機(jī)動車尾氣排放及出行污染暴露評價探究的文獻(xiàn)綜述6400字

機(jī)動車尾氣排放及出行污染暴露評價研究的國內(nèi)外文獻(xiàn)綜述…本文將從以下五個方面展開文獻(xiàn)綜述：機(jī)動車尾氣排放估計模型，大氣污染擴(kuò)散模型，出行污染暴露評價方式，基于移動式實測數(shù)據(jù)的污染濃度以及路徑規(guī)1.1機(jī)動車尾氣排放估計模型機(jī)動車尾氣排放是燃料在發(fā)動機(jī)內(nèi)燃燒而產(chǎn)生的、從尾氣管釋放到空氣中的一種污染物。在理想的燃燒狀態(tài)下，發(fā)動機(jī)內(nèi)的氧氣與燃料(主要由碳?xì)浠衔锝M成)發(fā)生化學(xué)反應(yīng)，會生產(chǎn)二氧化碳和水，但在實際過程當(dāng)中，由于氧氣的不足會進(jìn)行不完全燃燒，產(chǎn)生不完全燃燒的產(chǎn)物一氧化碳和碳?xì)浠衔?。不但如此，由于參加燃燒過程的氧氣摻雜有大量的氮?dú)?，在高溫環(huán)境下，氮?dú)獗谎趸梢谎趸蜕倭康亩趸?。影響機(jī)動車尾氣排放程度的因素很多，它不僅受到發(fā)動機(jī)技術(shù)和控制技術(shù)等車輛自身條件的限制，同時還要受到道路基本狀況和車輛行駛狀態(tài)等因素的影響。除這些以外，機(jī)動車維護(hù)程度、環(huán)境溫度、濕度、駕駛員駕駛習(xí)慣等因此也會影響機(jī)動車的排放水平。概括而講，按照這些影響因素的特征，可將它們劃分為四大類，分別是：(1)車輛參數(shù)；(2)行駛特征；(3)油品質(zhì)量；(4)外界環(huán)境因素(溫度、海拔、濕度)等。由于本研究重點(diǎn)關(guān)注行駛特征，下面對這類影響因素進(jìn)行詳細(xì)總結(jié)。具體而言，行駛參數(shù)的影響因子又可分別這樣幾類：(1)機(jī)動車平均速度；(2)機(jī)動車運(yùn)行狀態(tài)(加速、減速、怠速、勻速);(3)爬坡程度；(4)冷啟動或熱啟動等啟動方式。而機(jī)動車在一次出現(xiàn)過程中，通常會經(jīng)歷如下排放過程：(1)啟動排放；(2)速度波動比較小的熱穩(wěn)定排放狀態(tài)；(3)加速度排放；(4)爬坡排放。了一些微觀工具，通過將車輛的物理行為分解成不同的操作模式(例如，加速、減速、怠速和勻速)來精細(xì)化估算排放因子或排放強(qiáng)度，代表于速度-加速度的排放模型(E-MIT[151)模型等，這些模型主要是基于行駛工況等。比如基于物理意義的排放模型(CMEM模型),其原理是通過計算發(fā)動機(jī)功者相乘得到的尾氣排放量。用CMEM模型模擬，需要輸入車輛的物理參數(shù)和行駛參數(shù)，從而可以計算并輸出單車在四種不同瞬時工況(加速、減速、怠速、勻速)下每秒的尾氣排放量和油耗。其中，物理參數(shù)基本可以在車輛規(guī)格技術(shù)說明來自于框架第(1)部分交通流模型的數(shù)據(jù)(比如車輛軌跡數(shù)據(jù)),并且通常不具模型也不太適合。與之相對應(yīng)的，不少學(xué)者如Boribo散的結(jié)果。因此，大氣擴(kuò)散模式是一種用以處理大氣界層內(nèi))輸送、擴(kuò)散和轉(zhuǎn)化問題的物理和數(shù)學(xué)模型影響因素很多(包括地形、污染源復(fù)雜性、氣象條件等),基于現(xiàn)有的大氣擴(kuò)散大氣污染擴(kuò)散模型，是指利用數(shù)學(xué)模型，結(jié)合一定的定的污染物排放強(qiáng)度(單位時間排放量)和氣象條件下某種污染物的時間和空間模型拓展到線源模型(line-sourcemodel),用來描述機(jī)動車尾氣的擴(kuò)散過程?；诰€源高斯煙羽模型的CALINE4和HIWAY2等模型被廣泛用于估算高速公路機(jī)動車尾氣擴(kuò)散與人體暴露(污染物濃度)的標(biāo)定方法是通過城市內(nèi)的靜態(tài)和動態(tài)監(jiān)測點(diǎn)(如監(jiān)測車)采集污染物濃度數(shù)據(jù)進(jìn)行空間度信息，卻面臨著成本高、采樣率低等問題。另一類方法是基于地理信息系統(tǒng)(GIS)用地理坐標(biāo)描述城市道路幾何形狀，結(jié)合交通流量(多為靜態(tài)數(shù)據(jù))和天氣狀況等數(shù)據(jù)，再用上文提到的污染物擴(kuò)散模型來估算城市機(jī)動車尾氣排放與擴(kuò)散情況。這類方法的不足是缺乏對交通污染源的動態(tài)描述，導(dǎo)致估算結(jié)果比較1.3出行污染暴露評價方式根據(jù)世衛(wèi)組織(WHO)的定義，暴露是指人體與一種或一種以上的物理、化學(xué)或生物因素在時間和空間上的接觸。該定義將日常認(rèn)知中對于空氣污染的吸入或吸收與暴露完全分別開來。對于空氣污染暴露評價，其主要用于評估人體接觸空氣污染物的強(qiáng)度、頻率以及持續(xù)時間，分析空氣污染來源和它與健康影響之間的關(guān)系。污染物經(jīng)源頭排放，向周圍環(huán)境擴(kuò)散，并最終作用與人，轉(zhuǎn)化為內(nèi)部生物有效劑量。其目的是提供暴露人數(shù)、暴露濃度、暴露途徑、各種微環(huán)境中暴露的貢獻(xiàn)率及污染物的種類、強(qiáng)度等信息。由于個體之間性別年齡以及活動等特征的差異，常規(guī)環(huán)境監(jiān)測得到的空氣污染物濃度并不能準(zhǔn)確測定被人體所吸收的劑量，因此主要通過暴露濃度反映空氣污染暴露評價結(jié)果。評估個體空氣污染暴露水平的原理為：綜合各種微環(huán)境中空氣污染物的濃度及暴露個體在不同微環(huán)境中所停留的時間，可用公式表示為：其中，Ei為個體i在不同微環(huán)境j中對某種空氣污染物的綜合平均暴露水平；Cj為微環(huán)境j中某種空氣污染物的濃度；tij為個體i在微環(huán)境j中停留的時間。針對于本文所提出的的出行污染暴露，即是指檢測近地面的車輛所獲得的尾氣排放濃度與出行者在該路段上停留時間的乘積，即為出行者的尾氣污染暴露.。1.4基于移動式實測數(shù)據(jù)的污染濃度對于人體暴露在出行污染中的過程分為產(chǎn)生污染、污染擴(kuò)散并且出行者遭受暴露，通常由排放擴(kuò)散暴露一體化中建模估計完成。為驗證所建立模型的準(zhǔn)確性，段來探究交通排放是如何擴(kuò)散并作用與人的。沈俊秀(2011)[301利用APEX模暴露評價方法開發(fā)提供實驗依據(jù)。徐亞琳(2007)[31使用便攜式氣溶膠監(jiān)測器法推導(dǎo)出了南京城市PM10背景濃度估算公式，并驗證了STREETBOX模型在南京城市街道上的適應(yīng)性。常晶晶321采用通(地鐵、公交、步行)中的CO、PM?.5暴露濃度進(jìn)行測量，并證明了LUR運(yùn)潛力，既可用于比較城市環(huán)境污染，也可用于估算微粒和PM10的絕對水平。過五種不同交通方式(步行、自行車、公交車、汽車、出租車)研究短期人體接觸PM2.5、超細(xì)顆粒物(顆粒范圍：0.02-1μm)、一氧化碳(CO)濃度，并使用回歸技術(shù)分析解釋了交通量、氣象條件、運(yùn)輸方式對于PM2.5、超細(xì)顆粒物、CO濃度的影響。JILevy等37基于社區(qū)試點(diǎn)調(diào)查確定當(dāng)?shù)亟煌▉碓词欠駥Ρ┞侗O(jiān)測儀，創(chuàng)建濃度地理信息系統(tǒng)(GIS)地圖，并收集能夠預(yù)測周圍濃度的現(xiàn)場1.5路徑規(guī)劃模型中選擇浮動車GPS數(shù)據(jù)，通過比較兩條路徑上的交通排放量，發(fā)現(xiàn)較慢且行成本(由出行時間成本和燃料消耗成本組成)最小的路徑。研究建立了燃料消Zeng等[40在交通研究C卷發(fā)表的研究預(yù)測每公里的機(jī)動車二氧化碳排放量，并用當(dāng)中，例如高德、滴滴等打車軟件也只是將出行時間(或出行距離)作為出行最短路徑算法和動態(tài)最短路徑算法。動態(tài)最短路徑的計算是在外界環(huán)境不斷發(fā)生變化，即在不能計算和預(yù)測的情況下來計算最短路的問題。在本文中，重點(diǎn)只關(guān)注靜態(tài)的路徑規(guī)劃，故下面主要給出靜態(tài)最短路徑算法的國內(nèi)外研究現(xiàn)狀。靜態(tài)網(wǎng)絡(luò)是指所有弧的權(quán)值都為常值的網(wǎng)絡(luò)。相應(yīng)地，求解這類網(wǎng)絡(luò)中指定起點(diǎn)和終點(diǎn)之間最短路徑的算法叫做靜態(tài)最短路徑算法。靜態(tài)的最短路徑算法已經(jīng)有較長時期的發(fā)展歷程，總而言之，它屬于一種比較傳統(tǒng)的路徑規(guī)劃算法。1959年，著名學(xué)者E.W.Dijkstra[4]提出了具有重要意義的Dijkstra最短路徑算法。之后，許多學(xué)者又相繼提出了諸如Bellman-Ford-Moore算法、Floyd算法、BFP算法、DIKB等算法[42]。目前，一些學(xué)者還開始提出啟發(fā)式算法(如A*算法)以及基于深度學(xué)習(xí)的算法。而大量的隨機(jī)網(wǎng)絡(luò)實驗和路網(wǎng)科學(xué)評估顯示，針對不同類型的道路網(wǎng)和目標(biāo)函數(shù)需求，可以選擇不同的合適算法，因為沒有哪一種算法是能夠在任意狀態(tài)下都保持優(yōu)勢。上世紀(jì)50年代，國內(nèi)也開始了靜態(tài)最短路徑算法的相關(guān)研究，但其快速發(fā)展主要開始于90年代，伴隨著計算機(jī)應(yīng)用的快速發(fā)展。但從實質(zhì)上講，相關(guān)領(lǐng)域開展的算法研究主要還是基于Dijstra算法和Floyd算法[43-461,主要從數(shù)據(jù)存儲結(jié)構(gòu)、路網(wǎng)規(guī)模的控制、搜索策略、優(yōu)先級隊列這幾方面來進(jìn)行了評估和優(yōu)化。但在實際的交通系統(tǒng)當(dāng)中，由于交通事故、天氣因素、道路阻塞等情況的發(fā)生，實際走行的路徑可能是除預(yù)先規(guī)劃好的路徑外的另一條路徑。因此，實際的車輛的路徑規(guī)劃其實是具有隨機(jī)性和時變性等特征。將實時的交通數(shù)據(jù)引入到隨機(jī)最短路徑研究問題來繼續(xù)深入本研究也十分必要。例如，Bertsekas等[47通過理論分析得到，在弧的花費(fèi)值非負(fù)的情況下，隨機(jī)最短路徑規(guī)劃是存在最優(yōu)的策略。但由于筆者編程能力和算法運(yùn)用水平的限制，本文就先考慮靜態(tài)的路徑規(guī)劃問題，在將來的學(xué)習(xí)研究過程中再進(jìn)行進(jìn)一步地深入探討。參考文獻(xiàn)[1]國家食品藥品監(jiān)督管理總局.世界衛(wèi)生組織國際癌癥研究機(jī)構(gòu)致癌物清[2]XINGYF,XUYH,SHIMH,etal.TheimpactofPM2.5respiratorysystem[J].JournalofThoracicDisease,2016,8(1):69-74.2013,《AutomobileGasoline》[S].Beijing:StandardsPreoperatingmodedistributionsandemissionestimationatintersection[J].JournalofTransportationSystemEngineeringandInformation,2018,18(1):158-165,185.][5]宋國華，于雷.城市快速路上機(jī)動車比功率分布特性與模型[J].交通運(yùn)輸系andmodelsofvehiclespecificpoweronurbanexpressways[J].Journalof[6]YangQ,BoriboonsomsinK,Bestimationusingmodal-basedtrajectoryreconstruction[C]//InternationalIEEEConferenceonIntelligentTransp[7]AryaPS.Airpollutionmeteorologyanddispersion[J].EnvironmentalProtectionAgencyResearchTriangleParkNc,1999,55(1974).[8]UliaszM,BartochowskaM,MadanyA,etal.ApPoland[M]//AirPollutionModelingandItsApplication[9]BeychokMR.FundamentalsofstackgasdispersionGasDispersion.2005.[10]王煒，陳學(xué)武，陸建.城市交通系統(tǒng)可持續(xù)發(fā)展理論體系研究[M].科學(xué)出版[11]楊浩，趙鵬.交通運(yùn)輸?shù)目沙掷m(xù)發(fā)展[M].中國鐵道出版社，2001.[12]中國環(huán)境監(jiān)測總站.2020年8月全國城市空氣質(zhì)量報告[R].北京.[13]BarthM,FengA,NoApproach[J].TransportationResearchRecordJournaloftheTranBoard,1996,1520(1):8[14]EpaU.MOVES(MotorVehicleEmission[15]CappielloA,ChabiniI,NamEK,etal.Astatisticalmodelofvehicleemandfuelconsumption[C]//TheIEEE,InTransportationSystems,2002.Proceedings.IEEE,2002:801-809.[16]賀克斌.道路機(jī)動車排放模型技術(shù)方法與應(yīng)用[M].科學(xué)出版社，2014.BasedonMultisourceHistoriTransactionsonIntelligentTransportanetworks[J].TransportationResearchPartD,2006,11(4):292-301.erSkabardonis,NikolasGeroliminis,EleniChristofa.PredictiofVehicleActivityforEmiSignalizedArterials[J].JournalofIntelligentTransportationSy[21]NesamaniKS,ChuL,Mcapturingtrafficvariations[J].AtmosphericEnvironment,2007,41(14):2996-300