基于move模型的不停车收费措施减排效果评价

基于move模型的不停车收费措施减排效果评价

0基于moves模型的交通排放模型汽车产量的增加是城市交通拥堵和污染的加剧。我国当前交通问题研究的关注点正由集中治堵转向治堵与减排兼顾,采用的交通管理与控制策略也在缓解交通拥堵、疏导交通流的同时考虑其对减少尾气排放的作用。交通管理与控制措施会改变路网中车辆的行驶工况,而不同的行驶工况将导致不同的尾气排放。微观层次交通排放模型是量化机动车排放、评价交通管理产生节能减排效果的重要手段。近年来,国外专家学者基于机动车排放数据开发了大量的尾气量化模型,在国内外应用比较广泛的有:MOBILE,COPERT,CMEM和MOVES等。其中MOBILE、COPERT等是宏观模型,可以用来测算国家或城市的交通油耗排放总量和发展趋势,但不能用于微观层次的排放评价。Barth等建立的基于功率需求的CMEM模型,它通过车辆行驶模式和发动机运行参数计算逐秒排放。尽管CMEM是微观模型中应用较为广泛的模型,但其复杂的单车参数设置和计算需求局限了其用于测算和评价交通项目的排放影响。MOVES模型是美国环保署从2001年开始研发的新一代综合排放模型。它基于功率需求变量及其分布,实现了排放模型在微观、中观和宏观不同集计层次的统一。目前,MOVES已成为美国加州以外地区用于交通排放评估的法规模型。MOVES模型中的默认运行工况和基本排放率主要针对美国本土,且相对固化。由于我国与美国在车型类型划分标准、道路交通状况等方面的差异性,因此将MOVES模型引入我国进行排放测算时,需要对模型中的参数进行本地化修正。在我国,清华大学、北京交通大学和东南大学等也进行了微观层次交通排放模型与算法的研究。张潇等利用车载尾气检测设备得到实测排放数据,并用此方法计算了交叉口不同转向的尾气排放与路段的比值。吴孟庭等利用微观仿真软件(Vissim)对研究对象进行微观交通流模拟,并将得到的车辆运行数据作为CMEM模型的输入文件,对某一公交专用道设置进行了油耗及减排评价。李东玲等参考美国环保署NON-ROAD模型中非道路移动源排放模拟的基本方法,建立了基于实际燃油消耗率估算我国工程机械排放清单的方法。但是,国内还未见基于MOVES模型的微观层次交通排放评价的应用研究。在此背景下,通过分析MOVES模型的计算原理与输入参数,提出微观层次输入参数的本地化获取方法。结合北京车辆排放数据,运用2种方法,即在MOVES计算原理的基础上分别使用本地排放率和MOVES模型中默认排放率,进行排放测算,并与实测排放数据进行比较,以分析MOVES技术路线的适用性和应用改进建议。1基于move的微观交通排放评价参数的获取方法1.1交通排放的微观模型在MOVES模型中给定预测地点、时间、排放过程和车辆类型后,污染物排放可以按照下面4步进行计算。1)计算车辆所有运行信息,包括机动车启动次数、运行时间(SHO)、用于蒸发排放计算的排放源时间(SH)和停车时间(SHP)等。2)把所有的车辆运行信息分布到车型和运行工况区间上,每个区间对应的排放过程(包括蒸发排放、启动排放、运行排放等)是惟一的。3)计算排放率。排放率在给定排放过程、车型和运行工况区间的基础上表征各车型的排放特征,但同时排放率也会受到额外因素的影响,比如燃油和温度等。4)把分布在排放源、运行工况区间上的所有排放相加。数学表达式如下。式中:TEprocess,sourcetype为总排放量;process为排放过程;sourcetype为排放源类型;bin为排放源和工况区间;ER为排放率;Ac为行驶特征;Aj为调整因子。针对不同的应用层次,在MOVES模型中所需要的输入数据是不同的,见表1。计算微观层次交通排放需要输入的参数有:天气信息、燃油类型与信息、车龄分布、检测维护制度、运行工况分布、排放源类型、行驶周期和非道路运行数据。在本文的研究中主要关注城市道路运行下的机动车尾气排放,所以对此类参数予以重点讨论。1.2运行工况分布的逐秒计算运行工况分布是MOVES模型的核心参数。模型根据参数的可获取性给定了3种形式的运行工况分布计算的源参数:平均速度、行驶周期和运行工况分布。这3个参数在微观层次排放测算中只需要输入1个,但最终都要转化为运行工况分布参与计算。在MOVES中输入平均速度或行驶周期后,模型会自动算出运行工况分布。而直接获取本地化的运行工况分布参数,是精确测算排放、将MOVES模型本地化的关键。运行工况分布由多个排放过程的工况分布(加速、减速、匀速、怠速等)组合而成,其中每个排放过程又被详细划分为23个工况小区间(opmodebin),见表2。MOVES根据机动车瞬时速度、加速度来分别计算车辆在各个bin下的运行工况分布。运行工况分布参数的获取主要有2种方法:(1)利用GPS实测的逐秒数据;(2)在无GPS实测数据条件下,可用获取平均速度的方法间接获取运行工况分布数据。运行工况分布参数来自于逐秒速度,而无GPS实测数据不能得到精确的运行工况分布参数,所以下面主要讨论第1种方法。笔者提出的方法是把GPS安装在测试车辆上,按照既定的线路进行运行测试得到逐秒运行数据,这样可以更加真实的反映机动车的运行工况分布特征。对得到的逐秒数据进行质量控制后,计算VSP值。对于典型轻型车,可采用如下公式,由速度和加速度2个瞬时变量计算。式中:v为机动车速度,m·s-1;a为机动车加速度,m·s-2。得到逐秒VSP值就可以按照表2中的运行工况区间定义计算机动车在各个工况区间的时间分布,继而利用MOVES中各工况区间对应的排放率或本地排放率进行排放计算,在实例分析中将对这2种排放计算方法进行详细介绍。当运行工况参数不可得到时,可以输入平均速度或行驶周期,下面介绍平均速度和行驶周期的本地化获取方法。在MOVES中,平均速度指行程速度,而非点速度,由于点速度通常高于行程速度,交通工程中常见的RTMS微波检测器或感应线圈的平均速度数据并不能直接代入MOVES中参与计算。平均行程速度的获取可分2种情况讨论:(1)有GPS实测,即在测试车辆上安装GPS设备,并使其在被评价路网上运行,并对测试结果进行数据质量控制,即可得到被测试路段的平均速度;(2)无GPS实测,这种情况下可以参考当地交通部门采集发布的行程速度(如基于GPS的浮动车数据)或由点速度根据经验推算。输入平均速度后,MOVES模型会选择系统默认的或用户提供的行驶周期计算运行工况分布。行驶周期指一段时间内车辆行驶速度随时间的变化曲线,它是对1辆车在城市道路上从起点至终点驾驶状态的模拟。行驶周期参数的获取同样有2种方法:(1)利用GPS实测数据,即在测试车辆上安装GPS设备,并使其按照设计好的线路运行,得到被测试路段上的逐秒数据,然后按照行驶周期合成的方法计算本地行驶周期,具体方法可参考相关文献;(2)采用默认行驶周期,我国在法规排放测试上一般采用欧洲的ECE和EU-DC行驶周期,MOVES针对车型、道路类型和速度区间提供了不同的行驶周期,但在实际道路运行过程中,存在着很多不可预见性和偶然性,所以一般不推荐使用第2种方法。1.3机动车信息此外,MOVES模型还涉及以下4类参数。(1)机动车车型、车龄分布参数获取。可利用车牌识别技术进行交通流车型构成数据和车龄分布数据的收集。由于MOVES模型中的车型分类按照美国车型分类标准进行划分,所以在将MOVES模型应用于我国排放测算时,需要把获得的车型数据按照MOVES模型里面的车型分类进行匹配。关于机动车相关信息的提取可参考相关论文。(2)天气信息参数的获取。天气参数主要包括温度和相对湿度,这2个参数可以利用电子温湿度测试仪及时获得,也可从当地气象部门获取相关数据。(3)燃油信息与类型参数获取。可根据当地执行的油品地方标准或国家标准进行参数的设置,例如《北京市地方车用汽油标准》(DB11/238—2012)和《车用柴油标准》(DB11/239—2012)。(4)道路类型参数获取。MOVES模型中道路类型主要分为2种:限制出入道路和非限制出入道路。限制出入道路主要指快速路等车辆必须经由固定出入口进出的高等级道路,而非限制入口道路主要指非快速路(一般有信号灯控制)。2收费及收费模式为了检验上述方法在微观层次交通排放评价中的适用性,以首都机场高速路天竺收费站为研究对象,根据收费站不同的通过方式———电子收费(ETC)和人工收费(MTC),收集了车辆逐秒速度数据,并基于本地排放率和默认排放率分别对车辆通过ETC和MTC车道时的排放进行测算;同时,收集了相应的逐秒排放数据,以检验MOVES测算结果的准确性。2.1u2009etcs的测量仿真1)测试设备和测试车辆。该测试采用的设备是车载排放设备OEM-2100。该设备能够检测车辆每秒的CO2,CO,HC,NOx排放和逐秒油耗,以及对应的逐秒速度和经纬度数据。本案例中采用的测试车辆为国I排放标准轻型车捷达,该车生产于2000年,排量1.6L,装有三元催化器。2)测试路段。以北京市天竺收费站为中心,选取车辆驾驶行为受到收费站影响的上下游各200m区间作为研究路段。天竺收费站距离首都机场2km,双向共16个收费通道,ETC收费通道位于最外侧。该ETC系统要求通过车辆车速不能超过60km/h,并保持2m以上车距,且仅向装有“速通卡”的车辆开放。3)测试设计。为了收集在不同交通状况下的ETC和MTC车道的排放数据和车辆运行工况分布数据,采用了循环测试法,每次循环包含4次通过测试(包括双向的MTC和ETC车道),每天进行6个循环24次通过测试,选择正常工作日的09:00~15:00时进行测试,2d共完成48次循环测试。4)测试结果。按照收费方式进行分类汇总,选取研究路段上均为有效数据的通过测试。其中ETC车道测试数据20组,平均速度为40.4km/h,平均通过时间为42s;MTC车道测试数据20组,平均速度为14.6km/h,平均通过时间为117.1s。测试车辆通过MTC和ETC收费站时各自的速度距离图见图1,2。在进行数据质量控制、剔除由PEMS设备本身造成的错误数据后,笔者对23次ETC车道和22次MTC车道的通过数据进行整理,得到ETC和MTC车道的各排放物的实测排放因子如表3所示。由于采取了更为严格的数据质量控制,该处结果有别于参考文献的计算结果,对实测排放因子的计算更为准确。2.2种方案的测算由于同时采集了本地化的车辆运行工况和排放率,利用MOVES对测试车辆通过ETC和MTC车道时的排放进行测算时,本案例设计了2种方案:(1)基于MOVES默认排放率的排放测算;(2)基于本地排放率的排放测算。2种方案均利用本地化的车辆运行工况。2.2.1等车式变道路/车辆运行工况分布车辆通过ETC和MTC车道的差异主要是运行工况分布的差异,故主要分析2种场景下运行工况分布的差别,使用MOVES中默认的排放率进行排放测算。1)运行工况分布计算。由于排放测试时收集了车辆的逐秒速度数据,所以基于GPS实测数据直接计算运行工况分布。首先对原始GPS数据进行数据质量控制,包括修正错误数据和补齐丢失数据。然后,把20次通过MTC和ETC车道的逐秒数据进行分类汇总,以避免测试车辆在运行过程中出现的偶然性误差,提高运行工况分布的准确性。根据式(2)计算VSP后,按照MOVES中运行工况定义(见表2)计算运行工况分布,结果见图3。由图3可见,ETC和MTC车道的运行工况分布存在显著差异。(1)MTC车道OpModeID为1的怠速比例远远大于ETC车道。这是由于车辆通过MTC时要停车缴费;而通过ETC车道时不需要停车。(2)MTC车道OpModeID为12的时间比例大于ETC车道。这是由于MTC车道车辆停车缴费后需要从停止起步,逐渐加速至正常速度;而通过ETC车道的车辆是从较高速开始加速至正常速度。(3)ETC车道OpModeID为21的时间比例大于MTC车道,这是由于在车辆即将到达ETC车道时,车辆会逐渐减速,达到通过ETC车道时要求的速度即不高于60km/h;而车辆即将到MTC车道时,速度会逐渐降低,到达收费站时,速度为零。2)其他参数。按照MOVES的输入要求,根据实际情况对车辆类型参数、天气信息参数、道路类型参数进行设置。本测试使用的为轻型汽油车、车龄为6年、平均气温为42.8℃(77°F)、相对湿度为25%、测试道路类型为限制入口道路。3)测算结果。将计算出的ETC和MTC车道运行工况分布及其他参数分别代入MOVES模型中进行计算,结果见表4。2.2.2排放率的确定—基于本地排放率的MOVES排放测算排放率作为车辆的固有属性,是指单位时间内车辆行驶所产生的排放量。在MOVES模型中,基于美国车辆排放标准对车型进行划分,各类型车辆分别对应默认排放率。本方案为了精确对应车型,将使用本地排放率进行排放测算。首先,对测试得到的逐秒数据进行质量控制;然后,根据VSP聚类分析方法将VSP按照一定的间隔划分不同的区间单元(bin);接下来,分别计算各区间HC,CO,NOx,CO2的平均值,即可得到测试车辆各排放物的排放率曲线。在得到本地排放率与ETC和MTC车道运行工况分布后,利用各工况区间对应的排放率进行计算,结果见表5。2.3结合moves模型的排放模型分析首先,对排放因子绝对值进行比较分析,与实测排放因子值相比,MOVES预测结果的相对误差见表6。从上表可以看出:(1)除CO外,基于本地排放率测算的各排放因子与实测数据吻合度很高。(2)基于