应用于公路交通减排的最优限速值研究

唐天杰，陆 键，张 弛，张文丹，张 毅

（1.江苏省无锡市公路管理处，江苏 无锡 214031；2.同济大学道路与交通工程教育部重点实验室，上海 200092；3.上海市城市建设设计研究总院（集团）有限公司,上海 200125；4.上海市交通港航发展研究中心，上海 200030；5.上海交通大学海洋工程国家重点实验室，上海 200240）

目前交通的粗犷型发展已为全球气候带来较大压力，降低交通排放、走持续发展的道路已成为交通发展的必然选择。

目前国内外关于绿色交通的研究大都是基于交通流特征（自由流、稳定流上限、稳定流下限、饱和流）、路网规划与管理、道路设施、车的性能以及燃油等方面来探讨公路的排放。本文选出影响公路交通尾气排放的关键因素——限速来进行具体分析。本文研究的交通尾气包括：常规车辆排气污染物（CO、HC和NOx）。研究首先要建立车辆尾气的量化排放计算模型，继而才能确定不同研究因素对于车辆排放的影响。分析国内外学者的相关研究发现，车辆排放计算模型和交通仿真模型的结合是目前应用比较广泛，且比较适合我国国情的方法。因此，本文的研究依托工具为：基于PEMS-OBEAS-3000（Portable Emission Measurement System）所采集的数据和机动车比功率VSP（Vehicle Specific Power）概念所建立的排放计算模型和公路交通仿真模型：VISSIM（Verkehr In Städten-SIMulationsmodell）。

1 研究综述

20世纪70年代末，由美国环保署EPA提出MOBILE（Mobile Source Emissions Factor）模型，是比较早期的交通排放模型，可以预测CO2、CO、 HC、NOx和颗粒物PM（Particulate Matter）等的排放［1］。而EPA开发的MOVES（Motor Vehicle Emission Simulator）模型，是现今比较成熟的以大量数据为基础的综合性排放模型［2-4］。20世纪90年代末，加州大学河滨分校的Matthew Barth［5］教授等人也研究开发了综合型式的排放模型 CMEM（Comprehensive Modal Emissions Model）。它可以处理以秒为单位的瞬时速度和瞬时加速度下的尾气排放，能够与像VISSIM这样的微观交通仿真模型结合使用。

车载尾气检测系统PEMS广泛应用于车辆排放的研究，PEMS可以逐秒检测收集现实世界中行驶车辆的排放物、行驶工况和车速变化等信息［6-7］。由美国CATI公司开发的MOTANA OEM-2100 系统、SENSORS公司研发的SEMTECH-DG系统和由日本HORIBA 公司开发的OBS-2000系统是较为权威和具有代表性的系统［8］。

Jimenez-Palacios［9］指出，车辆的瞬时排放与其输出功率（例，车辆比功率，单位kw/ton）高度相关。车辆比功率表示机动车发动机克服空气动力阻力，轮胎滚动阻力和道路坡度等所需要输出的功率。VSP可以反映车辆瞬时驾驶模式下逐秒的排放，而其本身则可以通过车辆的瞬时速度、加速度和道路坡度等信息进行计算［10］。

目前，车辆比功率已经被广泛应用在车辆排放的计算和预测上［11］。Christopher［12］等利用车辆比功率开发模型来研究不同车辆因素、道路条件和交通状况等对公交车油耗的影响；Silva［13］等建立了基于车辆比功率的燃油消耗模型。

在我国，关于排放计算模型的研究相对较少，目前还没有建立起普遍适用于中国国情的车辆排放计算模型。王云鹏等［14］利用PEMS得到长春市车辆在不同工况下的排放速率于雷等［15］利用数学模型描述不同交通状态下VSP分布的可能性，该模型可以有效地与交通数据或模型相结合，继而量化分析车辆的燃油消耗和其本身尾气排放之间的关系。

在道路限速与排放方面，王轶［16］发现在排放方面，轻型车对CO和HC的排放量贡献较大，整体排放随限速值增大而升高。张翊［17］则运用TSIS-CORSIM软件研究给出城市主干路的合理的限速值范围。Ahn［18］利用MOBILE和 TRANSIMS得出限速值的具体变化对排放物排放量的减少值。

国内外对于限速方面的研究主要集中于限速对于排放的影响，并没有以减排为目标来获取公路网的最佳限速值。因此本文通过大规模检测数据，研究公路网的最佳限速值，以获得最少的交通尾气排放（CO，HC和NOx），该研究有利于限速政策的制订。

2 研究方法

2.1 研究区域

文章研究区域信息如表1所示。

表1 研究区域信息

2.2 微观仿真模型

本文使用的版本为VISSIM（4.3版）。PTV-VISSIM由德国的PTV公司研究生产的，它是一种微观的、基于时间间隔（0.1 s时间为步长）和驾驶行为的仿真建模工具，可以研究不同的交通运行情况。另外，VISSIM可为用户提供2D或3D图形化的界面。 VISSIM中模型中关于机动车行驶期间的纵向运动，是采用了Wiedemann于1974年建立的涉及到心理和生理的跟车模型。该模型的基本思路是：车辆的驾驶员根据其与前面的车辆的距离来调整自己的车速。

本文根据无锡市公路局提供的道路几何线型资料和交叉口信号灯配时信息结合实地观测的交通流量，利用VISSIM建立了研究对象的仿真路网。最后从车辆记录的配置参数中选择了需要的14个参数进行输出。

2.3 基于排放测试的排放模型

2.3.1 车载排放设备

本文案例地区机动车尾气的实时实地数据采集设备，采用的是国内的厦门通创的OBEAS-3000系统。OBEAS-3000便携式排放测试仪，具有集成化、高精度的特点，是测试实际道路行驶工况下的轻型车、重型车和其他机动车等的有利工具。

在实地测试时，将设备连接完毕，在测试前要首先进行零点标定，同时需要处理数据延时情况，并剔除异常数据。由此得到可用的车辆行驶中的排放的真实数据，进而建立较为精确的机动车排放计算模型，为本文后续的研究打下基础。

2.3.2 试验设计

由于车辆种类众多，因为需要找到车辆选择的依据，根据无锡市相关政府部门（公路管理处）提供的在类似时间段预检车辆信息，分析出车重0~10 t的车辆占约80%，10~30 t车辆占约20%，故选取如表2所示的车辆。

表2 试验车辆基本信息

2.3.3 排放模型和VSP区间

在1999年，Jimenez-Palacios［9］给出VSP的概念，用以分析车辆排放与驾驶行为间的关系。本文通过VSP将车辆信息和道路信息与机动车尾气排放建立联系，并给VSP分化区间，将车辆排放与其各个区间对应起来，建立基于PEMS和VSP的排放计算模型。

为了更好地理解VSP的排放特性，VSP值通常被划分到不同的区间，同一个区间内的尾气排放量取平均值［14］。通过2.3.2排放试验，共有超过16 000组有效数据收集上来，95.3%的数据落在［-20，20］的VSP区间内。本文借鉴Frey［19］提出的区间划分原则，此原则主要考虑以下3点：各比功率区间排放分担率的均衡问题、各区间排放速率的差异性和将相邻比功率归纳落在相同或相邻的区间内。

在VSP的计算公式方面，对于轻型车，研究成果较为广泛，以美国环境保护局为代表，对其计算公式中的各个系数的取值认识都比较一致［20］，取值后简化为公式（1）；

式中：VSP为比功率；v为瞬时车速；a为瞬时加速度；grade为坡度；m为车重。

对于重型车，由于车辆本身的物理性质、燃油等因素，其VSP公式中各种系数的取值均与轻型车有较大的差异，现在国内外并没有较为权威或者较为统一的重型车的VSP计算公式。国际上，2001年，Andrei对重型车的VSP计算公式进行了相应的参数标定，并获得了一定的研究成果［21,22］。而在国内，针对我国国情，2011年，王宏图等人探讨了适合我国重型车的比功率计算方法，并针对重型车的车重，将车辆分为不同区间，每个区间都有各自对应的计算公式［23］。综合以上研究，将系数取值简化后为公式（2）。

将轻型车的每条有效数据的速度和加速度代入公式（1）、将重型车的每条有效数据的速度、加速度和车重等代入公式（2），计算每条数据所对应的VSP值。对所得到的VSP值统计分析，可看到数据的频数分布情况如图1所示。

图1 VSP的频数分布情况

研究发现随着比功率的增加，无论是轻型车还是重型车，其污染物质量排放率均呈现出波动上涨的趋势。基于比功率，采用排放分担率均衡的建模原则，划分了10个比功率区间，建立了轻型车和重型车CO、HC和NOx的量化排放模型。轻型车和重型车的VSP的BIN区间所对应CO、HC和NOx质量排放率如表3和表4所示。

表3 轻型车VSP的BIN区间所对应的尾气排放率

表4 重型车VSP的BIN区间所对应的尾气排放率

3 仿真结果分析

3.1 仿真方案设置

S342限速80 km/h，其相交道路路振胡路、锡陆路限速60 km/h。仿真设置时，设置S342限速50~90 km/h，振胡路、锡陆路限速30~70 km/h， 两组限速变化间隔均为5 km/h。不同限速对应不同的期望车速，见表5。

3.2 仿真结果

仿真结果如图2所示。污染气体随限速值增加而产生的变化趋势，即先减后增。且不同污染气体对应的最低点不同，CO最低点对应80 km/h限速，而HC和NOx的最优限速值为75 km/h。

图2 污染气体排放量与限速关系

3.3 结果分析

研究通过统计分析不同限速下的汽车尾气排放量，得出了交通车辆排放污染物与道路限速之间的关系，具体值如表6所示。

表6 主路限速变化对应的污染气体排放量和行驶里程

首先分析CO的情况，可以看到，仿真时间相同，在限速不断增加的同时，CO的排放量“先减后增”，而行驶里程则一直增加。原因为在较低的限速情况下，车辆燃油燃烧不充分，氧气不足或局部低温而生成较多的中间产物CO。而当限速值不断提高之后，燃料和空气混合逐渐均匀，缸体内温度逐渐提升，CO排放量逐渐减少。同时不能忽视的是，限速值的提升使得平均车速提高，车辆加减速活动频繁，对比限速值为50 km/h和90 km/h的两个场景，可以看到，加速度大于2 m/s2或小于-2 m/s2的比例分别为2.18%和5.39%，CO总排放量从限速值75 km/h场景开始逐渐增加。限速值从75 km/h提高至80 km/h时，CO排放总量的增速小于行驶里程的，而80 km/h到90 km/h区间，CO排放总量的增速大于行驶里程的，所以80 km/h成了CO污染物的最佳限速值点。

HC排放主要是由于缸内混合气过浓、过稀或局部混合不均引起燃烧不完全而导致的，造成燃烧不完全的因素大致有混合气的质量、发动机的运行条件、燃烧室结构参数及点火与配气正时等，其产生机理和变化规律均较为复杂。其中空燃比对HC排放浓度的影响较大。本研究得出的HC排放量与NOx变化情况较为接近，分析如下。

NOx污染物的生成机理也较为复杂，受温度、氧浓度、发动机负荷、转速等因素影响。本研究得出的NOx排放量在限速不断增加的同时，NOx的排放量“先减后增”。首先解释一下“先减”，为了确保研究的严谨性，限速值的下限设置较低，导致最开始排放较大，车速提升之后，燃烧逐渐充分，排放逐渐下降；“后增”则是因为限速控制太弱，车辆速度变化会增大，即加减速增多，而加速度变化是影响汽车排放的关键因素，所以会出现拐点。

因此，针对车辆排放，应采用可变限速，即最优的限速取值应根据当地具体的路况环境设置；且车辆不同的排放气体对应的最优限速值也不尽相同，需要的时候可以分开逐一对应的去考虑。

4 结论

本文通过结合微观仿真模型和瞬时排放模型研究了公路限速和交通排放的关系，探讨了以减排为目标的最优限速值设置。研究结果表明，在研究选定的路段，不同限速值对应不同的排放量，CO，HC和NOx排放最低点分别对应的限速值为80、75、75 km/h。本文为政府工作部门提供了一套以减排为目标来制定限速政策的研究方法，具有实际的操作意义。

［1］Yerramalla A. Vehicular emissions models using MOBILE6. 2 and field data［M］. ProQuest，2007.

［2］Vallamsundar S，Lin J. MOVES versus MOBILE：comparison of greenhouse gas and criterion pollutant em issions［J］.Transportation Research Record：Journal of the Transportation Research Board，2011（2233）：27-35.

［3］黄冠涛，宋国华，于雷，等. 综合移动源排放模型-MOVES［J］.交通信息与安全，2010，28（4）：49-53.

［4］Koupal J, Michaels H，Cumberworth M，et al. EPA's plan for MOVES：a comprehensive mobile source emissions model［C］∥ In Proceedings of the 12th CRC On-Road Vehicle Emissions Workshop，San Diego，CA. 2002：15-17.

［5］Scora G，Barth M. Comprehensive modal emissions model(CMEM) user's guide，version 3.01［J］. 2006.

［6］Silva C M，Farias T L，Frey H C，et al. Evaluation of numerical models for simulation of real-world hot-stabilized fuel consumption and emissions of gasoline light-duty vehicles［J］.Transportation Research Part D：Transport and Environment，2006，11（5）：377-385.

［7］Cicero-Fernández P，Long J R，Winer A M. Effects of grades and other loads on on-road emissions of hydrocarbons and carbon monoxide［J］. Journal of the Air & Waste Management Association，1997，47（8）：898-904.

［8］莫飞，于雷，宋国华.车载尾气检测技术及相关研究综述［J］.车辆与动力技术，2007（4）：57-62.

［9］Jimenez-Palacios J L. Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing ［D］. Massachusetts Institute of Technology，1998.

［10］Hao Y，Yu L，Song G，et al. Analysis of Driving Behavior and Emission Characteristics for Diesel Transit Buses Using PEMS' Measurements［C］∥ In Proceedings of the Transportation Research Board 89th Annual Meeting. 2010（10-0563）.

［11］Koupal J，Cumberworth M，Michaels H，et al. Draft design and implementation plan for EPA's multi-scale motor vehicle and equipment emission system（MOVES）［J］. US Environmental Protection Agency，Washington，DC，2002（4）：5.

［12］Frey H C，Rouphail N M，Zhai H，et al. Comparing real-world fuel consumption for diesel-and hydrogen-fueled transit buses and implication for emissions［J］. Transportation Research Part D：Transport and Environment，2007，12（4）： 281-291.

［13］Silva C M，Farias T L，Frey H C，et al. Evaluati on of numerical models for simulation of real-world hot-stabilized fuel consumption and emis sions of gas oline light-duty vehicles［J］. Transportation Research Part D：Transport and Environment，2006，11（5）：377-385.

［14］王云鹏，李世武，郭栋，等.基于BP神经网络的城市道路轻型车排放率模型［J］.交通与计算机，2008，25（5）：1-3.

［15］宋国华，于雷.城市快速路上机动车比功率分布特性与模型［J］.交通运输系统工程与信息，2010，10（6）：133-140.

［16］王轶，何杰，李旭宏，等.基于VISSIM的九华山隧道交通尾气污染模拟分析［J］.武汉理工大学学报，2012，34（1）：109-113.

［17］张翊.城市交通网络环境影响评价研究［D］.长沙：湖南大学，2006.

［18］Ahn K，Rakha H，Trani A，et al. Estimating vehicle fuel consumption and emissions based on instantaneous speed and acceleration levels［J］. Journal of Transportation Engineering，2002，128（2）：182-190.

［19］Frey H，Rouphail N，Zhai H. Speed-and facility-specific emission estimates for on-road light-duty vehicles on the basis of real-world speed profiles［J］. Transportation Research Record：Journal of the Transportation Research Board，2006（1987）：128-137.

［20］U.S. Environmental Protection Agency（EPA）. Draft Motor Vehicle Emission Simulator（MOVES） 2009 User Guide［EB/OL］. Publication EPA-420-B-09-008. USA EPA，March 2009.

［21］Andrei P. Real world heavy-duty vehicle emissions modeling［D］. West Virginia University, 2001.

［22］Frey H C，Rouphail N M，Zhai H, et al. Comparing real-world fuel consumption for diesel and hydrogen-fueled transit buses and implication for emissions［J］. Transportation Research Part D：Transport and Environment，2007，12（4）：281-291.

［23］王宏图，于雷，郝艳召，等.重型机动车比功率计算方法研究［J］.安全与环境工程，2011，18（2）：124-128.