在我国启动新一轮大气污染治理后,移动源防控上升为关键举措。从机动车 排放总量看,汽车贡献了 98% 的氮氧化物(NOx)排放,其中重型柴油货车对 汽车 NOx 排放的贡献为 70.75%。由于重型柴油货车具有运行工况复杂等特点, 其排放核算存在数据缺失、模型精度不足的困难。因此,不仅需要突破传统核算 方法的局限性,更需融合多源数据,以构建准确的重型柴油货车 NOx 排放清单, 掌握其排放特征、实现污染的精准防治。 本研究旨在有效应对重型柴油货车 NOx 排放精准核算与高分辨率排放清单 构建难题。主要难点包括:一是需要获取准确的 NOx 排放因子以构建宏观尺度排 放清单,二是需要获取车辆的瞬态排放数据以建立中微观高分辨率的排放清单。 当前重型柴油货车 NOx 排放因子多基于台架测试或车载尾气检测设备(PEMS)。 台架测试脱离实际路况,PEMS 数据采集量较小,二者均存在滞后性和不确定性。 此外,传统排放模型依赖历史数据,忽略车辆的近实时瞬态排放。为解决以上问 题,本文基于车载诊断系统(OBD)采集真实运行数据,完成了以下主要工作: (1)获取了真实道路下的重型柴油货车 NOx 排放因子。针对当前缺少国六 阶段重型柴油货车排放因子的问题,本文利用融合了车辆运行工况和道路特征的 时空数据集,获取国六重型柴油货车的 NOx 排放因子,填补了真实环境下的 NOx 国六排放因子的空白,分析了道路类型对排放因子的影响。在时空数据集构建过 程中,通过线性插值、多层感知机和随机森林实现分阶段插值,修复 OBD 数据缺 失。基于时空数据集,得出国六重型柴油货车 NOx 的基准排放因子为 1.64g/km。 另外,快速路(1.82g/km)较主干路(1.28g/km)和次支路(1.24g/km)排放因 子高 29.7%-31.9%,揭示路网结构对排放的关键影响。 (2)构建了重型柴油货车 NOx 瞬态排放预测模型。针对传统模型忽略近实时 瞬态排放的问题,本文基于时空数据,提出了集成轻量级梯度提升机(LightGBM) 和极端梯度提升算法(XGBoost)的 NOx 瞬态排放预测模型,用于建立高分辨率 的 NOx 排放清单。通过堆叠泛化集成 LightGBM 的高效性和 XGBoost 的抗过拟 合能力,深入挖掘时空数据集中 NOx 瞬态排放与其它八个车辆特征的关系,建 立了 SLXGB-NOx 排放模型,实现对 NOx 排放的准确预测。与其他方法对比,该 模型在效率和预测准确度上都展现出了更佳的表现。利用此模型构建了成都市 重型柴油货车 1km×1km 的逐小时 NOx 排放清单,NOx 排放在时间上呈“双峰” 分布(日间占 79.9%),并沿绕城高速形成环状聚集带。
