特长公路隧道CO单车排放模型研究

田 芳，付 帅，郑 晅，李 雪

（1.江苏省交通工程建设局，江苏 南京 210000：2.长安大学电子与控制工程学院，陕西 西安 710064）

0 引言

机动车CO排放因子是评估隧道车辆污染物排放量、运营需风量设计、通风系统控制以及工程环境评价的重要依据[1-2]。同时，CO排放因子作为一个动态变化的参量，受到尾气排放标准、气候条件以及燃料品质等因素的影响，随着车辆排放标准的提高和发动机技术的更新，车辆CO排放因子也在不断减小[3-5]。因此，研究特长公路隧道机动车CO排放因子，动态把握机动车CO排放因子，有利于减少隧道通风系统建设和运营成本，符合低碳环保的工程设计理念。

目前，国内外主要采用台架试验法、隧道实测法和模型预测法等确定机动车污染物排放因子。台架试验法[6]通过试验台架，测定机动车污染物排放建立机动车单车污染物排放因子。陈长虹等[7]及姚志良等[8]利用车载排放测试仪，开展了重型柴油车实际道路排放测试，在我国重型车实际道路排放研究方面取得了突破；邓顺熙等[9]采用底盘测功机，测试了我国轻型车CO，HC 和NOx的排放因子：高爽等[10]采用底盘测功机对国内现有不同品牌轻型汽车进行台架试验，并对尾气样品中VOCs 物种进行定量分析。

隧道实测法通过现场监测隧道内车流排放污染物，确定机动车平均污染物排放因子。陈超等[11]对上海市延安东路越江隧道等隧道内CO 和NOx浓度分布及环境参数进行实测，推算得到中国城市地下道路车流综合平均CO，NOx污染物排放因子现状，推算结果与PIRAC2012年关于中国地区的研究结果有较好的一致性，且明显小于现行相关公路隧道规范的设计值；ZHAO D T 等[12]对西安市文昌门-和平门隧道内CO 和NOx浓度分布及环境参数进行现场实测，推算可反映西安市综合平均CO，NOx污染物排放因子现状；王明年等[13]对厦门翔安海底隧道内污染物浓度进行了实测，给出了隧道通风运营建议；朱春等[14]对澳洲Vulture street 公交专用隧道内的细微颗粒物和气体污染物进行实测，分析了自然通风和纵向通风下隧道内NOx、细微颗粒物浓度及粒度的分布特征。

模型预测法基于国内外学者开展的车辆排放模型对机动车污染物排放因子进行预测。目前，确定车辆排放的代表模型有美国环保局MOBILE模型、欧洲委员会COPERT模型[15]。其中，COPERT模型现已被广泛应用于欧盟国家机动车污染物排放因子估算和防治等研究工作[16]。此外，我国机动车排放标准沿用欧洲体系，COPERT模型所需数据量较少，可操作性强，在我国机动车排放因子研究中得到了较好的推广。马因韬等[17]对比分析MOBILE，EMFAC，COPERT 等模型在中国的适用程度，得出COPERT模型更适合研究中国实际排放标准下车辆污染物的排放情况，可兼容我国目前和未来一段时间机动车排放标准；李荔等[18]以COPERT模型建立江苏省2015年机动车排放清单，分析了分车型、排放标准以及道路类型的机动车污染物排放分担率：何晓云等[19]以COPERT 计算了杭州市分车型分排放标准下的机动车排气污染物的排放因子，并估算了分车型分排放标准下各污染物分担率：谢轶嵩等[20]利用COPERT模型建立了南京市2014年机动车CO，NOx，VOCs，PM10和PM2.5排放量模型；朱倩茹等[21]以COPERT模型，对比分析不同参数，研究了重型柴油货车对CO，VOC，NOx，PM，SO2等污染物排放因子的影响。

综上所述，台架测试法和隧道实测法可确定一定工况下的机动车排放因子，但结果离散性较大且难以快速反映排放因子的变化情况。此外，特长公路隧道在结构特征、交通特征、工程建设场址气候条件、城市发展水平等方面有较大差异性，简单照搬公路隧道的设计标准和参数、国外相关标准或规范将带来很多问题。

为动态跟踪并把握特长公路隧道污染物排放现状，科学评估机动车污染物排放因子动态变化特性。本文在考虑燃料特征、排放控制水平、不同路况下的典型行驶工况等因素影响的情况下，利用COPERT模型，结合隧道实测法，对分车型分标准的CO排放因子进行了细化研究。

1 COPERT模型参数

COPERT模型计算机动车综合排放因子时，需要明确车辆所满足的尾气排放标准、平均行驶速度、车辆的平均行驶里程、燃料蒸汽压和含硫量以及气候参数等。中国对载客机动车主要是按照准载乘客数进行划分，与COPERT模型按照发动机排气量划分方式不同。我国车型与COPERT 车型转化的具体方法见文献[22]。

COPERT V模型是平均速度型排放因子模型，本文选取30 km/h 作为平均行驶速度[23-24]。

本文设定汽油和柴油中硫的质量分数分别为0.005%和0.05%，而汽油的蒸汽压冬、春2季为88 kPa，夏秋2季为72 kPa。

气候参数包括月最低气温和月最高气温。本文采用全国31 个省2016年各月的最高气温和最低气温的平均值，代表国家水平的平均情况。

本文在考虑以上国内相关研究成果的基础上，采用COPERT 的12.4 km 默认值。

2 隧道CO单车污染物排放模型

根据我国机动车数据统计现状，将机动车划分为汽油车（小客车、大客车）和柴油车（轻型货车、重型货车）4 类。将车辆平均车速、气候条件等代入COPERT模型，可预测隧道内4种车型的单车CO排放因子。

2.1 单车CO排放模型

汽油车在不同排放标准不同车速时的CO排放因子见表1。

表1 载客汽车的CO排放因子 g·km－1·辆－1

图1 不同排放标准下载客汽车CO排放因子

根据表1中小客车在不同运行速度下的CO排放因子，利用数学拟合方法（拟合度R2＞0.9），得到不同排放标准下小客车CO排放因子随速度变化的函数关系见公式（1）～（3）。

式中：EF为CO排放因子；v为速度。

不同排放标准下小客车CO排放因子曲线见图2。

图2 不同排放标准下小客车CO排放因子曲线

不同排放标准下大客车CO排放因子曲线见图3。

同理可得不同排放标准下大客车CO排放因子随速度变化的函数关系见公式（4）～（6）。

图3 不同排放标准下大客车CO排放因子曲线

从表1可以看出，随着排放标准提高，小客车和大客车CO排放因子不断减少，国III 和国IV标准下的CO排放因子基本保持一致，但当排放标准提升到国V 时，CO排放因子显著下降。当小客车和大客车速度在不断增大时，CO排放因子不断减小。不同排放标准下载客汽车的CO排放因子见图1。

由图1～图3可知，小客车在不同排放标准下的CO排放因子和速度均呈多项式关系。大客车在国III 和国IV 排放标准下的CO排放因子和速度也呈多项式关系，在国V 排放标准下的CO排放因子和速度呈线性关系。因此，提升车辆排放标准，适当提高车辆行驶速度，有利于减少CO排放。

轻型货车和重型货车在不同速度下的CO排放因子见表2。

表2 载货汽车的CO排放因子 g·/km－1·辆－1

从表2可以看出，随着排放标准的提高，轻型货车和重型货车CO排放因子不断减少，国III 和国IV标准下的CO排放因子差别不大，基本保持一致，但当排放标准提升到国V 时，CO排放因子有显著的下降。不同车速的载货汽车的CO排放因子见图4。从图4可以看出，当轻型货车和重型货车速度在不断增大时，CO排放因子不断减小。

图4 不同车速的载货汽车CO排放因子变化

根据表2，轻型货车在不同运行速度下的CO排放因子，利用数学拟合方法，得到不同排放标准下小客车CO排放因子随速度变化的函数关系见公式（7）～（9）。

不同排放标准下轻型货车的CO排放因子曲线见图5。

图5 不同排放标准下轻型货车的CO排放因子曲线

重型货车CO排放因子随速度变化的函数关系，见公式（10）～（12）。

不同排放标准下重型货车CO排放因子变化曲线见图6。

图6 不同排放标准下重型货车CO排放因子曲线

由图4～图6可知，轻型货车和重型货车在不同排放标准下的CO排放因子和速度均呈线性关系，且载货汽车CO排放因子小于载客汽车的CO排放因子，表明柴油车CO排放量低于汽油车CO排放。

2.2 机动车综合CO排放因子

根据《2018年中国机动车管理年报》数据，汽车已占机动车主导地位，其构成按车型分类，客车占88.8%，货车占11.2%；按燃料类型分类，汽油车占89.0%，柴油车占9.4%，燃气车占1.6%；按排放标准阶段分类，国I 前标准的汽车占0.1%，国I标准的汽车占3.7%，国II标准的汽车占5.5%，国III标准的汽车占21.2%，国IV标准的汽车占47.5%，国V 及以上标准的汽车占21.2%[25－29]。因此，综合考虑现行车辆存在不同排放标准的情况，假定国III标准车型比例为30%，国IV标准车型比例为50%，国V标准车型比例为20%，定义CO 平均排放因子EFave-i见公式（13）。

式中：i为不同的车型种类，分别是小客车（PC）、大客车（BUS）、轻型货车（LDV）、重型货车（HDV）。

根据式（13），可得载客汽车和载货汽车的CO平均排放因子，见表3、表4。

表3 载客汽车的CO 平均排放因子 g·km－1·辆－1

表4 载货汽车的CO 平均排放因子 g·km－1·辆－1

2.3 隧道运营现状实测

选取西安市南五台公路隧道进行机动车污染物排放浓度及排放因子的测试。采样地点为隧道东行线，隧道全长912 m，隧道横截面为39 m2，双向4 车道，在测试期间，为避免通风影响，关闭隧道风机，可认为隧道内污染物浓度变化是由交通活塞效应和自然风造成的。采样点布置在距隧道出、入口200 m处，采样高度为1.5 m，测点位置见图7。

图7 测点布置示意

采样时间从2019年5月13日至2019年5月19日，为期1 周，包括5 个工作日和2 个非工作日。每天采样时段划分为早晨(7:00～10:00)，下午(12:00～15:00)，晚间(17:00～20:00)，夜间(22:00～24:00)，共4 个时段。

利用TSI Q－Trak 仪器对环境温度、相对湿度、气压和风速进行了探测。此外，在测点1 和2 各安装1台摄像机来记录交通数据，包括车辆类型、数量和车速。采用Ecotech 公司的EC 9830型CO 分析仪对测点处的CO 进行在线监测，精确稳定地测定CO 的实时浓度。所有仪器在使用前都进行了标定。

为减少数据误差，对采样期间温度、湿度、气压和风速数据取平均值，结果见表5。

表5 实测隧道不同时段环境参数

由表5可知，隧道内环境参数变化范围不大，有利于实现对污染物的测量。对车辆类型、车辆数目以及车速等交通特征进行统计，结果见表6。监测期间隧道内2 处测点的CO 浓度变化见表7。由表6、表7可见，测点2 相比测点1，CO 浓度有一定比例的增加。

表6 实测隧道采样日期交通特征

表7 监测期间隧道内2 处测点的CO 浓度变化 g·km－1·辆－1

采用质量平衡模型计算机动车污染物CO排放因子，见式（14）。

式中：EF为实测时间段内混合机动车流的CO 平均排放因子，g/（km·辆）；N为采样时间段内通过隧道的机动车总量，辆；L为隧道内测点1 和测点2 之间的距离，km；Coutlet，Cinlet为隧道测点2 和测点1 处CO浓度，g/m3；V为隧道内的平均风速，m/s；T为采样时间间隔，s；A为隧道横断面面积，m2。

将表5～7 中的监测结果代入公式（14），可得4个时段的CO 平均排放因子，见表8。将表8 中机动车的CO 平均排放因子和COPERT模型预测CO排放因子对比，发现速度在40～70 km/h 时，和预测结果相吻合，验证了COPERT模型在我国城市机动车CO排放因子计算的适用性。

表8 机动车分时段CO排放因子 g·km－1·辆－1

2.4 与现行设计参数比较

目前，我国隧道通风工程设计计算主要根据JTG T D70 2－02—2014 《公路隧道通风设计细则》（以下简称细则）。细则中CO 污染物基准排放量以2000年为起点，按每年2.0%的递减率计算至设计目标年份获得的排放量，作为隧道通风设计目标年份的基本排放量：此外，PIARC 于2019年更新了《Road Tunnels Vehicle Emissions and Air Demand for Ventilation》报告中也给出了最新污染物排放因子研究成果。以小客车CO排放因子为例，对COPERT 计算结果和细则基准量和PIARC最新研究成果进行对比，见图8。

图8 小客车CO排放因子与设计标准特性比较

从图8可知，COPERT模型计算得到的CO排放因子和PIARC最新研究成果吻合，远低于我国公路隧道通风设计细则基准量，表明随着汽车工业技术的高速发展与进步，环保意识的日益增强，燃料品质与道路路况的不断改善，以及中国对机动车排放标准的日趋严厉，机动车CO排放因子也在呈逐渐减小趋势。

3 结论

（1）利用COPERT模型，计算了机动车在不同排放标准、不同行车速度下的CO排放因子，建立了特长公路隧道的CO单车排放模型。

（2）根据不同排放标准车型比例，推算得到混合车流CO 平均排放因子，并基于隧道实测法，将CO实测数据和COPERT模型预测结果对比，表明COPERT模型的在中国机动车污染物排放因子预测方面适用性较强。

（3）将COPERT模型预测数据和PIARC2019年最新研究成果及中国通风设计细则污染物排放因子基准量进行对比，COPERT模型预测数据和PIARC研究结果较为吻合，均远低于通风设计细则规定的基准量。