机动车非尾气颗粒物排放研究*

郝艳召, 邓顺熙, 邱兆文, 高婵娟

(1.长安大学汽车学院，西安 710064；2.长安大学环境科学与工程学院，西安 710064 )



2015026

机动车非尾气颗粒物排放研究*

郝艳召1, 邓顺熙2, 邱兆文1, 高婵娟2

(1.长安大学汽车学院，西安 710064；2.长安大学环境科学与工程学院，西安 710064 )

利用MOVES模型研究了北京市机动车的非尾气颗粒物排放随速度的变化规律，结果表明：小客车、小货车、大客车和大货车的非尾气颗粒物排放因子均随着车速的升高而下降。采用统计方法建立了各车型的非尾气颗粒物排放占全部颗粒物排放的比例模型；并应用该模型测算了实施尾号限行措施后，二环路上行驶车辆的非尾气颗粒物排放的变化。结果显示：限行措施实施后，早高峰二环路非尾气颗粒物排放量降低了23.36%；此外，限行前后二环路上非尾气颗粒物排放量所占比例均超过了35%，因此在评估机动车颗粒物污染时，应综合考虑尾气和非尾气两种排放来源。

机动车；颗粒物；非尾气排放；比例；MOVES

前言

近年来我国爆发了大范围、长时间的空气雾霾污染，其中机动车是公认的颗粒物主要来源之一[1-3]。但在评估机动车的颗粒物污染水平时，人们更多关注的是其尾气排放。如目前广泛采用的台架测试和车载测试技术，均只能得到尾气排放数据[4-5]。而机动车作为一个整体，在行驶过程中除了尾气这一颗粒物来源以外，还包括曲轴箱排放、制动磨损、轮胎磨损、路面磨损和扬尘等多个非尾气来源[6]。文献[7]中依据欧洲排放标准实施计划预测了奥地利机动车颗粒物的排放变化趋势，结果发现该地区2005年机动车排放颗粒物中，非尾气排放占到50%；但随着新标准实施，到2020年非尾气颗粒物排放将会占到总排放的80%～90%。此外非尾气排放中的磨损排放颗粒物含有丰富的金属元素，会对人体健康产生不利影响[8]。文献[9]中在瑞典斯德哥尔摩市进行长期监测后发现，机动车磨损产生的颗粒物中含有镉、铜、铅、锑和锌等重金属；并且刹车磨损是该市锑的一大来源，而轮胎磨损则是锌和镉的一大来源。文献[10]中在美国马萨诸塞州进行道路监测后发现，刹车磨损产生的颗粒物主要含有铁、钛和铜，而轮胎磨损产生的颗粒物主要含有锌、钙和钨。

由以上分析可以看出，在评估机动车的颗粒物排放污染时应综合考虑其尾气和非尾气排放。据此，本文中选取北京市为研究区域，采用模型模拟方法测算分析不同类型机动车非尾气颗粒物排放随速度的变化规律及其占全部颗粒物排放的比例，从而为我国更加全面合理地评估机动车颗粒物排放污染提供经验和指导。

1 模型选取与本地化

目前，国内外广泛采用的机动车排放模型包括MOBILE、EMFAC、COPERT、IVE和MOVES等[11]，其中IVE[12]和MOVES[13]引入机动车比功率(vehicle specific power, VSP)参数反映车辆行驶对排放的影响，相比采用平均速度参数的模型显著提高了测算精度[14]。此外MOVES由美国环保局开发，在建模数据样本量和代表性方面均优于IVE，因此最终选择该模型开展后续的排放测算。由于MOVES针对美国当地开发，因此在测算之前首先要对其进行一定的本地化修正。

1.1 本地化参数获取

MOVES按照空间区域分为国家(state)、郡县(county)和项目(project)3个测算层次，本文的研究区域是北京市，因此选择郡县层中的自定义区域(custom zone)进行本地化参数的输入。其中各车型保有量、车龄分布、年均行驶里程以及按天和小时的行驶里程分布均来自文献[15]；而按月份和道路类型的行驶里程分布采用模型默认值。另外，气象参数采用文献[16]中北京市的数据。

1.2 车型匹配

文献[15]中将车辆分为小客车、小货车、大客车和大货车4类，而MOVES中将车辆按照用途分为13类。综合考虑车辆用途和整车质量，本文中将所采用的文献[15]中的小客车、小货车、大客车和大货车，分别与MOVES中的passenger car(轿车)、 light commercial truck(轻型商用货车)、 transit bus(公共汽车)和single unit short-haul truck(短途运输货车)相对应。其中小客车和小货车为汽油车，其余两种车型为柴油车。

1.3 车辆技术水平匹配

由于我国参照欧洲标准建立的机动车排放标准体系，与美国存在一定差异。以重型柴油货车为例，分析二者在颗粒物排放限值方面的差异，如图1所示。其中，北京标准1包括公交、环卫和邮政车，北京标准2包括其他重型柴油车。可以看出，北京市车辆的颗粒物控制技术水平约比美国落后4年。因此本文的测算年份设定为2012年，模型中则提前至2008年，以减少该差异对测算结果的影响。

1.4 燃油匹配

MOVES将汽油分为6个子类，柴油分为3个子类，并允许用户输入具体的燃油组分。北京市于2008年开始实施国IV排放标准，并供应了与之配套的国IV燃油。本文中参考国IV车用燃油标准[17-18]，选取最为接近的燃油类型。

2 颗粒物排放与速度的关系

MOVES从车辆自身角度出发，主要考虑了尾气排放、曲轴箱排放、制动磨损和轮胎磨损4大颗粒物来源，将其中的后3种归为非尾气排放进行分析。在粒径方面MOVES可以输出PM10和PM2.5两种粒径的排放数据，由于非尾气管排放颗粒物的粒径较大[19]，故输出指标选择PM10。此外，MOVES将速度划分为16个区间，本文中参考北京市车辆行驶速度的分布范围[15]，选取前11个区间(0～84km/h)进行分析，即在模型中以一定步长输入不同平均速度值来分析颗粒物排放的变化规律。

2.1 非尾气颗粒物排放因子

图2为非尾气颗粒物排放因子随速度的变化规律，可以看出：相同速度下，非尾气排放由高到低依次为大货车>大客车>小货车>小客车。此外4种车型的排放均随速度增大呈下降趋势，且在平均速度小于24km/h时下降很快，之后下降趋势减慢。

2.2 非尾气颗粒物排放比例

进一步分析非尾气颗粒物排放因子占全部颗粒物因子的比例见图3，可以看出：小客车和小货车的非尾气排放所占比例比大客车和大货车高得多，尤其是在时速低于48km/h的低速区；时速高于48km/h后，差别缩小。4种车型的非尾气排放整体上皆随速度增大呈下降趋势。其中，小客车和小货车当平均速度超过40km/h后，比例下降的趋势加快，小货车尤为明显。大客车和大货车的非尾气排放比例随速度的变化则比较平缓。

3 非尾气颗粒物排放比例模型

基于图3中的数据，分别采用线性、多项式、乘幂、对数和指数函数进行曲线拟合，最终选取R2最高并且通过检验的函数作为模型。

各车型非尾气颗粒物排放比例的拟合曲线见图4，各拟合函数的显著性检验结果如表1所示。

表1 拟合函数显著性检验

将所建立的比例模型的预测值同MOVES测算值对比，进一步分析其预测误差如图5所示，可以看出模型的预测误差基本控制在5%以内，各车型的平均相对误差分别为：小客车1.61%，小货车4.34%，大客车1.96%，大货车2.28%。结果表明，所建立的比例模型具有较好的预测精度。

4 案例研究

案例选取北京市二环路，应用前面建立的比例模型分析尾号限行措施实施前后机动车非尾气颗粒物排放污染的变化情况。路段速度利用浮动车检测技术采集，流量利用微波检测技术采集，数据采集时间分别为2008年6月和11月，分析时段为早高峰7：30～8：30。限行前后二环路各路段流量和速度变化如图6和图7所示。可以看出：限行措施实施以后，早高峰二环路16个路段中有10个路段的车流量存在不同程度的降低，整体降低比例为8.02%；有13个路段的平均车速有不同程度的提高，整体升高比例为13.80%，这表明尾号限行措施对于缓解交通拥堵具有一定的效果。

4.1 排放因子的变化

由于二环路全天禁止货车通行，因此只考虑小客车和大客车两种车型的排放因子。其中尾气排放因子参考文献[20]，它提供了各车型不同排放标准下的基准排放因子、速度和燃油硫含量修正因子。由于其中选取的基准汽油和柴油的硫含量分别为50×10-6和350×10-6，而第IV阶段车用汽油和柴油的硫含量均为50×10-6，故首先对大客车的排放因子进行硫含量修正。此外案例实地调研了二环路上行驶车辆的技术水平分布，国0、国I、国II、国III和国IV标准车的比例分别为5.73%、10.68%、24.95%、41.47%和17.18%。根据上述比例对不同标准下的排放因子进行加权，并利用图7中的平均速度对加权值进行修正，从而得到不同路段上行驶车辆的尾气颗粒物排放因子。

对于非尾气颗粒物排放因子，首先将图7中的平均速度代入图4中小客车和大客车的拟合公式，得到其非尾气颗粒物的排放比例，再结合前面计算得到的尾气颗粒物排放因子推算出对应的非尾气颗粒物排放因子。

限行前后早高峰二环路各路段上的非尾气颗粒物排放因子的变化如图8所示。可以看出：小客车有13个路段的排放下降，整体平均降低了19.01%；而大客车有12个路段的排放下降，整体平均降低了9.22%。

4.2 排放量的变化

各路段上机动车非尾气颗粒物排放量的计算公式为

式中：EQi为第i个路段上行驶车辆的非尾气颗粒物排放量，g；EFij为j型车辆在i路段上的非尾气颗粒物排放因子，g/km；n为车型分类，案例中只考虑小客车和大客车两类；Li为i路段长度，km，由GIS地图直接测量得到；TVi为i路段车流量，辆/h；VTFij为i路段上j型车的比例，%，由文献[15]中2008年的数据获得。

图9为限行前后早高峰二环路各路段上非尾气颗粒物排放量的变化情况。可以看出：16个路段中有10个路段的颗粒物排放存在不同程度的降低；其中二环路全部路段的非尾气颗粒物排放量由限行前的18.78kg/h降低到限行后的14.39kg/h，降低了23.36%。这表明尾号限行措施在改善交通拥堵的同时，也降低了非尾气颗粒物排放。

将尾气和非尾气排放量相加，进一步分析各路段上非尾气颗粒物排放量占全部颗粒物的比例，如图10所示。可以看出：限行后有12个路段上的非尾气颗粒物排放比例下降；但限行前后二环路上非尾气颗粒物排放比例的整体平均值均超过了35%，因此在评估机动车的颗粒物排放污染时，应综合考虑尾气和非尾气两种排放来源。

5 结论

本文中利用MOVES模型，对北京市不同类型机动车的非尾气颗粒物排放进行了模拟测算，分析了排放随速度的变化规律，并对比分析了尾号限行措施实施前后，二环路上行驶车辆的非尾气颗粒物排放污染的变化。所得结论如下。

(1)小客车、小货车、大客车和大货车4种车型非尾气颗粒物的排放因子及其排放占全部颗粒物排放的比例均随速度的增大而下降；

(2)采用统计方法建立了4种车型的非尾气颗粒物排放占全部颗粒物排放的比例模型，各模型的预测误差基本控制在5%以内，具有较好的预测精度。该模型可指导研究人员在实测得到尾气排放数据后，推算其对应的非尾气颗粒物排放；

(3)尾号限行措施实施后，早高峰二环路上小客车非尾气颗粒物排放因子平均降低19.01%，大客车则降低9.22%。而非尾气颗粒物总排放量降低23.36%。这表明限行措施在改善交通拥堵的同时，也起到降低非尾气颗粒物排放污染的作用；

(4)限行前后二环路上非尾气颗粒物排放比例的整体平均值均超过了35%，因此在评估机动车的颗粒物排放污染时，应综合考虑尾气和非尾气两种排放来源。

[1] Yu L D, Wang G F, Zhang R J, et al.Characterization and Source Apportionment of PM2.5in and Urban Environment in Beijing[J].Aerosol and Air Quality Research, 2013, 13(2): 574-583.

[2] 吴琳, 沈建东, 冯银厂, 等.杭州市灰霾与非灰霾日不同粒径大气颗粒物来源解析[J].环境科学研究, 2014, 27(4): 373-381.

[3] 刘凤玲, 卢霞, 吴梦龙, 等.南京大气细粒子中重金属污染特征及来源解析[J].环境工程学报, 2014, 8(2): 652-658.

[4] 王猛, 刘宪, 冯雪, 等.北京市在用轻型汽油车排放研究[J].汽车工程, 2014, 36(1): 74-76.

[5] 彭美春, 吴晓伟, 江晓燕, 等.基于比功率的LPG公交侧排放特性研究[J].汽车工程, 2014, 36(3): 269-272.

[6] Pant P, Harrison R M.Estimation of the Contribution of Road Traffic Emissions to Particulate Matter Concentrations from Field Measurements: A Review[J].Atmospheric Environment, 2013, 77(31): 78-97.

[7] Rexeis M, Hausberger S.Trend of Vehicle Emission Levels Until 2020-Prognosis Based on Current Vehicle Measurements and Future Emission Legislation[J].Atmospheric Environment, 2009, 43(31): 4689-4698.

[8] 郭广慧, 雷梅, 陈同斌, 等.交通活动对公路两侧土壤和灰尘中重金属含量的影响[J].环境科学学报, 2008, 28(10): 1937-1945.

[9] Hjortenkarns D S T, Bergback B G, Haggerud A V.Metal Emissions from Brake Linings and Tires: Case Studies of Stockholm, Sweden[J].Environmental Science and Technology, 2007, 41 (15): 5224-5230.

[10] Apeagyei E, Bank M S, Spendgler J D.Distribution of Heavy Metals in Road Dust Along an Urban-rural Gradient in Massachusetts[J].Atmospheric Environment, 2011, 45(13): 2310-2323.

[11] 强彦雯, 单春艳.机动车PM2.5排放模型及其在中国的应用[J].南开大学学报(自然科学版), 2013, 46(6): 41-47.

[12] Jim Lents.IVE Model User’s Manual[R].International Sustainable Systems Research Center, 2008.

[13] U.S.Environmental Protection Agency.User’s Guide for MOVES2010b[R].EPA-420-B-12-001b, Washington, D.C., USA, 2012.

[14] U.S.Environmental Protection Agency (EPA).An Introduction to Draft MOVES2009 [EB/OL].http: //www.epa.gov/OMS/ models/moves/420b09026.pdf, 2009.

[15] 郭继孚.北京市交通发展年度报告(2001-2013)[R].北京: 北京市交通发展研究中心, 2013.

[16] 中国气象局.中国气象年鉴2013[M].北京: 气象出版社, 2013.

[17] 中国国家标准化管理委员会.GB 17930—2011车用汽油[S].北京： 中国标准出版社,2011.

[18] 中国国家标准化管理委员会.GB 19147—2013车用柴油(IV)[S].北京： 中国标准出版社,2013.

[19] Airborne Particles Expert Group.Source Apportionment of Airborne Particulate Matter in the United Kingdom[R].London: Department of the Environment, Transport and the Regions, 1999.

[20] 环境保护部科技标准司.道路机动车排放清单编制技术指南(试行)[R].北京: 中华人民共和国环境保护部, 2014.

A Research on the Non-exhaust Particulate Emissions of Motor Vehicles

Hao Yanzhao1, Deng Shunxi2, Qiu Zhaowen1& Gao Chanjuan2

1.SchoolofAutomobile,Chang’anUniversity,Xi’an710064;2.SchoolofEnvironmentalScienceandEngineering,Chang’anUniversity,Xi’an710064

The vehicle emission model MOVES is utilized to study the law of the change of non-exhaust particulate emissions with speed of vehicles in Beijing.The results indicate that the non-exhaust particulate emission factors of cars, light trucks, buses and heavy trucks reduce with the increase of vehicle speed.Then by using statistical method, the models for the proportion of non-exhaust particulate emissions in total particulate emissions of each of four types of vehicle are established and applied to the prediction on the change of the non-exhaust particulate emissions of vehicles running on second-ring road after the implementation of car-use restriction measure based on the last digit of license plate number.The results show that after the measure of car use restriction is taken, the non-exhaust particulate emissions of vehicle running on second-ring road in morning rush hours drop by 23.36 %.In addition, the proportions of non-exhaust particulate emissions of vehicles running on second-ring road both before and after car use control exceed 35%, hence both exhaust and non-exhaust emission sources should be taken into consideration concurrently in evaluating the particulate emissions of motor vehicles.

motor vehicle; particulate matter; non-exhaust emission; proportion; MOVES

*国家自然科学基金(51208052和51478045)、中国博士后科学基金(2013M532006)、陕西省科技统筹创新工程(2012KTZB03-01)和中央高校基本科研业务费专项基金(2013G1221021)资助。

原稿收到日期为2014年8月5日，修改稿收到日期为2014年9月17日。