機動車非尾氣顆粒物排放研究*

郝艷召, 鄧順熙, 邱兆文, 高嬋娟

(1.長安大學汽車學院，西安 710064；2.長安大學環(huán)境科學與工程學院，西安 710064 )

?

2015026

機動車非尾氣顆粒物排放研究*

郝艷召1, 鄧順熙2, 邱兆文1, 高嬋娟2

(1.長安大學汽車學院，西安 710064；2.長安大學環(huán)境科學與工程學院，西安 710064 )

利用MOVES模型研究了北京市機動車的非尾氣顆粒物排放隨速度的變化規(guī)律，結(jié)果表明：小客車、小貨車、大客車和大貨車的非尾氣顆粒物排放因子均隨著車速的升高而下降。采用統(tǒng)計方法建立了各車型的非尾氣顆粒物排放占全部顆粒物排放的比例模型；并應用該模型測算了實施尾號限行措施后，二環(huán)路上行駛車輛的非尾氣顆粒物排放的變化。結(jié)果顯示：限行措施實施后，早高峰二環(huán)路非尾氣顆粒物排放量降低了23.36%；此外，限行前后二環(huán)路上非尾氣顆粒物排放量所占比例均超過了35%，因此在評估機動車顆粒物污染時，應綜合考慮尾氣和非尾氣兩種排放來源。

機動車；顆粒物；非尾氣排放；比例；MOVES

前言

近年來我國爆發(fā)了大范圍、長時間的空氣霧霾污染，其中機動車是公認的顆粒物主要來源之一[1-3]。但在評估機動車的顆粒物污染水平時，人們更多關(guān)注的是其尾氣排放。如目前廣泛采用的臺架測試和車載測試技術(shù)，均只能得到尾氣排放數(shù)據(jù)[4-5]。而機動車作為一個整體，在行駛過程中除了尾氣這一顆粒物來源以外，還包括曲軸箱排放、制動磨損、輪胎磨損、路面磨損和揚塵等多個非尾氣來源[6]。文獻[7]中依據(jù)歐洲排放標準實施計劃預測了奧地利機動車顆粒物的排放變化趨勢，結(jié)果發(fā)現(xiàn)該地區(qū)2005年機動車排放顆粒物中，非尾氣排放占到50%；但隨著新標準實施，到2020年非尾氣顆粒物排放將會占到總排放的80%～90%。此外非尾氣排放中的磨損排放顆粒物含有豐富的金屬元素，會對人體健康產(chǎn)生不利影響[8]。文獻[9]中在瑞典斯德哥爾摩市進行長期監(jiān)測后發(fā)現(xiàn)，機動車磨損產(chǎn)生的顆粒物中含有鎘、銅、鉛、銻和鋅等重金屬；并且剎車磨損是該市銻的一大來源，而輪胎磨損則是鋅和鎘的一大來源。文獻[10]中在美國馬薩諸塞州進行道路監(jiān)測后發(fā)現(xiàn)，剎車磨損產(chǎn)生的顆粒物主要含有鐵、鈦和銅，而輪胎磨損產(chǎn)生的顆粒物主要含有鋅、鈣和鎢。

由以上分析可以看出，在評估機動車的顆粒物排放污染時應綜合考慮其尾氣和非尾氣排放。據(jù)此，本文中選取北京市為研究區(qū)域，采用模型模擬方法測算分析不同類型機動車非尾氣顆粒物排放隨速度的變化規(guī)律及其占全部顆粒物排放的比例，從而為我國更加全面合理地評估機動車顆粒物排放污染提供經(jīng)驗和指導。

1 模型選取與本地化

目前，國內(nèi)外廣泛采用的機動車排放模型包括MOBILE、EMFAC、COPERT、IVE和MOVES等[11]，其中IVE[12]和MOVES[13]引入機動車比功率(vehicle specific power, VSP)參數(shù)反映車輛行駛對排放的影響，相比采用平均速度參數(shù)的模型顯著提高了測算精度[14]。此外MOVES由美國環(huán)保局開發(fā)，在建模數(shù)據(jù)樣本量和代表性方面均優(yōu)于IVE，因此最終選擇該模型開展后續(xù)的排放測算。由于MOVES針對美國當?shù)亻_發(fā)，因此在測算之前首先要對其進行一定的本地化修正。

1.1 本地化參數(shù)獲取

MOVES按照空間區(qū)域分為國家(state)、郡縣(county)和項目(project)3個測算層次，本文的研究區(qū)域是北京市，因此選擇郡縣層中的自定義區(qū)域(custom zone)進行本地化參數(shù)的輸入。其中各車型保有量、車齡分布、年均行駛里程以及按天和小時的行駛里程分布均來自文獻[15]；而按月份和道路類型的行駛里程分布采用模型默認值。另外，氣象參數(shù)采用文獻[16]中北京市的數(shù)據(jù)。

1.2 車型匹配

文獻[15]中將車輛分為小客車、小貨車、大客車和大貨車4類，而MOVES中將車輛按照用途分為13類。綜合考慮車輛用途和整車質(zhì)量，本文中將所采用的文獻[15]中的小客車、小貨車、大客車和大貨車，分別與MOVES中的passenger car(轎車)、 light commercial truck(輕型商用貨車)、 transit bus(公共汽車)和single unit short-haul truck(短途運輸貨車)相對應。其中小客車和小貨車為汽油車，其余兩種車型為柴油車。

1.3 車輛技術(shù)水平匹配

由于我國參照歐洲標準建立的機動車排放標準體系，與美國存在一定差異。以重型柴油貨車為例，分析二者在顆粒物排放限值方面的差異，如圖1所示。其中，北京標準1包括公交、環(huán)衛(wèi)和郵政車，北京標準2包括其他重型柴油車?？梢钥闯?，北京市車輛的顆粒物控制技術(shù)水平約比美國落后4年。因此本文的測算年份設定為2012年，模型中則提前至2008年，以減少該差異對測算結(jié)果的影響。

1.4 燃油匹配

MOVES將汽油分為6個子類，柴油分為3個子類，并允許用戶輸入具體的燃油組分。北京市于2008年開始實施國IV排放標準，并供應了與之配套的國IV燃油。本文中參考國IV車用燃油標準[17-18]，選取最為接近的燃油類型。

2 顆粒物排放與速度的關(guān)系

MOVES從車輛自身角度出發(fā)，主要考慮了尾氣排放、曲軸箱排放、制動磨損和輪胎磨損4大顆粒物來源，將其中的后3種歸為非尾氣排放進行分析。在粒徑方面MOVES可以輸出PM10和PM2.5兩種粒徑的排放數(shù)據(jù)，由于非尾氣管排放顆粒物的粒徑較大[19]，故輸出指標選擇PM10。此外，MOVES將速度劃分為16個區(qū)間，本文中參考北京市車輛行駛速度的分布范圍[15]，選取前11個區(qū)間(0～84km/h)進行分析，即在模型中以一定步長輸入不同平均速度值來分析顆粒物排放的變化規(guī)律。

2.1 非尾氣顆粒物排放因子

圖2為非尾氣顆粒物排放因子隨速度的變化規(guī)律，可以看出：相同速度下，非尾氣排放由高到低依次為大貨車>大客車>小貨車>小客車。此外4種車型的排放均隨速度增大呈下降趨勢，且在平均速度小于24km/h時下降很快，之后下降趨勢減慢。

2.2 非尾氣顆粒物排放比例

進一步分析非尾氣顆粒物排放因子占全部顆粒物因子的比例見圖3，可以看出：小客車和小貨車的非尾氣排放所占比例比大客車和大貨車高得多，尤其是在時速低于48km/h的低速區(qū)；時速高于48km/h后，差別縮小。4種車型的非尾氣排放整體上皆隨速度增大呈下降趨勢。其中，小客車和小貨車當平均速度超過40km/h后，比例下降的趨勢加快，小貨車尤為明顯。大客車和大貨車的非尾氣排放比例隨速度的變化則比較平緩。

3 非尾氣顆粒物排放比例模型

基于圖3中的數(shù)據(jù)，分別采用線性、多項式、乘冪、對數(shù)和指數(shù)函數(shù)進行曲線擬合，最終選取R2最高并且通過檢驗的函數(shù)作為模型。

各車型非尾氣顆粒物排放比例的擬合曲線見圖4，各擬合函數(shù)的顯著性檢驗結(jié)果如表1所示。

表1 擬合函數(shù)顯著性檢驗

將所建立的比例模型的預測值同MOVES測算值對比，進一步分析其預測誤差如圖5所示，可以看出模型的預測誤差基本控制在5%以內(nèi)，各車型的平均相對誤差分別為：小客車1.61%，小貨車4.34%，大客車1.96%，大貨車2.28%。結(jié)果表明，所建立的比例模型具有較好的預測精度。

4 案例研究

案例選取北京市二環(huán)路，應用前面建立的比例模型分析尾號限行措施實施前后機動車非尾氣顆粒物排放污染的變化情況。路段速度利用浮動車檢測技術(shù)采集，流量利用微波檢測技術(shù)采集，數(shù)據(jù)采集時間分別為2008年6月和11月，分析時段為早高峰7：30～8：30。限行前后二環(huán)路各路段流量和速度變化如圖6和圖7所示。可以看出：限行措施實施以后，早高峰二環(huán)路16個路段中有10個路段的車流量存在不同程度的降低，整體降低比例為8.02%；有13個路段的平均車速有不同程度的提高，整體升高比例為13.80%，這表明尾號限行措施對于緩解交通擁堵具有一定的效果。

4.1 排放因子的變化

由于二環(huán)路全天禁止貨車通行，因此只考慮小客車和大客車兩種車型的排放因子。其中尾氣排放因子參考文獻[20]，它提供了各車型不同排放標準下的基準排放因子、速度和燃油硫含量修正因子。由于其中選取的基準汽油和柴油的硫含量分別為50×10-6和350×10-6，而第IV階段車用汽油和柴油的硫含量均為50×10-6，故首先對大客車的排放因子進行硫含量修正。此外案例實地調(diào)研了二環(huán)路上行駛車輛的技術(shù)水平分布，國0、國I、國II、國III和國IV標準車的比例分別為5.73%、10.68%、24.95%、41.47%和17.18%。根據(jù)上述比例對不同標準下的排放因子進行加權(quán)，并利用圖7中的平均速度對加權(quán)值進行修正，從而得到不同路段上行駛車輛的尾氣顆粒物排放因子。

對于非尾氣顆粒物排放因子，首先將圖7中的平均速度代入圖4中小客車和大客車的擬合公式，得到其非尾氣顆粒物的排放比例，再結(jié)合前面計算得到的尾氣顆粒物排放因子推算出對應的非尾氣顆粒物排放因子。

限行前后早高峰二環(huán)路各路段上的非尾氣顆粒物排放因子的變化如圖8所示。可以看出：小客車有13個路段的排放下降，整體平均降低了19.01%；而大客車有12個路段的排放下降，整體平均降低了9.22%。

4.2 排放量的變化

各路段上機動車非尾氣顆粒物排放量的計算公式為

式中：EQi為第i個路段上行駛車輛的非尾氣顆粒物排放量，g；EFij為j型車輛在i路段上的非尾氣顆粒物排放因子，g/km；n為車型分類，案例中只考慮小客車和大客車兩類；Li為i路段長度，km，由GIS地圖直接測量得到；TVi為i路段車流量，輛/h；VTFij為i路段上j型車的比例，%，由文獻[15]中2008年的數(shù)據(jù)獲得。

圖9為限行前后早高峰二環(huán)路各路段上非尾氣顆粒物排放量的變化情況。可以看出：16個路段中有10個路段的顆粒物排放存在不同程度的降低；其中二環(huán)路全部路段的非尾氣顆粒物排放量由限行前的18.78kg/h降低到限行后的14.39kg/h，降低了23.36%。這表明尾號限行措施在改善交通擁堵的同時，也降低了非尾氣顆粒物排放。

將尾氣和非尾氣排放量相加，進一步分析各路段上非尾氣顆粒物排放量占全部顆粒物的比例，如圖10所示?？梢钥闯觯合扌泻笥?2個路段上的非尾氣顆粒物排放比例下降；但限行前后二環(huán)路上非尾氣顆粒物排放比例的整體平均值均超過了35%，因此在評估機動車的顆粒物排放污染時，應綜合考慮尾氣和非尾氣兩種排放來源。

5 結(jié)論

本文中利用MOVES模型，對北京市不同類型機動車的非尾氣顆粒物排放進行了模擬測算，分析了排放隨速度的變化規(guī)律，并對比分析了尾號限行措施實施前后，二環(huán)路上行駛車輛的非尾氣顆粒物排放污染的變化。所得結(jié)論如下。

(1)小客車、小貨車、大客車和大貨車4種車型非尾氣顆粒物的排放因子及其排放占全部顆粒物排放的比例均隨速度的增大而下降；

(2)采用統(tǒng)計方法建立了4種車型的非尾氣顆粒物排放占全部顆粒物排放的比例模型，各模型的預測誤差基本控制在5%以內(nèi)，具有較好的預測精度。該模型可指導研究人員在實測得到尾氣排放數(shù)據(jù)后，推算其對應的非尾氣顆粒物排放；

(3)尾號限行措施實施后，早高峰二環(huán)路上小客車非尾氣顆粒物排放因子平均降低19.01%，大客車則降低9.22%。而非尾氣顆粒物總排放量降低23.36%。這表明限行措施在改善交通擁堵的同時，也起到降低非尾氣顆粒物排放污染的作用；

(4)限行前后二環(huán)路上非尾氣顆粒物排放比例的整體平均值均超過了35%，因此在評估機動車的顆粒物排放污染時，應綜合考慮尾氣和非尾氣兩種排放來源。

[1] Yu L D, Wang G F, Zhang R J, et al.Characterization and Source Apportionment of PM2.5in and Urban Environment in Beijing[J].Aerosol and Air Quality Research, 2013, 13(2): 574-583.

[2] 吳琳, 沈建東, 馮銀廠, 等.杭州市灰霾與非灰霾日不同粒徑大氣顆粒物來源解析[J].環(huán)境科學研究, 2014, 27(4): 373-381.

[3] 劉鳳玲, 盧霞, 吳夢龍, 等.南京大氣細粒子中重金屬污染特征及來源解析[J].環(huán)境工程學報, 2014, 8(2): 652-658.

[4] 王猛, 劉憲, 馮雪, 等.北京市在用輕型汽油車排放研究[J].汽車工程, 2014, 36(1): 74-76.

[5] 彭美春, 吳曉偉, 江曉燕, 等.基于比功率的LPG公交側(cè)排放特性研究[J].汽車工程, 2014, 36(3): 269-272.

[6] Pant P, Harrison R M.Estimation of the Contribution of Road Traffic Emissions to Particulate Matter Concentrations from Field Measurements: A Review[J].Atmospheric Environment, 2013, 77(31): 78-97.

[7] Rexeis M, Hausberger S.Trend of Vehicle Emission Levels Until 2020-Prognosis Based on Current Vehicle Measurements and Future Emission Legislation[J].Atmospheric Environment, 2009, 43(31): 4689-4698.

[8] 郭廣慧, 雷梅, 陳同斌, 等.交通活動對公路兩側(cè)土壤和灰塵中重金屬含量的影響[J].環(huán)境科學學報, 2008, 28(10): 1937-1945.

[9] Hjortenkarns D S T, Bergback B G, Haggerud A V.Metal Emissions from Brake Linings and Tires: Case Studies of Stockholm, Sweden[J].Environmental Science and Technology, 2007, 41 (15): 5224-5230.

[10] Apeagyei E, Bank M S, Spendgler J D.Distribution of Heavy Metals in Road Dust Along an Urban-rural Gradient in Massachusetts[J].Atmospheric Environment, 2011, 45(13): 2310-2323.

[11] 強彥雯, 單春艷.機動車PM2.5排放模型及其在中國的應用[J].南開大學學報(自然科學版), 2013, 46(6): 41-47.

[12] Jim Lents.IVE Model User’s Manual[R].International Sustainable Systems Research Center, 2008.

[13] U.S.Environmental Protection Agency.User’s Guide for MOVES2010b[R].EPA-420-B-12-001b, Washington, D.C., USA, 2012.

[14] U.S.Environmental Protection Agency (EPA).An Introduction to Draft MOVES2009 [EB/OL].http: //www.epa.gov/OMS/ models/moves/420b09026.pdf, 2009.

[15] 郭繼孚.北京市交通發(fā)展年度報告(2001-2013)[R].北京: 北京市交通發(fā)展研究中心, 2013.

[16] 中國氣象局.中國氣象年鑒2013[M].北京: 氣象出版社, 2013.

[17] 中國國家標準化管理委員會.GB 17930—2011車用汽油[S].北京： 中國標準出版社,2011.

[18] 中國國家標準化管理委員會.GB 19147—2013車用柴油(IV)[S].北京： 中國標準出版社,2013.

[19] Airborne Particles Expert Group.Source Apportionment of Airborne Particulate Matter in the United Kingdom[R].London: Department of the Environment, Transport and the Regions, 1999.

[20] 環(huán)境保護部科技標準司.道路機動車排放清單編制技術(shù)指南(試行)[R].北京: 中華人民共和國環(huán)境保護部, 2014.

A Research on the Non-exhaust Particulate Emissions of Motor Vehicles

Hao Yanzhao1, Deng Shunxi2, Qiu Zhaowen1& Gao Chanjuan2

1.SchoolofAutomobile,Chang’anUniversity,Xi’an710064;2.SchoolofEnvironmentalScienceandEngineering,Chang’anUniversity,Xi’an710064

The vehicle emission model MOVES is utilized to study the law of the change of non-exhaust particulate emissions with speed of vehicles in Beijing.The results indicate that the non-exhaust particulate emission factors of cars, light trucks, buses and heavy trucks reduce with the increase of vehicle speed.Then by using statistical method, the models for the proportion of non-exhaust particulate emissions in total particulate emissions of each of four types of vehicle are established and applied to the prediction on the change of the non-exhaust particulate emissions of vehicles running on second-ring road after the implementation of car-use restriction measure based on the last digit of license plate number.The results show that after the measure of car use restriction is taken, the non-exhaust particulate emissions of vehicle running on second-ring road in morning rush hours drop by 23.36 %.In addition, the proportions of non-exhaust particulate emissions of vehicles running on second-ring road both before and after car use control exceed 35%, hence both exhaust and non-exhaust emission sources should be taken into consideration concurrently in evaluating the particulate emissions of motor vehicles.

motor vehicle; particulate matter; non-exhaust emission; proportion; MOVES

*國家自然科學基金(51208052和51478045)、中國博士后科學基金(2013M532006)、陜西省科技統(tǒng)籌創(chuàng)新工程(2012KTZB03-01)和中央高校基本科研業(yè)務費專項基金(2013G1221021)資助。

原稿收到日期為2014年8月5日，修改稿收到日期為2014年9月17日。