李 嘉，贺寒辉，彭 勃

(1.湖南大学土木工程学院，长沙410082；2.湖南文理学院土木建筑工程学院，湖南常德415000)

0 引言

进行微观层面机动车污染物排放分析时，最能反映当地车辆实际运行状况的数据是车辆运行工况分布(Operating Mode Distribution)，同时这也是最难获取的输入参数.对于我国道路上的车辆运行工况分布，北京交通大学进行了较为持续的研究.宋国华等[1]在比较高峰时段和非高峰时段快速路和非快速路的比功率(Vehicle Specific Power，VSP)分布后，展示了不同类型道路VSP分布截然不同的特征.姚恩建等[2]分析了北京不同类型道路在不同平均速度下的VSP分布，据其计算和比较了电动汽车的能耗系数.由于VSP分布的调查和分析需要较大工作量，一个研究方向是揭示VSP分布与平均速度等交通参数的定量关系，宋国华等[3-5]对北京等特大城市的快速路进行了研究，在平均速度高于20 km/h和低于20 km/h的情况下分别建立了数学模型.由于在美国环境保护局开发的MOVES(Motor Vehicle Emission Simulator)软件中，运行工况分布是VSP和瞬时速度的组合分布，前述模型还不能直接应用于交通网络排放测算，因此胥耀方等[6-7]分别针对路段和交叉口，研究了VSP和瞬时速度组合分布的规律，建立了相应的运行工况分布模型并应用模型进行了排放测算.

目前针对车辆运行工况与排放测算而进行的研究主要集中在北京市等特大城市.为探究旅游型中小城镇的车辆运行工况特征与污染物排放规律，本文以韶山为案例进行研究，研究成果对完善我国机动车运行工况与污染物排放研究具有积极意义，同时也可以为制定旅游城镇减排措施提供技术支持.

1 路网污染物排放测算方法

机动车行驶过程中的污染物排放总体上按照先“按类分解”，再“聚类合计”的方法进行测算.

1.1 按类分解

(1)路网按类分解.

在确定了污染物排放测算的地域范围后，将范围内的路网按照道路等级、功能、车道数、车流量、车型构成、运行速度、行人干扰与交叉口情况等指标划分为路段.设第i个路段长度为Li(km)，路段平均车速为Vi(km/h)，通过该路段的车辆总数为Qi(辆)，则该路段上车辆的总运行时间Ti(辆·h)为

(2)运行时间按类分解.

将路段总运行时间分解为各稳排工况(具有稳定污染物排放速率的运行工况)对应的运行时间，稳排工况是车辆特征、车龄与运行状态的组合.车辆特征主要包括对污染物排放产生较大影响的燃料种类(汽油、柴油、CNG、LPG、乙醇、电动等)、车辆类型(摩托车、轻型客车、大巴、轻型货车、货车整车、拖挂车)、发动机研发时间等.车龄是指机动车实际使用的年限.车辆运行状态在MOVES中用瞬时速度(km/h)和比功率(VSP)的组合来表达，称为“运行工况”，其中VSP为[8]

式中：A、B、C为道路荷载系数(kW-s/m、kW-s2/m2、kW-s3/m3)；M为车辆质量(t)；g为重力加速度，取值9.8 m/s2；v为车辆瞬时速度(m/s)；a为车辆瞬时加速度(m/s2)；sinθ为道路坡度.

为便于测算，将车辆特征、车龄、运行工况按一定区间进行分类，并确定相应类别的分布比例.设车辆特征为第j类的比例为Sj，第j类车辆特征下车龄为第k类的比例为Aj,k，第j类车辆特征、第k类车龄下运行工况为第n类的比例为Oj,k,n，那么对于路段i，稳排工况jkn(对应车辆特征第j类、车龄第k类、运行工况第n类)对应的运行时间Ti,j,k,n(辆·h)为

且有：

式中：fj,k,n为稳排工况jkn的运行时间占路段i总运行时间的比例，fj,k,n=SjAj,kOj,k,n.

对于微观层面的排放测算，车辆特征分布和车龄分布偏静态，其参数Sj和Aj,k可结合交通调查予以确定.运行工况分布与路段技术等级、车道宽度、车道数、路段车流量、车型构成、拥挤程度、交叉口控制方式等诸多因素直接相关，其参数Oj,k,n偏动态，较难确定，但它又是项目层面排放测算中最能反映车辆实际运行状况的数据，是本文的研究重点.

1.2 聚类合计

得出各稳排工况的运行时间后，根据稳排工况的排放率，就可以累积计算得出路段排放，实现聚类合计.由于温度、湿度、空调使用、燃料特征、车检与保养等情况也会对污染物排放产生一定影响，故在聚类合计时应对污染物排放量进行相应修正，即路段i的污染物排放Ei(g)为

式中：Pj,k,n为稳排工况jkn的排放率(g/h)，计算不同污染物时采用相应的排放率；KA、KH、KC、KF、KS依次为温度修正系数、湿度修正系数、空调使用修正系数、燃料特征修正系数、车辆检修保养修正系数.

最后按式(6)计算路网污染物总排放E(g).

实际应用中也可在得出典型路段的排放因子后，将其推广到类似路段，再汇总计算路网污染物总排放.先在式(5)的基础上，按式(7)计算得出典型路段按车公里计算的排放因子Ri(g/(辆·km)).

然后统计与典型路段具有相似特征的路段长度L0i(km)和通过该路段的车辆总数Q0i(辆)，按式(8)计算路网污染物总排放E(g).

路网污染物排放测算技术路径如图1所示.

图1 路网污染物排放测算流程图Fig.1 Emission estimate roadmap

2 运行工况调查分析

2.1 运行工况调查与数据处理

如前所述，运行工况分布是本文研究的重点，选择湖南韶山作为案例，于2016年11月18～21日在典型道路上进行了运行工况调查.

基于排放测算，将韶山市的主要道路按功能、车道数、速度限制、行人干扰、车型构成、交叉口信号控制情况等特征分为城镇中心干道、城镇外围干道、景区主线、景区支线等4种类型.调查测试路线根据道路类型设计，覆盖的城镇中心干道主要有英雄路、韶山路、车站路、新颜路、迎宾路等，城镇外围干道主要有韶山大道、外环路、韶峰大道等，景区主线主要有韶峰路、X037线等，景区支线主要有X039、X040、滴水洞路等.

运行工况调查针对小客车展开，测试车型为雪铁龙C4L，2014自动款，排量1.8 L，选择韶山本地驾驶员与外地驾驶员各10名，各驾驶员对每条线路往返测试2次.车辆行驶过程中的逐秒位置、瞬时速度、移动方向等GPS信息采用手机百度地图采集.

车辆逐秒VSP值采用式(2)计算，本文不考虑道路坡度影响，取sinθ=0，系数A、B、C采用平均值，依次为0.156 5、0.002 0、0.000 5，M采用调查车辆实际值1.58 t.

为批量进行数据处理和相关计算，编制了excel VBA宏程序，最终得到有效数据122 083条，每条记录对应1 s的瞬时工况.

2.2 速度分布特征

按驾驶员类型与道路类型统计瞬时速度的算术平均值，结果如图2所示.可以看出，在各种类型道路上，本地驾驶员的平均车速全部高于外地驾驶员，在景区道路上这种差别更明显，这一点也可从瞬时速度分布图(图3)中看出.城镇中心干道上，本地驾驶员与外地驾驶员两条曲线的差异并不大；城镇外围干道上，两者的差别也主要只是本地驾驶员的瞬时速度分布更为集中；而在景区道路上，两者则出现了明显的偏移.

图2 平均速度Fig.2 Average speeds

图3 瞬时速度分布图Fig.3 Distributions of instantaneous speed

2.3 VSP分布特征

机动车污染物排放率与瞬时速度和VSP值的组合直接有关，因此分析VSP分布时，需要先将其按对应的瞬时速度划分开来.MOVES中将车辆瞬时速度分为4个区间：〈1.6，[1.6，40)，[40，80)，≥80 km/h.瞬时速度〈1.6 km/h时，不管VSP为何值，均对应唯一的运行工况“怠速”和较为一致的排放率，故不需分析VSP分布；由于本文所研究的道路实测速度均小于80 km/h，故分析VSP分布时，仅涉及[1.6，40)，[40，80)两个速度区间，以下依次简称“低速区间”“高速区间”.

统计各VSP分布的变异系数，如表1所示，不同驾驶员类型、不同道路类型对应的VSP分布如图4所示.

表1 VSP分布的变异系数Table 1 Coefficient of variation of VSP distributions

从表1可以看出，对于道路类型和瞬时速度区间的任意组合，本地驾驶员对应的变异系数均大于外地驾驶员，表明本地驾驶员的VSP分布比外地驾驶员普遍更为离散，景区道路上这种趋势更为明显，例如，低速区间下景区主线和景区支线的VSP分布，本地驾驶员对应的变异系数分别为7.874和6.135，明显高于外地驾驶员相应的4.500和2.962.这种趋势也直观地体现在VSP分布图中，如图4(c)和图4(d)中，本地驾驶员对应的分布曲线比外地驾驶员，峰值更小，形状更扁平，大VSP值区间(VSP值大于10)具有更高的频率.决定VSP值大小的主要因素为车辆的速度和加速度，从式(2)可以看出，速度、加速度越大，VSP值越大.本地驾驶员更加熟悉路况，车速更高，而在追求更高速度的情况下需要频繁的加减速，大VSP值相对较多；外地驾驶员则由于不熟悉路况，平均车速较低，行车不如本地驾驶员激进，大VSP值相对较少.在景区，由于路况的复杂性、出行目的的差异性，这种差别更为突出.

综上，不同驾驶员类型、不同道路类型的速度和VSP分布均存在一定的差异，这种差异势必带来污染物排放因子的差别.

图4 VSP分布图Fig.4 VSP distributions

3 污染物排放因子

为便于比较，除运行工况以外，其他参数如车辆特征、车龄分布、温度、湿度均采用统一输入值，燃料数据、空调使用、车辆检修保养等参数，以及各稳排工况对应的排放率均采用默认值.

将韶山市典型道路上本地驾驶员、外地驾驶员运行工况分布导入MOVES模型，运行后即可得到相应的排放因子(依次简称“修正本地”“修正外地”).本文选择CO、NOx、HC和PM2.5这4种主要污染物进行分析，结果如图5所示.图中还列出了采用MOVES默认运行工况得出的排放因子(依次简称“默认本地”“默认外地”).

图5 污染物排放因子Fig.5 Emission factors

从图5可以看出：

(1)采用实际运行工况分布和MOVES默认运行工况分布得出的排放因子存在较大差异.采用实际运行工况得出的污染物排放因子中，除本地驾驶员在景区道路上的排放因子与默认工况得出的排放因子相近外，其余均明显低于默认工况得出的排放因子.因此，在应用MOVES时，直接采用默认的运行工况分布，得出的排放结果将产生较大误差，据统计，CO和PM2.5的排放可能会比实际排放值平均高出30%左右，HC可能高出50%左右，而NOx误差最大，可能高出80%左右.

(2)采用实际运行工况得出的本地驾驶员污染物排放因子全部高于外地驾驶员，在景区道路上尤其明显.例如，景区主线上，本地驾驶员的CO、NOx、HC和PM2.5排放因子比外地驾驶员分别高出46.9%、71.7%、73.6%和46.2%.从前面运行工况的分析可知，相对于外地驾驶员，本地驾驶员平均车速更高，VSP分布更离散，正是这种驾驶行为和运行工况的差异带来了污染物排放因子的差别.这对于环保驾驶的启示是，驾驶员在熟悉的道路上更容易偏激进地驾驶，从而造成更高的污染物排放量.

4 污染物排放计算实例

为了减少韶山市核心景区道路的交通拥堵与机动车尾气排放污染环境问题，韶山景区于2016年3月25日启动游客换乘方案(以下简称“换乘方案”)，具体为外地游客自驾车辆驶入换乘中心停车场，换乘景区环保车进入景区.

经调查，换乘中心启用前，景区内小客车在景区主线上的平均行驶距离为9.7 km，支线平均行驶距离为5.8 km.在景区主线、景区支线本地驾驶员及外地驾驶员对应的污染物排放因子基础上，依据2016年8月1～30日换乘中心停车场、景区卡口交通量数据，按式(8)计算路网污染物排放量和减排量，以CO和NOx为例，结果如图6所示.

图6 换乘方案的污染物减排效益Fig.6 Emission reduction by the transfer project

由图6可见，减排量在1个月之内呈周期性变化，周末(8月6、7、13、14、20、21、27、28日)减排量大.CO每天的减排比例为70%～85%，NOx的减排比例为65%～80%.

将8月1～30日韶山景区内CO、NOx、HC和PM2.5的总排放量汇总于表2，可以看出换乘方案具有较好的减排效益，各污染物总减排比例为73%～78%.

5 结论

通过在韶山市不同道路类型上调查本地驾驶员和外地驾驶员驾驶小客车的逐秒GPS数据并进行计算处理，分析对应的运行工况分布情况，并将运行工况分布数据导入MOVES软件，测算相应的污染物排放因子，据此研究韶山市游客换乘方案的污染物减排效益.研究发现：

表2 污染物排放汇总表Table 2 Total Emission

(1)相对于外地驾驶员，本地驾驶员平均车速更高，VSP分布更离散，这在景区道路上尤其明显.运行工况的差别使得本地驾驶员的污染物排放因子在所有道路类型上全部高于外地驾驶员，景区道路上高出更多.

(2)在应用MOVES软件时，若不进行运行工况调查而直接采用默认的运行工况分布，得出的排放结果将会产生较大误差.

(3)根据得出的排放因子和韶山景区的车流量等数据进行测算，发现实行游客换乘方案对景区污染物减排有较好效果.