机动车排放对大连市高新园区七贤岭国控大气子站PM2.5的影响

摘 要：为探讨交通状态对道路机动车PM2.5排放的影响，经过收集数据，建立了机动车尾气动态排放情况与PM2.5相关性量化关系模型。结果表明，道路交通状态是影响机动车道路总排放的重要因素，不同交通状态下，机动车排放的PM2.5数值差别较大，严重拥堵交通状态下，机动车排放的PM2.5是畅通状态下排放量的6.45倍。据此，结合GIS数据给出了大连市高新园区七贤岭国控大气子站周边10条道路的PM2.5排放情况，结合气象因素模拟了该国控大气子站PM2.5的成因，并给出部分管控建议。

关键词：机动车排放；交通状态；动态排放；PM2.5成因；量化模型

中图分类号：X51 文献标志码：A 文章编号：1673-9655（2024）06-00-04

0 引言

随着社会的快速发展和人民生活水平的提高，机动车数量越来越多，虽然方便了人们出行，但机动车尾气也加重了城市大气污染，其中含有的固体悬浮微粒、一氧化碳、二氧化碳、碳氢化合物、氮氧化合物、铅及硫氧化合物等还会对人类健康带来巨大影响[1]。机动车尾气排放受运行工况（速度、加速度、VSP等）、车型结构等多种因素的影响[2-5]，掌握机动车尾气排放状况的重要途径是有效的监测方法及科学的模型模拟。我国对机动车排放量的摸底调查主要是采用宏观测算法，现有的研究多基于《道路机动车大气污染物排放清单编制技术指南（试行）》[6]中的排放因子本地化修正方法，以及COPERT、IVE和MOVES等为代表的模型方法，这些测算方法能够方便、快速且直观地帮助国家、省和市级机构在宏观层面上了解机动车的污染排放情况，但它们并不适用于精确捕捉车辆在实际道路行驶过程中的排放数据[7-10]。

近年来，智能交通系统的快速发展使浮动车技术在国内外得到了广泛应用[11-13]，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[14-16]。不同交通状态下机动车的运行工况与尾气排放特征是制订和评估控制措施的基础。现阶段，随着移动污染源数量的增长和区域交通状况的恶化，交通引起的空气污染已表现出明显的时空分布不均匀性和整体浓度上升的趋势，为了维护空气质量，许多地区实施了如限行等措施来应对这些挑战。有研究表明，机动车排放颗粒物主要是粒径较小的细粒子，其中PM2.5的质量可占颗粒物总质量的85%以上，PM10的质量可占颗粒物总质量的95%以上，机动车排放颗粒物中细粒子占有绝对的优势[2]。就减少排放的效果而言，针对交通源的减排措施对于降低大气中的细颗粒物（PM2.5）浓度比对粗颗粒物的效果更好[17，18]。

本文通过对大连市高新园区七贤岭国控大气子站PM2.5来源的解析，确认了以机动车尾气为研究重点，系统研究了机动车尾气排放对大气环境质量的影响，并结合气象等因素模拟了该国控大气子站PM2.5的成因。

1 研究区域与监测方法

1.1 研究区域

七贤岭国控子站位于大连海事大学院内，周边道路情况地图直观展示如图1所示。

该研究以七贤岭大气子站周边为研究区域，选取其中10条道路为研究对象进行分析。其中，凌水路、红凌路桥位于子站北侧，学子街、科海街、火炬路、广贤路、爱贤街、敬贤街、信达街位于子站西南侧，黄浦路、七贤东路位于子站东南侧，这几条路街工作日车流量大且呈现明显的早晚高峰车流，其中高峰时段部分路段拥堵严重。

1.2 监测方法

选取PM2.5日变化情况与该季节总体变化特征基本一致的时段，在子站周边400 m左右设置2个监测点位开展走航车监测，监测时间分别为2021年

8月10日—13日、2021年8月16日—19日、2021年

8月23日—29日，总计11 d。

2 数据及讨论

2021年8月27—29日，监测车在学子街南侧荣伸工业园院内开展大气组分定点监测，监测点位距离学子街50 m，距离黄浦路约100 m，每小时采样检测1次。除学子街及黄浦路外，监测点位周边无其它污染源，该时段风向以南风及西南风为主。经分析计算，走航车监测数据与国控子站监测数据的相关性高达0.71（详见图2），说明两处点位污染变化趋势及污染来源一致。根据走航车监测数据和周边污染源分析，机动车尾气是该点位主要污染来源，判断夏季机动车尾气中的PM2.5排放是该大气国控子站PM2.5的主要来源。

2.1 机动车尾气排放情况解析

为探讨交通状态对道路机动车PM2.5排放的影响，技术路线如图3所示。根据GIS实时路况信息数字模型，通过对七贤岭国控子站点3～5 km附近区域10条交通路段的车辆数据抓取，结合走航车实时监测数据，进行物理建模，建立不同交通状态下PM2.5相关性量化关系模型。根据人工智能计算模型，可计算出在各个交通状况下（包括畅通、缓行、拥堵和严重拥堵），

机动车尾气对空气质量的污染贡献度的量化，从而计算出不同堵车状态下的PM2.5的浓度，后结合该地区的气象数据（包括气压、温度、湿度、风向、风速、能见度等），使用模型进行数据解析，根据气体流动学的原理，仿真模拟在该区域内，目标道路的机动车尾气到国控子站点运动轨迹，揭示该国控大气子站PM2.5的成因。

图3" 研究技术路线

2.2 机动车尾气排放模型建立

道路污染物排放总量在不同交通状态下的变化特征是机动车排放控制的直接依据，图4为不同交通状态下PM2.5量化图。从图4可知，交通情况由绿色畅通向黄色缓行转变时，PM2.5浓度逐渐由9增加到30；交通情况由黄色缓行向红色饱和转变时，PM2.5浓度由30增加到56；交通情况由红色饱和向严重拥堵转变时，PM2.5浓度由56增加到69。

图4 不同交通状态下PM2.5量化图

单车平均排放速率可反映机动车在不同行驶状态下的排放特征，而车辆的实际运行情况则是道路交通状况的关键指标，并且是精确估算机动车排放量的根本依据。陈泳钊等[13]研究了不同交通流量条件下，包括畅通、拥堵和严重拥堵状态，对主要和次要道路上轻型车辆排放影响的运行工况，并结合这些条件与交通运行及污染控制措施之间的直接关联进行了分析。PM2.5的平均单车排放速率在畅通、拥堵和严重拥堵3种交通状态下均接近，受运行工况的影响较小。对于城市道路，运行工况分布主要集中于怠速和低速运行模式，中速、高速运行模式分布频率较低。不同交通状态下的平均单车排放速率相差较小且主、次干路几乎相同，表明其受交通状态的影响较小。尽管严重拥堵状态时污染物平均单车排放速率较低，但随运行时间增加和道路交通流的升高，严重拥堵时轻型车的污染物排放量均相应升高，PM2.5在严重拥堵状态下的排放量达到了畅通状态5.67倍。本文中，严重拥堵状态下，PM2.5的数值约是畅通状态下的6.45倍，与文献中的数值比较接近，充分说明了本模型的可行性。

尽管严重拥堵状态所占的时间比例并不高，但该交通状态下污染物的排放量所占比例相对较大，排放强度达到峰值，并且单位时间内的污染物排放量大，导致道路周围的污染物浓度显著升高。交通管理部门应首先针对严重拥堵状态实施交通运行排放控制，并根据特定道路或区域的严重拥堵发生时间进行动态调控，降低排放源基数，以控制道路机动车排放总量。

2.2.1 机动车尾气排放1 h量化

通过GIS可获取到七贤岭子站附近2021年7月

9日8：00左右早高峰时段附近道路的堵车状况，通过模型计算的PM2.5的量化见表1。

表1 早高峰时段子站周边道路的PM2.5量化数值

道路名称 统计时间 PM2.5量化/（μg/m3）

红凌路桥 2021/7/9 8：00 69

黄浦路 2021/7/9 8：00 68

凌水路 2021/7/9 8：00 54

学子街 2021/7/9 8：00 35

广贤路 2021/7/9 8：00 19

火炬路 2021/7/9 8：00 17

爱贤街 2021/7/9 8：00 16

七贤东路 2021/7/9 8：00 9

敬贤街 2021/7/9 8：00 9

科海街 2021/7/9 8：00 9

从表1可以看出，红凌路桥、黄浦路排放数值高，结合GIS这两条路段早高峰严重拥堵，说明这两条路段为PM2.5排放重点路段，凌水路、学子街排放数值较高，这两条路段属于拥堵路段，也是PM2.5排放重点路段。七贤东路等路段属于畅通路段，PM2.5排放量较少，对大气子站影响也较少。

2.2.2 机动车尾气排放24 h量化

表2 24 h子站周边道路的PM2.5量化数值

道路名称 统计时间 PM2.5量化/（μg/m3）

黄浦路 2021/7/9 526

红凌路桥 2021/7/9 347

广贤路 2021/7/9 347

凌水路 2021/7/9 337

七贤东路 2021/7/9 324

学子街 2021/7/9 269

火炬路 2021/7/9 264

爱贤街 2021/7/9 239

敬贤街 2021/7/9 216

科海街 2021/7/9 216

从表2可以看出，黄浦路、红凌路桥、广贤路、凌水路、七贤东路等路段全天对PM2.5总量贡献较大。从24 h量化的排放情况来看，黄浦路24 h PM2.5量化为526 μg/m3，明显高于其他路街，说明黄浦路全天车流量均比较大，是重点管控路段。红凌路桥、广贤路、凌水路、七贤东路排放数值较高，也是PM2.5排放重点路段。相比较于早上8：00时数值，七贤东路数值上升较快，说明全天七贤东路可能有时段比较拥堵。

2.2.3 机动车尾气排放7 d量化

从表3可以看出，黄浦路7 d量化数值仍旧是最高的，说明是重点管控路段。广贤路、凌水路、红凌路桥等路段在一周内对PM2.5总量贡献较大。综合机动车尾气交通高峰期间排放情况和一周排放总量，黄浦路、广贤路、凌水路、红凌路桥等道路应作为交通源控制重点路段。

表3 7 d内子站周边道路的PM2.5量化数值

道路名称 统计时间 PM2.5量化/（μg/m3）

黄浦路 2021/7/9—2021/7/15 2740

广贤路 2021/7/9—2021/7/15 2101

凌水路 2021/7/9—2021/7/15 2012

红凌路桥 2021/7/9—2021/7/15 1948

学子街 2021/7/9—2021/7/15 1837

七贤东路 2021/7/9—2021/7/15 1813

火炬路 2021/7/9—2021/7/15 1742

爱贤街 2021/7/9—2021/7/15 1635

敬贤街 2021/7/9—2021/7/15 1512

科海街 2021/7/9—2021/7/15 1512

2.3 七贤岭大气国控子站周边环境分析及气体流动计算仿真模拟

从图5中可以看出，高新区国控子站点的地理位置四周高，中间低，西边为高山，东、南、北边均为高楼，这种特点的地形结构不利于空气流动，通常会有空气下沉、局部涡流、不利扩散等特性。通过气体流动计算仿真模拟可以看出，各高层建筑之间会形成渠道效应、漩涡及下冲等现象，造成局部空气污染严重。

3 结论

（1）通过绿色交通体系建设、优化道路布局等手段，降低小型客车的使用强度，有效降低其污染排放。可以采用源头替代的方式，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。对于已经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，以降低在用小型客车的排放水平。

（2）在静稳态气象条件下，要加强黄浦路、红凌路桥、广贤路、凌水路等路段车辆通行管控，其中黄浦路尤为突出，避免拥堵造成尾气集中排放，出现污染叠加影响。

参考文献：

[1] Colvile R N，Hutchinson E J，Mindell J S，et al.The transport sector as a source of air pollution[J].Atmospheric Environment，2001，35（1），537-565.

[2] 王玮，刘红杰，刘文涛，等.机动车排放颗粒物采集系统参数的研究和测试[J].环境科学研究，2001，14（4）：51-53.

[3] 王英，杜尧国，王玮，等.机动车排放污染的主要监测方法和手段[J].环境科学研究，2001，14（4）：60-63.

[4] 霍红，贺克斌，王歧东.机动车污染排放模型研究综述[J].环境污染与防治，2006（7）：526-530.

[5] 王歧东，丁焰.中国机动车排放模型的研究与展望 [J].环境科学研究，2002，15（6）：52-55.

[6] 生态环境部：道路机动车大气污染物排放清单编制技术指南（试行）[EB/OL].2014-12-31. http：//www.mee.gov.cn/gkml/hbb/bgg/201501/t20150107_293955.htm.

[7] Yang W，Yu C Y，Yuan W，et al.High-resolution vehicle emission inventory and emission control policy scenario analysis，a case in the Beijing-Tianjin-Hebei （BTH） region， China [J].Journal of Cleaner Production，2018（203）：530-539.

[8] Jiang P Y，Zhong X，Li L Y.On-road vehicle emission inventory and its spatio-temporal variations in North China Plain [J].Environmental Pollution，2020（267）：115639.

[9] 李荔，张洁，赵秋月，等.基于COPERT模型的江苏省机动车时空排放特征与分担率[J].环境科学，2018，39（9）： 3976-3986.

[10] 李媛，石嘉诚，陈军辉，等.2010～2017年四川省机动车污染物排放趋势分析[J].环境科学，2021，42（2）：643-652.

[11] 张峰飞.基于浮动车的交通服务信息系统关键技术研究 [D].北京：清华大学，2014.

[12] 易敏.上海市机动车污染实时排放预警系统设计与应用[J].中国环境监测，2020，36（2）：225-234.

[13] 陈泳钊，刘永红，林晓芳，等.基于浮动车数据分析交通状态对轻型车排放的影响[J].环境科学研究，2016， 29（4）：494-502.

[14] 赵大地，张宇，史旭荣，等.河南省1 km分辨率机动车大气污染物排放清单[J].环境污染与防治，2022，44（4）：469-475.

[15] Huang C，Lou D M，Hu Z Y，et al.A PEMS study of the emissions of gaseous pollutants and ultrafifine particles from gasoline- and diesel-fueled vehicles[J]. Atmospheric Environment，2013，77（3）：703-710.

[16] 王燕军，何巍楠，宋国华，等.北京市2017年典型日机动车动态排放特征研究[J].环境科学研究，2021，34（1）：141-148.

[17] 孙俊玲，王鹏焱，张庆华.交通限行对大气颗粒物及PM2.5中二噁英的影响[J].中国环境监测，2019，35（5）：37-46.

[18] 沈旻昱，段玉森，盛涛，等.交通减排对上海2014年PM2.5污染影响的案例研究[J].环境监测管理与技术，2020（3）：29-33.

Impact of Vehicle Emissions on PM2.5 of Qixianling National Control Atmospheric Sub-station in Dalian Hi-tech District

ZOU Shun-ying， ZHAO Hui， WANG Si-yi， WANG Wei， SUN Wen-hao

（Dalian Ecological and Environmental Affairs Service Center， Dalian Liaoning 116600，China）

Abstracts： In order to discuss the impact of traffic conditions on PM2.5 emissions of vehicles， a quantitative relationship model between vehicle emissions and PM2.5 was established through data collection. It showed that the traffic status was an important factor affecting the total emissions of vehicles. Under different traffic conditions， the PM2.5 emissions of vehicles varied greatly. Under severe traffic congestion， the PM2.5 emissions were 6.45 times of those under smooth traffic conditions. Based on this， combined with GIS data， the PM2.5 emissions of 10 roads around Qixianling National Control Atmospheric Sub-station in Dalian Hi-tech District were given， and the causes of PM2.5 emissions were simulated with meteorological factors， and some management and control suggestions were given.

Key words： vehicle emission; traffic state; dynamic emission; cause of PM2.5; quantitative model

收稿日期：2024-01-30

基金项目：辽宁省应用基础研究计划项目（2022JH2/ 101300119）。

作者简介：邹顺瑛（1981- ），女，高级工程师，硕士，主要研究方向为环境监测。

通信作者：孙文豪（1980-），男，高级工程师，博士，主要研究方向为环境监测。