交通拥堵对TSP排放的影响分析

在上海市杨浦区军工路部分路段采集TSP浓度、气压、温度、分车型车流量、区段车速、信号配时等数据,通过多元回归方法分析小型车交通量,大型车交通量,拖挂车交通量及区段车速对TSP浓度的影响,建立起TSP浓度与上述交通变量的函数关系,并通过AIMSUN交通仿真软件以及基础采集数据,建立军工路路网,模拟四种交通拥堵状况(重度拥堵,中度拥堵,轻度拥堵,基本畅通)的产生和消散过程。综合分析路段交通拥堵对道路TSP排放和分布的影响。分析整理得出道路TSP小时排放总量和拥堵程度成正比关系,且TSP污染主要集中在车辆拥挤怠速的部分,车辆拥挤排队的队尾部分是TSP排放源强最高、源强增长最快的区域,增长率达到240%～290%。     

高架道路交通噪声动态模拟

为研究高架道路噪声的分布规律,结合微观交通仿真、车辆噪声排放和传播原理,对高架道路交通噪声进行动态模拟.该方法能得到逐秒变化的实时声压级.能反映交通噪声随时间的动态变化,且方便应用多项指标评估.研究表明:等效声级和累计声级的误差达到±2 dB;高架道路两端的防撞护栏在离道路边缘32m的垂直面上的声压衰减影响到10m左右...     

路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

余卓平：电动车发展关键是如何建立交通体系

9月22日,同济大学汽车学院院长余卓平教授在“2011中国新能源汽车盛典”上表示,现在的电动汽车发展不完全是依赖于技术,而最主要依赖的是我们如何构建一个适合中国交通体系的新型电动汽车的使用文化和体系。这个使用文化和体系,我们肯定不能像美国人一样,他们的交通体系是怎样的？除了飞机以外,基本上靠汽车来完成交通目的,80％的交通目的是用汽车完成的,而我们国家,我们要细分交通目的和交通工具,要把交通工具的使用细分市场,远途是靠飞机。中途是靠高铁,在城市内那就是短途的电动汽车就是一个很好的选择。     

鄂尔多斯市城市道路交通噪声的现状分析及防治对策——以东胜区为例

通过分析鄂尔多斯市2007—2010年东胜区道路交通噪声污染现状,指出存在的主要问题,提出了相应的污染控制及防治措施,为有效改善城市道路交通噪声污染提供科学依据。     

丽泽金融商务区道路交通噪声模拟与噪声污染防治措施的合理选用探析

通过对丽泽金融商务区交通噪声分布量进行模拟,指出丽泽路是商务区噪声超标的路段,并从噪声源、传播途径、接收点三个环节各自采用的隔声降噪措施及其效果进行模拟和评估,提出合理的隔声降噪合理措施的相关建议。     

新城市主义范本:TOD模式——从《TOD在中国》新书签发暨研讨会谈起

<正>"APEC蓝"的启示——低碳TOD模式刚刚结束的APEC会议让"APEC蓝"变成一道风景和网络热词,为了炼成"APEC蓝",我国政府对症下药里的重要一剂就是采用了机动车单双号限行、公车封存70%来防止空气污染。相关统计显示,APEC会议期间通过全市单双号限行等措施,机动车排放污染物总量大幅下降,其中颗粒物(PM)减排58%。仅就11月3日启动机动车单双号限行以来,交通运行指数就降低70%,车流量比黄金周第一天下降30%,道路属于完全畅通状态。     

突发公共事件应急交通研究综述

突发公共事件下的应急交通管理与控制问题是当前交通领域的一个研究热点。本文介绍了国内外有关应急交通领域的研究现状,对突发公共事件的概念进行了归纳总结,分析了突发公共事件下的应急交通行为;概述了数学分析方法和计算机仿真模拟应急交通疏散的研究成果,从逆向车道设计、交通分流、分阶段交通疏散、交通信号控制、平行应急管理与控制等方面对突发公共事件下的应急交通控制策略进行了分析;最后指出了有待进一步深入研究和探索的问题。     

公路项目环评中低时速单车噪声源强研究

由于缺乏低时速单车噪声源强估算模式,低等级公路项目噪声预测结果常与实际监测结果存在较大偏差。文中通过实测各车型车辆在低时速条件下时速和单车辐射声级(Lmax)数据,运用统计软件分析两者间的关系,并通过实测过往车辆数据进行验证。结果显示沿用《公路建设项目环境影响评价规范》(以下简称《06规范》)中的公式计算低车速源强可能会造成结果偏低,建议采用下列式子估算低车速单车噪声源强:小型车L=21.5 lgV+34.96(15≤V≤63),中型车L=10.4 lgV+59.29(15≤V≤53),大型车15≤V≤48(15≤V≤48)。     

安全驱动的城市交叉口自适应信号控制方法

为提升城市交叉口的交通安全,提出1种安全驱动的自适应交通信号控制方法,以交通安全提升为主,同时优化通行效率和尾气排放。基于多目标深度强化学习,构建信号控制算法框架和双重决斗深度Q网络模型,使用离散交通状态编码定义当前交通状态,利用卷积神经网络提取状态特征。针对不同奖励函数量纲无法统一的问题,设计综合奖励函数。基于长沙市交叉口场景和交通流数据,在SUMO搭建实验环境。研究结果表明：在单交叉口真实流量和模拟流量场景下,与现有交通信号控制相比,所提方法在交通冲突频率、车辆行车延误、CO₂排放等指标上都表现出更好的性能。研究结果可为城市交叉口安全优化提供参考。