmitigationschemesforurbansignalizedintersections[J].BuildingandEnvironment，2020，183：107213.

[12]牟亮，趙紅，崔翔宇，等.基于改進Lagrange乘子法的交通信號配時優(yōu)化研究[J].復雜系統(tǒng)與復雜性科學，2021，18（1）：8087.

[13]張小雨，邵春福.城鄉(xiāng)結(jié)合部道路交叉口多目標信號配時優(yōu)化模型[J].系統(tǒng)仿真學報，2020，32（4）：709717.

[14]姚榮涵，龍夢，趙勝川.基于正交試驗的信號交叉口機動車排放影響因素分析[J].北京工業(yè)大學學報，2020，46（3）：300310.

[15]張奕源，李進龍，李祥塵，等.基于疊加相位的干線綠波協(xié)調(diào)控制方法研究[J].交通運輸工程與信息學報，2019，17（3）：5261.

[16]文婷.考慮車道配置的變需求交叉口信號控制方案研究[D].成都：西南交通大學，2019.

[17]YUC，MAW，YANGX.Atime-slotbasedsignalschememodelforfixed-timecontrolatisolatedintersections[J].TransportationResearchPartB：Methodological，2020，140：176192.

[18]彭國雄，張揚.疊加相位設(shè)計方法研究[J].中國公路學報，2001（S1）：6164.

[19]ALTURKIM，JAMALA，ALAHMADIHM，etal.Onthepotentialimpactsofsmarttrafficcontrolfordelay，fuelenergyconsumption，andemissions：AnNSGAII-basedoptimizationcasestudyfromdhahran，saudiarabia[J].Sustainability，2020，12（18）：7394.

[20]李燕，趙紅，牟亮，等.基于改進NSGAⅡ的左轉(zhuǎn)待行區(qū)交叉口配時優(yōu)化控制[J].復雜系統(tǒng)與復雜性科學，2021，18（1）：8894.

[21]商務(wù)部，發(fā)改委，公安部.機動車強制報廢標準規(guī)定[S].北京：商務(wù)部，2013.-

Multi-objectiveOptimizationofUnconventionalPollutantsatIntersectionBasedonSuperpositionPhase

LIYan，ZHAOHong，SUNChuanlong，MULiang，QIUJunzheng，LIUXiaotong

（CollegeofMechanicalandElectricalEngineering，QingdaoUniversity，Qingdao266071，China）Abstract：

Inordertoreducetheemissionofnon-conventionalpollutantsatintersections，theimprovedfastnon-dominatedsortinggeneticalgorithmwasusedtooptimizethenon-conventionalpollutantsandvehicledelayatintersectionswithadditionalsuperpositionphases，andtheintersectionofShandongRoadandDunhuaRoadwithsuperpositionphasesinQingdaowasverified.Theverificationresultsshowthatthemulti-objectivetimingoptimizationbasedonsuperpositionphasehasacertainoptimizationeffectonvehicleaveragedelayandvehicleunconventionalpollutantemission.Themaximumoptimizationofdelaypervehicleineachpathreached51.4%，thedelaypervehicleinthewholeregionwasreducedby14.6%，andthestoptimebeforeandafteroptimizationwasreducedby20.53%.Mostnon-conventionalpollutantshavedecreasedtovaryingdegrees，andafewhaveincreasedslightly，buttheimpactissmall.Thisstudyprovidesatheoreticalbasisforalleviatingtrafficcongestion.

Keywords：emissioninventory;unregulatedpollutants;intersection;vehiclespecificpower;ripplechange

收稿日期：20210713;修回日期：20211020

基金項目：青島市民生科技計劃（196188nsh）

作者簡介：李燕（1996），女，碩士研究生，主要研究方向為車輛節(jié)能減排與新能源技術(shù)。

通信作者：趙紅（1973），女，博士，副教授，主要研究方向為車輛節(jié)能減排與新能源技術(shù)。Email：qdlizh@163.com--