对柳州市道路交通空气污染物分析及其可视化的研究

周娜 潘颖 罗茜 晏舜杰 韩关菊

广西师范大学 广西桂林市 541001

1 引言

随着经济的高速发展，汽车是人类不可缺少的交通工具，汽车尾气是大气的主要污染源。城市化进程的不断加快，机动车辆急剧递增，机动车尾气已成为造成空气污染的主要原因之一。20世纪90年代后期，机动车快速增长引起的尾气型污染（如NOx、CO、SO2等）在许多城市逐渐成为城市大气污染的主要来源，车辆尾气排放所占比例已超过70%。柳州市是广西第二大城市和副中心城市，是西南地区最重要的制造业基地，也是区域性综合交通枢纽。截至2020年底，柳州市汽车年增长率超过10%，其中市区汽车保有量65万辆，主城区车流压力总体呈上升趋势，城市东西走向干路交通压力较大。喻谦花、康屠雨等人在研究开封市空气污染程度时综合运用应用统计、指标和“配料”等方法，建立重污染潜势预报模型来预测空气污染指数；许慧鹏在研究城市交通道路空气污染物时采用污染物微尺度时空分布得出了交通道路空气污染物中的氮氧化物为例，分析了车流量、风向、风速、温度、湿度等多种因素对氮氧化物浓度变化的影响；黄明忠从机动车车用燃油品质不良、机动车尾气排放控制技术还需提升、机动车的排放控制技术网络化体系构建不完善等自身问题分析了空气污染与机动车的关系。综合治理城市大气污染，了解车辆保有量与空气污染的联系，建立模型有效治理道路交通空气污染。

2 研究目的与方法

本文利用2013年——2019年的民用车辆保有量数据以及空气污染物浓度进行研究，采用灰色预测模型预测2020年——2024年的车辆保有量，并运用一元线性回归模型得到各空气污染物浓度与车辆保有量之间的关系，从而预测出各车型保有量下的空气污染物浓度，根据所得结果进行分析，得到柳州市道路交通空气污染物特征及治理情况，并针对如何有效治理道路交通空气污染问题提出相应的建议。

3 模型建立

3.1 道路机动车保有量（总量）灰色预测

本文使用柳州市2013年～2020年道路机动车保有量统计数据为原始建模序列，根据灰色模型原理建立机动车保有量GM（1，1）模型，取原始数列：

根据公式构造一次累加：

可生成累加序列：

构造矩阵B和数据向量Yn，其中H为待定系数矩阵，得：

由此可得到参数α，β的值，代入白化方程得到累加序列的通解：

根据累加序列的通解求出原始序列的通解，即预测函数：

其中q=2，3，…，7分别表示2014年，2015年…，2019年。

将①式代入②式：

将各个车型的数据代入上述公式，可得各个车型的预测函数：

将表1各个车型的2013年-2019年保有量数据分别代入各自的预测函数，分别求出灰色预测下的预测值，如表2所示。

表1 机动车保有量灰色预测原始数据（单位：万辆）

表2 灰色预测下2013年-2019年机动车保有量的预测值 （单位：万辆）

对预测值进行残差检验及关联度检验，以验证灰色预测模型的精度。运用下列公式，进行预测模型的残差检验，检验过程为：

残差：

相对误差：

平均残差：

灰色预测模型的建模精度：

通过上述计算公式，求得

本文建立得灰色预测模型通过残差检验，说明模型具有足够高的精度，可以作为预测模型使用。模型的拟合程度见下图。

图1 摩托车保有量灰色预测模型预测值与实际值拟合图

图2 挂车保有量灰色预测模型预测值与实际值拟合图

通过模型检验发现，由于机动车保有量的未来数量变化会受到国家政策，社会环境，市场经济等诸多影响，预测结果会与实际情况有所出入。此外，拖拉机的精度不高，因为拖拉机主要用于农业，而农业的发展还会受到天气及气候等自然因素的影响，所以拖拉机精度会受到更大的影响。

运用下列公式，进行预测模型的关联度检验，取ρ=0.5，检验过程为：

各个车型的关联系数：

各个车型的关联度：

计算出各个车型关联度之后，取平均值：

当ρ=0.5时，r=0.64＞0.6，此时说明该灰色模型的精度是较高的，可以运用该模型。通过以上两种检验，残差检验和关联度检验分析可得该灰色预测模型是可用的。

通过模型检验发现灰色预测模型具有较高的精度，根据各个车型的预测函数可预测出2020-2024年各个车型的保有量数据如下。

表3 柳州市各个车型保有量灰色预测结果（单位：万辆）

3.2 一元线性模型检验

通过灰色预测模型得出的2020年-2024年各个车型的保有量数据，分析其与空气污染物之间的关系，建立一元线性模型，最终得出空气污染浓度总量。通过网站搜集得到2014年到2020年的六种空气污染物浓度的原始数据如表五所示，并计算六种污染物浓度总和得到污染物浓度总量的数据如下。

表4 六种污染物的原始数据

通过观察，发现五种不同的车的类型与污染物浓度分别呈现线性关系，并建立一元线性模型如下：

其中为扰动项。

通过计算整理之后得到六个一元线性模型的系数如下表所示：

表5 汽车的系数

对其进行t检验，针对表六，假设检验问题：H0：βi=0，其P值均小于0.05，拒绝原假设，则可以认为x与y1之间存在显著的线性关系。同理可得，由表6、表7、表8、表9可知，x与yi（i=2，4，5，6）之间存在显著的线性关系。但表8中截距的P值大于0.05，接受原假设，所以拖拉机保有量与污染物浓度总量没有显著的线性关系。

表6 摩托车的系数

表7 拖拉机的系数

表8 挂车的系数

表9 其他类型的车的系数

通过假设检验后得到的四个一元线性回归模型如下：

由模型可以看出，在其他因素不变的条件下，当汽车保有量增加1万辆，污染物浓度总量减少0.091万吨；当摩托车保有量增加1万辆，污染物浓度总量增加0.161万吨；当挂车保有量增加1万辆，污染物浓度总量减少19.068万吨；当挂车保有量增加1万辆，污染物浓度总量增加220.815万吨。

结合灰色预测模型与意愿线性回归模型得到的2021年到2025年得到的预测结果如下。

根据表10绘制出各车型保有量的影响下空气污染物浓度总量的预测趋势图如下：

表10 2021年到2024年各车型保有量的影响下空气污染物浓度总量的预测

根据图3，我们可以发现，随着汽车技术的发展以及出口数量的增加，人们环保理念的增强，新能源汽车的使用增加，导致汽车和挂车的保有量在不断地增加。同时，在柳州市禁摩、限摩的政策下，摩托车和其他类型的车的保有量在不断地减少。根据所构建的一元线性回归模型，随着汽车、挂车保有量的增加，摩托车和其他类型的车的减少，污染物浓度总量都在不断地减少。因此，柳州市政府应该继续践行现有政策，加强人们的绿色环保理念，推动新能有汽车的发展。

图3 各车型保有量的影响下空气污染物浓度总量的预测趋势图

4 模型的优缺点

4.1 模型的优点

（1）灰色预测及一元线性回归模型均不需要太多的样本量，计算的工作量相对较小，预测精度较高。（2）灰色预测模型是一种对含不确定因素的系统进行预测的方法。机动车保有量中时间不是预测的主要因素，而国家政策，社会环境，市场经济等诸多外界因素是导致机动车保有量发生变化的主要因素，其他相关文献运用的时间序列模型的系统对象是随时间变化而变化的。所以灰色预测模型精确度较高。一元线性回归方程建模速度较快，可以根据系数看出各个变量对结果的影响程度，可解释性较高。

4.2 模型的缺点

灰色预测模型只适用于中短期预测，若使用长期预测，使用该预测模型结果精确度不高。对于非线性数据难以进行一元回归模型。

5 结语

根据以上分析及空气污染预测结果，为柳州市更好推动交通空气污染治理成效，我们提出以下建议：

（1）完善机动车尾气检测体系，严格执行环保法规政策。建立健全严格的机动车尾气检验管理体系，发挥其应有的功效，监督机动车尾气排放情况，科学规划交通基础设施体系。（2）发展绿色经济产业，倡导低碳环保理念制定发展科技政策。以科技进步推动绿色产业发展，研发低污染的汽车，发展节能技术、新能源技术，科学规划交通基础设施建设，完善公共交通服务。（3）加大空气污染物监管力度，强化科技能力，引进先进监测器。（4）政府加强执法能力，采用先进科学技术，强化科技能力，构建生态文明体系。