基于大数据，探究速度和坡度对轻型车辆污染物排放的交互影响

《Atmospheric Pollution Research》：Exploring the interactive effects of speed and slope on pollutant emissions from light-duty vehicles based on big data

本研究基于西安地区200辆轻型汽油车一年的高分辨率一秒级OBD数据，结合数字高程模型（DEM）和车用动力模型（MOVES），构建了考虑速度-坡度交互作用的一维多项式回归模型。通过分段分析上坡与下坡的排放异质性，揭示了速度与坡度在3D空间中的非线性耦合效应：HC和NO_x排放对动力负荷变化更敏感，呈现高速度和大坡度叠加时的显著排放增强现象；PM排放则表现出最低的波动性和稳定性。研究证实，速度-坡度-排放响应模型能精准预测微观尺度车辆污染物排放，其方法创新与结果发现为城市差异化交通管控和精细化排放清单编制提供了新理论依据和新数据支撑。

　　

杨阳|侯嘉兴|钱宇|张涛

太原科技大学车辆与交通工程学院，中国太原，030024

摘要

为了探讨驾驶速度和坡度等动态因素对排放特性的交互影响，本研究分析了西安200辆轻型车辆一年内每秒一次的车载诊断数据。通过将高分辨率数字高程模型数据与ArcGIS空间分析相结合，为每个轨迹点计算出坡度值；然后利用这些值基于车辆特定功率的排放估算方法计算常见污染物的每秒排放量，并开发了一个双变量多项式回归模型（通过上坡-下坡分段方法进行优化），以速度和坡度作为自变量。这种方法提高了估算精度并增强了坡度特定排放的可解释性。研究结果表明，速度和坡度对排放有显著的耦合效应：在上坡路段，随着这两个因素的增加，排放量迅速增加；而在下坡路段，排放量通常较低，但存在局部峰值。基于坡度分段的回归模型对CO、HC、NO_x和PM的预测效果良好，决定系数超过0.87，均方误差、均方根误差和平均绝对误差值较低，表明预测精度很高。3D拟合结果揭示了不同污染物在速度-坡度空间中的异质排放特性：HC和NO_x对运行负荷的变化更为敏感，在高速和大坡度的组合条件下排放响应更强烈，而PM排放量最低且最稳定。所提出的速度-坡度-排放响应模型能够准确估算微观尺度的车辆污染物排放，并为制定差异化的城市交通管理策略提供了坚实的理论和数据支持。

引言

近年来，随着全球气候变化和空气污染问题的日益严重，交通领域的碳排放减少和污染物控制已成为国际上的重要优先事项。根据IPCC第六次评估报告，交通领域约占全球能源相关二氧化碳排放量的23%，以及总温室气体排放量的15%；仅车辆尾气排放就使全球超过十亿人暴露在超过安全阈值的细颗粒物（PM_2.5）中（IPCC，2022年）。气候变化和健康风险的双重压力凸显了开展针对车辆排放机制研究的重要性。

在中国，快速的城市化和机动化显著增加了交通领域的环境足迹。根据国家发展和改革委员会能源研究所的数据，交通领域约占中国总碳排放量的9%，成为该国第二大排放源（ERI，2023年）。同时，机动车尾气排放已成为城市空气污染的主要来源，且呈持续上升趋势，对城市生态安全和公共健康构成重大挑战（Li等人，2022年）。

在城市道路环境中，复杂的交通状况和频繁的坡度变化显著增加了车辆尾气排放因素的变异性，给建模带来了挑战。污染物排放率的非线性动态特性对传统稳态建模方法的适用性构成了根本限制。在各种影响因素中，驾驶速度和坡度被确定为塑造车辆排放行为的两个关键因素，引起了广泛学术界的关注。国内外学者都进行了大量实证研究，旨在揭示道路交通排放特性，并定量明确速度、坡度和污染物排放因素之间的关系。

速度作为表征车辆运行状态的关键参数，已通过理论、仿真和实证方法进行了广泛研究。Yannis和Michelaraki（2025年）从理论上证明了通过可持续交通模式转换可以减少排放，而Tettamanti等人（2025年）的模拟显示，优化的城市限速可减少超过10%的CO₂排放。实证研究方面，Chen等人（2024年）量化了速度对碳排放因素变异性的解释度为25.97%，Wei等人（2024年）揭示了速度与车辆特定功率（VSP）对CO和NO_x排放的交互效应。这些实证发现进一步强调了速度的非线性影响及其在开发高分辨率排放清单中的关键作用（Lu等人，2021年；Li等人，2020年）。然而，这些仅考虑速度的研究忽略了坡度对速度-排放关系的调节作用，未能捕捉到地形引起的动态排放变化。

道路坡度作为影响发动机负荷的关键因素，越来越多地被纳入排放模型中。Fan等人（2022年）利用大规模车辆运行数据量化了其重要性，而Yang等人（2021年）和Xie等人（2024年）分别证明了摩托车和重型车辆在上坡行驶时的排放增加。Wang等人（2022年）通过跨城市比较分析进一步明确了坡度对能耗和排放的影响，Dong等人（2020年）通过专门的车辆动力学建模阐述了坡度引起的排放机制。Sentoff等人（2015年）验证了纳入地形因素可以有效降低微观排放模型的不确定性。然而，这些仅考虑坡度的研究将坡度视为静态变量，缺乏与实时速度动态的结合，从而忽略了速度-坡度相互作用对排放结果的影响。

在这种分别研究速度和坡度的背景下，最近的研究已经超越了单一变量分析，开始探索多参数耦合效应。在这些跨因素探索中，速度-坡度相互作用成为解决单变量研究局限性的核心切入点。例如，Fan等人（2025年）证明将坡度纳入预测模型可将燃油消耗估算误差从25%降低到11%，而Shaffiee Haghshenas等人（2025年）开发的LSTM-MVO深度学习框架在预测燃油消耗和CO₂排放方面优于传统模型。尽管初步的多因素研究已经考虑了速度和坡度，但它们存在关键局限性：依赖于低分辨率的宏观数据，忽略了上坡-下坡的非对称响应，或缺乏定量耦合机制分析。因此，在实际高分辨率驾驶条件下，速度和坡度的非线性交互效应仍未得到充分描述，这正是本研究旨在解决的问题。

本研究整合了200辆轻型车辆一年内每秒一次的车载诊断（OBD）数据与GIS匹配的数字高程模型（DEM）得出的坡度信息，开发了一个高时空分辨率的排放分析框架。通过明确纳入速度-坡度交互项并采用分段上坡-下坡建模策略，所提出的方法将速度-坡度耦合作为描述复杂城市地形中车辆排放行为的关键分析维度，从而为精细的排放估算和差异化的交通管理提供了坚实的理论支持。与仅考虑速度或仅考虑坡度的模型相比，本研究提出的交互分析不仅提高了排放估算的准确性，还揭示了通过单一因素方法难以识别的排放调节机制。具体而言，速度对排放的边际效应随坡度方向的不同而有显著差异：道路坡度要么协同放大要么补偿抵消了不同运行场景下的速度引起的排放变化。此外，对应于排放峰值的速度范围及其响应强度在上坡和下坡行驶之间存在系统性的不对称性。这些模式在单因素模型中常常被平均或掩盖，这突显了我们交互分析在捕捉细微排放动态方面的价值。

数据来源和预处理

本研究使用了从西安200辆私人拥有的非商用轻型汽油车辆收集的真实驾驶数据，涵盖了大众、本田和奥迪等主流品牌，发动机排量和车型年份涵盖2010-2022年（88%的车辆为2010-2018年车型）：1.0-1.6升排量占比52%，1.6-2.0升排量占比33%，超过2.0升排量占比15%，与当地汽油私家车的排量分布相匹配。所有车辆均符合

模型构建

原始排放数据存在显著偏态，大多数值集中在较低范围内，少数极端值可能影响回归拟合。为了解决这个问题，对排放值（E）进行了对数变换（log(E)），这带来了三个关键好处：1）通过减少极端值的影响来稳定方差；2）线性化幂或指数关系，从而增强模型的解释能力；3）强调相对变化而非绝对变化，使其更加一致

污染物排放模型的可视化与分析

为了更深入地了解速度和坡度对污染物排放的综合影响，使用三维（3D）响应面可视化了建模结果，这些响应面绘制了对数变换后的排放量（logCO、logHC、logNO_x、logPM）与速度和坡度的关系。这些表面清晰地展示了速度-坡度的非线性交互作用及其在上坡和下坡条件下的不同影响。图1、图2展示了具体结果。

讨论

为了研究速度和坡度对污染物排放的综合影响，数据集被划分为上坡（坡度>0）和下坡（坡度<0）两个部分。针对上坡和下坡场景的分段建模（第3.2节）得出了不同的参数估计值和坡度贡献比率，这些结果共同反映了速度-坡度耦合效应的方向性异质性。

结论

本研究利用西安200辆轻型汽油车辆一年内每秒一次的OBD数据，结合高分辨率DEM数据和MOVES模型，对车辆速度和道路坡度对污染物排放的交互效应进行了细致分析。

通过将1-Hz车辆轨迹数据与DEM坡度值相结合，本研究实现了对道路坡度和车辆运行条件的精确时空量化。

作者贡献声明

杨阳：撰写 – 审稿与编辑、验证、资源获取、数据管理。侯嘉兴：撰写 – 初稿撰写、可视化、软件开发、方法论、概念构建。钱宇：监督、资源获取、数据管理。张涛：撰写 – 审稿与编辑、监督、资源获取、资金获取。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢

本研究得到了中国山西省奖学金委员会 [资助编号 126, 2024]、山西省基础研究计划 [资助编号 202403021221150] 以及中国陕西省自然科学基础研究计划 [资助编号 2025JC-YBMS-446] 的支持。