巴兴强，徐孟发，李洪涛

(东北林业大学 交通学院， 哈尔滨 150040)

截止2016年底，我国机动车保有量达2.95亿辆。2016年，全国机动车排放污染物初步核算为4 532.2万t，其中氮氧化物(NOx)577.8万t，碳氢化合物(HC)422.0万t，一氧化碳(CO)3 419.3万t，颗粒物(PM)56.0万t。汽车是机动车污染物排放总量的主要贡献者，其排放的NOx和PM超过90%，HC和CO超过80%[1]。

MOVES是由美国环保署(EPA)开发的新一代综合移动源排放模型，能在宏观、中观和微观不同层面上进行排放测算，精度较高，是一种综合性、适应性更强的尾气排放模型[2]。在国外许多学者将MOVES模型与交通类模型结合使用，利用微观仿真软件输出的逐秒数据来实现MOVES的排放测算。Sadeka等[3]利用微观仿真软件Paramics提取逐秒的数据来提高MOVES微观层面的仿真测算精度。国内学者郭园园等[4]对MOVES模型结构原理和排放计算也进行了研究。黄文伟[5]用MOVES对车辆的排放因子进行模拟，结合实测结果对其进行验证。张广昕[6]基于MOVES对机动车排放进行分析，提出减排措施。

Labview是一种图形化的编程工具，功能强大、灵活，其图形化的界面使得编程及使用过程都方便高效[7]。基于此，本文根据MOVES模型计算原理，将微观交通仿真模型VISSIM与MOVES结合使用，用Labview编制机动车运行工况计算平台，搭建排放测算平台分析交叉口组织优化措施对于排放效果的影响。

1 运行工况计算平台设计

1.1 MOVES模型计算原理

机动车比功率VSP综合考虑了车辆实际行驶过程中速度、加速度和道路坡度等影响功率输出的情况，与油耗排放等密切相关，近年来在各种机动车尾气量化排放模型中使用越来越广泛[8-9]。MOVES就是将机动车行驶工况与机动车比功率VSP和速度相关联起来，作为计算排放率的其中一个重要数据[10-11]。简化的VSP计算公式为：

VSP=v(1.1a+0.132)+0.000 302×v3

其中：a表示机动车的加速度(m/s2)；v表示机动车速度(m/s)。

本平台首先根据VISSIM评价文件输出的机动车逐秒的a和v值，根据VSP计算公式得到机动车的瞬时VSP。

MOVES在进行微观层面排放测算时，最主要的输入数据是排放源bin运行工况分布参数，运行工况比速度和行驶周期能更详尽描述排放源的运行特征[14-15]。MOVES模型中把机动车排放分成不同的排放源bin，排放源bin模块与机动车比功率VSP和速度的关系见表1。

表1 机动车运行工况分布

注：刹车工况bin为0，怠速工况bin为1。

1.2 MOVES与VISSIM耦合

VISSIM中车型分为小汽车、公交车、货车等6种。MOVES中车辆类型分别为摩托车、轿车、客运车等11种[12-13]。将两个软件结合使用，须建立两者之间的车型对应关系。本文主要分析小汽车、公交车和货车的排放特性，3种车型在VISSIM和MOVES的对应关系见表2。

表2 VISSIM和MOVES车型对应关系

本文用Labview编程工具搭建机动车运行工况计算平台，通过VISSIM输出的逐秒数据计算机动车运行工况分布比例，之后导入MOVES中进行排放测算。

1.3 搭建排放测算平台

根据VSP计算公式和表1中运行工况与VSP、v的关系，用Labview编程计算。基于VISSIM逐秒仿真数据的机动车运行工况计算平台如图1所示，该数据转换平台可以更好地将VISSIM和MOVES结合使用。

图1 运行工况计算平台

基于该数据转换平台，可共同构建基于微观交通仿真模型的排放测算平台，具体工作流程如图2所示。

图2 排放测算平台流程

根据调查得到的交通基础数据，在VISSIM中进行交通仿真，通过VISSIM评价“车辆记录”中输出“车辆编号”、“车辆类型”、“车道路段编号”、“车道索引”、“速度”、“加速度”等参数；用MySQL数据库对VISSIM数据按照“路段编号”进行处理，将每条路段上的机动车类型、速度、加速度进行统计处理，作为导入机动车运行工况平台的基础数据；将整理过的数据通过人工操作导入到机动车运行工况计算平台，得出各路段各车型的运行工况分布比例；然后将各路段上的机动车运行工况分布比例按照“MOVES data import”导出模板进行填充，再将填充的“路段信息”、“运行工况”等数据导入MOVES模型进行排放测算。

2 交叉口组织优化排放分析

选定一城市信号控制交叉口，东西方向为双向9车道主干路，南北为双向5车道次干路，该交叉口的基础信息见表3和表4。

表3 原始交叉口信号配时方案 s

表4 原始交叉口数据 (veh·h-1)

注：交通组成采用VISSIM默认值，95%为小汽车，公交车为3%，货车为2%。

2.1 原始交叉口排放特性分析

在VISSIM中构建交叉口模型，对驾驶行为参数进行校正，设置最小车头间距1 m，消失前等待时间80 s，最小车头间距1 m，设置安全距离的附件部分为2.75 m，安全距离的倍数部分为3.75 m。通过机动车运行工况计算平台得到的机动车VSP的分布情况如图3所示。

图3 原始交叉口各车型VSP bins分布

由图3可知：各车型在交叉口的怠速工况比例都比较高，小汽车VSP bins分布在bin16～bin24区间，货车和公交车VSP bins主要分布在bin0～bin16区间，VSP bins超过bin30的比例较低，表明机动车在经过交叉口时速度较低，说明研究机动车在交叉口排放是解决交通排放的重点。经排放测算平台计算得出原始交叉口车均延误、平均停车次数及单位小时交叉口污染物排放量，见表5。

表5 原始交叉口评价指标

2.2 交叉口渠化对交通排放的影响

对原始交叉口南北向进口道进行渠化，进口道右侧拓宽，由3条进口道改成4条，左边车道设为左转，中间两条为直行，右边为右转，如图4所示。

图4 南北向进口道渠化

交叉口渠化后，对渠化前后各类车型的VSP bins分布情况进行分析，结果如图5所示。

由图5可知：渠化后各车型的怠速工况和刹车工况比例都有所减少。经排放测算平台计算渠化后车均延误、停车次数及单位小时内交叉口污染物排放量，结果见表6。渠化后车均延误为25.9 s，下降了9.1%；平均停车次数为0.62，减少了13.9%；渠化后CO、HC和NOx排放分别下降了31.1%、13.2%、6.7%。故对交叉口采取合理的渠化措施不仅可以降低机动车的行车延误和停车次数，对于减少交通排放也很有帮助。

图5 渠化后VSP bins分布对比

评价指标车均延误/s停车次数排放量/(g·h-1)COHCNOx渠化25.90.625 428.991 136.891 407.45原始28.50.727 875.291 309.79 1 509.06

2.3 设置左转待转区对交通排放的影响

在原始交叉口设置东西向的左转待转区，须在交叉口增加信号灯组5，设置在东西向进口道左转车道，信号灯组4前移至左转待转区域，东西直行相位的信号灯组保持不变。交叉口信号灯组调整如图6所示。

图6 信号灯组调整示意图

设置左转待转区后，各车型VSP bins分布情况如图7所示。

图7 设置左转待转区后VSP bins分布对比

由图7可知：设置左转待转区后，机动车刹车工况bin0比例有所增加，怠速工况bin1比例有所下降，表明设置左转待转区后交叉口的停车次数有所增加。设置左转待转后车均延误、停车次数及单位小时内污染物排放量见表7。设置左转待转区后，车均延误为28.1 s，车均延误降低1.4%；停车次数为0.74，增加了2.7%；交叉口CO、HC和NOx排放量分别增加37.3%、15.2%、21.6%。设置左转待转区充分利用了交叉口的几何空间和左转相位绿灯时间，但交通排放可能增加，故在交叉口设置左转待转区时要权衡交叉口排放与延误水平之间的权重。

表7 设置待转区的交叉口评价指标

2.4 信号优化对交通排放的影响

原始交叉口仿真中出现部分相位车辆排队时间长，而有的相位没有车辆通行，所以需要对叉口的初始信号配方案时进行优化。根据韦伯斯特信号配时算法对信号配时进行优化，优化后的信号配时参数见表8。

表8信号配时优化参数 s

信号配时优化后，各车型VSP分布变化如图8所示。由图8可知：经过信号优化后的交叉口机动车怠速VSP bins分布比例有所减少，小汽车VSP bin16～bin30所占比例有所增加，公交车和货车VSP bin12～bin16所占比例也有所增加。信号优化后车均延误、停车次数及单位小时污染物排放量见表9。信号优化后的车均延误为25.4 s，减少了8.05%；停车次数为0.675，减少了6.64%；CO、HC和NOx排放量分别降低了4.9%、16.8%、9.3%，减排效果明显。

图8 信号优化后VSPbins分布对比

评价指标车均延误/s停车次数排放因子/(g·h-1)COHCNOx信号优化25.40.6757 489.481 089.251 369.84基础28.50.727 875.291 309.79 1 509.06

3 结论

通过搭建机动车运行工况仿真平台，更好地将VISSIM和MOVES结合使用，为微观交通层面进行排放测算提供精确量化的方法，利用排放测算平台对交叉口组织优化措施进行分析，结果表明：

1) 对交叉口进行合理渠化、结合路权分配等措施不仅能减少交叉口的车均延误和停车次数，同时对于减少交叉口的排放也有明显效果。

2) 对于左转车流较大的交叉口，设置左转待转区可以有效地利用信号绿灯时间，减少车辆在交叉口的延误时间，但增加了机动车的停车次数，污染物排放可能增加，因此在考虑设置左转待转区时，应该充分权衡行车延误和交通排放之间的权重。

交叉口信号优化的目的是最大限度地满足交叉口的交通需求，合理的信号优化是降低车均延误和减少交通排放更有效、快捷的方法。

用该排放测算平台对交叉口组织优化措施进行排放测算分析，可以从微观层面精确量化每种组织措施对交通排放的影响。

[1] 环境保护部.中国机动车环境管理年报(2017)[EB/OL].[2017-06-20].http://www.mep.gov.cn/gkml/sthjbgw/qt/201706/t20170603_415265.htm.

[2] 黄冠涛.基于MOVES的微观层次交通排放评价[D].北京：北京交通大学,2011.

[3] SADEKA W,ZHAO Y J.Computation efficient approaches to integrating the MOVES emissions model with traffic simulators[J].Procedia Computer SciVerse,2013,35(5):882-887.

[4] 郭园园,曹罡,朱荣淑.基于深圳本土化MOVES模型微观层次敏感性分析[J].交通信息与安全,2015,33(2):116-123.

[5] 黄文伟,强明明,孙龙林，等.基于MOVES的车辆排放因子测试[J].交通运输工程学报,2017,17(1):140-148.

[6] 张广昕,孙晋伟.基于MOVES的机动车排放分析及控制措施研究[J].交通节能与环保,2013,9(1):24-29.

[7] 吴湖青，李秀梅.基于Labview的信号处理虚拟实验平台.[J].杭州师范大学学报(自然科学版)，2014,13(6):669-672.

[8] 杨鹏史，刘永红，黄玉婷，等.基于ES-VSP分布的交通状态对公交车动态排放的影响[J].环境科学研究,2017,30(11):1793-1800.

[9] 杨兆升,曲鑫,林赐云，等.考虑低排放低延误的交通信号优化方法[J].华南理工大学学报(自然科学版),2015,43(10):29-34+41.

[10] 吕宁宁.基于MOVES的交通排放评价系统及优化[D].西安：长安大学,2012.

[11] 姚荣涵,王筱雨,赵胜川,等.基于机动车比功率的单点信号配时优化模型[J].交通运输系统工程与信息,2015,15(5):89-95.

[12] 谢荣富,陈振斌,邓小康，等.基于MOVES2014a的海口市机动车污染物排放特征及分担率研究[J].海南大学学报(自然科学版),2017,35(3):282-289.

[13] U.S.Environment Protection Agency.Using MOVES2014 in project-level Carbon Monoxide Analyses[R].Washington:Transportation and Climate Division Office of Transportation and Air Quality,2015.

[14] U.S.Environment Protection Agency.MOVES 2014a User Guide[R].Washington:Assessment and Standards Division Office of Transportation and Air Quality,2015.

[15] 肖裕龙.基于机动车PM2.5排放分析的信号控制交叉口仿真优化研究[D].成都：西南交通大学,2015.