阳泉市2017年基于交通流量的机动车排放清单

解淑霞，黄志辉*，王鑫，唐祎骕，何巍楠，纪亮，王燕军，倪红

1.中国环境科学研究院 2.国家环境保护机动车污染控制与模拟重点实验室 3.北京交通大学 4.北京交通发展研究院

随着我国城市化进程快速推进，城市大气污染越来越复杂，大气污染已由局地、单一的煤烟型污染向区域、复合型污染转化[1]。为分析大气污染来源和分布，许多地区开展了大气污染物排放清单及颗粒物源解析研究工作[2-3]，如北京市[4-5]、上海市[6]、杭州市[7]、济南市[8]、广州市[9]和天津市[10]等，结果表明机动车排放是城市大气污染的主要来源之一。机动车排放的主要污染物有CO、HC、NOx和PM等，除一次排放外，NOx等一次污染物在光化学作用下会导致臭氧和二次气溶胶的生成，对空气质量达标造成严重影响[11-12]。因此，为改善空气质量，需要加强机动车排放监管，通过研究机动车污染物排放特征，建立机动车排放清单是制定机动车排放精细化管控措施的重要依据。

为了建立机动车排放清单，国内外学者在清单编制方法和排放因子测试等方面开展了大量的研究[13-17]。目前，编制机动车排放清单比较常用的方法是模型法，如利用COPERT、MOBILE和IVE等模型，经过各种因子修正后得到本地化机动车排放因子[18-21]；然后，通过机动车保有量、年均行驶里程或实际道路行驶里程及车型分布等计算排放清单。利用保有量进行计算时，由于存在车辆登记地与使用地不一致、重型货车跨区域使用等情况，使区域机动车排放量计算不够准确，也无法反映实际道路交通排放情况。为了提高城市交通运行效率、减少拥堵，包含有道路交通流量监控的智慧交通取得了很大的发展，可以获得实际道路上的车流、车速、车型构成等数据[22-24]，为基于实际交通流量的排放清单计算提供了条件；同时，空气质量预报预警技术的发展对机动车排放输入数据提出了更高的要求[25-26]。因此，基于实际交通流量的机动车排放清单研究受到研究者的极大关注[27-32]。郑君瑜等[13]以珠三角区域为研究对象，提出了基于交通流量和路网的区域机动车污染物排放量空间分配方法。王凯等[31]基于现场调查和卫星影片解译，应用ArcGIS建立了北京延庆区高分辨率的机动车排放清单。樊守彬等[4-5]通过模型模拟和调查统计方法获得北京市交通流量数据，计算得到北京市机动车实际道路排放特征。刘登国等[28]以上海市内环区域高架道路和地面主干道路的交通信息为基础开展了上海市机动车NOx排放研究。综上，很多学者通过不同的途径获得实际交通流量，开展了基于交通流量的机动车排放清单研究。

阳泉市位于京津冀大气污染传输通道，地处黄土高原东缘、太行山脉中段西麓，属于典型的中低山区，大气污染物不易扩散，近年来阳泉市机动车保有量的持续增长，进一步增加了大气污染治理的难度。目前，对阳泉市机动车排放清单的研究较为鲜见，精准措施的制定还缺乏基础数据支撑[33]。因此，笔者通过车型信息的统计调查和道路交通流量的模拟，利用自下而上的排放清单构建方法，建立了2017年阳泉市高时空分辨率机动车排放清单，分析了基于实际交通流量的机动车排放特征，以期为阳泉市机动车排放的精细化管控提供技术支撑。

1 材料与方法

1.1 道路交通流量获得方法

根据数据来源的不同，道路交通流量的获得方法主要分为2类:1)真实交通流量数据；2)通过模型计算得到的模拟交通流量数据。真实的交通流量监测需要布设大量的点位，因此多数研究只能获得部分道路的真实交通流量数据，难以获得全路网的数据，在进行排放清单计算时通常需要将2种方法相结合。经典的交通流量模型之一为基本图模型，模型基于实测车流速度、密度和流量数据，利用统计学方法建立三参数之间的相互关系，采用散点图或曲线图反映交通流量状态及变化特征，并采用数据拟合方法构建参数间的函数关系[34]。基本图模型常作为交通流量问题研究的基础，随着对车辆微观驾驶行为的关注，van Aerde推导得到了经典的四参数单段式连续模型，即van Aerde速度-流量模型[35]。通过van Aerde模型，可由速度推算流量，实现宏观与微观交通流量模型间的转换，模型结构简单、参数少、数据获取容易，对大规模车流和路网研究具有较强的优势。赵娜乐等[36-37]对van Aerde速度-流量模型进行了研究，并用交通流量实测数据进行了交通流特征参数标定，结果表明模型拟合效果较好。因此，笔者采用van Aerde速度-流量模型和实际调研数据进行城市交通流量的模拟。实际交通流量数据通过北京四维图新科技股份有限公司获得，路网交通流量数据以路段(按照路口、红绿灯、高速公路出入口等道路节点进行划分得到的单元路段)形式提供，将阳泉市路网分为2×104个路段，每个路段含道路ID码、道路类型、道路长度、车流量等信息。应用van Aerde速度-流量模型前，分别以高速公路、快速路、主干路、次支路进行模型参数标定，得到不同等级道路速度-流量模型，同时对凌晨和夜间高速公路及快速路的交通流量根据实际流量趋势用多项式进行了修正。

1.2 道路车型构成

清单计算时需要获得实际道路上车辆的详细构成，包括车型(小型客车、中型客车、大型客车、轻型货车、中型货车、重型货车等)，燃料类型(汽油、柴油、天然气、电动等)，排放阶段(国3、国4、国5等)信息。通过调研2017年阳泉市国道车辆结构、山西省高速公路和省道车辆结构、太原市和长治市城市内道路车辆结构，采用类比分析后获得2017年阳泉市不同类型道路上机动车构成情况。2017年阳泉市机动车燃油类型和排放阶段结构见表1。

表1 2017年阳泉市机动车燃油类型和排放阶段结构

1.3 排放因子获得方法

排放因子主要基于国家第一次、第二次移动源污染物普查数据，在调研发动机型式核准时台架试验结果基础上，结合国内实际道路车载排放(PEMS)测试计算得到。实际道路PEMS测试的车型包括不同排放阶段的上百辆轻型车和重型车，试验分别在北京、深圳、唐山、重庆、广州、新疆、哈尔滨、阳泉等地进行。

基本排放因子采用基于机动车比功率(vehicle specific power，VSP)的排放因子，计算公式如下：

(1)

式中：BEF为基本排放因子，g/(km·辆)；BER为不同道路类型、拥堵状况下某车型在不同运行模式区间(VSP Bin)的基本排放率，g/s；δ为不同VSP Bin占比；V为不同道路类型、拥堵状况下的平均速度，km/h。

VSP Bin的划分参照美国MOVES模型划分思路，考虑到我国机动车的行驶特点与美国间的差异，重型车和公交车VSP Bin根据现场调研获得的逐秒行驶工况数据进行划分；轻型车的行驶特点与美国类似，沿用美国MOVES模型划分方法。

在进行机动车综合排放因子计算时，根据阳泉的地理特点及车辆使用情况，对基本排放因子进行温度、湿度、速度、空调、负载参数修正，公式如下：

EF=BEF×CF

(2)

式中：EF为机动车综合排放因子，g/(km·辆)；CF为综合修正排放因子，即温度、湿度、速度、空调、负载修正因子的乘积，根据《道路机动车大气污染物排放清单编制技术指南(试行)》[38]，温度、湿度、速度、空调、负载的修正因子为0.32～1.69。

1.4 排放量计算

计算排放量时，先测算城市综合排放因子。基于道路车辆的GPS数据分析，获取实际道路工况数据及VSP Bin分布；基于台架测试和PEMS测试，获取逐秒排放率数据，在此基础上获取随速度变化的机动车排放因子，结合不同道路的行驶里程(VKT)分布，开展温度、湿度、速度、空调等参数修正后，获取综合排放因子。再利用van Aerde速度-流量模型，基于城市路网路段速度特征、车辆结构特征，获取按照道路类型、车辆类型、燃油种类、排放阶段划分的路网路段交通流量。最后将路网路段交通流量与综合排放因子相乘，经汇总后获得城市机动车排放清单。排放量计算公式如下：

E=∑qi,j,k×li×EFi,j×365

(3)

式中：E为机动车污染物排放量，t/a；q为车流量，辆/h;i为道路类型；j为车辆类型；k为时间，h；l为道路长度，km。

1.5 排放量时空分配

以ArcGIS软件构建平台，利用路网信息与交通流量信息相结合的方式来确定排放空间和时间分配方法，将机动车尾气排放量进行时空分配。空间分配时，根据路网、路段对道路长度、交通流量、机动车排放因子等信息进行处理，得到每个路段的机动车污染物排放量；时间分配时，分道路类型提取路段中的路网信息，按照工作日和非工作日各时段的机动车流量分别进行统计分析，得到不同道路类型的车流量变化规律，通过综合排放因子计算出不同道路类型24 h的机动车排放量。

2 结果与讨论

2.1 道路交通流量模拟结果

通过van Aerde速度-流量模型，结合GIS地图、路况数据、已有道路观测数据，获取阳泉市基于路网路段的道路日交通流量数据(图1)。由图1可见，人口密集、道路密集区域每条道路的交通流量大部分在10 000辆/d以上，交通流量在20 000辆/d以上的道路主要为高速公路、国道和省道。

图1 阳泉市日交通流量分布Fig.1 Spatial distribution of daily traffic flow in Yangquan City

图2 阳泉市机动车污染物日均排放量Fig.2 Daily average pollutant emission of motor vehicles in Yangquan City

2.2 污染物排放总量

2017年阳泉市工作日和非工作日路网机动车排放量的CO、HC、NOx和PM排放量如图2所示。

由图2可见，工作日CO、HC、NOx、PM排放量分别为126.9、26.6、49.3、0.7 t/d，非工作日分别为119.4、25.1、45.2、0.6 t/d，非工作日污染物的排放量稍低于工作日。2017年工作日、非工作日分别为250和115 d，计算得到阳泉市全年道路机动车排放量的CO、HC、NOx、PM量分别为4.56×104、0.96×104、1.76×104、0.024×104t。

2.3 排放量按车型分布特征

阳泉市全路网道路上不同车型在工作日和非工作日各污染物的排放占比如图3所示。由图3可见，每种车型对4种污染物的贡献率差异较大，小型客车的CO和HC排放占比最大，重型货车和大型客车是NOx和PM的主要排放源。工作日与非工作日的排放占比相比，小型客车各项污染物变化不明显，工作日和非工作日均在80%以上，这主要是由于小型客车除在工作日主要用于上下班外，在非工作日也有较大的出行需求；中型和大型客车在非工作日NOx和PM排放占比稍高于工作日，这与非工作日人们有旅行出行需求等相关，其他车型的污染物排放占比在工作日和非工作日区别不明显。

图3 阳泉市按车辆类型划分的机动车污染物排放量构成Fig.3 Proportions of motor vehicle emissions by vehicle types in Yangquan City

各车型日均污染物排放量如图4所示。由图4可见，小型客车CO、HC、NOx、PM排放量分别为101.6、22.1、5.0、0.01 t/d，排放总量最大；中型客车分别为2.0、0.2、1.0、0.01 t/d；大型客车分别为6.7、1.3、16.0、0.10 t/d；轻型货车分别为8.5、1.6、2.0、0.2 t/d；中型货车分别为1.1、0.2、3.0、0.1 t/d；重型货车分别为4.8、0.8、21.0、0.3 t/d。

图4 阳泉市按车辆类型划分的机动车污染物日均排放量Fig.4 Proportions of motor vehicle emissions daily average by vehicle types in Yangquan City

2.4 排放量按阶段分布特征

阳泉市机动车日均排放量按排放阶段分布如图5所示。由图5可见，CO、HC、NOx、PM排放量大小依次为国4、国3、国5、国2、国1、国0。其中，国4机动车CO、HC、NOx、PM排放量分别占总排放量的38.9%、41.8%、31.3%、16.7%，国3机动车分别占22.4%、23.5%、49.3%、66.7%。国4机动车的CO和HC排放量占比较高，这主要是由于国4小型客车保有量占比较高；国3机动车的NOx和PM排放量占比较高，主要是由于国3柴油车的单车排放量较高。

图5 阳泉市按排放阶段划分的机动车污染物日均排放量Fig.5 Proportions of motor vehicle emissions by emission stages in Yangquan City

2.5 排放量按空间及道路类型分布特征

根据路口、红绿灯、高速公路出入口等节点进行道路路段的划分，统计每个路段的车辆里程、平均车速，将基于路段的机动车活动强度、车型、行驶速度与排放因子相结合，建立机动车各污染物排放量的空间分布，结果见图6。由6图可见，高速公路和路网密度处于中等水平的道路机动车排放强度较高，路网非常密集的区域可能由于每个路段的长度较短，机动车行驶速度相对较低，导致机动车排放强度并不是最高。排放强度较高的路段主要为南北走向的天黎高速公路(G207、S45)、东西走向的京昆高速公路(G5)以及阳泉绕城高速公路(S2003)。

根据道路类型，分别统计城市高速公路、国道、省道、县道、乡道上机动车的CO、HC、NOx、PM排放量，然后按工作日和非工作日加权后得到各类型道路上的污染物日均排放量(图7)。由图7可见，高速公路上各污染物排放量均较大，国道和省道上的排放水平比较接近，县道排放量最少。CO和HC排放量在高速公路和乡道上的占比较高，CO和HC排放主要来自于小型客车，说明小型客车更多愿意行驶在高速公路，乡道上的排放占比较高是由于乡道长度在总道路中占比以及行驶在乡道的小型客车占比较高。NOx和PM排放量在高速、国道、省道的排放占比较高，是由于NOx和PM排放主要来自于重型货车，而高速、国道、省道是重型货车运输货物的主要通道。

图6 阳泉市机动车污染物日均排放量空间分布Fig.6 Spatial distribution of daily average vehicle emissions in Yangquan City

图7 不同道路类型各污染物日均排放量Fig.7 Daily average emission of pollutants on various roads

2.6 排放量按区县分布特征

阳泉市行政区包括平定县、盂县和郊区、矿区、城区，共两县三区，各区县的机动车排放量统计如图8。从图8可以看出，各污染物排放量最大的为盂县，其次是平定县和郊区，由于矿区和城区的面积占比很小，因此排放量占比也很小。

图8 阳泉市按区县划分的机动车日均排放量Fig.8 Proportions of motor vehicle emissions by administrative districts in Yangquan

2.7 结果对比分析

为对建立的排放清单进行比较和分析，将该研究与张意等[10,29]的研究进行了比较。根据张意等[10]的研究结果，天津市2013年机动车污染物CO、HC、NOx和PM的排放量分别为22.78×104、5.29×104、6.94×104、0.32×104t，分别是阳泉市机动车排放量的5.0、5.5、3.8、13.3倍，考虑到2017年阳泉市与2013年天津市机动车保有量的差异，2013—2017年机动车排放标准的升级及黄标车的淘汰，认为阳泉市机动车污染物的排放总量合理，颗粒物的排放水平比天津市偏低，但与成都[32]相比，颗粒物排放水平偏高，这主要是由于不同方法之间的差异所致。对于工作日与非工作日排放量的差异性，李笑语等[29]对南京市场研究发现，非工作日污染物的排放量稍低于工作日，与本研究结果一致。

2.8 不确定性分析

本研究基于交通流量信息和排放因子编制阳泉市道路机动车排放清单。交通流量信息包括具有时间分布特征的车流量、车速信息，其中车流量通过模型计算得到，由于同一等级的道路在不同区域的车流量有所差异，会给流量模拟带来一定的不确定性。用于计算的排放因子需要进行温度、空调、海拔、负载、燃料等参数修正，这些参数的修正除了参照已有模型外，还要基于实际调研数据进行修正，在获取过程中不可避免存在误差。实际道路机动车的构成主要参照了阳泉市国道车辆结构及山西省和其他相邻城市道路车辆的结构，可能与阳泉市的实际情况存在一定偏差。基于以上分析，排放清单的不确定性受到车流量、排放因子和车型构成的影响，其中车流量和排放因子的影响相对较大。

3 结论

(1)利用van Aerde速度-流量模型，结合GIS地图及实际路段交通流量数据，得到全路网交通流量分布，其中人口密集、道路密集区域每条道路的日交通流量大部分在10 000辆/d以上，高速公路、省道日交通流量在20 000辆/d以上。

(2)2017年阳泉市道路机动车的CO、HC、NOx、PM排放量分别为4.56×104、0.96×104、1.76×104、0.024×104t。按道路类型划分，高速公路(含城市快速路)机动车是4项污染物排放的主要贡献者；按车辆类型划分，小型客车是CO、HC排放的主要贡献者，重型货车是NOx、PM排放的主要贡献者；按排放阶段型划分，国4机动车的CO和HC排放量占比较高，国3机动车的NOx和PM排放量占比较高；按区县划分，污染物排放量最大的为盂县，其次是平定县和郊区。