基于實際行駛里程的重型貨車動態排放清單構建方法與應用

楊 艷，陳建華，張 鵬，張 凱，沈毅成，高 健*

1.中國環境科學研究院大氣環境研究所，北京 100012

2.生態環境部環境規劃院，北京 100043

機動車源正逐漸成為城市顆粒物和臭氧污染的首要貢獻源[1-4]，重型貨車又是機動車尾氣NOx和PM 的主要貢獻者[5-8].根據2020-2022 年《中國移動源管理年報》，我國重型貨車NOx排放量占汽車總排放量的74.0%～76.1%，PM 排放量占汽車總排放量的51.5%～52.4%[9-11].排放清單可以全面量化污染物排放量和識別污染源，掌握污染物排放規律[12-14].因此，準確構建重型貨車大氣污染物排放清單對城市大氣環境質量精細化管理具有重要意義.此外，由于重型貨車具有較強的移動屬性，特別是長距離跨城市運輸型車輛，市域內污染物排放量應包括本地車輛和過境車輛的行駛排放，構建符合當地實際的本地和過境重型貨車大氣污染物排放清單是實現精準治污的重要基礎.

目前，機動車排放清單編制自上而下法中年行駛里程主要通過實地調研[15-19]、環保檢測數據處理與模擬[20]或采用《道路機動車大氣污染物排放清單編制技術指南(試行)》[21](簡稱“《技術指南》”)推薦值[22-25]，并不是車輛的實際行駛里程全量數據；自下而上法中道路長度通常采用道路全長[26-34]，車輛實際不完全是在整條道路上行駛，與實際行駛里程存在較大差異.隨著大數據的發展，可更加全面和精準地獲取道路車輛信息和實際行駛數據.目前GPS 數據主要應用于出租車、網約車等小型客車污染物排放特征研究，何水苗等[35-36]基于GPS 數據分析了出租車CO2排放特征；韓印等[37]基于GPS 數據，對網約車污染物時空排放特征進行了分析.少量學者應用GPS 數據研究了重型貨車污染物排放清單，如Ibarra-Espinosa 等[38]利用輕型貨車和卡車的GPS 數據，通過模型模擬建立了污染物排放清單.Cheng 等[39-42]利用GPS 數據及路網等多源數據，根據COPERT 模型排放因子和道路長度乘積計算重型柴油貨車高時空分辨率污染物排放清單，并分析了污染物時空變化特征.綜上，目前缺少基于實際行駛里程建立的市級層面本地和過境重型貨車全年動態排放清單的研究.

濰坊市位于山東半島中部，是工業和農業大市，貨運量位居全省前列[43]，環境空氣質量受機動車影響較大[44]，尤其是重型貨車等高排放運輸車輛，目前針對濰坊市本地和過境重型貨車污染物排放清單的研究較少.鑒于此，本研究提出了一種基于實際行駛里程建立本地與過境重型貨車動態排放清單的方法，并以山東省濰坊市為例，應用GPS 大數據，分析本地和過境重型貨車行駛里程和污染物排放變化特征，并與保有量法進行對比分析，以期為城市機動車污染防治精準施策和區域交通運輸結構調整提供導向支持.

1 材料與方法

1.1 數據來源

GPS 大數據來源于全國道路貨運車輛公共監管與服務平臺(https://www.gghypt.net，簡稱“貨運平臺”)，北斗衛星定位系統數據源時間分辨率為30 s，空間分辨率為10 m，數據信息包括時間、車架號、車牌號、經度和緯度等.數據年份為2019 年，GPS 數據量共計107×108條.

1.2 質量控制和質量保證

因衛星定位裝置信號偏弱或無信號、車輛停靠等因素會造成車輛GPS 數據異常，為減少這種異常對研究結果的影響，對GPS 數據進行批量校驗與處理，具體方法如下.

a)軌跡數據偏離校驗.參照文獻[45-46]，用Python 編寫程序進行批量處理，將軌跡偏移數據重新定位在合理路線上，一般定位在上一個GPS 點位與下一個GPS 點位中間，使得前后GPS 軌跡點在一條路線上.

b) GPS 弱信號或無信號軌跡數據校驗.參照文獻[45-46]，將車輛軌跡數據中弱信號或無信號的GPS 數據按正常速度均勻地重新定位在行駛道路上.如軌跡點在1 號位置報錯，6 號位置正常出現，中間間隔2.5 min，矯正辦法為每隔30 s 在道路上均勻插入軌跡點.

c)車輛停靠數據剔除.針對車輛停靠數據，采用增量聚類法對車輛停靠軌跡數據進行聚類，在一定范圍內形成停靠軌跡簇，批量刪除停靠軌跡簇數據.

1.3 清單構建

參考《技術指南》[25]和《城市大氣污染物排放清單編制技術手冊》[47](簡稱“《技術手冊》”)，應用GPS大數據，基于實際行駛里程計算重型貨車尾氣污染物排放量，計算公式：

式中：j為車輛類型，包括本地重型貨車、過境重型貨車；m為污染物種類，包括CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC；Ejm為重型貨車j的污染物m的排放量，t；i為排放標準，國Ⅰ前、國Ⅰ、國Ⅱ、國Ⅲ、國Ⅳ、國Ⅴ；EFmi為i排放標準的重型貨車j行駛單位距離所排放污染物m的量，g/km；VKTij為i排放標準的重型貨車j的實際行駛里程，km.

1.3.1 車型統計

GPS 數據以重型貨車為主，但也存在一部分輕型和中型貨車安裝了衛星定位裝置，將GPS 數據接入貨運平臺，本研究以重型貨車為研究對象，需從貨運平臺提供的數據中篩選出重型貨車相關信息，方法如下.

a)從貨運平臺獲取車輛車架號，如LVBV5PBB3-BW010622.

b)將車架號前8 位輸入商車網(https://www.cn357.com/notice)汽車公告數據查詢系統，得到車輛總質量數據，再根據重型貨車定義(總質量大于等于12 t)判斷是否為重型貨車，最終批量處理得到所有重型貨車相關信息.

c)根據貨運平臺給出的車牌號，辨別并統計研究區域內所有的本地重型貨車和過境重型貨車.車型定義：重型貨車是指總質量大于等于12 t 的載貨汽車；本地重型貨車是指注冊地為研究城市的重型貨車；過境重型貨車是指注冊地為非研究城市的重型貨車，即外地重型貨車.

1.3.2 排放標準確定

從貨運平臺獲取車輛車架號，車架號第10 位字母代表車輛的生產年份，將車輛生產年份與我國重型貨車各排放標準執行時間進行匹配，進而確定重型貨車的排放標準.如車架號為LVBV5PBB3BW010622，第10 位是B，B 代表2011 年制造生產，由《中國移動源環境管理年報》(2021 年)中全國新生產機動車排放標準實施進度表可知，我國在2011 年重型燃油貨車執行的是國Ⅲ標準，因此判斷該輛車為國Ⅲ排放標準.

1.3.3 行駛里程計算

行駛里程是機動車污染物排放計算的關鍵參數.利用GPS 經緯度數據，通過Haversine 公式計算行車兩點之間的距離，計算方法：

式中：d為兩點之間的距離，km；r為地球半徑，取平均值6 371 km；φ1、φ2為兩個點的緯度，°；λ1、λ2為兩個點的經度，°.

將某個時段內車輛GPS 經緯度數據進行批量處理，得到該時段內車輛實際行駛總里程，計算公式：

式中：t為時間，小時、日、月、年或任意時段；dijt為i排放標準的重型貨車j在t時間內各軌跡點之間距離，km.

1.3.4 排放因子修正

采用《技術指南》和《技術手冊》推薦的基準排放因子，考慮研究區域的地理環境、氣象特征、交通工況等條件，對基準排放因子進行本地化修正，最終得到適用于該研究區域的各項污染物排放因子.其中，地理環境數據通過查閱《濰坊市統計年鑒(2020 年)》[48]獲取，包括溫度、相對濕度、海拔；平均速度由實地調查和文獻資料[39]查閱確定，平均速度區間取40～80 km/h；劣化數據和載重系數取《技術指南》推薦值.本地化修正后的排放因子如表1 所示.

表1 本地化修正后的排放因子Table 1 Revised emission factors

2 結果與討論

2.1 研究區域內重型貨車行車構成特征

基于GPS 大數據統計研究區域內重型貨車行車構成(見圖1)，濰坊市2019 年重型貨車交通量以過境重型貨車為主，占比為77.26%，本地重型貨車僅占22.74%，過境重型貨車交通量是本地重型貨車的3.40 倍，可見，基于GPS 大數據分析行車構成能夠直接量化本地與過境重型貨車的交通量，這是傳統方法較難實現的.從排放標準構成占比來看，國Ⅴ重型貨車占比最大，為59.03%(本地重型貨車占13.59%，過境重型貨車占45.44%)；其次是國Ⅳ重型貨車，占比為26.26%(本地重型貨車占6.37%，過境重型貨車占19.89%)；國Ⅲ重型貨車占比為14.71%(本地重型貨車占2.78%，過境重型貨車占11.93%)；無國Ⅱ及以下重型貨車.

圖1 濰坊市重型貨車行車結構Fig.1 Composition of HDTs in Weifang City

2.2 行駛里程特征

2.2.1 時間變化

濰坊市2019 年重型貨車年均實際行駛里程為19.73×108km，其中過境重型貨車行駛里程占比為73.08%，過境重型貨車行駛里程約是本地重型貨車的2.71 倍.國Ⅳ車行駛里程最多，占比為55.26%(本地重型貨車占15.89%，過境重型貨車占39.37%)；國Ⅲ車行駛里程最少，占比為21.82%(見圖2).本地和過境重型貨車月均行駛里程分別為0.44×108和1.22×108km.從逐月變化(見圖3)來看，2 月本地和過境重型貨車行駛里程均明顯降低，約是其他月份的26.98%～63.26%，這是由于2 月為春節假期，大部分商家和物流公司停業放假，導致物流市場需求量和活躍度下降，貨運量明顯減少.春節過后，企業和商家的物流需求逐漸恢復，貨車交通量逐漸增加，3-12 月總體上重型貨車行駛里程呈逐月增加趨勢.其中，秋冬季(9-12 月)本地和過境重型貨車行駛里程增幅較高，分別最高增至0.61×108、1.54×108km，主要與秋冬季是物流旺季有關，濰坊市是工業和農業大市，秋季農產品豐收、冬季工業貨物儲藏以及春節貨物提前儲備等均會引起貨運量的增加，行駛里程也隨之明顯增加.

圖2 濰坊市不同排放標準的重型貨車行駛里程占比Fig.2 Proportion of VKTs of HDTs with different emission standards in Weifang City

圖3 濰坊市本地與過境重型貨車月行駛里程Fig.3 Monthly VKTs of local and non-local HDTs in Weifang City

2.2.2 單輛里程

從單輛重型貨車日行駛里程(見圖4)來看，本地重型貨車日行駛里程高于過境重型貨車，單輛本地和過境重型貨車行駛里程分別為(126.73±15.24)和(107.10±6.14) km/d，這是由于過境重型貨車多為過路車，僅是短暫行駛路過，在研究區域內行駛里程相對較少.與《技術指南》中行駛里程推薦值(75 000/365=205.48 km/d)相比，基于GPS 大數據計算的單輛重型貨車日行駛里程低于推薦值，里程差異范圍為38.05%～47.80%.引起該里程差異的主要原因是基于GPS 大數據計算的行駛里程指的是本地重型貨車和過境重型貨車2019 年在研究區域內的實際行駛里程，而《技術指南》里程推薦值指的是單輛重型貨車年均行駛里程，包括在本地和外地行駛的里程.此外，城市地理位置、經濟發展、交通結構、產業結構以及研究年份也是引起2 種方法里程差異的重要因素，《技術指南》里程推薦值是在編制年份時全國重型貨車平均行駛里程水平，地域和年份未進行細化和更新.因此，對于長距離跨城市運輸型的重型貨車(本地或過境重型貨車)，對其行駛里程本地化以及動態化更新尤為重要.從里程與車齡變化(見圖4)來看，車齡在2～9 a 的重型貨車隨著車齡的增加，行駛里程呈減少趨勢，新購入車輛(車齡為1 年內)行駛里程不是最高的.

圖4 濰坊市不同車齡的單輛重型貨車日均行駛里程Fig.4 Daily average VKTs of a single HDT of different ages in Weifang City

2.3 動態排放清單

2.3.1 年排放特征

濰坊市2019 年重型貨車CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 年排放量分別為2 811.00、7 334.06、275.90、33.50、344.70、119.02、130.31、69.18 和17.69 t，其中過境重型貨車各污染物排放占比在73.07%～76.31%之間，約是本地重型貨車排放量的2.71～3.22 倍，由此可見，過境重型貨車是濰坊市重型貨車污染物排放的主要貢獻源.

不同排放標準的重型貨車交通量和污染物排放占比如圖5 所示，對于本地重型貨車，國Ⅳ車對各項污染物排放貢獻率最大；對于過境重型貨車，國Ⅳ車對CO、NOx、SO2和NH3排放貢獻最大，國Ⅲ車對VOCs、PM2.5、PM10、BC 和OC 排放貢獻最大.總體而言，國Ⅲ和國Ⅳ車交通量僅占40.00%左右，污染物排放占比在74.88%～96.48%之間，表明加快淘汰低排放標準重型貨車對濰坊空氣質量改善仍是有效可行的措施.

圖5 濰坊市不同排放標準的重型貨車交通量和污染物排放量占比Fig.5 Proportion of the traffic volume and emissions of HDTs with different emission standards in Weifang City

2.3.2 日排放變化

基于逐日行駛里程計算了2019 年本地和過境重型貨車污染物逐日排放量.由圖6 可見，PM2.5和NOx日排放量均呈周內高、周末低的規律性變化特征，星期一開始排放量逐漸增加，星期三或星期四增至最高，星期日降到最低.除春節等節假日外，整體上本地重型貨車日均排放量變化相對平穩，PM2.5和NOx日排放量分別為(0.08±0.02)和(5.24±1.61) t；過境重型貨車從年初開始日排放量呈逐漸增加趨勢，增幅相對較大，PM2.5和NOx日均排放量分別為(0.25±0.07)和(15.10±4.33) t.過境重型貨車各項污染物日均排放量約是本地重型貨車的2.33～4.00 倍(見表2).

圖6 濰坊市重型貨車PM2.5 和NOx 逐日排放量Fig.6 Daily emissions of PM2.5 and NOx from HDTs in Weifang City

表2 濰坊市本地重型貨車與過境重型貨車污染物日均排放量Table 2 Daily average emissions of local and non-local HDTs in Weifang City

2.3.3 小時變化特征

為滿足貨車污染防治精準管控需求，建立重型貨車小時排放清單.鑒于2019 年9-12 月濰坊市內重型貨車行駛里程較高，選取9-12 月GPS 數據分析小時污染物變化特征(見圖7).本地重型貨車CO、NOx、VOCs 和PM2.5小時排放量分別為(11.48±2.38)(28.70±6.19)(1.35±0.29)和(0.43±0.10) kg，過境重型貨車分別為(34.72±5.69) (90.67±14.92) (4.27±0.70) 和(1.47±0.24) kg，過境重型貨車小時排放量明顯高于本地重型貨車排放量.從變化趨勢看，本地重型貨車小時污染物排放量呈單峰分布，峰值出現在12:00，18:00 開始逐漸下降，與本地人們活動變化較為吻合；過境重型貨車小時污染物排放量分別在12:00、20:00出現峰值，呈雙峰分布，其中晚間峰值可能由于濰坊市是工農業大市，傍晚外地車輛開始大量向外運輸貨物所致，這與夜間道路上貨車車流較大的特征較為吻合，因此濰坊市應重點關注過境重型貨車夜間行駛排放影響.

2.3.4 主要道路排放特征

考慮冬季氣象條件不利，易發生重污染過程，選取2019 年12 月GPS 數據分析道路污染物排放變化情況，重點分析重型貨車污染物排放較高的前50 條道路(簡稱“R50”)上的污染物排放特征，應用ArcGIS軟件，繪制了R50本地和過境重型貨車PM2.5、NOx排放量空間分布情況(見圖8).由圖8 可見，本地和過境重型貨車污染物排放量空間分布相似，均在高速路、國道和省道上排放量較高，但過境重型貨車在高速公路排放量較高的特征更為突出.對于本地重型貨車，2019 年12 月R50排放量差值(最大值與最小值之差)相對較小，PM2.5排放量差值為0.39 t，NOx排放量差值為26.36 t，污染物排放較高的前3 條道路分別為S222、G206 和青銀高速公路.對于過境重型貨車，2019 年12 月R50排放量差值較大，特別是NOx，其月排放量在11.58～144.00 t 之間，排放量差值為132.42 t，在青銀高速公路上污染物排放量(NOx月排放量為144.00 t)明顯高于排名第二的S222(NOx月排放量為83.68 t)，可見青銀高速公路是濰坊市過境重型貨車的重要交通干道.

圖8 濰坊市本地和過境重型貨車R50 道路污染物排放空間分布Fig.8 Spatial distribution of pollutant emissions from local and non-local HDTs on R50 roads in Weifang City

2.4 與保有量法對比

2.4.1 排放量比較

采用保有量法[25,47]對濰坊市重型貨車排放量進行計算，里程值取《技術指南》和《技術手冊》推薦值(75 000 km/a)，排放因子修正與1.3.4 節相同.從車輛管理部門獲取的重型貨車保有量為7.92×104輛，計算的CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 排放量分別為8 814.03、25 209.27、831.09、100.92、1 226.3、454.51、504.72、265.84 和70.64 t/a，高于2.3.1節基于實際行駛里程的計算結果，這與潘玉瑾等[49-51]研究中基于保有量法計算的重型貨車排放量偏高結論一致.基于保有量法計算的重型貨車污染物排放量高于基于實際行駛里程法的計算結果，2 種方法排放量差異在66.80%～74.96%之間(見表3)，主要由于行駛里程計算方法不同導致.本研究應用GPS大數據計算的是本地和過境車輛在研究區域的實際運行里程，而保有量法是由保有量與單車年均行駛里程相乘得到總行駛里程，其中單車年均行駛里程除在本地行駛里程外，還包括在外地的行駛里程，由于重型貨車具有較強的移動性，本地重型貨車可能在外地行駛較多，導致保有量法計算結果較高.

表3 2 種方法計算的污染物排放量對比Table 3 Comparison of pollutant emissions calculated by two methods

2.4.2 方法比較

本研究應用GPS 大數據，以本地和過境重型貨車在研究區域內實際行駛里程為基礎計算了尾氣排放清單，考慮了貨車較強的移動性，建立了本地和過境重型貨車動態排放清單.與保有量法比較，本研究方法具有如下優點：①行車結構方面，分析了本地和過境重型貨車交通量和行駛里程特征；②行駛里程方面，計算得到的是本地和過境重型貨車的實際行駛里程，沒有將本地重型貨車在外地的行駛里程計算在內，且包含了過境重型貨車在本地的行駛里程，計算結果更接近于實際狀況；③排放清單分辨率方面，時間分辨率為小時，空間分辨率為道路路段.

2.5 不確定性分析

本研究在排放清單構建過程中，行駛里程取自車輛GPS 大數據，其可降低結果的不確定性.但由于數據獲取和方法估算局限性等原因，不可避免地仍存在一定不確定性.本研究不確定性主要包括以下幾個方面：①排放因子.由于未開展本地排放因子測試工作，采用《技術指南》和《技術手冊》基準排放因子進行本地化修正，存在一定不確定性.②燃油類型.因受數據獲取限制，尚未區分車輛燃油類型，鑒于2019 年我國重型貨車以柴油為主，將重型貨車燃油類型視為柴油.未來研究將進一步優化數據質量和方法論，以更全面地評估重型貨車污染物排放清單及其對環境的影響.

3 結論

a)基于GPS 大數據計算的本地和過境單輛重型貨車日行駛里程分別為(126.73±15.24)和(107.10±6.14)km，里程值為本地和過境重型貨車在研究區域內的實際運行里程，計算結果更接近于實際狀況.

b)基于實際行駛里程建立了重型貨車動態排放清單，濰坊市2019 年重型貨車CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 排放量分別為2 811.00、7 334.06、275.90、33.50、344.70、119.02、130.31、69.18和17.69 t.其中，過境重型貨車各污染物排放量占比范圍為73.07%～76.31%，約是本地重型貨車排放量的2.71～3.22 倍.

c)過境重型貨車NOx和PM2.5小時排放量分別為(90.67±14.92)和(1.47±0.24) kg，變化趨勢均呈雙峰分布，峰值分別出現在12:00 和20:00；本地重型貨車NOx和PM2.5小時排放量分別為(28.70±6.19)和(0.43±0.10) kg，變化趨勢均呈單峰分布，峰值均出現在12:00.過境重型貨車在青銀高速公路上的污染物排放量明顯高于其他道路.

d)基于保有量法計算的重型貨車污染物排放量高于基于實際行駛里程法的計算結果，2 種方法計算的排放量差異在66.80%～74.96%之間.