低碳公路路线设计关键参数研究.pdf 100页

谨以此论文献给培育我成长的母校——中国海洋大学，献给一直鼓励和帮助我的老师和同学，献给所有关心和支持我的人。-------李龙飞万方数据 万方数据 低碳公路路线设计关键参数研究学位论文答辩日期：指导教师签字：答辩委员会成员签字：万方数据 万方数据 独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得（注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日-----------------------------------------------------------------学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下事项：1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊(光盘版)电子杂志社”用于出版和编入CNKI《中国知识资源总库》，授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签字：签字日期：年月日签字日期：年月日万方数据 万方数据 低碳公路路线设计关键参数研究摘要近年来，随着大气中CO2浓度的不断升高，全球气候变暖问题日益严峻，由此引发的各种自然灾害频发，严重威胁到人类的生存环境和安全。世界各国都在积极采取措施，共同应对全球气候变化问题，不断加大节能减排力度，走绿色低碳发展之路。公路交通运输行业的CO2排放量巨大，且随着公路通车里程和汽车保有量的不断增加，公路碳排放有不断增长的趋势。通过制定合理的路线设计参数，对于降低公路碳排放水平，实现经济效益增长和区域环境协调发展具有重要意义。近几年，国内外学者纷纷投入低碳公路的研究，本文主要做了以下工作：（1）分析了车型与CO2排放系数、车辆运行速度、交通量、圆曲线半径、路面面层特性、纵曲线坡度和坡长、绿化带植物碳汇等与公路运营期碳排放密切相关的影响因素；对路线设计关键参数中的车辆运行速度和纵曲线坡度进行了重点研究，并建立了相应的碳计量公式；完善了已有的公路运营期碳计量模型和绿化带植物碳汇计量方法。（2）以公路运营期碳排放为母序列，各个路线设计关键参数为子序列，进行了灰色关联分析，得到了公路路线设计关键参数的低碳关联度。从小到大排序依次为：路面平整度＜圆曲线半径＜纵曲线坡度＜车辆运行速度＜绿化带植物碳汇状况＜交通量，进一步确定了需要重点研究的路线设计关键参数为：车辆运行速度和纵曲线坡度。（3）建立了车辆运行速度和纵曲线坡度分别与交通事故率、车辆运输成本、路基土石方数量以及旅客节约时间效益之间的变化关系，及相应的函数预测方程。分析了公路路线设计多目标优化问题，建立了多目标优化数学模型。借助MATLAB优化工具箱，运用fgoalattain函数调用格式，采用目标规划法，编程求解得到了不同车型优化后的路线设计关键参数——车辆运行速度和纵曲线坡度的取值。（4）分析了公路建设主体和环境监督主体之间的博弈过程，建立了完万方数据 全信息静态博弈模型。研究了博弈模型中的收益函数，包括：土石方填挖工程量、路面日常养护费用、交通事故费用、公路碳交易收入、绿化带植物碳汇效益等。建立了支付矩阵，求解得到了纯策略纳什均衡解和混合策略纳什均衡解，给出了公路建设过程中的最优低碳建设策略和最优环境监督策略。通过以上研究，得到了公路路线设计关键参数的碳计量方法，对于定量测算公路运营期碳排放具有重要意义。运用MATLAB编程实现路线设计多目标优化过程，得到了路线设计关键参数的最优值，可以为公路设计部门编制路线设计规范提供科学指导。通过博弈模型的研究，得到了公路低碳建设和环境监督最优策略，可以为低碳公路建设者提供决策支持。研究成果对于降低公路碳排放水平，并在一定程度上降低公路交通事故率、提高公路建设经济效益、降低公路运输成本，以及实现公路交通运输的可持续发展都具有重要意义。关键词：低碳公路；路线设计参数；灰色关联分析；多目标优化；博弈论万方数据 ResearchontheKeyParametersofLow-carbonHighwayRouteDesignAbstractInrecentyears,withtheenhancementofatmosphericCO2concentration,theglobalwarmingproblemisincreasinglyserious,andvariousnaturaldisasterscausedbytheproblemarefrequent,andaseriousthreattothesurvivalofthehumanenvironmentandsafetyarebrought.Countriesaroundtheworldaretakingactivemeasurestojointlycopewiththeglobalclimatechange,andcontinuetoincreasetheeffortsinenergyconservationandemissionsreduction,takethegreenlow-carbondevelopmentroad.CO2emissionsfromhighwaytransportindustryarehuge,andalongwiththeincreasingamountofhighwaytrafficmileageandcarownership,thecarbonemissionsofhighwayhaveagrowingtrend.Bymakingreasonableroutedesignparameters,whichisgreatsignificantforreducingcarbonemissionslevelofhighway,andachievingeconomicgrowthandcoordinateddevelopmentofregionalenvironment.Throughtheresearchofcarbonemissionsofhighway,theconceptoflow-carbonhighwayisputforward,theimpactfactorsofcarbonemissionsofhighwayoperatorarepointedout:vehiclemodelsandCO2emissioncoefficient,vehiclespeed,trafficvolume,curveradius,highwaysurfacecharacteristics,longitudinalcurveslopeandslopelength,greenwithplantscarbonsinks,andsoon.Thekeyparametersofroutedesignvehiclespeedandlongitudinalcurveslopeareselectedastheresearchobject,throughdataprocessing,curvefittingandotherresearchmethods,thecarbonmeasurementformulasareestablished.Theexistingcarbonmeasurementmodelofhighwayoperatorandthemethodofgreenwithplantscarbonsinksmeasurementareimproved,whichwillbegreatsignificantforthequantitativemeasurementofcarbonemissionsofhighwayoperator.万方数据 Graycorrelationanalysismethodisused,andthecarbonemissionofhighwayoperatorisselectedastheparentsequence,keyparametersofroutedesignassub-sequences,thelow-carbonrelateddegreesofthekeyparametersoflow-carbonhighwayroutedesignarecalculated,andtheorderis:pavementroughness0，表示目标还未达到用来描述低于或超变量attainfactor<0，表示目标已经溢出过目标的个数exitflag>0，表示目标函数收敛于解x处Exitflagexitflag=0，表示已经达到目标函数评价描述退出条件参数或迭代的最大次数exitflag<0，表示目标函数不收敛output.Iterations迭代次数output参数output.FuncCount函数评价次数包含优化信息output.Algorithm所采用的算法lambda.lowerlambda的下界lambda.upperlambda的上界该参数是解x处的lambda参数lambda.ineqlinlambda的线性不等式Lagrange乘子lambda.eqlinlambda的线性等式向量长度与fun函数返回的目标数相等，目标希望达到的向goal变量fgoalattain函数试图通过最小化向量中量值的值来达到goal参数给定的目标。当goal值都非零时，为保证对象超过或低用来控制低于或超weight变量于的比例相当，可将其设置为abs(goal)过目标的相对程度。计算非线性等式约束ceq(x)=0和非线性是一个包含函数名nonlcon函数不等式约束C(x)<=0。的字符串。options变量用optimset函数设置或改变这些参数值。优化参数选项38万方数据 低碳公路路线设计关键参数研究4.2交通事故率预测方程交通事故是可以预测的，看似是偶然的事故，其实是有规律可循的。比如在泥石流、滑坡、崩塌等自然灾害多发地段，以及在一些长大坡、急转弯、交叉口路段，行车视距较小，路拱横坡较大，甚至在车速较大、车流量就多时，交通事故发生率就比较大。常见的交通事故率预测方法有：专家调查法、统计回归预测法、时间序列法、灰色预测法、模糊数学法、经验模型法、以及组合预测法等等。建立公路交通事故发生概率预测模型，最理想的情况是能够同时反应人、车、路和周围环境对交通事故发生概率的影响规律。考虑到实际交通事故的影响规律是复杂的，包含方方面面的主客观因素，例如：路线设计要素、交通安全控制设[59]施、运营因素、气象因素、道路照明设施、货车比例等多种因素共同作用。而且经常是很多复杂过程叠加的结果，具有很大的偶然性和灰色性，难以获得大量、准确的数据记录。同时也要承认，不管采用何种交通事故率预测模型都会有一定的局限性，即只能将主要的一些影响因素纳入预测方程，同时忽略次要因素。交通安全是公路路线设计时需要考虑的重要因素，良好的路线设计是保证道[60]路交通安全的基础，可以在很大程度上消除事故隐患。本文主要研究影响公路交通事故率的路线设计关键参数：车辆运行速度和纵曲线坡度，并建立这些参数与交通事故发生概率之间的函数关系。4.2.1车辆运行速度国家统计局网站的官方数据显示：2012年我国交通事故发生数总计204196起，死亡人数总计59997人，直接财产损失总计117490万元，其中由于车速原因造成的交通事故数占总量的一半以上。可见，车速是诱发交通事故的重要原因，车速过大或者过小，都有可能引发交通事故。近年来的研究表明，交通事故率与速度的离散性有关，离散型越大，即车辆之间频繁的发生超车与被超车，事故率就越高。[61]早在1964年，Solomon就针对车辆运行速度与交通事故的关系做过专门实验研究，通过对600km路段上与交通事故有关的10000名驾驶员进行调查，发现交通事故率与车辆运行速度的关系呈“U”型分布，即当车速越接近路段平均行39万方数据 低碳公路路线设计关键参数研究驶速度时，交通事故率就越低，且无论是大于或小于平均行驶速度，事故率都会随之升高。通过研究，Solomon开发了最初的交通事故率模型，如下所示：�=10�.�������∆����.������∆���.��（4-7）�6式中：��——交通事故率（次/10veh﹒km）；∆�——速度梯度，用来表示运行速度与平均速度的差值（km/h）。1993年，澳大利亚的Monash大学交通事故研究中心针对当地的公路交通现[62]状，拟合出速度梯度与交通事故率的Monash函数关系，表示如下：�=500+0.8∆��+0.014∆�（4-8）�6式中：��——交通事故率（次/10veh﹒km）；∆�——速度梯度，用来表示运行速度与平均速度的差值（km/h）。英国学者A.Buruya开发出了适用于欧洲的车辆运行速度与交通事故率关系[63]的EURO模型，并得出结论：交通事故率与车辆超速行驶关系密切。EURO模型表示如下：�.���∆�∆��(��)=（4-9）�6式中：��——交通事故率（次/10veh﹒km）；∆�——速度梯度，用来表示运行速度与平均速度的差值（km/h）；�——路段车辆平均运行速度（km/h）。[62]来自同济大学的杜博英通过观测公路上车速随线形的连续变化值，得到连续的交通事故率量化值，将速度梯度和运行速度两项指标同时考虑在内。假设车辆运行速度为0时，交通事故率为0；当车辆运行速度为300km/h的时候，交通事故率最高。采用路段平均运行速度对事故率进行修正，得到车辆运行速度与交通事故率的预测函数关系式，如下式（4-10）所示：�=��.���×������.���−�1−��（4-10）��6式中：��——运行速度影响下的交通事故率（次/10veh﹒km）；�——车辆运行速度（km/h）；�̅——路段平均运行速度（km/h）。4.2.2纵曲线坡度40万方数据 低碳公路路线设计关键参数研究纵曲线坡度对交通事故的影响很大，从各国的交通事故统计数据可以看出，在有坡度的路段交通事故发生概率和严重程度都比较大。主要表现在：车辆在爬坡阶段，对车辆的机械性能要求较高，不同车型的爬坡性能差别较大，造成车速差较大，容易发生溜车、追尾等行车事故；车辆下坡时，在重力作用下车速会急剧变大，减少驾驶员反映时间，同时加大驾驶员操作难度，此时，如果再加上有些驾驶员违规操作空挡滑行，发动机失去制动性能，将大大增加交通事故发生概率；如果坡度过陡或坡长过长，易导致发动机过热，从而降低车辆安全性能；另外，在爬坡阶段车辆轮胎附着力减小，会造成车辆打滑、爬坡吃力，从而影响车辆行驶稳定性。根据莫斯科公路学院和德国研究人员对大量交通事故的统计数据，可以看出在一定范围内，公路纵坡越大，交通事故发生概率越高，且下坡路段事[64]故率大于上坡路段。纵曲线坡度与交通事故率的统计数据，如下表4-3所示。表4-3纵曲线坡度与交通事故率的统计数据纵坡(%)-8-7-5-4-3-20234578事故率(次1032.51.751.510.911.151.251.451.6526/10veh﹒km)为了直观显示纵曲线坡度与交通事故率的关系，将上表的数据用曲线图形的形式表示出来，如下图4-1所示。12）里10公辆车8万百/6次（4异常值率故事2通交0-10-50510纵曲线坡度（%）图4-1纵曲线坡度与交通事故率变化关系图其他坡度下的交通事故率可以通过表4-3中的数据线性插值得到，但是相对41万方数据 低碳公路路线设计关键参数研究误差较大，为了方便计量任意坡度下的交通事故率，建立纵曲线坡度与交通事故率的定量函数关系，将表4-3中的数据进行多项式曲线拟合，剔除坡度为-7%时的异常值，得到自变量坡度与因变量交通事故率的函数关系如下式（4-11）所示，其中拟合趋势线的判定系数��=0.9971，表明此拟合方程较好的反映了数据的变化趋势。�=0.0009��−0.009��+0.0195��+0.0804�+0.9547（4-11）�6式中：��——纵曲线坡度单独影响下的交通事故率（次/10veh﹒km）；�——纵曲线坡度（%）。4.2.3车辆运行速度和纵曲线坡度交互作用由于车辆运行速度和纵曲线坡度共同作用下的交通事故统计数据难以获得，[65]国内外缺乏专门的研究成果。陈永胜对纵坡与交通事故的关系进行了实验研究，认为：纵坡在1%左右的时候，交通事故率最低，高于或者低于这个值，交通事故率都会上升。结合德国等国家的研究人员对大量交通事故数据资料的分析，比较交通事故率与纵曲线坡度的关系，本文用纵曲线坡度影响系数来反应坡度对交[64]通事故的综合影响作用。假设坡度为0时，纵坡因素对交通事故率的影响系数为1。得到纵曲线坡度对交通事故率的影响系数，见下表4-4所示。表4-4纵曲线坡度对交通事故率的影响系数纵曲线坡度（%）0234578纵曲线坡度影响系数k�111.31.752.534将上表4-4中的数据用曲线图形的形式表示出来，如下图4-2所示。42万方数据 低碳公路路线设计关键参数研究4.54数3.5系3响影2.5度2坡线1.5曲纵10.500246810纵曲线坡度（%）图4-2纵曲线坡度影响系数将表4-4中的数据进行曲线拟合，运用SPSS和EXCEL两种软件分别进行曲线拟合，最终得到一致的结论。拟合函数采用幂函数形式，在95%的置信区间内，判定系数��=0.9361，接近于1；显著性水平P=0，小于0.01；显著性检验F=73.242。因此，可以认为模型的回归精度是可靠的。得到自变量坡度与因变量纵曲线坡度影响系数的函数关系，如下式（4-12）所示。�=0.8329��.�����（4-12）�式中：��——纵曲线坡度影响系数；�——纵曲线坡度（%）。结合车辆运行速度与交通事故率的函数关系式，引入纵曲线坡度对交通事故影响系数，得到运行速度和纵曲线坡度共同影响下的交通事故率预测方程，如下式（4-13）所示。�=0.8329��.��������.���×������.���−�1−���（4-13）���6式中：���——运行速度和纵坡交互影响下的交通事故率（次/10veh﹒km）；�——车辆运行速度（km/h）；�——纵曲线坡度（%）；�̅——路段平均运行速度（km/h）。43万方数据 低碳公路路线设计关键参数研究4.3公路经济成本效益预测方程公路建设项目的经济成本效益是指项目建设过程中投入的成本，以及项目建成后对国民经济所做的贡献。公路经济成本效益预测是在对公路现状经济成本效益调查分析的基础上，经过科学严谨的分析，而做出的对未来具体经济成本效益[66]数值大小或区间范围的一种估计，具有相对的参考价值。本文主要研究以下三个经济成本效益预测方程，它们分别是：旅客节约时间效益、路基土石方数量和车辆运输成本。4.3.1车辆运输成本预测方程从前面的研究中，可以看出速度和纵坡会影响车辆的碳排放水平和交通事故率大小，本节将探索速度和纵坡对车辆运输成本的影响。车辆运输成本的降低是[67]公路建设项目所获效益的主要组成部分之一，因此，探索改善公路路线设计关键参数对车辆运输成本的影响，是降低车辆运输成本、提高公路项目效益的有效途径。车辆运输成本主要由两部分组成，一部分是与车辆行驶距离有关，主要包括：燃油、润滑油、轮胎、车辆日常维修费用和车辆运距折旧费等；另一部分是与使用时间有关，主要包括：人员工资、车辆时间折旧费、福利、保险、管理费用等。本节仅对在运输成本中所占比重较大的燃油消耗指标进行研究，并将其看作是车[68]辆运输成本的代表，同时参考“PPK”报告的研究成果，将不同道路状况和交通状况对燃油消耗的修正系数考虑在内，得到不同车型在一定的运行速度和道路状况下（v=50km/h，IRI=2，j=1.5%）的百公里油耗，以及百公里基本运输成本，见下表4-5所示。表4-5不同车型的百公里燃油消耗和基本运输成本车型1车型2车型3车型4车型5车型6燃油消耗��汽油汽油/柴油汽油汽油汽油/柴油汽油/柴油（L/100km）11.32716232630基本运输成本56.86135.8680.51115.74130.83150.96�（元/L）�44万方数据 低碳公路路线设计关键参数研究不同道路状况和交通状况对燃油消耗的影响因素主要有平整度、速度、纵坡和拥挤度，这里只选取对燃油消耗影响较大的路线设计关键参数——速度和纵坡作为修正系数，结合燃油消耗的基本运输成本，即可计算得到车辆运输成本。车辆运输成本的预测方程，如下式（4-14）所示。�=�∙�∙�∙�（4-14）���������式中：����——第i种车型的车辆运输成本（元/100km）；�——第i种车型的基本运输成本（元/L）；���——第i种车型的燃油消耗（L/100km）；���——第i种车型的速度修正系数，取值见下表4-6；���——第i种车型的纵坡修正系数，取值见下表4-6根据“PPK报告”的研究成果，不同车型的速度和纵坡对燃油消耗的修正系数，见下表4-6所示。表4-6不同车型的速度和纵坡对燃油消耗的修正系数速度修正系数���纵坡修正系数���车型10.291+24.26�+0.000087��0.9586��.����车型20.341+24.26�+0.000068��0.861��.����−0.045车型30.291+24.26�+0.000087��0.9586��.����车型40.209+31.04�+0.000068��0.861��.����−0.045车型50.524+16.81�+0.000056��0.811��.�����−0.0195车型60.524+16.81�+0.000056��0.811��.�����−0.01954.3.2路基土石方数量预测方程在进行公路纵断面线形设计时，纵断面线形应与周围地形、地貌相适应，在满足视觉连续、平滑顺适的要求下，避免出现频繁的纵坡坡度变化。从前面的研究发现，较大的纵曲线坡度不仅会造成车辆碳排放量较高，也会引发较高的交通事故率。然而，是不是纵曲线坡度越小越好呢，也就是说路线设计人员一定会倾向于采用较小的纵坡，答案是否定的。当遇到山区丘陵地带，设计人员往往会倾向于采用较大的纵坡设计，因为这样可以大大降低土石方开挖量，从而降低工程45万方数据 低碳公路路线设计关键参数研究[69]造价，对于高速公路或一级公路，如果纵坡提高0.1%，那么每公里就会大约3减少土石方量30000m。为了直观说明不同纵坡大小与土石方填挖方范围之间的关系，这里用AutoCAD作图软件绘制了不同纵坡大小与土石方填挖方范围对比，见下图4-3所示。图4-3不同纵坡大小与土石方填挖方范围对比事实上，路基土石方数量与公路纵曲线坡度大小有密切关系，即采用不同的[70]纵坡大小会在很大程度上影响工程造价。练象平等人针对公路路基填土高度问题，对某平原区一段长约3.4km的公路纵坡设计与土石方数量的关系进行不同方案间的优化比较，得到采用较大的纵坡可以减小路基土石方数量，从而降低工程造价。参考练象平等人的研究结论，计算得到不同纵坡设计值的路基土石方数量汇总至下表4-7所示。表4-7不同纵坡设计值的路基土石方数量方案1方案2方案3方案4方案5方案6纵坡（%）1.2171.6882.1882.6983.2013.75623土石方数量(10m)8502.367915.77115.76063.224969.533698.26为了形象反映不同纵坡大小与路基土石方数量关系，将上表中数据用图形表示，如下图4-4所示。46万方数据 低碳公路路线设计关键参数研究90008000）3m70002016000（量5000数4000方石3000土基2000路1000000.511.522.533.54纵曲线坡度（%）图4-4不同纵坡设计值的路基土石方数量将上表4-7中的数据进行回归拟合，得到路基土石方数量预测方程，回归拟合后的判定系数��=1，如下式所示：�=86.25��−902.55��+858.94�+8635.08（4-15）�23式中：��——路基土石方数量（10m）；�——纵曲线坡度（%）。4.3.3旅客节约时间效益预测方程旅客节约时间效益是公路工程经济效益评价中的重要组成部分，据统计，旅[71]客时间节约效益一般占公路总效益比重的80%左右。一般情况下，修建一条公路可以提高社会的时间效益，人们可以利用这部分节省下来的时间去安排其他的工作，或者进行其他休闲活动。影响旅客节约时间效益预测的因素有：居民人均收入、出行目的、出行距离、交通方式、出行时间、设计速度、交通服务质量、出行者组成比例等等，其中与旅客节约时间效益最为密切的是公路的设计速度，且认为较高的设计速度可以节约更多的时间效益。预测旅客节约时间效益的方法主要分为两大类：直接估算法和间接估算法，前者主要有生产法、费用法、生产—费用法、收入法、收入—费用法等；后者主[71]要有显示偏好分析法和陈述偏好分析法等。常见的还有：相关路线法、路网费[72]用法和OD矩阵法等。本文参考《公路建设项目经济评价方法与参数（2010）》47万方数据 低碳公路路线设计关键参数研究中的OD矩阵法思想，建立旅客节约时间效益预测方程，如下式（4-16）所示。��=3.65×10��∙�∙�∙∙�（4-16）����式中：���——第i种车型旅客节约时间效益（万元/100km），时间跨度1年；�——旅客单位时间价值（元/人每小时），这里取�=1；��——第i种车型平均加权载运系数（人/辆），取值见下表4-8；�——路段长度（km）；�——车辆运行速度（km/h）；�——平均日交通量（pcu/d）。表4-8不同车型的平均加权载运系数车型1车型2车型3车型4车型5车型6平均加权载运系数��（人/辆）1.03.01.01.52.03.04.4MATLAB多目标优化建模4.4.1确定优化变量公路运营期碳排放的影响因素有很多，其中很多因素无法对碳排放直接量化，本文只针对路线设计参数中可以对碳排放量化的关键参数展开多目标优化研究。根据第二章对公路碳计量方法的研究，以及第三章得到的低碳关联度研究结论，可以看到平均日交通量和等效绿化带宽度对碳排放的关联度最大，但是公路设计交通量的确定主要依据当地的经济和社会发展水平，而绿化带宽度的设计目前还没有明确的规范要求，因此两者都不作为优化变量；平整度对碳排放的关联程度较小，同时平整度严格来说不属于路线设计参数，因此也不作为优化变量。圆曲线半径对公路碳排放的影响可以最终归结到速度对碳排放的影响，也不作为优化变量。综上所述，本文选取路线设计参数中对碳排放影响作用显著的关键参数：速度和纵坡，作为多目标优化的自变量。4.4.2目标函数从上文的研究结论中，可以发现：公路路线设计关键参数中的速度和纵坡不仅在很大程度上影响公路碳排放，而且不同的运行速度和纵坡情况下也会造成交48万方数据 低碳公路路线设计关键参数研究通事故率不一样。车俩在低速运行下交通事故率会减小，但是车辆碳排放却会明显增加，随着速度的增大碳排放逐渐降低，当达到一定速度的时候车辆碳排放达到最低值，此后，如果继续提高运行速度，碳排放就会不断增加。同样的道理，车辆在小纵坡上行驶，交通事故率较低，在大纵坡尤其是下坡阶段，交通事故率会明显升高，但是纵坡对碳排放的影响在一定坡度一下范围内影响很小，只有超多这个坡度值的时候，碳排放才会明显升高。因此，考虑当前实际公路工程的优化意义，可以将公路碳计量方程和交通事故率预测方程作为目标函数。（1）碳计量方程①.运行速度单独影响：������=���+��+����+�����（4-17）��其中，��表示第�种车型的CO2排放系数；��、��、��、��分别表示第�种车型的速度碳排放调整系数。②.纵坡单独影响：���=��(����+����+���+��)（4-18）其中，��、��、��、��分别表示第�种车型的坡度碳排放调整系数。③.两者交互作用：����∙�������=（4-19）��（2）交通事故率预测方程①.运行速度单独影响：�=��.���×������.���−�1−��（4-20）��̅②.纵坡单独影响：�=0.0009��−0.009��+0.0195��+0.0804�+0.9547（4-21）�③.两者交互作用：�=0.8329��.��������.���×������.���−�1−���（4-22）���（3）公路经济成本效益预测方程①.旅客节约时间效益：49万方数据 低碳公路路线设计关键参数研究������=3.65×10∙�∙��∙∙�（4-23）�②.路基土石方数量：�=86.25��−902.55��+858.94�+8635.08（4-24）�③.车辆运输成本：�=�∙�∙�∙�（4-25）���������4.4.3约束条件根据《公路路线设计规范》（JTGD20-2006）（以下简称《规范》）对路线设计参数的系列规定，在满足公路正常使用的要求下，选取有关约束条件总结如下。（1）速度约束在我国，一般采用设计速度作为公路线形设计的基准参数，设计速度规定了车辆安全行驶的最大车速，因此，采用《规范》的设计速度作为速度约束的上限。各级公路对设计速度参数的规定，见表4-9所示。表4-9《规范》要求的设计速度公路等级高速公路一级公路二级公路三级公路四级公路设计速度1201008010080608060403020（km/h）假设待优化路段的车辆平均行驶速度为��，设计速度为����，则速度约束为：0≤��≤����，�=[1,2,…,6]（4-26）（2）纵曲线坡度约束为保证行车安全和排水等要求，《规范》规定公路的纵坡不宜小于0.3%，最大纵坡不宜大于表4-10中的数据。表4-10《规范》要求的最大纵坡设计速度（km/h）1201008060403020最大纵坡（%）3456789其他特殊条件下的最大纵坡设计要求参见《规范》的有关规定。假设待优化路段的坡度为j，最大纵坡为j���，则坡度约束为：0.3%≤j≤j���（4-27）50万方数据 低碳公路路线设计关键参数研究4.5MATLAB多目标优化求解过程4.5.1模型参数信息的确定（1）约束条件根据《规范》要求，将一级公路的参数标准作为约束上限：设计速度����=100km/h，最大纵坡����=4%。（2）目标向量根据第二章介绍的不同车型速度与碳排放关系变化趋势，选取关系曲线的最低点，即表2-4中的数据最小值，作为碳排放目标向量值之一。纵坡单独影响下的碳排放目标函数向量值的确定方法，是将规范要求的最低纵坡值即0.3%带入公式（2-3）进行计算，并将计算结果与表2-6中的数据进行对比，两者取合理值，即舍去越界值或者较大的值。速度和纵坡交互作用的目标向量值，是将两者的目标向量值分别代入公式（2-4）计算得到。速度和纵坡单独影响下的交通事故率统计数据，采取前面介绍的交通事故率预测方程作为目标向量值的来源，且不考虑车型因素对交通事故率的影响。根据速度与交通事故率的函数关系，以及绝大多数驾驶员期望的行车速度和规范相关要求，将速度为60km/h时的交通事[65]故率作为目标向量值。再根据陈永胜的研究结论：当纵坡在2%以下时，纵坡因素对碳排放的影响程度几乎不变，而当坡度为1%左右的时候，交通事故率最低，即不论大于或者小于这个值都会增加交通事故率，因此，将纵坡为1%时的交通事故率作为目标向量值。速度和纵坡交互作用的目标向量值，可以将�=60km/h，�=1%带入公式（4-9）计算得到。将系数和纵坡修正系数均为1时的车辆运输成本计算值，作为其目标向量值。将�=2.8%带入公式（4-11），得到路基土石方数量目标向量值。旅客节约时间效益的目标向量值，取长度�=100km，�=60km/h～80km/h，�=10000pcu/d，将它们带入公式（4-12）计算得到。首先，以车型1为例进行模型优化，通过计算得到目标向量值goal=[21.0700,36.0993,1.8736,1.2401,1.0465,1.2488,642.518,4311.4,4.5625]，其中，路段平均运行速度取�=60km/h。weight变量为权重向量，为了使目标函数的51万方数据 低碳公路路线设计关键参数研究最终结果小于目标向量值，因此，这里将weight向量设定为正值，即取weight=[21.0700,36.0993,1.8736,1.2401,1.0465,1.2488,642.518,4311.4,4.5625]。根据《规范》中的相关要求，将优化变量的初始值设定为��=[10,0.3]。4.5.2MATLAB多目标优化求解步骤（1）编写MATLAB优化程序%主程序：通过输入路线设计关键参数——运行速度和纵坡，来调用整个计算过程。fun=%定义目标函数；"[2.45*(211.62598/x(1)+2.44726+0.00252*x(1)+0.00074*x(1)^2)%运行速度单独影响下的碳计量方程；2.45*(0.0015*x(2)^3+0.0304*x(2)^2-0.1212*x(2)+14.768)%纵坡单独影响下的碳计量方程；2.45/14.72*((211.62598/x(1)+2.44726+0.00252*x(1)+0.00074*x(1)^2)*(0.0015*x(2)^3+0.0304*x(2)^2-0.1212*x(2)+14.768))^(1/2)%运行速度和纵坡交互作用下的碳计量方程；x(1)^(2.342*10^(-6)*x(1)^2.447)-(1-x(1)/60)%运行速度单独影响下的交通事故率预测方程；0.0009*x(2)^4-0.009*x(2)^3+0.0195*x(2)^2+0.0804*x(2)+0.9547%纵坡单独影响下的交通事故率预测方程；0.8329*exp(0.1898*x(2))*(x(1)^(2.342*10^(-6)*x(1)^2.447)-(1-x(1)/60))%运行速度和纵坡交互作用下的交通事故率预测方程；11.3*56.86*(0.291+24.26/x(1)+0.000087*x(1)^2)*(0.9586*exp(0.027*x(2)))%车辆运输成本预测方程；86.25*x(2)^3-902.55*x(2)^2+858.94+8635.08%路基土石方数量预测方程；365/x(1)]"%旅客节约时间效益预测方程；52万方数据 低碳公路路线设计关键参数研究symsx;%定义符号变量x；x0=[100.3];%将速度�=10km/h，纵坡�=0.3%作为待优化变量初始值；goal=[21.070036.06401.87271.24011.04651.2488642.5184311.44.5625];%目标向量；weight=goal;%权重向量；A=[];b=[];%线性不等式约束；Aeq=[];beq=[];%线性等式约束；lb=[00.3];%自变量约束下限；ub=[1004];%自变量约束上限；[x,fval,attainfactor,exitflag]=fgoalattain(fun,x0,goal,weight,[],[],[],[],lb,ub)%fgoalattain函数实现（2）MATLAB优化结果及分析MATLAB优化结果如下：x=[60.8600,2.3364]fval=[21.606,35.941,1.8931,1.2649,1.161,1.6415,663.8,5667.3,5.9974]attainfactor=0.3145exitflag=5其中，Exitflag=5表示优化目标函数收敛于解x处；目标达到因子attainfactor=0.3145，说明目标结果与优化对象相匹配，目标没有溢出。经过多目标优化程序计算，得到优化后的9个目标函数预测值大小分别为����=[21.606,35.941,1.8931,1.2649,1.161,1.6415,663.8,5667.3,5.9974]，即表示优化后的运行速度单独影响下的碳计量结果为21.606kg/100km，纵坡单独影响下的碳计量结果为35.941kg/100km，两者交互作用影响下的碳计量结果为1.8931kg/100km，运行速度单独影响下的交通事故率预测结果为1.2649次∕6610veh·km，纵坡单独影响下的交通事故率预测结果为1.161次∕10veh·km，两6者交互作用影响下的交通事故率预测结果为1.6415次∕10veh·km，车辆运输成3本预测值为663.8元/100km，路基土石方数量预测值为566730m，旅客节约时间53万方数据 低碳公路路线设计关键参数研究效益为5.9974万元/100km。多目标优化解x=[60.8600,2.3364]，表示经过多目标优化后的速度大小为60.86km/h，纵坡为2.3364%。（3）分别编程求解其他车型上面介绍了车型1的优化求解过程，下面将分别计算剩余5个车型的优化结果。优化求解过程同车型1的步骤，同时将其他车型的如下相关参数信息：�、�、�、�、�、�、�、�、�、��、�、�、�、�等的数值跟车型1����������������的对应参数进行带入替换。约束条件上限同样为：设计速度����=100km/h，最大纵坡����=4%，路段平均运行速度仍取�=60km/h。初始值��=[10,0.3]，目标向量����的确定方法同车型1一样，权重向量����h�=����。车型2：goal=[69.94,156.962,1.725,1.2401,1.0465,1.2488,3668.22,4311.4,15.6429]优化计算结果如下：x=[56.9369,2.4654]fval=[65.827,164.58,1.7136,1.1545,1.1698,1.5353,4123.8,5300.6,19.232]attainfactor=0.2294exitflag=4车型3：goal=[39.37,71.3994,1.8854,1.2401,1.0465,1.2488,1288.16,4311.4,4.8667]优化计算结果如下：x=[58.9338,2.4003]fval=[38.09,72.384,1.8673,1.2099,1.1654,1.5892,1323.9,5486.7,6.1934]attainfactor=0.2726exitflag=4车型4：goal=[57.98,159.822,1.5663,1.2401,1.0465,1.2488,2662.02,4311.4,7.8214]优化计算结果如下：54万方数据 低碳公路路线设计关键参数研究x=[56.9371,2.4654]fval=[54.899,162.8,1.5382,1.1545,1.1698,1.5353,2953.5,5300.6,9.6159]attainfactor=0.2294exitflag=4车型5：goal=[68.11,182.1072,1.5881,1.2401,1.0465,1.2488,3401.58,4311.4,11.2308]优化计算结果如下：x=[54.8616,2.5319]fval=[63.124,199.44,1.3564,1.0986,1.1742,1.4796,3988.2,5108.1,13.306]attainfactor=0.1848exitflag=5车型6：goal=[78.97,273.6655,1.4237,1.2401,1.0465,1.2488,4528.8,4311.4,18.25]优化计算结果如下：x=[53.1433,2.5469]fval=[72.479,254.31,1.3148,1.0536,1.1751,1.423,5319.6,5064.3,20.605]attainfactor=0.1746exitflag=54.6MATLAB多目标优化结论——路线设计关键参数建议值将上面MATLAB编程计算得到的多目标优化后的结果进行汇总，可以得到不同车型的路线设计关键参数建议值（小数点后保留两位有效数字），汇总结果如下表4-11所示。55万方数据 低碳公路路线设计关键参数研究表4-11不同车型路线设计关键参数优化结果车型1车型2车型3车型4车型5车型6运行速度（km/h）60.8656.9458.9356.9454.8653.14纵坡（%）2.342.472.42.472.532.55由表4-11中的优化结果可以看出，不同车型优化后的运行速度和纵坡大小不同。当综合考虑碳排放因素、交通安全因素以及经济成本效益因素均处于人们普遍乐于接受的情况下，车辆的最优运行速度和路线纵曲线坡度的数值即表4-11中的数据，且不同车型的最优值不同。现行的公路路线设计规范在确定设计速度和最大纵坡时，还没有将车型因素考虑在内。通过本文的研究，希望给公路设计部门提供一些建议，就是在确定公路设计速度和最大纵坡参数时，把车型因素考虑在内。而且，在确定了最优运行速度之后，就可以进一步得到最优设计速度，作为路线设计时的参考。根据公路工程项目可行性研究报告中预测的车型组成比例，可以查阅得到各车型的预测组成比例大小。假设每种车型的组成比例为��，然后将其作为相应车型的权重，得到最优运行速度和路线最优纵坡计算公式，分别表示如下：（1）最优运行速度����=60.86��+56.94��+58.93��+56.94��+54.86��+53.14��（4-28）式中：����——加权平均后的车辆最优运行速度（km/h）；��——第�种车型的预测组成比例。（2）最优纵坡����=2.34��+2.47��+2.4��+2.47��+2.53��+2.55��（4-29）式中：M——加权平均后的最优纵坡（%）；RSW��——第�种车型的预测组成比例。56万方数据 低碳公路路线设计关键参数研究5基于博弈论的公路路线设计关键参数研究公路建设项目作为国民经济基础设施建设领域的重要组成部分，具有建设周期长、投资规模大、环境影响显著等特点，以获得间接经济效益和社会效益为主。因此，在确定公路路线设计参数时，应该从全社会的整体利益出发，不仅要考虑公路的建设成本、安全技术标准、时间效益，还要考虑到这些路线设计参数对车辆碳排放的影响。公路低碳建设和环境监督博弈分析研究可以平衡公路路线设计参数，使其既能满足降低公路建设成本、提高公路行车安全性、降低维修养护成本的要求，同时又能降低公路碳排放水平，提高社会环境效益。针对公路路线设计参数的研究，常用的评价方法有层次分析法（AHP）、模糊[73][74]数学法和专家系统法等，由于这些方法一般均需要确定评价参数的权重，主观人为因素影响较大，特别是层次分析法底层方案较多，对计算精度和模型复杂程度影响较大。运用博弈论建模方法不需要考虑评价参数的权重，且评价模型和[75]计算精度受评价参数和参与者数量的影响较小。为此，本文以博弈论为基础，建立完全信息静态博弈模型，通过求解纯策略和混合策略纳什均衡，得到公路低碳建设和环境监督策略，为低碳公路建设部门和环境监督部门服务。5.1低碳公路建设过程博弈分析5.1.1博弈论建模基本要素博弈论是研究两个或多个利益主体之间策略问题的理论，博弈论分析的目的是预测局中人博弈后的行为策略。实际活动中，每一个参与者最终所选择的理性策略一定是针对其他所有参与者所选择策略的最优反应，即每个参与者都希望使自身利益最大化。博弈论建模就是将看似抽象的实际问题，利用数学工具进行建模求解，分析结论的现实意义，最终得到定量的研究结论。[76]构成博弈最基本的要素有三个：（1）局中人i，即博弈的参与者，局中人集合�=�1,2，⋯，n�，i∈N。是博弈的决策主体和利益主体，根据自身的利益诉求来决定自己的行为策略。局中人可以是自然人，也可以是公司企业、社会组织、团体等，抑或是生物组织、57万方数据 低碳公路路线设计关键参数研究自然因素等其他主体。（2）策略集合Si，即局中人可以选择的所有行动，其中任意局中人的一个特定策略si∈Si，在完全信息静态博弈中有两种策略概念，一种是纯策略，指每人局中人可以选择的行动方案；另一种是混合策略，是纯策略空间上的一种概率分布，表示局中人在纯策略基础上以一定的概率加以实施。（3）支付Ui，指每个局中人从策略集合中能够获得的收益，一般采用效用的概念，由于是各种策略组合的函数，因此也称为支付函数。针对每个局中人可能选择的策略组合si，每个局中人所获得的收益为ui（s1，s2，…，sn）。以上三种要素构成了博弈的基本组成，在一个n人博弈的标准表达式中，所有局中人的策略空间为S1，S2，…Sn，支付函数为U1，U2，…Un，这里用G={S1，S2，…Sn;U1，U2，…Un}表示此博弈。5.1.2低碳公路建设过程博弈分析不论是新建公路工程还是改扩建公路工程一般都要经过项目建议书、可行性研究、现场勘测、初步设计以及编制概预算等步骤，同时还有很重要的一项是要编制环境影响评价报告，并报环保部门审批，只有经过环保部门审批通过之后的项目，才能进行后续工作。因此，公路建设部门不仅要考虑到公路建设过程涉及的技术问题、资金问题、安全问题等，还要特别注意公路工程对周围环境造成的影响，其中很重要的一项就是是否做到了低碳，以及在多大程度上实现了公路低碳建设。在全球气候不断恶化，我国政府部门越来越重视环保问题尤其是低碳问题的背景下，关注公路建设对碳排放造成的影响，优化路线设计以减弱碳排放强度，同时又能在建设成本上做到节省，又能最大程度保护周围环境，引入博弈论的建模方法可以实现上面这些要求。公路工程建设过程中，会涉及到很多部门如：咨询机构、勘察设计单位、施工单位、监理单位、质量检测部门等等，他们在工程建设过程中发挥了不同的作用，且有着共同的目标和利益，就是“花最少的钱，做最好的工程”。因此，可以将这些部门统一划归为一个主体，姑且称之为公路建设主体。还有一类主体叫做环境监督主体，主要包括：环境监督部门、建委、交通委等政府部门、公路使用者、以及环境保护团体和个人等利益主体，他们在公路工程建设和交通运营过58万方数据 低碳公路路线设计关键参数研究程中扮演者重要的角色，存在着息息相关的复杂利益关系。公路建设主体和环境监督主体双方的博弈示意图，如下图5-1所示。公路建设主体环境监督主体图5-1公路建设主体和环境监督主体双方的博弈示意图公路建设主体和环境监督主体在公路工程建设和运营过程中，有着各自不同的利益取向，且都以自身效益最大化为最终目标。于是，就会出现公路建设部门为了降低工程造价、缩短工期、逃避监督处罚等一己私利，而采取修建不符合低碳目标的公路，例如：应该修建隧道或者桥梁以缩短运行距离的地段，却改为盘山公路走线，于是造成车辆运行距离增加，不可避免的导致公路碳排放量增加；遇到山丘等需要土石方填挖的地段，不是采取缓坡或者平坡以降低车辆爬坡引起的碳排放，而是为了减少土石方填挖量，降低工程造价，而选择较大纵坡；绿化带植物可以吸收CO2降低汽车尾气碳排放，但因为道路绿化设计会占用不少的工程成本，因此公路建设部门就会尽量减少绿化带布局，在运营阶段也会投入较少的养护成本。环境监督主体带有政府背景和社会公益性质，对公路建设和运营过程中出现的不符合低碳公路要求的行为进行监督处罚，从而使公路碳排放降到较低的水平，提高了社会环境效益，也就实现了自身的利益诉求。然而，环境监督主体的人员、资金、设备、技术等往往有限，监督力度和效果很难得到保证，因此难以从细节上做好监督，同时他们为了降低监督成本，就会采用较小的监督力度。如果公路碳排放量升高、交通不断恶化、公路使用功能降低，环境监督主体就会受到公众谴责，而公路建设主体也将因此获得更少的政府财政和政策支持。综上分析，公路工程项目在全寿命周期内，建设主体和环境监督主体有利益冲突，因此就存在博弈过程。59万方数据 低碳公路路线设计关键参数研究5.2公路路线设计关键参数与收益函数关系研究5.2.1土石方填挖工程量土石方填挖工程量是公路工程的一项主要工程量，也是评价公路勘测设计质[77]量好坏的主要技术经济指标之一。在公路路线设计阶段，采用不同的坡度不仅影响公路的线形使用质量，还会直接影响土石方开挖量的大小，进而影响工程造[36]价。为了减少土石方量，公路线形设计时都要求尽可能的贴近原地面线，从而保证填挖平衡以减少土石方量。土石方包括填方和挖方，由于两者的计算单价不同，因此需要分别计算工程量。土石方填挖横断面计算示意图，如下图5-2所示。图5-2横断面填挖方计算示意图（1）横断面填挖方计算简图公路横断面由很多部分组成，为计算方便，将横断面简化成一条直线，则横断面填挖方计算简图，如下图6-3所示。其中，AB代表横断面设计线，CD代表原地面线，A、B、C、D分别代表设计线和原地面线上的四个点，�代表第�个桩号横断面内设计线和原地面线的交点。原地面线D（XD，YD）A（XK（XK，YK）A，YA）设计线B（XB，YB）C（XC，YC）图5-3横断面填挖方计算简图60万方数据 低碳公路路线设计关键参数研究计算填挖方工程量时，可以将横断面看成是原地面线、横断面设计线和设计交点所围成的面积之和。根据《公路工程技术标准》，当公路标准纵断面图确定之后，由纵断面图确定的各桩号的填挖高度在原横断面地形图上“戴帽子”，即[26]可确定各桩号的横断面图。因此，要想计算土石方开挖量，首先要得到各桩号在横断面图中的原始地面线与设计线的交点，然后再计算填挖方横断面面积，进而计算得到任意相邻桩号间的土石方填挖工程量。由于实际地形很复杂，为研究方便，本文采用简化后的路段进行数模计算，最后得到纵曲线坡度与土石方开挖量的关系。（2）确定原始地面线与设计线的交点实际工程中，要确定原始地面线与设计线的交点是件非常复杂、工作量很大的工作，一般需要借助计算机来完成。做法是依据设计好的公路纵断面线的设计标高，将设计线与原始地面线进行“戴帽子”，就可以很方便地确定原始地面线与设计线的交点。为了说明土石方开挖量与坡度的关系，本文将实际地形进行模型简化，将原地面线拟合成直线，且只考虑设计线与原地面线实交情况，不考虑延长相交和虚交的情况。分别得到设计线AB和原地面线CD的直线方程如下：��−���=(�−��)+�����−���（5-1）��−���=(�−��)+����−��两条直线方程联立求解，即可得到交点�的坐标为：⎧(��−��)(����−����)−(��−��)(����−����)⎪��=(�)(�)−(�)(�)�−���−���−���−���（5-2）⎨(��−��)(����−����)−(��−��)(����−����)⎪��=⎩(��−��)(��−��)−(��−��)(��−��)（3）任意桩号间的坡度计算公式得到设计线与原地面线的交点坐标之后，根据公路各桩号纵断面图上的设计标高，将各交点坐标移动到公路纵断面中间线上，得到任意桩号间的纵曲线坡度j与设计线和原地面线的交点坐标之间的换算关系如下：����−���=（5-3）����−��式中：m可取任意整数值。61万方数据 低碳公路路线设计关键参数研究（4）计算填挖范围的横断面面积常用的计算横断面面积的方法有：积距发、坐标法、几何图形法、数方格法、[36]求积仪法等，这里采用精度较高的坐标法来计算。假设所有交点与设计线、原地面线围成的横断面为一任意形状的多边形，计算简图见下图5-4所示。y（X2，Y2）（X1，Y1）（X3，Y3）x（Xn，Yn）（X4，Y4）图5-4横断面面积计算简图假设横断面图上各转折点的坐标为（Xt，Yt），则第�个桩号的横断面面积计算公式为：�1��=�(������−������)（5-4）2���式中：����=��，����=��，且不论多边形的形状如何，均可以采用上式计算横断面面积。（5）土石方填挖工程量计算将桩号K处的填挖横断面面积用AK表示，任意相邻两桩号间的土石方工程量[36]采用平均断面法进行计算，土石方填、挖工程量计算如下式（5-5）所示：��⎧��1(���)(�)⎪�=���=����+���−����2�������（5-5）��⎨1⎪��=���=�(��+��)(��−����)�2����⎩�������3式中：�——填方工程量总量（m）；�3�——挖方工程量总量（m）；��——第�个桩号；�2��——桩号��处横断面填方面积（m）；62万方数据 低碳公路路线设计关键参数研究�2��——桩号��处横断面挖方面积（m）。综上所述，土石方填挖工程量的计算公式，可以表示如下：�1��=�(��+��+��+��)(��−����)（5-6）2�����������（6）土石方填挖工程费用假设土石方填方单价为��，挖方单价为��，则土石方填挖工程费用可简单用下式（5-7）表示。�=��∙��+��∙��（5-7）�5.2.2路面日常养护费用公路建成通车后，在交通荷载的反复作用和人为、自然环境等因素影响下，需要对路面进行养护。路面养护费用是指公路养护部门为保证路面正常使用，对路面进行预备性保护和维修工作所发生的费用，包括筑路材料、人工、机械台班等费用组成。路面养护费用主要分为日常养护费用和大、中修费用等，其中大、中修费用可以根据定额计算，本文主要研究路面日常养护费用。低碳化程度不同的公路路面技术标准不一样，交通量大小、采取的养护措施、以及养护管理方式不同，所发生的路面日常养护费用也不一样。低碳化程度高的公路对养护水平要求较高，所需养护费用就较高；低碳化程度低的公路对养护水平要求较低，所需养护费用也较少，但路面破损较快，会增加大、中修费用。由于不同路面类型，以及同一路面类型的不同路段可能出现各种不同类型和不同程度的破坏，为了便于将不同路段的路面破损状况进行定量化比较，需要有一个综合指标用来表征路面的不同破坏程度。路面状况指数���，又叫路面破损状况指数，数值范围在0-100之间，其值越大，表示路面状况越好。路面破损后，平整度随之改变；同时不平整的路面增加车辆动荷载，反过来又会加剧路面的破[78]损。基于水泥混凝土路面衰变过程的基本假设，吴锡蛟对某地区的路面状况和平整度调查数据进行回归分析，得到路面状况指数���与平整度���之间存在如下函数关系式：���=100[1−���(−21.326438/���)]（5-8）式中：���——路面状况指数；63万方数据 低碳公路路线设计关键参数研究���——国际平整度（m/km）。在我国，公路日常养护工作长期得不到重视，缺乏专门的养护工作和养护费用记录，难以通过回归分析建立精确的养护费用模型。为了接下来建模方便，不[79]考虑资金的时间价值，本文采用在国内应用较为普遍的路面日常养护费用模型，如下式（5-9）所示。���=�[�+�∙(100−����)∙��]（5-9）���式中：��——运营期内的路面日常养护费用（元）；�——公路运营期设计年限（年）；����——第�年路面状况指数；��——第�年年平均日交通量（pcu/d）；�、�——参数，不同地区间取值有差异。5.2.3交通事故费用由于交通事故费用的确定缺乏统一的判定计算标准，且不同的交通事故造成的直接损失和间接损失都不一样。为了研究方便，假设每个交通事故造成的社会平均损失费用��表示，具体取值可结合当地历年发生的交通事故数和经济财产损失进行折算。结合前面介绍的速度和坡度交互作用下的交通事故率计算方程，即可计算得到速度和纵坡交互作用下的交通事故费用，如下式（5-10）所示。�%��=��365∙�∙�∙�∙�×10��（5-10）���������%���式中：��——交通事故费用（元）；��——交通事故造成的社会平均损失（元∕次）；6���——速度和纵坡交互作用下的交通事故率（次/10veh﹒km）；��——纵坡为j的路段长度（km）；��——第t年的平均日交通量（pcu/d）。5.2.4公路碳交易收入面对日益严重的全球温室效应和气候变暖问题，世界各国都在努力探索如何64万方数据 低碳公路路线设计关键参数研究在降低大气环境中CO2浓度的同时，又能较好的保证经济健康发展。温室效应和气候变暖虽然是一个自然环境问题，却越来越延伸到经济和政治领域。各国为了保护本国经济发展，都在极力逃避温室气体减排责任，很多积极的CO2减排措施和政策得不到有效实施，从而在遏制全球变暖这一共同的国际问题面前显得十分被动。碳交易市场的形成源于1997年《京都议定书》的签订，基于“共同但有区别的原则”，同时考虑到发达国家拥有先进的减排技术和资金优势，由于其碳减排潜力较小，且成本和难度较大；发展中国家碳减排潜力大，但缺乏有效的技术和资金支持，于是允许发达国家利用资金和技术优势与发展中国家进行合作，在发展中国家实施碳减排项目，用以履行自己的碳减排义务，从而实现发达国家和发展中国家之间的双赢，并最终降低全球温室气体排放量，这也就是所谓的“清洁发展机制”。中国的碳交易市场起步较晚，目前的国际碳交易定价权掌握在西方发达国家[80]手中，近年来，中国也逐步加快了国内碳交易市场的建立。2008年8月5日，国内第一家碳交易机构——北京环境交易所挂牌成立，截止2013年，北京、上海、天津、广东、重庆、湖北等6个省市及地区已经开始试行碳交易制度，并且初步建立了符合当地发展的碳交易市场。国家十二五规划明确提出自2015年起，在全国范围内逐步建立碳交易市场，同时将大幅降低CO2排放强度作为约束性指标纳入国家中长期发展规划。目前，在我国已有的碳交易市场，主要实行碳配额交易制度。国家环保部门将各企业碳配额指标下发，企业根据自身实际碳排放情况，决定是否到碳交易市场将企业多余的碳排放权进行买卖。假设企业今年的碳排放配额是��，而企业一年中实际排放的CO2当量是�，则企业可用于交易的碳排放权数量是∆�=�−��，如果∆�<0，说明该企业一年中排放的CO2当量不但满足配额要求，还有一部分剩余，此时企业就可以拿这部分剩余的碳排放权到碳交易市场上出售，以此获得碳交易收益；如果∆�>0，说明该企业的碳排放超标，需要通过其他途径来弥补超额的碳排放权，这时企业也可以到碳交易市场进行购买，从而达到国家环保部门设定的碳配额指标。公路交通运输行业每年都会产生大量的CO2，如果公路建设部门通过采用低65万方数据 低碳公路路线设计关键参数研究碳技术、低碳材料和低碳管理等手段之后，公路碳排放量将会大大减少。同时，减少的这部分碳排放权通过碳交易市场运作之后，将会给公路建设部门带来周期性的可变收入。公路运营期的碳计量方法在2.3节已经做了详细说明，计算期的碳交易价格以当地的碳交易所公布为准，由于碳交易价格每天都在变化，为建模方便，这里采用当年碳交易平均价格带入计算。为简化计算工作量，这里不考虑资金的时间价值，即只考虑静态收入。公路建设部门的碳交易收入可用下式表示：���=�[(��−��)��]（5-11）���式中：��——公路建设部门的碳交易收入（元）；�——公路全寿命周期（年）；��——公路碳排放配额（kg）；��——公路第�年实际排碳量（kg），计算方法见公式（2-5）；��——当地第�年碳交易平均价格（元∕kg）。5.2.5绿化带植物碳汇效益道路绿化工程是公路工程的重要组成部分，合理的植物绿化带布局是体现一[81]条公路经济技术指标优劣的重要标志。近年来，随着机动车数量的不断增加，机动车尾气产生的CO2排放量也随之升高，由此造成空气污染不断加重。由于道路绿化带植物光合作用吸收CO2，可以有效中和机动车尾气产生的CO2，同时还具有滤尘、降噪、防眩、以及美化环境等功能，产生较好的环境效益，因此越来越受到公路设计者们青睐和重视。公路绿化带植物的碳汇量可以经过一系列计算得到，具体计算方法在2.4节有详细介绍。绿化带植物吸收CO2不仅降低了公路碳排放水平，净化了当地空气环境，收到了良好的社会效益，同时，公路建设部门也可以从中获得一定的经济收益。为便于定量研究绿化带碳汇效益，这里将绿化带吸收的CO2折算成社会的环境经济效益。根据当地的碳交易价格，结合前面引入的绿化带植物碳汇计算公式，即可计算得到公路绿化带植物碳汇效益的具体数量值。公路绿化带植物碳汇效益计算公式，如下式（5-12）所示。66万方数据 低碳公路路线设计关键参数研究���=���∙��（5-12）���式中：��——公路绿化带植物碳汇效益（元）；��——当地第�年碳交易价格（元∕kg）；�——公路全寿命周期（包括建设期和运营期）（年）；��——公路绿化带植物碳汇量（kg/100km），计算方法见公式（2-6）。5.3博弈模型建立5.3.1模型的基本假设（1）局中人一，即公路建设主体，其纯策略组合为：公路建设过程中采取{低碳、不低碳}。假设局中人一通过改进路线设计等措施，有能力修建低碳公路；局中人二，即环境监督主体，其纯策略组合为：对局中人一进行{监督、不监督}。假设环境监督主体是具有职业道德和技术监控水平的专业团体，有能力对局中人一进行监督使其符合低碳目标。（2）假设公路建设主体和环境监督主体之间进行的博弈是完全信息静态博弈，双方对彼此的收益特征、战略空间和支付函数非常了解，属于完全信息；博弈双方同时选择行动，或虽然不是同时选择行动，但后行动者并不清楚先行动者的行动，因此属于静态博弈。（3）假设双方都是经济理性人，都以追求自身效用最大化为目标，进而选择自己的行动策略，并且在决策的同时都会考虑到对方的行动可能对自己造成的影响，从而改进自己的策略。5.3.2收益函数的确定在公路工程建设和运营过程中，建设主体和环境监督主体的收益涉及到很多方面，在进行数学建模的时候不可能面面俱到，只能选取与本文研究目的最相关的目标函数进行建模，科学的建模方法能够说明研究结论的可靠性。同时也为了简化计算工作量，将次要和不相关的参数看作固定不变量，将路线设计关键参数看作变量重点研究。选取之前确定的5个收益函数：土石方填挖工程费用FT、交通事故费用FJ、路面日常养护费用FY、公路碳交易收入EJ、绿化带碳汇效益EL作67万方数据 低碳公路路线设计关键参数研究为建模对象，这些函数都是关于路线设计参数的定量关系表达式，具体计算方法已经在5.2节做了详细介绍。为了提高博弈建模的科学性和适用性，再引入如下两个收益函数：公路设计速度的提高引起的旅客节约时间效益ES和公路碳排放量过大造成的建设主体惩罚损失函数D。他们与路线设计参数以及碳排放量之间具有隐性函数关系，由于这种函数关系过于复杂，不再将其用定量化的公式表示。博弈双方的收益函数，见下图5-5所示。碳交易绿化带碳收入EJ土石方填挖汇效益EL工程费用FT交通事故费用FJ建设主体监督主体路面日常养护费用FY惩罚损失D旅客节约时间效益ES图5-5博弈双方的收益函数局中人一通过改进路线设计、选择低碳施工措施、采用节能环保建材、低碳运营等措施，使公路工程建设和运营符合低碳目标，会引起成本和费用的升高，这部门可看作工程建设主体的损失，这里用土石方填挖工程费用FT和路面日常养护费用FY来表示；公路路线设计参数制定的不合理，纵坡过大或圆曲线半径过小，以及运行速度过大等原因，容易发生交通事故，从而造成生命、财产损失，这部分损失经常会转移到局中人二身上，这里用交通事故费用FJ来表示；公路建设主体选择修建低碳公路，减少的碳排放经碳交易市场买卖之后，变为局中人一的收益，记为公路碳交易收入EJ；绿化带植物的合理布置、增加绿地面积和人工养护投入等措施可以提高植物碳汇量，从而降低公路碳排放，提高路域环境效益，公众幸福指数升高，对政府部门的认同感等社会效益增加，这部分可以看作局中人二的收益，记为绿化带碳汇效益EL。因公路设计速度的提高引起的社会时间效益68万方数据 低碳公路路线设计关键参数研究ES上升，本部分收益属于局中人二；公路碳排放量过大造成的建设主体惩罚损失函数D，这部分损失要从局中人一中扣除，同时加入到局中人二的收益。5.3.3建立支付矩阵（1）参考点的确定。根据我国公路工程建设项目不断增加，而环境监督力度有限的现状，最理想的状态是建设主体在环境监督力度小的情况下能自觉修建低碳公路。假设建设主体不考虑修建低碳公路的收益为0，环境监督主体对现有[82]公路不采取监督的收益为0，以此情形作为参考点。（2）假设在混合策略分析中，局中人一选择低碳策略的概率为�(0＜�＜1)；局中人二选择监督策略的概率为�(0＜�＜1)。建立博弈双方的支付矩阵，见下表5-1所示。表5-1局中人一和局中人二的支付矩阵局中人二监督（θ）不监督（1−θ）低碳（λ）���−��−��，��−������−��−��，���局中人一不低碳(1−λ)�−�，��−��+��（0，0）5.4博弈模型求解5.4.1纯策略纳什均衡解（1）当��−��+�>0时，需要分两种情况进行讨论：①.当��−��−��≥0时，即公路碳交易收入大于土石方填挖工程费用和运[83]营期路面日常养护费用的总和，采用划线法确定纯策略纳什均衡点为（低碳，不监督）。也就是说如果公路建主体方采用了有效的低碳设计方案，大大降低了公路碳排放水平，或者由于当地碳交易价格上涨，碳交易市场出现供不应求的时候，同时环境监督方的监督成本较高，所付出的代价远远大于获得的收益，那么博弈双方反复博弈的结果就是：局中人一采取“低碳”策略，局中人二采取“不监督”策略，只有达到这个均衡点，双方各自的收益才能得到最大程度的保证。②.当��−��−��≤0时，采用划线法确定纯策略纳什均衡点为（不低碳，69万方数据 低碳公路路线设计关键参数研究不监督）。也就是说如果公路建设主体没有采取有效的低碳设计方案，造成公路碳排放升高，达不到环保部门制定的碳配额标准，那么公路建设方就不能到碳交易市场进行交易，也就无法获得碳交易收入；或者由于当地碳交易价格较低，碳交易市场供大于求，公路建设方获得的碳交易收入较少，不足以支撑他们修建低碳公路的决心。因此，要想鼓励公路建设方修建低碳公路，可选用的有效经济手段就是提高碳交易价格，或者降低碳配额标准，运用市场手段使公路建设放获得较高的碳交易收入。（2）当��−��+�<0时，同样需要分两种情况进行讨论：①.当��−��−��≥0时，存在纯策略纳什均衡点为（低碳，不监督），可以看出这个纳什均衡解与前面的①中一样，也就是说，不论���−��+��的正负情况如何，只要满足���−��−���≥0的条件，都能得到此博弈模型的纯策略纳什均衡解为（低碳，不监督）。②.当��−��−��≤0时，问题就变得复杂了，还需要讨论���+��−���与D的大小关系。若���+��−���>�，则存在纯策略纳什均衡点（不低碳，监督），此时需要考虑增加对建设主体采取不低碳行为的惩罚力度，或者可以提高碳交易价格、降低碳配额标准，进而增加建设主体的收益。若���+��−���<�，这种情形下，此博弈模型不存在纯策略纳什均衡点，因此，需要考虑采用混合策略纳什均衡求解方法来研究博弈双方的行动策略。5.4.2混合策略纳什均衡解局中人一的混合策略为��=��，1−��，即公路建设主体以�的概率采取低碳策略，以(1−�)的概率采取不低碳策略；局中人二的混合策略为��=��，1−��，即环境监督主体以�的概率对建设主体进行监督，以(1−�)的概率对建设主体进行不监督。（1）局中人一的期望效用函数70万方数据 低碳公路路线设计关键参数研究��(��,��)=�����−��−���+(1−�)����−��−���−�(1−�)�+(1−�)(1−�)×0（5-13）将上式（5-13）化简后，得到：��(��,��)=����−��−���−�(1−�)�（5-14）令���(��,��)��=0，解得：∗��+��−���=（5-15）�计算结果表明：局中人二的混合策略最优监督概率�∗的大小与FT、FY、EJ和D的取值有关，并且随着���+��−���的增大，局中人二将采取更大的监督力度，随着D的增大，监督力度可相应减小。将�∗=���+��−����带入局中人一的期望效用函数��(��,��)中，即可计算得到当局中人二采取最优监督概率�∗时，局中人一的期望收益大小为��(��,��)=��−��−��（5-16）（2）局中人二的期望效用函数��(��,��)=�����−���+(1−�)���+�(1−�)���−��+��+(1−�)(1−�)×0（5-17）将上式（5-17）化简后，得到：��(��,��)=����−��+��−��(��+�)+���（5-18）令���(��,��)��=0，解得：∗���=1−（5-19）����∗计算结果表明：局中人一的混合策略最优低碳概率λ的大小与FJ、ES和D的取值有关，并且随着���−��+��的增大，局中人一将采取更大的力度修建低碳公路，且随着(��+�)的增大，修建低碳公路的积极性将相应减小。将�∗=�1−��(��+�)�带入局中人二的期望效用函数��(��,��)中，即可计∗算得到当局中人一采取最优低碳概率λ时，局中人二的期望收益大小为：71万方数据 低碳公路路线设计关键参数研究∗���−��+������(��,��)=���=（5-20）��+�上面求得的解还可以从另外一种角度来解释：（1）在众多公路建设主体中，有�1−��(��+�)�的比例会选择修建低碳公路，即采取低碳行动策略；（2）在众多需要环境监督的公路工程项目中，局中人二则随机的以���+��−����的比例实施环境监督行为。5.5公路低碳建设策略与环境监督策略5.5.1低碳建设策略将式��(��,��)=����−��+��−��(��+�)+���看作是以�为自变量，U2为因变量的直线方程。该直线方程用图形表示，如下图5-6所示。图5-6局中人二的期望收益��(��,��)与局中人一的低碳概率�的变化关系令��(��,��)=0，通过数学运算可以得到局中人一的最佳低碳概率为��=����−��+���(��+�)−��，这也就是局中人一的低碳建设策略。从上图中可以看出，局中人二的期望收益��(��,��)与局中人一的低碳概率�呈线性变化关系，直线与横坐标的交点��表示局中人一的最佳低碳概率。当降低局中人二的获利空间����−��+��时，如果要保持其期望收益��(��,��)不变，那么局中人一的最佳低碳概率��将降低；当提高局中人二的获益���−����，同时保持局中人二的期望收益��(��,��)不变的情况下，局中人一的最佳低碳概率72万方数据 低碳公路路线设计关键参数研究��将升高，也就是说公路建设主体更倾向于修建低碳公路。5.5.2环境监督策略将式��(��,��)=����−��−���−�(1−�)�看作是以�为自变量，��为因变量的直线方程。该直线方程用图形表示，如下图5-7所示。图5-7局中人一的期望收益��(��,��)与局中人二的监督概率�的变化关系令��(��,��)=0，通过数学运算可以得到局中人二的最佳监督概率为��=����−��−���(1−�)�，这也就是局中人二的环境监督策略。从上图中可以看出，局中人一的期望收益��(��,��)与局中人二的监督概率�呈线性变化关系，直线与横坐标的交点��表示局中人二的最佳监督概率。当降低局中人一的获利空间����−��−���时，如果保持其期望收益��(��,��)不变，那么局中人二的最佳监督概率��将降低；当提高对局中人一的惩罚力度D，同时保持局中人一的期望收益��(��,��)不变的情况下，局中人二的最佳监督概率��将升高，也就是说环境监督主体需要投入更大的监督力度。综上所述，作为博弈局中人的公路建设主体和环境监督主体，双方选择不同的策略时，不仅需要考虑自身利益，还要考虑对方采取的行动可能对自己造成的影响。由于博弈模型中每个收益函数与路线设计参数有关，当采用不同路线设计参数时，会直接影响公路建设过程中的最优低碳建设策略和最优环境监督策略。5.6实例应用——以滨海公路沧州段为例73万方数据 低碳公路路线设计关键参数研究5.6.1工程实例概况滨海公路沧州段属于廊沧高速沧州市西绕城连接线工程，呈南北走向，北部与津岐公路（S106）连接，南部与山东无棣至莱州公路相接，石黄高速公路北侧700米处与原有G307公路相接，纵贯沧州东部沿海地区。公路地理位置位于东经116°30ˊ～117°03ˊ，北纬39°35ˊ～38°15ˊ。项目建设期为2011年5月～2013年5月，项目运营期为20年。路线全长66.64km，占地4623.41亩，挖方276.212千立方，填方1943.608千立方，路面1388.181千平米。采用四车道一级公路设计，设计时速80km/h，圆曲线最小半径800m，最大纵坡3.46%，最小坡长350m。公路总投资27.56亿元。预测2014年年平均日交通量为14107pcu/d，预计运营期养护费用平均7.4万元∕km，年均增长3%，大修时间安排在运营后的第10年（2022年），大修费用平均为150万元∕km。该部分计算实例选取其中某2.5km路段，平均纵坡大小为1%。（说明：以上工程概况资料和下文相关参数取值，均来源于《滨海公路沧州段工程可行性研究》（以下简称“研究报告”），该研究报告由沧州市交通运输局委托交通运输部科学研究院编制，并于2011年4月22日完成。）5.6.2最优低碳概率计算过程由于博弈模型涉及参数众多，且很多参数都具有时间性和地域性区别，要想全面反映某条公路的低碳建设策略和环境监督策略，需要很多数据搜集工作。为了演示博弈模型的求解过程，本文以滨海公路沧州段某一路段为例，计算公路建设主体的最优低碳概率�。由博弈模型的计算结论可知：�∗=1−�(�+�)，��因此，要想求解�∗，需要首先确定�，�和D的值，计算过程如下：��（1）交通事故费用��。首先确定交通事故率，设计时速为80km/h，车辆运行速度���=60km/h，正常情况下交通流平均速度�=60km/h。根据公式（4-13），速度为80km/h、纵坡为2%的路段交通事故率为�=2.3454次∕(10�veh﹒km)。然后确定每个交��通事故造成的社会平均损失费用��，根据研究报告提供的数据资料，可知沧州市境内所有一级公路的交通事故年平均损失大约为10000元/次。因此，��=1000074万方数据 低碳公路路线设计关键参数研究元∕次，带入公式（5-10），计算得到该路段2014年交通事故费用为��=30.2万元。（2）旅客节约时间效益��旅客节约时间效益是一个宽泛的概念，是以大量统计数据为基础，结合经济学原理进行测算得到的。根据研究报告得到的数据，将滨海公路沧州段2014年预测的旅客节约时间效益值6930万元平均折算到2.5km路段，得到该路段2014年的时间效益值为��=259.98万元。（3）惩罚损失D正常情况下，如果公路建设主体违规修建碳排放程度较高的公路，则对其进行经济惩罚，惩罚数额根据其超额排碳量的多少计征，结合碳配额指标和碳交易价格即可计算得到。由于我国目前还没有建立这样一套惩罚机制，具体的碳配额指标也未设立。因此，暂且将该项指标数值记为0。5.6.3实例计算结果分析通过上面的分析，可以计算得到公路建设主体的最优低碳概率为：��30.2�∗=1−=1−=0.8838��+�259.98该结果可以解释为：对于公路建设相关部门来说，假设目前的公路建设现状低碳评价值为1，那么他们会付出88.38%的行动力去选择修建低碳型的公路。在国家大力提倡各行各业低碳发展的趋势下，要提高公路建设部门修建低碳型公路的动力，可以采取惩罚措施，建立惩罚机制。当提高公路建设主体的惩罚损失D的时候，他们的最优低碳概率就会升高，也就是说公路建设主体会采取更加积极的低碳建设策略。该应用实例演示了博弈模型的计算步骤，并针对滨海公路沧州段某2.5km长路段，计算得出公路建设主体的最优低碳建设策略的概率为88.38%。若要计算全部路段最优低碳建设概率，只需分别计算各个路段，然后累加求和。该计算结果只是为了演示博弈模型的应用步骤，不作为实际工程决策的依据。75万方数据 低碳公路路线设计关键参数研究6.结论与展望6.1主要研究成果与结论通过优化公路路线设计参数，使其达到既降低公路碳排放水平，又能提高公路的使用功能，实现公路“低碳、安全、经济、可持续”的发展目标是本文研究的初衷。基于这样的目标，本文从以下几个方面进行了详细研究。（1）研究了与公路运营期碳排放密切相关的路线设计关键参数，这些参数主要有：车型、车辆运行速度、交通量、圆曲线半径、路面面层特性、纵曲线坡度和坡长、以及绿化带植物碳汇等。分析了这些参数影响车辆碳排放的作用机理，建立了关键参数——车辆运行速度与纵曲线坡度与公路运营期碳排放之间的碳计量方程。（2）运用灰色关联分析方法研究路线设计关键参数与公路运营期碳排放之间的低碳关联度，得到了低碳关联度从小到大排序依次为：路面平整度＜圆曲线半径＜纵曲线坡度＜车辆运行速度＜绿化带植物碳汇状况＜交通量。（3）建立了公路路线设计关键参数与公路交通事故率和经济成本效益之间的预测方程，并将它们同公路碳计量方程一起作为目标函数，建立多目标优化数学模型。通过调用MATLAB优化工具箱中的fgoalattain函数格式，编程实现多目标优化求解过程，最终得到优化后的路线设计关键参数建议值——运行速度和纵坡的取值，优化结论见表4-11所示。（4）运用博弈论思想分析了公路建设主体和环境监督主体的博弈过程，建立了完全信息静态博弈模型。研究了与公路使用功能密切相关的收益函数，它们主要有：土石方填挖工程量、路面日常养护费用、交通事故费用、公路碳交易收入、绿化带植物碳汇效益等，并分别建立了它们与路线设计关键参数之间的定量函数关系式。通过建立支付矩阵，求解得到了纯策略和混合策略纳什均衡解，最后给出了公路建设过程中的低碳建设策略和环境监督策略，以及他们各自的期望收益大小。76万方数据 低碳公路路线设计关键参数研究6.2主要创新点（1）建立了公路路线设计多目标优化数学模型，运用MATLAB编程求解得到了优化后的路线设计关键参数——车辆运行速度和纵曲线坡度的取值。（2）建立了公路建设主体与环境监督主体之间的博弈模型，求解得到了可量化的最优低碳建设策略和环境监督策略。6.3工作展望公路低碳化建设的道路任重而道远，本文对低碳公路路线设计关键参数进行了研究，针对论文撰写过程中发现的一些问题，以及需要接下来进一步研究的地方，简要总结如下：（1）公路交通系统作为一个既复杂又统一的整体，包含了很多路线设计参数，而且几乎每个参数都会对车辆碳排放造成或多或少的影响，本文只选取了其中的一些关键参数进行研究，因此完善公路全寿命周期碳排放影响因素可以进一步扩展研究。（2）对于公路路线设计关键参数的碳计量研究，目前国内外还没有开展大量的研究，且从目前的统计数据来看，公路碳排放与路线设计关键参数之间存在着定量关系。基于最小二乘法、曲线回归拟合等方法建立的关键参数碳计量公式以及公路运营期碳计量模型，有必要通过大量的试验进行精确度验证。（3）运用目标规划法求解多目标优化问题，其中一个重要环节就是确定目标向量goal参数，而goal参数的确定往往需要考虑很多因素。通过试验方法确定速度和纵坡影响下的碳排放量、交通事故率以及经济成本效益等的精确数据，值得进一步研究。（4）公路建设主体和环境监督主体之间的博弈过程可以进一步扩展到不完全信息和动态博弈领域，以期获得更加丰富的公路低碳化建设策略。77万方数据 低碳公路路线设计关键参数研究参考文献[1]中华人民共和国国民经济和社会发展第十二个五年(2011-2015年)规划纲要[EB/OL][D].新华网,2011.[2]解天荣,王静.交通运输业碳排放量比较研究[J].综合运输,2011(8):20-24.[3]史立新.交通能源消费及碳排放研究[M].北京：中国经济出版社,2011:123-125.[4]中华人民共和国国家统计局.中华人民共和国2012年国民经济和社会发展统计公报[R].北京：中国统计出版社,2013.[5]中国人民大学气候变化与低碳经济研究所.低碳经济—中国用行动告诉哥本哈根[M].北京：石油工业出版社，2010.[6]王筱鲁.欧洲城市低碳交通发展的经验与启示[J].南方论丛,2011,2:013.[7]PiaoS,SitchS,CiaisP,etal.EvaluationofterrestrialcarboncyclemodelsfortheirresponsetoclimatevariabilityandtoCO2trends[J].Globalchangebiology,2013,19(7):2117-2132.[8]KaufmanAS,MeierPJ,SinistoreJC,etal.Applyinglife-cycleassessmenttolowcarbonfuelstandards—howallocationchoicesinfluencecarbonintensityforrenewabletransportationfuels[J].EnergyPolicy,2010,38(9):5229-5241.[9]MartinsJH,CamanhoAS,GasparMB.Areviewoftheapplicationofdrivingforces–Pressure–State–Impact–Responseframeworktofisheriesmanagement[J].Ocean&CoastalManagement,2012,69:273-281.[10]贾庸.基于低碳理念的新区公共交通规划研究[D].长安大学,2012.[11]Button.K.TheEnvironmentEconomicsPolicy[R].USAVermont:EdwardElgarPublishingLimited.1993(4):35.[12]SinghPK.Lowcarbonfootprinttomakehighwaysgreen[J].Monday,Jul,2010,5.[13]NationalResearchCounciloftheNationalAcademies.PotentialImpactsofClimateChangeonU.S.Transportation[R].Washington,D.C.:TransportationResearchBoard,2008.[14]MadireddyM,DeCoenselB,CanA,etal.Assessmentoftheimpactofspeedlimitreductionandtrafficsignalcoordinationonvehicleemissionsusinganintegratedapproach[J].TransportationresearchpartD:transportandenvironment,2011,16(7):504-508.[15]秦晓春,沈毅,邵社刚,等.低碳理念下绿色公路建设关键技术与应用的探讨[J].公路交通科技：应用技术版,2010(10):308-310.[16]郑瑞清.瑞典公路环保简介[J].中外公路,2002,22(4):4-6.[17]HungWing-Tat,TongHing-Yan,CheungChun-Shun.Amodalapproachtovehicular78万方数据 低碳公路路线设计关键参数研究emissionsandfuelconsumptionmodeldevelopment[J].JournaloftheAirandWasteManagementAssociation,2011,10(55):1431-1440.[18]M.Kohlera,U.Corsmeiera,U.Vogtb,B.Vogel.Estimationofgaseousreal-worldtrafficemissionsdownstreamamotorway[J].Atmosphericenvironment,2005,31(39):5665-5684.[19]ZaigariS.A.,KhanA.M.Busfuelconsumptionmodel[C].2000AnnualConferenceAbstracts-CanadianSocietyforCivilEngineering,2000:314.[20]侯程程.全球气候变暖背景下公路碳排放及路域碳汇研究[D].中国海洋大学,2013.[21]叶晓青.基于低碳度和经济性的公路协调发展评价研究[D].中国海洋大学,2013.[22]邴雪，徐萍，陆键，等.基于LCA的低碳公路的实现途径[J].公路,2013,3:032.[23]李光久.博弈论基础教程.北京：化学工业出版社，2005:8-9.[24]李德刚、霍娅敏、高红丽.博弈论在公路主枢纽站场总体布局调整中的研究[J].重庆交通学院学报，2004,23(2):69-72.[25]王凯全、应惠亚.建筑工程质量监督的博弈分析[J].中国安全生产科学技术，2007,3(4):60-63.[26]廖小辉.公路纵断面的多目标智能优化研究[D].南京林业大学,2012.[27]王炳泉.高速公路纵坡设计的几个问题[J].西南公路，1997,2:008.[28]EungcheolKim,ManojK.Jha,BongsooSon.AStepwiseHighwayAlignmentOptimizationUsingGeneticAlgorithms[C].TRBPaper,2003:2-3.[29]李方.山区公路平面线形的优化设计[J].同济大学学报：自然科学版,1986,1:002.[30]林立.山区低等级公路改扩建线形指标综合评价模型与应用[D].重庆交通大学,2012.[31]卢兰萍，赵中华.基于遗传算法的道路纵断面优化研究[J].硅谷,2011(18):112.[32]杨献波.基于遗传算法的公路纵断面优化研究[D].南京:东南大学,2006.[33]孙庆珍，贾燕，潘春风.基于多目标决策的山区灾害多发地段公路选线优化[J].武汉大学学报：工学版，2011(05).[34]中华人民共和国交通部JTGB01-2003.中华人民共和国公路工程技术标准[S].北京：中国标准出版社，2004.[35]JiaoSJ,LiLF,LiYW.AnalysisonInfluenceFactorsfortheWholeLife-CycleCarbonEmissionsofHighwayandCarbonAccounting[J].AdvancedMaterialsResearch,2014,869-870:826-831.[36]杨少伟.道路勘测设计[M].北京：人民交通出版社，2009:24-138.79万方数据 低碳公路路线设计关键参数研究[37]许金良，胡圣能，杨宏志.运行速度在公路线形质量设计中关键问题研究[J].河北工业大学学报,2011,40(1):114-118.[38]中华人民共和国交通部.JTGD20-2006.公路路线设计规范[S].北京：人民交通出版社，2006.[39]靳灿章.高速公路线形评价——评价指标的选取及理论分析[D].天津:河北工业大学硕士论文,2003.[40]章后忠，潘玉利.建立四类代表车型的理论油耗模型[J].华东公路，2002(6):62-66.[41]盛灿花.路面平整度特性研究[D].长沙:湖南大学,2005.[42]周荣贵，邢惠臣.公路纵坡与汽车运行速度油耗之间的关系[J].公路交通科技,1993,10(1):15-23.[43]沈毅，晏晓林.公路路域生态工程技术[M].北京：人民交通出版社，2009:17-19.[44]亚洲开发银行.中国公路交通资源优化利用指南、手册与技术规程（下卷）[R].北京：中国经济出版社，2009:155-157.[45]潘玉利，等.公路项目影响研究：北京—同江高速公路[R].亚洲开发银行.中国公路项目影响研究，RSIS:PRC2002-09.[46]朱红兵.应用统计与SPSS应用[M].北京：电子工业出版社，2011:577-583.[47]肖筱南，赵来军，党林立.现代数值计算方法[M].北京：北京大学出版社，2003:186-194.[48]赵德龙，刘万共，赵凤良.道路绿化[M].北京：人民交通出版社，2005:36-39.[49]刘思峰，党耀国，方志耕等.灰色系统理论及其应用[M].北京：科学出版社，2004:1-5.[50]JiaoSJ,LiLF,DuQL.ResearchofCarbonEmissionsofHighwayOperationPeriodBasedonGreyRelationalAnalysis[J].AdvancedMaterialsResearch,2014,869-870:820-825.[51]焦双健,宋会,李彦伟,等.基于VB6.0公路工程碳计量体系的开发研究[J].公路,2013(003):187-191.[52]袁嘉祖.灰色系统理论及其应用[M].北京：科学出版社，1991:20-22.[53]焦李成，尚荣华，马文萍等.多目标优化免疫算法理论和应用[M].北京：科学出版社，2010:1-5.[54]黄平.最优化理论与方法[M].北京：清华大学出版社，2009:120-123.[55]廖小辉,黄新,张效忠.多目标非线性优化方法在公路选线中的应用[J].南京林业大学学报：自然科学版,2010(01).80万方数据 低碳公路路线设计关键参数研究[56]张士刚.基于MATLAB语言的多目标优化抗裂混凝土配合比设计研究[D].中南大学，2012.[57]苏金明，阮沈勇.MATLAB实用教程（第2版）[M].北京：电子工业出版社，2008:187-193.[58]尚涛，谢龙汉，杜如虚.MATLAB工程计算与分析[M].北京：清华大学出版社，2011:291-295.[59]唐琤琤，何勇，张铁军，等.道路交通安全手册[M].北京：人民交通出版社，2009:31-77.[60]佘艳华,苏华友.公路线形设计因素对交通安全的影响分析[J].华东公路,2006(5):9-11.[61]DSolomonAccidentsonMainRuralHighwaysRelatedtoSpeed,Driver,andVehicle[R].Washington,DC：FederalHighwayAdministration,1964.[62]杜博英,杨春晖.基于车速的公路交通事故多发位置鉴别新方法[J].山东交通科技,2006(4):18-20.[63]吴德华.高速公路线形连续性及事故预测模型研究[J].福州大学学报:自然科学版,2008,35(6):904-909.[64]杨梅.公路线形因素对交通安全的影响分析[D].长安大学,2009.[65]陈永胜,高耀华.高速公路纵面设计微观事故预测模型研究[J].公路交通科技,2001,18(2):5-8.[66]张生瑞，周伟.公路网规划理论与方法[M].北京：中国铁道出版社，2009：62-67.[67]严作人，张戎.运输经济学[M].北京：人民交通出版社，2003.[68]PPKCompany,SymondsTraversMorganCompany,theMinistryofCommunicationsHighwayPlanningandDesignInstitute.ChinaStudyofPrioritizationofHighwayInvestmentsandImprovingFeasibilityStudyMethodologies.WorldBank,1996.[69]黄成岑.谈谈高速公路的纵坡率与平均填土高度[J].广西交通科技，1998,23(1):7-9.[70]练象平，贾俊梅，狄升贯.道路平、纵面设计中应注重降低路基填挖高度[J].城市道桥与防洪，2012(6):67-69.[71]李云龙.高速公路建设项目国民经济评价关键参数选取研究[D].长沙理工大学,2009.[72]中华人民共和国住房城乡建设部和交通部联合发布.公路建设项目经济评价方法与参数[M].北京：中国计划出版社，2010.[73]田晨.公路路线方案评价模型与应用[D].西安:长安大学,2008.81万方数据 低碳公路路线设计关键参数研究[74]于鹏辉.高速公路线形质量综合评价系统研究[D].重庆交通大学,2011.[75]JiaoSJ,LiLF,LiYW.ResearchonDesignIndexofLow-CarbonHighwayRouteBasedonGameTheory[J].AdvancedMaterialsResearch,2014,869-870:1039-1043.[76]黄涛.博弈论教程—理论·应用[M].北京：首都经济贸易大学出版社，2004:10-12.[77]罗德仁,邹自力,汤江龙.工程土方量计算比较分析[J].东华理工学院学报,2005,28(1):59-64.[78]吴锡蛟,周文献.基于平整度的水泥混凝土路面预防性养护时机确定方法[J].上海公路,2009(2):16-18.[79]程梅.干线公路养护维修费用预测研究[D].长安大学,2012.[80]中国节能环保集团公司，中国工业节能与清洁生产协会.2010中国节能减排产业发展报告—探索低碳经济之路[R]，2010:103-104.[81]张玉芬，钱炳华，戴明新等.交通运输与环境保护[M].北京：人民交通出版社，2003.61-63.[82]李龙飞,李彦伟,赵永祯,等.低碳视角下高速公路建设与环境监督博弈分析[J].建筑工程:中英文版,2013(2):34-39.[83]李光久.博弈论基础教程[M].北京：化学工业出版社，2004:13-15.82万方数据 低碳公路路线设计关键参数研究致谢仅以此文向母校——中国海洋大学致敬！研究生三年时间不长也不短，她却给我留下了无数美好的回忆，使我在学术科研道路上受益匪浅。特别感谢她给我提供的学术平台，让我不断认识自我、实现自我、超越自我。本论文是在我的导师焦双健老师的亲切关怀和耐心指导下完成的，从查阅文献、课题小组讨论、确定主题、撰写阶段成果报告、以及论文的最终完成，整个过程无不倾注了导师辛勤的汗水。他严谨的治学作风和不辞辛劳的奉献精神深深打动了我，为我今后的科研探索精神奠定了深厚的基础。在此，谨向我的导师敬以最诚挚的谢意。感谢土木工程系的其他研究生导师代表——郭海燕、蒋济同、杨树桐等老师，感谢他们三年来在学术上给我的引导和鼓励，站在巨人的肩膀上，让我能够看得更远、更有信心；感谢实验室课题组成员的相互协作以及班级同学间的融洽和谐氛围；感谢冷科治和杨文娟对我论文撰写过程中的帮助和支持。感谢我的亲人、好友，感谢他们一直以来对我的关爱和支持!感谢所有关心和帮助过我的人，祝愿他们健康、快乐！83万方数据 低碳公路路线设计关键参数研究个人简历1987年5月9日，出生于河南省洛阳市偃师市。2007年9月，考入华北水利水电大学水利学院工程管理专业，2011年7月本科毕业并获得管理学学士学位。2011年8月，考入中国海洋大学工程学院防灾减灾工程及防护工程专业攻读硕士学位至今。已发表的学术论文[1]JiaoSJ,LiLF,LiYW.AnalysisonInfluenceFactorsfortheWholeLife-CycleCarbonEmissionsofHighwayandCarbonAccounting[J].AdvancedMaterialsResearch,2014,869-870:826-831.[2]JiaoSJ,LiLF,DuQL.ResearchofCarbonEmissionsofHighwayOperationPeriodBasedonGreyRelationalAnalysis[J].AdvancedMaterialsResearch,2014,869-870:820-825.[3]JiaoSJ,LiLF,LiYW.ResearchonDesignIndexofLow-CarbonHighwayRouteBasedonGameTheory[J].AdvancedMaterialsResearch,2014,869-870:1039-1043.[4]焦双健，李龙飞.关于三沙市海岛工程建设的思考[J].海洋开发与管理，2013(S1):34-37.[5]焦双健，李龙飞，郭勇.水泥混凝土路面断裂影响因素的探究[J].黑龙江交通科技，2013(1):116-117.[6]李龙飞，李彦伟，赵永祯，杜群乐.低碳视角下高速公路建设与环境监督博弈分析[J].建筑工程:中英文版，2013(2):34-39.84万方数据