基于隧道实验的机动车大气污染物实时排放因子研究

摘要

机动车大气污染物动态排放因子是制约实时排放清单精度提升的一个关键参数.本研究选取某城市隧道，结合在线设备和监控摄像头开展7种大气污染物浓度和车流量的实时监测，采用YOLOv8l深度学习目标检测模型和SORT目标跟踪算法，获取车辆类型和速度；采用排放强度比值，推算车队整体和分车型的大气污染物排放因子.CO、NO、NO₂、NO_x、SO₂、BC和PM_2.5的平均排放因子分别为（1 064.9±479.8）、（496.5±209.3）、（55.5±30.4）、（578.6±267.6）、（6.3±2.2）、（3.3±1.5）和（37.7±19.2） mg/（km·辆）；车队整体排放因子分别为（634.7±477.2）、（266.0±142.9）、（26.4±13.5）、（302.3±159.5）、（3.5±1.9）、（2.0±1.10）和（19.8±12.3） g/km.隧道内周末的日车流量为工作日的88.6%，工作日除PM_2.5外的污染物排放因子是周末的1.00～1.48倍.在逐小时排放因子情境下，凌晨的柴油车流量占比是其余时间的1.6倍，各污染物的凌晨高值分别是其余时间平均值的2.0～3.5倍；车队排放呈现出早晚（7:00～9:00;17:00～19:00）双峰特征，为全天平均值的1.8～3.3倍.本研究可为区域高精度动态机动车排放清单构建和机动车排放污染物的精准管控提供基础数据和科学依据.

关键词

隧道实验 / 大气污染 / 动态排放因子 / 图像识别 / 单一车辆与车队