城市化建设带来雾霾天气频发，区域环境和交通道路的空气污染问题突显，以细颗粒物为标志的区域性大气复合污染问题，已经成为我国大气环境污染治理的核心工作之一^[1-3]。城市道路交叉口作为城市道路网的重要节点，因其车流量大、车辆运行工况复杂、建筑物林立和人群密集，成为城市交通污染突出的区域^[4]。国外学者针对Ilorin(Nigeria)^[5]、Guildford(UK)^[6-8]、Saitama(Japan)^[9]等城市，分析了主要交通交叉口颗粒物浓度及其在排放热点位置对公众的暴露。国内学者针对上海^[10-11]、北京^[12]、南京^[13]、香港^[14]、济南^[15]等城市，研究了城市道路交叉口内部颗粒物浓度的分布规律，并基于交叉口微环境内的颗粒物浓度对不同人群的颗粒物暴露水平进行了评估。目前国内外研究主要集中在信号控制类型对机动车排放的影响，以及颗粒物质量浓度与交通特性之间的相关关系，结合气象因素(风速、温度和风向)与交通因素(车型、车流量)研究交叉口的颗粒物扩散特性少见报导。近年来，黑龙江地区光化学烟雾污染频发，机动车排放对以哈尔滨为代表的城市大气污染的贡献愈发显著，针对典型街道交叉口，监测早高峰及非高峰时段颗粒物浓度，研究机动车排放不同粒径范围颗粒物的扩散特性，分析交叉口早高峰时段气象因素与交通因素对交叉口处颗粒物浓度扩散的影响，对于从交通流及交叉口附近建筑规划等方面考虑机动车排放对环境污染及人健康的影响有实际意义。

选取哈尔滨市区非采暖期典型十字交叉口西大直街-通达街为研究对象，该交叉口具有较大的车流量，周围建筑以居民楼为主，除交通排放外无其他污染源。西大直街为双向8车道，机动车道宽度30 m，限定车速60 km/h；通达街为双向6车道，机动车道宽度为16 m，限定车速50 km/h，依据《环境空气质量监测点位布设技术规范》(HJ 664—2013)布置监测点，距路边石2 m，离地高度1.5 m，如图 1所示。

图 1 西大直街-通达街十字交叉口 Fig. 1 Xidazhi Street-Tongda Street intersection

图选项

采用美国Fluke 985空气尘埃粒子计数器，监测早高峰7 : 30—8 : 30及非高峰9 : 30—10 : 30时段每一个信号周期内的细颗粒物瞬时数量浓度值，利用PC-3型便携式自动气象站进行大气环境监测，利用摄像机采集每个信号周期内车流量，数据采集时间为2019年5月20日至6月20日内的连续20 d(不包括降水日)。交通信号周期内交叉口的车辆运行状态多为怠速和加速工况，将车辆的行驶排放作为污染线源处理，将交通量统计车型分为小型车(总质量≤3.5 t，M₁，M₂，N₁)、中型车(3.5 t＜总质量≤12 t，M₂，M₃，N₂)和大型车(总质量>12 t，N₃)^[16]。

源强表示尾气排放量的大小，街道十字交叉口内颗粒物排放源强取决于道路上交通流量、机动车发动机性能及单车运行情况。美国环保局的CAL3QHC模式模拟城市道路交叉口机动车尾气扩散的过程，将车辆在通过交叉口各车道行驶过程中的污染物排放看作均匀的线源排放和排队路段上怠速排放线源的叠加^[5]。计算如下：

(1)

(2)

式中，Q_j为交叉口车道组j类型机动车的污染物行驶排放源强；N_j为车道组j的交通流量；EF_j为车道组j机动车自由流状态下的单车综合排放因子；Q_qj为交叉口车道组j类型机动车的污染物怠速排放源强；EFI_j为车道组j类型机动车单车综合怠速排放率；n_j为车道组车道数；RC_j为车道组红灯时间所占比例；L为单位排队车辆在排队路段平均所占空间长度。

机动车尾气排放颗粒物在空气中占比很小，将其视为颗粒相(假设均为规则球体)，不考虑颗粒碰撞，在数值模拟中将颗粒相与连续相的温度视为一致。忽略计算较复杂且影响较小的附加质量力、热泳力、布朗力，只考虑附加力中颗粒受到的Saffinan升力和重力，则其表达式为：

(3)

式中，K为常数，其值为2.594；d_ij为变形张量；u为连续相速度(空气流速)；u_p为离散相颗粒速度；ρ为连续相密度；ρ_p为离散相颗粒密度；d_p为离散相颗粒直径；g_z为重力加速度。

根据图 1所示十字交叉口，忽略两侧绿化带高度及密集程度等因素对颗粒物扩散的影响，保留地铁站和街道的主要特征，对交叉口处周围建筑物顶部形状和侧面特征进行适当简化，以提高计算速度。仿真物理模型如图 2所示。为避免边界对真实流场的干扰，提高计算模拟效率，计算域确定为长(x轴正向)350 m，宽(y轴正向)310 m，高60 m(z轴正向)^[7]。

图 2 仿真物理模型 Fig. 2 Simulation physical model

图选项

利用ICEM CFD进行网格划分，采用Tetra/Mixed非结构网格，网格生成方法为Robust(Octree)，定义不同类型的part，越靠近建筑物网格越密，并对污染源附近流场处加密处理。选取湍流、非稳态模式，重力沿z轴负方向；考虑能量转换，按气固两相流处理，选取标准k-epsilon模型。由于颗粒相在空气中占比很小，因此采用分散相模型(Discrete Phase Model, DPM)；考虑到颗粒的重力沉降作用、布朗扩散过程以及Saffman升力的影响。污染源入口采用质量入口，持续射流源。入口风速采用指数型速度边界条件，利用Fluent中的UDF函数实现入口风速分布的定义：

(4)

式中，H为所求点高度；H₀为基准点高度，此模型取2 m；u为所求点风速；u₀为基准点风速，实地测得；m为风速高度指数，此模型取0.15。

入口风向根据实地监测数据，采用风向频率加权处理^[17]。控制方程离散格式采用二阶迎风差分格式，压力与速度耦合采用SIMPLE算法^[18]。出口、左右两侧及顶部设置为充分发展流动，计算域地面及固壁面设置为无滑移边界条件。

对西南风向，风速3.5 m/s，温度5 ℃条件颗粒物扩散进行仿真，颗粒物分布云图如图 3所示。

图 3 西南风颗粒物分布云图(1.5 m高度) Fig. 3 Cloud map of particle distribution with southwest wind (1.5 m height)

图选项

由于建筑物的影响，污染物浓度局部差异很大。气流出现绕流、回流涡旋以及街道峡谷中的峡管效应现象，使得原来风向，风速发生明显改变。污染物主要沿着污染源四周分布，靠近污染源处浓度最高，分布特征与流场特征基本吻合。在主干道上，随着气流的深入，受到建筑物的摩擦减速作用逐渐增强，气流流速减缓，不利于污染物扩散，污染物浓度升高，同时聚集了大量来自上风向随气流输送的污染物，造成街道下风向污染物浓度增高。在出口附近，建筑物滞缓作用的影响减弱，气流流速变大，污染物浓度降低。在建筑群内部，受入口风速影响小，涡旋现象明显，污染物在内部易形成堆积，但其浓度低于排放源高区值。上风向道路西南侧由于建筑物的阻挡、气流流速的影响以及污染源的分布特征，在垂直高度1.5 m处污染物浓度极低。

采用控制变量的方法，在其他条件不变的情况下分别改变风速与温度值，对交叉口机动车颗粒物浓度的扩散进行仿真模拟分析。

哈尔滨全年温差较大，选取四季中5个温度梯度参数(-15，-5，5，15，25 ℃)进行仿真分析。监测点3受地铁站等建筑环境影响较大，予以忽略，对监测点1，2，4模拟值进行分析。模拟结果如表 1所示。5次仿真结果显示，-15 ℃时颗粒物浓度最高，25 ℃时颗粒物浓度最低，变化量分别为6.3，7.5，7.1 μg/m³，3个监测点变化量基本相同；变化率分别为21.7%，25.9%，9%，监测点4浓度约为监测点1，2的300%，但浓度变化量相同，变化率明显小于其他两点，故温度对颗粒物扩散的影响与颗粒物初始浓度的大小几乎不相关。在-15~ -5 ℃梯度中，3个监测点浓度变化量分别为0.9，0.1，8.0 μg/m³，变化量十分微弱；在-5~5 ℃，5~15 ℃两个梯度中，变化量为-15~ -5 ℃梯度变化量的200%~300%，在15~25 ℃梯度中，浓度变化速度较-5~5 ℃，5~15 ℃梯度低。随着温度的升高，3个监测点的颗粒物浓度呈下降趋势，即温度与颗粒物浓度呈负相关，变化速度呈先加快，后减慢的趋势，在-5~15 ℃区间内变化较明显。

在1.5 m高度水平面上选取4个风速(2，3.5，5，6.5 m/s)进行仿真，对监测点1，2，4的模拟值进行分析，如表 2所示。随风速增加，颗粒物浓度有较明显的下降趋势，由于建筑物的形状改变了局部气流流动，出现街道峡谷作用和涡旋现象，气流流动十分复杂，局部风速风向没有明显的规律性，故3个监测点风速与污染物浓度没有一致的数学关系，但仿真结果显示，气象条件中，风速对颗粒物的输运作用是影响颗粒物扩散的最大因素，风在颗粒物的扩散中起着决定性的作用，并且风速越大输运作用越明显，颗粒物浓度变化率越大。

在其他条件不变的情况下，按照街道走向分别对西南、西北、东北、东南4个风向进行仿真，如图 3，图 4所示。由于建筑物的不对称性，风向不同，颗粒物浓度分布特征有明显差异，街区空间建筑环境通过影响其内部流场，间接对颗粒物的扩散产生较大的影响。风向由西南向东北与由东北向西南颗粒物分布特征具有较好的相似性，均表现为上风向颗粒物浓度较低，街谷底部颗粒物聚集，出现高浓度区域；但西南风向时，街道峡谷内具有代表特征点的浓度值普遍低于东北风向。西北风时，颗粒物分布特征为上风向浓度低，下风向浓度高且下风向颗粒物不易聚集在某一狭小空间内造成浓度差较大的现象，背风面浓度高且输送作用差。东北风时，街道峡谷内气流不稳定，湍流程度较大，在十字路口处出现多处涡旋，颗粒物浓度分布不均匀，出现局部浓度偏高，周围浓度偏低现象；背风面的气流也发生了紊乱，颗粒物受到较好的输送作用，因此背风面颗粒物浓度分布较均匀，浓度较低。

图 4 各风向颗粒物分布云图(1.5 m高度) Fig. 4 Cloud maps of particle distribution with different wind directions (1.5 m height)

图选项

按照第1节中的方法获得监测数据并进行分析。

早高峰与非高峰交叉口监测粒径为2.0 μm颗粒物浓度如图 5所示。早高峰时段，车辆集中出行，车流量相比非高峰时段有所增加，车辆平均行驶速度较低，交叉口处车辆排队通过，在交叉口处等待时间相比非高峰时段时间较长，车辆处于怠速、加速运行工况，使车辆尾气排放污染处于较高水平。

图 5 早高峰与非高峰时段交叉口监测颗粒物浓度 Fig. 5 Monitoring particle concentration at intersection at morning peak time and off-peak time

图选项

车辆在交叉口处排队通行，车速较低，对空气的扰动作用减弱，致使尾气排放物大气输运作用减弱。不同时段大气风速、风向及气温不同，也是使早高峰与非高峰时段监测点处的颗粒物浓度呈现不同的影响因素，监测点1, 4处于下风向，早高峰相比非高峰时段颗粒物的监测浓度呈现显著增高，监测点2, 3处于上风向，早高峰与非高峰时段颗粒物浓度没有明显差别。

早高峰时间段内不同风速、温度下，监测点1~4处不同粒径颗粒物(0.3，0.5，1.0，2.0，5.0，10.0 μm)数量浓度变化分布如图 6所示。从图中可知，不同粒径颗粒物浓度均受到大气因素(风速、温度)的影响，风速增加使大气对颗粒物的输运能力增强，使颗粒物易于扩散呈现较低浓度；大气温度升高，对大气流动产生影响，从而使颗粒物易于扩散。颗粒物浓度随着风速和温度增加而呈递减趋势，浓度与风速、温度呈负相关。趋势与仿真结果相吻合。

图 6 早高峰风速、温度对颗粒物浓度的影响 Fig. 6 Influence of wind speed and temperature on particle concentration at morning peak time

图选项

以早高峰监测点1为例，分析小型、中型和大型车流量对颗粒物浓度变化规律。由图 7可得，随着车流量的增加，不同粒径颗粒物浓度有增大的趋势，但是不同车型对其影响具有一定的差异性，小型车流量与不同粒径颗粒物浓度相关性较弱，中型车流量与不同粒径颗粒物浓度有部分相关性，而大型车流量与不同粒径颗粒物浓度具有强的相关性。

图 7 早高峰监测点1不同车型流量对颗粒物浓度的影响 Fig. 7 Influence of different vehicle flow on particulate concentration at monitoring point No.1 at morning peak time

图选项

街道环境中颗粒物的分部特征受多种因素影响，以直径为2 μm的颗粒物为例，采用皮尔逊相关系数法对西大直街—通达街4个监测点20 d的实测数据进行分析，得到各因素与颗粒物分布浓度的相关程度。皮尔逊相关系数计算公式为：

(5)

式中，r为皮尔逊相关系数；x为待检验变量; y为颗粒物浓度; x, y为变量均值; n为样本量; S_x，S_y为变量标准差。皮尔逊相关性分析结果如表 3所示。

大型车对直径为2 μm的颗粒物浓度贡献最大，中型车与小型车对其贡献相对较小。监测点3, 4与大型车相关性相对于其他两个监测点较小，原因是我国规定机动车靠右行驶，在红灯期间，道路两侧车辆分布不均匀，车辆聚集在点1与点2附近，在红灯期间，车辆处于怠速状态，持续排出颗粒物；点3处于上风向，且受信号灯影响不明显，故颗粒物浓度与一个信号灯周期内车辆的相关性不明显；点4与点3道路状况相近，但其处于下风向，会受到上风向颗粒物运输的影响，故其对车辆的相关性较点3高。

环境因素中，4个监测点外界环境不同，对环境的敏感程度存在差异：监测点1处于十字路口下风向，且位置较为开阔，受建筑物的影响较小，环境因素能较好的发挥效能。监测点2，4街道与周围建筑物之间距离狭小，监测点3处有地铁站，建筑轮廓较大。建筑物通过影响局部气象环境，间接的对分析气象环境与颗粒物浓度分布相关性产生干扰，但对相关性分析的总体趋势符合预期：风速与颗粒物浓度成较明显的负相关，相关系数平均值为-0.255，最大绝对值为0.565，提高局部高浓度区域的风速对颗粒物的扩散能产生积极影响；温度与颗粒物浓度呈负相关，相关系数平均值为-0.147，是风速相关系数的58%。

由于第2天的气象条件接近20 d实际观测的数据平均值，具有一定的代表性。因此以第2天的监测量数据为参考，以直径为2 μm的颗粒物为例，进行仿真模拟分析。点1浓度为23.4 μg/m³，实际监测值为25.6 μg/m³，误差为-8.6%，点2浓度为22.7 μg/m³，实际监测值为25.2 μg/m³，误差为-9.9%，点4浓度为70.7 μg/m³，实际监测值为62.9 μg/m³，误差为+12.4%。误差的原因在于模拟过程中未能对风速等气象条件的改变做出及时的响应；建模时忽略了点4附近的低矮平台建筑物，当气流遇到建筑物时，由于要越过建筑物而受到建筑物的抬升，部分污染物由于气流的抬升，上升到了更高的水平面上。

建立十字交叉口道路实际环境下的机动车排放尾气颗粒物扩散CFD三维仿真模型，结合试验数据验证了模型的可靠性。研究了大气环境因素(风速、风向、温度)及交通因素(不同车型流量)对机动车排放颗粒物扩散的影响特性。表明：颗粒物数量浓度与环境风速呈负相关，风速越大，污染物的扩散速度越快，污染物浓度越低；颗粒物数量浓度与环境温度呈负相关，环境温度越高，污染物的扩散速度越快，颗粒物浓度越低；风向不同，颗粒物浓度差异显著。根据数据分析与计算，确定不同车型流量对颗粒物浓度的影响度，得出大型车车流量对颗粒物扩散浓度影响最大，其次是中型车车流量，最后是小型车车流量。合理规划交叉口处的建筑物布局，影响风速、风向等气象因素，从而改变交叉口机动车排放污染的扩散特征；控制交叉口的交通流特性，从这两方面可以改善机动车排放及其对行人的危害程度。