《機(jī)動(dòng)車尾氣排放及出行污染暴露評(píng)價(jià)研究的國(guó)內(nèi)外文獻(xiàn)綜述》6400字

機(jī)動(dòng)車尾氣排放及出行污染暴露評(píng)價(jià)研究的國(guó)內(nèi)外文獻(xiàn)綜述目錄TOC\o"1-2"\h\u303401.1機(jī)動(dòng)車尾氣排放估計(jì)模型 1741.2大氣污染擴(kuò)散模型 315685參考文獻(xiàn) 7本文將從以下五個(gè)方面展開文獻(xiàn)綜述：機(jī)動(dòng)車尾氣排放估計(jì)模型，大氣污染擴(kuò)散模型，出行污染暴露評(píng)價(jià)方式，基于移動(dòng)式實(shí)測(cè)數(shù)據(jù)的污染濃度以及路徑規(guī)劃。1.1機(jī)動(dòng)車尾氣排放估計(jì)模型機(jī)動(dòng)車尾氣排放是燃料在發(fā)動(dòng)機(jī)內(nèi)燃燒而產(chǎn)生的、從尾氣管釋放到空氣中的一種污染物。在理想的燃燒狀態(tài)下，發(fā)動(dòng)機(jī)內(nèi)的氧氣與燃料（主要由碳?xì)浠衔锝M成）發(fā)生化學(xué)反應(yīng)，會(huì)生產(chǎn)二氧化碳和水，但在實(shí)際過程當(dāng)中，由于氧氣的不足會(huì)進(jìn)行不完全燃燒，產(chǎn)生不完全燃燒的產(chǎn)物一氧化碳和碳?xì)浠衔?。不但如此，由于參加燃燒過程的氧氣摻雜有大量的氮?dú)猓诟邷丨h(huán)境下，氮?dú)獗谎趸梢谎趸蜕倭康亩趸Ｓ绊憴C(jī)動(dòng)車尾氣排放程度的因素很多，它不僅受到發(fā)動(dòng)機(jī)技術(shù)和控制技術(shù)等車輛自身?xiàng)l件的限制，同時(shí)還要受到道路基本狀況和車輛行駛狀態(tài)等因素的影響。除這些以外，機(jī)動(dòng)車維護(hù)程度、環(huán)境溫度、濕度、駕駛員駕駛習(xí)慣等因此也會(huì)影響機(jī)動(dòng)車的排放水平。概括而講，按照這些影響因素的特征，可將它們劃分為四大類，分別是：（1）車輛參數(shù)；（2）行駛特征；（3）油品質(zhì)量；（4）外界環(huán)境因素（溫度、海拔、濕度）等。由于本研究重點(diǎn)關(guān)注行駛特征，下面對(duì)這類影響因素進(jìn)行詳細(xì)總結(jié)。具體而言，行駛參數(shù)的影響因子又可分別這樣幾類：（1）機(jī)動(dòng)車平均速度；（2）機(jī)動(dòng)車運(yùn)行狀態(tài)（加速、減速、怠速、勻速）；（3）爬坡程度；（4）冷啟動(dòng)或熱啟動(dòng)等啟動(dòng)方式。而機(jī)動(dòng)車在一次出現(xiàn)過程中，通常會(huì)經(jīng)歷如下排放過程：（1）啟動(dòng)排放；（2）速度波動(dòng)比較小的熱穩(wěn)定排放狀態(tài)；（3）加速度排放；（4）爬坡排放。具體而言，分析建?？蚣苤械臋C(jī)動(dòng)車尾氣排放估計(jì)模型，相關(guān)領(lǐng)域已經(jīng)產(chǎn)生了一些微觀工具，通過將車輛的物理行為分解成不同的操作模式（例如，加速、減速、怠速和勻速）來精細(xì)化估算排放因子或排放強(qiáng)度，代表性的有基于物理意義的排放模型（CMEM模型[13]）、基于VSP的排放模型（MOVES模型[14]）和基于速度-加速度的排放模型（E-MIT[15]）模型等，這些模型主要是基于行駛工況的排放模型。國(guó)內(nèi)不少研究者在國(guó)內(nèi)外研究成果的基礎(chǔ)上，結(jié)合我國(guó)城市道路和車輛實(shí)際情況，進(jìn)行了模型的修正和應(yīng)用等相關(guān)工作[16-17]。微觀排放模型的特點(diǎn)是能夠評(píng)價(jià)以秒為單位的特定速度、加速度下的瞬間尾氣排放量，它需要輸入每一車輛的瞬間行駛工況參數(shù)，如瞬時(shí)行駛速度和加速度等。比如基于物理意義的排放模型（CMEM模型），其原理是通過計(jì)算發(fā)動(dòng)機(jī)功率和空燃比確定機(jī)動(dòng)車瞬時(shí)油耗狀態(tài)，依據(jù)發(fā)動(dòng)機(jī)轉(zhuǎn)速獲取油耗，再結(jié)合油耗和空燃比來確定機(jī)動(dòng)車的尾氣排放量。其中燃燒率、發(fā)動(dòng)機(jī)排放指數(shù)、時(shí)變催化率是模型的三個(gè)核心參數(shù)，輸出結(jié)果是由燃燒率、發(fā)動(dòng)機(jī)排放指數(shù)、時(shí)變催化率三者相乘得到的尾氣排放量。用CMEM模型模擬，需要輸入車輛的物理參數(shù)和行駛參數(shù)，從而可以計(jì)算并輸出單車在四種不同瞬時(shí)工況（加速、減速、怠速、勻速）下每秒的尾氣排放量和油耗。其中，物理參數(shù)基本可以在車輛規(guī)格技術(shù)說明書內(nèi)查找到，包括發(fā)動(dòng)機(jī)排量、整車質(zhì)量、發(fā)動(dòng)機(jī)最大功率、發(fā)動(dòng)機(jī)最大扭矩等。行駛參數(shù)包括車輛速度、加速度、道路等級(jí)等，主要由機(jī)動(dòng)車在道路的實(shí)際行駛情況決定，受到路面等級(jí)和實(shí)際交通狀態(tài)的限制，實(shí)際交通狀態(tài)主要通過交通仿真和交通調(diào)查來進(jìn)行掌控。顯而易見的是，上文提到的這些機(jī)動(dòng)車尾氣排放估計(jì)微觀模型需要輸入大量來自于框架第（1）部分交通流模型的數(shù)據(jù)（比如車輛軌跡數(shù)據(jù)），并且通常不具備數(shù)據(jù)分析功能。對(duì)于本文的研究來說，可能沒有條件進(jìn)行實(shí)地的大規(guī)模測(cè)量來獲取這些數(shù)據(jù)，與此同時(shí)，從交通網(wǎng)絡(luò)層面和路徑規(guī)劃方法來講，應(yīng)用這些微觀模型也不太適合。與之相對(duì)應(yīng)的，不少學(xué)者如Boriboonsomsin等[18]，Yin和Lawphongpanich等[19]，Skabardonis等[20]，Nesamani等[21]，Rilett和Benedek等[22]，Wallace等[23]提出了一些中觀層面和宏觀層面上的機(jī)動(dòng)車尾氣排放估計(jì)模型，這些模型主要是一些數(shù)學(xué)模型，通過把機(jī)動(dòng)車尾氣排放強(qiáng)度考慮為一系列交通流變量的函數(shù)來估算尾氣排放。這類型的數(shù)學(xué)模型更適合本文的路徑規(guī)劃模型的建立和交通網(wǎng)絡(luò)層面的分析研究。1.2大氣污染擴(kuò)散模型對(duì)空氣污染暴露的研究，最早出現(xiàn)在環(huán)境與大氣工程領(lǐng)域。其核心問題是研究污染物如何從源頭向周圍擴(kuò)散，即大氣污染擴(kuò)散問題。大氣污染物在空間中的散布是在大氣邊界層的湍流流場(chǎng)中進(jìn)行的，或者說其散布過程就是大氣輸送與擴(kuò)散的結(jié)果。因此，大氣擴(kuò)散模式是一種用以處理大氣污染物在大氣中(主要是邊界層內(nèi))輸送、擴(kuò)散和轉(zhuǎn)化問題的物理和數(shù)學(xué)模型。根據(jù)所考慮的物理機(jī)制的不同，大氣擴(kuò)散理論研究可劃分為三套理論體系，梯度輸送理論，湍流統(tǒng)計(jì)理論和相似理論。每套理論所選用的氣象資料及相關(guān)參數(shù)不同，設(shè)置的假定條件也不相同，三套理論各有其優(yōu)缺點(diǎn)，各有其特色和適用范圍。由于擴(kuò)散過程的復(fù)雜性，影響因素很多（包括地形、污染源復(fù)雜性、氣象條件等），基于現(xiàn)有的大氣擴(kuò)散理論，在現(xiàn)目前，還無法找到一種普適性的大氣擴(kuò)散模式可適用于各種條件以描述包括復(fù)雜氣象條件在內(nèi)的綜合性大氣擴(kuò)散問題。大氣污染擴(kuò)散模型，是指利用數(shù)學(xué)模型，結(jié)合一定的假設(shè)條件，選取一系列參數(shù)，計(jì)算模擬實(shí)際情況下的大氣污染物擴(kuò)散遷移狀況。此模型可用來預(yù)測(cè)在給定的污染物排放強(qiáng)度（單位時(shí)間排放量)和氣象條件下某種污染物的時(shí)間和空間分布。大致可分為確定性模式和統(tǒng)計(jì)模式兩類。按照模型的類別，大氣污染擴(kuò)散模型可包括高斯煙羽模型（Gaussianplumemodel）[24]、箱體模型[25]、拉格朗日模型[26]等。其中高斯煙羽模型因其簡(jiǎn)單實(shí)用而被廣泛應(yīng)用。Turner[27]將高斯煙羽模型拓展到線源模型（line-sourcemodel），用來描述機(jī)動(dòng)車尾氣的擴(kuò)散過程?；诰€源高斯煙羽模型的CALINE4和HIWAY2等模型被廣泛用于估算高速公路或主要道路周圍的空氣污染物濃度[28]。機(jī)動(dòng)車尾氣擴(kuò)散與人體暴露（污染物濃度）的標(biāo)定方法可分為兩類，一類方法是通過城市內(nèi)的靜態(tài)和動(dòng)態(tài)監(jiān)測(cè)點(diǎn)（如監(jiān)測(cè)車）采集污染物濃度數(shù)據(jù)進(jìn)行空間插值或影響因素分析[29]。因靜態(tài)監(jiān)測(cè)點(diǎn)分布分散且通常遠(yuǎn)離交通源，無法準(zhǔn)確地反映交通活動(dòng)造成的空氣污染；而動(dòng)態(tài)監(jiān)測(cè)手段雖能較靈活地采集空氣污染濃度信息，卻面臨著成本高、采樣率低等問題。另一類方法是基于地理信息系統(tǒng)（GIS）用地理坐標(biāo)描述城市道路幾何形狀，結(jié)合交通流量（多為靜態(tài)數(shù)據(jù)）和天氣狀況等數(shù)據(jù)，再用上文提到的污染物擴(kuò)散模型來估算城市機(jī)動(dòng)車尾氣排放與擴(kuò)散情況。這類方法的不足是缺乏對(duì)交通污染源的動(dòng)態(tài)描述，導(dǎo)致估算結(jié)果比較粗糙。1.3出行污染暴露評(píng)價(jià)方式根據(jù)世衛(wèi)組織（WHO）的定義，暴露是指人體與一種或一種以上的物理、化學(xué)或生物因素在時(shí)間和空間上的接觸。該定義將日常認(rèn)知中對(duì)于空氣污染的吸入或吸收與暴露完全分別開來。對(duì)于空氣污染暴露評(píng)價(jià)，其主要用于評(píng)估人體接觸空氣污染物的強(qiáng)度、頻率以及持續(xù)時(shí)間，分析空氣污染來源和它與健康影響之間的關(guān)系。污染物經(jīng)源頭排放，向周圍環(huán)境擴(kuò)散，并最終作用與人，轉(zhuǎn)化為內(nèi)部生物有效劑量。其目的是提供暴露人數(shù)、暴露濃度、暴露途徑、各種微環(huán)境中暴露的貢獻(xiàn)率及污染物的種類、強(qiáng)度等信息。由于個(gè)體之間性別年齡以及活動(dòng)等特征的差異，常規(guī)環(huán)境監(jiān)測(cè)得到的空氣污染物濃度并不能準(zhǔn)確測(cè)定被人體所吸收的劑量，因此主要通過暴露濃度反映空氣污染暴露評(píng)價(jià)結(jié)果。評(píng)估個(gè)體空氣污染暴露水平的原理為：綜合各種微環(huán)境中空氣污染物的濃度及暴露個(gè)體在不同微環(huán)境中所停留的時(shí)間，可用公式表示為：(1-1)其中，Ei為個(gè)體i在不同微環(huán)境j中對(duì)某種空氣污染物的綜合平均暴露水平；Cj為微環(huán)境j中某種空氣污染物的濃度；tij為個(gè)體i在微環(huán)境j中停留的時(shí)間。針對(duì)于本文所提出的的出行污染暴露，即是指檢測(cè)近地面的車輛所獲得的尾氣排放濃度與出行者在該路段上停留時(shí)間的乘積，即為出行者的尾氣污染暴露.。1.4基于移動(dòng)式實(shí)測(cè)數(shù)據(jù)的污染濃度對(duì)于人體暴露在出行污染中的過程分為產(chǎn)生污染、污染擴(kuò)散并且出行者遭受暴露，通常由排放擴(kuò)散暴露一體化中建模估計(jì)完成。為驗(yàn)證所建立模型的準(zhǔn)確性，本文需對(duì)實(shí)際污染濃度進(jìn)行測(cè)量和收集，對(duì)此，對(duì)如何使用監(jiān)測(cè)設(shè)備和設(shè)計(jì)實(shí)驗(yàn)，查閱相關(guān)文獻(xiàn)研究就顯得十分重要。固定式監(jiān)測(cè)設(shè)備依然是公眾了解空氣污染狀況的主要設(shè)施，相比較于移動(dòng)式監(jiān)測(cè)設(shè)備，其具有精度高、成本低、持續(xù)性強(qiáng)的優(yōu)點(diǎn)，但由于在一定區(qū)域內(nèi)分布數(shù)量較少，無法對(duì)更為細(xì)致微觀場(chǎng)景的污染濃度進(jìn)行監(jiān)測(cè)。隨著移動(dòng)式監(jiān)測(cè)設(shè)備的發(fā)展和使用，研究者們擁有更為細(xì)微方便的手段來探究交通排放是如何擴(kuò)散并作用與人的。沈俊秀（2011）[30]利用APEX模型評(píng)價(jià)上海市人口對(duì)道路交通污染的總體暴露特征，并進(jìn)一步對(duì)出行過程中道路交通污染暴露特征進(jìn)行監(jiān)測(cè)，為后續(xù)基于出行過程動(dòng)態(tài)模擬的道路交通污染人群暴露評(píng)價(jià)方法開發(fā)提供實(shí)驗(yàn)依據(jù)。徐亞琳（2007）[31]使用便攜式氣溶膠監(jiān)測(cè)器和氣象監(jiān)測(cè)設(shè)備分析了南京城市中PM10濃度一般變化規(guī)律，采用多元線性回歸法推導(dǎo)出了南京城市PM10背景濃度估算公式，并驗(yàn)證了STREETBOX模型在南京城市街道上的適應(yīng)性。常晶晶[32]采用移動(dòng)式空氣質(zhì)量監(jiān)測(cè)設(shè)備對(duì)上海公共交通（地鐵、公交、步行）中的CO、PM2.5暴露濃度進(jìn)行測(cè)量，并證明了LUR運(yùn)用于中觀尺度范圍內(nèi)污染物評(píng)估與預(yù)測(cè)的有效性。在國(guó)外，JanPeters等[33]證明了移動(dòng)測(cè)量方法在繪制城市空氣污染地圖方面的潛力，既可用于比較城市環(huán)境污染，也可用于估算微粒和PM10的絕對(duì)水平。DonsEvi等[34]基于時(shí)間-活動(dòng)模式使用便攜式監(jiān)測(cè)器在幾個(gè)不同的家庭、商店、汽車等微環(huán)境中測(cè)量并研究真實(shí)的整體暴露情況，其中影響個(gè)人暴露的其他因素包括：背景濃度，居住在城市、郊區(qū)或者農(nóng)村環(huán)境中的位置。JonathanJ.Buonocore等[35]在馬薩諸塞州波士頓的MissionHill社區(qū)利用當(dāng)?shù)馗咧袑W(xué)生作為志愿者對(duì)整個(gè)社區(qū)進(jìn)行移動(dòng)連續(xù)監(jiān)測(cè)，繪制出超細(xì)顆粒，細(xì)顆粒物質(zhì)和黑炭的時(shí)空變化，并在考慮交通各種屬性，主要道路的接近度與氣象因素的條件下使用回歸模型解釋濃度變化。KaurS等[36]在英國(guó)倫敦市中心利用便攜式監(jiān)測(cè)器沿兩條不同路線通過五種不同交通方式（步行、自行車、公交車、汽車、出租車）研究短期人體接觸PM2.5、超細(xì)顆粒物（顆粒范圍：0.02-1μm）、一氧化碳（CO）濃度，并使用回歸技術(shù)分析解釋了交通量、氣象條件、運(yùn)輸方式對(duì)于PM2.5、超細(xì)顆粒物、CO濃度的影響。JILevy等[37]基于社區(qū)試點(diǎn)調(diào)查確定當(dāng)?shù)亟煌▉碓词欠駥?duì)暴露有顯著影響。社區(qū)成員在大型公交終點(diǎn)站周圍一英里半徑內(nèi)的街道上攜帶便攜式監(jiān)測(cè)儀，創(chuàng)建濃度地理信息系統(tǒng)（GIS）地圖，并收集能夠預(yù)測(cè)周圍濃度的現(xiàn)場(chǎng)特征數(shù)據(jù)。研究結(jié)果表明城市地區(qū)的污染模式可以用有限的監(jiān)測(cè)設(shè)備來描述。1.5路徑規(guī)劃傳統(tǒng)的交通誘導(dǎo)主要是提供給出行者以旅行時(shí)間與路徑引導(dǎo)的信息，用以減少車輛在道路上的逗留時(shí)間，從而將交通流在時(shí)空上扁平化。隨著出行者對(duì)空氣污染暴露危害認(rèn)識(shí)的加深，出行過程中的空氣污染暴露已經(jīng)危害到了出行者的健康，成為了出行者的私人成本。因此，有必要在交通誘導(dǎo)的過程中進(jìn)行相應(yīng)考慮。Ahn和Rakha[38]分析了路徑選擇方式對(duì)車輛排放的影響，在機(jī)動(dòng)車尾氣排放模型中選擇浮動(dòng)車GPS數(shù)據(jù)，通過比較兩條路徑上的交通排放量，發(fā)現(xiàn)較慢且較短的路徑雖然增加了出行時(shí)間，但卻降低了交通排放量且節(jié)省了交通能耗。研究得出的結(jié)論是考慮車輛微觀運(yùn)行狀態(tài)，合理地改變駕駛員的駕駛行為能夠有效降低排放。事實(shí)上，機(jī)動(dòng)車在路段上的起停動(dòng)作和加減速愈加頻繁，也就是人們通常意義所說的“走走停?！痹蕉啵瑒t產(chǎn)生的交通排放量也就越大?？刂岂{駛行為來降低排放屬于微觀層面上的交通建模，這類研究比較復(fù)雜，考慮因素也比較多，代表性的研究有Nie等[39]在交通研究B卷上發(fā)表的相關(guān)研究，旨在解決滿足管理者交通排放標(biāo)準(zhǔn)為目標(biāo)的環(huán)保駕駛員的最優(yōu)路徑選擇問題，試圖尋找總出行成本（由出行時(shí)間成本和燃料消耗成本組成）最小的路徑。研究建立了燃料消耗和溫室氣體排放估算模型，將排放率和車輛的物理特性及運(yùn)行工況建立聯(lián)系。Zeng等[40]在交通研究C卷發(fā)表的研究預(yù)測(cè)每公里的機(jī)動(dòng)車二氧化碳排放量，并搜索出環(huán)境友好的路徑，該路徑在滿足出行時(shí)間預(yù)算的同時(shí)可保證車輛的二氧化碳排放量最小。但就路徑規(guī)劃方面而言，現(xiàn)有的路徑規(guī)劃模型還尚未明確量化機(jī)動(dòng)車尾氣排放暴露對(duì)人體健康所造成的影響，沒有描述尾氣從源頭擴(kuò)散并作用到人體的這一過程，然后再來將尾氣排放暴露作為出行成本的一部分進(jìn)行路徑規(guī)劃。在實(shí)際應(yīng)用當(dāng)中，例如高德、滴滴等打車軟件也只是將出行時(shí)間（或出行距離）作為出行的目標(biāo)。本文擬采用交通排放暴露一體化建模的方法，構(gòu)建包含交通流模型、排放模型與排放擴(kuò)散模型的交通排放暴露解析方法，并基于此解析方法，構(gòu)建新的路徑規(guī)劃模型，將其與傳統(tǒng)的路徑規(guī)劃方法進(jìn)行對(duì)比，從而得出指導(dǎo)性的結(jié)論。最短路徑算法是解決路徑規(guī)劃問題的核心。最短路徑算法通?？梢苑譃殪o態(tài)最短路徑算法和動(dòng)態(tài)最短路徑算法。動(dòng)態(tài)最短路徑的計(jì)算是在外界環(huán)境不斷發(fā)生變化，即在不能計(jì)算和預(yù)測(cè)的情況下來計(jì)算最短路的問題。在本文中，重點(diǎn)只關(guān)注靜態(tài)的路徑規(guī)劃，故下面主要給出靜態(tài)最短路徑算法的國(guó)內(nèi)外研究現(xiàn)狀。靜態(tài)網(wǎng)絡(luò)是指所有弧的權(quán)值都為常值的網(wǎng)絡(luò)。相應(yīng)地，求解這類網(wǎng)絡(luò)中指定起點(diǎn)和終點(diǎn)之間最短路徑的算法叫做靜態(tài)最短路徑算法。靜態(tài)的最短路徑算法已經(jīng)有較長(zhǎng)時(shí)期的發(fā)展歷程，總而言之，它屬于一種比較傳統(tǒng)的路徑規(guī)劃算法。1959年，著名學(xué)者E.W.Dijkstra[41]提出了具有重要意義的Dijkstra最短路徑算法。之后，許多學(xué)者又相繼提出了諸如Bellman-Ford-Moore算法、Floyd算法、BFP算法、DIKB等算法[42]。目前，一些學(xué)者還開始提出啟發(fā)式算法（如A*算法）以及基于深度學(xué)習(xí)的算法。而大量的隨機(jī)網(wǎng)絡(luò)實(shí)驗(yàn)和路網(wǎng)科學(xué)評(píng)估顯示，針對(duì)不同類型的道路網(wǎng)和目標(biāo)函數(shù)需求，可以選擇不同的合適算法，因?yàn)闆]有哪一種算法是能夠在任意狀態(tài)下都保持優(yōu)勢(shì)。上世紀(jì)50年代，國(guó)內(nèi)也開始了靜態(tài)最短路徑算法的相關(guān)研究，但其快速發(fā)展主要開始于90年代，伴隨著計(jì)算機(jī)應(yīng)用的快速發(fā)展。但從實(shí)質(zhì)上講，相關(guān)領(lǐng)域開展的算法研究主要還是基于Dijstra算法和Floyd算法[43-46]，主要從數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)、路網(wǎng)規(guī)模的控制、搜索策略、優(yōu)先級(jí)隊(duì)列這幾方面來進(jìn)行了評(píng)估和優(yōu)化。但在實(shí)際的交通系統(tǒng)當(dāng)中，由于交通事故、天氣因素、道路阻塞等情況的發(fā)生，實(shí)際走行的路徑可能是除預(yù)先規(guī)劃好的路徑外的另一條路徑。因此，實(shí)際的車輛的路徑規(guī)劃其實(shí)是具有隨機(jī)性和時(shí)變性等特征。將實(shí)時(shí)的交通數(shù)據(jù)引入到隨機(jī)最短路徑研究問題來繼續(xù)深入本研究也十分必要。例如，Bertsekas等[47]通過理論分析得到，在弧的花費(fèi)值非負(fù)的情況下，隨機(jī)最短路徑規(guī)劃是存在最優(yōu)的策略。但由于筆者編程能力和算法運(yùn)用水平的限制，本文就先考慮靜態(tài)的路徑規(guī)劃問題，在將來的學(xué)習(xí)研究過程中再進(jìn)行進(jìn)一步地深入探討。參考文獻(xiàn)國(guó)家食品藥品監(jiān)督管理總局.世界衛(wèi)生組織國(guó)際癌癥研究機(jī)構(gòu)致癌物清單.[2017-10-30]./WS01/CL1991/215896.htmlXINGYF,XUYH,SHIMH,etal.TheimpactofPM2.5onthehumanrespiratorysystem[J].JournalofThoracicDisease,2016,8(1):69-74.GB17930-2013《,車用汽油》[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2013.[CB17930-2013,《AutomobileGasoline》[S].Beijing:StandardsPressofChina,2013.]胥耀方,于雷,宋國(guó)華.交叉口運(yùn)行模式分布模型及排放測(cè)算[J].交通運(yùn)輸系統(tǒng)工程與信息,2018,18(1):158-165,185.[XUYF,YUL,SONGGH.Modelingofoperatingmodedistributionsandemissionestimationatintersection[J].JournalofTransportationSystemEngineeringandInformation,2018,18(1):158-165,185.]宋國(guó)華,于雷.城市快速路上機(jī)動(dòng)車比功率分布特性與模型[J].交通運(yùn)輸系統(tǒng)工程與信息,2010,10(6):133-140.[SONGGH,YUL.Distributioncharacteristicsandmodelsofvehiclespecificpoweronurbanexpressways[J].JournalofTransportationSystemEngineeringandInformation2010,10(6):133-140.]YangQ,BoriboonsomsinK,BarthM.Arterialroadwayenergy/emissionsestimationusingmodal-basedtrajectoryreconstruction[C]//InternationalIEEEConferenceonIntelligentTransportationSystems.IEEE,2011:809-814.AryaPS.Airpollutionmeteorologyanddispersion[J].EnvironmentalProtectionAgencyResearchTriangleParkNc,1999,55(1974).UliaszM,BartochowskaM,MadanyA,etal.ApplicationoftheMesoscaleDispersionModelingSystemtoInvestigationofAirPollutionTransportinSouthernPoland[M]//AirPollutionModelingandItsApplicationX.SpringerUS,1994.BeychokMR.Fundamentalsofstackgasdispersion[M]//FundamentalsofStackGasDispersion.2005.王煒,陳學(xué)武,陸建.城市交通系統(tǒng)可持續(xù)發(fā)展理論體系研究[M].科學(xué)出版社,2004.楊浩,趙鵬.交通運(yùn)輸?shù)目沙掷m(xù)發(fā)展[M].中國(guó)鐵道出版社,2001.中國(guó)環(huán)境監(jiān)測(cè)總站.2020年8月全國(guó)城市空氣質(zhì)量報(bào)告[R].北京.BarthM,FengA,NorbeckJ,etal.ModalEmissionsModeling:APhysicalApproach[J].TransportationResearchRecordJournaloftheTransportationResearchBoard,1996,1520(1):81-88.\EpaU.MOVES(MotorVehicleEmissionSimulator)[J].2013.CappielloA,ChabiniI,NamEK,etal.Astatisticalmodelofvehicleemissionsandfuelconsumption[C]//TheIEEE,InternationalConferenceonIntelligentTransportationSystems,2002.Proceedings.IEEE,2002:801-809.賀克斌.道路機(jī)動(dòng)車排放模型技術(shù)方法與應(yīng)用[M].科學(xué)出版社,2014.郝吉明.城市機(jī)動(dòng)車排放污染控制:國(guó)際經(jīng)驗(yàn)分析與中國(guó)的研究成果[M].中國(guó)環(huán)境科學(xué)出版社,2001.BoriboonsomsinK,BarthMJ,ZhuW,etal.Eco-RoutingNavigationSystemBasedonMultisourceHistoricalandReal-TimeTrafficInformation[J].IEEETransactionsonIntelligentTransportationSystems,2012,13(4):1694-1704.YinY,LawphongpanichS.Internalizingemissionexternalityonroadnetworks[J].Tr