[砥砺奋进的五年聚焦大数据]专家建言:用“数据模型”治理交通污染

原标题：[砥砺奋进的五年 聚焦大数据]专家建言:用“数据模型”治理交通污染

韩科认为,在贵阳这种其他污染比较少的城市,交通带来的PM2.5是一个比较严重的问题。贵阳通过建立交通数据模型,可以实现较高精细的情景分析,达到节能减排的效果。

要建数据模型,数据是关键,那么数据到底能为节能减排做什么呢?

韩科解释,把交通流数据、车速数据、GPS数据和“在手机上怎么打车”这种更加细腻和更加个性化的数据放在一起,能展示出城市交通的全貌,能帮助我把脉城市交通污染问题。当前包括北京在内的很多城市,都是通过GPS数据来算平均速度或者平均流量,再结合两者算排放量,“但实际上,这样的算法并不可靠。”

“在高速公路上车流的速度分布比较均匀,这种简单的模型可以使用。但是在城市中,由于有信号灯和车流量的干预,就不能靠GPS数据算平均速度或者平均流量”韩科解释,通过建立交通数据模型的方式算排放量更为科学。

但是,交通数据模型并不是凭空建的,而是要结合仿真实验结果建立。在建立数据模型之前,要先做一个交通仿真的数据模型。交通仿真建模要先从宏观数据,得出一个宏观的模型,再细化作出一个微观的数据,最后才作出一个微观的交通仿真模型。

通过微观仿真模型可以很明确知道每一辆车的轨迹数据,它甚至可以让人们了解到每一辆车怎么跑、车与车之间是什么关系、车辆怎么换道、产生尾气排放的时间序列这些信息数据,这样的数据非常准确的,对了解整个城市的排放量帮助很大。

“当然要完全掌握城市的交通污染情况,只建一个微观的交通仿真模型显然是不够的。”韩科说,要掌握城市的交通污染情况,必须根据风向、温度、PM2.5分布情况,建线面污染物扩散的模型,再通过智能信号灯监控到的交通状况,做出来污染物浓度预测。

“做污染物浓度预测必须要有一个实时的监控作为支撑。”韩科说,如果决策者对当下的宏观交通流不了解,又没有一个很好的网络去探索,或者网络参考技术出现问题,没有实时的监控作为支撑,那么非常智能高效的交通信号灯很有可能成为垃圾。而实时的交通网络可以改变现状,这就是为什么要做决策支持系统,为什么有线上功能的原因。

交通决策支持系统是把获取的所有交通数据、天气数据、大气排放数据和控制策略数据放在一起,形成离线查找的表。决策者只要根据交通流,就查阅对应的可行策略。韩科表示,目前他的团队正在做诸如污染物浓度的关联与预测的项目,支持交通建模,降低PM2.5。

声明：本网转发此文章，旨在为读者提供更多信息资讯，所涉内容不构成投资、消费建议。文章事实如有疑问，请与有关方核实，文章观点非本网观点，仅供读者参考。