郭 栋,闫 伟,谭啸川,高 松,高兴邦,张同庆 (山东理工大学交通与车辆工程学院,山东 淄博 255000)

中国提出INDC(Intended Nationally Determined Contributions)目标,即CO2排放力争于2030年前达到峰值,努力争取 2060年前实现碳中和.据统计,2019年中国机动车4项污染物(CO、HC、NOx、PM)排放总量为1603.8万t,其中,汽油车的CO排放量超过总量的80%,HC排放量超过70%[1].

在市场预测方面,往往采取 SD(System Dynamics)[2-3]、时间序列[4]、灰色预测[5]、神经网络[6]、回归预测[7]等方法进行探究,数据要求多,因素间相互作用考虑较少,不能微观的反映变化趋势,引入Lotka-Volterra模型可以有效的解决此问题,但目前仍然停留在2种群竞争[8-9],未对其进行拓展,且较少应用于机动车领域.在排放分析方面,自 20世纪80年代以来,欧美国家逐步建立如 MOBILE、MOVES、HBEFA等排放因子库[10].近年来,各国通过比功率[11]或实车实验[12]等方法测得排放因子,继而运用机器学习[13-14]或相关算法[15],改进现有模型,建立道路动态排放模型[16].在排放方面的研究多为单车或车队研究,宏观研究选择全生命周期模型能实现很好的评估效果[17-18],但学者对系统边界的建立有差异,缺乏市场全生命周期的完善.对于政策影响的研究,往往采用WRF-Chem[19]等模型定量评估政策影响;外延政策影响则采用情景模拟或 SD仿真进行预测[20-21].目前对于乘用车市场政策研究较少,多采用单一政策评估[22-23],且多为纵向比较,缺少横向比较.

本文引入 Lotka-Volterra模型对以动力来源为分类标准的乘用车变化进行预测,展示其市场内部竞争趋势;并通过拓宽全生命周期研究系统边界,加入 6类排放因子以丰富乘……