交通颗粒物排放模型研究

张艳，苏薇

（长安大学，陕西 西安 710064）

交通颗粒物排放模型研究

张艳，苏薇

（长安大学，陕西 西安 710064）

近年空气质量严重下降，其中交通颗粒物首当其冲。为了预测交通颗粒物的排放量，研究者开发了很多排放模型。通过对现有的一些交通颗粒物排放模型进行介绍与对比，讨论了目前国内对颗粒物排放模型的应用情况以及存在问题，为今后建立中国自己的排放模型提出意见。

交通排放；颗粒物；排放模型；模型应用

CLC NO.:[U473.9]Document Code:BArticle ID:1671-7988(2014)11-92-04

前言

空气颗粒物污染会造成空气污染事件，二十世纪五十年代前后发生在比利时、美国等国家的5大空气污染事故[1]，对环境和人体产生严重的健康危害和经济损失，时刻警醒着人们空气颗粒物的危害。而城市交通颗粒物作为空气颗粒物的一大来源，更是受到交通、环境和医务工作者的关注。

为了对颗粒物进行量化评价以及进行有效的治理，各国学者通过建立交通排放模型以及实测的方法来对交通颗粒物进行测量与研究。而交通排放模型考虑了众多影响因素，比实测法成本低，对外在环境与实验条件不敏感，预测的结果稳定有效，是应用非常广泛的研究方法。国内目前并没有自主开发的排放模型，而在使用外国现有模型时又存在一些不适应性。因此，了解发展成熟的颗粒物排放模型在国内的应用现状以及存在问题对我国日后自主开发排放模型以及对颗粒物进行治理都有重要的意义。

1、交通颗粒物

空气颗粒物对人体和环境的影响不容忽视，尤其是城市机动车和人群分布密集的区域内，交通颗粒物对空气颗粒物的贡献不言而喻[2-5]。交通颗粒物来源主要包括了2个部分：1）以机动车直接排放的颗粒物和气态污染物通过反应和转化形成的颗粒物，这一部分颗粒物的粒径通常比较小；2）机动车行驶时带起的扬尘，此部分颗粒物的粒径通常比较大[6]。

大气颗粒物中直径大于100μm的可以较快落到地面（通常叫降尘），直径小于100μm的叫总悬浮颗粒物（TSP）。其中直径小于10μm的空气颗粒物被国际标准化组织称为可吸入颗粒物（PM10），在空气中停留时间长，输送距离大。在可吸入颗粒物中，直径大于2.5μm的被美国环保局（EPA）称为可吸入粗颗粒物，直径小于2.5μm的为细颗粒物（PM2.5），也称之为可入肺颗粒物[7]。国外进行的大量有关PM10和PM2.5的流行病学研究[8-10]表明，可吸人颗粒物浓度的增加与疾病的发病率、死亡率密切相关，尤其是呼吸系统疾病及心肺疾病。长期暴露在空气颗粒物污染中会使肺功

能衰退，引发各种呼吸道疾病；使心率和心跳发生不规则变化，引发心血管疾病；改变免疫结构，增加重病及慢性病患者的死亡率，使患癌率增加。

2、交通颗粒物排放模型以及应用研究

2.1 PART5模型

PART5模型是由美国环保局（EPA）早期开发的计算道路机动车颗粒物排放因子的模型。它是对美国环保局组织的不同在用车排放水平测试结果，以及联邦测试程序FTP（Federal Test Procedure）所测得的排放结果进行回归分析，得出基本排放因子。然后根据需要改变其参数设置，通过经验公式得到机动车颗粒物的排放因子。其功能现已被MOBILE6.2最新版本整合。

吴烨等[11]分别于1995年与1998年利用PART5模型计算得到了北京市机动车PM10和PM2.5的平均排放因子，其中汽油车、摩托车和重型柴油车的排放因子分别是美国同期水平的1.7～8.6倍、2.1～5.3倍和1.3～1.5倍。1998年比1995年的总排放量分别增加了37.4%和42.5%。这可能与快速增长的汽车保有量有关。而排气管排放的颗粒物绝大部分是SOF和残余碳，占到90%以上，硫酸盐含量大概3%，铅排放达到3%，随着1998年无铅汽油的使用，铅的排放下降到不到1%。1999年[12]使用PART5模型对澳门地区进行了颗粒物的排放计算。得到了澳门地区机动车PM10和PM2.5的总排放量为141t及128t，而公共汽车和重型柴油车是主要的贡献车型。而尾气管排放的PM2.5中绝大部分是SOF和残余碳，占到总量的84.5%，其次是硫酸盐，占总排放的14.5%，铅的比例不到1%。这与油品中硫含量和铅含量的变化是一致的。可见，油品的质量对颗粒物的排放影响很大，建立排放模型时，燃料质量以及成分应该作为一个重要的影响因素。

2.2 MOBILE模型

MOBILE模型（Source Emission Factor Model）是由美国环保局于1978年开发的计算车队（fleet）平均排放因子的模型。与PART5的模型原理基本相同，属于典型的宏观排放模型。MOBILE模型经历了六代，随着实验数据和排放法规以及标准的变化不断进行更新[13]。

MOBILE作为成熟的排放模型，在我国机动车排放计算中有着非常广泛的应用，在支持城市机动车污染控制宏观决策方面具有很强的指导意义。车汶蔚[14]等使用MOBIEL模型建立了2006年珠三角地区的机动车排放清单，得到柴油大货车、柴油大客车和柴油小货车是机动车排放PM10的主要来源，约占总排放的70%。以及各车型对PM10的排放贡献，其中柴油大货车对PM10的分担率达到了25%以上。MOBILE这类宏观模型可以为地区环境管理和环境综合决策提供机动车污染源的排放数据，但只能在宏观区域内进行排放的计算，不能满足小区域内高分辨率的要求。

2.3 IVE模型

IVE（International Vehicle Emissions）模型是由国际可持续发展研究中心（International Sustainable Systems Research Center，ISSRC）和加州大学河边分校（University of California at Riverside，UCR）在美国环保局支持下共同开发，以满足发展中国家使用的机动车排放模型。

IVE模型[15]的计算方法在本质上与MOBILE模型的方法类似，不仅引入了VSP，而且考虑到发动机的历史状态对排放也有影响，也引入了ES（engine stress）用于建立发动机排放与历史VSP的模拟关系，利用它们建立了发动机瞬时工作状态与排放的分段对应关系，可以计算目标区域的空气污染物、温室气体，以及苯等近十种有毒气体进行估算，是典型的中观模型。

姚志良[16]等在2006年使用IVE模型以北京市的机动车为研究对象得出，颗粒物PM的平均日排放为7.1t，其中卡车的贡献率最高，达到了83%，而公交车和卡车作为颗粒物排放控制的重点，其排放因子分别是普通轻型车的14倍和44倍。王海鲲等[17]计算了2004年上海市机动车的PM排放清单，也得出摩托出与卡车是高排放车辆，且启动过程中PM占到总排放的19%。王孝文[18]等在2010年对杭州使用IVE模型与GIS系统建立了1km×1km的高时空分辨率的机动车排放清单，结果显示PM的排放量为6500t，柴油重型货车和公交车是主要排放源。而IVE模型预测的颗粒物只是PM，没有对人体和环境危害更大的PM10以及PM2.5进行计算。

王岐东[19]等在2008年以IVE模型的方法为基础，适合我国实际情况的车型分类，针对城市尺度，建立了基于工况的城市机动车排放模型，即DCMEM模型（driving cycle-based mobile emission mode），为今后控制机动车排放提供基础和依据。首先使用车载设备对五个城市进行实测机动车排放，利用反映发动机状态的VSP和ES两个机动车运行参数构建机动车排放因子模型并进行模型验证。发现即使使用中国车辆的测试结果，如果行驶工况不具代表性，也会带来很大误差。因此一方面需要完善覆盖各种车型的排放速率库，另一方面还要对各类城市规模的行驶工况进行测试研究。

2.4 COPERT模型

COPERT模型由欧洲环境署（EEA）资助开发，模型原理与MOBILE类似，采用平均速度表征车辆行驶特点，是典型的宏观模型。而COPERT模型来自与我国发动机技术相近的欧洲，且能兼容我国目前和未来一段时间内的机动车排放控制标准，需要的参数较少，便于推广使用，在我国有广泛的应用。

谢绍东等[20]使用COPERTIII模型计算了2002年中国机动车排放因子，得出大中型客车和重型货车的颗粒物排放因子较大，而大中型客车及重型货车大多数都采用的柴油发动

机，说明柴油机的颗粒物排放因子较大。且将其与MOBILE模型相比较，显示出他们在排放特征关系上是一致的，但是COPERT更接近台架试验的结果。而程颖等[21]于2011年利用PEMS对模型进行修正后，将两模型计算值与实测值相比较，也发现COPERT与实测值也更为接近。黄建彰等[22]使用COPERTIV模型对2012年佛山市重型车PM2.5的排放特征并分析了其污染来源。发现非排气管PM2.5的排放随车身总质量的提高而增大，而随速度的提高（40km/h之后）不断下降。非排气管PM2.5的排放占到总PM2.5的28.9%。随着排放标准的不断提高和尾气控制不断提升，非排气管排放的PM2.5所占比将会越来越大，成为颗粒物污染的主要来源。在建立排放模型时，应考虑到非排气管排放的这一部分颗粒物。

2.5 MOVES模型

美国环保局从2001年开始研发新一代的综合移动源排放模型——MOVES（motor vehicle emission simulator）模型。

MOVES模型是基于机动车比功率、行驶工况分布等新概念开发的新型排放模型，能满足从宏观到微观多观层面的计算。它引入了VSP和速度共同交叉划分区间，能全面真实的模拟实际道路运行工况[23]。目前为EPA认定的美国（除加州）地区对运输工程项目进行PM2.5和PM10量化热点分析的官方模型。

MOVES与MOBIEL相比，MOVES模型数据收集使用的便携式PEMS设备，数据存放于数据表中，便于基础排放率数据进行更新，在预测准确性上更具有优势。而用户界面也采用的可视化界面，增强了MOVES模型的可操作性[24]。而在岳园圆[25]对北京天竺收费站的机场高速的研究中发现，通过利用GPS对车辆实测获得其运行工况分布，对MOVES进行修正后，虽然基于本地排放率和默认排放率所测得的排放因子不同，但是MOVES与实测的ETC相较MTC对污染物排放削减比例相差很小，且削减比例趋势高度一致。所以运行工况刻画方面是模型开发的一个重要方面。

3、讨论

随着对排放的关注从宏观到分辨率更高的微观，MOBILE和COPERT这类宏观模型已经不是模型发展的方向，但是相对更成熟，使用经验丰富，对于已有机动车排放以及交通数据的地区是可以使用的。IVE操作简单，参数可获性强，更适合数据不确定性较大的发展中国家，但是其对车型分类非常严格，对于中国这种车辆技术参差不齐的城市，需要的输入数据也非常大量的。而代表了模型发展方向的新一代排放模型MOVES，提供了从微观到宏观多观的排放测算和评价功能，在数据收集、算法和运行层次上都对我国开发自己的排放模型有着重要的借鉴意义。

而就长远来看，我国应引入国外排放数据收集的先进设备如PEMS，收集有效排放数据进行合理处理，建立基础数据库。并且综合考虑对颗粒物影响较大的因素，如机动车运行工况、燃料性质、车龄里程、排放标准等，参考国外优秀的排放模型经验，尤其是MOVES这种代表了模型发展方向的多观模型，早日建立中国自己的尾气排放数据库和排放模型。

[1] 郭二果,王成等.城市空气悬浮颗粒物的理化性质及其健康效应[J].生态环境,2008,17（2）：851-857.

[2] 王淑兰,柴发合等.成都市大气颗粒物污染特征及其来源分析[J].地理科学,2004,24（4）：488-492.

[3] 王娟,钟宁宁等.鄂尔多斯市秋季大气PM2.5、PM10颗粒物中正构烷烃的组成分布与来源特征[J].环境科学学报,2007,27（11）：1915-1923.

[4] 杨丽萍,陈发虎.兰州市大气降尘污染物来源研究[J].环境科学学报,2002,22（4）：499-502.

[5] 邹本东,徐子优等.因子分析法解析北京市大气颗粒物PM10的来源[J].中国环境监测,2007,23（2）：79-85.

[6] 王玮,叶慧海等.交通来源颗粒物及其无机成分污染特征的研究[J].环境科学研究,2001,14（4）：27-31.

[7] 邵龙义,时宗波,黄勤. 都市大气环境中可吸入颗粒物的研究[J].环境保护,2000,1：24-27.

[8] Pope III C A, Dockery D W, Schwartz J.Review of epidemiological evidence of health effects of particulate air pollution [J]. Inhalation Toxicologh.1995,7,1-18

[9] Nevalainen J, Pekkanen J. The effect of particulate air pollution on life expectancy [J]. Sci Total Environ.1998,217:137-241

[10] Zanobetti A, Schwartz, Gold D. Are there sensitive subgroups for the effects of airborne particles. [J]. Envion Health Perspect. 2000, 108(9):841-845

[11] 吴烨,郝吉明等.应用PART5模式计算机动车尾气管的排放颗粒物排放[J].环境科学,2002,23（1）：7-10.

[12] 吴烨,郝吉明等.澳门机动车排放清单[J].清华大学学报（自然科学版）,2002,42（12）：1601-1604.

[13] 傅立新,贺克斌等.MOBILE汽车源排放因子计算模式研究[J].环境科学学报,1997,17（4）：474-479.

[14] 车汶蔚,郑君瑜.珠江三角洲机动车污染物排放特征及分担率[J].环境科学研究,2009,22（4）：456-461.

[15] 王虎,李孟良等.一种汽车源排放模型--IVE模型简介[J].中国环境监测,2007,23（5）：78-81.

[16] 姚志良,贺克斌等.IVE机动车排放模型应用研究[J].环境科学,2006,27（10）：1928-1933.

[17] 王海鲲,陈长虹等.应用IVE模型计算上海市机动车污染物排放[J].环境科学学报,2006,26（1）：1-9.

[18] 王孝文,田伟利,张清宇.杭州市机动车污染物排放清单的建立[J].中国环境科学,2012,32（8）：1368-1374.

[19] 王岐东,霍红等.基于工况的城市机动车排放模型DCMEM的开发[J].环境科学,2008,29（11）：3285-3290.

[20] 谢绍东,宋翔宇等.应用COPERT3模型计算中国机动车排放因子[J].环境科学,2006,27（3）：415-419.

[21] 程颖,于雷等.基于PEMS的MOBILE与COPERT排放模型对比研究[J].交通运输系统工程与信息,2011,11（3）：176-181.

[22] 黄建彰，刘永红等。基于COPERTIV模型的机动车PM2.5排放来源分析[J].环境科学与技术，2014,37（1）:43-47.

[23] 黄冠涛.基于MOVES的微观层次交通排放评价[D].北京交通大学硕士学位论文,2011.6.

[24] 黄冠涛,宋国华等.综合移动源排放模型—MOVES[J].交通信息与安全,2010,28（4）：49-59.

[25] 岳园圆，宋国华等.MOVES在微观层次交通排放评价中的应用研究[J].交通信息与安全，2013,6（31）：47-53.

4、发展展望

上述控制方案作为实例已应用于威海广泰空港设备股份有限公司生产的各类牵引汽车中，服务于国内外大小机场，用户反映良好。在公路商用车方面，4WS系统的应用也日益广泛，宝马，日产，马自达都拥有自己的4WS控制系统，控制策略也各有特色。最新的现代控制理论也为汽车4WS的控制研究提供了新思路，如自适应控制，最优控制，基于人工神经网络理论的控制等越来越多地被汽车设计者采用。随着研究的深入，涉及到不同速度情况下车体变形，轮胎的非线性变化，驾驶者不同的操作习惯对转向的影响都会越来越多的被关注，那么更新的更人性化的自学习智能驾驶系统也会成为研究者们关注的方向。相信伴随高灵敏度、高精度、低成本的传感器的开发，以及先进的控制理论与控制方法不断应用于4WS控制器，汽车四轮转向系统的应用会越来越广泛。

参考文献

[1] 郭孔辉 汽车操纵动力学 吉林科学技术出版社，1991.

[2] 郭孔辉，轧浩 四轮转向的控制方法的发展，中国机械工程，1998年第9卷第5期.

[3] 屈求真，刘延柱 四轮转向汽车的控制策略，汽车技术，1998年第2期.

Traffic particulate emissions model research

Zhang Yan, Su Wei
(Chang'an University, Shaanxi Xi’an 710064)

Air quality seriously worsed in recent years, traffic particulate matter makes a great contribution.In order to predict traffic emissions of particulate matter, researchers have developed a lot of emission models.. By some traffic particulate emission model is introduced and compared, also discussed the present domestic application.Finally,put forward opinions for application and development of China’s own emission model .

transportation emissions; particulate matter; emission model; model application

[U473.9]

B

1671-7988(2014)11-92-04

张艳，就读于长安大学。