محیط شناسی

محیط شناسی

استخراج سیکل‌های رانندگی در آزادراه‌های جنوب و جنوب‌غربی استان تهران و تأثیر بالقوه آن‌ها بر آلودگی هوا

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مهندسی محیط زیست، دانشکده محیط زییست، دانشگاه تهران، تهران، ایران
2 گروه مهندسی محیط زیست، دانشکده محیط زیست، دانشگاه تهران، تهران، ایران
چکیده
هدف: در این مقاله، به بررسی و استخراج چرخه رانندگی در سه آزادراه اصلی تهران-قم، تهران-ساوه و تهران-کرج پرداخته ‌شده است. این چرخه‌ها تاکنون به‌طور جامع یا حتی مجزا محاسبه نشده‌اند و هدف پژوهش ارائه داده‌های جدید و دقیق درباره سیکل رانندگی در این مسیرها است. اطلاعات به‌دست ‌آمده می‌تواند برای بهبود سیاست‌های حمل‌ونقل، کمک به فراهم‌سازی بستر کاهش آلاینده‌ها و بهینه‌سازی رفتار رانندگی در آینده مورد استفاده قرار گیرد.
روش پژوهش: برای انجام این پژوهش، از یک خودروی سواری سبک و یک نرم‌افزار سامانه موقعیت‌یابی جهانی نصب‌شده روی تلفن همراه استفاده شد. داده‌های سرعت خودرو در بازه‌های زمانی مختلف و در مسیرهای منتخب جمع‌آوری گردید. سپس داده‌ها با استفاده از تکنیک‌های پردازش داده و حذف نویز، اصلاح شدند. به کمک نرم‌افزار متلب و استفاده از روش میانگین کی و تحلیل ریز سفرها، هم به‌صورت مجزا برای هرکدام از مسیرها و هم برای ترکیبی از سه آزادراه‌ها، چرخه‌های رانندگی بهینه استخراج شدند. این فرایند به‌منظور ارائه تصویری دقیق از رفتار رانندگی در این مسیرها انجام شد.
یافته‌ها: یافته‌ها نشان می‌دهد که چرخه‌های رانندگی استخراج‌شده دارای نوسانات قابل‌توجهی در سرعت و شتاب هستند. این نوسانات ممکن است تحت تأثیر عواملی از جمله تراکم ترافیک، وقوع تصادفات و شرایط جاده‌ای و آب‌وهوایی قرار گیرد و بازتاب‌دهنده پویایی شرایط رانندگی در محیط‌های مختلف است. در مقایسه با چرخه‌های استاندارد جهانی، الگوی رانندگی در مسیرهای مورد بررسی شتاب‌های مثبت و منفی کمتری را نشان می‌دهد که می‌تواند بیانگر سبک رانندگی محتاطانه‌تر یا روان‌تر در این مسیرها باشد. همچنین، بیشتر رانندگان تمایل به رانندگی با سرعت‌های بالا دارند، به‌طوری‌که میانگین سرعت آن‌ها از چرخه‌های استاندارد بالاتر است. یکی دیگر از نکات قابل‌توجه، نسبت بالای زمان رانندگی در این مسیرهاست که نشان‌دهنده توقف کم در طول مسیر می‌باشد و به افزایش بهره‌وری سفر کمک می‌کند. علاوه بر این، تحلیل‌ها نشان می‌دهد که رفتار رانندگان تحت تأثیر شرایط جاده‌ای، کیفیت روسازی، جریان ترافیک و تغییرات آب‌وهوایی قرار می‌گیرد و این امر ضرورت تطبیق راهبردهای رانندگی با شرایط متغیر محیطی را برای ارتقای ایمنی و کارایی برجسته می‌سازد.
نتیجه‌گیری: نتیجه‌گیری این پژوهش نشان می‌دهد که استخراج دقیق چرخه‌های رانندگی در آزادراه‌های اصلی استان تهران می‌تواند به‌عنوان ابزاری مؤثر برای برآورد انتشار آلاینده‌ها و طراحی سیاست‌های کاهش آلودگی هوا به کار گرفته شود. نتایج این تحقیق، همراه با بررسی شباهت‌ها، دقت بالای نرم‌افزار در استخراج سیکل‌های رانندگی را تأیید می‌کند. همچنین تفاوت‌ها، بر اهمیت تهیه سیکل رانندگی متناسب با رفتار رانندگان و شرایط جغرافیایی هر کشور، در مقایسه با سایر کشورها، تأکید دارد.
کلیدواژه‌ها
موضوعات

آزادی، محمد؛ دزیانیان، شکوه؛ نوی، علیرضا؛ سلمانی، علیرضا؛ قرائتی، تابانمهر، و فرجی، علی (1401). توسعه یک چرخه رانندگی براساس داده‌های ضبط‌شده از یک خودروی هیبرید بنزینی-الکتریکی در دو مسیر از شهر تهران با الگوریتم میانگین کی. فصلنامه علمی کارافن، 19(1)، 629–652.  https://doi.org/10.48301/kssa.2022.315133.1840
قرائتی، تابان مهر؛ مومنی موحد، علی؛ آزادی، محمد، و موسویان، سید اشکان (1400). مقایسه عملکرد الگوریتم‌های ماشین بردار پشتیبان و میانگین کی در استخراج چرخه واقعی رانندگی ترکیبی تهران-آمل. نشریه مهندسی مکانیک امیرکبیر، 53(9)، 5017–5036. https://doi.org/10.22060/mej.2021.19222.6980
ملک‌پور اسطلکی؛ مریم، احمدی، و ارکمی، علی (1401). تعیین سیکل رانندگی در ساعت پیک صبحگاهی شهر رشت. دهمین کنفرانس ملی مهندسی عمران، معماری و توسعه شهری پایدار، تهران. https://civilica.com/doc/1620782
مهرقرائتی، تابان؛ مومنی موحد، علی؛ آزادی، محمد؛ موسویان، سید اشکان، و نیکخواه، حسین (1398). مقایسه پارامترهای مشخصه چرخه رانندگی با استفاده از داده‌های واقعی جمع‌آوری‌شده در ایران و چرخه‌های استاندارد جهانی. یازدهمین همایش بین‌المللی موتورهای درو‌‌نسوز و نفت، تهران. https://civilica.com/doc/1015542
میرشی، سمیرا؛ عنایتی آهنگر، فراز، و حسینی، وحید (1391). بر‌رسی تأثیر الگوی رانندگی بر میزان آلایندگی تولیدی توسط خودروها در شهر تهران. دوازدهمین کنفرانس بین‌المللی مهندسی حمل‌ونقل و ترافیک، تهران.  https://civilica.com/doc/200686
 Abu Mallouh, M., Surgenor, B. W., Abdelhafez, E., Salah, M., & Hamdan, M. (2014). Development of a driving cycle for Amman City with performance evaluation for ICE vehicle. In ASME 2014 12th Biennial Conference on Engineering Systems Design and Analysis (Paper No. ESDA2014-20600, V001T02A022). American Society of Mechanical Engineers. https://doi.org/10.1115/ESDA2014-20600
Al-Samari, A. (2017). Real-world driving cycle: Case study of Baqubah, Iraq. Diyala Journal of Engineering Sciences, 10(2), 39-47. https://doi.org/10.24237/djes.2017.10204
Azadi, M., Dezianian, S., Navi, A., Salmani, A., Qaraati, T., & Faraji, A. (2022). Development of a driving cycle based on data recorded from an electric-gasoline hybrid vehicle on two routes in Tehran city with K-means algorithm. Karafan Journal, 19(1), 629-652. https://doi.org/10.48301/kssa.2022.315133.1840 [in Persian]
Chen, P., Tong, R., Lu, G., & Wang, Y. (2018). Exploring travel time distribution and variability patterns using probe vehicle data: Case study in Beijing. Journal of Advanced Transportation, 2018(1), 3747632.   https://doi.org/ 10.1155/2018/3747632
Fotouhi, A., & Montazeri-Gh, M. (2013). Tehran driving cycle development using the K-means clustering method. Scientia Iranica, 20(2), 286-293.
Frey, H. C., Unal, A., Rouphail, N. M., & Colyar, J. D. (2003). On-road measurement of vehicle tailpipe emissions using a portable instrument. Journal of the Air & Waste Management Association, 53(8), 992-1002. https://doi.org/10.1080/10473289.2003.10466245
Fruin, S., Westerdahl, D., Sax, T., Sioutas, C., & Fine, P. M. (2008). Measurements and predictors of on-road ultrafine particle concentrations and associated pollutants in Los Angeles. Atmospheric Environment, 42(2), 207-219. https://doi.org/10.1016/j.atmosenv.2007.09.057
Gebisa, A., Gebresenbet, G., Gopal, R., & Nallamothu, R. B. (2021). Driving cycles for estimating vehicle emission levels and energy consumption. Future Transportation, 1(3), 615-638. https://doi.org/10.3390/futuretransp1030033
Geetha, A., & Subramani, C. (2019). Development of driving cycle under real-world traffic conditions: A case study. International Journal of Electrical and Computer Engineering, 9(6), 4798-4803. https://doi.org/10.11591/ ijece.v9i6.pp4798-4803
Ho, S.-H., Wong, Y.-D., & Chang, V. W.-C. (2014). Developing Singapore driving cycle for passenger cars to estimate fuel consumption and vehicular emissions. Atmospheric Environment, 97, 353-362.  https://doi.org/10.1016/ j.atmosenv.2014.08.042
Huang, C., Lou, D., Hu, Z., Feng, Q., Chen, Y., Chen, C., Tan, P., & Yao, D. (2013). A PEMS study of the emissions of gaseous pollutants and ultrafine particles from gasoline- and diesel-fueled vehicles. Atmospheric Environment, 77, 703-710. https://doi.org/10.1016/j.atmosenv.2013.05.059
Huzayyin, O. A., Salem, H., & Hassan, M. A. (2021). A representative urban driving cycle for passenger vehicles to estimate fuel consumption and emission rates under real-world driving conditions. Urban Climate, 36, 100810. https://doi.org/10.1016/j.uclim.2021.100810
Jing, Z., Wang, G., Zhang, S., & Qiu, C. (2017). Building Tianjin driving cycle based on linear discriminant analysis. Transportation Research Part D: Transport and Environment, 53, 78-87. https://doi.org/10.1016/j.trd.2017.04.005
Kaymaz, H., Korkmaz, H., & Erdal, H. (2019). Development of a driving cycle for Istanbul bus rapid transit based on real-world data using stratified sampling method. Transportation Research Part D: Transport and Environment, 75, 123-135. https://doi.org/10.1016/j.trd.2019.08.023
Maulik, U., & Bandyopadhyay, S. (2000). Genetic algorithm-based clustering technique. Pattern Recognition, 33(9), 1455-1465. https://doi.org/10.1016/S0031-3203(99)00137-5
Malekpour Astalaki, M., & Ahmadi Arkami, A. (2022). Determination of the driving cycle during the morning peak hour in Rasht city. 10th National Conference on Civil Engineering, Architecture and Sustainable Urban Development, Tehran. https://civilica.com/doc/1620782 [in Persian]
Mehrgharaati, T., Momeni Movahed, A., Azadi, M., Mousavian, S. A., & Nikkhah, M. (2019). Comparing characteristic parameters of driving cycle using real data collected in Iran and global standard cycles. 11th International Conference on Internal Combustion Engines and Oil. https://civilica.com/doc/1015542 [in Persian]
Mirshi, S., Enayati Ahangar, F., & Hosseini, V. (2012). Investigation of the effect of driving patterns on vehicle emissions in Tehran. 12th International Conference on Transportation and Traffic Engineering, Tehran. https://civilica.com/ doc/200686 [in Persian]
Nie, F., Li, Z., Wang, R., & Li, X. (2022). An effective and efficient algorithm for K-means clustering with new formulation. IEEE Transactions on Knowledge and Data Engineering, 35(4), 3433-3443. https://doi.org/10.1109/ TKDE.2022.3155450
Pathak, S. K., Sood, V., Singh, Y., & Channiwala, S. A. (2016). Real-world vehicle emissions: Their correlation with driving parameters. Transportation Research Part D: Transport and Environment, 44, 157-176. https://doi.org/ 10.1016/j.trd.2016.02.001
Qaraati, T., Momeni Movahed, A., Azadi, M., & Moosavian, S. A. (2021). Comparison of support vector machine and K-means algorithms performance in extracting the real driving cycle of combined Tehran-Amol. Amirkabir Journal of Mechanical Engineering, 53(9), 5017-5036. https://doi.org/10.22060/mej.2021.19222.6980 [in Persian]
Qiu, D., Li, Y., & Qiao, D. (2018). Recurrent neural network based driving cycle development for light duty vehicles in Beijing. Transportation Research Procedia, 34, 147-154. https://doi.org/10.1016/j.trpro.2018.11.026
Samuel, S., Austin, L., & Morrey, D. (2002). Automotive test drive cycles for emission measurement and real-world emission levels - a review. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 216(7), 555-564. https://doi.org/10.1243/095440702760178587
U.S. Environmental Protection Agency. (2014). Light-duty automotive technology, carbon dioxide emissions, and fuel economy trends: 1975 through 2014. Washington, DC.
United Nations Economic Commission for Europe (UNECE). (2013). Development of a world-wide harmonized light duty driving test cycle (WLTC). Geneva.
Vanhulsel, M., Degraeuwe, B., Beckx, C., Vankerkom, J., & De Vlieger, I. (2014). Road transportation emission inventories and projections – case study of Belgium: Methodology and pitfalls. Transportation Research Part D: Transport and Environment, 27, 41-45. https://doi.org/10.1016/j.trd.2013.12.002
Wang, Q., Huo, H., He, K., Yao, Z., & Zhang, Q. (2008). Characterization of vehicle driving patterns and development of driving cycles in Chinese cities. Transportation Research Part D: Transport and Environment, 13(5), 289-297. https://doi.org/10.1016/j.trd.2008.03.003
Zähringer, M., Kalt, S., & Lienkamp, M. (2020). Compressed driving cycles using Markov chains for vehicle powertrain design. World Electric Vehicle Journal, 11(3), 52. https://doi.org/10.3390/wevj11030052
Zhang, M., Shi, S., Lin, N., & Yue, B. (2018). High-efficiency driving cycle generation using a Markov chain evolution algorithm. IEEE Transactions on Vehicular Technology, 68(2), 1288-1301. https://doi.org/10.1109/TVT.2018. 2887063
Zhao, J., Gao, Y., Guo, J., & Chu, L. (2018). The creation of a representative driving cycle based on intelligent transportation system (ITS) and a mathematically statistical algorithm: A case study of Changchun (China). Sustainable Cities and Society, 42, 301-313.  https://doi.org/10.1016/j.scs.2018.05.031