城市核心区域乘用车碳排放的时空分布特征

林丹婷，张兰怡，陈 诚，邱荣祖

(福建农林大学交通与土木工程学院，福建福州350002)

化石燃料燃烧产生的碳排放占全球碳排放总量的88%[1]，其中以城市内部人类活动产生的碳排放为主[2]，这项占比逐年攀升，预计至2030年，该项占比将高达30%～50%[3].城市核心区域是城市公共活动最为集中的区域[4]，该区域内各等级道路密布，交通状况复杂，乘用车活动密集，交通量波动明显，车辆行驶工况等因素均可影响交通碳排放和分布，当大量二氧化碳聚集在一定范围内将对城市生态及居民健康造成影响.因此，研究并优化使用频率最高的城市核心区域的乘用车碳排放的时空分布具有现实意义.

建立准确的区域机动车排放清单是制定减排政策的基础.相较于单一提供排放量数据的传统机动车排放清单[5]，高分辨率机动车排放时空分布图能提供全局、立体的机动车排放信息[6].现有的机动车时空排放图是根据人口密度、经济发展水平、路网信息等参数进行空间分配，但该方法忽略了车辆的实际行驶工况，结果存在偏差[7-8].根据车辆在实际道路上的行驶特征建立的时空分布图是从排放源出发计算指定范围内的排放量，有助于提高时空分布图的精度[9].

本研究以福州市核心区域内部快速路、主干道、次干道以及支路为研究对象，收集浮动车数据、交通量数据和碳排放数据，利用ArcGIS软件建立不同时段乘用车碳排放时空分布图，以分析2017年该区域各时段乘用车碳排放分布特征，预测2020年不同减排情景下研究区域的乘用车碳排放分布变化，以期为降低城市交通碳排放提供决策依据.

1 数据与方法

1.1 数据来源与采集方法

1.1.1 研究区域 福州市二环内部区域是福州城市核心区域，通过OpenStreetMap获取该区域内的路网资料，数据类型包括道路名称、经纬度、长度等.根据《城市道路工程设计规范》（CJJ 37—2012）将道路划分为快速路、主干道、次干道与支路[10].福州二环（快速路）及二环内部全部道路全天候禁止货车通行，且随着福州市公交车电动化的发展，以化石燃料为主要动力来源的乘用车将成为该区域的主要碳排放源[11].

1.1.2 浮动车数据采集 浮动车数据主要来自城市中装有GPS的出租车和公交车，每个采样点均包含了地理空间信息（经纬度）、时间与车辆运行状态（瞬时速度、行驶里程）等信息，将一系列浮动车数据串联即获得道路交通流信息.营运状态下出租车的运行状态与乘用车相近[12]，因此本研究浮动车数据来自福州市13辆出租车.数据收集时间为2017年12月16—24日，包含5个工作日和4个休息日，时段为07：00—22：00，其中早高峰为 07：00—09：00，晚高峰为 17：00—19：00，其余为平峰时段，时间间隔为 5～20 s.

1.1.3 交通量数据采集 使用人工计数法和摄像法获取交通量数据.交通量监测点位于二环内4个市辖区的典型道路上（图1）.高峰时段每15 min采集一次数据，平峰时段每1 h采集一次数据，每次监测时长15 min.将相同时段多个相同等级道路交通量的平均值作为该时段该等级道路的单位时间交通量.

1.1.4 排放因子数据采集 使用车载排放测试系统对现存保有量占比最大的国Ⅲ、Ⅳ和Ⅴ3类排放标准汽油乘用车进行碳排放速率测试，测试路线如图2所示.测试车辆为日产骐达、大众朗逸、本田雅阁等常见车型，车况良好；选取自然吸气式4缸直列式发动机，排量为1.6～2.4 L，供油方式均为多点电喷.选择在天气晴朗，温度20～25℃，湿度低于50%的天气条件下进行.国Ⅰ和Ⅱ排放标准汽油乘用车碳排放速率参考刘娟娟[13]的结果，根据文献[14]的汽油碳排放系数计算获得.

图1 交通量监测点分布Fig.1 Distribution of traffic monitoring points

图2 测试路线Fig.2 Experimental route

1.2 数据处理方法

1.2.1 浮动车数据处理 将出租车GPS数据与路网数据进行匹配，剔除异常和二环外的数据，提取二环内不同等级道路不同时段的浮动车数据.利用预处理后的浮动车数据计算乘用车比功率（vehicle specific power，VSP）.VSP是单位质量下机动车的瞬时功率，其在统计意义上与车辆碳排放存在较强的关联性[15].乘用车VSP简化式如下[16]：

式中，v为车辆速度，m·s-1；a为加速度，m·s-2，θ为道路坡度，rad，由于二环内道路较为平坦，因此本研究不考虑道路坡度影响，θ值取为0.

在城市交通模式中，VSP绝对值大于20 kW·t-1的样本占比非常小，且对研究车辆碳排放贡献不大[17]，故将VSP以1 kW·t-1为间隔在[-20，20]区间内进行划分，划分后的区间即为VSP-Bin.

1.2.2 交通量数据处理 使用与乘用车定义相近的小型载客汽车数据计算不同排放标准的车辆保有量[18]，假设所有时段各等级道路上不同排放标准乘用车占比与福州市各标准小型载客汽车占比相同.利用机动车存活率曲线[19]、福州市小型载客汽车新车注册量数据及《轻型汽车污染物排放限值与测量方法》[20-23]中排放标准颁布时间，按照不同排放标准划分收集到的交通量数据，计算如公式（2）和（3）所示.

式中，Ry-k（x）为存活率函数，y为研究年份，y＝2017；k为车辆注册年份，k＝2000，2001，…，2017；x为机动车存活年限；Ry-k（x）表示车龄为（y-k）年的机动车存活率，假设机动车注册后的5年内存活率为1，即（y-k）≥6[24]；T，b表示存活率函数参数，取经验值T＝26，b＝11[25].公式（3）中，Ng，k为乘用车在g种排放标准下k年的新车注册量，g为国Ⅰ～Ⅴ排放标准车辆；Z为2017年福州市乘用车总量；Pg表示2017年g类排放标准乘用车占比量.

1.2.3 排放因子数据处理 排放因子是机动车排放水平参数，是机动车污染控制的重要依据，它是指单车行驶单位里程时所排放的气体的重量，本研究通过VSP-Bin的分布计算车辆的排放因子[13]：

式中，ERi为第i个VSP-Bin的排放率，g·s-1；erj是VSP-Bin为i的第j个VSP对应的碳排放率，g·s-1；m为VSP-Bin为i的VSP个数；EF为排放因子，g·km-1；Bini是第i个VSP-Bin的时间分布比例；t是行驶时间，s；d是行驶距离长度，km.将车载排放测试获得的碳排放速率数据按照VSP-Bin进行划分，并计算每个VSPBin内的碳排放速率平均值，计算如式（4）所示，计算结果如图3所示.

图3 乘用车碳排放速率Fig.3 Carbon emission rate of passenger car

1.2.4 时空分布图建立方法 以福州市二环及其内部区域路网为基础，建立了100 m×100 m分辨率的空间网格，计算每个网格内的乘用车碳排放总量，具体计算过程如式（6）所示：

其中，AE为每小时每公顷范围内乘用车碳排放总量，kg·hm-2·h-1；c为道路等级，分为快速路、主干道、次干道及支路；Fc为c类道路每小时乘用车交通量，辆·h-1；EFg，c表示c类道路上g类排放标准乘用车碳排放因子，g·km-1；Lc为网格内c等级道路长度，km.

1.3 减排情景设置

为更直观地对比不同减排政策的效果，本研究设置4种减排情景模拟福州市二环内2020年乘用车碳排放时空分布，并设置无控情景作为对照.

（1）无控情景：无控情景指车辆保有量按照现有的增长速度增加，车辆的淘汰率不发生任何变化，与车辆排放相关的政策保持不变.通过最小二乘法预测2020年福州市小型载客汽车保有量.假设研究区域2020年各等级道路乘用车增加量与小型载客汽车增长量相同.

（2）推广新能源汽车：根据《节能与新能源汽车产业发展规划（2012—2020年）》，我国2020年新能源汽车累加产销量超过500万辆[26]，假设新能源汽车约占我国汽车总量的2.5%，且均为“零排放”车辆，其他条件与无控情况相同.

（3）提高车辆燃料消耗标准：根据GB 27999—2014《乘用车燃料消耗量评价方法及指标》[27]的规定，2020年乘用车燃料消耗相对于第3阶段油耗标准平均下降30%，假设2020年正式实施该标准，乘用车排放因子下降30%，其他条件与无控情况下相同.

（4）淘汰老旧车辆：根据《北京市促进高排放老旧机动车淘汰更新方案》[28]中将国Ⅰ和国Ⅱ标准乘用车定义为老旧车辆的规定，将国Ⅰ与国Ⅱ排放标准车辆将完全淘汰.

（5）控制车辆保有量：北京、上海等城市先后出台车辆限购或摇号政策，机动车保有量增速得到有效控制，该政策下小型载客汽车保有量年平均增速约为8%.假设2020年福州市二环内乘用车交通量以8%的速度增长，其他条件与无控情况相同.

2 结果与分析

2.1 数据处理结果

福州市二环内各时段浮动车VSP的分布如图4所示，VSP在VSP-Bin为[-8，8]的区间内的占比超90%.

图4 不同时段浮动车VSP分布Fig.4 VSP distribution of floating car at different time periods

根据公式（2）与（3）计算得到二环内2017年年底国Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ排放标准乘用车保有量占比分别为1.9%、2.7%、33.4%、37.6%和24.4%，再根据此占比计算各等级道路上不同排放标准乘用车单位时间内的交通量，结果如图5所示.由图5可知，道路等级越高，交通量越大.快速路、主干道和支路在工作日早高峰时段的交通量最大，分别为12468、1980、486辆·h-1，次干道在工作日晚高峰时段交通量最大，为1488辆·h-1.在周末早高峰时段快速路、主干道、次干道的交通量均为最小，分别为4738、1658和745辆·h-1，支路则是在周末平峰时段交通量最小，为374辆·h-1.

图5 不同时间段不同排放标准乘用车交通量Fig.5 Passenger cars traffic volume under different emission standards at different time periods

由图6可知，不同时段不同等级道路的VSP分布存在明显差异，因此不同VSP-Bin所对应的碳排放速率也存在明显差异，二者共同作用下相同排放标准车辆在不同时段不同等级道路上的排放因子有所差异：国Ⅰ、Ⅱ排放标准乘用车排放因子明显高于国Ⅲ、Ⅳ、Ⅴ排放标准车辆，国Ⅴ排放标准车辆的碳排放因子相较于国Ⅳ排放标准车辆小幅度下降；在相同时段内，国Ⅰ与国Ⅱ排放标准车辆在不同等级道路上的排放因子存在明显差异，国Ⅲ、Ⅳ、Ⅴ排放标准车辆在不同等级道路上的碳排放因子波动显著减小.

图6 乘用车碳排放因子Fig.6 Carbon emission factor of passenger car

2.2 碳排放时空分布

2.2.1 碳排放总量 不同时段不同等级道路上各排放标准乘用车的碳排放总量如图7所示.整体上，各等级道路各时段相同排放标准的乘用车碳排放量占比相对稳定，其中国Ⅲ排放标准车辆的碳排放占比最大，约为39%，国Ⅳ、Ⅴ、Ⅱ、Ⅰ排放标准车辆占比分别为29%、18%、8%、6%.国Ⅰ～Ⅲ排放标准车辆的保有量占比虽然低于国Ⅳ和Ⅴ车辆，但它们的排放量占比却高于国Ⅳ和Ⅴ车辆，这是由于老旧车辆的排放因子高.因此，通过提高油耗标准来降低车辆的碳排放因子、使用“零排放”的新能源汽车或降低老旧车辆的保有量，均可以减少乘用车碳排放量.

图7 不同排放标准乘用车碳排放量占比Fig.7 Proportions of carbon emission from passenger cars under different emission standards

2.2.2 碳排放时空分布 福州市二环内乘用车碳排放时空分布如图8所示.碳排放主要集中在道路附近，道路等级越高，交通量越大，因此快速路上乘用车单位面积的碳排放量最高，主干道次之，支路与次干道排放量相近.快速路及次干道上乘用车单位面积碳排放量变化较大：快速路上除了周末早高峰（75～150 kg·hm-2·h-1）与周末平峰（150～300 kg·hm-2·h-1）碳排放略低，其余时段的碳排放量均大于300 kg·hm-2·h-1；次干道上，工作日早高峰与晚高峰的碳排放量最高（35～45 kg·hm-2·h-1），周末早高峰碳排放量最低（18～25 kg·hm-2·h-1），其余时段的碳排放量均在25～35 kg·hm-2·h-1范围内，这一变化趋势与图4中快速路与次干道上6个时段的交通量变化趋势相近；主干道和支路上碳排放量变化较为平稳，除了工作日早晚高峰主干道单位面积碳排放量略微上升（55～75 kg·hm-2·h-1），其余时段均在45～55 kg·hm-2·h-1范围内；支路上乘用车各时段碳排放量在10～14 kg·hm-2·h-1.6个时段内，工作日早晚高峰时段乘用车单位面积碳排放量较高且排放分布较为相似，这是由于工作日早晚高峰时段交通流以通勤交通为主，存在明显的周期性，即工作日早晚高峰时段交通量相近，但是主要交通流方向相反.而周末早高峰与周末平峰时段，通勤交通的交通量下降，碳排放随之减少.因此，通过控制交通量或乘用车数量以控制交通量，均可以在一定程度上降低碳排放.

2.2.3 减排情景下的碳排放分布 无控场景下，2020年福州市小型载客汽车保有量将比2017年增加43.6%，乘用车碳排放分布如图9所示.2020年二环内乘用车碳排放量将比2017年增逾15%.不同时段不同等级道路增加量存在差异，工作日早高峰、平峰及晚高峰3等级时段的碳排放增加量差异较大，周末3个时段的增加量相对平稳.工作日早高峰次干道上单位面积乘用车碳排放增加量超过27%，高于其他时段其他等级道路上的乘用车碳排放增加量，工作日晚高峰次干道上单位面积乘用车碳排放增加量低于其他时段其他等级道路的增加量（16%～17%），其余时段其余等级道路的乘用车碳排放增加量较为接近（19%～24%）.

假设2020年各等级道路乘用车增加量与小型载客汽车增长量相同，根据无控场景下43.6%的乘用车保有量增加量及各类情景设置要求，计算不同情景下国Ⅰ～Ⅴ排放标准乘用车占比，结果如表1所示.

图8 乘用车碳排放时空分布Fig.8 Spatiotemporal distribution of carbon emissions from passenger car

图9 无控情况乘用车碳排放增量图Fig.9 Increases on passenger car carbon emission under uncontrolled situation

表1 2020年不同情景下各排放标准乘用车占比Table 1 Proportions of different standards passenger cars under different emission mitigation scenarios %

4种政策和无控情景下乘用车单位面积碳排放削减量如表2所示.限制机动车保有量的减排效果最好，削减量达7.8%～8.5%；淘汰老旧车辆与提高油耗标准对乘用车碳排放的削减量分别为3.1%～3.9%和3.7%～4.7%，推广新能源汽车的效果欠佳.淘汰老旧车辆在不同时段不同等级道路的减排效果存在一定差异，推广新能源汽车、提高油耗标准和限制机动车保有量在各时段各等级道路的减排效果趋于一致.此外，各政策对工作日早高峰次干道上乘用车碳排放量的削减程度均高于相同政策下其他时段其他等级道路的削减量.

表2 不同情景下乘用车碳排放削减量Table 2 Carbon emission reduction rates from passenger vehicles under different emission mitigation scenarios %

3 结论

福州二环内相同时段，道路等级越高，乘用车碳排放量越大；工作日早高峰与工作日晚高峰时段乘用车碳排放量较高，周末早高峰与平峰排放量较低；不同时段快速路与次干道上乘用车单位面积碳排放量变化相对较大.如不采取减排措施，2020年二环内的乘用车单位面积碳排放量将比2017年增加16%，次干道增幅最为明显，超过27%；4种减排政策中，控制机动车保有量的减排效果最明显，该政策下2020年二环内碳排放比无控情景下减少了8%，推广使用新能源汽车的减排效果最差；各政策对工作日早高峰次干道上的碳排放削减量均高于相同政策下其他时段其他等级道路的碳排放削减量.

基于浮动车数据、交通量数据与排放因子建立的乘用车碳排放时空分布图从车辆行驶工况出发，充分考虑了不同等级道路上车辆的行驶状态与交通量的差异，相较于空间分配法，该种时空分布图从排放源头出发，更为精准详细.此类车辆碳排放时空分布图应是政府制定精准减排措施的基础.此外，在今后的研究中需收集大量交通量数据和与其配套的车辆速度数据以建立城市核心区域的交通流量—速度模型，以期建立融合微观车辆运行状态与宏观交通状况相结合的车辆排放时空分布模型.