摘要
考虑中美两国车辆排放限制标准及测试工况的差异，提出了MOVES模型本地化修正的方法，并进行了案例分析。研究表明，我国车辆排放控制水平虽较为滞后但发展较快，如我国国I至国VIa轻型车一氧化碳排放限值标准所对应的美国轻型车排放特征年份分别为：1995、1999、2002、2007、2010及2012年。此外，对估计的轻型车排放因子与真实的测试结果进行了对比分析。
为了准确地估计车辆污染物排放特征，欧美发达国家从20世纪60年代起就开始实测车辆排放数据，开发了基于排放因子及平均速度修正的宏观车辆排放模型，如MOBILE （mobile source emission factor model） 模型、EMFAC （emission factors） 模型等。本世纪初，随着对实际工况下车辆排放的关注以及车载排放测试系统的发展，能够实时地采集车辆在实际运行工程中的污染物排放特征，研究者构建了基于车辆行驶特征的微观车辆排放模型，即以表征车辆行驶工况的参数为度量指标，如车辆比功率 （vehicle specific power， VSP） 、速度/加速度等，进而分析不同工况下的车辆排放特征，如CMEM （comprehensive modal emissions model） 模型、MOVES （motor vehicle emissions simulator） 模型等。
车辆排放特征的地域性强，受当地车辆行驶状况、驾驶行为、车辆排放水平和燃油品质的影响大。前述的车辆排放模型均是根据当地实际行驶工况设计，如美国FTP工况（federal test procedure），并基于大量的实验或实测数据统计建模而成。MOVES模型中开放的数据库存储了不同车辆类型、车龄、车速及车辆比功率下的车辆基本排放因子，称之为微单元（Bin），同时存储了其他相关影响因素的修正系数。由此，MOVES模型灵活开放的数据库及模型结构增加了模型的移植性，使得世界很多城市采集表征当地实际的车辆行驶工况数据、车辆技术特征及行驶环境数据等，对MOVES模型进行本地化修正，进而估计车辆污染物排放特征。
MOVES初始模型发布于2009年12月，2010年黄冠涛
现有的研究对MOVES模型本地化修正多停留在输入参数较为简单的修正，如直接使用本地车龄分布、温度湿度等。部分学者较好地对中美两国机动车污染排放限制标准进行了分
基于上述的背景，本文旨在提出MOVES模型本地化修正的建模方法并进行案例分析，剖析我国典型城市轻型车污染物排放特征，进而探究交通运行特征对车辆污染物排放的影响，有助于促进我国城市机动车污染排放的定量化分析或中美车辆排放控制技术差异分析。
美国环保署2009年12月发布了移动源排放测算模型MOVES2010，用于取代2004年发布的MOBILE6.2模型，成为新一代车辆排放计算模型，并于2015年及2020年对MOVES模型进行了更新迭代，分别为MOVES2014及MOVES3模型。MOVES模型的模拟空间范围涵盖了宏观、中观及微观三个层面。宏观及中观层面是指国家及县市机动车排放总量估计，微观层面是指路段、交叉口及停车场等车辆排放因子估计。MOVES模型模拟的污染物种类繁多，如HC、CO、NOx及PM （particulate matter）等。
MOVES模型内置的数据库按照Bin微单元划分方法存储了两类车辆能耗及排放清单，反映了影响车辆能耗及排放特征的主要因素，如
MOVES的Bin划分方法及宏微观统一的思想，给模型的应用带来了很大的灵活性。非美国本土城市可借助于MOVES模型微观层面的数据结构，基于当地的车辆实际行驶工况特征及车辆技术特征，估计实际交通运行情况下的车辆污染物排放因子。微观层面MOVES模型的核心输入是表征车辆行驶工况的车辆比功率分布，模型的其他输入包括有：燃油类型、道路类型、车龄分布、劣化系数、温度湿度等。
MOVES模型本地化修正不仅需要对输入的相关参数进行修正，还需要关注车辆技术特征的差异性，即中美两国车辆排放限值标准推进的进程及测试工况有明显的差异性。我国车辆排放限值标准制定参照欧洲标准体系，从2000年至2020年间先后制定了轻型车国I至国VI的尾气排放限值标准，时间跨度仅为20年，以车辆CO排放限值标准为例，如
图1 美国、欧洲及中国轻型汽油车CO排放限值标准变化
Fig. 1 Changes of CO emission limits for light-duty gasoline vehicles in the United States, Europe, and China
由
另一方面，在车辆排放限值标准制定过程中，中美两国车辆测试的标准工况也同样具有显著差异性。我国国标的I型试验借鉴欧洲ECE15 （economic commission for Europe） +EUDC （extra urban driving cycle） 稳态工况，而美国采用FTP瞬态工况，如
图2 欧洲ECE15+EUDC稳态工况与美国FTP瞬态工况
Fig. 2 European ECE 15+EUDC steady state condi- tion and American FTP transient condition
为进一步明晰MOVES模型本地化修正的思路，MOVES模型机动车排放特征计算过程如
图3 MOVES模型计算过程
Fig. 3 Computational procedure of MOVES model
基于第1.1节及1.2节的分析，本文提出了MOVES建模流程及模型输入/修正的参数，如
图4 MOVES模型建模流程及输入参数修正
Fig. 4 Modeling process and input parameter modification of MOVES
对各标准新车排放清单修正有两种：① 修正MOVES模型排放清单数据库中有关车龄的所有微单元；② 对车辆排放因子的估计年份及车龄分布进行联合修正。选择途径①需要对所有的微单元进行遍历修正，难度高；选择途径②虽然会增加模型的运行次数，但能够准确地表征我国车辆的技术特征，本文选择途径②作为各标准新车排放清单修正的方法。
MOVES模型存储有美国从60年代至现在的各类车型、各时间阶段和各类污染物排放清单，基于开放的数据结构，可以将我国不同排放限制水平的车辆精确地匹配到美国各时间阶段的车辆，从而对新车排放清单进行匹配，以符合我国不同排放限值阶段的车辆技术特征。
具体操作流程：在MOVES模型中，对每一阶段的轻型车分别进行我国车辆排放标准的I型运行试验仿真，对比仿真前后轻型车CO、HC、NOx及PM特征，确定我国轻型车不同排放限值对应的美国年份信息。需要说明的是，我国车辆排放限值标准国III阶段后（2007年后的新车）的轻型车I型运行试验条件为“冷启动+工况运行”，在-7 ℃环境下静置12 h以上；然后在25 ℃环境下进行ECE15+EUDC工况测试，并从工况开始计算车辆排放数值。同时，燃油类型应该同步考虑相对应年份的燃油标准。国I及国II标准的I型试验操作不存在冷启动，允许发动机预热40 s，无法在MOVES模型中直接仿真。Piotr及Jerz
图5 车辆I型仿真试验CO及PM10排放值
Fig. 5 Results of CO and PM10 emission factors
由
针对PM10而言，我国轻型车排放限值标准列出的是PM数值，未具体区分PM10及PM2.5排放限值，无法对PM的排放物做出准确的修正。郝艳召
根据2.1节的车辆排放清单匹配方法，可以确定HC及NOx车辆排放限值对应的年份，汇总如
注： 由于国I及国II轻型车排放限值测试工况存在差异，括号内数值为文献［
燃油品质对车辆污染物排放具有较大的影响，尤其是车辆排放限值标准的推进与车用燃油标准的制定密切相关。我国车用汽油质量标准的推进，主要体现在对含硫量、烯烃含量、锰含量以及苯含量等提出更为严格的控制。由于数据限值，本文估计的基准年份为2013年，在燃油参数选择时采用车用汽油国IV标准及DB31/427—2009上海市车用汽油参数标准。在MOVES2014模型中，通过15个参数细分出6 884种燃油类型。对比发现，对于芳香烃含量、含氧量常数、T50及T90而言，MOVES内置的燃料组成均满足上述标准，研究中按照雷氏蒸汽压、含硫量及苯含量数值进行升序，选择一致性较高的燃油，其中又以硫含量作为主要指标。
根据相关监测，上海汽油硫含量在5×1
车龄分布是指不同年份出厂车辆占车辆总数的比例分布，MOVES模型需要按照车辆使用类型分别输入车龄分布。本文根据实际调查数据计算上海市2013年轻型车车龄分布特征。上海市环境监测中心于2014年6月~8月，通过检测站调研的方式，调查了近3万辆轻型车的使用年限特征，其中本地小汽车约为2.25万辆，外地牌照小汽车约为0.75万辆，本地牌照小汽车与外地牌照比值约为1：0.33，与上海市第4次综合交通调查数据相一致，由于该数据的大样本特征，且上海市2014年及2013年私人小汽车拥有政策并没有发生改变，调研所获得轻型车车龄分布可以作为上海市2013年轻型车污染物排放估计的车龄分布特征。
由于上海市快速路在工作日高峰时段7：30~9：30以及16：30~18：30禁止外省市号牌小客车、出租空车、实习车通行。因此，快速路轻型车的车龄分布估计时，需要剔除外地牌照及沪C牌照小汽车数量；而地面道路轻型车车龄分布估计时，需要包括所有车辆车龄数据，快速路及地面道路轻型车车龄分布如
图6 车辆车龄分布特征
Fig. 6 Vehicle age distribution of light duty vehicle in Shanghai
上海市快速路车龄均值为4.8，车龄为2、3、4比例均超过15 %，前5年车龄累积比例达到64 %。上海市地面道路轻型车平均车龄约为5年（均值为4.91），车龄为1的拥车比例低（0.14 %），车龄分布存在两个峰值，分别是2年（20.29 %）及4年（21.00 %），车龄为3年时的比例仅为1 2.30 %，车龄分布具有明显的跳跃与波动特征，这是由于外地牌照的车辆混入所引起的。同时，也间接地说明了若从车管所调取上海市注册的轻型车数据，进而计算得到的车龄分布并不能代表实际在上海市内运行的轻型车车龄分布特征。
考虑到不同污染物具有不同的目标年份设定，HC为2004年，NOx为2008年，CO为2010年，PM10为2007年，修正的快速路及地面道路轻型车车龄分布如
图7 不同污染物的模型年份及车龄分布修正
Fig. 7 Model years and revised vehicle age distribution for different vehicle emissions
在第2小节中讨论了我国不同排放标准下的新车排放清单匹配问题。车辆实际使用过程中，车辆的排放特征将会进一步劣化，主要是受到行驶里程数及我国I/M制度的影响。MOVES模型中根据车龄储存了不同车龄分布下的劣化系数，分为车龄小于3年、4~5年、6~7年、8~9年、10~14年、15~19年及大于20年，共7组。研究中，需要按照我国轻型车实际行驶里程随年份的变化进行修正。借鉴相关研究成
由
MOVES模型中的气象数据输入为估计年月日时间点的温度及湿度。通过查阅上海市历史气象数据，结合往年的历史数据，确定研究分析时段为2013年5月初工作日的早高峰，进而设定温度为25℃ （77 ℉），湿度为70 %。
MOVES模型中需要输入的车队信息包括车型分布比例以及各车型的车龄分布。车辆排放计算的车辆分类与交通运行车辆分类不一致，与我国车辆分类也不太相同。MOVES模型在移植至我国使用时，需要考虑车辆类型的对应性。本文研究中，轻型车选择模型编号为21。
由
图8 上海市快速路轻型车污染物排放因子
Fig. 8 Vehicle emission factors on expressway in Shanghai
由
图9 上海市地面道路轻型车污染物排放因子
Fig. 9 Vehicle emission factors on ground-level road in Shanghai
在缺乏实际车载排放测试数据的情况下，研究借鉴以往车载排放测试的相关结
注： 括号内数值是2014年我国环境保护部颁布的汽油车小型客车综合基准排放系数
由
此外，研究中不仅估计了MOVES模型本地化修正后的结果，同时考虑了MOVES模型不修正情况下，仅输入轻型车实际行驶工况数据，估计轻型车排放因子。MOVES模型本地化修正及为修正估计结果对比分析，如
由
由于MOVES模型开发的美国本土性，本文首先介绍了MOVES模型的适用范围及方法，论述了模型本地化修正的必要性及建模流程。结合我国新车排放限值标准及测试工况，对我国轻型车的使用年份与美国车辆的使用年份进行匹配，例如我国国I至国VIa轻型车排放限值标准所对应的MOVES模型美国轻型车年份分别为：1995、1999、2002、2007、2010及2012年。其次从燃油参数选择、车龄分布修正、劣化系数及其他输入参数等方面，对MOVES模型进行了本地化修正。最后，基于MOVES模型本地化修正及不同道路环境下的车辆行驶工况数据，估计了上海市轻型车在不同运行速度下的污染物排放因子，轻型车污染物排放特征随速度的增长均呈现快速下降后缓慢下降的趋势（NOx除外，缓慢下降后开始上升），快速路及地面道路轻型车排放特征趋势具有一致性。
作者贡献声明
单肖年：论文主要构思者，数据分析，方法构建，论文撰写。
刘皓冰：参与方法构建与数据分析，论文撰写指导。
张小丽：参与数据收集与分析。
陈小鸿：参与方法构建，思路研讨，论文修改。
叶建红：数据分析指导，论文撰写指导及修改。
参考文献
黄冠涛，宋国华，于雷，等. 综合移动源排放模型—MOVES ［J］. 交通信息与安全， 2010， 28（4）： 49. [百度学术]
HUANG Guantao， SONG Guohua， YU Lei， et al. Overview of the comprehensive mobile source emissions model： MOVES ［J］. Journal of Transportation Information and Safety， 2010， 28（4）： 49. [百度学术]
岳园圆，宋国华，黄冠涛，等. MOVES在微观层次交通排放评价中的应用研究 ［J］. 交通信息与安全， 2013， 31（6）： 47. [百度学术]
YUE Yuanyuan， SONG Guohua， HUANG Guantao， et al. Application of MOVES in the microscopic evaluation of traffic emissions ［J］. Journal of Transportation Information and Safety， 2013， 31（6）： 47. [百度学术]
张广昕， 孙晋伟. 基于MOVES的机动车排放分析及控制措施研究 ［J］. 交通节能与环保， 2013， 1： 24. [百度学术]
ZHANG Guangxin， SUN Jinwei. Research on analysis of vehicle emission based on MOVES and control measures ［J］. Energy Conversion & Environmental Protection in Transportation， 2013， 1： 24. [百度学术]
LIU H， CHEN X， WANG Y， et al. Vehicle emission and near-road air quality modeling for Shanghai， China based on global positioning system data from taxis and revised MOVES emission inventory ［J］. Transportation Research Record， 2013， 2340： 38. [百度学术]
曹杨， 郭园园， 曹罡，等. MOVES模型微观层次参数的深圳本土化研究 ［J］. 交通信息与安全， 2017， 35（2）： 100. [百度学术]
CAO Yang， GUO Yuanyuan， CAO Gang， et al. A study on localization of project-level parameters of MOVES model in Shenzhen ［J］. Journal of Transportation Information and Safety， 2017， 35（2）： 100. [百度学术]
SHAN X， CHEN X， JIA W， et al. Evaluating urban bus emission characteristics based on localized MOVES using sparse GPS data in Shanghai， China ［J］. Sustainability， 2019， 11： No.2936. [百度学术]
胡明伟， 王守峰， 黄文柯，等. 基于车牌识别数据的行驶轨迹重构和排放测算 ［J］. 深圳大学学报理工版， 2020， 37（2）： 111. [百度学术]
HU Mingwei， WANG Shoufeng， HUANG Wenke， et al. Vehicle trajectory reconstruction and emission estimation based on license Plate recognition data ［J］. Journal of Shenzhen University Science and Engineering， 2020， 37（2）： 111. [百度学术]
郝艳召，邓顺熙，，邱兆文，等. 基于MOVES的轻型车颗粒物排放来源和特征分析 ［J］. 环境工程学报， 2015， 9（8）： 3915. [百度学术]
HAO Yanzhao， DENG Shunxi， QIU Zhaowen， et al. Particle sources and characteristics of light duty vehicle Based on MOVES model ［J］. Chinese Journal of Environmental Engineering， 2015， 9（8）： 3915. [百度学术]
PIOTR B， JERZY M. Euro III / Euro IV emissions： A study of cold start and warm up phases with a SI （Spark Ignition） engine ［R］. Detroit：SAE， 1999. [百度学术]
郝吉明， 傅立新， 贺克斌. 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 ［M］. 北京： 中国环境科学出版社， 2001. [百度学术]
HAO Jiming， FU Lixin， HE Kebin. Vehicle emissions control： analysis of international experience and research findings in China ［M］. Beijing： China Environmental Science Press， 2001. [百度学术]
刘皓冰. 基于行驶工况的城市机动车尾气排放研究 ［D］. 上海： 同济大学， 2013. [百度学术]
LIU Haobing. Estimating urban vehicle emissions based on the driving cycles ［D］. Shanghai： Tongji University， 2013. [百度学术]
单肖年. 基于行驶工况的车辆能耗与排放评估方法研究 ［D］. 上海： 同济大学， 2018. [百度学术]
SHAN Xiaonian. Vehicles energy and emissions estimation based on driving cycles ［D］. Shanghai： Tongji University， 2018. [百度学术]
李孟良，冯玉桥，秦孔建，等. 北京市轻型在用车实际道路排放特征分析 ［J］. 武汉理工大学学报（交通科学与工程版）， 2011， 35（2）： 237. [百度学术]
LI Mengliang， FENG Yuqiao， QIN Kongjian， et al. Real-world emission characteristics of in-use light-duty vehicles in Beijing ［J］. Journal of Wuhan University of Technology （Transportation Science & Engineering）， 2011， 35（2）： 237. [百度学术]
