基于车辆身份检测数据的单车排放轨迹研究

为实现单车层面的动态排放轨迹追踪,基于电警式卡口产生的逐秒过车记录数据建立了车辆排放轨迹计算方法,通过提取动态轨迹中的运行参数及机动车保有量数据库中的技术参数,并结合排放模型计算了2018年5月10日~6月9日安徽宣城市中心城区123条路段上共133,906辆车的44,672,343条轨迹的排放数据.研究结果显示,出租车是CO的重要排放来源且交通兴趣点附近路段排放强度较高;公交车和重型货车是NO_x的重要排放来源,公交车工作日NO_x排放总量达1.3kg,约为重型货车的7.5倍,且路线固定、排放分布随发车班次周期循环;轻型货车排放路线多围绕货运需求且多为昼间行驶,而重型货车多选择凌晨出行;通勤类私家车工作日昼出夜归,路线固定且往返过程各污染物排放量均较稳定.对于全路网,CO、VOCs的高排放强度区域多集中于中心路网,NO_x、PM则多分布于外围路网.     

基于AERMOD线源模式的城市路网一次PM2.5排放扩散特征研究

机动车排放的一次细颗粒物(PM_(2.5))易在城市交通密集区域和高峰时段扩散积累,形成高浓度的排放热点区域,对人体健康影响显著.本研究基于本地化机动车路网排放清单,应用AERMOD扩散模型对北京市六环内区域进行线源扩散模拟,探讨城市路网一次PM_(2.5)扩散浓度的时空变化规律与排放特征、气象条件和临时控制措施的关系.研究表明,在典型工作日的排放水平下,冬季工作日的机动车源一次PM_(2.5)模拟浓度日均值为2.94μg·m-3,夏季工作日为1.95μg·m-3.两季24 h浓度变化均呈夜间浓度高于日间的特点,但两季峰值在气象条件和排放强度的双重作用下又有所区别.冬季早晚高峰峰值浓度分别为日均浓度的2.3和1.7倍,而夏季早晚高峰由于扩散条件相对较好并未明显形成一次PM_(2.5)峰值.研究还以APEC峰会为例,评估峰会期间临时交通管控措施的影响.结果发现,在相似的季节气象条件下,APEC峰会期间机动车源一次PM_(2.5)模拟浓度日均值较峰会前削减50.1%,凌晨5:00达到小时最大削减率66.6%.冬夏季工作日机动车源一次PM_(2.5)扩散浓度的空间分布呈偏态分布,65%的浓度集中在30%的网格面积上.以冬季工作日为例,高浓度热点区域主要集中在各环路快速路、易拥堵主干道及省道、国道和高速路上,以上道路应成为排放控制的重点对象.     

谭裕沟隧道CO,SO2和NOx排放因子研究

通过1997年7月谭裕沟隧道内CO,SO₂和NO_x的连续分析,研究了其污染状况和特征,根据分析结果计算了机动车排放CO,SO₂和NO_x的平均排放因子.结果表明,机动车能排放出较高水平的CO和NO_x,在城市中CO和NO_x有相当大的部分来源于机动车排放,而SO₂的排放量则非常小.      

基于精细化年均行驶里程建立机动车排放清单

基于环保检测数据，提出“里程-车龄”曲线用以获取满足“车辆类型-燃料种类-排放标准”三级分类的精细化年均行驶里程.使用《道路机动车大气污染物排放清单编制技术指南（试行）》推荐值、车辆类型均值、“里程-车龄”曲线3种方式获取年均行驶里程并分别建立排放清单，发现年均行驶里程的本地化与精细化可以极大降低行驶里程不确定性对排放清单准确性的影响.采用精细化年均行驶里程，计算得到青岛市2017年机动车CO、VOCs、NO_x、PM₁₀、NH₃和SO₂的排放量分别为7.07，1.14，2.84，0.10，0.08和0.08万t.分析排放构成可知，老旧车淘汰在当前仍可作为青岛市机动车排放治理的有效举措.结合路网信息与交通数据，得到0.01°×0.01°高时空分辨率网格化排放清单.结果表明，青岛市机动车排放分布在不同时段变化明显.以NO_x为例，排放的早晚高峰分别出现在8：00与17：00，占到了全天总排放的8.17%和7.53%.同时，排放分布存在着空间异质性，排放从城市中心至边缘呈逐渐降低趋势，沿高速路呈明显带状分布.     

宁波市区道路机动车综合排放因子

机动车综合排放因子是计算城市机动车污染物排放总量和排放分担率的基础,是降低城市机动车排放的重要依据,是控制城市道路交通污染的源头.根据宁波市区道路机动车运行工况的研究成果,利用加速模拟工况(ASM)排放测试系统,检测主要污染物HC,CO和NO_x的排放浓度;依据试验车变速器和主减速器的结构参数,以及试验车在宁波市区道路运行时的档位分布计算排污值,并依据机动车的年代和车型分布对该值进行修正,计算宁波市区道路机动车综合排放因子.结果表明,宁波市区道路机动车主要污染物HC,CO和NO_x的综合排放因子分别为5.89,21.22和18.91 g/(km·辆).      

乌鲁木齐市机动车排放清单研究

近年来随着乌鲁木齐市机动车数量的快速增加,致使机动车排放污染突出. 通过调查乌鲁木齐市2007年机动车的保有情况及技术水平分布,研究了各类型机动车的排放因子以及年均行驶里程,并测算了该市2007年机动车污染物排放总量、分区排放量及各类型机动车的分担率. 结果表明:2007年在乌鲁木齐市注册的各类型机动车排放的CO总量为11.09×104 t,HC总量为1.53×104 t,NO_x总量为2.73×104 t,PM总量为0.38×104 t;其中CO和HC排放主要集中在城区,NO_x和PM排放主要集中在外埠;在城区的机动车排放中,CO和HC排放以轻型载客汽车为主,NO_x排放以中重型公交车为主,PM排放以中、重型载货汽车为主.      

杭州市机动车污染物排放清单的建立

基于调研的基础数据,运用修正后的IVE排放模型及GIS系统建立了杭州市2010年1km×1km的高时空分辨率的机动车排放清单.结果表明,2010年杭州市机动车污染物CO、HC、NOx、PM的年排放量分别为44.06,2.31,4.43,0.65万t,主要来自线源道路的排放.各车型污染物分担率各不相同,汽油乘用车和公交车排放CO和HC最大,柴油重型货车和公交车是NOx和PM排放的主要来源,两种燃油下的机动车排放差异十分明显.机动车污染排放与路网密集程度及道路长度密切相关,因此西湖区和江干区排放总量远远高出其他区域.机动车各污染物排放强度空间分布均呈现由城市中心向城市边缘的递减趋势,各污染物中心城区排放量占总排量的70%以上.机动车污染物排放日变化十分明显,与人群出行规律有极大的相关性.     

基于GPS数据的重型柴油货车排放时空特征分析

汽车污染已成为中国空气污染的重要来源，而重型柴油货车是汽车大气污染排放的主要贡献者。为揭示重型柴油货车的排放特征，基于高原地区云南省昆明市重型柴油货车GPS点数据，用Python语言提取重型柴油货车在各点轨迹段的平均速度、行驶里程等参数，采用机动车排放模型MOVES,模拟计算研究区域内HC、CO、NO_x、PM_2.5污染物排放量，并通过ArcGIS进一步分析其时空分布特征。结果表明：2021年1月3日昆明市研究区域内重型柴油货车HC、CO、NO_x、PM_2.5的排放量分别为11.7423,39.6386,102.2600,0.9192 kg;时间维度，重型柴油货车在2:00和22:00有明显的排放高峰，受路权及运输行业工作时间的影响；空间维度，排放的分布格局呈明显的空间异质性，受政策驱动的影响且与空间位置的布置密切相关，排放主要分布在汕昆高速、昆石高速及支路、立交交叉口处；区域内重型柴油货车小时平均速度、交通量与其小时排放量有密切关系。因此，可以针对重型柴油货车排放较高的时段和地区，采取必要的治理手段，...     

成都市道路移动源排放清单与空间分布特征

以成都市为例开展了路网、交通流、道路行驶工况和机动车保有量等数据的收集工作,运用自下而上的方法,基于实测校正和本地化的IVE模型计算了不同区域机动车在高速路、主干道、次干道和支路的排放因子,应用GIS技术建立了1 km×1 km的成都市高时空分辨率道路移动源排放清单.结果表明,2016年成都市道路移动源CO、VOCs、NO_x、SO_2、PM_(10)和NH_3排放量分别为4.2×10~5、4.5×10~4、7.2×10~4、0.4×10~3、1.1×10~4和6.2×10~3t.CO排放主要贡献车型为小型客车、中型客车和大型客车,VOCs排放主要源于小型客车和摩托车,NOx和SO2排放主要产生于小型客车和重型货车,PM10排放主要贡献车型为重型货车,NH3排放主要由小型客车贡献.污染物排放量空间分布呈现出由城市中心向卫星城市、远郊区递减趋势,中心城区和二圈层区域路网密集,排放呈片状分布,三圈层则呈带状分布.排放清单机动车技术分布数据可靠性较高,而交通流数据和排放因子存在一定不确定性.     

重型天然气车实际道路排放特征与机理研究

为掌握重型天然气车在实际道路行驶过程中的排放特性,使用便携式车载排放测试系统(PEMS)对2辆国Ⅴ重型天然气车(简称“国Ⅴ车辆”)和2辆国Ⅵ重型天然气车(简称“国Ⅵ车辆”)进行实际道路排放测试,分析了CO和NO_x的排放特征和不同工况下的排放因子. 结果表明:①国Ⅴ车辆在3种代表性道路类型(市区路、市郊路、高速路)下CO和NO_x的高排放区主要分布在中低速区域的加速阶段,而国Ⅵ车辆CO和NO_x的高排放区在市区和市郊路上主要集中在速度大于30 km/h区间,在高速路两种污染物的高排放区分布较为零散. ②根据MOVES模型划分机动车比功率区间(VSP Bin)后发现,国Ⅵ车辆在Bin 11~Bin 18区间,CO和NO_x排放速率基本稳定且处于较低水平;在Bin 21~Bin 28区间,CO和NO_x排放速率均随VSP的增加而逐渐升高. ③国Ⅴ车辆综合工况下CO和NO_x排放因子分别为国Ⅵ车辆的1.1~3.9和3.3~8.2倍,其中,在市区路分别为3.0~25.0和11.3~30.2倍. ④国Ⅴ车辆的NO₂/NO_x(浓度比,下同)远高于国Ⅵ车辆,且在高速路国Ⅴ和国Ⅵ车辆的NO₂/NO_x均最低. 此外,对比不同研究的测试结果发现,本研究国Ⅵ车辆的CO和NO_x排放因子高于其他研究中国Ⅵ重型柴油车. 研究显示,国Ⅵ车辆的CO和NO_x排放因子均低于国Ⅴ车辆,且在市区路下与国Ⅴ车辆差距更明显,因此,推广使用国Ⅵ天然气车,逐步淘汰采用稀薄燃烧技术的天然气车,能有效减少NO_x的排放.      

基于车载移动监测的北京市丰台区道路扬尘源排放特征

基于车载移动监测系统,对丰台区各类型道路、不同季节典型道路的积尘负荷特征进行分析.探讨不同环线区域内的道路车流量、积尘负荷、扬尘排放量的变化规律及原因,并运用ArcGIS软件得到道路扬尘积尘负荷和排放量的空间分布图.结果表明,各类型道路的积尘负荷均值和道路扬尘排放因子的大小顺序都为支路 > 次干道 > 主干道 > 快速路.车流量对道路扬尘积尘负荷和排放强度的影响呈反向关系.PM_2.5、PM₁₀和TSP的年排放量分别为1824、7539、39274 t·a^-1.从PM_2.5的年排放空间分布上来说,三环内网格排放量较大,其次是三环至四环,六环外的单位面积道路扬尘排放量最小.不同环线区域内的单位面积车流量和排放量大小顺序为三环内 > 三环至四环 > 四环至五环 > 五环至六环 > 六环外.而三环内、三环至四环、四环至五环、五环至六环、六环外的年均积尘负荷分别为0.67、0.73、0.76、0.80、0.79 g·m^-2.     

APEC会议期间北京机动车排放控制效果评估

机动车尾气排放是影响北京市大气环境质量的首要因素,为了保障APEC期间的空气质量,北京市采取了包括控制机动车排放在内的严格的控制措施.本研究基于路网车流量、车速和车型变化数据,提出了一种基于自下而上排放清单的控制措施效果评估方法.结果表明,APEC会议期间北京市路网车流量下降,车速上升,小客车的车流量下降幅度最大;APEC会议期间机动车尾气CO、NO_x、HC和PM排放削减比例分别为:快速路15.1%、22.4%、18.4%和21.8%,主干道29.9%、36.4%、32.7%和35.8%,次干道35.7%、41.7%、38.4%和41.2%,支路40.8%、46.5%、43.1%和46.0%.基于自下而上的排放清单方法,建立了APEC会前和会期的机动车尾气排放清单,结果显示研究区域内会期机动车尾气排放量CO、NO_x、HC和PM排放量分别削减37.5%、43.4%、39.9%和42.9%.     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.     

车辆非尾气管颗粒物排放特征研究

车辆尾气排放控制技术和排放标准在近年来得到了快速发展,但非尾气管(non-exhaust)排放却很少涉及.非尾气管排放主要包括车辆制动磨损、轮胎磨损、路面磨损和车辆扬尘,本研究调查了北京典型道路车流量和车辆运行速度等参数,应用欧盟非尾气管排放因子分析车辆制动磨损、轮胎磨损和路面磨损PM10排放.结果显示:不同类型道路的...     

基于车辆身份检测数据的车辆出行排放知识图谱研究

为实现个体车辆出行、排放行为的精细表征与挖掘,基于宣城市中心城区全量个体车辆的出行轨迹、技术参数、排放轨迹等多维交通大数据,以表征个体车辆出行过程的排放信息为主线,设计并构建车辆出行排放知识图谱.研究表明：①知识图谱直观地表征了“车辆-道路-出行-排放”信息的时空关联,可实现个体车辆在不同日期、不同时段、不同路段等多尺度出行特征的精细挖掘.以某辆小型客车为例,检索发现周一、周三出行主要连接的小时实体都为7：00、8：00和17：00,周五、非工作日出行连接的小时实体具有明显的随机性;周一、周三出行所连接的道路实体较少且基本一致,在宣水路、昭亭北路、昭亭南路的出行里程之和占比为63%~68%,周五、非工作日出行连接的道路实体则较为分散.②通过出行信息类、排放信息类实体的关联检索,可实现个体车辆出行排放时空特征的精细辨识和溯源分析.示例车辆的检索结果表明：周一车辆的CO日排放量为1.2g,是周六的2.5倍,同时在早高峰时段（7：00）,车辆出行在交通繁忙路段时,伴随低水平车速,排放强度相对较高.     

河北省国道和省道机动车基于交通流量的尾气排放量估算

河北省各城市均已开展利用机动车保有量等宏观统计数据的城市移动源排放清单编制工作,但尚缺乏对跨省及全省各城市间国省道高时空分辨率的移动源排放清单研究.本研究利用2017年河北省国道、省道日均交通流量监测数据,计算了2017年河北省国道和省道机动车大气污染物排放量.结果表明：2017年河北省国道和省道机动车CO、HC、NO_x、PM_2.5和PM₁₀排放量,与利用宏观统计数据计算得到的全省机动车排放总量相比,分别占27.8%、15.7%、55.6%、58.3%和58.5%.重型货车是国道和省道机动车CO、NO_x、PM_2.5和PM₁₀排放的主要来源.河北省南部国省道的机动车排放量以南部各城市为中心呈网状辐射,东北部沿海地区的排放量主要在沧州-天津-唐山-秦皇岛-承德沿线分布,西北部则主要在保定-张家口-内蒙沿线分布.月均排放量分布情况为1月最高,9月最低;周日均分布情况为周一—周三逐日增加,周四开始回落,周日降至最低;每日小时平均分布呈现明显的双高峰现象,两次高峰分别出现在11：00和18：00左右;最低值出现在凌晨4：00.河北省内,各市国省道机动车污染物排放分担率前3位的依次为保定、沧州和张家口.跨省交通车辆排放的CO、HC、NO_x、PM_2.5、PM₁₀分别占河北省国省道机动车总排放量的48.1%、48.7%、42.9%、41.3%和41.3%,其中天津市出入河北省的车辆排放分担率最高,其次是北京.京津冀应在区域层面建立机动车污染联合防治协调机制,从调整区域货运交通运输结构、推动柴油车污染控制措施升级等方面改善区域环境空气质量.     

基于实时交通信息的道路机动车动态排放清单模拟研究

以上海市为例开展了实际道路车流分布、行驶工况和车辆技术的实地调查,建立了道路车流、VSP分布和车辆技术数据库.在此基础上,基于实时的车流、车速等交通信息,构建了动态化的道路机动车污染物排放清单模拟方法,并开展了城区典型道路的机动车小时排放模拟案例研究.调查结果表明,上海市城区道路车流以轻型客车和出租车为主,分别占各时段车流总量的48%～72%和15%～43%;VSP分布与平均车速存在较好的规律,各车型VSP峰值随平均车速的上升向高负荷去移动,且峰值逐渐降低;当前上海市车辆以国2和国3车型为主,经过年检站调查结果的校正,国2和国3车型分别占各车型的11%～70%和17%～51%.模拟案例结果显示,道路机动车CO、VOC、NOx和PM日排放峰谷比可达3.7、4.6、9.6和19.8左右,CO和VOC排放主要来自轻型客车和出租车,与车流变化的相关性较好,而NOx和PM排放主要来自重型客车和公交车,且主要集中在早晚高峰时段.采用建立的动态排放模拟方法可实时反映实际道路的机动车排放变化,获取高排放路段和时段,为交通环境管理提供重要的技术手段和决策依据.     

京津冀国家干线公路污染空间特征分析

以国家干线公路交通量信息和单车排放因子为基础,基于GIS的路网线性参考系统,采用动态分段技术和核密度分析方法,从路段、污染物和车型这3个层次对2014年京津冀国家干线公路交通污染排放强度的空间差异进行分析.结果表明,车流量、车型构成和路网布局是引起排放强度空间分布差异的主要因素,排放强度高的路段集中在路网密度大且公路使用率高的京津地区,中小客车和特大货车对污染物排放强度影响显著.因使用燃料和车型的不同,NO_x、PM_(10)和PM_(2.5)排放强度分布大体一致,HC、CO空间分布更为相似.此外,经济发展水平、产业结构特征也是重要影响因素.北京除特大货车和集装箱以外的其他车型排放强度均很高,天津货车和客车排放强度均较高,河北货车排放强度高于客车.     

基于交通流的成都市高分辨率机动车排放清单建立

提出一种基于交通流监测数据的道路机动车高分辨率排放清单建立方法,对成都市道路交通流特征进行分析并建立了成都市机动车尾气高分辨率排放清单.结果表明,成都市道路车流量及排放均呈现明显的"双峰"分布,早晚高峰时段机动车通行量占全天的39.85%,车队结构中排放标准以国Ⅳ车为主,车辆类型以小型车为主,燃料类型以汽油车为主;道路机动车SO_2、NO_x、CO、PM_(10)、PM_(2.5)、BC、OC和VOCs(不含驻车蒸发)日排放量分别为3.89、 162.08、 324.11、 4.79、 4.36、 1.89、 0.78和44.37 t,空间分布整体呈现从城市中心到外围排放强度逐渐降低趋势,时间分布基本呈现"双峰"分布,颗粒物相关指标受货车流量影响较大; NO_x、PM_(10)、PM_(2.5)、BC和OC主要来源为大型柴油车,CO主要来源为小型汽油车,其中大型车对NO_x的贡献率达80%;基于保有量的计算方法对成都市道路机动车污染物排放存在一定高估,高估比例在1%～30%.