城市機動車污染排放的時空預測與分布

肖中新+李兵兵+于堯+葛穎恩

摘要：鑒于中國城市機動車排放的NOx，CO和PM類尾氣對城市大氣造成的污染日趨嚴重，通過監測道路低空機動車排放數據，對機動車污染排放隨交通參數變化的規律進行剖析。針對不同車型，提出機動車污染排放因子模型。對模型進行標定和試驗驗證。所得結果能有效反映路段車輛的真實排放情況。該方法為實時掌握機動車污染排放的時空分布規律與特征，制定科學的、精細化的交通污染防治措施提供依據。

關鍵詞： 機動車排放； 時空預測； 排放因子

中圖分類號： X734.2 文獻標志碼： A

Abstract： In view of the fact that atmospheric pollution in Chinese cities caused by NOx， CO and PMemissions of vehicles is becoming more and more serious， the variation law of vehicle emission versus traffic parameters is analyzed by monitoring the near-road vehicle emission data. Pollution emission factor models for various types of vehicles are proposed. The models are calibrated and verified by tests. The test results can reflect the real emissions of vehicles in a road section. The method can provide support for finding the space-time distribution laws and characteristics in real time and formulating the scientific and refined measures to prevent and control traffic pollution.

Key words： vehicle emission； space-time predicting； emission factor

引 言

隨著我國城鎮化進程的加快，機動車尾氣已逐漸成為氮氧化物（NOx）、碳氫化合物（HC）、揮發性有機物（VOC）、一氧化碳（CO）以及顆粒物（PM）等城市大氣污染的主要來源之一。[1]同時，機動車行駛過程中產生的尾氣污染對城市居民健康的影響也已逐漸引起人們的關注。路段近地區域（垂向）以及路側往往是是機動車尾氣污染的“重災區”。對“呼吸帶”高度的路段區域大氣進行定量監測，獲得機動車排放污染數據，對剖析機動車污染排放近地區域的分布，制定環保、交通管控對策，實現城市環境的可持續發展具有重要的意義。

目前，歐美一些國家陸續開展了對道路低空大氣污染模型的研究，較為著名的有CALINE4，AERMOD和CAL3QHCR等模型[2]。美國環保署（EPA）將AERMOD模型和CAL3QHCR模型作為分析近地區域顆粒物的模型。目前，我國對道路低空范圍機動車污染排放的研究較少，且研究多采用國外較為成熟的污染排放模型。這存在兩方面的不足：（1）首先是我國機動車污染排放清單與歐美國家有差異[2-4]。我國汽柴油標準和車輛性能都與發達國家不同，因此無論在排放污染因子的確定或是排放模型的系數標定上都有很大區別。即使采用美國提出的更適用于我國道路交通條件的IVE模型[5]，也需要針對我國不同省份或道路條件重新進行模型的構建。（2）道路機動車尾氣排放模型的構建往往是以機動車的平均行駛速度為依據的，而在上述較為成熟的模型中平均速度值來源于歐美國家駕駛員的駕駛習慣（與我國駕駛員的差異明顯），因此采用這類模型無法得到我國道路交通排放的實際情況。

我國環保部2012年頒布了新版的《環境空氣質量標準》[6]，這一標準在2016年全面施行，對我國城市大氣質量和監測設備等提出了更加嚴格的要求。《環境影響評價技術導則 大氣環境》[7]和《2016中國機動車環境管理年報》[1]中均提出了針對機動車污染防治的若干對策和建議。然而，我國還未能完成系統性的、長效的道路機動車污染排放模型的搭建。因此，本文考慮我國道路實際交通情況，以合肥市某主干路為研究對象，提出道路低空范圍的機動車尾氣排放模型，并對道路低空污染的變化規律進行深入剖析。

1 試驗方案設計

道路交通流的構成類型和特點直接影響著各種污染物的排放總量，道路的地理分布、風向、氣溫、季節等對污染排放的影響亦不可忽視。本文選取的試驗條件為：晴朗天氣，平均溫度20℃，濕度71%，風力小于1.5 m/s。在合肥市某雙向8車道主干路設置污染物監測點，監測點高度設置為4 m，采集數據間隔為1 h。

2 數據分析

2.1 交通參數分析

對試驗路段交通流量進行調查，調查時段選為07：00—20：00，結果見圖1。

由圖1可知，所調查路段交通流量時間變化特征明顯，平均車流率為309輛/h，且日變化特征相似，具有早高峰、午高峰、下班高峰及晚高峰特征。早高峰、午高峰和晚高峰的出現時段分別為8：00—9：00，12：00—13：00和19：00—20：00，且17：00之后道路車流率明顯上升，也反映了該路段不僅僅面向通勤需求。

圖2為道路車流率與車速的關系曲線。從擬合曲線可以看出，車輛平均行駛速度與車流率成二次關系。當車流率低于260輛/h時，車速越快，單位時間內通過該路段的車輛數就越多；但隨著車流率的增大，該道路趨于飽和，車輛平均行駛速度出現明顯下降。endprint

2.2 機動車排放污染變化規律

機動車排放的主要污染物包括NOx，CO和SO2等。采用大氣污染自動監測車對實驗路段路側NOx（主要包括NO和NO2）、SO2、可吸入顆粒物（PM10和PM2.5）以及CO等數據類別進行時間質量濃度的分析。

2.2.1 NOx時空變化規律

圖3為工作日期間監測路段低空NOx，NO2，NO的平均質量濃度變化曲線。

從圖3中可以看出，道路污染物中NOx質量濃度隨時間波動的特征較為相似，這說明道路上空NOx的來源類型及污染源排放比較穩定，規律性較強。NOx質量濃度在一天中有3個高峰時段，第1個高峰時段為8：00—9：00，第2個高峰時段為15：00—16：00，第3個高峰時段為20：00—21：00。其中早高峰時段NOx質量濃度最高，下午時段NOx質量濃度最低。一天中的4：00—5：00和13：00—14：00為NOx質量濃度的低谷時段。

2.2.2 SO2時空變化規律

圖4為工作日期間監測路段低空SO2質量濃度隨時間變化的曲線。由圖4可知，SO2質量濃度變化不存在明顯的、周期性的峰值，但依舊存在一定的積累特性，從側面反映了空氣中SO2的產生原因較為復雜。

2.2.3 PM10和PM2.5時空變化規律

PM10質量濃度和PM2.5質量濃度是衡量大氣污染水平的重要指標。監測路段實測PM10和PM2.5質量濃度隨時間的變化見圖5。由圖5可知：PM10和PM2.5均隨時間的變化表現出較強的規律性，且兩者波動規律極為相似；PM2.5質量濃度變化較PM10的質量濃度變化更加平緩，其高峰時段約為9：00—10：00，17：00—18：00，0：00—1：00，比NOx質量濃度的峰谷滯后約1.5 h。

圖5 監測路段PM10和PM2.5質量濃度隨時間的變化

2.2.4 CO時空分布規律

CO是烴燃料燃燒的中間產物，主要是由于烴在機動車內燃機局部缺氧或低溫條件下不能完全燃燒而產生的，混在內燃機廢氣中排出。當汽車負重過大、行駛較慢或空擋運轉時，燃料不能充分燃燒，廢氣中CO含量就會明顯增加。圖6為CO質量濃度隨時間變化的曲線?？傮w來看，CO質量濃度較為穩定，由于大氣擴散條件不利，一段時間內CO質量濃度具有小幅度的“躍升”現象。

3 模型構建與分析

由于試驗路段環境較為封閉，下墊面較為同質，為簡化分析，假設該監測路段上空污染物的變化皆源于該路段機動車的排放。因此，該路段空氣污染物含量為空氣中固有污染物量P0與車輛尾氣排放量Pe之和：Pair=P0+Pe

（1）Pe為可變排放量，因為當前道路污染的變化全部是由機動車尾氣排放導致的。此外，設置車型為i的機動車排放污染物j的系數為Cij，因此該類型車的污染物j的總排放量可表示為Eij=CijQi

（2）其中，Qi為i型車的車流量，可從監測路段的交通流量視頻中得到，則所有機動車污染物j的總排放量可表示為Ej=i（CijQi）

（3） 參照國際機動車污染物排放形式，構建以下不同類型車的排放范式（其中v為平均車速，l，p，b，α，β為待標定系數）：

小轎車（包含私家車和出租車）排放率為Ecar=p1v2+p2v+p3

（4）輕型商務車（貨車）LGV（light goods vehicle）排放率為ELGV=l1v2+l2v+l3

（5）公交車（客車）排放率為Ebus=b1v-b2

（6）則小轎車、輕型商務車、公交車排放系數向量為p1，p2，p3，l1，l2，l3，b1，b2T，總排放率為E=Fp1，p2，p3，l1，l2，l3，b1，b2。

目標函數設為max ρE，O，其中：O為觀測污染物濃度值；ρ（E，O）為E與O間的皮爾遜相關系數。根據機動車污染物排放特性與車速間的關系，可知：p1，l1，b2>0；p2，l2<0；0

由表1和2可知，利用根據合肥市某路段實測數據得到的NOx和CO排放模型所得結果與國外實測所得結果有較大的差異，這也說明我國道路條件以及駕駛行為有一定的特殊性。因此，急需對我國不同城市、不同環境條件下的各類型車排放進行模型的再次標定，以找出符合我國國情的機動車尾氣排放規律。根據所得結果，利用所標定模型進行排放值的預測，并與9：00—20：00道路斷面實測值進行對比分析，見圖7和8。

根據表1和2所得結果對預測值進行檢驗。由圖7可知，由NOx排放模型所得預測值能夠較好地反映路段NOx的真實排放，準確率達85%以上。根據圖8可知，由CO排放模型所得預測值與實際檢測值誤差在20%以內?；诤戏适械缆窏l件實際情況，對PM10排放因子進行標定（見表3），模型預測誤差低于22%（見圖9）。

4 結 論

選取合肥市某主干道為研究對象，對機動車排放出的NOx，CO，SO2，PM2.5和PM10等的質量濃度的時空分布規律進行了分析，發現NOx，PM2.5和PM10的質量濃度具有較強的周期變化特質，而SO2和CO的質量濃度未呈現顯著的周期波動性。在此基礎上，提出機動車污染物排放模型，并依據前期尾氣排放實測數據，進行了排放因子的再標定。實測證明所得排放模型可較為準確地反映實際交通排放情況。由于受到路段交通流監測方法和時間的限制，下一步將采用連續長周期監測數據對模型進行進一步修正，以提高模型應用的精確性。endprint

參考文獻：

[1] 中華人民共和國環境保護部. 2016中國機動車環境管理年報[R]. 中國： 環境保護部， 2016.

[2] LIU Haobing， WANG Yuqin， CHEN Xiaohong， et al. Vehicle emission and near-road air quality modeling in Shanghai， China， based on taxi GPS data and MOVES revised emission inventory[J]. Transportation Research Board， 2013， 2340： 33-48.

[3] WANG Haikun， CHEN Changhong， HUANG Cheng， et al. On-road vehicle emission inventory and its uncertainty analysis for Shanghai， China[J]. Science of the Total Environment， 2008， 398（1/2/3）： 60-67.

[4] SINGER B C， HARLEY R A. A fuel-based motor vehicle emission inventory[J]. Journal of the Air & Waste Management Association， 1996， 46（6）： 581-593.

[5] 馮曉， 王婷麗， 趙琦. 基于IVE模型的重慶市主城區機動車排放清單研究[J]. 重慶交通大學學報（自然科學版）， 2014， 33（2）： 135-137.

[6] 中華人民共和國環境保護部. 環境空氣質量標準 第5-7部分： GB 3095—2012[S]. 中國： 環保部， 2012： 1.

[7] 中華人民共和國環境保護部. 環境影響評價技術導則 大氣環境 第6-9部分： HJ 2.2-2008[S]. 中國： 環保部， 2008： 12.

[8] NTZIACHRISTOS L， GKATZOFLIAS D， KOURIDIS C， et al. COPERT： a European road transport emission inventory model[M]. Berlin：Springer， 2009： 491-504.

（編輯 賈裙平）endprint