基于探针车数据的城市交通宏观辐射建模：机器学习方法

城市拥堵导致车辆运动效率低下，加剧温室气体排放和城市空气污染。宏观排放基本曲线 (eMFD) 捕捉了排放与聚合交通变量之间在网络层面上的有序关系，允许实时监测区域范围内的排放，并优化既有网络的旅行需求分配，从而减少城市拥堵及其相关排放。然而，经验推导的 eMFD 模型因历史数据稀缺而受限。利用来自探针车的大规模和细粒度交通与排放数据，本研究首次在美国城市地区应用机器学习方法预测网络范围内的排放率与交通关系。本工作所开发的分析框架和见解生成数据驱动的 eMFD，并深化对其位置依赖性与网络、基础设施、土地利用以及车辆特征之间的关系的理解，使交通当局能够衡量给定旅行需求的城市交通碳排放，并优化特定位置的交通管理和规划决策，以缓解网络范围内的排放。