城市交通排放高分辨率分析方法研究——北京实证

程 颖，陈艳艳*，刘 莹，吴克寒，何巍楠，赵 晋

(1.北京工业大学城市交通学院，北京100124；2.北京交通发展研究院，北京100073)

0 引言

在北京等大城市，机动车成为城市本地污染排放第一大来源.传统交通排放评价研究在评价时间、空间尺度分辨率的局限性使其越来越难以满足大城市交通污染精细化治理需要.研究能够支撑大城市面向交通污染治理的高分辨率交通排放评价方法，对于交通污染减排政策的有效制定及大城市空气质量改善具有重要意义.

以MOBILE等[1]为代表的宏观排放模型主要基于分车型机动车保有量、行驶里程及各种车型在N种平均速度区间的排放因子进行排放评估[2]，能够支持黄标车淘汰、排放标准提升等环保类宏观排放评价.中微观排放模型更关注机动车在城市道路上的行驶规律，采用基于工况的排放因子计算模式模拟机动车排放[3].1999年Jimenez-Palacios[4]提出了VSP(Vehicle Specific Power)理论，与机动车瞬态排放呈现较强的相关性[5-6]，能够评价以秒为单位的瞬间排放量[7]，结合中微观交通模型输出的VKT或车辆速度等参数，能够评估公交专用道、交叉口改造等中微观交通措施在路网局部地区/节点的减排效果.

为了反映交通流运行变化引起的路网动态排放变化，强彦雯等[8]、Zhang等[9]利用Underwood模型使用路网行程速度数据进行了路网流量反推，提出了基于路网的机动车排放清单评价方法[10]，能够基于路网速度数据模拟路网整体机动车排放强度.赵彦婷[11]提出了依据区域位置和道路等级为特征变量的交通流参数时变扩样方法，实现城市路网交通能耗和排放量化.黄成[12]基于实时车流、车速等交通信息，构建了动态道路机动车污染物排放清单模拟方法.赵琦等[13]提出了多层次城市道路交通模型与排放模型对接机理.

现有研究在机动车排放因子模型方面已经具备较好的研究基础，能够较好地支撑宏观环保措施评估，且已经尝试建立了与交通需求模型输出交通流参数的融合方法，并应用到中微观交通措施的评估中.然而，交通领域逐渐出现的手机信令、RTMS微波检测、车辆GPS位置等大数据资源在交通排放评估中并未得到充分应用，且在排放评估中存在以下几点不足：

(1)现有方法对于车辆工况和排放因子的研究主要参照MOVES等国外排放模型参数，未考虑中国本地城市复杂交通特性，对交通实际运行状态的刻画精确性有待提升；且缺少交通流速度参数对于车辆排放因子的修正规律.

(2)目前对于交通流量参数的主要方法是通过宏观/中微观交通需求预测模型输出路段客运车辆总体流量，用于反映路网实际流量时存在准确性不足的问题，不能结合城市交通运输特点区分不同公交、出租、小汽车等交通方式，且针对货运车辆流量的研究较为缺乏，不能支撑交通污染治理对象的精准定位.

(3)排放因子模型对车辆输入参数的要求分辨率较高，需区分各种交通工具的车重、能源类型、排放标准等类型，而交通模型输出的交通流参数不能满足以上要求，缺少能够耦合2个模型的车队结构分析方法.

1 研究方法

建立城市交通排放高分辨率时空分析方法的关键是要解决3个方面的问题：一是要获取路段级速度、流量等交通流参数，二是要建立能够反映本地交通工况、对交通运行状态变化敏感的排放因子模型，三是要建立能够耦合交通流量和排放因子的车队结构模型.具体思路如图1所示.

(1)交通流参数仿真方法.

本文主要借鉴吴克寒等[14]提出的基于宏观交通模型的交通流参数估计方法，在交通模型四阶段中的交通生成和交通流量分配阶段分别引入手机OD、RTMS道路流量及车辆GPS轨迹数据对模型仿真结果的准确性进行改进，建立了基于实时数据的路网交通流仿真方法.

(2)机动车速度—排放因子模型构建方法.

本文经比选，采用美国MOVES排放模型技术框架.首先，基于PMES机动车排放测试数据采用VSP理论构建了机动车排放率生成模型；其次，基于GPS数据构建了道路工况模型，在原有方法基础上重点对高速区间的排放率生成和工况划分方法进行了优化；进而建立了基于本地工况的机动车—速度排放因子模型.

(3)路网车队模型建立方法.

本文引入交通流视频检测识别方法，通过选取有代表性的区域和路段断面进行车流量牌照拍摄识别，提取车牌号信息，经与公安交管部门的车辆登记数据库进行关联查询后获取逐车的能源类型、车重、排放标准等环保属性信息，经对各类区域车辆属性进行聚类分析后，建立面向车辆环保属性分类的分区域路网车队模型.

图1 城市交通排放高分辨率时空分析方法技术框架图Fig.1 Technology frame diagram of urban traffic emission high resolution spatial-temporal analysis

1.1 基于实时监测数据的交通流仿真模型

本文采用吴克寒等[14]提出的基于宏观交通模型的交通流参数估计方法，利用手机信令和RTMS数据，构建了基于OD估计的交通流参数动态仿真模型，实现了对路网小客车路段交通流参数仿真估计；此外，利用公交车辆、出租、货运车辆、大客车GPS位置轨迹数据，根据杨涛[15]提出的基于GPS浮动车技术的路段交通流量推算方法，进行了以上车辆在路段上的交通流参数提取.

利用以上方法，本文选取了2016年10月15日的RTMS流量数据、路网浮动车数据和手机信令数据，如表2所示，进行建模研究.

表1 路网交通运行仿真数据采集信息表Table 1 Data acquisition information table of road network traffic simulation

基于表2数据，可以仿真得到路段级别的各交通方式流量和速度参数，如图2所示，路网社会车辆、出租车流量呈现双峰特点，货运车辆00:00-5:00流量较大.

由于夜间路网整体车流量较小，路网夜间速度较高，早晚高峰路网平均速度较低，如图3所示.其中五环～六环平均速度最高，二环内最低.

1.2 基于视频检测方法的车队结构分析

本文重点考虑大城市外地车排放治理、车辆结构调整等决策需要，确定了以行业类型、车籍地、车重、燃料类型和排放标准等因素为主的车队结构划分标准，如图4所示.

视频检测法[16]是一种通过进行机动车车牌图像采集和识别，获取车牌字符信息的方法.基于视频检测方法的车队结构分析方法是指根据视频检测方法得到的车牌信息，与车辆注册登记信息库进行筛查后，得到车辆行业、车籍地、车重、燃料类型和排放标准属性.

图2 路网各交通方式流量仿真结果Fig.2 Simulation results of traffic flow for different vehicle types on road network

图3 路网各环带平均速度仿真结果Fig.3 Simulation results of average speed for each ring road

图4 车队结构模型框架图Fig.4 Fleet structure model frame diagram

本文采用移动式单向车辆识别分析设备，能够采集识别日期、时间、车牌号码、车籍地信息.2016年9～10月的工作日，针对北京市典型路段(4条高速路，8条快速路，4条主干路，4条次干路)开展了24 h车流视频采集.经车辆信息筛查和聚类分析后得到北京道路车型结构特征，如图5所示.

图5 北京市道路车型结构分布Fig.5 Vehicle type structure distribution in Beijing

1.3 基于本地化工况模型的速度排放因子修正关系建立

本文采用VSP理论研究建立了本地化工况模型和速度排放因子模型.

(1)本地化工况模型研究.

本文以北京市为例，基于OBD设备针对典型小汽车(1 235辆)、出租车辆(2 250辆)、公交车辆(1 524辆)采集了车辆逐秒行驶数据，采集时间为2016年10月15日，数据量120万条，覆盖北京市90%道路，内容包括经纬度、日期、时间、速度、加速度.

基于以上数据，本文采用VSP理论方法建立不同城市道路类型的工况分布.VSP指的是发动机每移动1 t质量(包括自重)所输出的功率，其计算方法为

式中：vt为第t时刻速度(m/s)；at为加速度(m/s2)；m为质量(t)；A为滚动阻力((kW·s)/m)；B为旋转滚动阻力((kW·s)/m2)；C为空气阻力((kW·s3)/m3)；f为换算系数.

各车型VSP计算相关参数取值如表2所示.

利用式(1)和式(2)进行车辆逐秒VSP计算，对所有车型、道路类型、速度区间的VSP进行聚类，得到VSP分布.分析发现，北京市机动车在70 km/h以上的运行速度比例占40%以上，而现有研究如Song等[17-18]提出的VSP区间划分标准主要集中在70 km/h以下，本文重点开展了70～120 km/h高速区间的工况分布研究.图6为部分速度区间工况分布形态样例.

表2 各类车型VSP计算参数取值表Table 2 VSP calculation parameter value table for various vehicles types

(2)速度排放因子修正关系建立.

本文采用车载排放测试方法进行了40辆小汽车(汽油车，国Ⅰ级以下，国Ⅰ～国Ⅴ)、20辆出租车(汽油车，国Ⅲ～国Ⅴ)、30辆公交车(柴油车，国Ⅲ～国Ⅴ)在实际道路上运行时产生的CO2、CO、HC、NOx、PM2.5等污染物逐秒排放质量.将测试所得排放数据依照以上VSP bin区间进行聚类分析，得到每个VSP bin对应的排放率，如图7所示.

速度与排放因子修正关系通过1.3节(1)中提到的工况VSP分布规律和各VSP分布区间平均排放率按照式(3)进行耦合可得不同速度下排放因子.

以国Ⅴ小汽车为例，各种污染物在不同速度下的排放因子如图8所示.

图6 不同速度区间下小汽车行驶工况分布图Fig.6 Driving cycles distribution diagram of cars under different speeds

图7 不同排放标准小汽车NOx排放率Fig.7 The nitrogen oxides emission rate of cars under different emission standards

图8 不同道路等级国Ⅴ小汽车不同速度对应排放因子Fig.8 Emission factor of cars(national stage V)corresponding to different speeds on different grade roads

而每个路段的交通污染排放量则可根据式(4)计算获得.

式中：Es是第s个路段的机动车排放量；EFij是第i种车型在第j个速度区间的排放因子；Qij是第i种车型在第j个区间行驶的车公里数.

2 北京路网交通排放时空分布特征实证分析

本文选取2016年10月15日，计算北京市逐条路段 CO2、HC、NOx、CO 及 PM2.5 排放量.下面以NOx排放为例进行分析.

(1)分时段各等级道路NOx排放分布特征.

如图9所示，高峰时段路网NOx排放量占全天总量的31.2%，高于平峰，主要原因是高峰时段车辆速度相对较低，车流量较大.此外，00:00-5:00由于货车流量较大，路网NOx排放相对其他夜间时段相对较高.高速路、快速路排放分别占路网排放总量的37.9%和38.8%.

图9 各时段各道路NOx排放变化特征Fig.9 Characteristics of traffic pollutant emission change at different time and different road

(2)分时段多模式NOx排放结构特征.

如图10所示，货运车辆是路网机动车NOx排放的首要来源，占比达到50%.其中，夜间(00:00-5:00)货运车辆NOx排放占比高达70%.

图10 各时段路网分交通方式NOx排放结构Fig.10 NOxstructure for various modes of transportation at different time

(3)分时段路网NOx排放空间分布特征.

交通污染排放主要集中在高速路、快速路、主干路周边.由图11可知，五环～六环间NOx排放量最高，占六环内排放总量的38.32%.

由于路网密度和车流量较大，北部和东部地区排放强度高于西部和南部区域，各时段路网NOx排放空间分布特征如图12所示.

图11 北京市不同环路NOx排放空间分布特征Fig.11 Spatial distribution characteristics of traffic pollutant emission for different ring roads in Beijing

图12 各时段路网NOx排放空间分布特征Fig.12 Spatial distribution characteristics of NOxat different time

3 结论

本文提出了一套适用于中国大城市、能够支撑交通污染治理决策的交通排放量化评估方法，该方法提升了交通污染排放评价在时间和空间上的分辨率，并且能够反映多模式的交通排放结构特征.未来可结合环境监测数据和燃油消耗数据，对排放评估结果的准确性和可靠性进行校核修正.

参考文献：

[1]王岐东,贺克斌,丁焰,等.机动车排放模型的研究进展[J].三峡环境与生态,2003,25(12):185-187,190.[WANG Q D,HE K B,DING Y,et al.The research progress of vehicle emission models[J].Environment and Ecology in the Three Gorges,2003,25(12):185-187,190.]

[2]胥耀方,于雷,郝艳召,等.机动车尾气排放宏观模型开发与应用初探[J].交通运输系统工程与信息,2009,9(2):147-154.[XU Y F,YU L,HAO Y Z,et al.The developmentand application ofvehicle emissions macro-model[J].Journal of Transportation Systems Engineering and Information Technology,2009,9(2):147-154.]

[3]程颖,于雷,王宏图,等.基于PEMS的MOBILE与COPERT排放模型对比研究[J].交通运输系统工程与信息,2011,11(3):176-181.[CHENG Y,YU L,WANG H T,et al.Comparative study on MOBILE and COPERT emission modelbased on MEMS[J].Journalof Transportation Systems Engineering and Information Technology,2011,11(3):176-181.]

[4]JIMÉNEZ-PALACIOS J.Understanding and quantifying motor vehicle emissions with vehicle specific power and TILDAS remote sensing[D].Cambridge:Massachusetts Institute of Technology,1999.

[5]BARTH M J,AN F,YOUNGLOVE T,et al.The developmentofa comprehensive modal emissions model[R].Final Report to the National Cooperative Highway Research Program,2000.

[6]霍红,贺克斌,王歧东,等.机动车污染排放模型研究综述[J].环境污染与防治,2006,28(7):526-530.[HUO H,HE K B,WANG Q D,et al.A review of vehicle emission models[J].Environmental Pollution&Control,2006,28(7):526-530.]

[7]黄琼,于雷,杨方,等.机动车尾气排放评价模型研究综述[J].交通环保,2003,24(6):28-31.[HUANG Q,YU L,YANG F,et al.A synthesis of mobile emission evaluation models[J].EnvironmentalProtection in Transportation,2003,24(6):28-31.]

[8]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(6):41-47.[QIANG Y W,SHAN C Y.Vehicular emission models of particulate matter and their application in China[J].Acta Scientiarum Naturalium University Nankaiensis,2013(6):41-47.]

[9]ZHANG Y,WU L,ZOU C,et al.Development and application of urban high temporal-spatial resolution vehicle emission inventory model and decision support system[J].EnvironmentalModeling&Assessment,2017,22(5):445-4584.

[10]HE B Y,WU L,MAO H J,et al.Development of a high temporal-spatial resolution vehicle emission inventory based on NRT traffic data and its impact on air pollution in Beijing-part 1:Development and evaluation of vehicle emission inventory[J].Atmospheric Chemistry&Physics,2016,16(5):3161-3170.

[11]赵彦婷.基于多源数据的城市路网交通能耗和排放模型与算法[D].北京:北京交通大学,2012.[ZHAO Y T.Model and algorithms for estimating fuel consumption and emissions on urban road network based on multisource data[D].Beijing:Beijing Jiaotong University,2012.]

[12]黄成,刘娟,陈长虹,等.基于实时交通信息的道路机动车动态排放清单模拟研究[J].环境科学,2012,33(11):3725-3732.[HUANG C,LIU J,CHEN C H,et al.Dynamic road vehicle emission inventory simulation study based on real time traffic information[J].Environmental Science,2012,33(1):3725-3732.]

[13]赵琦.城市道路交通与排放模型多层次对接机理与方法研究[D].北京:北京交通大学,2016.[ZHAO Q.Approach to multi-level integration of transportation and emission models on urban roads[D].Beijing:Beijing Jiaotong University,2016.]

[14]吴克寒.基于动态交通流参数估计的城市小汽车排放监测方法研究[D].北京:北京工业大学,2017.[WU K H.The monitoring approach of urban vehicle emissions based on the dynamic estimation oftraffic flow parameters[D].Beijing:Beijing University of Technology,2017.]

[15]杨涛.基于浮动车技术的路段交通流量推算研究[D].北京：北京交通大学,2007.[YANG T.Study on reckoning the section traffic flow on the basis of the technology of probe car[D].Beijing:Beijing Jiaotong University,2007.]

[16]徐锦钢.基于DSP的车牌号识别技术及应用研究[D].兰州：兰州理工大学,2008.[XU J G.Research and application of license plate number recognition based on DSP[D].Lanzhou:Lanzhou University of Technology,2008.]

[17]SONG G,YU L,WU Y.Development of speed correction factors based on speed-specific distributions of vehicle specific power for urban restricted-access roadways[J].Journal of Transportation Engineering,2016,142(3):04016001.

[18]SONG G,YU L,TU Z.Distribution characteristics of vehicle-specific poweron urban restricted-access roadways[J].JournalofTransportation Engineering,2012,138(2):202-209.