道路扩散模式在城交通规划中的应用.doc

《道路扩散模式在城交通规划中的应用.doc》由会员分享，可在线阅读，更多相关《道路扩散模式在城交通规划中的应用.doc（12页珍藏版）》请在三一办公上搜索。

1、道路扩散模式在城市交通规划中的应用孔茜，傅立新* 通讯作者：傅立新，清华大学环境科学与工程系，100084e-mail:fuchen，王海鲲（清华大学环境科学与工程系，北京 100084） 摘要：随着经济增长和城市发展，机动车排放对城市大气环境污染日益严重。大气扩散模式在模拟污染物在大气中的扩散规律方面得到了广泛的应用。本文在调研现有大气扩散模式的基础上，选取CALINE4和OSPM模式分别对规划道路两侧机动车污染物扩散进行城市尺度和街道峡谷微尺度的模拟，总结了与道路相关的不同参数对污染物浓度分布的影响规律，为减少规划道路两侧的机动车污染物浓度提供了科学依据。本研究的主要成果包括：（1）对CA

2、LINE4和OSPM扩散模式的各项参数进行了敏感度分析，找出显著影响污染物浓度计算值的参数，并在研究中有针对性地加强对这些输入参数的研究，保证了模型计算的准确性。道路源排放强度，风速对两种模式的影响都较大，另外OSPM模式对道路宽度和风向也较为敏感。（2）采用已有监测数据对CALINE4和OSPM扩散模式进行验证，实测值与模拟值比例在0.5，2.0区间的比例分别为100%和96%。结果表明：CALINE4和OSPM扩散模式的模拟结果均与实测数据的趋势一致，证明模式能够模拟城市道路污染物浓度分布。（3）应用CALINE4模式对北京市不同类型的规划道路两侧的污染物浓度进行了模拟，模拟结果反映了规划

3、道路的大体污染情况，NO2超标情况明显。（4）应用OSPM扩散模式研究了不同物理参数对道路峡谷中机动车污染物扩散的影响，结果表明：其他条件一定时，对于不同宽度的道路，道路边CO的浓度均会随建筑物高度的增加而增加，但变化的幅度逐渐降低，CO浓度在建筑物高度变化上存在极值。曲线可根据高宽比H/W和走势分为三段，每一部分特点不同；其他条件一定时，对于不同建筑物高度的道路，道路边CO的浓度均会道路宽度的增加而减小。但变化的幅度逐渐降低，CO浓度在道路宽度变化上也存在极值。建筑物高度在中间范围时（30-60m），道路宽度对道路两侧污染物浓度的影响较大；机动车不同车速对道路边污染物的浓度分布影响很大。对于

4、CO，其道路边浓度随着道路平均车速的增大而减少。当道路平均车速超过40km/h，车速再增加对道路两旁的CO浓度影响不大。进一步应用上述方法及规律，对城市街道两侧污染的控制具有重要的实际意义。关键词：交通规划 扩散模拟 CALINE4 OSPM 道路扩散模式在城市交通规划中的应用近年来，随着我国机动车保有量的持续增长，机动车污染物排放总量持续攀升，对城市大气环境污染日益严重。机动车排放已经成为我国城市大气污染的一个主要来源。以北京市为例，机动车的排放在北京市的大气污染物中占了很大份额，并且随着机动车保有量的逐年增长，其分担率也呈现出上升的趋势。在1995年，机动车排放占到了北京市一氧化碳总排放的

5、76%，氮氧化物的45.2%；而到了1998年，则占到了一氧化碳总排放的82.7%和氮氧化物的47.9%。1更有相关研究表明，2003年机动车对CO和NOx的排放分担率分别达到了85%和46%。机动车尾气污染物在大气中传输，在这个过程中会扩散和稀释。由交通造成的空气污染具有时间及空间变化2。研究城市街道中各种气象场特征，湍流场特征，从而进一步研究机动车尾气扩散规律并对扩散状况进行准确模拟具有重要的科研价值和实践意义，可为城市公路建设、车流量控制、街道大气污染的监测、评价与防治提供科学依据。而大气扩散模型是模拟污染物在大气中扩散规律的有效方法。3目前，世界各国环保部门推荐应用于污染浓度预测的模式

6、大多属于高斯扩散模式。在我国，CALINE模型和OSPM模型等都得到了广泛的应用（可加入几篇关于这些应用的文献）。但是现有研究基本上是应用扩散模式对已有道路两侧的机动车污染进行预测及评价，利用扩散模式指导规划道路建设的研究有待进一步深入。另外，参数对道路污染的影响规律还需要进一步研究总结。本文基于实际调查获得的北京市道路车流量、气象条件和空气质量监测值，以CO为例，应用CALINE4及OSPM开展上述研究。1.扩散模式介绍 1.1 CALINE4扩散模式 CALINE系列模式是美国环保署推荐使用的一种法规应用级线源模型。与其他模式相比较，CALINE系列模式有适应面广、模式简单易操作等优点。C

7、ALINE4是CALINE模式系列的最后一个版本,它基于高斯扩散方程,应用混合层的概念描述道路上方污染物的扩散。CALINE模型原理及核心计算公式在许多文献有所描述4。其主要计算公式如下：Q为线源污染物排放源强（mg/ms）；u为风速（m/s）；sy和sz为横向和垂向扩散参数（m）；h为线源排放高度（m）；N为线源总数；WTj为源强权重因子；L为混合层高度；k为污染物在地面和混合层顶之间反射的次数。CALINE4输入文件主要由四部分构成，分别为模型运行控制选项、污染源数据、气象数据和接受点位置坐标文件。其中污染源数据文件中的数据信息应包括道路的车流量数据，各类污染物的排放因子，道路的几何参数（

8、位置坐标、几何尺寸、路况类别等）。气象数据主要包括风速、风向、大气稳定度、扩散参数等。可以预测的污染物包括CO、NO2、惰性气体(如SF6)和悬浮颗粒物。模式最多可以计算20条路段(即20个源)、20个受点的污染物扩散状况,可预测距离道路500m范围内受点的污染物质量浓度。1.2 OSPM扩散模式OSPM模型是由丹麦国家环境研究所开发，主要应用于模拟街道峡谷的污染物扩散。该模式可以较好的模拟污染物同气象条件和街道形状之间的关系。该模式在北欧经过大量的数据验证，都获得了理想的模拟效果。在北京和澳门也通过了一些实测数据的验证和修正，表明它对中国城市也具有很好的实用性56。OSPM模式7认为，在街区

9、峡谷中，交通污染产生的污染物浓度可以分成两部分：直接由峡谷底部风输送到受体点的直接贡献和由于峡谷涡流输送扩散产生的循环部分。直接贡献部分采用无限长线源地面浓度高斯公式进行计算，计算公式如下：式中，dCd为若干线源直接贡献的浓度（mg/m3）；dQ为若干线源污染物排放源强（mg/ms）；ub为峡谷底部（地面高度2m）风速（m/s）；sz(x)为在距离x处的垂直扩散参数（m）。循环贡献部分采用简化的箱模式来计算，浓度由循环区内质量平衡进行估算。主要原理为流进循环区的污染物质量流率等于从循环区流出的流率，而且在循环区内污染物是充分混合的。OSPM输入文件主要由三部分构成，分别为模型运行控制选项、污染

10、源数据和气象数据。其中污染源数据文件中的数据信息应包括道路的车流量数据，各类污染物的排放因子，道路的几何参数（位置坐标、几何尺寸、建筑物分布等）。气象数据主要包括逐小时的风速、风向、大气稳定度、扩散参数等。可以预测的污染物包括CO、NO2和悬浮颗粒物。2 模式解析 2.1 模式输入参数敏感度分析通过对输入参数的敏感性分析，可以找出显著影响污染物浓度计算值的参数，并在研究中有针对性地加强对这些输入参数的研究，从而保证模型计算的准确性。此外，根据模型参数敏感性分析的结果，还可以估计出最终计算结果的误差范围。模型输入参数的敏感性分析主要包括以下三个方面：排放源参数、地形参数和气象参数分析。表1给出了

11、街区微尺度下OSPM和CALINE4模式对上述参数的敏感性分析结果。表1 OSPM和CALINE4模式参数敏感性分析结果（以CO为例）项目参数基准参数取值浓度变化排放参数源强a-DC= 20%20%地形参数街道宽度b40 mDW= 20%5%街道宽度c14 mDW= 20%15%20%建筑物平均高度c20 mDH= 20%5%建筑物整齐程度d-Dz= 50%5%气象参数风向e垂直于道路DD= 22.55%10%风速2.5 m/sDV= 20%10%20%温度20 CDT= 20%1%稳定度-DP= 15%混合层高度50 m,100mDh= 20%1%a源强与污染物浓度成严格的正比关系，与基准源

12、强的取值无关；b适用于CALINE4模式；c适用于OSPM模式；d适用于OSPM模式，且建筑物整齐程度无法量化，只能粗略估计；e两模式对风向的敏感性有所不同，OSPM模式对风向改变更敏感；1排放源参数由表1可见，模式模拟的CO浓度和CO排放源强呈正比关系。因此，道路源排放强度是影响浓度计算的一个重要参数。影响道路污染物排放强度的因素很多。研究结果表明，机动车排放是最重要的排放源。影响机动车CO排放强度的主要因素是机动车的排放因子、逐时车流量和车型构成。 2地形参数OSPM和CALINE4模式对地形参数的敏感性显著不同。CALINE4模式对街道宽度的改变（DW= 20%）并不敏感，其模拟浓度的变

13、化5%。但对于OSPM模式，街道宽度是一个非常重要的参数，其对CO浓度的影响与排放源强基本相当：当道路宽度改变20%时，CO的模拟浓度变化了15%20%。在OSPM中，模拟浓度对建筑物平均高度不如街道宽度敏感，当道路边平均建筑物高度改变20%时，模拟浓度的变化仅为5%左右。因此，在影响OSPM模拟浓度的街区形状参量中，道路宽度是最重要的一个参数。CO浓度对建筑物整齐程度的改变并不敏感。3气象参数影响模式模拟浓度最重要的气象参数是风速：当风速（基准风速2.5 m/s）改变20%时，CO的模拟浓度变化了10%20%。此外，风向改变对道路边CO浓度也有一定的影响，而且不同模式对风向的敏感性有所不同：

14、其中OSPM模式对风向改变更敏感。当风向（基准风向为垂直于道路）改变22.5时，OSPM模式的CO模拟浓度变化了约10%，而CALINE4模式的模拟浓度仅变化了5%左右。道路边CO模拟浓度对温度和混合层高度的改变（D= 20%）并不敏感，其浓度的变化均1%。由于道路交通源的排放高度很低，混合层高度对浓度的反射作用非常弱，因此该参数对模拟浓度的影响很小。2.2 CALINE4模式验证2.2.1模式参数输入现有数据为2003年4月3日、4日、5日在北京市月坛北街进行的为期三天的车流量、车型比例、气象条件和CO小时质量浓度监测，监测时段为9:0018:00。应用CALINE4模式对月坛北街CO小时质

15、量浓度进行模拟，并根据实际监测数据对模型在城市道路的适用性进行验证。模型输入参数主要有气象参数(风向、风速、温度、风向标准离差、混合层高度),路段和受点位置、车流量及排放因子数据。其中气象参数选取小时实际监测数据，受点选择与监测点相吻合的位置。由于实际道路上不同小时内车型比例有所不同，故可以根据公式（1）计算道路综合排放因子：TEF=(EFii)(1)式中:TEF车队综合排放因子，g/km；EFi车型i的单车排放因子，g/km；i车型i在车队中的比例。根据公式(1)进行单车排放因子选择，其中各车型的排放因子根据MOBILE5模型计算得到。最终得到道路的综合排放因子。2.2.2 模式验证结果月坛

16、北街CO小时质量浓度监测值与模拟值关系见图1。图 1 CALINE4月坛北街2003年4月3日4月5日验证月坛北街为东西走向街道，长约700m。其中机动车为双向四车道，总宽12m；绿化带宽1.8m, 左右两边都有； 人行道宽5m, 左右两边都有。月坛北街北侧为4-5层的居民楼，南侧建筑物相对不均匀，有10层以上的高楼穿插在4层左右的建筑物间。监测点位于月坛小学大门口，距月坛北街东端250m。在17个样本中，误差在30以下的占88，其中误差在15以下的占47。实测值与模拟值比例在0.5，2.0区间的比例为100%，说明CALINE4模拟结果与实测数据的趋势一致。误差产生的主要原因：一是由于车流量

17、与车速，排放状态等因素存在较大的不确定性；二是17个样本中有个别点的风速是低于0.5m/s的，而当风速低于0.5m/s时，模式对受点污染物质量浓度的计算误差估计会相当大。综上，CALINE4模式能够模拟城市道路污染物浓度。2.3 OSPM模式验证2.3.1 月坛北街数据验证同样采用2003年4月3日、4日、5日在北京市月坛北街进行的为期三天的车流量、车型比例、气象条件和CO小时质量浓度监测数据进行OSPM的验证。（监测时段为9:0018:00）特别注意的是，OSPM模式突出了街道两边建筑物的影响。月坛北街CO小时质量浓度监测值与模拟值关系见图2。图 2 OSPM月坛北街2003年4月3日5日验

18、证在23个样本中，实测值与模拟值比例在0.5，2.0区间的比例为96%。误差在30以下的占52，其中误差在15以下的占35。误差产生的主要原因：一是由于车流量与车速，排放状态等因素存在较大的不确定性；二是当风速低于0.5m/s时，模式对受点污染物质量浓度的计算误差估计会相当大；三是由于建筑物情况较为复杂，无法准确模拟带来的误差。综上，OSPM模拟结果与实测数据的趋势一致，能够模拟城市道路污染物浓度。3 caline4对规划道路的模拟3.1 情景假设CALINE4有4种不同的运行模式，本研究采用的是Worst-Case Wind Angle，即在其他条件一定，风向可以改变的情况下，接受点可能出现

19、的最大污染物浓度。模型输入参数中，气象参数根据北京市历年环境质量报告取得，包括平均风速，平均混合层高度等。车流量以及车型构成取自规划道路的车流调查统计结果。各车型的排放因子根据MOBILE5模型计算得到。最终得到道路的综合排放因子。由此得到的模拟浓度是较长时间尺度下的道路模拟，可用于规划建设参考。3.2 预测结果以下是对三条典型道路（分别代表主干道、快速路和次干道）的计算结果，如表2所示：表 2 典型道路边CO和NO2浓度分布（mg/m3）道路名称道路类型污染物浓度距路边距离（m）1020304050朝阳路二期主干道CO8.98 8.73 7.84 6.83 5.82 NO20.34 0.33

20、 0.31 0.29 0.26 NOX1.19 1.14 1.01 0.86 0.70 姚家园路快速路CO8.10 7.84 7.21 6.33 5.44 NO20.29 0.28 0.27 0.24 0.22 NOX1.05 1.01 0.91 0.77 0.64 北纬路次干道CO2.91 2.02 1.39 1.14 0.89 NO20.19 0.19 0.19 0.19 0.19 NOX0.25 0.24 0.23 0.22 0.21 计算结果显示：对于各种类型路段，CO、NO2和NOX浓度均随路肩方向逐渐减小，所以在距路边最近的地方出现污染物最大浓度。朝阳路二期，作为主干道的典型道路，

21、车流量大，车辆构成以小型车辆为主。路段沿线距离道路边10米处的最大小时浓度（含本底平均值），CO最大小时浓度为8.98mg/m3，低于国家空气质量二级标准；NO2最大小时浓度为0.34mg/m3，是二级标准限值的1.4倍。姚家园路作为城市快速路，其污染情况与主干道相似，CO值低于国家二级标准，而NO2最大小时浓度超标。北纬路属于次干道，由于车流量不大，污染物源强也小于以上两条道路，所以沿线距离道路边10米处CO和NO2最大小时浓度仅为2.91mg/m3和0.19mg/m3，污染状况明显好于主干道和快速路，且均优于国家空气质量二级标准。但是应当指出的是，本研究在模拟道路边NO2浓度时，认为机动车

22、排放的NOX中NO2占10%，并且扩散过程中不存在化学转化，这可能大大低估了道路边NO2的浓度。4 应用ospm探索物理参数对污染物的影响4.1 其他条件一定，街道污染物浓度随道路宽度的变化规律基于敏感度分析的结果，并结合指导公路建设的目的，首先考察道路宽度对道路两侧污染物浓度的影响规律。忽略风口的存在，其他参数不变，仅考虑不同建筑物平均高度下的道路宽度的变化。模拟结果如图3：图 3 不同建筑物高度CO浓度随道路宽度变化图由上图可以看出不论建筑物高度为多少，道路两侧污染物浓度随道路宽度的变化趋势是一致的，均是随着道路宽度的增加而降低，说明增大道路宽度是减少道路两侧污染物浓度的有效手段。曲线呈二

23、次曲线形状，进行二次项拟合后，相关性系数R2 均达到0.99以上。由二次曲线的特征可知：1）二次曲线存在极值，即CO浓度在道路宽度变化上存在极值；2）越接近极值时浓度的变化将越缓慢，此时增加道路宽度对降低污染物浓度的贡献不大；3）建筑物高度在中间范围时（30-60m），道路宽度对道路两侧污染物浓度的影响较大。4.2 其他条件一定，街道污染物浓度随建筑物平均高度的变化规律进一步考察道路两侧建筑物高度对道路两侧污染物浓度的影响规律。忽略风口，其他参数不变，仅考虑不同道路宽度下的建筑物高度的变化。模拟结果如图4：图 4 不同道路宽度CO浓度随建筑物高度变化图由上图可以看出不论道路宽度为多少，道路两侧

24、污染物浓度随建筑物高度的变化趋势是一致的，均是随着建筑物高度的增加而增大，说明增加建筑物高度不利于道路两侧污染物的扩散。曲线大致呈二次曲线形状，去掉建筑物较低时波动的数据点后进行二次项拟合，相关性系数R2 均达到0.99以上。曲线可根据高宽比H/W和走势分为三段：1）H/W0.5，即街道为开阔情况，此时各曲线呈快速增长势，说明在这个高宽比范围呢，高度的影响比较显著；2）H/W1，增长趋势呈二次曲线特征，即自这个范围内CO浓度在建筑物高度变化上存在极值，且越接近极值时浓度的变化将越缓慢，说明此时建筑物高度的对降低污染物浓度的影响不大。在上述结论的基础上，我们又进一步探索了有风口存在的情况，也得到

25、了相同的规律，这进一步说明了此规律的适用性。4.3 其他条件一定，街道污染物浓度随车速的变化规律由于机动车在不同运行工况下的排放因子是不同的，而且车速会影响街道峡谷内的风速，进而影响道路机动车污染物的扩散。因此，车流速度会对道路边机动车污染物的浓度分布产生影响。图5显示了朝阳路二期在不同车速下，道路边10米处可能出现的最大污染物浓度：图 5 不同车速对道路边CO浓度的影响可见，机动车不同车速对道路边污染物的浓度分布影响很大。对于CO，其道路边浓度随着道路平均车速的增大而减少。特别是当车速由10km/h增加到20km/h时，道路边的CO浓度由原来的15.7 mg/m3降低到10.5 mg/m3，

26、下降率达33%。当车速达40km/h时，道路边CO浓度为6.7 mg/m3，比10km/h时降低了约60%。当道路平均车速超过40km/h，车速再增加对道路两旁的CO浓度影响不大。可见，当道路交通拥挤，机动车处于频繁的加减速时，机动车平均车速较低，并且发动机内混合气过浓造成燃烧恶化，使得机动车单车CO排放因子升高。在道路交通流量变化不大（未超过临界交通密度）的情况下，整个道路单位时间的机动车污染物排放量增加，从而造成道路边CO浓度的增加。从图中可以看出，对于朝阳路二期而言，当道路平均车速小于20km/h时，距路边10米处可能会出现CO浓度超标的现象。5 结论 （1）对CALINE4和OSPM扩

27、散模式的各项参数进行了敏感度分析，结果显示：道路源排放强度，风速对两种模式的影响都较大，另外OSPM模式对道路宽度和风向也较为敏感。（2）采用已有监测数据对CALINE4和OSPM扩散模式进行了验证，实测值与模拟值比例在0.5，2.0区间的比例分别为100%和96%。说明CALINE4和OSPM扩散模式的模拟结果均与实测数据的趋势一致，能够模拟城市道路污染物浓度分布。（3）应用CALINE4模式对北京市不同类型规划道路两侧的污染物浓度进行了模拟，模拟结果反映了规划道路的大体污染情况，NO2超标情况明显。（4）应用OSPM扩散模式研究了不同物理参数对道路峡谷中机动车污染物扩散的影响，结果表明：其

28、他条件一定时，对于不同宽度的道路，道路边CO的浓度均会随建筑物高度的增加而增加，但变化的幅度逐渐降低，CO浓度在建筑物高度变化上存在极值。曲线可根据高宽比H/W和走势分为三段，每一部分特点不同；其他条件一定时，对于不同建筑物高度的道路，道路边CO的浓度均会道路宽度的增加而减小。但变化的幅度逐渐降低，CO浓度在道路宽度变化上也存在极值。建筑物高度在中间范围时（30-60m），道路宽度对道路两侧污染物浓度的影响较大；机动车不同车速对道路边污染物的浓度分布影响很大。对于CO，其道路边浓度随着道路平均车速的增大而减少。当道路平均车速超过40km/h，车速再增加对道路两旁的CO浓度影响不大。参考文献1D

29、r. Jan Xie. Urban Air Quality Management. World Bank Institute2Helmutm,Air pollution in cities. Atmospheric Environment. 1999(33): 4029-4037.3 彭军，张明，王体健，公路和城市街渠机动车大气污染物扩散模式发展综述，南京气象学院学报，2005，28（3）4Beason P E .CALINE-4: A dispersion model for predicting a pollutant levels near roadwaysR.Washington: F

30、ed. Highway Administration, 1989.5何东全，郝吉明，傅立新，周中平，刘阳等，应用OSPM模式进行澳门街区峡谷污染评价，环境科学学报，1999，19（3）6Fu L X, Hao J M, Hertel O, et al. Modeling traffic-related air pollution in street canyons of Beijing. Journal of Air & Waster Management Association, 2000, 50:2060-20667吴烨. 城市交通环境颗粒物污染特征研究. 博士学位论文. 清华大学, 2002