陽泉市2017年基于交通流量的機動車排放清單

解淑霞，黃志輝*，王鑫，唐祎骕，何巍楠，紀亮，王燕軍，倪紅

1.中國環境科學研究院 2.國家環境保護機動車污染控制與模擬重點實驗室 3.北京交通大學 4.北京交通發展研究院

隨著我國城市化進程快速推進，城市大氣污染越來越復雜，大氣污染已由局地、單一的煤煙型污染向區域、復合型污染轉化[1]。為分析大氣污染來源和分布，許多地區開展了大氣污染物排放清單及顆粒物源解析研究工作[2-3]，如北京市[4-5]、上海市[6]、杭州市[7]、濟南市[8]、廣州市[9]和天津市[10]等，結果表明機動車排放是城市大氣污染的主要來源之一。機動車排放的主要污染物有CO、HC、NOx和PM等，除一次排放外，NOx等一次污染物在光化學作用下會導致臭氧和二次氣溶膠的生成，對空氣質量達標造成嚴重影響[11-12]。因此，為改善空氣質量，需要加強機動車排放監管，通過研究機動車污染物排放特征，建立機動車排放清單是制定機動車排放精細化管控措施的重要依據。

為了建立機動車排放清單，國內外學者在清單編制方法和排放因子測試等方面開展了大量的研究[13-17]。目前，編制機動車排放清單比較常用的方法是模型法，如利用COPERT、MOBILE和IVE等模型，經過各種因子修正后得到本地化機動車排放因子[18-21]；然后，通過機動車保有量、年均行駛里程或實際道路行駛里程及車型分布等計算排放清單。利用保有量進行計算時，由于存在車輛登記地與使用地不一致、重型貨車跨區域使用等情況，使區域機動車排放量計算不夠準確，也無法反映實際道路交通排放情況。為了提高城市交通運行效率、減少擁堵，包含有道路交通流量監控的智慧交通取得了很大的發展，可以獲得實際道路上的車流、車速、車型構成等數據[22-24]，為基于實際交通流量的排放清單計算提供了條件；同時，空氣質量預報預警技術的發展對機動車排放輸入數據提出了更高的要求[25-26]。因此，基于實際交通流量的機動車排放清單研究受到研究者的極大關注[27-32]。鄭君瑜等[13]以珠三角區域為研究對象，提出了基于交通流量和路網的區域機動車污染物排放量空間分配方法。王凱等[31]基于現場調查和衛星影片解譯，應用ArcGIS建立了北京延慶區高分辨率的機動車排放清單。樊守彬等[4-5]通過模型模擬和調查統計方法獲得北京市交通流量數據，計算得到北京市機動車實際道路排放特征。劉登國等[28]以上海市內環區域高架道路和地面主干道路的交通信息為基礎開展了上海市機動車NOx排放研究。綜上，很多學者通過不同的途徑獲得實際交通流量，開展了基于交通流量的機動車排放清單研究。

陽泉市位于京津冀大氣污染傳輸通道，地處黃土高原東緣、太行山脈中段西麓，屬于典型的中低山區，大氣污染物不易擴散，近年來陽泉市機動車保有量的持續增長，進一步增加了大氣污染治理的難度。目前，對陽泉市機動車排放清單的研究較為鮮見，精準措施的制定還缺乏基礎數據支撐[33]。因此，筆者通過車型信息的統計調查和道路交通流量的模擬，利用自下而上的排放清單構建方法，建立了2017年陽泉市高時空分辨率機動車排放清單，分析了基于實際交通流量的機動車排放特征，以期為陽泉市機動車排放的精細化管控提供技術支撐。

1 材料與方法

1.1 道路交通流量獲得方法

根據數據來源的不同，道路交通流量的獲得方法主要分為2類:1)真實交通流量數據；2)通過模型計算得到的模擬交通流量數據。真實的交通流量監測需要布設大量的點位，因此多數研究只能獲得部分道路的真實交通流量數據，難以獲得全路網的數據，在進行排放清單計算時通常需要將2種方法相結合。經典的交通流量模型之一為基本圖模型，模型基于實測車流速度、密度和流量數據，利用統計學方法建立三參數之間的相互關系，采用散點圖或曲線圖反映交通流量狀態及變化特征，并采用數據擬合方法構建參數間的函數關系[34]。基本圖模型常作為交通流量問題研究的基礎，隨著對車輛微觀駕駛行為的關注，van Aerde推導得到了經典的四參數單段式連續模型，即van Aerde速度-流量模型[35]。通過van Aerde模型，可由速度推算流量，實現宏觀與微觀交通流量模型間的轉換，模型結構簡單、參數少、數據獲取容易，對大規模車流和路網研究具有較強的優勢。趙娜樂等[36-37]對van Aerde速度-流量模型進行了研究，并用交通流量實測數據進行了交通流特征參數標定，結果表明模型擬合效果較好。因此，筆者采用van Aerde速度-流量模型和實際調研數據進行城市交通流量的模擬。實際交通流量數據通過北京四維圖新科技股份有限公司獲得，路網交通流量數據以路段(按照路口、紅綠燈、高速公路出入口等道路節點進行劃分得到的單元路段)形式提供，將陽泉市路網分為2×104個路段，每個路段含道路ID碼、道路類型、道路長度、車流量等信息。應用van Aerde速度-流量模型前，分別以高速公路、快速路、主干路、次支路進行模型參數標定，得到不同等級道路速度-流量模型，同時對凌晨和夜間高速公路及快速路的交通流量根據實際流量趨勢用多項式進行了修正。

1.2 道路車型構成

清單計算時需要獲得實際道路上車輛的詳細構成，包括車型(小型客車、中型客車、大型客車、輕型貨車、中型貨車、重型貨車等)，燃料類型(汽油、柴油、天然氣、電動等)，排放階段(國3、國4、國5等)信息。通過調研2017年陽泉市國道車輛結構、山西省高速公路和省道車輛結構、太原市和長治市城市內道路車輛結構，采用類比分析后獲得2017年陽泉市不同類型道路上機動車構成情況。2017年陽泉市機動車燃油類型和排放階段結構見表1。

表1 2017年陽泉市機動車燃油類型和排放階段結構

1.3 排放因子獲得方法

排放因子主要基于國家第一次、第二次移動源污染物普查數據，在調研發動機型式核準時臺架試驗結果基礎上，結合國內實際道路車載排放(PEMS)測試計算得到。實際道路PEMS測試的車型包括不同排放階段的上百輛輕型車和重型車，試驗分別在北京、深圳、唐山、重慶、廣州、新疆、哈爾濱、陽泉等地進行。

基本排放因子采用基于機動車比功率(vehicle specific power，VSP)的排放因子，計算公式如下：

(1)

式中：BEF為基本排放因子，g/(km·輛)；BER為不同道路類型、擁堵狀況下某車型在不同運行模式區間(VSP Bin)的基本排放率，g/s；δ為不同VSP Bin占比；V為不同道路類型、擁堵狀況下的平均速度，km/h。

VSP Bin的劃分參照美國MOVES模型劃分思路，考慮到我國機動車的行駛特點與美國間的差異，重型車和公交車VSP Bin根據現場調研獲得的逐秒行駛工況數據進行劃分；輕型車的行駛特點與美國類似，沿用美國MOVES模型劃分方法。

在進行機動車綜合排放因子計算時，根據陽泉的地理特點及車輛使用情況，對基本排放因子進行溫度、濕度、速度、空調、負載參數修正，公式如下：

EF=BEF×CF

(2)

式中：EF為機動車綜合排放因子，g/(km·輛)；CF為綜合修正排放因子，即溫度、濕度、速度、空調、負載修正因子的乘積，根據《道路機動車大氣污染物排放清單編制技術指南(試行)》[38]，溫度、濕度、速度、空調、負載的修正因子為0.32～1.69。

1.4 排放量計算

計算排放量時，先測算城市綜合排放因子。基于道路車輛的GPS數據分析，獲取實際道路工況數據及VSP Bin分布；基于臺架測試和PEMS測試，獲取逐秒排放率數據，在此基礎上獲取隨速度變化的機動車排放因子，結合不同道路的行駛里程(VKT)分布，開展溫度、濕度、速度、空調等參數修正后，獲取綜合排放因子。再利用van Aerde速度-流量模型，基于城市路網路段速度特征、車輛結構特征，獲取按照道路類型、車輛類型、燃油種類、排放階段劃分的路網路段交通流量。最后將路網路段交通流量與綜合排放因子相乘，經匯總后獲得城市機動車排放清單。排放量計算公式如下：

E=∑qi,j,k×li×EFi,j×365

(3)

式中：E為機動車污染物排放量，t/a；q為車流量，輛/h;i為道路類型；j為車輛類型；k為時間，h；l為道路長度，km。

1.5 排放量時空分配

以ArcGIS軟件構建平臺，利用路網信息與交通流量信息相結合的方式來確定排放空間和時間分配方法，將機動車尾氣排放量進行時空分配。空間分配時，根據路網、路段對道路長度、交通流量、機動車排放因子等信息進行處理，得到每個路段的機動車污染物排放量；時間分配時，分道路類型提取路段中的路網信息，按照工作日和非工作日各時段的機動車流量分別進行統計分析，得到不同道路類型的車流量變化規律，通過綜合排放因子計算出不同道路類型24 h的機動車排放量。

2 結果與討論

2.1 道路交通流量模擬結果

通過van Aerde速度-流量模型，結合GIS地圖、路況數據、已有道路觀測數據，獲取陽泉市基于路網路段的道路日交通流量數據(圖1)。由圖1可見，人口密集、道路密集區域每條道路的交通流量大部分在10 000輛/d以上，交通流量在20 000輛/d以上的道路主要為高速公路、國道和省道。

圖1 陽泉市日交通流量分布Fig.1 Spatial distribution of daily traffic flow in Yangquan City

圖2 陽泉市機動車污染物日均排放量Fig.2 Daily average pollutant emission of motor vehicles in Yangquan City

2.2 污染物排放總量

2017年陽泉市工作日和非工作日路網機動車排放量的CO、HC、NOx和PM排放量如圖2所示。

由圖2可見，工作日CO、HC、NOx、PM排放量分別為126.9、26.6、49.3、0.7 t/d，非工作日分別為119.4、25.1、45.2、0.6 t/d，非工作日污染物的排放量稍低于工作日。2017年工作日、非工作日分別為250和115 d，計算得到陽泉市全年道路機動車排放量的CO、HC、NOx、PM量分別為4.56×104、0.96×104、1.76×104、0.024×104t。

2.3 排放量按車型分布特征

陽泉市全路網道路上不同車型在工作日和非工作日各污染物的排放占比如圖3所示。由圖3可見，每種車型對4種污染物的貢獻率差異較大，小型客車的CO和HC排放占比最大，重型貨車和大型客車是NOx和PM的主要排放源。工作日與非工作日的排放占比相比，小型客車各項污染物變化不明顯，工作日和非工作日均在80%以上，這主要是由于小型客車除在工作日主要用于上下班外，在非工作日也有較大的出行需求；中型和大型客車在非工作日NOx和PM排放占比稍高于工作日，這與非工作日人們有旅行出行需求等相關，其他車型的污染物排放占比在工作日和非工作日區別不明顯。

圖3 陽泉市按車輛類型劃分的機動車污染物排放量構成Fig.3 Proportions of motor vehicle emissions by vehicle types in Yangquan City

各車型日均污染物排放量如圖4所示。由圖4可見，小型客車CO、HC、NOx、PM排放量分別為101.6、22.1、5.0、0.01 t/d，排放總量最大；中型客車分別為2.0、0.2、1.0、0.01 t/d；大型客車分別為6.7、1.3、16.0、0.10 t/d；輕型貨車分別為8.5、1.6、2.0、0.2 t/d；中型貨車分別為1.1、0.2、3.0、0.1 t/d；重型貨車分別為4.8、0.8、21.0、0.3 t/d。

圖4 陽泉市按車輛類型劃分的機動車污染物日均排放量Fig.4 Proportions of motor vehicle emissions daily average by vehicle types in Yangquan City

2.4 排放量按階段分布特征

陽泉市機動車日均排放量按排放階段分布如圖5所示。由圖5可見，CO、HC、NOx、PM排放量大小依次為國4、國3、國5、國2、國1、國0。其中，國4機動車CO、HC、NOx、PM排放量分別占總排放量的38.9%、41.8%、31.3%、16.7%，國3機動車分別占22.4%、23.5%、49.3%、66.7%。國4機動車的CO和HC排放量占比較高，這主要是由于國4小型客車保有量占比較高；國3機動車的NOx和PM排放量占比較高，主要是由于國3柴油車的單車排放量較高。

圖5 陽泉市按排放階段劃分的機動車污染物日均排放量Fig.5 Proportions of motor vehicle emissions by emission stages in Yangquan City

2.5 排放量按空間及道路類型分布特征

根據路口、紅綠燈、高速公路出入口等節點進行道路路段的劃分，統計每個路段的車輛里程、平均車速，將基于路段的機動車活動強度、車型、行駛速度與排放因子相結合，建立機動車各污染物排放量的空間分布，結果見圖6。由6圖可見，高速公路和路網密度處于中等水平的道路機動車排放強度較高，路網非常密集的區域可能由于每個路段的長度較短，機動車行駛速度相對較低，導致機動車排放強度并不是最高。排放強度較高的路段主要為南北走向的天黎高速公路(G207、S45)、東西走向的京昆高速公路(G5)以及陽泉繞城高速公路(S2003)。

根據道路類型，分別統計城市高速公路、國道、省道、縣道、鄉道上機動車的CO、HC、NOx、PM排放量，然后按工作日和非工作日加權后得到各類型道路上的污染物日均排放量(圖7)。由圖7可見，高速公路上各污染物排放量均較大，國道和省道上的排放水平比較接近，縣道排放量最少。CO和HC排放量在高速公路和鄉道上的占比較高，CO和HC排放主要來自于小型客車，說明小型客車更多愿意行駛在高速公路，鄉道上的排放占比較高是由于鄉道長度在總道路中占比以及行駛在鄉道的小型客車占比較高。NOx和PM排放量在高速、國道、省道的排放占比較高，是由于NOx和PM排放主要來自于重型貨車，而高速、國道、省道是重型貨車運輸貨物的主要通道。

圖6 陽泉市機動車污染物日均排放量空間分布Fig.6 Spatial distribution of daily average vehicle emissions in Yangquan City

圖7 不同道路類型各污染物日均排放量Fig.7 Daily average emission of pollutants on various roads

2.6 排放量按區縣分布特征

陽泉市行政區包括平定縣、盂縣和郊區、礦區、城區，共兩縣三區，各區縣的機動車排放量統計如圖8。從圖8可以看出，各污染物排放量最大的為盂縣，其次是平定縣和郊區，由于礦區和城區的面積占比很小，因此排放量占比也很小。

圖8 陽泉市按區縣劃分的機動車日均排放量Fig.8 Proportions of motor vehicle emissions by administrative districts in Yangquan

2.7 結果對比分析

為對建立的排放清單進行比較和分析，將該研究與張意等[10,29]的研究進行了比較。根據張意等[10]的研究結果，天津市2013年機動車污染物CO、HC、NOx和PM的排放量分別為22.78×104、5.29×104、6.94×104、0.32×104t，分別是陽泉市機動車排放量的5.0、5.5、3.8、13.3倍，考慮到2017年陽泉市與2013年天津市機動車保有量的差異，2013—2017年機動車排放標準的升級及黃標車的淘汰，認為陽泉市機動車污染物的排放總量合理，顆粒物的排放水平比天津市偏低，但與成都[32]相比，顆粒物排放水平偏高，這主要是由于不同方法之間的差異所致。對于工作日與非工作日排放量的差異性，李笑語等[29]對南京市場研究發現，非工作日污染物的排放量稍低于工作日，與本研究結果一致。

2.8 不確定性分析

本研究基于交通流量信息和排放因子編制陽泉市道路機動車排放清單。交通流量信息包括具有時間分布特征的車流量、車速信息，其中車流量通過模型計算得到，由于同一等級的道路在不同區域的車流量有所差異，會給流量模擬帶來一定的不確定性。用于計算的排放因子需要進行溫度、空調、海拔、負載、燃料等參數修正，這些參數的修正除了參照已有模型外，還要基于實際調研數據進行修正，在獲取過程中不可避免存在誤差。實際道路機動車的構成主要參照了陽泉市國道車輛結構及山西省和其他相鄰城市道路車輛的結構，可能與陽泉市的實際情況存在一定偏差。基于以上分析，排放清單的不確定性受到車流量、排放因子和車型構成的影響，其中車流量和排放因子的影響相對較大。

3 結論

(1)利用van Aerde速度-流量模型，結合GIS地圖及實際路段交通流量數據，得到全路網交通流量分布，其中人口密集、道路密集區域每條道路的日交通流量大部分在10 000輛/d以上，高速公路、省道日交通流量在20 000輛/d以上。

(2)2017年陽泉市道路機動車的CO、HC、NOx、PM排放量分別為4.56×104、0.96×104、1.76×104、0.024×104t。按道路類型劃分，高速公路(含城市快速路)機動車是4項污染物排放的主要貢獻者；按車輛類型劃分，小型客車是CO、HC排放的主要貢獻者，重型貨車是NOx、PM排放的主要貢獻者；按排放階段型劃分，國4機動車的CO和HC排放量占比較高，國3機動車的NOx和PM排放量占比較高；按區縣劃分，污染物排放量最大的為盂縣，其次是平定縣和郊區。