move的形容词

move的形容词（共1篇）

1.move的形容词 篇一

近年来,我国机动车保有量迅速增加,2014年年底深圳机动车保有量将达到300万辆。机动车保有量快速增长引起了能源危机、环境污染和交通堵塞等诸多问题。各国政府相继出台各种法规和措施来控制机动车尾气污染,改善城市空气质量。

为了掌握机动车排放规律和污染特性,向决策者提供科学有效的机动车污染控制措施,大量学者开展了了机动车排放模型的研究,目前常用的机动车 排放因子 模型有MOVES,MOBILE, IVE,COPERT,CMEM等。其中,MOVES模型是继MOBILE,IVE等宏观模型之后,美国EPA开发的新一代综合移动源排放预测模型,该模型能同时满 足用户从 宏观 (national),中观 (county),微观(project)等不同层次上移动源排放的综合分析[1]。国外学者 主要将MOVES模型与其 他交通类模 型 (如Vissim,Paramics等)嵌套起来,实现模拟值的有效输出,如Adel W.Sadeka等[2]利用微观层次交通模型Paramics提取逐秒车辆特性,将其整合成MOVES模型所需要的数据,来提高模拟精度。MOVES模型的开发相对于其他成 熟模型 (如MOBILE、COPERT)等较晚,目前国内学者多数以MOVES模型的原理结构及其微观层次运用为主要研究内容[3]。文献中报道的MOVES模型敏感性分析主要以污染物排放因子变化率来表征参数的影响,没有考虑相应的引起排放因子变化的参数的变化率,并且研究车型较单一,不能直观反映参数的变化带来的排放因子的变动程度[4,5]。

MOVES微观层次模型涉及较多参数,主要包括道路、车龄分布、气象、速度、燃油、模拟年以及I/M制度等,而我国关于机动车排放因子研究尚处于发展中阶段,缺乏与机动车排放特性相关的数据,用户在有限的时间和资源情况下搜集相关数据非常困难。本研究通过对MOVES模型微观层次参数敏感性分析,能够帮助用户了解在采用本地数据代替模型默认数据时各参数对排放因子的影响程度,提前预估关键参数对排放因子的影响,在进行数据搜集工作时优先考虑关键参数。敏感性分析也为决策者制定有效的排放控制策略提供科学依据。

1MOVES模型微观层次敏感性分析方法

与以往模型敏感性分析方法不同,笔者采用基于参数本土化方法构建的MOVES-深圳模型, 引入基础案例的各参数值与基础排放因子作为参比对象,通过计算敏感度系数,实现模型参数对排放因子的影响分析。

1.1深圳的本土化参数

本研究所采用的MOVES模型是美国EPA基于美国当地的实际情况建立的机动车排放因子模型,因此在使用该模型模拟我国城市的机动车排放情况时,需要将模型相关参数进行修正,即参数本土化。文中基于深圳市的实际情况对地理信息、车辆类型、燃油等参数进行本土化。

1)地理信息。考虑到深圳气候特征与地理环境(如:温度、湿度、海拔、经纬度等),将深圳模拟区域等同 于美国佛 罗里达的Orange County (橘子县)。

2)车辆类型。由于中国的机动车分类标准与美国不同,将中国车型按照MOVES模型基于车辆使用功能分类标准重新分类。

3)燃油。基于深圳市目前使用的粤IV汽油和国Ⅲ柴油相关燃油标准,主要通过调整MOVE模型的MySQL数据库中 关于燃油 的硫含量、 RVP、氧含量、蒸发温度等参数。

1.2敏感性分析的基础案例

敏感性分析的基础案 例是考察MOVES模型模拟的排放因子对模型输入参数变动敏感性的比对依据。表1中列出了本研究分析基础案例时采用的输入参数及深圳本土化参数。由此模拟出的深圳市常见5种车型(车龄均为4年)的THC, CO,NOx,PM2.5 4种污染物的排放因子,见表2。

1.3敏感度系数及模型各输入参数取值范围

本研究采用单因素敏感性分析方法,通过引入敏感度系数这一评价指标对深圳市实际道路常见的5种车型同时进行敏感性分析,筛选出影响较大的参数。式(1),(2)给出了本研究所采用的敏感度系数的计算方法[6,7]。在进行敏感性分析中,根据敏感度系数的大小,将敏感性参数分为3级:敏感、一般敏感和不敏感。当SAF>1时,则认为该参数是敏感参数;当SAF<0.1时,则认为该参数是不敏感参数;当0.1<SAF <1时,则认为该参数属于一般敏感参数[8,9]。

式中:ΔA/A为排放因子的变化率;ΔF/F为模型参数的变化率;SAF>0为排放因子与模型参数呈正相关;SAF<0为排放因子与模型参数呈负相关。

式中:i为参数的递增次数;ΔA/A为第i次的排放因子变化率;TVi为第i次的排放因子值;BV为基础排放因子值。

根据MOVES模型微观层 次模拟所 需用户提供参数类型,本文主要分析速度、气象(温度、湿度)、燃油(硫含量、RVP)、车龄组合4种参数对机动车尾气中THC,NOx,CO,PM2.5 4种污染物的排放因子的敏感性。表3列出了敏感性分析所考察的参数取值的变化范围。

2实验结果与分析

2.1速度参数的敏感性分析

进行速度参数敏感性分析时,只有速度参数发生变化,其他参数均保持不变。由于MOVES模型针对不同的车型提供不同的速度区间,所以各车型的最小速度取值并不相同。对模拟结果按照以上方法进行数据分析得出深圳市市区道路常见5种车型的THC,CO,NOx,PM2.5的SAF随速度变化曲线图。见图1~图4。

由图1~图4可见,5种车型的4种污染物的SAF值与速度均呈负相关,即速度越大,各车型污染物的排放因子越小。|SAF|随着速度的增加而减小,说明速度对各车型的各污染物的排放因子影响 程度在逐 渐减小[10],在速度小 于20 km/h时,各种污染物的SAF在-6~ -1之间变化,此时速度 属于敏感 参数;当速度大 于40 km/h以后,各个污染物SAF随着速度的变化较小,变化范围集中在-1~ -0.1之间,此时速度属于一般敏 感参数。 对各污染 物分车型 进行SAF分析发现:速度对各污染物排放因子均表现为一般敏感和敏感,未有不敏感的情况。图1和图2显示,5种车型的THC和CO排放因子在速度小于20km/h的区间内,SAF大于1,属于敏感速度区 间。 图3和图4表明,公共汽车 的NOx,PM2.5排放因子敏感速度区间相对于其他车型偏低,大约处在小于16km/h的范围内,而轻型厢式载货的敏感速度区间则在小于35km/h的范围内,相比于其他车型偏高。

2.2气象参数敏感性分析

在MOVES微观层次的模拟中,涉及到的气象因素有2种,即温度和湿度。在温度参数敏感性分析场景中,除温度参数外各类参数取值均采用表1所列的基础案例参数取值,所考察的温度参数值见表3,相关曲线见图5~图8。

由图5和图6可见,各车型的THC和CO排放因子随温度变化表现出较好的一致性,公共汽车、社会中大巴及中重型车随温度变化其SAF均为0,而私家车和轻型厢式货车的THC和CO随温度变化的SAF变化趋势一致。David Choir[11]的研究也说明汽油车型对温度变化的敏感性高于柴油车型。图5表明私家车和轻型厢式载货在整个温度区间内|SAF|均小于1,因此温度属于一般敏感参数。图6表明只有私家车和轻型厢式载货的CO排放因子对温度表现出较强的敏感性, 当温度处于17℃以上时,温度对于这2种车型的CO排放因子属于敏感参数,当温度低于17 ℃时则属于一般敏感参数。图7表明,针对NOx的排放,私家车和轻型厢式载货随温度变化SAF值变化趋势一致,而公共汽车、社会中大巴和中重型车的SAF值随温度变化趋势一致。而且,该5种车型虽随着温度变化SAF值与温度呈现不同的相关性,但是在温度大于27℃左右,SAF均大于1, 温度对于这5种车型属于敏感参数,而温度低于27 ℃时则属于一般敏感参数。图8显示,除了私家车的PM2.5对温度的变化表现出敏感外,温度对于其他柴油车型PM2.5的排放均属于不敏感参数。这可能是由于MOVES模型在建模时,没有把温度对模拟柴油车PM2.5排放因子的影响考虑在内。针对私家车而言,当温度小于20 ℃ 时,其SAF小于1,属于敏感参数;而当温度大于23 ℃时,则属于不 敏感参数;温度处于20 ~23 ℃ 小范围区 间则属于 一般敏感 参数。David Brzezinski[12]的研究也说明温度超过22.22 ℃之后,其对私家车PM2.5的排放影响很小,且随着温度升高,PM2.5排放下降。

在湿度参数敏感性分析场景中,所考察的湿度取值见表3,相关曲线见图9~ 图10。图9显示,中重型车、社会中大巴、公共汽车的SAF为0,说明湿度对于该3种车型的THC,CO,PM2.5排放因子属于不敏感参数;对于私家车和轻型厢式载货,随着湿度增加,SAF增加,说明湿度对该车型的THC,CO,PM2.5排放因子有影响,当湿度小于65 %时,属于一般敏感参数,当湿度大于65 %时,属于敏感参数。图10表明湿度对于各车型的NOx均属于一般敏感参数。

2.3燃油参数敏感性分析

燃油参数主要考察2个因素:硫含量和汽油中雷氏蒸气压(RVP)。燃油中硫含量的变化是以国标为主线进行相应变化,采考察的数值列于表4。RVP是液体燃料挥发性的1个重要指标, 而由于柴油挥发性较小,因此在柴油燃料性质中均不考虑。通常汽油中RVP的范围按照季节分为2个阶段:从11月1日~4月30日为冬季,汽油中蒸气压不大于45kPa,从5月1日~10月31日为夏季,汽油中蒸气压不大于60kPa。本研究RVP取值范围是45~88kPa。

图11表明除私家车以外的其他4种车型随硫含量变化所对应的SAF值均为0,说明THC, CO和NOx排放因子不随硫含量的变化而改变, 而是固定值;私家车的THC,CO,NOx的SAF值随硫含量变化的趋势一致,即:随着汽油中硫含量的增加,SAF值降低,说明燃油中硫含量越大,对私家车各污染物排放因子的 影响越小。结合图12和图13可以看出,各车型的PM2.5和SO2排放因子的SAF不随硫含量的变化发生改变,并且硫含量对于各车型的PM2.5排放因子属于不敏感参数,而对于SO2排放因子则属于敏感参数。

mg/kg

由于只考察汽油中的RVP对排放因子的敏感性,所以考察的车型只有私家车,图14表明,只有CO随着RVP变化SAF值在-0.2~0.6之间变化,而针对其他污染物的SAF值均不变,因此可以得出RVP的变化只对私家车的CO排放因子一般敏感。

2.4车龄参数敏感性分析

在车龄参数敏感性分析场景中,除车龄逐年变化外,其他参数均采用基础案例(见表1)给出的参数值,但是模拟采用的车龄基础值为新车(0年)。MOVES模型中,车龄的变化范围为0~30年。根据中国车辆实际使用年限的调查结果,本文仅分析车龄15年以内的车辆。MOBILE模型是基于零公里排放水平、劣化率及车辆累积行驶里程来进行基 础排放率 的运算,与MOBILE不同,在MOVES模型中,基础排放率的估算是基于车辆的运行工况进行模拟。对于1个给定模拟年和排放源类型的组合,MOVES模型提供23种基于不同车龄组合的运行工况,在进行排放率的估算时根据用户提供的平均速度或者行驶周期, MOVES模型自动将与车龄组合相对应的23种运行工况进行累加。因此,MOVES模型计算污染物排放率时是基于车龄组合(见表5)而不是具体的单一车龄,也不是如MOBILE模型所运用的累积行驶里程[13]。

由于MOVES模型是根据车龄 组合进行 劣化分析,因此在分析SAF值随车龄变化时发 现SAF值呈阶梯 式增长趋 势。结合图15~18可见,私家车随着车龄的增加其SAF值增长迅速, 而其他车型的SAF增长趋势不明显。各个车型在前3年的敏感度系数明显高于4~5年车龄组合。白广德对长春市乘用车实测研究发现 在用车劣化最迅速的阶段为从投入使用到车龄3年或者累计行驶里程8万km以内[14],说明新车在开始使用的前 几年排放 劣化很快,随着车龄 的增加排放劣 化率减慢。综合以上 可以得出:车龄对于汽油车 型属于敏 感参数,对于柴油 车型的0~3年阶段属于敏感参数,4~5年阶段属于不敏感参数,大于5年的车龄 则属于一 般敏感参数。

3结束语

笔者通过对深圳本土 化的MOVES模型进行敏感性分析,发现各参数的变化均能不同程度地影响排放因子的模拟结果。整体而言,速度和车龄相比于气象和燃油等参数对污染物排放因子的影响程度更大,由其SAF值可知,当速度小于20km/h时,速度参数对各车型的排放因子影响程度较大,属于敏感 参数;当速度大 于20km/h时,则属于一般敏感参数。车龄的SAF值变化与速度相似,不同的区间影响程度不同,大致可以分为:对于柴油车型,0~3年属于敏感参数和大于5年属于一般敏感参数;车龄对于汽油车型而言属于敏感参数。

另外,不同车型不同污染物的排放因子对各参数的敏感程度不同,结合气象参数和燃油参数可知:私家车的排放因子相比于其他4种柴油车型的排放因子对各个参数变化表现出的敏感性更加明显。中、重型车,社会中、大巴和公共汽车的排放因子除了NOx对温度和湿度的变化表现出一般敏感之外,对其他排放因子均属于不敏感参数。燃油参数中硫含量的变化对于 各个车型的SO2排放因子均 属于敏感 参数,对于私家 车的THC,CO,排放因子属于一般敏感参数。由于只考虑汽油 的RVP,RVP变化只对 私家车的CO排放因子一般敏感。

由于我国目前主要应用国外模型进行机动车尾气排放因子的研究,缺乏模型参数所需数据的积累,因此笔者的研究在帮助用户深入了解模型, 进行参数数据收集方面具有重要意义。笔者主要针对参数的变化对排放因子影响程度进行了充分地讨论,并没有对研究中排放因子的SAF随参数变化的趋势不同等现象做出分析,今后将针对该研究问题进行深入探讨,以期找出参数变化对排放因子的影响机理,为MOVES模型在中国应用的可靠性提供依据。

摘要：为了使用户在数据资源匮乏的情况下,能够快速针对模型关键参数进行数据收集,文中在对MOVES模型进行参数本土化修正的基础上,引用经济学常用的敏感度系数(SAF)评价指标概念,通过定义的SAF等级,进行了MOVES中速度、气象等参数对深圳市常见车型排放因子的影响程度分析。研究表明,当速度小于20km/h时,各种污染物的SAF在1~6之间变化,属于敏感参数;车龄为0~3年的新车其污染物的SAF>1,各车型劣化较快;硫含量对各车型SO2排放因子的SAF≥1,属于敏感参数,雷氏蒸汽压只对私家车的CO排放有影响;温度对柴油车型的THC,CO和PM2.5的SAF≤0.1,属于不敏感参数,湿度对于中重型车、社会中大巴、公交车的THC,CO,PM2.5排放因子的SAF≤0.1,属于不敏感参数。各参数针对不同车型的不同污染物,表现出不同的敏感性。