基于COPERT模型车辆尾气诱发城市污染的评估方法

李东晟，刘宏富，廖靖云，肖 玲，肖景文，熊珂航

(长沙理工大学交通运输工程学院，湖南 长沙 410114)

1 研究方法

城市中的主要道路交叉口都进行了交通监控。选择的检测地点都是主干路交叉口或者主干路上的典型路段。

交通强度的量化由对驶过交叉口的车辆进行计数来实现，记录方式为从早上5点到第二天凌晨1点，每5 min记录一次。检测时间选择公共交通活跃的时间段，凌晨一点到早上五点的交通量极小，可以忽略。在车辆计数过程中，车辆被分为两类：小客车类和巴士卡车类。小客车类包括电动车、轿车、摩托车和小卡车。由于测试是在晚秋季节进行，根据当地交通特点，电动车和摩托车的数量在与其他类型的车辆的对比当中几乎可以忽略。在检测过程中同时进行CO2浓度的检测，以此为基础将车辆排放和检测到的CO2浓度相联系起来。

将车辆行驶过程中的参数数据被输入到COPERT模型中，经过运算之后就可以得到每辆车每公里的CO2和空气污染物的平均排放量。计算结果用来确定车辆在城市空气污染中的影响。为了使交通量的数据采集更加准确，测点1的交叉口在工作日全天进行行车数据的监控，以此得到统计数据的稳定性。

2 排放量和各排放因子物质的量的计算

2.1 排放量和各排放因子计算公式

本文使用的城市车辆组成数据均是从MUP获取，基于该数据可以获得以下几个特点：小客车在车辆组成中占了极大一部分；使用汽油发动机的车辆最为常见，基本占了所有车辆的2/3；车辆的平均车龄在14年左右。排放量评估是运用COPERT模型来进行。从根本上来说，COPERT 是用来进行国家水平交通排放量评估的工具，而且COPERT模型是以若干个欧洲的车辆检测机构进行的大量数据为基础的。只要获取了大量的数据，这种评估方法是十分可靠的。通过持续采集车辆的速度，在车辆分类中的第i个对象的排放因子EFi可以用下式计算

EFi=bv2+av+k

(1)

其中EFi代表第i个对象的排放因子，v代表车辆速度。

公式(1)可以用一个与车辆平均速度有关的二次多项式或函数来进行近似计算。Nejadkoorki等人提出了与平均速度有关的计算排放量的更加复杂的公示(2)

(2)

在公式(1)和(2)中的k,a,b,c,d,e和f都是常数。

部分研究者在与加速度和速度有关的公式中引入排放因子。EFi不是常数，但是假设在使用同一个平均车速的计算时，它近似是一个常数。

表1 私家车车辆组成(ECE 欧洲经济委员会汽车法规)

续表1

图1 交通流量，检测CO2浓度和计算CO2浓度的比较

图1表明了交通量和测量CO2浓度以及计算得出的CO2浓度之间的关系。又图2可见，CO2浓度比大气中的正常浓度高出300 ppm。在这个数值中的接近150 ppm是由车辆尾气排放产生的。分析得出，观测地点的尾气排放产生的CO2几乎占了总量的20%。

第j类的第i个实验对象车辆的年排放量AMi等于：

(3)

其中num是第j类中车辆的数量，EFi，j是指在第j类中的第i个实验对象的排放因子，Lj是第j类中车辆的平均里程数。

相似的，年均道路两侧排放量RMi等于：

(4)

其中f是指在第j类中车辆的日平均交通量，Sj是指监测区域的长度。

在公式(3)的基础上就可以用下式计算误差：

δAMi=δEFi,jnumjLj+EFi,jδnumjLj+EFi,jnumjδLj

(5)

δAMi是指年排放量误差值，δEFi代表第i个对象的排放因子的误差值，δnum是第j类中车辆的数量的误差值，δLj是第j类中车辆的平均里程数的误差值。

相似的，在公式(4)的基础上可以计算误差如下：

δRMi=δEFi,jfjSj+EFi,jδfjSj

(6)

其中δRMi是指年均道路两侧排放量误差值，δEFi代表第i个对象的排放因子的误差值，δf是指在第j类中车辆的日平均交通量。

3.2 车辆组成

(1)私家车

目前全市车辆中有私家车58 049辆，占了全部车辆的91.12%。在将数据输入COPERT之前，为了使从MUP获得的数据(表1)能适应COPERT的计算，对其进行了数据的取均值的处理来减小误差。对于城市中的年平均里程数，在这里采用3 500 km来进行计算，假设城市车辆日里程数为10 km(该数据来源于作者的经验和里程表读数)。根据塞尔维亚环境保护机构的数据和表1中的数据，可以计算出尼什市私家车年平均里程大约为3 400 km，这个数值有7.5%的误差，这个误差被作为数据的偏差值。平均车辆速度和年里程数由尼什市的城市监控和驾驶习惯等因素来确定。

(2)巴士

尼什市有记录在案的467辆巴士。然而，在排放量计算过程中只将用于公共运输的巴士列入计算范围。因为根据获取的最新消息，有124辆巴士在尼什市的城市公共运输系统中登记，这些车辆经统计每年驾驶里程为8 609 250 km，比其他用途的巴士高出很多。这就使得在城市中行驶的公共运输用的巴士相对于其他巴士在排放量的计算中有更大的影响力。

(3)卡车

在交通频率计算过程中，轻型卡车被记作小客车。区分轻型卡车和重型卡车的尺度为发动机排量是否达到2.0 L。在实验过程中所有发动机排量大于2.0 L的车辆都被算作重型卡车。根据这个分类，城市中一共有2 286台重型卡车，他们在城市范围内的年行驶里程约为2 000 km，该数据有17%的假设偏差值。

(4)摩托车

在测试过程中摩托车在道路上的行驶数量很少，忽略不计。

3.3 排放因子

COPERT模型的分析结果显示私家车的平均排放量和在表2显示的数据一致。与西欧和美国的车辆组成难以确定相比，尼什市车辆组成数据较为准确，因此更容易确定排放系数。

表2 不同车辆分类的排放因子[g·km-1]

图2 一天内不同时间私家车的交通频率变化

3.4 结果验证

表3表明了测点1一天内的两类车辆交通量变化的检测结果。根据表中数据可以得出工作日中的小客车总数量相对于平均值变化不超过3.46%。同时，在图3的图像中可以看出各个测点交通量变化趋势的相似性。在图3的图像中可以看出2个峰值点，分别为上午8点到9点和下午3点到4点。这两个时间段就是早高峰和晚高峰的时段。对于公交车和卡车，在整体交通量的变化中，与平均值的最大偏差为8.13%，在可接受的误差范围之内(表3)。

在交通量偏差数据、排放量偏差数据和公式(4)的数据基础上，可以得模型计算出的排放量的偏差。观测数据和年总排放量的数据表格可以体现出偏差值。Sturm等人对于这个措施做的分析表明，依赖这个方法，偏差值可以变化达到36%。由于排放量数据检测误差和城市中车辆里程数的不确定性，偏差值相对较高。

对排放因子εi,j的误差进行了关于排放因子平均结果的检测：

(7)

表3 测点一的交通量波动

表4 排放因子的误差检测

表5 整体年排放量

表6 各测点小客车排放量检测

表7 各测点巴士、卡车排放量检测

表8 尼什市道路各排放因子平均排放量

4 结果分析和讨论

基于在主要地区的交通量数据，可以确定检测路口之间的车辆数目(图3)。根据公式(3)和(4)，可以计算尼什市整体的年有害气体排放量和城市中主干道的年有害气体排放量。结果显示在表5，表6和表7中。

尼什市有286.1 km的街道和地方公路，其中检测路段有4.4公里长，占了城市街道总量的1.5%。在这些街道内的交通情况对城市的年排放情况的影响达到了15.1%。各个区域中私家车类和巴士卡车类的结果分别显示在表6和表7中。基于这一结果，可以将城市中的道路分为两类(表8)。第一类包括监测区域(代表主干道)，第二类代表平均排放量至少比第一类道路少10倍的支路、次干道。

5 结 论

(1)本文阐述了一个评估车辆尾气排放量的方法。在研究过程中，检测了城市中的6个交叉路口。被检测交叉路口之间的直道路段的交通量的确定也变得可行。为了计算城市中车辆的准确排放量，城市中的车辆组成数据从MUP处获取。根据数据，可以用COPERT模型计算法确定准确的单个车辆的排放量和城市中所有车辆总体的年排放量。

(2)分析表明，在观测区域的排放量比城市中的其他街道高出11倍。根据这一情况，将城市中的道路分为两类，排放主干道和排放次干道。给出了误差分析，虽然误差较高，但是误差依然在允许范围内。

[1] 徐良杰.城市交叉口交通量调查方法研究[J].交通与计算机 ,2003，(4).

[2] 余爱华,黄英,赵尘.公路路面径流污染及防治措施的研究进展[J].中外公路，2008，(8).

[3] 徐伟嘉，黄建彰,刘永红,李红霞. 基于PEMS与COPERT的机动车尾气排放特征分析[J].环境科学技术，2014，(6).