基于实际行驶里程的重型货车动态排放清单构建方法与应用

杨 艳，陈建华，张 鹏，张 凯，沈毅成，高 健*

1.中国环境科学研究院大气环境研究所，北京 100012

2.生态环境部环境规划院，北京 100043

机动车源正逐渐成为城市颗粒物和臭氧污染的首要贡献源[1-4]，重型货车又是机动车尾气NOx和PM 的主要贡献者[5-8].根据2020-2022 年《中国移动源管理年报》，我国重型货车NOx排放量占汽车总排放量的74.0%～76.1%，PM 排放量占汽车总排放量的51.5%～52.4%[9-11].排放清单可以全面量化污染物排放量和识别污染源，掌握污染物排放规律[12-14].因此，准确构建重型货车大气污染物排放清单对城市大气环境质量精细化管理具有重要意义.此外，由于重型货车具有较强的移动属性，特别是长距离跨城市运输型车辆，市域内污染物排放量应包括本地车辆和过境车辆的行驶排放，构建符合当地实际的本地和过境重型货车大气污染物排放清单是实现精准治污的重要基础.

目前，机动车排放清单编制自上而下法中年行驶里程主要通过实地调研[15-19]、环保检测数据处理与模拟[20]或采用《道路机动车大气污染物排放清单编制技术指南(试行)》[21](简称“《技术指南》”)推荐值[22-25]，并不是车辆的实际行驶里程全量数据；自下而上法中道路长度通常采用道路全长[26-34]，车辆实际不完全是在整条道路上行驶，与实际行驶里程存在较大差异.随着大数据的发展，可更加全面和精准地获取道路车辆信息和实际行驶数据.目前GPS 数据主要应用于出租车、网约车等小型客车污染物排放特征研究，何水苗等[35-36]基于GPS 数据分析了出租车CO2排放特征；韩印等[37]基于GPS 数据，对网约车污染物时空排放特征进行了分析.少量学者应用GPS 数据研究了重型货车污染物排放清单，如Ibarra-Espinosa 等[38]利用轻型货车和卡车的GPS 数据，通过模型模拟建立了污染物排放清单.Cheng 等[39-42]利用GPS 数据及路网等多源数据，根据COPERT 模型排放因子和道路长度乘积计算重型柴油货车高时空分辨率污染物排放清单，并分析了污染物时空变化特征.综上，目前缺少基于实际行驶里程建立的市级层面本地和过境重型货车全年动态排放清单的研究.

潍坊市位于山东半岛中部，是工业和农业大市，货运量位居全省前列[43]，环境空气质量受机动车影响较大[44]，尤其是重型货车等高排放运输车辆，目前针对潍坊市本地和过境重型货车污染物排放清单的研究较少.鉴于此，本研究提出了一种基于实际行驶里程建立本地与过境重型货车动态排放清单的方法，并以山东省潍坊市为例，应用GPS 大数据，分析本地和过境重型货车行驶里程和污染物排放变化特征，并与保有量法进行对比分析，以期为城市机动车污染防治精准施策和区域交通运输结构调整提供导向支持.

1 材料与方法

1.1 数据来源

GPS 大数据来源于全国道路货运车辆公共监管与服务平台(https://www.gghypt.net，简称“货运平台”)，北斗卫星定位系统数据源时间分辨率为30 s，空间分辨率为10 m，数据信息包括时间、车架号、车牌号、经度和纬度等.数据年份为2019 年，GPS 数据量共计107×108条.

1.2 质量控制和质量保证

因卫星定位装置信号偏弱或无信号、车辆停靠等因素会造成车辆GPS 数据异常，为减少这种异常对研究结果的影响，对GPS 数据进行批量校验与处理，具体方法如下.

a)轨迹数据偏离校验.参照文献[45-46]，用Python 编写程序进行批量处理，将轨迹偏移数据重新定位在合理路线上，一般定位在上一个GPS 点位与下一个GPS 点位中间，使得前后GPS 轨迹点在一条路线上.

b) GPS 弱信号或无信号轨迹数据校验.参照文献[45-46]，将车辆轨迹数据中弱信号或无信号的GPS 数据按正常速度均匀地重新定位在行驶道路上.如轨迹点在1 号位置报错，6 号位置正常出现，中间间隔2.5 min，矫正办法为每隔30 s 在道路上均匀插入轨迹点.

c)车辆停靠数据剔除.针对车辆停靠数据，采用增量聚类法对车辆停靠轨迹数据进行聚类，在一定范围内形成停靠轨迹簇，批量删除停靠轨迹簇数据.

1.3 清单构建

参考《技术指南》[25]和《城市大气污染物排放清单编制技术手册》[47](简称“《技术手册》”)，应用GPS大数据，基于实际行驶里程计算重型货车尾气污染物排放量，计算公式：

式中：j为车辆类型，包括本地重型货车、过境重型货车；m为污染物种类，包括CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC；Ejm为重型货车j的污染物m的排放量，t；i为排放标准，国Ⅰ前、国Ⅰ、国Ⅱ、国Ⅲ、国Ⅳ、国Ⅴ；EFmi为i排放标准的重型货车j行驶单位距离所排放污染物m的量，g/km；VKTij为i排放标准的重型货车j的实际行驶里程，km.

1.3.1 车型统计

GPS 数据以重型货车为主，但也存在一部分轻型和中型货车安装了卫星定位装置，将GPS 数据接入货运平台，本研究以重型货车为研究对象，需从货运平台提供的数据中筛选出重型货车相关信息，方法如下.

a)从货运平台获取车辆车架号，如LVBV5PBB3-BW010622.

b)将车架号前8 位输入商车网(https://www.cn357.com/notice)汽车公告数据查询系统，得到车辆总质量数据，再根据重型货车定义(总质量大于等于12 t)判断是否为重型货车，最终批量处理得到所有重型货车相关信息.

c)根据货运平台给出的车牌号，辨别并统计研究区域内所有的本地重型货车和过境重型货车.车型定义：重型货车是指总质量大于等于12 t 的载货汽车；本地重型货车是指注册地为研究城市的重型货车；过境重型货车是指注册地为非研究城市的重型货车，即外地重型货车.

1.3.2 排放标准确定

从货运平台获取车辆车架号，车架号第10 位字母代表车辆的生产年份，将车辆生产年份与我国重型货车各排放标准执行时间进行匹配，进而确定重型货车的排放标准.如车架号为LVBV5PBB3BW010622，第10 位是B，B 代表2011 年制造生产，由《中国移动源环境管理年报》(2021 年)中全国新生产机动车排放标准实施进度表可知，我国在2011 年重型燃油货车执行的是国Ⅲ标准，因此判断该辆车为国Ⅲ排放标准.

1.3.3 行驶里程计算

行驶里程是机动车污染物排放计算的关键参数.利用GPS 经纬度数据，通过Haversine 公式计算行车两点之间的距离，计算方法：

式中：d为两点之间的距离，km；r为地球半径，取平均值6 371 km；φ1、φ2为两个点的纬度，°；λ1、λ2为两个点的经度，°.

将某个时段内车辆GPS 经纬度数据进行批量处理，得到该时段内车辆实际行驶总里程，计算公式：

式中：t为时间，小时、日、月、年或任意时段；dijt为i排放标准的重型货车j在t时间内各轨迹点之间距离，km.

1.3.4 排放因子修正

采用《技术指南》和《技术手册》推荐的基准排放因子，考虑研究区域的地理环境、气象特征、交通工况等条件，对基准排放因子进行本地化修正，最终得到适用于该研究区域的各项污染物排放因子.其中，地理环境数据通过查阅《潍坊市统计年鉴(2020 年)》[48]获取，包括温度、相对湿度、海拔；平均速度由实地调查和文献资料[39]查阅确定，平均速度区间取40～80 km/h；劣化数据和载重系数取《技术指南》推荐值.本地化修正后的排放因子如表1 所示.

表1 本地化修正后的排放因子Table 1 Revised emission factors

2 结果与讨论

2.1 研究区域内重型货车行车构成特征

基于GPS 大数据统计研究区域内重型货车行车构成(见图1)，潍坊市2019 年重型货车交通量以过境重型货车为主，占比为77.26%，本地重型货车仅占22.74%，过境重型货车交通量是本地重型货车的3.40 倍，可见，基于GPS 大数据分析行车构成能够直接量化本地与过境重型货车的交通量，这是传统方法较难实现的.从排放标准构成占比来看，国Ⅴ重型货车占比最大，为59.03%(本地重型货车占13.59%，过境重型货车占45.44%)；其次是国Ⅳ重型货车，占比为26.26%(本地重型货车占6.37%，过境重型货车占19.89%)；国Ⅲ重型货车占比为14.71%(本地重型货车占2.78%，过境重型货车占11.93%)；无国Ⅱ及以下重型货车.

图1 潍坊市重型货车行车结构Fig.1 Composition of HDTs in Weifang City

2.2 行驶里程特征

2.2.1 时间变化

潍坊市2019 年重型货车年均实际行驶里程为19.73×108km，其中过境重型货车行驶里程占比为73.08%，过境重型货车行驶里程约是本地重型货车的2.71 倍.国Ⅳ车行驶里程最多，占比为55.26%(本地重型货车占15.89%，过境重型货车占39.37%)；国Ⅲ车行驶里程最少，占比为21.82%(见图2).本地和过境重型货车月均行驶里程分别为0.44×108和1.22×108km.从逐月变化(见图3)来看，2 月本地和过境重型货车行驶里程均明显降低，约是其他月份的26.98%～63.26%，这是由于2 月为春节假期，大部分商家和物流公司停业放假，导致物流市场需求量和活跃度下降，货运量明显减少.春节过后，企业和商家的物流需求逐渐恢复，货车交通量逐渐增加，3-12 月总体上重型货车行驶里程呈逐月增加趋势.其中，秋冬季(9-12 月)本地和过境重型货车行驶里程增幅较高，分别最高增至0.61×108、1.54×108km，主要与秋冬季是物流旺季有关，潍坊市是工业和农业大市，秋季农产品丰收、冬季工业货物储藏以及春节货物提前储备等均会引起货运量的增加，行驶里程也随之明显增加.

图2 潍坊市不同排放标准的重型货车行驶里程占比Fig.2 Proportion of VKTs of HDTs with different emission standards in Weifang City

图3 潍坊市本地与过境重型货车月行驶里程Fig.3 Monthly VKTs of local and non-local HDTs in Weifang City

2.2.2 单辆里程

从单辆重型货车日行驶里程(见图4)来看，本地重型货车日行驶里程高于过境重型货车，单辆本地和过境重型货车行驶里程分别为(126.73±15.24)和(107.10±6.14) km/d，这是由于过境重型货车多为过路车，仅是短暂行驶路过，在研究区域内行驶里程相对较少.与《技术指南》中行驶里程推荐值(75 000/365=205.48 km/d)相比，基于GPS 大数据计算的单辆重型货车日行驶里程低于推荐值，里程差异范围为38.05%～47.80%.引起该里程差异的主要原因是基于GPS 大数据计算的行驶里程指的是本地重型货车和过境重型货车2019 年在研究区域内的实际行驶里程，而《技术指南》里程推荐值指的是单辆重型货车年均行驶里程，包括在本地和外地行驶的里程.此外，城市地理位置、经济发展、交通结构、产业结构以及研究年份也是引起2 种方法里程差异的重要因素，《技术指南》里程推荐值是在编制年份时全国重型货车平均行驶里程水平，地域和年份未进行细化和更新.因此，对于长距离跨城市运输型的重型货车(本地或过境重型货车)，对其行驶里程本地化以及动态化更新尤为重要.从里程与车龄变化(见图4)来看，车龄在2～9 a 的重型货车随着车龄的增加，行驶里程呈减少趋势，新购入车辆(车龄为1 年内)行驶里程不是最高的.

图4 潍坊市不同车龄的单辆重型货车日均行驶里程Fig.4 Daily average VKTs of a single HDT of different ages in Weifang City

2.3 动态排放清单

2.3.1 年排放特征

潍坊市2019 年重型货车CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 年排放量分别为2 811.00、7 334.06、275.90、33.50、344.70、119.02、130.31、69.18 和17.69 t，其中过境重型货车各污染物排放占比在73.07%～76.31%之间，约是本地重型货车排放量的2.71～3.22 倍，由此可见，过境重型货车是潍坊市重型货车污染物排放的主要贡献源.

不同排放标准的重型货车交通量和污染物排放占比如图5 所示，对于本地重型货车，国Ⅳ车对各项污染物排放贡献率最大；对于过境重型货车，国Ⅳ车对CO、NOx、SO2和NH3排放贡献最大，国Ⅲ车对VOCs、PM2.5、PM10、BC 和OC 排放贡献最大.总体而言，国Ⅲ和国Ⅳ车交通量仅占40.00%左右，污染物排放占比在74.88%～96.48%之间，表明加快淘汰低排放标准重型货车对潍坊空气质量改善仍是有效可行的措施.

图5 潍坊市不同排放标准的重型货车交通量和污染物排放量占比Fig.5 Proportion of the traffic volume and emissions of HDTs with different emission standards in Weifang City

2.3.2 日排放变化

基于逐日行驶里程计算了2019 年本地和过境重型货车污染物逐日排放量.由图6 可见，PM2.5和NOx日排放量均呈周内高、周末低的规律性变化特征，星期一开始排放量逐渐增加，星期三或星期四增至最高，星期日降到最低.除春节等节假日外，整体上本地重型货车日均排放量变化相对平稳，PM2.5和NOx日排放量分别为(0.08±0.02)和(5.24±1.61) t；过境重型货车从年初开始日排放量呈逐渐增加趋势，增幅相对较大，PM2.5和NOx日均排放量分别为(0.25±0.07)和(15.10±4.33) t.过境重型货车各项污染物日均排放量约是本地重型货车的2.33～4.00 倍(见表2).

图6 潍坊市重型货车PM2.5 和NOx 逐日排放量Fig.6 Daily emissions of PM2.5 and NOx from HDTs in Weifang City

表2 潍坊市本地重型货车与过境重型货车污染物日均排放量Table 2 Daily average emissions of local and non-local HDTs in Weifang City

2.3.3 小时变化特征

为满足货车污染防治精准管控需求，建立重型货车小时排放清单.鉴于2019 年9-12 月潍坊市内重型货车行驶里程较高，选取9-12 月GPS 数据分析小时污染物变化特征(见图7).本地重型货车CO、NOx、VOCs 和PM2.5小时排放量分别为(11.48±2.38)(28.70±6.19)(1.35±0.29)和(0.43±0.10) kg，过境重型货车分别为(34.72±5.69) (90.67±14.92) (4.27±0.70) 和(1.47±0.24) kg，过境重型货车小时排放量明显高于本地重型货车排放量.从变化趋势看，本地重型货车小时污染物排放量呈单峰分布，峰值出现在12:00，18:00 开始逐渐下降，与本地人们活动变化较为吻合；过境重型货车小时污染物排放量分别在12:00、20:00出现峰值，呈双峰分布，其中晚间峰值可能由于潍坊市是工农业大市，傍晚外地车辆开始大量向外运输货物所致，这与夜间道路上货车车流较大的特征较为吻合，因此潍坊市应重点关注过境重型货车夜间行驶排放影响.

2.3.4 主要道路排放特征

考虑冬季气象条件不利，易发生重污染过程，选取2019 年12 月GPS 数据分析道路污染物排放变化情况，重点分析重型货车污染物排放较高的前50 条道路(简称“R50”)上的污染物排放特征，应用ArcGIS软件，绘制了R50本地和过境重型货车PM2.5、NOx排放量空间分布情况(见图8).由图8 可见，本地和过境重型货车污染物排放量空间分布相似，均在高速路、国道和省道上排放量较高，但过境重型货车在高速公路排放量较高的特征更为突出.对于本地重型货车，2019 年12 月R50排放量差值(最大值与最小值之差)相对较小，PM2.5排放量差值为0.39 t，NOx排放量差值为26.36 t，污染物排放较高的前3 条道路分别为S222、G206 和青银高速公路.对于过境重型货车，2019 年12 月R50排放量差值较大，特别是NOx，其月排放量在11.58～144.00 t 之间，排放量差值为132.42 t，在青银高速公路上污染物排放量(NOx月排放量为144.00 t)明显高于排名第二的S222(NOx月排放量为83.68 t)，可见青银高速公路是潍坊市过境重型货车的重要交通干道.

图8 潍坊市本地和过境重型货车R50 道路污染物排放空间分布Fig.8 Spatial distribution of pollutant emissions from local and non-local HDTs on R50 roads in Weifang City

2.4 与保有量法对比

2.4.1 排放量比较

采用保有量法[25,47]对潍坊市重型货车排放量进行计算，里程值取《技术指南》和《技术手册》推荐值(75 000 km/a)，排放因子修正与1.3.4 节相同.从车辆管理部门获取的重型货车保有量为7.92×104辆，计算的CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 排放量分别为8 814.03、25 209.27、831.09、100.92、1 226.3、454.51、504.72、265.84 和70.64 t/a，高于2.3.1节基于实际行驶里程的计算结果，这与潘玉瑾等[49-51]研究中基于保有量法计算的重型货车排放量偏高结论一致.基于保有量法计算的重型货车污染物排放量高于基于实际行驶里程法的计算结果，2 种方法排放量差异在66.80%～74.96%之间(见表3)，主要由于行驶里程计算方法不同导致.本研究应用GPS大数据计算的是本地和过境车辆在研究区域的实际运行里程，而保有量法是由保有量与单车年均行驶里程相乘得到总行驶里程，其中单车年均行驶里程除在本地行驶里程外，还包括在外地的行驶里程，由于重型货车具有较强的移动性，本地重型货车可能在外地行驶较多，导致保有量法计算结果较高.

表3 2 种方法计算的污染物排放量对比Table 3 Comparison of pollutant emissions calculated by two methods

2.4.2 方法比较

本研究应用GPS 大数据，以本地和过境重型货车在研究区域内实际行驶里程为基础计算了尾气排放清单，考虑了货车较强的移动性，建立了本地和过境重型货车动态排放清单.与保有量法比较，本研究方法具有如下优点：①行车结构方面，分析了本地和过境重型货车交通量和行驶里程特征；②行驶里程方面，计算得到的是本地和过境重型货车的实际行驶里程，没有将本地重型货车在外地的行驶里程计算在内，且包含了过境重型货车在本地的行驶里程，计算结果更接近于实际状况；③排放清单分辨率方面，时间分辨率为小时，空间分辨率为道路路段.

2.5 不确定性分析

本研究在排放清单构建过程中，行驶里程取自车辆GPS 大数据，其可降低结果的不确定性.但由于数据获取和方法估算局限性等原因，不可避免地仍存在一定不确定性.本研究不确定性主要包括以下几个方面：①排放因子.由于未开展本地排放因子测试工作，采用《技术指南》和《技术手册》基准排放因子进行本地化修正，存在一定不确定性.②燃油类型.因受数据获取限制，尚未区分车辆燃油类型，鉴于2019 年我国重型货车以柴油为主，将重型货车燃油类型视为柴油.未来研究将进一步优化数据质量和方法论，以更全面地评估重型货车污染物排放清单及其对环境的影响.

3 结论

a)基于GPS 大数据计算的本地和过境单辆重型货车日行驶里程分别为(126.73±15.24)和(107.10±6.14)km，里程值为本地和过境重型货车在研究区域内的实际运行里程，计算结果更接近于实际状况.

b)基于实际行驶里程建立了重型货车动态排放清单，潍坊市2019 年重型货车CO、NOx、SO2、NH3、VOCs、PM2.5、PM10、BC 和OC 排放量分别为2 811.00、7 334.06、275.90、33.50、344.70、119.02、130.31、69.18和17.69 t.其中，过境重型货车各污染物排放量占比范围为73.07%～76.31%，约是本地重型货车排放量的2.71～3.22 倍.

c)过境重型货车NOx和PM2.5小时排放量分别为(90.67±14.92)和(1.47±0.24) kg，变化趋势均呈双峰分布，峰值分别出现在12:00 和20:00；本地重型货车NOx和PM2.5小时排放量分别为(28.70±6.19)和(0.43±0.10) kg，变化趋势均呈单峰分布，峰值均出现在12:00.过境重型货车在青银高速公路上的污染物排放量明显高于其他道路.

d)基于保有量法计算的重型货车污染物排放量高于基于实际行驶里程法的计算结果，2 种方法计算的排放量差异在66.80%～74.96%之间.