机动车尾气排放及出行污染暴露评价探究的文献综述6400字

机动车尾气排放及出行污染暴露评价研究的国内外文献综述…本文将从以下五个方面展开文献综述：机动车尾气排放估计模型，大气污染扩散模型，出行污染暴露评价方式，基于移动式实测数据的污染浓度以及路径规1.1机动车尾气排放估计模型机动车尾气排放是燃料在发动机内燃烧而产生的、从尾气管释放到空气中的一种污染物。在理想的燃烧状态下，发动机内的氧气与燃料(主要由碳氢化合物组成)发生化学反应，会生产二氧化碳和水，但在实际过程当中，由于氧气的不足会进行不完全燃烧，产生不完全燃烧的产物一氧化碳和碳氢化合物。不但如此，由于参加燃烧过程的氧气掺杂有大量的氮气，在高温环境下，氮气被氧化成一氧化氮和少量的二氧化氮。影响机动车尾气排放程度的因素很多，它不仅受到发动机技术和控制技术等车辆自身条件的限制，同时还要受到道路基本状况和车辆行驶状态等因素的影响。除这些以外，机动车维护程度、环境温度、湿度、驾驶员驾驶习惯等因此也会影响机动车的排放水平。概括而讲，按照这些影响因素的特征，可将它们划分为四大类，分别是：(1)车辆参数；(2)行驶特征；(3)油品质量；(4)外界环境因素(温度、海拔、湿度)等。由于本研究重点关注行驶特征，下面对这类影响因素进行详细总结。具体而言，行驶参数的影响因子又可分别这样几类：(1)机动车平均速度；(2)机动车运行状态(加速、减速、怠速、匀速);(3)爬坡程度；(4)冷启动或热启动等启动方式。而机动车在一次出现过程中，通常会经历如下排放过程：(1)启动排放；(2)速度波动比较小的热稳定排放状态；(3)加速度排放；(4)爬坡排放。了一些微观工具，通过将车辆的物理行为分解成不同的操作模式(例如，加速、减速、怠速和匀速)来精细化估算排放因子或排放强度，代表于速度-加速度的排放模型(E-MIT[151)模型等，这些模型主要是基于行驶工况等。比如基于物理意义的排放模型(CMEM模型),其原理是通过计算发动机功者相乘得到的尾气排放量。用CMEM模型模拟，需要输入车辆的物理参数和行驶参数，从而可以计算并输出单车在四种不同瞬时工况(加速、减速、怠速、匀速)下每秒的尾气排放量和油耗。其中，物理参数基本可以在车辆规格技术说明来自于框架第(1)部分交通流模型的数据(比如车辆轨迹数据),并且通常不具模型也不太适合。与之相对应的，不少学者如Boribo散的结果。因此，大气扩散模式是一种用以处理大气界层内)输送、扩散和转化问题的物理和数学模型影响因素很多(包括地形、污染源复杂性、气象条件等),基于现有的大气扩散大气污染扩散模型，是指利用数学模型，结合一定的定的污染物排放强度(单位时间排放量)和气象条件下某种污染物的时间和空间模型拓展到线源模型(line-sourcemodel),用来描述机动车尾气的扩散过程。基于线源高斯烟羽模型的CALINE4和HIWAY2等模型被广泛用于估算高速公路机动车尾气扩散与人体暴露(污染物浓度)的标定方法是通过城市内的静态和动态监测点(如监测车)采集污染物浓度数据进行空间度信息，却面临着成本高、采样率低等问题。另一类方法是基于地理信息系统(GIS)用地理坐标描述城市道路几何形状，结合交通流量(多为静态数据)和天气状况等数据，再用上文提到的污染物扩散模型来估算城市机动车尾气排放与扩散情况。这类方法的不足是缺乏对交通污染源的动态描述，导致估算结果比较1.3出行污染暴露评价方式根据世卫组织(WHO)的定义，暴露是指人体与一种或一种以上的物理、化学或生物因素在时间和空间上的接触。该定义将日常认知中对于空气污染的吸入或吸收与暴露完全分别开来。对于空气污染暴露评价，其主要用于评估人体接触空气污染物的强度、频率以及持续时间，分析空气污染来源和它与健康影响之间的关系。污染物经源头排放，向周围环境扩散，并最终作用与人，转化为内部生物有效剂量。其目的是提供暴露人数、暴露浓度、暴露途径、各种微环境中暴露的贡献率及污染物的种类、强度等信息。由于个体之间性别年龄以及活动等特征的差异，常规环境监测得到的空气污染物浓度并不能准确测定被人体所吸收的剂量，因此主要通过暴露浓度反映空气污染暴露评价结果。评估个体空气污染暴露水平的原理为：综合各种微环境中空气污染物的浓度及暴露个体在不同微环境中所停留的时间，可用公式表示为：其中，Ei为个体i在不同微环境j中对某种空气污染物的综合平均暴露水平；Cj为微环境j中某种空气污染物的浓度；tij为个体i在微环境j中停留的时间。针对于本文所提出的的出行污染暴露，即是指检测近地面的车辆所获得的尾气排放浓度与出行者在该路段上停留时间的乘积，即为出行者的尾气污染暴露.。1.4基于移动式实测数据的污染浓度对于人体暴露在出行污染中的过程分为产生污染、污染扩散并且出行者遭受暴露，通常由排放扩散暴露一体化中建模估计完成。为验证所建立模型的准确性，段来探究交通排放是如何扩散并作用与人的。沈俊秀(2011)[301利用APEX模暴露评价方法开发提供实验依据。徐亚琳(2007)[31使用便携式气溶胶监测器法推导出了南京城市PM10背景浓度估算公式，并验证了STREETBOX模型在南京城市街道上的适应性。常晶晶321采用通(地铁、公交、步行)中的CO、PM₂.5暴露浓度进行测量，并证明了LUR运潜力，既可用于比较城市环境污染，也可用于估算微粒和PM10的绝对水平。过五种不同交通方式(步行、自行车、公交车、汽车、出租车)研究短期人体接触PM2.5、超细颗粒物(颗粒范围：0.02-1μm)、一氧化碳(CO)浓度，并使用回归技术分析解释了交通量、气象条件、运输方式对于PM2.5、超细颗粒物、CO浓度的影响。JILevy等37基于社区试点调查确定当地交通来源是否对暴露监测仪，创建浓度地理信息系统(GIS)地图，并收集能够预测周围浓度的现场1.5路径规划模型中选择浮动车GPS数据，通过比较两条路径上的交通排放量，发现较慢且行成本(由出行时间成本和燃料消耗成本组成)最小的路径。研究建立了燃料消Zeng等[40在交通研究C卷发表的研究预测每公里的机动车二氧化碳排放量，并用当中，例如高德、滴滴等打车软件也只是将出行时间(或出行距离)作为出行最短路径算法和动态最短路径算法。动态最短路径的计算是在外界环境不断发生变化，即在不能计算和预测的情况下来计算最短路的问题。在本文中，重点只关注静态的路径规划，故下面主要给出静态最短路径算法的国内外研究现状。静态网络是指所有弧的权值都为常值的网络。相应地，求解这类网络中指定起点和终点之间最短路径的算法叫做静态最短路径算法。静态的最短路径算法已经有较长时期的发展历程，总而言之，它属于一种比较传统的路径规划算法。1959年，著名学者E.W.Dijkstra[4]提出了具有重要意义的Dijkstra最短路径算法。之后，许多学者又相继提出了诸如Bellman-Ford-Moore算法、Floyd算法、BFP算法、DIKB等算法[42]。目前，一些学者还开始提出启发式算法(如A*算法)以及基于深度学习的算法。而大量的随机网络实验和路网科学评估显示，针对不同类型的道路网和目标函数需求，可以选择不同的合适算法，因为没有哪一种算法是能够在任意状态下都保持优势。上世纪50年代，国内也开始了静态最短路径算法的相关研究，但其快速发展主要开始于90年代，伴随着计算机应用的快速发展。但从实质上讲，相关领域开展的算法研究主要还是基于Dijstra算法和Floyd算法[43-461,主要从数据存储结构、路网规模的控制、搜索策略、优先级队列这几方面来进行了评估和优化。但在实际的交通系统当中，由于交通事故、天气因素、道路阻塞等情况的发生，实际走行的路径可能是除预先规划好的路径外的另一条路径。因此，实际的车辆的路径规划其实是具有随机性和时变性等特征。将实时的交通数据引入到随机最短路径研究问题来继续深入本研究也十分必要。例如，Bertsekas等[47通过理论分析得到，在弧的花费值非负的情况下，随机最短路径规划是存在最优的策略。但由于笔者编程能力和算法运用水平的限制，本文就先考虑静态的路径规划问题，在将来的学习研究过程中再进行进一步地深入探讨。参考文献[1]国家食品药品监督管理总局.世界卫生组织国际癌症研究机构致癌物清[2]XINGYF,XUYH,SHIMH,etal.TheimpactofPM2.5respiratorysystem[J].JournalofThoracicDisease,2016,8(1):69-74.2013,《AutomobileGasoline》[S].Beijing:StandardsPreoperatingmodedistributionsandemissionestimationatintersection[J].JournalofTransportationSystemEngineeringandInformation,2018,18(1):158-165,185.][5]宋国华，于雷.城市快速路上机动车比功率分布特性与模型[J].交通运输系andmodelsofvehiclespecificpoweronurbanexpressways[J].Journalof[6]YangQ,BoriboonsomsinK,Bestimationusingmodal-basedtrajectoryreconstruction[C]//InternationalIEEEConferenceonIntelligentTransp[7]AryaPS.Airpollutionmeteorologyanddispersion[J].EnvironmentalProtectionAgencyResearchTriangleParkNc,1999,55(1974).[8]UliaszM,BartochowskaM,MadanyA,etal.ApPoland[M]//AirPollutionModelingandItsApplication[9]BeychokMR.FundamentalsofstackgasdispersionGasDispersion.2005.[10]王炜，陈学武，陆建.城市交通系统可持续发展理论体系研究[M].科学出版[11]杨浩，赵鹏.交通运输的可持续发展[M].中国铁道出版社，2001.[12]中国环境监测总站.2020年8月全国城市空气质量报告[R].北京.[13]BarthM,FengA,NoApproach[J].TransportationResearchRecordJournaloftheTranBoard,1996,1520(1):8[14]EpaU.MOVES(MotorVehicleEmission[15]CappielloA,ChabiniI,NamEK,etal.Astatisticalmodelofvehicleemandfuelconsumption[C]//TheIEEE,InTransportationSystems,2002.Proceedings.IEEE,2002:801-809.[16]贺克斌.道路机动车排放模型技术方法与应用[M].科学出版社，2014.BasedonMultisourceHistoriTransactionsonIntelligentTransportanetworks[J].TransportationResearchPartD,2006,11(4):292-301.erSkabardonis,NikolasGeroliminis,EleniChristofa.PredictiofVehicleActivityforEmiSignalizedArterials[J].JournalofIntelligentTransportationSy[21]NesamaniKS,ChuL,Mcapturingtrafficvariations[J].AtmosphericEnvironment,2007,41(14):2996-300