城市道路车辆排放对大气污染的线性诊断模型

胡启洲 邓 卫 李晓菡

(1南京理工大学自动化学院, 南京 210094)(2东南大学交通学院, 南京 210096)

从20世纪起国内外学者对机动车尾气排放问题进行了系统研究,取得很好的研究成果.胡启洲等[1]在研究车辆排放时空特性基础上,构建了排放强度函数模型,提出了车辆排放的综合测度模型.Agarwal等[2]分析了不同速度下高速公路的车辆尾气排放问题.吴鹏等[3]在构建车辆排放对大气污染的监测指标基础上,利用神经网络和模糊识别理论,提出了车辆排放的预测模型.Elkafoury等[4]对“点(交叉口)”车辆排放时空特性进行了系统研究.Gori等对“点(单点控制交叉口)”研究了减少排队延误和尾气排放的优化信号配时方案问题.Gori等[5]研究了“线(路段)”不停车收费路段,车辆排放对环境的污染问题.Anya等[6]研究了“面(路网)”中的车辆排放对环境污染问题,主要利用车载尾气检测设备得到的实测数据来分析“点(交叉口)”和“线(路段)”的污染情况,并利用车辆排放测试法得到单车排放因子.由于车辆排放监测设备的测试费用较昂贵，且监测数据采集难度较大,目前国内外对机动车尾气排放监测、测试、监控和评估等领域的研究还处于探索性阶段.因此,本文在考虑车辆行驶环境的多样性基础上,根据不同的道路类型(快速路、主干道、次干道和支路)和不同的车辆类型(客车和货车),利用线性诊断函数,构建不同道路环境下车辆排放对大气污染的线性模型.并在将污染物分为气体和固体2类的基础上,通过线性诊断模型得到车辆排放对大气污染的准确值,为科学研究车辆排放对环境污染问题提供理论支撑.

1 车辆排放对大气污染的诊断机理

机动车排出的尾气中含有100种以上的不同化合物,其中对大气的污染物主要有 一氧化碳(CO)、氮氧化物(NOx)、碳氢化合物(CnHm)、二氧化硫(SO2)、铅(Pb)和颗粒物(particulate matter, PM)等有害物质,以及光化学反应产生的二次污染物[7-8].因此,根据我国实际情况,本文从气体污染物和固体污染物2个方面,构建车辆排放对大气污染的诊断指标体系, 如表1所示.

表1 车辆排放的诊断指标体系

1.1 不同车辆排放对大气污染的排放因子

一般机动车排放系数是由数学模型预测、燃料消耗估算或者遥感监测等确定[9].为了评价城市路网中不同道路条件下车辆排放的不同程度,本文将机动车分为货车和客车两大类.在此基础上,利用函数关系定量计算车辆排放对大气的污染程度.无论是货车还是客车,不同的车型对环境污染程度也不相同.所以,为了研究车辆排放对大气的污染程度,本文将货车与客车划分为4个类型,见表2.

表2 不同类型车辆的排放因子

1.2 不同道路上车辆排放对大气污染的诊断函数

机动车污染物排放总量与城市路网的车流量、车型结构、平均行驶里程、单车排放因子等有着密切关系,特别是不同道路等级对车辆排放的影响.这是因为：① 由于车辆无法保持在一段时间内持续高加速行驶,因此怠速和低速行驶是造成车辆单位距离排放污染的主要原因[8],本文将城市路网中车辆运营速度分为低速、普速、中速和高速4个速度区间[10-11],分析速度对车辆排放的影响机理;② 车辆在不同道路上的运行状态有很大差异,不同道路条件下同一辆车污染程度也不同,因此行驶状况也是影响车辆排放污染的主要因素.本文基于城市道路划分标准(快速路、主干道、次干道、支路4类),将城市道路分为4个等级,用以界定各类道路类型各自运营速度区间(见表3).

为了计算城市路网中不同道路上不同类型车辆对大气的污染程度,本文构建如下函数关系式：

表3 不同道路类型分析

fi(vk)=vikdikuij

(1)

式中,fi(vk)为第i类车辆在第k类路上的第j类污染物的排放量,g;vik为第i类车辆在第k类路上的平均速度,km/h;dik为第i类车辆的平均行驶里程,km;uij为第i类车辆关于第j类污染物的排放因子, g/(km2·h).

1.3 车辆排放对大气污染的综合诊断模型

为了计算不同道路环境下车辆排放对大气污染的严重程度,需要对车辆排放中的多种污染物进行综合计算.本文在诊断车辆排放对大气污染的各个污染物时,分别计算车辆排放中气体污染物和固体污染物对大气污染的诊断值.

1) 气体污染物的诊断模型.根据表1,车辆排放中气体污染物主要有SOx,COx,THC,NOx等.为了计算成本效益,利用气体诊断指标函数将各种气体污染物的诊断值量进行归一化处理后再进行加权计算.本文利用车辆排放中的气体污染物量,来反映车辆排放对大气污染的综合效应.因此,车辆排放中气体污染物量的函数关系式为

(2)

式中,Fk(g)为在第k类路上运行车辆对大气污染的气体污染物排放量,g;nike为第i类车辆在第k类路上的行驶车辆数,辆;vike为第e辆车在第k类路上第i类车辆的平均速度,km/h;dike为第e辆车在第i类车辆中平均行驶里程,km.

2) 固体污染物的诊断模型.根据表1,车辆排放中固体污染物主要有Pb,PM10,PM2.5,TSP等.为了计算成本效益,利用固体诊断指标函数f5(Pb),f6(PM10),f7(PM2.5),f8(TSP) 将各种固体污染物的诊断值量进行归一化处理后,再进行加权计算.测算车辆排放中固体污染物排时,由于百公里污染物排放量数据可以获得,因此本文利用与行驶里程有关的排放测算方法,车辆排放中固体污染物量的函数关系式为

(3)

式中,Fk(s)为在第k类路上运行车辆对大气污染的固体污染物排放量,g.

2 不同类型道路不同车辆排放的综合诊断模型

车辆排放是影响空气质量的重要因素,在交通环境不变的情况下,同一区域内不同时间的车辆排放量之间存在着某种线性联系.所以,基于气体污染物的测算函数关系式(2)和固体污染物的测算函数关系式(3),第k类路车辆排放的函数关系式为

Fk(x)=αFk(g)+βFk(s)=

(4)

式中，Fk(x)为第k类路车辆排放的总污染量,g;Fk(g)为第k类路车辆排放的气体污染量,g;Fk(s)为第k类路车辆排放的固体污染量,g;α,β为效果系数,借鉴国外、国内其他部门的研究成果[12-13],参考《大气污染物综合排放标准》及《环境空气质量标准》,给出效果系数的建议值,见表4.

表4 效果系数的建议值

3 基于BP网络的车辆排放诊断算法

为了提高不同道路环境下车辆排放的线性诊断模型的计算效率,本文融合模糊逻辑与神经网络技术,引入逐层分布综合诊断思想.车辆排放诊断算法步骤如下：

② 车辆排放的输出信息转化.当车辆排放bd大于神经元兴奋阈值时,车辆排放神经元信息转换函数对bd转化得到输出信息yz,则输出信息yz=e(bd-0.01)[1+e(bd-0.01)]-1.

④ 车辆排放的权重和阀值.继续输入车辆排放样本训练BP神经网络,直到达到极小值则停止计算,输出此时神经网络的连接权重和阀值.

4 案例分析

2016年课题组对南京市道路网中车辆排放态势进行调查分析,获得了大量有关车辆排放对大气污染的数据,并根据有关部门公布的数据[14],本文在对这些采集数据进行有效分析的基础上,利用线性函数进行定量计算,诊断南京道路网中不同道路类型不同车辆的排放程度.本文选取南京市的48个区段作为车辆排放的劣化诊断学习样本(44个为车辆排放训练样本,4个为车辆排放检测样本),运用所建模型对车辆排放进行模拟训练.

1) 车辆排放的训练样本劣化目标真实值XZ=(0.362 8,0.312 0,0.372 9,0.386 3,0.376 4,0.416 4,0.387 9,0.373 3,0.424 1,0.464 4,0.387 4,0.327 9,0.403 1,0.381 8,0.437 4,0.483 8,0.439 1,0.331 1,0.306 4,0.307 4,0.313 2,0.383 0,0.341 7,0.363 3,0.348 0,0.420 9,0.389 8,0.378 4,0.336 3,0.313 8, 0.367 6,0.362 3,0.396 2,0.388 4,0.391 1,0.414 8,0.390 2,0.392 8,0.419 1,0.461 3,0.390 7,0.326 9,0.403 3,0.381 6).

2) 车辆排放的检测样本劣化目标真实值JZ=(0.216 2,0.236 3,0.267 8,0.298 9).

3) 车辆排放的训练样本劣化目标拟合值XN=(0.367 5,0.362 5,0.396 2,0.385 4,0.395 1,0.415 8,0.350 2,0.395 8,0.415 1,0.451 3,0.390 7,0.326 9,0.405 3,0.351 6,0.435 3,0.485 7,0.439 6,0.332 8,0.302 3,0.306 4,0.317 8,0.387 1,0.344 3,0.364 8,0.360 2,0.426 4,0.390 4,0.372 2,0.337 8,0.315 1, 0.363 6,0.365 3,0.395 2,0.385 4,0.395 1,0.415 8,0.370 2,0.352 8,0.459 1,0.451 3,0.395 7,0.326 9,0.403 5,0.351 6).

由2组数据知,车辆排放的样本劣化目标拟合值与样本劣化目标真实值接近,精度达到了车辆排放的监控要求.运用训练后达到要求的函数对检测样本进行拟合,得到车辆排放的检测样本拟合值JN=(0.213 7,0.239 5, 0.261 9,0.296 5),精度同样达到了车辆排放的监控要求.车辆排放的真实值与拟合值的拟合结果如图1所示.

图1 车辆排放的真实值与拟合值

4) 车辆排放的检测样本误差分析.以南京市48个区段作为车辆排放的劣化诊断的学习样本, 4个车辆排放检测样本的真实值JZ=(0.216 2,0.236 3, 0.267 8,0.298 9),4个车辆排放检测样本的拟合值JN=(0.213 7,0.239 5, 0.261 9,0.296 5),4个车辆排放检测样本的有效误差为1.16%，1.35%，2.20%和0.80%,如图2所示.

图2 预测有效误差分析

根据图1和图2,从减排成本效益评价上来看,以目前的技术发展水平和规模,南京市车辆排放对大气污染属于中等水平,南京市车辆排放对大气污染有一定影响,其中固体污染物(容易产生雾霾)对南京环境影响较大.所以,为了减少车辆排放对大气污染,本文建议：一方面,从政策上推广低污染能源,建议使用清洁能源车辆,如电动汽车等;另一方面,从教育上提高居民环保意识,鼓励居民乘公共交通出行,减少私家车出行等.

5 结论

1) 针对不同的城市道路,本文从快速路、主干道、次干道和支路4个方面构建了车辆排放的大气污染模型,通过定量计算可知,在同等条件下支路的污染最严重.

2) 针对不同的车辆类型,本文从重型、中型、轻型和微型4个类型建立了车辆排放对大气污染的数学关系式,计算表明不同车型排放差别较大,即使同一车型在不同速度下排放量也不同,速度越大，污染物排放量越小.

3) 通过对真实行驶条件下车辆排放的大数据分析,不但可以评估车辆排放对城市环境的影响程度,而且为新标准的有效执行提供决策依据.因此,本文在探索车辆排放具有的内在规律基础上,从不同道路环境(快速路、主干道、次干道和支路)和不同车辆(货车和客车)类型条件下,利用线性函数构造车辆排放的线性诊断模型,实现了车辆排放对大气污染的定量监控目标.研究成果为改善城市空气质量、减少空气污染提供了新方法、新思路.