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.      

低温高原环境下电动摩托车性能和安全研究

本文研究了低温高原严酷自然环境条件对电动摩托车的性能和安全影响。通过与常温状态下性能的对比，发现电动摩托车续行里程和电气安全性能都受到了较大影响，这些影响需引起电动摩托车企业和标准化工作组的重视，在设计和标准制定中予以充分考虑。