北京市2017年典型日机动车动态排放特征研究

2021-01-26王燕军何巍楠宋国华唐祎骕张诗海张鹤丰

环境科学研究 2021年1期

王燕军，何巍楠，宋国华，唐祎骕，李刚，张诗海, 张鹤丰,4

1.中国环境科学研究院, 国家环境保护机动车污染控制与模拟重点实验室, 北京 100012 2.北京交通发展研究院, 城市交通节能减排检测与评估北京市重点实验室，北京 100073 3.北京交通大学, 综合交通运输大数据应用技术交通运输行业重点实验室, 北京 100044 4.国家大气污染防治攻关联合中心, 北京 100012

我国对机动车排放量的摸底调查主要是采用宏观测算法[7-9]，这种测算方法对国家级、省级、市级在宏观上把握机动车污染排放状况较为方便、便捷和直观，但不利于对机动车在道路上行驶时实际排放状况的掌握. 近些年，机动车排放研究已从宏观-中观尺度逐步向局部、微观尺度发展[10-13]，我国专家学者利用国外相关模型和本地化的机动车动态交通流数据，对部分地区机动车实际排放状况进行了探索[14-17]. 在国内外机动车排放宏观测算模型[18-21]、微观测算模型[22-27]调研的基础上，该研究基于美国MOVES模型的开发思路，开发了我国重型车VSP (Vehicle Specific Power，汽车比功率)分布区间，建立了我国轻型车、重型车基于VSP分布的排放速率数据库，开发了基于交通流的动态移动源排放测算模型. 结合北京市2017年5种典型日(工作日、非工作日、节假日、重污染日和重大活动日)下主要路网机动车动态交通流观测数据[28-29]，测算研究了北京市主要路网在1 h时间分辨率、1 km×1 km空间分辨率下机动车动态排放的时空分布特征，以期为支撑北京市机动车污染精细化管控决策提供数据支持.

1 测算方法

1.1 交通流数据获取方法

小客车交通流是基于车辆浮动车速度通过速度反推理论[30]获得，包括集成北京市31万路段(link)下的浮动车速度、交调数据(小时级，北京市 1 300 个交调点数据)以及远程交通微波监测数据(小时级，1 600 多个点位). 出租车交通流是基于北京市出租车浮动车运行数据获得(分钟级). 货车流量通过多元数据融合获得，其中包括交调数据(小时级，北京市 1 300 个交调点数据)、高速公路收费数据(小时级，20个典型收费站历史数据)、核查线调查数据(小时级，北京市主要横纵中轴的交叉路段历史数据)、远程交通微波监测数据(小时级，1 600 多个点位数据)、重型货车全球定位系统(GPS)数据(日均约8万辆次，时间分辨率为30 s). 公交车交通流基于公交固定路线GPS历史轨迹数据(分钟级)获得. 大客车流量基于旅游、省际等长途客运车辆GPS定位数据(分钟级)获得.

1.2 模型建立思路

借鉴美国MOVES机动车动态排放模型[23-24]构建思路开发了动态移动源排放清单模型，引入了VSP参数来表征机动车动态工作状态与排放的关系. VSP定义为单位质量机动车的瞬时功率，是机动车为克服滚动、摩擦、空气等阻力，增加机动车动能和势能所输出的功率，单位为kWt，计算公式：

VSPt=(Avt+Bvt2+Cvt3+mvtat)m

(1)

式中：VSPt为t时刻下机动车的比功率，kWt；vt为t时刻下的车辆速度，ms；at为t时刻下车辆瞬时加速度，ms2；m为车辆质量，t；A为车辆行驶滚动阻力，kW·sm；B为车辆行驶旋转阻力，kW·s2m2；C为车辆行驶空气阻力，kW·s3m3.

轻型车VSP计算主要是通过新车路试滚动阻力、旋转阻力、空气阻力等不同参数的测试，以及机动车在不同城市、不同道路上行驶工况调查得到的相关参数进行测算，研究建立的轻型车VSP区间特征与MOVES模型[21]类似.

对于重型车，MOVES模型中采用比例牵引功率(STP)代替VSP进行计算. STP物理意义与VSP类似，代表车辆牵引功率，通常按照常数缩放以适应现有的MOVES运行模式定义. STP主要通过发动机工作情况(负载率)而不是单纯通过车辆距离确定，同时基于STP的排放因子也并非直接与车辆质量呈正相关，其与车辆的负载功率也有关. 为了表征重型车输出功率与排放因子的关系，引入系数fscale. 如能直接得到重型车行驶时在驱动轮上输出的功率(即轮边功率，如通过实车运行ECU读取或重型车转鼓测试)，重型车的VSP特征采用式(2)计算.

VSPt=Paxlefscale

(2)

式中：Paxle为重型车轮边功率，kW·h；fscale为比例因子，常数，定义为车辆总质量(包括载重质量和车辆本身质量)与车辆整备质量之比，其物理意义为重型车为载货额外所需增加的输出功率与空载时功率的比值.

当车辆在道路上行驶，如未能直接得到轮边功率时，采用式(3)进行模拟计算.

Where: ra is armature winding; rf is excitation winding;rD is direct-axis damping winding;rQ is cross-axis damping winding; w is electrical angular velocity of rotor.

VSPt=(Avt+Bvt2+Cvt3+mvtat)fscale

(3)

由于我国重型车整车试验尚未积累起足够的数据，无法确定其中的关键参数，故该研究中重型货车VSP计算采用北京交通大学基于实测研究自主开发的我国重型车VSP计算公式，根据车辆质量能否准确获得分别采用不同计算公式，如表1所示.

表1 我国重型车VSP计算公式

在此基础上，通过国内重型车行驶工况调查，将重型货车的VSP行驶区间划分为29个，其中，速度区间3个，分别为0～50、50～80和大于80 kmh；每个速度区间下有9个VSP区间，分别为VSP<0、0≤VSP<1、1≤VSP<2、2≤VSP<3、3≤VSP<4、4≤VSP<5、5≤VSP<6、6≤VSP<9、VSP≥9；以及怠速和滑行各一个工况区间.

1.3 模型结构及测算参数

研究建立基于交通流的城市道路动态机动车排放清单模型输入参数包括以下3个：①基础输入，基于VSP的排放率数据、VSP工况分布数据、车辆行驶公里数(Vehicle Kilometers of Travel，VKT)速度分布数据、保有量数据、行驶里程数据等(保有量数据及行驶里程数据需要使用者根据研究对象进行确定). 模型中针对重型车的总质量划分是基于车型结构调查数据得到的关键区域下不同总质量车辆的结构比例，并按总质量区间划分进行归类后统计占比获得. 基础信息则通过联网报送的年检车辆信息数据库区分车辆的排放阶段、车辆总质量等基本信息. ②修正参数，基于车龄分布的劣化系数数据(根据联网报送的年检车辆信息数据库推算的车龄，以及基于车辆的排放劣化研究建立的数据库)；基础排放清单的修正参数数据，包括温度修正数据、湿度修正数据以及海拔修正数据等(根据研究对象不同进行自行输入). ③其他模块参数，在基础排放清单基础上，可输入冷启动参数、蒸发参数等进行其他模块排放测算. 输出参数包括：①一级输出参数，包括速度排放因子数据、车龄分布数据. ②二级输出参数，包括综合排放因子数据或修正后的速度排放因子，以及VKT总量数据. ③三级输出参数，包括基础排放清单、修正后机动车排放清单等. 模型测算流程如图1所示.

图1 模型测算流程Fig.1 Procedure of inventory development

2 结果与分析

在北京市2017年交通流量调查[28-29]的基础上，选取了2017年北京市工作日、非工作日、重污染日(北京市发布重污染预警、机动车单双号限行日)、节假日(国家法定节假日)和重大活动日(2017年3月3—15日全国人民代表大会第五次会议和政协第十二届全国委员会第五次会议、2017年10月18—24日中国共产党第十九次全国代表大会等国家重大活动日)五类典型日，分析在不同环境背景下机动车排放的时空分布和演变情况. 交通特征刻画的参数选取了VKT作为衡量交通出行量的指标. 典型日的分类主要是为了体现机动车不同出行方式、出行量对污染物排放的影响. 以工作日为例，该研究中工作日VKT结果是基于周一、周二、周三、周四、周五不同特征结果下的加权结果，其他4类典型日处理方式相同.

2.1 机动车排放空间分布特征

根据交通流调查获得VKT、VSP分布比例等交通流信息后，构造了北京市2017年典型日路网逐时机动车排放清单，并将排放量对应分配在相应的GIS网格上. 工作日全天、05:00和17:00机动车NOx排放量空间分布特征如图2所示.

图2 北京市机动车NOx排放量空间分布特征Fig.2 Vehicle NOx spatial distribution characteristics in Beijing

由图2可见：北京市机动车NOx排放分布的规律性较强，主要分布在东南六环方向及其联络线，以及东北、西北六环路方向及与其联络线上，这些均为重型柴油货车运输较集中的交通线路. 05:00柴油货车NOx集中排放的特征最为明显；17:00城市内外多种机动车交通均较活跃，NOx排放量较高的地点呈多点分布的现象.

北京市工作日机动车全天、12:00和18:00的CO排放量空间分布特征如图3所示. 由图3可见：北京市机动车CO排放主要集中在城区，特别是五环路及以内区域机动车CO排放量较大；与12:00相比，18:00机动车CO排放量较大，五环路及以内区域、五环路联络线附近均为CO集中排放区域，这主要是因为轻型汽油客车是机动车CO排放的主体，而轻型车的主要活动区域为五环路及以内区域，且以私家车出行为主，故排放也明显分布在该区域.

图3 北京市机动车CO排放量空间分布特征Fig.3 Vehicle CO spatial distribution characteristics in Beijing

2.2 典型日机动车排放量分析

根据交通流特点，计算得到5种典型日的CO、HC、NOx排放量(见图4). 由图4可见，5种典型日中非工作日机动车总排放量稍高于工作日，分别是工作日、节假日、重污染日、重大活动日的1.02、1.19、1.03、1.13倍. 不同节假日之间，CO、HC、NOx排放量也有存在差异(见图5). 由图5可见，春节3种污染物排放量最低，其次为元旦，劳动节排放量最高，是春节排放量的1.3倍，主要原因为元旦、春节和国庆节的假期较长，离京人数较多，导致交通流量下降，劳动节和中秋节因假期时间较短，离京人数较少、交通量较大，因此导致排放较高.

图4 典型日机动车排放量Fig.4 Vehicle emission quantities of typical days

图5 不同节假日机动车排放量Fig.5 Vehicle emission quantities of different holidays

不同类型机动车污染物排放量占比如图6所示，对于CO排放而言，小客车CO排放量占比最大，为65.2%，其次为货车，排放占比为12.8%；HC排放量占比最大的也为小客车，为65.3%，其次为公交车，排放占比为12.8%；货车的NOx排放占比最大，为48.9%，其次为公交车，排放占比为19.0%；PM的排放则主要来自货车和大客车，分别占机动车PM总排放量的61.3%和27.8%.

图6 分类型机动车排放量占比Fig.6 Emission ratios by vehicle types

2.3 典型区域和道路排放量分析

该研究分析了北京市二环内(包括二环路)、二三环之间(包括三环路)、三四环之间(包括四环路)、四五环之间(包括五环路)、五六环之间(包括六环路)以及六环外等不同区域机动车污染物排放强度，结果如图7所示. 由图7可见：从环路区域上看，二环内污染物单位面积平均排放率最高，为0.05 t(km2·d)，分别是三四环之间、四五环之间的1.2、2.0倍，其主要原因是北京市二环内路网密度(16.36 kmkm2)最高，交通流平均速度(21.1 kmh)最低，因此污染物单位面积平均排放率高、排放强度大；二三环之间机动车污染物单位面积平均排放率次之，为0.043 t(km2·d). 从城市二环区域往外机动车路网密度逐渐变低，交通流平均速度逐渐提高，路网排放强度逐渐降低. 在不同道路类型中，次干路、支路的污染物排放占比最大，其次为主干路. 由图8可见：各道路类型中CO的排放量占比最大，占总污染物排放量的60%以上；其次为NOx，约占总污染物排放量的20%.

图7 分区域机动车污染物单位面积平均排放率、交通流平均速度Fig.7 Vehicle average emission rate per unit area and traffic flow average speed by zones

图8 分道路类型机动车不同污染物排放量占比Fig.8 Vehicle pollutants ratio by the road types

3 讨论

机动车排放情况受行驶速度、车况、环境温度等影响较大，有研究表明，机动车实际道路行驶状况下排放因子与机动车排放宏观测算模型之间的差异较大[31]，机动车对城市环境空气质量的影响也存在差异性[32]. 樊守彬等[33]对北京市二环内、二三环之间机动车行驶平均速度观测表明，机动车最低车速在21～22 kmh之间，而笔者研究显示二环内、二三环之间的平均车速只有25 kmh左右，高峰时段在20 kmh以下，原因可能是樊守彬等[33]研究年份为2015年，笔者研究年份为2017年，平均车速的降低与北京市机动车保有量的进一步升高以及道路车流饱和程度增长有关. 该研究表明，次干路、支路的机动车污染物排放量高于主干路、快速路的排放量，与樊守彬等[33]研究结论相似. 二环内、二三环之间、三四环之间的机动车污染物排放强度明显高于四外环，表明中心城区机动车排放控制的重要性.

分车型来看，该研究中小型客车CO和HC排放量均占机动车CO、HC总排放量的60%以上，占比较高，与杨昆昊等[5]利用机动车燃油质量估算机动车尾气排放对北京市大气污染的贡献结论相似. 研究[34]表明，小型客车CO、HC排放在北京市五环区域内均较高(高排放区)，对居民健康影响较大，HC排放还是影响城市空气中二次颗粒物和O3生成的重点因素. 因此，北京市对轻型客车污染物排放的控制应进一步加强. 为了降低小型客车的使用强度以及污染物的排放，可采用源头替换的方法，通过财政、税收、政府采购、通行便利等措施，推动新能源配套基础设施建设，推广使用节能环保型机动车或新能源机动车；同时，通过绿色交通体系建设、优化道路设置等手段，降低小型客车的使用强度，有效降低小型客车的污染排放. 对于在用的行驶里程较高的出租车、租赁汽车、老旧汽车或从事运输经营的小型车辆，应加强维护保养、要求更换尾气净化装置、淘汰更新等措施降低在用小型客车的排放水平.

对于近期关注的重型柴油车排放问题，该研究重型车NOx排放量占机动车NOx总排放量的50%左右，低于相关文献宏观测算结果[35]. 这可能与近些年来北京市不断加强柴油货车管控，采取了老旧车辆加速淘汰、限行、加大环保检查力度[36]等措施，不断降低路面行驶的重型车流有关，但重型车由于承担了城市物流的主要功能，其夜间排放和总体排放水平仍然较高，对北京市局部(东南六环方向以及东北、西北六环附近)空气质量影响较大，并可通过远程传输的方式影响城区的空气质量[37]. 为进一步降低北京市重型柴油车污染排放问题，一方面需要降低重型车的使用强度，可以通过调整优化运输结构，统筹推进多式联运运输网络建设，推动重点工业企业、物流园区和产业园区等优先采用铁路运输大宗货物，建立城市绿色货运体系等不同的方式推动；另一方面，对于现有的重型柴油车，可通过提高标准要求、加强检测维修(IM)、加装污染控制装置、车载排放诊断系统、远程排放管理车载终端等设备和装置降低在用柴油车排放水平.