城市交通排放高分辨率分析方法研究
——北京實(shí)證

程 穎，陳艷艷*，劉 瑩，吳克寒，何巍楠，趙 晉

(1.北京工業(yè)大學(xué)城市交通學(xué)院，北京100124；2.北京交通發(fā)展研究院，北京100073)

0 引言

在北京等大城市，機(jī)動車成為城市本地污染排放第一大來源.傳統(tǒng)交通排放評價研究在評價時間、空間尺度分辨率的局限性使其越來越難以滿足大城市交通污染精細(xì)化治理需要.研究能夠支撐大城市面向交通污染治理的高分辨率交通排放評價方法，對于交通污染減排政策的有效制定及大城市空氣質(zhì)量改善具有重要意義.

以MOBILE等[1]為代表的宏觀排放模型主要基于分車型機(jī)動車保有量、行駛里程及各種車型在N種平均速度區(qū)間的排放因子進(jìn)行排放評估[2]，能夠支持黃標(biāo)車淘汰、排放標(biāo)準(zhǔn)提升等環(huán)保類宏觀排放評價.中微觀排放模型更關(guān)注機(jī)動車在城市道路上的行駛規(guī)律，采用基于工況的排放因子計算模式模擬機(jī)動車排放[3].1999年Jimenez-Palacios[4]提出了VSP(Vehicle Specific Power)理論，與機(jī)動車瞬態(tài)排放呈現(xiàn)較強(qiáng)的相關(guān)性[5-6]，能夠評價以秒為單位的瞬間排放量[7]，結(jié)合中微觀交通模型輸出的VKT或車輛速度等參數(shù)，能夠評估公交專用道、交叉口改造等中微觀交通措施在路網(wǎng)局部地區(qū)/節(jié)點(diǎn)的減排效果.

為了反映交通流運(yùn)行變化引起的路網(wǎng)動態(tài)排放變化，強(qiáng)彥雯等[8]、Zhang等[9]利用Underwood模型使用路網(wǎng)行程速度數(shù)據(jù)進(jìn)行了路網(wǎng)流量反推，提出了基于路網(wǎng)的機(jī)動車排放清單評價方法[10]，能夠基于路網(wǎng)速度數(shù)據(jù)模擬路網(wǎng)整體機(jī)動車排放強(qiáng)度.趙彥婷[11]提出了依據(jù)區(qū)域位置和道路等級為特征變量的交通流參數(shù)時變擴(kuò)樣方法，實(shí)現(xiàn)城市路網(wǎng)交通能耗和排放量化.黃成[12]基于實(shí)時車流、車速等交通信息，構(gòu)建了動態(tài)道路機(jī)動車污染物排放清單模擬方法.趙琦等[13]提出了多層次城市道路交通模型與排放模型對接機(jī)理.

現(xiàn)有研究在機(jī)動車排放因子模型方面已經(jīng)具備較好的研究基礎(chǔ)，能夠較好地支撐宏觀環(huán)保措施評估，且已經(jīng)嘗試建立了與交通需求模型輸出交通流參數(shù)的融合方法，并應(yīng)用到中微觀交通措施的評估中.然而，交通領(lǐng)域逐漸出現(xiàn)的手機(jī)信令、RTMS微波檢測、車輛GPS位置等大數(shù)據(jù)資源在交通排放評估中并未得到充分應(yīng)用，且在排放評估中存在以下幾點(diǎn)不足：

(1)現(xiàn)有方法對于車輛工況和排放因子的研究主要參照MOVES等國外排放模型參數(shù)，未考慮中國本地城市復(fù)雜交通特性，對交通實(shí)際運(yùn)行狀態(tài)的刻畫精確性有待提升；且缺少交通流速度參數(shù)對于車輛排放因子的修正規(guī)律.

(2)目前對于交通流量參數(shù)的主要方法是通過宏觀/中微觀交通需求預(yù)測模型輸出路段客運(yùn)車輛總體流量，用于反映路網(wǎng)實(shí)際流量時存在準(zhǔn)確性不足的問題，不能結(jié)合城市交通運(yùn)輸特點(diǎn)區(qū)分不同公交、出租、小汽車等交通方式，且針對貨運(yùn)車輛流量的研究較為缺乏，不能支撐交通污染治理對象的精準(zhǔn)定位.

(3)排放因子模型對車輛輸入?yún)?shù)的要求分辨率較高，需區(qū)分各種交通工具的車重、能源類型、排放標(biāo)準(zhǔn)等類型，而交通模型輸出的交通流參數(shù)不能滿足以上要求，缺少能夠耦合2個模型的車隊結(jié)構(gòu)分析方法.

1 研究方法

建立城市交通排放高分辨率時空分析方法的關(guān)鍵是要解決3個方面的問題：一是要獲取路段級速度、流量等交通流參數(shù)，二是要建立能夠反映本地交通工況、對交通運(yùn)行狀態(tài)變化敏感的排放因子模型，三是要建立能夠耦合交通流量和排放因子的車隊結(jié)構(gòu)模型.具體思路如圖1所示.

(1)交通流參數(shù)仿真方法.

本文主要借鑒吳克寒等[14]提出的基于宏觀交通模型的交通流參數(shù)估計方法，在交通模型四階段中的交通生成和交通流量分配階段分別引入手機(jī)OD、RTMS道路流量及車輛GPS軌跡數(shù)據(jù)對模型仿真結(jié)果的準(zhǔn)確性進(jìn)行改進(jìn)，建立了基于實(shí)時數(shù)據(jù)的路網(wǎng)交通流仿真方法.

(2)機(jī)動車速度—排放因子模型構(gòu)建方法.

本文經(jīng)比選，采用美國MOVES排放模型技術(shù)框架.首先，基于PMES機(jī)動車排放測試數(shù)據(jù)采用VSP理論構(gòu)建了機(jī)動車排放率生成模型；其次，基于GPS數(shù)據(jù)構(gòu)建了道路工況模型，在原有方法基礎(chǔ)上重點(diǎn)對高速區(qū)間的排放率生成和工況劃分方法進(jìn)行了優(yōu)化；進(jìn)而建立了基于本地工況的機(jī)動車—速度排放因子模型.

(3)路網(wǎng)車隊模型建立方法.

本文引入交通流視頻檢測識別方法，通過選取有代表性的區(qū)域和路段斷面進(jìn)行車流量牌照拍攝識別，提取車牌號信息，經(jīng)與公安交管部門的車輛登記數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)查詢后獲取逐車的能源類型、車重、排放標(biāo)準(zhǔn)等環(huán)保屬性信息，經(jīng)對各類區(qū)域車輛屬性進(jìn)行聚類分析后，建立面向車輛環(huán)保屬性分類的分區(qū)域路網(wǎng)車隊模型.

圖1 城市交通排放高分辨率時空分析方法技術(shù)框架圖Fig.1 Technology frame diagram of urban traffic emission high resolution spatial-temporal analysis

1.1 基于實(shí)時監(jiān)測數(shù)據(jù)的交通流仿真模型

本文采用吳克寒等[14]提出的基于宏觀交通模型的交通流參數(shù)估計方法，利用手機(jī)信令和RTMS數(shù)據(jù)，構(gòu)建了基于OD估計的交通流參數(shù)動態(tài)仿真模型，實(shí)現(xiàn)了對路網(wǎng)小客車路段交通流參數(shù)仿真估計；此外，利用公交車輛、出租、貨運(yùn)車輛、大客車GPS位置軌跡數(shù)據(jù)，根據(jù)楊濤[15]提出的基于GPS浮動車技術(shù)的路段交通流量推算方法，進(jìn)行了以上車輛在路段上的交通流參數(shù)提取.

利用以上方法，本文選取了2016年10月15日的RTMS流量數(shù)據(jù)、路網(wǎng)浮動車數(shù)據(jù)和手機(jī)信令數(shù)據(jù)，如表2所示，進(jìn)行建模研究.

表1 路網(wǎng)交通運(yùn)行仿真數(shù)據(jù)采集信息表Table 1 Data acquisition information table of road network traffic simulation

基于表2數(shù)據(jù)，可以仿真得到路段級別的各交通方式流量和速度參數(shù)，如圖2所示，路網(wǎng)社會車輛、出租車流量呈現(xiàn)雙峰特點(diǎn)，貨運(yùn)車輛00:00-5:00流量較大.

由于夜間路網(wǎng)整體車流量較小，路網(wǎng)夜間速度較高，早晚高峰路網(wǎng)平均速度較低，如圖3所示.其中五環(huán)～六環(huán)平均速度最高，二環(huán)內(nèi)最低.

1.2 基于視頻檢測方法的車隊結(jié)構(gòu)分析

本文重點(diǎn)考慮大城市外地車排放治理、車輛結(jié)構(gòu)調(diào)整等決策需要，確定了以行業(yè)類型、車籍地、車重、燃料類型和排放標(biāo)準(zhǔn)等因素為主的車隊結(jié)構(gòu)劃分標(biāo)準(zhǔn)，如圖4所示.

視頻檢測法[16]是一種通過進(jìn)行機(jī)動車車牌圖像采集和識別，獲取車牌字符信息的方法.基于視頻檢測方法的車隊結(jié)構(gòu)分析方法是指根據(jù)視頻檢測方法得到的車牌信息，與車輛注冊登記信息庫進(jìn)行篩查后，得到車輛行業(yè)、車籍地、車重、燃料類型和排放標(biāo)準(zhǔn)屬性.

圖2 路網(wǎng)各交通方式流量仿真結(jié)果Fig.2 Simulation results of traffic flow for different vehicle types on road network

圖3 路網(wǎng)各環(huán)帶平均速度仿真結(jié)果Fig.3 Simulation results of average speed for each ring road

圖4 車隊結(jié)構(gòu)模型框架圖Fig.4 Fleet structure model frame diagram

本文采用移動式單向車輛識別分析設(shè)備，能夠采集識別日期、時間、車牌號碼、車籍地信息.2016年9～10月的工作日，針對北京市典型路段(4條高速路，8條快速路，4條主干路，4條次干路)開展了24 h車流視頻采集.經(jīng)車輛信息篩查和聚類分析后得到北京道路車型結(jié)構(gòu)特征，如圖5所示.

圖5 北京市道路車型結(jié)構(gòu)分布Fig.5 Vehicle type structure distribution in Beijing

1.3 基于本地化工況模型的速度排放因子修正關(guān)系建立

本文采用VSP理論研究建立了本地化工況模型和速度排放因子模型.

(1)本地化工況模型研究.

本文以北京市為例，基于OBD設(shè)備針對典型小汽車(1 235輛)、出租車輛(2 250輛)、公交車輛(1 524輛)采集了車輛逐秒行駛數(shù)據(jù)，采集時間為2016年10月15日，數(shù)據(jù)量120萬條，覆蓋北京市90%道路，內(nèi)容包括經(jīng)緯度、日期、時間、速度、加速度.

基于以上數(shù)據(jù)，本文采用VSP理論方法建立不同城市道路類型的工況分布.VSP指的是發(fā)動機(jī)每移動1 t質(zhì)量(包括自重)所輸出的功率，其計算方法為

式中：vt為第t時刻速度(m/s)；at為加速度(m/s2)；m為質(zhì)量(t)；A為滾動阻力((kW·s)/m)；B為旋轉(zhuǎn)滾動阻力((kW·s)/m2)；C為空氣阻力((kW·s3)/m3)；f為換算系數(shù).

各車型VSP計算相關(guān)參數(shù)取值如表2所示.

利用式(1)和式(2)進(jìn)行車輛逐秒VSP計算，對所有車型、道路類型、速度區(qū)間的VSP進(jìn)行聚類，得到VSP分布.分析發(fā)現(xiàn)，北京市機(jī)動車在70 km/h以上的運(yùn)行速度比例占40%以上，而現(xiàn)有研究如Song等[17-18]提出的VSP區(qū)間劃分標(biāo)準(zhǔn)主要集中在70 km/h以下，本文重點(diǎn)開展了70～120 km/h高速區(qū)間的工況分布研究.圖6為部分速度區(qū)間工況分布形態(tài)樣例.

表2 各類車型VSP計算參數(shù)取值表Table 2 VSP calculation parameter value table for various vehicles types

(2)速度排放因子修正關(guān)系建立.

本文采用車載排放測試方法進(jìn)行了40輛小汽車(汽油車，國Ⅰ級以下，國Ⅰ～國Ⅴ)、20輛出租車(汽油車，國Ⅲ～國Ⅴ)、30輛公交車(柴油車，國Ⅲ～國Ⅴ)在實(shí)際道路上運(yùn)行時產(chǎn)生的CO2、CO、HC、NOx、PM2.5等污染物逐秒排放質(zhì)量.將測試所得排放數(shù)據(jù)依照以上VSP bin區(qū)間進(jìn)行聚類分析，得到每個VSP bin對應(yīng)的排放率，如圖7所示.

速度與排放因子修正關(guān)系通過1.3節(jié)(1)中提到的工況VSP分布規(guī)律和各VSP分布區(qū)間平均排放率按照式(3)進(jìn)行耦合可得不同速度下排放因子.

以國Ⅴ小汽車為例，各種污染物在不同速度下的排放因子如圖8所示.

圖6 不同速度區(qū)間下小汽車行駛工況分布圖Fig.6 Driving cycles distribution diagram of cars under different speeds

圖7 不同排放標(biāo)準(zhǔn)小汽車NOx排放率Fig.7 The nitrogen oxides emission rate of cars under different emission standards

圖8 不同道路等級國Ⅴ小汽車不同速度對應(yīng)排放因子Fig.8 Emission factor of cars(national stage V)corresponding to different speeds on different grade roads

而每個路段的交通污染排放量則可根據(jù)式(4)計算獲得.

式中：Es是第s個路段的機(jī)動車排放量；EFij是第i種車型在第j個速度區(qū)間的排放因子；Qij是第i種車型在第j個區(qū)間行駛的車公里數(shù).

2 北京路網(wǎng)交通排放時空分布特征實(shí)證分析

本文選取2016年10月15日，計算北京市逐條路段 CO2、HC、NOx、CO 及 PM2.5 排放量.下面以NOx排放為例進(jìn)行分析.

(1)分時段各等級道路NOx排放分布特征.

如圖9所示，高峰時段路網(wǎng)NOx排放量占全天總量的31.2%，高于平峰，主要原因是高峰時段車輛速度相對較低，車流量較大.此外，00:00-5:00由于貨車流量較大，路網(wǎng)NOx排放相對其他夜間時段相對較高.高速路、快速路排放分別占路網(wǎng)排放總量的37.9%和38.8%.

圖9 各時段各道路NOx排放變化特征Fig.9 Characteristics of traffic pollutant emission change at different time and different road

(2)分時段多模式NOx排放結(jié)構(gòu)特征.

如圖10所示，貨運(yùn)車輛是路網(wǎng)機(jī)動車NOx排放的首要來源，占比達(dá)到50%.其中，夜間(00:00-5:00)貨運(yùn)車輛NOx排放占比高達(dá)70%.

圖10 各時段路網(wǎng)分交通方式NOx排放結(jié)構(gòu)Fig.10 NOxstructure for various modes of transportation at different time

(3)分時段路網(wǎng)NOx排放空間分布特征.

交通污染排放主要集中在高速路、快速路、主干路周邊.由圖11可知，五環(huán)～六環(huán)間NOx排放量最高，占六環(huán)內(nèi)排放總量的38.32%.

由于路網(wǎng)密度和車流量較大，北部和東部地區(qū)排放強(qiáng)度高于西部和南部區(qū)域，各時段路網(wǎng)NOx排放空間分布特征如圖12所示.

圖11 北京市不同環(huán)路NOx排放空間分布特征Fig.11 Spatial distribution characteristics of traffic pollutant emission for different ring roads in Beijing

圖12 各時段路網(wǎng)NOx排放空間分布特征Fig.12 Spatial distribution characteristics of NOxat different time

3 結(jié)論

本文提出了一套適用于中國大城市、能夠支撐交通污染治理決策的交通排放量化評估方法，該方法提升了交通污染排放評價在時間和空間上的分辨率，并且能夠反映多模式的交通排放結(jié)構(gòu)特征.未來可結(jié)合環(huán)境監(jiān)測數(shù)據(jù)和燃油消耗數(shù)據(jù)，對排放評估結(jié)果的準(zhǔn)確性和可靠性進(jìn)行校核修正.

參考文獻(xiàn)：

[1]王岐東,賀克斌,丁焰,等.機(jī)動車排放模型的研究進(jìn)展[J].三峽環(huán)境與生態(tài),2003,25(12):185-187,190.[WANG Q D,HE K B,DING Y,et al.The research progress of vehicle emission models[J].Environment and Ecology in the Three Gorges,2003,25(12):185-187,190.]

[2]胥耀方,于雷,郝艷召,等.機(jī)動車尾氣排放宏觀模型開發(fā)與應(yīng)用初探[J].交通運(yùn)輸系統(tǒng)工程與信息,2009,9(2):147-154.[XU Y F,YU L,HAO Y Z,et al.The developmentand application ofvehicle emissions macro-model[J].Journal of Transportation Systems Engineering and Information Technology,2009,9(2):147-154.]

[3]程穎,于雷,王宏圖,等.基于PEMS的MOBILE與COPERT排放模型對比研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2011,11(3):176-181.[CHENG Y,YU L,WANG H T,et al.Comparative study on MOBILE and COPERT emission modelbased on MEMS[J].Journalof Transportation Systems Engineering and Information Technology,2011,11(3):176-181.]

[4]JIMéNEZ-PALACIOS J.Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing[D].Cambridge:Massachusetts Institute of Technology,1999.

[5]BARTH M J,AN F,YOUNGLOVE T,et al.The developmentofa comprehensive modal emissions model[R].Final Report to the National Cooperative Highway Research Program,2000.

[6]霍紅,賀克斌,王歧東,等.機(jī)動車污染排放模型研究綜述[J].環(huán)境污染與防治,2006,28(7):526-530.[HUO H,HE K B,WANG Q D,et al.A review of vehicle emission models[J].Environmental Pollution&Control,2006,28(7):526-530.]

[7]黃瓊,于雷,楊方,等.機(jī)動車尾氣排放評價模型研究綜述[J].交通環(huán)保,2003,24(6):28-31.[HUANG Q,YU L,YANG F,et al.A synthesis of mobile emission evaluation models[J].EnvironmentalProtection in Transportation,2003,24(6):28-31.]

[8]強(qiáng)彥雯,單春艷.機(jī)動車PM2.5排放模型及其在中國的應(yīng)用[J].南開大學(xué)學(xué)報(自然科學(xué)版),2013(6):41-47.[QIANG Y W,SHAN C Y.Vehicular emission models of particulate matter and their application in China[J].Acta Scientiarum Naturalium University Nankaiensis,2013(6):41-47.]

[9]ZHANG Y,WU L,ZOU C,et al.Development and application of urban high temporal-spatial resolution vehicle emission inventory model and decision support system[J].EnvironmentalModeling&Assessment,2017,22(5):445-4584.

[10]HE B Y,WU L,MAO H J,et al.Development of a high temporal-spatial resolution vehicle emission inventory based on NRT traffic data and its impact on air pollution in Beijing-part 1:Development and evaluation of vehicle emission inventory[J].Atmospheric Chemistry&Physics,2016,16(5):3161-3170.

[11]趙彥婷.基于多源數(shù)據(jù)的城市路網(wǎng)交通能耗和排放模型與算法[D].北京:北京交通大學(xué),2012.[ZHAO Y T.Model and algorithms for estimating fuel consumption and emissions on urban road network based on multisource data[D].Beijing:Beijing Jiaotong University,2012.]

[12]黃成,劉娟,陳長虹,等.基于實(shí)時交通信息的道路機(jī)動車動態(tài)排放清單模擬研究[J].環(huán)境科學(xué),2012,33(11):3725-3732.[HUANG C,LIU J,CHEN C H,et al.Dynamic road vehicle emission inventory simulation study based on real time traffic information[J].Environmental Science,2012,33(1):3725-3732.]

[13]趙琦.城市道路交通與排放模型多層次對接機(jī)理與方法研究[D].北京:北京交通大學(xué),2016.[ZHAO Q.Approach to multi-level integration of transportation and emission models on urban roads[D].Beijing:Beijing Jiaotong University,2016.]

[14]吳克寒.基于動態(tài)交通流參數(shù)估計的城市小汽車排放監(jiān)測方法研究[D].北京:北京工業(yè)大學(xué),2017.[WU K H.The monitoring approach of urban vehicle emissions based on the dynamic estimation oftraffic flow parameters[D].Beijing:Beijing University of Technology,2017.]

[15]楊濤.基于浮動車技術(shù)的路段交通流量推算研究[D].北京：北京交通大學(xué),2007.[YANG T.Study on reckoning the section traffic flow on the basis of the technology of probe car[D].Beijing:Beijing Jiaotong University,2007.]

[16]徐錦鋼.基于DSP的車牌號識別技術(shù)及應(yīng)用研究[D].蘭州：蘭州理工大學(xué),2008.[XU J G.Research and application of license plate number recognition based on DSP[D].Lanzhou:Lanzhou University of Technology,2008.]

[17]SONG G,YU L,WU Y.Development of speed correction factors based on speed-specific distributions of vehicle specific power for urban restricted-access roadways[J].Journal of Transportation Engineering,2016,142(3):04016001.

[18]SONG G,YU L,TU Z.Distribution characteristics of vehicle-specific poweron urban restricted-access roadways[J].JournalofTransportation Engineering,2012,138(2):202-209.