機動車尾氣排放模型應用及研究進展

2范武波李 媛馬 冬張 懿唐斌雁王 杰錢 駿劉 政

(1.四川省生態環境科學研究院,四川 成都 610041；2.四川大學新能源與低碳技術研究院,四川 成都 610207；3.中國環境科學研究院,北京 100012)

0 引言

近年來，我國機動車保有量持續增長，截至2018年底，全國機動車保有量已達3.27億輛，同比2017年增長5.5%。機動車排放具有流動性強、動態排放、多源排放的特征，從全國范圍看，機動車活動水平較大的城市均表現出顯著的機動車排放污染，如北京[40]、上海[18]、廣州[41]等，機動車尾氣排放已成為當地城市大氣污染的重要來源。長期生活在機動車尾氣高排放環境下會導致兒童的心肺功能下降[3]，增加成年人心腦血管疾病的發病率[4]，嚴重危害人類身體健康。不僅如此，這些污染物還會與氣象條件相互作用形成酸雨、光化學煙霧等自然災害，破壞生態環境[1]。由此可見，開展機動車尾氣排放特征研究，對于解決機動車尾氣污染、改善區域大氣環境質量具有重要意義。

目前，研究機動車尾氣排放因子的方法有隧道實驗、臺架實驗、車載實驗(Portable Emission Measurement System, PEMS)和模型測算等。國內外學者通過隧道實驗[5]、臺架試驗[31]、PEMS測試[32,33]等方式掌握了一定的機動車尾氣排放因子數據。通過這些方法能夠獲得較為準確的單車排放因子，但測試工作量大、覆蓋車型有限、且積累的測試數據較少。更多的是采用成熟的模型進行排放因子測算。樊守彬等[2]應用COPERT模型計算了北京市典型汽油車輛蒸發VOCs排放因子和排放清單，并測算了不同物種的排放量。2012年陳軍輝等[6]基于本地化后的IVE 2.0.2模型，測算了成都市輕型汽油客車的排放因子。利用排放模型能夠快速測算出不同類型機動車的排放因子，基于此開展區域機動車排放污染特征研究，建立具有高時空分辨率的移動源排放清單。本研究總結了目前應用較為廣泛的機動車尾氣排放因子模型，對比分析了這幾種模型的優缺點和適用范圍，并基于研究現狀提出了未來我國機動車排放因子的研究方向。

1 模型應用

1.1 MOBILE模型

MOBILE宏觀排放模型由美國環保局(Environmental Protection Agency,EPA)于1996年開發完成，模型以上萬套聯邦測試程序FTP-75(Federal Test Procedure)測試數據為基礎，通過臺架測試得到單車排放因子，經速度、行駛里程等27個影響參數修正后，計算得到實際排放因子。2002年美國學者Pokharel[7]利用遙感和MOBILE 6.0模型測算了近幾年丹佛地區機動車排放總量。Hyung-Wook Choi[8]也通過MOBILE6.0模型估算了不同車速下機動車的瞬時污染物排放清單，并開發了基于車輛特性的速度修正因子。國內對MOBILE模型也有一些應用，清華大學[9,11]采用MOBILE 5模型編制了北京、深圳等地的機動車排放清單，說明模型具有良好的宏觀層面測算能力，但測試工況固定，且單一平均速度不能精確地反映機動車的實際排放情況。

圖1比較了MOBILE模型測算武漢[10]、太原[12]、長三角地區[13]機動車CO、NOx、THC排放因子的結果?？梢钥闯鋈齻€地區的機動車排放特征基本一致，而對于不同地區同類車型排放因子的測算結果存在較大差異(30%～50%范圍)。可能是由于不同城市車輛組成結構及模型修正參數不同導致，這也體現出MOBILE模型的優勢及弊端。MOBILE模型以大量排放測試數據為基礎，結構完整，成熟度高，因此，可以提供相對準確的宏觀尺度排放清單，能有效地反映城市機動車排放的變化趨勢。但由于模型具有較強的地域性，且排放基礎數據收集困難，從而增大了污染物排放測算的不確定性。

1.2 COPERT模型

COPERT宏觀排放模型由歐洲環境委員會(European Environment Agency,EEA)于1989年推出，模型采用歐盟ECE15+EUDC排放測試標準，其計算原理是基于燃油消耗和行駛工況之間的能量守恒關系，以平均速度來表征機動車行駛特征，經參數修正后得到實際排放因子。Shreya Dey[14]編制了愛爾蘭-都柏林地區的機動車排放清單，并分析了COPERT(V5.1)模型的不確定性來源。我國學者[34-36]通過車載排放實驗、COPERTⅣ模型及MOBILE6.0模型測算得到了重型柴油車的CO、NOx、PM、HC排放因子，如圖 2 所示。

比較發現COPERTⅣ模型對NOx、CO和PM排放因子的預測值比MOBILE6.0模型更加接近實測值，而對于HC排放因子, MOBILE6.0 模型的預測誤差比COPERTⅣ 模型小。為了進一步研究COPERT模型的適用性，程穎等[15]沿用上述方法得到了四種不同等級道路下重型柴油車的CO、NOx、HC和PM排放因子，如圖 3所示。研究指出，在同等級道路下，COPERTⅣ模型對NOx、HC 和CO 排放因子的預測值比MOBILE6.2模型更加接近實測值；而對于PM 排放因子，在快速路、主干路和支路上，MOBILE 模型的預測誤差比COPERT 模型小，但在次干路上，MOBILE 模型的預測誤差比COPERT 模型大。這充分說明COPERT模型的優點和弊端均來自于它數據積累的要求不高，一方面提高了模型的兼容性，降低了模型帶來的不確定性；另一方面也導致模型的成熟度不如MOBILE 模型高。因此，COPERT模型更適用于歐洲及其他缺乏基礎數據的發展中國家的應用研究。

1.3 MOVES 模型

2001年美國環保局(EPA)開發出集MOBILE排放模型與NONROAD非道路源排放計算模型于一體的全面綜合性排放模型——MOVES排放模型。模型的計算實質是將行駛車輛的瞬時a、v計算得到的比功率(VSP)，劃分為不同區間(Bin)，并對應到內嵌的污染物排放速率( VSP-Bin )，在輸入平均速度后，模型自動匹配排放，加權得到基礎排放因子，最后再對燃油、氣象、I/M等大量參數修正和行駛里程分布計算得到綜合排放因子。FUJITA E[16]利用MOVES2010a模型、MOBILE6.2模型、MFAC2007 模型分別測算了加利福尼亞州Van Nuys隧道的排放因子以及與實際遙感測試相比存在的差異，結果表明，MOVES2010a得到的結果與實際測量較為一致，比MOBILE等平均速度模型具有更強的適用性。2012年長安大學郝艷召等[17-21]選用MOVES模型對關中城市群的移動源排放特征進行了分析，并得到了關中地區的機動車排放清單。研究顯示，該模型測算的關中地區機動車CO、NOx和HC 污染物的排放因子比實測值整體偏高，排放水平接近于歐Ⅱ、歐Ⅲ標準，如表1所示。綜合來看，MOVES模型在結構上相比于其他模型更加完善，可移植性強，具有模擬不同層面的排放能力，且對不確定性影響因素考慮更細致，測算結果更接近實際城市道路每小時的平均排放量，但這也導致了模型收集數據的工作量變大，本地化難度增加。

表12012年關中地區機動車污染物排放

標準等級COHCNOx車輛類型甲醛乙醛苯系物歐Ⅱ4.1±2.80.31±0.340.47±0.39汽油車(1.0L)0.0040.0050.008歐Ⅲ2.2±2.30.09±0.070.23±0.29汽油車(1.3L)0.0020.0030.006汽油車(1.6L)0.0020.0060.005模擬值5.0330.2620.3440.0020.0010.008

1.4 IVE模型

IVE宏觀排放模型是由加州大學河邊分校(University of Californiaat Riverside, UCR)與國際可持續發展研究中心(International Sustainable Systems Research Center,ISSRC)共同研發完成，模型的計算核心是將機動車行駛狀況基于比功率(VSP)和發動機工作強度(ES)分成60個Bin，,每一個Bin對應一系列不同的修正系數，將對應Bin區間的修正系數乘以模型內嵌的基礎排放因子，得到每種技術類型機動車的排放因子，然后再根據車隊的行駛和啟動特征綜合計算得到實際排放因子。IVE模型的數據來源與MOBILE模型一致，同時涵蓋中國、伊朗、泰國、巴西等12個國家15個城市的排放數據[22,23]，此外還積累了部分歐洲排放標準的測試數據，弱化了模型的地域性。在上海[24]、杭州[25]、成都[26]等地IVE模型被廣泛應用于機動車尾氣排放清單及變化特征研究，說明以實際道路排放測試為基礎的IVE模型能夠滿足我國現階段城市機動車尾氣排放研究的需求。姚志良等[27,28]運用IVE模型分別測算了北京、上海、深圳的8種類型機動車非常規污染的排放分擔情況，如圖4所示，其中輕型客車對1 ,3-丁二烯、NH3、苯 、N2O和 CH4排放貢獻率最大均在50 %以上；其次主要為中重型客車、中重型卡車、摩托車。這種模型的優點是通過VSP及ES來表征機動車的瞬時行駛工況與排放的關系，降低了不確定性影響，提高了IVE模型測算結果的準確性。模型成熟度較高，地域性較弱，但對車輛類型的分類要求則更為復雜。

1.5 CMEM模型

CMEM微觀排放模型由加州大學河邊分校(University of Californiaat Riverside, UCR)開發用來計算輕型車在各種運行工況下的燃油消耗和尾氣排放。模型將機動車尾氣排放過程分為6個模塊，8個運行工況，每個模塊對應機動車不同的運行和排放過程，基于發動機負載和污染物形成的物理化學原理，通過向對應模塊輸入車輛參數和行駛工況參數，如燃燒率、發動機排放指數等50多種參數，最后輸出得到機動車在不同行駛條件逐秒的排放值及燃油消耗量。從國內外研究現狀來看，CMEM模型主要應用于對微觀交通結構的排放評估以及與交通仿真模型耦合研究。Stevanovic A[30]，Armas R[29]分別將VISSIM、MATsim交通仿真模型與CMEM模型耦合，模擬了不同交通信號控制系統的車輛燃油消耗和排放，研究表明在實際情況下優化交通信號控制系統對機動車排放有積極的作用。戴璞等[37]以本地化的CMEM模型模擬得到上海市輕型柴油車主干道瞬時排放特征，與黃成[38]的研究結果一致，且與道路實測數據對比驗證，見表2。研究發現THC、CO以及NOx排放的相對誤差δ分別為14.20%、 3.70%和32.70%，相關系數r分別達到0.73、 0.72和0.87，這表明CMEM模型能夠較好地反映車輛在實際道路排放的瞬時變化。

表2 上海市城市主干道輕型柴油車瞬時排放因子 (g/km)

雷偉[39]以武漢市友誼大道一園林路交叉路口為研究對象，利用VISSIM仿真模型和CMEM模型，計算了該路口的交通排放水平，并通過減少路口紅燈等待時間和停車次數，制定了四種優化通信號情景，測算得到了該路口機動車HC、CO、NOx排放量和燃油消耗(QS)情況。從表3可以看出，采用 A1信號模式時該路口機動車排放總量無明顯變化，但燃油消耗降低約1.99%；采用A3、A4信號模式時均能有效降低機動車排放總量約5.01%和7.08%，減少燃油消耗約2.35% 和3.11 %；而采用A2信號模式時反而導致排放水平上升約5.30%，燃油消耗降低約0.68%。研究表明，排放與油耗對停車次數更為敏感，在制定和優化交通信號控制時，停車次數是比交通延誤更為有效的評價指標，同時也說明這種方法能較好地預測微觀層面的交通排放時空分布，評估交通管理策略對出行時間、排放和油耗的影響，具有成熟度高、可應用性強的優點，但模型對車輛實際運行狀態的數據要求較高，采集難度大，缺乏應用經驗。

表3 園林路交叉口機動車HC、CO、NOx平均排放量及燃油消耗量(Qs)。

綜上所述，近年來國內在機動車排放清單研究方面做了大量工作，在模型應用方面，正逐漸從宏觀向微觀層面過渡，由平均速度類模型向行駛工況類模型轉變，注重對模型的改進和優化應用。在清單編制方面，從區域到城市逐步完善和積累了大量排放因子測試數據，動態分析了機動車實際運行工況對排放的影響，提高了模型測算的精度。但由于測試數據積累不全面，實際道路機動車排放影響因素較多，增加了模型的不確定性，從而放大了測算結果與實際值的誤差。

2 總結及展望

2.1結論

(1)機動車排放模型包括以MOBILE模型為代表的平均速度類模型和以 IVE為代表的行駛工況類模型。其中MOBILE模型成熟度較高，應用性強，適用于中、宏觀層面的排放測算；COPERT模型不如MOBILE模型完善，不確定性低，更適合歐洲及數據缺乏的發展中國家；MOVES模型結構最完善，能測算不同層面，但不易于本地化應用；IVE模型微觀模擬能力強，適用性好，準確性高，但模型應用復雜； CMEM模型可用性強，精度高，但對基礎數據質量有較高要求，代表了機動車模型發展的最新方向。

(2)機動車排放具有流動性強，排放多元化，動態排放的特征，增加了建立機動車排放清單的難度和不確定性，且排放測試基礎數據質量的好壞，制約了模型測算精度。因此，提高排放因子測試數據精度，持續補充完善排放因子基礎數據庫，降低模型不確定性參數影響，將是國內后續模型開發及應用的主要攻堅方向。

2.2 展望

基于本文的研究結果，及當前國內發展形勢，建議我國機動車排放因子模型研究可從以下幾方面進行完善：

(1)以實際道路排放測試(PEMS)為基礎，積累不同車型及車輛技術條件的測試數據，并利用測試結果對國外成熟排放模型的不確定性進行分析及參數修正，降低模型的不確定性。

(2)運用不同層面的交通仿真模型與排放模型耦合，統計區域機動車尾氣排放量，模擬機動車行駛時不同影響因素，如優化交叉口信號、設置專用車道、改善交通運輸管理模式等對機動車排放的影響及評價，為政府管理部門制定機動車節能減排政策提供理論依據。

(3)基于機動車尾氣排放模型和空氣質量擴散模型建立區域機動車尾氣排放污染物濃度評估方法[42]，分析時空分布特征，探究氣象因素對污染物擴散的影響。

(4)汲取國外模型開發經驗，結合本地車輛構成、負載、溫度、I/M制度、道路環境等特征，開發符合應用于本地環境的排放模型。