2021, Vol. 41
[PDF全文]
2. 成都市机动车排气污染防治技术保障中心, 成都 610066;
3. 四川省环境政策研究与规划院, 成都 610093
2. Chengdu Technology Center of Vehicle Exhaust Pollution, Chengdu 610066;
3. Sichuan Academy of Environmental Policy and Planning, Chengdu 610093
汽车排放检验是I/M制度的重要组成部分, 保证着道路车辆安全行驶和达标排放.汽车年检数据作为现有的城市汽车排放数据源, 具有可信性、公正性、易获取性和全面性的特点(徐驰等, 2012).城市机动车年检数据量巨大、数据记录项丰富、检验过程质控严格, 极具信息挖掘潜力.以成都市为例, 2020年汽车年检数据记录已超过200万车次.从已有的数据库记录中可以获取车辆HC、CO、NOx污染物排放信息, 以及车型、排放阶段、品牌、基准质量等车辆属性信息和行驶里程、车龄等活动水平信息.这些信息可为单车排放强度核算提供详细和准确的定量依据, 对于城市机动车管理和减排政策的制定具有重要意义(Nakamoto et al., 2018).
目前, 我国主要是将汽车年检数据用于对检测过程是否符合标准规定和机动车排放检验机构是否有违法违规操作进行监管和执法.这些数据在学术研究中的应用包括: 对机动车尾气排放特征的分析(韩博等, 2019); 通过HC、CO、NOx检测值得到车辆的劣化规律; 基于本地化道路移动源污染物排放清单的编制(孙世达等, 2020); 基于数据建立模型对其检测结果的研究(冯小平等, 2020; 秦之湄等, 2021).
随着我国国民经济和社会发展“十四五”规划中2030年碳达峰目标的提出, 越来越多的研究开始关注交通领域的碳排放.目前, 对于城市机动车的碳排放研究更多的是采用排放清单的方法进行碳排放的核算.例如, 2015年发布的《陆上交通运输企业温室气体排放核算方法与报告指南(试行)》(以下简称《指南》)对国内城市交通运输的温室气体排放进行了规范, 并提供了核算的方法和重要参数.这些基于城市汽车的平均活动水平和平均排放因子的方法从宏观层面上提供了指导性的依据, 但对于城市交通中汽车碳排放的达峰路径研究提供的信息比较有限, 特别是如何从不同排放阶段或者不同车型等车队结构上对城市汽车污染物和二氧化碳协同减排提出对策.
现常用于汽油车排气污染物检测的简易瞬态工况法(Vehicle Mass Analysis System, VMAS)包括CO、NOx、HC和CO2等检验过程数据.这些数据源易获取且涵盖车辆信息多, 但在机动车排气检测的结果分析中CO2并未得到关注和重视.充分挖掘和利用机动车排放检验获取的CO2信息, 可以获得大量有代表性的样本, 从而表征不同车辆的污染物和CO2排放特征等多个方面.VMAS只涉及城区工况, 平均车速为19 km·h-1, 最大车速为50 km·h-1.根据文献研究(李媛等, 2017), 成都市小型客车工况平均车速为23.65 km·h-1, 最大车速为62 km·h-1, 因此, VMAS能代表成都市城市道路平均行驶的工况特征.基于VMAS数据挖掘的结果在城市汽车碳排放研究中具有非常独特的科学价值, 且目前尚未见到类似的研究报道.
基于此, 本研究以成都市2019年小型客车VMAS年检数据为例, 通过深入挖掘排气检验数据中基于检验过程数据的CO2浓度信息, 提出获取车辆CO2排放因子的新途径, 以扩展城市机动车碳排放核算的信息来源.
2 数据和方法(Data and methods) 2.1 数据来源本研究以成都市为例, 任意选取了成都市2019年简易瞬态工况法的小型汽油客车年检过程数据, 去除样本量少的国Ⅵ车辆样本, 共计获得104846个.过程数据是指排放检验机构对机动车按照《汽油车污染排放限值及测量方法》(GB18285—2018)在底盘测功机从开始检测到结束的全部需要上传的数据, 简易瞬态工况法的有效数据的时间是195 s.过程数据包含了车辆检测过程中逐秒的污染物测量浓度、车速、发动机转速、稀释系数、湿度修正系数等信息.通过对简易瞬态工况法过程数据进行编程, 可以计算得到车辆HC、CO、NOx和CO2排放因子及油耗.
2.2 碳排放计算方法 2.2.1 汽车尾气排放因子计算方法参照《汽油车污染物排放限值及测量方法(双怠速法及简易工况法)》(GB 18285—2018)中附录D的计算方法, 基于简易瞬态工况法195 s的过程数据, 采用各污染物逐秒的浓度、稀释修正系数、时速和湿度修正系数, 在充分考虑环境气象参数的情况下对HC、CO、NOx排放因子进行计算, CO2排放因子参照简易瞬态工况法CO排放因子的计算方法.
2.2.2 基于燃料消耗量试验标准的碳排放计算方法目前世界范围内的油耗标准基本都是利用尾气碳平衡的方法间接测量油耗, 而非直接测量法.因此, 本文采用《轻型汽车燃料消耗量试验方法》(GB/T 19233—2008)中的汽油机燃料消耗量公式(1), 即碳平衡法.该标准的试验循环为新欧洲驾驶循环(New European Drivig Cycle, NEDC), 包括1部(4个城区工况)和2部(1个市郊工况)两部分.而本研究采用的是简易瞬态工况法的测试循环, VMAS为NEDC的1个城区工况, 特此说明.
|
(1) |
式中, OC为燃料消耗量(L·100 km-1), EFHC、EFCO、EFCO2分别为HC、CO、CO2的排放因子(g·km-1), D为15 ℃下汽油的密度(kg·L-1).
碳排放量计算方法基于《2006年国家温室气体排放清单指南》, 计算公式分别见式(2)~(5).行驶里程来源于汽车年检数据, 其余各参数取值为《指南》推荐值, 其中, 《指南》推荐的油耗来源于轻型乘用车燃料消耗量通告, 该油耗的计算方法为上述《轻型汽车燃料消耗量试验方法》(GB/T 19233—2008).
|
(2) |
|
(3) |
|
(4) |
|
(5) |
式中, E为CO2排放量(t), ADi为i类化石燃料的活动水平(GJ), EFi为i类化石燃料的CO2排放因子(t·GJ-1), NCVi为i类化石燃料的平均低位发热量(GJ·t-1), FCi为i类化石燃料消费量(t·a-1), CCi为i类化石燃料单位热值含碳量(t·GJ-1), OFi为i类化石燃料碳氧化率, kij为使用i类化石燃料的j车型核算和报告期行驶里程(km), OCij为使用i类化石燃料的j车型百公里燃油量(L·100 km-1), Ci为i类化石燃料密度(t·m-3).
2.2.3 基于城市车辆活动水平的碳年排放量计算方法本方法基于《道路机动车大气污染物排放清单编制技术指南(试行)》, 采用年检数据中的累计行驶里程、车辆检测日期和车辆登记日期进行计算.以上3个信息按《汽油车污染物排放限值及测量方法(双怠速法及简易工况法)》(GB18285—2018)中规定需要报送, 因此, 可以直接从检测结果中获取.计算公式见式(6)~(8).
|
(6) |
|
(7) |
|
(8) |
式中, A为车龄(年); t登记为车辆登记日期; t检测为车辆检测日期; S为累计行驶里程(km); E为CO2排放量(t); EFCO2为CO2排放因子(g·km-1), P为保有量(辆), VKT为年均行驶里程(km·辆-1).
3 结果与讨论(Results and discussion) 3.1 排放因子对比分析 3.1.2 CO2排放因子挖掘结果及与文献值的对比本研究采用上述2.2.1节计算方法得到小型汽油客车简易瞬态工况法年检数据的CO2排放因子的算术平均值和95%置信区间, 结果详见表 1.鉴于VMAS不同于实际工况或NEDC工况等测试工况, 且采用年检数据得到CO2排放因子的研究较少, 因此这里将本研究与国内外文献其他研究结果进行对比.
| 表 1 CO2排放因子结果及与文献值的对比 Table 1 The results of the CO2 emission factors and their comparison with the literature′s |
 |
通过大量文献调研后发现, 获取车辆CO2排放因子常用的方法有底盘测功机和台架测试(Pavlovic et al., 2016; Dimaratos et al., 2016)、道路测试(Weiss et al., 2011; Chikhi et al., 2014; Zhang et al., 2014; Jaiprakash et al., 2017; O′Driscoll et al., 2017; Kerbachi et al., 2017; Qu et al., 2021)、隧道测试(Huang et al., 2017)、模型计算(Baidya et al., 2009; Mogno et al., 2020)等, 但这些研究的样本量均较小.表 1同时列出了底盘测功机、道路测试和排放模型3种研究方法的各排放阶段的国内外研究结果.由于各文献中所采用测试方法、车龄、累计行驶里程、排量、基准质量等条件不同, 导致同一排放阶段的CO2排放因子差异较大.
由表 1可知, 国Ⅰ排放阶段的CO2排放因子高于底盘测功机研究的结果(谢岩等, 2020), 与道路测试研究的结果接近(Zhang et al., 2014); 国Ⅱ排放阶段的CO2排放因子符合其他文献中底盘测功机研究(Ntziachristos et al., 2000; ARAI, 2008; 2009;May et al., 2014; 谢岩等, 2020)和道路测试研究(Zhang et al., 2014; Qu et al., 2021)的结果, 高于排放模型研究的结果(Baidya et al., 2009); 国Ⅳ排放阶段的CO2排放因子低于底盘测功机研究的结果(Bergvall et al., 2009; 谢岩等, 2020), 但高于道路测试研究的结果(Weiss et al., 2011; Zhang et al., 2014; Chikhi et al., 2014; Jaiprakash et al., 2017); 国Ⅴ排放阶段的CO2排放因子符合其他文献中底盘测功机研究(Fontaras et al., 2014; 谢岩等, 2020)和道路测试研究(Weiss et al., 2011; O′Driscoll et al., 2017)的结果, 略高于排放模型研究的结果(Fontaras et al., 2014).对比结果表明, 其结果的一致性较好, 可以将基于汽车年检的CO2排放因子数据用于更进一步的研究.
3.1.2 不同污染物排放因子频数分布对比分析为了解VMAS中不同尾气中各污染物排放的统计特征, 将2.2.1节计算方法得到的小型汽油客车简易瞬态工况法的HC、CO、NOx、CO2排放因子绘制成反映频数分布的核密度图, 对排放因子分布进行对比分析, 结果如图 1所示.
 |
| 图 1 HC、CO、NOx和CO2排放因子的核密度图 Fig. 1 KDE of HC, CO, NOx, and CO2 emission factors |
从图 1可以看出, HC排放因子在国Ⅴ排放阶段呈正偏分布, 绝大多数分布在低值(0.022 g·km-1); 国Ⅰ~国Ⅳ排放阶段呈双峰分布, 且随着排放阶段的下降, 左高峰逐渐下降, 右高峰升高, 且右高峰向右移动, 但国Ⅰ阶段的右峰在国Ⅱ阶段的左侧, 但总体趋势为HC排放因子随着排放阶段的升高而下降.CO排放因子在国Ⅳ~国Ⅴ排放阶段呈正偏分布, 国Ⅱ和国Ⅲ排放阶段呈双峰分布, 且随着排放阶段的下降, 左高峰逐渐下降, 右高峰升高, 且右高峰向右移动, 国Ⅰ排放阶段呈正态分布, 高峰介于国Ⅲ和国Ⅱ之间.CO与HC排放因子的分布情况较为相似, 国Ⅳ~国Ⅴ中分布在左高峰0.33 g·km-1左右.NOx排放因子在国Ⅴ排放阶段呈正偏分布, 高峰的对应的排放因子值约为0.020 g·km-1; 国Ⅳ排放阶段总体上呈双峰分布, 与CO在国Ⅳ排放阶段的双峰左高右低相比, 左右高峰基本一致, 且左峰显著低于国Ⅴ排放阶段; 在国Ⅰ~国Ⅲ排放阶段呈正态分布, 曲线较为扁平, 数据分布较为分散, 随排放阶段下降, 高峰逐渐右移, 与HC、CO类似, 国Ⅰ排放阶段介于国Ⅲ和国Ⅱ之间.
CO2排放因子呈现出与HC、CO和NOx完全不同的分布特征.CO2排放因子(及其对数值)总体上呈正态分布, 其峰值约为300 g·km-1; 同时, 也未表现出明显的双峰或多峰分布.国Ⅱ~国Ⅴ排放阶段除了高峰位置不同以外, 其左右曲线基本重叠, 表明CO2排放因子在国Ⅱ~国Ⅴ排放阶段低值和高值分布差距不大.
综上所述, 成都市小型汽油客车尾气中污染物排放整体上表现为一般排放水平和低排放水平的混合分布, 其中, CO和HC的低排放水平占比优于NOx, 而尾气中CO2排放水平整体上变化不大, 其分布范围比较窄.
表 2为HC、CO、NOx和CO2的排放因子平均值和标准差.总体来看, HC、CO、NOx数据由于离散程度较大, 且不符合正态分布, 故其算术平均值尚有表征平均排放水平的统计意义, 而对应的(算术)标准差远大于平均值, 已无法正确表征平均排放水平的离散程度.因此, HC、CO和NOx的排放水平的均值和离散程度应该基于几何均值和几何标准差.而CO2的数据是接近正态分布的, 可以采用算术均值和标准差来表征.
| 表 2 HC、CO、NOx和CO2排放因子平均值和标准差 Table 2 Mean and standard deviation of HC, CO, NOx, and CO2 emission factors |
|
如图 2所示, HC、CO、NOx排放因子总体呈现大幅度下降的趋势, 特别是HC和NO, 表明随着排放阶段的更新, 这3类污染物已经有较好的控制效果.3种污染物在国Ⅰ~国Ⅱ排放阶段反而增加, 该现象也与图 1表现的国Ⅰ排放因子介于国Ⅲ和国Ⅱ之间的情况一致.特别是HC和CO, 主要原因应该是国Ⅰ车队中高油耗、排放差的车辆被逐步淘汰, 仍在使用的是排放较好或经过良好维修的车辆.例如, 国Ⅱ车辆中有19辆车超出HC和CO规定限值的1/2以上, 有车辆HC排放达到13.76 g·km-1, CO排放达到521.69 g·km-1, 而国Ⅰ车辆未出现这种情况.欧Ⅲ~欧Ⅴ轻型汽油车在NEDC工况下HC、CO、NOx排放因子随排放阶段升高而下降(Alves et al., 2015), 但小于本研究.在杭州对轻型客车通过简易瞬态工况法测得的CO和NOx排放因子分别为1.22 g·km-1和0.28 g·km-1(董红召等, 2011), 与本研究国Ⅴ车辆结果相近.在济南对轻型汽油车通过简易瞬态工况法测得的HC和NOx排放因子分别为0.5 g·km-1和0.7 g·km-1(谢建辉等, 2014), HC排放因子大于本研究, NOx排放因子与本研究国Ⅳ车辆结果相近.与之相比, CO2排放因子从国Ⅰ~国Ⅴ排放阶段下降不明显, 需要考虑基准质量或排量的影响, 原因分析见3.1.5节.
 |
| 图 2 不同排放阶段下的HC、CO、NOx、CO2排放因子 Fig. 2 HC, CO, NOx and CO2 emission factors at different stages |
根据国外对欧洲各类型车辆CO2排放因子进行的研究, 汽油车在城市道路情况下, 随着排放阶段提升, CO2排放因子并没有太大的下降(Weiss et al., 2011); NEDC测试的结果在欧Ⅴ阶段已经靠近欧盟2015年的单车CO2排放目标, 但却普遍小于真实行驶状态下的CO2排放因子.欧盟国家新乘用车实际CO2排放与型式测试排放之间的差异越来越大, 该差距从2001年的8%增长到2017年的38%(Tietge et al., 2019).国内在ASM5025工况下对127辆轻型汽油客车尾气排放因子的研究中得到CO2随排放阶段的提升总体呈现上升趋势, 而HC、CO和NOx排放因子有明显的下降趋势(谢岩等, 2020).
3.1.4 累计行驶里程和车龄与CO2排放因子变化关系由于累计行驶里程和车龄是对汽车排放检验结果影响较大的两个指标(秦之湄等, 2021), 因此对CO2排放因子与这两个指标的变化关系进行分析.如图 3a所示, 累计行驶里程与CO2排放因子的变化关系可以分为3段, 分别是≤2万km、2~34万km和＞34万km. ≤2万km的车辆通常处于磨合期, CO2排放因子随着磨合的完成而达到最低水平; 在2~34万km段CO2排放因子基本上随着累计行驶里程的增加而小幅度的上升; 而＞34万km后, 由于样本量逐渐减少, 且车辆劣化比较严重而有可能进行过大修, 这会导致其波动较大.在2~34万km范围中, 累计行驶里程每提高1万km, CO2排放因子平均增加1.91 g·km-1.
 |
| 图 3 CO2排放因子与累计行驶里程(a)、车龄(b)、基准质量(c)及排量(d)的变化关系 Fig. 3 Relationship between CO2 emission factors and cumulative mileages change(a), vehicle age change(b), reference mass change(c) and displacement changes(d) |
如图 3b所示, 车龄方面也可以划分为3段, 分别是≤1年、2~16年和≥17年, ≤1年车龄的车辆与累计行驶里程≤2万km的车辆情况相同, 排放因子要略高一些; 2~16年车龄的车辆, CO2排放因子是几乎未变; ≥17年车龄的车辆排放因子逐年上升.从各排放阶段的实施时间与车龄的对应情况来看, ≤1年车龄的车辆主要是新车, 尚处于磨合期; 2~16年车龄的车辆主要是国Ⅱ~国Ⅴ的车辆, ≥17年车龄的车辆主要是国Ⅰ及之前排放阶段车辆, 仍在使用的车辆一般进行过大修, 其排放因子特征与累计行驶里程大于34万km的情况相似.在2~16年车龄段, 车龄每增加1年, CO2排放因子平均增加1.24 g·km-1.
总体来看, 累计行驶里程在2~34万km阶段对CO2排放因子的影响相对显著一些, 但变化程度并不明显; 在2~16年车龄阶段对CO2排放因子的影响不明显, 表明车辆CO2排放随车龄变化而呈现的劣化并不显著, 但大于16年车龄的车辆CO2排放呈现出加速劣化的趋势.
3.1.5 基准质量和排量与CO2排放因子变化关系鉴于车辆劣化情况对CO2排放因子影响不大, 因此, 需从车辆本身参数方面进行研究, 本文选择了排量和基准质量两个参数进行分析.从图 3c可以看出, 基准质量对CO2的影响较为显著, 在基准质量≤2500 kg的范围中, 车辆CO2排放因子随着基准质量的提升, 总体呈上升的趋势.CO2排放因子在基准质量＞2500 kg范围波动较大, 原因在于在2500~3000 kg各阶段数样本数均小于20辆及基准质量本身较大的影响.本次研究中基准质量每提高100 kg, CO2排放因子平均增加14.6 g·km-1.
将受检车辆排量分为4类(O′Driscoll R et al., 2017), 分别是小排量(≤1.4 L)、中排量(1.4 L < 排量≤1.55 L)、中高排量(1.55 L < 排量≤2 L)、大排量(＞2 L).从图 3d可以明显看出, CO2排放因子随排放的增大而上升, 表明降低排量可以一定程度地减少CO2排放.本次研究中车辆排量每提高0.1 L, CO2排放因子平均增加25.79 g·km-1.与采用相同排量的分类方法的文献(O′Driscoll et al., 2017)结果进行对比, 本研究与文献研究上升趋势一致, 但结果值大于文献研究.
基准质量和排量是具有正比关系的两个属性, 因此选择基准质量对图 2中CO2排放因子随排放阶段升高而无较明显下降的现象进行分析.对国Ⅰ~国Ⅴ车辆按照单位基准质量CO2排放因子进行分析, 从国Ⅰ~国Ⅴ排放阶段车辆平均基准质量增加165.97 kg, 增幅达到11.45%, 单位基准质量CO2排放因子下降19.67%, 表明单位基准质量CO2排放因子随车辆技术水平升级而下降显著, 但受城市车辆追求大型化的影响, 城市在用车CO2排放因子的平均结果未出现明显下降.例如, 2014—2017年, 全球大型车(如SUV和皮卡)市场份额增加了11%.2009—2016年, 国产车整备质量增加了163 kg, 增幅达到13%, 导致国家平均油耗增加0.5~1.0 L; 同时, 随着车辆质量的升高, 平均功率和排量也在增加, 市场向大尺寸和高排量车辆的转型影响了国家车队整体节能进程(Cazzola et al., 2019).
从以上分析可以看出, 累计行驶里程和车龄这两类反应车辆劣化水平的指标对CO2排放因子影响不显著, 而车辆的基准质量和排量这两类反映自身属性的指标对CO2排放因子影响显著.因此, 需要出台政策改变燃油车辆重量化和大型化的趋势, 鼓励购买小型车和小排量车.
3.2 油耗对比分析随着车辆HC和CO排放减少, 根据碳平衡法计算的原理, CO2的排放情况与油耗大小关系更加紧密.如图 4所示, 小型汽油客车油耗随排放阶段的变化趋势基本与CO2排放因子一致, 各排放阶段油耗变化不大.本研究的平均油耗为12.87 L·100 km-1, 与《指南》中来源于轻型乘用车燃料消耗量通告油耗的7座及以下汽油客车的8.9 L·100 km-1相比, 差距达到44.61%.根据国际清洁交通委员会(International Council on Clean Transportation, ICCT)对来自欧洲6个国家的60万欧洲轻型乘用车的研究, 实际油耗和型式测定结果的平均差异从2001年的9%上升到2015年的42%(Tietge et al., 2015).这与能源与交通创新中心(Innovation Center for Energy and Transportation, iCET)研究发现的年份越新的车, 实际油耗与工况油耗差异越大的结论相符(康利平等, 2017), 轻型车型式认证油耗的降低来自于汽车制造商对型式测试过程和要求的适应, 而非汽车节油技术的进步.根据本研究和轻型乘用车的燃料消耗差异与国内外实际油耗和型式测定油耗差异对比的结果, 表明本研究采用2.2.2节方法计算的油耗可以反映车辆实际油耗.
 |
| 图 4 基于年检数据的油耗结果 Fig. 4 Fuel consumption results based on VEI data |
如表 3所示, 基于城市车辆活动水平的碳排放计算方法得到的成都市城市小型汽油客车CO2排放2074.43万t·a-1, 单车年均排放量4.81 t·a-1.其中, 国Ⅳ和国Ⅴ车保有量大, 仅国Ⅳ车辆排放就占总排放量的1/2;从单车排放量来看, 各排放阶段变异系数为3.68%, 表明各排放阶段间碳排放差异小.
| 表 3 基于年检数据的各排放阶段小型汽油客车年均行驶里程及CO2排放量 Table 3 Average annual mileage and CO2 emission of gasoline passenger car in different stages based on VEI data |
|
根据2.2.2节基于燃料消耗量试验标准的碳排放计算方法计算得到的CO2排放量为1951.61万t·a-1, 单车排放量4.52 t·a-1, 比基于城市车辆活动水平的碳排放计算方法得到的单车排放量低6.03%.两者碳排放结果不同, 原因一为NEDC和VMAS工况的不同, NEDC包含了高速段, 导致基于VMAS工况的碳排放量要高于NEDC工况; 原因二为平均低位发热量不同, 基于城市活动水平的碳排放计算方法采用的是燃烧各类汽油的小型汽油客车数据, 基于燃料消耗量试验标准的碳排量计算方法则采用的是来源于《指南》中给出的汽油平均低位发热量.
3.3.2 单车年平均排放量对比分析2014年国内乘用车、轻型商用车和中重型商用车CO2排放量共6.7亿t(中华人民共和国生态环境部, 2020); 2014年全国汽车保有量为1.54亿辆, 计算得到单车排放为4.35 t·a-1.2018年, 美国EPA统计得到一辆典型乘用车CO2排放量为4.6 t·a-1(EPA, 2018).通过对比发现, 以成都市排气检验数据计算得到的CO2单车排放量为4.81 t·a-1, 与国内外研究结果差距不大.
4 结论(Conclusions)1) 汽车年检数据具有数据量大、易获取、准确度高的特点, 含有车辆属性信息、活动水平信息及温湿度等环境信息.通过挖掘汽车年检数据, 给出了基于简易瞬态工况法的CO2排放因子的计算方法, 并且本研究与其他文献研究的CO2排放因子对比的一致性较好, 能够反映城市中各类车辆的CO2排放情况.因此, 可以利用年检过程数据本地化CO2排放因子、精细化移动源碳排放核算的量化分析和精准分级管控车辆排放情况, 创新城市机动车环保管理体制, 达到城市交通污染物和CO2协同减排.
2) 通过对成都市汽车年检数据挖掘分析发现, 车辆活动水平如累计行驶里程和车龄的增加对CO2排放因子增加不显著, 在2~34万km, 累计行驶里程每提高1万km, CO2排放因子平均增加1.91 g·km-1; 车龄在2~16年车龄段, 车龄每增加1年, CO2排放因子平均增加1.24 g·km-1.车辆自身属性如基准质量和排量的增加对CO2排放因子增加更显著, 基准质量每提高100 kg, CO2排放因子平均增加14.6 g·km-1; 车辆排量每提高0.1 L, CO2排放因子平均增加25.79 g·km-1.小型汽油客车单位基准质量CO2排放因子从国Ⅰ~国Ⅴ随着排放阶段的提升而下降19.67%, 但受城市车辆大型化的影响, 城市在用车CO2排放因子的平均结果未出现明显下降.因此, 从城市汽车碳排放削减角度出发, 应鼓励使用基准质量小或者排量小的车辆, 淘汰高油耗高排放的老旧车辆, 鼓励公共绿色出行而降低单车活动水平, 增加纯电动车辆优化车队能源结构.
ARAI. 2008. Air Quality Monitoring Project: Indian Clean Air Programme (ICAP) as a Part of Ambient Air Quality Monitoring and Emission Source Apportionment Studies[R]. 1-89
|
ARAI. 2009. Source Profiling for Vehicular Emissions[OL]. http://www.cpcb.nic.in/Source_Profile_Vehicles.pdf
|
Alves A C, Lopes J D, Calvo I A, et al. 2015. Emissions from light-duty diesel and gasoline in-use vehicles measured on chassis dynamometer test cycles[J]. Aerosol and Air Quality Research, 15(1): 99-116. DOI:10.4209/aaqr.2014.01.0006 |
Baidya S, Borken-Kleefeld J. 2009. Atmospheric emissions from roadtransportation in India[J]. Energy Policy, 37(10): 3812-3822. DOI:10.1016/j.enpol.2009.07.010 |
Bergvall C, Westerholm R. 2009. Determination of highly carcinogenic dibenzopyrene isomers in particulate emissions from two diesel- and two gasoline-fuelled light-duty vehicles[J]. Atmospheric Environment, 43(25): 3883-3890. DOI:10.1016/j.atmosenv.2009.04.055 |
Cazzola P, Scheffer S, Paoli L, et al. 2019. Fuel economy in major car markets: Technology and policy drivers, 2005-2017[R]. Paris: International Energy Agency
|
Chikhi S, Boughedaoui M, Kerbachi R, et al. 2014. On-board measurement of emissions from liquefied petroleum gas, gasoline and diesel powered passenger cars in Algeria[J]. Journal of Environmental Sciences, 26(8): 1651-1659. DOI:10.1016/j.jes.2014.06.005 |
Dimaratos A, Tsokolis D, Fontaras G, et al. 2016. Comparative evaluation of the effect of various technologies on light-duty vehicle CO2 emissions over NEDC and WLTP[J]. Transportation Research Procedia, 14: 3169-3178. DOI:10.1016/j.trpro.2016.05.257 |
董红召, 徐勇斌, 陈宁. 2011. 基于IVE模型的杭州市机动车实际行驶工况下排放因子的研究[J]. 汽车工程, 33(12): 1034-1038. |
European Commission. 2009. Regulation (EC) no 443/2009 of the European parliament and of the council setting emission performance standards for new passenger cars as part of the community's integrated approach to reduce CO2 emissions from light-duty vehicles[Z].
|
EPA. 2018. Greenhouse Gas Emissions from a Typical Passenger Vehicle[Z].
|
Fontaras G, Franco V, Dilara P, et al. 2014. Development and review of Euro 5 passenger car emission factors based on experimental results over various driving cycles[J]. Science of the Total Environment, 468-469: 1034-1042. DOI:10.1016/j.scitotenv.2013.09.043 |
冯小平, 冯金可. 2020. 应对排放新国标车辆检测合格率的控制及常态化管理[J]. 科技通报, 36(12): 79-84. |
韩博, 高奎贺, 张圣男, 等. 2019. 基于大数据的机动车尾气排放特性分析方法[J]. 计量技术, 536(4): 31-35. |
Huang C, Tao S, Lou S, et al. 2017. Evaluation of emission factors for light-duty gasoline vehicles based on chassis dynamometer and tunnel studies in Shanghai, China[J]. Atmospheric Environment, 169: 193-203. DOI:10.1016/j.atmosenv.2017.09.020 |
Jaiprakash, Habib G, Kumar A, et al. 2017. On-road emissions of CO, CO2 and NOx from four wheeler and emission estimates for Delhi[J]. Journal of Environmental Sciences, 53(3): 39-47. |
康利平, 秦兰芝, Maya Ben Dror, et al. 2017. 中国乘用车燃料消耗量发展年度报告[R]. Beijing: The Innovation Center for Energy and Transportation
|
Kerbachi R, Chikhi S, Boughedaoui M. 2017. Development of real exhaust emission from passenger cars in Algeria by using on-board measurement[J]. Energy Procedia, 136: 388-393. DOI:10.1016/j.egypro.2017.10.268 |
李媛, 陈军辉, 骆丽红. 2017. 成都市车辆行驶典型工况构建与研究[A]//2017中国环境科学学会科学与技术年会论文集(第一卷)[C]. 北京: 中国环境科学学会
|
May A A, Nguyen T N, Presto A A. 2014. Gas-and particle-phase primary emissions from in-use, on-road gasoline and diesel vehicles[J]. Atmospheric Environment, 88(MAY): 247-260. |
Mogno C, Fontaras G, Arcidiacono V, et al. 2020. The application of the CO2 MPAS model for vehicle CO2 emissions estimation over real traffic conditions[J]. Transport Policy. DOI:10.1016/j.tranpol.2020.01.005 |
Nakamoto Y, Kagawa S. 2018. Role of vehicle inspection policy in climate mitigation: The case of Japan[J]. Journal of Environmental Management, 224(Oct.15): 87-96. |
Ntziachristos L, Samaras Z. 2000. Speed-dependent representative emission factors for catalyst passenger cars and influencing parameters[J]. Atmospheric Environment, 34(27): 4611-4619. DOI:10.1016/S1352-2310(00)00180-1 |
O'Driscoll R, Stettler M, Molden N, et al. 2017. Real world CO2 and NOx emissions from 149 Euro 5 and 6 diesel, gasoline and hybrid passenger cars[J]. Science of the Total Environment, 621: 282. |
Pavlovic J, Marotta A, Ciuffo B. 2016. CO2 emissions and energy demands of vehicles tested under the NEDC and the new WLTP type approval test procedures[J]. Applied Energy, 177: 661-670. DOI:10.1016/j.apenergy.2016.05.110 |
Qu L, Wang W W, Li M L, et al. 2021. Dependence of pollutant emission factors and fuel consumption on driving conditions and gasoline vehicle types[J]. Atmospheric Pollution Research, 12(2): 137-146. DOI:10.1016/j.apr.2020.10.016 |
秦之湄, 熊阳欣, 费怡, 等. 2021. 基于决策树的城市在用车环检首检结果预测模型研究[J]. 环境科学学报, 41(4): 1574-1583. |
孙世达, 金嘉欣, 吕建华, 等. 2020. 基于精细化年均行驶里程建立机动车排放清单[J]. 中国环境科学, 40(5): 2018-2029. DOI:10.3969/j.issn.1000-6923.2020.05.019 |
Tietge U, Díaz S, Mock P, et al. 2019. From laboratory to road. A 2018 update of official and real-world fuel consumption and CO2 values for passenger cars in Europe[R]. Berlin: International Council on Clean Transportation Europe
|
Tietge U, Zacharov N, Mock P, et al. 2015. From laboratory to road. A 2015 update of official and real-world fuel concumption and CO2 values for passenger cars in Europe[R]. Berlin: International Council on Clean Transportation Europe
|
Weiss M, Bonnel P, Hummel R, et al. 2011. Analyzing on-road emissions of light-duty vehicles with Portable Emission Measurement Systems (PEMS)[R]. European Commission: Joint Research Centre
|
徐驰, 刘娟, 张健, 等. 2012. 上海市机动车环保检测机构管理模式构建及对策探讨[J]. 环境科学与管理, 37(7): 13-16. DOI:10.3969/j.issn.1673-1212.2012.07.004 |
谢建辉, 闫学军, 朱振明, 等. 2014. 济南市轻型汽油车污染物排放特征研究[A]. 中国环境科学学会. 2014中国环境科学学会学术年会(第六章)[C]. 北京: 中国环境科学学会. 7
|
谢岩, 廖松地, 朱曼妮, 等. 2020. 轻型汽油车稳态工况下的尾气排放特征[J]. 环境科学, 41(7): 3112-3120. |
Zhang S J, Wu Y, Liu H, et al. 2014. Real-world fuel consumption and CO2 emissions of urban public buses in Beijing[J]. Applied Energy, 113(1): 1645-1655. |
中华人民共和国生态环境部. 2020. 中国移动源环境管理年报(2020)[R]. 北京: 中华人民共和国生态环境部
|