北京机动车尾气排放特征研究

近年来随着机动车保有量的快速增加,北京市机动车排放污染受到越来越多的关注。本研究应用COPERTⅣ模型计算了北京不同类型机动车排放因子,根据保有量和年均行驶里程等基础数据计算了2009年机动车尾气污染物排放量;调查了北京典型道路车流量和车辆运行速度等参数,计算机动车尾气排放强度,得出了典型道路不同污染物的综合排放因子;应用COPERTⅣ模型分析了车速对不同污染物排放的影响,将基于G IS的机动车活动强度、行驶速度和排放因子结合在一起,得到了北京机动车尾气排放网格分布清单。结果表明:CO排放量为71.58×104t,HC排放量为7.95×104t,NOx排放量为8.77×104t,PM排放量为0.38×104t。北京城区高峰小时CO排放量为143.9 t/h,HC排放量为18.6 t/h,NOx排放量为12.5/h,PM10排放量为1.14 t/h。     

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.      

乌鲁木齐市城区机动车大气污染物排放特征

对乌鲁木齐市城区车辆信息(包括车流量和车辆构成、车辆控制技术水平、车辆行驶工况、车辆启动分布等)进行调研和测试,并根据IVE模型计算得到机动车污染物排放清单,获得分车型、燃料类型及启动/运行方式的机动车污染物排放分担率.结果表明:2011年乌鲁木齐市机动车CO、NO_x、HC和PM的排放量分别为20.22×104、2.60×104、1.84×104和0.44×10~4t·a~(-1),机动车污染物排放分担率差别显著,乘用车、公交车和重型货车是CO和HC主要排放源;重型货车和乘用车是NO_x的主要排放源;重型货车是PM的主要排放源.汽油车是CO和HC排放的主要来源,柴油车是NO_x和PM排放的主要来源,天然气车各类污染物排放量均较低.控制柴油重型货车是消减机动车污染物排放的重要方式.     

运用CMEM模型计算北京市机动车排放因子

采用由美国加州大学Riverside分校开发的综合模式排放模型(CMEM)分析和研究北京市机动车污染物的排放特征,以9辆代表北京市典型技术类型的轻型机动车为实验车辆,收集了运行CMEM模型所需要的数据和参数.通过CMEM模型Access 2.02版本计算,得到了在不同交通行驶状况下北京市4类典型轻型机动车的CO2,CO,HC,NOx单车排放因子及各车型综合排放因子.通过与同一车辆的在路实测排放因子比较发现,用CMEM模型计算的CO,HC和NOx与实测排放因子及排放特征有较好的一致性,因此适用于计算北京市机动车CO,HC和NOx排放因子.      

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.      

北京市燃煤源排放控制措施的污染物减排效益评估

为分析北京市燃煤源排放控制措施的污染物减排效益,基于MEIC（中国多尺度排放清单模型）,采用情景分析法,评估了北京市电厂能源清洁化与末端治理、燃煤锅炉改造和城区平房区居民采暖改造等措施的污染物减排效益.结果表明,相对于无控情景,2013年北京市电厂能源清洁化与末端治理减少PM_2.5、PM₁₀、SO₂和NO_x排放量为1.28×104、2.10×104、5.13×104和4.98×104 t,分别占无控情景的85%、86%、87%、74%;北京市燃煤锅炉改造减少PM_2.5、PM₁₀、SO₂、NO_x排放量为1.09×104、2.68×104、11.64×104和5.81×104 t,分别占无煤改气情景的83%、89%、83%、83%;北京市老旧平房区的居民采暖改造减少PM_2.5、PM₁₀、SO₂和NO_x排放量分别为630、870、2 070和790 t,均占无煤改电情景的8%.研究显示,北京市从1998年开始采取的各种减排措施有效地减少了污染物的排放,对北京市空气质量改善具有重要意义.      

应用IVE模型计算上海市机动车污染物排放

为了解上海市机动车污染现状,建立上海市机动车源排放清单,分别选择上海市中心城区、商业区和收入相对较低区域中的主干道、快速道和次干道3种共9条典型道路,开展机动车技术水平参数、比功率(VSP)分布状况、启动状况等测试,并在此基础上将International Vehicle E-mission(IVE)模型本地化.调查结果表明,上海市区实际道路上轻型客车、出租车、公交巴士、卡车和摩托车(包含助动车)分别占道路总车流量的41.0%、30.8%、15.6%、6.9%和5.7%;从技术组成看,约85%的轻型客车和97%的出租车均安装有三元催化装置,约30%的公交巴士和90%的卡车没有达到欧Ⅰ标准;机动车的VSP分布主要集中在-2.9～1.2 kw·t-1.模式计算结果表明,2004年上海市机动车CO、VOC、NOx和PM排放量分别为57.06×104t、7.75×104t、9.20×104t和0.26×104t;20%的高排放车对总排放量的贡献占到25%～45%;启动过程中排放的CO、VOC和PM占总排放量的15%～25%,NOx仅占总排放量的4.5%.     

大城市机动车污染物排放与控制的情景预测

机动车排放控制措施的有效实施对改善城市大气环境质量具有重要意义. 以北京市为例,利用情景预测法评估2011—2020年各项控制措施对城市机动车常规污染物(CO、NO_x、HC、PM₁₀)的削减效果.建立Gompertz模型并估算动态车龄分布以预测机动车保有量,运用排放因子法估算6种机动车排放控制情景的污染物削减量. 结果表明:与基准情景相比,轻型客车保有量调控情景对CO、HC和PM₁₀的削减效果较显著,在2020年可分别削减7.81%、9.88%和5.78%;排放标准更新情景对4种污染物均能有效削减,尤其是对NO_x和PM₁₀,可分别削减21.19%和24.67%;而淘汰高排放机动车情景的短期削减效果显著,但中、长期效果较差;新能源车推广情景因受到经济、技术条件的限制,削减效果较弱;综合情景考虑了以上所有的削减控制措施并达到最大的削减效果,2020年对CO、NO_x、HC和PM₁₀的削减率分别达到29.45%、42.54%、28.04%和41.30%,与基准年(2010年)相比,分别削减约2.81×105、0.63×104、3.77×104和0.17×104t.      

北京市机动车污染物排放特征

定量分析计算机动车污染物排放特征 ,对城市汽车污染控制决策具有重要意义 .在利用实测数据确定基本参数的基础上 ,用 MOBILE5模型计算了北京市机动车污染物排放因子 ,获得了城区和全市机动车污染物排放总量和排放分担率 ,并分析了不同车型车种在城市区域汽车污染中的贡献率 .结果表明 ,北京市城区 CO,HC和 NO_x 的排放总量中 ,汽车源排放分担率分别为 :78% ,83%和 46% .     

北京市实行机动车排放欧洲标准的环境效果分析

以2005年为基准年,在全面调查北京市城区道路交通、机动车保有运营状况的基础上建立机动车污染源排放清单,并借助ADMS-城市模型建立机动车污染物扩散模型,对北京市城区内的机动车污染物浓度进行了模拟;对国Ⅰ、国Ⅱ标准实施的污染物排放量变化及其对大气环境质量的影响进行回顾性评估,并预测实施国Ⅲ、国Ⅳ标准后,在未来能取得的污...     

中国分省道路交通二氧化碳排放因子

基于本地化的综合移动源排放模型（Motor Vehicle Emission Simulator,MOVES）模型模拟典型机动车的CO₂排放因子,并建立排放因子与速度变化关系的评估方程,结合各省路网平均速度与区域电网排放因子核算中国31个省份分车型的CO₂排放因子.同时,综合考虑载客汽车的载客量和客座率,载货汽车的载重量和载货率,建立各省单位客运,货运周转量的机动车CO₂排放因子库.结果表明,各类机动车的平均CO₂排放因子分别为：柴油公交车0.880kgCO₂/km,重型货车0.877kgCO₂/km,电动公交车0.676kgCO₂/km,中型货车0.508kgCO₂/km,轻型货车0.374kgCO₂/km,柴油小客车0.227kgCO₂/km,微型货车0.216kgCO₂/km,汽油小客车0.203kgCO₂/km,电动小客车0.108kgCO₂/km,摩托车0.062kgCO₂/km.车辆满载时,柴油公交车和电动公交车的人均CO₂排放量比汽油小客车分别降低了63%和73%,电动小客车的人均CO₂排放量较汽油和柴油小客车分别下降了46%和51%.较高的机动车保有量,频繁的道路拥堵导致上海,北京和重庆等市的机动车CO₂排放因子相对较高.倡导公共交通,提高客座率,降低私家车使用频率,推广纯电动汽车并通过减少道路拥堵以提高车速是降低道路交通CO₂排放量的有效途径.     

北京地区第五阶段在用轻型车OBD监测频率的特征分析

随机采集北京地区200辆满足第5阶段排放标准在用车的车载诊断系统（OBD）的IUPR（OBD监测频率）数据,测试了4种典型车系的在用车在实际道路行驶工况下IUPR各监测项的特征分布,并和NEDC工况下的实验结果进行对比.结果表明：采集数据车辆的OBD系统均能实现对催化器和氧传感器的监控,对EGR和次级氧传感器的监控也可分别达到74%和91%;在用车平均点火循环3.9次才能满足一次目前IUPR的监测条件;各监测项IUPR均值均远大于国五标准限值0.10,但各IUPR监测值分布存在差异,催化转化器和氧传感器的达标率均为92%;实验室NEDC模拟工况基本能实现对各车系机动车尾气排放控制的监测,但4条实际道路测试结果则表明不同车系IUPR监测项分子+1的差异较大;拥堵路况的低速工况下OBD系统难以实现对车辆尾气排放控制系统各监测项的有效监测.因此,需结合北京实际路况进一步完善在用车辆OBD系统的监测条件,实现对北京在用车尾气排放控制系统的有效监控.     

Distribution of Platinum group elements in road dust in Beijing metropolitan area, China

Dust samples collected from the Beijing metropolitan area (China) were evaluated to determine the distribution and the concentration of platinum group elements (PGEs). The dust particles that were smaller than 100 mesh size fraction (150 μm) were analyzed after aqua regia digestion. Concentrations[RL2] of Pt, Rh, and Pd were found to be between 3.96 and 356.3 ng/g, 2.76 and 97.11 ng/g, and 0.1 and 124.9 ng/g, respectively, in the urban areas of Beijing, whereas for the background samples collected from the suburbs of Beijing, the concentration of Pt, Pd, and Rh were very low and ranged from 0.1 to 0.9 ng/g, 0.5 to 1.4 ng/g, and 0.8 to 2.2 ng/g, respectively. The[RL3] distributions of PGEs in road dust were an accurate reflection of the levels of pollution and were found to match with the local traffic conditions. A strong positive correlation was established among all the elements found in road dust. This suggests that emissions of abraded fragments from vehicle exhausts may be the source of the high concentration of Pt, Rh, and Pd in road dust along the main roads of Beijing.     

Distribution of Platinum group elements in road dust in the Beijing metropolitan area, China

Dust samples collected from the Beijing metropolitan area （China） were evaluated to determine the distribution and the concentration of platinum group elements （PGEs）. The dust particles that were smaller than 100 mesh size fraction （150 μm） were analyzed after aqua regia digestion. Concentrations ofPt, Rh, and Pd were found to be between 3.96 and 356.3 ng/g, 2.76 and 97.11 ng/g, and 0.1 and 124.9 ng/g, respectively, in the urban areas of Beijing, whereas for the background samples collected from the suburbs of Beijing, the concentrations of Pt, Pd, and Rh were very low and ranged from 0.1 to 0.9 ng/g, 0.5 to 1.4 ng/g, and 0.8 to 2.2 rig/g, respectively. The distributions of PGEs in road dust were an accurate reflection of the levels of pollution and were found to match with the local traffic conditions. A strong positive correlation was established among all the dements found in road dust. This suggests that emissions of abraded fragments from vehicle exhausts may be the source of the high concentration of Pt, Rh, and Pd in road dust along the main roads of Beijing.     

中国城市轻型车的排放特性

采用机动车实际上路排放测试系统对北京、重庆和成都3城市27辆轻型车进行了测试和分析;采用发动机比功率VSP、发动机负荷ES和排放单元BIN分析了轻型车瞬态排故的特征及影响排放的主要因素.结果表明.发动机技术和累计行驶里程对排放的影响很大,而VSP等概念还反映了道路坡度对排放因子的影响;由于城市道路坡度的差异,导致同一测试车辆在重庆和成都2个城市的排放水平相差10%～100%.     

基于车流和大气污染物浓度同步增量的机动车平均排放因子估算方法

机动车尾气排放已成为城市大气污染的主要来源并受到了高度关注.机动车排放因子是反映机动车排放状况的最基本参数,但实测排放因子代价较高、代表范围有限,基于国外排放模式估算的排放因子又与我国的实际排放状况存在一定差距.本研究首先基于早高峰时段车流量和道路附近大气污染物浓度呈近线性增加、气象条件和背景污染物浓度相对稳定的特征,将时段内污染物浓度的增加主要归因为车流的增加,从而建立车流和污染物浓度增量之间的关系;然后采用无限线源高斯扩散模式,反推道路实际行驶机动车的平均排放因子.以北京市一条主干道为例,利用早高峰车流量、污染物浓度、气象观测数据,进行了实例研究,并将研究结果同COPERT4排放模型的预测结果进行了对比.本研究和COPERT4排放模型预测的8月一氧化碳平均排放因子分别为2.0 g·km-1和1.2 g·km-1,12月分别为5.5 g·km-1和5.2 g·km-1.结果表明,本方法估算的机动车排放因子在数值大小及季节变化上均与COPERT4排放模型较为接近.所提方法通过消除背景浓度的干扰,为实时获取车队实际排放因子提供了一种新思路.     

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.     

京津冀地区道路碳排放量的演变及空间分布

以机动车碳排放模型为基础,结合不同类型机动车存活曲线,建立分车龄的车队构成,并利用年均行驶里程和燃油消耗量,分析了京津冀地区2005～2020年道路碳排放量的演变及区域分布特征.结果显示,河北省道路碳排放量增长迅速,近5a仍以7.14%的年均增长率快速增长,而北京和天津两市的道路碳排放已经进入低速增长期,近5a的年均增长率分别仅为1.01%和2.27%.小型客车一直都是道路碳排放的主力车型,其碳排放量占京津冀道路碳排放总量50%以上;轻型货车在北京市道路碳排放中的贡献越来越突出,而河北和天津两地轻型和重型货车正在逐渐发展为道路碳排放增长的主要驱动因素.从京津冀道路碳排放的4km×4km网格分布图可知,因北京和天津拥有更密集的道路,其碳排放强度远高于河北省.     

特种方舱铁路运输异常调车纵向冲击试验研究

目的 针对特种方舱铁路运输,明确异常调车纵向冲击试验方法,并掌握异常纵向冲击安全性边界.方法 首先开展"一车冲一车"、"一车冲三车"铁路冲击对比试验,获得2种工况下的冲击特性数据.然后,基于冲击试验获得的缓冲器性能,建立特种方舱铁路运输调车作业动力学模型,研究冲击模式下不同冲击速度的纵向冲击特性.结果 试验工况1(冲击速度为8 km/h,"一车冲一车")下,车钩力不大于1200 kN,特种方舱内的包装箱固定状态良好.试验工况2(冲击速度为15 km/h,"一车冲三车")下,连挂碰撞界面处的缓冲器完全压缩,铁路车辆前从板出现破坏,特种方舱门端角件发生局部塑性变形,包装箱后限位结构出现变形.基于动力学模型的仿真结果表明,"一车冲一车"工况下,MT-2缓冲器与车体能承受的极限冲击速度约为10 km/h.工况2受试车(特种方舱的装载车)前端车钩力约为2132 kN,接近MT-2缓冲器的最大作用力.结论 开展特种方舱铁路运输调车异常冲击试验,"一车冲一车"模式是更为合适的试验方法.连接车钩是整个特种方舱安全铁路运输系统的最薄弱环节,调车作业安全性边界冲击速度约为10 km/h.     

街道峡谷型交叉口内气态污染物扩散的数值模拟

对大气边界层内大气湍流和建筑物对道路交叉口处机动车排放气态污染物扩散的影响进行了研究.在计算区域内建立了三维街道峡谷型道路交叉口及其内部机动车排放的模型,并在中性层结条件下,采用CFD(Computational Fluid Dynamics)稳态κ-ε湍流模型和被动标量的输运方程模拟了模型内外的流场和CO浓度场.结果表明:① 在相同高度条件下,交叉口处与处于下风向的街区内CO浓度明显高于其他街区;②风向对污染物的输运起决定性作用,在不同高度平面内CO浓度最大值均出现在平行风向的街区内;③外部大气湍流的驱动使得垂直风向的街区内产生强烈涡旋,涡旋的输运作用导致相同高度下上风向CO浓度较高;④交叉口处气流的掺混导致气流速度降低,使得平行风向的街区内CO可以向两侧垂直风向的街区内扩散,起到了稀释交叉口处地面附近CO浓度的作用.模拟结果与风洞实验结果符合较好,验证了方法的可靠性.