缓解城市交通拥堵的CO2减排效益评估方法研究

李振宇，廖 凯，崔占伟，刘 洋

(交通运输部科学研究院，城市公共交通智能化交通运输行业重点实验室，北京100029)

0 引言

城市交通拥堵通常是指在城市道路上行驶的车辆数超过道路的实际容量时，车辆缓慢行驶的交通现象.交通拥堵已成为城市发展过程中既不可避免，又难以治理的一种“城市病”.交通拥堵会产生诸多危害，主要包括：浪费大量的时间和人力，造成巨大的经济损失；低速行驶和频繁的起步停车，增加能源消耗、碳排放和污染物排放等[1].据有关部门测算，中国小汽车的碳排放占城市交通碳排放的80%以上[2].中国机动化水平仍比较低，2017年，中国千人汽车保有量为156辆，同年美国为834辆，日本为715辆，世界平均为173辆[3].汽车产业仍是中国经济支柱产业之一，未来小汽车仍会有很大的市场空间，快速发展的同时也会造成城市交通拥堵更加严重，城市交通碳排放也会随之快速增长.

国内外学者围绕城市交通拥堵和碳排放评估方面开展了大量研究.李宾[4]根据城市道路交叉口交通实况的调查数据，计算出在交通拥堵时段的碳排放量，评估了交通拥堵造成的碳排放效应.邹刚涛[5]通过改进Kaya公式，基于居民出行特征分析，测算了不同发展模式下的城市客运碳排放量.Matthew Bart[6]利用车辆运行检测技术、车辆活动数据等，提出了排放评估模型，评估了速度管理等策略在碳减排方面的作用.赖承钺[7]基于COPERT 4模型，通过对机动车车辆构成、行驶工况、环境温度等数据的调研，计算出成都市机动车尾气的排放因子、主要污染物排放量等.程颖[8]基于实时监测数据的交通流仿真模型、视频检测方法的车队结构分析和排放因子修正关系，提出了城市交通NOx排放高分辨率分析方法和模型，并开展了案例实证.王志高[9]针对公交优先政策实施，用情景分析方法分析了对碳排放削减量的影响.可以看出：宏观研究中分类较粗，排放因子单一，评估结果的精度较低；微观研究中，范围和规模有限，评估成本很高；中观方面的评估研究较少.本文从影响城市交通碳排放的关键因素着手，建立较详细的排放因子数据库，提出中观层面城市交通缓堵减排效益的评估方法和模型，既能实现碳排放评估，又能尽量通过分类和集聚的方法实现总量评估.

1 影响因素分析及排放因子测试

影响城市交通碳排放的主要因素包括车型(车龄、排量、排放标准等)、行驶速度、出行距离、技术水平、排放因子、相关标准等，研究确定城市交通缓堵减排效益的评估方法和模型，需要在考虑数据现状的基础上，统筹考虑这些相关因素.

1.1 交通拥堵等级划分

针对交通拥堵划分，全国尚没有统一标准，参照北京市地方标准《城市道路交通运行评价指标体系》[10]，城市道路分为快速路、主干路、次干路和支路，交通运行状况分为严重拥堵、中度拥堵、轻度拥堵、基本畅通和畅通5个等级，如表1所示.不同道路类型交通拥堵对应的平均行程速度阈值不同：快速路，平均行程速度小于等于50 km/h，即为拥堵(轻度、中度和严重拥堵)；主干路，速度小于等于30 km/h为拥堵.如此分类，为开展城市交通缓堵减排效益评估奠定了重要基础.

表 1 交通拥堵等级与车辆速度、道路类型之间的关系Table 1 Relationship among division of traffic congestion,speed and road type

1.2 车型分类

车型是影响小汽车碳排放的主要因素之一，为提高评估精度，根据发动机排量、排放标准等对车型进行细分.按照发动机排量分为：小型排量汽车(排量小于等于1.4 L)、中型排量汽车(排量为(1.4,2.0]L)、大型排量汽车(排量大于2.0 L).按照排放标准分为：国I、国II、国III、国IV和国V.一般来讲，小汽车的碳排放与排量成正比，排量越大，油耗越高，碳排放就越大.

1.3 确定碳排放因子

采用典型行驶工况法和车速排放实测法的综合结果，通过PHEM模型模拟确定不同道路类型和不同服务水平下的碳排放因子.

(1)确定典型行驶工况.

车辆行驶工况是针对某一类型车辆，在特定道路交通环境下，描述车辆行驶特征的速度—时间关系曲线.选择平均行程速度，行驶过程中停车时间比例和相对正负加速度这3个参数值作为描述工况单元的统计特征参数[8].通过实际观测，获得不同道路类型下车辆加减速、怠速和匀速行驶的时间比例，根据道路类型和交通状况进行聚类分析，利用最小二乘法找出最有代表性的工况单元，即为该道路类型和交通状态下的典型运行工况.

(2)开展排放测试.

安装OBD设备对成都市615辆小汽车采集了车辆逐秒行驶数据，包括燃油消耗、碳排放、HC排放等，采集时间为2017年6月，数据量超过20万条，覆盖成都市80%道路范围，采集内容包括经纬度、日期、时间、速度、加速度等，分析确定不同道路类型、交通状态下的典型运行数据.

综合现有排放因子和实际排放测试数据，使用PHEM模型，考虑车辆的速度工况、道路坡度等相关因素，计算发动机功率、速度与能耗和碳排放的相互关系，建立各种车型对应的发动机图谱，初步得出典型工况对应的排放因子.综合上述车速与碳排放的测试数据，得出最终的小汽车碳排放因子，建立城市交通碳排放因子数据库.如，以汽油为燃料的中型排量汽车的碳排放因子如图1所示.

图1 不同道路类型和道路服务水平等级下的碳排放因子Fig.1 CO2emission factors under different road types and road service levels

2 评估方法研究与建模

ASIF方法由Schipper于1999年提出，是一种基于运输活动的交通碳排放评估方法.城市交通碳排放与行驶里程、车辆保有量、燃料类型、燃油经济性和碳排放因子有关，故交通碳排放核算方法[11-12]为

式中：i为交通方式；j为燃料类型；t为时间(h)；Qt为总碳排放量(t)；di,j,t为行驶里程(km)；Si,j,t为车辆保有量(辆)；Ei,j,t为平均燃油经济性(L/100 km)；Fi,j,t为碳排放因子(g/km).

考虑交通总体运行情况，城市交通碳排放总量计算公式为

式中：Qd为拥堵状态时的碳排放量(t)；Qc为畅通状态时的碳排放量(t).

在开展城市交通缓堵减排效益评估分析时，考虑行驶速度、平均行驶距离等活动水平和排放类型等实际情况，对式(1)进行改进，得到更实用的估算模型为

式中：m为不同的拥堵等级；n为不同的道路类型；Ki,m,n为畅通、拥堵交通的车公里数(km)；Fi,m,n为不同方式不同拥堵等级的碳排放因子(g/km).

假设通过实施单双号限行等各种缓堵措施后，车辆的运行速度明显上升，行驶效率提高，在同等车流量下碳排放量减少，与拥堵时的碳排放量比较，计算缓解城市交通拥堵的碳减排效益为

式中：δQ为缓堵后的碳减排效益(%)；Qz为拥堵转化为畅通后的碳排放量(t).

3 案例分析

为缓解中心城区交通拥堵，均衡城区交通流量，成都市先后采取区域尾号限行，道路提速，建立多乘员车辆专用车道等重大措施，多数道路的通行效率均有提高，效果良好[13].

3.1 数据采集和分析

(1)收集统计数据.

2017年，成都城区范围小汽车保有量为126.2万辆，随着小汽车车龄升高，小汽车保有量呈总体下降趋势，在车辆结构中，排量为1.4～2.0 L的车辆占主体，如图2所示.城区内快速路、主干路、次干路和支路的长度占比分别为4%、26%、15%和55%.据调查，成都城区范围小汽车的年均行驶里程为1.2万km[14].

图2 成都市不同排量的小汽车保有量随车龄分布情况Fig.2 Distribution of car ownership with vehicle age and different displacement in Chengdu

(2)开展抽样调查.

基于城市人口、车辆保有量等主要指标，确定成都市7座以下非运营小型车辆调查采集样本为2 000辆.利用全市5个机动车检测站的数据，采集不同排量小汽车在城区范围内的年行驶里程，在各道路类型中各选取8个典型监测点，确定小汽车在不同道路类型中不同道路服务水平的行驶里程占比，再向全市城市道路进行扩样.2017年，成都快速路、主干路、次干路和支路全年承担的车流量比例为11%、48%、21%和20%.

3.2 计算结果

(1)车流量计算.

基于调查数据，分析得出成都市小汽车在不同道路类型中不同服务水平下的车流量比例，如图3所示.2017年成都市交通运行状况一般，畅通和基本畅通的车流量占51.8%；快速路、主干路和次干路的交通运行状况良好，畅通和基本畅通的车流量占比介于53.4%～63.7%；支路的运行状况不佳，轻度拥堵和中度拥堵的车流量占比高达98.2%.小汽车在主干路的行驶比例最高，为53.6%，超过50%以上[14].

(2)碳排放量计算.

通过计算，2017年成都城市交通的碳排放量为494.96万t，快速路、主干道、次干道、支路的碳排放量占比分别为15.5%、53.6%、15.2%和15.7%，其中，主干道上的碳排放量最高.所有道路类型中，畅通道路(包括畅通和基本畅通)的碳排放占比为51.8%，拥堵道路(包括轻度拥堵、中度拥堵和严重拥堵)的碳排放占比为48.2%，如图4所示.

图3 成都市不同道路类型和交通拥堵等级中车流量比例Fig.3 VKT of different road types and division of traffic congestion in Chengdu

图4 成都城市交通的碳排放总量Fig.4 CO2emissions of urban transport in Chengdu

(3)碳减排效益评估.

积极实施公交优先、交通需求管理、道路空间调整等治堵缓堵措施，现设定4种发展情景，即情景1～4，具体设定如下：

情景1，所有轻度拥堵全部转为基本畅通，所有中度拥堵全部转化为轻度拥堵，所有严重拥堵全部转化为中度拥堵，其他保持不变；情景2，50%的轻度拥堵、中度拥堵和严重拥堵转化为基本畅通，其他保持不变；情景3，所有轻度拥堵、中度拥堵和严重拥堵转化为基本畅通，其他保持不变；情景4，所有轻度拥堵、中度拥堵和严重拥堵全部转化为基本畅通，基本畅通转化为畅通.

通过模型运算，结果显示，与2017年城市交通碳排放量相比，4种发展情景取得的碳减排效益介于9.5%～22.1%，成效显著，如图5所示.随着交通拥堵的逐渐好转，将取得显著的碳减排效益.在情景1中，由于成都的轻度拥堵占比很高，当其转化为基本畅通后，同样也取得了显著的碳减排效益.

反之，若任由小汽车发展，交通拥堵持续恶化，碳排放继续增加.基于此，设置3种发展情景：轻度恶化、中度恶化和重度恶化情景，表示各种情景中不同拥堵水平逐级恶化的程度比例分别为10%、30%和50%，拥堵程度加剧，分析其碳排放变化.通过模型运算，与2017年城市交通碳排放量相比，在3种发展情景中，成都市交通碳排放量将分别增加11.9万t、35.6万t，59.3万t，分别占总排放量的2.4%、7.2%和12.1%.充分说明，交通拥堵的持续恶化将造成更多的碳排放.

图5 4种不同情景下的城市交通碳减排效益Fig.5 Benefits of CO2emission reduction in urban transport under four different scenarios

4 结论

城市交通缓堵减排效益评估是城市政府缓堵保畅工作的重要组成部分.本文建立了一个体系性的城市交通碳排放因子数据库，改进碳排放评估方法并建立城市交通缓堵减排效益评估模型，案例证明了其可行性.加强交通大数据在城市交通缓堵减排效益评估中的应用是未来的发展方向.通过利用网约车等大数据，可以取代小汽车出行调查确定车流量的传统方法，不仅可以降低调查成本，提高评估精度，还能实现展示城市交通碳排放的时空特征分布、动态更新数据等，使评估结果更加直观、准确，进一步提升使用价值，为找出适合不同城市的治堵缓堵策略提供重要的决策依据.