Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission

Vehicle emission has been the major source of air pollution in urban areas in the past two decades. This article proposes an artificial neural network model for identifying the taxi gross emitters based on the remote sensing data. After carrying out the field test in Guangzhou and analyzing various factors from the emission data, the artificial neural network modeling was proved to be an advisable method of identifying the gross emitters. On the basis of the principal component analysis and the selection of algorithm and architecture, the Back-Propagation neural network model with 8-17-1 architecture was established as the optimal approach for this purpose. It gave a percentage of hits of 93%. Our previous research result and the result from aggression analysis were compared, and they provided respectively the percentage of hits of 81.63% and 75%. This comparison demonstrates the potentiality and validity of the proposed method in the identification of taxi gross emitters.     

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.     

上海市机动车发展的大气环境容量

研究了上海市机动车和固定源排放对环境中NOx 浓度的贡献率 ,采用ADMS Urban空气质量模型从环境容量角度提出上海市机动车发展的总量控制目标 .2 0 0 2年上海全市NOx 排放总量为 39 7× 10 4t/a ,其中中心城区机动车NOx 排放分担率81% ,浓度贡献率为 86 % .为实现 0 0 8mg/m3 年平均浓度容量控制目标 ,上海市机动车NOx 排放总量应控制在 3 5× 10 4t/a以下     

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%.     

DOC+CDPF对国III重型柴油货车实际道路排放的影响

利用便携式车载排放测试系统（PEMS）对2辆加装氧化催化转化器（DOC）和催化型柴油颗粒捕集器（CDPF）与否的国III重型柴油货车进行实际道路排放测试.结果表明,2辆改造重型柴油车的CO、THC、固态颗粒物粒数（SPN）和黑碳（BC）实际道路排放因子分别为（1.31±0.37）g/（kW×h）、（0.20±0.03） g/（kW×h）、（7.13×10¹⁰±5.27×10¹⁰）个/（kW×h）和（0.69±0.06）mg/（kW×h）,相对于原始排放（拆除DOC+CDPF）分别降低52.48%、55.69%、99.91%和99.22%.从低速、中速到高速,CO和THC减排比例呈现上升趋势,然而运行工况对SPN和BC减排比例则无显著影响.加装DOC+CDPF会导致NO₂在NO_x中的占比升高,且从低速、中速到高速涨幅依次增大,但对NO_x无明显减排效益,其排放因子为9.53~9.83g/（kW×h）,远高于实验室排放限值.     

实时尾气检测系统OEM的应用

机动车尾气排放实时检测系统OEM是基于车辆实际行驶路况的新型车载尾气检测系统。该系统突破了传统的定点尾气收集数据的局限性，能够方便快捷地获得不同路段、不同车型、不同时段的以秒为单位的尾气排放数据以及包括速度和加速度在内的瞬间车辆行驶数据。文中对OEM系统的基本原理和方法进行了简单的介绍，并给出了应用该系统在北京市交通网络测试尾气的一些初始结果。     

中国机动车有毒有害空气污染物排放估算

有毒有害空气污染物的环境影响是国内外研究的热点,而机动车排放是其重要源之一.通过资料调研,获得各车型年均行驶里程以及有毒有害空气污染物排放与非甲烷挥发性有机物(NMVOC)排放的质量分数,梳理各车型保有量,利用COPERT Ⅳ模型计算NMVOC排放因子,建立了2005年中国分车型、分省域的有毒有害空气污染物排放清单.结果表明:2005年中国苯,1,3-丁二烯,甲醛,乙醛和丙烯醛的机动车排放总量分别为31.65×104,7.45×104,13.26×104,5.11×104和1.65×104 t,其主要来源于摩托车、汽油小客车和重型柴油货车;广东、山东、江苏、浙江、河北和河南六省排放量较高.      

机动车尾气污染物NO_X在主干道水平、垂直方向上的浓度分布规律初探

对南海市主干道汽车尾气污染物ＮＯｘ 在水平、垂直方向上的扩散分布进行初步探究。结果表明,ＮＯｘ 在水平、垂直方向上的扩散呈现一定的规律。并且交通、风、气温、光照是影响ＮＯｘ 浓度分布的重要因素。     

上海市机动车污染实时排放预警系统设计与应用

研究上海市机动车污染的动态排放测算和网格化动态排放清单构建,在实时的交通数据和交通环境监测数据的基础上,结合交通模型、机动车排放清单模型等业务模型和算法,依托大数据存储、可视化和GIS等技术,开发了上海市机动车污染物实时排放预警系统,实现了上海市全市道路的机动车动态排放测算、交通环境政策实施情景模拟和网格化排放清单,更新频率为每30 min一次,包含PM、NOx、CO、SO2、VOCs等污染物和9种车型。系统建成后直接服务于首届中国国际进口博览会,为大气污染排放实时总量跟踪评估、污染源管控措施分析及监测成因分析等提供了有力的实时数据和技术支撑。     

北京大气中异戊二烯的季变化、日变化形式及影响因素研究

对2005年北京大气中异戊二烯进行了一年的观测分析。结果表明,异戊二烯体积分数年平均值为0.58×10^-9,月平均值为0.1×10^-9～1.8×10^-9,7月最高,1月最低。春、秋、冬三季,异戊二烯日变化形式呈三峰形,分别在14:00、18:00、02:00;18:00、02:00、08:00;02:00、10:00、16:00出现峰值;夏季异戊二烯体积分数日变化呈现白天高夜晚低且在14:00出现峰值。夏季异戊二烯源排放主要由生物排放控制,其日变化形式受温度、辐射影响大;春季和秋季异戊二烯源排放受汽车尾气和生物排放共同控制,其日变化形式受汽车尾气影响大,温度、辐射也有一定影响;冬季异戊二烯源排放主要由汽车尾气控制,其日变化形式主要受汽车尾气影响。不同季节北京大气中的异戊二烯体积分数日变化形式与PM_2.5浓度日变化形式大致相同。