基于MAWRIS气象数据的路面温湿度关系研究

冯 洋 王晓燕

（北京市城市管理研究院，北京 100028）

在近几十年来，北京的城市化进程不断加快。截至 2017年底，北京市常住人口达到2 000万，汽车保有量达到600万辆。车流量的迅速增长导致了交通拥堵的加剧。为了缓解交通压力，北京市建设了多条放射状的高速公路和城市快速环线。截至2017年底，北京市高速公路通车里程已达到1 013 km，在缓解北京交通压力方面发挥了重要的作用。

城市道路具有速度快、运力大等特点，因此更容易受到气象因素和路面状况的影响。根据交通管理部门的统计，恶劣气象条件导致的交通事故约占交通事故总数的23%。在北京加速城市化的过程中，这一比例仍处于上升的趋势。

根据一项针对汽车司机的问卷调查，结冰在影响交通安全的气象条件中排在前列，仅次于降雪和积雪。据统计，在所有的交通安全事故中，路面湿润时的事故是干燥路面的2倍，降雪时是干燥路面的5倍，结冰时是干燥路面的10倍。这是因为当路面形成结冰时，路面摩擦系数降低，抗滑性能变差，容易使车辆发生空转或打滑，提高了交通事故的发生频率[1]。在我国北方地区的冬季，这种情况更为严重，路面结冰已经超过大雾天气，成为最不利于交通运输的气象条件。

此前我国针对高速公路结冰事件发生的特征和生成条件开展过研究，并建立路面结冰的预报模型，而根据气象条件对路面结冰事件进行预报，以便交通管理部门及时采取应对措施，进而减少交通事故。中国科学院大气物理研究所曾在北京开展过高速公路结冰特征研究，并搭建结冰预警模型，引入路面温度、路面湿度、路面露点温度、前24 h降水、土壤温度等自变量，对结冰特征进行逻辑回归分析。分析指出，当路面存在积水或积雪，且路面温度低于0 ℃时，会出现结冰。发现结冰的条件会随路面类型的变化而不同，但路面温度低于0 ℃且存在积水是所有路面结冰的必要条件。路面结冰主要与路面温湿度相关

我国对于城市道路路面结冰的研究经验较少、起步较晚。气象观测站一般选择建在远离城镇或高速公路，对于人口集中且交通流量大的城市道路，使用气象观测的数据开展城市道路结冰研究存在着严重的受限性。通过使用lufft研发的产品MARWIS移动式道路气象仪，收集路面温湿度数据，并对路面温湿度关系进行相关性研究，并针对移动式道路气象仪进行路面温湿度研究的合理性进行评定。

1 数据和方法

1.1 MARWIS移动气象仪工作原理

表1 路面状况码

道路清洁监测车上安装并调整MARWIS移动式道路气象监测仪。MARWIS-UMB可以安装在车辆上进行对水、冰、雪及摩擦系数的检测。传感器与路面的距离可以是0.5 m、1 m或2 m。

设备通过红外光实现测量。4个发射头和2个接受二极管捕获反射回来的不同波长的光线。由于不同物质反射的光谱属性不同，例如水和冰，路面状况可以通过捕获的数据推演而得。

仪器采用光学/光谱采样，采样速率：10 s/次。车速主要影响采样点距离，即：车速慢时采样点间距小，车速快时采样点间距大，该方案检测车速为10 km/h，采样点间距约25 m距离。（尽量保证匀速通过检测路段。）

MARWIS移动式道路气象仪的时间分辨率为10 s，观测变量包括路面温度、气温、相对湿度、露点温度、路面温度对应的相对湿度、水膜高度、路面状况以及摩擦系数。

1.2 MARWIS移动气象仪监测方案

道路气象数据来源于道路监测车上加装的MARWIS移动气象仪，通过随道路清洁监测车的日常监测任务进行温湿度等数据的监测，将MARWIS移动气象仪监测方案分为三种：

（1） 随监测车进行监测：监测车每条检测路段采取十个点，每个点平均监测时间为4 min，即：停车检测约4 min之后移动检测约10 s，往复此过程做10个周期循环，直至完成道路检测。

数据日期及地点分别为2017年2月1日阜安西路、将台路、望京街，2月2日育慧东路、安立路、慧中北路，2月18日清华南路、三环主路、四环主路，2月20日阜石路、马家堡东路、四环主路，2月22日阜石路、三环辅路，2月25日北环路、亢山路、南环东路、南环路、永安路。

严重不良反应1例：女，63岁，输尿管结石伴肾积水，行输尿管镜碎石术，术后于2016-07-2916:00因左输尿管结石，给予丁溴东莨菪碱注射液20 mg静滴qd，于16:30出现下列症状：心慌、胸闷，心律最高达102次/分，血压145/85 mmHg，血氧饱和度99%，无心前区疼痛不适，无恶心、呕吐。针对症状，16:35采取如下措施：立即停用该药，给予吸氧、心电监护；在17:30症状开始缓解，19:00症状基本消失。

（2） 移动检测：移动检测对于交通路况的要求较高，故选取其中的2月1日望京街，2月2日育慧东路，2月18日三环主路、四环主路，2月20日马家堡东路、四环主路，2月22日三环辅路，2月23日太阳宫北街。

（3） 夜间定点检测：2月23日太阳宫北街。

1.3 数据分析方法

1.3.1 检测数据趋势图比较

将MARWIS移动气象仪收集到的数据运用EXCEL软件进行整理，并绘制趋势图，通过图表的形式直观的对温湿度的变化关系进行分析。在MARWIS移动气象仪的两种监测方案下，将不同方案的检测数据整理成趋势图，进行直观的比较并分析各个方案间所存在的问题，为下一步方案优化做准备。

1.3.2 基于STATA的相关性分析

使用STATA软件对温湿度数据进行散点图的绘制，并采用线性回归的数学方法对温湿度的相关性进行进一步的分析。

2 检测数据温湿度分析

2.1 随车检测与移动检测温湿度分析

通过整理监测数据，分析得出：随车检测时，温湿度变化有一定规律，温湿度变化随清洁监测车监测作业呈周期性变化。据实际情况，该变化与汽车行驶状况相关。

其中，望京街、育慧东路、马家堡东路、三环辅路随车检测的温湿度周期性波动较大，相比较三环主路、四环主路的路面温湿度周期性波动较为平缓，结合道路情况：三环主路、四环主路此类主路路侧无绿植、高楼，路面阴影较少。由此得出：路面温湿度变化受路侧阴影影响显著。

在移动检测中，因其受道路交通情况影响较大，故根据移动检测行驶情况，选取望京街、育慧东路、马家堡东路、三环辅路进行移动检测。

从移动检测温湿度变化趋势图，观察得出：移动检测数据变化无明显规律，其原因可能是路面状况、道路环境较为复杂，检测过程中路面材质发生变化，汽车尾气以及发动机热辐射影响较为显著。

其中，三环主路、四环主路2月18日移动监测数据波动相比较望京街、育慧东路、马家堡东路、三环辅路移动监测数据更为平缓，结合道路情况：三环主路、四环主路检测路段红绿灯较少且交通状况较为良好，移动检测尽量可以保证匀速行驶，由此得出：在移动检测中，尽量保证车辆均速行驶可获得较为良好的温湿度数据曲线。

2.2 温湿度相关性分析

将温湿度监测数据导入STATA软件中，探究路面温湿度之间的相关性。

将随车检测和移动检测方案所测得的数据分别导入stata进行相关性分析。分别制作散点图如图1和图2所示。

图1 随车检测温湿度数据散点图

图2 移动检测温湿度数据散点图

通过绘制温湿度散点图，观察可得：随车检测数据中数据点有明显的扎堆聚拢的现象，可进一步验证：随车检测中，监测车的启动、前进、刹车对温湿度的影响显著。

分别对随车检测及移动检测数据进行相关系数计算并进行线性回归，如表2和表3所示。

表2 随车检测相关系数

表3 移动检测相关系数

随车检测相关系数为-0.341 5，移动检测相关系数为-0.596 9，温度与湿度在两种方案中都呈现负相关。随车检测相关系数|-0.341 5|＜0.5，相关度为低相关度；移动检测相关系数|-0.596 9|＞0.5，相关度为中相关度。由此可分析出，在温湿度检测过程中，移动检测的温湿度关系所受外界影响更小，外界干扰项可能更少。

同时，对随车检测数据、移动检测数据分别进行回归，回归结果中：随车检测数据调整后的可决系数Adj R2≥0.1159，移动检测数据调整后的可决系数Adj R2≥0.3552。在移动检测数据中温湿度的线性拟合度也比随车检测数据要好，由此可得：在使用MARWIS移动气象仪进行温湿度关系研究的试验中，移动检测方案所得数据更好，干扰项更少。

3 结语

在基于MARWIS移动气象仪的路面温湿度研究中，路面温度与湿度整体呈现负相关。在预设的随车检测和移动检测两种方案中，进行温湿度采集工作宜采用移动式检测作业，其所获取的温湿度数据受外界因素影响更小，温湿度相关性更高，且线性拟合度更好，整体数据在研究中更具可观性。

路面温湿度检测仪受检测过程中清洁监测车的启动、前进、刹车的影响十分显著；路面温湿度变化受路侧阴影影响显著；路面温湿度受路面状况、所检测路面材质、汽车尾气以及发动机热辐射影响较为显著。在移动检测中，尽量保证车辆均速行驶可获得较为良好的温湿度数据曲线。