不同日类型下交通效率与二氧化碳排放的时空差异:基于城市级数据的车辆-基础设施协同系统分析
《Journal of Environmental Management》:Spatiotemporal differences in traffic efficiency and CO2 emissions across day types: A city-level data-driven analysis of cooperative vehicle-infrastructure systems
【字体:
大
中
小
】
时间:2026年07月14日
来源:Journal of Environmental Management 9.2
编辑推荐:
孙斌|徐浩宇|吴照朗|张启军|吴琳|刘岩|米亚楠|毛洪军中国天津南开大学环境科学与工程学院天津城市交通排放研究天津市重点实验室、城市环境空气颗粒物污染防控国家环境保护重点实验室以及城市空气质量改善与公共卫生MOST国际科技合作基地摘要速度引导型车路协同系统能够缓解拥堵并降低排放,
孙斌|徐浩宇|吴照朗|张启军|吴琳|刘岩|米亚楠|毛洪军中国天津南开大学环境科学与工程学院天津城市交通排放研究天津市重点实验室、城市环境空气颗粒物污染防控国家环境保护重点实验室以及城市空气质量改善与公共卫生MOST国际科技合作基地摘要速度引导型车路协同系统能够缓解拥堵并降低排放,但其在工作日与周末的性能差异尚不明确。本研究利用中国早期采用车路协同系统的典型中等规模地级市淄博的大数据,分析了工作日与周末的交通状况及二氧化碳排放情况。我们开发了一种基于轨迹的出行高峰期检测方法、交通阻力指数以及二氧化碳排放量化模型。通过对4700万条轨迹的分析发现,车路协同系统虽然提升了车辆速度,但也增加了速度波动性,且这种效应在周末更为明显。该系统显著降低了交通阻力并提升了运行效率,无论是相对改善率还是绝对优化效果,在周末都优于工作日。从时间维度来看,车路协同系统在非高峰和高峰时段均增强了周末的交通阻力指数优势,高峰时段加强了二氧化碳排放的空间聚集性,而非高峰时段则减弱了这种聚集性;而在工作日高峰时段则削弱了交通阻力指数的空间聚集性,且在所有周末时段均呈现此趋势。不过,由于该系统以提升速度为优先目标,加之车辆普及率较低,导致二氧化碳排放系数分别在工作日为5.6%,在周末为11.0%。为此,本文提出了三种优化策略,以提升车路协同系统在不同类型天气和道路条件下的性能。这些研究结果为车路协同系统的应用提供了决策支持,有助于推动绿色智能交通的发展。引言城市化带来了诸多治理挑战,其中交通拥堵和碳排放尤为突出(Wang和Zhong,2023)。根据INRIX 2025年全球交通报告,超过35%的大城市面临长期拥堵问题,部分城市每年拥堵时间超过100小时。道路交通占全球能源相关二氧化碳排放量的24%,是交通运输领域的主要排放源。为推动全球可持续发展目标的实现,迫切需要开发绿色高效的道路交通技术(Xi等人,2025)。车路协同系统是一种核心的智能交通技术,它通过实现协同感知与决策优化,在缓解拥堵和降低碳排放方面的价值已得到广泛认可(Li等人,2024)。该系统依托C-V2X通信技术,通过路侧单元和车载终端构建全面的感知网络,整合多源交通数据,并通过边缘计算节点进行实时态势分析,从而生成动态速度指令,形成完整的“感知-传输-决策-反馈”循环,确保及时有效的引导(Li等人,2024;Regragui和Moussa,2023)。其速度调节机制遵循交通流基本原理:通过根据交通参数和跟车模型动态计算最优速度,车路协同系统能够减轻拥堵蔓延,通过优化瓶颈流量分布、平滑速度波动以及减少车辆停走现象来降低能耗(Jia和Ngoduy,2016)。目前,车路协同系统的发展模式为“传统优化+智能学习”:经典理论及遗传算法提升了基础控制稳定性,而机器学习技术(随机森林、K-Means聚类、深度学习、强化学习)则通过大量轨迹数据集提升了速度预测和驾驶行为分类能力,从而在复杂场景下实现精准引导(Peng等人,2020;Salehi等人,2017;Wang等人,2021)。未来,车路协同系统将向多智能体协同决策和车路云一体化系统发展,通过深度融合5G、物联网和人工智能技术,为混合交通流提供个性化引导,加速从验证阶段走向大规模商业化应用(Algherbal和Ratrout,2025;Elassy等人,2024;Lin等人,2023;Mei等人,2025)。在各类车路协同系统应用中,以绿灯最优速度建议系统为代表的速度引导技术因具备近期实施的可行性而备受关注,近年来的研究重点在于多目标优化和协同控制架构。现有的基于速度引导的车路协同系统可根据控制范围和优化目标分为四种主要技术路线。第一种是车路协同多目标控制框架,这类框架从单一目标信号定时优化发展为对交通信号和联网车辆速度的联合优化,以减少排放作为核心目标。代表性成果包括基于近端策略优化的CoTV框架,该框架通过仅控制每个交叉口附近的联网车辆来降低V2X部署成本;具有分层信号控制结构(宏观周期优化+微观相位调整)以及领先车辆速度控制模块的COTV-MADRL框架,该框架利用图卷积网络和双向LSTM捕捉相邻交叉口之间的时空关联;还有EcoLight+算法,该算法通过融合多模态数据,将交通噪声预测纳入信号控制目标,实现降噪与减排的双重优化。第二种是以车队为中心的GLOSA系统,这类系统旨在解决个体车辆激进调速对后续车辆的负面影响,通过多智能体协同决策同时优化多辆联网车辆的速度。这一路线的一个关键创新是将控制边界函数引入强化学习策略中,为车辆跟车安全及遵守红灯规则提供了明确的数学保障。第三种是为商用车辆量身定制的专用GLOSA系统,这类系统结合了车辆特有的动力学特性和燃油消耗模型,以考虑重型车辆在加速和减速过程中的高能耗问题。第四种是多技术整合评估框架,这类框架用于量化GLOSA与其他C-ITS技术(如协同自适应巡航控制)结合在不同交通场景下的协同效应与拮抗效应,为场景化部署提供指导。众多仿真实验表明,基于速度引导的车路协同系统在提升交通效率及降低排放方面具有巨大的理论潜力。在理想仿真场景中,传统的车路协同系统可通过交通流平滑和动态速度调整,将车辆行驶时间缩短30%以上,减少停车次数13.9%至45.0%,降低燃油消耗8.1%至18.9%,同时减少二氧化碳和氮氧化物排放3.0%至32.6%(Tang等人,2018;Zhao和Li,2016)。近年来先进的算法进一步提升了这些效益:在包含31个信号交叉口的都柏林城市仿真网络中,CoTV实现了17.72%的行驶时间缩减和25.13%的燃油消耗降低,且在0-100%的联网车辆普及率梯度下都能保持稳定性能(Guo等人,2023);在基于真实网约车数据构建的包含108个交叉口的成都仿真网络中,COTV-MADRL使平均行驶时间减少了7.1%,每日二氧化碳排放减少了200公斤(Huang等人,2024);与固定定时方案相比,EcoLight+实现了74%的每小时噪声降低和46.18%的二氧化碳减排效果(Ounoughi等人,2023);以车队为中心的安全强化学习GLOSA系统相比单车控制方式,可使车队燃油消耗减少12-21.5%,在交通密度较高的场景中优势更为明显(Yang等人,2026)。然而,这些仿真结果基于理想化假设,而在现实世界中很少能满足这些条件:完美的零延迟V2X通信、100%的驾驶员对速度引导的服从、忽略人类驾驶员差异的简化交通流模型,以及通常较高的联网车辆普及率(Sun等人,2026)。这些假设导致了对车路协同系统益处的系统性高估,尤其是在当前城市道路中普遍存在的混合交通流环境中。目前仅有少数实际应用验证研究来检验基于速度引导的车路协同系统的实际性能。Jia等人(2025)发现,对于熟练驾驶员而言,车路协同系统可使其燃油消耗降低29.5%,整体道路能源消耗降低23.1%,汽油车污染物排放最多可减少32.6%,且在交通量较小的城市道路上减排效果最为显著。Chen和Rakha(2022)在美国弗吉尼亚州对专为公交车设计的B-GLOSA系统进行了大规模实地测试,涉及30名专业驾驶员和多种道路条件,为重型车辆的GLOSA技术提供了首个严谨的实证验证。Walch和Neubauer(2025)在奥地利8条真实的城市道路路段进一步验证了GLOSA与协同自适应巡航控制组合技术的性能,确认该组合在低至中等交通密度场景下具有协同效应,但在高密度的单车道道路上性能可能会下降。尽管取得了这些进展,目前的实际应用研究仍存在三个关键缺陷。首先,大多数验证仅限于小规模测试场地或单一车辆类型,导致数据量和覆盖范围有限,无法全面反映车路协同系统在城市区域层面的性能(Sun等人,2024a;Yang等人,2020)。其次,现有的实际应用研究大多在联网车辆普及率较高的环境或专门测试环境中进行,而全球大多数城市仍处于联网车辆普及率较低的早期阶段,交通流以人工驾驶车辆为主,人类驾驶员与联网车辆之间的动态互动在真实环境中的研究还比较不足。第三,几乎没有任何实际应用研究考虑了不同日期类型(工作日、周末、节假日)下交通特征的差异性,从而导致在复杂的实际场景中高估了车路协同系统的效益。不同日期类型下交通特征的差异性会显著影响智能交通优化技术的适应性和性能优势,然而这一关键因素在仿真研究和实际车路协同系统研究中都被忽视了。节假日的出行行为与工作日有明显不同,节假日的拥堵往往集中在特定区域(如在清明节期间通往墓地的道路),交通流不规律,时空变化性更强(Niu等人,2023)。在高交通流量条件下,车辆预期速度的差异会加大,驾驶员理性程度不足带来的负面影响也会加剧(Wang等人,2021)。在工作日,拥堵主要发生在城市中心区域,那里的交通流和驾驶行为相对稳定(Batterman,2015)。这些差异直接影响了优化技术的有效性。在信号控制方面,传统的固定周期信号控制方案已不再适用。通过模糊算法和遗传算法改进的绿波控制,以及基于时间分段的SLSQP算法,可将节假日的车辆延误时间减少7.69%至12.34%(Yin等人,2025)。自适应人工鱼群算法则可将平均延误时间进一步降低至7.8毫秒(Wei和Ju,2024)。在速度引导和节能优化方面,节假日较高的平均速度会导致燃油消耗增加8%,二氧化碳排放增加36%(Bagheri等人,2024)。为了在高交通流量情况下将减排效果提升至6%至11%,需要对速度引导策略进行调整,以降低驾驶员理性程度不足带来的负面影响(Sun等人,2024b)。在轨迹规划和变道控制方面,集成BPFP框架的强制变道功能即使在节假日交通饱和的情况下也能保持较高的通行效率(Liu等人,2024)。基于预期速度的车道引导可实现4%至10%的总时间节省(Mahajan等人,2024)。值得注意的是,目前关于不同日期类型对交通优化影响的几乎所有研究都基于仿真实验,而这些研究成果的实际应用验证仍然有限。此外,现有的车路协同系统技术并未系统考虑交通流时空变化性以及工作日、节假日等不同日期类型下驾驶行为的差异性,这限制了该技术的通用性(Batterman,2015;Bagheri等人,2024)。另外,车路协同系统技术缺乏针对不同日期类型的多目标优化与优先级设计,难以在各种场景下实现高效应用(Yin,2020)。为弥补上述研究不足,本研究以中国典型的地级中等城市淄博的交通系统为研究对象,该城市的城市特征以及处于早期阶段的低普及率车路协同系统部署情况,能够代表全国类似城市的情况。本研究的核心贡献在于提供了来自实际车路协同系统应用的大规模实证证据,弥补了以往仿真研究的局限性。本研究与以往工作的主要区别如下:1)它基于覆盖淄博整个城市区域的实际CVIS运行轨迹,而非小规模测试场地或模拟环境;2)它系统研究了低CV渗透率下的混合交通流中CVIS的性能,而这正是当前城市交通系统中最常见的状况;3)它明确考虑了不同日期类型(工作日、周末)下交通特征的差异性,为时间变化如何影响CVIS的效率及减排效果提供了亟需的实证依据,而这一方面在现有文献中较为缺乏;4)它构建了一个全面的分析框架,用于识别高峰出行时段、量化交通效率以及计算碳排放量,同时探讨了交通阻力指数与CO2排放因子之间的关联。基于这些研究结果,该研究提出了针对不同日期类型的多维度交通优化策略。这项研究对于推动绿色智能交通的进一步发展,以及为中等规模城市的大规模CVIS部署提供数据驱动的指导具有重要意义。本研究的技术路线如图1所示。
速度引导算法
作为CVIS的核心算法之一,速度引导算法是一种基于实时多源交通数据驱动的车辆速度动态控制方法,能够减少车辆行驶延迟。该算法的核心在于根据车辆状态与下游交叉口信号灯之间的时空关系,动态计算出推荐的行驶速度范围。其目的是引导车辆在通过交叉口时无需停车或降低车速。
数据来源
本研究使用的数据主要由两部分组成:来自CVIS的车辆轨迹数据,以及研究区域的开源道路网络地图数据。
交通状况
为确定最优的PTmin阈值,进行了敏感性分析。阈值设为0.3时,所识别出的高峰时段范围过宽,包含了众多短暂的低速行驶情况;阈值设为0.5时,高峰时段范围过窄,无法涵盖一些持续但程度适中的拥堵状况;阈值设为0.4时,则在灵敏度与特异性之间取得了最佳平衡,能够准确反映淄博交通监测数据中所观察到的实际高峰时段边界以及所识别的拥堵模式。
结论与展望
本研究以中国典型的地级市、处于CVIS低渗透率部署初期的淄博市作为研究背景。依托CVIS提供的大规模运行轨迹数据以及基础的道路网络数据,该研究构建了一个全面的分析框架,用于识别高峰出行时段、通过交通阻力指数衡量交通效率以及计算碳排放量。核心分析重点在于交通运行状况。
CRediT作者贡献说明
孙斌:概念设计、数据整理、正式分析、研究实施、资源协调、监督指导、验证分析、可视化处理、初稿撰写。徐浩宇:研究实施、方法设计。吴兆朗:研究实施、方法设计。张启军:概念设计、资金获取、研究实施、方法设计、监督指导、审稿与编辑。吴琳:研究实施、方法设计。刘岩:研究实施、方法设计。米亚楠:研究实施、方法设计。毛宏军:概念设计。
利益冲突声明
作者们声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究得到了中国国家重点研发计划(2024YFE0112100、2023YFC3705405)以及中国中央高校基本科研业务费(63261007、63261027、63261028、63261160)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号