基于MA模式的道路交通PM2.5污染热点量化分析方法

杨小宁

中环国评（北京）科技有限公司北京100081

【摘要】MA（Moves+Aernod）模式是一种分析道路交通<PM2.5>污染热点的方法，它建立在空气质量模型和交通排放模型的基础上，能够满足微观区域内评测交通<PM2.5>的需要。并且MA模式还可以根据车型、燃料、区域匹配的不同以及交通参数来修正自己。对那些典型的城市道路中存在的<PM2.5>污染热点进行分析，然后得出的排放数据和<PM2.5>的浓度程度。经过研究，确定MA模式的交通<PM2.5>污染热点分析对减少交通排放或相关政策的实施提供了有效的帮助。

【关键词】MA模式；<PM2.5>污染热点量化分析；环境工程学

引言：<PM2.5>指的是直径小于等于2.5m的交通源细颗粒，机动车尾气、轮胎和刹车片的磨损以及扬尘是其主要产生的源头，它对人类的呼吸道和心血管系统都能造成一定程度的危害，如果长期处于<PM2.5>污染热点区域会对人们的寿命造成直接的威胁。如今大气污染已经受到越来越多的人关注，必须得采取有效手段来减少<PM2.5>的排放。本文根据MA模式来分析道路交通<PM2.5>污染热点量化。

一、MA模式的产生

美国的MOBILE系列模型、加州的EMFAC模型，还有欧盟的COPERT模型，这三种是目前全世界用来检测交通颗粒物排放最多的模型。这三种模型都是宏观观察模型，可以检测某个国家、某个区域、甚至某个街道上的<PM2.5>的排放量[1]。

目前我国还没有自己的他、交通排放模型，更多的是运用上文中所讲的美国和欧盟研发的那些模型。清华大学曾经用VSP和ES作为特征参数计算排放因子，开发过一种DCMEM模型，但是这种模型功能有限，无法满足检测交通颗粒物排放的要求。所以，还得利用国外研发的先进模型，根据我国的具体情况来检测交通排放量。MOVES的USEPA是一种不错的模型，它能从宏观、中观和微观几个层面，以及具体时间来预测交通颗粒物的排放，还有温室气体以及其他各种污染物都能检测到。

检测<PM2.5>的浓度是不可能对全部区域都进行检测的，所以在采取适合的交通排放源和空气质量模型以及气象学信息等方法来对区域附近的<PM2.5>进行预测。扩散模拟时一种不错的办法，高斯型空气扩散模式就是其中之一，除此之外还有烟羽型扩散模型。AERMOD是烟羽型模型的一种，它能应用于多种排放源的扩散模拟，在过去几年中，AERMOD模型代替了传统的ISCST模型，并且也被应用到评估道路源<PM2.5>的浓度。

我国在MOVES的基础上，根据自己的机动车实际情况以及和欧美等国家的差异，对其经行了修改。经过综合考虑之后，提出了基于MA模式的道路交通<PM2.5>污染热点量化分析方法[2]。

二、研究方法

（1）<PM2.5>热点量化分析的具体方法和框架

框架主要包括以下几个部分：

1.1确定分析需要。确定的方式是满足以下情况，则需要进行分析：

①.运行车辆多，尤其是柴油机动车；

②.有重大工程在建设，附近有很多柴油车运行；

③.一项工程使得周围的<PM2.5>浓度值发生明显变化；

④.由于施工和大量柴油机动车运行，导致该区域内的LOS下降；

（2）确定分析数据、方法和模型。主要包括的内容有以下几个方面：

①.模型分析范围覆盖的面积和排放源数据；

②.空气质量模型、排放、方法；

③.评估周围的空气质量标准；

④.分析具体需要的数据；

（3）道路交通排放源。挑一辆有代表性的机动车对其进行排放估算，算出机动车在轮胎磨损、刹车碟摩擦和汽车尾气的<PM2.5>排放。

（4）选择空气质量模型、数据等。根据对交通工程中的<PM2.5>浓度进行估算，然后作出模型以及假设。

（5）确定背景浓度。背景浓度主要考虑交通附近和其他排放的影响，工程自身的排放排除不计。可以根据化学传输模型和环境监测数据来检测<PM2.5>的背景浓度。

三、MOVES的修正

MOVES进过一段时间的发展，现在已经有了MOVES2014h版本，它较之以前的版本，在消除运行故障、更新数据、细化污染物等多个方面都有了很大提升和进步。它能够在国、州、县三个层面上进行<PM2.5>的浓度检测，以及温室气体的排放和一些其他污染物。

MOVES主要由气象和燃油信息模块、排放源分区和生成模块、运行情况分布生成模块以及交通状态生产模块四部分组成，这是它的核心部分。它的主要作用是将机动车行驶特征和基础排放率联系起来进行仔细分析。然后根据运行情况的不同来修正结果。最终得出排放运行时间和车辆启动的次数，计算不同层面下<PM2.5>的排放总量[3]。

四、<PM2.5>污染热点实例分析

（1）研究对象

以西安市雁塔区旁边的小寨十字路口为例，这里的商业活动频繁，是重要的交通要道。这个地区周围没有大型污染排放企业，所以说空气中包含的<PM2.5>颗粒物只能来自于机动车。小寨十字路口是西安空气检测点之一，观察去年十二月份的检测数据，本月内<PM2.5>值在二十四小时内最低为33g/m3，低于国家35g/m3一级标准。但是除了<PM2.5>之外，其他均超标，最高的达到了365g/m3，是国家标准的十几倍。所以说，小寨十字路口的空气污染十分严重，不容小视。按照上文中所说的交通污染<PM2.5>热点分析方法体系，再结合小寨十字路口的具体数据，评估本地区的<PM2.5>具体分布情况。

（2）结果分析

首先，已经确定了小寨十字路口这个目的地，以此为中心，然后向其周围方向延伸至下个十字路口，以这个范围为调查范围。然后将机动车运行状况分成二十个路段，也就是二十个<PM2.5>面源。因为交通排放源是不断变化的，所以要在多个时间段来分析交通排放源。本次实验选择四个时间段来检测：早上8点到9点；中午12点到13点；下午18点到19点；晚上22点到23点。用修正过后的MOVES模型来检测<PM2.5>，计算这四个时间段的空气质量浓度。

最终得出结论：小寨区的<PM2.5>质量浓度远远大于二级国家标准（一级35g/m3二级75g/m3）。造成这种现象是因为该地区的背景质量本来就非常差，又因为背景空气质量和道路交通污染有直接关系。另外，通过实验还发现，小寨十字路口在日间<PM2.5>的排放也是非常高的，如果要减少排放，需要依靠推广新型燃料，优化交通质量、减少私家车出行等等方案来进行量化处理。

结语

本文分析了MA模式的道路交通<PM2.5>污染热点量化分析方法，并且对传统的交通排放模型进行了修正，然后对小寨十字路口的<PM2.5>排放情况进行了分析，提出一些量化处理意见。最终得出，MA模式能够对交通的<PM2.5>分布进行有效的量化处理。

参考文献

[1]邱兆文,邓顺熙,郝艳召.道路交通PM_(2.5)污染热点量化分析[J].安全与环境学报,2013,(6).

[2]吴兑.新版《环境空气质量标准》热点污染物PM_(2.5)监控策略的思考与建议[J].环境监控与预警,2012,04(4):1-7.

[3]黄怡民,付川.我国PM_(2.5)污染特征的研究进展[J].重庆三峡学院学报,2013,(3):105-109.