中国典型城市机动车排放特征与控制策略研究_张少君 final

中国典型城市机动车排放特征与

控制策略研究

(申请清华大学工学博士学位论文)

培养单位：环境学院

学科：环境科学与工程

研究生：张少君

指导教师：傅立新教授

二零一四年六月

中

国

典

型

城

市

机

动

车

排

放

特

征

与

控

制

策

略

研

究

张

少

君

Characteristics and Control Strategies

of Vehicle Emissions in Typical Cities

of China

Dissertation Submitted to

Tsinghua University

in partial fulfillment of the requirement

for the degree of

Doctor of Engineering

By

Zhang Shaojun

(Environmental Science and Engineering)

Dissertation Supervisor : Professor Fu Lixin

June, 2014

关于学位论文使用授权的说明

本人完全了解清华大学有关保留、使用学位论文的规定，即：

清华大学拥有在著作权法规定范围内学位论文的使用权，其中包

括：（1）已获学位的研究生必须按学校规定提交学位论文，学校可以

采用影印、缩印或其他复制手段保存研究生上交的学位论文；（2）为

教学和科研目的，学校可以将公开的学位论文作为资料在图书馆、资

料室等场所供校内师生阅读，或在校园网上供校内师生浏览部分内容；

（3）根据《中华人民共和国学位条例暂行实施办法》，向国家图书馆

报送可以公开的学位论文。

本人保证遵守上述规定。

（保密的论文在解密后遵守此规定）

作者签名：导师签名：

日期：日期：

摘要

I

摘要

由于机动车保有量的快速增加，机动车排放控制成为中国大城市空气污染防

治最重要的工作之一。科学评估机动车排放特征并制定有效的综合控制策略，

对改善城市空气质量具有重要意义。

研究收集了 1634 辆台架测试数据和 263 辆车载测试数据，建立了排放控制

水平、交通运行特征和其他车辆使用条件对单车技术排放因子的影响规律，开

发了中国典型城市的机动车排放因子模型。研究基于宏观交通需求数据建立了

北京多年机动车排放清单，并应用蒙特卡洛方法定量分析了排放因子与排放清

单的不确定性；综合澳门道路交通流特征采样和 TransCAD 对全路网流量模拟，

建立了基于高分辨率路段交通流特征的澳门路网排放清单。研究最终建立了北

京和澳门机动车排放综合控制策略并定量评估了其减排效果。

重型柴油车 NOX 排放因子并没有随排放标准加严而改善，导致重型柴油车

NOX排放控制成为未来机动车排放控制的主要挑战。北京国 II 到国 IV 柴油公交

车 NOX排放因子均在 12 g/km 左右。与国 V 柴油公交车相比，合适的天然气和

混合动力等技术对 NOX 具有更好的排放控制效果。基于短时连续交通流的速度

修正曲线能够更准确地反映“路段-路网”尺度下交通因素对机动车排放的影响。

对于汽油混合动力以外的轻型乘用车，平均速度和 CO2 相对排放因子的拟合系

数 R2 达到 0.9。公交车 CO2 排放在使用空调的情况下显著增加，比增加负载的

影响更加显著，这一现象在混合动力公交车上尤为突出。

2010 年北京机动车 CO、THC、NOX和 PM2.5的排放量分别为 50.5 万吨、5.87

万吨、7.41 万吨和 0.262 万吨，呈现明显的偏态分布。历年实施的机动车排放控

制措施实施使得 2010 年各污染物排放量相比 1998 年下降 58%、59%、31%和

62%。综合加严标准、限购限行和新能源车辆推广等措施的控制情景能使北京

2020 年各污染物排放进一步下降 74%、68%、56%和 72%。澳门路网高分辨率

排放清单显示，澳门机动车排放与路网交通流特征存在强烈的时空相关性。机

动车排放成为澳门半岛 NO2 浓度超标的主要原因，需要综合多项严格措施才能

实现减排目标。研究成果能够为今后中国城市机动车排放控制提供重要参考。

关键词：机动车；排放因子模型；排放清单；交通流；排放控制；

Abstact

III

Abstract

The surge of the vehicle population has caused the abatement of vehicle

emissions becomes one of the most important concerns for air pollution control in

China. Pressure from the substantial growth of vehicle population makes it urgent to

characterize vehicle emissions and develop effective control strategies for better air

quality.

This study collects laboratory measurement results for 1634 vehicles by using

chassis dynamometers and on-road measurement results for 263 vehicles by using

portable emission measurement systems (PEMS). Emission factors are characterized

by emission control level, traffic pattern, and other operating conditions and vehicle

emission factor models for China’s typical cities are developed. A multi-year

inventory of vehicle emissions in Beijing is developed based on the trends in

city-level traffic demand. Uncertainties in vehicle factors and total vehicle emissions

are quantitatively characterized based on a Monte Carlo stotastic simulation method.

Traffic flow data on Macao’s typical roads are also collected and characterized, to

establish hourly profiles of vehicle volume, vehicle category, average speed and

vehicle age. Hense, this study establishes a link-based emissions inventory for

on-road vehicles in Macao during 2010 with high resolution for vehicle technology

group meshed in a temporal and spatial framework.

The results indicate that NOX emission factors of heavy-duty diesel vehicles

(HDDVs) are not improved with their emission standards. Abatement of NOX

emissions from HDDVs remains a significant challenge for vehicle emissions

controls in the future. For example, average NOX emission factors for diesel buses in

Beijing complying with emission standards from the Euro II to the Euro IV are all

approximately 12 g/km. Proper natural gas and diesel hybrid bus technologies can

mitigate on-road NOX emissions more effectively than the Euro V diesel engine.

Multi-scale integration techniques of traffic flow and vehicle emissions are

developed based on the micro-trips generated from the PEMS data. This study

observes very strong correlations between average speed and relative CO2 emission

factors for light-duty passenger vehicle categories with R-squares (R2) nearly 0.9,

except for the gasoline hybrid cars. The operation of on-board air conditioning

Abstact

IV

systems would greatly increase real-world CO2 emissions of all urban bus categories.

The impacts on CO2 emissions for urban buses from air conditioning usage are more

significant compared to those from increased loading mass.

Total emissions of CO, THC, NOX and PM2.5 from Beijing’s on-road vehicles in

2010 are estimated 505 kt, 58.7 kt, 74.1 kt and 2.62 kt, respectively. Owing to a series

of stringent emission controls, total vehicle emissions for those major air pollutants

were significantly reduced by 58%, 59%, 31% and 62%, respectively. The

comprehensive emission control scenario containing the implementation of more

stringent emission standards, the aggressive scrappage of older vehicles, and the

restrictive policies for car purchase and driving, the penetration of alternative fuel

technologies could mitigate vehicle emissions by 74% of CO, 68% of THC, 56% of

NOX and 72% for Beijing in 2020 compare to 2010 levels. The link-based emission

inventory for on-road vehicles in Macao indicates strongly correlations between

emission intensity and traffic flow in the temporal and spatial patterns. Our simulated

results indicate that vehicle NOX emissions are the major local source of urban

ambient NO2. As for the exceedance of NO2 concentration is significant in the Macao

Peninsula, substantial efforts are needed using a combination of control measures for

reducing vehicle NOX emissions. This study can help with policy-makers as they

pursue future vehicle emission control in China.

Key words: vehicle, emission factor model, emission inventory, traffic flow,

emission control

目录

V

目录

第 1 章绪论 ..............................................................................................1

1.1 研究背景 ........................................................................................................... 1

1.2 国内外研究进展概述 ....................................................................................... 8

1.2.1 机动车排放测试技术 .................................................................8

1.2.2 交通运行状况与机动车排放的耦合研究 ................................. 10

1.2.3 机动车排放模型与排放清单研究 ............................................ 13

1.3 研究目的与意义 ............................................................................................. 15

1.4 研究内容与技术路线 ..................................................................................... 16

第 2 章建立典型城市机动车排放因子模型 ........................................... 19

2.1 机动车排放测试数据收集 ............................................................................. 19

2.1.1 机动车排放测试工况 ............................................................... 19

2.1.2 轻型车实验室台架排放测试 .................................................... 22

2.1.3 机动车实际道路车载排放测试 ................................................ 24

2.2 交通流运行状况与机动车排放耦合 ............................................................. 26

2.2.1 交通流微观运行特征参数确定与模态划分 .............................. 26

2.2.2 基于微观运行模态划分的排放速率与排放因子计算 ............... 36

2.2.3 建立基于短时连续交通流的排放因子速度修正曲线 ............... 38

2.3 典型城市机动车排放因子模型方法学 ......................................................... 43

2.3.1 机动车排放因子模型的整体结构与功能需求分析 .................. 44

2.3.2 机动车排放因子计算方法 ........................................................ 48

2.3.3 基于蒙特卡洛方法的机动车排放不确定性分析 ...................... 53

2.3.4 北京机动车排放因子模型软件实现 ......................................... 57

2.4 小结 ................................................................................................................. 59

第 3 章单车技术的排放因子特征研究 ................................................... 60

3.1 传统车辆技术的排放因子研究 ..................................................................... 60

3.1.1 轻型乘用车污染物排放因子 .................................................... 61

目录

VI

3.1.2 轻型乘用车 CO2 排放因子 ....................................................... 67

3.1.3 重型柴油车污染物排放因子 .................................................... 71

3.1.4 重型柴油车 CO2 排放因子 ....................................................... 78

3.2 替代燃料与先进动力车辆技术的排放因子 ................................................. 82

3.2.1 液化石油气与混合动力轻型车排放因子 ................................. 82

3.2.2 天然气与混合动力公交车排放因子 ......................................... 85

3.3 行驶条件对排放因子的影响研究 ................................................................. 91

3.3.1 轻型车速度修正曲线 ............................................................... 91

3.3.2 重型车速度修正曲线 ............................................................... 95

3.3.3 负载与空调对公交车排放因子的影响 ..................................... 99

3.4 小结 ............................................................................................................... 102

第 4 章典型城市路网交通流特征研究 ................................................. 104

4.1 典型城市交通流量采集与分析 ................................................................... 104

4.1.1 典型城市道路信息与交通流数据采集与特征分析 ................ 104

4.1.2 实际道路交通流技术构成信息调研 ....................................... 110

4.2 典型城市路网交通流量时空分布研究 ....................................................... 112

4.2.1 基于交通需求模型的交通流量空间分布研究 ........................ 112

4.2.2 基于典型道路流量特征的路网流量时空分布研究 ................ 116

4.3 车辆行驶工况与路网运行状态研究 ........................................................... 118

4.3.1 澳门车辆行驶工况调研与路网运行状态研究 ........................ 118

4.3.2 基于浮动车技术的北京路网运行状态研究 ............................ 121

4.4 小结 ............................................................................................................... 127

第 5 章典型城市机动车排放清单案例研究 ......................................... 129

5.1 基于宏观交通需求数据的北京机动车排放清单 ....................................... 129

5.1.1 北京车队信息和车队排放因子 .............................................. 129

5.1.2 北京机动车排放清单与不确定性分析 ................................... 135

5.2 基于路段交通流特征的澳门路网排放清单 ............................................... 138

5.2.1 建立澳门 2010 年高分辨率路网排放清单 ............................. 138

5.2.2 澳门路网排放典型污染物扩散模拟与清单验证 .................... 148

目录

VII

5.3 小结 ............................................................................................................... 155

第 6 章典型城市机动车排放控制策略研究 ......................................... 156

6.1 机动车排放控制策略的效益评估方法 ....................................................... 156

6.2 北京机动车排放控制措施分析 ................................................................... 157

6.2.1 北京机动车排放历史趋势分析 .............................................. 157

6.2.2 北京机动车排放控制情景设计 .............................................. 164

6.2.3 北京机动车排放综合控制措施的减排效益分析 .................... 168

6.3 基于路网排放清单的澳门机动车减排措施与效果分析 ........................... 174

6.3.1 澳门机动车排放控制的单项措施设计 ................................... 174

6.3.2 综合控制情景的减排效益分析 .............................................. 175

6.4 小结 ................................................................................................................. 178

第 7 章结论与建议 ............................................................................... 180

7.1 结论 ............................................................................................................... 180

7.2 建议 ............................................................................................................... 182

参考文献 ................................................................................................. 184

致谢 ..................................................................................................... 201

声明 ..................................................................................................... 202

附录 ..................................................................................................... 203

个人简历、在学期间发表的学术论文与研究成果 .................................. 211

第 1 章绪论

1

第 1 章绪论

1.1 研究背景

1.1.1 中国机动车快速增长带来的挑战

随着中国社会经济的快速发展和城市化进程的深入，中国机动车保有量在

最近的 20 多年中快速增长。汽车保有量（不含摩托车和农用汽车）由 1990 年

的 551 万辆增长到 2012 年的 10944 万辆（见图 1.1），年均增长率为 15%[1]。私

人乘用车的快速普及，使得小型客车成为保有量增速最迅猛的车辆类型。中国

小型客车保有量从 2002 年的 790 万辆增长到 2012 年的 8303 万辆，年均增长率

高达 27%。汽车工业也成为带动中国经济发展的重要支柱产业，国内汽车产销

量不断突破历史新高。2009 年，中国汽车销量达到 1364 万辆，超越美国成为世

界最大的汽车销售市场。2010 年中国汽车销量年增 32%达到 1810 万辆，超过了

美国历史上的最高销售记录[2, 3]。2011 至 2013 年，中国汽车销量稳步上升，不

断创造全球历史新高，并于 2013 年突破年销量 2000 万辆大关[4]。

图 1.1 中国汽车保有量，1990 至 2012 年

0

2000

4000

6000

8000

10000

12000

19

90

19

91

19

92

19

93

19

94

19

95

19

96

19

97

19

98

19

99

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

中国汽车保有量（万辆）

年份

第 1 章绪论

2

尽管中国汽车总保有量增长迅速，但汽车人均拥有率跟欧美发达国家相比

仍处于较低水平。2012 年，中国汽车拥有率为 81 辆/千人[1]，远低于美国同期的

~800 辆/千人[3]和日本的~600 辆/千人[5]水平。许多研究结果表明，人均汽车拥有

率与社会经济发展指标存在显著的相关性，如人均收入或人均生产总值（GDP）

等[6]。因此，国内外研究机构和学者都预测随着中国经济的进一步发展，汽车保

有量在未来 20 年中仍将持续保持增长的趋势，保有量在 2030 年可达 3.6-5.4 亿

辆[6-13] （见表 1.1）。

表 1.1 国内外关于中国汽车保有量增长趋势的预测研究 1

数据来源中国汽车保有量增长趋势预测结果

Huo 和 Wang[6]

低方案：2030 年 3.87 亿辆，2050 年 5.30 亿辆

高方案：2030 年 4.42 亿辆，2050 年 6.23 亿

Wang 等[7]

低方案：2024 年 3.6 亿辆，外推至 2030 年约 4.4 亿辆

高方案：2022 年 4.2 亿辆，外推至 2030 年约 5.4 亿辆

Hao 等[8] 2030 年 3.64 亿辆，2050 年 6.07 亿辆

发改委能源研究所[9]

2050 年千人汽车保有量在节能情景下为 420 辆/千人，在

低碳情景下未 388 辆/千人

IEA[10]

2035 年私人乘用车千人保有量 300 辆/千人

中国车用能源展望[11]

2030 年 4.4 亿辆，千人汽车保有量 300 辆/千人

2050 年 5.88 亿辆，千人汽车保有量 403 辆

Wu 等[12, 13]

低方案：2030 年 4.07 亿辆，千人汽车保有量 285 辆/千人

中方案：2030 年 4.71 亿辆，千人汽车保有量 330 辆/千人

高方案：2030 年 5.28 亿辆，千人汽车保有量 370 辆/千人

1 以上预测均未包括摩托车、三轮货车与低速货车。

中国机动车保有量的快速增长也带来诸多严峻挑战和发展困局，包括能源

安全、污染物排放和交通拥堵等。以能源安全为例，2010 年中国石油消费总量

达到 4.3 亿吨，比 2000 年增加了 92%[14]，其中车用能源需求的不断提高是中国

石油消耗量持续上升的主要驱动因素之一[10, 11]。《中国车用能源展望 2012》根

据中国石油基燃料的能流图估计，2009 年中国车用汽油和柴油消耗量（不含摩

托车和农用汽车）为 5400 万吨和 5822 万吨，分别占中国汽油和柴油总消耗的

第 1 章绪论

3

87.5%和 42.3%[11]。另一方面，2010 年中国原油产量相比 2000 年仅增加了 24%，

因此增长的石油消耗部分不得不主要依靠原油进口。2010 年，中国原油进口总

量达到了 2.4 亿吨，原油进口依存度高达 57%[14]。有研究结果表明，2030 年中

国车用石油燃料的总需求量将上升到约 4.5 亿吨标准油，约为 2009 年的 1.7 倍[10,

11]。因此，中国机动车快速增长对国家能源安全带来明显挑战。

1.1.2 城市大气环境问题与机动车排放控制

机动车污染物排放对城市环境空气质量的影响主要体现在两个方面。首先，

机动车直接排放的一次污染物通过扩散，在道路边和城区车流密集的交通环境

中累积较高的污染。交通环境下的一氧化碳（carbon monoxide，CO）、氮氧化

物（nitrogen oxides，NOX）和细颗粒物（PM2.5）等污染物浓度会显著高于城市

一般水平[15-22]。例如，Zhu 等[18-19]对洛杉矶两条典型道路边的污染物浓度监测结

果显示，各监测点的 CO 和颗粒物粒数（particle number，PN）的浓度都随着到

道路的下风向距离增加而下降，并符合指数函数规律。此外，交通环境中与机

动车排放密切相关的颗粒物组分也会显著高于城市浓度水平，包括多环芳烃

（polycyclic aromatic hydrocarbons，PAHs）、黑碳（black carbon，BC）和重金

属等[23-29]。Song 等[24]和严晗[25]的研究结果显示，北京北四环机动车排放导致道

路边监测点在夏季非采暖期的 BC 时均浓度显著高于清华园的同期结果。上述颗

粒物组分会对人体健康产生有害影响，例如 PAHs 具有包括急性毒性、发育和生

殖毒性、细胞毒性、致突变型和致癌性在内的生态毒性[30-34]。2012 年世界卫生

组织下属的世界癌症研究中心已经将柴油车排放定义为 1 类致癌物（确定的致

癌性）[35]。其次，机动车排放的气态污染物[如挥发性有机物 volatile organic

compounds（VOC）和 NOX]等在大气中经过一系列复杂大气化学反应生成二次

污染物，如臭氧（ozone，O3）[36-40]和 PM2.5

[36, 40-43]，形成区域性的大气污染。例

如在大气稳定度较高条件下频发 PM2.5严重超标的重污染过程[44-47]，造成包括影

响居民健康、大气能见度和农作物生长等在内的社会经济损失[45, 48-51]。

越来越多的研究结果显示，随着机动车保有量快速上升，中国许多大城市

空气污染特征由煤烟型转变为煤烟-机动车复合型[52-66]。例如，Richter 等[64]通过

卫星遥感发现中国 1996 到 2004 年间二氧化氮（nitrogen dioxide，NO2）的对流

层柱浓度水平（tropospheric column amount，TOA）不断升高，增速甚至要快于

排放清单的估算结果。该趋势也被应用卫星遥感、地面观测和清单测算等手段

第 1 章绪论

4

的其他研究所证实[52, 54, 58, 65, 66]。Yang 等[58]通过研究北京清华园 1999 到 2008 年

PM2.5的化学组分发现其中硝酸盐与硫酸盐的比例呈现出持续上升的趋势。Wang

等[54]人的研究显示，对于形成臭氧（O3）的前体物 NOX 和 VOC，北京在 2008

年奥运前期分别有 66%和 42%来自于机动车，分别为第一和第二大（仅次于无

组织排放）排放源。北京环保局对北京 PM2.5 来源解析相关研究调研结果表明，

机动车成为对北京 PM2.5贡献最大的本地污染源，浓度贡献比例占 22.2%[67]。

2011 年至 2013 年中，北京、上海等城市都遭遇严重的雾霾污染 [45, 47, 68, 69]。

中国城市的严重空气质量问题被国际媒体大幅报道，改善城市和区域空气质量

成为中国发展过程中最为突出的问题之一[68, 69]。2012 年 2 月 29 日，国务院常务

会议同意发布新修订的《环境空气质量标准（GB 3095-2012）》（见表 1.2）。

相对于原标准（GB 3095-1996），新标准调整了空气功能区分类和数据统计有效

性定义，增加了 PM2.5和 O3的 8 小时浓度限值监测指标，并且加严了可吸入颗

粒物（PM10）和 NO2污染物的浓度限值[70]。上述标准修订都体现了针对突出的

区域性大气污染问题加强综合防治的需求，特别是加强机动车排放控制[53, 71-74]。

2013 年，国务院发布了《大气污染防治行动计划》，提出了十项措施促进空气

质量改善（简称“国十条”）；其中，第三条措施明确了在今后 5 年内强化对

移动源污染防治的具体措施[75]。北京、上海在“国十条”要求下结合城市大气

污染特征制定了城市清洁空气行动计划，都将进一步加强对机动车的排放控制

作为改善空气质量、降低 PM2.5浓度的一项重点工作[76, 77]。

表 1.2 中国环境空气污染物浓度限值及修订变化

污染物单位平均时间一级二级修订备注

SO2 µg/m3

年平均 20 60

24 小时平均 50 150

1 小时平均 150 500

NO2 µg/m3

年平均 40 40 二级限值的年平均、24 小

时平均和 1 小时平均分别

由 80、120 和 240 加严至

40、80 和 200

24 小时平均 80 80

1 小时平均 200 200

第 1 章绪论

5

表 1.2 中国环境空气污染物浓度限值及修订变化（续）

污染物单位平均时间一级二级修订备注

CO mg/m3

24 小时平均 4 4

1 小时平均 10 10

O3 µg/m3

日最大 8 小时

平均 100 160

新增日最大 8 小时平均浓

度限值；

1 小时平均浓度一级和二

级限值与原标准的二级和

三级限值相同；

1 小时平均 160 200

PM10 µg/m3

年平均 40 70 年平均浓度二级限值由

100 加严至 70； 24 小时平均 50 150

PM2.5 µg/m3

年平均 15 35 PM2.5为新增监测污染物

项目 24 35 74

中国于 1990 年代起开始对城市机动车排放进行控制，采取主要措施包括持

续加严新车及发动机排放标准、改善机动车燃料品质、强化在用车检测维护制

度（Inspection/Maintenance，I/M）、环保标志管理制度、推广替代燃料与新能

源车辆和其他经济与交通措施[78-85]。对于北京、上海和广州等特大城市，机动

车排放控制是城市空气污染治理中最重要的工作之一，往往采取更为严格的机

动车排放控制措施，标准的实施进程也快于全国水平[79, 80, 83, 84]。以轻型汽油车

新车排放标准为例（见表 1.3），北京、上海和广州的各阶段标准实施时间通常

比全国要求早 1 至 3 年。上述特大城市还对黄标车、摩托车和货车等重点控制

车队实行了区域限行政策[84]。以黄标车为例，北京从 2003 年起禁止黄标车在二

环以内（城市核心区，约 60 km2）道路行驶，此后限行区域的面积不断扩大，

2009 年 10 月起黄标车禁止在六环以内（含六环，约 2000 km2，包括整个北京核

心城区）道路行驶[80, 82, 84]。2009 年起，中国开始实施“十城千辆节能与新能源

车示范推广应用工程”（简称“十城千辆”计划），旨在推广混合动力、插电

式混合动力和纯电动车辆技术的普及，缓解由于机动车保有量快速增长所带来

的能源安全和空气污染等方面的压力[12, 13, 86]。“十城千辆”计划现扩展到 25 个

示范城市[12, 13]。2013 年，北京市政府在《清洁空气行动计划 2013-2017》中也鼓

励发展天然气、混合动力和纯电动等替代燃料与先进动力车辆技术，并明确了

第 1 章绪论

6

在公交、出租、环卫和邮政等公共车队优先发展的计划[76]。到 2017 年，北京市

区将有超过 50%的公交车以天然气为燃料[76, 84, 87]。

表 1.3 全国及特大城市轻型汽油车新车排放标准实施进程 1

国 1 国 2 国 3 国 4 国 5

全国 2000-1-1 2005-7-1 2007-7-1 2011-7-1

北京 1999-1-1 2002-8-1 2005-12-30 2008-3-1 2013-2-1

上海 1999-7-1 2003-3-1 2007-7-1 2009-11-1 2013-9-1

广州 2000-1-1 2005-7-1 2006-10-1 2010-9-1

1 均为型式认证要求开始时间。

国内外诸多研究都显示，相对无控情景下的机动车排放量，中国和重点城

市所采取的机动车排放控制措施都能取得显著的相对减排效果[36, 79, 80, 84]。国际

清洁交通委员会研究报告显示，采取现状排放控制的情景下，中国 2010 年机动

车主要污染物（CO、THC、NOX和 PM）的排放量相对无控情景削减了 50%~80%，

并且能够避免 11 万人的提前死亡[79]。Saikawa 等[36]研究显示，中国机动车排放

控制措施能够使 2020 年机动车排放量相对无控情景削减超过 50%，并能降低中

国和东亚地区的 O3和 PM2.5浓度水平。Wu 等[80]人研究显示，北京 2009 年机动

车主要污染物的排放量相对 1998 年水平减少了 40%~50%，减排量主要来自于持

续加严新车排放标准。

尽管过去的排放控制措施减缓了中国机动车排放总量上升趋势，但由于机

动车保有量的快速增长，近年来的中国机动车排放总量仍然逐年上升。中国机

动车污染年报 2013 显示，中国 2012 年机动车排放（含摩托车与农用汽车）640.0

万吨 NOX， 438.2 万吨 HC， 3471.7 万吨 CO 和 62.2 万吨 PM。与 2010 年排放

水平相比，中国机动车 NOX、HC、CO 和 PM 的排放总量分别增加了 6.8%、2.0%、

3.3%和 4.0%[88]。中国在“十二五”规划（2011 至 2015 年）期间，将 NOX作为

约束性污染物，设立了减排 10%的总量控制目标[89]。中国环保部公布数据显示，

2012 年全国机动车 NOX排放占中国 NOX人为源排放总量的 27.4%，所占比例相

对 2011 年的 26.5%进一步升高[88, 90]。除北京、上海和吉林外，其他所有省级区

域的 2012 年机动车 NOX排放均呈上升趋势[88]。中国在机动车保有量持续增长的

背景下控制机动车排放，特别是实现主要污染物（如 NOX）减排目标的挑战巨

第 1 章绪论

7

大。

1.1.3 城市交通拥堵现状与交通管控措施

中国城市机动车保有量的快速上升导致了城市道路交通拥堵现象的日益加

剧。以广州为例（见图 1.2），2005 至 2010 年间广州小客车保有量增长了 79 万

辆（增长 150%），市区机动化出行总量增长 538 万人次/日（增长 40%）。尽管

2010 年的道路平均速度由于亚运会相关工程的建设完工和临时交通管理措施的

实施而好转，但广州 2011 年中心城区的干道平均速度仅为 22.9 km/h，高峰时期

的交通拥堵尤其严重[91]。

图 1.2 广州核心区交通运行状况与汽车保有量的变化趋势，2005-2010 年

在城市运行工况下（通常平均速度低于 60 km/h），污染物排放因子通常随

着交通拥堵的改善而下降[92-97]。因此，通过有效的交通措施提高城市车辆运行

速度，可以降低车辆单位里程的排放因子。例如，北京奥运期间的交通管控措

施导致北京六环区域内的路网平均车流量下降了 32%，路网平均速度则由 25

km/h 提升至 37 km/h[92]。车辆的里程排放因子随着交通运行工况的优化而得到了

进一步的降低，奥运期间测试结果表明仅道路平均车速的变化就导致单车 HC、

CO 和 NOX 的排放因子分别降低了 29%、26%和 10%[98]。Zhou 等 [92]利用

MOBILE-China 模型评估了临时交通管控措施的减排效果，VOC、CO、NOX和

0

20

40

60

80

100

120

140

160

180

0

10

20

30

40

50

60

70

80

90

2005 2006 2007 2008 2009 2010

广州民用汽车保有量（万辆）

晚高峰车速（

km

/h）

年份

高速路快速路主干道/干道机动车保有量

第 1 章绪论

8

PM10 的排放量分别降低了 56%、57%、46%和 52%，都超过了交通活动水平的

降低幅度。北京 2008 年 10 月延续了交通限行政策，根据车辆牌照尾号对工作

日白天时段（7 时至 20 时）五环路以内道路机动车实施限行措施（即“五天限

一天”），并延续至今成为常态化的交通管控措施[84, 99]。

除了机动车限行措施，中国部分城市还通过限制机动车保有量的增长速度

来改善城市交通运行状况。例如，上海从 1994 年起通过“有底价、不公开拍卖”

的方式对私车牌照进行市场化配置。2000 年起，上海对中小型生活用车实行无

底价竞购制度（即“牌照拍卖”），并将这一制度沿用至今[100, 101]。该政策导致

上海的汽车人均拥有率显著低于北京的同期水平[101]。北京于 2010 年末发布《北

京市小客车数量调控暂行规定》，于 2011 年起采用摇号方式无偿分配社会和个

人的小客车配置指标（即“摇号上牌”），每月新车指标为 2 万个[84, 102]。此后，

贵阳、广州和天津参考上海和北京的操作经验，陆续实施了机动车限购政策[103-105]。交通拥堵和空气污染严重的省份或城市，也有可能采取机动车限购政策

来降低机动车排放对空气污染的贡献[106, 107]。因此，上述常态化的机动车限行和

限购政策对于城市机动车排放的减排效果值得研究。

1.2 国内外研究进展概述

1.2.1 机动车排放测试技术

机动车排放测试技术主要包括台架测试法，车载测试法，遥感测试法和公

路隧道法，其中车载测试、遥感测试和隧道实验都属于实际道路（on-road）测

试方法[78]。

台架测试法是指在实验室环境条件下利用底盘测功机（chassis dynamometer）

或者发动机测功机（engine dynamometer）模拟设计的测试工况，通过尾气分析

系统对污染物排放进行测试。台架测试法具有测试条件可控和测试结果再现性

强等优点，被广泛应用于各国的机动车法规测试中（如新车型式认证测试）[78, 108]。

以轻型车为例，美国环保部（U.S. Environmental Protection Agency，EPA）采用

联邦测试程序 75 工况（Federal Test Procedure-75，FTP-75）作为轻型车的排放

测试工况。FTP-75 工况包括了冷启动、热稳运行和热启动三个阶段，平均速度

为 31.5 km/h[108]。欧洲从 2000 年起采用新欧洲测试工况（New European Driving

Cycle，NEDC）作为轻型车的法规测试工况。NEDC 工况包括城市工况和郊区

第 1 章绪论

9

工况两部分，并包含 40 秒冷启动排放，平均速度为 33.6 km/h[108]。中国参考了

欧洲的排放标准体系，从国 3 标准起也采用 NEDC 工况用于轻型车的型式认证

测试[109]。但是，近年来的许多研究发现轻型车在 NEDC 工况下的法规测试结果

与实际道路排放因子间存在显著差异[110-116]。欧盟联合研究中心（Joint Research

Center, JRC）[116]认为，NEDC 工况是一个相对温和的工况，因此实际道路 CO2

排放因子会比 NEDC 工况下的结果高 10%~20%，而实际道路 CO 和 NOX的排放

因子甚至会是 NEDC 工况结果的 10 倍。Mock 等[111, 112]通过分析欧洲多国的大

样本数据，发现欧洲轻型车的实际道路 CO2 排放因子与型式认证的测试结果间

的差异随车辆模型年份不断增加，从2000年的不到10%增加到2011年的约25%。

因此，目前世界各国正在研究更加反映实际道路工况特征的测试工况，减小实

际道路排放因子和法规工况测试结果间的差异性（如用于轻型车温室气体排放

测试的世界轻型汽车统一测试规程，World-harmonized Light Vehicle Test

Procedure，WLTP）[112]。

车载排放测试是指利用便携式排放测试系统（portable emission measurement

system，PEMS），分析车辆在实际道路行驶工况下的污染物排放特征[117-119]。

PEMS 通常包括尾气流量测试模块、车辆工况与地理信息记录模块和污染物排放

分析模块。车载排放测试技术可以克服实验室台架测试的弱点，更真实地反映

机动车在实际道路行驶过程中的排放特征。U.S. EPA 通过了相关规定（Section 40

Code of Federal Regulations standards, 40 CFR, Part 1065），允许车载排放测试技

术应用于在用车的排放检测[120]。目前，欧洲也在进行相关研究，制定采用车载

排放测试技术的相关法规标准[116]。北京于 2012 年起通过地方标准，允许车载排

放测试技术用于重型柴油车的新车型式认证测试[121]。目前，利用车载排放测试

技术获取各类车辆技术的排放因子是国内外一个热门研究领域。Liu 等[122]、Huo

等[123, 124]、Yao 等[125]、Liu 等[126]和 Wang 等[127]利用美国 Sensor 公司生产的

SEMTECH-DS 分析了中国的柴油货车、轻型汽油车、农用车和柴油与天然气公

交车的气态污染物排放因子。Liu等[122]、Huo等[124]和Yao等[125]人采用芬兰Dekati

公司生产的 DMM-230 对中国柴油货车和农用车的颗粒物质量排放因子进行了

测试。Liu 等利用 Dekati 公司生产的 ELPI 分析了柴油公交车的颗粒物粒数排放[126]。

遥感测试技术是由美国丹佛大学 Stedman 等于 20 世纪 80 年代末开发的一

项机动车排放测试技术。该技术发展迅速，世界上 10 多个国家和地区陆续展开

第 1 章绪论

10

了道路机动车排放遥感测试[128]。研究者常根据碳平衡原理，依据遥感排放测试

数据计算车辆技术基于燃油消耗的排放因子（g/kg fuel），并结合典型燃油经济

性数据进一步分析其基于里程的排放因子（g/km）。例如，周昱[129]、Guo 等[130]

和 Chan 等[131]分析了北京轻型汽油车，杭州轻型汽油车、重型汽油车和摩托车，

香港轻型汽油车的排放因子。跟实验室台架测试以及车载排放测试相比，遥感

测试的优势在于可以通过较低测试成本的技术手段获得大样本机动车排放数据，

并结合同步采集的车辆信息分析车队整体和单车技术的排放特征。例如，Carslaw

等[22]利用遥感技术对伦敦各类机动车进行测试，结果发现城市轻型柴油车和柴

油公交车的 NOX 排放因子并未随排放标准的加严而明显改善。但是，也有不少

研究指出了遥感测试存在的主要缺点，例如测试时间较短、测试精度较低和测

试点位布局不合理。Smit 等[132]分析了澳大利亚轻型汽油车的大样本遥感测试与

台架测试数据后发现，基于遥感测试数据得到的 CO、HC 和 NOX排放因子分别

是台架测试结果的 1.7~1.9 倍、1.3~1.6 倍和 1.4-1.7 倍。Lee 和 Frey[133]对比了遥

感测试和车载测试的工况，发现遥感测试数据的点位选取对排放因子结果有显

著影响。

此外，还有一些新型的遥感测试技术和手段在机动车排放测试中得到了应

用。如 Westerdahl 等[134, 135]和 Wang 等[136, 137]将 BC、PM2.5、CO 和 NOX等测试

仪器安装于机动车上组成移动测试平台（mobile platform），对洛杉矶、北京和

重庆的机动车排放进行跟车测试。这种方法相比传统的遥感测试，能够获取更

长时间片段的机动车排放信息。目前，机动车排放测试的研究热点主要包括：

（1）对于非传统污染物和颗粒物组分（包括粒数浓度分布和化学组分信息）的

测试，特别是对环境、健康和气候有重要影响的污染物组分（如 BC 和 PAHs 等）[138-140]；（2）对于先进车辆技术（如替代燃料与先进动力技术）和先进后处理

技术（如选择性催化还原器，selective catalyst reduction，SCR；柴油颗粒物捕集

器，diesel particle filter，DPF）对污染物排放影响测试[141, 142]；（3）对于非法规

工况（off-cycle）下交通特征的机动车排放测试，如城市拥堵工况和港口码头怠

速工况[72, 143]。

1.2.2 交通运行状况与机动车排放的耦合研究

按照时间尺度，交通参数可以分为微观和宏观层面。在微观层面上，最常

用的特征参数就是可以直接测量的瞬时速度和瞬时加速度。例如，VEOM 模型

第 1 章绪论

11

利用机动车的瞬时速度和瞬时加速度来反映微观交通运行特征[144]。其中，VEOM

模型根据 25 辆轻型车的 PEMS 测试数据，利用非线性多元回归分析方法建立了

基于瞬时速度和瞬时加速度的排放速率计算模型。类似的研究还有美国弗吉尼

亚理工学院基于轻型车台架测试数据开发的 VT-Micro 模型[145]。反映重型车发

动机工况的瞬态参数（如发动机转速、扭矩和功率）也常作为典型的运行工况

参数。

除了采用上述直接测量的微观工况参数，目前有许多研究选择了代用参数

来反映交通运行工况。例如，Jimenez在 1999年提出机动车比功率（vehicle specific

power，VSP）的概念和计算公式，表征机动车单位质量的瞬时功率需求，体现

了车辆在行驶工况中克服重力、轮胎地面阻力和空气阻力的作用[146]。Jimenez

通过台架测试确定了 VSP 计算公式的主要系数，可以通过收集车辆瞬时速度、

瞬时加速度、道路坡度等信息来计算 VSP。Andrei[147]、Koupal 等[148]对重型车

VSP 计算公式及主要参数进行了研究。VSP 也被应用于 IVE 模型[149]和 U.S. EPA

的最新官方模型 MOVES 中[150]。北京交通大学在 MOVES 模型的 VSP 计算公式

基础上，结合中国重型车的车重分布和车辆外形参数，提出了符合中国车型特

征的重型车 VSP 计算系数[151]。刘欢的研究表明，和直接测量的工况参数（如瞬

时速度和瞬时加速度）相比，代用参数 VSP 和机动车瞬时排放速率间的相关性

更强[152]。此外，IVE 模型为了反映车辆发动机的历史效应，引入了发动机压力

（engine stress，ES）这一无量纲代用参数[149]。

机动车平均速度常作为（如城市道路和路网）反映交通运行状况的宏观参

数，与机动车排放因子进行耦合研究。例如，U.S. EPA 的 MOBILE 系列模型和

欧洲的 COPERT 模型采用平均速度作为排放因子修正的输入参数[153, 154]。Smit

等通过引入路网上各道路类型路段的平均速度分布频率后发现仅用平均速度作

为单一的交通参数会对机动车排放计算存在低估。此外，交通设施信息（如道

路类型）常被作为重要的辅助参数，克服仅采用平均速度作为交通运行状态参

数的不足[155]。例如，MOBILE6 在速度修正中引入了道路类型及拥堵程度来表

征不同典型工况特征[153]。

关于交通运行特征与机动车排放的耦合方法，传统的微观模型（如 VEOM，

VT-Micro）和宏观模型（如 MOBILE，COPERT）根据测试数据建立排放速率

（g/s）或排放因子（g/km）的计算公式。以微观模型为例，VT-Micro 模型根据

式 1-1 计算车辆的瞬时排放速率[144]：

第 1 章绪论

12

3 3

,

0 0

3 3

,

0 0

0

0

e i ji j

i j

e i ji j

i j

L v a

m

M v a

e aMOE

e a

（1-1）

其中， mMOE 是车辆瞬时排放速率，mg/s；v 和 a 分别是机动车瞬时速度(m/s)

和瞬时加速度(m/s2)；i和 j分别是速度和加速度项的幂指数；

,

e

i jL 和

,

e

i jM 是模型回

归系数。需要指出的是，由于机动车瞬态排放速率（g/s）的不确定性较大，通

过有限测试数据得到的拟合公式应用于其他车辆排放的瞬态模拟偏差较大。

1990 年代起，加州大学河滨分校在开发 CMEM 模型时提出了模态化排放模型的

概念（modal emission model），即将瞬态交通运行状况或机动车行驶工况的参

数进行的聚类处理，建立不同交通运行模态下的特征排放参数，如各模态的污

染物平均排放速率（g/s）[156]。这种耦合交通运行状态和机动车排放的思路，引

领着美国新一代模型的开发。例如，IVE 模型根据 VSP 和 ES 建立了 60 个机动

车运行工况模态[149]，MOVES 模型则根据 VSP 和瞬态速度 v 建立了 23 个机动

车运行工况模态[150]。Liu 等[94]研究发现，IVE 模型的 ES 模态划分不适合中国机

动车的典型运行工况，需要进行调整细化。王海鲲[157-159]则根据北京机动车典型

运行工况数据和 PEMS 测试数据建立了 SVEM 模型，其中以 VSP 和 v 作为交通

运行状态的表征参数划分了 60 个交通运行模态。

交通运行特征与机动车排放的耦合与应用可以分为三个层面，分别为单车层

面、路段层面和路网层面。单车层面的运行特征主要指模拟典型车辆或车型技

术在不同运行状态下的排放特征，包括模拟瞬态逐秒的排放速率，建立运行模

态的平均排放速率和计算某交通过程下的单车排放因子或排放量。例如，Liu 等[122]以 VSP 和 ES 为交通运行状态参数，分析了国 0 到国 III 柴油货车典型模态的

平均排放速率。路段层面的研究主要模拟具有单车技术构成的车队在不同交通

运行特征下的排放特征，如污染物的排放强度或车队平均排放因子。例如，霍

红[160, 161]通过调研北京典型道路的交通流特征，计算了北京轻型汽油车在典型交

通流特征下的路段排放强度。严晗[25]调研了北四环交通流特征，分析了路段机

动车 BC 排放强度和排放因子的日变化规律。路网层面的研究主要针对路网层面

交通流分布特征，模拟路网层面的机动车污染物排放的分布特征。例如，Wang

等[162]根据北京网格化的车辆活动水平和平均速度信息，计算了 2005 年北京市区

机动车污染物排放的空间分布特征。

第 1 章绪论

13

需要指出的是，交通和排放的耦合参数越微观，其交通特征参数的时空分辨

率就更高，在较小尺度下的交通排放适用性越强。随着研究的空间尺度变大，

获取高分辨率交通特征参数的难度也显著增大，因此，利用更宏观的参数耦合

交通与排放就变得更为适用。近年来，交通运行特征模态化的耦合技术发展迅

速，增加了微观尺度下的交通排放关系在宏观尺度的应用价值。例如，刘欢建

立了“交通信息-微分单元-集计排放量”的二级耦合模型[152]。该研究将路段层

面的交通排放耦合分解为两步，即建立路段层面宏观交通流特征（道路类型和

拥堵级别，其中拥堵级别对应于特征的车流量和平均速度）到微观运行模态化

交通特征（VSP-ES 模态分布）的第一级映射，和由微观运行模态化交通特征到

机动车排放的第二级映射；其中第二级映射的建立就是典型的单车层面的交通

排放耦合。程颖[163]针对刘欢论文中的第一级映射问题，采用了短时连续交通流

处理方法建立不同平均速度区间下的 VSP 分布，并发现以 300 秒作为时间集成

粒度可以满足车辆油耗计算的精度需求。

1.2.3 机动车排放模型与排放清单研究

机动车排放模型是基于机动车排放测试数据，采用数学统计或物理分析的

方法建立的用来描述车辆技术、车队构成、交通特征和其他使用条件对于污染

物排放影响规律的重要工具[78, 165-167]。机动车排放模型被广泛应用于城市机动车

排放特征研究中。U.S. EPA 于 1978 年发布了 MOBILE1 模型，该模型是世界上

第一个重要的机动车排放模型[168]。其中，MOBILE1 模型将机动车排放因子作

为车龄和行驶里程的函数，这对后续大部分的机动车模型的研究和开发产生了

深刻影响。此后，U.S. EPA 定期更新升级 MOBILE 系列模型，从 MOBILE2 到

MOBILE6 分别新增了车型技术类别、蒸发排放、I/M 修正、油品修正和有毒物

质排放模拟等参数和功能。MOBILE 模型的基本思路，根据车辆技术类别和累

积行驶里程，模拟基准工况下（FTP-75）的基础排放因子；进一步根据车辆使

用条件和交通运行特征进行修正，模拟实际条件下的综合排放因子。2004 年以

后，U.S. EPA 开始大量应用车载排放测试数据和微观交通模态化的耦合技术，

开发新一代机动车排放模型 MOVES，并于 2009 年底发布 MOVES2010 取代

MOBILE6.2 作为新的官方模型 [150]。在欧洲，COPERT 模型是欧盟环境署

（European Environment Agency，EEA）开发的计算欧洲道路机动车污染物排放

量的排放模型，其模型基本思路类似 MOBILE 模型。COPERT 模型能够计算车

第 1 章绪论

14

辆在冷启动、热运行和蒸发排放阶段的污染物排放，并且根据车辆的运行速度、

燃油品质、环境条件、后处理技术等信息进行修正。由于中国车辆排放标准体

系主要参考欧洲，因此 COPERT 模型在中国的适用性比其他地区的排放模型更

有优势[154, 168, 169]。此外，国际上具有较大影响力的机动车排放模型还包括了加

州空气资源管理局（California Air Resource Bureau，CARB）开发的 EMFAC 模

型[170]，UC Riverside 开发的 IVE 模型[149]，德国、瑞士和奥利地三国环保部共同

开发的道路交通排放计算手册模型（The Handbook of Emission Factors for Road

Transport，HBEFA）等[171]。

Smit 等根据输入交通数据的类型，将机动车排放模型分成三类[97]。第一类

模型输入实际交通过程的详细瞬态数据，直接计算各交通模态下的瞬时逐秒排

放速率，例如上一节提到的 CMEM、VEOM 和 VT-Micro 模型。第二类，输入

实际交通过程的平均表征参数来表示交通状态，计算该交通过程下的排放因子，

例如 IVE 模型、MOBILE 模型、COPERT 模型。第三类，输入宏观的交通表征

参数，模型自动生成用于排放计算的模拟交通工况（simulated driving patterns），

计算该交通工况下交通排放。例如，MOVES 模型可以输入宏观交通参数（道路

类型和平均速度），由模型计算微观运行模态的区间分布，模拟在整个交通过

程的排放因子和排放量。目前，机动车排放模型的发展主要受车辆与燃料技术、

排放测试技术和排放控制需求等发展的影响。以欧洲 COPERT 模型为例，2009

年以来的更新工作主要包括利用 PEMS 数据校正 Euro IV 和 Euro V 重型车排放

数据和后处理修正信息，利用实际道路工况的台架测试数据更新了 Euro 6 轻型

柴油车排放数据，增加轻型车 CO2 排放因子的速度、负载和空调修正模块[172]。

此外，机动车排放模型与排放控制决策分析之间的关系越来越密切，COPERT

模型和 EMFAC 模型都已经开发了排放控制情景分析模块，可以计算排放控制措

施的减排效果。

机动车排放清单反映了机动车污染物排放量的车型、时间和空间分布特征，

也是分析机动车排放控制措施控制效益的计算工具。根据清单的空间尺度，可

以分为在全球、区域和国家层面上的宏观清单研究，在城市层面上的中观清单

研究和在街道或路段层面的微观清单研究。根据清单的建立方法，又可以分为

基于宏观交通需求数据的排放清单和基于路网交通流特征的排放清单。

在全球尺度上，目前机动车排放清单的主要研究问题是分析具有全球环境、

健康或气候效应的污染物（如 PM、BC 和 PAHs 等）的排放变化特征[173-175]。Shen

第 1 章绪论

15

等[173]人根据 16 个国家的机动车 PAHs 排放因子数据，建立了世界机动车 PAHs

排放清单。Yan 等[174, 175]根据世界机动车保有量增长趋势和各车辆技术的 PM 排

放因子，分析了 2010 至 2050 年的世界机动车 PM 和 BC 排放量及其不确定性。

在中国，Cai 和 Xie[169]利用 COPERT 模型，建立了中国 1980 年到 2005 年机动

车分省主要污染物排放清单。Song 等[176]建立了中国 1990 年到 2030 年的机动车

黑碳排放清单。在国际大型排放清单研究计划中（如 GAINS-Asia 和 INTEX-B）[66, 177]，也都根据中国机动车保有量、活动水平和排放因子数据，建立中国道路

机动车排放清单。这些大尺度的机动车排放清单往往是基于宏观交通需求数据

建立的，如车队保有量、年均行驶里程、车队燃油消耗等。

在城市尺度上，机动车排放清单既可以根据宏观交通需求数据也可以根据

路网交通流特征建立。目前，基于城市宏观交通需求的城市排放清单已有较多

研究案例。这类排放清单，常用于分析较长时间尺度下的机动车污染物排放量

年际变化趋势。例如，Wang 等[82]基于 COPERT 模型分析了北京、上海和广州

的城市机动车排放量历史变化趋势。Wu 等[80]利用 MOBILE-China 模型建立了北

京 1995 至 2009 年机动车排放清单，并分析了主要排放控制措施的减排效果。

宏观交通需求数据往往忽略了路网交通流时空变化（如流量、速度），排放清

单的时空分辨率较低。基于城市路网交通流特征的机动车排放清单具有更高的

时空分辨率，能够更好地反应路网交通流对机动车排放的影响。例如，周昱[179]

和王海鲲[157]都以网格化的车辆活动水平和平均速度作为路网交通流输入，建立

了北京市区机动车排放清单。此外，Huo 等以路段为交通流单元，计算了 2004

年北京市区各路段的轻型车污染物排放量，并集计计算了北京市区整体路网的

轻型车排放清单[161]。这种基于路段（Link-based）交通流特征的路网排放清单技

术能够更加直观地体现交通运行因素对机动车排放的影响，特别是能够分析道

路机动车排放对交通环境空气质量的影响。但是，其对交通数据的要求很高，

需要获取路段层面的交通流量、单车技术构成和运行状态等交通参数。

1.3 研究目的与意义

随着中国大气污染防治工作不断深入，环境空气质量标准增加了对二次大

气污染物（如 PM2.5 和 O3）的关注力度，机动车排放控制对城市空气质量改善

的重要性也越来越高。在加严排放标准、改善燃料质量、监管在用车排放等传

第 1 章绪论

16

统控制措施的基础上，交通措施、经济措施和推广替代燃料与先进动力车辆也

成为了城市控制机动车排放的重要手段。因此，在中国城市机动车保有量和交

通压力持续上升的严峻背景下，科学评估中国城市的机动车排放综合控制策略，

是改善城市空气质量的当务之急。

以往的中国城市机动车排放清单研究主要采用国际机动车排放因子模型，

其中本地化数据缺乏系统性，本地机动车排放测试数据有限，并且对排放因子

和排放清单的不确定性分析也存在显著不足，这些都成为准确分析中国城市机

动车排放特征的重要技术障碍。因此，急需根据中国机动车技术构成特点，采

集并分析具有统计代表性的机动车排放测试数据，特别是近年来快速发展的各

类车辆技术（如国 5/V 排放控制水平车辆、替代燃料与先进动力技术），开发

中国城市机动车排放因子模型。

目前基于交通流的排放清单研究由于受交通数据的获取限制，多集中于路

段层面的排放计算，或根据 GIS 网格化的平均交通流参数建立。因此，本研究

将从“单车-路段-路网”三个层面系统研究交通流与机动车排放的耦合技术，根

据大样本的交通流特征采集与模拟建立面向排放计算的路网交通流模块，建立

基于路段交通流特征、面向全路网和全车型的高分辨率排放清单。

本研究选取的典型城市分别为北京与澳门。北京是中国机动车保有量最大

的城市，在中国机动车排放控制进程中也处于领先地位。北京所采用的排放控

制措施，对中国其他城市具有很强的政策影响力。本研究将对北京机动车排放

的历史趋势、现状特征和未来情景进行系统评估。澳门车辆密度极大，路网拥

堵现象严重，机动车排放是本地最重要的大气污染物排放源。澳门机动车排放

控制主要依靠车辆生产国的排放标准体系，本地排放法规建设刚刚起步。本研

究将采集澳门城市交通流特征，建立基于路段交通流的高分辨率排放清单，探

索解决当地重要空气污染问题的机动车综合排放控制措施。本研究在已有研究

的基础上进一步整合与提高，思路方法和案例分析将为中国城市控制机动车排

放提供科学借鉴。

1.4 研究内容与技术路线

本研究的主要工作包括确定中国城市机动车排放因子模型的框架思路和基

本方法，通过对典型车辆排放测试数据的分析开发中国城市机动车排放因子模

第 1 章绪论

17

型。在此基础上，将对典型城市的机动车发展与交通流特征数据进行调研，建

立机动车排放清单，评估城市机动车排放综合控制措施的减排效果。本研究的

技术路线如图 1.3，各章节的研究内容如下：

第 2 章在收集上千辆轻型车的台架测试数据和上百辆轻、重型车的 PEMS

测试数据的基础上，结合典型城市的车辆技术构成，确定了单车技术排放因子

计算方法：对于轻型车，首先建立典型工况下各单车技术随里程劣化的基础排

放因子模块，并进一步建立平均速度、油品质量、环境温度、I/M 制度等使用条

件的排放因子修正模块；对于重型车，首先建立各单车技术的微观运行模态排

放速率模块，在此基础上建立典型工况和实际条件下排放因子计算方法。本章

还研究了多尺度交通流状态和机动车排放特征的耦合方法和采用蒙特卡洛随机

模拟方法分析排放因子不确定性等模型技术。

第 3 章应用典型城市排放因子模型计算了轻型汽油车、轻型柴油车和重型

柴油车的空气污染物（CO、THC、NOX 和 PM2.5）和 CO2 在典型工况下的排放

因子，分析了加严车辆排放标准对于上述车型的各空气污染物排放控制效果，

并建立了交通因素和其他使用条件（如负载和空调）对于污染物和 CO2 排放因

子的影响规律。本章还分析了替代燃料和先进动力车辆的实际道路排放因子和

运行条件对排放的影响，讨论了这些车辆技术相对传统汽油车和柴油车的排放

因子削减效果。

第 4 章以澳门为例，采集了城市路网的典型交通流特征数据，对交通流量、

平均速度、车型构成和车龄分布等参数进行了分析，利用交通需求模型

TransCAD 5.0 模拟了交通流量在各路段的分布规律，建立了面向建立高分辨率

排放清单的路网交通流模块。此外，本章还以北京为例，分析了基于浮动车技

术的路网运行数据和交通流量的时变规律，建立面向宏观排放清单的交通运行

特征模块。

第 5 章展示了基于宏观交通数据和路段交通流特征的两种排放清单技术的

研究案例。首先，以北京为例，汇集了面向排放计算的城市宏观交通数据（如

机动车保有量、年均行驶里程和路网平均速度），在此基础上计算车队平均排

放因子和机动车排放总量，并分析了排放清单的不确定性。然后，以澳门为例，

建立了基于路段交通流特征的高分辨率路网排放清单，应用该清单工具分析了

澳门路网排放的车型、时间和空间分布规律，并结合空气质量模型 AERMOD 的

机动车排放污染物浓度贡献模拟结果对清单进行了校验。

第 1 章绪论

18

第 6 章在第 5 章基础上，对北京 1998 至 2010 年的机动车排放总量进行了

回顾，确定未来的减排重点和主要挑战，并结合城市空气质量数据进行模型验

证。结合最新政策制定了北京未来机动车排放控制综合措施，利用排放清单分

析了该综合措施和主要交通措施的减排效果。此外，还根据澳门城市空气污染

现状设定了减排机动车目标，并根据排放特征提出了单项控制措施。利用路网

排放清单工具分析了各单项措施的减排效果，在此基础上形成综合排放控制措

施并进行了效益评估。

排放测试数据收集

排放因子模型

方法学研究

开发典型城市机动

车排放因子模型

单车技术排放因子

研究

排放控制水平

交通运行状态

其他使用条件

典型城市交通流数

据采集与分析

建立面向排放计算

的路网交通流模块

基于宏观交通数据的机动

车排放清单（北京）

基于路段交通流特征的路

网排放清单（澳门）

北京机动车排放历史趋势

回顾与验证

建立并评估北京未来年机

动车排放综合控制策略

建立并评估澳门路网排放

单项控制措施

建立并评估澳门路网排放

综合控制策略

第2章第3章第4章

第5章第5章

第6章第6章

图 1.3 论文技术路线

第 2 章建立典型城市机动车排放因子模型

19


机动车排放因子模型是定量描述单车技术、交通特征和其他使用条件对机

动车污染物排放因子影响的数学模型，也是科学分析城市机动车排放特征并制

定排放控制策略的基础工具。本章结合中国典型城市机动车的技术构成特点，

基于大样本、系统化的排放测试数据确定了机动车排放因子模型方法学，包括

多尺度下的交通状况与机动车排放耦合技术、单车技术排放因子的计算方法和

基于随机模拟的不确定性分析方法。此外，还基于先进的软件开发技术，开发

了中国典型城市（北京与澳门）机动车排放因子模型软件。

2.1 机动车排放测试数据收集

国际上机动车排放因子模型研究工作表明，轻型汽油车仍然以实验室台架

测试为主确定基础排放因子，并通过采用更反映实际道路行驶特征的测试工况

来克服法规工况的不足。重型车则利用 PEMS 测试获得的瞬态排放数据建立微

观排放模块，并根据典型工况的微观模态时间分布来进一步计算排放因子。因

此，本研究排放测试数据收集主要包括：（1）通过 PEMS 测试或者便携式 GPS

仪，收集车辆实际道路工况数据，建立轻型车的实际道路测试工况和重型车的

排放模拟典型工况；（2）收集轻型汽油车实验室台架排放测试数据；（3）收

集重型车 PEMS 测试数据。此外，研究还对轻型车进行了 PEMS 测试，用于分

析柴油轻型车、替代燃料和先进动力等保有量较少单车技术排放因子，并建立

速度修正等核心模块。

2.1.1 机动车排放测试工况

根据《轻型汽车排气污染物排放限值及测量方法(GB18352.3-2005)》[109]，

中国轻型车排放测试的 I 型试验采用 NEDC 工况（如图 2.1）。NEDC 工况分为

城市工况（ECE 工况）和郊区工况（EUDC 工况）两部分，并包含 40 秒冷启动

排放测试。总里程为 11.0 km，平均速度为 33.6 km/h，最高速度为 120 km/h。许

多研究发现轻型车实际道路工况下的污染物和 CO2排放因子和基于 NEDC 工况

测试结果之间存在显著差距。因此，中国汽车技术研究中心（CATARC）基于


20

轻型车 PEMS 测试的工况数据并以 GPS 仪采集的工况数据为补充，采用工况片

段合成法建立了中国典型城市轻型车的工况特征[179, 180]。PEMS 测试系统采用

GPS 仪收集机动车行驶工况瞬时速度和位置信息（经度、纬度和海拔），用于

关联交通流特征与排放信息。每辆车的测试时间通常超过 30 分钟，以获得足够

的测试数据。在北京、广州和澳门的测试路线长度分别为 27、43 和 28 km，包

括了城市快速路、主干道和次干道或支路（见表 2.1）。不同车辆 PEMS 测试的

运行工况都会因测试城市、道路类型构成和测试时段而不同。即使在同一条测

试线路上，由于交通运行状况的差异，平均速度变化显著 [123, 181]。以北京为例，

研究采用基于超过 100 万秒的北京轻型车 PEMS 测试数据和补充采集的行驶工

况数据建立的北京乘用车综合行驶工况（BJDC）来反映其实际道路运行特征。

BJDC 工况总里程为 9.7 km，平均速度为 30.4 km/h，最高速度为 114 km/h（如

图 2.1）。尽管 NEDC 工况和 BJDC 工况的平均速度、最高速度和测试时长相近，

但是 BJDC 工况怠速比例为 16%，显著低于 NEDC 工况（25%）。

图 2.1 NEDC 工况与 BJDC 工况对比

0

25

50

75

100

125

0 100 200 300 400 500 600 700 800 900 1000 1100

速度（

km

/h）

时间（s）

NEDC BJDC


21

表 2.1 典型城市轻型车 PEMS 测试工况信息

地点总长度

(km)

按长度的道路类型构成比例

(%) 各车平均

速度

(km/h)

最低平均

速度

(km/h)

最高平均

速度

(km/h) 快速路主干道次干道/

居民路

北京 27 33 63 4 30±4 25 38

广州 43 25 65 5 31±7 16 46

澳门 28 28 54 18 32±4 20 40

表 2.2 轻型车速度测试工况信息

平均速度

(km/h)

最高速度

(km/h)

工况时间

(s)

运行模态时间比例 (%)

怠速匀速加速减速

8.2 43 810 30.4 22.1 26.5 21.0

14.3 43 845 15.5 10.1 38.1 36.3

30.4 1 114 1150 16.3 19.7 28.6 35.4

48.0 82 820 3.4 14.5 44.4 37.7

53.1 89 825 1.7 32.1 34.1 32.1

66.7 84 845 0.8 45.7 30.5 23.0

76.8 122 820 2.4 21.6 38.7 37.3

81.3 106 845 2.0 28.5 38.9 28.5

1 即 BJDC 工况。

机动车平均行驶速度是影响机动车排放因子的重要参数。本研究利用实验室

台架分析了轻型车在另外 7 个具有不同平均速度典型工况下的排放因子变化规

律。这些速度测试工况的时长在 800-850 s 左右（见表 2.2），随着平均速度的上

升，各工况的怠速比例减少。当工况的平均速度上升至 40 km/h 以上时，怠速比

例都小于 5%，可以认为机动车处于自由流的交通运行特征下。当工况（除 BJDC）

的平均速度进一步提高至 70 km/h 以上时，其最高速度超过 100 km/h，可认为机

动车处于市郊或城际高速公路的高速工况上。

对于公交车，本研究在北京和澳门的 PEMS 测试都在实际的公交车运行线

路上进行，测试模仿了公交车停靠站的过程，平均速度在 15-25 km/h 之间。基


22

于城市公交车 PEMS 测试数据和补充采集的 18 条线路超过 100 万秒的公交车运

行工况数据，CATARC 建立了北京城市公交车典型工况（BJBC）（如图 2.2）。

公交车主要集中于车流密度较大的地区运行，并且运行过程中需要频繁停靠站，

因此 BJBC 平均行驶速度为 18.1 km/h，怠速比例超过 30%。对于货车，由于北

京从 2004 年起对货车实施区域限行政策，在北京的货车排放测试主要在五环以

外的道路进行，平均速度显著高于在澳门所测的货车（28 km/h）。CATARC 基

于超过 20 万秒的北京货车 PEMS 测试数据，建立了北京货车典型工况（BJTC），

平均速度为 39.9 km/h（如图 2.2）。

图 2.2 北京城市公交车（BJBC）与货车（BJTC）典型工况曲线

2.1.2 轻型车实验室台架排放测试

本研究收集的轻型车实验室台架排放测试数据由 CATARC 和北京汽车研究

0

20

40

60

80

0 100 200 300 400 500 600 700 800 900 1000 1100

速度（

km

/h）

时间（s）

（a）BJBC

0

20

40

60

80

0 250 500 750 1000 1250 1500 1750 2000 2250 2500 2750

速度（

km

/h）

时间（s）

（b）BJTC


23

所有限公司提供。轻型车台架测试系统分为两个部分，气体定容取样系统

（constant-volume-sampler，CVS）和污染物浓度分析系统。以 CATARC 的轻型

车台架排放测试系统为例，其气体定量系统采用美国 PierburgTM 公司开发的

CVS-2200 对机动车尾气排放总体积流量进行测试；污染物浓度分析模块与

CVS-2200 相连接，采用日本 HoribaTM公司开发的 MEX-7200 分析 CO、THC 和

NOX 浓度[180]。MEX-7200 能够满足目前世界上各国最严格的机动车排放标准的

检测精度要求 [182]。

如表 2.3 所示，本研究收集了 2001 至 2007 年间共 1417 辆轻型汽油车的

NEDC 工况新车排放数据，共 1120 个车辆型号，代表了中国轻型车的典型控制

技术水平。研究收集了 217 辆在用轻型汽油车的 NEDC 工况测试数据，用于分

析在用车排放因子随累积行驶里程的劣化规律；选择了 120 辆车进行 NEDC 工

况和 BJDC 工况的排放对比测试，用于分析建立两种工况下排放因子的转换系数；

选择了 46 辆车进行速度修正工况测试，建立轻型车排放因子的速度修正曲线。

表 2.3 轻型汽油车台架排放测试信息汇总

测试类型排放标准车辆样本数总质量（kg）1

发动机排量（l） 1

新车 NEDC 工况测

试

国 4 2 155 1780±340 1.8±0.4

国 3 535 1810±370 1.8±0.5

国 2 711 1780±490 1.7±0.6

国 1 16 1960±480 1.7±0.6

在用车 NEDC 工况

测试

国 4 67 1770±300 1.8±0.6

国 3 76 1820±320 1.9±0.6

国 2 65 1680±320 1.9±0.5

国 1 9 1520±320 1.6±0.3

NEDC 和 BJDC 工

况对比测试

国 4 30 1770±250 1.8±0.4

国 3 26 1680±390 1.7±0.4

国 2 45 1640±290 1.7±0.5

国 1 9 1530±168 1.6±0.3


24

表 2.3 轻型汽油车台架排放测试信息汇总（续）

测试类型排放标准车辆样本数总质量（kg）1

发动机排量（l） 1

速度修正测试

国 4 9 1720±150 1.8±0.5

国 3 10 1850±510 1.6±0.3

国 2 18 1580±180 1.6±0.3

国 1 9 1650±490 1.6±0.3

1 平均值±标准差；2轻型车标准以阿拉伯数字表示，重型车标准以罗马数字表示。

2.1.3 机动车实际道路车载排放测试

对于气态污染物，测试采用了美国 Sensor 公司生产的 SEMTECH-DS 和日

本 Horiba 公司生产的 OBS-2200 对测试车辆的 THC、CO、NOX和 CO2的逐秒瞬

态排放数据进行收集[180]。上述两种气态污染物 PEMS 都通过了实验室仪器的标

定测试和对比实验，能够在实际道路测试中提供精确测量[72, 120, 180]。对于颗粒物

质量排放，测试应用了芬兰Dekati公司生产的颗粒质量浓度监测仪DMM-230 [122,

124]和静电低压撞击器 ELPI[126]，它们测量原理都是对颗粒物荷电和分粒径段采

集。

表 2.4 机动车实际道路车载排放测试信息汇总

车型地点燃料类型排放标

准

样本

数总质量（kg）

排量（l）1

额定功率

（kW）1

轻型

车

北京汽油 2 国 4 11 1450 1.6

广州汽油 3

国 3 1 1600 1.8

国 2 5 1740±420 1.9±0.6

国 1 4 1880±380 1.9±0.6

国 0 4 1860±520 1.7±0.1

LPG 2 国 2-3 3 1590

澳门 4

汽油 3 16 1520±240 1.5±0.3

柴油 2 16 1710±250 2.0±0.1

HEV 3 2 1760±60 1.7±0.2


25

表 2.4 机动车实际道路车载排放测试信息汇总（续）

车型地点燃料类型排放标

准

样本

数总质量（kg）

排量（l）1

额定功率

（kW）1

中巴

车 5

澳门 4 柴油 5 6260 3.9

公交

车

北京

柴油

国 V 2 17400 165

国 IV 30 15000~18000 6.5~8.4 150~228

国 III 22 15000~18000 6.5~8.4 150~228

国 II 9 15000~18000 6.5~8.4 150~228

CNG EEV 5 8 18000 147

国 V 1 17900 172

LNG 国 V 2 18000 177

HEV 国 IV 2 17400 165

澳门 4 柴油 8 14100±1000 6.2±0.2

轻型

货车北京柴油

国 III 4 3900±400 3.1±0.2

国 II 9 3900±200 3.0±0.2

国 I 8 3900±200 3.1±0.3

中型

货车

北京柴油

国 III 5 9000±2400 5.2±1.6

国 II 6 8000±2700 5.0±1.3

国 I 3 8800±3700 5.4±1.8

澳门 4 柴油 8 5500±800 3.5±1.0

重型

货车

北京柴油

国 III 28 18800±6100 6.7±1.7

国 II 6 16300±2000 6.9±1.7

国 I 11 18700±6200 7.9±1.9

澳门 4 柴油 4 25200±8000 11.5±2.4

1车辆发动机信息仅记录排量或仅记录额定功率；2 出租车；3 私家车；4澳门在 2014

年之前并未实施新车排放标准制度，通常认为这些车辆符合生产地或来源国的模型年对

应的新车排放标准；5 Enhanced Environmentally-friendly Vehicle，增强型环境友好车。

其中，部分 CNG 公交车于 2007 年左右生产，同期生产的柴油公交车满足国 III 排放标

准；5澳门中巴车的座位数通常在 30 座左右，符合大型客车的规格。考虑到其和 11-12

米长的公交车在发动机排量、车重等参数上存在显著差异，因此将其单列作为一种车型。


26

本研究收集 PEMS 测试车辆信息详见表 2.4。对于轻型车，本研究收集了广

州、北京和澳门三个城市共 62 辆车辆，燃料类型包括汽油、柴油、液化石油气

（liquefied petroleum gas，LPG）和汽油混合动力（hybrid electric vehicle，HEV）。

对于重型车，本研究收集了北京和澳门两个城市共 5 辆中巴车、84 辆公交车和

92 辆货车。测试的中巴车和货车均为柴油车，公交车燃油类型包括柴油、压缩

天然气（compressed natural gas，CNG）、液化天然气（liquefied natural gas，LNG）

和柴油混合动力。对于货车，由于北京在 2013 年 7 月对柴油货车实施国 IV 排

放标准，远晚于公交车 2008 年实施的国 IV 标准，因此本研究收集的货车符合

国 I 到国 III 排放标准。上述数据中，所有澳门车辆排放测试与北京部分公交车

排放测试（国 IV 与国 V 柴油、国 IV 混合动力、CNG 和 LNG）由本研究团队

进行。此外，北京柴油货车、北京部分柴油公交车（国 II 到国 IV、CNG）的测

试数据由 CATARC、北京理工大学和清华大学的其他研究团队提供；广州轻型

车测试数据由北京工商大学提供。

本研究团队还选取北京的典型技术公交车，分别进行了不同载重（4 辆柴油

公交车、2 辆 CNG 公交车和 2 辆 LNG 公交车）和不同空调使用（2 辆柴油公交

车、2 辆混合动力公交车和 2 辆 CNG 公交车）的对比测试，分析负载和空调使

用对于公交车的排放影响。

2.2 交通流运行状况与机动车排放耦合

2.2.1 交通流微观运行特征参数确定与模态划分

如绪论所述，确定交通流微观运行状态的表征参数并确定模态划分方法，

是耦合交通流运行状态和机动车排放的基础。本研究基于 PEMS 测试数据，主

要研究以下问题：（1）针对微观运行特征最重要的参数 VSP，分析不同 VSP

计算公式对排放因子计算的影响；（2）分析工况排放时间关联性及其对于排放

因子计算的影响；（3）针对已有的多参数的微观运行模态表征，如瞬时速度-VSP

（v-VSP）和 ES-VSP，确定在中国城市机动车典型行驶工况下的适用性；（4）

确定适用于中国机动车工况的交通流微观运行模态划分方式。

2.2.1.1 分析不同 VSP 计算公式对排放因子计算的影响


27

对于轻型车，本研究采用 Jimenez[146]

1999 年提出的 VSP 计算公式来计算瞬

态 VSP。Jimenez 根据 VSP 的物理概念，通过对典型车辆进行测试，确定其空气

动力学和道路行驶阻力参数，并进行适当简化如式 2-1： 4 3(1.1 9.81 sin 0.132) 3.02 10VSP v a grade v （2-1）

其中，v为机动车瞬时速度，m/s；a为机动车瞬时加速度，m/s2； grade为道路

坡度角。IVE 模型在建立微观工况模块时，也采用了上述公式[149]。

对于重型车，IVE 模型采用了跟轻型车一样的计算公式，如式 2-1，这一计

算公式在中国以往重型车排放的研究中也有众多应用[152, 178]。Andrei[147]在 2004

年提出了轴功率的计算公式（VSP 为轴功率和质量的比值），如式 2-2：

31sin

2a DP C A v M g v M g v grade M a v （2-2）

其中， a 空气密度，取 1.2 kg/m3； DC 为空气动力学系数，公交车和拖车为 0.6，

厢式货车为 0.5；A为机动车迎风面积，公交车与拖车为 7 m2，厢式货车为 4m

2；

为道路阻力系数，0.008-0.010；M 为公交车、拖车和厢式货车的典型车重。

Koupal 等[148]提出了 MOVES 的重型车 VSP 计算公式，如式 2-3：

2 3sinA B C

VSP a v v g grade v v vM M M

（2-3）

其中，A

M,B

M和C

M分别为道路负载系数（road load efficient），见表 2.5。

表 2.5 MOVES 模型用于重型车 VSP 计算的道路负载系数

车辆类型车重 A/M

kW/(s·m·t)

B/M

kW/(s2·m

2·t)

C/M

kW/(s3·m

3·t)

重型货车

3.9 至 6.4 吨 0.0996 0 1.47/M+5.22×10-5

6.4 至 15.0 吨 0.0875 0 1.93/M+5.90×10-5

15.0 吨以上 0.0661 0 2.89/M+4.21×10-5

城市公交车 0.0643 0 3.22/M+5.06×10-5

为了进一步判断上述三个 VSP 公式在计算重型车排放时的适用性和准确性，

本研究首先比较了基于 IVE 公式（式 2-1），Andrei 公式（式 2-2）和 MOVES

公式（式 2-3）计算 BJBC 工况和 BJTC 工况的 VSP 累积分布频率的差异，如图


28

2.3。其中，根据 Andrei 公式和 MOVES 公式的累积分布频率曲线非常接近，而

根据 IVE 公式和另外两者则存在差异；在 VSP 数值为正的部分， IVE 公式计算

的 VSP 结果比另外两个公式偏大。

图 2.3 基于不同 VSP 计算公式的公交车和货车典型工况 VSP 累积分布

由于采用 Andrei 公式和 MOVES 公式计算的 VSP 结果差异较小，本研究分

析了根据 IVE 公式和 MOVES 公式的 VSP 计算结果得到的机动车各微观运行模

态的平均排放速率。图 2.4 给出了北京满足国 III 标准的柴油公交车（22 个车辆

样本）和柴油重型货车（28 个车辆样本）的 NOX排放速率曲线的比较（注：本

0

20

40

60

80

100

-20 -15 -10 -5 0 5 10 15

累计分布频率（

%）

VSP (kW/t)

（a）城市公交车典型工况（BJBC）

IVE Andrei MOVES

0

20

40

60

80

100

-20 -15 -10 -5 0 5 10 15

累计分布频率（

%）

VSP (kW/t)

（b）货车典型工况（BJTC）

IVE Andrei MOVES


29

研究采用的微观运行模态的定义见表 2.8）。结果显示，对于绝大部分的微观运

行模态，国 III 柴油公交车和柴油重型货车基于 MOVES 公式获得的平均 NOX

排放速率要高于基于 IVE 公式的结果。对于中速段 VSP 大于 0 的模态组（Bins

24-28），基于 MOVE 公式的国 III 柴油公交车和柴油重型货车的 NOX排放速率

比基于 IVE 公式的结果分别要高 13%和 7%。

图 2.4 基于不同 VSP 公式的国 III 柴油公交车和重型货车 NOX排放曲线

不同的 VSP 计算公式不仅对机动车的排放速率有影响，同时对机动车微观

运行模态的时间分布计算也有影响（如图 2.5）。公交车在典型工况（BJBC 工

0.0

0.1

0.2

0.3

0.4

0.5

Bin

0

Bin

1

Bin

11

Bin

12

Bin

13

Bin

14

Bin

15

Bin

16

Bin

17

Bin

18

Bin

21

Bin

22

Bin

23

Bin

24

Bin

25

Bin

26

Bin

27

Bin

28

Bin

35

Bin

36

Bin

37

Bin

38

NO

X （

g/s）

微观运行模态（Operating mode）

（a）国III柴油公交车

MOVES VSP IVE VSP

0.0

0.1

0.2

0.3

0.4

0.5

Bin

0

Bin

1

Bin

11

Bin

12

Bin

13

Bin

14

Bin

15

Bin

16

Bin

17

Bin

18

Bin

21

Bin

22

Bin

23

Bin

24

Bin

25

Bin

26

Bin

27

Bin

28

Bin

35

Bin

36

Bin

37

Bin

38

NO

X （

g/s）


（b）国III柴油重型货车

MOVES VSP IVE VSP


30

况）下分布时间最高的两个微观运行模态（Bin 14 与 Bin 15），用不同的 VSP

计算公式的结果相差达到~±15%。

图 2.5 基于不同 VSP 公式的公交车和重型货车典型工况的微观运行模态时间分布

本研究进一步分析了两种 VSP 公式对于计算不同车型和不同控制技术水平

的车辆在典型工况下排放因子的差异性。如图 2.6，对于大部分测试车辆，两种

VSP 公式导致的典型工况下排放因子差异在±5%以内；对于特定排放控制技术

类别，如 22 辆国 III 柴油公交车，该类别的平均排放因子差异在±1%以内。上

述分析说明，基于不同的 VSP 计算公式，虽然排放速率和模态时间分布会有一

定影响（~±15%），但最终得到的某一类车辆技术在典型工况下的平均排放因

子差异很小（±1%）。本研究采用式 2-3 计算重型车 VSP，并根据典型车辆信

息确定了适用于中国重型车 VSP 计算的道路负载系数（见表 2.6）。

0

8

16

24

32

40

Bin

0

Bin

1

Bin

11

Bin

12

Bin

13

Bin

14

Bin

15

Bin

16

Bin

17

Bin

18

Bin

21

Bin

22

Bin

23

Bin

24

Bin

25

Bin

26

Bin

27

Bin

28

Bin

35

Bin

36

Bin

37

Bin

38时

间分布比例（

%）


（a）柴油公交车BJBC工况

MOVES VSP IVE VSP

0

3

6

9

12

15

Bin

0

Bin

1

Bin

11

Bin

12

Bin

13

Bin

14

Bin

15

Bin

16

Bin

17

Bin

18

Bin

21

Bin

22

Bin

23

Bin

24

Bin

25

Bin

26

Bin

27

Bin

28

Bin

35

Bin

36

Bin

37

Bin

38时间分布比例（

%）


（b）柴油重型货车BJTC工况

MOVES VSP IVE VSP


31

图 2.6 不同 VSP 计算公式下公交车与重型货车排放因子相对偏差

表 2.6 重型柴油车 VSP 计算公式中道路负载系数

道路负载系数轻型货车中型货车重型货车公交车

A/M，kW/(s·m·t) 0.0996 0.0875 0.0875 0.0643

B/M，kW/(s2·m

2·t) 0 0 0 0

C/M， kW/(s3·m

3·t) 0.000542 0.000356 0.000331 0.000279

2.2.1.2 分析工况排放时间关联性及其对排放因子计算的影响

本研究以北京典型柴油货车测试数据为例，分析了以 VSP 为表征参数的微

观运行特征与污染物排放的时间关联性。表 2.7 给出了两辆典型单车技术的测试

-10

-5

0

5

10

排放因子相对偏差（

%）

（a）柴油公交车

国III

-10

-5

0

5

10


%）

（b）柴油重型货车

国II

国 II

国 I

国 IV

国 III


32

车辆在不同工况排放时间差下的 VSP-排放速率关联性（time alignment），其中，

工况排放时间差为工况时刻与排放时刻的差。例如，当工况时间差为-1s，表示

工况时刻为 t-1，而排放时刻为 t，即工况领先排放 1s。本研究以两者的 Pearson

相关系数（Pearson’s R）作为判定指标。

表 2.7 典型车辆不同工况排放时间差下的 VSP-排放速率相关性

测试车辆工况排放时间差（s）工况排放相关性（Pearson’s R）

CO THC NOX CO2

国 V 柴油公交车

+2 0.51 0.31 0.49 0.74

+1 0.45 0.31 0.53 0.76

0 0.32 0.26 0.54 0.69

-1 0.19 0.17 0.52 0.57

-2 0.13 0.07 0.46 0.45

国 IV 柴油公交车

+2 0.65 0.63 0.54 0.78

+1 0.62 0.63 0.57 0.79

0 0.49 0.57 0.56 0.72

-1 0.36 0.46 0.52 0.59

-2 0.25 0.33 0.43 0.46

如表 2.7所示，两辆测试车辆的VSP与CO2排放速率的最佳情况的 Pearson’s

R 都接近 0.8，说明两者具有很强的相关性。由于 CO2排放反映了机动车燃油消

耗，因此微观运行状况的代用参数 VSP 和机动车运行特征具有很强的相关性。

此外，本研究发现，对于 CO2、NOX，当工况时间差为+1s 时 VSP-排放速率相

关性最佳；对于 CO，当工况时间差为+2s 时 VSP-排放速率相关性最佳；对于

THC，当工况时间差为+1s 或+2s 时，VSP-排放速率相关性都相对较好。


33

-20

-15

-10

-5

0

5

10

15

20


%）

（a）CO

-20

-15

-10

-5

0

5

10

15

20


%）

（b）THC

-20

-15

-10

-5

0

5

10

15

20


%）

（c）NOX

国 IV 柴油

国 IV 柴油

国 IV 柴油

国 V 柴油

国 V 柴油

国 V 柴油

国 IV 混合动力

国 IV 混合动力

国 IV 混合动力

CNG

CNG

CNG

LNG

LNG

LNG


34

图 2.7 工况排放时间差为+1s 和 0s 的 BJBC 工况下公交车排放因子相对偏差

需要说明的是，不同的研究结果对于工况时间关联性排放有不同的结论。

例如，刘欢发现工况排放时间差在-5s~+5s 区间中，-1s 时的 VSP 与 PM2.5排放的

关联性最好。MOVES 模型发现，对于轻型车，CO2和 NOX的最佳关联的工况排

放时间差为+4s，而 CO 和 THC 分别为+2s 和+3s；MOVES 模型重型车的工况与

排放关联性结果与轻型车相近。这说明机动车测试的工况排放关联性结果并不

是一个定值，会受到污染物类别、测试车辆和测试技术（例如 SEMTECH-DS 会

自动调整工况与排放的时间差）等多方面的影响。本研究比较了北京各类技术

（国 IV 柴油、国 V 柴油、国 IV 柴油混合动力、CNG 和 LNG）的公交车在工

况排放时间差为-1s 和 0s 的情况下的典型工况（BJBC）的排放因子相对偏差（见

图 2.7）。除两辆测试公交车的 CO 排放在不同时间差下的相对偏差较大，达到

-19%和 15%，其他所有测试车辆的各污染物在不同时间差下的排放因子相对偏

差均在±10%以内，相对变化范围与上述不同 VSP 计算公式对排放因子的影响

程度接近。因此，本研究从简化数据处理的角度出发，采用同步的工况与排放

数据进行分析。

2.2.1.3 多参数微观运行模态表征（v-VSP 和 ES-VSP）的适用性

本研究分析了 v-VSP 和 ES-VSP 两种多参数工况表征方式对于中国城市机

动车典型行驶工况的适用性。以北京公交车典型工况（BJBC）为例，VSP 计算

根据式 2-3 和表 2.7 中计算参数。v-VSP 参考 MOVES 的方式分为怠速、低速、

-20

-15

-10

-5

0

5

10

15

20


%）

（d）CO2

国 IV 柴油

国 V 柴油

国 IV 混合动力

CNG LNG


35

中速三个瞬时速度区间。ES-VSP 参考 IVE 模型的方式，分为低 ES、中 ES 和高

ES 区间。结果如图 2.8 所示，采用 ES-VSP 划分后，所有的工况都集中于低 ES

段，这与 Liu 等人发现的结果一致[94]，说明 IVE 模型采用的 ES 区间对公交车典

型工况不具有区分度。此外，考虑到 ES 是基于机动车发动机工作与排放的延时

效应，与机动车瞬时速度相比时，ES 的数值与交通流特征联系较小。因此本研

究采用 v-VSP 的微观运行状态联合表征方式。

图 2.8 BJBC 工况在 v-VSP 与 ES-VSP 联合表征下的时间分布比较

2.2.1.4 确定中国典型城市交通流微观运行模态划分

相比国外的研究结果[148, 150]，中国典型城市的机动车行驶工况在高 VSP（大

于 8kW/t）和高速（大于 80km/h）的比例相对较低。例如，BJBC、BJDC 和 BJTC

的高 VSP 时间比例分别为 0.4%，10.5%和 6.5%，如果进一步再细分会导致缺乏

排放测试数据而排放速率不确定性较大。本研究参考 MOVES 模型，对于轻型


36

车与重型车采用同样的运行模态划分方式（Operating mode binning）[150]。如表

2.8 所示，建立了包括 1 个刹车模态，1 个怠速模态和 20 个正常加速或匀速行驶

的模态，并在部分模态基于实际数据可得性进行合理化调整（如高速区间 VSP

低于 4kW/t 合并为一个模态 Bin 35）。未来当获得更多的高速高 VSP 的交通流

数据时，可以考虑对于高速段和高 VSP 段进行进一步细分，以研究这些运行模

态下的排放特征。

表 2.8 中国典型城市交通流微观运行模态划分

VSP（kW/t）瞬时速度 v（km/h）

v<1.6 1.6≤v<40 40≤v<80 v>80

VSP<-4

Bin 0

刹车 1

Bin 1

怠速

Bin 11 Bin 21

Bin 35

-4≤VSP<2 Bin 12 Bin 22

-2≤VSP<0 Bin 13 Bin 23

0≤VSP<2 Bin 14 Bin 24

2≤VSP<4 Bin 15 Bin 25

4≤VSP<6 Bin 16 Bin 26 Bin 36

6≤VSP<8 Bin 17 Bin 27 Bin 37

VSP≥8 Bin 18 Bin 28 Bin 38

1 刹车工况的定义为即时的加速度小于-0.89m/s

2，或者即时和此前两秒的加速度均

小于-0.44m/s2[150]。

2.2.2 基于微观运行模态划分的排放速率与排放因子计算

逐秒的 PEMS 测试数据可计算基于车辆技术类别和交通流微观运行模态的

污染物排放速率（ , ,i j kER ，g/s），如式 2-4 所示：

, ,

, , , , , ,

1 1, ,

1 1 i k niTN

i j k i j k n t

n ti i k n

ER ERN T

（2-4）

其中，i、j、k、n 和 t 分别表示车辆技术类别、污染物类型、微观运行模态、测

试车辆和时间。 , ,i j kER 为车辆技术类别 i 的污染物 j 在微观运行模态 k 下的平均

排放速率，g/s；, , , ,i j k n tER 为车辆技术类别 i 中第 n 辆测试车辆在微观运行模态 k


37

下的第 t 秒污染物 j 排放速率，g/s； iN 表示车辆技术类别 i 下的测试车辆总数；

, ,i k nT 表示车辆技术类别 i 中第 n 辆测试车辆在微观运行模态 k 的总时间，s。

式 2-4 首先计算测试车辆各微观运行模态的平均排放速率，然后进一步考虑

该车辆技术类别下的综合不同车辆的微观运行模态的平均排放速率。因此，

, ,i j kER 的标准差(, ,i j kER

S ，g/s)来自于两方面合成，包括所有瞬态排放速率间的差

异和不同车辆间的模态平均排放速率差异[150]，如式 2-5 和 2-6：

, , ,

, ,

2, , , , ,, ,

1 1

, , , ,

1 1

( 1) ( )

( 1)( )

i i

ERi j k n

i j k i i

N N

i j k n i j ki k n

n n

N NER

i ii k n i k n i

n n

T S ER ER

SN N

T T N

（2-5）

, ,

, , ,

, , ,, , , ,

1

, ,

( )

1

i k n

i j k n

T

i j k ni j k n t

t

ER

i k n

ER ER

ST

（2-6）

其中， , , ,i j k nER 为车辆技术类别 i 中第 n 辆测试车辆的污染物 j 在微观运行模态 k

下的平均排放速率；, , ,i j k nER

S 为, , , ,i j k n tER 在微观运行模态 k 中污染物 j 的标准差，

由式 2-6 计算。

结合运行工况的微观运行模态时间分布信息，可以由式 2-7 和式 2-8 来分别

计算各测试车辆或各技术类别在所模拟工况下的污染物里程排放因子（, ,i j nEF 或

,i jEF ，g/s）： 38

, , ,

0, ,

( )

3600

Bin

i j k n k

k Bini j n

ER P

EFV

（2-7）

38

, ,

0,

( )

3600

Bin

i j k k

k Bini j

ER P

EFV

(2-8)

其中，, ,i j nEF 和

,i jEF 分别为技术类别 i 中第 n 辆车和技术类别 i 在所计算工况下

的里程排放因子，g/km； kP为所模拟工况在微观运行模态 k 的时间分布比例；V

为该工况的平均速度，km/h。

在比较不同技术类别，特别是不同燃油类别的机动车排放水平时，污染物


38

油耗排放因子是一个常用的参数，可以通过碳平衡法进行计算[72, 96]，如式 2-9

和 2-10。

2

C fuel, ,fuel mass , ,

CO , CO , THC ,0.273 0.429 0.866

i j n

i j n

i n i n i n

EF WEF

EF EF EF

（2-9）

2

C fuel, ,fuel heat , ,

CO , CO , THC , L fuel (0.273 0.429 0.866 )

i j n

i j n

i n i n i n

EF WEF

EF EF EF H

（2-10）

其中， fuel mass , ,i j nEF 和 fuel heat , ,i j nEF 分别为技术类别 i 中第 n 辆车的基于燃料质量和

基于燃料热量的污染物 j 的排放因子，单位分别为 g/ kg fuel 和 g/MJ；Wc为燃

料单位质量含碳量，g C/kg fuel； L fuel H 为燃料的低位燃烧热值，MJ/kg。

2.2.3 建立基于短时连续交通流的排放因子速度修正曲线

微观层面上通过排放速率和工况模态时间分布的排放因子计算方法对于交

通运行特征数据要求较高，模型计算过程复杂，这都成为了应用上述微观耦合

方式的限制因素。目前，智能交通技术的兴起，使得准确、实时地获得宏观运

行特征数据成为可能（详见第 4 章）。所以，基于宏观运行特征数据并满足排放

计算精度要求的交通排放耦合技术能够显著降低模型计算复杂性，具有很强的

应用价值。

跟传统的宏观机动车排放模型的差别在于，本研究基于实际道路典型车辆

的 PEMS 测试数据，克服了以往基于实验室台架工况法存在的各种问题。例如，

台架排放测试结果与实际道路排放存在偏差，测试工况不能反映实际交通流特

征和测试工况数量往往受成本所限因而不能全面反映交通流特征的变化。通常

PEMS 测试线路包括多种道路类型，可认为是由多个短时连续的交通流片段

（micro-trip）构成。为了进一步细分每个片段的交通流特征对排放的影响，本

研究将完整的道路测试工况分割成若干短时连续交通流。基于 Matlab 建立了短

时连续交通流的划分程序，并可以设置片段划分的时间长度（如 300 s、600 s 和

1200 s，即交通流时间集成粒度，且默认设置通常以怠速状态作为划分的时间起

点或终点（为了使划分的片段起止于怠速运行，通常实际时间长度与设置长度

偏差在±50 s 以内）。


39

图 2.9 短时连续交通流的建立示意图

图 2.9 展示了广州测试的一辆轻型汽油车的 PEMS 数据，测试时间共约 4600

秒，平均速度为 29 km/h。本研究将其划分为 300s 时间集成粒度的短时连续交通

流，共形成 15 个交通流片段，平均每个交通流时长 290±31 s，平均里程 2.7±1.7

km，接近于大城市路段层面的空间尺度。而每个短时连续交通流平均速度差异

较大，并且对应的微观运行模态时间分布也存在显著的差异。例如，第 2 个短

时连续交通流为典型的城市瞬态工况特征，平均速度为 20.5 km/h，怠速模态 Bin

0 时间比例为 25%；而第 14 个短时连续交通流为典型的高速巡航工况特征，平

均速度高达 55.4 km/h，该短时连续交通流有超过 90%的时间处于中速微观运行

模态 Bins 21-28。

测试车辆在各短时连续交通流下的排放因子受两方面因素的影响，即车辆

因素和交通因素。车辆因素包括该车的车重与排量、排放控制水平、排放劣化

情况等。除去冷启动部分，同一辆车的不同短时交通流的排放因子受到车辆因

素的影响应是相同的，其差异主要由短时连续交通流的交通因素导致[178]。每个

短时连续交通流的交通因素可以用平均速度和微观工况运行模态时间分布来表

征。因此，本研究引入无量纲的相对排放因子（即速度修正系数）来消除车辆

因素对于短时连续交通流排放的影响，仅分析交通因素的影响，如式 2-11：


40

, , ,

, , ,

0 , ,

i j m n

i j m n

i j n

EFREF

EF

（2-11）

其中，, , ,i j m nREF 为技术类别 i 中第 n 辆车第 m 个污染物 j 的短时连续交通流相对

排放因子；, , ,i j m nEF 为上述的这个短时连续交通流的排放因子，g/km；

0 , ,i j nEF 为

该测试车辆在基准工况下的排放因子，g/km，通过式 2-7 计算。对短时连续交通

流的相对排放因子和其平均速度选择常见的函数进行拟合，函数形式包括了多

项式方程、指数方程、幂函数方程和对数方程，以相关系数 R2来表征拟合优度，

选择 R2最高的函数形式作为确定的速度修正曲线。

图 2.10 给出了基于 PEMS 测试的北京、广州和澳门的 41 辆轻型汽油车 CO2

排放的案例分析，其中基准工况采取北京、广州和澳门三地轻型车测试平均行

驶工况特征，平均速度为 31km/h。采用幂函数形式对短时连续交通流的实际排

放因子（, , ,i j m nEF ）和平均速度的拟合相关系数 R

2 为 0.79；而相对排放因子

（, , ,i j m nREF ）与平均速度的拟合相关系数 R

2达到了 0.93，说明本研究采用的方

法可以有效消除车辆因素对于短时连续交通流排放的影响，更好地分析交通因

素的影响。

y=1003.3x-0.731 R²=0.78

0

300

600

900

1200

1500

0 10 20 30 40 50 60 70 80 90 100

实际排放因子（

g/k

m）

平均速度（km/h）

（a）平均速度-排放因子拟合


41

图 2.10 轻型汽油车短时间连续交通流的平均速度与 CO2实际排放因子、相对排放因子

的拟合与残差

从这些短时连续交通流的相对排放因子和平均速度的拟合残差来判断，当

平均速度在 10~60km/h 时，残差正负分布均匀；在 95%置信水平上，相对拟合

残差（拟合残差与相对排放因子比值）在-20%~+13%之间。由于 10~60 km/h 为

中国城市最常见的路网运行状态，说明本方法能够很好刻画交通运行特征对机

动车排放的影响，满足模型计算的精度需求。但是，在极端拥堵和高速公路的

y=11.378x-0.698 R²=0.93

0

2

4

6

8

10

0 10 20 30 40 50 60 70 80 90 100

相对排放因子


（b）平均速度-相对排放因子拟合

-1

0

1

2

3

4

5

6

0 10 20 30 40 50 60 70 80 90 100

拟合残差


（c）平均速度-相对排放因子拟合残差


42

高速巡航两种特殊交通运行特征下拟合残差将增大，需要进一步收集数据并采

用更复杂的拟合公式[153, 154]。

短时连续交通流的时间集成粒度反映了交通流片段的时间尺度和空间尺度。

以澳门轻型汽油车为例，当时间集成粒度为 300 s、600 s 和 1200 s 时，短时连续

交通流的行驶里程为 2.7±1.3 km、5.2±2.3 km 和 9.5 ±4.7 km，其反映的空间尺度

从路段层面逐渐过渡到路网层面。图 2.11 所示，三种时间集成粒度下的 CO2相

对排放因子随平均速度的变化趋势几乎相近。如果用 300s 时间集成粒度的拟合

曲线计算 1200s 时间集成粒度的 CO2 相对排放因子，则在 95%置信水平上的相

对偏差为-13%~+11%。这说明，采用 300s 时间集成粒度拟合获得的速度修正曲

线，能同时很好的反映“路段-路网”尺度下交通特征对机动车排放的影响。由

于随着时间集成粒度提高，高速段和低速段样本逐渐减少，为了使得机动车排

放模型速度修正曲线满足更宽速度区间要求，本研究基于 PEMS 测试数据，采

用 300s 时间集成粒度下的短时间连续交通流速度修正曲线建立速度修正模块。

y=11.587x-0.714 R²=0.94

0

1

2

3

4

5

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（a）时间集成粒度: 300 s


43

图 2.11 澳门轻型汽油车不同时间集成粒度的速度修正曲线比较

2.3 典型城市机动车排放因子模型方法学

本小节主要以北京为例，研究中国典型城市机动车排放因子模型开发的整

体结构、功能需求、计算方法学、不确定性分析和软件实现，这将是分析典型

城市机动车排放特征的技术基础。中国城市在车辆注册管理和机动车排放控制

等工作上有很多相似之处，上述模型方法学的研究内容和成果可应用于其他城

市的排放因子模型开发，具有很强的普遍性。其他城市模型开发（如澳门）可

以在结合本地化的车辆技术构成和用户需求基础上，参考典型城市机动车排放

因子模型的结构框架、计算方法学和部分参数。

y=11.195x-0.706

R²=0.95

0

1

2

3

4

5

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（b）时间集成粒度: 600 s

y=8.337x-0.623 R²=0.93

0

1

2

3

4

5

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（c）时间集成粒度: 1200 s


44

2.3.1 机动车排放因子模型的整体结构与功能需求分析

典型城市机动车排放因子模型（例如北京机动车排放因子模型，Emission

factor model for the Beijing vehicle fleet, EMBEV）的整体结构示意图如图 2.12，

包括了图形用户界面层（graphic user interface layer，GUI）、逻辑控制与计算层

（logic layer）和模型数据库层（database layer）。其中，图形用户界面用于用户

和模型数据库之间的交互，以实现数据输入、结果输出和模型参数维护等功能；

逻辑控制与计算层存储着用于模型计算和运行的算法；数据库层存储着包括模

型参数、输入输出数据和模型中间计算参数这三类数据。

以 EMBEV 模型为例，其可以模拟 1998 至 2020 年的基于不同车型规格、

不同燃油类型和不同车龄的单车技术排放因子和基于单车技术构成的车队平均

排放因子。EMBEV 模型共定义 11 类车型规格（见表 2.9），其定义与中国机动

车注册管理的分类要求保持一致，包括微型客车、小型客车、中型客车、大型

客车、微型货车、轻型货车、中型货车、重型货车和摩托车。由于出租车和公

交车（远郊区县公交车辆）属于公共运营车辆，车辆活动水平较高，并且在机

动车排放控制中属于重点车队（例如提前加严排放标准、提前淘汰和提高新能

源车辆比例）。因此出租车和公交车在模型中单独列出，不包括在小型客车和大

型客车的保有量中。

典型城市（北京和澳门）的机动车排放因子模型随着排放测试数据的丰富，

模型功能和模型技术也不断进步和完善。如表 2.10 所示，最新的澳门机动车排

放因子模型（V2.0 版本）已经新增了温室气体 CO2和颗粒物化学组分的排放因

子模拟，采用了基于 PEMS 短时连续交通流的排放速度修正技术，并且丰富了

模拟单车技术种类。


45

选择模拟年份与污染物

选择模拟车型技术

输入修正条件

确认基础排放因子参数

结果输出

选择模拟年份与污染物

输入保有量与燃油比例

输入修正条件

输入行驶里程

结果输出

数据输入数据输出

车型技术排放因子计算车队平均排放因子计算

图形用户界面层

轻型汽油车排放因子

重型柴油车排放因子

其他车型技术

车型技术排放因子计算

车型技术排放因子

车队的车型构成与活动水

平信息

车队平均排放因子计算

逻辑控制与计算层

模拟年份

行驶工况信息

其他车辆运行条件信息

输入与输出数据

车辆排放基础数据

排放修正参数

车队构成与活动水平信息

模型参数数据

中间计算

数据

数据库层

图 2.12 典型城市机动车排放因子模型软件结构框架


46

表 2.9 北京机动车排放因子模型（EMBEV）的车型规格与燃油类型

车型规格 1 英文缩写定义燃料类型

微型客车 LDV1 车长不大于 3.5m，发动机排量小

于等于 1 升汽油

小型客车 LDV2 车长小于 6m，额定载客不超过 9

人汽油、柴油

中型客车 MDV 车长小于 6m，额定载客大于 9 人

且小于 20 人汽油、柴油

大型客车 HDPV 车长大于等于 6m或者额定载客数

不小于 20 人汽油、柴油、天然气

微型货车 LDT 车长不大于 3.5m，总质量不超过

1.8t 汽油

轻型货车 HDT1 车长小于 6m，总质量小于 4.5t 汽油、柴油

中型货车 HDT2 车长大于等于 6m，总质量大于等

于 4.5t 且小于 12t 汽油、柴油

重型货车 HDT3 车长大于等于 6m，总质量不小于

12t 汽油、柴油

摩托车 MC 汽油

公交车 Bus 包括郊区县公交车辆汽油、柴油、天然气、柴

油混合动力、纯电动

出租车 Taxi 汽油、天然气、汽油混合

动力、纯电动

1 不包括农用车辆和其他特殊用途车辆（如军用车辆）。


47

表 2.10 中国典型城市机动车排放因子模型的发展历程

模型版本 EMBEV

（V 1.0）

EMBEV

（V 2.0）

澳门模型

（V 1.0）

澳门模型

（V 2.0）

软件开发完成时间 2010-12 2012-12 2011-11 2013-12

模拟污染

物类型

气态污染物

（CO，THC/VOC，NOX） √ √ √ √

燃油消耗与 CO2排放 √

颗粒物质量

（PM2.5/PM10） √ √ √ √

颗粒物粒数与关键组分

（PN、BC/OC、PAHs） √

单车技术

测试数据

国 5/国 V 排放控制技术 √ √

替代燃料与先进动力技术 √ 1 √ √

交通耦合

方式

轻型车速度工况测试 √ √ √ √

重型车微观工况耦合 √ √ √ √

PEMS 短时连续交通流耦合 √ 2 √

1 仅包括 CNG 公交车；2

仅应用于重型柴油车。


48

2.3.2 机动车排放因子计算方法

模型结构框架中的逻辑控制和计算层（见图 2.12），即模型的计算方法学，

是 EMBEV 模型的“大脑”。根据模型功能需求设计，EMBEV 模型确定了计算

单车技术排放因子和车队平均排放因子的总体计算方法，见图 2.13。

车队平均排放

因子

轻型汽油车技术

排放因子模拟

重型柴油车技术

排放因子模拟

其他车辆技术排放因子模拟

如：摩托车、轻型柴油车和重型汽油车

运行阶段排放

因子

冷启动阶段排

放因子

THC挥发排放

基础排放因子

工况转换系数

速度修正系数

其他修正系数

微观运行模态

排放速率

工况微观运行模态

时间分布

其他修正系数

加权平均

车型技术

保有量

各技术年

均里程

图 2.13 EMBEV 模型排放因子模型计算方法学

2.3.2.1 轻型汽油车排放因子计算方法学

对于轻型汽油车（light-duty gasoline vehicles，LDGVs；包括表 2.11 中的 LDV1、

LDV2 和 Taxi 车型中的汽油车），EMBEV 模型采用式 2-12 计算单车技术 i 的污

染物 j 排放因子（ ,LDGV i jEF ，g/km）：

, , , LDGV i j run i j cold i j eva iEF EF EF EF （2-12）

其中， ,run i jEF 为运行状态排放因子，g/km；

,cold i jEF 为冷启动状态排放因子，g/km；

eva iEF 为 THC 的挥发排放因子，g/km。由于 NEDC 工况从国 3 起包括了 40s 怠

速的冷启动部分，可认为国 3 和国 4 轻型汽油车冷启动阶段排放 ,cold i jEF 已经包

含在上述方法计算的运行状态排放因子（ ,run i jEF ）中，因此不再单独计算。

运行状态排放因子（ ,run i jEF ）由式 2-13 计算，根据该单车技术在 NEDC 工

况下的基础排放因子，进行 NEDC 和 BJDC 的工况转换修正和包括速度、燃油


49

质量、I/M 制度、空调等使用条件在内的修正。

, , , , ( , , , ...)run i j i j BJDC i j Ci jEF BEF C F speed fuel quality IM air conditioning （2-13）

上式中，,i jBEF 为该单车技术在 NEDC 工况下的基础排放因子，g/km；

,BJDC i jC 为

NEDC 工况到 BJDC 工况的转换系数，,Ci jF 为速度、燃油品质、I/M 制度和空调

等行驶条件修正。

基础排放因子是计算汽油轻型车单车排放因子的最重要的一个参数，

EMBEV 模型对计算轻型汽油车基础排放因子的基本假设主要包括两点：第一，

基础排放因子与单车技术相关，与模拟的车辆使用条件无关；第二，基础排放因

子随车辆累积行驶里程而劣化。基础排放因子的计算公式如式 2-14：

, , , ,( , )i j i j Di j i j iBEF ZML F DR VKT （2-14）

式 2-14 中，,i jZML 为车型技术 i 污染物 j 的新车状态的零公里排放水平，g/km；

,Di jF 为该车型技术污染物 j 的里程劣化增量，g/km。,Di jF 可以根据排放劣化率

（,i jDR ，g/km

2）和累积行驶里程（ iVKT，km）。本研究基于轻型汽油车的 NEDC

工况下新车排放测试数据建立,i jZML （见表 2.11）。国 4 轻型汽油车 CO、THC

和 NOX的 ZML相对于国 1 水平下降了 70%、58%和 87%，与排放限值的削减幅

度相近。

MOBILE 模型和 COPERT 模型都采用线性函数的形式描述轻型汽油车的排

放劣化规律[154, 183, 184]。所以，本研究基于在用车 NEDC 工况下的测试数据（见

表 2.3），以线性函数进行拟合分析，确定各类轻型汽油车单车技术的排放劣化计

算公式与参数。结果发现，由于在机动车行驶初期排放控制技术能够比较好的发

挥作用，其排放劣化不明显，通常呈现出一个没有劣化的平台期；当行驶里程超

过 30000~50000km 时，机动车排放劣化开始变得显著。所以，EMBEV 模型设置

了劣化起点（1 ,i jVKT ）和劣化终点（

2 ,i jVKT ），并把式 2-14 进一步表示成 2-14：

1 , , ,

1 , 2 , , , , 1 .

2 , , , , 2 , 1 ,

if ,

if , ( )

if , ( )

i i j i j i j

i j i i j i j i j i j i i j

i i j i j i j i j i j i j

VKT VKT BEF ZML

VKT VKT VKT BEF ZML DR VKT VKT

VKT VKT BEF ZML DR VKT VKT

（2-15）

1iVKT 由各技术的在用车排放劣化回归方程和其,i jZML 共同确定，而 2iVKT 取为

200000km，各车型技术的,i jZML 、

1 ,i jVKT 和,i jDR 具体取值可以参见后续表 2.11。

工况转换系数 ,BJDC i jC 是基于 NEDC 和 BJDC 工况对比测试数据（见表 2.3）

建立的，具体参数取值参见表 2.11。对于国 1 到国 4 轻型汽油车，BJDC 工况下

CO、THC 和 NOX 排放因子比 NEDC 工况的结果要高 17%~51%，37%~56%和

0%~27%。这是因为 NEDC 工况测试过程中车况普遍控制得较好，并且 NEDC

工况的加速特征较为平缓，导致 BJDC 工况下的排放水平要高于 NEDC。


50

EMBEV 模型（V1.0）采用速度工况的台架测试结果建立轻型汽油车的排放

速度修正曲线：采用二次函数形式，以 BJDC 工况的平均速度作为基准，修正范

围为 8~80 km/h（详见附录表 1）。当进一步积累北京典型轻型汽油车 PEMS 测试

数据后，可以采用短时连续交通流的速度修正技术（EMBEV V2.0 已采用该技术

模拟重型柴油车的速度修正因子）。

夏季轻型车空调使用会对排放造成影响，EMBEV 模型参考了 MOBILE 模型[183]，以式 2-16 计算空调修正参数（

,ACi jC ）。其中， 1T 和 2T 分别为边界修正温度，

假设为 20℃和 30℃； 0 ,AC i jC 为 30℃以上的空调修正系数，THC、CO 和 NOX的

0AC iC 分别为 1.04、1.15 和 1.23。

1 ,

11 2 , 0 ,

2 1

2 , 0 ,

if , 1

if , 1

if ,

ACi j

ACi j AC i j

ACi j AC i j

T T C

T TT T T C C

T T

T T C C

（2-16）

EMBEV 模型基准年为 2010 年，在模拟其他年份时，车辆使用条件可能发

生变化，需要对这些差异进行修正。例如，在模拟较早年份时，油品含硫量（2008

年前汽油含硫量高于 50ppm）和 I/M 制度形式（2001 年前采用双怠速）等与基

准年不同（2010 年汽油硫含量均为 50ppm，I/M 采用加速模拟工况检测法），计

算排放时需要乘以大于 1 的修正系数（详见附录表 2 和表 3）。EMBEV 燃油质量

修正系数参考了 Liu 等[185, 186]人对于世界上几个较大规模车油匹配效益研究、

CATARC 开展的车油匹配效益研究[180]和北京市环保局开展的国 5 油品减排效益

研究[187]；I/M 修正系数基于 IVE 模型对不同检测制度的排放控制效果计算数据[149]。

对于国 3 之前的轻型汽油车，EMBEV 模型以式 2-17 来计算冷启动阶段排放

因子（ ,

EFcold i j

）：

, , ,

,

mcold trip i j cold iEFcold i j VKTtripi

（2-17）

上式中，, ,cold trip i jm 为车型技术 i 污染物 j 在冷启动阶段的排放增量，g；

,cold i 为

所有启动中冷启动所占比例；VKTtripi

为单次行驶里程，km。其中，, ,cold trip i jm 由

CATARC 提供的 67 辆国 0 到国 2 轻型车 PEMS 测试数据确定，以前 200s 作为

冷启动阶段（详见表 2.11 中参数）；假设每天 1 次出行为冷启动排放，VKTtripi

取

为 12km。

THC 蒸发排放（ evaiEF ，g/km）包括昼夜挥发、浸车挥发和运行挥发三部分


51

[154]，EMBEV 模型将以上三部分的蒸发排放量折算成里程排放因子，如式 2-18：

365

d i si rievai

annual i trip i

E E EEF

VKT VKT

（2-18）

其中， d iE 为车型技术 i 昼夜 THC 挥发量，g； annual iVKT 为其年均行驶里程，km；

siE 和 r iE 分别为其单次形式的浸车挥发和运行挥发，g/km。 d iE 、 siE 和 r iE 分别

参考了COPERT4 模型所给的平均温度、昼夜温差和燃油挥发性公式进行计算[154]，

如式 2-19 到 2-21：

0 9.1 exp 0.0158 61.2 0.0574 0.5 22.5 0.0614( 11.7)d d a di diE E RVP T T T (2-19)

0 3.042 exp(0.02 ) exp( 1.644 0.01993 0.07521 si s i aE E RVP RVP T (2-20)

0 0.236 exp 5.967 0.04259 0.1773 ri r i aE E RVP T (2-21)

其中， 0idE 是根据 CATARC 提供的昼夜挥发测试数据进行修正的昼夜挥发基准

量，g/日； aT 为平均气温，℃； dT 为昼夜温差，℃；RVP 为汽油雷氏蒸汽压，kPa。

由于缺乏本地化的测试数据，EMBEV 模型基于 PART5 模型的计算结果模

拟轻型汽油车的 PM2.5排放因子。目前，越来越多的研究关注轻型汽油车的颗粒

物排放特征，特别是对于缸内直喷等先进汽油技术。后续亦需收集相关排放测试

数据，完善模型的轻型汽油车 PM2.5排放模块。

2.3.1.2 重型柴油车排放因子计算方法

EMBEV 模型对于重型柴油车（heavy-duty diesel vehicles，HDDVs；包括表

2.11 中 HDPV、HDT1、HDT2、HDT3 和 Bus 车队中的柴油车）仅考虑运行状态

的排放，单车技术排放因子的计算公式如式 2-22： 38

, , 0 ,

0, ,

0

( )

3600 ( , , )

Bin

i j k i k

k Bini j C i j

i

ER P

EF F speed fuel quality loadV

(2-22)

其中， 0iV 为单车技术 i 的典型工况平均速度，km/h，北京公交车和货车典型工

况的平均速度分别为 18 km/h（BJBC）和 40 km/h(BJTC)；0 ,i kP 为该工况的微观

运行模态 k 的时间比例，见图 2.14； ,C i jF 表示模拟条件相对基准条件下的修正系

数，包括对平均速度、燃油质量和车辆负载率等条件的修正。


52

图 2.14 公交车和货车典型工况（BJBC 和 BJTC）微观运行模态时间分布

EMBEV V2.0 模型对于速度修正采取两种模式，既可以根据模拟工况的微观

运行模态时间分布进行直接计算，又可以根据短时连续交通流的拟合速度修正曲

线进行速度修正因子计算。燃油品质修正与轻型车类似，基于不同车辆排放控制

标准和柴油含硫量对污染物的修正系数矩阵（详见附录表 4）。负载系数基于北

京理工大学重型车发动机台架测试模拟结果，分析了不同负载率（实际载重与额

定载重之比）下的污染物排放修正系数（详见附录表 5）。

需要指出的是，第一，SCR 对 NOX的排放控制效果对排气温度比较敏感，

因此采用 SCR 后处理技术的重型柴油车启动时 NOX的高排放现象是目前关注热

点，特别是对于满足目前世界上最严格的排放标准（如 Euro VI 或 US 2010）的

车辆技术；第二、对于包括柴油混合动力、天然气（CNG/LNG）等替代燃料与

先进车辆技术的重型车排放因子模拟，由于其同样基于 PEMS 测试数据，所以

在模型方法学上与传统的重型柴油车一致。

2.3.1.3 车队平均排放因子计算方法

车队平均排放因子是根据上述方法计算得到的单车技术排放因子和车队中

各车型技术保有量比例与年均行驶里程进行加权平均计算得到，如式 2-23：

,

i j i annual i

fleet j

i annual i

EF VP VKTEF

VP VKT

（2-23）


53

其中， fleet jEF 为车队 fleet 污染物 j 平均排放因子，g/km；

,i jEF 为该车队中单车

技术 i 的排放因子，g/km； iVP和 annual iVKT 分别为其保有量和年均行驶里程。本

研究中单车技术的保有量数据（保有量、燃油比例和车龄登记分布）来自于年鉴

统计数据、北京市交通管理局车辆注册数据库、北京市环保局环保标志数据库和

CATARC 提供的典型年份保有量技术构成数据。年均行驶里程数据来自于北京

市环保局环保标志库数据、公交公司运营调研数据和清华大学已有的里程调研数

据结果，在后续章节将对这些数据及变化趋势进行具体解析。

2.3.3 基于蒙特卡洛方法的机动车排放不确定性分析

在排放因子计算过程中，存在着测试系统误差、实验精度误差、数据统计误

差和模型设计误差，这些误差将传递给排放因子，并不可避免地导致排放因子存

在不确定性[188]。因此，科学评估机动车排放因子和排放清单的不确定性，能够

减少不确定性因素对排放计算的影响程度，提高排放控制决策的科学性。排放清

单的不确定性分析可以通过定性分析法、半定量分析法和定量分析法实现[188-190]。

其中，定性分析法是指通过语言描述的方式，描述用于排放因子或排放清单计算

的参数不确定程度或指出导致排放因子或排放清单不确定性的关键参数。定量分

析法可以通过随机模拟的概率分析方法实现[191-193]。由于本地化的测试数据缺乏，

以往关于中国机动车排放因子或排放清单的不确定性研究，只能通过定性分析[157]、半定量分析[82]或者参考国外研究结论[83]进行。本研究采用蒙特卡洛（Monte

Carlo）随机模拟方法对单车技术排放因子、车队平均排放因子和机动车污染物

排放量（见第 5 章）的不确定性进行研究。

蒙特卡洛方法是一种常用的随机抽样模拟方法，通过计算机进行随机抽样和

模拟获得问题的近似解，表征该问题的概率分布特性。利用蒙特卡洛方法分析不

确定性，主要分为三个步骤：1）构造概率过程，即确定某计算过程中各参数的

分布概率；2）实现从已知概率分布中抽样，通过计算机产生满足该分布的随机

数进行数学实验，实际操作中采样次数越高则认为越接近于样本总体的分布；3）

建立各种估计量（如数学期望、标准差、设定置信水平的分布区间），对随机变

量（如车型技术排放因子、车队平均排放因子和污染物排放量）进行数学实验后

的估计量进行考察，从而对随机分布的分布特征进行表征[191]。本研究选用 Crystal

Ball 软件完成上述随机模拟过程[191]。

首先利用 Crystal Ball 软件建立计算排放因子的主要参数的概率分布曲线。

Crystal Ball 函数库中自带了各种常见的数学分布（如均匀分布、正态分布、对数

正态分布、韦伯分布和γ分布等）。本研究以卡方检验（Chi-square test）和安德

森-达令检验（Anderson-Darling test）来判别各数学分布形式对数据的拟合优度。


54

卡方检验是常用的非参数假设检验方式，基本思想是比较该分布的理论频数和实

际频数的吻合程度，通常检验参数 p 值大于 0.5 时，表示拟合较好。但是，对于

一些具有明显长尾（long tail）的偏态分布数据，研究则采用安德森-达令检验[191]。

对于绝大部分参数，通过上述检验方法来选择优度最高的拟合曲线作为该参数的

概率分布曲线。由于部分测试数据较少，需要通过人为假设对于概率分布进行估

计（如假设国 0 轻型汽油车的 ZML 与国 1 具有类似的分布形式）。以国 3 汽油

小型客车为例（图 2.15），Crystal Ball 检验结果显示，其和概率分布

曲线符合对数正态（log-normal）分布，而的概率分布曲线则符合 Gamma

分布。表 2.11 以 EMBEV 模型基准年（2010）的汽油小型客车（LDGV2）为例，

展示了用于蒙特卡洛模拟的各主要参数的分布情况。

COZML THCZML

XNOZML


55

图 2.15 国 3 汽油小型客车气态污染物 ZML 的概率分布曲线拟合

表 2.11 2010 年汽油小型客车排放因子模拟的主要参数概率分布特征

参数变量排放标准 1 单位分布函数

分布估计量

均值 P2.5 P97.5

国 0 g/km Log-normal 13.55 6.98 23.85

国 1 g/km Log-normal 1.44 0.19 4.56

国 2 g/km Log-normal 0.88 0.14 2.29

国 3 g/km Log-normal 0.73 0.17 1.80

国 4 g/km Beta 0.43 0.15 0.78

国 0 g/km Log-normal 1.751 0.687 3.661

国 1 g/km Log-normal 0.122 0.058 0.279

国 2 g/km Log-normal 0.048 0.016 0.110

国 3 g/km Log-normal 0.089 0.026 0.180

国 4 g/km Normal 0.052 0.019 0.085

国 0 g/km Log-normal 1.578 0.629 3.310

国 1 g/km Log-normal 0.196 0.095 0.361

国 2 g/km Log-normal 0.088 0.035 0.184

国 3 g/km Gamma 0.046 0.007 0.126

国 4 g/km Beta 0.025 0.005 0.058

国 0 g/km Log-normal 0.0280 0.0229 0.0339

国 1 g/km Log-normal 0.0170 0.0139 0.0206

国 2 g/km Log-normal 0.0070 0.0057 0.0085

国 3 g/km Log-normal 0.0050 0.0041 0.0060

国 4 g/km Log-normal 0.0030 0.0025 0.0036

COZML

THCZML

XNOZML

2.5PMZML


56

表 2.11 2010 年汽油小型客车排放因子模拟的主要参数概率分布特征（续 1）

参数变量

排放

标准 1

单位分布函数分布估计量

均值 P2.5 P97.5

国 0 10-4

g/km2 Normal 0.906 0.725 1.080

国 1 10-4

g/km2 Normal 0.407 0.328 0.489

国 2 10-4

g/km2 Normal 0.146 0.117 0.174

国 3 10-4

g/km2 Normal 0.099 0.080 0.119

国 4 10-4

g/km2 Normal 0.099 0.080 0.119

国 0 10-4

g/km2 Normal 0.0966 0.0781 0.1152

国 1 10-4

g/km2 Normal 0.0279 0.0223 0.0334

国 2 10-4

g/km2 Normal 0.0170 0.0136 0.0204

国 3 10-4

g/km2 Normal 0.0095 0.0076 0.0114

国 4 10-4

g/km2 Normal 0.0095 0.0076 0.0114

国 0 10-4

g/km2 Normal 0.0155 0.0124 0.0186

国 1 10-4

g/km2 Normal 0.0166 0.0133 0.0198

国 2 10-4

g/km2 Normal 0.0191 0.0153 0.0228

国 3 10-4

g/km2 Normal 0.0056 0.0045 0.0067

国 4 10-4

g/km2 Normal 0.0056 0.0045 0.0067

国 0 Log-normal 1.02 0.21 3.06

国 1 Log-normal 1.17 0.67 1.91

国 2 Log-normal 1.51 0.81 2.59

国 3 Log-normal 1.39 0.51 3.07

国 4 Log-normal 1.35 0.57 2.72

国 0 Log-normal 1.00 0.17 3.34

国 1 Log-normal 1.56 0.65 3.18

国 2 Log-normal 1.39 0.43 3.38

国 3 Log-normal 1.37 0.56 2.82

国 4 Log-normal 1.44 0.46 3.45

国 0 Log-normal 1.00 0.22 2.94

国 1 Log-normal 1.00 0.17 3.29

国 2 Log-normal 1.27 0.37 3.22

国 3 Log-normal 1.21 0.46 2.63

国 4 Log-normal 1.20 0.46 2.60

CODR

THCDR

XNODR

COBJDCC

THCBJDCC

X NOBJDCC


57

表 2.11 2010 年汽油小型客车排放因子模拟的主要参数概率分布特征（续 2）

参数变量排放标准 1 单位分布函数

分布估计量

均值 P2.5 P97.5

国 0 g/trip Log-normal 97.97 34.07 281.2









annualVKT

国 0 km Normal 10540 8470 12610

国 1 km Normal 13810 11100 16520

国 2 km Normal 15760 12670 18850

国 3 km Normal 17880 14380 21380

国 4 km Normal 20050 16120 23980

VPF

国 0 Normal 0.063 0.057 0.070

国 1 Normal 0.086 0.078 0.095

国 2 Normal 0.202 0.182 0.222

国 3 Normal 0.179 0.161 0.196

国 4 Normal 0.470 0.424 0.516

1 分析不确定性时针对基于车型规格（小型客车）、燃油类型（汽油）和排放标准

（国 0 到国 4）的车型技术进行。

本研究设置蒙特卡洛采样次数为 10000 次，模拟了在 95%置信水平上的轻型

汽油车单车技术排放因子的不确定性（即 P2.5~P97.5）。对于其他测试数据较少

的摩托车和轻型柴油车，参考了轻型汽油车的技术排放因子的相对不确定性。本

研究根据式 2.22，在单车技术排放因子不确定性基础上，结合车队中各单车技术

的保有量和年均行驶里程信息来模拟计算排放量的不确定性。

2.3.4 北京机动车排放因子模型软件实现

研究采用了一系列先进的软件技术用于开发 EMBEV 模型软件。例如，利用

面向服务的体系结构（enterprise service-oriented architecture，SOA）使得 EMBEV

, cold trip COm

, cold trip THCm

, Xcold trip NOm


58

模型软件开发能够更好满足用户（如北京市环保局）需求[180]。对于图形用户界

面，EMBEV 模型采用 Window Presentation Foundation（WPF）开发平台，WPF

使得图形用户界面设计与软件算法和数据库的开发相独立，并使得图形用户界面

能够展示生动的用户界面元素（如 2D 和 3D 的图像、动画或视频）[194]。图 2.16

展示的是 EMBEV 模型模拟单车技术排放因子和车队平均因子的图形用户界面

操作示意。逻辑控制与计算层基于 C 语言开发。考虑到排放模型未来更新的需

求，为了方便数据、结构和算法的更新，对于排放因子模型计算采用了亚模块的

开发思路（sub-module）。例如，汽油小型客车排放因子计算算法设置了基础排

放因子亚模块、速度修正亚模块、燃油修正亚模块、I/M 制度亚模块等；未来更

新速度修正算法时，仅需更新其速度修正亚模块，大大提高了软件升级的方便性

和数据稳定性。EMBEV 模型的数据库层基于 Microsoft SQL 2005 开发。EMBEV

模型设置了不同用户权限，对于专业高级用户，可以通过图形用户界面对其中部

分重要模块的参数进行维护和修改（如轻型车基础排放因子模块和重型车排放速

率模块）。

图 2.16 北京机动车排放因子模型图形用户界面操作示意


59

2.4 小结

（1）基于典型城市的轻型汽油车在 NEDC 和 BJDC 工况下的台架测试数

据和各类车辆在实际道路工况下的 PEMS 测试数据，研究建立了典型城市机动

车排放因子模型方法学。首先，确定了模型的结构框架包括图形用户界面、逻辑

控制与计算层和模型数据库层。进一步以北京为例，建立了排放因子计算方法，

确定了轻型汽油车和重型柴油车的单车技术排放因子和基于单车技术构成的车

队平均排放因子计算公式。在此基础上，研究基于先进软件技术，实现了中国典

型城市机动车排放因子模型的软件开发（EMBEV 模型）。

（2）确定了符合中国车辆技术和交通运行特征的VSP 计算公式，并以 v-VSP

作为中国典型城市交通流微观运行的表征参数建立了 22 个微观运行模态。进一

步确定了单车技术的微观排放速率和排放因子计算公式。本研究采用的 VSP 计

算公式和工况排放时间关联性对排放因子计算影响较小，对于单车技术类别的平

均排放因子的影响均在 5%以内。

（3）根据实际道路短时连续交通流的 PEMS 测试数据，研究发现结合微观

运行模态方法建立的相对排放因子可以有效消除车辆因素对排放的影响，更好地

分析交通因素的影响。以轻型汽油车 CO2 为例，发现平均速度和相对排放因子

相关性极强（R2=0.93）。不同时间集成粒度的拟合及残差分析表明，基于 300 秒

短时连续交通流的速度修正曲线在“路段-路网”尺度下能很好反映城市常见交

通运行工况变化对机动车排放的影响。

（4）根据蒙特卡洛随机模拟方法，建立了典型城市机动车排放因子和排放

量的不确定性分析方法。基于大样本的本地化测试数据，应用 Crystal Ball 软件

建立了用于计算单车技术排放因子和车队平均排放因子的主要参数概率分布曲

线，用于排放因子和排放量的不确定性分析。

第 3 章单车技术的排放因子特征研究

60


单车技术的排放因子是分析城市机动车排放特征的基础参数，不仅与采用

的排放控制技术和措施相关，也受到车辆使用条件的影响。本章应用中国典型

城市机动车排放因子模型计算了主要单车技术的排放因子，首先分析排放标准

加严与排放控制技术进步对削减排放因子的效果，其次研究平均速度、道路类

型、负载系数和空调使用等使用条件对排放因子的影响规律。由于替代燃料和

先进动力车辆技术在中国城市发展迅速，本章分析了主要替代燃料与先进动力

技术的实际道路排放特征。

3.1 传统车辆技术的排放因子研究

中国城市从 1990 末期开始实施严格的新车排放标准，之后不断加严机动车

新车排放标准。为了满足更加严格的排放限值要求，车辆生产企业不断采用更

高水平的排放控制技术（见表 3.1）。以轻型汽油车为例，国 3 排放标准中增加

了对冷启动阶段的排放控制要求，车辆生产企业也相应地采用紧耦合

（close-coupled three way catalyst，close-coupled TWC）或双级三元催化转化器

（double TWC）来降低车辆的冷启动排放[78, 80]。

表 3.1 不同排放标准的车辆采取的主要排放控制技术（国 1/I 到国 4/IV）[78, 80]

轻型汽油车重型柴油车

排放

标准典型排放控制技术

排放

标准典型排放控制技术

国 1 电控燃油喷射系统、三元催化转化

器国 I 优化燃烧

国 2 电控燃油喷射系统、改进的三元催

化转化器国 II

电控燃油喷射系统、涡轮增压与

中冷器、优化燃烧

国 3

优化的电控燃油喷射系统、紧耦合

或双级三元催化转换器、车载诊断

系统

国 III 电控高压共轨/单体泵喷射、优化

燃烧

国 4 改进的发动机管理、紧耦合或双级

三元转换器、车载诊断系统国 IV

电控高压共轨/单体泵喷射、优化

燃烧、选择性催化还原系统


61

本研究将分析加严排放标准对机动车污染物排放因子的控制效果。此外，

中国从 2004 年开始逐步建立机动车温室气体与燃料消耗的法规体系，研究也将

根据 PEMS 测试数据对典型车辆技术的实际道路 CO2排放因子进行研究。

3.1.1 轻型乘用车污染物排放因子

以 2010 年为基准年，应用 EMBEV 模型计算了汽油小型客车在 BJDC 工况

下的气态污染物排放因子及其在 95%置信水平的不确定性区间。如图 3.1 所示，

随着排放标准的加严，轻型汽油车车型技术排放因子不断降低，通常排放标准

每加严一次，污染物排放因子降低 50~70%。例如，国 0 到国 4 的 CO 排放因子

分别为 36.3 g/km、12.5 g/km、4.18 g/km、1.45 g/km 和 0.67 g/km。对于 THC 和

NOX，加严排放标准对车型技术排放因子的降低也起到了非常显著的作用。国 5

轻型汽油车 CO、THC 和 NOX的新车排放因子比国 4 水平仅削减了 32%、17%

和 44%。这说明，如果不考虑劣化因素，进一步加严轻型汽油车排放标准的减

排效益在降低。

本研究比较了 EMBEV 模型计算结果与中国其他实际道路排放测试或模型

计算结果，见表 3.2。需要说明的是，尽管这些测试结果会因不同城市车辆使用

性质（如油品含硫量）、不同测试工况（如道路类型与平均速度）、不同测试

仪器与技术和不同测试年份而有差异，但所有模型与测试结果都证实了轻型汽

油车单车技术的排放因子随排放标准加严而显著下降。例如，与 Huo 等测试结

果比较[123]，对于 CO，国 0 到国 3 都吻合较好，而 EMBEV 模型计算的国 4 排

放因子则显著高于 PEMS 测试结果，这是因为通常 PEMS 由于浸车时间较短而

冷启动排放不显著（国 4 冷启动排放贡献高于国 3）；对于 THC，EMBEV 模型

计算的国 3 和国 4 排放因子显著高于 PEMS 测试结果，除了上述冷启动的影响，

还因为 EMBEV 模型包括了蒸发排放的 THC 排放因子。


62

图 3.1 北京 2010 年轻型汽油车的单车技术排放因子（BJDC 工况）

36.3

12.5 4.18

1.45 0.67 0.46 0

15

30

45

60

75

90

国0 国1 国2 国3 国4 国5

排放因子（

g/k

m，

95%

CL）

（a）CO

4.01

1.12 0.58

0.26 0.11 0.089 0

2

4

6

8

10

国0 国1 国2 国3 国4 国5

排放因子（

g/k

m，

95%

CL）

（b）THC

2.14

0.63 0.50 0.12 0.031 0.018

0

1

2

3

4

5

6

7

国0 国1 国2 国3 国4 国5

排放因子（

g/k

m，

95

% C

L）

（c）NOX


63

表 3.2 不同模型与实际道路排放测试的轻型汽油车的排放因子比较

排放

标准

CO （g/km）

EMBEV

均值

北京 PEMS 1

MOBILE-China，Wu 等2 [80]

Huo 等 3

[123]

Guo 等 4

[130]

Yao 等 5

[195]

国 0 36.3 39.5 33.4 28.7 21.7

国 1 12.5 12.9 11.3 9.27 6.21

国 2 4.18 6.78 4.1 3.52 3.32

国 3 1.45 3.01 2.2

国 4 0.67 0.86±0.33 1.27 0.40

排放

标准

THC （g/km）6

EMBEV

均值北京 PEMS MOBILE-China，Wu 等 Huo 等 Guo 等 Yao 等

国 0 4.01 3.70 3.6 2.50 1.83

国 1 1.12 1.52 0.70 0.49 0.61

国 2 0.58 0.81 0.31 0.12 0.25

国 3 0.26 0.24 0.09

国 4 0.11 0.08 0.09 0.02

排放

标准

NOX （g/km）

EMBEV

均值北京 PEMS MOBILE-China，Wu 等 Huo 等 Guo 等 Yao 等

国 0 2.14 2.12 1.9 0.81 2.26

国 1 0.63 1.59 1.0 0.30 1.33

国 2 0.50 0.88 0.47 0.14 0.81

国 3 0.12 0.25 0.23

国 4 0.03 0.09 0.11 0.05

1北京国 4 汽油出租车 PEMS 排放测试数据，由于这些车辆为出租车，累积行驶里

程要显著高于 EMBEV 模型对汽油小型客车的默认值；2 基于 MOBILE-China 模型计算

的 2009 年车型排放因子；3 Huo 等在 2008 至 2010 年间利用了 SEMTECH-DS 分析了北

京、广州和深圳共 57 辆轻型汽油车，其中部分广州测试轻型汽油车车辆也被本研究收

集；4 Guo 等利用实际道路遥感测试分析了杭州 2004 年至 2005 年间的大样本汽油车排

放数据，并根据碳平衡法和典型燃油经济性计算了平均车型技术排放因子；5 Yao 等利


64

用车载五气分析仪（SPX OTC）分析了 2003 年至 2005 年间中国 7 个城市机动车排放因

子。Huo 等认为 SPX OTC 对于 NOX 排放测量需要进行修正[123]；6 EMBEV 模型和

MOBILE-China 模型计算了 THC 蒸发排放，其他测试数据未包括 THC 蒸发排放。

MOBILE-China 模型是基于 U.S. EPA 的 MOBILE5b 模型开发的排放因子模

型，并基于本地化排放测试结果进行修正，被广泛用于中国城市机动车排放因

子计算和排放清单的建立中[80, 83, 92]。本研究发现，对于大部分国 2 到国 4 技术

的污染物排放因子，EMBEV 模型的模拟结果大都低于 MOBILE-China 模型，特

别是轻型汽油车 CO 和 NOX排放因子。这主要是由以下因素导致：1）基于大量

的本地化排放测试数据发现，新车排放控制水平要远低于排放限值，导致

EMBEV 模型的新车排放水平（ZML）低于 MOBILE-China 模型；2）基于在用

车测试数据发现，轻型汽油车在行驶初期劣化不明显，和 MOBILE-China 模型

从零公里起劣化不同，EMBEV 模型设置了劣化平台期（30000~50000km 以内）。

结合目前中国累积的实际道路排放结果分析，本研究认为 MOBILE-China 模型

很可能高估了中国典型城市轻型汽油车 CO 和 NOX的单车技术排放因子。

对于利用 PEMS 测试的澳门 16 辆轻型汽油车，在轻型车 PEMS 测试平均工

况下的排放因子见表 3.3。由于澳门之前未实施新车排放标准制度，大部分测试

车辆产自日本并符合日本的排放标准体系，考虑到日本在 2000 年大幅度加严了

轻型汽油车的新车排放标准（采用 10-15 工况）[78]，本研究将澳门测试车辆分为

2000 年前和 2000 年后两个年份类别，其轻型车 PEMS 测试平均工况下（工况信

息参见 3.1.2 节的图 3.3）的排放因子结果如表 3.3。2000 年前轻型汽油车排放因

子显著高于 2000 年后的测试样本。如果忽略北京和澳门两地在车辆测试工况、

里程劣化和环境条件等方面的差异，测得的澳门 2000 年前的轻型汽油车 CO 平

均排放因子相当于北京国 1 水平，而 THC 和 NOX的平均排放因子相当于北京国

0 水平。2000 年后测试车辆 CO 和 THC 基本都优于北京国 5 排放水平，而 NOX

相当于国 3 排放水平。尽管这些 2000 年后测试车辆的排放较低，但测试结果说

明这些测试车辆目前采取的技术更有利于控制实际道路 CO 与 THC 排放，今后

应该更进一步加强对 NOX的排放控制。


65

表 3.3 澳门轻型汽油车平均工况下排放因子

生产

年份

样本

量

发动机

排量

（L）

累积里程

（10000km）

CO

（g/km）

THC

(g/km)

NOX

(g/km)

2000

年前 7 1.3±0.2 9.6±3.2

15.5±24.5

（1.3~70）1

3.4±5.4

（0.08~15.3）

2.7±2.3

（0.06~6.3）

2000

年后 9 1.7±0.4 5.4±2.3

0.25±0.33

（0.08~1.1）

0.021±0.017

（0.004~0.06）

0.14±0.16

（0.02~0.50）

1 均值±标准差，括号内为数据分布范围，即最小值与最大值。

本研究分析了澳门 16 辆柴油出租车的实际道路排放因子（如图 3.2）。澳门

2010 年并未实施新车排放标准制度，车辆主要符合来源国的排放限值，由于这

些车辆来自于不同国家（日本、法国和韩国），因此无法像轻型汽油车那样基

于排放限值分类。和轻型汽油车不同，轻型柴油车排放因子随年份劣化并不明

显， CO、THC 和 NOX的平均排放因子（±标准差）为 0.38±0.15 g/km，0.05±0.02

g/km 和 0.94±0.85 g/km。结果显示，柴油车的 CO 和 THC 排放因子要低于国 4

轻型汽油车排放水平，而 NOX排放远高于国 4 轻型汽油车排放水平。对于最为

关注的 NOX 排放，本研究发现不同车型之间排放差异显著，例如 11 辆 Toyota

Corolla 的 NOX平均排放因子为 0.54±0.16 g/km；而 3 辆 Hyundai Sonata 尽管车

龄都较小，但 NOX平均排放因子高达 2.19±1.38 g/km。三辆 Hyundai Sonata 轻型

柴油车采用了废气再循环（exhaust gas recirculation，EGR）和柴油氧化型催化器

（diesel oxidation catalyst，DOC）后处理技术来分别控制 NOX和 CO、THC 排

放。从测试结果来看，其 EGR 并未发挥显著效果，而 DOC 则进一步氧化了尾

气中的 NO，使得直接排放的 NO2占 NOX的比例显著提高。这三辆采用 DOC 后

处理技术的 Hyundai Sonata 轻型柴油车平均 NO2/NOX比例为 30±27%，显著高于

其他未采用 DOC 后处理技术的车辆比例（8±5%）。


66

图 3.2 澳门轻型柴油车排放因子测试结果

注：红色虚线表示测试结果平均值，M、P、T 和 H 分别表示 Mazda 323、Peugeot 406、

Toyota Corolla 和 Hyundai Sonata 车型，其后数字表示车辆生产年份。部分测试车辆 THC

排放因 SEMTECH-DS 的 HFID 模块故障而未测。为修正工况差异，本研究将测试结果

修订到轻型车 PEMS 测试平均工况（工况信息见图 3.3）。

0.0

0.2

0.4

0.6

0.8

1.0

M1998

P2002

T2002

T2002

T2002

T2003

T2005

T2005

T2006

T2006

T2007

T2007

T2009

H2008

H2007

H2007

排放因子（

g/k

m）

（a）CO

0.00

0.03

0.06

0.09

0.12

0.15

M1998

P2002

T2002

T2002

T2002

T2003

T2005

T2005

T2006

T2006

T2007

T2007

T2009

H2008

H2007

H2007

排放因子（

g/k

m）

（b）THC

0.0

0.8

1.6

2.4

3.2

4.0

M1998

P2002

T2002

T2002

T2002

T2003

T2005

T2005

T2006

T2006

T2007

T2007

T2009

H2008

H2007

H2007

排放因子（

g/k

m）

（c）NOX


67

澳门测试的轻型柴油车NOX排放水平与欧洲COPERT4模型模拟结果及最新

排放测试结果都非常接近。欧洲研究结果也发现了由于柴油车采用 DOC 和柴油

颗粒捕集器（diesel particle filter，DPF）等氧化性后处理技术导致 NO2/NOX比

例升高的问题。例如，采用 DPF 后处理技术的国 4 轻型柴油车 NO2/NOX比例可

能达到 50%。道路交通源的一次 NO2排放会直接带来交通环境 NO2浓度超标。

城市大气氧化性和臭氧浓度增加，已成为欧洲许多柴油车技术发达国家的最主

要的大气污染问题之一[22, 114, 196-198]。最新 COPERT4 V10 模型结果显示，当排放

标准从Euro 1加严到Euro 5时，轻型柴油车NOX排放因子未下降（0.7~0.9 g/km），

并且显著高于排放限值要求。例如，COPERT4 V10 模型计算 Euro 5 轻型柴油车

在CADC工况下的排放因子为 0.90 g/km，为NEDC工况下排放限值（0.18 g/km）

的 5 倍；Euro 6 轻型柴油车的 NOX排放因子 0.31 g/km，亦远高于限值要求，比

EMBEV模型计算得到的国 4轻型汽油车NOX排放因子仍然高出 1个数量级[172]。

因此，应重视欧洲在轻型柴油车 NOX排放控制上的经验教训，中国大城市 NO2

年均浓度若在超过空气质量标准限值（40 μg/m3）的情况下推广轻型柴油车需非

常谨慎。

3.1.2 轻型乘用车CO2排放因子

为了消除不同城市因为测试工况导致的 CO2排放差异，本研究采用北京、广

州和澳门三地所有轻型乘用车平均微观运行模态分布作为基准工况特征参数，

如图 3.3（平均速度 31km/h）。各测试车辆根据式 2-4 计算车辆微观运行模态平

均排放速率，并根据图 3.3 工况特征参数计算平均运行条件下的 CO2 排放因子。

由于排放的CO经过大气化学反应最终将转化为更加稳定的CO2。对于THC，

一部分通过生成 O3的光化学反应途径转化成 CO2，另一部分则通过生成二次有

机气溶胶（Secondary organic aerosol，SOA）转化成颗粒物并最终通过干湿沉降

被去除。本研究将这些 CO 和 THC 通过大气化学反应的部分亦考虑进入，以碳

平衡方式计为间接 CO2排放（Indirect CO2 emissions）。目前，由于世界上主要

的空气质量模型对于 SOA 生成机制表征还不成熟，对于机动车 THC 排放转化

成 SOA 的比例尚未有足够信服的结论。因此，本研究假设所有的 THC 排放都

将转化为 CO2，如式 3-1：

2

0.429 0.867

0.273

CO THCCO indirect

EF EFEF

（3-1）


68

图 3.3 轻型乘用车平均测试工况的微观运行模态时间分布

本研究基于各测试车辆的微观排放速率和 NEDC 工况的微观运行模态时间

分布，计算了其实际道路排放的 NEDC 工况修正值。中国轻型乘用车燃油经济

性标准法规都基于 NEDC 工况的测试油耗（L/100km） [199-201]。为了将部分广州

和北京测试的轻型汽油乘用车（2004 年之后生产车辆）实际道路 CO2排放因子

和型式认证燃油经济性数据比较，本研究根据式 3-2 进行转化：

2

27.3

TA f f C f

CO TA f

FE WEF

（3-2）

其中，2 CO TA fEF 为燃油类型 f 的车辆的 CO2型式认证测试排放因子，g/km； TA fFE

为该车辆燃油经济性的型式认证结果，L/100km； f 为基准条件（15℃）下燃料

f 的密度，g/L，均取为 730g/L； C fW 为燃料 f 的含碳量比例，取为 0.867[181]。

表 3.4 轻型乘用车平均测试工况下的 CO2排放因子

燃油类型测试地点生产年份直接 CO2

(g/km)

间接 CO2

(g/km)

总 CO2

(g/km)

汽油

广州 2005 年前 278±65 57±54 336±71

2005 年后 280±59 7.2±3.4 287±62

北京 2009 230±16 1.6±0.7 232±16

澳门 2000 年前 210±34 36±57 246±39

2000 年后 205±28 0.47±0.56 205±28

柴油澳门 1998-2009 178± 46 0.73±0.29 178±46


69

图 3.4 轻型汽油车实际道路 CO2排放因子

注：图中车辆序号对应于附录表 6 中的车辆具体信息，如总质量、累积行驶里程、

模型年份、排放标准与燃油经济性标准等。

对于广州的测试车辆， 2005 之前生产车辆无对应的燃油经济性要求，而

2005 后需符合燃料消耗标准的第一阶段限值要求；而北京 2009 年生产车辆需符

合燃料消耗标准的第二阶段限值要求。如图 3.4 和表 3.4 所示，广州测试的 2005

年起生产轻型汽油车的平均直接 CO2排放因子与 2005 前生产车辆非常接近。但

由于 2005 前生产的车辆污染物 CO 和 THC 排放因子较高，其平均间接 CO2排

放因子显著高于 2005 年起生产的车辆平均水平。特别是第 1、3、5 和 8 号测试

车辆（图 3.4），间接 CO2排放贡献比例达到 20%。因此，2005 前生产车辆的总

CO2排放因子为 336±71 g/km，比 2005 年后生产车辆高 17%。对于符合第二阶

段限值的北京测试车辆，其总 CO2排放因子为 232±71 g/km，比符合第一阶段限

值车辆降低 19%，且间接 CO2排放因子仅贡献 0.7%。

对于澳门的测试车辆，本研究也发现其中 2000年前生产车辆由于CO和THC

排放因子较高，间接 CO2排放因子贡献 15%；而 2000 年之后车辆的总 CO2排放

因子为 205 g/km，间接排放因子贡献仅 0.2%。澳门测试车辆中 2000 年后生产样

本的平均总质量高于北京测试车辆，但其燃油消耗要比北京测试车辆低 14%。

这些 2000 年后生产的澳门测试车辆都产于日本，本研究的结果也反映了中国轻

型汽油乘用车燃油经济性法规进程要落后于日本。

800

1300

1800

2300

2800

0

100

200

300

400

500

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

车量总质量（

kg）

总C

O2排放因子（

g/k

m）

实际道路平均工况CO2排放因子实际道路CO2排放因子的NEDC修正值车量总质量

广州广州

第一阶段

北京

第二阶段

澳门

2000年前

澳门

2000年后


70

图 3.5 轻型汽油车实际道路 CO2排放因子与型式认证测试 CO2排放因子比较

如图 3.4 所示，实际道路 CO2排放的 NEDC 工况修正值要比在平均工况下的

排放水平低 9±2%，这部分的差异是由于 NEDC 工况加速部分较为平缓，与实际

道路工况的瞬态特征存在差异。图 3.5 进一步比较了满足燃料消耗标准第一阶段

和第二阶段限值要求车辆的型式认证 CO2 排放因子（基于工信部公布数据），

NEDC 工况修正值和实际道路 CO2 排放因子的差异。结果显示，NEDC 修正值

比型式认证 CO2 排放因子高 30±12%。这说明，型式认证的测试因素对于 CO2

排放差异的影响要高于不同工况间交通差异的影响。Weiss 等[113, 114]和 Mock 等[111, 112]研究结果也表明，欧洲轻型乘用车实际道路 CO2排放和型式认证测试结果

的差异也从 2000 年左右低于 10%提高到目前 25-30%。Weiss 等[112]亦认为测试

工况的交通特征差异并非主要原因；而是型式认证的测试规程并非针对车辆燃

油经济性开发，车辆生产厂家往往采用仅优化型式认证测试结果的技术手段，

而忽略实际道路 CO2 排放的控制。目前，包括中国在内的许多国家正在研究制

定更加符合实际道路使用特征的世界统一轻型车测试工况（Worldwide

Harmonized Light Vehicle Test Procedure, WLTP）[112]，以代替目前采用 NEDC 工

况的型式认证测试，从而尝试解决实际道路和型式认证间CO2排放差异的问题。

图 3.6 为澳门轻型柴油乘用车平均工况下的实际道路 CO2排放因子，平均总

0

50

100

150

200

250

300

350

400

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

CO

2排放因子（

g/k

m）

型式认证测试CO2排放因子实际道路CO2排放NEDC工况修正值

平均工况下CO2排放因子

广州北京


71

CO2排放因子为 178±46 g/km。其中，55 至 57 号测试车辆由于车辆总质量较大，

并且采用了自动传动系统和 EGR 技术，其总 CO2排放因子（256±25 g/km）显

著高于其他车辆。其他 12 辆测试车辆（均为 2000 年后生产）的平均总 CO2排

放因子为 154±15 g/km，比澳门测试的 2000 年后生产的轻型汽油车低 22%，与

之前美国和德国的柴油车相对汽油车 CO2排放削减结果（~25-30%）接近。与轻

型汽油车一样，本研究也发现柴油乘用车平均工况下的实际 CO2 排放因子要比

其 NEDC 工况修正值高约 10%。尽管柴油乘用车具有显著的 CO2减排效果，但

其实际道路下的 NOX 和 PM2.5 排放显著高于同类控制水平的汽油乘用车，成为

其在中国城市中发展的主要限制因素。

图 3.6 轻型柴油车平均工况下的实际道路 CO2排放因子

3.1.3 重型柴油车污染物排放因子

基于重型柴油车微观运行模态的平均排放速率与典型工况模态时间分布，本

研究分析了不同单车技术类别的重型柴油车污染物排放因子。对于北京柴油公

交车（11~12 米车型，总重量 15~18 吨），其 CO、THC、NOX和 PM2.5的排放

因子和 95%置信水平的不确定性区间如图 3.7；其中由于国 V 柴油公交车仅有 2


72

辆测试数据，其不确定性区间参考了国 IV 柴油公交车的变异系数。

图 3.7 北京不同控制技术类别的柴油公交车排放因子（BJBC 工况）

在不同的排放控制阶段，重型柴油车采用了不同的典型排放控制技术（见表

3.1）。如图 3.7 所示，国 III 柴油公交车 PM2.5排放因子为 0.44 g/km，比国 II 柴

油车水平（1.07 g/km）下降了 59%（p<0.001，ANOVA）。但是，国 III 和国 II

柴油公交车在 NOX排放上并没有显著性差异。从国 III 到国 IV 技术水平，除了

进一步优化发动机燃烧外，最主要的技术是加装了尿素选择性还原系统

（selective catalyst reduction，SCR）来控制 NOX排放。国 IV 实际道路排放因子

8.3 6.8

3.2 4.2

0

4

8

12

16

20

国II 国III 国IV 国V

排放因子（

g/k

m，

95%

CL）

（a）CO

0.47 0.37

0.11

0.14

0.0

0.4

0.8

1.2

1.6

2.0


排放因子（

g/k

m，

95%

CL）

（b）THC

11.3 12.5 11.8

7.5

0

5

10

15

20

25


排放因子（

g/k

m，

95%

CL）

（c）NOX

1.07

0.44

0.18 0.07

0.0

0.5

1.0

1.5

2.0

2.5


排放因子（

g/k

m，

95%

CL）

（d）PM2.5


73

结果显示， CO、THC 和 PM2.5相对国 III 水平都有显著削减，分别下降了 54%、

70%和 67%，这体现了国 IV 柴油发动机燃烧得到了进一步优化。但是，国 IV

柴油公交车的NOX排放因子与国 II和国 III排放水平相当，都处于12 g/km左右，

说明国 IV 柴油公交车所采用的 SCR 技术对于 NOX排放控制基本失效。

针对这一问题，本研究利用车载诊断系统（on-board diagnostics，OBD）解

码器收集了 2 辆国 IV 柴油公交车同步发动机运行工况数据，深入分析其行驶工

况与 NOX排放特征。这两辆公交车的平均行驶速度为 15 km/h 和 12 km/h，这种

低速行驶工况导致其尾气管处排气温度（SEMTECH-DS 的热电偶检测数据）都

较低。Liu 等[126]认为，只有尾气管处排气温度超过 170 ℃时，柴油公交车的 SCR

才能有效发挥作用。并且，基于 OBD 检测的瞬态发动机转速和功率数据，其 85%

的运行时间发动机转速都在 1400 rpm 以下，说明 ESC 法规工况（即排放法规控

制区）和公交车实际工况存在显著差异（如图 3.8）。结合发动机功率数据，其

NOX 制动比排放因子（brake-specific emission factor）分别为 9.4 g/kWh 和 6.6

g/kWh，分别为国 IV 法规限值要求（3.5 g/kWh）的 2.7 倍和 1.9 倍。这说明，

目前针对柴油发动机的排放测试规程（除 ESC 工况外，ETC 亦主要为中高速工

况）与城市公交车运行特征存在显著差异，不能有效控制公交车在低速运行条

件下的 NOX非工况排放（off-cycle emissions）。

表 3.5 同步采集发动机运行工况的柴油公交车测试数据

排放

标准

车辆

序号

车长

（m）

重质

量

（t）

累积里

程

（km）

发动机

额定功

率

（kW）

平均排

气温度

（℃）

平均速度

（km/h）

NOX排放因

子 1

g/km g/kWh

国 IV 1 12 18 116031 165 174 15.0 15.0 9.4

2 12 18 97937 165 153 12.0 12.0 6.6

国 V 1 12 18 52096 165 147 21.6 8.1 5.8

2 12 18 53107 165 158 17.2 9.1 5.6

1 为实际测试结果，非 BJBC 工况标定值。


74

图 3.8 基于 OBD 技术收集的 2 辆国 IV 柴油公交车发动机运行工况

北京于 2013 年 2 月对公共车队的柴油车实施了京 V 排放标准（即国 V），

其要求满足 ESC 和 ETC 工况下 2.0 g/kWh 的排放限值。和国 IV 一样，国 V 进

一步优化柴油发动机技术，并且采用更先进的 SCR 后处理控制技术。本研究利

用 PEMS和OBD同步收集了 2辆国V公交车的实际道路排放和发动机工况的数

据。结果显示，BJBC 平均排放因子为 7.5 g/km，比国 II 到国 IV 水平下降了近

40%（见图 3.7）；并且，PM2.5平均排放因子为 0.07 g/km，比国 IV 下降了 61%。

但是，其实测的 NOX制动比排放因子为 5.7 g/kWh，仍为法规排放限值的 2.8 倍。

欧洲国家普遍采用 SCR 技术路线来控制柴油车 NOX排放，跟本研究结果类

似，欧洲最新的研究也发现柴油公交车低速工况下 NOX 排放高的问题。例如，

Carslaw 等[22]基于大样本实际道路遥感测试数据，发现伦敦 Euro IV 柴油公交车

NOX排放因子为 10.3±0.8 g/km，与 Euro I 到 Euro III 排放水平（9~11 g/km）相

比并未下降。COPERT4 模型 2010 年在 V8.0 版本中基于实际道路 PEMS 测试数

据，提高了对于 Euro IV 和 Euro V 柴油公交车排放因子模拟值；例如，平均速

度 18km/h 下的柴油公交车 Euro V 排放因子模拟结果由之前版本的 4.4 g/km 提

高到了 8.8 g/km（Euro IV 为 7.2 g/km，Euro V 燃烧进一步优化，导致其 NOX排


75

放比 Euro IV 还高）[202]。由此可见，基于 SCR 技术的国 IV 和国 V 城市柴油公

交车的 NOX 排放控制效果是较差的。目前，世界上最严格的重型柴油车新车排

放标准为欧洲的 Euro VI 标准和美国的 US 2010 标准。其中，欧洲 Euro VI 标准

于 2013 年 1 月起实施，要求新车发动机在稳态测试工况（WHSC）和瞬态测试

工况（WHTC）分别满足 0.40 g/kWh 和 0.46 g/kWh。美国 US 2010 标准于 2007

年起开始实施，并要求 2010 年起所有新车满足 0.2 g/bhp-hr（0.27 g/kWh）限值

要求（FTP 工况测试和 PEMS 测试的 NTE 准则要求）。大部分柴油重型车及发

动机生产厂商都会选择 EGR+SCR 的技术路线来满足 Euro VI和 US 2010 标准对

于 NOX排放控制要求[203]。欧洲尚未有关于 Euro VI 柴油公交车的具体测试结果

报道；美国关于重型柴油车 US 2010 的 PEMS 和遥感测试结果显示[143, 204]，其在

启动阶段和低速状态下由于排气温度较低会导致 NOX 排放高于高速运行工况结

果。所以，目前尚未有足够的研究数据支持未来的国 VI 柴油公交车能够实现低

速运行工况下对 NOX排放的有效控制。因此，需要积极探索其他有效技术途径，

例如引进先进车辆技术和清洁替代燃料，来控制城市公交车的 NOX排放。

2.9 2.1

1.8

3.2 2.9

1.7

4.9

2.3 2.4

0

2

4

6

8

10

12

国I 国II 国III 国I 国II 国III 国I 国II 国III

排放因子（

g/k

m，

95%

CL）

（a）CO

轻型货车中型货车重型货车


76

图 3.9 北京不同车型/控制技术类别的柴油货车排放因子（BJTC 工况）

1.33

0.99

0.28

1.26

0.33 0.22

0.80

0.46

0.20

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5


排放因子（

g/k

m，

95%

CL）

（b）THC

4.8 4.6

2.0

7.8

4.3 6.0

9.2

6.7 7.2

0

5

10

15

20

25


排放因子（

g/k

m，

95%

CL）

（c）NOX

0.24 0.22 0.15

0.54

0.25

0.15

0.50 0.45

0.19

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4


排放因子（

g/k

m，

95%

CL）

（d）PM2.5

轻型货车

轻型货车

轻型货车

中型货车

中型货车

中型货车

重型货车

重型货车

重型货车


77

北京柴油货车的排放进程落后于柴油公交车。由于周边地区柴油硫含量显著

高于北京市内水平，北京并未对柴油货车提前实施国 IV 排放标准，而是跟全国

实施柴油重型车国 IV 排放标准的进度一致（2013 年 7 月）。因此，本研究分析

了国 I 到国 III 阶段柴油货车的单车技术排放因子（BJTC 工况）。北京自 2004

年 2 月起对货车实施四环内白天禁行（早 6 点至晚 11 点）的政策，货车主要在

五环外或夜间行驶，其平均速度显著高于其他车队。BJTC 工况的平均速度为

40km/h，怠速时间比例仅 6%，并且 55%的运行时间处于微观运行模态的中速段

（Bin 21-28）。所以，虽然测试的国 II、国 III 重型货车和公交车的柴油发动机

规格相近，但柴油货车由于运行速度较高，排放因子要低于柴油公交车。例如，

国 III 柴油货车的 NOX和 PM2.5的平均排放分别为 7.2 g/km 和 0.19 g/km，比国 III

柴油公交车分别低 42%和 57%。本章 3.3 节将进一步讨论运行工况对于重型柴油

车排放因子的影响。

货车车型规格（即载重级别）对不同污染物排放因子的影响是不同的。其中，

对于 CO、NOX和 PM2.5，大部分车型技术的排放因子随着载重级别提高而增加.

例如，对于国 I 柴油货车，CO 平均排放因子由轻型货车的 2.9 g/km 增加到重型

货车的 4.9 g/km，NOX 排放因子由轻型货车的 4.8 g/km 增加到重型货车的 9.2

g/km，PM2.5由轻型货车的 0.25 g/km 增加到中重型货车的 0.50-0.54 g/km。

与柴油公交车类似，当新车排放标准由国 I 加严到国 III 时，PM2.5排放因子

都呈现出下降趋势。特别是国 II到国 III之间出现了显著性下降（p<0.05，One-way

ANOVA），而且载重级别越高的 PM2.5 排放因子随排放标准下降幅度越大。但

对于 NOX排放因子，除轻型货车国 II 和国 III 技术类别外，其他车辆技术类别

均未呈现出显著性差异（p>0.05，One-way ANOVA）。由于本研究仅收集了 4

辆国 III 柴油轻型货车测试数据，刘欢利用 DMM-230 对北京和西安轻型柴油车

进行更大样本的测试，结果发现轻型货车在国 II 和国 III 间没有明显的 NOX排

放改善[152]。Wang 等利用道路跟车测试技术，也发现了北京柴油重型货车（即

总重量 12t 以上的柴油货车，属于表 2.9 中 HDT3 类；后续相同）排放标准从国

I 加严到国 III 时，PM2.5中关键组分 BC 显著下降，而 NOX未显著下降[137]。

目前，国内关于采用 SCR 技术的国 IV 柴油货车排放测试结果很少。Huo 等

测得的 2 辆国 IV 柴油重型货车 NOX排放因子为 5.3±1.2 g/km[124]，比其测得的国

III 柴油重型货车低 35%；并且 PM2.5排放因子低达 0.02 g/km。欧洲的测试结果


78

显示，由于柴油货车负载较大且运行速度较高，有利于 SCR 发挥效果，相对国

III 柴油货车减排比例在 30%~50%[22, 205]。因此，考虑到国 IV 之前的柴油车未能

有效控制 NOX排放，实施国 IV 及更严格的排放标准（如国 V 和国 VI）促使柴

油货车采用 SCR 技术，对于 NOX减排具有非常重要的意义。

澳门重型柴油车（中巴车、公交车、中型货车和重型货车）在各自典型工况

下的排放因子见表 3.6。其中，中巴车和公交车平均测试工况速度为 20km/h，并

在测试过程中开空调；而货车平均测试工况为 28km/h。澳门柴油公交车与北京

国 III 排放水平相近，由于这些车辆来自于英国和中国，从生产年份判断亦符合

Euro III 或国 III 标准。虽然澳门的公交车平均车重略小于北京，但其 NOX排放

因子平均为 13.4 g/km，略高于北京国 III 公交车水平，判断是因为使用空调的原

因（本章 3.3.3 节会分析空调的影响）。对于柴油货车，由于澳门测试的中型货

车平均车重比较接近轻型货车类别（5 吨左右），所以其 NOX 排放因子与北京

轻型货车排放水平相近；而重型货车平均车重高于北京重型货车，因此其 NOX

排放因子比北京重型货车更高。

表 3.6 澳门重型柴油车实际道路排放因子

类别生产年份总质量

（t）

CO

（g/km）

THC

(g/km)

NOX

(g/km)

中巴车 2003~2005 6.3 1

1.7±0.4 2

（1.4~2.2）

0.44±0.07

（0.38~0.51）

5.8±1.6

（4.4~8.2）

公交车 2005~2009 14.1±1.0

(13~15)

5.4±1.7

(3.8~8.3)

0.44±0.07

（0.38~0.51）

13.4±1.9

（11.4~16.5）

中型货车 1990~2010 5.5±0.8

(5.2~7.5)

1.7±0.7

（0.52~2.6）

0.52±0.39

（0.008~1.2）

3.1±1.0

（1.5~4.8）

重型货车 1998~2004 25.2±8.0

(15~34)

3.2±2.2

（0.1~5.5）

0.79±0.30

（0.45~1.0）

10.2±6.1

（4.8~17.9）

1 测试的中巴车为同一车型；2

均值±标准差，括号内为数据分布范围，即最小值

与最大值。

3.1.4 重型柴油车CO2排放因子

中国重型柴油车燃油经济性或温室气体排放法规的进程要落后于日本和美


79

国等国家[206]。日本于 2006 年在世界范围内制定了第一个重型柴油车燃料消耗测

试方法与限值标准。美国于 2011 年通过了 2014 至 2018 年重型柴油车燃油经济

性或温室气体法规。国家工业与信息化部于 2011 年底通过了国家推荐性标准《重

型商用车辆燃料消耗量测量方法》（GB/T27840-2011）[206]和行业标准《重型商

用车辆燃料消耗量限值（第一阶段）》（QC/T 924-2011）[207]。2012 年 9 月，

强制性国家标准《重型商用车辆燃料消耗量测量方法》意见征求稿发布，要求

新认证车辆于 2014 年 7 月起执行标准[208]。需要指出的是，该标准根据重型车整

车台架对基准车辆在 C-WTVC 工况下测试结果确定基准油耗，并根据软件模拟

或台架测试结果确定车型修正系数。考虑到目前欧洲和中国的轻型乘用车实际

道路燃油消耗与型式认证测试存在显著差异，实际道路的重型车 CO2 排放测试

能够提供重要的补充和验证数据。

北京国 II 到国 V 公交车在 BJBC 工况下的 CO2排放因子如图 3.10 所示。所

有测试的北京柴油公交车平均 CO2排放因子为 871±198 g/km。根据单因素方差

检验，不同排放标准柴油公交车在 CO2排放因子上并没有显著性差异（p>0.05），

这也反映了重型柴油车燃油经济性或温室气体排放法规并未实施的现实。澳门

测试的公交车有 3 种车型，分别为三菱 Rosa（总重量为 6.3 吨）、Alexander Dennis

Limited（ADL，总重量为 13 吨）和金龙（总重量为 15 吨），测试过程中均使

用空调，其在澳门公交车平均测试工况（速度为 20 km/h）下 CO2排放因子如图

3.11。可以看到，不同测试车型间的 CO2排放因子存在显著性差异，CO2排放因

子随着车辆重量的增加而增加。其中，金龙柴油公交车排放因子显著高于北京

同等规格的车辆，主要是因为测试过程中使用了空调（详见 3.4 节）。


80

图 3.10 北京不同控制技术类别的柴油公交车 CO2排放因子（BJBC 工况）

图 3.11 澳门柴油公交车在平均测试工况下 CO2排放因子

809 847

915 790

0

200

400

600

800

1000

1200


CO

2排放因子（

g/k

m，

95%

CL）

493

887

1115

0

4

8

12

16

20

0

200

400

600

800

1000

1200

1400

三菱Rosa中巴车 ADL公交车金龙公交车

车辆总重量（

t）

CO

2排放因子（

g/k

m，

95%

CL）

CO2排放因子车辆总重量


81

图 3.12 北京柴油货车在 BJTC 工况下 CO2排放因子

北京柴油货车在 BJTC 工况下（测试时约 20%的负载系数）的 CO2排放因子

如图 3.12 所示，整体上也呈现出 CO2排放因子随着柴油货车的载重级别上升而

提高的趋势，例如轻型货车、中型货车和重型货车的平均 CO2 排放因子分别为

353 g/km、440 g/km 和 539 g/km。尽管重型货车的车辆总量和发动机排量与公交

车相当，但由于 BJTC 工况的平均速度明显高于 BJBC 工况，因此导致柴油重型

货车的平均 CO2排放因子比公交车低约 40%，本章 3.3 节将详细讨论车辆行驶工

况对于实际道路 CO2排放的影响。

表 3.7 澳门柴油货车平均工况下 CO2排放因子

类别样本量生产年份总质量

（t）1

发动机排量

（L）1

CO2排放因子

（g/km）1

中型货车 8 1990~2010 5.5±0.8

(5.2~7.5)

3.6±1.0

(2.8~4.9)

430±94

(286~545)

重型货车 4 1998~2004 25.2±8.0

(15~34)

11.5±2.4

(8.0~12.9)

1114±337

(554~1379)

1 均值±标准差，括号内为数据分布范围，即最小值与最大值。

377 386

230

353

573

393 451 440

611 600 492

539

0.0

5.0

10.0

15.0

20.0

25.0

0

200

400

600

800

1000

1200

1400

车辆平均总重量（

t）

CO

2排放因子（

g/k

m，

95%

CL）

货车CO2排放因子车辆平均总重量


82

澳门测试的中型货车平均车重比北京测试的中型货车要低（5.5吨 vs. 8.3吨），

但是因为其平均测试工况的速度（28 km/h）低于 BJTC，所以其 CO2 排放因子

基本相当（430 g/km vs. 440 g/km）。对于澳门测试的重型货车，其车重和发动

机排量显著高于北京测试样本，加上平均速度更低的工况，所以其 CO2 排放因

子显著高于北京重型货车。研究结果说明，货车的车辆特征（如车重和发动机

排量）和使用特征（如工况的平均速度）都会导致 CO2 排放存在显著变化。并

且，城市货车的技术类型通常比公交车要丰富得多，当评估典型城市货车 CO2

排放特征时，需要基于详细的车辆技术构成和车辆使用条件信息来降低 CO2 排

放量计算的不确定性。

3.2 替代燃料与先进动力车辆技术的排放因子

3.2.1 液化石油气与混合动力轻型车排放因子

广州市从 2003 年起开始在出租车和公交车中推广使用 LPG，将汽油出租车

改造成汽油-LPG 双燃料车或购入 LPG 单燃料车[83]。统计数据显示，2009 年广

州市可燃用 LPG 的出租车保有量达到 18101 辆（其中绝大部分为改造的汽油

-LPG 双燃料车），占广州市出租车总保有量的 94%[210]。其中，广州市区营运

的出租车几乎全部是可燃用 LPG 轻型车。车用 LPG 价格较汽油低，双燃料车在

实际营运中都选择使用 LPG。本研究收集了 3 辆广州汽油-LPG 双燃料车的实际

道路排放测试数据（2 辆国 2 标准车辆和 1 辆国 3 标准车辆），气态污染物和

CO2（直接 CO2加间接 CO2）在轻型车平均工况（图 3.3）下的排放因子结果如

图 3.13 所示。


83

表 3.13 广州汽油-LPG 双燃料车气态污染物与 CO2排放因子（燃用 LPG）

结果表明，这 3 辆汽油-LPG 双燃料车在燃用 LPG 时排放因子显著高于相同

排放水平的汽油轻型车。例如，其中 2 辆国 2 汽油-LPG 双燃料车的 NOX排放因

子高达 4.9 g/km，甚至比国 0 汽油车的平均排放水平都要高。这 3 辆 LPG 车的

总 CO2排放因子为 297±10 g/km，其中间接排放的 CO2排放占 4.3%~16.5%；和

本研究测试的北京汽油出租车和澳门柴油出租车相比，总 CO2 排放因子分别要

高出 28%和 67%，说明改装车的实际道路燃料消耗水平和发动机效率更差。

值得注意的是，国内许多城市从降低汽/柴油燃料消耗的角度推广气体燃料

乘用车（特别是城市出租车），并且气体燃料（如 LPG 和 CNG）的价格往往比

车用液体燃料（如汽油）低，许多对车用燃料价格敏感的营运车辆有较强的意

10.3

29.5

0

10

20

30

40

国2 国3

排放因子（

g/k

m，

Ave

± s

d）

（a）CO

1.90

1.13

0

1

2

3

4

国2 国3

排放因子（

g/k

m，

Ave

± s

d）

（b）THC

4.90

0.35

0

1

2

3

4

5

6

国2 国3

排放因子（

g/k

m，

Ave

± s

d）

（c）NOX

294 303

0

50

100

150

200

250

300

350

国2 国3

排放因子（

g/k

m，

Ave

± s

d）

（d）CO2


84

愿使用气体燃料[211, 212]，包括将传统液体燃料车辆改装成双燃料车。解淑霞等[213]

利用 SEMTECH-DS 对河北、山西和山东等地的汽油-CNG 双燃料出租车进行实

际道路排放测试，发现无论原装或改装车，使用天然气时 CO2 和 CO 排放有

20%~30%的下降，而 THC 和 NOX排放都增加；特别改装车使用 CNG 时 THC

和 NOX排放因子比使用汽油时都增加了 200%左右。北京也曾经早在 1999 年，

就开始在出租车推广使用 LPG。到 2003 年，北京共有约 45000 辆汽油-LPG 双

燃料车（占北京出租车总量的近 70%），其中绝大部分为改装车。但是，这些

改装双燃料出租车动力性能相对较差，并且没有明显的污染物减排效果。这些

双燃料出租车到达报废车龄后被淘汰，北京也没有继续推广使用 LPG 燃料车辆[80]。因此，气体燃料车需要进一步进行技术优化，满足实际道路上的车辆动力

性能、温室气体排放和污染物排放要求，并且在气体燃料供应得到保证的情况

下才适合大规模推广。

本研究利用 SEMTECH-DS 收集了 2 辆 Prius 汽油混合动力轿车的实际道路

排放测试数据。测试于 2011 年 3-4 月在澳门进行，两次测试前后电池荷电状态

（state of charge，SOC）都基本相当。车辆信息和轻型车平均工况下的排放因子

结果如表 3.8。对于气态污染物，这两辆混合动力车辆都能够相对传统车辆技术

有大幅度的削减，例如与测试的澳门 2005 年后注册的轻型汽油车相比，Prius 汽

油混合动力车能够分别削减 CO、THC 和 NOX排放因子 33%、38%和 75%，并

使实际道路CO2排放因子降低 36%。欧洲基于典型工况的台架测试结果也显示，

Prius II 汽油混合动力轿车能够将气态污染物控制在很低的排放水平，并在城市

工况（Artemis Urban）下与同级别的传统车辆相比减少 40%的 CO2排放[214]。这

一测试结果说明，成熟的混合动力技术可以实现气态污染物和温室气体的协同

减排，CO2减排幅度要大于传统柴油车技术。

表 3.8 澳门 Prius 汽油混合动力轿车平均工况下污染物和 CO2排放因子

序号 1 生产年份

总重量

（kg）

累积里程

（km）

发动机排量

（L）

排放因子（g/km）

THC CO NOX CO2

1 2007 1725 29542 1.5 0.013 0.180 0.012 118

2 2010 1805 249 1.8 0.016 0.308 0.004 142

1 测试车辆 1 和 2 分别为 Prius II 代和 III 代汽油混合动力车。


85

3.2.2 天然气与混合动力公交车排放因子

北京从 1999 年起，开始在公交车队中推广使用替代燃料技术，专用 CNG 公

交车开始投入使用。到 2008 年，北京 CNG 公交车保有量达到近 4200 辆，占全

市公交车总保有量的近 20%，成为世界上最大的 CNG 公交车队之一。2009 年开

始，在“十城千辆节能与新能源汽车示范推广”等激励下，北京在公交车中推广更

丰富的替代燃料与先进动力技术。例如，2009 至 2011 年，约 1000 辆柴油混合

动力公交车投入使用[80]。2012 年，新型 LNG 公交车在北京投入使用。LNG 与

CNG 相比，燃料能量密度更大，车辆加气后行驶里程更长，并且在加气站建设

和营运上比 CNG 更为灵活方便[87]。

本研究收集了北京典型的气体燃料与混合动力公交车的气态污染物与 CO2

排放测试数据，测试于 2011 年和 2012 年进行。测试车辆信息如表 3.9。测试过

程中，通常利用测试工作人员、水袋与水桶模拟加载 1.0~1.5 吨，负载率约为

20~30%。测试线路与实际运行线路一致（见表 3.9），并且模拟公交车实际停靠

站。其中，混合动力公交车测试前后电池荷电状态 SOC 值相当。气态污染物和

CO2排放因子如图 3.14。

表 3.9 北京天然气与混合动力公交车测试车辆信息

车辆技术类

型

样本

量运行线路

后处理技

术

生产年

份

排放标

准

总重

量

（t）

发动机功

率

（kW）

CNG 1

8 32、33 与

68 三元催化 2007 EEV

2 18.0 147

1 32 三元催化 2012 国 V 17.9 172

LNG 2 32 SCR 2012 国 V 18.0 177

HEV 2 308 SCR 2009 国 IV 17.4 165+44 3

1 测试的 CNG 共有两种车型（生产于 2007 与 2012 年份），样本量分别为 8 辆与 1

辆；2 Enhanced Environmentally-friendly Vehicles，被认为是介于欧 V 和欧 VI 标准间的

重型车排放标准。2007 年生产 CNG 公交车声称满足 EEV 标准，但实际上其发动机和

排放控制水平不如 2012年生产的CNG公交车；3 165kW额定功率柴油发动机混联 44kW

电动机。


86

图 3.14 北京天然气与混合动力公交车 BJBC 工况下气态污染物与 CO2排放因子

北京 2007 年和 2012 年生产的两种 CNG 公交车型，都采用了等当量技术的

发动机（stoichiometric engine）和三元催化后处理的技术方案。对于 CO，2007

年生产的车辆排放因子为 15.5±17.9 g/km，不仅平均排放水平较高，并且标准差

也较大，主要是由于累积行驶里程较高（20~25 万 km）而导致后处理装置显著

劣化所致。2012 年生产的 CNG 公交车由于累积行驶里程较低，BJBC 工况下 CO

排放因子比国 IV 和国 V 的柴油车还要低，仅 1.3 g/km。对于 THC，两种车型排

放因子都比国 IV 和国 V 的柴油车高，主要是由于 CH4 的排放贡献；根据

COPERT4 模型计算，满足 EEV 标准的 CNG 公交车的 CH4 排放因子约为 1

15.5

1.3 1.0 3.1

0

5

10

15

20

25

30

35

40

排放因子（

g/k

m，

Ave ±

sd）

（a）CO

1.71 1.46 1.52

0.11

0.0

0.5

1.0

1.5

2.0

2.5

3.0

排放因子（

g/k

m，

Ave ±

sd）

（b）THC

5.7 5.5

3.2 3.6

0

2

4

6

8

10

12

排放因子（

g/k

m，

Ave ±

sd）

（c）NOX

967

785 836

646

0

200

400

600

800

1000

1200

排放因子（

g/k

m，

Ave ±

sd）

（d）CO2


87

g/km[154]。对于 NOX，CNG 公交车相比国 IV 和国 V 公交车分别削减了 50%和

21%，说明北京采用等当量技术的 CNG 公交车相对 SCR 柴油公交车技术能够更

有效地实现 NOX 减排。值得注意的是，研究表明目前 CNG 公交车的实际道路

NOX排放水平仍然存在较大不确定性。一方面，世界上存在多种 CNG 公交车技

术方案，不同技术方案下实际道路 NOX 排放水平存在显著差异。例如，除了北

京采用的等当量技术发动机与三元催化后处理外，还包括了稀薄燃烧发动机路

线、稀薄燃烧发动机与氧化型催化剂后处理等，甚至包括用柴油公交车改装的

CNG 公交车[142, 215, 216]。测试研究表明，采用等当量技术发动机与三元催化后处

理技术方案的原装 CNG 公交车对于 NOX排放控制效果最好[142, 216]。另一方面，

Hallquist 等[ 215]利用实际道路遥感测试的 CNG 公交车基于燃料消耗的 NOX排放

因子为 41±26 g/kg fuel，显著高于本研究水平（17.3±8.7 g/kg fuel）。除了测试方

法和工况的差异，Hallquist 等认为这些车辆维护保养时调整了车辆电控单元使得

其更有利于降低燃料消耗，是导致其测试的 CNG 公交车 NOX排放较高的可能原

因[215]。对于 CO2排放因子，CNG 公交车与相近车辆生产年份的柴油公交车处于

相当水平；2012 年生产的 CNG 公交车发动机额定功率比 2007 年生产的车辆增

加，但 CO2排放因子反而降低，说明 CNG 公交车的动力性能和燃烧效率都随着

车辆模型年份有所进步。此外，本研究利用 ELPI 对 4 辆 2007 年生产的 CNG 公

交车PM2.5排放进行了测试，BJBC工况下平均PM2.5排放因子为0.11±0.09 g/km，

相比对应年份柴油公交车技术（国 III）削减了 75%。

LNG 公交车的 CO 和 THC 的排放因子与当年生产的 CNG 公交车相当。与

CNG 公交车不同，LNG 公交车采用了 SCR 后处理技术，重点控制 NOX排放。

测试结果显示，LNG 公交车在 BJBC 工况下的 NOX排放因子为 3.2±0.1 g/km，

比 CNG 公交车低 45%，可认为是 SCR 的减排效果。与国 IV 和国 V 公交车相比，

LNG 公交车的 NOX排放因子分别降低 73%与 57%，显示出较高的 NOX排放削

减效益。对于 CO2 排放，LNG 公交车与柴油公交车处于相当水平。由于 LNG

公交车在续驶里程、加气站基础建设投资和主要污染物（NOX）排放削减上比

CNG 公交车更具有优势，并且燃料价格比柴油公交车较低，所以 LNG 公交车将

作为未来北京推广天然气公交车的主要技术。

国 IV柴油混合动力公交车的CO和THC排放因子与国 IV柴油公交车相当，

而NOX和CO2排放因子则降低了70%和29%。和更先进的国V柴油公交车相比，

混合动力公交车也能实现 NOX和 CO2的共同削减，其排放因子分别降低了 52%


88

和 18%。和 CNG 公交车类似，其他关于柴油混合动力公交车的实际道路 NOX

排放研究结果也存在较大不确定性[217, 218]，例如甚至发现柴油混合动力公交车的

NOX排放速率比传统柴油公交车高 1 倍[217]。由于柴油混合动力技术同样比较复

杂，目前已有研究的测试样本也都较少，后续研究还需要进一步对柴油混合动

力技术的实际道路排放特征进行深入研究。

为了进一步分析 CNG、LNG 和柴油混合动力公交车 NOX排放特征与微观行

驶工况的影响，图 3.15 和图 3.16 分别展示了 CNG、LNG、国 IV 柴油混合动力

及国V柴油公交车的各微观运行模态的NOX平均排放速率与NOX/CO2平均排放

速率比例（2

/XNO COER ER ）。排气温度是评估 SCR 的 NOX 排放控制效率的一个

重要参数，本研究利用 SEMTECH-DS 集成的热电偶对采用 SCR 后处理的车辆

排气温度数据进行了采集；并且，利用专用 OBD 解码器对国 V 柴油公交车的

SCR 后处理系统进气温度数据进行了采集（见图 3.17）。

图 3.15 国 V 柴油与替代燃料/先进动力技术公交车微观工况模态的 NOX排放速率

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

NO

X排放因速率（

g/s，

Ave±sd）

国V柴油国IV混合动力 CNG LNG


89

图 3.16 国V 柴油与替代燃料/先进动力技术公交车微观工况模态NOX与CO2排放速率

比例

图 3.17 国 V 柴油、混合动力和 LNG 公交车排气温度与国 V 柴油公交车 SCR 处温度

0.000

0.005

0.010

0.015

0.020

0.025排放速率比例

(g N

OX/g

CO

2s，

Ave±sd）

国V柴油国IV混合动力 CNG LNG

120

150

180

210

240

270

300

平均温度（℃，

Ave±

sd）

国V柴油公交车排气温度混合动力公交车排气温度

LNG公交车排气温度国V柴油公交车SCR处温度


90

如图 3.15 所示，国 V 柴油公交车的 NOX排放速率曲线与传统的柴油公交车

相似，各微观运行模态平均 NOX排放速率随着 VSP 增大而增大。例如，在低速

段中（Bins 11~18），NOX排放速率由 Bin 11 的 0.009±0.001 g/s 增加到 Bin 18

的 0.153±0.006 g/s。值得注意的是，国 V 柴油公交车中速段（Bins 21~28）平

均排放速率比低速段降低了约 40%（图 3.15），而中速段2

/XNO COER ER 比低速段

降低了约 30%（图 3.16）。OBD 解码器获得的 SCR 处温度显示，随着瞬时速度

的提高，中速段平均 SCR 处温度能维持在 270℃左右，比低速段高 20~40℃（图

3.17），这使得 SCR 对 NOX排放的控制效果显著提高。混合动力公交车相对国 V

柴油公交车，能显著降低低速段的 NOX排放速率，例如其 Bins 16~18（低速加

速工况）的平均 NOX排放速率约为 0.07 g/s，比国 V 柴油公交车降低约 50%。

这是因为采用混联技术的混合动力公交车在启动阶段大量依靠电动机工作，减

少了对柴油发动机的功率需求。此外，混合动力公交车各微观运行模态的

2/

XNO COER ER 变化幅度较小，这也是因为电动机的协同工作使得柴油发动机在各

运行模态间的工况变化较为平缓。CNG 公交车采用了三元催化作为后处理装置，

所以与其他采用 SCR 后处理技术的车型技术不同，其中速段各微观运行模态的

2/

XNO COER ER 要比低速段高。LNG 公交车采用 SCR 后处理装置控制 NOX排放，

尽管本研究未采集其 SCR 处的温度，但由于 LNG 公交车各微观运行模态的平均

排气温度比国 V 柴油公交车相应高 20~40℃，说明 LNG 公交车的 SCR 处温度也

应显著高于国 V 柴油公交车，这将有助于 SCR 更好地发挥控制 NOX的效果。因

此，LNG 公交车也能将所有微观运行模态的平均 NOX排放速率控制在 0.04 g/s

以下，且2

/XNO COER ER 维持在 0.05 左右。

上述结果表明，在低速拥堵和频繁启停的城市公交车运行工况下，CNG、LNG

和柴油混合动力技术能够通过改善后处理装置的运行条件（如排气温度）或通

过电动机优化发动机工况，形成比传统 SCR 柴油公交车更好的 NOX减排优势。

正如 3.1.3 节中讨论到的，目前世界上对于采用 EGR+SCR+DPF 排放控制路线的

新一代重型柴油车（如符合 Euro VI 或 US 2010 标准的车辆）在城市工况下 NOX

排放是否能够如预计得到控制（如最新的 COPERT4 V10 模型预计 Euro VI 公交

车在城市工况下能相对Euro V削减 80%的NOX排放因子）存在很大的不确定性。

因此，替代燃料和先进动力技术车辆的推广对于确保公交车队的主要污染物

（NOX与 PM2.5）的协同减排具有重要作用。


91

3.3 行驶条件对排放因子的影响研究

3.3.1 轻型车速度修正曲线

2.2 节介绍了利用短时连续交通流数据建立机动车实际道路排放因子速度曲

线的方法。对于轻型乘用车，采用机动车平均测试工况（如图 3.3）作为式（2-11）

中的基准工况，基准速度为 31 km/h。对于北京、广州和澳门测试的 41 辆轻型

汽油乘用车的排放因子速度修正曲线如图 3.18。其中，平均速度 5 km/h 以下的

短时交通流包含过多的怠速成分，因此没有考虑；此外汽油车第 1 个划分的短

时连续交通流数据由于受冷启动影响，也未考虑。对于 CO2，相对排放因子对短

时连续交通流的平均速度拟合系数（R2）高达 0.90，说明两者存在强烈的相关

性。但是，对于 CO、THC 和 NOX，其拟合相关系数 R2在 0.2~0.5 之间，说明

其排放因子受交通因素的影响关系程度不如 CO2。这主要是因为汽油轻型车的三

元催化后处理装置对于上述三种污染物有显著的排放削减与控制，使得交通特

征的影响程度相对变弱。

y = 0.0006x2 - 0.0627x + 2.2656 R² = 0.27

0

1

2

3

4

5

6

0 10 20 30 40 50 60 70 80 90100

相对排放因子

平均速度(km/h)

（a）CO

y = 0.0006x2 - 0.0762x + 2.7179 R² = 0.46

0

1

2

3

4

5

6

7

8

0 10 20 30 40 50 60 70 80 90100

相对排放因子

平均速度(km/h)

（b）THC


92

图 3.18 轻型汽油车排放因子速度修正曲线

图 3.19 轻型柴油车排放因子速度修正曲线

y = -0.443ln(x) + 2.4102 R² = 0.24

0

1

2

3

4

5

0 10 20 30 40 50 60 70 80 90100

相对排放因子

平均速度(km/h)

（c）NOX

y = 9.2539 x-0.6409 R² = 0.90

0

1

2

3

4

5

0 10 20 30 40 50 60 70 80 90100

相对排放因子

平均速度(km/h)

（d）CO2

y = 12.476x-0.741 R² = 0.84

0

1

2

3

4

5

6

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（a）CO

y = 10.873x-0.703 R² = 0.81

0

1

2

3

4

5

6

7

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（b）THC

y = 10.373x-0.684 R² = 0.85

0

1

2

3

4

5

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（c）NOX

y = 6.7622 x-0.5542 R² = 0.88

0

1

2

3

4

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（d）CO2


93

表 3.10 短时连续交通流各气态污染物与 CO2的相对排放因子相关性分析

燃料类型相对排放因子 Pearson 相关系数（Pearson’s R）

CO vs. CO2 THC vs. CO2 NOX vs. CO2

汽油 0.33 0.37 0.43

柴油 0.96 0.96 0.90

图 3.19 显示了轻型柴油车各气态污染物与 CO2 排放因子的速度修正曲线。

其 CO、THC、NOX和 CO2的相对排放因子与短时连续交通流都存在很强相关性

（R2>0.8）。与汽油车主要依靠三元催化的后处理控制排放不同，国 4 之前的轻

型柴油车对后处理技术依赖不大，因此其污染物排放因子受工况交通特征影响

比较显著。表 3.10 为汽油车和柴油车短时连续交通流下各气态污染物排放因子

与 CO2 排放因子的相关性分析。柴油车气态污染物相对排放因子与 CO2 存在强

烈相关性，说明其受行驶工况和功率需求（CO2排放反映了燃油消耗速率）的影

响很强，Pearson 相关系数均在 0.9 以上。汽油车的气态污染物相对排放因子与

CO2 的相关性较弱，仅 0.33~0.43，也说明交通运行特征变化对汽油车气态污染

物与 CO2排放的影响规律是不完全相同的。

y = 0.0011 x2 - 0.1074 x + 3.2271 R² = 0.44

0.0

1.0

2.0

3.0

4.0

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（a）CO

y = 0.0008 x2 - 0.0878 x + 2.8558 R² = 0.49

0.0

1.0

2.0

3.0

4.0

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（b）THC


94

图 3.20 汽油混合动力轿车排放因子速度修正曲线

图 3.20 显示了 2 辆 Prius 汽油混合动力轿车排放因子速度修正曲线，其 CO

和 THC 排放因子速度修正曲线与传统汽油轻型车类似，在低速段随着平均速度

的降低而上升。值得注意的是，CO2排放因子与短时连续交通流的平均速度间的

相关性不显著，R2仅 0.04。这说明，由于电动机的参与工作，使得 Prius 混合动

力轿车即使在拥堵状态下（如平均速度低于 20km/h），CO2相对排放因子几乎保

持不变。而对于 NOX，其速度修正曲线与传统车辆技术趋势不同，NOX 相对排

放因子随着速度的增加而呈现出缓慢上升的趋势，这一发现与欧洲最新测试结

果相近[214]。结果说明，短时连续交通流特征对于混合动力技术的影响趋势和传

统车辆技术不同；汽油混合动力技术能够在拥堵不利工况下实现对 CO2和 NOX

排放的更有效削减。本研究未能同步采集车辆发动机和电动机逐秒工况数据，

后续可以考虑通过先进数据采集系统对混合动力瞬态工况与排放的特征进行深

入分析。

表 3.11 为轻型车的相对排放因子和速度变化的敏感性分析，即观测平均速度

由 35 km/h 每下降 5 km/h 时的相对排放因子变化情况。对于轻型汽油车，THC

和 CO 对速度变化比 CO2更为敏感，而 NOX对速度敏感性较低。对于轻型柴油

车，气态污染物对于速度变化的敏感程度相当，比 CO2 稍高。对于汽油混合动

力轿车，CO 和 THC 变化敏感，平均速度每降低 5 km/h，相对排放因子都提高

20%以上，而 NOX排放因子随着速度提高而下降，CO2排放基本对速度不敏感。

y = 0.0002 x2 - 0.0014 x + 0.4805 R² = 0.35

0.0

1.0

2.0

3.0

4.0

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（c）NOX

y = -0.0001 x2 + 0.0036 x + 0.9319 R² = 0.04

0.0

1.0

2.0

3.0

4.0

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

（d）CO2


95

表 3.11 各类轻型车相对排放因子与平均速度变化的敏感性分析

燃料类型污染物类

型

相对排放因子变化

30 /

35 /

km h

km h

REF

REF 25 /

30 /

km h

km h

REF

REF 20 /

25 /

km h

km h

REF

REF 15 /

20 /

km h

km h

REF

REF 15 /

35 /

km h

km h

REF

REF

汽油

CO 1.15 1.16 1.17 1.17 1.81

THC 1.24 1.22 1.21 1.19 2.18

NOX 1.08 1.09 1.10 1.12 1.45

CO2 1.10 1.12 1.15 1.20 1.72

柴油

CO 1.12 1.15 1.18 1.24 1.87

THC 1.11 1.14 1.17 1.22 1.81

NOX 1.11 1.13 1.16 1.22 1.79

CO2 1.09 1.11 1.13 1.17 1.60

汽油混合

动力

CO 1.22 1.24 1.24 1.23 2.28

THC 1.20 1.21 1.21 1.20 2.13

NOX 0.91 0.92 0.93 0.94 0.74

CO2 1.01 1.01 1.00 1.00 1.02

3.3.2 重型车速度修正曲线

北京公交车的 NOX 和 CO2 相对排放因子与短时连续交通流的平均速度的拟

合曲线如图 3.21。对于 CO2 排放因子，所有技术类别在公交车行驶的常见速度

区间下都随速度的下降而上升。例如，当平均速度由 25 km/h 下降到 15 km/h 时，

国 II 柴油、国 III 柴油、国 IV 柴油、国 V 柴油、CNG、LNG 和柴油混合动力公

交车的 CO2相对排放因子分别上升 19%、19%、29%、33%、45%、31%和 50%。

这说明，目前北京公交车的主力车型技术（如国 IV 与国 V 柴油，CNG/LNG 和

柴油混合动力）的 CO2 排放对于速度敏感程度比之前的柴油车技术更高。考虑

到城市公交车需要经常停靠站，且路线多经过较为拥堵的出行密集区，所以公

交车的行驶工况往往较为拥堵。公交车制造商需要考虑其实际工况特征，采取

有效技术优化在拥堵工况下的 CO2排放。对于 NOX排放，当平均速度由 25 km/h

下降到 15 km/h 时，国 II 柴油、国 III 柴油、国 IV 柴油、国 V 柴油、CNG 和 LNG

公交车的 NOX相对排放因子分别上升 31%、18%、50%、67%、55%和 58%。其


96

中，由于国 IV 和国 IV 柴油车采用了 SCR 技术控制氮氧化物，导致国 IV 和国 V

的 NOX相对排放因子对平均速度变化比国 II 和国 III 柴油公交车更为敏感。柴

油混合动力公交车是一个例外，拟合结果显示，其相对排放因子和平均速度的

拟合系数很低，这说明柴油混合动力技术在低速拥堵工况能够更好地控制 NOX

的排放。

y = 4.780x-0.523 R² = 0.80

0

1

2

3

4

0 10 20 30 40 50 60

相对排放因子

平均速度(km/h)

国II柴油-NOX

y = 2.762x-0.333 R² = 0.45

0

1

2

3

4

0 10 20 30 40 50 60

相对排放因子

平均速度(km/h)

国II柴油-CO2

y = 2.682x-0.324 R² = 0.41

0

1

2

3

4

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

国III柴油-NOX

y = 0.0004x2 - 0.0333x + 1.5601 R² = 0.41

0

1

2

3

4

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

国III柴油-CO2

y = 10.219x-0.797 R² = 0.51

0

1

2

3

4

5

6

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

国IV柴油-NOX

y = 4.197x-0.472 R² = 0.67

0

1

2

3

4

0 10 20 30 40 50 60 70

相对排放因子

平均速度(km/h)

国IV柴油-CO2


97

y = 18.723x-1.001 R² = 0.77

0

2

4

6

8

0 10 20 30 40

相对排放因子

平均速度(km/h)

国V柴油-NOX

y = 5.595x-0.562 R² = 0.86

0

1

2

3

4

0 10 20 30 40

相对排放因子

平均速度(km/h)

国V柴油-CO2

y = 0.0013x2 - 0.0955x + 2.3608 R² = 0.56

0

1

2

3

0 10 20 30 40 50

相对排放因子

平均速度(km/h)

CNG-NOX

y = 8.460x-0.725 R² = 0.90

0

1

2

3

4

0 10 20 30 40 50

相对排放因子

平均速度(km/h)

CNG-CO2

y = 11.577x-0.891 R² = 0.67

0

1

2

3

4

0 10 20 30 40

相对排放因子

平均速度(km/h)

LNG-NOX

y = 4.960 x-0.532 R² = 0.74

0

1

2

3

4

0 10 20 30 40

相对排放因子

平均速度(km/h)

LNG-CO2


98

图 3.21 北京各类技术公交车 NOX与 CO2排放因子速度修正曲线

表 3.12 澳门重型柴油车相对排放因子与短时连续交通流平均速度拟合结果 1

车辆

类型

污染物

类型

By A x 2 车辆

类型

污染物

类型

By A x

A B R2 A B R

2

中巴

车

CO 10.363 0.786 0.89

公交

车

CO 5.249 0.563 0.49

THC 10.242 0.772 0.87 THC 11.475 0.812 0.76

NOX 8.486 0.710 0.86 NOX 14.480 0.889 0.91

CO2 4.755 0.515 0.87 CO2 5.812 0.574 0.86

中型

货车

CO 12.912 0.761 0.87

重型

货车

CO 8.857 0.661 0.65

THC 21.762 0.940 0.65 THC 12.093 0.742 0.80

NOX

20.0012 0.0937 2.675y x x

R2=0.79

3

NOX 5.446 0.500 0.86

CO2 4.652 0.452 0.76 CO2 4.032 0.414 0.84

1 公交车基准速度为 20 km/h，货车基准速度为 28 km/h；2

幂函数拟合，A 和 B 为

拟合系数；3 二项式拟合的 R

2比幂函数的更高。

研究利用同样方法建立了澳门重型柴油车的实际道路排放因子速度修正曲

线，如表 3.12。对于澳门测试车辆，除了中型货车的 NOX相对排放因子对速度

最优拟合函数为二次函数外，其他均为幂函数形式，且大部分车辆技术的污染

物相对排放因子与平均速度的拟合系数 R2在 0.8 以上（很强相关性）。本研究后

续章节的澳门路网清单建立，将根据表 3.12 所示的拟合公式计算路网速度对于

y = 0.0005x2 - 0.0507x + 1.8951 R² = 0.062

0

1

2

3

4

0 10 20 30

相对排放因子

平均速度(km/h)

混合动力-NOX

y = 5.753x-0.564 R² = 0.52

0

1

2

3

4

0 10 20 30

相对排放因子

平均速度(km/h)

混合动力-CO2


99

交通流中重型车排放的影响。

3.3.3 负载与空调对公交车排放因子的影响

本研究收集了典型技术类型的公交车在不同负载情况和不同空调使用情况

下的对比测试数据。负载影响测试包括 2 辆国 V 柴油、2 辆国 IV 柴油、2 辆 CNG

和 2 辆 LNG 公交车，分别为 1.0 t 和 2.5 t，代表了约 20%和 50%的满载系数。

其负载增加时，除 CNG 2 外，其他车辆总 CO2排放（直接与间接排放之和）均

上升，上升幅度为 2.5%~8.8%（见表 3.13）。其中 4 辆柴油公交车负载增加后，

总 CO2 排放因子平均增加 5.4%。COPERT4 模型对公交车燃油排放进行模拟，

当满载系数增加 30%时（如 20%增加到 50%），燃油消耗（与总 CO2完全排放线

性相关）增加 6%，与本研究测试结果相近。

对于 NOX 排放，负载增加后，一方面公交车瞬时功率增加导致发动机 NOX

排放（engine-out NOX emissions）增加，另一方面排气温度也因负载增加而增加，

反而有利于 SCR 后处理发挥作用[141]。所以，负载增加对 NOX排放因子的影响

取决于哪种因素占主导。例如，国 IV 柴油 1 车辆 NOX排放因子增加了 5.1%；

而国 IV 柴油 2 和 2 辆国 V 柴油公交车随着负载增加而有所下降。对于 CNG 公

交车，由于其未采用 SCR 后处理，所以增加负载后其功率输出增加，导致 2 辆

CNG 公交车 NOX排放因子分别增加了 28%和 7.0%。对于 LNG 公交车，有可能

是因为其 SCR 温度已经相对较高，因此负载增加导致的排气温度影响不再是一

个主要因素，反而负载增加导致功率输出的变化成为 NOX排放的主要影响因素，

其变化幅度与 CNG 公交车类似（分别增加 23%与 8.1%）。

表 3.13 BJBC 工况下载重增加导致公交车排放因子的相对变化（单位：%）

车辆序号 CO

（g/km）

THC

（g/km）

NOX

（g/km）

CO2

（g/km）

国 IV 柴油 1 +39 +57 +5.1 +7.2%

国 IV 柴油 2 +18 -40 -2.4 +3.8%

国 V 柴油 1 +149 NA 1 -11 +5.2%

国 V 柴油 2 +23 -63 -1.3% +5.2%


100

表 3.13 BJBC 工况下载重增加导致公交车排放因子的相对变化（单位：%）（续）

车辆序号 CO

（g/km）

THC

（g/km）

NOX

（g/km）

CO2

（g/km）

CNG 1 -23 -10 +28 +5.4

CNG 2 +15 -3.7 +7.0 -2.8

LNG 1 +97 -13 +23 +5.0

LNG 2 -48 NA 1 +8.1 +8.8

1由于 SEMTECH-DS 的 HFID 模块故障，部分 THC 测试数据无法获得。

表 3.14 BJBC 工况下使用空调导致公交车排放因子的相对变化（单位：%）

车辆序号 1 CO THC NOX CO2

国 IV 柴油 A +40 -2.2 +31 +28

国 IV 柴油 B +7.7 -25 -7.6 +18

柴油混合动力 A +31 +43 -30 +43

柴油混合动力 B -3.7 +61 -46 +53

CNG A +27 -6 +1.9 +3.1

CNG B +6.2 -0.1 +34 +15

1 与表 3.13 测试车辆均无重复，因此序号用英文字母标注。

本研究收集了 2 辆柴油国 IV 公交车，2 辆柴油混合动力公交车和 2 辆 CNG

公交车在不开空调和开空调（开至最大空调功率）状态下的实际道路排放因子。

空调作为公交车最重要的附加负载之一，其使用与否对公交车污染物与 CO2 的

排放有显著影响。例如，在使用空调时，测试的柴油公交车、柴油混合动力公

交车和 CNG 公交车 CO2排放平均增加了 23%、48%和 9%。柴油混合动力公交

车的 CO2 排放对于空调使用更为敏感，主要是因为其空调系统由柴油机直接输

出功率驱动，这导致柴油发动机负载显著增加，不再处于最优化的工作状态。

本研究进一步根据国 IV 传统柴油公交车、国 IV 柴油混合动力公交车的各微观

运行模态的 CO2 平均排放速率和收集的北京主干路各平均速度区间下的典型微


101

观运行模态时间分布，计算了交通特征-空调使用联合影响下的 CO2排放因子，

如图 3.22 所示。结果显示，当使用空调时，柴油混合动力公交车相对于传统柴

油公交车的 CO2减排效益从未使用空调的 22~25%降低到 3~7%，大部分减排效

益（70-90%）都被抵消。例如，已有研究结果也表明，纽约市混合动力公交车

队的燃油经济性与CO2排放的季节性差异显著高于传统柴油公交车和CNG公交

车。在夏季空调使用率最高的时期，纽约市混合动力公交车相对传统公交车平

均 CO2排放削减仅 15~20%，低于非夏季的 30%[219]。

图 3.22 国 IV 柴油公交车与混合动力公交车在主干路不同平均速度交通流特征下与不

同空调使用情况下总 CO2排放因子

空调使用对于 NOX 排放的影响与负载类似。空调使用时，一方面通过增加

功率需求导致发动机 NOX排放增加，另一方面又由于排气温度增加导致 SCR 对

NOX的去除效率增加。例如，对于 2 辆国 IV 柴油公交车，车 A 未使用空调时的

NOX排放因子较高（12.8 g/km），说明 SCR 基本没有发挥作用，使用空调后 NOX

又增加 31%；而车 B 未使用空调时 NOX排放因子较低（8.3 g/km），说明 SCR

对 NOX排放控制起一定作用，空调使用后其 NOX排放削减 7.6%。对于 2 辆柴

油混合动力公交车，图 3.23 显示其空调使用后，排气温度显著增加了 25~40℃，

对于微观运行模态的平均排放速率，Bins 11-18 减少了 50-65%，Bins 21-28 减少

0

500

1000

1500

2000

2500

3000

3500

4000

5~10 10~15 15~20 20~25 25以上

总C

O2排放因子（

g/k

m，

Ave±sd）


国IV柴油-未使用空调

国IV柴油-使用空调

国IV混合动力-未使用空调

国IV混合动力-使用空调


102

了 50-95%。所以，2 辆混合动力公交车在使用空调后的 NOX排放因子分别减少

了 30%和 46%（BJBC 工况）。CNG 公交车未采用 SCR 后处理装置，空调使用

导致其 BJBC 工况下的 NOX排放因子分别增加了 1.9%和 34%。北京“十二五”

时期交通发展规划明确提到，2015 年装有空调的公交车比例将从 2012 年的 50%

增加到 70%[220]，因此未来需要更加关注典型公交车技术在空调使用下的污染物

与 CO2排放情况。

图 3.23 柴油混合动力公交车 NOX排放速率与排气温度在不同空调使用情况下对比

3.4 小结

（1）轻型汽油车BJDC工况下的排放因子随着排放标准的加严而显著下降，

对于国 4 轻型汽油车，其气态污染物（CO、THC 和 NOX）排放因子相对于国 0

排放水平下降比例超过了 97%。轻型汽油车实际道路 CO2排放因子比 NEDC 工

况修正值高近 10%，而 NEDC 工况修正值要比型式认证测试结果高近 30%，主

要是由实际道路行驶条件和法规测试规程的差别导致。实际道路测试结果显示

0

40

80

120

160

200

240

0.00

0.03

0.06

0.09

0.12

0.15

Bin

0

Bin

1

Bin

11

Bin

12

Bin

13

Bin

14

Bin

15

Bin

16

Bin

17

Bin

18

Bin

21

Bin

22

Bin

23

Bin

24

Bin

25

Bin

26

Bin

27

Bin

28

排气温度（℃，

Ave

±sd）

NO

X排放速率

（g/

s，A

ve±

sd）

未使用空调时平均排放速率使用空调时平均排放速率

未使用空调时平均排气温度使用空调时平均排气温度


103

轻型柴油车的 CO2排放因子比相近年份的轻型汽油车减少 22%，但其 NOX排放

因子并未随模型年份而下降。

（2）重型柴油车的 CO、THC 和 PM2.5总体上随着排放标准的加严而显著下

降。但是对于国 I 到国 III 排放标准的重型柴油车，NOX排放因子并未显著下降，

甚至采用 SCR 后处理技术的国 IV公交车 NOX排放因子也与国 II和国 III水平接

近。国V柴油公交车NOX排放相比国 IV有所下降，但实际道路排放因子（g/kWh）

显著高于排放限值。因此，对于重型柴油车，特别是低速运行工况下的城市公

交车，控制 NOX排放是一个重点关注问题。

（3）改装的汽油-LPG 双燃料轻型车气态污染物和 CO2排放显著高于相近排

放控制水平的汽油轻型车。汽油混合动力轿车则能实现对气态污染物和 CO2 排

放的显著削减。研究表明，北京的替代燃料与先进动力技术公交车相比国 V 柴

油公交车，在城市低速实际运行工况下能更有效控制 NOX 排放。其中，柴油混

合动力公交车能够实现 NOX和 CO2排放的协同控制；CNG 公交车 CO2排放因子

与柴油公交车相当，NOX和 PM2.5排放因子分别降低近 50%和 75%；LNG 公交

车的 SCR 后处理效果较好，NOX排放因子在各种技术中最低。

（4）本研究基于短时连续交通流的排放与工况数据，建立了排放因子速度

修正曲线。对于除汽油混合动力外的车辆技术，CO2相对排放因子与平均速度都

有较强到很强的相关性。特别在平均速度低于 30 km/h 的工况下，CO2相对排放

因子随着拥堵程度的增加而显著提高。对于轻型汽油车，本研究发现其 CO、THC

和 NOX的相对排放因子与平均速度的相关性显著低于 CO2，主要是由于其后处

理对于气态污染物排放控制导致。对于混合动力技术，由于电动机的参与，交

通因素对其实际道路排放因子的影响规律与传统车辆技术不完全相同。

（5）在加大负载重量和使用空调的情况下，大部分车辆技术（如柴油、混

合动力、CNG/LNG）公交车的 CO2排放因子会增加。其中，混合动力公交车的

CO2排放因子对空调使用情况非常敏感，在使用空调的情况下混合动力公交车相

对传统公交车的绝大部分的CO2减排效益被抵消。加大负载和使用空调对于NOX

的影响可能因为 SCR 后处理装置的使用而变得复杂。例如，使用空调后，未采

用 SCR 的 CNG 公交车平均 NOX排放因子增加了 15%，而采用 SCR 的混合动力

公交车由于排气温度显著提高，而导致平均 NOX排放因子降低了 39%。

第 4 章典型城市路网交通流特征研究

104


路网交通流特征包括路网中各路段的交通流量时空分布、交通流车型构成

和运行状态特征等信息，是建立高分辨率城市机动车排放清单的数据基础。本

研究以澳门为例，通过采集分析路网交通流特征以及模拟路网交通流量空间分

布等工作，建立面向排放计算的交通流特征模块。由于城市交通路网是一个相

当复杂的系统，其复杂性随着路网规模的增大而显著增大。本研究也以北京为

例，采用基于浮动车数据技术来计算特大型城市路网的平均运行速度。

4.1 典型城市交通流量采集与分析

4.1.1 典型城市道路信息与交通流数据采集与特征分析

本研究以澳门为例，收集了典型道路的交通流量数据。澳门以天主教“堂区”

作为习惯上的区域单位，其中澳门半岛包括 5 个堂区，分别为花地玛堂区、圣

安多尼堂区、大堂区、望德堂区和风顺堂区，氹仔和路环分别对应嘉模堂区和

圣方济各堂区，此外路氹城作为一个新的填海区未列入以上各堂区（如图 4.1）。

本研究参考陈汉平的研究结果[222]，主要根据行车速度限制、行车道结构和

设计通行能力将澳门道路分为三种类型：城市快速路、主干道和次干道/居民路。

其中，城市快速路的最高限速为 60 km/h 或 80 km/h，其中除澳氹大桥仅允许公

交车和出租车通过，其他道路均允许全部社会车辆通行。主干道主要指最高限

速为 40 km/h 和 50 km/h 的城市主要道路，通常为有实物分隔的双向道路或者为

单向多行道。次干道/居民路主要指最高限速在 30 km/h 及以下的城市次要道路

或一般街道。


105

图 4.1 澳门堂区分布示意图[221]

注：本研究的区域不包括澳门大学横琴校区。


106

表 4.1 澳门路网分区域的路段构成信息

区域路段数量路段总长

（km）

分道路类型的路段总长比例（%）

快速路主干道次干道/居民路

澳门半岛 1306 129.2 11 17 72

氹仔 209 42.8 15 44 41

路氹城 76 20.3 27 22 51

路环 113 26.5 8 0 92

根据澳门交通事务局提供的 2010 年澳门市路网 GIS 图层，共有 1704 个路

段，各区域分道路类型的路段数量信息见表 4.1。本研究根据以上道路分布特点，

利用手持式摄像机在 2010 年 1 月至 2011 年 1 月间，对澳门 47 条典型道路的实

际车流通行画面进行记录，见表 4.2。采样时，每条道路利用摄像机记录每个时

段约 20 分钟，拍摄地点选取在过街天桥或者交通交叉口，方便完整记录过车断

面。其中，5 条典型道路记录连续 24 小时全天车流信息，其余道路主要记录 6

点至 23 点的交通流量信息。后期经过人工识别，将车流量根据实际采样时间扩

充为小时车流量，并且分为 8 种车型规格，包括小客车、摩托车、出租车、公

交车、中型客车、大型客车、轻型货车和中重型货车。

表 4.2 澳门交通流量采样的道路分布信息

区域道路类型

总计快速路主干道次干道/居民路

澳门半岛 3 17 11 31

氹仔 2 4 5 11

路氹城 1 1

路环 4 4

总计 6 21 20 47

调查路段的平均小时车流总量日变化规律见图 4.2，其中夜间时段根据 5 条

路段的全天 24 小时调研信息进行扩充。快速路和主干道的早晚高峰特征较为明

显，分别在 8 点和 18 点左右出现总流量的高峰，体现了早晚通勤需求。快速路


107

在早晚高峰期间平均小时总车流量能达到或超过 3000 辆/h，快速路则接近 2000

辆/h。与快速路不同，主干道在下午 14 点左右出现了第三个交通流量峰值。这

主要体现的是澳门半岛内部的出行需求（如下午上班、公务或休闲娱乐）。次

干道/居民路的小时车流量明显低于快速路和主干道，早 8 点到晚 19 点的小时车

流量在 700~1000 辆/h。本研究根据分区域分道路类型的交通流日变化数据，建

立了澳门路网的小时交通总流量占比的数据库，见表 4.3。

图 4.2 澳门 47 条观测道路的时均总车流量

表 4.3 澳门分区域分道路类型的道路小时交通总流量占全天的比例

区域澳门半岛路氹地区

道路类型快速路主干道次干道/居民路快速路主干道次干道/居民路

时刻

（h）

0 0.021 0.017 0.021 0.021 0.017 0.022

1 0.013 0.014 0.013 0.013 0.014 0.013

2 0.011 0.009 0.011 0.011 0.010 0.011

3 0.009 0.007 0.009 0.009 0.007 0.009

4 0.008 0.007 0.008 0.008 0.007 0.008

5 0.008 0.008 0.008 0.008 0.008 0.008

6 0.021 0.024 0.020 0.021 0.024 0.021

7 0.029 0.051 0.029 0.029 0.022 0.030

0

500

1000

1500

2000

2500

3000

3500

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

总车流量（辆

/h）

时段（h）



108

表 4.3 澳门分区域分道路类型的道路小时交通总流量占全天的比例（续）

区域澳门半岛路氹地区

道路类型快速路主干道次干道/居民路快速路主干道次干道/居民路

（h）

8 0.051 0.057 0.059 0.048 0.053 0.061

9 0.048 0.054 0.048 0.042 0.052 0.051

10 0.044 0.049 0.050 0.046 0.055 0.049

11 0.055 0.050 0.049 0.056 0.056 0.048

12 0.051 0.056 0.055 0.051 0.056 0.058

13 0.059 0.062 0.061 0.062 0.064 0.062

14 0.060 0.066 0.064 0.070 0.073 0.059

15 0.064 0.061 0.059 0.068 0.072 0.065

16 0.066 0.061 0.060 0.071 0.070 0.046

17 0.066 0.066 0.059 0.065 0.069 0.069

18 0.071 0.066 0.076 0.062 0.060 0.070

19 0.061 0.057 0.062 0.054 0.051 0.075

20 0.049 0.045 0.052 0.049 0.046 0.045

21 0.048 0.041 0.052 0.048 0.042 0.050

22 0.047 0.039 0.042 0.047 0.039 0.039

23 0.042 0.033 0.032 0.042 0.034 0.033

表 4.4 澳门晚高峰时段（18 点）分区域分道路类型的车型构成信息

区域澳门半岛路氹地区澳氹大

桥道路类型快速

路

主干

道

次干道/居

民路

快速

路

主干

道

次干道/居

民路

车

型

小客车 0.57 0.34 0.40 0.50 0.50 0.67

摩托车 0.22 0.51 0.43 0.15 0.15 0.17

出租车 0.06 0.08 0.06 0.21 0.21 0.10 0.88

公交车 0.02 0.03 0.04 0.03 0.03 0.01 0.12

中型客车 0.04 0.01 0.02 0.03 0.03 0.01

大型客车 0.04 0.01 0.01 0.06 0.06 0.01

轻型货车 0.05 0.02 0.05 0.02 0.02 0.04

中重型货车 0.002 0.001 0.002 0.012 0.012 0.002


109

道路车型构成信息，即各车型在总车流中所占比例。考虑到澳门半岛和路

氹地区（氹仔、路氹城和路环）的出行特征差异，研究建立了分区域、分道路

类型、分时段的车型构成数据库。澳氹大桥仅允许公交车和出租车通行，其车

型构成特征数据与其他道路显著不同。表 4.4 以晚高峰时段（18 点）为例，展

示了澳门道路车型构成信息。

小客车和摩托车是澳门居民出行的两种主要方式。小客车在除澳门半岛的

主干道和次干道/居民路外的道路上车流构成比例都最高。晚 18 点澳门半岛主干

道和次干道车流中摩托车比例显著高于路氹地区，分别达到 0.51 与 0.43。由于

澳门半岛人口相对路氹地区更加密集，因此摩托车在道路密集狭小和出行里程

较低（10 km 以内）情况下成为了便捷的通勤工具。此外，由于路氹地区博彩业

和旅游业近年来发展迅猛，同时连接珠海横琴货运口岸，因此路氹地区的出租

车、大型客车和中重型货车的比例要高于澳门半岛。

车流构成还存在显著的日变化差异，图 4.3 展示了澳门半岛主干道的主要车

型 24 小时车流构成变化规律。澳门半岛主干道上日间的小客车、摩托车和出租

车占总车流量总和近 90%，夜间比例超过 95%。其中，摩托车日间高峰时段比

例较高，占总车流量近 50%，而夜间比例显著降低，在 30-40%。澳门出租车大

部分采用更换司机的双班模式，车辆昼夜行驶，因此在夜间其他车型的车流大

幅度减少后，出租车在总车流的比例由日间的 8%增加到夜间的 20%以上。小客

车在总车流中占比相对稳定，约为 30%~40%。

图 4.3 澳门半岛主干道主要车型的占车流比例的 24 小时变化规律

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

占总车流比例

时段（h）

小客车摩托车出租车


110

4.1.2 实际道路交通流技术构成信息调研

本研究收集了澳门 2008 年 3 至 4 月开展的实际道路遥感测试数据，用于建

立澳门道路的车流技术构成数据库。澳门道路遥感排放测试采用的车辆运行状

态记录模块可以监测车辆通过检测器时的速度与加速度信息。车辆信息采集模

块通过车牌拍摄识别技术，结合车管部门的车辆信息统计数据，获得经过车辆

的信息，包括车型规格、燃油类型、注册年份、车辆用途（如公共交通）和发

动机排量等。这些详细的车辆信息数据，将为本研究提供路网车流技术构成分

布信息。

遥感测试点选取需要满足以下要求：（1）能够代表研究城市或区域的典型

交通流特征（车流技术构成和运行工况）；（2）在满足区域覆盖和数据有效性

的基础上，尽可能提高数据的样本量；（3）各区域的设点数量应和该区域的交

通流密度相一致[129, 223]。在考虑上述要求的基础上，澳门的遥感测试选择了交通

流密度或人群密度较大地区的单向通行道路开展。其中，在澳门半岛设置了 16

个采样点，在氹仔岛设置了 3 个采样点。测试时段为 2008 年 3 月 10 日到 4 月 8

日，每个采样点开展 1 天的测试，测试时间通常为 7 点至 17 点[223]。平均每个测

试点每小时获得数据 525 个，共获得测试数据 97824 个，其中综合考虑污染物

测试结果和车牌识别结果后，有效数据为 42676 个，数据有效率为 44%。

考虑到澳门 2008 至 2010 年间的车辆技术分布没有发生较大的变化，因此

本研究基于此次开展道路遥感测试数据建立路网车流技术构成，构筑 2010 年路

网排放清单。由于开展道路遥感测试时，2008 年注册车辆数量较少，本研究未

将 2008 年注册车辆计入总车流，以 2007 年注册车辆视作第 1 年新车。本研究

以车型和车龄作为主要车型技术参数，不同车龄对应不同的排放控制水平。澳

门路网交通流的车龄构成分布计算如式（4-1），车流平均车龄计算如式（4-2）：

, ,

, ,

total ,

f v y

f v y

f v

TVTVF

TV （4-1）

20

, , ,

1

f v f v y

y

VA y TV

（4-2）

式中， , ,f v yTVF 为燃油类型 f、车型 v、车龄 y 的路网车流构成比例，其中车型 v

对应道路交通流采样的车型规格； , ,f v yTV 为燃油类型 f、车型 v、车龄 y 的遥感测

试有效样本数； total , f vTV 为燃油类型 f、车型 v 的遥感测试有效样本数（不含 2008


111

年注册车辆）； ,f vVA 燃油类型 f、车型 v 车流基于路网车龄构成信息的平均车

龄，yr；而 y 为车龄，本研究取 1 到 20，20 年以上的车龄也记为 20（考虑到 1990

年之前的排放水平基本相近）。澳门路网交通流分车型的燃油分布及车龄分布

信息见表 4.5。

其中，绝大部分的小客车均为汽油车，所有的摩托车均为汽油车，所有的

出租车、大型客车和中重型货车均为柴油车。相对于小客车，重型摩托车平均

车龄较低，而轻便摩托车平均车龄较高。这是因为澳门大部分摩托车在进行技

术更换，轻便摩托车正在被逐步淘汰。货车平均车龄相对较长，并且 15 年以上

的轻型货车和中重型货车在总车流占比分别为~20%和~40%，这些老旧的货车排

放水平相对较高，需要重点关注。

表 4.5 澳门路网基于细分车型和车龄的车流构成比例

车型小客摩托车 1

出租

车公交车 2

中客大

客轻货

中重

货

细分车

型

汽

油

柴

油

重

型

轻

便柴油

中

巴

大

型

汽

油

柴

油

柴

油

汽

油

柴

油柴油

构成比

例 0.99 0.01 0.68 0.32 1.00 0.33 0.67 0.53 0.47 1.00 0.25 0.75 1.00

车

龄

1 0.12 0.12 0.18 0.09 0.14 0.00 0.08 0.20 0.16 0.20 0.12 0.08 0.02

2 0.10 0.17 0.15 0.08 0.13 0.00 0.08 0.17 0.17 0.06 0.17 0.18 0.15

3 0.10 0.08 0.19 0.09 0.04 0.00 0.08 0.07 0.12 0.09 0.11 0.10 0.11

4 0.10 0.11 0.14 0.07 0.06 0.00 0.18 0.06 0.02 0.10 0.03 0.09 0.04

5 0.09 0.03 0.08 0.04 0.06 0.17 0.16 0.05 0.09 0.09 0.03 0.05 0.03

6 0.06 0.05 0.05 0.07 0.02 0.12 0.14 0.05 0.03 0.09 0.09 0.04 0.01

7 0.05 0.01 0.04 0.04 0.11 0.25 0.15 0.06 0.01 0.03 0.00 0.02 0.01

8 0.05 0.02 0.04 0.07 0.16 0.05 0.05 0.08 0.01 0.05 0.05 0.02 0.00

9 0.04 0.03 0.02 0.08 0.24 0.00 0.00 0.04 0.01 0.05 0.02 0.02 0.01

10 0.04 0.06 0.01 0.13 0.01 0.07 0.00 0.06 0.02 0.04 0.01 0.03 0.02

11 0.05 0.06 0.03 0.14 0.03 0.17 0.01 0.02 0.01 0.10 0.02 0.04 0.01

12 0.05 0.04 0.02 0.06 0.00 0.00 0.03 0.03 0.01 0.04 0.01 0.04 0.02

13 0.03 0.06 0.00 0.01 0.00 0.03 0.00 0.02 0.03 0.00 0.02 0.02 0.01

14 0.04 0.05 0.01 0.01 0.00 0.10 0.00 0.02 0.03 0.00 0.06 0.04 0.04

15 0.03 0.05 0.01 0.01 0.00 0.05 0.00 0.04 0.05 0.00 0.06 0.04 0.11

16 0.02 0.02 0.01 0.00 0.00 0.00 0.00 0.03 0.04 0.03 0.04 0.06 0.16

17 0.01 0.03 0.00 0.01 0.00 0.00 0.00 0.00 0.03 0.00 0.05 0.04 0.06

18 0.01 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.06 0.00 0.05 0.03 0.03

19 0.00 0.00 0.00 0.00 0.00 0.00 0.04 0.00 0.02 0.00 0.02 0.02 0.07

20 0.00 0.01 0.00 0.00 0.00 0.00 0.00 0.00 0.07 0.02 0.03 0.05 0.08

平均车

龄 6.7 7.3 4.4 7.2 5.8 8.6 5.5 5.7 7.9 6.0 8.1 8.1 11.4


112

1 道路遥感测试提供摩托车为轻便摩托车或重型摩托车信息，2010 年前澳门轻便摩

托车主要为排量为 50 mL 及以下的两冲程技术；2 公交车根据发动机排量确定中巴和大

巴比例，其中排量在 5 L 以下为中巴车，5 L 以上为大巴车。

本研究进一步以小客车为例，比较了其路网交通流车龄累积分布和保有量

车龄累积分布，如图 4.4。其中，保有量车龄累积分布数据来自于澳门交通事务

局提供的 2010 年数据。对于小型客车，保有量车龄累积分布曲线始终低于交通

流车龄累积分布，这是因为小型客车车用强度（如年均行驶里程）会随车龄增

大而衰减，车龄越大的年均行驶里程越低。这也导致了澳门小型客车基于保有

量分布的平均车龄为 7.9 年，高于路网交通流平均车龄（6.7 年）。

图 4.4 澳门路网小客车交通流车龄累积分布与保有量车龄累积分布比较

4.2 典型城市路网交通流量时空分布研究

4.2.1 基于交通需求模型的交通流量空间分布研究

TransCAD 是 Caliper 公司开发的结合交通模型与地理信息系统（GIS）的商

业化软件，基于传统的交通规划“四阶段法”，被广泛应用于世界各地的城市

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

车龄累积分布

车龄（年）

保有量车龄累积分布

交通流车龄累积分布


113

交通规划工作中[157, 224-226]。“四阶段法”主要包括：（1）交通生成，根据城市

的经济发展、人口和土地利用等方面的数据，确定各交通小区的交通产生和吸

引量；（2）交通分布，根据各交通小区的交通产生与吸引量，确定交通出行分

布矩阵（origin-destination matrix，OD 分布矩阵）；（3）交通模式划分，确定

OD 分布矩阵中的各交通模式所占比例；（4）交通分配，即将各模式的交通出

行量分配到实际的交通路网上[225]。

本研究采用交通需求模型 TransCAD 5.0（Capliper Corporation，2007），对

于澳门晚高峰时段（18 点）的路网流量分布进行模拟。TransCAD 5.0 的 OD 反

推模块可以根据特征道路的实际流量，反推出路网整个交通小区之间的 OD 交通

量，再经过交通量重新分配的方法得到澳门全路网的道路流量。TransCAD 5.0

中的 OD 反推程序考虑到了路段调查量的随机扰动，选取一定分配方式与求解方

法后，通过多次迭代实现 OD 矩阵的推算。本研究采用 Nielsen 于 1998 年提出

的多路径 OD 矩阵反推方法（MPME）[227]，以现状路网中路段的断面观测流量

为基准，采用极大似然算法求解反推矩阵，使用随机用户平衡法获得道路分配

流量。图 4.5 比较了澳门晚 18 点 33 个路段的观测流量和基于 TransCAD 5.0 的

模拟流量。结果显示，经过多次迭代的 OD 反推和交通分配后，这些路段观测流

量和模拟流量吻合很好，其中平均相对偏差为 4.3%，Pearson 相关系数 R 达到

0.95。

0

1000

2000

3000

4000

5000

6000

7000

0 1000 2000 3000 4000 5000 6000 7000

路段模拟流量（辆

/h）

观测路段流量（辆/h）

快速路

主干道

次干道/居民路


114

图 4.5 澳门晚 18 点路段观测流量和模拟流量比较


115

图 4.6 基于 TransCAD 5.0 模拟的澳门晚 18 点路网交通流量


116

图 4.6 为 TransCAD 5.0 模拟的澳门晚 18 点路网交通流流量的空间分布。结

果表明，澳门晚 18 点路网的交通总流量为 1.95×106 辆/h，其中快速路、主干道

和次干道/居民路的流量分配比例分别为 7.7%、28%和 64%，澳门半岛和路氹地

区的流量分配比例分别为 83%和 17%。

4.2.2 基于典型道路流量特征的路网流量时空分布研究

结合澳门高峰小时路网交通流量分布和分区域、分道路类型的澳门道路车流

日变化规律，本研究建立了具有时空分布特征的 2010 年澳门路网流量数据库。

路段流量计算公式如式（4-3）：

total , ,

total , , , total ,18, ,total ,18,

d h r

d h l r d l rd r

TVFTV TV

TVF （4-3）

其中，total , , ,d h l rTV 和

total ,18, ,d l rTV 分别为位于区域 d、道路类型为 r 的路段 l 在小时 h

时刻和 18 时的总车流量，辆/h； total , ,d h rTVF 和 total ,18,d rTVF 分别为区域 d、道路类型

r 的 h 时刻和 18 时的小时车流量占全天总车流的平均比例（表 4.3）。本研究在

建立澳门全天路网流量数据库时，考虑了澳门半岛和路氹地区两种区域类型。

表 4.6 澳门路网交通流量强度和密度的空间区域与道路类型分布

区域堂区

全天交通流量强度

105辆/h

交通流量密度

104辆/(h·km

2)

快速路主干道次干道/居民路高峰小时全天

澳门半岛 15.2 70.8 138.4 17.3 10.0

望德堂区 9.2 20.0 33.2 19.1

风顺堂区 0.4 10.8 14.3 18.2 10.6

花地玛堂区 2.8 20.5 35.0 13.1 7.6

花王堂区 18.6 48.3 44.3 25.3

大堂区 12.0 11.6 20.8 9.4 5.4

氹仔 2.2 12.5 17.8 3.1 2.0

路氹城 3.6 1.4 7.1 1.3 0.8

路环 1.1 3.9 0.5 0.3

澳门全市 22.2 84.7 170.2 6.5 3.8


117

澳门路网全天和高峰小时的交通流量强度和流量密度信息见表 4.6。澳门路

网交通流量分布存在显著的时间和空间差异，超过 80%的交通需求集中于澳门

半岛。所以，澳门半岛的全天交通流量密度达到 1.0×105 辆/(h·km

2)，为澳门全

市平均水平的 2.6 倍，显著高于氹仔、路氹和路环。其中，澳门著名旅游景点大

三巴牌坊所在的花王堂区全天交通流量密度最高，达到 4.4×105 辆/(h·km

2)，为

交通流量密度最低的路环地区的约 100 倍。此外，高峰小时（晚 18 时）的路网

流量密度显著高于全天水平，各区域高峰小时交通流量密度比全天平均水平高

约 60%~70%。

本研究进一步计算了澳门分车型的交通活动水平（车公里），如式（4-4）

和式（4-5）：

, , ,, , , , total , , , , , d h r vd h l r v d h l r d h rTA TV L TVF （4-4）

23

, , ,daily total , , , , ,

0

d h r vv d h l r d h r

h l

TA TV L TVF

（4-5）

其中：, , , ,d h l r vTA 为路段 l 上 h 时刻车型 v 的交通活动水平，车公里/h，d 与 r 分别

为该路段对应的区域和道路类型；, ,d h rL 为该路段 l 的长度，km； , , ,d h r vTVF 为该路

段 h 时刻车型 v 占总交通流量的比例； dailyvTA 为全天车型 v 的总交通活动水平，

车公里/日。

表 4.7 澳门典型日分车型交通活动水平

车型小型客车摩托车出租车公交车

典型日交通活动水平

（车公里） 1.72×10

6 1.23×10

6 6.01×10

5 1.42×10

5

车型中型客车大型客车轻型货车中重型货车

典型日交通活动水平

（车公里） 1.08×10

5 8.44×10

4 1.37×10

5 2.12×10

4

澳门典型日总交通活动水平为 4.04×106 车公里，各车型的交通活动水平如

表 4.7。其中，小型客车和摩托车是交通活动水平最高的两种车型，分别占典型

日交通活动水平的 43%和 30%。根据澳门 2010 年小型客车保有量，澳门小型客

车和摩托车的平均日活动水平分别为 20.8 车公里和 11.7 车公里，相当于年均活

动水平为 7600 车公里和 4300 车公里。由于澳门城市规模较小，澳门半岛内部


118

单次出行距离通常小于 8 km，从澳门最北边的花地玛堂区到最南段的路环行车

距离也仅 15 km。本研究的方法是基于路段交通流量，因此持有部分粤澳两地牌

照的小型客车在广东的车辆活动水平未考虑在内。澳门小型客车交通活动水平

显著低于中国其他城市的小型客车车辆活动水平；例如，北京和广州 2010 年小

型客车的年均行驶里程分别为 16500 车公里和 20000 车公里[83]。摩托车在各地

都主要用于短途个人出行，并且国内主要城市开始对摩托车实施限行措施，所

以澳门摩托车年均交通活动水平与国内城市的车辆活动水平较为接近（~5000

车公里）[83, 84]。

4.3 车辆行驶工况与路网运行状态研究

4.3.1 澳门车辆行驶工况调研与路网运行状态研究

本研究利用手持式 GPS 仪采集机动车逐秒行驶工况数据和地理信息数据（如

经度、纬度和海拔等）。研究采用跟车法随机选择道路中的小型客车采集交通

运行状况数据，共采集了小型客车有效数据共 11.5 万秒，覆盖了澳门所有区域

的不同典型道路的交通流数据。由于公交车需要频繁停靠站，其行驶工况特征

与其他车型差别显著。本研究对于公交车进行了单独的工况采样，选择典型路

线，收集了近 8.6 万秒澳门公交车瞬时运行工况和地理位置信息数据。

本研究基于 GIS 和 GPS 道路识别技术，对于机动车实时行驶的道路信息进

行了确认。由于澳门路段数量众多，GPS 采样工作不可能覆盖到所有路段和所

有时段。对于没有采集到速度数据的路段，采用该道路所在区域的其他同类型

道路的平均速度反映其交通运行状况。本研究根据式（4-6）计算了分时段、分

区域、分道路类型的路段平均速度：

, , , , , , ,

( , ), , ,

1d h r v d h l r v

l d rd h r v

V VN

（4-6）

其中， , , ,d h r vV 为时刻 h、区域 d、道路类型 r 的车型 v（公交车、非公交车）的

时均速度，km/h； , , ,d h r vN 为本研究采集到的车型 v 在区域 d、时刻 h、道路类型

r 上的路段样本数； , , , ,d h l r vV 为区域 d、时刻 h、道路类型 r 集合下路段 l 的车型 v

的平均速度，km/h。

由于不同车型的道路空间分布存在差异性，进一步结合交通流流量和车型构

成比例数据可以计算分车型的澳门路网典型日平均运行速度，如式（4-7）。


119

23

daily , , ,, , , , total , , ,

0daily

1( )v d h r vd h l r v d h l r

h lv

V V TV TVFTV

（4-7）

其中， daily vV 为车型 v 的典型日路网平均运行速度，km/h； dailyvTV 为澳门典型日

车型 v 的总交通流量，辆/日； , , ,d h r vTVF 为时刻 h、区域 d、道路类型 r 下车型 v

占总流量的比例。由于摩托车在车流中运行状态与小型客车有较大差异，因此

本研究假设其路网高峰时段平均速度为 20 km/h（8 点至 10 点，13 点至 20 点），

而非高峰时段平均速度为 25 km/h。

图 4.7 展示了澳门半岛和路氹地区的各道路类型路段上车流（不包括公交车

和摩托车）的平均运行速度日变化趋势。澳门半岛由于道路狭小、交通运行压

力较大，白天时段主干道白天高峰时段平均速度均低于 20 km/h，而次干道/居民

路的平均速度在 15 km/h 左右。路氹地区相对交通压力低于澳门半岛，其主干道

和次干道/居民路的日间整体平均速度均高于澳门半岛的水平，白天主要时段主

干道和次干道/居民路的平均速度分别接近 30 km/h 和 25 km/h。快速路平均速度

显著高于主干道和次干道/居民路，大部分时段平均速度都在 30 km/h 以上。

0

10

20

30

40

50

60

70

80

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

平均运行速度（

km

/h）

时刻（h）

（a）澳门半岛



120

图 4.7 澳门分区域分道路类型的车流时均运行速度变化（不包括公交车和摩托车）

图 4.8 澳门各车型典型日路网平均运行速度

图 4.8 展示了澳门半岛分车型的典型日平均路网运行速度。出租车平均速度

高于小型客车，主要是因为出租车在车流运行速度较高的夜间时段车流构成比

例大幅提高。对于大型客车和中重型货车，其路网平均速度为 27.0 km/h，亦显

0

10

20

30

40

50

60

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

平均运行速度（

km

/h）

时刻（h）

（b）路氹地区


21.7 24.0

22.0

16.5

22.5

27.0

20.1

27.0

0

5

10

15

20

25

30

典型日平均运行速度（

km

/h）


121

著高于小型客车，主要是因为大型客车和中重型货车在路网运行速度较高的路

氹地区的车流比例相对较高。

4.3.2 基于浮动车技术的北京路网运行状态研究

随着城市规模扩大，路网复杂性也在显著提高。例如，北京市区（城八区）

面积 1381 km2，是澳门土地面积的近 50 倍。传统的工况采集和数据分析方式受

限于采样道路和采样时间的覆盖程度，往往不能反映复杂路网系统运行状态的

全貌，更不能实现对路网运行状态的实时监测。近年来，大数据手段和智能交

通技术蓬勃发展，在城市交通规划和管理中得到越来越多的应用。北京交通研

究发展中心从 2005 年开始建立基于北京出租车的浮动车系统来预报北京市区

（五环内）路网交通实时运行状态[229]。目前，该浮动车系统已经覆盖全市超过

6 万辆出租车系统，并且做到五环内分区域路网平均速度的实时监测，提供最小

时间粒度为 5 分钟的运行数据报告。

此外，该中心还发布北京交通运行报告和北京交通发展年报[229-231]。这些报

告都基于浮动车系统对北京交通运行状态进行月度或年度总结，并提出了“交

通拥堵指数”来反映路网交通运行状况。根据北京 2010 年交通发展年报和 2010

年交通运行分析报告的典型日运行数据（15 分钟时间粒度），北京市区的交通

拥堵指数和路网平均速度具有强烈相关性，如图 4.9。当交通拥堵指数低于 1（通

常在夜间时段），路网平均速度将超过 40 km/h；当交通拥堵指数接近 10，反映

市区交通极端拥堵，路网平均速度则接近 15 km/h。


122

图 4.9 北京市区 2010 年路网运行速度与交通拥堵指数的相关性分析

本研究根据式（4-6）计算北京市全市路网年均速度：

(1 )total rural urbanV V V （4-8）

其中， totalV 为北京全市年均运行速度，km/h； urbanV 和 ruralV 分别为市区（五环

内，浮动车系统覆盖范围）和郊区县的年均平均运行速度，km/h；为北京市

区交通活动水平占全市的比例。北京交通大学和北京交通发展研究中心开展了

一项大样本的北京交通流特征调研（类似 4.1 节与 4.2 节中对澳门的路网调研工

作）。该项目研究结果显示，奥运后北京交通建设速度放缓，稳定在 0.70 左

右；2006 年前，取值为 0.80；2007 和 2008 年为 0.75。由于目前对五环外

交通运行数据的缺乏，本研究取 ruralV 为 30 km/h。

由于北京节假日和工作日出行特征差异，研究进一步结合交通流特征，根据

式（4-9）计算市区年均路网运行速度：

, , , ,( ) (1 ) ( )urban h weekday urban weekday h h weekend urban weekend h

h h

V F V F V （4-9）

y = 36.462x-0.289 R² = 0.97

15

20

25

30

35

40

45

0 1 2 3 4 5 6 7 8 9 10

路网平均速度

（km

/h）

交通拥堵指数

极端拥堵

非常畅通


123

其中， ,urban weekday hV 和 ,urban weekend hV 分别为北京市区工作日和节假日 h 时刻的路网

平均运行速度，km/h； ,h weekdayF 和 ,h weekendF 分别为北京市区工作日和节假日 h 时

刻的路网小时流量占全天总流量的比例；是北京市区工作日路网交通流量占

全年总流量的比例。

图 4.10 2010 年北京市区路网小时平均运行速度日变化规律

本研究参考了北京交通发展年报和北京交通运行报告对于工作日和节假日

的平均小时速度数据，其中 2010 年北京市区路网工作日和节假日的时均运行速

度日变化趋势如图 4.10，夜间运行速度取为 40 km/h。北京从 2008 年开始实施

工作日白天市区尾号限行措施（即“五天限一天”），对于缓解工作日市区出行

压力发挥了显著作用。由于节假日未实施尾号限行政策，北京市区 2010 年节假

日平均运行速度低于 25 km/h 的时段多于工作日。式（4-9）中涉及的流量比例

数据（ ,h weekdayF 、 ,h weekendF 和）来自北京交通大学和北京交通发展研究中心开

展的典型路段交通流调研结果[231]。其中，2009 年工作日的北京市区交通流量占

全年交通流量的比例约为 0.72（即为 0.72）。考虑到 2008 年前未实施工作日

限行措施，2008 年前为 0.75。

本研究比较了典型道路上三种客车车型的车流日变化规律，包括北四环中路

（市区主要快速路）、京藏高速（五环外）和前门东大街（市区典型主干道），

10

15

20

25

30

35

40

6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

北京市区路网平均速度（

km

/h）

时刻（h）

工作日节假日


124

如图 4.11。结果显示，三种车型的交通流量日变化趋势接近，因此本研究对于

上述车辆类型采用相同的速度数据。对于公交车，交通研究报告[229-231]显示公交

车平均速度为路网平均速度的 0.79，本研究采用这一比例计算公交车的路网速

度。由于北京从 2004 年开始实施四环内白天（6 点至 23 点）区域限行措施，北

京货车主要在五环外或夜间市区行驶。本研究根据北京货车车载排放测试的工

况数据确定货车平均速度为 40 km/h。

0

2

4

6

8

10

12

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

小时车流路量全天占比（

%）

时刻（h）

（a）北四环中路

小型客车中型客车大型客车总车流量

0

2

4

6

8

10

12

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

小时车流量占全天比例（

%）

时刻（h）

（b）京藏高速（五环外）



125

图 4.11 2012 年北京典型道路客车小时车流日变化规律

综上，本研究进一步模拟了 2006 至 2013 年北京全市和市区客车年均运行速

度（如图 4.12）。结果表明，机动车保有量的快速上升和采取的交通管控措施

都会导致全市客车平均速度的年际变化。例如，北京在 2008 年实施了奥运临时

交通管控措施，对于私家车实施单双号的尾号限行措施，并且之后延续为工作

日五天限一天的限行措施。此外，奥运场馆及道路建设于 2008 年奥运前已全部

完成，之后这些建设工程对于道路交通运行的影响被消除。2008 年和 2009 年北

京全市年均路网运行速度由 2007年的 26.5 km/h增长到 2008年和 2009年的 27.1

km/h 和 28.7 km/h。2010 年北京机动车保有量增长了近 80 万辆，导致全市路网

年均速度下降到 27.7 km/h。与澳门路网平均运行速度相比，北京路网运行速度

显著高于澳门，这主要是因为北京路网中高通行能力的高等级道路比例较高，

使得路网运行速度高于以主干道、次干道/居民路为主的澳门。

0

2

4

6

8

10

12

6 7 8 9 10 11 12 13 14 15 16 18 19 20 21

小时车流量占全天比例（

%）

时刻（h）

（c）前门东大街



126

图 4.12 2006 至 2013 年北京路网年均运行速度变化

2011 年，北京为缓解机动车过快增长给交通运行带来的压力，实施了小客

车摇号上牌的限行措施，每年上牌限额为 24 万。该年份北京小型客车保有量仅

增长 17 万，因此路网年均速度提高至 29.1 km/h。但是，即使在年增长控制在

24 万以内的限购政策下，北京机动车保有量年均增长速度仍有 4%，高于北京市

区的道路建设速度（奥运后市区道路里程年均增长低于 1%）。因此，限购情境

下的北京机动车保有量增长也会给北京几乎饱和的交通系统带来显著的压力[232]。

北京交通研究发展中心的监测数据显示（如图 4.13），相对于 2011 年的平均月

度高峰小时交通拥堵指数，2012 年和 2013 年同期增长了 7%和 13%，意味着高

峰小时市区路网运行速度相对于 2011 年水平下降了 2%和 4%。2012 年和 2013

年北京路网运行速度为 28.7 km/h 和 28.4 km/h。所以，为了进一步缓解交通运行

压力，北京在《清洁空气行动计划 2013-2017》中进一步提出了更严格的交通管

控措施，以求解决城市路网的交通拥堵问题[76, 84]。

20

22

24

26

28

30

32

2006 2007 2008 2009 2010 2011 2012 2013

路网平均速度（

km

/h）

年份

全市市区（五环内）


127

图 4.13 北京路网月均交通指数，2010 年 1 月至 2013 年 7 月[230, 231]

4.4 小结

（1）本研究调研了澳门 47 条典型道路交通流量和车型构成数据，建立了

分区域、分道路类型、分时段的道路车流量和车型构成的数据库。结果显示澳

门路网存在显著的高峰特征的日变化规律，小型客车和摩托车是澳门路网车流

中的主要车型，澳门半岛和路氹地区在车流构成上也存在一定差异。基于遥感

测试提供的车辆信息数据，确定了包括燃油比例、细分车型比例和基于车龄的

车流构成数据库。结果发现，不同车型间的车流平均年龄和分布存在显著差异。

汽油小型客车、重型摩托车和轻型摩托车的平均车龄分别为 6.7 年、4.4 年和 7.2

年，而中重型货车的平均车龄高达 11.4 年。

（2）基于 TransCAD 5.0 模型对于澳门高峰时段的路网流量空间分布进行模

拟，并进一步结合调研的典型道路车流日变化规律建立了澳门全路网流量分布

数据库。澳门路网流量存在显著的空间差异，超过 80%的交通流量集中于澳门

半岛，导致澳门半岛的交通流密度显著高于路氹地区，且高峰时段的交通流密

度比全天平均高 60%~70%。澳门典型日总交通活动水平为 4.04×106 车公里，小

型客车和摩托车是交通活动水平最高的两种车型。由于澳门面积较小，小型客

车的年均活动水平为 7600 车公里，显著低于中国其他城市的调研结果；摩托车


128

的年均活动水平为 4300 车公里，与中国其他城市的结果相近。

（3）利用 GPS 仪对澳门路网机动车运行特征进行了调研，并根据道路区域

和道路类型建立了路网运行数据库。结果发现，澳门半岛的主干道和次干道/居

民路平均速度显著低于路氹地区的水平，显示出澳门半岛交通运行的拥堵特征。

此外，由于不同车型在交通流时空分布调整的差异，导致了典型日车型平均运

行速度存在差异。北京路网复杂性显著增加，研究采用浮动车系统提供的路网

运行状态数据，并结合城市交通流特征的调研成果，建立了北京市区和全市年

均运行速度的计算方法。结果发现，北京路网运行速度的变化与城市交通发展

和采取的交通管控措施存在显著相关性。

第 5 章典型城市机动车排放清单案例研究

129


城市机动车排放清单是制定机动车排放控制措施、改善城市空气质量的重

要工具。本章将以北京和澳门为例，分别展示基于宏观交通需求数据的排放清

单和基于路网交通流特征的排放清单案例。基于宏观交通需求数据的排放清单

常用于分析城市机动车排放特征的年际变化趋势。基于路段交通流的排放清单

具有很高的时间、空间和车型分辨率，更适合研究城市路网系统对机动车排放

的影响规律。本章也将结合上述案例开展排放总量不确定性分析、排放时空分

布特征研究和基于污染物扩散模拟的清单验证等工作。

5.1 基于宏观交通需求数据的北京机动车排放清单

5.1.1 北京车队信息和车队排放因子

用于计算 2010 年北京车队平均排放因子和排放量的信息如表 5.1。

表 5.1 2010 年北京分车队保有量、燃料比例和年均行驶里程数据

车型总保有量

（104 辆）

燃料类型分布比例（%）年均行驶里程

汽油柴油天然气混合动力电力（103 km/辆）

微型客车 19.1 100 18.2

小型客车 392 99.9 0.1 16.5

中型客车 10.1 92 8 28.8

大型客车 2.6 25 75 29.2

轻型货车 12.1 58 42 32.1

中型货车 3.3 22 78 42.4

重型货车 3.9 3.5 96.5 42.9

摩托车 18.3 100 5.9

出租车 6.7 100 126

公交车 2.3 80 14 4 2 1 59.3

1 包括传统的无轨电车和电池驱动的纯电动公交汽车。


130

本研究所用的车辆注册保有量数据及细分燃料和车龄分布数据主要来自于

北京市交通管理局车辆注册数据库、北京市环保局车辆环保标志数据库和清华

大学、中国汽车技术研究中心等机构提供的调研数据。2010 年，北京机动车注

册保有量为 470 万辆（不含农用汽车和特殊车辆，如军用汽车）。其中，微型

和小型客车的保有量为 410 万辆，是保有量最大的车型，占北京机动车注册保

有量的 87%。北京市环保局从 2003 年起开始禁止柴油小客车上牌[80]，因此微型

和小型客车几乎全部都是汽油轻型车。另一方面，柴油车在重型车车队中占据

主要地位。大型客车、中型货车和重型货车的柴油车比例分别为 75%、78%和

96.5%，并且公交车队于 2010 年已经淘汰了所有的汽油公交车。随着替代燃料

和先进动力技术的发展，在车辆排放最受关注的公交车队中，天然气、混合动

力和电动车等技术的车辆总保有量也占了近 20%。

对于大部分车型，机动车年均行驶里程会随车龄增长而降低。所以，本研

究根据机动车保有量的车龄分布和各模型年份的年均行驶里程加权计算车队平

均行驶里程，见式（5-1）：

, , , ,Annual

Annual ,

, ,

f v y f v y

y

f v

f v y

y

VP VKT

VKTVP

（5-1）

其中， Annual ,f vVKT 为车型规格 v，燃料类型 f 的车队年均行驶里程，km/辆；

, ,Annual

f v yVP 车型规格 v，燃料类型 f，车龄为 y 的车辆年均行驶里程，km/辆；车

型规格 v，燃料类型 f，车龄为 y 的车辆注册保有量，辆。这些用于计算车队年

均行驶里程的数据主要来自于北京市环保局车辆环保标志数据库和车辆排放年

检数据库中的车辆信息（包括车辆注册年份、用途和行驶里程，约 160 万辆各

类车型的数据样本）和清华大学多年来所积累的调研数据。

2010 年北京各车型年均行驶里程数据见表 5.1。保有量最大的小型客车年均

行驶里程为 16500 km/辆，这一数据要低于北京 2000 年左右的小型客车活动水

平（~23000 km/辆）[80]，也低于环保部机动车排污监控中心（MEP-VECC）于

2007 年对于中国城市小型客车活动水平的普查数据（~23000 km/辆）[234]。这是

因为：（1）2000 年以来，小型客车中私家车比例大幅度增加，而私家车的年均

行驶里程相对较低，仅为政府或企业拥有的公务车的 70%左右[235]，因此导致小

型客车的车队年均行驶里程下降；（2）北京在 2008 年开始实施工作日尾号限


131

行措施，限制了小型客车的使用强度，使得小型客车活动水平显著低于其他特

大城市（如广州 2010 年水平为~20000 km/辆）；（3）大样本数据显示小型客车

年均里程随车龄增加而衰减。例如，北京市环保局提供的 2009 年数据显示，2008

年注册的小型客车年均行驶里程为 18000 km/辆，而该年份 2005 年前注册车辆

的年均行驶里程仅为 10000 km/辆。因此，在开展车辆活动水平普查时，如果抽

取样本大部分是新车并且未考虑按照车龄进行加权平均，则会高估车队平均的

活动水平。

北京重型货车的年均行驶里程约为 43000 km/辆，低于全国其他城市水平。

这是因为：（1）北京注册的重型货车符合较严格的排放标准，对于油品质量要

求较高，较少出京做长途运输用；（2）由于市区白天实施货车限行政策，重型

货车只能在夜间驶入市区范围。公共车队具有较高的活动水平，如出租车和公

交车的年均行驶里程分别达到了 126000 km/辆和 59300 km/辆。北京公交集团提

供的数据进一步显示，不同燃料类型的公交车活动水平也存在一定差异。例如，

较新的柴油公交车（符合国 IV 排放标准）年均行驶里程为 63000 km/辆，混合

动力公交车年均行驶里程为 56000 km/辆，CNG 公交车受加气站布局和加气后服

务里程等因素限制，年均行驶里程仅 48000 km/辆。

图 5.1 和图 5.2 分别展示了北京 2010 年汽油车和柴油车各车队平均排放因

子。除了车型技术以外，车队车龄构成、行驶工况等差异也会导致车队排放因

子间存在显著差异。例如，对于微型客车、小型客车和出租车，其污染物的排

放标准要求相当。但是，2010 年北京微型客车车队 CO 排放因子为 23.4 g/km，

甚至劣于国 1 控制水平。这是因为微型客车中 1999 年前注册的国 0（含无星绿

标）控制水平车辆保有量占近 60%，这部分高排放车辆导致微型客车的 CO 车队

排放因子显著高于小型客车（平均相当于国 2 控制水平）。尽管出租车年均行

驶里程较高，相对小型客车排放劣化更为明显；但是由于北京大部分出租车的

使用年限在 6 年以下，并且符合更严格排放标准的车辆技术通常更早进入出租

车队。因此，出租车的污染物车队排放因子都要略由于汽油小型客车。需要说

明的是，出租车的行驶里程远高于小型客车，三元催化剂有可能在高里程阶段

处于失效状态，可能会导致出租车队中高排放车比例显著增加。此外，尽管柴

油公交车实施更严格的排放标准，但其对 NOX 排放削减控制不明显。并且，北

京公交车 2010 年车队平均速度仅为 22 km/h，远低于柴油重型货车的 40 km/h。

所以，柴油公交车的车队 NOX排放因子为 11.2 g/km，显著高于柴油重型货车的


132

水平（7.7 g/km）。

23.4

4.1

27.7

43.9

9.7

81.7 82.6

3.1 11.7

0

20

40

60

80

100

120

140

车队排放因子（

g/k

m，

95%

CL）

（a）CO

2.65

0.50

3.05

3.56

0.96

4.08 4.11

0.48

1.83

0

1

2

3

4

5

6

7


g/k

m，

95%

CL）

（b）THC


133

图 5.1 北京 2010 年汽油车各车队平均排放因子

1.35

0.27

2.14

3.01

0.94

4.79 4.85

0.19 0.16

0

2

4

6

8

10


g/k

m，

95%

CL）

（c）NOX

0.020 0.008

0.060

0.125

0.028

0.279 0.282

0.006 0.018

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40

0.45

0.50


g/k

m，

95%

CL）

（d）PM2.5


134

2.8

6.5

1.5 2.0

2.8

5.1

0

2

4

6

8

10

12

14

中型客车大型客车轻型货车中型货车重型货车公交车


g/k

m，

95%

CL）

（a）CO

0.85

0.47 0.39

0.26

0.41

0.24

0.0

0.4

0.8

1.2

1.6

2.0



g/k

m，

95%

CL）

（b）THC

5.3

10.1

2.5

5.8

7.7

11.1

0

4

8

12

16

20



g/k

m，

95%

CL）

（c）NOX


135

图 5.2 北京 2010 年柴油车各车队平均排放因子

5.1.2 北京机动车排放清单与不确定性分析

本研究基于北京机动车保有量和年均行驶里程，计算了北京注册机动车的

排放量，如式（5-2）： 6

, , , Annual ,

,

(10 )p f v p f v f v

f v

EM EF VP VKT （5-2）

其中， pEM 为北京注册机动车（不包括农用车和特殊车辆）污染物 p 的排放总

量，t； , ,f v pEF 为车型 v、燃料类型 f 的车队污染物 p 的平均排放因子，g/km； ,f vVP

为车型 v、燃料类型 f 的车队注册保有量，辆； Annual ,f vVKT 车型 v、燃料类型 f 的

车队年均行驶里程，km/辆。本研究利用 Crystall BallTM 的蒙特卡洛随机模拟方

法定量分析了北京 2010 年机动车排放总量不确定性，结果见图 5.4。

0.49

0.66

0.12 0.19

0.30 0.35

0.0

0.4

0.8

1.2

1.6

2.0



g/k

m，

95%

CL）

（d）PM2.5


136

图 5.3 北京 2010 年机动车分车型分担率

北京 2010 年机动车 CO、THC、NOX和 PM2.5的排放量中位值（P50）分别

为 50.5 万吨、5.83 万吨、7.41 万吨和 0.262 万吨。各污染物的分车型排放分担

率如图 5.3。北京机动车 CO 和 THC 排放量主要来自于轻型汽油车贡献。其中，

由于小型客车保有量巨大，其贡献了 54%的 CO 排放和 56%的 THC 排放，成为

最重要的贡献车型。对于 NOX 排放，重型柴油车（大型客车、货车和公交车中

的柴油车）虽然保有量较小，但由于单车排放因子和年均行驶里程均较高，排

放分担率高达 57%，保有量最大的微型和小型客车贡献了 28%的 NOX 排放量。

11%

54%

13%

2%

4%

4% 2%

5%

2% 3%

（a）CO

11%

57%

11%

2% 4%

2%

1%

7%

1% 4%

（b）THC

4%

24%

8%

9% 8%

10%

17%

2%

18%

0.2%

（c）NOx

2%

19%

9%

15%

9% 10%

18%

2% 15%

1%

（d）PM2.5

微型客车小型客车中型客车大型客车轻型货车

中型货车重型货车出租车公交车摩托车


137

值得注意的是，北京 2010 年公交车保有量仅占全市机动车保有总量的 0.5%，但

其 NOX排放分担率占近 18%，成为北京机动车 NOX减排最关注的车型之一。对

于 PM2.5排放，重型柴油车排放占主导地位，排放分担率达到了 66%。

图 5.4 北京 2010 年机动车排放总量不确定性模拟结果

相对于排放量中位值（P50），CO、THC、NOX和 PM2.5的 95%置信水平下

的相对区间分别为：-22%~+61%，-30%~+53%，-27%~+39%和-29%~+55%。北

京机动车排放量不确定性来自车队排放因子的不确定性、车队保有量和年均行

驶里程的不确定性。其中，车队排放因子是影响北京机动车排放量不确定性的

决定因素。这主要体现在两个方面：第一，本研究中车队排放因子不确定性区

间相对于保有量和年均里程的不确定性区间（均假设满足正态分布，95%置信水

平上的相对不确定性区间分别为±2%和±20%）更大。以测试数据最多的汽油小

型客车为例，其 CO、THC、NOX和 PM2.5车队排放因子在 95%置信水平下的相

对区间分别为：-30%~+47%，-28%~+50%，-41%~+79%和-31%~+58%，高于保

有量的±2%和年均里程的±20%。第二，车队排放因子的长尾偏态分布决定了机


138

动车排放总量长尾的偏态分布形式。特别，对于柴油公交车和柴油重型货车，

其 PM2.5车队排放因子的 P97.5/P50 分别达到了 2.1 和 3.8，显著高于 NOX车队排

放因子的偏态程度，也导致排放总量 PM2.5的 P97.5/P50 数值比 NOX更高（即 1.55

vs. 1.39）。这说明，重型柴油车队中的高排放车对于 PM2.5的排放总量贡献和分

布的影响比 NOX更为显著，Wang 等利用道路跟车测试结果亦发现北京柴油货车

中 PM2.5高排放车的相对贡献高于 NOX[137]。

Kioutsiouskis 等应用蒙特卡洛方法对意大利 2010 年道路机动车污染物排放

总量的不确定性进行了分析[193]。其研究结果显示，意大利 2010 年机动车 VOC

和 NOX排放基本服从正态分布，变异系数（CV%）分别为 22%和 15%，即相当

于 95%置信水平上相对区间分别±43%和±29%。本研究结果显示，北京机动车

THC 和 NOX排放总量分布偏度更大，但区间范围大致相当。Kioutsiouskis 等的

研究结果显示，意大利 2010年的道路机动车 PM2.5排放总量服从对数正态分布，

变异系数为 26%，95%置信水平的相对区间要比本研究结果显著的大。

需要说明的是，由于清单研究对象为北京的机动车注册保有量，因此行驶

在北京市域内的外地车并未考虑在内。这部分外地车（特别是外地进京的重型

柴油货车）对北京的排放贡献只能进一步通过路网排放清单的方式予以核算。

因此，下一节将以澳门为例，介绍路网高分辨率排放清单的研究案例。

5.2 基于路段交通流特征的澳门路网排放清单

5.2.1 建立澳门2010年高分辨率路网排放清单

第 3、4 章分别详细介绍了澳门机动车排放特征、路网交通流量和交通运行

特征的研究方法和结果，本小节在此基础上建立澳门 2010 年路网机动车排放清

单。如式（5-3），本研究以路段为单元计算了澳门路网上各路段各时段的机动

车排放量：

3

, , , , 0 , , , , , , , , , , , , , , ,

, ,

10 ( )d h l p r f p v y f p v d h l r v d h l r v f v y

f v y

EM EF SCF V TA TVF （5-3）

, , , , ,h p d h l p r

l

EM EM （5-4）

,p h p

h

EM EM （5-5）


139

其中， , , , ,d h l p rEM 为区域 d、道路类型 r 的路段 l 在 h 时刻的污染物 p 的排放

强度，kg/h； 0 , , ,f p v yEF 为燃料类型 f、车型 v、车龄为 y 的车型技术在基准工况下

的污染物 p 的排放因子，g/km； , , , , , ,( )f p v d h l r vSCF V 为速度修正因子， , , , ,d h l r vV 为该

路段在该时刻的平均速度，km/h；为该路段在该时刻的交通活动水平（见式 4-4），

车公里/h； , ,f v yTVF 为燃油类型 f、车型 v、车龄 y 的路网车流构成比例（见式 4-1

和表 4.5）。在此基础上，对交通路网中的路段采用自下而上的方式，可以获得

澳门路网典型日各时刻和全天的排放总量，如式（5-4）和式（5-5）；其中， ,h pEM

为澳门路网典型日 h 时刻的排放强度，kg/日。

表 5.2 2010 年澳门车队平均排放因子（单位：g/km）

车型污染物类型

CO THC NOX PM2.5

汽油小型客车 1.74 0.34 0.28 0.006

汽油中型客车 14.3 1.80 1.18 0.030

柴油中型客车 1.60 0.27 1.44 0.26

柴油大型客车 4.76 0.25 10.93 0.48

汽油轻型货车 8.38 2.30 1.31 0.014

柴油轻型货车 1.69 0.65 4.03 0.35

柴油中重型货车 7.40 0.94 12.34 0.95

出租车 0.47 0.06 0.86 0.11

轻便摩托车 7.95 4.07 0.26 0.030

重型摩托车 10.21 1.18 0.38 0.012

中型巴士 1 2.45 1.09 6.50 0.32

重型巴士 6.05 0.35 15.80 0.57

1 澳门中型巴士通常车长 8 米左右，要比柴油中型客车规格更大。

尽管澳门汽油小型客车运行速度低于北京水平，并且澳门全年平均气温高于

北京（蒸发排放增加），但由于澳门车队中大量来自日本和欧洲的车辆排放控

制水平较好（特别是对 CO 和 THC），因此其 CO 和 THC 排放因子比北京汽油

小型客车的车队平均排放因子低 57%和 30%。对于出租车，两地采用不同的燃


140

料类型，澳门柴油出租车的 NOX和 PM2.5 排放因子分别高达 0.86 g/km 和 0.11

g/km，为北京汽油出租车队的 4.5 倍和 18 倍。对于柴油重型巴士，由于北京已

经实施了国 IV 排放标准，并且公交车运行速度略高于澳门路网公交车平均速度

（22 km/h vs. 16 km/h），所以澳门重型巴士 NOX和 PM2.5车队平均排放因子均

高于北京公交车水平。对于摩托车，内地缺乏对于摩托车实际道路排放测试的

数据。本研究根据澳门道路遥感测试数据，轻便摩托车的 THC 排放显著高于其

他车队水平，值得重点关注[223]。

图 5.5 澳门 2010 年典型日路网排放的分车型分担率

澳门 2010 年典型日路网 CO、THC、NOX和 PM2.5排放总量分别为 17.53 吨、

3.60 吨、5.04 吨和 0.28 吨。各污染物的分车型排放分担率如图 5.5 所示。对于

不同的污染物，主要排放车型并不相同。与北京不同，摩托车是澳门 CO 和 THC

排放的最重要车型。澳门摩托车 CO 和 THC 排放分别占路网排放总量的 66%和

72%，小型客车分别占 17%和 16%。这是因为澳门 2000 年以来注册的汽油小型

客车排放水平由于车辆来源国的技术进步（如日本和欧洲）而明显改善；相较

之下，摩托车则排放控制措施有限，且排放劣化明显[223]。特别是轻便摩托车主

要采用两冲程技术，THC 排放水平显著高于重型摩托车，轻便摩托车的 THC 排

放占澳门路网典型日排放的 45%。对于 NOX和 PM2.5，柴油车排放贡献较为突出。

公交车排放占澳门路网的 NOX和 PM2.5典型日排放总量的 36%和 25%，大型客

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

CO

THC

NOx

PM2.5

小型客车中型客车大型客车轻型货车中重型货车摩托车出租车公交车


141

车（大部分为旅游客车或者娱乐场所接驳车）分别占 18%和 14%，出租车分别

占 10%和 23%。澳门以旅游业为支柱产业，货运需求相对较小，因此中重型货

车排放占 NOX 和 PM2.5 排放总量不到 10%，显著低于北京货车的排放分担率。

上述结果说明，在制定排放控制策略时要根据减排需要针对排放重点控制车队

制定有针对性的方案。

澳门路网机动车各污染物的时间分配比例如图 5.6。对于大部分污染物，时

间分担率的日变化规律较为一致，和澳门路网的小时交通活动水平存在极强的

相关性（R2>0.92）。值得注意的是，晚高峰时段（18 点）交通流量占全天比例

为 6.9%，而此小时内各污染物除 PM2.5（以柴油车贡献为主，而此时刻增加的通

勤车辆主要以汽油车为主）外，其他污染物的排放总量占全天比例达到了

7.9%~8.4%。这是因为，晚高峰时刻车流增加，路网车辆运行速度降低，导致道

路机动车的排放因子增加。气态污染物高峰小时（18 点）路网平均排放因子比

全天增加 15%~22%，比夜间时段（0-5 点）增加 54%~120%。因此，需要考虑

采取有效的措施来缓解澳门路网交通拥堵，提高路网的运行速度，降低高峰时

刻的机动车排放量。

图 5.6 澳门 2010 年典型日路网排放的时间分配比例

0

1

2

3

4

5

6

7

8

9

10

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

排放分担率（

%）

时刻（h）

CO THC NOx PM2.5


142

以 NOX为例，澳门典型日全路网各路段的排放清单如图 5.7。可以看到，对

于路段排放清单，路段机动车日排放量（kg/日）往往与道路类型有关，通常快

速路的道路长度和车流量都较高，导致全天排放强度较高，在线源排放清单上

颜色较深。澳门路网机动车排放的区域分担率如表 5.3。其中，澳门半岛机动车

排放的 NOX和 PM2.5占路网排放总量的 50%~60%，而其 CO 和 THC 的排放分担

率更高，超过了 70%。氹仔的 NOX和 PM2.5的排放占路网排放总量近 20%，而

CO 和 THC 的排放分担率仅约 10%。这是因为，澳门半岛的摩托车行驶比例更

高，而氹仔车流中大型客车和中重型货车的比例相对较高。

表 5.3 2010 年澳门路网典型日排放区域分担率（单位：%）

区域

堂区

污染物

CO THC NOX PM2.5

澳门半岛 74 77 58 52

望德堂区 12 12 9 8%

风顺堂区 8 8 6 5%

花地玛堂区 2 2 2 2%

花王堂区 23 24 17 16%

大堂区 16 17 12 10%

氹仔 12 10 20 23

路氹城 6 5 8 10

路环 2 2 2 2

其他 1 7 6 11 13

1 主要指连接澳门半岛和氹仔的跨海大桥的机动车排放量。


143


144

图 5.7 澳门 2010 年典型日路网 NOX排放清单


145

本研究进一步计算了分区域、分道路类型的线源排放强度，如式（5-6）：

, , , ,

( , )

, ,

, ,

( , )

d h l p r

l d r h

L d p r

d l r

l d r

EM

EIL

（5-6）

其中， , ,L d p rEI 为区域 d、道路类型 r 的污染物 p 的日线源排放强度，kg/( km·日)；

( , )l d r 表示区域 d 和道路类型 r 下的路段。对于线源排放强度，其主要受道路

车流量和运行状态影响。如表 5.4 所示，澳门路网中平均线源排放强度排序中，

快速路最大，主干道其次，次干道/居民路最低。另一方面，由于澳门半岛交通

流量较大，路网运行速度较低，小客车、摩托车比例较高，因此澳门半岛的 CO

和 THC 的平均线源排放强度显著高于路氹地区；而路氹地区快速路和主干道车

流中的中重型货车和大型客车的比例相对较高，导致其快速路和主干道的 NOX

和 PM2.5的线源排放强度与澳门半岛较为接近。

表 5.4 2010 年澳门路网典型日线源排放强度（单位：kg/(km·日)）

区域道路类型污染物

CO THC NOX PM2.5

澳门半岛

快速路 147 28 43 2.6

主干道 196 42 39 1.9

次干道/居民路 80 17 18 0.9

路氹地区

快速路 78 13 43 2.9

主干道 58 10 36 2.3

次干道/居民路 25 5 6 0.4

澳门全市

快速路 117 22 49 3.1

主干道 124 25 38 2.1

次干道/居民路 60 13 14 0.7

本研究计算了澳门路网典型日的污染物面源排放强度，如式（5-7）：

, , , ,

A ,

, ,

d h l p r

l d hd p

d l r

l d

EM

EIL

（5-7）


146

其中， A ,d pEI 为区域 d 的污染物 p 的日线源排放强度，kg/( km2·日)； l d 表示

区域 d 的路段。本研究进一步利用 GIS 技术，对于澳门路网所在区域进行

500m×500m 的网格划分，共形成 14×25 个网格区域。图 5.8 为澳门典型日路网

面源 NOX 排放强度的示意图。结果表明，澳门路网面源排放存在显著的空间分

布特征，澳门半岛、氹仔、路氹城和路环的机动车面源排放强度呈现出不断下

降的趋势。如表 5.5 所示，在交通最为密集的望德堂区和花王堂区（大三巴牌坊

所在堂区），NOX的面源排放强度分别达到了 696 kg/(km2·日)和 557 kg/(km

2·日)，

为澳门全路网面源排放强度的 4.1 倍和 3.3 倍，为面源排放强度最低的路环的 46

倍和 37 倍。

表 5.5 2010 年澳门路网典型日面源排放强度（单位：kg/(km2·日)）

区域堂区污染物

CO THC NOX PM2.5

澳门半岛 1387 297 312 15.5

望德堂区 3152 682 696 33.7

风顺堂区 1421 303 305 15.4

花地玛堂区 1258 271 274 13.7

花王堂区 2520 547 557 26.4

大堂区 799 166 199 10.4

氹仔 301 53 151 9.50

路氹城 163 28 71 4.67

路环 51 11 15 0.88

澳门全市 590 121 169 9.42


147

图 5.8 澳门 2010 年典型日路网网格化 NOX面源排放强度


148

5.2.2 澳门路网排放典型污染物扩散模拟与清单验证

上一节中，以基于路网交通流的高分别率排放清单为工具，选择了车型分担

率、时间分担率、区域排放分担率、线源排放强度和面源排放强度等指标，分

析了澳门机动车排放的车型、时间和空间的分布特征。本小节将在上一节的排

放空间分布的研究结果基础上，进一步对路网排放的典型气态污染物（CO 和

NOX）的扩散进行模拟，并结合澳门空气质量监测数据进行清单验证和机动车排

放的浓度分担率的初步研究。

本研究应用 U.S. EPA 和美国气象学会（American Meteorological Society，

AMS）共同开发的空气质量模型 AERMOD（AMS/EPA Regulatory Model）模拟

澳门路网典型污染物的浓度[236]。AERMOD 模型以扩散统计理论为基础，其中，

在稳定边界层，假设污染物在水平和垂直方向的浓度分布为高斯分布；在对流

边界层，假设污染物在水平方向上的浓度分布为高斯分布，而在垂直方向的浓

度分布为高斯概率密度函数。作为 U.S. EPA 和中国环保部的推荐模型，

AERMOD 模型可应用于地面源和高架源在乡村环境、城市环境、平坦地形、复

杂地形等多种地形条件下的污染物排放扩散模拟。

AERMOD 对于交通环境下的污染物排放扩散模拟也有应用。例如，Chen 等

对美国和英国的典型道路研究结果表明，AERMOD 能够比 CALINE4 和

CAL3QHC 更好地模拟机动车排放扩散过程[237]。严晗等用 AEMORD 模型模拟

了北京北四环机动车黑碳排放的道路边浓度扩散，结果发现 AERMOD 模型相比

CALINE3 模型，能够更准确地反映局地气象因素的影响[25]。Misra 等用多点源

方法模拟了加拿大多伦多市某区域（600 m × 800 m）的机动车排放扩散，结果

显示AERMOD对CO的模拟结果较好[238]。Vallamsundar和Lin利用耦合MOVES

模型和 AERMOD 模型，分析了美国芝加哥交通排放热点区域（高速路立交桥，

1 mile × 1 mile）内机动车排放的扩散特征[239]。需要指出，上述研究尺度主要集

中于路段尺度或者交通区域尺度，而本研究则首次耦合交通规划模型（TransCAD

5.0）—机动车排放模型（澳门机动车排放因子模型）—空气质量扩散模型

（AERMOD），并利用大量的本地化交通流特征、排放测试、地形数据和气象

与污染物观测数据，对中国城市路网排放的一次污染物扩散特征进行模拟和并

用于路网清单的验证。

AERMOD 模型主要包括三个子模块，AERMOD 扩散模拟子模块、AERMAP

地形预处理子模块和 AERMET 气象预处理子模块。考虑到澳门降雨充沛，对于


149

污染物浓度具有较高的去除作用，因此本研究以降雨量较小的 2010 年 11 月作

为研究时段。对于污染源，本研究采用网格化的面源源强处理方式（见 5.2.1 节），

以 500 m × 500 m 划分面源网格，共建立了 350 个网格。本研究忽略区域差异，

根据路网的车型构成估计直接排放 NO2比例占 NOX排放的 10%。对于地形预处

理子模块，考虑到澳门建筑物密集，模型考虑了建筑物下洗效应，并且以 Google

Earth 的网格中心海拔高程作为地形输入数据。

图 5.9 澳门 2010 年 11 月总督大桥与大潭山的风向玫瑰图

对于 AERMET 气象预处理子模块，地面气象数据（Surface Meteorological

Data File）由澳门地球物理暨气象局提供，包括了小时温度、湿度、降雨、风向

和风速等数据。其中，该月份每天气温变化范围为 19℃~23℃，澳门总督大桥（位

于研究区域中心）和大潭山气象站（澳门海拔最高处，无建筑物对风向的影响）

的风向数据（如图 5.9）都显示 2010 年 11 月的盛行风向为东北风，同时有小部

分的东风和北风。本研究采用澳门总督大桥的气象数据作为研究区域的地面气

象场，高空气象数据采用模型推荐值。此外，澳门环境保护局提供了 2010 年 11

月澳门空气监测数据，包括了 CO 和 NO2和 O3。由于 AEMORD 模型考虑了 O3

对 NO/NO2 转化的影响，O3 监测数据也将作为输入，用于模拟机动车一次排放

的 NO 转化为 NO2的过程。

0%

10%

20%

30%

40%

50%N

NNE

NE

ENE

E

ESE

SE

SSE

S

SSW

SW

WSW

W

WNW

NW

NNW

（a）总督大桥气象站

0%

10%

20%

30%

40%

50%N

NNE

NE

ENE

E

ESE

SE

SSE

S

SSW

SW

WSW

W

WNW

NW

NNW

（b）大谭山气象站


150

图 5.10 澳门 2010 年 11 月路网排放的 NO2模拟浓度贡献（网格化）


151

图 5.11 澳门 2010 年 11 月路网排放的 NO2模拟浓度贡献（等高线）

图 5.10和 5.11展示了 11月澳门路网排放对NO2浓度贡献的网格化图和等高

线图。澳门路网机动车排放对各区域月均污染物浓度贡献结果如表 5.6。CO 和

NO2浓度最大的网格结果分别为 393 μg/m3和 79 μg/m

3，均位于交通密集、建筑

物密集而不利于污染物扩散的澳门半岛地区。


152

表 5.6 利用 AERMOD 模拟的 2010 年 11 月澳门路网排放对各区域的月均浓度贡献

区域堂区月均浓度贡献（μg/m

3）

CO NO2

澳门半岛 191

1

（55.1~393）2

39.2

（13.3~78.6）

望德堂区 315

（257~393）

63.4

（52.8~78.6）

风顺堂区 173

（135~252）

34.3

（25.8~48.7）

花地玛堂区 163

（74.2~294）

32.7

（14.1~54.2）

花王堂区 282

（213~344）

56.0

（41.4~68.9）

大堂区 158

（55.1~352）

34.3

（13.3~72.8）

氹仔 40.8

(12.2~101)

15.5

(4.0~37.9)

路氹城 36.0

(10.8~61.2)

13.7

(3.8~25.6)

路环 16.4

(6.8~52.4)

5.3

(1.9~16.3)

澳门全市 3 75.6 19.4

1 所在区域的各网格模拟浓度平均值；2

所在区域的各网格浓度模拟区间，即最小

值和最大值；3 不包括模拟区域中陆地未覆盖的网格结果。


153

表 5.7 空气监测站所在网格的月均浓度贡献模拟值与检测值比较

监测站位置月均浓度（μg/m

3）

CO NO2

澳北（澳门半岛高密度住宅区） AERMOD 模拟 179 31.6

空气监测数据 700 59.5

水坑尾街（澳门半岛密集郊区区域） AERMOD 模拟 300 51.6


氹仔（氹仔高密度住宅区） AERMOD 模拟 92 26.1


大潭山 AERMOD 模拟 24 10.2

空气监测数据 NA 50.4

路环 AERMOD 模拟 52 15.8

空气监测数据 NA 59.5

环境背景+区域传输 1 304 27

1 清华大学《澳门环境空气质量标准研究》中基于 CMAQ 模型，应用关停法模拟了环

境背景与区域传输的污染物浓度。

本研究进一步把澳门空气监测站所在的 5 个网格的机动车浓度贡献数据和

空气质量监测数据进行比较，如表 5.7。清华大学在《澳门环境空气质量标准研

究》中，基于 CMAQ 模型应用强力法（即关停本地排放源）分析了环境背景和

区域传输对于澳门污染物浓度的总贡献，得到上述两部分对 CO 和 NO2 的平均

浓度贡献为 304 μg/m3和 27 μg/m

3（见表 5.7）。对于 CO，环境背景和区域传输

的贡献要大于本地机动车排放的贡献，机动车排放对于澳门半岛和氹仔的 CO 浓

度的贡献分别为~30%和~15%。

对于 NO2，在周围交通密度较大的澳北和氹仔，AERMOD 浓度模拟结果均

占监测浓度的 50%~55%，而在道路边监测点水坑尾街，AERMOD 浓度模拟结

果占监测浓度的 83%。上述交通密度较大的三个站点若扣除环境背景和区域传

输的贡献外，澳门机动车 NOX排放在本地源 NO2浓度贡献中占主导地位。在交

通流密度较小的路环和大潭山，AERMOD 浓度模拟结果占监测浓度的 27%和

20%；扣除环境背景和区域传输的贡献，澳门机动车 NOX排放在本地源 NO2浓


154

度贡献中约占 50%。研究进一步以 NO2 为例，分析了水坑尾街日监测浓度和日

模拟结果的相关性（如图 5.12）。结果表明，两者趋势吻合较好，Pearson’s R

达到 0.64；接近 60%的日监测浓度和模拟结果相对偏差在±25%以内，说明清单

模拟与环境监测较为接近。部分日的模拟浓度比监测浓度显著偏高（偏高 70%），

可能由以下原因导致：（1）由于澳门面积较小，利用 CMAQ 模型确定环境背

景和区域传输的贡献时存在不确定性。若参考香港塔门的同期监测结果，环境

背景和区域传输对 NO2浓度贡献仅为 13 μg/m3 [241]；（2）本研究忽略了网格平均

和监测站点的差异，以监测站点所在网格的平均模拟结果表征机动车排放对该

站点的浓度贡献。澳门 NO2 浓度超标的问题较为突出，机动车排放又是最重要

的本地贡献源，因此下一章将主要以削减机动车 NOX 排放为主要目标制定澳门

机动车综合排放控制策略。

图 5.12 水坑尾街 NO2监测浓度与模拟结果比较，2010 年 11 月

注：电厂和垃圾焚烧厂的浓度贡献很低；11 月 6 至 8 日由于降雨原因未比较。

对于 PM2.5，研究发现澳门与珠海的 PM2.5浓度相关性 R2约为 0.7，说明其区

域性污染特征较为明显[240]。因此，后续研究可以考虑采用多层嵌套的空气质量

模型（如 CMAQ/AERMOD），结合区域排放清单，分析机动车排放一次和二次

0

20

40

60

80

100

120

140

NO

2浓度

（μ

g/m

3）

AERMOD+环境背景+区域传输监测结果

Pearson R=0.64


155

的 PM2.5贡献浓度。

5.3 小结

（1）本研究基于北京宏观交通需求数据，模拟了 2010 年各车队污染物平均

排放因子与机动车污染物排放总量。2010 年北京机动车 CO、THC、NOX和 PM2.5

的排放量分别为 50.5 万吨、5.87 万吨、7.41 万吨和 0.262 万吨。其中，汽油小

型客车为 CO 和 THC 的主要排放车型，重型柴油车则为 NOX和 PM2.5的主要排

放车型。

（2）本研究基于大样本测试数据建立排放因子概率分布特征，利用蒙特卡

洛方法，首次对中国城市机动车排放总量的不确定性进行了全面定量分析。在

95%置信水平上，北京机动车 CO、THC、NOX和 PM2.5 排放总量的相对分布区

间为：-22%~+61%，-30%~+53%，-27%~+39%和-29%~+55%。其中，车辆排放

因子是决定机动车排放量区间范围和分布特征的主要原因，高排放车的存在导

致了排放量呈偏态分布。

（3）本研究根据澳门路网交通流特征，耦合了本地化的排放因子模型结果，

建立了具有车型、时间和空间高分辨率的路网排放清单。澳门 2010 年典型日CO、

THC、NOX和 PM2.5的排放总量分别为 17.53 吨、3.60 吨、5.04 吨和 0.28 吨。与

北京不同，澳门摩托车保有量较大，是 CO 和 THC 排放的最主要贡献车型。公

交车、大型客车和出租车等柴油客运车辆则是其机动车 NOX 和 PM2.5 排放的主

要贡献车型，柴油货车对 NOX和 PM2.5的贡献比例显著低于北京。

（4）本研究发现澳门路网排放呈现出与交通流特征相关的时空分布特征。

交通高峰时刻（如 18 时）由于车流量较大和运行速度较低，污染物排放贡献较

大。线源排放强度计算结果显示，快速路由于平均交通流量最大，线源排放强

度也最高。面源排放强度计算结果显示，澳门半岛由于交通流密集，面源排放

强度显著高于路氹地区。

（5）本研究进一步利用 AERMOD 模型，对澳门路网排放的 CO 和 NO2的

浓度贡献进行了模拟，结果显示澳门半岛的交通排放对污染物浓度贡献要高于

路氹地区。在交通密集区域，澳门机动车排放的 NOX是空气环境中 NO2的最主

要本地贡献源，值得重点关注。

第 6 章典型城市机动车排放控制策略研究

156


中国在借鉴世界上先进国家经验的基础上，从 1990 年代末开始城市机动车

排放控制进程。本研究以北京和澳门为例，根据排放控制历程阶段和机动车排

放的特点，分别阐述不同的排放控制策略设计方案，并通过排放清单等工具手

段对排放控制策略的效益进行评估，为今后中国城市机动车排放的科学决策提

供参考依据。

6.1 机动车排放控制策略的效益评估方法

如图 6.1 所示，机动车排放控制策略的效益评估主要包括：确定减排目标，

建立排放基准情景（business as usual，BAU）与减排情景，利用排放清单工具测

算减排效益，判断该减排情景的效益是否实现减排目标。当设计的减排情景未

能实现预期的减排目标时，则需要进一步加严排放控制措施，并再次进行效益

评估。

分车型保有量

年均行驶里程


车队平均速度

其他使用条件

车龄登记分布

单车技术构成

机动车排放总量

排放标准

油品标准

I/M制度

替代燃料与

先进动力技术

老旧车淘汰

新车限购

路段交通总流量

道路车型构成

车龄/技术分布

路段长度


路段行驶速度

其他使用条件

路网排放总量车辆限行

基于宏观交通需求的排放清单

基于路段交通流特征的排放清单

其他排放

控制措施

排放控制措施库

基准情景

减排情景

减排效益

减排目标

达到目标

未达目标，调整情景

确定目标

图 6.1 机动车排放控制策略的效益评估方法


157

利用不同类型的排放清单评估排放控制措施的减排效益，所需的参数类型

也不相同。以评估老旧车淘汰的减排效益为例，基于宏观交通需求的排放清单

会通过调整车龄登记分布参数来实现，而基于路段交通流特征的路网排放清单

则会调整路网的车龄/技术分布参数。本研究以下将分别以北京和澳门为例，基

于两种排放清单技术评估典型城市的机动车排放控制策略。

6.2 北京机动车排放控制措施分析

6.2.1 北京机动车排放历史趋势分析

北京在中国城市机动车排放控制进程中处于领先地位。例如，北京于 1999

年在中国率先实施轻型车国 1 排放标准，并且是中国唯一保持机动车排放标准/

油品质量标准同步加严的城市。表 6.1 概括了北京从 1990 年代末期到 2010 年采

取的主要机动车排放控制措施；表 6.2 为北京各阶段新车排放标准和油品质量标

准的实施时间表。

表 6.1 2010 年前北京实施的机动车排放控制措施概述[80]

措施类型措施主要内容

新车排放控

制

（1）不断加严新车排放标准，2008 年分别实施了轻型汽油车国 4 排放

标准和重型柴油车国 IV 排放标准（仅在公交、环卫和邮政等城市公共

车队），见表 6.2；

（2）2003 年起禁止轻型柴油车注册上牌；

在用车排放

控制

（1）1999 年和 2001 年分别实施基于双怠速和加速模拟（ASM）测试

的检测/维护（I/M）制度；

（2）机动车环保标志管理制度与黄标车区域限行制度；

（3）高排放车（黄标车）鼓励淘汰；

燃料质量改

善与清洁燃

料技术

（1）1997 年开始禁止销售含铅汽油；

（2）降低燃料中硫含量（见表 6.2）；

（3）在公交车中推广 CNG 车辆；


158

表 6.1 2010 年前北京实施的机动车排放控制措施概述[80] （续）


发展公共交

通

（1）增加北京地面公交车辆数量；

（2）增加地铁和轻轨等轨道交通服务里程；

交通管控与

经济措施

（1）摩托车区域限行，2001 年起摩托车禁止在四环内行驶；

（2）货车区域限行，2004 年起货车禁止在白天（6 至 23 点）四环内行

驶；

（3）黄标车区域限行，黄标车 2003 年起禁止在二环内行驶，2009 年限

行区域扩至六环内；

（4）奥运期间实施的交通临时管控措施，主要包括私家车单双号限行、

公车停驶 70%和货车和黄标车更严格的限行措施；

（5）奥运后延续的工作日机动车（不包括公交、出租、邮政、环卫等公

共车辆）五天限一天的尾号限行措施。

表 6.2 北京机动车新车排放标准与油品质量标准实施时间[80, 84]

新车排放标准国 1/国 I 国 2/国 II 国 3/国 III 国 4/国 IV 国 5/国 IV

轻型汽油车 1999-1-1 2003-1-1 2005-12-30 2008-3-1 2013-2-1

重型汽油车 2002-7-1 2003-9-1 2009-7-1 2003-1-1

重型柴油车 2000-1-1 2003-1-1 2005-12-30 2008-7-1

1

2013-7-1 2

2013-2-1 1

摩托车 2001-1-1 2004-1-1 2008-7-1

油品质量标准

（汽油/柴油硫含

量限值，ppm）

国 2/国 II

（500/500）

国 3/国 III

（150/350）

国 4/国 IV

（50/50）

国 5/国 IV

（10/10）

汽油 2003-1-1 2005-7-1 2008-1-1 2012-5-31

柴油 2003-1-1 2005-7-1 2008-1-1 2012-5-31

1 仅在公交、环卫和邮政等城市公共车队中实施；2

对于货运、旅游等长途社会车

辆，排放标准实施进度和国家环保部要求一致。

图 6.2 展示了 1998 年到 2010 年北京机动车注册保有量的变化趋势。北京道

路机动车注册保有量（不含农用车和特殊车辆）从 1998年的 118万辆增长到 2010


159

年的 470 万辆，年均增长率达到了 12%。随着城市经济和居民收入水平的提高，

私家车保有量增长迅速，使得小型客车成为保有量增长最快的车型。北京小型

客车的注册保有量由 1998 年的 43 万辆增长到 2010 年的 392 万辆，年均增长率

超过了 20%。

图 6.2 北京 1998-2010 年分车型机动车注册保有量

图 6.3 展示了主要车型的年均行驶里程的变化趋势。小型客车的单车年均行

驶里程由 1998 年的 23000 km/辆降低到 2010 年的约 16500 km/辆。两个原因导

致了小型客车年均行驶里程的下降，即私家车所占比例的显著上升和 2008 年起

实施的尾号限行政策。出租车的单车年均行驶里程在所有车队中最高，由 1998

年的 97000 km/辆增加到 2008 年以后的 126000 km/辆。公交车的年均行驶里程

由 1998 年的 55000 km/辆增加到 2008 年以后的约 60000 km/辆。由于城市化的

深化，公交车和出租车等营运车辆的服务里程也逐渐提高。北京重型货车的年

均行驶里程逐步上升，由 1998 年的 25000 km/辆增加到约 43000 km/辆。对于其

他车型，中型客车、大型客车和轻型货车的年均行驶里程变化不大（见表 5.1）。

中型货车的行驶里程和重型货车基本一致，摩托车年均行驶里程基本保持为

5900 km/辆。

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

4.0

4.5

5.0

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

注册保有量（百万辆）

年份

微型客车小型客车中型客车大型客车微型货车轻型货车

中型货车重型货车摩托车公交车出租车


160

图 6.3 北京 1998-2010 年典型车队年均行驶里程变化

根据上述城市宏观交通需求信息，结合图 4.11 的车队平均行驶速度（2006

年前假设与 2006 年一致），本研究以汽油小型客车、柴油公交车和柴油重型货

车为例，计算了 2000 年、2005 年和 2010 年的车队平均排放因子（如图 6.4~6.6）。

随着新车排放标准的不断加严和老旧车的淘汰，北京机动车污染物的车队排放

因子显著下降。小型汽油客车的 2010 年 CO、THC、NOX和 PM2.5的车队排放因

子分别为 4.06 g/km、0.50 g/km、0.27 g/km 和 0.008 g/km，比 2000 年水平下降了

83%、82%、79%和 73%；其中，气态污染物的 2010 年平均车队排放因子介于

国 2 和国 3 控制技术水平之间。对于柴油公交车和柴油重型货车，其 2010 年的

CO、THC 和 PM2.5车队排放因子相对 2010 年水平分别下降了 60%~70%、80%~90%

和~80%。但是，柴油公交车和柴油重型货车的 2010 年 NOX车队排放因子相对

2000 年水平仅下降 34%和 46%，显著低于车队其他污染物排放因子的改善幅度。

这是由于加严重型柴油车排放标准对削减 NOX 排放因子没有显著作用，并且国

IV 柴油公交车采用的 SCR 后处理技术在低速拥堵工况下效果不佳（详见第 3 章）。

0

15000

30000

45000

60000

75000

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

年均行驶里程（

km

/辆）

年份

小型客车重型货车出租车/10 公交车


161

图 6.4 汽油小型客车车队排放因子，2000-2010

图 6.5 柴油公交车车队排放因子，2000-2010

图 6.6 柴油重型货车车队排放因子，2000-2010

0

10

20

30

40

50

00 05 10

排放因子（

g/k

m，

95

%C

L）

（a）CO

0

1

2

3

4

5

6

7

00 05 10

（b）THC

0

1

2

3

4

5

00 05 10

（c）NOX

0

0.01

0.02

0.03

0.04

0.05

0.06

00 05 10

（d）PM2.5

0

5

10

15

20

25

30

35

00 05 10

排放因子（

g/k

m，

95

%C

L）

（a）CO

0

1

2

3

4

5

6

7

8

00 05 10

（b）THC

0

10

20

30

40

50

00 05 10

（c）NOX

0

1

2

3

4

5

6

00 05 10

（d）PM2.5

0

5

10

15

20

25

30

35

00 05 10

排放因子（

g/k

m，

95

%C

L）

（a）CO

0

1

2

3

4

5

6

7

8

00 05 10

（b）THC

0

6

12

18

24

30

36

42

48

00 05 10

（c）NOX

0

1

2

3

4

5

6

00 05 10

（d）PM2.5


162

北京机动车排放量于 2000年起开始有显著的下降。2010年北京机动车CO、

THC、NOX 和 PM2.5 排放总量相对 1998 年水平，分别下降了 58%、59%、31%

和 62%（见图 6.7）。由于较新年份机动车排放测试数据的不断丰富，机动车排

放总量不确定性的相对区间也变小了。例如，北京机动车 NOX排放总量在 95%

置信水平的相对区间由 1998 年的-44%~+100%缩小到 2010 年的-31%~+58%。

图 6.7 北京历年机动车污染物排放量，1998-2010

0

50

100

150

200

250

199

8

199

9

200

0

200

1

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

排放量

（万吨）

年份

（a）CO

0

5

10

15

20

25

30

199

8

199

9

200

0

200

1

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

排放量（万吨）

年份

（b）THC

0

5

10

15

20

25

199

8

199

9

200

0

200

1

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0


年份

（c）NOX

0.0

0.2

0.4

0.6

0.8

1.0

1.2

1.4

199

8

199

9

200

0

200

1

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0


年份

（d）PM2.5

轻型汽油车重型柴油车

摩托车其他车队

95%置信水平区间


163

轻型汽油车排放标准的不断加严是导致 CO 和 THC 排放总量下降的最主要

原因。此外，2008 年奥运期间实施了严格的尾号限行等交通管控措施，并且延

续成为奥运后长期政策（即“五天限一天”），这些交通管控使得轻型汽油车

的车用强度得到削减，并且行驶工况得到优化。因此，2008 和 2009 年，CO 排

放总量分别下降了 19%和 10%。2010 年，由于北京小型客车保有量激增，导致

路网运行速度的下降，这使得 2010 年北京机动车 CO 和 THC 排放总量下降势头

被遏制。

PM2.5 排放削减主要得益于重型柴油车排放标准加严、柴油品质提高和老旧

车淘汰。例如，2002 和 2004 年 PM2.5排放总量的下降（分别削减 20%和 15%）

主要是由于该年份对于老旧货车和公交车实施的淘汰措施。2008 年，由于奥运

期间的交通临时管控措施和黄标车淘汰政策，该年份 PM2.5排放总量也迅速下降

（削减 20%）。

对于 NOX排放，1998 年至 2010 年间的减排幅度要低于其他污染物。尽管

轻型汽油车是保有量增长最快的车型，其平均排放因子的显著下降导致 2010 年

汽油小型客车 NOX排放总量比 1998 年下降超过 50%。但是，重型柴油车的排放

贡献在机动车 NOX排放总量的比例不断提高，由 1998 年的 41%上升到 2010 年

的57%。特别是2005年至2010年间，北京重型柴油车NOX排放量年均增加5.9%。

所以，来自轻型汽油车的NOX减排效益被重型柴油车NOX排放增长所部分抵消。

过去 10 年北京颗粒物 PM2.5中硝酸盐和硫酸盐（[NO3-]/[SO4

2-]）质量比例稳定上

升的趋势也进一步佐证了机动车排放贡献的对空气质量的影响越来越显著[56, 58]。

毫无疑问，重型柴油车 NOX 排放控制将是今后中国城市机动车排放控制的关注

重点。

本研究进一步比较了 1998 年至 2012 年北京 CO 和 NO2年均浓度值和机动

车 CO 和 NOX排放总量的变化趋势（见图 6.8）。1998 年到 2012 年，北京 CO

年均浓度从 3.3 mg/m3下降到 2010 年的 1.4 mg/m

3，下降了 58%；NO2年均浓度

从 74 µg/m3下降到 52 µg /m

3，下降了 30%。对于 CO 和 NOX/NO2，同期的机动

车排放量和全市污染物年均浓度的 Pearson 相关系数 R 分别为 0.93 和 0.84，说

明本研究所建立的多年份机动车排放趋势和环境监测历史数据具有很强的相关

性。这些结果也说明了：（1）机动车 NOX减排的挑战和难度要大于 CO；（2）

对于交通密集的特大城市（如北京），机动车排放是城市环境空气中 CO 和 NO2

的主要贡献源。


164

图 6.8 北京机动车 CO 和 NOX排放量与 CO 和 NO2年均浓度比较，1998-2012

注：2011 年和 2012 年机动车排放量与图 6.10 中“限购政策”情景下排放量一致。

6.2.2 北京机动车排放控制情景设计

北京为了缓解交通拥堵，控制机动车排放，于 2011 年 1 月起实施了小客车

摇号限购政策，每年新增机动车数量不超过 24 万辆（实际每年新增约 20 万辆）。

2013 年，北京市政府公布了《清洁空气行动计划 2013-2017》（见表 6.3），与

机动车相关的主要目标包括：（1）2017 年北京机动车总量（含农用车和特殊车

辆）不超过 600 万辆，意味着 2014 年起摇号上牌的指标削减约 40%；（2）2017

年，北京机动车汽油和柴油消耗总量相比 2012 年至少削减 5%；（3）2017 年，

北京机动车污染物排放总量削减相对 2012 年至少削减 25%。围绕这些目标，该

计划明确了未来北京主要将采取的机动车排放控制措施，如表 6.3。

0.0

0.7

1.4

2.1

2.8

3.5

4.2

0

30

60

90

120

150

全市年均浓度（

mg

/m3）

机动车排放量（万吨）

机动车CO排放量 CO年均浓度

0

20

40

60

80

100

120

0

3

6

9

12

15

全市年均浓度（μ

g/m

3）

机动车排放量（万吨）

机动车NOx排放量 NO2年均浓度


165

表 6.3 北京清洁空气行动计划 2013-2017 中列出的主要机动车排放控制措施[76, 84]


新车排放控制 2017 年前，全面实施国 6/VI 新车排放标准，在此之前配套油品满

足相应的油品质量标准；

在用车排放控制 2013 至 2017 年间，淘汰 100 万辆老旧车，其中包括在 2015 年前

淘汰所有的黄标车；

推广替代燃料与先

进动力车辆技术

2017 年前，大力推广替代燃料和先进动力在公共车队和私人车队

的应用，特别是在公交和出租等公共车队；

发展公共交通建设公交专用道和快速公交系统，到 2017 年城区公共交通（含轨

道交通）出行比例达到 52%；

交通管控与经济措

施

（1）进一步加严小客车限购政策，2014 年起；

（2）交通拥堵费计划（研究中）；

（3）进一步提高市区拥堵区域的停车费。

本研究首先设计了不同政策情景下的北京机动车增长方案，即“限购政策”

和“无限购政策”。在“限购政策”情景下，北京 2020 年机动车保有量将达到

615 万辆（不含农用车和特殊车辆），其中微型和小型客车保有量将达到 558 万

辆。本研究根据 Gompertz 函数[6, 13]，结合城市人口增长和经济发展，对在“无

限购政策”情景下的城市机动车增长趋势进行了预测。在“无限购政策”的情

景下，北京 2020 年机动车保有量将达到 944 万辆，其中微型和小型客车保有量

达到 890 万辆（图 6.9）。对于其他车队，本研究根据历史增长趋势采用线性外

推的方式估计未来年保有量。2010-2020 年，预测的中型客车、大型客车、轻型

货车、中型货车和重型货车的年均增长率分别为-1.9%、3.3%、3.1%、0.1%和 5.5%，

出租车和公交车总量保持与 2013 年水平相当，摩托车注册保有量削减至约 10

万辆。


166

图 6.9 北京机动车保有量和全市客车年均速度，2010-2020

在“限购政策”情景下，本研究假设路网运行速度将保持现状水平而不进

一步恶化。而在“无限购政策”情景下，北京交通发展研究中心曾做出预测，

当机动车保有量突破 700 万辆时，高峰小时平均速度将低于 15 km/h，并且全天

其他时段的拥堵指数也将同步上升[242]。因此，本研究估计在“无限购政策”情

景下，2015 年和 2020 年北京全市客车年均速度将降低到 23.1 km/h 和 20.9 km/h

（图 6.8）。由于北京将采取更加严格的交通管控措施，并且进一步增加公共交

通的出行比例，本研究根据历史发展趋势和欧洲城市的车用强度水平预计小型

客车的年均行驶里程将逐步降低到 2020 年 12000 km/辆的水平。

《清洁空气行动计划 2013-2017》要求北京在 2017 年之前，全面实施国 6/VI

（即京 6/VI）新车排放标准，并且增加公共车队中替代燃料和先进动力车辆技

术的比例。本研究根据该计划的推广方案，计算了主要公共和社会车队中，替

代燃料和先进动力车辆技术的所占比例（见表 6.4）。其中，预计 2020 年，50%

的公交车、20%的大型客车（主要是旅游客车）和 7%的出租车将以天然气为燃

料。另外，本研究根据欧洲最新机动车排放测试和模拟结果，并参考北京机动

车排放测试结果，对于未来车辆技术的新车排放因子进行了估计，见表 6.5。

0

1

2

3

4

5

6

7

8

9

10

10 11 12 13 14 15 16 17 18 19 20

总保有量（百万辆）

（a）保有量

限购政策无限购政策

0

5

10

15

20

25

30

35

10 11 12 13 14 15 16 17 18 19 20

客车车队全市年均速度（

km

/h）

（b）平均速度



167

表 6.4 公交车、出租车和大型客车分燃料类型的保有量构成比例，2010-2020 年

车队年份分燃料类型的保有量构成比例（%）

汽油柴油混合动力 1 电动

2 天然气

3

公交车

2010 0 80 4 2 14

2015 0 50 4 9 37

2020 0 25 5 20 50

出租车

2010 100 0 0 0 0

2015 92 0 0 1 7

2020 77 0 7 9 7

大型客车

2010 25 75 0 0 0

2015 3 93 0 0 4

2010 1 79 0 0 20

1 包括柴油混合动力公交车和汽油混合动力出租车；2

包括传统的无轨电车和正在

推广的纯电动出租车和公交车；3 对于公交车和大型客车，主要推广 LNG 技术，对于

出租车，主要推广 CNG 车辆。

表 6.5 北京未来车型技术的新车排放因子

车队燃料类型排放标准排放因子（g/km）

CO THC NOX PM2.5

微型客车、小

型客车、出租

车 1

汽油国 5/国 6 0.46 0.089 0.018 0.003

天然气 2 国 5/国 6 0.46 0.089 0.018 0.003

汽油混合

动力 3

国 5/国 6 0.31 0.073 0.010 0.002

重型货车 4 柴油

国 IV （SCR） 1.65 0.08 5.08 0.08

国 V （DPF+SCR） 5 1.65 0.08 4.32 0.016

国 VI （EGR+DPF+SCR） 1.65 0.08 0.86 0.016


168

表 6.5 北京未来车型技术的新车排放因子（续）

车队燃料类型排放标准排放因子（g/km）

CO THC NOX PM2.5

公交车 6

柴油国 V （SCR） 1.55 0.06 9.50 0.094

国 VI （EGR+DPF+SCR） 1.55 0.06 4.75 0.047

柴油混合

动力 7

国 V （SCR） 1.09 0.039 8.07 0.066

国 VI （EGR+DPF+SCR） 1.09 0.039 4.03 0.033

天然气

国 V

（等当量技术点燃式发

动机）

1.55 1.28 8 5.85 0.024

国 VI

（等当量技术点燃式发

动机）

1.55 0.68 8 2.37 0.012

1 BJDC 工况下的新车排放因子，假设微型客车、小型客车和出租车新车排放因子

相同；2 天然气和混合动力技术在出租车中推广，本研究参考 COPERT4 模型结果，CNG

出租车和汽油出租车 THC 排放相同，CNG 出租车相对汽油车能够降低非甲烷碳氢

（NMHC）排放因子但具有较高的 CH4排放因子[154]；3假设混合动力出租车相对汽油出

租车的污染物排放比例与节油潜力相当（~40%）；4 重型货车在 BJTC 下的新车排放因

子； 5 由于京津冀 2015 年底才能全面供应国 V 柴油，因此假设 2016 年柴油重型货车

实施国 V 标准，且加装 DPF 控制颗粒物排放，因此假设国 V 和国 VI（假设 2017 年实

施）柴油重型货车的 PM2.5排放因子相同；6 公交车在 BJBC 工况下的排放因子，由于

SCR 在低速工况下对 NOX排放控制效果较差，本研究因此假设国 VI 柴油公交车相对国

V 柴油公交车的 NOX排放因子仅减排 50%（稳态测试循环下的排放限值下降了 80%）；

7 目前对于柴油混合动力公交车的 NOX 排放因子存在较大不确定性，因此本研究假设

其 NOX的减排与 CO2的减排效果相近；8 根据排放限值和排放模型模拟结果，假设国 V

和国 VI 天然气公交车 CH4排放因子分别为 1.1g/km 和 0.5 g/km。

6.2.3 北京机动车排放综合控制措施的减排效益分析

本研究根据 6.2.2 节所制定的排放控制策略，计算了在“限购政策”（即实

际情景）和“无限购政策”情景下的机动车排放总量，如图 6.10。在“限购政


169

策”情景下，北京 2020 年 CO、THC、NOX和 PM2.5的排放总量分别为 13.1 万

吨、1.86万吨、3.31 万吨和 0.074万吨，相对于 2010年排放总量分别下降了 74%、

68%、56%和 72%。机动车 NOX排放总量在“十二五规划”期间（2011 至 2015

年），预计减排 19%，高于全市人为源 NOX排放削减的要求（降低 12.3%）。

并且，2017 年 CO、THC、NOX和 PM2.5的机动车排放总量相对 2012 年水平，

将分别减少 42%、49%、28%和 49%，均能满足《清洁空气行动计划 2013-2017》

对于机动车污染物排放的削减目标（削减 25%）。

图 6.10 “限购政策”和“无限购政策”情景下北京机动车排放总量对比


0

1

2

3

4

5

6

7

10 11 12 13 14 15 16 17 18 19 20


（b）THC

改善交通运行状况

0

10

20

30

40

50

60

10 11 12 13 14 15 16 17 18 19 20


（a）CO

改善交通运行状况

0.00

0.05

0.10

0.15

0.20

0.25

0.30

10 11 12 13 14 15 16 17 18 19 20


（d）PM2.5

改善交通

运行状况

0

10

20

30

40

50

60

70

80

10 11 12 13 14 15 16 17 18 19 20

排放量（吨）

（c）NOX

改善交通

运行状况

减少新增小型客车减少新增小型客车

减少新增小型客车

减少新增小型客车


170

相对于“无限购情景”的机动车排放总量，2020 年“限购情景”下北京机

动车 CO、THC、NOX和 PM2.5排放总量要相对减少 42%、46%、17%和 20%。

因此，小客车限购政策对北京机动车排放总量削减起到非常重要的作用。本研

究把机动车排放总量的削减分为两部分的效益：包括来自于机动车（客车和公

交车）运行工况的改善和新增小客车数量的减少。对于 CO、THC 和 NOX，其

中 60%~70%的减排来自于机动车运行工况的改善。这说明，在机动车排放控制

水平越来越严格时，通过改善整体路网运行工况的减排作用将越来越大。需要

说明的是，“限购政策”情景包括了重型柴油车实施国 V 和国 VI 排放标准和公

共车队采用替代燃料与先进动力技术等措施。如表 6.5 所注，这些车辆技术的实

际道路排放因子还存在较大的不确定性，本研究以下将分别以公交车和重型货

车为例进行分析。

重型柴油车队是北京机动车 NOX 和 PM2.5 减排的重点关注车队。对于公交

车，由于柴油公交车在低速运行工况下 SCR 对 NOX排放控制效果较差，北京未

来将不再新增柴油公交车总量，取而代之大规模推广替代燃料和先进动力车辆

技术。如图 6.11，本研究假设基准情景（BAU）为 2010 至 2020 年仅实施国 IV

排放标准，并且没有替代燃料与先进动力技术车辆。在 BAU 情景的基础上，分

别假设仅实施国V/国VI重型柴油车排放标准和进一步推广替代燃料与先进动力

车辆技术（按综合控制策略，见表 6.3），来计算这两部分措施的减排效益。2020

年，在BAU情景下的公交车队NOX和 PM2.5排放总量分别为 13992吨和 222吨；

实施国 V 和国 VI 排放标准则可以在 BAU 基础上分别削减公交车 NOX和 PM2.5

排放总量 41%和 60%；推广替代燃料与先进动力技术则可以相对 BAU 情景进一

步削减公交车队 17%和 23%的 NOX和 PM2.5车队排放总量。换言之，若未推广

替代燃料与先进动力公交车辆，2020 年北京全市机动车 NOX和 PM2.5排放总量

则将相对综合控制策略情景（与图 6.10 中“限购政策”情景一致）都将增加 7%。


171

图 6.11 北京公交车更严格柴油车排放标准和替代燃料与先进动力车辆技术推广的

NOX与 PM2.5减排效益分析

柴油货车的减排效果主要来自于老旧车的淘汰和更严格排放标准的实施，

特别是基于 SCR 技术控制 NOX排放。因此，本研究以柴油重型货车为例，分析

了 SCR 技术实际道路效果对车队排放总量的影响。由于目前欧洲和美国关于采

用 EGR+DPF+SCR 技术的柴油货车（如符合 Euro VI 排放标准）测试结果较少，

其实际道路排放因子存在较大的不确定性[203, 204, 243]。从目前少量的排放测试数

据来看，这些采用了先进后处理技术的柴油车在冷启动、怠速等工况下 NOX 排

放因子仍然较高。因此，本研究分析不同国 VI 重型柴油车的 NOX排放因子对机

0

4000

8000

12000

16000

20000

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

排放量（吨）

（a）NOX

BAU

国V/VI

替代燃料

0

100

200

300

400

500

600

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

排放量（吨）

（b）PM2.5

BAU

国V/VI

替代燃料

综合控制策略情景下的公交车队排放总量

仅实施国V和国VI柴油中型车标准效益

进一步推广替代燃料和先进动力车辆技术效益


172

动车 NOX排放总量的影响。2013 年 7 月前，由于柴油货车未实施国 IV 排放标

准，因此柴油货车 NOX排放总量仍然不断上升，并在 2013 年达到峰值（2.68 万

吨）。若国 VI 柴油重型货车的后处理能够预期降低 NOX排放因子（为国 V 的

20%，参考限值比例），则柴油重型货车 2020 年 NOX排放总量为 1.43 万吨（与

图 6.10 的“限购政策”情景一致）。若国 VI 柴油重型货车未能预期降低 NOX

排放因子，相对削减比例仅为 50%或无削减，则 2020 年柴油重型货车 NOX排放

总量分别为 1.73 万吨和 2.24 万吨，这意味着 2020 年北京机动车 NOX排放总量

将相对图 6.10 的“限购政策”情景增加 9%和 56%。这说明，未来重型柴油车的

后处理装置能否起到预期作用，对于北京机动车 NOX 排放总量的影响很大。因

此，需要进一步加强在用车排放的监管，采用有效手段保证先进后处理技术在

实际道路工况下作用的有效发挥。

图 6.12 不同车型技术排放因子情景下的北京柴油重型货车 NOX排放量

本研究还分析了“五天限一天”交通管控措施对于小型客车 CO2 排放的影

响。图 6.12 分别展示了基于北京浮动车系统对于 2013 年 4 月北京市区典型日小

时平均速度和对应的 CO2 相对排放因子（以轻型车平均测试工况为基准）。由

于清明节前调休，因此红色线反映了无限行工作日的路网运行速度，绿色和蓝

色线则分别反映该月典型的有限行工作日和无限行双休日的路网运行速度。可

以看到，由于无限行政策，双休日拥堵时段甚至超过有限行的工作日。进一步

0

4000

8000

12000

16000

20000

24000

28000

32000

2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

排放量（吨）

国VI=20%国V (综合控制策略情景) 国VI=50%国V 国VI=国V


173

比较有无限行政策的工作日情景，实施“五天限一天”的限行政策可以改善全

天路网平均速度 13%，使得汽油小型客车的CO2相对排放因子降低 11 ± 2%（95%

CL）。如果进一步将限行政策对于交通流量削减考虑在内，则将降低市区小型

客车的 CO2排放 23 ± 5 %（95% CL）。北京小型客车在市区的出行需求占全市的

70%左右，因此，“五天限一天”对于实现 2013 至 2017 年间北京机动车能源需

求的削减目标（降低 5%）有着非常重要的作用。预计在交通压力持续保持高位

的情况下，限行政策将作为一项长期政策被继续实施。

图 6.13 有无限行政策下市区路网运行速度和汽油小型客车 CO2相对排放因子

此外，北京近年来公共交通出行比例持续上升，小客车出行比例则持续下

降。2012 年，全市居民公共交通出行比例达到 44%（不含步行），有望随着地铁、

轻轨等轨道交通的发展进一步提升。但是，自行车出行比例则持续下降，2012

年仅 13.9%，远低于欧洲其他发达国家城市水平[230]。因此，北京应重视出行模


174

式选择对于机动车排放控制的作用，积极倡导绿色交通出行。

6.3 基于路网排放清单的澳门机动车减排措施与效果分析

6.3.1 澳门机动车排放控制的单项措施设计

与北京不同，澳门政府并没有明确提出机动车排放的控制目标和控制策略。

因此，本研究首先根据澳门空气污染现状确定了澳门未来机动车排放控制的主

要减排目标，然后根据澳门机动车排放特征制定排放控制策略。

澳门统计年鉴 2012 年数据显示，污染较为严重的澳北站和水坑尾街站的

PM10年均浓度分别为 52.5 μg/m3和 64.5 μg/m

3，PM2.5年均浓度分别为 38.1 μg/m3

和 48.5 μg/m3，而 NO2浓度分别为 38.5 μg/m

3和 64.5 μg/m3。根据 2012 年修订的

《环境空气质量标准》（GB 3095-2012）两个站点 PM10处于一级浓度限值（40

μg/m3）和二级浓度限值（70 μg/m

3）之间；对于 PM2.5，澳北站和水坑尾街的年

均浓度分别超二级浓度限值（35μg/m3）的 9%和 21%；对于 NO2，澳北站刚刚

达到二级浓度限值，而水坑尾街则超过二级浓度限值 61%，成为超标最严重的

站点。此外，各监测站点的 CO 浓度结果都低于一级浓度限值。上述结果说明，

削减澳门交通排放热点地区（如水坑尾街）的 PM2.5和 NO2浓度，特别是机动车

为主要贡献源的 NO2，具有迫切现实需求。因此，本研究将主要以控制机动车

NOX排放为主要目标，协同控制其他 PM2.5重要前体物（如 THC 和一次 PM2.5）。

针对水坑尾街站点，其在 2012 年浓度基础上需降低 NO2浓度 25 µg/m3才能达到

年均 40 µg/m3的环境标准限值要求。根据 AERMOD 模拟结果显示（见第 5 章），

2010 年 11 月澳门机动车排放对该站点的 NO2浓度贡献为 50 µg/m3。如果忽略背

景、区域浓度、机动车排放贡献的时间变化，则 NOX需减排 50%左右。

根据澳门机动车排放车型分担结果（如图 5.5），机动车 NOX排放主要贡献

来自使用柴油发动机的公交车、大型客车和出租车，此外部分老旧车辆排放因

子也较高。针对公交车和大型客车，由于澳门路网运行速度较低，SCR 将很难

发挥较好作用，因此本研究重点考虑采取替代燃料车和先进动力车技术来削减

NOX 排放。对于出租车，本研究考虑采用汽油混合动力轿车替代柴油车，在减

少 CO2排放和燃油消耗成本的基础上，降低 NOX排放因子。对于小型客车、中

型客车和货车，本研究将考虑淘汰 15 年以上的车辆技术并用新车替代。摩托车

作为CO和THC的主要排放源，本研究将考虑采用电动摩托车代替轻便摩托车，


175

并且淘汰 10 年以上的重型摩托车。本研究共设计了以下 10 个单项控制情景，

如表 6.6。需要说明的是，澳门正在建设轻轨系统来缓解城市交通需求压力，并

研究控制车辆适当增长的相关经济措施，这些措施都会对未来澳门路网交通流

特征产生影响[244]。后续研究需进一步考虑这些交通经济措施对路网排放的削减

效益。

表 6.6 澳门路网排放控制的单项措施说明


公交车队推广替代

燃料和先进动力车

辆

天然气化：公交车队中车龄最高的车辆被淘汰，并采用天然气公

交车作为替代技术，替代 50%或 100%的公交车交通活动水平；

电动化：公交车队中车龄最高的车辆被淘汰，并采用纯电动车作

为替代技术，替代 50%的公交车交通活动水平

大型客车推广替代

燃料和先进动力车

辆

大型客车中车龄最高的车辆被淘汰，并采用天然气公交车作为替

代技术，替代 50%的公交车交通活动水平；

出租车推广汽油混

合动力车辆

出租车中车龄最高的车辆被淘汰，并采用汽油混合动力轿车作为

替代技术，替代 50%或 100%的出租车交通活动水平；

轻便摩托车电动化轻便摩托车中车龄最高的车辆被淘汰，并采用电动摩托车作为替

代技术，共替代 50%和 100%的电动摩托车交通活动水平；

重型摩托车老旧车

淘汰更新

淘汰 10 年以上（含 10 年）的重型摩拖车，其交通活动水平被新

车所替代；

其他车队老旧车淘

汰更新

淘汰 15 年以上（含 15 年）的小型客车、中型客车和货车，其各

自的交通活动水平被新车所替代；

6.3.2 综合控制情景的减排效益分析

根据表 6.6 建立的澳门路网排放控制的各单项措施，本研究首先利用澳门路

网排放清单，评估分析了各单项措施对于澳门路网典型日排放总量的减排效果

和热点区域面源（望德堂区和花王堂区）排放强度的减排效果，结果分别如表

6.7 和表 6.8。


176

表 6.7 澳门排放控制的各单项措施对路网排放总量的削减

措施类型排放总量削减比例

CO THC NOX PM2.5

50%公交车交通需求天然气化 0.4% -2.6% 9.6% 16.4%

100%公交车交通需求天然气化 3.1% -3.1% 19.2% 22.2%

50%公交车交通需求电动化 2.1% 1.8% 17.9% 16.1%

50%大型客车交通需求天然气化 1.0% -0.8% 5.7% 9.4%

50%出租车交通需求汽油混合动力化 -0.6% -1.3% 5.0% 15.3%

100%出租车交通需求汽油混合动力化 1.3% 0.7% 10.0% 22.9%

50%轻便摩托车交通需求电动化 8.5% 28.4% 0.5% 4.0%

100%轻便摩托车交通需求电动化 17.9% 42.1% 2.0% 4.1%

淘汰 10 年（含）以上重型摩托车 5.8% 4.3% 0.1% 0.4%

淘汰其他车队 15 年以上（含）老旧车 12.6% 13.0% 7.3% 13.9%

1 削减幅度为负表示路网排放增加；2

公交车和轻便摩托车的电动化情景下，未考

虑上游电力生产过程中的污染物排放。


177

表 6.8 澳门路网排放控制的各单项措施对热点区域面源排放强度的削减

措施类型热点区域面源排放强度削减

CO THC NOX PM2.5

50%公交车交通需求天然气化 1.6% -0.8% 12.8% 21.9%

100%公交车交通需求天然气化 2.9% -2.9% 24.6% 32.2%

50%公交车交通需求电动化 1.9% 1.7% 23.0% 23.3%

50%大型客车交通需求天然气化 0.3% -0.3% 2.7% 4.6%

50%出租车交通需求汽油混合动力化 0.4% 0.2% 4.4% 10.8%

100%出租车交通需求汽油混合动力化 0.8% -2.1% 7.6% 16.6%

50%轻便摩托车交通需求电动化 10.8% 31.1% 1.8% 5.2%

100%轻便摩托车交通需求电动化 19.9% 44.2% 3.0% 7.1%

淘汰 10 年（含）以上重型摩托车 6.4% 4.5% 0.2% 0.6%

淘汰其他车队 15 年以上（含）老旧车 10.2% 11.7% 6.9% 11.4%

上述分析结果表明，对于公交车和大型客车采取天然气化或电力化对于

NOX和 PM2.5的减排效果最佳。此外，对于出租车采用汽油混合动力技术进行替

代和其他车队的老旧车淘汰更新，对于澳门路网排放的 NOX 和 PM2.5 也有较为

明显的减排效果。对于摩托车的排放控制，包括对轻便摩托车的电动化和老旧

重型摩托车的控制，主要削减路网 CO 和 THC 的排放。需要说明的是，上述各

单项措施对于 NOX排放削减均无法满足本研究的预期目标（减排 50%），因此

需要建立多车队协同减排的综合控制情景，如表 6.9。


178

表 6.9 澳门路网排放控制综合控制情景


公交车和大型客车推广

替代燃料和先进动力车

辆

公交车队和大型客车中车龄最高的车辆被淘汰，其中 50%的

交通需求被天然气车所替代，30%的交通需求被电动车所替

代；

出租车推广汽油混合动

力车辆出租车 100%混合动力化；

轻便摩托车电动化轻便摩托车 100%纯电动化

重型摩托车老旧车淘汰

更新

淘汰 10 年以上（含 10 年）的重型摩拖车，其交通活动水平

被 2010 年注册的重型摩拖车所替代；

其他车队老旧车淘汰更

新

淘汰 15 年以上（含 15 年）的小型客车、中型客车和货车，

其各自的交通活动水平被新车所替代；

本研究利用澳门路网排放清单，对于表 6.9 所建立的路网排放综合控制情景

进行了减排效果分析。结果显示，澳门路网 CO、THC、NOX和 PM2.5排放在上

述综合控制情景下，分别减少了 41%、62%、51%和 72%；热点排放区域的面源

排放强度分别降低了 40%、62%、49%和 70%。这说明，采取表 6.10 所建立的

严格的综合控制情景，基本能满足 NOX减排 50%左右的目标，并实现大幅度削

减其他污染物排放的效果。

6.4 小结

（1）建立了北京 1998 年至 2010 年机动车排放清单。尽管期间机动车保有

量增加了近 3 倍，但由于北京实施了一系列严格的机动车排放控制措施，机动

车 CO、THC、NOX和 PM2.5排放总量分别下降了 58%、59%、31%和 62%，并

且 CO 和 NOX的机动车排放量与北京 CO 和 NO2的年均浓度下降趋势具有很强

的相关性。但是，重型柴油车 NOX排放在 2005 至 2010 年间年均上升近 6%，成

为北京 NOX排放总量控制和城市空气质量改善的重点关注车型。

（2）基于《清洁空气行动计划 2013-2017》建立了北京未来年机动车排放


179

综合控制情景。研究显示在实施上述综合控制措施的情景下，北京 2020 年机动

车 CO、THC、NOX和 PM2.5排放总量相对于 2010 年水平分别下降了 74%、68%、

56%和 72%。本研究分析显示，小客车限购政策可以使 2020 年的机动车 CO、

THC、NOX和 PM2.5排放总量相对“无限购情景”减少 42%、46%、17%和 20%，

且气态污染物大部分的减排来自于交通运行状态的相对改善。研究结果还显示，

北京机动车 NOX 排放量存在较大不确定性，特别和未来重型柴油车所采用的后

处理装置 SCR 的实际道路工作效果存在很大关系。

（3）根据澳门路网排放特征和交通流特征，建立了 10 个单项排放控制措

施，并应用路网排放清单工具对各单项措施的减排效果进行了定量分析。在各

单项措施中，公交车和大型客车的天然气化或电力化对于 NOX 和 PM2.5 的减排

效果最佳。对于出租车采用汽油混合动力技术进行替代及其他车队的老旧车淘

汰更新，对于澳门路网排放的 NOX 和 PM2.5 也有较为明显的减排效果。对轻便

摩托车的电动化和老旧重型摩托车淘汰更新能够显著削减路网 CO 和 THC 的排

放。

（4）为实现澳门水坑尾街监测站 NO2 达标，研究确定了澳门机动车 NOX

排放削减 50%的减排目标。本研究建立了澳门路网排放综合控制情景，结果显

示该综合控制情景能够分别削减澳门路网 CO、THC、NOX 和 PM2.5 排放 41%、

62%、51%和 72%。

第 7 章结论与建议

180


7.1 结论

本研究收集了 1634 辆轻型汽油车的台架测试数据和 263 辆各类技术车辆的

实际道路车载测试数据，建立了中国典型城市的机动车排放因子模型，并分析

了排放控制水平、交通运行特征和其他车辆使用条件对单车技术排放因子的影

响规律。本研究对北京 1998 至 2010 年机动车排放总量和不确定性进行了定量

评估，并建立综合排放控制措施，对北京机动车未来排放趋势和主要措施的减

排效果进行了分析。本研究对澳门路网交通流量、技术构成和运行状态等交通

流特征进行了采样分析，建立了具有车型、时间和空间高分辨率的路网排放清

单，并利用 AERMOD 模型的污染物扩散模拟结果对排放清单进行了验证。在此

基础上确定以削减机动车排放对 NO2 浓度贡献为主要目标，建立了澳门路网排

放综合控制情景。本研究得到以下主要结论：

（1）随着新车排放标准的不断加严，轻型汽油车气态污染排放因子显著下

降，国 4 轻型汽油车 CO、THC 和 NOX相对于国 0 水平下降都超过 97%。但是，

车载测试数据显示，轻型柴油车和重型柴油车的 NOX 排放因子没有显著改善。

例如，采用 SCR 后处理技术的北京国 IV 柴油公交车，尽管 CO、THC 和 PM2.5

显著降低，但 NOX在城市拥堵的低速工况下依然高达 11.8 g/km，和国 II、国 III

排放水平接近。

（2）轻型汽油车实际道路的 CO2 排放因子显著高于其型式认证测试结果，

因此需要采用更能反映实际道路行驶特征的法规测试规程。轻型柴油车 CO2 排

放因子比相近年份的轻型汽油车降低了 22%。中国在 2012 年前未实施重型车温

室气体排放法规，不同年份组别间的柴油公交车CO2排放因子没有显著性差异。

（3）改装的汽油-LPG 双燃料轻型车在燃用 LPG 时，气态污染物和 CO2排

放显著高于相近排放控制水平的汽油轻型车；汽油混合动力轿车能够显著削减

气态污染物和 CO2 排放。对于公交车，柴油混合动力技术能够实现典型工况下

的 NOX和 CO2排放的协同控制。天然气（CNG 和 LNG）公交车的 CO2排放因

子与柴油公交车相当，但能有效降低 NOX和 PM2.5。和基于 SCR 技术的国 V 柴

油公交车相比，混合动力和天然气公交车能够更好地控制城市低速工况下的

NOX排放。


181

（4）本研究以短时连续交通流的平均速度表征交通运行状态，基于 PEMS

测试数据建立了速度修正曲线，该方法可以更好地定量分析“路段-路网”尺度

下交通因素对机动车排放的影响。对于 CO2 排放，本研究显示除汽油混合动力

外的车辆技术与平均速度都有较强到极强的相关性，其中轻型车的拟合系数 R2

高达 0.9。研究显示平均速度低于 30 km/h 的工况下，CO2相对排放因子随着拥

堵程度的增加而显著增加。本研究发现在加大负载重量和使用空调的情况下，

大部分测试公交车的 CO2排放因子会增加。使用空调的情况下，加装 SCR 的混

合动力公交车的 CO2排放因子增加近 50%，但排气温度的显著提高导致 NOX排

放因子降低了近 40%。

（5）本研究建立了澳门路网典型日分区域分道路类型的总车流量、车型分

布的平均速度日变化规律，并利用 TransCAD 5.0 分析了路网流量的空间分布特

征。结果显示，80%的交通流量集中于澳门半岛，其交通流密度显著高于路氹地

区。澳门半岛密集的交通出行压力导致其交通拥堵严重，主干道和次干道/居民

路拥堵时段的平均速度低于 20 km/h。

（6）2010 年北京机动车 CO、THC、NOX和 PM2.5的排放量分别为 50.5 万

吨、5.87 万吨、7.41 万吨和 0.262 万吨。基于蒙特卡洛的不确定性分析显示北京

2010 年机动车排放量呈现出偏态分布。在 95%置信水平上，CO、THC、NOX和

PM2.5排放总量的相对分布区间分别为-22%~+61%，-30%~+53%，-27%~+39%和

-29%~+55%。

（7）1998 年至 2010 年间，尽管北京机动车保有量增加了近 3 倍，严格的

机动车排放控制措施实施使得北京机动车 CO、THC、NOX和 PM2.5排放总量分

别下降了 58%、59%、31%和 62%。CO 和 NOX 的机动车排放量与北京 CO 和

NO2的年均浓度下降趋势具有很强的相关性。但是，重型柴油车 NOX排放在 2005

至 2010 年间年均上升近 6%，成为北京 NOX排放总量控制和城市空气质量改善

的重点关注车型。

（8）本研究根据《清洁空气行动计划 2013-2017》建立了北京机动车排放

综合控制措施，2020 年机动车 CO、THC、NOX 和 PM2.5 排放总量相对于 2010

年水平分别下降了 74%、68%、56%和 72%。研究显示，包括限行和限购在内的

交通政策对于北京机动车污染物和温室气体的削减具有重要作用。替代燃料和

先进动力车辆技术将成为拥堵工况下削减重型柴油车 NOX 和 PM2.5 排放的重要

途径。此外，采用有效的在用车排放监管措施来保障重型柴油车的先进后处理


182

装置（如 SCR）的高效工作，也是实现未来机动车排放控制的关键。

（9）本研究建立了具有车型、时间和空间高分辨率的澳门全路网排放清单。

澳门 2010 年典型日 CO、THC、NOX和 PM2.5排放总量分别为 17.53 吨、3.60 吨、

5.04 吨和 0.28 吨。与北京不同，摩托车是 CO 和 THC 排放的最主要贡献车型，

公交车、大型客车和出租车等柴油客运车辆则是 NOX和 PM2.5的主要贡献车型。

本研究发现澳门路网排放呈现出与交通流特征相关的时空分布特征，澳门半岛

由于交通流密集，面源排放强度显著高于路氹地区。

（10）利用 AERMOD 模型模拟了澳门路网排放对 CO 和 NO2的浓度贡献。

澳门半岛的交通排放对 CO 和 NO2 污染物浓度贡献要高于路氹地区，机动车排

放成为交通密集区域监测站点 NO2 浓度超标的主要原因。本研究以削减澳门路

网 NOX 排放为主要目标，结合澳门机动车技术特征和路网交通流特征建立了排

放控制措施。结果显示，在交通密度很大的澳门实现 NOX 排放显著削减的挑战

巨大，需要综合多项措施才能实现 NOX减排 50%的目标。

7.2 建议

（1）新车辆技术的排放因子仍然存在较大的不确定性。例如，缸内直喷技

术在轻型汽油车中得到更加广泛的应用，CNG/LNG 公交车除采用等当量技术发

动机外还有采用了稀燃发动机，混合动力技术也存在多种技术路线。有研究显

示，采用稀燃发动机的 CNG 公交车的 NOX排放因子显著高于采用等当量技术发

动机的 CNG 公交车。后续研究应进一步收集这些新车辆技术的排放测试数据，

研究其排放特征及影响因素。

（2）本研究未对机动车排放控制措施削减城市空气中 O3和 PM2.5的浓度影

响进行研究。因此，可以进一步考虑采用多层嵌套的空气质量模型（如

AERMOD/CMAQ），对城市机动车排放控制策略的空气质量改善效益进行研究。

在此基础上，建立“交通流-机动车排放-污染物浓度”的多级响应关系，用于机

动车排放控制和空气质量改善的科学决策。

（3）中国正在不断完善和加严机动车燃料消耗和温室气体的法规，未来研

究应该以温室气体和主要污染物排放（特别是 PM2.5和 NOX）为协同控制目标，

建立国家层面和典型区域的机动车排放控制战略。考虑到替代燃料和先进动力

车辆技术在中国得到大力推广，应结合车辆使用特征（如车辆行驶工况）和能


183

源情景（如电力和天然气的上游情景）对这些新能源技术的排放控制效益进行

全生命周期的评价。

（4）积累交通流数据定量分析路网排放清单的不确定性分析。进一步完善

基于交通流特征的路网清单技术，特别是开发能够应用于更大规模的城市（如

北京）甚至城市群的路网排放清单技术。分析外地车对于北京机动车排放的贡

献和空气质量的影响。利用大数据手段获取大样本的实时交通流数据，实现城

市机动车高分辨率排放清单的动态更新。

（5）中国正在深化城市化进程，城市人口规模不断增加，城市用地不断向

郊区发展，部分发达地区的城市群不断形成。应需要认真研究城市化进程中出

行特征和排放特征的变化规律，研究如何利用规划和交通政策控制车辆活动水

平和影响出行模式选择，积极发挥绿色出行（如公共交通和慢行交通）在控制

城市机动车排放的作用。

参考文献

184

参考文献

[1] 国家统计局. 中国统计年鉴 2011. 北京: 中国统计出版社, 2013

[2] 中国汽车技术研究中心, 中国汽车工业协会. 中国汽车工业年鉴, 2013

[3] U.S. Department of Transportation. Data and Statistics. http://www.rita.dot.gov

[4] 中国汽车工业协会. 2013 年中国汽车产销量双超 2000 万辆再创全球最高纪录

[N/OL]. 观察者, 2014-1-10 [2014-2-21].

http://www.guancha.cn/Industry/2014_01_10_198941.shtml

[5] Statistics Bureau of Japan. Japan Statistical Yearbook. http://www.stat.go.jp

[6] Huo, H., Wang, M. Modeling future vehicle sales and stock in China. Energy Policy, 2012,

43: 17-29

[7] Wang, Y., Teter, J., Sperling, D. China’s soaring vehicle population: even greater than

forecasted? Energy Policy, 2011, 39: 3296–3306

[8] Hao, H., Wang, H., Ran, Y. Hybrid modeling of China’s vehicle ownership and projection

through 2050. Energy, 2011, 36(2): 1351-1361

[9] 发改委能源研究所. 中国 2050 低碳发展之路. 2009

[10] International Energy Agency (IEA). World Energy Outlook. 2011

[11] 清华大学中国车用能源研究中心. 中国车用能源展望 2012. 北京: 科学出版社, 2012

[12] Wu, Y., He, K., Liu, H., et al. Projection of Chinese automobile growth and CO2 emissions

through 2030 with different propulsion/fuel system scenarios. Report of Tsinghua-Toyota

Cooperation Research Project (TT-2010-04), 2011

[13] Wu, Y., Yang, Z., Lin, B., et al. Energy consumption and CO2 emission impacts of vehicle

electrification in three developed regions of China. Energy Policy, 2012, 48: 537-550

[14] 国家统计局. 中国能源统计年鉴 2011. 北京: 中国统计出版社, 2011

[15] 吴烨. 城市交通环境颗粒物污染特征研究[博士学位论文]. 北京: 清华大学, 2002.

[16] Wu, Y., Hao, J., Fu, L., et al. Vertical and horizontal profiles of airborne particulate matter

near major roads in Macao, China. Atmospheric Environment, 2002, 36(31): 4907-4918.

[17] Karner, A.A., Eisinger, D.S., Niemeier, D.A. Near-roadway air quality: synthesizing the

findings from real-world data. Environmental Science & Technology, 2010, 44(14):

5334-5344

[18] Zhu, Y., Hinds, W.C., Kim, S., et al. Concentration and size distribution of ultrafine

particles near a major highway. Journal of the Air & Waste Management Association, 2002,

52(9): 1032-1042

[19] Zhu, Y., Hinds, W.C., Kim, S., et al. Study of ultrafine particles near a major highway with

heavy-duty diesel traffic. Atmospheric Environment, 2002, 36(27): 4323-4335

参考文献

185

[20] Wang, Y.J., Zhang, K.M. Modeling near-road air quality using a computational fluid

dynamics model, CFD-VIT-RIT. Environmental Science & Technology, 2009, 43(20):

7778-7783

[21] Wang, Y.J., Nguyen, M.T., Steffens, J.T., et al. Modeling multi-scale aerosol dynamics and

micro-environmental air quality near a large highway intersection using the CTAG model.

Science of the Total Environment, 2013, 443: 375-386

[22] Carslaw, D.C., Beevers, S.D., Tate, J.T., et al. Recent evidence concerning higher NOx

emissions from passenger cars and light duty vehicles. Atmospheric Environment, 2011,

45(39): 7053-7063

[23] Wu, Y., Yang, L., Zheng, X., et al. Characterization and source apportionment of particulate

PAHs in the roadside environment in Beijing. Science of the Total Environment, 2014,

470-471: 76-83

[24] Song, W., Wu, Y., Jiang, J., et al. Chemical characteristics of size-resolved PM2.5 at a

roadside environment in Beijing, China. Environmental Pollution, 2012, 161: 215-221

[25] 严晗, 吴烨, 张少君, 等. 北京典型道路交通环境机动车黑碳排放与浓度特征研究 .

环境科学学报, 2014 (发表中).

[26] Song, W., Wu, Y., Xu, J., et al. Black carbon at a roadside site in Beijing: Temporal

variations and relationships with carbon monoxide and particle number size distribution.

Atmospheric Environment, 2013, 77: 213-221

[27] 杨柳. 基于交通流控制的城市交通环境颗粒物污染特征研究[博士学位论文]. 北京:

清华大学, 2011.

[28] Phuleria, H.C., Sheesley, R.J., Schauer, J.J., et al. Roadside measurements of

size-segregated particulate organic compounds near gasoline and diesel-dominated

freeways in Los Angeles, CA. Atmospheric Environment, 41(22): 4653-4671

[29] Reche, C., Querol, X., Alastuey, A., et al. New considerations for PM, Black Carbon and

particle number concentration for air quality monitoring across different European cities.

Atmospheric Chemistry and Physics, 2011, 11: 6207-6227

[30] Nisbet, C., LaGoy, P. Toxic equivalency factors (TEFs) for polycyclic aromatic

hydrocarbons (PAHs). Regul Toxicol Pharmacol, 1992, 16: 290-300

[31] Taioli, E., Sram, R.J., Garte, S., Effects of polycyclic aromatic hydrocarbons (PAHs) in

environmental pollution on exogenous and oxidative DNA damage (EXPAH project):

description of the population under study. Mutation Research, 2007, 620: 1-6

[32] World Health Organization. Polynuclear aromatic hydrocarbons (PAH), Air quality

guidelines for Europe. WHO Regional Office for Europe, Copenhagen, 2000.

[33] Wei, Y., Han, I., Hu, M., et al. Personal exposure to particulate PAHs and anthraquinone

and oxidative DNA damages in humans. Chemosphere, 2010, 81(10): 1280-1285

参考文献

186

[34] Valavanidis, A., Fiotakis, K., Vlachogianni, T. Airborne particulate matter and human

health: Toxicological assessment and importance of size and composition of particles for

oxidative damage and carcinogenic mechanisms. Journal of Environmental Science and

Health Part C, 2008, 26(4): 339-362

[35] Benbrahim-Tallaa, L., Baan, R.A., Grosse, Y., et al. Carcinogenicity of diesel-engine and

gasoline-engine exhausts and some nitroarenes. Lancet Oncol, 2012, 13(7): 663-664

[36] Saikawa, E., Kurokawa, J., Takigawa, M., et al. The impact of China's vehicle emissions on

regional air quality in 2000 and 2020: a scenario analysis. Atmospheric Chemistry and

Physics, 2011, 11: 9465-9484

[37] Zhao, C., Wang, Y., Zeng, T. East China plain: a “basin” of ozone pollution. Environmental.

Science & Technology, 2009, 43(6): 1911-1915

[38] Dong, D., Shao, M., Li, Y., et al. Carbonyl emissions from heavy-duty diesel vehicle

exhaust in China and the contribution to ozone formation potential. Journal of

Environmental Sciences, 2014, 26(1): 122-128

[39] Wang, Y., Hao, J., McElory, M.B., et al. Ozone air quality during the 2008 Beijing

Olympics: effectiveness of emission restrictions. Atmospheric Chemistry and Physics,

2009, 9: 5237-5251

[40] Zhang, Y., Wang, W., Wu, S., et al. Impacts of updated emission inventories on source

apportionment of fine particle and ozone over the southeastern U.S. Atmospheric

Environment, 2014, 88: 133-154

[41] May, A.A., Presto, A.A., Hennigan, C.J., et al. Gas-particle partitioning of primary organic

aerosol emissions: (1) Gasoline vehicle exhaust. Atmospheric Environment, 2013, 77:

128-139

[42] May, A.A., Presto, A.A., Hennigan, C.J., et al. Gas-particle partitioning of primary organic

aerosol emissions: (1) Diesel vehicles. Environmental Science & Technology, 2013, 47(15):

8288-8296

[43] Blanchard, C.L., Tanenbaum, S., Hidy, G.M. Source attribution of air pollutant

concentrations and trends in the Aoutheastern Aerosol Research and Characterization

(SEARCH) network. Environmental Science & Technology, 2013, 47(23): 13536-13545

[44] Wang, J., Wang, Y., Liu, H., et al. Diagnostic identification of the impact of meteorological

conditions on PM2.5 concentrations in Beijing. Atmospheric Environment, 2013, 81:

158-165

[45] Cheng, Z., Wang, S., Jiang, J. et al. Long-term trend of haze pollution and impact of

particulate matter in the Yangtze River Delta, China. Environmental Pollution, 2013, 182:

101-110

参考文献

187

[46] 谢一凇, 李东辉, 李凯涛, 等. 基于地基遥感的灰霾气溶胶光学及微物理特性观测.

遥感学报, 2013, 4: 975-979

[47] Cao, C., Jiang, W., Wang, B., et al. Inhalable microorganisms in Beijing’s PM2.5 and PM10

pollutants during a severe smog event. Environmental Science & Technology, 2014, 48(3):

1499-1507

[48] Cheng, Z., Jiang, J., Fajardo, O., et al. Characteristics and health impacts of particulate

matter pollution in China (2001–2011). Atmospheric Environment, 2013, 65: 186-194

[49] Shindell, D., Faluvegi, G., Walsh, M., et al. Climate, health, agricultural and economic

impacts of tight vehicle-emission standards. Nature Climate Change, 2011, 1: 59-66

[50] Pui, D.Y.H., Chen, S., Zuo, L. PM2.5 in China: Measurements, sources, visibility and health

effects, and mitigation. Particuology, 2013, In press

[51] Kumar, P., Gurjar, B.R., Nagpure, A.S., et al. Preliminary estimates of nanoparticle number

emissions from road vehicles in megacity Delhi and associated health impacts.

Environmental Science & Technology, 2011, 45(13): 5514-5521

[52] Wang S, Xing J, Chatani S, et al. Verification of anthropogenic emissions of China by

satellite and ground observations. Atmospheric Environment, 2011, 45: 6347-6358

[53] Wang, S., Hao, J. Air quality management in China: Issues, challenges, and options.

Journal of Environmental Sciences, 2012, 24(1): 2-13

[54] Wang, S., Zhao, M., Xing, J., et al. Quantifying the air pollutants emission reduction during

2008 Olympics Games in Beijing. Environmental Science & Technology, 44(7): 2490-2496

[55] Zhao, B., Wang, S.X., Liu, H., et al. NOX emissions in China: historical trends and future

perspectives. Atmospheric Chemistry and Physics, 2013, 13(19): 9869-9897.

[56] He, K., Yang, F., Ma, Y., et al. The characteristics of PM2.5 in Beijing, China. Atmospheric

Environment, 2001, 35(29): 4959-4970

[57] 李培, 王新, 柴发合, 等. 我国城市大气污染控制综合管理对策. 环境与可持续发展,

2011, 36(5): 8-14

[58] Yang, F., Tan, J., Zhao, Q., et al. Characteristics of PM2.5 speciation in representative

megacities and across China. Atmospheric Chemistry and Physics, 2011, 11, 5207-5219

[59] Fu, X., Wang, S., Wang, J., et al. Emission inventory of primary pollutants and chemical

speciation in 2010 for the Yangtze River Delta region, China. Atmospheric Environment,

2013, 70, 39-50

[60] 黄成, 陈长虹, 李莉, 等. 长江三角洲地区人为源大气污染物排放特征研究. 环境科

学学报, 2011, 31(9): 1858-1871

[61] Chan, C.K., Yao, X. Air pollution in mega cities in China. Atmospheric Environment, 2008,

42(1): 1-42

参考文献

188

[62] Fang, M., Chan, C.K., Yao, X. Managing air quality in a rapidly developing nation: China.

Atmospheric Environment, 2009, 43(1): 79-86

[63] Lin, J., Nielsen, C.P., Zhao, Y., et al. Recent changes in particulate air pollution over China

observed from space and the ground: effectiveness of emission control. Environmental


[64] Richter, A., Burrow, J.P., Nüß, H., et al. Increase in tropospheric nitrogen dioxide over

China observed from space. Nature, 437(7055): 129-132

[65] Zhang, Q., Streets, D.G., He, K., et al. NOX emission trends for China, 1995–2004: The

view from the ground and the view from space. Journal of Geographic Research:

Atmospheres, 2007, 112(D22): 1984-2012

[66] Zhang, Q., Streets, D.G., Carmichael, G.R., et al. Asian emissions in 2006 for the NASA

INTEX-B mission. Atmospheric Chemistry and Physics, 2009, 9(14): 5131-5153

[67] 北京市环保局 . 北京副市长详解 PM2.5 来源八项应对措施 [N/OL]. 京华时报 ,

2012-1-14 [2012-03-13], http://env.people.com.cn/GB/16876601.html

[68] BBC news. Smog and sandstorm engulf China's capital [N/OL]. 2013-2-28 [2013-4-5],

http://www.bbc.co.uk/news/world-asia-china-21612150

[69] CNN news. Beijing adopts emergency measures for 'hazardous' pollution [N/OL].

2013-1-16 [2013-4-5], http://edition.cnn.com/2013/01/14/world/asia/china-smog-blanket

[70] 国家环保部, 国家质量监督检验检疫总局. 环境空气质量标准(GB3095-2012). 北京:

中国环境科学出版社, 2012

[71] Zhang, Q., He, K., Huo, H. Cleaning China’s air. Nature, 2012, 484(7393): 161-162

[72] Wu, Y., Zhang, S., Li, M., et al. The challenge to NOX emission control for heavy-duty

diesel vehicles in China. Atmospheric Chemistry and Physics, 2012, 12, 9365-9379

[73] Liu, H., Wang, X., Zhang, J., et al. Emission controls and changes in air quality in

Guangzhou during the Asian Games. Atmospheric Environment, 2013, 76: 81-93

[74] Liu, H., Wang, X.M., Pang, J.M., et al. Feasibility and difficulties of China's new air

quality standard compliance: PRD case of PM2.5 and ozone from 2010 to 2025.

Atmospheric Chemistry and Physics, 2013, 13(23): 12013-12027

[75] 国务院. 大气污染防治行动计划 [N/OL]. 中国人民共和国中央 2013

[76] 北京市人民政府. 北京市清洁空气行动计划（2013-2017） [N/OL]. 北京日报, 2013-9-2

[2013-10-2]. http://www.bj.xinhuanet.com/bjyw/2013-09/13/c_117351459.htm

[77] 上海市人民政府. 上海市清洁空气行动计划（2013-2017）[N/OL]. 中国上海, 2013-11-7

[2014-1-4].

http://www.shanghai.gov.cn/shanghai/node2314/node2319/node29366/node29367/u21ai81

1957.html

参考文献

189

[78] 郝吉明, 傅立新, 贺克斌, 等. 城市机动车排放污染控制-国际经验分析与中国的研究

成果. 北京: 中国环境科学出版社, 2011

[79] Fung, F., He, H., Sharpe, B., et al. Overview of China’s vehicle emission control program.

The International Council on Clean Transportation, 2011.

http://www.theicct.org/overview-chinas-vehicle-emission-control-program

[80] Wu, Y., Wang, R., Zhou, Y., et al. On-road vehicle emission control in Beijing: past, present,

and future. Environmental Science & Technology, 2011, 45(1): 147-153

[81] Hao, J., Hu, J., Fu, L. Controlling vehicular emissions in Beijing during the last decade.

Transportation Research Part A, 40(8): 639-651

[82] Wang, H., Fu, L., Zhou, Y., et al. Trends in vehicular emissions in China’s mega cities from

1995 to 2005. Environmental Pollution, 2010, 158(2): 394-400

[83] Zhang, S., Wu, Y., Liu, H., et al. Historical evaluation of vehicle emission control in

Guangzhou based on a multi-year emission inventory. Atmospheric Environment, 2013, 76:

32-42

[84] Zhang, S., Wu, Y., Wu, X., et al. Historic and future trends of vehicle emissions in Beijing,

1998-2020: A policy assessment for the most stringent vehicle emission control program in

China. Atmospheric Environment, 2014, 89: 216-229

[85] Che, W., Zheng, J., Wang, S., et al. Assessment of motor vehicle emission control policies

using Model-3/CMAQ model for the Pearl River Delta region, China. Atmospheric

Environment, 2011, 45(9): 1740-1751

[86] 国家科技部. 中国开始节能与新能源汽车大规模商业化示范运行[N/OL]. 新华网,

2008-12-12 [2010-1-9].

http://news.xinhuanet.com/newscenter/2008-12/12/content_10495627.htm

[87] Zhang, S., Wu, Y., Liu, H., et al. Real-world fuel consumption and CO2 emissions of urban

public buses in Beijing. Applied Energy, 2014, 114, 1645-1655

[88] 国家环保部. 中国机动车污染防治年报 2013. 国家环保部, 2014-1-26 [2014-1-30].

http://www.mep.gov.cn/gkml/hbb/qt/201401/t20140126_266973.htm

[89] 全国人民代表大会. 中华人民共和国国民经济和社会发展第十二个五年规划纲要

[N/OL]. 人民网, 2011-3-17 [2011-9-20]. http://finance.people.com.cn/GB/14164290.html

[90] 国家环保部. 2012 年中国环境状况公报. 国家环保部, 2013.

http://jcs.mep.gov.cn/hjzl/zkgb/2012zkgb/

[91] 广州市交通规划研究所. 2011 年广州市交通发展年度报告. 2012

[92] Zhou, Y., Wu, Y., Yang, L., et al. The impact of transportation control measures on emission

reductions during the 2008 Olympic Games in Beijing, China. Atmospheric Environment,

2010, 44(3): 285-293

参考文献

190

[93] Kousoulidou, M., Fontaras, G., Ntziachristos, L., et al. Use of portable emissions

measurement system (PEMS) for the development and validation of passenger car emission

factors. Atmospheric Environment, 2013, 64, 329-338

[94] Liu, H., He, K., Barth, M. Traffic and emission simulation in China based on statistical

methodology. Atmospheric Environment, 2011, 45(5): 1154-1161

[95] Wang, Z., Wu, Y., Zhou, Y., et al. Real-world emissions of gasoline passenger cars in

Macao and their correlation with driving conditions. International Journal of

Environmental Science and Technology, 2013, In press

[96] Hu, J., Wu, Y., Wang, Z., et al. Real-world fuel efficiency and exhaust emissions of

light-duty diesel vehicles and their correlation with road conditions. Journal of

Environmental Sciences, 2012, 24(5): 865-874

[97] Smit, R., Brown, A.L., Chan, Y.C. Do air pollution emissions and fuel consumption models

for roadways include the effects of congestion in the roadway traffic flow?. Environmental

Modelling & Software, 2008, 23(10-11): 1262-1270

[98] 清华大学. 北京奥运期间措施实施后效果评估(研究报告). 2009

[99] 人民日报. 北京机动车按尾号每周停驶一天[N/OL]. 中央政府门户网站, 2008-10-14

[2012-2-12]. http://www.gov.cn/jrzg/2008-10/14/content_1120049.htm

[100] 冯苏苇, 马祖琦, 余凯. 上海私车牌照拍卖政策效果分析. 综合运输, 2011, 1: 36-41

[101] Hao, H., Wang, H., Ouyang, M. Comparison of policies on vehicle ownership and use

between Beijing and Shanghai and their impacts on fuel consumption by passenger

vehicles. Energy Policy, 2011, 39(2): 1016-1021

[102] 北京市人民政府 . 北京市小客车数量调控暂行规定 [N/OL]. 新华网 , 2010-12-23

[2011-5-6]. http://www.bjjtgl.gov.cn/publish/portal0/tab63/info21956.htm

[103] 财新网. 贵阳发布“限购令” 成第二个摇号购车城市[N/OL]. 腾讯汽车, 2011-7-14

[2012-8-23]. http://auto.qq.com/a/20110714/000219.htm

[104] 羊城晚报 . 广州中小客车“限牌”[N/OL]. 羊城晚报 , 2012-7-1 [2012-8-23].

http://www.ycwb.com/ePaper/ycwb/html/2012-07/01/content_1428659.htm

[105] 中国新闻网. 天津今日起汽车限购明年 3 月 1 日起尾号限行[N/OL]. 新浪新闻,

2013-12-16 [2014-1-9]. http://news.sina.com.cn/c/2013-12-16/070228993848.shtml

[106] 中国汽车工业协会. 国内下一个汽车限购城市或是深圳[N/OL]. 中国行业研究网,

2013-12-20 [2014-2-12]. http://www.chinairn.com/news/20131220/090218470.html

[107] 南京日报. 江苏控制汽车保有量限购限牌前须征求民意[N/OL]. 中国南京,

2013-11-27 [2014-2-12].

http://www.nanjing.gov.cn/njgov/xxzx/mjxw/201311/t20131127_2203709.html

[108] 张富兴. 城市车辆行驶工况的研究[硕士学位论文]. 武汉: 武汉理工大学, 2005

参考文献

191

[109] 国家环保总局, 国家质量监督检验检疫总局. 轻型汽车排气污染物排放限值及测量方

法(中国 III、IV 阶段) GB18352.3-2005. 北京: 中国标准出版社, 2005

[110] Fontaras, G., Dilara, P., 2012. The evolution of European passenger car characteristics

2000-2010 and its effects on real-world CO2 emissions and CO2 reduction policy. Energy

policy 49, 719-730.

[111] Mock, P., German, J., Bandivadekar, A., Riemersma, I. Discrepancies between

type-approval and real-world fuel consumption and CO2 values in 2001-2011 European

passenger cars. The International Council on Clean Transportation, 2012.

http://www.theicct.org/fuel-consumption-discrepancie

[112] Mock, P., German, J., Bandivadekar, A., et al. From laboratory to road. The International

Council on Clean Transportation, 2013. http://www.theicct.org/laboratory-road

[113] Weiss, M., Bonnel, P., Hummel, R., et al. On-road emissions of light-duty vehicles in

Europe. Environmental Science & Technology, 2011, 45 (19): 8575-8581

[114] Weiss, M., Bonnel, P., Kühlwein, J., et al. Will Euro 6 reduce the NOX emissions of new

diesel cars? – Insights from on-road tests with Portable Emissions Measurement Systems

(PEMS). Atmospheric Environment, 2012, 62: 657-665

[115] Huo, H., Yao, Z., He, K., et al. Fuel consumption rates of passenger cars in China: labels

versus real-world. Energy Policy, 2011, 39: 7130-7135

[116] Rubino, L., Bonnel, P., Hummel, R., et al. Mobile measurement of pollutant emissions and

fuel consumption of road vehicles in real-world driving situations using portable emission

measurement systems (PEMS) (final report). Joint Research Center (JRC) of European

Commission, 2007.

http://ec.europa.eu/clima/policies/transport/vehicles/docs/2007_pems_jrc_413194_en.pdf

[117] 胡京南, 郝吉明, 傅立新, 等. 机动车排放车载实验及模型模拟研究. 环境科学, 2004,

25(3): 19-25

[118] 胡京南. 机动车尾气 PM2.5排放特征研究[博士学位论文]. 北京: 清华大学, 2005

[119] 姚志良. 基于车载测试（PEMS）技术的柴油机动车排放特征研究[博士学位论文]. 北

京: 清华大学, 2008

[120] U.S. Environmental Protection Agency. Final rule on in-use testing program for heavy-duty

diesel engines and vehicles (regulatory announcement) EPA420-F-05-021. Washington,

D.C., 2005

[121] 北京市环保局, 北京市质量技术监督局. 重型汽车排气污染物排放限值及测量方法

（车载法） DB11/965-2013. 北京, 2013

[122] Liu, H., He, K., Lents, J. M. et al. Characteristics of diesel truck emission in china based on

portable emissions measurement systems. Environmental Science & Technology, 2009,

43(24): 9507–9511

参考文献

192

[123] Huo, H., Yao Z., Zhang, Y., et al. On-board measurements of emissions from light duty

gasoline vehicles in three mega-cities of China. Atmospheric Environment, 2012, 49:

371-377≤

[124] Huo, H., Yao Z., Zhang, Y., et al. On-board measurements of emissions from diesel trucks

in five cities in China. Atmospheric Environment, 2012, 54: 159-167

[125] Yao, Z., Huo, H., Zhang, Q., et al. Gaseous and particulate emissions from rural vehicles in

China. Atmospheric Environment, 2011, 45(18): 3055-2061

[126] Liu, Z., Ge, Y., Johnson, K.C., et al. Real-world operation conditions and on-road

emissions of Beijing diesel buses measured by using portable emission measurement

system and electric low-pressure impactor. Science of the Total Environment, 2011, 409:

1476-1480

[127] Wang, A., Ge, Y., Tan, J., et al. On-road pollutants emission and fuel consumption

characteristics of buses in Beijing. Journal of Environmental Sciences, 2011, 23(3):

419-426

[128] Zhang, Y., Stedman, D.H., Bishop, G.A., et al. Worldwide on-road vehicle exhaust

emissions study by remote sensing. Environmental Science & Technology, 1995, 29: 2286–

2294.

[129] 周昱, 傅立新, 杨万顺, 等. 北京机动车排放遥感监测分析. 环境污染治理技术与设

备, 2005, 6(10): 91-94

[130] Guo, H., Zhang, Q., Shi, Y., et al. On-road remote sensing measurements and fuel-based

motor vehicle emission inventory in Hangzhou, China. Atmospheric Environment, 2007,

41: 3095-3107.

[131] Chan, T.L., Ning, Z., Leung, C.W., et al. On-road remote sensing of petrol vehicle

emissions measurement and emission factors estimation in Hong Kong. Atmospheric

Environment, 2004, 38: 2055-2066.

[132] Smit, R., Bluett, J. A new method to compare vehicle emissions measured by remote

sensing and laboratory testing: High-emitters and potential implications for emission

inventories. Science of the Total Environment, 2011, 409: 2626-2634

[133] Lee, T., Frey, H.C. Evaluation of representativeness of site-specific fuel-based vehicle

emission factors for route average emissions. Environmental Science & Technology, 2012,

46(12): 6867-6873

[134] Westerdahl, D., Fruin, S., Sax, T., et al. Mobile platform measurements of ultrafine

particles and associated pollutant concentrations on freeways and residential streets in Los

Angeles. Atmospheric Environment, 2005, 39: 3597-3610

参考文献

193

[135] Westerdahl, D., Wang, X., Pan, X., et al. Characterization of on-road vehicle emission

factors and microenvironmental air quality in Beijing, China. Atmospheric Environment,

2009, 43(3): 697-705

[136] Wang, X., Westerdahl, D., Wu, Y., et al. On-road emission factor distribution of individual

diesel vehicles in and around Beijing, China. Atmospheric Environment, 2011, 45: 503-513

[137] Wang, X., Westerdahl, D., Hu, J., et al. On-road diesel emission factor for nitrogen oxides

and black carbon in two Chinese cities. Atmospheric Environment, 2012, 46: 45-55

[138] Liggio, J., Gordon, M., Brook, J.R., et al. Are emissions of black carbon from gasoline

vehicles underestimated? Insights from near and on-road measurements. Environmental


[139] Ho, K., Ho, S., Lee, S., Cheng, Y., Chow, J., Watson, J., Louie, P., Tian, L. Emissions of

gas- and particle-phase polycyclic aromatic hydrocarbons (PAHs) in the Shing Mun Tunnel,

Hong Kong. Atmospheric Environment, 2009, 43: 6343-6351

[140] Forestieri, S.D., Collier, S., Kuwayama, T., et al. Real-time black carbon emission factor

measurements from light duty vehicles. Environmental Science & Technology, 2013,

47(22): 13104–13112

[141] Verbeek, R., Vermeulen, R., Vonk, W., et al. Real world NOX emissions of Euro V vehicles.

TNO report, 2010

[142] Ligterink N, Patuleia A, Koorneef. Current state and emission performance of CNG/LNG

heavy-duty vehicles. TNO report, 2013

[143] Bishop, G.A., Schuchmann, B.G., Steman, D.H Heavy-duty truck emissions in the South

Coast Air Basin of California. Environmental Science & Technology, 2013, 47: 9523-9529

[144] 安明颖. 基于车载波状态的微观尾气排放问题研究[硕士学位论文] 北京: 北京交通大

学, 2007

[145] Rakha, H., Ahn, K., Trani, A. Development of VT-Micro model for estimating hot

stabilized light duty vehicle and truck emissions. Transportation Research Part D, 2004,

9(1): 49-74

[146] Jimenez-Palacio, J. Understanding and quantifying motor vehicle emissions and vehicle

specific power with TILDAS remote sensing [Ph.D. Dissertation]. U.S.: Massachusetts

Institute of Technology, 1999

[147] Andrei, P. Real-world heavy-duty vehicle emissions modeling [Master thesis]. U.S.: West

Virginia University, 2001

[148] Koupal, J., Landman, L., Nam, E., et al. MOVES2004 energy and emission inputs (Draft

report), EPA-420-P-05-003. Washington, D. C.: U.S. Environmental Protection Agency,

2005

[149] Center for Environmental Research and Technology, College of Engineering, University of

California at Riverside (CE-CERT), Global Sustainable Systems Research (GSSR), the

参考文献

194

International Sustainable Systems Research Center (ISSRC). IVE Model User Manual:

Version 2.0 (Attachment B and Attachment C). 2008. http://www.issrc.org/ive

[150] U.S. Environmental Protection Agency. Draft Report of Development of Emission Rates

for Heavy-Duty Vehicles in the Motor Vehicle Emissions Simulator, EPA-420-P-09-005.

Washington, D. C.: U.S. Environmental Protection Agency, 2009

[151] 王宏图, 于雷, 郝邵艳, 等. 重型机动车比功率计算方法研究. 安全与环境工程, 2011,

18(2): 124-128

[152] 刘欢. 城市交通信息与机动车排放二级映射耦合模型研究[博士学位论文]. 北京: 清

华大学, 2008

[153] U.S. Environmental Protection Agency. Final facility-specific speed correction factors.

Washington D.C.: U.S. EPA, 2001

[154] Ntziachristos, L., Samaras, Z. EMEP/EEA emission inventory guidebook 2009. European

Environment Agency, 2009. http://eea.europa.eu/emep-eea-guidebook

[155] Smit, R., Poelman, M., Schrijver, J. Improved road traffic emission inventories by adding

mean speed distributions. Atmospheric Environment, 2008, 42: 916-926

[156] Barth, M., An, F., Norbeck, J. et al. Modal emissions modeling: A physical approach.

Transportation Research Record: Journal of the Transportation Research Board, 1996,

1520(1): 81-88

[157] 王海鲲. 基于车速和 VSP 的轻型车油耗与排放模拟研究[博士学位论文]. 北京: 清华

大学, 2009

[158] Wang, H., Fu, L. Developing a high-resolution vehicular emission inventory by integrating

an emission model and a traffic model: Part 1-Modeling fuel consumption and emissions

based on speed and vehicle-specific power. Journal of the Air & Waste Management

Association, 2010, 60(12): 1463-1470

[159] Wang, H., Fu, L., Chen, J. Developing a high-resolution vehicular emission inventory by

integrating an emission model and a traffic model: Part 2- A case study in Beijing. Journal

of the Air & Waste Management Association, 2010, 60(12): 1471-1475

[160] 霍红. 基于交通流特征的轻型车路段排放研究[博士学位论文]. 北京: 清华大学, 2005

[161] Huo, H., Zhang, Q., He, K., et al. High-resolution vehicular emission inventory using a

link-based method: a case study of light-duty vehicles in Beijing. Environmental Science &

Technology, 2009, 43(7): 2394-2399

[162] Wang, H., Fu, L., Lin, X., et al. A bottom-up methodology to estimate vehicle emissions for

the Beijing urban area. Science of the total environment, 2009, 407(6): 1947-1953

[163] 程颖. 面向油耗排放测算的浮动车数据集成粒度优化研究[硕士学位论文]. 北京: 北

京交通大学, 2011

参考文献

195

[164] 傅立新, 贺克斌, 何东全, 等. MOBILE汽车源排放因子计算模式研究. 环境科学学报,

1997, 17(4): 474-479

[165] 霍红, 贺克斌, 王歧东.机动车污染排放模型研究综述. 环境污染与防治, 2006, 28(7):

526-530

[166] 马因韬, 刘启汉, 雷国强, 等. 机动车排放模型的应用及其适用性比较. 北京大学学

报: 自然科学版, 2009, 44(2): 308-316

[167] U.S. Environmental Protection Agency. Description and history of the MOBILE highway

vehicle emission factor model [N/OL]. U.S. Environmental Protection Agency [2013-7-3].

http://www.epa.gov/otaq/models/mob-hist.htm

[168] 谢绍东, 宋翔宇,申新华.应用 COPERT III 模型计算中国机动车排放因子. 环境科学,

2006, 27(3): 415-419

[169] Cai, H., Xie, S. Estimation of vehicular emission inventories in China from 1980 to 2005.

Atmospheric Environment, 2007, 41(39): 8963-8979

[170] California Air Resource Bureau. EMFAC2011 technical documentation (updated Jan 2013).

California Air Resource Bureau, [2014-2-11].

http://www.arb.ca.gov/msei/emfac2011-technical-documentation-final-updated-0712-v03.p

df

[171] Haan, P.D., Keller, M. Modelling fuel consumption and pollutant emissions based on

real-world driving patterns: the HBEFA approach. International Journal of Environment

and Pollution, 2004, 22(3): 240-258

[172] Katsis, P., Ntziachristos, L., Mellios, G. Description of new elements in COPERT4 V10.0.

2012, [2013-7-19]. http://www.emisia.com/files/COPERT4_v10_0.pdf

[173] Shen, H., Tao, S., Wang, R., et al. Global time trends in PAH emissions from motor

vehicles. Atmospheric Environment, 2011, 45: 2067-2073.

[174] Yan, F., Winijkul, E., Jung, S., et al. Global emission projections of particle matter (PM): I.

Exhaust emissions from on-road vehicles. Atmospheric Environment, 2011, 45: 4830-4844.

[175] Yan, F., Winijkul, E., Bond, et al. Global emission projections of particulate matter (PM): II.

Uncertainty analyses of on-road vehicle exhaust emissions. Atmospheric Environment,

2014, In press

[176] Song, W., He, K., Lei, Y. Black carbon emissions from on-road vehicles in China,

1990-2030. Atmospheric Environment, 2012, 46: 320-328

[177] Xing, J., Wang, S.X., Chatani, S., et al. Projections of air pollutant emissions and its

impacts on regional air quality in China in 2020. Atmospheric Chemistry and Physics, 2011,

11: 3119-3136

[178] 周昱. 基于交通流的城市机动车排放模型研究[博士学位论文]. 北京: 清华大学, 2010

参考文献

196

[179] 李孟良, 朱西产, 张建伟, 等. 典型城市车辆行驶工况构成的研究. 汽车工程, 2006,

27(5): 557-560

[180] 中国汽车技术研究中心, 清华大学, 北京理工大学, 等. 建立北京市流动源排放因子

模型(项目报告). 2010.

[181] Zhang, S., Wu, Y., Liu, H., et al. Real-world fuel consumption and CO2 emissions by

driving conditions for light-duty passenger vehicles in China. Energy, 2014, 69: 247-257

[182] Horiba. 汽车尾气排放测试分析仪 MEXA-7200LE [N/OL]. [2013-12-3].

http://www.horiba.com/cn/automotive-test-systems/products/emission-measurement-syste

ms/analytical-systems/standard-emissions/details/mexa-7200sle-901/

[183] U.S. Environmental Protection Agency. AP-42: Compilation of air pollutant emission

factors, highway vehicles Appendix H. 1995 [2011-11-23]

http://www.epa.gov/otaq/ap42.htm

[184] U.S. Environmental Protection Agency. Determination of running emissions as a function

of mileage for 1981-1993 model year light-duty cars and trucks, EPA-420-R-02-002. 2002,

[2011-11-23]. http://www.epa.gov/oms/models/mobile6/r02002.pdf

[185] Liu, H., He, K., He, D., et al. Analysis of the impacts of fuel sulfur on vehicle emissions in

China. Fuel, 2008, 87(13-14): 3147-3154

[186] Blumberg, K., He, K.., Zhou, Y., et al. Cost and benefits of reduced sulfur fuels in China.

The International Council of Clean Transportation, 2006, [2011-12-18].

http://www.theicct.org/costs-and-benefits-reduced-sulfur-fuels-china

[187] 清华大学. 国 V 标准对北京市机动车排放物减排的影响研究(研究报告). 2012

[188] 魏巍, 王书肖, 郝吉明. 中国人为源 EC-排放清单不确定性研究. 环境科学, 2011,

32(2): 305-312.

[189] 魏巍. 中国人为源挥发性有机化合物的排放现状及未来趋势[博士学位论文]. 北京:

清华大学, 2009

[190] 钟流举, 郑君瑜, 雷国强, 等. 大气污染物排放源清单不确定性定量分析方法及案例

研究. 环境科学研究, 2007, 20(4): 15-20

[191] Wu, Y., Streets, D., Wang, S., et al. Uncertainties in estimating mercury emissions from

coal-fired power plants in China. Atmospheric Chemistry and Physics, 2010, 10:

2937-2947

[192] Frey, H.C., Zheng, J. Probabilistic analysis of driving cycle-based highway vehicle

emission factors. Environmental Sciences & Technology, 2002, 36 (23): 5184-5191

[193] Kioutsioukis, I., Tarantola, S., Saltelli, A., et al. Uncertainty and global sensitivity analysis

of road transport emissions estimates. Atmospheric Environment, 2004, 38, 6609-6620

[194] Andrade, C., Livermore, S., Meyers, M. Professional WPF Programming: .NET

Development with the Windows Presentation Foundation. Wrox, 2008

参考文献

197

[195] Yao, Z., Wang, Q., He, K. et al. Characteristics of real-world vehicular emissions in

Chinese cities. Journal of the Air & Waste Management Association, 2007, 57: 1379-1386

[196] Grice, S., Stedman, J., Kent, et al. Recent trends and projections of primary NO2 emissions

in Europe. Atmospheric Environment, 2009, 43(13): 2154-2167

[197] Beevers, S.D., Westmoreland, E., de Jong, M.C., et al. Trends in NOX and NO2 emissions

from road traffic in Great Britain. Atmospheric Environment, 2012, 54: 107-116

[198] Chen, Y., Borken-Kleefeld, J. Real-driving emissions from cars and light commercial

vehicles – Results from 13 years remote sensing at Zurich/CH. Atmospheric Environment,

2014, 88: 157-164

[199] 国家质量监督检验检疫总局, 国家标准化管理委员会. 轻型汽车燃料消耗量试验方法

(GB/T19233-2008). 2008

[200] Wagner, D.V., An, F., Wang, C. Structure and impacts of fuel economy standards for

passenger cars in China. Energy Policy, 2009, 37(10): 3803-3811

[201] Wang, Z., Jin, Y., Wang, M. New fuel consumption standards for Chinese passenger

vehicles and their effects on reductions of oil use and CO2 emissions of the Chinese

passenger vehicle fleet. Energy Policy, 2010, 38: 5242-5250

[202] Gkatzoflias, D., Ntziachristos, L. COPERT4 v8.0. 2010 [2013-7-19].

http://www.emisia.com/files/COPERT4_v8_0.pdf

[203] Johnson, T.V. Vehicular emissions in review. SAE International Journal of Engines, 2012,

5(2): 216-234

[204] Misra, C., Collins, J.F., Herner, J.D., et al. In-use NOX emissions from Model Year 2010

and 2011 heavy-duty diesel engines equipped with aftertreatment devices. Environmental

science & technology, 2013, 47(14): 7892-7898

[205] Velders, G.J.M., Geilenkirchen, G.P., Lange, R.d., Higher than expected NOX emission

from trucks may affect attainability of NO2 limit values in the Netherlands. Atmospheric

Environment, 2011, 45: 3025-3033

[206] Muncrief, R. Proposed China national fuel consumption standards for new commercial

HDVs. The International Council on Clean Transportation, 2013 [2013-2-24],

http://www.theicct.org/proposed-china-national-fuel-consumption-standards-new-commerc

ial-hdvs

[207] 国家质量监督检验检疫总局, 国家标准化管理委员会. 重型商用车辆燃料消耗量测量

方法(GB/T28740-2011). 2011

[208] 国家质量监督检验检疫总局, 国家标准化管理委员会. 重型商用车辆燃料消耗量限值

(第一阶段)(QC/T 924-2011). 2011

[209] 国家工业与信息化部. 国家标准《重型商用车辆燃料消耗量限值》编制说明[N/OL].

2012-9-19, [2013-12-18].

参考文献

198

http://www.miit.gov.cn/n11293472/n11293832/n12845605/n13916913/n14830201.files/n1

4830172.pdf

[210] 广州市环境监测中心站, 清华大学, 广东工业大学, 等. 广州市机动车排气污染防治

措施环境效益研究项目(研究报告). 2011

[211] Leung, V., Slow diffusion of LPG vehicles in China-Lessons from Shanghai, Guangzhou

and Hong Kong. Energy Policy, 2011, 39: 3720-3731

[212] Ma, L., Geng, J., Li, W., et al. The development of natural gas as automotive fuel in China.

Energy Policy, 2013, 62: 531-539

[213] 解淑霞, 胡京南, 鲍晓峰, 等.天然气-汽油双燃料车实际道路排放特性研究. 环境科学

学报, 2011, 31(11): 2347-2353

[214] Fontaras, G., Pistikopoulos, P., Samaras, Z. Experimental evaluation of hybrid vehicle fuel

economy and pollutant emissions over real-world simulation driving cycles. Atmospheric

environment, 2008, 42(18): 4023-405

[215] Hallquist, Å.M., Jerksjö, M., Fallgren, H., et al. Particle and gaseous emissions from

individual diesel and CNG buses. Atmospheric Chemistry and Physics, 2013, 13(10):

5337-5350

[216] Yoon, S., Collins, J., Thiruvengadam, A., et al. Criteria pollutant and greenhouse gas

emissions from CNG transit buses equipped with three-way catalysts compared to

lean-burn engines and oxidation catalyst technologies. Journal of the Air & Waste

Management Association, 2013, 63(8): 926-933

[217] Hallmark, S.L., Wang, B, Sperry, R. Comparison of on-road emissions for hybrid and

regular transit buses. Journal of the Air & Waste Management Association, 2013, 63(10):

1212-1220

[218] 李孟良, 刘伏萍, 陈燕涛, 等. 基于 PEMS的混合动力客车排放和油耗性能评价. 江苏

大学学报: 自然科学版, 2006, 27(1): 27-30.

[219] Barnitt, R. In-use performance comparison of hybrid electric, CNG, and diesel buses at

New York City transit. SAE international technical paper, 2008: 2008-01-1556

[220] 北京市交通委员会, 北京市发展和改革委. 北京市“十二五”时期交通发展建设规划

[N/OL]. 2012-7, [2012-10-18].

http://www.bjjtw.gov.cn/gzdt/ghjh/gh/201208/P020120815615484727467.pdf

[221] 澳门地图绘制暨地籍局. 澳门堂区分布. 2014 [2014-3-10].

http://www.dscc.gov.mo/images/knowledge/geo/Freguesias.jpg

[222] 陈汉平. 澳门特别行政区时间地图的研究[硕士学位论文]. 广州: 华南师范大学, 2003

[223] Zhou, Y., Wu, Y., Zhang, S., et al. Evaluating the emission status of light-duty gasoline

vehicles and motorcycles in Macao with real-world remote sensing measurement. Journal

of Environmental Sciences, 2014, In press.

参考文献

199

[224] 马骥,裴玉龙. TransCAD 软件在城市交通规划中的开发与应用. 哈尔滨建筑大学学报,

2002, 35(5): 118-122

[225] 陆化普. 交通规划理论与方法. 北京: 清华大学出版社, 1998

[226] 卢佳斌. “OD 反推”技术在城市交通需求预测中的应用研究[硕士学位论文]. 广州: 华

南理工大学, 2011

[227] Nielsen, O.A., Frederiksen, R.D., Simonsen, N. Stochastic user equilibrium traffic

assignment with turn-delays in intersections. International Transactions in Operational

Research, 1998, 5(6): 555-568

[228] 朱琳, 于雷, 宋国华, 等. 基于浮动车数据的交通拥堵时间维度特征. 北京交通大学

学报: 自然科学版, 2012, 35(6): 7-12

[229] 北京交通发展研究中心. 北京交通发展年报. 2005-2013

[230] 北京交通发展研究中心. 北京交通运行报告. 2008-2012

[231] 北京交通发展研究中心. 道路交通运行分析报告. 2012-2013

[232] 北京交通大学, 北京交通发展研究中心. 建立北京市机动车排放动态信息数据库(研

究报告). 2010

[233] 北京市统计局. 北京统计年鉴 2013. 北京: 中国统计出版社, 2013

[234] Tang, D., Ding, Y., Yin. H., et al. Developing a first-ever national mobile source emissions

inventory for China. 2011 [2012-7-19].

http://www.epa.gov/ttn/chief/conference/ei18/session2/wagner.pdf, 2011.

[235] Huo, H., Zhang, Q., He, K., et al. Vehicle-use intensity in China: Current status and future

trend. Energy Policy, 2012, 43: 6-16

[236] U.S. Environmental Protection Agency. User’s guide for the AMS/EPA Regulatory

Model-AERMOD. 2012.

[237] Chen, H., Bai, S., Eisinger, D., et al. Predicting near-road PM2.5

concentrations. Transportation Research Record: Journal of the Transportation Research

Board, 2009, 2123(1): 26-37

[238] Misra, A., Roorda, M.J., MacLean, H.L. An integrated modelling approach to estimate

urban traffic emissions. Atmospheric Environment, 2013, 73: 81-91

[239] Vallamsundar, S., Lin, J. MOVES and AERMOD used for PM2.5 conformity hot spot air

quality modeling. Transportation Research Record: Journal of the Transportation Research

Board, 2012, 2270(1): 39-48

[240] 清华大学. 澳门环境空气质量标准研究(年度报告). 2013

[241] 香港环境保护署. 2010 年香港空气质素. 2011, [2013-8-14].

http://www.aqhi.gov.hk/api_history/tc_chi/report/files/AQR2010c_final.pdf

参考文献

200

[242] 北京交通发展研究中心. 5 年后北京机动车将达 700 万高峰时速低于 15 公里[N/OL].

北京晚报, 2010-8-24, [2012-5-6]. http://news.hexun.com/2010-08-24/124692611.html

[243] Vermeulen, R., Dekker, H., Vonk, W. Real-world NOX emission factors of Euro V and Euro

VI heavy-duty vehicles. TNO report (TNO-060-DTM-2012-01193), 2012 [2013-10-5].

http://www.tno.nl/downloads/real_world_nox_emissions_euro_v_vi_heavy_duty_vehicles.

pdf

[244] 澳门交通事务局. 澳门陆路整体交通运输政策(2010-2020).

http://www.dsat.gov.mo/ptt/sc/index.html

致谢

201

致谢

衷心感谢导师傅立新教授指引我进入机动车排放控制的研究领域，并对

我学习、科研和生活提供关怀和支持。傅老师治学严谨，思路创新，言传身

教将使我终身受益！

衷心感谢吴烨副研究员在我攻读博士学位期间给予的精心指导，论文倾

注了吴老师的心血和汗水，在此谨向吴老师致以崇高的敬意和衷心的感谢!

感谢刘欢副教授、周昱博士、美国环保部 Charles N. Freed 博士在学术研

究和论文写作中提供的帮助。感谢美国康奈尔大学 Max Ke Zhang 教授对我在

Cornell University 交换访问提供的帮助和指导。感谢大气所全体老师的关怀和

指导！感谢多年学习生活中休戚与共的学友吴潇萌、束嘉威、郑亚莉、黄睿

昆、严晗和李振华等的支持和协助。感谢中国汽车技术研究中心、北京理工

大学、中国环境科学研究院、北京工商大学和北京汽车研究所有限公司等机

构提供的测试数据支持。

本论文承蒙科技部与澳门环保局 863 项目，国家自然科学基金项目和北京

市科委项目的资助，特此致谢。

谨以此论文献给一直给予支持我的父母和朋友！

声明

202

声明

本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行

研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学

位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的

研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。

签名：日期：

附录

203

附录

表 1 基于速度工况台架测试的轻型汽油车排放因子速度修正曲线

排放标准污染物拟合公式

国 0 与国 1

CO Cs = 0.000803 · v2 − 0.08686 · v + 2.89040

THC Cs = 0.000756 · v2 − 0.09596 · v + 3.20891

NOX Cs = 0.00068 · v2 − 0.06201 · v + 2.25169

国 2

CO Cs = 0.00124 · v2 − 0.13992 · v + 4.1240

THC Cs = 0.000947 · v2 − 0.11255 · v + 3.72672

NOX Cs = 0.000574 · v2 − 0.05774 · v + 2.21859

国 3

CO Cs = 0.000896 · v2 − 0.10641 · v + 3.39741

THC Cs = 0.000961 · v2 − 0.11436 · v + 3.77570

NOX Cs = 0.000522 · v2 − 0.05339 · v + 2.13576

国 4

CO Cs = 0.000660 · v2 − 0.07357 · v + 2.62040

THC Cs = 0.00102 · v2 − 0.11013 · v + 3.39667

NOX Cs = 0.000769 · v2 − 0.07516 · v + 2.56750

附录

204

表 2 轻型汽油车燃油含硫量修正系数

污染物排放标准油品质量标准及对应的含硫量要求

国 2 前国 2（500 ppm）1 国 3（150 ppm）国 4（50 ppm）

CO

国 2 前 1 0.968 0.817 0.774

国 2 1 0.809 0.767

国 3 1 0.821

国 4 1

THC

国 2 前 1 0.963 0.825 0.783

国 2 1 0.805 0.735

国 3 1 0.923

国 4 1

NOX

国 2 前 1 0.986 0.950 0.917

国 2 1 0.890 0.835

国 3 1 0.914

国 4 1

1 为对应车用汽油品质标准的硫含量限值。

附录

205

表 3 轻型汽油车 I/M 制度排放修正因子（使用双怠速相对 ASM 的修正系数）

排放标准累积行驶里程

（1000 km）

污染物类型

CO THC NOX PM2.5

国 0

<80 1.11 1.11 1.02 1.10

80-160 1.11 1.11 1.11 1.11

>160 1.11 1.11 1.18 1.11

国 1 到国 4

<80 1.09 1.05 1.01 1.02

80-160 1.11 1.11 1.05 1.10

>160 1.11 1.11 1.08 1.11

附录

206

表 4 重型柴油车燃油含硫量修正系数

污染物排放标准

油品质量标准及对应的含硫量要求

国 II 前国 II

（500 ppm）1

国 III

（350 ppm）

国 IV

（50 ppm）

CO

国 II 前 1 0.932 0.901 0.837

国 II 1 0.915 0.735

国 III 1 0.909

国 IV 1

THC

国 II 前 1 1 1 1

国 II 1 1 1

国 III 1 1

国 IV 1

NOX

国 II 前 1 0.983 0.966 0.948

国 II 1 0.960 0.902

国 III 1 0.933

国 IV 1

PM2.5

国 II 前 1 0.840 0.801 0.629

国 II 1 0.801 0.697

国 III 1 0.818

国 IV 1

1 为对应车用柴油品质标准的硫含量限值。

附录

207

表 5 重型柴油车排放因子负载系数修正

相对额定载重的负载系数污染物类型

THC CO NOX PM2.5

0 1.00 0.87 0.83 0.90

50% 1.00 1.00 1.00 1.00

60% 1.00 1.07 1.09 1.05

75% 1.00 1.16 1.21 1.13

90% 1.00 1.26 1.34 1.21

附录

208

表 6 轻型车实际道路车载排放测试的车辆信息

序

号

燃油类

型 1

地点

2

车型生产

年份

总质

量

(kg)

累积里程

(km)

燃油经济

性标准 3

排放

标准

1 G GZ VW Jetta 1994 1425 229252 I 阶段前国 0

2 G GZ VW Polo 2004 1497 144393 I 阶段前国 1

3 G GZ VW Santana 1994 1595 118733 I 阶段前国 0

4 G GZ VW Passat 2001 1795 89695 I 阶段前国 1

5 G GZ Greatwall 1996 1800 812566 I 阶段前国 0

6 G GZ Nissan 2001 1825 87023 I 阶段前国 1

7 G GZ GM Buick 2004 2398 95023 I 阶段前国 1

8 G GZ Mitsubishi 1992 2600 ~500000 I 阶段前国 0

9 G GZ Chery 2007 1475 88955 I 阶段国 3

10 G GZ Southeast 2005 1510 139215 I 阶段国 2

11 G GZ VW Jetta 2005 1550 104145 I 阶段国 2

12 G GZ Toyota

Corolla 2006 1600 76826 I 阶段国 3

13 G GZ Hyundai

Sonata 2007 1680 43841 I 阶段国 3

14 G GZ GM Buick 2005 2480 78563 I 阶段国 2

15 G BJ Hyundai

Elantra 2009 1500 43412 II 阶段国 4

16 G BJ Hyundai

Elantra 2009 1500 14411 II 阶段国 4

17 G BJ Hyundai

Elantra 2009 1500 42331 II 阶段国 4

18 G BJ Hyundai

Elantra 2009 1500 48013 II 阶段国 4

19 G BJ Hyundai

Elantra 2009 1500 45056 II 阶段国 4

20 G BJ Hyundai

Elantra 2009 1500 74096 II 阶段国 4

21 G BJ Hyundai

Elantra 2009 1500 40861 II 阶段国 4

22 G BJ Hyundai

Elantra 2009 1500 183990 II 阶段国 4

23 G BJ Hyundai

Elantra 2009 1500 140099 II 阶段国 4

附录

209

24 G BJ Hyundai

Elantra 2009 1500 149358 II 阶段国 4

25 G BJ Hyundai

Elantra 2009 1500 134517 II 阶段国 4

26 G MO Daihatsu

Cuore 1992 1040 66713

27 G MO Mitsubishi

Lancer 1991 1120 159707

28 G MO Ford fiesta 1997 1349 86437

29 G MO Daihatsu

Charade 1994 1350 69671

30 G MO Toyota

corolla 1996 1465 107113

31 G MO Toyota

corolla 1997 1515 76350

32 G MO Mazda

new323 1998 1565 103651

33 G MO Suzuki Swift 2006 1470 26694

34 G MO Toyota echo

verso 2002 1530 52904

35 G MO Toyota echo

verso 2002 1530 57403

36 G MO Toyota

Corolla 2004 1555 71884

37 G MO Toyota

Corolla 2004 1555 75008

38 G MO Honda Civic 2006 1680 15443

39 G MO Honda Civic 2007 1680 78764

40 G MO Toyota

Camry 2002 1935 36989

41 G MO Toyota Voxy 2006 1920 69900

42 D MO Toyota

Corolla 2002 1405 791572

43 D MO Toyota

Corolla 2002 1405 842805

44 D MO Toyota

Corolla 2002 1405 >1000000

45 D MO Mazda 323 1998 1600 >1000000

46 D MO Toyota

Corolla 2003 1630 757940

47 D MO Toyota 2005 1630 547646

附录

210

Corolla

48 D MO Toyota

Corolla 2006 1630 569324

49 D MO Toyota

Corolla 2006 1630 634272

50 D MO Toyota

Corolla 2007 1630 372194

51 D MO Toyota

Corolla 2005 1630 687171

52 D MO Toyota

Corolla 2007 1695 210830

53 D MO Toyota

Corolla 2009 1695 135743

54 D MO Peugeot 406 2002 1870 1065000

55 D MO Hyundai

Sonata 2008 2150 144000

56 D MO Hyundai

Sonata 2007 2150 371966

57 D MO Hyundai

Sonata 2007 2150 262065

58 LPG GZ VW Santana 2008 1595 329901 国 3



61 HEV MO Toyota Prius

II 2006 1725 29541

62 HEV MO Toyota Prius

III 2010 1805 249

1 G 为汽油，D 为柴油，LPG 为液化石油气，HEV 为汽油混合动力；

2 GZ 为广州，

BJ 为北京， MO 为澳门； 3 燃油经济性法规指中国轻型车燃料消耗标准。

个人简历、在学期间发表的学术论文与研究成果

211


个人简历

1987 年 1 月 5 日出生于江苏省常州市。

2005 年 8 月考入清华大学环境学院（原环境科学与工程系），2009

年 7 月本科毕业并获得工学学士学位。

2009 年 8 月免试进入清华大学环境学院攻读环境工程博士学位至今。

已发表的学术论文

[1] Zhang S, Wu Y, Liu H, Huang R, Yang L, Li Z, Fu L, Hao J. Real-world

fuel consumption and CO2 emissions of urban public buses in Beijing.

Applied Energy, 2014, 113: 1645-1655 （SCI 收录，IF=4.78）

[2] Zhang S, Wu Y, Liu H, Huang R, Un P, Zhou Y, Fu L, Hao J. Real-world

fuel consumption and CO2 emissions by driving conditions for light-duty

passenger vehicles in China. Energy, 2014, 69: 247-257 （SCI 收录，

IF=3.65）

[3] Zhang S, Wu Y, Wu X, Li M, Ge Y, Liang B, Xu Y, Zhou Y, Liu H, Fu L,

Hao J. Historic and future trends of vehicle emissions in Beijing,

1998-2020: A policy assessment for the most stringent vehicle emission

control program in China. Atmospheric Environment, 2014, 89: 216-229

（SCI 收录，IF=3.11）

[4] Zhang S, Wu Y, Liu H, Wu X, Zhou Y, Yao Z, He K, Hao J. Historical

evaluation of vehicle emission control in Guangzhou based on a

multi-year emission inventory. Atmospheric Environment, 2013, 76:

32-42 （SCI 收录，IF=3.11）

[5] Wu Y, Zhang S, Li M, Ge Y, Shu J, Zhou Y, Xu Y, Hu J, Liu H, Fu L, He

K, Hao J. The challenge to NOx emission control for heavy-duty diesel

vehicles in China. Atmospheric Chemistry and Physics, 2012, 12,

9365-9379 （SCI 收录，IF=5.52）

[6] Zhang S, Wu Y, Hu J, Huang R, Zhou Y, Bao X, Fu L, Hao J. Can Euro V

heavy-duty diesel engines and alternative fuel technologies mitigate NO X


212

emissions? New evidence from on-road tests of buses in China. Submitted

to Applied Energy, Under Review （已投稿，第二轮审稿中） .

[7] Zhang S, Wu Y. On-road NOX emission factors from heavy-duty vehicles

in China and the challenge to NOX emission control. 19th

International

Transport and Air Pollution Conference, 2012, Thessaloniki, Greece （国

际会议）.

[8] Zhang S, Wu Y, Shu J, Fu L. Developing emission factor model for

heavy-duty diesel vehicle fleet in Beijing with second-by-second on-road

test results. 104th

Air & Waste Management Association Annual

Conference and Exhibition, 2011, Orlando, Florida, U.S. （国际会议）

其他学术论文

[9] Zhou Y, Wu Y, Zhang S, Fu L, Hao J. Evaluating the emission status of

light-duty gasoline vehicles and motorcycles in Macao with real -world

remote sensing measurement. Journal of Environemntal Sciences, 2014,

In Press（SCI 收录，IF=1.77）

[10] Wang C, Wu Y, Jiang J, Zhang S, Li Z, Zheng X, Hao J. Impacts of load

mass on real-world PM1 mass and number emissions from a heavy-duty

diesel bus. International Journal of Environmental Science & Technology,

2014, In Press（SCI 收录，IF=1.82）.

[11] 严晗, 吴烨, 张少君 , 宋少洁, 傅立新 , 郝吉明. 北京典型道路交通环

境机动车黑碳排放与浓度特征研究 . 环境科学学报, 2014, 已接收并在

线发表（中文核心期刊）.

[12] Wu Y, Yang L, Zheng X, Zhang S, Song S, Li J, Hao J. Characterization

and source apportionment of particulate PAHs in the roadside

environment in Beijing. Science of the Total Environment, 2014, 470-471:

76-83 （SCI 收录，IF=3.26）

[13] Wang Z, Wu Y, Zhou Y, Li Z, Wang Y, Zhang S, Hao J. Real-world

emissions of gasoline passenger cars in Macao and their correlation with

driving conditions. International Journal of Environmental Science &

Technology, 2014, 11(4): 1135-1146 （SCI 收录，IF=1.82）

[14] Du X, Wu Y, Fu L, Wang S, Zhang S, Hao J. Intake fraction of PM2.5 and

NOX from vehicle emissions in Beijing based on personal exposure data.

Atmospheric Environment, 2012, 57: 233-243 （SCI 收录，IF=3.11）


213

[15] 李晓玲 , 吴烨 , 姚欣灿 , 张少君 , 周昱 , 傅立新 . 广州市实施 I/M 简

易瞬态工况检测方法的环境效果分析 . 环境科学学报 , 2012, 32(1):

101-108 （中文核心期刊）

[16] Du X, Fu L, Ge W, Zhang S, Wang H. 2011. Exposure of taxi drivers and

office workers to traffic-related pollutants in Beijing: A note.

Transportation Research Part D: Transport and Environment, 16 (1):

78-81（SCI 收录，IF=1.29）

[17] Du X, Kong Q, Ge W, Zhang S, Fu L. 2010. Characterization of personal

exposure concentration of fine particles for adults and children exposed to

high ambient concentrations in Beijing, China. Journal of Environmental

Sciences, 22 (11): 1757-1764 （SCI 收录，IF=1.77）

获得的软件著作权

[18] 吴烨 , 张少君 , 李孟良 , 陆晨 , 吴潇萌 , 周昱 , 束嘉威 , 傅立新 , 郝吉

明. 北京市机动车排放因子模型软件 V1.0（2011SR045336）

[19] 吴烨 , 吴潇萌 , 王志石 , 周昱 , 陆晨 , 张少君 , 束嘉威 , 傅立新 , 郝吉

明. 澳门机动车排放因子模型软件 V1.0 （2012SR067469）

[20] 吴烨, 郑亚莉, 王志石, 周昱, 陆晨, 张少君 , 束嘉威, 傅立新, 郝吉

明. 澳门机动车排放综合控制决策平台软件 V1.0 （2012SR067459）

中国典型城市机动车排放特征与控制策略研究_张少君 final

Documents