货运场站机动车污染物排放监测及污染特征研究

2018-09-20 04:44陈艳艳秦伟玲李晓祎吴克寒宋程程
关键词:车流量场站叉车

陈艳艳,秦伟玲,李晓祎,吴克寒,陈 宁,宋程程

(1. 北京工业大学 北京市交通工程重点实验室,北京 100124; 2. 北京交通发展研究院,北京 100073)

0 引 言

机动车尾气对人体健康有很大的危害,美国洛杉矶光化学烟雾就是由机动车尾气污染引起[1], 因而车辆移动源为代表的交通运输活动污染排放日渐引起关注。2011至2015连续5年,全国机动车污染防治年报统计数据显示,汽车是机动车污染物排放总量的主要贡献者,其排放的氮氧化物(NOx)和颗粒物(PM)超过90% 。按车型分类,全国货车排放的NOx和PM明显高于客车,其中重型货车是主要贡献者;按燃料分类,全国柴油车排放的NOx接近汽车排放总量的70%,PM超过90%[2]。可见,货车污染物排放研究中NOx和PM是需重点关注的指标。货运场站作为大量货车的集散中心,其空气污染情况不容小觑,对其污染物排放进行监测研究具有重要的现实意义。国内外专门针对货运场站污染物排放的研究工作较少,但关于机动车尾气排放的研究工作开展的较多,相关研究工作可以作为本研究的基础和参考。

S. S. POKHAREL、B. C. S. AND等[3-5]在美国南加州和丹佛地区,利用遥感对机动车进行了实时排放因子研究,建立了基于燃料的机动车排放清单。周昱等[6]根据遥感监测得到北京市轻型汽油车基于油耗的一氧化碳(CO)、碳氢化合物(HC)和 NOx平均尾气管排放因子分别为200.1、11.05、6.68 g/L。张振华[7]对北京和杭州的PM2.5浓度、来源及其影响因素进行了研究,指出北京PM2.5浓度一天内呈现早晚和夜间3个峰值,分别对应早晚上下班高峰和夜间柴油燃料货车集中通行时段。同时,监测数据显示杭州市柴油车PM2.5排放量占全市PM2.5排放总量的80%以上。严晗[8]通过对北京市典型道路的交通流实时观测,应用北京市机动车排放因子模型对不同路段的NOx、PM2.5和黑碳(BC)的排放强度进行了研究,指出中重型货车通行比例增加是3种污染物排放因子增大的重要因素,BC排放因子与中重型货车流量比例呈现极强的相关性(R2=0.99)。同时,3种污染物小时平均排放强度均呈现早晚高峰的特征,与交通流的早晚高峰特征一致。例如北四环中路早晚高峰时BC小时平均排放强度高达106±13和103±6 g/(km·h),是全天平均水平的1.5倍。沙学锋[9]采用车载动态排放监测设备对长春市典型道路和交叉口的机动车排放进行了研究,指出加速工况车辆排放速率最大,是交叉口处的主要污染源,而怠速工况的排放速率最小。同时,早晚高峰时段污染物排放量明显升高,高峰期NOx排放量是夜间低峰时的2倍多。孙晋伟[10]按营运车辆行驶工况的不同将客运站分为几个不同区域,以客运车辆行驶周期为基础利用MOVES模型量化客运站不同区域尾气排放量及整体尾气排放量,其研究发现公路客运站站内不同区域污染物排放量的大小不同,其中停车场及进出入站口污染物排放量较大,发车位、下客区及行驶区3个区域污染物排放量较小。谢绍东等[11]将COPERTIII中所需参数本地化,利用该排放因子模型计算得到2002年中国机动车CO,NOx,HC和PM的排放因子。

目前的研究表明:1)货运车辆是交通污染物的主要排放源;2)车辆工作状况对污染物排放有重要影响;3)交通基础设施中机动车污染物排放研究还很少。总体而言,环保监测统计能力薄弱,基础数据缺乏,导致底数不清,相关决策和管理缺乏有效的数据支撑。货运场站作为货车周转的枢纽对周边环境影响举足轻重,因此开展货运场站排放监测及其污染特征研究十分必要。为准确掌握货运场站的排放特征,笔者对北京汉龙货运场站进行了实时监测,选取货运车辆的主要污染物PM和NOx作为研究对象,研究了污染物排放的空间特征和时间特征,为货运场站大气环境数据监测方法进行了积极探索并为货运场站的污染治理提出了针对性的策略。

1 监测对象与方法

1.1 监测对象

笔者以北京新发地汉龙货运中心为场站监测对象,汉龙货运中心是北京市批准的9家货运枢纽中规模最大的一家,坐落于京开高速路106国道新发地立交桥东南侧,南接京良路,西临京石高速,东连京津塘高速,是北京连接华南、西南的“咽喉”要道。中心总占地面积36万平方米,注册企业280家,入住商户500余家,自有车辆1 279辆,外签合同货车3 000余辆,日均进出约14 000辆次。2013年汉龙场站货物吞吐量达1 500万吨,占北京市货运总量的一半以上。

货运车辆多以柴油为燃料,排放的污染物成分复杂,其中法规限制排放的有4类物质,即CO, HC,NOx和PM[12],它们在特定条件下会产生光化学烟雾并可能形成雾霾,严重危害着环境质量和人体健康[13]。已有研究表明NOx和PM是货运车辆的主要排放污染物,此外,相关研究表明硫氧化物的最大排放源是燃煤发电和其他工业生产过程,为此笔者不将其列为研究对象。为提高研究的针对性笔者选取NOx和PM作为监测指标对象,研究其排放特征。

1.2 监测方法

污染物实时监测采用ZTD-A1型可移动式痕量气体分析仪。该仪器采用美国环境传感器技术公司生产的电化学ppb级气体传感器,可以对环境空气中主要有害气体浓度和颗粒污染物浓度以及气象五参数等进行实时监测,所测定环境级气体,其浓度可低至1 ppb。仪器由采样部分、过滤器、气体监测模块、样气浓度分析模块、气象模块及通讯模块组成,能够实现数据采集/数字滤波、动态数据图形显示、数据存储/查询/通讯、供电方式自动选择等功能。由CPU控制的数据采集电路对传感器输出的多路信号进行实时采集,并通过数字滤波对异常数据进行处理,克服各种干扰的影响,确保采集的数据准确可靠。在监测界面中,可以直接完成气体单位转换,直观监测到需要的浓度值不需要换算计算。研究表明,散射法标准湿度60%以下采集的数据颗粒物浓度与重量法测量的浓度一致性较高[14]。因此,笔者将监测时间选在背景天气湿度低于60%的时候以提高数据相对精度。

监测系统采样频率为每分钟12次,自动计算其平均值作为每分钟污染物浓度自动记录并显示。因此,本研究环境数据采样间隔为1 min,由设备自动记录并存储。选取场站大门、内部交叉口和装卸区3种类型6个监测点作为研究对象,具体分布及代号见图1。图中:N2代表北2门;W代表西门;Z1代表装卸区1;Z2代表装卸区2;CR1代表内部交叉口1;CR2代表内部交叉口2。

图1 场站内监测点位平面布置Fig. 1 Locations of monitoring points in the freight station

笔者的监测指标包括:环境、气象及交通3个方面。环境大气污染物监测指标为PM10、PM2.5、NO2和NO;气象因子为温湿度,风速风向;交通因子主要是交通流量。

结合货运场站货车交通运行特点、货车视线盲区对监测工作人员的安全威胁以及场站运营时间等因素,监测时段选取在13:00—19:00,通过连续6 h的监测探讨货运场站排放的特征。笔者分别于2016年11月1日,11月6日,11月13日进行了环境监测。

研究以距场站较近的北京市大兴城市环境评价点监测数据作为背景数据:温度为5~7 ℃;湿度为33%~36%;紫外线指数为1;风向为西南风;风力为2~3级;PM10为61 μg/m3;PM2.5为45 μg/m3;NO2为20 μg/m3;SO2为16 μg/m3;O3为42 μg/m3;CO为0.6 mg/m3。

2 监测结果及污染物排放特征分析

2.1 污染物浓度与交通特性的关系

以车流量较大的西门和北2门为例,研究发现同种污染物西大门浓度高于北2门,其中氮氧化物较颗粒物差异更为显著,西门NO浓度约为北2门的5倍,NO2浓度为5.5倍(见图2)。西门是场站车流量最大的出入口,大中型货车通行量大于北2门,这是造成上述显著差异的主要因素。

图2 同时段内西门和北2门主要污染物浓度对比Fig. 2 Comparison of concentration of main pollutions in West and the Second North Gate at the same time

为进一步研究污染物排放与交通特性的关系,对西门和北2门的车流量进行了视频监测。调查结果显示,西门平峰时段车流量396 pcu/h,晚高峰540 pcu/h; 北2门平峰时段车流量250 pcu/h,晚高峰302 pcu/h。同时,西门作为主要出入口,大中型货车的通行比例达到26.8%,而北2门的大中型货车的通行比例仅为13.5% 。

图3显示了西门车流量、污染物浓度随时间的变化特征。2016年11月1日14:00—15:10连续70 min对场站西门处的车流量和污染物浓度进行了同步监测。其中车流量数据,以5 min为间隔统计通过车辆数并折算为小时当量交通量描绘在图中,共14个数据点;污染物浓度数据,本研究环境数据采样间隔为1 min,由设备自动记录并存储,将连续5 min获取的5个数据求取平均值记为5 min内污染物平均浓度描绘在图中,与车流量数据相对应。

图3 NOx、PM10、车流量随时间变化趋势对比Fig. 3 Trend comparison of NOx , PM10 and vehicle flow changing with time

由图3可见污染物浓度随时间的变化趋势与车流量随时间的变化趋势一致性较好,即车流量增大污染物浓度升高,车流量减小污染物浓度降低。

相关性分析显示车流量和NOx及PM10具有较显著的相关性(见表1)。从表1可以看出,车流量与颗粒物PM10之间的相关系数为0.695,检验的显著性概率为0.006,表明车流量和PM10两个变量之间显著相关;车流量与NO2、NO之间的相关系数分别为0.537和0.561,其检验显著性概率分别为0.048和0.037,表明车流量与氮氧化物之间显著相关。同时,污染物的浓度变化与车流相比具有显著的“削峰”现象,该结果的产生是由于污染物扩散需要一定的时间,并受到大气环境的稀释,因此污染物浓度曲线未呈现与交通量一致的峰值。

表1 污染物排放与车流量相关性分析Table 1 Correlation analysis of pollutants emission and vehicle flow

注:**表示在 0.01 水平(双侧)上显著相关;*表示在 0.05 水平(双侧)上显著相关。

2.2 场站内各监测点污染物浓度分布

监测时段内颗粒物PM10和PM2.5以及NOx的浓度变化情况见图4。由图4可见,就PM而言,Z1、Z2和CR1、CR2污染重于N2、W处;就NOx而言,Z1、CR1和W处污染要重于Z2、CR2及N2。需要指出的是,装卸区监测数据采集于有叉车作业时段,考虑到叉车作业时排放量较大,装卸区监测点距叉车15 m,监测数据不直接受叉车排放的影响。

图4 不同区域污染物平均浓度对比Fig. 4 Comparison of average concentration of pollutants in different areas

由此可见,货运场站内货物装卸区、内部道路交叉口是PM污染较重区域,相关的污染防治应予以重点关注。装卸区域操作人员集中,应做好针对颗粒污染物的防护措施以有效保护人员健康。而氮氧化物的监测及防治应重点关注装卸区域、道路主要交叉口和西门等区域。

2.3 叉车作业对颗粒污染物排放的影响

装卸区域货物的装卸工作主要由柴油叉车完成,叉车作业时频繁改变工作状况,不断重复启动、转运、怠速、行驶、停驶动作。叉车装货作业流程为:车辆启动用货叉将货物托起,转向,行驶至货车车厢制动停驶,加油高起货叉,抬高货物至货物合适高度送至车厢,降落货叉至低位,转向行驶至货物区继续搬运循环作业。卸货流程为:车辆自所需卸载货物货车车厢处,启动车辆,原地高起货叉,叉起货物,倒车转向并降低货叉至低位行驶至货物摆放区域,将货物卸下,转向行驶返回至货车车厢处循环作业。对Z1区域叉车作业时的排放情况进行了单独监测,监测时仪器距排放源距离为3 m。单台叉车作业与不作业情形下的颗粒污染物浓度的对比情况进行监测,结果如图5。显然叉车作业提高了颗粒污染物的排放。在叉车工作时段PM2.5、PM10浓度均高出非工作时段近1倍。柴油叉车作业时频繁启动、熄火、瞬时加速、减速、怠速不断切换工作状况造成污染物排放明显增加。

3 结 论

1)货运场站内不同区域污染物贡献度不同。货物装卸区、内部道路交叉口、场站出入口是机动车污染较重区域。PM的监测及防治应将装卸区和内部道路交叉口作为重点区域;氮氧化物的监测及防治应重点关注装卸区域、道路主要交叉口和场站出入口等区域。

2)交通特性中车流量是影响排放的显著因素,PM10和NOx浓度变化与车流量变化呈正相关趋势。车流量越大PM10和NOx浓度越高。同时,大中型货车的通行比例对污染物排放影响显著。

3)用于装卸货物的柴油叉车污染严重,叉车装卸过程污染贡献度高,其怠速及搬运过程、启动、停驶、骤然加速减速频繁导致排放增加,非开阔地带装卸区污染更严重。可以考虑将柴油叉车换成新能源或者电动叉车,从源头减少污染物排放。

货运场站作为重要的交通基础设施,是柴油动力机动车的集散场地,因而也是交通行业中污染排放严重区域。随着交通行业节能减排工作的不断推进,货运场站的排放监测和污染特征研究工作将不断深化,未来可引入车辆类型、车龄、车满载率等因素完善排放监测方案,可探索场站不同区域的污染扩散模型研究。

猜你喜欢
车流量场站叉车
永恒力叉车(上海)有限公司
天迈科技助力深圳东部公交场站标准化建设 打造场站新标杆
永恒力叉车(上海)有限公
浅谈天然气场站设备及安全管理路径
长沙市常规公交场站用地详细规划的对策思考
考虑武器配置的多场站多无人作战飞机协同路径规划方法
基于车流量监测系统的荆岳大桥拥堵预警方法探讨
基于TRIZ与可拓学的半自动手推叉车设计
小贴士
参考答案