對柳州市道路交通空氣污染物分析及其可視化的研究

周娜 潘穎 羅茜 晏舜杰 韓關菊

廣西師范大學 廣西桂林市 541001

1 引言

隨著經濟的高速發展，汽車是人類不可缺少的交通工具，汽車尾氣是大氣的主要污染源。城市化進程的不斷加快，機動車輛急劇遞增，機動車尾氣已成為造成空氣污染的主要原因之一。20世紀90年代后期，機動車快速增長引起的尾氣型污染（如NOx、CO、SO2等）在許多城市逐漸成為城市大氣污染的主要來源，車輛尾氣排放所占比例已超過70%。柳州市是廣西第二大城市和副中心城市，是西南地區最重要的制造業基地，也是區域性綜合交通樞紐。截至2020年底，柳州市汽車年增長率超過10%，其中市區汽車保有量65萬輛，主城區車流壓力總體呈上升趨勢，城市東西走向干路交通壓力較大。喻謙花、康屠雨等人在研究開封市空氣污染程度時綜合運用應用統計、指標和“配料”等方法，建立重污染潛勢預報模型來預測空氣污染指數；許慧鵬在研究城市交通道路空氣污染物時采用污染物微尺度時空分布得出了交通道路空氣污染物中的氮氧化物為例，分析了車流量、風向、風速、溫度、濕度等多種因素對氮氧化物濃度變化的影響；黃明忠從機動車車用燃油品質不良、機動車尾氣排放控制技術還需提升、機動車的排放控制技術網絡化體系構建不完善等自身問題分析了空氣污染與機動車的關系。綜合治理城市大氣污染，了解車輛保有量與空氣污染的聯系，建立模型有效治理道路交通空氣污染。

2 研究目的與方法

本文利用2013年——2019年的民用車輛保有量數據以及空氣污染物濃度進行研究，采用灰色預測模型預測2020年——2024年的車輛保有量，并運用一元線性回歸模型得到各空氣污染物濃度與車輛保有量之間的關系，從而預測出各車型保有量下的空氣污染物濃度，根據所得結果進行分析，得到柳州市道路交通空氣污染物特征及治理情況，并針對如何有效治理道路交通空氣污染問題提出相應的建議。

3 模型建立

3.1 道路機動車保有量（總量）灰色預測

本文使用柳州市2013年～2020年道路機動車保有量統計數據為原始建模序列，根據灰色模型原理建立機動車保有量GM（1，1）模型，取原始數列：

根據公式構造一次累加：

可生成累加序列：

構造矩陣B和數據向量Yn，其中H為待定系數矩陣，得：

由此可得到參數α，β的值，代入白化方程得到累加序列的通解：

根據累加序列的通解求出原始序列的通解，即預測函數：

其中q=2，3，…，7分別表示2014年，2015年…，2019年。

將①式代入②式：

將各個車型的數據代入上述公式，可得各個車型的預測函數：

將表1各個車型的2013年-2019年保有量數據分別代入各自的預測函數，分別求出灰色預測下的預測值，如表2所示。

表1 機動車保有量灰色預測原始數據（單位：萬輛）

表2 灰色預測下2013年-2019年機動車保有量的預測值 （單位：萬輛）

對預測值進行殘差檢驗及關聯度檢驗，以驗證灰色預測模型的精度。運用下列公式，進行預測模型的殘差檢驗，檢驗過程為：

殘差：

相對誤差：

平均殘差：

灰色預測模型的建模精度：

通過上述計算公式，求得

本文建立得灰色預測模型通過殘差檢驗，說明模型具有足夠高的精度，可以作為預測模型使用。模型的擬合程度見下圖。

圖1 摩托車保有量灰色預測模型預測值與實際值擬合圖

圖2 掛車保有量灰色預測模型預測值與實際值擬合圖

通過模型檢驗發現，由于機動車保有量的未來數量變化會受到國家政策，社會環境，市場經濟等諸多影響，預測結果會與實際情況有所出入。此外，拖拉機的精度不高，因為拖拉機主要用于農業，而農業的發展還會受到天氣及氣候等自然因素的影響，所以拖拉機精度會受到更大的影響。

運用下列公式，進行預測模型的關聯度檢驗，取ρ=0.5，檢驗過程為：

各個車型的關聯系數：

各個車型的關聯度：

計算出各個車型關聯度之后，取平均值：

當ρ=0.5時，r=0.64＞0.6，此時說明該灰色模型的精度是較高的，可以運用該模型。通過以上兩種檢驗，殘差檢驗和關聯度檢驗分析可得該灰色預測模型是可用的。

通過模型檢驗發現灰色預測模型具有較高的精度，根據各個車型的預測函數可預測出2020-2024年各個車型的保有量數據如下。

表3 柳州市各個車型保有量灰色預測結果（單位：萬輛）

3.2 一元線性模型檢驗

通過灰色預測模型得出的2020年-2024年各個車型的保有量數據，分析其與空氣污染物之間的關系，建立一元線性模型，最終得出空氣污染濃度總量。通過網站搜集得到2014年到2020年的六種空氣污染物濃度的原始數據如表五所示，并計算六種污染物濃度總和得到污染物濃度總量的數據如下。

表4 六種污染物的原始數據

通過觀察，發現五種不同的車的類型與污染物濃度分別呈現線性關系，并建立一元線性模型如下：

其中為擾動項。

通過計算整理之后得到六個一元線性模型的系數如下表所示：

表5 汽車的系數

對其進行t檢驗，針對表六，假設檢驗問題：H0：βi=0，其P值均小于0.05，拒絕原假設，則可以認為x與y1之間存在顯著的線性關系。同理可得，由表6、表7、表8、表9可知，x與yi（i=2，4，5，6）之間存在顯著的線性關系。但表8中截距的P值大于0.05，接受原假設，所以拖拉機保有量與污染物濃度總量沒有顯著的線性關系。

表6 摩托車的系數

表7 拖拉機的系數

表8 掛車的系數

表9 其他類型的車的系數

通過假設檢驗后得到的四個一元線性回歸模型如下：

由模型可以看出，在其他因素不變的條件下，當汽車保有量增加1萬輛，污染物濃度總量減少0.091萬噸；當摩托車保有量增加1萬輛，污染物濃度總量增加0.161萬噸；當掛車保有量增加1萬輛，污染物濃度總量減少19.068萬噸；當掛車保有量增加1萬輛，污染物濃度總量增加220.815萬噸。

結合灰色預測模型與意愿線性回歸模型得到的2021年到2025年得到的預測結果如下。

根據表10繪制出各車型保有量的影響下空氣污染物濃度總量的預測趨勢圖如下：

表10 2021年到2024年各車型保有量的影響下空氣污染物濃度總量的預測

根據圖3，我們可以發現，隨著汽車技術的發展以及出口數量的增加，人們環保理念的增強，新能源汽車的使用增加，導致汽車和掛車的保有量在不斷地增加。同時，在柳州市禁摩、限摩的政策下，摩托車和其他類型的車的保有量在不斷地減少。根據所構建的一元線性回歸模型，隨著汽車、掛車保有量的增加，摩托車和其他類型的車的減少，污染物濃度總量都在不斷地減少。因此，柳州市政府應該繼續踐行現有政策，加強人們的綠色環保理念，推動新能有汽車的發展。

圖3 各車型保有量的影響下空氣污染物濃度總量的預測趨勢圖

4 模型的優缺點

4.1 模型的優點

（1）灰色預測及一元線性回歸模型均不需要太多的樣本量，計算的工作量相對較小，預測精度較高。（2）灰色預測模型是一種對含不確定因素的系統進行預測的方法。機動車保有量中時間不是預測的主要因素，而國家政策，社會環境，市場經濟等諸多外界因素是導致機動車保有量發生變化的主要因素，其他相關文獻運用的時間序列模型的系統對象是隨時間變化而變化的。所以灰色預測模型精確度較高。一元線性回歸方程建模速度較快，可以根據系數看出各個變量對結果的影響程度，可解釋性較高。

4.2 模型的缺點

灰色預測模型只適用于中短期預測，若使用長期預測，使用該預測模型結果精確度不高。對于非線性數據難以進行一元回歸模型。

5 結語

根據以上分析及空氣污染預測結果，為柳州市更好推動交通空氣污染治理成效，我們提出以下建議：

（1）完善機動車尾氣檢測體系，嚴格執行環保法規政策。建立健全嚴格的機動車尾氣檢驗管理體系，發揮其應有的功效，監督機動車尾氣排放情況，科學規劃交通基礎設施體系。（2）發展綠色經濟產業，倡導低碳環保理念制定發展科技政策。以科技進步推動綠色產業發展，研發低污染的汽車，發展節能技術、新能源技術，科學規劃交通基礎設施建設，完善公共交通服務。（3）加大空氣污染物監管力度，強化科技能力，引進先進監測器。（4）政府加強執法能力，采用先進科學技術，強化科技能力，構建生態文明體系。