摘要：細粒度的微觀排放數(shù)據(jù)是研究路面服役工況和行駛狀態(tài)耦合的微觀排放機理并建立定量化排放模型的基礎與關鍵。本文通過綜述車輛行駛狀態(tài)和路面服役工況對排放的影響分析，從國內(nèi)和國外研究視角，總結(jié)了現(xiàn)有交通排放預測模型的研究成果和發(fā)展方向，并提出適應于我國普通公路的機動車高精排放建模方案，根據(jù)檢測數(shù)據(jù)和多工況場景，可構(gòu)建能夠精確測算機動車個體不同類型排放的排放因子模型，并建立梯度下降的多模態(tài)參數(shù)閾值區(qū)間。該技術(shù)方案將為開發(fā)新一代路面養(yǎng)護與材料技術(shù)注入碳元素，為公路養(yǎng)護節(jié)能減排的科學決策提供重要依據(jù)。

關鍵詞：普通公路；排放預測；耦合建模；機動車；節(jié)能減排

中圖分類號：U412.1 文獻標識碼：A 文章編號：1673-6478（2023）01-0044-07

Discussion of High-Precision Emission Modeling of Motor Vehicles Based on Ordinary Highways

LANG Hong CHEN Zhen LI Chun WANG Aidi PENG Yuan

（1.Key Laboratory of Road and Traffic Engineering of Ministry of Education，Tongji University，Shanghai 201804，China；2.School of Mechanical Engineering，Xinjiang University，Urumchi Xinjiang 830063，China）

Abstract：The micro emission data of fine grain is the basis and key to study the micro emission mechanism of coupling pavement service conditions and driving conditions and establish a quantitative emission model. By summarizing the analysis impact of vehicle driving status and road service conditions on emissions，this paper summarizes the research results and development direction of existing traffic emission prediction models from domestic and foreign research perspectives，and proposes a high-precision emission modeling scheme for motor vehicles suitable for ordinary roads in China. Based on the detection data and multi working condition scenarios，an emission factor model that can accurately calculate different types of emissions of individual motor vehicles can be built. The threshold interval of multi-modal parameters with gradient descent is established. The technical scheme will inject carbon into the development of a new generation of pavement maintenance and material technology，and provide an important basis for scientific decision-making on energy conservation and emission reduction in highway maintenance.

Key words：ordinary highways；emission prediction；coupled modeling；motor vehicle；energy saving and emission reduction

0 引言

氣候變化已成為當前人類生產(chǎn)生活的最大威脅之一，溫室氣體被認為是造成氣候變化的主要原因，尤其是二氧化碳。作為道路養(yǎng)護和決策的關鍵依據(jù)，路面微觀服役工況（舒適度、抗滑性、路橋跳車等）對道路車輛排放有顯著影響。截至2021年底，我國國省干線和農(nóng)村公路占公路總里程的96.8%[1]，碳排放是選擇替代路面養(yǎng)護和重建策略時需要考慮的重要因素之一。

過去十多年來，我國在交通排放預測和分析領域的研究和實踐也取得了長足進展，相關學者從不同角度對交通排放預測和分析進行研究，提出了以提高公交出行比例，推廣慢行交通和新能源技術(shù)等為基礎的低碳交通發(fā)展戰(zhàn)略規(guī)劃體系[2]。

目前，國內(nèi)外減排研究大多集中在駕駛行為、汽車制造、改善交通設施和道路全生命周期上，排放模型不具有普適性，評價粗略。部分研究針對通行能力和信號配時對機動車排放進行評價，在數(shù)據(jù)采集和場景建模存在漏洞和局限?，F(xiàn)有道路設施碳排放的研究主要集中在生命周期評估（LCA）上，相關研究提出利用路面平整度、損壞、噪聲等參數(shù)來優(yōu)化路面LCA方法以及在計算用戶成本和環(huán)境成本時，明確根據(jù)路面衰變狀況改變車速及油耗之間的關系。相關學者在道路渠化設計、道路坡度、路面狀況等做出了大量探索，但現(xiàn)有研究對路面服役工況和車輛行駛狀態(tài)（速度、加速度等）微觀耦合作用的研究不夠細致。

國內(nèi)外的研究成果對機動車、道路網(wǎng)排放特征的預測和分析起到推動作用，也為道路交通碳減排提供一定的決策依據(jù)。然而，正如學者們公認，仍需構(gòu)建大規(guī)模數(shù)據(jù)體系，建立適合不同地區(qū)的機動車排放預測模型。由于缺乏機動車排放預測模型，也難以建立預測模型與仿真平臺相結(jié)合的道路網(wǎng)排放預測模型，從而難以準確分析和評價不同因素對機動車、道路網(wǎng)排放水平的影響。這一定程度導致我國現(xiàn)階段交通節(jié)能減排決策的乏力[3]。此外，我國現(xiàn)有排放研究較多選擇城市場景，而對排放較高的公路系統(tǒng)研究不足。

因此，如圖1所示，基于普通公路輕型和重型機動車輛，如何解決路面工況的多樣化與行駛狀態(tài)的隨機性問題，進而構(gòu)建普適的排放模型，成為建立可持續(xù)發(fā)展交通系統(tǒng)進程中亟待解決的科學問題。

1 車輛行駛狀態(tài)對排放的致因研究

經(jīng)過多年的發(fā)展，目前國內(nèi)外交通減排正由戰(zhàn)略型向戰(zhàn)術(shù)型進行轉(zhuǎn)化[4]。2002年3月，瑞典政府出臺了《瑞典可持續(xù)發(fā)展策略》，正式把包括交通節(jié)能減排在內(nèi)的可持續(xù)發(fā)展戰(zhàn)略定為第一國策[5]。英國政府2009年的報告Low Carbon Transport：A Greener Future 提出了切實可行的低碳交通戰(zhàn)略規(guī)劃[6]。2021年，我國國務院印發(fā)的《“十四五”節(jié)能減排綜合工作方案》中明確指出，推動綠色鐵路、綠色公路、綠色港口、綠色航道、綠色機場建設，完善主要污染物排放總量控制制度，組織實施節(jié)能減排重點工程，進一步健全節(jié)能減排政策機制，主要污染物排放總量持續(xù)減少，實現(xiàn)節(jié)能降碳減污協(xié)同增效、生態(tài)環(huán)境質(zhì)量持續(xù)改善，確保完成“十四五”節(jié)能減排目標，為實現(xiàn)碳達峰、碳中和目標奠定堅實基礎。交通節(jié)能減排的科學決策需要清晰把握機動車的個體排放特征，全面掌握公路網(wǎng)的總體排放發(fā)展趨勢，準確評價公路網(wǎng)交通排放的主要影響因素，科學測算不同改善措施的潛在減排效果[7]。

Wang[8]等使用便攜式排放測試系統(tǒng)，對十輛乘用車進行了模擬駕駛模式下的燃油消耗測試，結(jié)果表明，在50 ～ 70 km/h的速度下，單位距離的車輛消耗最佳，且燃油消耗隨著加速度的增加顯著增加。Frey等[9]使用便攜式儀器收集了20輛輕型車行駛4 000 km的排放數(shù)據(jù)，以研究影響車輛排放的關鍵因素，并評估交通變化的協(xié)調(diào)性對交通排放的影響，結(jié)果表明，交通協(xié)調(diào)性是影響交通排放的主要因素之一，而導致加速頻率變化的交通設計將直接增加交通排放。同時，F(xiàn)rey等[10]將行駛工況分別定義為四類：勻速、加速、減速、怠速，并提出了車輛排放因子的估算方法，使車輛排放變得更加量化，然后進一步確定了每種工況下的車輛平均排放因子，例如車輛排放高時對應的行駛狀況與高加速度和高速度時期相吻合，并探討了給定車輛類型的排放速率隨平均速度的變化。估算機動車運行排放是一個復雜的過程，尤其是交通流具有復雜性、隨機性等特點[11]，在Frey研究的基礎上，相關學者剖析了機動車排放因子分布特征，進一步探究其與車輛運行參數(shù)的影響規(guī)律[12]。

陳長虹等[13]在上海隨機選擇了7輛重型柴油車作為實驗對象，分別在城市主干道、次干道和快速干道上測試了車輛運行工況對交通排放的影響，并給出了不同道路上重型車的工況比例分布和被測試車輛CO、HC、和NOx的的平均排放因子，研究表明頻繁加減速和過低的車速是加重城市交通排放的元兇之一。

在綜合交通場景中，機動車排放模型僅能簡單估算行駛工況下各種排放因子的排量，且對排放與路面服役狀態(tài)、路面微觀工況之間的研究有一定的局限性。宏觀排放方面取得了較多的研究成果，考慮了不同道路條件（縱坡橫坡、車道功能劃分及線寬等）對汽車排放的影響；微觀排放研究主要集中在對車輛工況的劃分、行駛狀態(tài)的隨機性對機動車排放速率、排放因子分布特征與比功率的仿真分析等方面。然而，速度和加速度對不同氣體排放物（CO、HC、NOx）的影響差異性研究較少，且在研究中考慮交通流組成的相關研究仍處于空白狀態(tài)，在混合交通流狀況下的城市道路中，重型車的排放量在交通流整體排放中的貢獻率不容忽視。車輛微觀運行工況數(shù)據(jù)是排放建模的基礎數(shù)據(jù)，但已有研究基于車輛行駛狀態(tài)和交通特征條件構(gòu)建排放模型，在數(shù)據(jù)采集和場景應用仍存在較大的漏洞和局限。

2 路面服役工況對排放影響的評價建模

上述分析了車輛微觀行駛工況對交通排放的影響后，繼續(xù)探索影響交通排放的深層原因。國外學者Moussa等[14]將研究重點放在改善街道條件和質(zhì)量來減少道路的碳排放量，研究埃及道路服役狀況對汽車速度、駕駛行為和碳排放的交互作用，通過在開羅街道對比兩條質(zhì)量相差較大的路上的車輛碳排放，發(fā)現(xiàn)街道質(zhì)量對車輛行駛工況起決定性作用，而車輛行駛工況影響著車輛的碳排放和街道擁堵狀況，而擁堵又會導致駕駛員頻繁的啟停車輛，從而產(chǎn)生更多的二氧化碳。Ary Setyawan等[15]為了研究道路是如何影響機動車車速進而影響排放的，用路面狀況指數(shù)（pavement condition index，PCI）方法評估路面狀況，選擇六個路面狀況不同的位置（優(yōu)良、非常好、良好、一般、較差、非常差），并計算這些位置的平均車速，并通過mobilevo軟件計算六個地點的碳排放量。研究結(jié)果表明，與良好的路況相比，在非常惡劣的路況下，車輛速度降低了55%。車輛平均速度的下降會增加所有類型車輛的排放量。與良好路況相比，在非常惡劣的路況下，車輛排放的平均排放量增加了2.49%。Willis等人[16]回顧總結(jié)了世界上最重要的滾動阻力研究，得出以下結(jié)論，當路面滾動阻力系數(shù)增加時，車輛油耗顯著增加，尤其是在無坡度的路上。道路狀況參數(shù)中的路面紋理、平整度和粗糙度都與滾動阻力系數(shù)有高度相關性。其中粗糙度對滾動阻力系數(shù)的影響大小由車速大小決定，而紋理對其的影響則不會受速度作用，紋理越差則會導致滾動阻力系數(shù)越大。

Chong等[17]以香港道路為研究對象，整合路面生命周期評價（life cycle assessment，LCA）和機械經(jīng)驗路面設計指南（mechanistic-empirical pavement design guide，MEPGD）制定方法框架來評估與路面相關的生命周期燃料消耗量和溫室氣體（green house gas，GHG）排放量，以及開發(fā)定量模型，根據(jù)路面設計和管理決策估算總壽命周期燃料消耗量和GHG排放量。通過分析香港206個路面設計和管理場景，得出結(jié)論，由于道路封閉導致的材料生產(chǎn)、道路使用和擁堵占路面相關能耗和GHG排放量的90%以上，且路面相關能耗的數(shù)量和細分取決于交通水平。在交通量大的情況下，路面相關能耗的主要來源是行駛車輛，隨著交通水平的降低，主要來源轉(zhuǎn)向了材料生產(chǎn)。Wu[18]等人發(fā)現(xiàn)，在混凝土路面上，維護和修復道路造成的交通延誤產(chǎn)生的GHG排放量占總排放量的7.72% ～ 30.12%。Arghavan[19]等提出了一種方法，將路面結(jié)構(gòu)和表面條件、汽車和卡車交通、氣候條件和動態(tài)稱重測量數(shù)據(jù)與計算效率高的PVI（pavement-vehicle-interaction）建模相結(jié)合，以執(zhí)行綜合網(wǎng)絡規(guī)模分析，提供與路面粗糙度和撓度相關的總過量CO2排放量的估計。該方法結(jié)合了道路全生命周期評估和有效的優(yōu)化算法，因此可更合理的選擇道路維護，引導最短路徑來減少碳排放。Noland[20]發(fā)現(xiàn)，與交通中斷相關的CO2排放量在重建項目的道路生命周期中很小。因此，根據(jù)不同的項目條件、路面類型、交通量和燃油經(jīng)濟性改善，CO2排放量具有很大的不確定性。

3 交通排放模型綜述

建立適合我國公路的機動車個體排放模型和通過機動車個體排放獲得交通排放預測模型是開展交通排放工作的基本前提[21]。目前，國際上相關研究已經(jīng)建立了一些機動車排放模型，這對進一步開展道路網(wǎng)整體交通排放預測和評價體系的研究打下了一定的基礎[22]。然而，由于車輛運行、交通特征、排放標準等方面的差異，國外模型的參數(shù)和模擬結(jié)果可能和我國實際情況存在較大誤差，對理論和實踐的展開帶來一定影響。

20世紀60年代，Chandler[23]指出估算地面運輸?shù)呐欧攀且粋€復雜的過程，例如，大多數(shù)宏觀運輸需求和土地使用模型（例如Trans CAD，Tran Plan和TRANUS）會根據(jù)車輛和道路類別產(chǎn)生路段平均速度和行車里程（VMT）。這些值隨后用于通過使用標準排放模型（例如美國環(huán)境保護署的MOBILE6模型）來估算基于路網(wǎng)的排放。相反，對便攜式排放物檢測系統(tǒng)的研究表明，排放并不直接與VMT成正比，而是具有偶發(fā)性的。Ahn等[24]根據(jù)實測數(shù)據(jù)對排放氣體用速度-加速度進行不同冪次的乘積組合，建立了較優(yōu)的車輛微觀統(tǒng)計模型。Kenworthy等[25]指出需考慮車輛行駛過程中的油耗排放原理，進而彌補行駛狀態(tài)對排放建模的局限。用于交通建模和燃料消耗的機動車排放模型在近十幾年已經(jīng)進行了深入開發(fā)，微觀排放模型工具包括VISSIM、CORSIM和TRANSIMS[26]。同時，排放模型（例如MOVES）的開發(fā)可用于估算單車輛的瞬時排放，這些模型可以集成起來，基于個體機動車行駛的車輛瞬時排放估算路網(wǎng)的整體排放趨勢[27-29]。

利用機動車排放預測模型來定量計算車輛的排放水平，根據(jù)計算原理和適用范圍的不同，預測模型有宏觀和微觀之分。宏觀模型主要通過修正排放因子計算排放[30]，如美國的MOBILE和歐洲的COPERT等。微觀模型通過機動車不同運行特征計算排放，最具有代表性和影響力的微觀模型是CMEM[31]。2010年，美國環(huán)保署（EPA）開發(fā)了新一代的MOVES2010模型[32]，MOVES整合了宏觀和微觀的排放模型，成為美國（除加州外）的排放預測法定模型[33]。近年來，國內(nèi)外學者都對MOVES模型進行了深入研究，例Nam[34]采用獨立于車重的VSP（Vehicle-specific Power）變量研發(fā)了Physical Emission Rate Estimator（PERE），分析了VSP與油耗、排放的關系，國內(nèi)學者黃冠濤[35]基于MOVES模型對其結(jié)合當?shù)貐?shù)進行相關性分析，在此基礎上進行秒級實測數(shù)據(jù)，對比平均速度和運行工況的結(jié)果發(fā)現(xiàn)，基于運行工況分布測算得到的排放因子與實測結(jié)果更為接近，對于油耗、CO2、NOx、CO和HC測算精度較基于平均速度的測算精度最大可分別提高68%、74%、77%、87%和43%。

對模型VISSIM與CMEM、PARAMICS與CMEM、MOBILE與PARAMICS等不同排放模型的組合研究，學者們分別對道路類型和交通狀況的排放及油耗進行了預測[36-38]，并分析了不同道路交通特征的改變對機動車排放的影響[39]。近幾年，圍繞新興的MOVES排放模型，學者們探討了MOVES排放模型和交通仿真模型結(jié)合的效果[40]，及其在道路排放預測和分析領域中的應用[41]。在交通排放領域中，除了MOVES排放模型，國內(nèi)外學者將VISSIM與交通排放模型相結(jié)合，Hirschman等[42]將VISSIM模型與瞬時排放模型結(jié)合，VISSIM能夠為交通網(wǎng)絡中所有車輛提供必要的瞬時速度數(shù)據(jù)，通過將模擬速度曲線的PHEM排放計算與來自道路駕駛測量排放進行比較，來評估整體模型的性能。Noland等[43]利用VISSIM仿真模型和CMEM排放模型相結(jié)合，研究了增加道路空間可用性或使交通順暢的道路方案是否導致車輛污染的增加，以評估道路通行能力變化如何影響車輛排放的問題，該研究結(jié)果顯示了CO、HC、NOx、燃料消耗和CO2的排放平衡點。國內(nèi)研究交通排放的團隊以北京交通大學于雷教授研究團隊為例：Song等[44]在闡述MOVES基本計算原理和主體框架基礎上，該團隊探討了VISSIM與MOVES相結(jié)合進行排放預測的結(jié)果準確性，研究了單、雙向車道的設計對道路網(wǎng)排放的影響。同濟大學的陸鍵團隊近年來，以結(jié)合交通仿真模型和排放預測模型對交通排放從不同方面進行了研究，完成了多個相關課題的研究，邴雪等[45]綜合VISSIM微觀仿真和VSP排放模型分析了不同車道設計對交通排放的影響；張弛等[46]基于OBEAS-3000系統(tǒng)收集的排放數(shù)據(jù)，用VISSIM仿真軟件模擬了道路限速對交通排放的影響；張文丹等[47]結(jié)合VISSIM與PEMS建立了重型車的排放評價模型，研究了道路坡度對車輛排放的影響。

根據(jù)對各模型的深入研究，國內(nèi)外建立了基于行駛工況的MOBILE模型和EMFAC模型，但未考慮發(fā)動機運行疲勞度對建模的影響[48-49]；MEASURE模型考慮了車輛運行狀況，但忽略了道路工況對排放量的作用[50]；基于燃油消耗量的NON-ROAD模型未細化車輛運行狀態(tài)對排放的影響分析[51]；基于道路實測的MOVES模型一定程度上模擬了微觀排放狀態(tài)，但由于我國機動車和國外的機動車的排放標準、排放測試系數(shù)及校準裝置不同，對于我國來說并不適用[52]。

面對公路節(jié)能減排的迫切需求，急需構(gòu)建基于我國道路網(wǎng)特征的機動車個體排放模型和道路網(wǎng)整體交通排放的分析方法。張凱等[53]利用交通網(wǎng)絡靜態(tài)平衡以及容忍度概念構(gòu)建一個雙層數(shù)學規(guī)劃模型，模型的下層為路網(wǎng)的靜態(tài)交通分配情況，上層為污染指標，其中這個指數(shù)反映了此條件下該道路的上的車輛的碳排放狀態(tài)。王曉寧等[54]以綜合排放模型CMEM中柴油車排放模型為基礎，通過分析我國柴油公交車和標準公交車的差別，對模型的各個參數(shù)進行修正，建立適用于我國柴油公交車的排放模型。何巍楠[55]等基于北京市車輛結(jié)構(gòu)化數(shù)據(jù)和實際道路工況，采用歐洲道路排放因子模型，構(gòu)建了自下而上的交通排放模型，該模型對北京市交通能源消耗和碳排放做到精準計算，并評估不同的城市交通政策對交通減排的潛在影響。通過這些研究，積累了豐富的資料，也為更深一步的研究奠定了堅實的基礎。趙曉華[56]基于出租車車載OBD/GPS終端，解析車輛微觀運行工況，建立基于主成分分析與BP神經(jīng)元網(wǎng)絡的油耗組合預測模型，實現(xiàn)北京市快速路油耗的準確預測。朱洪等[57]在IVE模型的基礎，建立上海市機動車交通排放模型，實現(xiàn)了排放因子和機動車運行工況本地化敏感度分析，并根據(jù)排放模型對道路交通模型進行深化。以上模型雖都在某些地段取得了較好的應用效果，由于各個城市使用的模型不一致，導致各地模型無法通用對比，因此有必要加快構(gòu)建全國統(tǒng)一的機動車排放模型。

4 機動車高精排放建模方案探討

機動車動態(tài)行駛特征是決定機動車排放特征的主要因素之一。而我國普通公路路面服役工況特征，如路面顛簸、損壞，路橋跳起等，會影響機動車行駛特征，直接和間接影響機動車個體排放水平。根據(jù)機動車排放、運行狀態(tài)和路面服役狀況的現(xiàn)場檢測和調(diào)研數(shù)據(jù)，解析路面服役工況和行駛狀態(tài)的相互作用以及對排放差異，可進一步探究耦合的排放規(guī)律。

通過多組交叉試驗、動靜試驗和偏相關分析法，根據(jù)輕型和重型機動車分別分析速度、加速度、溫度和濕度對車輛排放的關聯(lián)性和差異性，其次劃分排放單元，分級解析不同路面功能參數(shù)及路面質(zhì)量指數(shù)（PQI）對機動車排放的作用機制，如圖2所示。通過路面服役工況和行駛狀態(tài)作為自變量，以機動車排放因子為因變量，建立回歸模型并剖析耦合機制。

根據(jù)檢測數(shù)據(jù)和多工況場景，可構(gòu)建能夠精確測算機動車個體不同類型排放的排放因子模型，并建立梯度下降的多模態(tài)參數(shù)閾值區(qū)間。

總之，該方案將構(gòu)建我國道路網(wǎng)不同路面服役工況下機動車個體排放模型，并建立路面及行駛狀態(tài)高頻檢測和排放數(shù)據(jù)庫，細化公路網(wǎng)總體排放特征并為我國公路排放分析評價軟件開發(fā)做技術(shù)儲備。同時，該技術(shù)有望突破公路管養(yǎng)裝備的研發(fā)思路，為開發(fā)新一代路面養(yǎng)護與材料技術(shù)注入碳元素，為公路養(yǎng)護節(jié)能減排的科學決策提供重要依據(jù)，具有較大社會應用價值。

參考文獻：

[1] 2021年交通運輸行業(yè)發(fā)展統(tǒng)計公報[R]．北京：交通運輸部，2022．

[2] 樊杰玉. 基于排放檢測和交通流仿真的普通公路機動車排放模型研究[D]. 上海：同濟大學，2020.

[3] Jinghui Wang，Lei Yu，and Fengxiang Qiao. Micro Traffic Simulation Approach to the Evaluation of Vehicle Emissions on One‐way vs. Two‐way Streets：A Case Study in Houston Downtown [C]. 92th Transportation Research Board Annual Meeting CD-ROM，Washington，D. C. ，Jan 2013.

[4] Gorham，Roger. Air pollution from ground transportation：an assessment of causes，strategies and tactics，and proposed actions for the international community[J]. Tournesol Conseils，2002.

[5] 32. Lafferty，William M. ，ed. Governance for sustainable development：the challenge of adapting form to function. Edward Elgar Publishing，2006.

[6] DfT U K. Low carbon transport：A greener future. A carbon reduction strategy for transport[J]. 2009.

[7] Bongardt，Daniel，et al. Low-carbon land transport：policy handbook. Routledge，2013.

[8] Wang H，F(xiàn)u L，Zhou Y，et al. Modelling of the fuel consumption for passenger cars regarding driving characteristics[J]. Transportation Research Part D：Transport and Environment，2008，13（07）：479-482.

[9] Frey，H. Christopher，et al. Emissions reduction through better traffic management：An empirical evaluation based upon on-road measurements. No. FHWA/NC/2002-001. 2001.

[10] Frey H C，Rouphail N M，Zhai H. Speed-and facility-specific emission estimates for on-road light-duty vehicles on the basis of real-world speed profiles[J]. Transportation Research Record，2006，1987（01）：128-137.

[11] 馬壽峰，賀國光. 一種通用的城市道路交通流微觀仿真系統(tǒng)的研究[J]. 系統(tǒng)工程學報，1998，13（04）：8-15+24.

[12] 樊杰玉，陸鍵，邢瑩瑩. 汽車速度和加速度對不同尾氣排放的影響分析[J]. 武漢理工大學學報（交通科學與工程版），2019（05）：795-799.

[13] 陳長虹，景啟國，王海鯤，等. ，重型機動車實際排放特性與影響因素的實測研究[J]. 環(huán)境科學學報，2005，25（07）：870-878.

[14] Moussa，Rania Rushdy. Reducing carbon emissions in Egyptian roads through improving the streets quality[J]. Environment，Development and Sustainability，2022：1-22.

[15] Ary Setyawan and Irvan Kusdiantoro and Syafi’i. The Effect of Pavement Condition on Vehicle Speeds and Motor Vehicles Emissions[J]. Procedia Engineering，2015，125：424-430.

[16] Willis JR，Robbins MM，Thompson M（2015）Effects of pavement properties on vehicular rolling resistance：a literature review. Technical report，National Center for Asphalt Technology （NCAT） Auburn University，Auburn，Alabama.

[17] Chong，D. ，Wang，Y. Impacts of flexible pavement design and management decisions on life cycle energy consumption and carbon footprint. Int J Life Cycle Assess ，2017（22）：952–971.

[18] Arghavan Louhghalam，Mehdi Akbarian，F(xiàn)ranz-Josef Ulm，Carbon management of infrastructure performance：Integrated big data analytics and pavement-vehicle-interactions，Journal of Cleaner Production，Volume 142，Part 2，2017.

[19] Wu，P. ，Xia，B. ，Zhao，X. ，2014. The importance of use and end-of-life phases to the life cycle greenhouse gas（GHG）emissions of concreteea review. Renewable amp; Sustainable Energy Reviews 37，360-36.

[20] Noland，R. B. ，Hanson，C. S. ，2015. Life-cycle greenhouse gas emissions associated with a highway reconstruction：a New Jersey case study[J]. Journal of Cleaner Production 107，731-740.

[21] Geels F W. A socio-technical analysis of low-carbon transitions：introducing the multi-level perspective into transport studies[J]. Journal of Transport Geography，2012，24：471-482.

[22] Colvile R N，Hutchinson E J，Mindell J S，et al. The transport sector as a source of air pollution[J]. Atmospheric Environment，2001，35（09）：1537-1565.

[23] Chandler R E，Herman R，Montroll E W. Traffic dynamics：studies in car following[J]. Operations Research，1958，6（02）：165-184.

[24] Ahn K，Rakha H，Trani A，et al. Estimating vehicle fuel consumption and emissions based on instantaneous speed and acceleration levels[J]. Journal of Transportation Engineering，2002，128（02）：182-190.

[25] Lyons T J，Kenworthy J R，Austin P I，et al. The development of a driving cycle for fuel consumption and emissions evaluation[J]. Transportation Research Part A：General，1986，20（06）：447-462.

[26] Stevanovic A，Stevanovic J，Zhang K，et al. Optimizing traffic control to reduce fuel consumption and vehicular emissions：Integrated approach with VISSIM，CMEM，and VISGAOST[J]. Transportation Research Record，2009，2128（01）：105-113.

[27] Kun C，Lei Y U. Microscopic traffic-emission simulation and case study for evaluation of traffic control strategies[J]. Journal of Transportation Systems Engineering and Information Technology，2007，7（01）：93-99.

[28] “Brian” Park B，Yun I，Ahn K. Stochastic optimization for sustainable traffic signal control[J]. International Journal of Sustainable Transportation，2009，3（04）：263-284.

[29] Lv J，Zhang Y，Zietsman J. Investigating emission reduction benefit from intersection signal optimization[J]. Journal of Intelligent Transportation Systems，2013，17（03）：200-209.

[30] 吳嬌蓉，辛飛飛. 交通系統(tǒng)仿真及應用[M]. 上海：同濟大學出版社，2004.

[31] Barth M，Scora G，Younglove T. Modal emissions model for heavy-duty diesel vehicles[J]. Transportation Research Record，2004，1880（01）：10-20.

[32] 黃冠濤，宋國華，于雷，等. 綜合移動源排放模型—MOVES[J]. ，交通信息與安全，2010，028（004）：49-53+59.

[33] Abou-Senna H，Radwan E，Westerlund K，et al. Using a traffic simulation model （VISSIM） with an emissions model （MOVES） to predict emissions from vehicles on a limited-access highway[J]. Journal of the Air amp; Waste Management Association，2013，63（07）：819-831.

[34] Nam E K，Giannelli R. Fuel consumption modeling of conventional and advanced technology vehicles in the physical emission rate estimator （PERE）[J]. US Environmental Protection Agency，2005.

[35] 黃冠濤. 基于MOVES的微觀層次交通排放評價[D]. 北京：北京交通大學，2011.

[36] Stathopoulos F G，Noland R B. Induced travel and emissions from traffic flow improvement projects[J]. Transportation Research Record，2003，1842（01）：57-63.

[37] Servin O，Boriboonsomsin K，Barth M. An energy and emissions impact evaluation of intelligent speed adaptation[C]//2006 IEEE Intelligent Transportation Systems Conference. IEEE，2006：1257-1262.

[38] Boriboonsomsin K，Barth M. Impacts of freeway high-occupancy vehicle lane configuration on vehicle emissions[J]. Transportation Research Part D：Transport and Environment，2008，13（02）：112-125.

[39] Bartin B，Mudigonda S，Ozbay K. Impact of electronic toll collection on air pollution levels：Estimation using microscopic simulation model of large-scale transportation network[J]. Transportation Research Record，2007，2011（01）：68-77.

[40] Chamberlin，Robert，et al. Analysis of MOVES and CMEM for evaluating the emissions impact of an intersection control change. No. 11-0673. 2011.

[41] Ko M，Lord D，Zietsman J. Environmentally conscious highway design for vertical grades[J]. Transportation Research Record，2013，2341（01）：53-65.

[42] Hirschmann K，Zallinger M，F(xiàn)ellendorf M，et al. A new method to calculate emissions with simulated traffic conditions[C]//13th International IEEE Conference on Intelligent Transportation Systems. IEEE，2010：33-38.

[43] Noland R B，Quddus M A. Flow improvements and vehicle emissions：effects of trip generation and emission control technology[J]. Transportation Research Part D：Transport and Environment，2006，11（01）：1-14.

[44] Song G，Yu L，Zhang Y. Applicability of traffic microsimulation models in vehicle emissions estimates：Case study of VISSIM[J]. Transportation Research Record，2012，2270（01）：132-141.

[45] Bing X，Jiang Y，Zhang C，et al. Effects of intersection lane configuration on traffic emissions[J]. Advances in Transportation Studies，2014（32）.

[46] Zhang C，Jiang Y，Zhang Y，et al. An optimal speed limit investigation on highway for emission reductions[J]. Advances in Transportation Studies，2014（33）.

[47] Zhang W，Lu J，Xu P，et al. Moving towards sustainability：road grades and on-road emissions of heavy-duty vehicles—A case study[J]. Sustainability，2015，7（09）：12644-12671.

[48] Vallamsundar S，Lin J. MOVES and MOBILE：A comparison of GHG and criteria pollutant emissions[C]//Proceedings of the 90th TRB annual meeting. 2011.

[49] Li X，Yu L，Wang W. Derivation of emission factors for Nanjing，China using MOBILE5[C]//Proceeding of the 82nd Annual Meeting of Transportation Research Board （CD-ROM），TRB paper. 2003：03-2913.

[50] Ghafghazi G，Hatzopoulou M. Simulating the environmental effects of isolated and area-wide traffic calming schemes using traffic simulation and microscopic emission modeling[J]. Transportation，2014，41（3）：633-649.

[51] Li X，Li G，Pang S S，et al. Signal timing of intersections using integrated optimization of traffic quality，emissions and fuel consumption：a note[J]. Transportation Research Part D：Transport and Environment，2004，9（5）：401-407.

[52] Wu Y，Song G，Yu L. Sensitive analysis of emission rates in MOVES for developing site-specific emission database[J]. Transportation Research Part D：Transport and Environment，2014，32：193-206.

[53] 張凱，葛穎恩. 考慮容忍度下城市交通路網(wǎng)排放污染建模及分析[J]. 黑龍江交通科技，2017，40（02）：154-157.

[54] 王曉寧，劉海洋，李亭慧，等. CMEM用于我國柴油公交車排放計算[J]. 哈爾濱工業(yè)大學學報，2012，44 （06）：78-81.

[55] 何巍楠，劉瑩，孫勝陽，等. 基于HBEFA的城市交通溫室氣體排放模型——以北京本地化建模為例[J]. 交通運輸系統(tǒng)工程與信息，2014，14（04）：222-229.

[56] 趙曉華，姚瑩，伍毅平，等. 基于主成分分析與BP神經(jīng)元網(wǎng)絡的駕駛能耗組合預測模型研究[J]. 交通運輸系統(tǒng)工程與信息，2016，16（05）：185-191，204.

[57] 朱洪，劉娟，程杰，等. 上海市機動車交通排放模型構(gòu)建[J]. 城市交通，2016，14（06）：17-22.