唐山市柴油车远程监控综合管控平台的开发及应用

田 苗， 王军方， 黄健畅， 马 帅， 吉 喆， 王宏丽， 宋国华， 丁 焰*

1.中国环境科学研究院, 国家环境保护机动车污染控制与模拟重点实验室， 北京 100012 2.北京交通大学, 综合交通运输大数据应用技术交通运输行业重点实验室， 北京 100044

近年来，我国采取了大气污染防治行动计划[1]、打赢蓝天保卫战三年行动计划[2]等重大行动措施，空气质量明显改善，但是京津冀及周边地区秋冬季重污染现象问题依然严峻[3-6]. 细颗粒物(PM2.5)超标依旧是我国空气质量改善面临的主要问题之一[7-9]. 硝酸盐是京津冀地区PM2.5中的主要组分[10]，氮氧化物(NOx)排放是二次PM2.5生成的重要来源[11-16]. 2013—2019年，我国汽车保有量从1.26亿辆增至2.6亿辆，增长了2.1倍，随着车辆结构不断升级，监管制度和能力不断提高，汽车排放的各项污染物并未同步增加，其中一氧化碳(CO)、碳氢化合物(HC)排放分别下降了77.7%和64.5%，NOx排放升高了17.4%，NOx排放量达到622.2×104t. 2019年柴油车NOx排放量达到机动车NOx排放总量的87.0%[17]，是移动源NOx排放的重点控制对象[18-20].

柴油车在实际行驶中，选择性催化还原系统(SCR)等后处理装置失效导致的NOx排放超标现象频发[21-24]，目前缺少高效、准确的排放监控技术和设备. 此外，柴油车流动性大，跨地区活动特点显著[25]，受油品质量影响也较大，需要车油联合管控才能取得实效[26]. 该研究旨在开发车油联合管控技术方法，通过远程在线监控技术，对柴油车排放、运行和加油等实际情况进行连续监控，快速识别、预警高排放车辆，建立柴油车排放监控—管控—溯源—评估全链条的技术防控体系，以期实现科学、精准治理柴油车污染的目标.

1 柴油车管控技术方法和平台设计

该研究开发建立了柴油车远程监控综合管控技术方法，以城市柴油车精准管控以及重点行业、企业运输需求调控为目的，建立以车载诊断系统(OBD)、年检、路检路查、遥感监测等数据为主，车辆行驶轨迹和加油信息为辅的柴油车远程监控综合管控平台(简称“管控平台”，见图1)，实现了高排放车辆识别、预警、溯源等功能，以及工业企业运输管控和效果评估.

图1 柴油车远程监控综合管控平台架构Fig.1 Framework of the integrated management and control platform for remote monitoring of diesel vehicles

根据柴油车管控需求，考虑到多源数据的整合以及海量的数据体量，采用分布式架构，提出数据获取—数据逻辑共享—数据模拟计算—决策支持—效果评估—数据获取的柴油车闭合管理思路，搭建管控平台主体框架. 平台数据包括车辆基础信息、OBD数据(包括车辆位置、尿素液位、SCR下游NOx浓度等)、遥感数据、路检路查数据、年检数据等.

1.1 企业运输车队监管模块设计

该模块主要实现对工业企业运输车队流量管控以及排放阶段核查. 通过对监控企业产能、原料产品运输量、仓库容量等数据的统计，核定每家企业秋冬季允许的最大日均车流量. 将企业基本信息以及“一企一策”方案导入平台，与门禁系统联动，自动识别企业车流量和排放阶段是否符合要求. 结合秋冬季和重污染管控要求，对企业秋冬季和重污染应急响应时期的车流量和车队结构进行实时监控及预警.

1.2 实际排放监控模块设计

通过OBD系统对车辆实时排放情况、加油位置和加油时间、SCR还原剂添加情况以及轨迹信息进行在线监控，分析柴油车NOx排放水平和趋势[24,27]，包括NOx排放浓度特征、不同排放阶段车辆的排放水平；比对加油位置和加油站信息筛查黑加油站；分析SCR还原剂添加和NOx排放情况，识别SCR工作状态；通过轨迹信息，拟合物流通道；通过实际排放监控信息，融合年检、路检路查信息和加油站信息等，实现溯源分析和车油联合管控功能.

2 研究方法

2.1 管控效果评估方法

企业减排效益是指由于企业在一定时间内，采取流量控制和车队结构管控，该企业机动车排放量减少，进而获得的减排效益. 通过企业运输车队监管模块获取的流量和排放阶段监控信息，评估企业政策的执行力度，得出企业实际减排效益. 政策的执行力度采用排放标准执行力度〔见式(1)〕和流量控制执行力度〔见式(2)〕2个指标进行评估.

Pstd=(ηrealη0)×100%

(1)

Pf=(f0freal)×100%

(2)

式中：Pstd为企业排放标准(国Ⅳ及以上)执行力度，%；ηreal为企业中实际国Ⅳ以上车辆比例，%；η0为企业中限额要求国Ⅳ及以上车辆比例，%；Pf为企业流量控制执行力度，%；f0为企业“一企一策”规定的最大货车流量，辆d；freal为企业实际每日货车流量，辆.

2.2 行驶特征分析方法

累积行驶里程按以下步骤处理：①按采集时间合并ECU和GPS数据，若采集时间重复(采集到的数据是一致的)，仅保留一条数据；②删除发动机转速为0和车速大于120 kmh的数据；③对里程缺失的数据，将使用速度、里程与采集时间的关系或使用内插法补充缺失的数据.

主要物流通道的确定采用每个道路片段通车数据量的统计. 利用ArcGIS 10.3软件和Divide-Line-By-Length插件[28]将道路图层划分为1 km的道路片段，根据每个数据采集周期起始点的定位信息代表该车辆单次采样周期的位置，利用Map-matching算法匹配车辆位置与道路片段. 由图2可见，为了不重复统计每个路段的车流量，根据数据的时序属性，将同一辆车单次通过道路片段时采集到的多个位置数据整合为一个. 在整个研究时期，统计了平台车辆通过每个道路片段的流量，数据越大表明平台车辆通过该路段的车流量越大. 随着接入平台的重型车的增加，平台识别主要的物流通道将越准确.

注： 道路片段①～⑤的车辆计数分别为2、2、1、1、1.图2 主要物流通道识别方法示意Fig.2 Calculation method of main logistics channels

3 平台在唐山市秋冬季大气污染综合治理攻坚行动中的应用

3.1 唐山市概况

唐山市是传统的资源型重化工城市，属于京津冀及周边地区大气污染传输通道城市(“2+26”城市). 钢铁工业是唐山市的第一大支柱产业，2018年唐山市炼钢产能约1.33×108t. 钢铁、焦化均涉及大宗物料运输，由此带来的运输量在6×108t以上. 因此，管控企业运输车队是唐山市移动源管控的重要切入点，尤其是在秋冬季大气污染综合治理攻坚行动及重污染应急响应期间. 该研究以唐山市46家钢铁、焦化企业监管为例，分析评估柴油车远程监控综合管控平台发挥的实际作用，其中主要承运车辆类型有重型半挂牵引车、轻型普通货车、重型自卸货车和重型平板自卸货车.

3.2 企业运输车队监管及效果

根据《唐山市2018—2019年秋冬季重点行业错峰生产方案》(简称“《方案》”)，按照分级标准将企业划分为A、B、C三个类别，各企业按自身类别制定的“一企一策”方案执行不同的错峰限产任务. 企业移动源的管控政策主要包括以下几个方面：①排放标准控制，即对国Ⅳ及以上货车车辆比例提出要求；②进出厂流量控制，即对秋冬季和重污染应急响应期间的进出厂货车流量提出限额；③重污染应急响应期间流量的绝对控制，即发布重污染应急橙色及以上预警后，企业在预警开始的前3 d要对进出厂车流量进行绝对控制，原则上不允许有任何货运车辆进出厂区.

该研究对唐山市46家工业企业非秋冬季、秋冬季和重污染应急响应期间3个时段进行对比分析，各时段选取连续一周的数据.

3.2.1排放标准控制执行情况

46家企业中，共有35家的“一企一策”方案对运输车辆排放标准控制有要求. 由图3可见，秋冬季，6家企业排放标准执行力度达到或超过100%(执行力度超过100%的企业按100%计，下同)，35家企业排放标准政策执行力度平均值为79.5%. 总体来看，车流量限额为100辆d以下的企业排放标准执行力度较低，而限额100辆d以上的企业执行力度较好(见图4). 重污染应急响应期间，4家企业排放标准执行力度达到100%，35家企业排放标准执行力度平均值为77.3%(见图5).

图3 企业秋冬季车队排放标准执行力度Fig.3 Companies enforcement of vehicle emission standard control during autumn/winter period

图4 不同类型企业秋冬季车队排放标准执行力度Fig.4 The implementation level of vehicle emission standards control policies in autumn/winter period among different companies

3.2.2流量限额控制效果

秋冬季大气污染综合治理攻坚行动中，9家企业对秋冬季流量控制执行力度达到或超过100%，多数企业执行力度在40%～60%之间或大于100%，平均流量控制执行力度为67.3%，企业间流量控制执行力度相差较大，限额较大的企业执行情况较好〔见图6(a)(b)〕.

图5 企业重污染应急响应期间排放标准执行力度Fig.5 The implementation level of vehicle emission standards control policies in heavy pollution emergency response period among different companies

重污染天气橙色及以上预警开始后，前3 d要求企业进行绝对控制，即原则上不允许有任何货运车辆进出厂. 根据实际过车数据，10家企业能做到在重污染应急响应前3 d控制车辆进出. 除去前3 d外，有20家企业流量控制执行力度达到或超过100%，平均流量控制执行力度达到66.9%. 虽然流量控制执行力度达到100%的企业较多，但执行力度在70%以下的企业占比在50%以上，不同企业间的差距较大，限额较大的企业流量控制执行力度较好〔见图6(c)〕.

图6 秋冬季和重污染应急响应期流量控制执行力度Fig.6 Implementation level of the fleet flow control policy during autumn/winter and heavy pollution emergency response period

3.2.3企业秋冬季减排效益评估

依据流量和排放阶段控制措施评估结果，可以看出由于执行政策和执行力度的不同，以及各企业车型结构不同，各种污染物减排比例也存在差距. 结果表明：唐山市秋冬季46家企业平均车流量降低了16%，CO、HC、NOx、PM的减排比例分别为21%、21%、19%和16%；重污染应急响应期间车流量降低了34%，CO、HC、NOx、PM的减排比例分别为37%、38%、39%和34%. 选取流量控制和排放标准控制措施力度不同的两家企业(见表1)进行分析，其中，企业1主要采用流量控制措施，企业2采用流量与排放标准控制相结合的方式，车队结构有明显优化. 由表1可见：企业1秋冬季车流量减少了47%，NOx和PM排放分别降低了41%和45%；企业2秋冬季车流量仅降低了15%，同时国Ⅳ及以上车辆占比较非秋冬季升高了13%，NOx和PM排放分别降低了32%和40%. 因此，采用优化车队结构方式可以在满足降低污染物排放要求的同时，减少对企业生产的影响.

表1 政策执行效果企业实例

3.3 实际行驶排放监控

3.3.1行驶轨迹及物流通道识别

该研究分析了2个月(2019年2月1日—3月31日)的车辆行驶轨迹数据，结果表明，监控的货运车辆主要在唐山市市内行驶，占总行驶里程的76%，远高于在市外的行驶里程，其中，轻型、中型和重型货运车辆在监控期间的平均行驶里程依次增大，重型货车平均里程比轻型和中型分别高41.6%和29.2%. 轻型和中型货运车辆在白天的行驶里程分别是夜间的2.8和1.8倍，全天小时行驶里程呈明显的单峰型分布; 而重型货运车辆昼夜行驶里程差距较小(见图7).

图7 轻型、中型、重型货车行驶里程不同时段分布特征Fig.7 Light-, medium- and heavy-duty truck mileage distribution characteristics

轨迹结果分析表明，经唐山市进出天津市、秦皇岛市、承德市的车流量分别占监测的重型柴油车进出流量的60.2%、30.4%、9.6%. 其中，通过点A～G的车流量贡献了总车流量的62.8%，是主要的城际运输通道. 在唐山市内，主要的物流通道呈“两纵四横”的特征，包括通过曹妃甸港区和京唐港区北上的S262、S252两条南北向道路，以及G102、G205、X613和G228四条东西向物流通道(见图8).

图8 唐山市主要物流通道Fig.8 Main logistics channels in Tangshan City

3.3.2车辆实际NOx排放结果分析

基于重型车远程在线监控信息对486辆变化频次低、持续时间长的货车的实际排放进行分析. 结果表明，车辆排放的φ(NOx)平均值为611×10-6，最大φ(NOx)为 2 406×10-6，最小φ(NOx)为13×10-6. 高排放车辆按φ(NOx)70%分位值超过 1 500×10-6计，监控车辆中约7.5%的车辆为高排放车(见图9)，其中国Ⅳ和国Ⅴ车辆分别占27.8%和72.2%. 高排放车φ(NOx)平均值为 1 840×10-6.

图9 管控平台中车辆φ(NOx)70%分位值累积概率分布情况Fig.9 The cumulative probability distribution of the 70% quantile value of the φ(NOx) of each vehicle in the platform

进一步分析表明，高排放车辆主要在中高速、高扭矩下行驶，其中速度在50～60和60～70 kmh的工况占比达到35.4%，这2个车速下瞬时φ(NOx)超过1 500×10-6的数据占比分别为42.7%和47.4%〔见图10(a)〕. 由图10(b)可见，在中高扭矩(50%～90%最大扭矩)下，瞬时φ(NOx)超过 1 500×10-6的数据占比超过50%，与Badshsh等[29-30]试验测得的重型柴油车排放结果较为接近.

注：超标数据为瞬时φ(NOx)超过1 500×10-6的数据，超标率为瞬时φ(NOx)超过1 500×10-6的数据占比.图10 高排放车辆不同工况点位总数以及φ(NOx)瞬时值超过1 500×10-6的数据占比Fig.10 The total number of points in different operating conditions of high emission vehicles and the proportion of the number of φ(NOx) values exceeding 1500×10-6

进一步分析高排放车辆尿素添加情况,结果表明尿素箱液位无监控信息和没有变化的占比分别为16.7%和38.9%，44.4%的车辆尿素液位有变化. 说明约有55.6%的车辆NOx排放较高的原因可能是OBD被屏蔽或传感器被损坏及未喷射尿素水溶液所致[31]；44.4%的车辆则可能是SCR还原装置或催化剂失效引起，因此即使正常添加尿素水溶液，也起不到减排作用[32-33]. 通过匹配年检、路检信息发现，这些高排放车辆最近一次年检均为通过，只有一辆高排放车辆在2019年有超过1次路检不通过的信息. 因此，车载诊断系统、路检路查等随机方式更容易筛选和监控高排放车辆.

4 结论与展望

a) 基于秋冬季和重污染应急响应期间车辆管控需求，研发了柴油机远程监控综合管控平台，通过该平台，工业企业和地方环境监管部门可以实现对区域内重型柴油货车动态化精准管控；同时，耦合遥感、路检路查、加油站、油箱液位、尿素液位等信息，进行超标车辆筛查和溯源. 下一步，可以利用实际排放监控和轨迹信息，精细刻画不同区域不同路段柴油车动态排放清单，结合钢铁等工业企业生产特征，制定更加科学、精准的秋冬季及重污染应急管控方案.

b) 唐山市应用结果表明，2018—2019年秋冬季企业移动源管控执行力度较好，排放阶段控制和流量控制执行力度平均在65%以上. 不同企业对比表明，优化车队结构可以减小车辆管控对企业生产的影响，同时降低污染物排放.

c) 行驶轨迹数据分析表明，监控货车76%的行驶里程在唐山市内，轻、中型货车白天行驶里程是夜间的2.8和1.8倍，重型车昼夜行驶里程基本相等.

d) NOx排放结果分析表明，车辆NOx高排放主要发生在中高速、中高扭矩下. NOx高排放车辆中，存在38.9%的车辆不添加尿素，44.4%的车辆即使按要求加注尿素水溶液，但由于SCR或相关催化器已失效导致NOx排放升高.