城市出租车污染物排放模型研究

白 竹，王 玮

（黑龙江工程学院 汽车与交通工程学院，黑龙江 哈尔滨150050）

近年来，随着社会经济的快速发展，我国机动车保有量已经从1990年的550万增加到了2011年的2.17亿辆（截止6月底）。机动车数量的增加在为人们生活带来诸多便利的同时，也为大气环境带来了许多负面的外部效应。有研究表明，城市道路中心85%的CO、75%的NOx和50%的HC都来自机动车排放的尾气[1]。在大多数城市中，机动车污染物排放已经成为大气环境污染问题的主要来源[2－3]。因此，为减少车辆运行对环境造成的负面影响，车辆排放问题的解决迫在眉睫。

在众多车辆类型中，出租车排放高于其他车辆的排放，受关注程度最高。一方面，由于出租车年均行驶里程高，车辆排放劣化速度较快；另一方面，出租车在交通拥堵地区行驶的工况比例较大。同时，绝大部分出租车行驶在城市中心人口密度大的地区，对大气环境和城市居民健康带来了直接的威胁[4]。Jin（2006年）指出，北京市出租车 NOx、CO和HC排放量占机动车总排放量的比例分别是5.1%、11.9%和3.8%。然而，在北京，出租车数量仅占机动车总数量的2.7%[5]。Wang et al（2008年）研究发现，在上海，出租车运行里程占机动车总运行里程的18.2%，然而，出租车尾气中CO和NOx的排放量却分别占总排放量的22.2%和10.4%[6]。Oliver et al（2008年）研究表明，在天津，所有车辆类型中出租车是排放VOC和CO数量较高的车型，排放比例分别是33%和25%[7]。这些研究结果表明，在中国的许多城市中，出租车污染物排放是一个较严重的问题，更是一个亟待研究和解决的问题。因此，研究出租车辆的污染物排放问题具有重要的现实意义。

1 研究概况

Stead（1999年）研究了英国出租车使用和排放之间的关系，并采用1989年／1991年国家运行调查数据来计算出租车的污染物排放量。研究结果表明：运行距离是车辆污染物排放的主要影响因素[8]。Stead（1999年）给出了车辆排放模型，即

CO排放量（g／pass）＝

CO排放因子（g／pass·km）×运行里程（km）.

Han and Naeher（2006年）回顾了发达国家对出租车空气污染物排放的研究历程，污染物类别包括PM、CO、NO2、VOCs和PAHs。研究表明，不同的控制方法可以得到不同的研究结果[9]。

Zeng et al（2007年）研究了广州市出租车污染物排放问题，其中：污染物包括CO、CO2、HC和NOx。运用人工神经网络方法对877组出租车排放数据进行处理，进而判别出租车的总排放量[10]。

Wang et al（2010年）所研究的车辆排放模型同样运用了车辆运行里程指标和排放因子指标[11]。

毕晔等（2007年）利用MOBILE 6.2模型计算了2000年、2005年及2008年北京市出租车的排放因子，并且计算了北京市出租车2005年更换部分旧车以及2008年更换全部旧车以后出租车的排放因子及总排放量。研究结果表明，旧车更换以及使用符合排放标准的车型可以使污染物排放量大大降低[4]。

王爱娟等（2010年）利用车载排放测试系统SEMTECH－DS对北京市出租车进行了实际道路排放测试，并基于实验数据分别分析了出租车行驶速度、加速度以及机动车比功率（VSP）与 HC、CO、NOx和CO2排放的关系。结果表明 HC、CO和NOx的排放率基本随着出租车行驶速度的增加先增加然后降低，而CO2排放率随行驶速度的增加而增加；在不同速度区间内，各种污染物排放因子和排放率均随着加速度的增加而增加；各污染物的排放率和排放因子均随VSP增加而增加，且与VSP成一定的正相关关系，利用VSP量化出租车污染物排放更为合理[12]。

2 出租车污染物排放模型

估算在用车排放量的一般方法包括：

1）用车辆行为（如车辆运行里程）乘以排放因子（如CO排放因子，g／km）计算；

2）用百公里油耗（L／100km）乘以排放因子（如CO排放因子，g／L）计算。

模型研究中存在的关键问题是模型要能够用准确的表达方式描述车辆在道路系统中运行的实际排放情况。因此，可以从3个方面对出租车污染物排放模型进行改善，即

1）排放因子指标；

2）各种污染物排放因子的估算模型；

3）出租车污染物排放模型结构。

近年来，有研究人员已经开始使用每乘客每公里排放多少克污染物（单位：g／pass·km）来计算出租车排放问题[13]。目前，排放因子的估算模型也已日渐成熟，而出租车污染物排放的有关模型研究发展则较慢。

3 排放因子估算模型

3.1 MOBILE模型

MOBILE是由美国环保局（EPA）于1978年开发出来的，用于估计实际运行条件下在用机动车HC、CO和NOx平均排放因子的模型。其研究过程一共历经6代，最新版本是于2002－02发布的MOBILE6，用来计算1952年～2050年的机动车排放因子。MOBILE模型的程序用FORTRAN语言编写，基本计算公式都是在对排放测试数据进行长期统计和回归分析后得到的经验公式。模型所用的测试数据主要来源于美国环保局（USEPA）进行的在用车测试以及根据联邦测试（Federal Test Procedure，FTP）进行的新车排放测试结果。从这些数据的测试分析中得出，在不同时期的排放标准条件下，不同车型行驶不同里程后的平均排放因子，同时还可得到各种参数（如车辆的载重、自重、环境因素以及维修保养状况等）对排放的影响。在MOBILE6中对车型分类也进行了扩展，将原有的8种车型扩展至12种。MOBILE模型主要针对交通环境的面控，是宏观模型，而且模型主要表达为交通流平均运行速度的函数。目前，MOBILE模型在中国的北京、广州、南京等城市已经得到了广泛应用，用来估计机动车排放[4，14－19]。

虽然MOBILE模型得到了广泛应用，但是它们却不能合理地反映交通事件、实时交通状况、具体地点等不同情况下的在用车辆的排放量。尤其是针对当地道路交通状况、交通流组成、交通流量、驾驶工况和燃料组成等因素发生变化时，这些模型无法准确地估计它们对当地车辆排放量的影响。此外，这些模型也不能有效地估计交通控制与管理策略在减少车辆排放方面的实施效果[20]。另外，由这些模型计算的排放因子本质上是以美国机动车车型和具体的排放标准为基础的，而且测试的燃料和车辆运行工况也只是来自于美国。因此，如果模型推广应用于其他国家，计算得到的总排放量就会存在较大问题，这主要是因为不同国家有着不同的车辆类型、排放标准、燃料组成和不同的车辆运行工况。最后，由于MOBILE模型是应用平均车速来设计排放因子的计算模型，不可避免地会遗漏某些极端的排放情况[21]。

3.2 EMFAC模型

EMFAC模型是由美国加州资源局根据加州严格的标准和航空燃料评价法规，采用与MOBILE模型相似的方法建立的模型。加州空气资源局（CARB）在1988年发布了EFMAC7D，后来经过改善依次颁布了EFMAC7F和EFMAC7G，并于2000－05发布了EFMAC2000。EFMAC模型采用一系列计算机模型（机动车排放清单模型）来预测机动车排放。EFMAC2000和EFMAC7G是EMFAC模型中应用较为广泛的2个版本。最近的版本是于2002－12颁布的EMFAC2002。与MOBILE模型相似，EMFAC模型也是基于平均速度的排放因子模型，是一种宏观预测模型[14]。

3.3 IVE 模型

IVE模型是由美国加州大学河边分校CECERT中心为发展中国家设计研发[22]。IVE模型是用Java语言编写的独立的计算机程序模型，用来估计从宏观层次到微观层次任意地点的机动车排放因子，预测的时间跨度可为2004年～2030年。假定给定车队、燃料、交通流和拥挤的变化量时，IVE模型能够用于预测未来的排放因子[23]。模型需要3类输入变量，分别是：①机动车车队中发动机技术和排放控制装置的分布情况（包括维护情况）；②当地道路上运行的不同类型在用车辆的驾驶行为；③针对当地机动车的车辆排放因子[15]。

该模型的核心算法是基于MOBILE模型，通过对台架测试数据进行处理，得到基于FTP工况的基础排放因子。但是，在处理行驶特征这个重要影响因素时，IVE模型采用VSP和发动机负载（ES）2个参数对非FTP工况下的机动车排放进行模拟[24]。具体处理方法为：根据VSP和ES对排放的关系，把机动车瞬态行驶状态按照VSP和ES划分为60种，每一种状态元对应一个排放水平。通过对比目标工况和FTP工况状态元分布，得到目标工况下机动车的排放水平[14]。

世界上许多城市都使用了IVE模型，包括北京和广州[25－26]。IVE模型的优点是将不同的技术和条件都考虑在内。这些技术和条件源自于大多数发展中国家和不同的车辆运行工况，例如机动车比功率（VSP）和发动机负载分布，这些对机动车尾气排放都有着深远的影响。IVE模型可以使用当地机动车队分布状况、车辆运行工况和平均的车辆运行里程（VKT）等指标来完善模型，以便模型能够与当地状况接近。此外，当地的检查／维护（I／M）制度、油料状况以及气候条件等影响因素都可以作为输入变量用来改善模型的预测效果[23]。

3.4 基于机动车比功率的模型

VSP（vehicle specific power）的物理意义是瞬态机动车输出功率与机动车质量的比值，最初由美国麻省理工大学Jose Luis Jimenez Palacios于1999年提出，随后被进一步发展和应用，并成为美国EPA开发新一代机动车排放模型MOVES的主要参数之一[14，27]。清华大学环境科学与工程系利用车载测试系统对北京等9个城市的80余辆轻型车进行测试，并引入VSP和ES的概念建立中国城市的机动车排放因子模型。COPERT模型在欧洲已经得到广泛地应用。该模型中，车辆驾驶工况可分为城市、乡村和高速公路，排放因子采用平均车速。模型利用VSP确定不同类型驾驶行为的排放因子，以便产生随机驾驶工况下的瞬态排放[28]。

采用VSP作为行驶状态参数的优势在于：测试结果可以验证机动车瞬态排放对VSP呈现较强的规律性变化；可以综合考虑机动车行驶过程中的速度、加速度和道路坡度等变化，其综合表征性能要优于平均速度；并且所需参数获取相对简单。实践证明，与速度或者加速度指标相比，VSP与排放产生的关系更加密切[29]。

4 出租车污染物排放量计算模型

4.1 模型1

模型1假定出租车污染物的排放量与其所处的服务状态无关，即出租车在空载和满载状态下同一种污染物的排放量相同，单车排放量只与车辆自身性能和运行里程有关。使用的参数是车辆运行公里数（VKT）和排放因子（EF），模型形式为

式中：Qi表示第i种污染物的日排放量，kg；EFt，i表示当出租车类型为t时，第i种污染物的排放因子，g／km；At表示t类型出租车的数量。当t＝d时表示柴油出租车，当t＝g时表示汽油出租车；VKTt代表t类型出租车的日平均里程数，km；i＝1，2，3，分别为出租车NOx排放量、HC排放量和CO排放量。

4.2 模型2

模型2同样假定出租车污染物的排放量与其所处的服务状态（满载和空载）无关。该模型利用排放因子（如CO排放因子，g／L）与百公里油耗或者燃油经济性指标相乘来计算。模型形式为

式中：Et，i表示t类型出租车第i种污染物的排放因子，g／L；Ct表示平均燃油经济性；Qi、At、VKTt含义与式（1）相同。

4.3 模型3

Stead（1999年）则考虑了平均空载率对污染物排放的影响，也就是说，对于同一种污染物而言，出租车在空载和满载状态下其排放量不同。为综合表征各种状态的一般性规律，模型3将“平均载客率”指标引入污染物排放模型，详见式（3）[8]。

式中：EFt，i表示t类型出租车第i种污染物的排放因子，g／pass·km；P表示平均载客率（不包括驾驶员）；Qi、At、VKTt含义与式（1）相同。

4.4 模型4

基于上述模型，Shi An（2011年）做了相应改进，分别给出了出租车载客和空载两类不同服务状态下污染物排放的表达形式。而通常情况下，路网中出租车的服务状态都是既包括载客状态，又包括空载状态，因此，模型构成详见式（4）[30]。

式中：r表示平均空驶率，文献选用r＝0.5；μ表示出租车处于空驶状态时的转换因子，假设μ＝0.6；其他参数含义同式（3）。

在采用相同测试数据的基础上，通过对比模型3和模型4的计算结果，Shi An（2011年）指出：出租车空驶里程是影响出租车排放量产生的关键因素之一。

为比较现有模型的预测结果，Shi An（2011年）利用哈尔滨市出租车的实测数据对各种模型进行计算。在此基础上，表1给出了不同出租车类型不同空气污染物的排放量预测结果。

5 结束语

出租车出行方式具有灵活的“门到门”等特点，其在城市居民出行中发挥着重要作用。由于出租车在城市道路中行驶里程较高，污染物排放量较大，对环境产生的负面影响较大。以出租车污染物排放为研究对象，本文对不同排放因子指标的选取、各种排放因子的估算模型以及排放量的预测模型等进行了研究。

表1 出租车污染物排放量的预测结果[30]

在回顾与总结现有成果的基础上，本文认为今后出租车污染物排放的研究重点可以从如下两个方面进行：一方面，改善现有出租车污染物排放因子指标，在排放预测模型中引入能够反映出租车运行特征的关键影响因素，使出租车污染物排放模型能够更接近现实世界的真实排放水平；另一方面，从出租车市场管理和控制的角度出发，对出租车价格制度和出租车市场准入制度实施科学管理，实现在满足现有需求的情况下减少出租车在城市道路中的空驶里程，进而实现减少出租车排放的目标。

[1]王炜，项乔君，常玉林.城市交通系统能源消耗与环境影响分析方法[M].北京：科学出版社，2002：268－319.

[2]Mayer，H.Air pollution in cities[C].Atmospheric Environment，1999，33，4029－4037.

[3]Hong Kong Environmental Protection Department（HKEPD）[C].Environmental Protection Department of Hong Kong SAR，2005.

[4]毕晔，葛蕴珊，韩秀坤.基于MOBILE6.2的北京市出租车排放污染物分析[J].安全与环境学报，2007，7（2）：61－64.

[5]Jin，B.The Research on the Relationship between the City Taxi Type Choice and the Urban Atmospheric Environmental Capacity[C].Thesis（Master）：Inner Mongolia University，2006.

[6]Wang，H，Chen，C，Huang，C，Fu，L.On－road vehicle emission inventory and its uncertainty analysis for Shanghai，China[J].Science of the Total Environment，2008，398：60－67.

[7]Oliver，H H，Li，M，Qian G，et al.In－use vehicle emissions in China：Tianjin study[M].[2008－10－10]http：／／belfercenter.ksg.harvard.edu／files／2008＿Oliver＿In－use＿Vehicle＿Emissions＿Tianjin.pdf.

[8]Stead D.Relationships between transport emissions and travel patterns in Britain[J].Transport Policy，1999，6，247－258.

[9]Han X，Naeher L P.A review of traffic－related air pollution exposure assessment studies in the developing world[J].Environment International，2006，32，106－120.

[10]Zeng J，Guo H，Hu Y.Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission[J].Journal of Environmental Sciences，2007，19，427－431.

[11]Wang H，Fu L，Zhou Y，Du X.Trends in vehicular emissions in China’s mega cities from 1995to 2005[J].Environmental Pollution，2010，158，394－400.

[12]王爱娟，葛蕴珊，谭建伟，等.北京市出租车实际道路行驶特征与排放特性的关系研究[J].北京理工大学学报，2010，30（8）：891－895.

[13]Qiu L，Chen Y，Zhao D，et al.Scenario Analysis of Passenger Traffic Development in Guangzhou until 2020[J].Acta Scientiarum Naturalium Universitatis Sunyatseni，2008，47：114－118.

[14]邓可.城市公交污染物排放预测模型研究[D].哈尔滨：哈尔滨工业大学，2010.

[15]Haikun Wang，Changhong Chen et al.On－road vehicle emission inventory and its uncertainty analysis for Shanghai[J].Science of the Total Environment，2008，398：60－67.

[16]Fu L，He K，He D，Tang Z，Hao J.A study on models of MOBILE source emission factors[J].Acta Sci Circumstantiae，1997，17（4）：474－9.

[17]Zhu C.Coefficient of vehicular emission discharge and trend of pollution in Guangzhou City[J].China Environ Sci，1997，17（3）：216－9.

[18]He D，Hao J，He K，Fu L.Vehicle emission factors determination using model calculation[J].Environ Sci，1998，19（3）：7－10.

[19]Li W，Fu L，Hao J，Ma H，Li S，Hu W.Emission inventory of 10kinds of air pollutants for road traffic vehicles in China[J].Urban Environ Urban Ecol，2003，16（2）：36－38.

[20]T L Chan，Z Ning.On－road remote sensing of diesel vehicle emissions measurement and emission factors estimation in Hong Kong[J].Atmospheric Environment，2005，39：6843－6856.

[21]Sawyer RF，Harley RA，Cadle SH，Norbeck JM，Slott R，Bravo HA.Mobile sources critical review：1998 NARSTO assessment[J].Atmos Environ，2000，34：2161－2181.

[22]Nicole D，James L，et al.International Vehicle Emissions Model （Version 1.1.1，2004），2004.http：／／www.issrc org／ive／index.html.

[23]Qingyu Zhang，Junfei Xu，Gang wang，et al.Vehicle emission mventories projection based on dynamic emission factors：Acase study of Hangzhou，China[J].Atmospheric Environment，2008，42：4989－5002.

[24]Szwarcfiter L，Mendes F E，Lebre La Rovere E.Enhancing the effects of the Brazilian program to reduce atmospheric pollutant emissions from vehicles[M].Transportation Research Part D：Transport and Environment.2005，10（2）：153－160.

[25]Nicole D，James L，et al.Development and application of an international vehicle emissions model[R].Washington，DC：Transportation Research Board 81st Annual Meeting，2005.

[26]Guo H，Zhang Q，Shi Y，Wang D.Evaluation of the international vehicle emission（IVE）model with on－road remote sensing measurements[J].Journal of Environmental Sciences，2007，19，818－826.

[27]E A Corley，L D Davis，J Lindner，M O Rodgers.Inspection／maintenance program evaluation：Replicating the Denver step method for an Atlanta fleet[J].Environmental Science ＆ Technology.2003，37 （12）：2801－2806.

[28]Jimenez J L.Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing[D].Massachusetts：Massachusetts Institute of Technology，1999.

[29]Kuhns HD，Mazzoleni C，Moosmüller H，Nikolic D，Keislar RE，Barber PW，et al.Remote sensing of PM，NO，CO and HC emission factors for on－road gasoline and diesel engine vehicles in Las Vegas，NV[J].Sci Total Environ 2004，322：123－37.

[30]Shi An，Xiaowei Hu，Jian Wang.Urban taxis and air pollution：a case study in Harbin，China[J].Journal of Transport Geography，2011，19：960－967.