唐山市柴油車遠程監控綜合管控平臺的開發及應用

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

1.中國環境科學研究院, 國家環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, 綜合交通運輸大數據應用技術交通運輸行業重點實驗室， 北京 100044

近年來，我國采取了大氣污染防治行動計劃[1]、打贏藍天保衛戰三年行動計劃[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秋冬季重污染現象問題依然嚴峻[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(SCR)等后處理裝置失效導致的NOx排放超標現象頻發[21-24]，目前缺少高效、準確的排放監控技術和設備. 此外，柴油車流動性大，跨地區活動特點顯著[25]，受油品質量影響也較大，需要車油聯合管控才能取得實效[26]. 該研究旨在開發車油聯合管控技術方法，通過遠程在線監控技術，對柴油車排放、運行和加油等實際情況進行連續監控，快速識別、預警高排放車輛，建立柴油車排放監控—管控—溯源—評估全鏈條的技術防控體系，以期實現科學、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

該研究開發建立了柴油車遠程監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、企業運輸需求調控為目的，建立以車載診斷系統(OBD)、年檢、路檢路查、遙感監測等數據為主，車輛行駛軌跡和加油信息為輔的柴油車遠程監控綜合管控平臺(簡稱“管控平臺”，見圖1)，實現了高排放車輛識別、預警、溯源等功能，以及工業企業運輸管控和效果評估.

圖1 柴油車遠程監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

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

1.1 企業運輸車隊監管模塊設計

該模塊主要實現對工業企業運輸車隊流量管控以及排放階段核查. 通過對監控企業產能、原料產品運輸量、倉庫容量等數據的統計，核定每家企業秋冬季允許的最大日均車流量. 將企業基本信息以及“一企一策”方案導入平臺，與門禁系統聯動，自動識別企業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控及預警.

1.2 實際排放監控模塊設計

通過OBD系統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；通過軌跡信息，擬合物流通道；通過實際排放監控信息，融合年檢、路檢路查信息和加油站信息等，實現溯源分析和車油聯合管控功能.

2 研究方法

2.1 管控效果評估方法

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

Pstd=(ηrealη0)×100%

(1)

Pf=(f0freal)×100%

(2)

式中：Pstd為企業排放標準(國Ⅳ及以上)執行力度，%；ηreal為企業中實際國Ⅳ以上車輛比例，%；η0為企業中限額要求國Ⅳ及以上車輛比例，%；Pf為企業流量控制執行力度，%；f0為企業“一企一策”規定的最大貨車流量，輛d；freal為企業實際每日貨車流量，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數據，若采集時間重復(采集到的數據是一致的)，僅保留一條數據；②刪除發動機轉速為0和車速大于120 kmh的數據；③對里程缺失的數據，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據.

主要物流通道的確定采用每個道路片段通車數據量的統計. 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，根據每個數據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，為了不重復統計每個路段的車流量，根據數據的時序屬性，將同一輛車單次通過道路片段時采集到的多個位置數據整合為一個. 在整個研究時期，統計了平臺車輛通過每個道路片段的流量，數據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

唐山市是傳統的資源型重化工城市，屬于京津冀及周邊地區大氣污染傳輸通道城市(“2+26”城市). 鋼鐵工業是唐山市的第一大支柱產業，2018年唐山市煉鋼產能約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、焦化企業監管為例，分析評估柴油車遠程監控綜合管控平臺發揮的實際作用，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 企業運輸車隊監管及效果

根據《唐山市2018—2019年秋冬季重點行業錯峰生產方案》(簡稱“《方案》”)，按照分級標準將企業劃分為A、B、C三個類別，各企業按自身類別制定的“一企一策”方案執行不同的錯峰限產任務. 企業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，即發布重污染應急橙色及以上預警后，企業在預警開始的前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.

該研究對唐山市46家工業企業非秋冬季、秋冬季和重污染應急響應期間3個時段進行對比分析，各時段選取連續一周的數據.

3.2.1排放標準控制執行情況

46家企業中，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家企業排放標準執行力度達到或超過100%(執行力度超過100%的企業按100%計，下同)，35家企業排放標準政策執行力度平均值為79.5%. 總體來看，車流量限額為100輛d以下的企業排放標準執行力度較低，而限額100輛d以上的企業執行力度較好(見圖4). 重污染應急響應期間，4家企業排放標準執行力度達到100%，35家企業排放標準執行力度平均值為77.3%(見圖5).

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

圖4 不同類型企業秋冬季車隊排放標準執行力度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家企業對秋冬季流量控制執行力度達到或超過100%，多數企業執行力度在40%～60%之間或大于100%，平均流量控制執行力度為67.3%，企業間流量控制執行力度相差較大，限額較大的企業執行情況較好〔見圖6(a)(b)〕.

圖5 企業重污染應急響應期間排放標準執行力度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. 根據實際過車數據，10家企業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家企業流量控制執行力度達到或超過100%，平均流量控制執行力度達到66.9%. 雖然流量控制執行力度達到100%的企業較多，但執行力度在70%以下的企業占比在50%以上，不同企業間的差距較大，限額較大的企業流量控制執行力度較好〔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企業秋冬季減排效益評估

依據流量和排放階段控制措施評估結果，可以看出由于執行政策和執行力度的不同，以及各企業車型結構不同，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(見表1)進行分析，其中，企業1主要采用流量控制措施，企業2采用流量與排放標準控制相結合的方式，車隊結構有明顯優化. 由表1可見：企業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，減少對企業生產的影響.

表1 政策執行效果企業實例

3.3 實際行駛排放監控

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)的車輛行駛軌跡數據，結果表明，監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，經唐山市進出天津市、秦皇島市、承德市的車流量分別占監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和京唐港區北上的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控信息對486輛變化頻次低、持續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的數據占比分別為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的數據占比超過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：超標數據為瞬時φ(NOx)超過1 500×10-6的數據，超標率為瞬時φ(NOx)超過1 500×10-6的數據占比.圖10 高排放車輛不同工況點位總數以及φ(NOx)瞬時值超過1 500×10-6的數據占比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、路檢信息發現，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、路檢路查等隨機方式更容易篩選和監控高排放車輛.

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，研發了柴油機遠程監控綜合管控平臺，通過該平臺，工業企業和地方環境監管部門可以實現對區域內重型柴油貨車動態化精準管控；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控和軌跡信息，精細刻畫不同區域不同路段柴油車動態排放清單，結合鋼鐵等工業企業生產特征，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年秋冬季企業移動源管控執行力度較好，排放階段控制和流量控制執行力度平均在65%以上. 不同企業對比表明，優化車隊結構可以減小車輛管控對企業生產的影響，同時降低污染物排放.

c) 行駛軌跡數據分析表明，監控貨車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.