基于HBEFA的城市交通温室气体排放模型
——以北京本地化建模为例

何巍楠，刘莹，孙胜阳，程颖

（北京市交通行业节能减排中心，北京100073）

基于HBEFA的城市交通温室气体排放模型
——以北京本地化建模为例

何巍楠*，刘莹，孙胜阳，程颖

（北京市交通行业节能减排中心，北京100073）

交通温室气体排放和空气污染越来越受到国内各城市的广泛关注.控制温室气体排放和污染物排放的关键是找到排放的源头并进行科学量化，从而制定有针对性的政策措施.鉴于我国目前还没有发布全国性的交通排放评估方法，本文基于欧洲道路排放因子模型并结合北京实际的道路交通运行工况和车辆结构数据，采用自下而上的建模方法，利用车型分类、交通状态、工况单元和活动水平进行模型的数据划分，使用平均速度（V）、行驶过程中停车时间比例（SP）和相对正加速度（RPA）三个特征值作为描述工况单元的统计特征参数，借用计算机仿真构建了本地化的交通排放因子库，并在此基础上开发了基于交通活动水平的交通排放测算模型.该模型不仅能够建立北京市的交通能源消耗、温室气体排放和污染物排清单，而且能够与宏观交通模型无缝衔接，评估不同的交通政策对交通减排的潜在影响.

城市交通；排放模型；温室气体排放；碳排放因子

1 引言

交通领域在城市碳排放贡献率中已经占据了重要的地位，美国纽约、英国伦敦、日本东京等国际大都市中，交通领域温室气体排放都将近四分之一的比例[1].中国目前正面临人口、机动车快速增长背景下前所未有的挑战.我国政府高度重视气候变化问题，“十二五”规划纲要中，明确到2015年单位GDP能源消耗降低16%、单位GDP二氧化碳排放降低17%的约束性指标[2].为达到目标，政府给各省市及各部门都下达了具体的减排指标，交通部门也面临相应挑战，决策者需要了解哪些政策或措施将会带来节能减排效果.

控制温室气体排放或者污染物排放的关键是要找到排放的源头，这是量化、评估或者监测工作的第一步.为避免错误估计排放，需建立一个基于可靠数据的排放量化评估方法.本文开发了一种基于欧洲道路交通排放因子模型（HBEFA)技术思路的交通排放模型（CCEM）.通过高精准的GPS设备采集上千小时的实际道路运行数据，利用平均速度、相关正加速度、停车时间百分比三个参数描述工况单元，通过统计学方法找到代表道路交通状态的典型运行工况，运用交通模型、调查和运行监测等方式获得对应交通状态的交通活动水平数据，从而测算并评估排放总量.

2 欧洲道路交通排放因子模型

根据不同的使用需求与功能范畴，排放评价模型分为宏观（地区）、中观（道路）、微观（逐秒）三个层次，如图1所示.中观、微观模型能够更加细致地反映交通活动状态的变化，时空分辨率高，具有更强的政策敏感性，其中美国环保局开发的基于车辆比功率的排放模型MOBILE和MOVES[3]，以及欧盟使用的COPERT[4]和基于PHEM模型的HBEFA排放因子模型[5]在国际上具有广泛的应用. MOBILE模型基于标准典型工况计算排放，与实际值相差较大，MOVES用于评估温室气体和污染物排放时具有更高的评估质量，但是数据质量要求较高，获取难度大[6].而HBEFA模型能为道路交通中所有车辆类别生成一个可靠和统一的“实际”排放因子数据库，可以获得对交通敏感且较准确的排放结果.

图1 排放评价模型的分类与组成Fig.1 Classification and composition of emission model

HBEFA模型的思路是在同一种车型下，实际道路工况数据将会被工况的关键影响因素如道路等级、运行状况、运行速度等进行分类，模型通过三个关键参数（平均速度、行驶过程中停车时间的比例和相对正加速度）找到具体分类下的典型代表工况，并通过排放模拟仿真模型（PHEM模型）[7]获得典型工况所反映的排放情况.PHEM模型可以直接根据测试给出结合已知的车辆的速度工况和道路坡度，行驶阻力和传动系统损失获得发动机功率，从而计算发动机功率、速度以及能耗排放的相互关系，建立某种车型对应的发动机图谱.HBEFA模型已经拥有1990年以来欧洲主要城市的各类车型在典型工况下的排放因子数据，使用HBEFA模型仅需要建立城市实际道路交通运行的典型工况，并通过PHEM模型计算获得典型工况对应的排放因子.我国目前尚未发布全国性的交通领域温室气体排放评估方法，引入国外模型的首要条件是确保满足本地化的实际情况.计算温室气体排放，对于中国和欧洲的同类型车辆，其燃油经济性基本相同，排放标准也较为一致，因此碳排放因子也相同，能够利用HBEFA模型进行本地化工作.

3 CCEM模型建模方法

3.1 模型计算思路

测算交通温室气体排放有两种基本方法：自上而下法和自下而上法.自上而下法利用区域燃料总消耗量与燃料的排放因子得到区域碳排放量.自下而上法是基于交通活动水平、对应的燃料消耗强度和燃料的排放因子计算排放量，根据数据质量和精细度分为多种级别[8]，CCEM模型运用自下而上法计算机动车运行过程的排放量，它能够充分量化交通系统的运行状况对能源消耗和碳排放的影响，但需要交通活动数据、车队构成和与之相对应的能源消耗强度等数据.计算公式为

式中TCE为碳排放量，g；FCi为第i种燃油的总消耗量，L；CEFi为第i种燃油的碳排放系数，g/L； VKTi,j,k,l为第i种燃料的j类车型在道路等级k、交通状态l下的总行驶里程数，km；FCFi,j,k,l为第i种燃料的j类车型在道路等级k、交通状态l下的能耗因子，L/km.

3.2 模型数据的划分原则

CCEM模型运用前需要明确交通活动水平及排放因子的分类原则.

（1）车型分类.

车型分类的关键因素是燃料消耗强度，它是指特定类型的车辆行驶单位公里所需要的燃料.现有车型按照品牌、排量、车龄、排放标准、燃油类型等分类下具有成千上万种，借鉴国际经验聚类分析，本模型将轻型车按照四个维度，即车龄（1—15年）、发动机排量（<=1.0 L，1.0-1.4 L，1.4-2.0 L和> 2.0 L）、燃料类型（汽油、柴油等）和排放标准（国0，国1，国2等）进行划分.

（2）交通状态.

目前GB 50220-1995将城市道路划分为快速路、主干路、次干路和支路4级，根据各道路等级下实际情况进行交通服务水平的划分.北京市依据DB11/T 785—2011利用不同道路等级路段的运行速度将道路交通运行水平划分为畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵五个等级，如表1所示.

表1 不同道路等级下交通状态的划分Table 1 Division of level of service different road type

（3）工况单元与典型单元.

模型将车辆在不同道路等级下具有相同交通状态的连续逐秒GPS运行数据称为工况单元，车辆在道路的行驶状况可用一些特征参数来反映其运行特征.通过对运行特征的调查和解析，从工况单元中分析并建立能够表征不同道路类型和交通状态下的典型单元，又称典型运行工况，反映车辆的行驶速度—时间历程，并作为车辆能源消耗和排放测算的分析单元.

（4）交通活动水平.

交通系统燃料消耗和排放与交通活动水平，即车辆行驶里程（VKT）成正相关.VKT数据可从城市交通调查，交通流量反推、车辆年行驶里程，以及交通需求预测模型测算中获得.北京交通的VKT数据是由交通需求预测模型测算，通过模型模拟出行者的出行时间分布、出行目的地、交通方式和交通路径选择，集计获得路段上车辆（小汽车、公交车或大巴等）的流量数据.

3.3 典型运行工况的建立过程

工况单元可用一些统计参数来描述其总体运动特征，如旅行时间，行驶距离，平均速度、最大加速度等.本研究采用平均速度（V）、行驶过程中停车时间的比例（SP）和相对正加速度（RPA）三个特征值作为描述工况单元的统计特征参数.其计算公式如下：

式中D为总行驶距离，m；T为总旅行时间，s；vt为t秒时的点速度，m/s；α+t为t秒时正加速度，m/s2.

行驶过程中停车时间的比例（SP）主要考虑到在中度拥堵和严重拥堵状况中的怠速运行，怠速状态下的燃料消耗和排放占较大比例；相对正加速度（RPA）主要考虑在一个运转循环中车辆发动机加速运行对燃料消耗和排放的影响.通过计算工况单元的三个特征参数，根据道路类型和交通状态进行聚类分析，利用最小二乘法找出最有代表性的工况单元，即为该道路类型和交通状态下的典型运行工况.

3.4 排放因子获取原理

已有研究表明，车辆的燃料消耗与发动机的转速和运行功率有关.在欧洲HBEFA模型3.1版本中PHEM模型也用于计算小汽车和轻型车的排放因子，因此可以通过实际观测，建立发动机的转速、运行功率以及燃料消耗三者的动态关系. PHEM模型可基于发动机排放图表模拟不同行驶工况、不同的车辆载荷、不同的车辆特征（重量、大小、空气阻力等），模拟燃油、CO2以及污染物排放的高精确度消耗量.建立本地化的车辆碳排放因子库，如图2所示，其基本步骤如下：

（a）选取车型对象，进行逐秒运行状态的能耗排放数据采集，通过交通排放因子模型构建车型的排放因子数据库.

（b）选取车型对象，采集足够多的覆盖城市各类运行状况工况数据，分析确定不同道路等级、交通状态下的典型运行工况数据.

（c）使用实际排放测试数据和典型运行工况构建PHEM模型数据库.

（d）将逐秒能耗数据换算成为能耗因子（或直接（e）步骤）.

（e）根据PHEM模型或能耗排放换算系数获得排放因子.

图2 排放因子的产生过程Fig.2 Generation of emission factors

3.5 交通活动水平的划分

VKT数据与排放因子在结构上要求具有一致性，需要按照车型、道路类型、交通状态对VKT进行划分.各车型的VKT计算如下：

式中Vi为某一车型（按照燃油类型、排量、车龄、排放标准等分类）的车辆总数，辆；Di为某一车型的年均行驶里程，km.

获得各车型的VKT数据有两种方式：一种是通过交通管理部门的车辆年检数据库，另一种则是通过对城市道路车辆实际调查获得.获得不同道路类型和交通状态下的VKT数据，需结合交通流量等交通监测类数据.目前国内许多城市都拥有市域宏观交通模型.交通模型能够输出各路段不同时段的交通流量数据，计算出路段速度和VKT数据，此外，利用车牌识别技术能够获得道路车型流量数据，但是此类数据不易获得，另一种简易方式是通过街坊问卷形式获取.

4 北京市本地化的温室气体排放模型的建立

4.1 实际道路运行工况的采集与分析

以北京市城区道路轻型车为主要对象，采用高精度车载GPS模块（Columbus V-900）记录出租车和私人小汽车车辆逐秒的行驶轨迹，包括经纬度和点速度.要求覆盖城区各类型道路，数据采集总样本量为1 200 h，如图3所示.

图3 实际工况采集分布情况Fig.3 The distribution of real world GPS data

GPS数据预处理包括以下三步：①删除重复值；②插值补齐5秒以内缺失数据；③判断5秒以外缺失数据是否为丢失数据，若为丢失数据则在计算特征参数时标记前后时间，若为设备关闭，则定义为工况单元的新起点时间.利用GIS地图匹配算法将GPS数据匹配车辆行驶轨迹所在的道路类型.将数据按照道路等级、交通状态划分出数个独立的工况单元，作为进一步分析基础.划分过程中，交通状态的划分将利用移动平均法计算移动平均速度，对比一段时间时期内的范围变化来判定工况单元的划分点.如图4所示，为主干路某路段的单元工况划分结果.

图4 实际工况采集分布情况Fig.4 The distribution of real world GPS data

为了减少短时间内运行变化带来的误差影响，仅保留总时间大于150 s的工况单元，分别计算并统计V、SP和RPA的三个参数.获得不同道路等级、不同交通状态下所有单元的特征参数统计情况.参数值较为集中，快速路和主干路的RPA与交通状态有明显的相关性，如图5所示，严重拥堵状况下，RPA的范围约为0.16-0.19 m/s2，而畅通状况下RPA的值约为0.08-0.11 m/s2.

图5 快速路、主干路的RPA统计数据Fig.5 RPA on expressway and major arterial

4.2 典型运行工况确定

鉴于不同道路类型和交通状态下，频率最高的V、SP和RPA的三个参数值高度相似，在每种道路类型和交通状态下，选取20个相似工况单元样本进行深入分析，作为典型运行工况的“候选工况”.将样本参数与欧洲典型工况、HBEFA3.1和3.2版本典型运行工况进行对比分析，如图6所示，通过形象化观测对比，结合最小二乘法确定与HBEFA典型运行工况状态最接近的样本.为了剔除最小二乘法中三类参数量级范围间的差异，对参数值进行标准化转换：

式中x——某类道路类型和交通状态下工况单元样本V、SP和RPA三个参数的实际值；

μ——工况单元样本V、SP和RPA三个参数的平均值；

σ——对应的标准偏差.

图6 工况参数对比Fig.6 Parameter of cycle unit comparison

确定典型运行工况的选取规则包括以下几方面：

（1）速度时间曲线必须合理；

（2）PHEM模型下的燃油消耗和排放合理；

（3）道路等级、交通状态趋势变化需与V、SP、RPA参数变化一致，如交通状态趋向拥堵，平均速度应逐渐降低.

最终获得不同道路等级、交通状态下的典型运行工况，以及碳排放因子，如图7所示.

图7 典型运行工况与碳排放因子Fig.7 Typical driving cells of 5 LOS on expressway and GHG emission factors

4.3 VKT的划分

北京早在1992年就开发了BTPS市区模型[9]，目前使用PTV宏观模型软件Visum构建的基于活动链的市区模型，能输出市区范围内高峰和平峰小时路段车型流量数据.CMEM模型构建过程中，对市区近2 000位司机进行街坊调查，并在年度小样本调查中针对1 000户居民进行问卷调查，获得不同排放标准、车龄、排量分类下各车型的年均行驶里程数据，通过结合交管部门的车型保有量结构数据能推算各车型VKT，如图8为排放标准和排量下的VKT总量分布情况，其中，排放标准为国四、排量1.4-2.0 L的车辆为车辆总行驶里程的主要贡献车辆，都占VKT总量的60%左右.

图8 排放标准和排量下的VKT分布情况图Fig.8 Total VKT group by emission standard and engine size

北京交通发展研究中心目前已建成以浮动车数据和交通流动态检测数据为基础的北京路网运行评价分析平台[10]，能够监测6.6万辆在运营出租车每15分钟间隔的路段行程速度，按照地标要求能够聚类获得路网交通状态，可以作为不同交通状态划分的依据，以2010年为例，主干路畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵分别占比6.6%、37%、55.6%、0.8%和0%，快速路畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵分别占比0%、0.7%、13.3%、85.1%和0.8%.但由于本地化交通排放模型更新还未完成，VKT划分最终结果，以及排放评估效果还需等待验证.

5 研究结论

在借鉴国际已有交通排放模型，尤其是欧洲HBEFA交通排放模型的基础上，CCEM模型建立了符合中国道路交通运行状况的燃料消耗量与碳排放测算模型.使用国际上通用的基于车辆总行驶里程与排放因子计算总排放量的思路，结合本地交通领域已有交通模型、道路交通运行指数等可靠交通参数，增强了模型对于实际交通运行的敏感性，能够应用于评估交通政策措施下的节能减排效果.它适用于进行基准年与未来年的交通排放情景对比.但是由于HBEFA模型的排放因子是基于PHEM仿真模型计算，中欧车载催化转换器的性能不同，污染物的排放可能会有差异，因此污染物排放因子的精确性需要进一步论证.

[1]北京交通发展研究中心.探寻北京交通—世界城市交通科学发展之路[R],2012.[Beijing Transportation Research Center.Exploration for Beijing traffic:the de⁃velopment of urban traffic scientific[R].2012.]

[2]国家发展与改革委员会.中国应对气候变化的政策与行动[EB],2012.[The National Development and Re⁃form Commission,the People[EB],2012.]

[3]Fujita E M,Campbell D E,Zielinska B,et al.Compari⁃sonoftheMOVES2010a,MOBILE6.2,andEM⁃FAC2007 mobile source emission models with on-road traffic tunnel and remote sensing measurements[J].Jour⁃nal of the Air&Waste Management Association,2012, 62(1).

[4]Julio L,Rafael B,Alberto G,et al.A methodology to compute emission projections from road transport(Emi⁃TRANS)[J].TechnologicalForecastingandSocial Change,2014,81:165-176

[5]Keller M.Handbook emission factors for road transport 3.1[R].2010.

[6]Suriyapriya V,Jane L.MOVES Versus MOBILE:Com⁃parison of greenhouse gas and criteria pollutant emis⁃sions[J].Transportation Research Record 479,Trans⁃portation Research Board,Washington D C，2011.

[7]Hausberger S.Emission factors from the model PHEM for the HBEFA Version 3[R].2009.

[8]Seo Y,Kim S.Estimation of greenhouse gas emissions from road traffic:A case study in Korea[J].Renewable and Sustainable Energy Reviews,2013,28:777-787.

[9]李春艳,陈金川,郭继孚,等.城市交通模型集锦[J].城市交通，2008(1):32-34.

[10]何巍楠,基于浮动车数据的城市常发性交通拥堵时空分布特征研究[D].北京交通大学,2012.[HE W N. Spatial-temporal distribution characteristics of urban re⁃current traffic congestion based on floating car data[D]. Beijing Jiaotong University,2012.]

Greenhouse Gas Emissions Model for Urban Transportation Based on HBEFA——The Case of Beijing Localization Model

HE Wei-nan，LIU Yi，SUN Sheng-yang，CHENG Ying
（Beijing Transport Energy&Environment Center,Beijing 100073,China）

ract:Transport emissions of greenhouse gases and air pollution have attracted extensive attention of cities in China.To identify the source of emissions and scientific quantitative description is the key to control greenhouse gas emissions and pollutants,which will develop targeted policies and measures.China,at the moment,has not published a nationally accepted tool to assess emissions in the urban transport sector.This paper is based on technical ideas of handbook of road emission factors in Europe and combining the reality driving cycle of Beijing road and vehicle structure data,using bottom-up modeling method,dividing by the vehicle classification,traffic situation,driving cycle unit and traffic activity data,and using the average speed (V),stop time percentage(SP)and relative positive acceleration(RPA)three characteristic values as described driving cycle unit statistical characteristic parameter.Using computer simulation technology to build the localization traffic emission factor,and on this basis to develop the traffic emission measurement model based on traffic activity data.The model not only can establish the list of Beijing traffic energy consumption, greenhouse gas emissions and pollutants,and able to seamlessly link with macroscopic traffic model,evaluation of different transportation policy impact on the traffic emission reduction potential.

rds:urban traffic;emission modeling;greenhouse gas emissions;carbon emission factors

1009-6744（2014）04-0222-08

U491

A

2013-12-19

2014-02-19录用日期：2014-03-10

何巍楠（1987-），男，湖南郴州人，工程师，硕士. *

heweinan@bjjtw.gov.cn