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.     

基于传感器技术的渭南市道路环境颗粒物污染特征及影响因素研究

为深入了解渭南市街区道路环境颗粒物污染时空分布特征,利用车载颗粒物传感器于2019年3月1日—5月31日对渭南市道路环境空气中PM_2.5和PM₁₀浓度开展在线走航测量,分析了影响渭南市道路环境颗粒物污染时空分布的主要因素.研究表明:①渭南市区内所有道路PM_2.5平均浓度范围为37.7~51.9 μg/m3,浓度较高路段位于高新区东部和主城区;PM_2.5~10（粗颗粒物）平均浓度范围为65.8~119.1 μg/m3,浓度较高路段位于各功能区城郊.②工作日早高峰时段（07:00—09:00）主城区道路环境PM_2.5、PM_2.5~10污染较非工作日严重,3种类型道路工作日07:00 PM_2.5~10平均浓度呈支路（103.5 μg/m3）>主干道（102.1 μg/m3）>次干道（96.9 μg/m3）的特征.③对于高新区和老城区路段,除早晚高峰时段出现PM_2.5和PM_2.5~10浓度峰值外,凌晨时段渣土车行驶路段、裸地或施工现场周边路段易出现PM_2.5~10浓度峰值,其PM_2.5~10平均浓度最高达230.9 μg/m3（乐天大街西段的路段Ⅳ）.研究显示,工作日早晚高峰时段,特别是早高峰,机动车排放导致渭南市高新区东部和主城区路段的PM_2.5污染加重,夜间渣土车行驶导致高新区和老城区靠近城郊路段的颗粒物（PM_2.5和PM_2.5~10）污染加重.      

基于车速-流量模型的动态化道路扬尘清单编制方法与应用

目前国内外关于道路扬尘排放的计算多采用美国环境保护局推荐的AP-42排放因子法,直接计算道路扬尘的年均排放总量,但其动态化程度不足,难以满足日益增长的精细化管理需求. 本研究采用车速-流量模型构建高时间分辨率的道路车流量获取方法. 以天津市为例,采用自下而上的方法,结合本地化的排放因子以及天津市采取的道路扬尘控制措施,借助GIS平台编制高时空分辨率的道路扬尘排放清单,精细反映天津市道路扬尘排放的时空分布特征. 结果表明:①时间尺度上,受早晚高峰的影响,城市道路在08:00—09:00与18:00—19:00扬尘排放强度较大,13:00—14:00是白天扬尘排放强度的低值时段. ②空间尺度上,夜间(03:00—04:00)道路扬尘排放强度的高值区域集中在高速路段,白天扬尘排放强度的低值时段(13:00—14:00)集中在城市道路中支路密集的地区,道路扬尘排放强度高峰时期(18:00—19:00)集中在各类型的城市道路. 全年道路扬尘排放高值区域集中在城市支路和郊区道路. ③天津市内六区全年道路扬尘PM_2.5、PM₁₀、TSP排放量分别为603、2 492和12 986 t,相较以往研究有所下降. 从区域看,道路扬尘排放总量呈偏远郊区>环城四区>市内六区的规律. 城市道路采取的洒水措施明显降低了道路扬尘排放总量. 研究显示,受交通扰动影响,道路扬尘排放呈现明显的时空分布差异.      

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...     

机动车比功率在高排污车辆鉴别中的应用

机动车尾气遥感监测是I/M制度的有益补充.以2004年广州市机动车尾气遥感监测实验为基础,对实验数据作了深入分析.结果表明,占全体车辆10%的高排污车辆所排放的一氧化碳(CO)、碳氢化合物(HC)和氮氧化合物(NOx)分别占当日该污染物总量的36.81%,41.80%和48.52%,证明了高排污车辆是造成机动车排放污染的最主要污染源.进一步引入机动车比功率概念研究了机动车比功率与污染物排放之间的关系,并对15次实验结果进行了对比研究.结果表明,在不同测量中,CO、HC和NOx的排放与机动车比功率区间分布具有较好的一致性.分布规律还表明,在遥感监测中,在机动车比功率区间高值部分,机动车的CO或者HC的高排放为瞬间高排放,此时,不能将其判别为高排污车辆.将此结论用于基于神经网络的高排污车辆鉴别模型中,使高排污车辆的正确判断率达到95%.     

成都O3逐日污染潜势关键时段优选的GAM模型

利用成都市2016~2018年O₃逐时监测数据以及该时段同时次的地面气象观测资料，通过对O₃日变化特征的分析，确定了表征研究区O₃逐日污染潜势的四个关键时段，即全天时段（00：00~24：00）、日间时段（05：00~20：00）、O₃超标时段（11：00~19：00）以及O₃峰值时段（15：00~16：00）.基于广义可加模型（Generalized Additive Model，GAM）分别构建了O₃日最大8h滑动平均浓度（O_3-8h）与上述四个时段气象要素之间的函数关系，分析了时间尺度变化对O₃逐日污染潜势的影响.结果表明：GAM模型可以很好地表征O_3-8h与不同时段多气象要素之间的非线性关系.O₃超标时段气象要素对O₃逐日污染潜势具有最佳的指示意义，对应GAM模型的调整判定系数R²和方差解释率IRV分别为0.81和81.4%，模型模拟值与观测值的压轴回归决定系数R²为0.805.太阳辐射、相对湿度和气温是决定O₃逐日污染潜势最重要的气象要素，但三者在GAM模型中的重要性排序会因时间尺度的变化而有所差异.     

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.     

重庆市主城区大气中NO2浓度时空分布特征

利用2017年1月1日～2017年12月31日重庆市主城区17个国控空气质量监测站24 h自动连续采样的二氧化氮(NO_2)浓度小时数据,探讨九个主城区大气中NO_2浓度的时空分布特征、与气象参数之间的关系和气团运动的影响。结果表明,主城区大气NO_2浓度全年北碚区达标率较高(76.16%),渝中区达标率低(3.84%),日均浓度呈夏季前下降、夏季后上升的趋势;月均浓度表现为冬季月份浓度高,其次为春季、秋季和夏季月份;周六、周日、周一和周二的浓度均值较高,周三、周四和周五的较低;小时浓度基本呈5:00～11:00和16:00～20:00上升、其余时间段下降的变化趋势;大气NO_2浓度空间分布差异显著,西北地区(北碚)大气NO_2浓度偏低、渝中区及其附近区域浓度偏高。影响大气中的NO_2浓度的主要气象因素有:气温、降水量、气压、日照和相对湿度;四季气流输送中,春冬季气流轨迹相似,主要源自西部、西北部气流,春季气流轨迹的ρ(NO_2)最高,夏季最低。研究结果可为今后重庆市大气的治理提供研究基础。     

北京典型道路交通环境机动车黑碳排放与浓度特征研究

本研究对2009年北京市典型道路(北四环中路西段)进行实际交通流监测和调研,分析了总车流量、车型构成和平均速度的日变化规律.应用北京机动车排放因子模型(EMBEV模型)和颗粒物黑碳排放的研究数据,计算该路段的黑碳平均排放因子和排放强度.根据同期观测的气象数据,应用AERMOD模型对道路黑碳排放进行了扩散模拟,并根据城市背景站点和道路边站点的监测数据对模拟结果进行了验证.研究表明,该路段黑碳平均排放因子与重型柴油车在总车流中所占比例呈现出极强的相关性,由于北京市实行货车区域限行制度,日间时段总车流的平均黑碳排放因子为(9.3±1.2)mg·km-1·veh-1,而夜间时段上升至(29.5±11.1)mg·km-1·veh-1.全天时均黑碳排放强度为17.9~115.3g·km-1·h-1,其中早(7:00—9:00)晚(17:00—19:00)高峰时段的黑碳排放强度分别为(106.1±13.0)g·km-1·h-1和(102.6±6.2)g·km-1·h-1.基于同期监测数据验证,AERMOD模型的模拟效果较好.模拟时段的道路黑碳排放对道路边监测点的平均浓度贡献为(2.8±3.5)μg·m-3.由于局地气象条件差异,日间和夜间的机动车排放对道路边黑碳的模拟浓度存在显著差异.日间时段,小型客车排放对道路边站点的黑碳浓度贡献最高,达(1.07±1.57)μg·m-3;其次为公交车,达(0.58±0.85)μg·m-3.夜间时段货车比例明显上升,其黑碳排放占主导地位,贡献浓度(2.44±2.31)μg·m-3.     

基于高时空辨识度实时数据的重庆二环内外区域车流特征差异分析

高时空辨识度的车流时空分布特征是研究区域机动车排放的重要基础,通过射频识别技术和车辆注册登记数据获得重庆市二环区域每10 min的车流量以及车辆技术特征信息,对比分析内环以内及以外区域的分车型、分道路类型、分排放标准和燃料类型的车流量时空变化特征.结果表明:①重庆市内环以内区域日均流量为1.8×104辆,约为内环以外区域的1.8倍.②内环以内区域小型客车、公交车、出租车的日均流量分别为内环以外区域的1.7、2.1和2.5倍,而重型货车的日均流量为内环以外区域的54.8%.③ 2个区域车辆的主要燃料类型为汽油、天然气、柴油、新能源,占比分别为71.7%~73.7%、15.1%~21.4%、5.5%~9.6%、1.3%~1.5%.④ 2个区域车辆的排放标准分布基本一致,主要排放标准为国Ⅳ（约占76.5%）,国Ⅴ约占11.4%,国Ⅲ约占9.0%,国Ⅱ、国Ⅰ和国Ⅰ前的占比之和约为3.1%.⑤ 2个区域的小时总流量变化特征呈“M”型分布,早高峰时段为08:00—10:00,晚高峰时段为16:00—18:00.⑥ 2个区域小型客车、公交车的小时流量变化特征均与总流量变化特征基本一致,但出租车、轻型货车和重型货车在08:00仍保持明显的上升趋势,直到14:00才缓慢下降.⑦内环以内区域高速路、快速路、县道的高峰时段流量明显较高,分别为内环以外区域的5.5、2.5、6.2倍;而内环以外区域国道的高峰时段流量相对较高,约为内环以内区域的1.8倍.研究显示,重庆市二环内外区域的车流量和车辆技术特征信息的时空分布存在较大差异,建议完善城市实际道路车流的时空监测网络,为机动车排放清单的编制提供更好的数据支撑.      

基于车载平台的济南市道路环境黑碳污染特征研究

为深入了解济南市主城区道路环境黑碳(BC)污染的时空规律,并评估机动车等对BC排放的影响,该研究利用车载平台和微型黑碳仪在济南市主城区开展了为期一个月的道路BC走航观测并分析其时空分布特征. 结果表明:①济南市主城区道路环境BC小时平均浓度为7.29 μg/m3,且昼夜呈双峰特征,双峰分别出现在04:00—08:00和18:00—22:00,该时段处于道路柴油车行驶及人群出行时段. ②源自化石燃料燃烧的BC占比为82.55%,来自生物质燃烧的BC占比为17.45%. ③BC道路环境浓度呈主干道(7.27 μg/m3)>次干道(6.56 μg/m3)的特征,柴油车占比较大的北园高架上的BC平均浓度(7.18 μg/m3)高于汽油车占比较大的经十路(5.64 μg/m3). ④BC浓度峰值多出现在清晨/深夜交叉路口附近,距十字路口5~10 m时观测的BC浓度最高,表明BC浓度除了受车流量影响外,还受到路况、车型、车速、气象条件等因素的影响. 研究显示,相比汽油车,济南市道路环境BC污染的时空分布特征主要受重型柴油车车辆数、出行时间和行驶路段的影响.      

基于GPS浮动车法的机动车尾气排放量分布特征

以广州市城市干道东风路1902～1903路段为研究对象,根据交通流理论建立了速度-流量模型,采用GPS浮动车速度数据和视频检测流量数据计算了模型的关键参数——阻塞密度,实现了从速度到流量的推算,并采用COPERT Ⅳ模型计算了不同速度等级下的综合排放因子,通过源强法计算该路段00:01─24:00的小时排放量. 对CO,NO_x,VOC和PM综合排放因子的速度敏感性分析表明,当平均速度达50 km/h后,随速度的增加综合排放因子下降明显变缓;对小时排放量的分析表明,污染物排放量主要集中在车流量的高峰时段,且与车流密度有很好的线性相关性,相关系数均大于0.90.      

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.     

北京市2017年典型日机动车动态排放特征研究

为深入了解北京市路网机动车排放特征,采用自主开发的基于交通流的机动车动态排放模型,耦合北京市2017年交通流观测数据,测算了北京市机动车在工作日、非工作日、节假日、重污染日和重大活动日5种典型日工况下,主要路网上1 h时间分辨率、1 km×1 km空间分辨率下的时空分布特征.结果表明:①北京市二环路及以内区域和二三环之间(包括三环路)机动车排放强度较高,分别达到0.050和0.043 t/(km2·d).②北京市机动车NO_x排放分布规律性较强,主要分布在东南六环路方向及其联络线,以及东北、西北六环路方向及其联络线上,NO_x排放高峰值在05:00出现.③北京市机动车CO排放主要集中在城区五环路及以内区域,CO排放高峰值在18:00出现,五环路及以内区域及其联络线附近均为CO高排放区.④北京市5种典型日中,非工作日机动车排放量最大.研究显示,五环路及以内区域机动车污染控制应以轻型车为主,六环路及以外区域应以重型柴油车为主.      

珠江三角洲典型城市机动车尾气排放的影响因素分析

机动车技术水平和道路路况是影响机动车尾气排放的两大因素。本文以中山、佛山和广州三个城市为代表城市,首先采用问卷调查和实时采集交通流视频的方式收集三个城市的机动车技术水平信息和道路路况,并分析了上述三个城市的燃油类型和累计行驶里程和交通流的分布特征。分析结果衰明,备城市的机动车技术水平特征及差距,其中广州的出租车、公交车已规模推广环保型燃料,各类车型燃料使用比例不同使得尾气成分有一定差异;广州公交车累计行驶里程和年均行驶里程分布较靠后,公交系统的使用率较高;出租车年均行驶里程低于佛山、中山。在交通流分布上,广州总交通量大于中山;广州各级道路交通量呈梯度递减分布,小时交通量差距较大;中山仅国道承担较大范围的运输,其他各级道路分布形状统一,非工作类出行比例低。     

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.     

唐山市机动车排放清单与减排经济效益研究

基于唐山市机动车定期环保检测数据获取不同类型车辆的本地年均行驶里程,建立城区内典型车辆的"里程-注册年"特征曲线.采用车载排放测试法获取唐山市典型国Ⅵ阶段轻重型汽车实际道路排放因子.利用COPERT模型进行机动车排放因子本地化修正,建立涵盖不同排放阶段和燃料动力类型的唐山市机动车排放清单,结合唐山市路网信息,建立基于ArcGIS的3km×3km高时空分辨率网格化排放清单,并分析了国三及以下中重型柴油车（简称高排放车）不同淘汰与DPF排放治理比例情景下机动车减排与投入成本效益.研究表明,2020年机动车CO,HC,NOx,PM_2.5,PM₁₀年排放量分别为92403.51,10034.53,70568.35,2036.51,2160.65t,其中：NO_x,PM_2.5和PM₁₀排放主要来源于柴油车,分担率分别为92%,89%和89%;CO和HC排放主要来自汽油车,分担率分别为71%和73%.唐山市实施二环内国Ⅳ及以下柴油货车限行区政策后,二环内CO和HC年排放量削减率分别为22.41%和21.68%;而NO_x,PM₁₀和PM_2.5污染物排放强度显著降低,年排放量削减率分别为78.60%,84.85%和84.79%.在高排放车淘汰与治理情景下,随着高排放车淘汰比例的增长,投入成本和NO_x年均减排量呈线性上升趋势,且NOx减排效果更加显著,而PM减排辆略呈下降趋势.高排放车淘汰率每增长10%,NO_x年均减排量增加892.41t,PM年均减排量减少7.56t,年投入成本增加1.13亿元.