多元交通信息于车速数据融合系统之节能减碳应用研究＊

邓陈兴 张琼文 朱佩芸 张芳旭 陈国岳

（1.中华电信研究院智慧联网所 台湾 桃园 32601；2.“交通部”运输研究所综合技术组 台北）

0 引言

智能型运输系统（ITS）与节能减碳关联之分析如图1所示，可从目标、使用之策略、诱因及方法变成1种商业用途之智能型运输系统应用服务［1－5］。笔者在于交通信息对于运输效能提升探讨节能减碳发展现况与趋势。而在台湾相关推动工作计划如下：高速公路电子收费（ETC）、实时交通信息服务（交通云）、公交车号志紧急优先应用（台中BRT）、智能交控云计划、无缝公共运输计划（含：聪明公交车）、DRTS 需求反应式运输服务、车队管理（含：卫星出租车等）及车载资通讯服务（telematics）等计划。其目标及预期效益在：流畅交通服务；提升台湾号志路口的车流运转效能，减少平均车辆延滞达5%及无缝运输服务；建构复合运输整合服务及实时信息，达成公共运输计划降低能源消耗目标。

图1 ITS与节能减碳关联分析Fig.1 The correlation analysis of ITS carbon reduction and energy saving

导航路径基本定义：何谓“最短路径”：就是行车旅程距离最短的路径（不考虑道路速限与道路等级）。何谓“最佳路径”：就是行车旅程时间最短的路径，即所谓的最快路径（根据道路速限估计）。何谓“最低成本路径”：就是行车旅程之油资与ETC过路费等成本最少之路径。何谓“最节能减碳路径”：就是行车旅程根据节能减碳KPI计算的最佳绩效路径。

本研究拟以用路人常见的上下班起迄点间多条可选择OD 起迄点多条可选择路径（如图2）为模拟情境，依照出发前之交通信息进行节能导航路径规划，选择节能减排效果最佳之路径。上路后因实际路况变化导致行程中车速改变，沿途以资通讯工具搜集所产生的油耗及排放，透过后端平台进行差异以及适用性分析研究。

图2 OD 起迄点间多条可选择路径［7］Fig.2 Multiple alternative paths between OD pairs

Boriboonsomsin［1］经由此关系式进行路径规划出EOPS 最低的行程，经实际路测实验后，约可减少12%的排放量，节能减碳路径（Eco－Route）与一般路径规划之油耗比较如图3所示。

1 交通信息于节能减碳应用研究

在相同的起讫点下，不同的旅行路径规划方式对油耗及产生的CO2排放量会有很大的差异。根据瑞典的Ericsson（2006）［2］等研究指出，有46%的路径规划不是以最省油的方式进行规划，1套省油的路径规划系统平均每趟旅程可以节省8%的油耗量。由于行车时速和油耗量并非为线性关系，因此最短路径并非一定为最省油路径。

图3 节能减碳路径与一般路径规划之油耗比较图［1］Fig.3 The reduction of fuel consumption between energy conservation and carbon path and general path planning

有许多不同的因素会影响车辆的油耗量，例如车型、道路的特性、行车时速…等都对油耗有不同程度的影响，因此通常需使用1套能源评估模型来评估车辆的污染程度。国外在能耗与排放模式方面已发展多年，并已建立出多套评估模型，例如由美国环保署制订的Mobile模式、国际能源署制定的MARKEL 模型等。在国内则有如Mobile－Taiwan、TDM2008等模型［6－7］。［4］－［5］讨论多元因素的高速公路可变限速值之计算方法与利用时空特性和RBF神经网络的短时交通流预测。

2 ITS与节能减碳关联分析

多元交通讯息路况云整体架构图如图4 所示。此服务系为达成提升实时路况信息涵盖范围、更新频率、准确率、以及推广交通信息加值应用服务等目标。接收的交通数据源来自GPS数据（GVP）、公部門交通資訊（VD）及手機網路訊號資料（CVP）等多元交通資料源，再透過多元交通信息探侦技术、多元信息融合技术、路段信息弥补技术达成实时交通信息的演算处理。提供之信息包括实时路况信息（时速、旅行时间、道路绩效）与路况预估信息。

2.1 确立示范计划实施程序与规模

ITS节能减碳评估方法，交通运具之耗油与CO2排放量计算模式如下：

图4 多元交通讯息路况云整体架构图Fig.4 Diagram of the whole system architecture traffic information traffic cloud chart

行前路径节能减碳KPI预估：以路径总CO2排放量C（单位为g）及路径总油耗X（单位为mL）预估公式：

行后实测节能路径节能减碳KPI：以路径总碳排放量C（g）及路径总油耗量X（mL）公式计算。

ITS对交通活动量之影响层面有如下之重要因素：交通量改变（车公里、车小时）、车速改变（提速效果对应不同的耗油率）、运具型态改变（私人运具移转到大众运具）及路线改变（替代道路造成不同等级路网间之车流移转）。

2.1.1 示范测试计划架构

节能减碳示范测试架构如图5所示，在旅次需求发生之前，在有无实时路况信息之区别：有完整信息、部分信息及无信息之3种状况会发生，这时即进入如图5所示之虚线范畴内的测试逻辑，由可行路径（实验路径）开始，进入节能路径评估，等评估完成后，会产生路径成本比，这时用路人可依推荐节能路径及个人需求进入（行中）节能路径实测。这时实际实时路况信息透过无线网络进入智能型手机APP引导用路驾驶人进入节能路径实测，藉由中华电信节能运输云KPI计算，获得节能效益之路径评估比较，产生建议驾驶路线。透过油耗／排放参数表（表1及表2）计算成本KPI的值。因为之表1及表2之公式利用，可排除驾驶行为、车种及车况之限制，仅在不同路况、尖离峰时段及长例假日及不同天后状况之情况做比较。

图5 ITS节能减碳数据库油耗模式分析计划架构Fig.5 ITS energy saving and consumption patterns of carbon reduction plan database analysis architecture

2.1.2 节能减碳评估方法

耗油率有以下计算方式：

1）全国平均值。在“交通部”运研所“运输部门能源与温室气体资料之构建与盘查机制之建立”系列研究中，搜集全国歷年車辆數、車辆使用率、年平均行驶里程等资料，进而推估“平均耗油率”，在同一个统计基础下，TIID 的能源局最新公告平均油耗km／h审验值展开的能耗系数表，但无法进一步探讨不同速率下之耗油率值。

油耗系数表与碳排放系数表之关系如下图6所示。

2.2 实施程序

本研究设计节能减碳示范计划之情境设计，如图7所示。设定之路径进行实际测试，各路径派遣车辆依定义之路径由起点行驶至目地的，途中以行动装置（手机、平板）上的应用程序记录行驶轨迹信息回送至“实验车辆节能减碳KPI计算系统”进行实际油耗及碳排计算，与理论预估值进行节能省碳的效果比对。而为避免驾驶因对径径不熟悉或是其他临时路况造成的变因，同样的测验重复进行，取得七次的实验数据。

ITS节能减碳数据库油耗模式分析检验评估流程同时记录并分析车辆OBDII数据以利后续评估强化。ITS节能减碳数据库所需数据字段，实验场域的选择上，本研究拟选择板桥高铁站（25.012 723，121.464 827）做为起点，桃园机场航空科学馆大门口（25.073 066，121.223 128）为起点，四大路径规划以主要道路如图8及反应交通事故之影响。

1）交通信息占比与旅行时间预估误差的关系会随状况不同而改变。一般而言，交通信息占比越高，旅行时间预估误差越低，无突发路况发生时，即使当下的交通信息占比低，尚可用历史数据推估，有突发路况发生时，因目前旅行时间是于路测前、以当下的交通信息预估，未以实时交通信息修正，故会造成旅行时间预估失准、影响极大。

图6 油耗系数表与碳排放系数表［6－7］Fig.6 The oil consumption coefficient table and carbon emission coefficient table

2）油耗预估误差与旅行时间预估误差有明显相关：省道与市区道路车辆行驶时速易受号志影响，交通信息可能误差较大，旅行时间预估难度较高，因此油耗估算也较易产生较大误差。

3）最低成本＆ 节能减碳预估：

（1）路径3（国3＋国2）于12次实测中有11次都最省油且碳排放量低，为最低成本路径（除第1趟去程外）。

（2）实验数据显示最佳路径即为最低成本＆节能减碳路径；因此最低成本＆ 节能减碳路径预估正确性亦为92%，与最佳路径预估结果相同。

图7 节能减碳示范情境设计Fig.7 The demonstration scenario design of energy saving and carbon reduction

4）从路测统计结果可得知，交通信息是影响行车速率的重要影响因子之一，若路径内所含之路段交通信息越丰富完整，本计划之评估模型就可越正确。此外，示范系统之实验数据显示车辆之油耗及碳排放量与旅行时间有正向关系，旅行时间越短油耗越低，证明交通信息确实有助于用路人达到节能减碳效益。

图8 四大路径测试结果比较Fig.8 Comparison results of four paths testing

3 实时交通信息占比与油耗预估误差率关系

旅行时间预估虽有其限制，但仍旧能够预估出合理误差范围内结果。前述道路测试数据显示平均误差约在7min，平均误差比例约为13%，若排除第2与第4条因为超速影响的数据，平均误差可降至约5 min，而平均误差比例能够降至约10%。若比较同1趟次不同路径之相对旅行时间排名，其最快路径预估之正确性更达92%，此结果对于后续分析最节能减碳之路径具有相当大的参考价值。如图9所示。

图9 实时交通信息占比与油耗预估误差率关系图Fig.10 The error rate relationship diagram between realtime traffic information rate and fuel consumption proportion

4 结束语

1）最佳（最快）路径预估。路径3（国3＋国2）于12次实测中有11次都是最快路径（除第1趟去程外）。

2）实验系统约预估出最快路径之正确性达92%，差异分析如下：

第1趟去程预估路径3最快、实测路径4最快：路径4相对于路径3之旅行时间优势并不显着（相差约5min，总路程约50min）、旅行时间孰低会受当下个人驾驶行为影响，且两路径之预估旅行时间误差皆在可接受范围内，故此预估结果应可接受。

［1］Boriboonsomsin K，Barth M，Zhu W，et al.ECOrouting navigation system based on multi－source historical and real－time traffic information［C］∥IEEE ITSC2010 Workshop on Emergent Cooperative Technologies in Intelligent Transportation Systems，Madeira Island，portugal：IEEE，2006.

［2］Ericsson E，Larsson H，Brundell－Freij K.Optimizing route choice for lowest fuel consumptionpoten－tial effects of a new driver support tool［J］.Transportation Research Part C：Emerging Technologies，2006（14）：369－383.

［3］Faouzi N E，Lesort J B.Travel time estimation on urban networks from traffic data and on－board trip characteristics”［C］∥Japan，Yokohama：Proceedings of the world congress on ITS，1995：88－93.

［4］高 为，陆百川，贠天鹂，等.基于时空特性和RBF神经网络的短时交通流预测［J］.交通信息与安全，2011，29（1）：16－19，24.Gao Wei，Lu Baichuan，Yun Tianli，et al.Shortterm traffic flow forecasting based on spatiotemporal characteristics of traffic flow and RBF neural network［J］.Journal of Transport Information and Safety，2011，29（1）：16－19，24.（in Chinese）

［5］余 凯，张存保，石永辉.基于多元因素的高速公路可变限速值计算方法研究［J］.交通信息与安全，2011，29（1）：4－7，15.Yu Kai，Zhang Cunbao，Shi Yonghui.A new method for determining variable speed limits on freeway［J］.Journal of Traffic Information and Safety，2011，29（1）：4－7，15.

［6］邓陈兴，张琼文，朱佩芸，等.多元交通信息于车速数据融合系统之节能减碳应用研究［C］∥第十四届海峡两岸智能运输系统学术研讨会，中国，无锡：武汉理工大学ITS2014－33，2014：33.Tenqchen Xing，Zhang Qiongwen，Chu Peiyun，et al.Multiple traffic information messages for vehicle speed data fusion system study with carbon reduction and energy saving［C］∥14thCross－Strait ITS Conference，China，Wusi：Wuhan University of Technology，2014：33.

［7］王景弘，罗坤荣，邓陈兴，等.2010车路整合系统发展趋势与ITS节能减碳关联之研究［R］.台北：交通部运输研究所，MOTC－IOT－100－TDB005，101－149－6158.Wang Jionghong，Luo kunrong，Dengchenxing et al.Development trend of Cooperative Vehicle Infrastructure and ITS energy conservation ＆carbon reduction association studies In 2010［R］.Taipei：Transportation research institute in Taiwan，MOTC－IOT－100－TDB005，101－149－6158.