传感器在道路交通空气污染监测中的应用

作者：衷楠 亚洲清洁空气中心 高级环境研究员

  王思 亚洲清洁空气中心 环境研究员

近年来，环境空气质量监测方法不断发展丰富，除了传统的固定监测站以外，其他智能化监测手段也被广泛应用。传感器监测技术具有成本低、小巧轻便、易于部署的特点，结合近年来在新材料、微型光源、微机电系统、芯片级计算能力的进步，新型传感器监测技术在颗粒物和气态污染物测量方面发展迅速，应用场景极大丰富，可以为现有监测手段提供补充与强化。其中，传感器移动监测已被用于评估交通产生的空气污染，其可以提供不同时空的线状监测数据，为大气污染研究与管理提供了新思路。以出租车、公交车、移动监测车和自行为载体搭载传感器的研究发展迅速，已在全球各地有所应用。

 

上海开展出租车随机路线移动监测
 

上海市通过在150多辆出租车上搭载颗粒物及气体传感器（图1左）进行空气质量移动监测。基于出租车的随机移动路线，此移动监测网络可以在10天覆盖上海80%以上的路网，为评估整体交通环境污染提供重要依据。数据显示，CO在主干道上的浓度最高，而NO2在高速公路上的浓度最高（图1右）。因为NO2的浓度随着行车速度的增加而增加，所以在高速公路上占主导地位。CO和NO2在早上五点到八点期间、和下午四点到七点之间的浓度比较高。此外，在2020年2至3月新冠疫情期间这两种污染物的浓度均降低约30-50%，这一变化可用于分析城市空气污染中的道路交通的贡献比例。然而，值得注意的是，即使在封锁期间，高速公路的NO2浓度还是很高，交通相关的空气污染（TRAP）仍需要获得更多关注。

 

图1 出租车及其检测设备（左）和NO2小时平均浓度的空间分布（右）

（图源：Sun et al., 2022）

香港开展公交车固定路线移动监测
 

香港利用公交车的固定移动路线，在10余条公交线路上配备颗粒物及气体传感器，覆盖了约70%的主要交通路段，如图2左。这种每日固定时间段固定路线的道路监测可提供重复性观察数据。在九龙半岛的海底隧道出入口，可以观察到较高浓度的NO2路段，如图2右。因为该隧道是香港最繁忙、最拥挤的隧道，平均每日交通流量>10万辆次。移动传感器的污染监测数据同时包含了高频与低频信号，其中高频信号持续时间以秒-分为单位，低频信号持续时间以分-小时为单位。数据显示，不同公交路线的移动监测数据均呈现同样的低频信号曲线。原因在于短时高频信号反映局部交通污染影响，而较长时间的低频信号反映更广的城市背景及区域污染影响，形成了移动监测网络数据的普遍基准。从移动监测数据中提取这一背景浓度基准线有助于进行城市尺度的交通、本地与区域污染贡献的动态解析。结果表明，香港的PM2.5污染中绝大部分来自于区域性背景污染，而NOx污染中约70%来自于本地交通污染。这一结论将为后期选择污染控制策略提供理论依据。
 

 

图2 选定的公交线路（左）和NO2（mg/m3）的沿线污染分布（右）

（图源：Wei et al., 2021）

奥克兰开展监测车固定路线移动监测
 

美国加州的奥克兰市基于两辆配备了空气传感器和数据集成平台的移动监测车对市内不同居住区、商业区和工业区内每条道路在工作日白天的黑碳（BC）和NO2浓度进行重复测量，如图3。监测数据描绘了城市内的污染模式，揭示了工作日白天不同空间尺度污染物浓度的显著变化。高速公路、主干道和住宅街道这三种主要道路类别的污染物水平差异很大，较繁忙街道和高速公路上的浓度大大高于城市背景水平。就BC而言，高速公路的浓度比居民区街道的浓度高出2.7倍；NO2则高出1.8倍。传感器移动监测对于空气污染的空间差异性的把握被认为比传统测量和模型预测更加精细，可突出显示局部污染热点，补充了城市高分辨率的空气质量数据，从而为污染控制提供新的机遇。
 

 

图3 监测设备以及空气质量地图

（图源：Apte et al., 2017）

 

安特卫普开展自行车固定路线移动监测
 

比利时安特卫普市使用配备了可以测量超细颗粒物（UFP）和黑碳（BC）的气体传感器的自行车作为一个移动式空气质量监测平台（Aeroflex），对一条长约2公里的固定路线开展空气质量的移动监测，如图4左。监测主要在每天上午7点到下午1点之间，在固定的时间段和路线监测提供了重复性的观察数据。数据显示，UFP和BC的最高浓度出现在早高峰时段（上午8点），并确定了浓度最高的街道位置，如图4右。此移动监测识别了排放热点并补充了城市环境的高分辨率空气质量数据，为改善固定式空气质量测量网络有限的空间分辨率提供了解决方案。
 

 

图4 Aeroflex及其监测设备（左）和监测街道的UFP浓度（右）

（图源：Elen et al., 2013）

道路交通是现代城市空气污染物的主要来源，可使行人和乘车人员暴露于高浓度的空气污染物中。因此，对于受交通排放影响较大的城市地区，确定道路交通污染排放特征及其对道路或路边空气污染物浓度的贡献，对于确定机动车排放清单和有效管理城市空气质量具有重要意义。相较于固定路边或遥感测量，基于传感器的移动监测可以提供覆盖整个城市道路网络的高时空分辨率的监测数据，并为未来更大规模的基于网络的移动测量奠定了基础。
 

参考文献：

[1]Elen, B.; Peters, J.; Poppel, M.V.; Bleux, N.; Theunis, J.; Reggente, M.; Standaert, A. (2013). The Aeroflex: A Bicycle for Mobile Air Quality Measurements. Sensors, 13, 221-240. https://doi.org/10.3390/s130100221.

[2]Sun, Y.; Brimblecombe, P.; Wei, P.; Duan, Y.; Pan, J.; Liu, Q.; Fu, Q.; Peng, Z.; Xu, S.; Wang, Y.; et al. (2022). High Resolution On-Road Air Pollution Using a Large Taxi-Based Mobile Sensor Network. Sensors, 22, 6005. https://doi.org/10.3390/s22166005.

[3]Wei, P., Brimblecombe, P., Yang, F., Anand, A., Xing, Y., Sun, L., Sun, Y., Chu, M., Ning, Z. (2021). Determination of local traffic emission and non-local background source contribution to on-road air pollution using fixed-route mobile air sensor network. Environmental Pollution 290, 118055. https://doi.org/10.1016/j.envpol.2021.118055.

[4]Joshua S. Apte, Kyle P. Messier, Shahzad Gani, Michael Brauer, Thomas W. Kirchstetter, Melissa M. Lunden, Julian D. Marshall, Christopher J. Portier, Roel C.H. Vermeulen, and Steven P. Hamburg. (2017). High-Resolution Air Pollution Mapping with Google Street View Cars: Exploiting Big Data. Environmental Science & Technology 51 (12), 6999-7008. DOI: 10.1021/acs.est.7b00891.