环境科学  2018, Vol. 39 Issue (5): 2015-2022   PDF    
引用本文
樊守彬, 郭津津, 李雪峰. 区县尺度机动车高分辨率排放清单建立方法及应用[J]. 环境科学, 2018, 39(5): 2015-2022.
FAN Shou-bin, GUO Jin-jin, LI Xue-feng. Methods for Determining and Applications of High-Resolution Vehicle Emission Inventory at County Scale[J]. Environmental Science, 2018, 39(5): 2015-2022.
区县尺度机动车高分辨率排放清单建立方法及应用
樊守彬1,2, 郭津津1, 李雪峰1,2     
1. 北京市环境保护科学研究院, 北京 100037;
2. 国家城市环境污染控制工程技术研究中心, 北京 100037
收稿日期: 2017-09-10; 修订日期: 2017-10-24
基金项目: 国家科技支撑计划项目（2014BAC23B02）；北京市优秀人才培养项目（2015000021733G173）
作者简介: 樊守彬(1981~), 男, 博士, 副研究员, 主要研究方向为大气污染控制, E-mail:fanshoubin@163.com
通信作者: 李雪峰, E-mail:lixuefeng@cee.cn
摘要: 提出了一种基于现场调查和卫片解译建立区县尺度机动车行驶里程（VKT）数据库和尾气排放高分辨率排放清单的方法，以北京市通州区为例进行了应用和排放特征分析.分别使用登记注册车辆信息（保有量方法）和实际车流量信息（车流量方法）计算出VKT和对应的各污染物排放量.结果表明，基于保有量方法计算得到的行驶里程比基于车流量方法的结果低约37%，应用实际车流量的计算方法与实际状况更接近.基于保有量的方法低估了小型载客汽车、大型载客汽车和中型载货汽车的行驶里程，高估了轻型载货汽车、重型载货汽车、低速载货汽车和摩托车的行驶里程.基于保有量的计算方法低估了小客车的尾气污染物排放量，低估比例约为51%.对于大客车、轻型载货汽车和中型载货汽车，2种方法计算的排放量差别较小.基于保有量的计算方法高估了重型载货汽车、低速载货汽车和摩托车的排放量的尾气排放量，高估比例分别约为41%、30%、30%.
关键词: 区县尺度      机动车尾气      排放清单      车流量      高分辨率     
Methods for Determining and Applications of High-Resolution Vehicle Emission Inventory at County Scale
FAN Shou-bin1,2 , GUO Jin-jin1 , LI Xue-feng1,2     
1. Beijing Municipal Research Institute of Environmental Protection, Beijing 100037, China;
2. National Engineering Research Center of Urban Environmental Pollution Control, Beijing 100037, China
Abstract: This study proposes a method for high-resolution vehicle emission inventories at county scale based on field investigations and Google Earth satellite images, using the Tongzhou district of Beijing as an example for data analysis. VKT and the corresponding emissions of each pollutant were calculated using the number of registered vehicles and the real-time traffic volumes, respectively. The results showed that the mileage calculated based on the method using registered vehicles is about 37% less than that based on real-time traffic volumes, with the latter method providing data closer to the actual situation. The mileage for small passenger cars, large passenger vehicles, and medium-duty trucks were underestimated, and that for light trucks, heavy trucks, low-speed trucks were overestimated based on the registered vehicle method. Emissions from small passenger cars were also underestimated by about 51%, using the registered vehicle method. For emissions of large passenger vehicles, light trucks, and medium-duty trucks, there was less difference between the two methods. Based on the registered vehicle method, emissions of heavy trucks, low-speed trucks, and motorcycles were overestimated by about 41%, 30%, and 30%, respectively.
Key words: county scale      motor vehicle exhaust      emission inventory      traffic flow      high resolution     

北京市2015年机动车保有量突破560万辆[1].机动车尾气中排放的NOx和VOCs是细颗粒物和臭氧形成的重要前体物.伴随机动车保有量的不断增加, 国内外研究人员目前对机动车污染现状的研究, 多为机动车尾气排放变化趋势研究及预测[2, 3]、尾气排放因子的研究[4~8]、排放清单建立及其时空分布特征研究[9~13]、模型应用[14~17]、新能源汽车污染预测[18]等方面.近几年, 一些研究人员结合国内重大活动, 对采取临时管理措施下的机动车减排进行了模拟、分析和评估[19~23].

鉴于机动车排放作为重要的污染物排放源, 为应对污染物排放模拟、预测等清单应用工作和环境管理工作精细化的要求, 建立高分辨率的机动车排放清单显得日趋重要[24, 25].

基于实际道路车流信息建立机动车排放清单, 便于分析污染物排放的时间和空间分布特征, 更有针对性的提出机动车减排的管理对策.李笑语等[26]基于实时交通数据分析了南京市主次干道机动车排放特征, 文献[27]应用基于实时道路信息下的机动车行驶英里数(VMT)建立了美国辛辛那提市区重型载货汽车的排放清单, 刘登国等[28]以上海内环区域高架道路和地面主干道路的交通信息为基础开展了上海市机动车NOx排放研究, 樊守彬等[29]基于实际道路交通流信息研究北京市机动车排放特征, 郑君瑜等[30]基于交通流量和路网建立了珠三角地区的机动车污染物空间分配清单.

目前建立高分辨率机动车尾气排放清单多基于城区道路[31].区县的省道、县道等道路承担的运输任务的不同, 其机动车类型及污染排放特征与城区道路存在差异[32], 有建立高分辨率清单的现实需求.由于缺少区县尺度实时交通信息数据, 按照传统的基于实际道路车流量的方法难以建立高分辨率排放清单.

本研究以北京市通州区为例, 分别基于注册登记机动车保有量和基于实际道路车流量2种方法建立了排放清单数据, 分析了2种方法的优缺点, 提出了区县尺度道路机动车车流量数据获取方法, 以期为区县尺度高分辨率机动车尾气排放清单建立提供了一种参考方法.

1 材料与方法 1.1 基于保有量的VKT计算

统计获得研究区域内车辆管理部门统计登记注册的分车型机动车保有量, 通过调研获得不同车型机动车的年(日)均行驶里程, 应用公式(1)计算机动车行驶里程(VKT).

(1)

式中, VKT(R)为登记注册机动车年总行驶里程, km; VKT(D)为单辆机动车日均行驶里程, km; VN为机动车保有量.公式也可用于计算分车型的机动车行驶里程.

1.2 基于车流量的VKT计算

根据实际道路车流量, 计算了研究区域内机动车行驶里程数据, 计算方法为公式(2).

(2)

式中, VKT(V)为基于实际道路车流量的区域内机动车年总行驶里程, km; Vt为日车流量, 辆·d-1; lus为道路长度, km; i为路段编号, n为区域内总路段数.公式同样也可用于计算分车型的机动车行驶里程.

通过收集公路的交通流量调查数据和现场调研数据, 获得共计46条城市主干道和次干道以及公路中的国道、省道和县道的实际车流量.但对于一些支路、胡同、乡道等无法获得观测数据的道路, 本研究应用基于Google Earth卫星影片资料估算车流量, 估算方法见公式(3):

(3)

式中, Vi为第i条目标道路上的实际车流量, 辆·d-1; vi为第i条目标道路在卫星图片单位长度的车辆数, 辆·km-1; Vj为与目标道路同类型的参考道路的实际车流量, 辆·d-1; vj为与目标道路同类型的参考道路在卫星图片上单位长度的车辆数, 辆·km-1.

1.3 排放量计算方法

道路机动车排放量(E)主要包括尾气排放(E1)和HC蒸发排放(E2)两部分.其计算公式如下：

(4)

道路机动车尾气排放量计算公式如下：

(5)

式中, E1为第三级机动车排放源i对应的CO、HC、NOx、PM2.5和PM10的年排放量, t; EFi为i类型机动车行驶单位距离尾气所排放的污染物的量, g·km-1; Pi为所在地区i类型机动车的保有量, 辆; VKTi为i类型机动车的年均行驶里程, km·辆-1.

机动车行驶及驻车期间蒸发排放的碳氢化合物(HC)按照下式进行计算：

(6)

式中, E2为每年行驶及驻车期间的HC蒸发排放量, t; EF1为机动车行驶过程中的蒸发排放系数, g·h-1; VKT为当地车辆的单车年均行驶里程, km; V为机动车运行的平均行驶速度, km·h-1; EF2为驻车期间的综合排放系数, 主要包括热浸、昼间和渗透过程中排放系数, 单位为g·d-1; P为当地以汽油为燃料的机动车保有量, 辆.

本研究中排放因子数据来源于文献[33].研究区域内国道上小型客车、大中型客车、轻型货车和大中型货车的平均速度分别为70、30、60和35 km·h-1; 省道上小型客车、大中型客车、轻型货车和大中型货车的平均速度分别为50、30、40和30 km·h-1; 县道上小型客车、大中型客车、轻型货车和大中型货车的平均速度分别为50、30、30和25 km·h-1[34].

2 结果与讨论 2.1 基于保有量的排放量计算

根据车辆登记注册数据, 统计了研究区域内机动车保有量为28.7万辆, 按使用用途分, 载客汽车占78.8%, 载货汽车占12.9%, 低速载货汽车占0.4%, 摩托车占7.9%.按排放标准分国Ⅰ前、国Ⅰ、国Ⅱ、国Ⅲ、国Ⅳ和国Ⅴ机动车分别占0.2%、2.6%、8.9%、17.1%、42.8%和28.4%.

对于单车的年均行驶里程数据, 本研究采用的数据为微型和小型载客汽车为12 584 km·a-1[35], 出租车、中型载客汽车、大型载客汽车、公交车、轻型载货汽车、中型载货汽车、重型载货汽车、低速载货汽车和摩托车分别为130 000、31 300、58 000、60 000、30 000、35 000、75 000、30 000和6 000 km·a-1[33].

根据研究区域内机动车保有量、单车车辆行驶里程和排放因子等基础数据, 计算了不同车型机动车的行驶里程和污染物排放量, 结果见表 1.

表 1 基于注册车辆的机动车行驶里程及排放量/t·a-1 Table 1 VKT and emissions based on registered vehicles/t·a-1

2.2 基于车流量的排放量计算 2.2.1 实际道路车流量特征

本研究通过路政管理部门和现场录像共统计46条参考道路的车流量, 通过卫星影片及公式(3)共估算113条目标道路的车流量.对24条道路的实际车流量与估算的车流量进行相关分析, 结果见图 1.从中可以看出, 相关系数R2为0.89, 说明实际车流量与估算车流量相关性很高, 应用Google Earth卫星影片估算道路车流量比较接近实际道路车流量.应用平均绝对百分误差(MAPE)分析实际车流量和估算车流量之间差异的程度.通过计算, 平均绝对百分误差为19.18, 这表明估算车流量相对于实际车流量具有平均19.18%的误差, 因此基于Google Earth卫星影片估算道路车流量精度较高, 方法简单可行.

图 1 实际车流数据与估算车流数据的比较 Fig. 1 Comparison of traffic volume between real-time and estimated time

以ArcGIS软件为平台, 建立了通州区路网信息和车流数据, 统计了分辨率为1 km×1 km的道路交通车辆的网格行驶里程(行驶里程=车流量×道路长度), 见图 2.行驶里程高的地区集中在县城内和马驹桥镇西部, 北部相对南部行驶里程高.此外, 高速路、京塘线和漷马路上车辆行驶里程高, 尤其是在与其它道路交叉的路网稠密、车流量大的路段. 表 2为不同车型行驶里程的比较.

图 2 研究区域的道路车流量及行驶里程分布 Fig. 2 Distribution of traffic volume and mileage in the survey region

表 2 不同车型车辆行驶里程比较/km·a-1 Table 2 Comparison of mileage for different vehicle types/km·a-1

图 3为通州区典型道路车型的构成比例.从中可以看出, 小客车在各类型道路上所占的比重最高, 但货车在高速路、国道、省道和县道上比重较大, 在县城道路和乡村道上比重小, 县城道路和乡村道路上客车所占比重较大.

图 3 通州区不同类型道路上的车型构成 Fig. 3 Vehicle composition on different types of roads in the Tongzhou district

2.2.2 不同车型的排放特征

根据通州区路网数据、实际交通流信息和机动车排放因子等基础数据, 应用ArcGIS软件, 计算通州区全路网道路上机动车尾气排放量, 然后分车型统计污染物排放的分担率, 结果见表 3.从中可以看出, 不同车型对污染物的贡献水平具有很大差异.对于CO和HC, 小客车贡献率最大, 分别为56.7%和81.9%, 货车贡献率很小.对于NOx和PM, 小客车贡献率小, 大客车、中大货车及特大货车贡献率大, 这主要是因为这些车型对NOx和PM的排放因子较高.

表 3 通州区各车型污染物排放的分担率/% Table 3 Proportion of each vehicle type on pollutant emission in Tongzhou District/%

2.2.3 不同道路类型的排放特征

对通州区不同道路类型的机动车排放量进行统计和分析, 见表 4.对于各种污染物, 由于高速路和国道车流量大, 各车型均占一定比例, 各种污染物排放量均较高.村道车流量小, 所以各种污染物排放量最低; 由于通州区乡道最多, 且乡道上小客车比重较大, 所以CO和HC排放量仅次于国道.县城道路和省道上CO和HC的排放量相差不大.由于县道和省道上货车所占比重较大, 所以NOx和PM排放量仅低于国道.乡道上货车比重高于县城道路, 且乡道总长度大, 所以乡道上NOx和PM排放量高于县城道路.

表 4 不同类型道路污染物排放量比例/% Table 4 Ratio of pollutant emissions on different types of roads/%

2.2.4 污染物空间分布特征

充分应用建立的路网、交通流量数据, 结合不同车型的排放因子, 在ArcGIS中建立1 km×1 km网格, 统计每个网格内的污染物排放量, 建立通州区自下而上的机动车尾气网格排放清单. 图 4为污染物CO、NOx、HC、NH3、PM10和PM2.5排放的空间分布.从中可以看出, 高排放量主要分布在县城内和马驹桥镇西部, 主要原因是路网密集, 车流量较大.北部地区相对南部地区排放量高, 原因是北部地区车流较南部地区大.此外, 高速路、京塘线和漷马路上排放量高, 在这些道路与其它道路交叉的路网密集路段, 排放量明显较高.

图 4 污染物排放空间分布 Fig. 4 Spatial distribution of pollutant emissions

2.3 2种方法比较

本研究应用基于登记注册机动车保有量和基于实际道路车流量这2种方法计算了通州区机动车行驶里程和尾气排放量.提出了根据现场观测数据和基于卫片数据估算的车流量数据, 计算研究区域内机动车行驶里程的方法.

基于登记注册机动车保有量的方法计算得到行驶里程数为4 868 251 024 km·a-1, 基于实际道路车流量的方法计算的行驶里程数据为7 690 005 785 km·a-1, 是前者的1.58倍.可以看出, 基于登记注册机动车保有量的方法低估了行驶里程, 这主要是因为未登记注册在研究区域内的机动车也会在区域内行驶, 登记注册在研究区域的机动车也会在区域外行驶.例如等级注册在北京市其他区县的机动车会在通州区行驶, 登记注册在其他省市的机动车也可以在通州区行驶.

通过现场调查无法识别注册于北京市其他区县的车辆在通州区的行驶情况, 本研究调查了注册于其他省市的机动车的行驶情况.对不同类型的典型道路进行现场调研, 调查时间为连续24 h, 将不同车型的车流分为本地车流和外地车流, 分别计算不同道路外地车的构成比例, 结果见表 5.通过调研发现, 实际道路上外地车主要是小客车和大货车(包括中型货车), 其他车型外地车较少.此外, 不同类型道路上外地车构成比例也不相同.国道、省道和县道上外地车构成比例高于城区道路.对于城区道路, 外地小客车比例比外地大货车比例高.对于国道、省道和县道, 外地大货车比例较高, 个别道路外地大货车占50%左右.对于乡镇村道, 外地车构成情况差别较大.

表 5 通州区外地车构成比例统计/% Table 5 Composition of outgoing vehicles in Tongzhou District/%

2.4 2种方法排放量比较

统计了2种方法计算的不同车型尾气排放量见表 6, 从中可以看出, 基于保有量的计算方法低估了小客车的尾气排放量, 低估比例为51%, 对于大客车、轻型载货汽车和中型载货汽车, 2种方法计算的排放量差别较小, 基于保有量的计算方法高估了重型载货汽车的尾气排放量, 高估比例为41%, 保有量的计算方法高估了低速载货汽车和摩托车的排放量, 高估比例约为30%.

表 6 2种方法计算的排放量比较/t·a-1 Table 6 Comparison of different emissions between the two methods/t·a-1

3 结论

(1) 本研究应用现场调查和卫片解译相结合的方法建立了区县尺度机动车行驶里程和尾气排放高分辨率排放清单, 以北京市通州区为例进行了数据分析.研究区域内基于实际道路车流量的机动车年行驶里程为7.69×109km·a-1, 基于保有量计算年行驶里程为4.87×109km·a-1, 基于保有量的方法低约37%.

(2) 基于保有量的方法低估了小型载客汽车、大型载客汽车和中型载货汽车的行驶里程, 高估了轻型载货汽车、重型载货汽车、低速载货汽车和摩托车的行驶里程.这主要与机动车的移动属性有关, 反映了注册地与实际使用地不一致的情况, 注册于其他区域的小型载客汽车在在研究区域内使用, 注册于研究区域内的重型载货汽车在其他区域使用较多.

(3) 基于保有量的计算方法低估了小客车的尾气排放量, 低估比例为51%, 对于大客车、轻型载货汽车和中型载货汽车, 2种方法计算的排放量差别较小, 基于保有量的计算方法高估了重型载货汽车的尾气排放量, 高估比例为41%, 保有量的计算方法高估了低速载货汽车和摩托车的排放量, 高估比例约为30%.

(4) 提出了一种估算道路车流量并建立机动车尾气排放清单的方法, 应用实际车流量的计算方法与实际状况更接近, 为缺乏车流量数据的地区高分辨率机动车尾气排放清单建立提供了一种技术方法.

参考文献
[1] 北京市统计局. 北京统计年鉴2016[M]. 北京: 中国统计出版社, 2016.
[2] Wu X M, Wu Y, Zhang S J, et al. Assessment of vehicle emission programs in China during 1998-2013:achievement, challenges and implications[J]. Environmental Pollution, 2016, 214: 556-567. DOI:10.1016/j.envpol.2016.04.042
[3] Lang J L, Zhou Y, Cheng S Y, et al. Unregulated pollutant emissions from on-road vehicles in China, 1999-2014[J]. Science of the Total Environment, 2016, 573: 974-984. DOI:10.1016/j.scitotenv.2016.08.171
[4] Cai T Q, Zhang Y, Fang D Q, et al. Chinese vehicle emissions characteristic testing with small sample size:results and comparison[J]. Atmospheric Pollution Research, 2017, 8(1): 154-163. DOI:10.1016/j.apr.2016.08.007
[5] Li T Z, Chen X D, Yan Z X. Comparison of fine particles emissions of light-duty gasoline vehicles from chassis dynamometer tests and on-road measurements[J]. Atmospheric Environment, 2013, 68: 82-91. DOI:10.1016/j.atmosenv.2012.11.031
[6] 樊守彬, 田灵娣, 张东旭, 等. 北京市机动车尾气排放因子研究[J]. 环境科学, 2015, 36(7): 2374-2380.
Fan S B, Tian L D, Zhang D X, et al. Emission factors of vehicle exhaust in Beijing[J]. Environmental Science, 2015, 36(7): 2374-2380.
[7] 樊守彬, 李雪峰, 张东旭, 等. 道路交通扬尘排放因子测量系统研发及应用[J]. 环境科学学报, 2016, 36(10): 3569-3575.
Fan S B, Li X F, Zhang D X, et al. Development and application of an emission factor measurement system for road fugitive dust[J]. Acta Scientiae Circumstantiae, 2016, 36(10): 3569-3575.
[8] 田灵娣, 樊守彬, 郭津津, 等. 道路环境黑碳变化特征及影响因素[J]. 环境工程学报, 2017, 11(5): 2858-2864.
Tian L D, Fan S B, Guo J J, et al. Concentration variations and influencing factors of black carbon in road environment[J]. Chinese Journal of Environmental Engineering, 2017, 11(5): 2858-2864. DOI:10.12030/j.cjee.201601173
[9] 田灵娣, 樊守彬, 张东旭, 等. 行驶速度对机动车尾气排放的影响[J]. 环境工程学报, 2016, 10(11): 6541-6548.
Tian L D, Fan S B, Zhang D X, et al. Influence of average speed on vehicle exhaust emissions[J]. Chinese Journal of Environmental Engineering, 2016, 10(11): 6541-6548. DOI:10.12030/j.cjee.201506191
[10] 樊守彬. 北京机动车尾气排放特征研究[J]. 环境科学与管理, 2011, 36(4): 28-31.
Fan S B. Tail-pipe emission characteristics from on-road vehicles in Beijing[J]. Environmental Science and Management, 2011, 36(4): 28-31.
[11] Gong M M, Yin S S, Gu X K, et al. Refined 2013-based vehicle emission inventory and its spatial and temporal characteristics in Zhengzhou, China[J]. Science of the Total Environment, 2017, 599-600: 1149-1159. DOI:10.1016/j.scitotenv.2017.03.299
[12] 张意, 吴琳, 毛洪钧, 等. 天津市机动车污染物排放清单及控制对策研究[J]. 南开大学学报(自然科学版), 2017, 50(1): 90-96.
Zhang Y, Wu L, Mao H J, et al. Research on vehicle emission inventory and its management strategies in Tianjin[J]. Acta Scientiarum Naturalium Universitatis Nankaiensis, 2017, 50(1): 90-96.
[13] 郭津津, 樊守彬, 王军玲, 等. 北京市机动车排放的空间聚类特征研究[J]. 环境科学与技术, 2017, 40(1): 141-146.
Guo J J, Fan S B, Wang J L, et al. Spatial distribution cluster characteristics of vehicle emissions in Beijing[J]. Environmental Science and Technology, 2017, 40(1): 141-146.
[14] 樊守彬, 张东旭, 田灵娣. AP-42道路交通扬尘排放模型评估及其在北京市的应用[J]. 环境工程学报, 2016, 10(5): 2501-2506.
Fan S B, Zhang D X, Tian L D. Assessment for AP-42 model of road dust emissions and its application in Beijing, China[J]. Chinese Journal of Environmental Engineering, 2016, 10(5): 2501-2506. DOI:10.12030/j.cjee.201412180
[15] 樊守彬, 田灵娣, 张东旭. 基于COPERT模式的北京市汽油车蒸发VOCs排放清单[J]. 环境工程学报, 2016, 10(6): 3091-3096.
Fan S B, Tian L D, Zhang D X. Emission inventory of gasoline evaporation from vehicles in Beijing based on COPERT model[J]. Chinese Journal of Environmental Engineering, 2016, 10(6): 3091-3096. DOI:10.12030/j.cjee.201501068
[16] Kholod N, Evans M, Gusev E, et al. A methodology for calculating transport emissions in cities with limited traffic data:case study of diesel particulates and black carbon emissions in Murmansk[J]. Science of the Total Environment, 2016, 547: 305-313. DOI:10.1016/j.scitotenv.2015.12.151
[17] Kota S H, Zhang H L, Chen G, et al. Evaluation of on-road vehicle CO and NOx National Emission Inventories using an urban-scale source-oriented air quality model[J]. Atmospheric Environment, 2014, 85: 99-108. DOI:10.1016/j.atmosenv.2013.11.020
[18] 施晓清, 李笑诺, 杨建新. 低碳交通电动汽车碳减排潜力及其影响因素分析[J]. 环境科学, 2013, 34(1): 385-394.
Shi X Q, Li X N, Yang J X. Research on carbon reduction potential of electric vehicles for low-carbon transportation and its influencing factors[J]. Environmental Science, 2013, 34(1): 385-394.
[19] 贾佳, 郭秀锐, 程水源. APEC期间北京市PM2.5特征模拟分析及污染控制措施评估[J]. 中国环境科学, 2016, 36(8): 2337-2346.
Jia J, Guo X R, Cheng S Y. Numerical study on the characteristics of PM2.5 in Beijing and the assessment of pollution control measures during APEC[J]. China Environmental Science, 2016, 36(8): 2337-2346.
[20] 张东旭, 樊守彬, 林雅妮, 等. APEC会议期间北京市交通扬尘控制效果研究[J]. 环境科学学报, 2016, 36(2): 684-689.
Zhang D X, Fan S B, Lin Y N, et al. Evaluation of the effectiveness of road fugitive dust control measures during the APEC conference in Beijing[J]. Acta Scientiae Circumstantiae, 2016, 36(2): 684-689.
[21] 孙改红, 樊守彬, 郭津津, 等. 基于卫片的限行对车辆密度及排放的影响研究[J]. 环境科学与技术, 2017, 40(6): 179-183.
Sun G H, Fan S B, Guo J J, et al. The influence of traffic restriction on vehicle density and exhaust emission based on satellite images[J]. Environmental Science and Technology, 2017, 40(6): 179-183.
[22] Xue Y F, Wang Y, Li X F, et al. Multi-dimension apportionment of clean air "parade blue" phenomenon in Beijing[J]. Journal of Environmental Sciences, 2018, 65: 29-42. DOI:10.1016/j.jes.2017.03.035
[23] 樊守彬, 田灵娣, 张东旭, 等. APEC会议期间北京机动车排放控制效果评估[J]. 环境科学, 2016, 37(1): 74-81.
Fan S B, Tian L D, Zhang D X, et al. Evaluation on the effectiveness of vehicle exhaust emission control measures during the APEC conference in Beijing[J]. Environmental Science, 2016, 37(1): 74-81.
[24] Zhou Y, Cheng S Y, Chen D S, et al. A new statistical approach for establishing high-resolution emission inventory of primary gaseous air pollutants[J]. Atmospheric Environment, 2014, 94: 392-401. DOI:10.1016/j.atmosenv.2014.05.047
[25] 车汶蔚. 珠江三角洲高时空分辨率机动车污染排放清单开发及控制对策研究[D]. 广州: 华南理工大学, 2010.
[26] 李笑语, 吴琳, 邹超, 等. 基于实时交通数据的南京市主次干道机动车排放特征分析[J]. 环境科学, 2017, 38(4): 1340-1347.
Li X Y, Wu L, Zou C, et al. Emission characteristics of vehicle exhaust in artery and collector roads in Nanjing based on real-time traffic data[J]. Environmental Science, 2017, 38(4): 1340-1347.
[27] Perugu H, Wei H, Yao Z. Developing high-resolution urban scale heavy-duty truck emission inventory using the data-driven truck activity model output[J]. Atmospheric Environment, 2017, 155: 210-230. DOI:10.1016/j.atmosenv.2017.02.020
[28] 刘登国, 刘娟, 黄伟民, 等. 基于交通信息的道路机动车排放NOx模拟研究[J]. 环境监测管理与技术, 2016, 28(3): 15-19.
Liu D G, Liu J, Huang W M, et al. Simulation study on NOx emission from vehicles based on traffic information[J]. The Administration and Technique of Environmental Monitoring, 2016, 28(3): 15-19.
[29] 樊守彬, 田灵娣, 张东旭, 等. 基于实际道路交通流信息的北京市机动车排放特征[J]. 环境科学, 2015, 36(8): 2750-2757.
Fan S B, Tian L D, Zhang D X, et al. Emission characteristics of vehicle exhaust in Beijing based on actual traffic flow information[J]. Environmental Science, 2015, 36(8): 2750-2757.
[30] 郑君瑜, 车汶蔚, 王兆礼. 基于交通流量和路网的区域机动车污染物排放量空间分配方法[J]. 环境科学学报, 2009, 29(4): 815-821.
Zheng J Y, Che W W, Wang Z L. Traffic flow and road network-based spatial allocation of regional mobile source emission inventories[J]. Acta Scientiae Circumstantiae, 2009, 29(4): 815-821.
[31] 王人洁, 王堃, 张帆, 等. 中国国道和省道机动车尾气排放特征[J]. 环境科学, 2017, 38(9): 3553-3560.
Wang R J, Wang K, Zhang F, et al. Emission characteristics of vehicles from national roads and provincial roads in China[J]. Environmental Science, 2017, 38(9): 3553-3560.
[32] 樊守彬, 张东旭, 田灵娣, 等. 北京市交通扬尘PM2.5排放清单及空间分布特征[J]. 环境科学研究, 2016, 29(1): 20-28.
Fan S B, Zhang D X, Tian L D, et al. Emission inventory and spatial distribution of road fugitive dust PM2.5 in Beijing[J]. Research of Environmental Sciences, 2016, 29(1): 20-28.
[33] 环境保护部. 道路机动车大气污染物排放清单编制技术指南(试行)[EB/OL]. http://www.mep.gov.cn/gkml/hbb/bgg/201501/W020150107594587831090.pdf.
[34] 樊守彬, 田灵娣, 郭津津, 等. 单双号限行对郊区道路机动车尾气排放的控制效果研究[J]. 环境工程技术学报, 2017, 7(5): 539-545.
Fan S B, Tian L D, Guo J J, et al. Effect of odd-even traffic restriction on exhaust emission of suburban highway[J]. Journal of Environmental Engineering Technology, 2017, 7(5): 539-545.
[35] 北京交通发展研究院. 2016北京市交通发展年度报告[R]. 北京: 北京交通发展研究院, 2016. 8.