北京市2017年典型日機動車動態排放特征研究

王燕軍， 何巍楠， 宋國華， 唐祎骕， 李 剛， 張詩海, 張鶴豐,4

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.北京交通發展研究院, 城市交通節能減排檢測與評估北京市重點實驗室， 北京 100073 3.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 4.國家大氣污染防治攻關聯合中心, 北京 100012

我國對機動車排放量的摸底調查主要是采用宏觀測算法[7-9]，這種測算方法對國家級、省級、市級在宏觀上把握機動車污染排放狀況較為方便、便捷和直觀，但不利于對機動車在道路上行駛時實際排放狀況的掌握. 近些年，機動車排放研究已從宏觀-中觀尺度逐步向局部、微觀尺度發展[10-13]，我國專家學者利用國外相關模型和本地化的機動車動態交通流數據，對部分地區機動車實際排放狀況進行了探索[14-17]. 在國內外機動車排放宏觀測算模型[18-21]、微觀測算模型[22-27]調研的基礎上，該研究基于美國MOVES模型的開發思路，開發了我國重型車VSP (Vehicle Specific Power，汽車比功率)分布區間，建立了我國輕型車、重型車基于VSP分布的排放速率數據庫，開發了基于交通流的動態移動源排放測算模型. 結合北京市2017年5種典型日(工作日、非工作日、節假日、重污染日和重大活動日)下主要路網機動車動態交通流觀測數據[28-29]，測算研究了北京市主要路網在1 h時間分辨率、1 km×1 km空間分辨率下機動車動態排放的時空分布特征，以期為支撐北京市機動車污染精細化管控決策提供數據支持.

1 測算方法

1.1 交通流數據獲取方法

小客車交通流是基于車輛浮動車速度通過速度反推理論[30]獲得，包括集成北京市31萬路段(link)下的浮動車速度、交調數據(小時級，北京市 1 300 個交調點數據)以及遠程交通微波監測數據(小時級，1 600 多個點位). 出租車交通流是基于北京市出租車浮動車運行數據獲得(分鐘級). 貨車流量通過多元數據融合獲得，其中包括交調數據(小時級，北京市 1 300 個交調點數據)、高速公路收費數據(小時級，20個典型收費站歷史數據)、核查線調查數據(小時級，北京市主要橫縱中軸的交叉路段歷史數據)、遠程交通微波監測數據(小時級，1 600 多個點位數據)、重型貨車全球定位系統(GPS)數據(日均約8萬輛次，時間分辨率為30 s). 公交車交通流基于公交固定路線GPS歷史軌跡數據(分鐘級)獲得. 大客車流量基于旅游、省際等長途客運車輛GPS定位數據(分鐘級)獲得.

1.2 模型建立思路

借鑒美國MOVES機動車動態排放模型[23-24]構建思路開發了動態移動源排放清單模型，引入了VSP參數來表征機動車動態工作狀態與排放的關系. VSP定義為單位質量機動車的瞬時功率，是機動車為克服滾動、摩擦、空氣等阻力，增加機動車動能和勢能所輸出的功率，單位為kWt，計算公式：

VSPt=(Avt+Bvt2+Cvt3+mvtat)m

(1)

式中：VSPt為t時刻下機動車的比功率，kWt；vt為t時刻下的車輛速度，ms；at為t時刻下車輛瞬時加速度，ms2；m為車輛質量，t；A為車輛行駛滾動阻力，kW·sm；B為車輛行駛旋轉阻力，kW·s2m2；C為車輛行駛空氣阻力，kW·s3m3.

輕型車VSP計算主要是通過新車路試滾動阻力、旋轉阻力、空氣阻力等不同參數的測試，以及機動車在不同城市、不同道路上行駛工況調查得到的相關參數進行測算，研究建立的輕型車VSP區間特征與MOVES模型[21]類似.

對于重型車，MOVES模型中采用比例牽引功率(STP)代替VSP進行計算. STP物理意義與VSP類似，代表車輛牽引功率，通常按照常數縮放以適應現有的MOVES運行模式定義. STP主要通過發動機工作情況(負載率)而不是單純通過車輛距離確定，同時基于STP的排放因子也并非直接與車輛質量呈正相關，其與車輛的負載功率也有關. 為了表征重型車輸出功率與排放因子的關系，引入系數fscale. 如能直接得到重型車行駛時在驅動輪上輸出的功率(即輪邊功率，如通過實車運行ECU讀取或重型車轉鼓測試)，重型車的VSP特征采用式(2)計算.

VSPt=Paxlefscale

(2)

式中：Paxle為重型車輪邊功率，kW·h；fscale為比例因子，常數，定義為車輛總質量(包括載重質量和車輛本身質量)與車輛整備質量之比，其物理意義為重型車為載貨額外所需增加的輸出功率與空載時功率的比值.

當車輛在道路上行駛，如未能直接得到輪邊功率時，采用式(3)進行模擬計算.

Where: ra is armature winding; rf is excitation winding;rD is direct-axis damping winding;rQ is cross-axis damping winding; w is electrical angular velocity of rotor.

VSPt=(Avt+Bvt2+Cvt3+mvtat)fscale

(3)

由于我國重型車整車試驗尚未積累起足夠的數據，無法確定其中的關鍵參數，故該研究中重型貨車VSP計算采用北京交通大學基于實測研究自主開發的我國重型車VSP計算公式，根據車輛質量能否準確獲得分別采用不同計算公式，如表1所示.

表1 我國重型車VSP計算公式

在此基礎上，通過國內重型車行駛工況調查，將重型貨車的VSP行駛區間劃分為29個，其中，速度區間3個，分別為0～50、50～80和大于80 kmh；每個速度區間下有9個VSP區間，分別為VSP<0、0≤VSP<1、1≤VSP<2、2≤VSP<3、3≤VSP<4、4≤VSP<5、5≤VSP<6、6≤VSP<9、VSP≥9；以及怠速和滑行各一個工況區間.

1.3 模型結構及測算參數

研究建立基于交通流的城市道路動態機動車排放清單模型輸入參數包括以下3個：①基礎輸入，基于VSP的排放率數據、VSP工況分布數據、車輛行駛公里數(Vehicle Kilometers of Travel，VKT)速度分布數據、保有量數據、行駛里程數據等(保有量數據及行駛里程數據需要使用者根據研究對象進行確定). 模型中針對重型車的總質量劃分是基于車型結構調查數據得到的關鍵區域下不同總質量車輛的結構比例，并按總質量區間劃分進行歸類后統計占比獲得. 基礎信息則通過聯網報送的年檢車輛信息數據庫區分車輛的排放階段、車輛總質量等基本信息. ②修正參數，基于車齡分布的劣化系數數據(根據聯網報送的年檢車輛信息數據庫推算的車齡，以及基于車輛的排放劣化研究建立的數據庫)；基礎排放清單的修正參數數據，包括溫度修正數據、濕度修正數據以及海拔修正數據等(根據研究對象不同進行自行輸入). ③其他模塊參數，在基礎排放清單基礎上，可輸入冷啟動參數、蒸發參數等進行其他模塊排放測算. 輸出參數包括：①一級輸出參數，包括速度排放因子數據、車齡分布數據. ②二級輸出參數，包括綜合排放因子數據或修正后的速度排放因子，以及VKT總量數據. ③三級輸出參數，包括基礎排放清單、修正后機動車排放清單等. 模型測算流程如圖1所示.

圖1 模型測算流程Fig.1 Procedure of inventory development

2 結果與分析

在北京市2017年交通流量調查[28-29]的基礎上，選取了2017年北京市工作日、非工作日、重污染日(北京市發布重污染預警、機動車單雙號限行日)、節假日(國家法定節假日)和重大活動日(2017年3月3—15日全國人民代表大會第五次會議和政協第十二屆全國委員會第五次會議、2017年10月18—24日中國共產黨第十九次全國代表大會等國家重大活動日)五類典型日，分析在不同環境背景下機動車排放的時空分布和演變情況. 交通特征刻畫的參數選取了VKT作為衡量交通出行量的指標. 典型日的分類主要是為了體現機動車不同出行方式、出行量對污染物排放的影響. 以工作日為例，該研究中工作日VKT結果是基于周一、周二、周三、周四、周五不同特征結果下的加權結果，其他4類典型日處理方式相同.

2.1 機動車排放空間分布特征

根據交通流調查獲得VKT、VSP分布比例等交通流信息后，構造了北京市2017年典型日路網逐時機動車排放清單，并將排放量對應分配在相應的GIS網格上. 工作日全天、05:00和17:00機動車NOx排放量空間分布特征如圖2所示.

圖2 北京市機動車NOx排放量空間分布特征Fig.2 Vehicle NOx spatial distribution characteristics in Beijing

由圖2可見：北京市機動車NOx排放分布的規律性較強，主要分布在東南六環方向及其聯絡線，以及東北、西北六環路方向及與其聯絡線上，這些均為重型柴油貨車運輸較集中的交通線路. 05:00柴油貨車NOx集中排放的特征最為明顯；17:00城市內外多種機動車交通均較活躍，NOx排放量較高的地點呈多點分布的現象.

北京市工作日機動車全天、12:00和18:00的CO排放量空間分布特征如圖3所示. 由圖3可見：北京市機動車CO排放主要集中在城區，特別是五環路及以內區域機動車CO排放量較大；與12:00相比，18:00機動車CO排放量較大，五環路及以內區域、五環路聯絡線附近均為CO集中排放區域，這主要是因為輕型汽油客車是機動車CO排放的主體，而輕型車的主要活動區域為五環路及以內區域，且以私家車出行為主，故排放也明顯分布在該區域.

圖3 北京市機動車CO排放量空間分布特征Fig.3 Vehicle CO spatial distribution characteristics in Beijing

2.2 典型日機動車排放量分析

根據交通流特點，計算得到5種典型日的CO、HC、NOx排放量(見圖4). 由圖4可見，5種典型日中非工作日機動車總排放量稍高于工作日，分別是工作日、節假日、重污染日、重大活動日的1.02、1.19、1.03、1.13倍. 不同節假日之間，CO、HC、NOx排放量也有存在差異(見圖5). 由圖5可見，春節3種污染物排放量最低，其次為元旦，勞動節排放量最高，是春節排放量的1.3倍，主要原因為元旦、春節和國慶節的假期較長，離京人數較多，導致交通流量下降，勞動節和中秋節因假期時間較短，離京人數較少、交通量較大，因此導致排放較高.

圖4 典型日機動車排放量Fig.4 Vehicle emission quantities of typical days

圖5 不同節假日機動車排放量Fig.5 Vehicle emission quantities of different holidays

不同類型機動車污染物排放量占比如圖6所示，對于CO排放而言，小客車CO排放量占比最大，為65.2%，其次為貨車，排放占比為12.8%；HC排放量占比最大的也為小客車，為65.3%，其次為公交車，排放占比為12.8%；貨車的NOx排放占比最大，為48.9%，其次為公交車，排放占比為19.0%；PM的排放則主要來自貨車和大客車，分別占機動車PM總排放量的61.3%和27.8%.

圖6 分類型機動車排放量占比Fig.6 Emission ratios by vehicle types

2.3 典型區域和道路排放量分析

該研究分析了北京市二環內(包括二環路)、二三環之間(包括三環路)、三四環之間(包括四環路)、四五環之間(包括五環路)、五六環之間(包括六環路)以及六環外等不同區域機動車污染物排放強度，結果如圖7所示. 由圖7可見：從環路區域上看，二環內污染物單位面積平均排放率最高，為0.05 t(km2·d)，分別是三四環之間、四五環之間的1.2、2.0倍，其主要原因是北京市二環內路網密度(16.36 kmkm2)最高，交通流平均速度(21.1 kmh)最低，因此污染物單位面積平均排放率高、排放強度大；二三環之間機動車污染物單位面積平均排放率次之，為0.043 t(km2·d). 從城市二環區域往外機動車路網密度逐漸變低，交通流平均速度逐漸提高，路網排放強度逐漸降低. 在不同道路類型中，次干路、支路的污染物排放占比最大，其次為主干路. 由圖8可見：各道路類型中CO的排放量占比最大，占總污染物排放量的60%以上；其次為NOx，約占總污染物排放量的20%.

圖7 分區域機動車污染物單位面積平均排放率、交通流平均速度Fig.7 Vehicle average emission rate per unit area and traffic flow average speed by zones

圖8 分道路類型機動車不同污染物排放量占比Fig.8 Vehicle pollutants ratio by the road types

3 討論

機動車排放情況受行駛速度、車況、環境溫度等影響較大，有研究表明，機動車實際道路行駛狀況下排放因子與機動車排放宏觀測算模型之間的差異較大[31]，機動車對城市環境空氣質量的影響也存在差異性[32]. 樊守彬等[33]對北京市二環內、二三環之間機動車行駛平均速度觀測表明，機動車最低車速在21～22 kmh之間，而筆者研究顯示二環內、二三環之間的平均車速只有25 kmh左右，高峰時段在20 kmh以下，原因可能是樊守彬等[33]研究年份為2015年，筆者研究年份為2017年，平均車速的降低與北京市機動車保有量的進一步升高以及道路車流飽和程度增長有關. 該研究表明，次干路、支路的機動車污染物排放量高于主干路、快速路的排放量，與樊守彬等[33]研究結論相似. 二環內、二三環之間、三四環之間的機動車污染物排放強度明顯高于四外環，表明中心城區機動車排放控制的重要性.

分車型來看，該研究中小型客車CO和HC排放量均占機動車CO、HC總排放量的60%以上，占比較高，與楊昆昊等[5]利用機動車燃油質量估算機動車尾氣排放對北京市大氣污染的貢獻結論相似. 研究[34]表明，小型客車CO、HC排放在北京市五環區域內均較高(高排放區)，對居民健康影響較大，HC排放還是影響城市空氣中二次顆粒物和O3生成的重點因素. 因此，北京市對輕型客車污染物排放的控制應進一步加強. 為了降低小型客車的使用強度以及污染物的排放，可采用源頭替換的方法，通過財政、稅收、政府采購、通行便利等措施，推動新能源配套基礎設施建設，推廣使用節能環保型機動車或新能源機動車；同時，通過綠色交通體系建設、優化道路設置等手段，降低小型客車的使用強度，有效降低小型客車的污染排放. 對于在用的行駛里程較高的出租車、租賃汽車、老舊汽車或從事運輸經營的小型車輛，應加強維護保養、要求更換尾氣凈化裝置、淘汰更新等措施降低在用小型客車的排放水平.

對于近期關注的重型柴油車排放問題，該研究重型車NOx排放量占機動車NOx總排放量的50%左右，低于相關文獻宏觀測算結果[35]. 這可能與近些年來北京市不斷加強柴油貨車管控，采取了老舊車輛加速淘汰、限行、加大環保檢查力度[36]等措施，不斷降低路面行駛的重型車流有關，但重型車由于承擔了城市物流的主要功能，其夜間排放和總體排放水平仍然較高，對北京市局部(東南六環方向以及東北、西北六環附近)空氣質量影響較大，并可通過遠程傳輸的方式影響城區的空氣質量[37]. 為進一步降低北京市重型柴油車污染排放問題，一方面需要降低重型車的使用強度，可以通過調整優化運輸結構，統籌推進多式聯運運輸網絡建設，推動重點工業企業、物流園區和產業園區等優先采用鐵路運輸大宗貨物，建立城市綠色貨運體系等不同的方式推動；另一方面，對于現有的重型柴油車，可通過提高標準要求、加強檢測維修(IM)、加裝污染控制裝置、車載排放診斷系統、遠程排放管理車載終端等設備和裝置降低在用柴油車排放水平.

4 結論

a) 北京市二環路及以內區域和二三環之間(包括三環路)機動車排放強度較高，分別達0.050和0.043 t(km2·d).

b) 北京市機動車NOx排放分布規律性較強，主要分布在東南六環路方向及其聯絡線，以及東北、西北六環路方向及其聯絡線上，NOx排放高峰值出現在05:00.

c) 北京市機動車CO排放主要集中在城區五環區域內，CO排放高峰值出現在18:00，五環路及以內區域、五環路聯絡線附近均為CO高排放區.

d) 不同典型日中，非工作日機動車污染物排放量最高；分類型機動車污染物排放中，小客車CO、HC排放量均占機動車CO、HC總排放量的65%以上，貨車NOx、PM排放量分別占機動車NOx、PM總排放量的50%和60%左右.