不同交通分擔(dān)率影響下的載客機(jī)動(dòng)車尾氣排放比較

隨著機(jī)動(dòng)車保有量逐漸增加，機(jī)動(dòng)車化進(jìn)程顯著加快，城市交通污染物日益劇增，機(jī)動(dòng)車尾氣排放物嚴(yán)重威脅人類健康和破壞城市環(huán)境。研究表明：一輛汽車在正常情況下約每100千米用掉8升汽油，1升汽油充分燃燒會(huì)產(chǎn)生2.4千克CO2，按照汽車一年行駛的平均值15000千米的情況看，一臺(tái)性能俱佳的機(jī)動(dòng)車一年為大氣中貢獻(xiàn)的二氧化碳就是：15000/100X8X2.4=2880千克。交通引發(fā)的城市生態(tài)環(huán)境問(wèn)題逐漸凸顯，而低碳交通所倡導(dǎo)的出行方式從根本上來(lái)講就是以公共交通為主的低碳出行方式，而且加強(qiáng)小汽車的需求控制管理、改善現(xiàn)行交通的出行環(huán)境和基礎(chǔ)設(shè)施、使各種出行方式能夠方便和便捷銜接是發(fā)展低碳交通的重要輔助方式，低碳交通作為一個(gè)特殊領(lǐng)域，也作為低碳社會(huì)、低碳經(jīng)濟(jì)的一部分，逐漸受到城市建設(shè)管理者的重視，也成為未來(lái)城市發(fā)展的必然趨勢(shì)。本文在不同交通方式分擔(dān)率下研究機(jī)動(dòng)車尾氣排放量的變化。

非集計(jì)模型與交通分擔(dān)率

出行者交通方式的選擇直接影響城市交通結(jié)構(gòu)，不同的交通結(jié)構(gòu)反過(guò)來(lái)也影響著出行者的行為選擇。非集計(jì)模型以出行效用最大為基本準(zhǔn)則，在與出行者相關(guān)的多個(gè)選擇肢中，在多因素綜合影響之下，出行者選擇效用最大的選擇肢，其理論基礎(chǔ)一般可表示為：對(duì)任意的i1j，當(dāng)Uin＞Ujn時(shí)，個(gè)人n優(yōu)先選擇選擇肢i。其中Uin表示選擇肢i對(duì)個(gè)人n的選擇效用，一般記為Uin=Vin + ein，即個(gè)人選擇肢可表示為可觀測(cè)的影響因素構(gòu)成的效用項(xiàng)確定項(xiàng)Vin與不可觀測(cè)因素構(gòu)成的效用隨機(jī)項(xiàng)ein之和，具體一般用效用函數(shù)表達(dá)，其常用表達(dá)式為：

式中Vin為效用函數(shù)（與個(gè)人n的社會(huì)經(jīng)濟(jì)特性與選擇肢i的特性有關(guān)），Xkin為個(gè)人n響應(yīng)選擇肢i的第k個(gè)變量值，qk為待定系數(shù)。在確實(shí)效用函數(shù)的具體形式之后，運(yùn)用最大似然法估計(jì)法進(jìn)行參數(shù)標(biāo)定，進(jìn)而確定各種交通選擇肢的分擔(dān)率?！断虒幨惺袇^(qū)優(yōu)先發(fā)展城市公共交通實(shí)施辦法》預(yù)計(jì)“十三五”期間市區(qū)城市公共交通出行分擔(dān)率將達(dá)到18%，機(jī)動(dòng)化公交出行分擔(dān)率不低于30%，再結(jié)合已有研究與咸寧市城市公共交通專項(xiàng)規(guī)劃等，本文交通選擇肢及其初始分擔(dān)率確定如表1所示。

表1 交通方式初始分擔(dān)率

不同出行方式污染排放

汽車對(duì)環(huán)境的污染主要表現(xiàn)在汽車尾氣排放和噪聲兩個(gè)方面。有關(guān)研究結(jié)果表明，各類機(jī)動(dòng)車輛排氣污染已占城市大氣部份污染物的70%以上，成為影響城市居民生活質(zhì)量的一個(gè)重要污染源。在機(jī)動(dòng)車排出的廢氣中，污染物的主要成分有：二氧化碳（CO2）、一氧化碳（CO）、碳?xì)浠衔铮℉C）、氮氧化合物（NOx）、顆粒物（PM）等，每種污染物都人體健康存有威脅。與城市居民日常生活相關(guān)的機(jī)動(dòng)車主要有載客汽（大、中、小、微型）、載貨汽車（重、中、輕、微型）、摩托車和其它車型等，根據(jù)中國(guó)機(jī)動(dòng)車污染防治年報(bào)（2013，2015），不同車型主要污染物排放分擔(dān)率如表2所示。

表2 各車型主要污染物排放量分擔(dān)率

不同交通分擔(dān)率下機(jī)動(dòng)車尾排放研究

本文側(cè)重分析私家車、出租車等小型載客汽車和不同類型公交車等中、大型載客汽在城市交通不同分擔(dān)率下的污染排放，出租車雖行駛歷程遠(yuǎn)大于私家車，但排污量與私家車

基本相當(dāng)，故將其綜合為一類。為了便于污染物的計(jì)算與后期的對(duì)比分析，本文將上述交通方式選擇肢進(jìn)行綜合，綜合為非機(jī)動(dòng)出行、摩托車、小型載客汽車、中型載客汽車四種方式。綜合后的基礎(chǔ)表格如表3所示。

表3中污染物排放只考慮載客機(jī)車部分，其中中型汽車數(shù)據(jù)由表2中大型+中型載客汽車數(shù)據(jù)所得，微型數(shù)據(jù)合并在小載客車部分，交通分擔(dān)率小型汽車部分由出租車和私家車兩部分組成，機(jī)車數(shù)據(jù)來(lái)源于2015年咸寧統(tǒng)計(jì)年鑒。對(duì)表3中的數(shù)據(jù)，分別以CO、HC、NOx、PM作為因變量，交通分擔(dān)率和機(jī)車數(shù)量作為自變量，在EXCEL中進(jìn)行回歸分析，可得：YCO=－26.66+2.91X1－0.04X2、YHC=－13.49+2.09X1－0.07X2、YNOx=31.47－0.64X1－0.76X2、YPM=30.89－0.88X1－0.67X2。

公交優(yōu)先策略是目前城市低碳出行的共識(shí)，根據(jù)咸寧楓丹公交有限公司提供的數(shù)據(jù)：咸寧市截至2016年10月共有公交車429輛，在假定所有機(jī)車數(shù)量和摩托車、非機(jī)動(dòng)車交通分擔(dān)率不變前提下，研究當(dāng)中型載客汽車交通分擔(dān)率上升一個(gè)百分點(diǎn)、小型載客汽車下降一個(gè)百分點(diǎn)時(shí)，其對(duì)應(yīng)尾氣排放的變化，結(jié)果如表4所示。

由表4可知，當(dāng)中型汽車交通分擔(dān)率上升一個(gè)百分點(diǎn)（即相當(dāng)于公交車分擔(dān)率上升1%）、小型車交通分擔(dān)率下降一個(gè)百分點(diǎn)（即相當(dāng)于私家車、出租車交通分擔(dān)率下降1%）時(shí)，所有大小載客汽尾汽排放中CO、HC、NOx、PM的分擔(dān)率變化量為分別為2.91、2.10、0.65和0.88，由于小型載客汽車和中型載客汽車的基數(shù)不同且同一時(shí)刻均為固定值，實(shí)質(zhì)即為二者載客能力有別導(dǎo)致同樣出行任務(wù)下對(duì)環(huán)境造成的污染程度不同，由此可得此時(shí)小型載客汽車的尾氣排放率中CO、HC、NOx、PM的分別下降了19.05、13.72、4.19和5.76，中型載客汽車的尾氣排放率中CO、HC、NOx、PM的分別上升了1.15、0.83、0.25和0.35，運(yùn)用相對(duì)變化比較方法：（A－B）/（A+B）*100%，可得CO、HC、NOx、PM減排的比率分別為88.61%、88.59%、88.74%和88.54%。可見(jiàn)加大中型載客汽車在交通方式中的分擔(dān)率，對(duì)減少汽車尾氣排放對(duì)環(huán)境的污染效果非常明顯。

表3 尾氣排放比率－交通分擔(dān)率－機(jī)車數(shù)量

表4 1%交通分擔(dān)率變化時(shí)尾氣排放量變化

不同交通分擔(dān)率下機(jī)動(dòng)車尾排放研究

現(xiàn)代城市生活人們?cè)絹?lái)越注重環(huán)保與生態(tài)理念，城市居民對(duì)日常生活緊密相關(guān)的交通出行方式的選擇在悄無(wú)聲息的對(duì)自身周邊的大氣環(huán)境產(chǎn)生著直接影響。本文定量化的研究結(jié)果大致表明，增加1%的公交出行方式分擔(dān)率，約可以使CO、HC、NOx和PM的排放量均減少88%左右，減排的效果明顯。倡導(dǎo)公交優(yōu)先、低碳出行方式、發(fā)展便捷舒適的公共交通，作為建設(shè)低碳社會(huì)、發(fā)展低碳經(jīng)濟(jì)的一部分，應(yīng)當(dāng)逐漸受到城市建設(shè)管理者的重視，這也是未來(lái)城市發(fā)展的必然趨勢(shì)。

除此之外，本文還使用了最近鄰類型的理論，在這個(gè)理論的框架下，如果任何一個(gè)i 分區(qū)的采樣與j分區(qū)的中心的距離，比其它的j 分區(qū)采樣與j分區(qū)中心的距離更近，本文就認(rèn)為分區(qū)是成對(duì)出現(xiàn)的。在實(shí)際應(yīng)用中，在評(píng)估狀態(tài)之間使用歐幾里得距離已經(jīng)非常足夠了，并且對(duì)于計(jì)算量負(fù)載的要求也相對(duì)較小。自適應(yīng)分區(qū)（AP）的方法如下給出。

b）如果d( t)＞τ，則使用獨(dú)立分區(qū)推導(dǎo)t分區(qū)

c）否則，使用成對(duì)分區(qū)推導(dǎo)t分區(qū)。

仿真結(jié)果

在仿真過(guò)程中，在同時(shí)監(jiān)控并跟蹤10個(gè)目標(biāo)的情況下，AP算法對(duì)每1秒的即時(shí)數(shù)據(jù)進(jìn)行運(yùn)算，需要耗費(fèi)大約1.5秒的時(shí)間。隨著硬件水平的提升，本文方案有望提供一個(gè)更趨近于實(shí)時(shí)的跟蹤。我們首先對(duì)10個(gè)目標(biāo)進(jìn)行JMPD實(shí)現(xiàn)，然后對(duì)這個(gè)結(jié)果進(jìn)行粒子濾波，通過(guò)對(duì)粒子濾波結(jié)果進(jìn)行跟蹤，展現(xiàn)了他們的性能表現(xiàn)。圖1取的是50次試驗(yàn)的平均值，其中每次試驗(yàn)的目標(biāo)集合都是從我們的實(shí)時(shí)目標(biāo)數(shù)據(jù)庫(kù)中隨即選擇10個(gè)組成的。

本文展現(xiàn)了基于遞歸估計(jì)的JMPD的多目標(biāo)跟蹤算法，并用貝葉斯方法對(duì)該算法進(jìn)行了實(shí)現(xiàn)。我們對(duì)自適應(yīng)粒子的策略進(jìn)行了細(xì)化，全面考慮了多目標(biāo)問(wèn)題的本質(zhì)，并且，選擇恰當(dāng)?shù)臅r(shí)機(jī)，把多目標(biāo)的問(wèn)題分解成一系列的更小的獨(dú)立的問(wèn)題，同時(shí)，在目標(biāo)相互靠近時(shí)，正確的處理了置換對(duì)稱性以及目標(biāo)之間的相互關(guān)系。

10.3969/j.issn.1001- 8972.2016.20.030