唐山市柴油車遠程監(jiān)控綜合管控平臺的開發(fā)及應用

田 苗， 王軍方， 黃健暢， 馬 帥， 吉 喆， 王宏麗， 宋國華， 丁 焰*

1.中國環(huán)境科學研究院, 國家環(huán)境保護機動車污染控制與模擬重點實驗室， 北京 100012 2.北京交通大學, 綜合交通運輸大數(shù)據(jù)應用技術交通運輸行業(yè)重點實驗室， 北京 100044

近年來，我國采取了大氣污染防治行動計劃[1]、打贏藍天保衛(wèi)戰(zhàn)三年行動計劃[2]等重大行動措施，空氣質量明顯改善，但是京津冀及周邊地區(qū)秋冬季重污染現(xiàn)象問題依然嚴峻[3-6]. 細顆粒物(PM2.5)超標依舊是我國空氣質量改善面臨的主要問題之一[7-9]. 硝酸鹽是京津冀地區(qū)PM2.5中的主要組分[10]，氮氧化物(NOx)排放是二次PM2.5生成的重要來源[11-16]. 2013—2019年，我國汽車保有量從1.26億輛增至2.6億輛，增長了2.1倍，隨著車輛結構不斷升級，監(jiān)管制度和能力不斷提高，汽車排放的各項污染物并未同步增加，其中一氧化碳(CO)、碳氫化合物(HC)排放分別下降了77.7%和64.5%，NOx排放升高了17.4%，NOx排放量達到622.2×104t. 2019年柴油車NOx排放量達到機動車NOx排放總量的87.0%[17]，是移動源NOx排放的重點控制對象[18-20].

柴油車在實際行駛中，選擇性催化還原系統(tǒng)(SCR)等后處理裝置失效導致的NOx排放超標現(xiàn)象頻發(fā)[21-24]，目前缺少高效、準確的排放監(jiān)控技術和設備. 此外，柴油車流動性大，跨地區(qū)活動特點顯著[25]，受油品質量影響也較大，需要車油聯(lián)合管控才能取得實效[26]. 該研究旨在開發(fā)車油聯(lián)合管控技術方法，通過遠程在線監(jiān)控技術，對柴油車排放、運行和加油等實際情況進行連續(xù)監(jiān)控，快速識別、預警高排放車輛，建立柴油車排放監(jiān)控—管控—溯源—評估全鏈條的技術防控體系，以期實現(xiàn)科學、精準治理柴油車污染的目標.

1 柴油車管控技術方法和平臺設計

該研究開發(fā)建立了柴油車遠程監(jiān)控綜合管控技術方法，以城市柴油車精準管控以及重點行業(yè)、企業(yè)運輸需求調控為目的，建立以車載診斷系統(tǒng)(OBD)、年檢、路檢路查、遙感監(jiān)測等數(shù)據(jù)為主，車輛行駛軌跡和加油信息為輔的柴油車遠程監(jiān)控綜合管控平臺(簡稱“管控平臺”，見圖1)，實現(xiàn)了高排放車輛識別、預警、溯源等功能，以及工業(yè)企業(yè)運輸管控和效果評估.

圖1 柴油車遠程監(jiān)控綜合管控平臺架構Fig.1 Framework of the integrated management and control platform for remote monitoring of diesel vehicles

根據(jù)柴油車管控需求，考慮到多源數(shù)據(jù)的整合以及海量的數(shù)據(jù)體量，采用分布式架構，提出數(shù)據(jù)獲取—數(shù)據(jù)邏輯共享—數(shù)據(jù)模擬計算—決策支持—效果評估—數(shù)據(jù)獲取的柴油車閉合管理思路，搭建管控平臺主體框架. 平臺數(shù)據(jù)包括車輛基礎信息、OBD數(shù)據(jù)(包括車輛位置、尿素液位、SCR下游NOx濃度等)、遙感數(shù)據(jù)、路檢路查數(shù)據(jù)、年檢數(shù)據(jù)等.

1.1 企業(yè)運輸車隊監(jiān)管模塊設計

該模塊主要實現(xiàn)對工業(yè)企業(yè)運輸車隊流量管控以及排放階段核查. 通過對監(jiān)控企業(yè)產(chǎn)能、原料產(chǎn)品運輸量、倉庫容量等數(shù)據(jù)的統(tǒng)計，核定每家企業(yè)秋冬季允許的最大日均車流量. 將企業(yè)基本信息以及“一企一策”方案導入平臺，與門禁系統(tǒng)聯(lián)動，自動識別企業(yè)車流量和排放階段是否符合要求. 結合秋冬季和重污染管控要求，對企業(yè)秋冬季和重污染應急響應時期的車流量和車隊結構進行實時監(jiān)控及預警.

1.2 實際排放監(jiān)控模塊設計

通過OBD系統(tǒng)對車輛實時排放情況、加油位置和加油時間、SCR還原劑添加情況以及軌跡信息進行在線監(jiān)控，分析柴油車NOx排放水平和趨勢[24,27]，包括NOx排放濃度特征、不同排放階段車輛的排放水平；比對加油位置和加油站信息篩查黑加油站；分析SCR還原劑添加和NOx排放情況，識別SCR工作狀態(tài)；通過軌跡信息，擬合物流通道；通過實際排放監(jiān)控信息，融合年檢、路檢路查信息和加油站信息等，實現(xiàn)溯源分析和車油聯(lián)合管控功能.

2 研究方法

2.1 管控效果評估方法

企業(yè)減排效益是指由于企業(yè)在一定時間內，采取流量控制和車隊結構管控，該企業(yè)機動車排放量減少，進而獲得的減排效益. 通過企業(yè)運輸車隊監(jiān)管模塊獲取的流量和排放階段監(jiān)控信息，評估企業(yè)政策的執(zhí)行力度，得出企業(yè)實際減排效益. 政策的執(zhí)行力度采用排放標準執(zhí)行力度〔見式(1)〕和流量控制執(zhí)行力度〔見式(2)〕2個指標進行評估.

Pstd=(ηrealη0)×100%

(1)

Pf=(f0freal)×100%

(2)

式中：Pstd為企業(yè)排放標準(國Ⅳ及以上)執(zhí)行力度，%；ηreal為企業(yè)中實際國Ⅳ以上車輛比例，%；η0為企業(yè)中限額要求國Ⅳ及以上車輛比例，%；Pf為企業(yè)流量控制執(zhí)行力度，%；f0為企業(yè)“一企一策”規(guī)定的最大貨車流量，輛d；freal為企業(yè)實際每日貨車流量，輛.

2.2 行駛特征分析方法

累積行駛里程按以下步驟處理：①按采集時間合并ECU和GPS數(shù)據(jù)，若采集時間重復(采集到的數(shù)據(jù)是一致的)，僅保留一條數(shù)據(jù)；②刪除發(fā)動機轉速為0和車速大于120 kmh的數(shù)據(jù)；③對里程缺失的數(shù)據(jù)，將使用速度、里程與采集時間的關系或使用內插法補充缺失的數(shù)據(jù).

主要物流通道的確定采用每個道路片段通車數(shù)據(jù)量的統(tǒng)計. 利用ArcGIS 10.3軟件和Divide-Line-By-Length插件[28]將道路圖層劃分為1 km的道路片段，根據(jù)每個數(shù)據(jù)采集周期起始點的定位信息代表該車輛單次采樣周期的位置，利用Map-matching算法匹配車輛位置與道路片段. 由圖2可見，為了不重復統(tǒng)計每個路段的車流量，根據(jù)數(shù)據(jù)的時序屬性，將同一輛車單次通過道路片段時采集到的多個位置數(shù)據(jù)整合為一個. 在整個研究時期，統(tǒng)計了平臺車輛通過每個道路片段的流量，數(shù)據(jù)越大表明平臺車輛通過該路段的車流量越大. 隨著接入平臺的重型車的增加，平臺識別主要的物流通道將越準確.

注： 道路片段①～⑤的車輛計數(shù)分別為2、2、1、1、1.圖2 主要物流通道識別方法示意Fig.2 Calculation method of main logistics channels

3 平臺在唐山市秋冬季大氣污染綜合治理攻堅行動中的應用

3.1 唐山市概況

唐山市是傳統(tǒng)的資源型重化工城市，屬于京津冀及周邊地區(qū)大氣污染傳輸通道城市(“2+26”城市). 鋼鐵工業(yè)是唐山市的第一大支柱產(chǎn)業(yè)，2018年唐山市煉鋼產(chǎn)能約1.33×108t. 鋼鐵、焦化均涉及大宗物料運輸，由此帶來的運輸量在6×108t以上. 因此，管控企業(yè)運輸車隊是唐山市移動源管控的重要切入點，尤其是在秋冬季大氣污染綜合治理攻堅行動及重污染應急響應期間. 該研究以唐山市46家鋼鐵、焦化企業(yè)監(jiān)管為例，分析評估柴油車遠程監(jiān)控綜合管控平臺發(fā)揮的實際作用，其中主要承運車輛類型有重型半掛牽引車、輕型普通貨車、重型自卸貨車和重型平板自卸貨車.

3.2 企業(yè)運輸車隊監(jiān)管及效果

根據(jù)《唐山市2018—2019年秋冬季重點行業(yè)錯峰生產(chǎn)方案》(簡稱“《方案》”)，按照分級標準將企業(yè)劃分為A、B、C三個類別，各企業(yè)按自身類別制定的“一企一策”方案執(zhí)行不同的錯峰限產(chǎn)任務. 企業(yè)移動源的管控政策主要包括以下幾個方面：①排放標準控制，即對國Ⅳ及以上貨車車輛比例提出要求；②進出廠流量控制，即對秋冬季和重污染應急響應期間的進出廠貨車流量提出限額；③重污染應急響應期間流量的絕對控制，即發(fā)布重污染應急橙色及以上預警后，企業(yè)在預警開始的前3 d要對進出廠車流量進行絕對控制，原則上不允許有任何貨運車輛進出廠區(qū).

該研究對唐山市46家工業(yè)企業(yè)非秋冬季、秋冬季和重污染應急響應期間3個時段進行對比分析，各時段選取連續(xù)一周的數(shù)據(jù).

3.2.1排放標準控制執(zhí)行情況

46家企業(yè)中，共有35家的“一企一策”方案對運輸車輛排放標準控制有要求. 由圖3可見，秋冬季，6家企業(yè)排放標準執(zhí)行力度達到或超過100%(執(zhí)行力度超過100%的企業(yè)按100%計，下同)，35家企業(yè)排放標準政策執(zhí)行力度平均值為79.5%. 總體來看，車流量限額為100輛d以下的企業(yè)排放標準執(zhí)行力度較低，而限額100輛d以上的企業(yè)執(zhí)行力度較好(見圖4). 重污染應急響應期間，4家企業(yè)排放標準執(zhí)行力度達到100%，35家企業(yè)排放標準執(zhí)行力度平均值為77.3%(見圖5).

圖3 企業(yè)秋冬季車隊排放標準執(zhí)行力度Fig.3 Companies enforcement of vehicle emission standard control during autumn/winter period

圖4 不同類型企業(yè)秋冬季車隊排放標準執(zhí)行力度Fig.4 The implementation level of vehicle emission standards control policies in autumn/winter period among different companies

3.2.2流量限額控制效果

秋冬季大氣污染綜合治理攻堅行動中，9家企業(yè)對秋冬季流量控制執(zhí)行力度達到或超過100%，多數(shù)企業(yè)執(zhí)行力度在40%～60%之間或大于100%，平均流量控制執(zhí)行力度為67.3%，企業(yè)間流量控制執(zhí)行力度相差較大，限額較大的企業(yè)執(zhí)行情況較好〔見圖6(a)(b)〕.

圖5 企業(yè)重污染應急響應期間排放標準執(zhí)行力度Fig.5 The implementation level of vehicle emission standards control policies in heavy pollution emergency response period among different companies

重污染天氣橙色及以上預警開始后，前3 d要求企業(yè)進行絕對控制，即原則上不允許有任何貨運車輛進出廠. 根據(jù)實際過車數(shù)據(jù)，10家企業(yè)能做到在重污染應急響應前3 d控制車輛進出. 除去前3 d外，有20家企業(yè)流量控制執(zhí)行力度達到或超過100%，平均流量控制執(zhí)行力度達到66.9%. 雖然流量控制執(zhí)行力度達到100%的企業(yè)較多，但執(zhí)行力度在70%以下的企業(yè)占比在50%以上，不同企業(yè)間的差距較大，限額較大的企業(yè)流量控制執(zhí)行力度較好〔見圖6(c)〕.

圖6 秋冬季和重污染應急響應期流量控制執(zhí)行力度Fig.6 Implementation level of the fleet flow control policy during autumn/winter and heavy pollution emergency response period

3.2.3企業(yè)秋冬季減排效益評估

依據(jù)流量和排放階段控制措施評估結果，可以看出由于執(zhí)行政策和執(zhí)行力度的不同，以及各企業(yè)車型結構不同，各種污染物減排比例也存在差距. 結果表明：唐山市秋冬季46家企業(yè)平均車流量降低了16%，CO、HC、NOx、PM的減排比例分別為21%、21%、19%和16%；重污染應急響應期間車流量降低了34%，CO、HC、NOx、PM的減排比例分別為37%、38%、39%和34%. 選取流量控制和排放標準控制措施力度不同的兩家企業(yè)(見表1)進行分析，其中，企業(yè)1主要采用流量控制措施，企業(yè)2采用流量與排放標準控制相結合的方式，車隊結構有明顯優(yōu)化. 由表1可見：企業(yè)1秋冬季車流量減少了47%，NOx和PM排放分別降低了41%和45%；企業(yè)2秋冬季車流量僅降低了15%，同時國Ⅳ及以上車輛占比較非秋冬季升高了13%，NOx和PM排放分別降低了32%和40%. 因此，采用優(yōu)化車隊結構方式可以在滿足降低污染物排放要求的同時，減少對企業(yè)生產(chǎn)的影響.

表1 政策執(zhí)行效果企業(yè)實例

3.3 實際行駛排放監(jiān)控

3.3.1行駛軌跡及物流通道識別

該研究分析了2個月(2019年2月1日—3月31日)的車輛行駛軌跡數(shù)據(jù)，結果表明，監(jiān)控的貨運車輛主要在唐山市市內行駛，占總行駛里程的76%，遠高于在市外的行駛里程，其中，輕型、中型和重型貨運車輛在監(jiān)控期間的平均行駛里程依次增大，重型貨車平均里程比輕型和中型分別高41.6%和29.2%. 輕型和中型貨運車輛在白天的行駛里程分別是夜間的2.8和1.8倍，全天小時行駛里程呈明顯的單峰型分布; 而重型貨運車輛晝夜行駛里程差距較小(見圖7).

圖7 輕型、中型、重型貨車行駛里程不同時段分布特征Fig.7 Light-, medium- and heavy-duty truck mileage distribution characteristics

軌跡結果分析表明，經(jīng)唐山市進出天津市、秦皇島市、承德市的車流量分別占監(jiān)測的重型柴油車進出流量的60.2%、30.4%、9.6%. 其中，通過點A～G的車流量貢獻了總車流量的62.8%，是主要的城際運輸通道. 在唐山市內，主要的物流通道呈“兩縱四橫”的特征，包括通過曹妃甸港區(qū)和京唐港區(qū)北上的S262、S252兩條南北向道路，以及G102、G205、X613和G228四條東西向物流通道(見圖8).

圖8 唐山市主要物流通道Fig.8 Main logistics channels in Tangshan City

3.3.2車輛實際NOx排放結果分析

基于重型車遠程在線監(jiān)控信息對486輛變化頻次低、持續(xù)時間長的貨車的實際排放進行分析. 結果表明，車輛排放的φ(NOx)平均值為611×10-6，最大φ(NOx)為 2 406×10-6，最小φ(NOx)為13×10-6. 高排放車輛按φ(NOx)70%分位值超過 1 500×10-6計，監(jiān)控車輛中約7.5%的車輛為高排放車(見圖9)，其中國Ⅳ和國Ⅴ車輛分別占27.8%和72.2%. 高排放車φ(NOx)平均值為 1 840×10-6.

圖9 管控平臺中車輛φ(NOx)70%分位值累積概率分布情況Fig.9 The cumulative probability distribution of the 70% quantile value of the φ(NOx) of each vehicle in the platform

進一步分析表明，高排放車輛主要在中高速、高扭矩下行駛，其中速度在50～60和60～70 kmh的工況占比達到35.4%，這2個車速下瞬時φ(NOx)超過1 500×10-6的數(shù)據(jù)占比分別為42.7%和47.4%〔見圖10(a)〕. 由圖10(b)可見，在中高扭矩(50%～90%最大扭矩)下，瞬時φ(NOx)超過 1 500×10-6的數(shù)據(jù)占比超過50%，與Badshsh等[29-30]試驗測得的重型柴油車排放結果較為接近.

注：超標數(shù)據(jù)為瞬時φ(NOx)超過1 500×10-6的數(shù)據(jù)，超標率為瞬時φ(NOx)超過1 500×10-6的數(shù)據(jù)占比.圖10 高排放車輛不同工況點位總數(shù)以及φ(NOx)瞬時值超過1 500×10-6的數(shù)據(jù)占比Fig.10 The total number of points in different operating conditions of high emission vehicles and the proportion of the number of φ(NOx) values exceeding 1500×10-6

進一步分析高排放車輛尿素添加情況,結果表明尿素箱液位無監(jiān)控信息和沒有變化的占比分別為16.7%和38.9%，44.4%的車輛尿素液位有變化. 說明約有55.6%的車輛NOx排放較高的原因可能是OBD被屏蔽或傳感器被損壞及未噴射尿素水溶液所致[31]；44.4%的車輛則可能是SCR還原裝置或催化劑失效引起，因此即使正常添加尿素水溶液，也起不到減排作用[32-33]. 通過匹配年檢、路檢信息發(fā)現(xiàn)，這些高排放車輛最近一次年檢均為通過，只有一輛高排放車輛在2019年有超過1次路檢不通過的信息. 因此，車載診斷系統(tǒng)、路檢路查等隨機方式更容易篩選和監(jiān)控高排放車輛.

4 結論與展望

a) 基于秋冬季和重污染應急響應期間車輛管控需求，研發(fā)了柴油機遠程監(jiān)控綜合管控平臺，通過該平臺，工業(yè)企業(yè)和地方環(huán)境監(jiān)管部門可以實現(xiàn)對區(qū)域內重型柴油貨車動態(tài)化精準管控；同時，耦合遙感、路檢路查、加油站、油箱液位、尿素液位等信息，進行超標車輛篩查和溯源. 下一步，可以利用實際排放監(jiān)控和軌跡信息，精細刻畫不同區(qū)域不同路段柴油車動態(tài)排放清單，結合鋼鐵等工業(yè)企業(yè)生產(chǎn)特征，制定更加科學、精準的秋冬季及重污染應急管控方案.

b) 唐山市應用結果表明，2018—2019年秋冬季企業(yè)移動源管控執(zhí)行力度較好，排放階段控制和流量控制執(zhí)行力度平均在65%以上. 不同企業(yè)對比表明，優(yōu)化車隊結構可以減小車輛管控對企業(yè)生產(chǎn)的影響，同時降低污染物排放.

c) 行駛軌跡數(shù)據(jù)分析表明，監(jiān)控貨車76%的行駛里程在唐山市內，輕、中型貨車白天行駛里程是夜間的2.8和1.8倍，重型車晝夜行駛里程基本相等.

d) NOx排放結果分析表明，車輛NOx高排放主要發(fā)生在中高速、中高扭矩下. NOx高排放車輛中，存在38.9%的車輛不添加尿素，44.4%的車輛即使按要求加注尿素水溶液，但由于SCR或相關催化器已失效導致NOx排放升高.