大数据驱动的自适应交通信号控制对减少城市碳排放的影响研究

作者及发表信息

本研究由Kan Wu（杭州城市大学城市发展战略研究院城市大脑研究所）、Jianrong Ding（上海交通大学电子信息与电气工程学院）、Jingli Lin（上海交通大学电子信息与电气工程学院）、Guanjie Zheng（上海交通大学约翰·霍普克罗夫特计算机科学中心）、Yi Sun（杭州城市大学城市大脑研究所）、Jie Fang（杭州城市大学城市大脑研究所）、Tu Xu（浙江警察学院公共安全风险治理实验室、之江实验室智能交通研究中心）、Yongdong Zhu（之江实验室智能交通研究中心）和Baojing Gu（浙江大学环境与资源学院）共同完成。研究于2025年1月27日发表在Nature Communications期刊上（DOI: 10.1038/s41467-025-56701-4）。

学术背景

研究领域与问题

本研究属于智能交通系统（Intelligent Transportation Systems, ITS）与城市可持续发展的交叉领域，聚焦于通过大数据驱动的自适应交通信号控制（adaptive traffic signal control）缓解城市拥堵并降低碳排放。

研究背景

全球交通部门贡献了约11.9%的温室气体排放（年排放量58.8亿吨CO₂当量），其中城市拥堵进一步加剧了这一问题。例如，伦敦因拥堵每年额外产生220万吨CO₂，占其道路交通总排放的15%。在中国，交通排放从1990年的9600万吨激增至2021年的9.96亿吨，年复合增长率达7.83%，对实现2060年碳中和目标构成挑战。

传统拥堵治理策略基于“避免-转移-改进”（Avoid-Shift-Improve, ASI）框架，但“避免”和“转移”策略（如紧凑城市规划、公交优先）需要长期基础设施投资。相比之下，“改进”策略（如自适应信号控制）能通过优化现有交通系统效率快速缓解拥堵。然而，此前缺乏对自适应信号在大规模城市范围内综合效益（拥堵与减排）的系统研究。

研究目标

本研究旨在：
1. 量化自适应信号控制在中国100个最拥堵城市的拥堵缓解潜力；
2. 评估其对碳排放的减少效果；
3. 分析成本效益比，为政策制定提供依据。

研究流程与方法

1. 数据来源与实验设计

研究整合多源数据：
- 路网数据：来自OpenStreetMap，校正了广州、杭州等城市的边界误差；
- 交通流量与速度：基于高德地图2022年11月的实时数据；
- 碳排放基准：采用Climate Watch数据库2021年中国城市交通排放数据（道路运输占全国总排放的73.46%，约7.32亿吨/年）。

2. 自适应信号控制算法

研究采用两类信号控制方法：
- 周期基准方法（Cycle-based methods）：如Webster算法、SCATS和SCOOT，依赖历史流量数据，规则简单但灵活性低；
- 相位基准方法（Phase-based methods）：如Max-pressure和强化学习算法，实时调整相位，但需要高质量数据支持。

针对中国城市数据局限性，研究选择Webster算法作为基础，结合实时流量数据开发自适应版本：
- 信号周期（Cycle length）：通过饱和流量（saturation flow rate）和临界流比（critical flow ratio）计算（公式4）；
- 绿灯时长（Green interval）：动态调整，最小化需求与供给的差距（公式5）。

3. 城市级仿真实验

使用CBEngine交通模拟器（开源平台）进行以下步骤：
1. 路网查询与分区：将城市路网划分为8×6交通小区，生成合成出行需求；
2. 出行生成与分配：基于重力模型（Gravity Model）估计出行量，通过Dijkstra算法分配最短路径；
3. 信号时序优化：对比静态预定时序（pretimed）与自适应时序的效果；
4. 排放建模：采用美国环保署的MOVES模型（Motor Vehicle Emission Simulator），基于车辆比功率（Vehicle Specific Power, VSP）计算瞬时排放。

4. 成本效益分析

• 成本：估算检测器安装（平均4.8万美元/路口）与年维护费用（1079美元/路口），总成本14.8亿美元/年；
  
• 效益：包括时间节省（基于旅行时间价值调查，4.84美元/小时）、燃油节约（汽油价格1646美元/吨）和CO₂减排效益（455美元/吨）。
  

主要结果

1. 拥堵缓解效果

• 单路口层面：在上海17.37公里的示范路线中，自适应信号使平均车速从22.68 km/h提升至26.55 km/h（+17%），行程时间减少7分钟，怠速时间从13分钟降至6.78分钟（降低48%）；
  
• 城市级层面：100个城市峰值时段行程时间平均减少11%（79,695小时/日），非峰值时段减少8%（42,080小时/日）。上海、北京、哈尔滨改善最显著（上海峰值时段节省6581小时/日）。
  

2. 碳排放减少

• 示范路线：CO₂排放从4.85 kg降至4.05 kg（减少16%）；
  
• 100个城市：年减排3173万吨（占基线排放的6.65%），相当于每年替换916万辆燃油车为电动车。
  

3. 成本效益比

总社会效益达318.2亿美元/年（时间节省15.6亿，燃油节约158.3亿，减排价值144.4亿），成本效益比21.6。乌鲁木齐等城市虽时间节省效益低，但综合效益仍超成本20倍。

结论与价值

科学价值

1. 首次系统量化了自适应信号在大规模城市群的拥堵与减排协同效益；
   
2. 验证了简化算法（如Webster改进版）在数据有限场景的有效性，为发展中国家提供可行方案。
   

应用价值

1. 支持中国碳中和目标：若全国推广，年减排量相当于当前交通排放的4.3%；
   
2. 经济高效：优先部署高流量路口（前20%路口实现80%效益），优化投资分配。
   

研究亮点

1. 方法创新：结合多源数据（高德、OpenStreetMap）与城市级仿真，突破传统单路口研究局限；
   
2. 政策启示：揭示沿海与经济枢纽城市（如上海、深圳）的减排潜力更大，需差异化部署；
   
3. 跨学科整合：融合交通工程、环境科学与经济学，提供“可计算”的低碳交通路径。
   

其他发现

• 数据共享瓶颈：部门间数据壁垒（如交通检测器归属分散）可能增加实施成本，需推动“城市大脑”类平台整合；
  
• 诱导需求风险：车速提升可能刺激更多出行，需结合公交优先等“转移”策略形成政策组合。
  

本研究为智能交通与城市低碳转型提供了实证基础，未来可扩展至“动态可变车道”“绿波协调”等集成策略评估。