How Selection Techniques on Traffic Data Sets Can Help in Estimating Network Vehicle Emissions - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Journal of Earth Sciences and Geotechnical Engineering Année : 2016

How Selection Techniques on Traffic Data Sets Can Help in Estimating Network Vehicle Emissions

Résumé

Road traffic is a major source of air pollution in urban areas. Policy makers are pushing for different solutions including new traffic management strategies that can directly lower pollutants emissions. To assess the performances of such strategies, the calculation of pollution emission should take into account traffic dynamics. The use of traditional on-road sensors (e.g. inductive loops) for collecting real-time data is necessary but not sufficient because of their expensive cost of implementation. It is also a disadvantage that such technologies, for practical reasons, only provide local information. Some methods should then be applied to expand this local information to large spatial extent. These methods currently suffer from the following limitations: (i) the relationship between missing data mechanisms/patterns and the estimation accuracy, both cannot be easily determined and (ii) the calculations on large area is computationally expensive. Given a dynamic traffic simulation, we take a novel approach to this problem by applying selection techniques that can identify the most relevant locations to estimate the network vehicle emissions. This paper explores the use of a statistical method, i.e. the Lasso regularized generalized linear models, as powerful tool for selecting the most relevant traffic information on a network to determine the total pollution emission.
La circulation routière est une source majeure de pollution atmosphérique dans les zones urbaines. Les décideurs politiques préconisent différentes solutions, y compris de nouvelles stratégies de gestion du trafic qui permettent de réduire directement les émissions de polluants. Pour évaluer les performances de ces stratégies, le calcul des émissions de polluants devrait tenir compte de la dynamique du trafic. L'utilisation de capteurs routiers traditionnels (par exemple les boucles inductives) pour la collecte de données en temps réel est nécessaire mais pas suffisante en raison du coût élevé de leur mise en oeuvre. Le fait que, pour des raisons pratiques, ces technologies ne fournissent que des informations locales constitue également un inconvénient. Certaines méthodes devraient ensuite être appliquées pour étendre cette information locale à une grande échelle spatiale. Ces méthodes souffrent actuellement des limitations suivantes: (i) la relation entre les données manquantes et la précision de l'estimation, et (ii) les calculs sur de grandes zones sont coûteux. Dans le cadre d'une simulation dynamique du trafic, nous adoptons une approche novatrice à ce problème en appliquant des techniques de sélection qui permettent d'identifier les endroits les plus pertinents pour estimer les émissions des véhicules sur le réseau. Cet article explore l'utilisation d'une méthode statistique, c'est-à-dire les modèles linéaires généralisés et régularisés au Lasso, comme outil puissant pour sélectionner les informations routières les plus pertinentes sur un réseau afin de déterminer l'émission totale de pollution.
Fichier principal
Vignette du fichier
doc00029834.pdf (522.33 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-01930242 , version 1 (30-11-2018)

Identifiants

  • HAL Id : hal-01930242 , version 1

Citer

Nicole Schiper, Delphine Lejri, Ludovic Leclercq. How Selection Techniques on Traffic Data Sets Can Help in Estimating Network Vehicle Emissions. Journal of Earth Sciences and Geotechnical Engineering, 2016, 6 (4), pp.51-69. ⟨hal-01930242⟩
53 Consultations
39 Téléchargements

Partager

Gmail Facebook X LinkedIn More