基于交通流-HBEFA因子的典型路段排放特性研究
——以深圳市為例

朱永璇，何 流，郭唐儀

（南京理工大學(xué) 自動(dòng)化學(xué)院，江蘇 南京 210094）

0 引言

我國交通運(yùn)輸業(yè)的快速發(fā)展帶來了日益嚴(yán)重的能源消耗和空氣污染問題。生態(tài)環(huán)境部發(fā)布的《中國移動(dòng)源環(huán)境管理年報(bào)（2020）》[1]顯示，移動(dòng)源污染已成為我國大中城市空氣污染的重要來源。采取科學(xué)有效的控制措施來改變現(xiàn)階段機(jī)動(dòng)車排放帶來的嚴(yán)重后果已刻不容緩。為此，對路段機(jī)動(dòng)車尾氣排放特征進(jìn)行量化分析，計(jì)算不同車型機(jī)動(dòng)車對尾氣排放的貢獻(xiàn)度，對道路空氣污染治理具有重要的現(xiàn)實(shí)意義。

國外對尾氣排放的研究開展得較早，目前國際上主要使用的移動(dòng)源尾氣排放模型（Motor Vehicle Emission Simulator,MOVES）、國際機(jī)動(dòng)車排放模型（International Vehicle Emission Model,IVE）、計(jì)算道路運(yùn)輸排放量的計(jì)算機(jī)程序（Computer Programme to Calculate Emission from Road Transport,COPERT）等尾氣排放模型均由歐美國家研發(fā)[2-3]。國外研究人員對空氣質(zhì)量以及交通流的監(jiān)測結(jié)果表明，車輛排放已經(jīng)成為道路環(huán)境中NO2的主要貢獻(xiàn)者，交通量對早晨NOx濃度變化有顯著影響[4-5]。在高交通量條件下，CO,NOx和PM2.5等污染物的道路濃度會顯著高于一般水平[6]。對于高排放標(biāo)準(zhǔn)的車輛，如歐6 排放標(biāo)準(zhǔn)車輛的NOx排放會大幅減少[7]。在一些發(fā)達(dá)國家，客車和貨車分別是CO,NOx的主要貢獻(xiàn)者，而在一些發(fā)展中國家和地區(qū)，如印度德里，兩輪車是CO,HC,PAHs 和乙醛等污染物的主要貢獻(xiàn)者[8]。不同國家之間由于機(jī)動(dòng)車排放標(biāo)準(zhǔn)及各車型占比不同，道路排放水平及不同車型對各類污染物的貢獻(xiàn)度也存在明顯差異。

近年來，國內(nèi)學(xué)者對機(jī)動(dòng)車尾氣排放特征也進(jìn)行了大量研究，主要集中于對MOVES,IVE 等尾氣排放模型的本地化應(yīng)用，而對歐盟開發(fā)的道路運(yùn)輸排放因子手冊（Handbook on Emission Factors for Road Transport，HBEFA）的應(yīng)用較少，僅有段仲淵和何巍楠等人分別進(jìn)行了HBEFA 模型的深圳本地化和北京本地化，宏觀層面評估了城市交通尾氣排放，以推動(dòng)和加強(qiáng)城市的低碳發(fā)展[9-10]。HBEFA 模型能為道路交通中所有車輛類別生成一個(gè)可靠和統(tǒng)一的“實(shí)際”排放因子數(shù)據(jù)庫，獲得對交通敏感且較準(zhǔn)確的排放結(jié)果，并且中國和歐洲同類型車輛的燃油經(jīng)濟(jì)性、排放標(biāo)準(zhǔn)較為一致，因此HBEFA 模型本地化有較強(qiáng)的可行性與實(shí)用性[10-11]。

部分國內(nèi)學(xué)者將尾氣排放模型與統(tǒng)計(jì)數(shù)據(jù)、交通仿真軟件相結(jié)合對不同城市的機(jī)動(dòng)車排放進(jìn)行分析，結(jié)果表明，不同類型車輛對各類污染物的貢獻(xiàn)不同，小型客車往往是CO,HC的主要貢獻(xiàn)源，貨車是NOx和顆粒物的主要貢獻(xiàn)源[12-15]，具體貢獻(xiàn)程度在不同的城市之間存在差異。例如，張磊對西安市的機(jī)動(dòng)車尾氣污染物排放研究表明，客車對CO的排放貢獻(xiàn)最大，為41.13%；貨車對NOx和HC的排放貢獻(xiàn)最大，分別為8.39%和3.49%[16]。呂改艷對重慶市的研究表明，在內(nèi)環(huán)外，小型客車對CO 的排放貢獻(xiàn)最大，為54.37%；大型貨車對NOx的排放貢獻(xiàn)最大，為36.69%[17]。采用單雙號限行等控制方案可有效減少污染物排放[18]。

綜上，關(guān)于機(jī)動(dòng)車路段排放特征已有諸多研究成果，但大多采用MOVES和IVE等尾氣排放模型和Vissim 等仿真軟件進(jìn)行分析，缺乏HBEFA模型在國內(nèi)的應(yīng)用以及結(jié)合實(shí)測交通流等數(shù)據(jù)對路段排放特征的定量分析。鑒于上述問題，本研究將以深圳為例，從微觀層面利用HBEFA 模型得到深圳本地化的排放因子，結(jié)合深圳月亮灣大道的實(shí)測數(shù)據(jù)分析路段排放因子、排放強(qiáng)度及各車型的排放貢獻(xiàn)率，然后利用加利福尼亞線源擴(kuò)散模型（California Line Sources Dispersion Model,CALINE4）模擬機(jī)動(dòng)車在該路段行駛產(chǎn)生的CO,NOx濃度，最后與實(shí)際監(jiān)測濃度進(jìn)行對比分析，驗(yàn)證HBEFA 模型在實(shí)際情況中的適用性和精準(zhǔn)性，為道路交通污染防治提供理論依據(jù)。

1 研究方法與模型

1.1 數(shù)據(jù)來源

1.1.1 深圳市機(jī)動(dòng)車數(shù)據(jù)

根據(jù)2010—2018年《深圳統(tǒng)計(jì)年鑒》計(jì)算得到深圳市分車型機(jī)動(dòng)車保有量，結(jié)合年機(jī)動(dòng)車增長量，可計(jì)算不同車型的車齡分布。本文假設(shè)深圳市與研究道路上機(jī)動(dòng)車車齡分布相同，計(jì)算該道路上不同排放標(biāo)準(zhǔn)車輛的占比。

1.1.2 典型路段交通流數(shù)據(jù)

在深圳市南山區(qū)月亮灣大道，通過視頻設(shè)備對2018 年8 月24 日全天24h 交通流進(jìn)行采集。城市主干道作為城市大動(dòng)脈，主要用來聯(lián)系交通樞紐、生產(chǎn)區(qū)、公共場所及其他重要地點(diǎn)。月亮灣大道為深圳市17條主干道之一，連接廣深高速公路、深圳赤灣集裝箱碼頭等，承擔(dān)著重要的客貨交通運(yùn)輸任務(wù)，貨車數(shù)量較多。該典型路段為雙向8 車道，且西側(cè)有人行橫道，總寬度約為34m。視頻數(shù)據(jù)采用人工計(jì)數(shù)的方式，分車型記錄。

1.1.3 典型路段CO,NOx濃度數(shù)據(jù)

CO,NOx濃度數(shù)據(jù)監(jiān)測點(diǎn)位于距道路中心線25m 處。監(jiān)測設(shè)備包括車載式污染自動(dòng)監(jiān)測系統(tǒng)及化學(xué)發(fā)光法NO-NO2-NOx分析儀（量程為0～4ppm，RS232 接口輸出）、紅外相關(guān)法CO 分析儀（量程為0～200ppm，RS232 接口輸出）各1 臺。同時(shí)，獲取南海子空氣質(zhì)量國控點(diǎn)的污染物數(shù)據(jù)作為南山區(qū)背景濃度，用于CALINE4模型模擬結(jié)果的驗(yàn)證。監(jiān)測點(diǎn)位分布如圖1所示。

圖1 監(jiān)測點(diǎn)位分布圖

1.1.4 氣象數(shù)據(jù)

同步記錄深圳市氣象局南山區(qū)的氣象數(shù)據(jù)，包括溫度、濕度、風(fēng)速、風(fēng)向、大氣壓和降雨量等指標(biāo)，用作CALINE4 模型模擬道路交通CO,NOx濃度的輸入條件。

1.2 HBEFA排放模型構(gòu)建

1.2.1 機(jī)動(dòng)車排放因子模型

利用HBEFA 模型計(jì)算深圳本地化的機(jī)動(dòng)車排放因子，結(jié)合車流量、車隊(duì)構(gòu)成、車齡分布等指標(biāo)，計(jì)算月亮灣大道機(jī)動(dòng)車平均排放因子和排放強(qiáng)度，計(jì)算過程如下。

（1）劃分車輛類型、道路類型、交通狀態(tài)。將車輛類型劃分為4種，分別為小汽車、公交車、貨車和新能源車輛，其中小汽車再以排量和排放標(biāo)準(zhǔn)進(jìn)行細(xì)分，貨車以車輛大小進(jìn)行細(xì)分；道路類型分為4 種，分別為快速路、主干路、次干路和支路；交通狀態(tài)根據(jù)不同類型道路的平均行駛速度進(jìn)行劃分，分別為暢通、基本暢通、輕度擁堵、中度擁堵和嚴(yán)重?fù)矶隆?/p>

（2）建立深圳市典型工況。采集車輛逐秒級GPS 數(shù)據(jù)，以平均速度、停車時(shí)間占比、相對正加速度為主要指標(biāo)，篩選出每種道路類型和交通狀態(tài)下的20 個(gè)候選工況，并與HBEFA 模型的典型工況對比，得到深圳市典型工況。相關(guān)的計(jì)算公式[15]如下：

式（1）～式（3）中：V為工況平均行駛速度（m/s）；S為行駛距離（m）；T為總行駛時(shí)間（s）；SP 為停車時(shí)間占比，即停車時(shí)間占總運(yùn)行時(shí)間的比例；vt=0 表示t時(shí)刻車輛速度為0；RPA 為相對正加速度（m/s2)；為t時(shí)刻車輛正加速度（m/s2）。

（3）計(jì)算不同車型車輛對各類污染物的貢獻(xiàn)率，具體分為以下幾個(gè)步驟：

首先，計(jì)算單車排放因子?；诒镜販y試排放數(shù)據(jù)和典型工況，構(gòu)建乘用車及重型車輛排放模型（Passenger Car and Heavy Duty Vehicle Emission Model,PHEM）模型數(shù)據(jù)庫，得到不同道路類型、不同交通狀態(tài)下分車型的機(jī)動(dòng)車排放因子。

然后，計(jì)算路段平均排放因子。假設(shè)該路段的車齡分布和深圳市機(jī)動(dòng)車車齡分布相同，則結(jié)合單車排放因子和路段車流量計(jì)算路段平均排放因子：

式（4）中：EFh為第h小時(shí)機(jī)動(dòng)車路段平均排放因子（g/km）；為車輛類型i的污染物j在道路等級rg、交通狀態(tài)ts下的排放因子（g/km）；TFi,h,v為車輛類型i的機(jī)動(dòng)車在第h小時(shí)內(nèi)速度v下占總車流的比例。

接著，計(jì)算路段排放強(qiáng)度：

式（5）中：EIh為第h小時(shí)路段排放強(qiáng)度（g/(km·h)）；TVh為第h小時(shí)路段總車流量（veh/h）；EFh意義同前。

最后，計(jì)算分車型排放貢獻(xiàn)率：

式（6）中：Ph,i,j為第h小時(shí)車型i的機(jī)動(dòng)車對污染物j的貢獻(xiàn)率；EIh,i,j為第h小時(shí)車型i的機(jī)動(dòng)車污染物j的道路排放強(qiáng)度（g·km-1·h-1）；EIh意義同前。

1.2.2 污染物擴(kuò)散模型

該模型基于CALINE4 模型的高斯煙流公式和混合區(qū)域概念，結(jié)合污染物沉積沉降速率，利用線源擴(kuò)散模型模擬路側(cè)污染物濃度。模型計(jì)算原理為：

（1）將道路劃分為一系列線源單元；

3.培育一支高素質(zhì)的企業(yè)工會干部隊(duì)伍。加強(qiáng)工會干部隊(duì)伍建設(shè)，提高勞動(dòng)保護(hù)人員的綜合業(yè)務(wù)素質(zhì)，是做好工會勞動(dòng)保護(hù)工作的基礎(chǔ)。企業(yè)工會干部隊(duì)伍建設(shè)只能加強(qiáng)，而不能弱化，在工會人員編制方面，應(yīng)給予必要的傾斜，不能使工會人員受人員限制而忙于應(yīng)付一般工作；要采用多種措施和途徑，全面提高企業(yè)工會干部的業(yè)務(wù)素質(zhì)，特別是懂法律法規(guī)、懂具體的勞動(dòng)保護(hù)政策、掌握勞動(dòng)保護(hù)的方法與手段，以及具有分析和解決勞動(dòng)保護(hù)中出現(xiàn)各種問題的能力。

（2）計(jì)算每個(gè)線源單元產(chǎn)生的污染物對接受點(diǎn)濃度的貢獻(xiàn)；

（3）對所有線源單元的貢獻(xiàn)進(jìn)行求和，得到整條道路對接受點(diǎn)貢獻(xiàn)的污染物濃度。

污染物濃度計(jì)算公式如下[19]：

式（7）～式（10）中：C為預(yù)測點(diǎn)的污染物濃度（mg/m3）；n為劃分的n個(gè)線源單元；u為近地面風(fēng)速；EIm為線源強(qiáng)（mg·m-1· s-1）；y1,y2分別為線源的起點(diǎn)和終點(diǎn)；σy為水平方向擴(kuò)散參數(shù)；σz為垂直方向擴(kuò)散參數(shù)；L為整條道路長度（m）；l為線源長度（m）；W為道路寬度（m）；Ln,f為線源n的長度增長因子；θ為風(fēng)向與道路的夾角（rad）；其他變量意義同前。

2 結(jié)果分析

2.1 車齡分析

深圳市機(jī)動(dòng)車保有量及車齡分布如圖2所示。2018年深圳市主要民用乘用車達(dá)3 297 590輛，同比增長6.13%，客運(yùn)車為2 880 095 輛，貨運(yùn)車為417 475輛。2018對應(yīng)點(diǎn)線圖車齡為1年，2017對應(yīng)點(diǎn)線圖車齡為2 年，以此類推。小型客車中，車齡為5 年的占比最大，為19.2%；大型客車中，車齡為3 年的占比最大，為13.5%；小型貨車中，車齡為1 年、2 年的占比較大，分別為15.1%和13.8%；大型貨車中，車齡為10 年的占比最大，為28.2%，這與當(dāng)年新實(shí)施的排放標(biāo)準(zhǔn)有關(guān)。

圖2 機(jī)動(dòng)車保有量及車齡分布

2.2 交通流分析

小時(shí)交通量及平均速度數(shù)據(jù)采集結(jié)果及其分布如圖3 所示。根據(jù)采集數(shù)據(jù)計(jì)算可知，月亮灣大道日交通量為64 875veh/d，平均小時(shí)交通量為2 703veh/h，日間（7：00—23：00）平均為3 211veh/h，夜間（0：00—6：00）平均為1 179.5veh/h，日間比夜間高出172.2%，差異較大。5：00—6：00，車流量環(huán)比增加105%，呈明顯增長趨勢，其中小型客車增加517%。8：00—10：00，由于居民的上班通勤需求，交通量達(dá)到4 090veh/h，高出均值51.3%。該路段以小型客車和大型貨車為主，分別占比56.1%和41.1%，夜間貨車占比82.8%，日間客車占比60.8%，日夜車型差異明顯。該路段平均行程車速為34.5km/h，日間平均與夜間平均分別為40.1km/h和32.6km/h，日夜車速差異明顯，且車速和車流量呈負(fù)相關(guān)。

圖3 小時(shí)交通量及平均速度數(shù)據(jù)分布

2.3 監(jiān)測濃度分析

圖4 CO,NOx濃度監(jiān)測結(jié)果

由圖4可知，路邊監(jiān)測的NOx,CO濃度均呈現(xiàn)早晚高峰特征。NOx平均濃度為366.43μg/m3，在2：00—7：00 時(shí)段處于最高峰水平。貨車是NOx的主要貢獻(xiàn)源之一，夜間雖然總交通量較小，但貨車量保持在較高水平，且監(jiān)測時(shí)段風(fēng)速較低、相對濕度較大，導(dǎo)致擴(kuò)散條件較差，在交通排放和氣象因素共同作用下，NOx濃度于7:00 達(dá)到峰值893.89μg/m3。8：00—10：00，NOx濃度迅速下降，在9:00濃度僅為139.89μg/m3，較峰值下降84.4%，這與貨車數(shù)量降至全日最低水平、日照輻射增強(qiáng)、擴(kuò)散條件轉(zhuǎn)好等因素有關(guān)。12：00—16：00，月亮灣大道交通量及貨車數(shù)量均維持在較高水平，而NOx濃度遠(yuǎn)低于夜間值，這是因?yàn)橄挛缛照蛰椛湓鰪?qiáng)，促進(jìn)了二次污染物臭氧的形成，加速了NOx的消耗，且下午風(fēng)速較大，有利于污染物擴(kuò)散。

CO 整體變化趨勢與NOx類似，平均濃度為1.86mg/m3。2：00—7：00處于較高水平，在交通排放和氣象環(huán)境的共同影響下，CO 不斷積累，至7：00 濃度達(dá)到峰值2.51mg/m3。8：00—10：00，CO濃度下降，可能與貨車數(shù)量達(dá)到全日最低水平、光照增強(qiáng)有關(guān)。12：00—16：00，月亮灣大道交通量及貨車數(shù)量維持在較高水平，CO 濃度卻遠(yuǎn)低于最高峰水平，可能是光照輻射增強(qiáng)，臭氧的產(chǎn)生加速了CO 的消耗，以及較高的風(fēng)速和邊界層高度增加了污染物在水平和垂直方向上的擴(kuò)散。20：00 時(shí)，CO 再次出現(xiàn)較高濃度，主要與交通量較大、夜間逆溫層增加導(dǎo)致的污染物積累相關(guān)。

2.4 氣象數(shù)據(jù)分析

該路段日均溫度為28.4℃，且變化不大。平均風(fēng)速為0.98m/s，大多數(shù)時(shí)間風(fēng)速小于1.5m/s，屬于小風(fēng)狀態(tài)，13：00—17：00 風(fēng)速大于1.5m/s。平均相對濕度為88.5%，中午降低。15：00出現(xiàn)短暫降雨，風(fēng)速加強(qiáng)。

2.5 排放因子、排放強(qiáng)度及相關(guān)性分析

不同車型占比與路段排放因子及排放強(qiáng)度的相關(guān)性如表1 所示。由該表可知，小型客車對CO,NOx路段排放因子的相關(guān)系數(shù)分別為-0.644和-0.948，且顯著性水平均小于0.005，呈顯著負(fù)相關(guān)。大型貨車對CO,NOx路段排放因子的相關(guān)系數(shù)分別為0.633 和0.943，且顯著性水平均小于0.005，呈顯著正相關(guān)。究其原因可能在于該路段車流主要由大型貨車、小型客車構(gòu)成，而大型客車、小型貨車雖然單車排放因子較大，但在車隊(duì)的占比分別僅為0.59%,2.20%，導(dǎo)致其相關(guān)性較弱。大型貨車單車排放因子是小型客車的數(shù)十倍，該路段日間、夜間車流量較為穩(wěn)定，大型貨車占比的增加會導(dǎo)致路段CO,NOx排放因子增加。因此，大型貨車占比與排放因子顯著正相關(guān)，同理小型客車占比同排放因子呈顯著負(fù)相關(guān)。至于路段排放強(qiáng)度，幾種車型占比均未表現(xiàn)出明顯相關(guān)性。

表1 不同車型占比與路段排放因子及排放強(qiáng)度的相關(guān)性

每小時(shí)路段排放因子及排放強(qiáng)度如圖5所示。

圖5 小時(shí)路段排放因子及排放強(qiáng)度

根據(jù)圖5，路段CO,NOx每小時(shí)排放因子分別為（1.04±0.71）g/km 和（2.95±2.41）g/km，排放強(qiáng)度分別為（2664.27±1626.20）g/（km·h）和（7017.85±3382.99）g/（km·h）。橫向?qū)Ρ葋砜?，CO,NOx路段排放因子的變化趨勢相仿，說明車隊(duì)構(gòu)成對路段排放因子的影響趨勢是一致的。值得注意的是，在8：00—9：00 時(shí)段，兩者均達(dá)到全日最低水平，此時(shí)車流量高于均值，但大型貨車為全日最低水平，僅占約17.3%。0：00—5：00，CO,NOx路段排放因子均維持在較高水平，此時(shí)車流量為全日最低水平，但大型貨車占比為全日最高。5：00 大型貨車占比達(dá)到峰值86.12%，CO,NOx路段排放因子也達(dá)到峰值。10：00—16：00，CO,NOx路段排放因子均維持在次高水平且變化較小，此時(shí)車流量及各車型占比穩(wěn)定。17：00—22：00，CO,NOx路段排放因子的變化趨勢為先減后增，NOx變化較為明顯，此時(shí)車流量逐漸減少但貨車占比不斷增加。以上CO和NOx路段排放因子的變化趨勢說明其受到車流量大小和各車型占比的共同影響，其中大型貨車占比對路段排放因子的影響遠(yuǎn)大于其他車型且對NOx的影響大于CO。

與排放因子不同，CO,NOx路段排放強(qiáng)度整體呈現(xiàn)日間值高于夜間值的趨勢，而夜間小時(shí)車流量約為日間的31.5%。8：00—9：00，兩者均出現(xiàn)大幅下跌，NOx,CO 分別環(huán)比下跌48%,30%，此時(shí)車流總量變化較小，但隨著居民通勤出行的增加，大型貨車占比不斷減少至17.3%。之后（10：00—16：00）NOx和CO 的排放強(qiáng)度均維持在較高穩(wěn)定水平，車流量及各車型占比較為穩(wěn)定。17：00—19：00，路段排放強(qiáng)度出現(xiàn)下跌，貨車占比不斷減小。20：00—22：00，隨著貨車占比的不斷增大，CO,NOx路段排放強(qiáng)度達(dá)到另一個(gè)小極值。以上變化趨勢表明，大型貨車占比對路段排放強(qiáng)度的影響大于其他車型，對NOx的影響大于CO，后者受車型的影響較小。

2.6 不同車型貢獻(xiàn)率分析

不同車型污染物貢獻(xiàn)率見圖6。如圖6（a）所示，在道路環(huán)境下機(jī)動(dòng)車CO 排放中，大型貨車的CO單車排放因子是小型客車的3～9倍，大型貨車貢獻(xiàn)的CO 排放量占比約為77.3%，小型客車、大型客車、小型貨車分別貢獻(xiàn)19.5%,1.4%,1.8%。在夜間，大型貨車數(shù)量占比超過80%，CO排放占比超過99.5%。在日間，車流中以小型客車為主，在早高峰時(shí)段（7：00—9：00），小型客車數(shù)量占比為78%，但其排放貢獻(xiàn)率僅為45%。如圖6（b）所示，NOx的道路環(huán)境排放中，大型貨車的NOx排放因子是小型客車的17～24 倍，大型貨車、小型客車、大型客車、小型貨車分別貢獻(xiàn)92.9%,2.4%,2.3%,2.4%；在早高峰期間，即使大型貨車占比僅為17%，依然貢獻(xiàn)了83%以上的排放。

圖6 不同車型污染物貢獻(xiàn)率

綜上可知，大型貨車是該路段CO,NOx的主要貢獻(xiàn)者，大型貨車CO 排放標(biāo)準(zhǔn)每提高10%或大型貨車占比每減少10%，該道路的CO 排放減少約7.7%；大型貨車NOx排放標(biāo)準(zhǔn)每提高10%或大型貨車占比每減少10%，該道路的NOx排放減少約9.3%。因此，對于承擔(dān)城際運(yùn)輸任務(wù)的路段（如月亮灣大道），通過提升大型貨車排放標(biāo)準(zhǔn)（特別是NOx排放標(biāo)準(zhǔn)）、適當(dāng)降低其路段占比或可有效減小交通污染。

2.7 交通環(huán)境污染物濃度模擬驗(yàn)證

CO 實(shí)際監(jiān)測濃度為（1.86±0.42）mg/m3，利用CALINE4模擬CO濃度為（1.23±0.17）mg/m3，相對誤差為33.9%；NOx監(jiān)測濃度為與模擬濃度皮爾遜相關(guān)系數(shù)為0.487。模擬結(jié)果表明，模型模擬NOx效果較好。

3 結(jié)語

本研究利用HBEFA 模型求取深圳本地化排放因子，結(jié)合深圳市典型道路交通流數(shù)據(jù)，計(jì)算路段每小時(shí)CO,NOx平均排放因子和排放強(qiáng)度，以及不同車型機(jī)動(dòng)車對路段CO,NOx的貢獻(xiàn)率，并通過CALINE4模型模擬道路交通排放以進(jìn)行實(shí)驗(yàn)結(jié)果驗(yàn)證。最后，得出如下主要結(jié)論：月亮灣大道因其承擔(dān)城際間交通運(yùn)輸任務(wù)的特殊性質(zhì)，大型貨車流量約占全天道路總流量的40%，其單車排放因子數(shù)值較大，導(dǎo)致大型貨車對CO,NOx貢獻(xiàn)率極高，分別為77.3%,92.9%；大型貨車CO,NOx排放標(biāo)準(zhǔn)每提高10%或占比每減小10%，該道路的CO,NOx排放分別減少約7.7%,9.3%。由此可見，提高大型貨車排放標(biāo)準(zhǔn)、適當(dāng)降低其路段占比，是減少道路交通空氣污染直接、有效的手段。本文的研究方法同樣適用于其他類型道路（如次干道、支路）的研究，研究結(jié)果可為其他承擔(dān)城際間交通運(yùn)輸、客貨運(yùn)輸任務(wù)較重的道路污染治理提供借鑒。

本研究因計(jì)算排放時(shí)將車型僅劃分為大型客車、小型客車、大型貨車、小型貨車，可能會對計(jì)算精度產(chǎn)生一定影響，未來研究中可對車型進(jìn)行更細(xì)致的劃分；由于尾氣擴(kuò)散受到風(fēng)速、濕度等多因素影響，CALINE4 尾氣擴(kuò)散模型未能較好地對CO 進(jìn)行模擬驗(yàn)證，未來可考慮采取其他尾氣擴(kuò)散模型提高模擬效果。