基於移動污染風險潛勢指標之低污染公車補助路線優先性分析

國立交通大學

環境工程研究所

碩士論文

基於移動污染風險潛勢指標之低污染公車補助

路線優先性分析

Priority Evaluation of Bus Routes for Low

Emission Vehicle Subsidy based on Mobile Source

Pollution Risk Potential Indicators

研 究 生：張嘉仁

指導教授：高正忠

基於移動污染風險潛勢指標之低污染公車補助路線優先性分析

Priority Evaluation of Bus Routes for Low Emission Vehicle Subsidy based on

Mobile Source Pollution Risk Potential Indicators

研 究 生：張嘉仁 Student：Jia-Ren Jang

指導教授：高正忠 Advisor：Jehng-Jung Kao

國 立 交 通 大 學

環境工程研究所

碩 士 論 文

A Thesis

Submitted to Institute of Environmental Engineering College of Engineering

National Chiao Tung University in partial Fulfillment of the Requirements

for the Degree of Master Science

in

Environmental Engineering June 2012

Hsinchu, Taiwan, Republic of China

i

摘要

為提升空氣品質，補助推廣低污染公車為改善移污的策略之一。由於 全面更換低污染公車的成本頗高，為使補助經費能有效改善空氣品質，有 必要探討各公車路線更換低污染公車之優先性。 本研究因而依據移污濃度及其對沿線人口的影響程度建立指標評估 台北市各公車路線替換低污染公車的優先性。由於台北市公車路線眾多， 故本研究首先訂定初選原則刪除影響較小之路線。然後以 OSPM 移污街谷 模式依據各街道交通流量、沿線建築及氣象特性等因子模擬各街道之污染 程度及推估其空間分佈。然後依據移污濃度以及對沿線人口的影響建立污 染濃度-長度及吸入風險二組指標，首先建立單一污染物的指標，然後再依 據 RELA及空氣品質標準為基準建立可供用以比較不同污染物影響程度的 指標，且進一步加總各污染物子指標建立綜合指標，以作為評估各路線補 助優先性之依據。 初選時共刪除路線 75 條，再依據行駛里程選取前 100 條路線進行後 續分析。由各路線 OSPM 模式模擬結果可看出移污濃度主要受道路寬度、 高度以及車流量影響較大。指標優先性分析方面，由於評估時有必要考量 對居民及活動人口的影響，故本研究建議採用吸入風險組的指標。單一污 染物子指標中 CO 和 PM10及 PM2.5子指標間相關性頗高，其餘子指標間的 相關性則不高，單一污染物子指標可考量採用 PSI 指標污染物 PM10或是 與其相關性頗高的 CO 子指標。唯只考量單一子指標評估較不全面，且因 不同污染物所產生之影響不同，故本研究建議亦可考量採用綜合指標。 關鍵字：移動污染源、指標、低污染公車補助、街谷模式、永續環境系統 分析

Abstract

For improving ambient air quality, subsidy for low emission buses is a widely adopt policy to reduce mobile source pollution. Since the cost for replacing buses with low emission vehicles is quite high, prioritizing bus routes for increasing the effectiveness of the subsidy policy is thus desired.

Therefore, this study establishes indicators to evaluate the subsidy priority of a bus route according to simulated pollutant concentration and affected population along the route. Since there are too many bus routes in the studied area, Taipei City, this study excludes those routes with obviously low pollution impact first. Then, the Operational Street Pollution Model (OSPM) is applied to simulate the mobile source pollution along each route based on estimated traffic flow, buildings on both sides, and meteorological data. Two sets of indicators are established. The first set is computed according to pollutant concentration and route length, and the other is based on the estimated pollutant intake sum by affected population. Indicators for individual pollutants are established first. For comparing the results obtained for different pollutants, the Acute Reference Exposure Level (RELA) and Air

Quality Standard are applied to establish the other sets of indicators. Finally, aggregate indictors are set up by adding up all indicators for individual pollutants. The applicability of each indicator for prioritizing bus routes for subsidy is then evaluated.

Seventy-five routs with obviously low pollution impact are removed during the initial screening procedure. For the rest of routes, according to the trip length of each route, the top 100 routes are selected for further analyses. The results simulated by OSPM are mainly affected by street width, building height, and traffic flow. Because the impact on affected population along a route should be considered, the intake-sum indicators are thus recommended for prioritizing bus routes. Although the CO, PM₁₀, PM_2.5 indicators are highly correlated, others are not. For individual pollutant based indicators, either the PM₁₀, as the major PSI critical pollutant, or CO indicator is suggested. However, different pollutants have varied impacts on human, and the indicator based on one individual pollutant may not represent the overall effect from all pollutants. The aggregate indicator is therefore recommended for prioritizing bus routes for low emission vehicle subsidy.

Key words: mobile pollution source; indicator, subsidy for low emission buses;

致謝

感激指導教授高正忠老師這兩年來的指導，即便是在假日老師也總是 樂於撥出時間的指導我，並盡可能快的協助我研究上的事宜，並不厭其煩 地反覆叮囑寫作論文應注意的事情以及做研究的態度，以及生活上的幫助 和不時提醒我要多運動。這兩年來常常聽到老師說”知道要做的事情要趕快 做，不要拖”，這句話不只可以用在做研究的態度，使我得已在畢業典禮前 順利口試，準時畢業，更可以用於生捱上的規劃。也感謝中興大學的陳鶴 文老師和陳維燁老師，在我口試時提出的建議以及指導，讓論文更完善， 使學生受益匪淺，不勝感激。 也感謝子欽學長，在論文題目上的協助以及即便在開始上班後仍舊撥 出時間指導我研究上的事宜。也感謝坤興學長在程式上的指導，以及宥禔 學姊在研究上的建議，以及心怡學姐在 GIS 軟體上的協助，也感謝冠華、 雅如、岳奇、科智幫助我解決研究上所遇到的瓶頸，讓我的研究過程得以 順利。 也謝謝同學彥宏和維祐的打鬧讓研究期間的生活更有趣；研究室的學 妹莛涵和佩樺每天中午幫忙訂便當和飲料；以及一起去吃飯、可樂趴、打 球打工的同伴們，都讓我研究所的生活更充實有趣。而在研究期間也得到 許多人在資料提供上的協助，包含了台北市交工處及台北市環保局技術室 職員們、GIS 廠商的技術支援、以及所辦小姐在流程上的協助。 最後要感謝父母兄弟，總是在背後做我最有利的支柱。也因為您們的 支持讓我可以專心致志的求學。 最後希望碩一的學妹以及即將近來研究室的學弟妹們，大家都可以達 到老師一年半畢業的期望。 張嘉仁 謹誌於交大 民國一百零一年六月

ii

目錄

中文摘要 ... i 英文摘要 ... ii 目錄 ... iii 圖目錄 ... iv 表目錄 ... v 符號說明 ... viii 第一章 前言 ... 1 1.1 研究綠起 ... 1 1.2 研究目的 ... 3 1.3 論文進度報告書內容 ... 3 第二章 文獻回顧 ... 4 2.1 都巿移污及其風險 ... 4 2.2 移污空間分佈及公車所排放的污染物 ... 6 2.3 移污模擬模式 ... 8 2.4 低污染公車及補助政策 ... 9 2.4.1 低污公車 ... 9 2.4.2 低污染公車補助政策 ... 10 2.5 污染潛勢指標 ... 10 第三章 研究流程與方法 ... 13 3.1 研究流程 ... 13 3.2 案例區域資料建立 ... 15 3.2.1 交通流量推估以及歷年資料 ... 15 3.2.2 行駛速率推估以及歷年資料 ... 16 3.2.3 GOOGLE EARTH 資料庫 ... 17

iii 3.3 公車路線初選原則 ... 20 3.4 OSPM 模式模擬 ... 20 3.4.1 OSPM 模式簡介 ... 21 3.4.2 OSPM 模式模擬 ... 26 3.4.3 排放係數 ... 30 3.5 公車路線篩選原則 ... 30 3.6 公車路線移污潛勢指標建立 ... 31 3.6.1 基於污染濃度 ... 31 3.6.2 基於風險 ... 34 3.7 優先性分析方法 ... 36 第四章 結果與討論 ... 37 4.1 案例區資料 ... 37 4.2 公車路線初選 ... 38 4.3 OSPM 模擬移污分佈 ... 39 4.3.1 模式前處理 ... 39 4.3.2 OSPM 模擬 ... 41 4.4 公車路線篩選 ... 45 4.5 公車路線移污潛勢指標計算 ... 45 4.5.1 基於污染濃度 ... 45 4.5.2 基於風險 ... 62 4.6 路線優先性評估 ... 94 第五章 結論與建議 ... 97 5.1 結論 ... 97 5.2 建議 ... 101 參考文獻 ... 102 附錄 A ... 109

iv

圖目錄

圖 3.1 研究流程圖 ... 14 圖 3.2 台北市建築區與道路示範 GIS 圖層 ... 19 圖 3.3 台北市路網圖 ... 19 圖 3.4 OSPM 的基礎理論模式 ... 21 圖 3.5 再循環區示意圖 ... 23 圖 3.6 範例街道 A 之模擬結果 ... 25 圖 3.7 範例街道 B 之模擬結果. ... 26 圖 3.8 街道基本地理資料介面 ... 28 圖 3.9 OSPM 街道資料設定圖. ... 28 圖 3.10 OSPM 基本交通流量資訊介面. . ... 29 圖 3.11 OSPM 城市之監測濃度和氣象資訊介面. . ... 29 圖 3.12 OSPM 模擬移污之平均濃度值介面. . ... 30 圖 4.1 公車路線 630 之路線圖及台北市建築物. . ... 38 圖 4.2 公車路線 630 之路線圖及 200m 內之台北市建築物. . ... 39 圖 4.3 OSPM 資料範例(以公車路線 630 例) . . ... 40 圖 4.4 OSPM 模擬公車路線(以路線 R1 為例)移污濃度結果範例. . 42 圖 4.5 OSPM 街道圖(以路線 R 為範例) ... 44 圖 4.6 CLCO、CLPM10、CLPM2.5各路線指標值除以最大值 ... 48 圖 4.7 ISRw_{和 ISR}w i指標值排序 ... 77

v

表目錄

表 2.1 一氧化碳對人體的影響 ... 5 表 3.1 各重點污染物 REL 值 ... 33 表 4.1 路線 A 之 CO 模擬結果 ... 43 表 4.2 CLi指標之污染物值 ... 46 表 4.3 CLi指標之污染物排序 ... 47 表 4.4 CLMi指標之污染物值 ... 49 表 4.5 CLMi指標之污染物排序 ... 50 表 4.6 CLR 各污染物指標值 ... 52 表 4.7 CLR 指標之污染物排序 ... 53 表 4.8 CLRMi各污染物指標值 ... 54 表 4.9 CLRMi指標值排序 ... 55 表 4.10 CLR 值及 CLRi ... 57 表 4.11 CLR 及 CLRi排序 ... 58 表 4.12 CLRM 及 CLRMi ... 59 表 4.13 CLRM 及 CLRMi排序 ... 60 表 4.14 CLSPM10_{和 CLS}PM2.5_{指標值 ... 61} 表 4.15 CLSPM10和 CLSPM2.5指標值排序 ... 61 表 4.16 CLSMPM10_{和 CLSM}PM2.5_{指標值 ... 62} 表 4.17 CLSMPM10_{和 CLSM}PM2.5_{指標值排序 ... 62} 表 4.18 ISw i 各污染物指標值 ... 64 表 4.19 ISw i指標值排序 ... 65 表 4.20 ISMw i各污染物指標值 ... 66 表 4.21 ISMw i 指標值排序 ... 67 表 4.22 ISRw i各污染物指標值 ... 68

vi 表 4.23 ISRwi指標值排序 ... 69 表 4.24 ISRMw i各污染物指標值 ... 70 表 4.25 ISRMwi指標值排序 ... 71 表 4.26 ISRw_{和 ISR}w i指標值 ... 73 表 4.27 ISRw和 ISRwi指標值排序 ... 74 表 4.28 ISRMw_{和 ISRM}w i指標值 ... 75 表 4.29 ISRMw和 ISRMwi指標值排序 ... 76 表 4.30 ISSw PM10和 ISSwPM2.5指標值 ... 78 表 4.31 ISSwPM10和 ISS w PM2.5指標值排序 ... 78 表 4.32 ISSMw PM10和 ISSMwPM2.5指標值 ... 79 表 4.33 ISSMwPM10和 ISSM w PM2.5指標值排序 ... 79 表 4.34 ISa i各污染物指標值... 80 表 4.35 ISai指標值排序 ... 81 表 4.36 ISMa i各污染物指標值 ... 82 表 4.37 ISMai指標值排序 ... 83 表 4.38 ISRa i各污染物指標值 ... 84 表 4.39 ISRai物指標值排序 ... 85 表 4.40 ISRMa i各污染物指標值 ... 86 表 4.41 ISRMai各污染物指標值排序 ... 87 表 4.42 ISRa_{及 ISR}a i指標值 ... 88 表 4.43 ISRa_{及 ISR}a i指標值排序 ... 89 表 4.44 ISRMa_{及 ISRM}a i指標值 ... 90 表 4.45 ISRMa_{及 ISRM}a i指標值排序 ... 91 表 4.46 ISSa PM10和 ISSaPM2.5指標值 ... 92 表 4.47 ISSa PM10和 ISSaPM2.5指標值排序 ... 92 表 4.48 ISSMa PM10和 ISSMaPM2.5指標值排序 ... 93

vii

表 4.49 ISSMaPM10和 ISSMaPM2.5指標值排序 ... 93

表 4.47 ISSw

PM10及 ISSaPM10指標值 ... 95

viii

符號說明

loael : 會對人體健康造成影響之最低測試劑量 P : 總人口 Cyi : 地區 j 之污染物 y 之年平均濃度 δCik : 地區 i 時段 k 之污染物濃度 BR : 呼吸率 Q : 移污排放係數 D :密度 L : 觀察路段長 As_PC : 小型車車的靜態車輛面積 As_MC : 機車的靜態車輛面積 As_TC : 大型車的靜態車輛面積 As_BC : 公車的靜態車輛面積 N_PC : 小型車車數量 N_{MC :} 機車數量 N_{TC :} 大型車數量 N_{BC :} 公車數量 β : 調整因子 V : 車流平均速度 U_{r :} 自由車流速率 W : 街道路寬 C_d : 街道上某一點的濃度 u_b : 沿街道的風速 σz(x) : 順風向之垂直分布參數 σw : 垂直方向之紊流速度分布

ix α : 常數 σw0 : 車輛所引起的紊流參數 h0 : 初始擴散常數

L

rec

:

再循環區域的寬度 σwt : 頂端緣之通量速率 u_t :上側端緣之通量速率 u_b : 下側端緣之通量速率 L_t : 梯形頂邊長 L_s1 : 梯形斜邊長 L_s2 : 梯形斜邊長 LWC_i : 污染物 i 之長度加權平均的濃度值 𝐶_𝑖𝑗 : 污染物 i 路段 j OSPM 模擬出之平均污染物濃度值 L_𝑗 : 為路段 j 的長度 LWCM_i : 污染物 i 依據各路段所有時段濃度的最大值及以長度加權的平 均濃度值 C_ij : 污染物 i 路段 j 所有時段中之污染物濃度最大值 𝐶𝐿_𝑖 : 為污染物 i 污染濃度-長度子指標 𝐶𝐿𝑀_𝑖 : 污染物 i 依各路段所有時段濃度最大值所計算之之污染濃度-長 度子指標 CLR_i : 污染物 i 以 REL 為基準所計算之子指標值 CLRM_i : 污染物 i 依各路段所有時段污染濃度最大值所計算之子指標 REL_Ai : 污染物 i 的 REL_A值 𝐼𝐹_𝑖 : 污染物 i 之 IF 值 𝑃_𝑗 : 路段 j 人口 𝐶_𝑖𝑗𝑡 : 污染物 i 於路段 j 時段 t 濃度

x 𝑛𝑗𝑘𝑣 : 路段 j 車種 k 於不同速度下之車流量 𝐸_𝑘𝑣 : 車種 k 於速度 v 時之排放係數 ISi : 吸入總量指標 ISMi : 以各路段所有時段濃度最大值計算之吸入總量指標 ISRi : 污染物 i 吸入總量 REL 子指標 ISRM_{i :} 以 Cij所計算出之子指標

1

第一章 前言

1.1 研究緣起

都市移動污染(以下簡稱移污)源已是都市地區空氣污染的主要成因。 為改善都市的移污問題，提升大眾交通工具之使用為一個有效的方法。唯 依據環保署污染排放清冊(TEDS7.0)(環保署，96 年)，一般公車之污染排放 量仍會排放 CO 約 2.5 克/公里.輛，為提升綠色運輸，台北市因而擬逐步汰 換舊型公車為油電混合動力公車之低污染公車(台北市交通局，100 年)。 不過，全面替換低污染公車需大量之成本，因此，需發展適當方法評估各 公車路線替換低污染公車之優先性。本研究因而擬建立道路及路線移污潛 勢指標來評斷各路線公車補助優先性之問題。 由於台北市地區包含甚多公車，目前約有 307 條之公車路線，合計共 4060 輛公車(北市交工處，100 年)。如果逐條分析各公車路線，分析所需 資料及結果均會相當龐大，並須耗費許多時間。為了改善分析效率，宜篩 選優先性可能較高的公車路線，故本研究擬依據路線之影響人數、行經地 形等原則擬一套路線初選程序，剔除掉較次要的路線，以利於後續分析。 由於低污染公車主要是為了有效改善空氣品質，故公車替換優先性之 評估需考量各街道之空氣品質。然而，台北市街道眾多，不易一一直接監 測各街道之移污濃度，故需要藉由適當之模式來推估各街道之移污濃度。 此外，由於目前台北市之道路多為高樓，而道路兩旁的大樓高度、寬度及 其寬度比，以及街道的寬度乃至道路的封閉程度，都會造成街谷效應，影 響街道污染物濃度及擴散情形(Xie, 2007)，故並不宜單以街道中之車流量 作為估算移污的依據。因此，需要採用適當的移污空品模式來評估都市之 空氣品質。

2

過去移污研究，常以 CALINE (Taseiko, 2009; Majumdar et al., 2010; Benson, 1992)或 Operational Street Pollution Model (OSPM) (Konstantinos et

al., 2010; Wei et al.,2010; Ruwirnet al., 2000 )來模擬都市移動污染之分佈。

然而，CALINE 僅考量地表二維模擬，造成低估街谷效應對移污之影響程 度，使得模擬結果常低於監測值(Taseiko, 2009)。OSPM 為一個以高斯擴散 模式為基礎的 3D 模型，其考量了移污排放量、氣象以及街道分布等資料 (Berkowicz,et al., 2010)。由於建築物亦會影響了風向，使得街谷中污染物 擴散的模式變得複雜，因此，於 OSPM 模式中，亦納入建築物位置、風向 以及街道角度等參數設定。在過去研究中，Jensen (1997)為了評估人暴露 於移污中之健康風險而發展結合 OSPM 和 GIS 之模式；董(90 年)以台中市 之實測值和 OSPM 模擬值做比對，修正風速因子後證實可較準確模擬出 CO、NOx、NO2;而蔡(97 年)也搭配 OSPM 估算出台北市道路中移污空間 之分布。由於 OSPM 可考量街谷效應以進行適當之模擬，故本研究擬以 OSPM 進行街道移污之模擬。 過去在評估交通面向之環境永續性時，常以大眾運輸系統之行駛里程 數及搭乘人次數(台北市交通局，99 年)為指標。但汰換路線最長的公車為 低污染公車，並不一定最具環境效益，因為此路線公車可能並未行經人口 密集或空氣品質較差之地區。此外，低污染公車所改善之空氣品質，主要 是希望降低路線兩側之居民風險，特別是如醫院、學校等易受空氣品質惡 化影響之單位。因此，本研究擬考量空氣品質、人口、醫院及學校之空間 分佈，建立空間性污染及風險指標，作為低污染公車補助之依據，以提升 低污染公車政策推動之環境效益。

3

1.2 研究目的

本研究主要重點為擬定適當的程序及指標作為補助台北市低污染車 輛汰換優先順序之依據。主要二個研究目的如下: 1 建立適當程序及指標供評估低污染公車補助路線優先順序: 台北市公 車路線眾多，若一次性汰換所需花費甚鉅，故有必要建立適當的方法 決定補助的優先順序。由於此補助主要為了降低污染，故本研究將探 討依移污及人口分佈狀況來建立適當的程序及指標供排序。 2 建立適當方法評估城巿的移污空間分布:本研究模擬對象乃是城市尺 度，若模擬精細將花費甚多時間，不太可行，且結果不見得較實用， 故有必要探討適當的方法評估整個城巿街道的移污空間分佈。

1.3 論文內容

本論文之後續章節中，第二章回顧都巿移污及其風險、移污空間分佈 及公車所排放的污染物，移動污染源模擬模式、低污染公車補助政策及污 染潛勢指標；第三章說明本研究的流程與方法，包括收集建立案例區資料、 模擬移污分布、建立公車路線篩選原則以及公車路線移污潛勢指標之建立； 第四章討論分析案例區之移污分佈模擬以及路線初選和篩選之結果，並計 算公車路線移污潛勢指標，再由計算出之指標討論公車補助之優先性；第 五章為說明本研究之重要成果以及建議以供未來研究用。

4

第二章 文獻回顧

本章中主要回顧及討論與本研究相關之文獻，探討過去移污之相關研 究成果。文獻回顧主要分為都市移污及其風險、移污空間分佈及公車所排 放的污染物、移污模擬模式、低污染公車及補助政策、污染潛勢指標等主 題。以下將一一說明之。

2.1 都巿移污及其風險

都市中，空氣污染已經是一項非常重要之環境問題(Molina and Molina, 2004)，其嚴重程度受到城市之大小、氣象條件、建築排列以及植披覆蓋率、 環境政策等因素所影響，而其主要來源之一即是移污，Kim(2011)指出當 VKT(vehicle-kilometers-traveled)增加，空氣中污染物濃度也將隨之提高。 隨著經濟的發展，國內機動車輛總數較去年成長了1%(約二十四萬輛)(交通 部，100年)，亦因而顯著增加空氣污染。據統計，若長期暴露於空氣污染 下，會提高心血管以及呼吸等之發病率及其導致之死亡率(Dockery et al., 1993; Nel, 2005; Pope and Dockery, 2006)。移污產生之污染物有PM10、NO_x 、CO等，簡述如下:

1 懸浮微粒(PM10)

其主要來源為引擎燃燒後排氣中的含碳粒狀物和路面摩擦所引起的揚 塵，容易進入並累積在肺部，造成健康上的影響。造成之健康風險可用 式 2.1 以及 2.2 所示(Slezakova, 2000):

Health risk = [Dose rate /loael] (2.1)

Dose rate =[BR/BW]∫ (2.2) 其中，loael表示為會對人體健康造成影響之最低測試劑量

5 2 氮氧化物(NOx)

排氣管排出之氮氧化物主要為一氧化氮，但一氧化氮可在大氣中和氧

化合成二氧化氮(NO2)，二氧化氮為褐色有毒氣體，對人體健康會造成呼吸

方面之疾病或者是肺傷害。雖然氮氧化物是空氣中臭氧產生先驅物之一， 但若 O3濃度不高，則 NO 不太會轉換成 NO2 (Olcese and Toselli, 2001)。

3 一氧化碳(CO)

依衛生署(97 年)，一氧化碳對人體健康的危害主要是降低血液輸送氧 氣的能力，這是因人體血液中血紅素和一氧化碳的親和力大於血紅素的親 和力。表 2.1 為美國 National Fire Protection Association 所出版之防火手冊 (NFPA, 2011)中所列的人體吸入一氧化碳量與時間下之症狀。Quenol(2006) 指出一氧化碳具有不易累積之特性，在交通量少之地方容易逸散，但在十 字路口或是交通量多的地方將提高。此外，由於移污皆會排出 CO 和 NOx， 因此兩者之間有著很大的關聯性，Olcese and Toselli(1997)曾實測一日之中 的小時變化量，發現兩者之圖形十分雷同。

6 表 2.1 一氧化碳對人體的影響 吸入一氧化碳含量、時間及中毒症狀 項 次 一氧化碳含量 人體暴露時間及生理症狀 1 0.005%(50ppm) 8 小時內無不良影響 2 0.02﹪(200ppm) 2-3 小時產生輕微頭痛。 3 0.04﹪(400ppm) 2.5 小時-3.5 小時頭痛加劇。 4 0.08﹪(800ppm) 45 分鐘會頭暈、反胃、抽筋，一小時候昏迷 5 0.1%(1000ppm) 一小時候喪失意識 6 0.16﹪(1600ppm) 20 分鐘會頭痛、暈眩，2 小時死亡。 7 0.32﹪(3,200ppm） 5-10 分鐘會頭痛、暈眩、嘔吐，30 分鐘會死亡。 8 0.64﹪(6,400ppm) 1-2 分鐘內會頭痛、暈眩，10-15 分鐘內會死亡。 9 1.28﹪(12,800ppm) 1-3 分鐘會死亡。 資料來源: NFPA(2011) 依據環保署統計(環保署，96 年)，移污所排出之一氧化碳約 70.9 萬公 噸，約占總空氣污染之 77.69%，故可推論車輛是造成一氧化碳污染的主因。 由此可見，一氧化碳之防治對移污相關控制策略佔了相當重要的地位。

2.2 移污空間分佈及公車所排放的污染物

由於街谷內空氣污染物之分布狀況會受到街谷之幾何特性的影響，如 街谷視覺比例(H/W)、街谷長度(L/W)、兩旁建築物高度差、建築物屋頂形 狀等，亦會受到風的影響。 Mukherjee et al.(2000)模擬新加坡街道移污排放之 NO 於大氣中所佔比 例，發現來自移污之 NOx雖僅占大氣之 24%，但在呼吸區域內卻占了 40%， 顯示街谷的環境對於移污排放之污染具有加乘之效果。

Johnson and Hunter (1999)提到街谷中之流動受長度(L/W)影響較小， 但 易 被 高 度 寬 度 比 (H/W) 左 右 。為 了探 討 PM 於 垂直 方向 之分 布，

7

Kalaiarasan et al.(2009)做了一系列之實驗，其結果表示 之平均顆粒濃

度最大值發生於中樓層附近，這是因為低樓層雖較接近移污排放源，但卻 會因為樹木攔截效果之關係使得濃度並不如中樓層高，唯此現象並不適用 沒有或樹木很少的街道。Wu et al.(2002)所得之結果即不太相同，其所測 得 PM 濃度在較近地面處時度高。而 Chan and Kowk(2000)研究 TSP、PM10、

PM_2.5等粒狀污染物於垂直向之分布關係，發現隨著高度增加，衰減速度最 快為 TSP，PM10次之，PM2.5最後。 Zoumakis(1995)量測街谷中 CO 之濃度和街谷高度，發現有下列指數 關係: C(z)=A exp[-B(z/h)] (2.3) 其中各參數之單位為 A:ppm; B 為無因次常數; z 為高度(m); h:為建築高度 (m)。 Taseiko (2009)指出建築物之寬度、高度、以及兩相鄰建築物之間隔皆 會影響移污之擴散情形，增加間隔以及減少高度都可有效降低濃度之累積。 Theurer (1999)表示濃度隨著 H/W 增加以指數型態劇增; 而同樣位於背風 面具同樣之 H/W 的建築，屋頂呈馬鞍型之濃度將低於平滑型。其認為移污 濃度可以下列函式表示:

C*(x, y, z)=f(H/Ws,δWs, Ls,, spacings, roof types, surroundings, vegetation and obstales) (2.4)

Kourtidis et al. (2002)研究街股中苯、甲苯、臭氧、二氧化氮和二氧化 硫等污染物，發現於冷天時一次污染物之濃度會比暖時濃度高出 2.5-4.4 倍。 此研究更發現污染物濃度易受風速影響，一次污染物隨著風速增加而濃度

8

減少，而臭氧反之。而 Huang et al. (2000)的實驗結果也顯示當風速愈快則 稀釋效果愈好，建築物背風面之濃度也低於迎風面。

Xie et al. (2003)測量了 CO、NO、NO₂以及 NOx在垂直以及水平的分

布狀況，發現其分佈受到屋頂之風向影響，而背風面平均濃度比迎風面高 出一倍。Kastner-Klein and Plate (1999)研究建築物位置、風向、街谷長度 和屋頂形狀在風洞試驗中之現象， 其結果表示當風垂直街谷方向時將會 使濃度有最大值。 根據交通部統計(100)，台灣機動車輛數已達 2,206 萬輛，為改善都市 空氣品質，政府推廣搭乘公車等公共運輸工具改善空氣品質。然傳統公車 多半以柴油為燃料，依行政院環境保護署研究報告(環保署，98 年)指出， 柴油車所排放之粒狀污染物及硫氧化物，對空氣品質影響極大，其中粒狀 污染物容易進入呼吸道並積存於肺部、此外，粒狀污染物亦附著具致癌性 之多環芳香烴化合物（Polycylic Aromatic Hydrocarbons, PAHs）及硝基化多 環芳香烴化合物（Nitro-PAHs），會危害人體健康。

2.3 移污模擬模式

Caline-4 (Benson, 1992)是常用來評估移污的模式之一，Jones et al. (2000)認為 Caline-4 雖常用於評估公路移污，但表示若風速太低(<0.5m/s) 時該模式並不適用；Taseio (2009)也表示，由於 Caline-4 是二維模式，較常 用於平坦地區之空氣污染模擬，並不適合分析街谷效應，由於本研究之案 例區多為大樓林立之都會區，須考量到街道兩側連續高聳建築物所造成之 街谷效應之影響，因而此模式較不適用於本研究。

有關街谷模式，Yamartino and Wiegand (1986)曾依高斯煙羽模型及盒 子模型發展了 Canyon Plume Box Model (CPBM)，該模式亦考量風渦流之

9

影響，依據交通流量等資料推估街谷的污染物濃度，Gualtieri (2010)指出 由於 CPBM 對於建築物之間距沒有被妥善考慮到，因而不適合用於本研 究。

Operational Street Pollution Model (OSPM )為 Hertel and Berkowicz, (1989)所發展的半經驗三維模式，主要基於 CPBM (Yamartino and Wiegand, 1986)所發展出來的模式。Vardoulakis (2007)曾將 OSPM 和實測值做比較， 發現無論是逐時或隨風速之變化，都有著不錯的結果；而 Ziv (2002)於聖 彼得堡市中心實場調查與模式模擬結果做比對，亦表示 OSPM 所模擬結果 可接受，並表示 OSPM 對風速較小(<2m/s)之狀況的模擬結果佳；Jensen (1998)將結合 OSPM 與 GIS，並應用人口分佈資料評估移污對人體健康之 影響以及風險之管理。Berkowicz et al.(2010)指出 OSPM 不只考量移污排 放及再循環之貢獻，也考量城市背景值及街道結構等資料，此模式可以滿 足本研究的需求，故本研究採用 OSPM 模式來模擬街道兩旁之移污濃度， 進而據以估算其對民眾可能造成之健康風險。

2.4 低污染公車及補助政策

本節主要回顧低污染公車之國內外發展及相關的補助政策，以下分別 說明之。

2.4.1 低污染公車

雖然使用公車等大眾運輸系統可以有效的減少都市中移污之危害， 但 Vahdani et al. (2011)認為為了更進一步解決空污之問題，使用更乾淨的 能源取代傳統柴油公車是有必要的。為此，Offer et al. (2011)指出使用氫燃 料電池電力公車等已經是英國目前的推廣政策之一。Sperling (1999)則指出 義大利、加拿大已開始使用 Liquid propane gas(LPG)作為新型態之燃料來

10 源，更指出早在 1992 年日本之加油站就已提供補充甲醇燃料之服務。可 看出低污染公車已逐漸受各國所重視。Saldarriaga-Isaza et al. (2009)認為為 了解決都市中空氣污染之問題，推廣低污染車輛是個可行的解決方案。舉 例來說，相較於傳統柴油車輛，Kojima (2001)表示，使用天然氣車輛可節 省約 20-35%的能耗；而在污染減量方面，CO 約可減 84%、NOx可減 58%、 PM 可減 97%。Nazir (2010)表示，由於石油的短缺以及為了減排溫室氣體， 美國正積極推廣油電混合(hybrid)車輛。Wall et al. (2008)指出若和傳統柴油 公車比較，油電混合動力車之油耗量降低 20-43%。污染減量方面，Merkisz and Pielecha (2010)表示，和傳統柴油公車相比較，於交通繁忙時，CO 約

可減 65%、HC 減 24%、 減 18%，但 卻上升了 80%；而在交通順暢 時，CO 約可減 63%、HC 減 78%、 減 15%，但 NOx卻上升了 130%。 Pielecha 認為 NO_x上升之原因是引擎燃燒效率太差之故，因此低污染公車 除了 NOx以外，可顯著減少公車的污染排放量。 有鑑於低污染公車可顯著減少污染排放量，北市府藉由 2010 台北國 際花卉博覽會之機會，購置 47 輛油電混合動力公車(北市交通局，99 年)， 且將進一步鼓勵業者採用。

2.4.2 低污染公車補助政策

據北市公共運輸處表示(100 年)，油電混合公車市價約 950 萬元，約 為一般傳統公車之三倍，價格仍舊相當高昂。因此，有必要提供補助，以 增加業者採用的誘因，以下將回顧國外推行低污染公車之相關政策。

Zhang and Sheng (2009)做了七項推廣低污染公車政策之調查，分別為 補助購買低污染公車、低利率購車貸款、燃料補助、更多燃料填充站、發 展更多種類之低污染公車、加強低污染公車馬力之研究、提高法定載客量。 其調查結果發現，使公車業者將傳統柴油公車汰換為低污染公車誘因較大

11 的政策依序為補助購買低污染公車、設置更多燃料填充站及燃料補助。唯 Oram (1980)則認為補助應該兼顧路線長短以及行駛地段。唯目前並沒有一 定系統性的方法可供決定低污染公車補助的優先順序，本研究因而將發展 潛勢指標供評估各路線公車替換為低污染公車之優先性，以作為決定補助 順序之依據。

2.5 污染潛勢指標

Stieb et al. (2008)認為空氣品質指標雖可藉由制定標準濃度用來評斷 目前之空氣品質之優劣，但無法直接反映出對健康之影響，因此他導入了 恕限值(threshold)之概念並設計新的指標系統；Kassomenos et al. (1999)則 依照污染物濃度對人體之危害性分成了 Limit Value、Target Value、Alert Threshold、Guide Value 四個標準並制定出六個層級，用來評斷目前空氣品 質對人體之傷害性。而美國 EPA(2007)亦提出 Integrated Risk Information System (IRIS)方法，依污染物濃度除上污染物參考危害濃度作為參考指標， 當商超過 1 時即表示可能會產生健康危害。 由於空氣污染對人體健康有著顯著之危害，因此 WHO(2004)將空氣 污染、和交通相關之指標、以及對健康之危害(人曝露於 PM 下所損失之健 康年數)等納入評估，且以下式評估污染物之曝露風險: 𝐸𝑥𝑝_𝑦=SUM{(𝑃_𝑗/P)*𝐶_𝑦𝑗} (2.5) 其中 P 為總人口；𝑃_𝑗為地區 j 之人口數；𝐶_𝑦𝑗為地區 j 之污染物 y 之年平均 濃度。Wallner (2011)亦認為評估空氣污染物之危害性時須考量不同地理條 件下之平均濃度以及人口比重。

Bennett et al. (1984)以 intake fraction(iF)表示人由污染源攝入污染量之 比值，用以表示污染物和攝入量之關係。為評估移污對人之影響，Greco et

12 其定義如下列: 𝑖𝐹_𝑗𝑘=∑_𝑖 𝑃_𝑖𝑗𝛿𝐶_𝑖𝑘 *BR/Q (2.6) 其中𝑃𝑖𝑗是地區 i 中路段 j 之預期影響人口數；𝛿𝐶𝑖𝑘是地區 i 時段 k 之污染物 濃度；BR 是呼吸率( breathing rate)；Q 為移污排放係數。其實驗結果表明 200 公尺內之影響可占總影響之 43%。Carella et al. (2009)也曾以 iF 評估 CO 以及 NO₂之影響。由於 OSPM 為街谷模式，因此使用 iF 法時主要考量

街道兩旁之人口，故 Zhou and Levy (2008) 將一地區之人口平均分配到每 一個區塊，並且假設所有居民平均分散在各區塊的周界旁，再將每一個區 塊人口數除以周長即可得到每一街段之居住人口，再將街道兩邊街段之人 口 數 相 加 即 可 得 到 街 道 兩 旁 之 人 口 ； 而 該 地 區 之 工 作 人 口 則 採 用 McPherson and Michael (2004)提出之 LANL 方法計算。

鄭(87)指出國內估算日間活動人口之方法大致可分為二種，第一種是 以交通工具旅次來計算，但此種方法多以行政區域為單位探討，鮮少建立 更小尺度之研究，故不適合用於本研究；第二種是以工作人口作為日間活 動人口之代表，但這與實際上之日間活動人口定義不符合，故也不適用。 而胡(93)採用土地使用分區資料推估日間人口之方法，其以台北市各分區 不同行業別樓地板面積和使用人數之關係計算人口。然本研究之所取得的 資料無法得知各建築物之使用類別，故此法亦不適用。此外，內政部建研 所(89)也曾基於不同行業別來計算日間人口，但也因同問題而無法使用。 此外，由於本研究是以各公車路線探討沿線人口之風險，本研究因而依據 Zhou and Levy (2008)將總人口平均分配到每一個區塊之概念，發展適用於 推估公車路線沿線人口之估算方法。

為考量街谷效應所造成污染物空間分布之差異以及所造成之危害不 同，本研究將由 OSPM 模式模擬依 IRIS 以及 iF 所建議的方式評估曝露風

13

13

第三章 研究流程與方法

本研究重點主要是建立適當移污指標供作為決定低污染公車補助路 線次序之依據。本章首先概要說明研究流程，接著一一詳細說明研究的主 要步驟。

3.1 研究流程

本研究流程圖如圖 3.1 所示，主要分為資料收集及整理、公車路線篩 選原則、OSPM 模式模擬、公車路線移污潛勢指標及優先性分析方法，以 下一一概要說明之: 1. 資料收集與整理: 除了相關文獻與報告，主要收集案例區域(台北市)資 料，由於台灣公路上行駛車種組成和國外情形不盡相同，且機車佔顯 著比例，故將收集車流量之國內文獻所提及之估算方法、車流速度及 其個別之歷年資料，並藉由疊合 GOOGLE EARTH 資料庫及台北市 GIS 圖程，找出市區中道路之寬度和鄰近道路旁之建築物高度。 2. 公車路線篩選原則:由於台北巿公車路線甚多，不適合一一詳細分析， 此步驟主要目的有二，一為初選，即先行排除對人體健康風險較小之 公車路線，如山區等地方，以利於進行後續模擬；其二為篩選，淘汰 掉模擬結果相對較低之路線，減少後續評估之負擔。 3. OSPM 模式模擬:依所收集資料及排放係數，並依據台北巿政府的 3D 圖層計算所得之建築物高、路寬等資訊，並依據陳(94)估算車流量、及 車速之資料，作為納入評估公車路線所需之道路資料，並由北市環保 局(99)收集 OSPM 所需之氣象資料，以 OSPM 模式模擬移污之空間分 布。 4. 公車路線移污潛勢指標建立:主要以各路線所模擬的污染物濃度及所可 能造成的風險為依據建立指標。 5. 優先性分析方法:依據所建立的公車路線移污潛勢指標分析各路線補助 的優先性，以作為補助順序之依據。

14 資料收集與整理 案 例 區₍ 台 北 市₎ 資 料 建 立( 含 道 路 寬 路 長 度 、 以 及 其 沿 線 人 口 等) OSPM模式建立 (含交通流量、街谷、氣象等資料之前 處理) 各路線道路移污 模擬 交通測站時測值 驗證 各路線沿線移污空間分佈推估 基 於 風 險 基 於 污 染 濃 度 考 量 道 路 及 路 線 移 污 潛 勢 指 標 建 立 低污染公車補助路線優先性分析 初選 篩選 圖 3.1 研究流程圖

15

3.2 案例區域資料

由於人力資源有限，故不可能在台北市各道路做車流量和行駛速率、 以及道路長寬及其兩旁建築物高度之實地調查。本研究因而以現有資料推 估全市之車流量及行駛速率，以及由台北巿的 3D Google Earth 資料庫擷取 出道路寬度及其兩旁建築物高度等資料。

3.2.1 交通流量推估以及歷年資料

本研究採用陳(94)提出之車流量推估模式，依據現有資料推估全市之 車流量。其流程包含設定初始流量、由路口型態決定流量關係式及其交集、 車流量收斂程度、推估總排放量並依比例分配於各街道中，以下說明本研 究之推估流程。 1. 首先依據交通部(99 年)之車流樣調查資料，找出各流量站之路口位置 以及座標。 2. 藉由路網數值圖(交通部，97 年)找出十字路口座標，並依此抓出每一 條路之起終點座標便於做流量推估。 3. 流量推估 3.1. 輸入初始流量:於有流量調查之路口，其流量為實地調查值；沒有 調查之路段，初始流量範圍為 0 至該路段最大容量。初始流量只 有在首次運算時會使用到，之後反覆運算所用之值均為上一次運 算之結果。 3.2. 流量關係式:流量之關係式係依流量守恆之原理建立，且以路口之 轉向比分配車流，其餘無轉向比之路口則假設和鄰近路口相同。 3.3. 截取關係式交集:若該路段有流量資料，則流量為定值；沒有流量 之路段即由所得關係式求出路段流量之上下限，並取交集以得到 路段流量範圍。

16 3.4. 重複上述步驟直到車流量收斂:各路段每計算一次就將本次運算 結果和上次運算結果做比較，若任一無車流量路段流量範圍縮減 程度與上一次運算相比大於 1 輛車/hr，則繼續運算直到縮減程度 小於 1 輛車/hr 為止。

3.2.2 行駛速率推估以及歷年資料

由於 OSPM 模擬需要各路段之平均車流速度，但車流平均速度調查無 法遍及各路口，故需藉由車流模型推算各路段車流平均速度。 在傳統車流模型中，所謂密度是指單位長度下，路段所行駛的車輛數， 單位為每公里之車輛數。然而在混合車流中，車輛數不能完全反映真實的 交通車流狀況，特別是將機車的部分，故須進一步針對汽車及機車等不同 車種的行為特性，重新建構車流模式。故本研究採用許(96)提出之巨觀車 流模式，算出街道內車流密度，該模式計算方式如下式: D

=

𝐴𝑃𝐶 𝑆 _∗𝑁 𝑃𝐶+𝐴𝑆𝑀𝐶∗𝑁𝑀𝐶+𝐴𝑇𝐶𝑆 ∗𝑁𝑇𝐶+𝐴𝐵𝐶𝑆 ∗𝑁𝐵𝐶 𝐿∗𝑀

(3.1) 其中 D 為密度，L 為觀察路段長；W 為觀察路段車道寬；𝐴_𝑃𝐶𝑆 、𝐴_𝑀𝐶𝑆 、𝐴𝑆_𝑇𝐶、𝐴_𝐵𝐶𝑆 為小型車車、機車、大型車、公車的靜態車輛面積；𝑁_𝑃𝐶、𝑁_𝑀𝐶、𝑁_𝑇𝐶、𝑁_𝐵𝐶為小 型車車、機車、大型車、公車數量。 求得密度之後，流量、密度、車速之關係式如下: Q=β D*V (3.2) 其中，β 為調整因子; D 為密度(veh/km); Q 為流量(veh/hr);V 為車流平均速 度(km/hr)。 唯由於式 3.2 實際應用時，所得的車速不太合理，加上其未交代如何 決定調整因子，故本研究最後未採用，改用 β 交通運研所(76 年)提出之密 度、速度關係式:

17 V=U_r*exp(-D) (3.3) 其中，Ur為自由車流速率。

3.2.3 台北巿 3D Google Earth 資料庫

為了估算模擬街道移污所需的一些參數值，本研究由北市都發局(99 年)所建立之台北市 3D Google Earth 建築物圖層截取出模式所需之路寬、 建築物高、以及路長。 由於街谷效應所需之路寬參數為兩旁建築物間之距離，主要以在街道 兩旁的建築物資訊決定這些參數，本研究採用以下步驟估算所需的參數資 料: 1. 將台北市 3D Google Earth 建築物圖層及公車站牌點(台北市交 通局，99 年)和路網數值圖(交通部，97 年)之座標格式由 WGS84 轉換成 97TM2 並以 shapfile 格式匯入 ArcGIS(ESRI, 2011)，如圖 3.2。 2. 路網部分，刪除公車不會經過的道路，如國道及其附屬道路、產 業道路、快速道路、大部分巷弄、無路名道路等。少部分公車會 經過且較寬的巷道仍保留。刪減過後之路網圖如圖 3.3。 3. 藉由路網數值圖以及站牌點座標找出公車路線所經過之路段代 碼，並擷取出各代碼之資料。站點座標部分由於去回路線相差不 甚大，故僅考慮去程路線。取得距道路 200m 內之所有建築物及 其高度。 4. 沿路線每隔一段距離選一點，分別往道路兩邊擴展一百公尺，若 在此範圍內有碰觸到建築物，則取該建築物之高度並記錄此時接 觸到建築物之距離以及所編製之建築物代碼。雖然此時碰觸到建 築物之長度即為該建築物和道路之距離，但近路口之地點多半不 會有建築物，導致可能會變成碰到別一街區的建築物。因此若將

18 此段道路內之寬度平均，則結果將不準確。故本研究之街谷寬度 以及車道寬遂藉由 Google Earth 以人工判定之方式決定，並同時 決定受體點位置。 5. 於定義一棟建築物之方面，連續建築物若高度相同即便屬於不同 建築物代碼，也歸類為同一棟建築物。且因為每棟建築物之間並 非全然緊連，會存在寬度很小的縫隙，亦會使程式誤判後排建築 物。因此若建築物寬度小於 2 公尺者，則略過不予採計。在決定 街谷寬度之後，若建築物離道路之距離大於街谷寬度之一半加上 20 公尺，則判定此棟建築物不在街谷範圍內，此時設定路旁無建 築物，高度為零。

6. OSPM 所需設定之建築物 General height，本研究先以建築物高度 分類，把不同高度之建築物以其面對道路寬度乘以高度所得面積 按大小作排序，選出面積最大者之高度做為 General height。唯建 築物若很高即便面路寬度小亦會使得面積很大，且高度超過一定 值後對街谷效應之影響也不會顯著增加，因此若建築物高度超過 12 公尺則以 12 公尺計。 7. 將彎曲的道路適度的分段，且讓每一段儘可能為直線，以利於進 行 OSPM 模式模擬。道路分段原則主要有四項:(1)由 3.2.1 節所得 到有流量資料之路口均作為分段點；(2)將彎曲的道路分段； (3)OSPM 建議所模擬的道路長度不宜太長，因此本研究設定一段 道路的長度上限為 170m；(4)因 OSPM 設定兩旁建築除了 General height 外，至多只能再設定 12 組建築物，因此若一段道路中的額 外建築物超過 12 組，也必須再分段。 8. 並同時計算道路長度以及方向角等 OSPM 模式所需之參數。

19

圖 3.2 台北市建築區與道路示範 GIS 圖層

20

3.3 公車路線初選原則

根據北市交工處之統計，目前總公車路線約有 306 條，共 4060 輛公 車，由於路線及數量甚多，不易一一模擬故本研究將進行街道污染模擬前 先作初選，先篩除污染或影響較小之路線；初選之後才進行模擬，且再根 據模擬後之結果再作一次篩選，淘汰移污模擬結果相對低之路線，以節省 後續分析所需的時間與人力。以下一一敘述所採用的篩選原則。 本研究制定出四項原則，如下所述: 1. 淘汰明顯經過人口較少路線:由於此類路線行經之路段非人口稠密之 處，且沒有高樓林立，較不影響污染物之擴散，故預期對人體健康風 險較小，加上所擬補助的油電混合動力車目前在技術上面臨動力較不 足之問題，行駛山路等爬坡路段較有困難，故本研究首先將行駛山區 等人口較少的之路線剔除掉。 2. 淘汰觀光以及工業區接駁車:由於此類路線行駛路段多半不在市區內， 故也予以刪除。 3. 日總行駛里程:依路線每日行駛班次乘以城巿內行駛總里程數，選擇前 一百名。 雖然車流亦是一個可考量的篩選因子，唯因本研究並沒有每一路段的 實際車流，故未納入。

3.4 OSPM 模式模擬

街道移污對民眾之影響固然會受到交通排放源之影響，但空間條件亦 是重要因子之一。如愈寬敞愈開放之街道污染之擴散效果愈好，反之愈差。 此外，氣象條件如風速等亦會影響街谷中之污染濃度。因此，本研究將採 用 OSPM(Hertel O et al., 1989)模擬街道中之移污所造成之污染。本節首先 介紹 OSPM 之原理，接著說明模擬之流程，最後說明所採用的排放係數。

21

3.4.1 OSPM 模式簡介

OSPM 是基於 CPB Model(Yamartino and Wiegand,1986)所發展出來的 模式，如圖 3.4 所示，其模擬之濃度來源分為直接擴散濃度和街道內再循 環濃度。 摘自 Hertel(1997). 圖 3.4 OSPM 模式理論概念圖 直接擴散濃度部分採用煙羽模式來計算，並假設車流及其排放量皆均 勻分布於街谷中，而其排放源視為線源，且和風向垂直，並忽略橫向風之 擴散。線源排放密度計算方式如下:

dQ =

dx

(3.4) 其中 Q 為移污之排放系數(gm-1_s-1_{)，W 為街道路寬(m)。} 而離線源距離為 x 處之濃度為: dC_d =

√

2 π d u_bσ_z(X) (3.5) 其中 Cd為該點之濃度；ub為沿街道的風速; σz(X)為順風向之垂直分布參

22

governed by the mechanical turbulence 且假設不受熱紊流所影響，，來源主 要為風和交通因子: σ_w = ((αu_b)2+ σ ₀2)1⁄2 (3.6) 其中σ_w為垂直方向之紊流速度分布；α是常數，訂為 0.1；σ_w0為車輛所引 起的紊流參數。 故可得到σz(X): σ_z(X) =

σ

w_ux b

+h

0 (3.7) 其中 h0為初始擴散常數，一般設為 2m。 而當風向都垂直於街道時，可得到直接擴散濃度之公式: Cd =

√

2 π σ_w

ln

h₀+(σ_w⁄u_b) h₀ (3.8) 而再循環之濃度計算是採用盒子模式模擬，如圖 3.5 所示，假設街道 之循環流動似梯形，再循環區即沿著梯形之邊緣流動，但可能會因為下風 處有缺口而被限制住。移污每單位長度之進流率如下: INFLOW = L_rec (3.9)

其中 L

rec為再循環區域的寬度，如圖 3.3b 所示。 而出流率為: OUTFLOW = Crec(σwt*Lt + ut*Ls1 + ubLs2) (3.10) 其中σwt 為頂端緣之通量速率; ut 為上側端緣之通量速率; ub為下側端緣之 通量速率; Lt為梯形頂邊長、Ls1及 Ls2為梯形斜邊長，並且考慮到再循環區 域的延展性與街道的幾何形式。

23 此時假設: 1. 假設進入再循環區之濃度等於流出再循環區之濃度，並且於此區內混 合效果佳。 2. 當風渦流拓展到整個街谷內時，迎風面之直接擴散濃度為零，只剩下 再循環部分所貢獻之濃度；但於背風面之污染物濃度為兩者之和。而 直接擴散濃度通常會大於再循環部分之濃度。 則此時再循環所貢獻之濃度為: C_rec = σ_wt (3.11) 摘自 Hertel(1997). 圖 3.5 再循環區(a)街道中的再循環區示意圖; (b)下風處的建築物阻斷再循

24 環區示意圖。 圖 3.6(a)與 3.6(b)所示範例街道 A 與 B 之模式模擬結果，均為一條高 20m 寬 20m、900 輛小車以及 100 輛大車、車流速度為 40lm/h 之東西向道 路，範例 A 二旁有 20m 高的建築物，但 B 只有南側有。排放密度為 1000 units 𝑚−1_𝑠−1_{。圖 3.4 表示為當風速為 8、6、4、2、1、0.5、0 m/s 時，位於南北} 兩受體點之濃度皆為風向之函數，並呈現出背風面之濃度高於迎風面之濃 度，且當風向為 90 和 270 度時，會有濃度最大值產生。當風速小於 2m/s 時，風的流動則漸減，直到幾乎不流動(風速等於零)，此時風向的影響也 消失。 圖 3.5 由於只有南側街道旁有建築物。從北邊之受體點結果可以發現 當風速較快時，除了平行街道之風向外其餘濃度皆不高，其可能原因是缺 少再循環部分之貢獻。當風速較慢時，結果則類似圖 3.4。

25 摘自 Hertel(1997).

26 摘自 Hertel(1997). 圖 3.7 範例街道 B 之模擬結果. 由於 OSPM 模式之模擬方式為基於簡化過後之街谷風流動結構以及 擴散條件，因此為了修正 OSPM 之模擬，比較不同區域之實測結果也是相 當重要的參考依據。

3.4.2 OSPM 模式模擬

OSPM 模式模擬所需資料包含交通資料、排放係數、街道資料、氣象 資料以及背景濃度等，本研究將分為建立街道基本資料、輸入交通相關資 料、建立城市背景資料及模式模擬四個步驟進行，以下分別說明之: 1. 建立街道資料:包括街道名稱、街道寬度、街道方向、受體點兩端之街 道長度、受體點座標、受體點高以及建築物高度、位置、和建築物高

27 度的 General height，如圖 3.6 以及圖 3.7。其中街道寬度以及方向已在 3.2.3 節說明如何處理；OSPM 主要模擬街道以某點為中心往道路兩端 展開之沿線濃度，然 OSPM 之建議街道受體點兩側長度不宜太長，唯 由於實際道路狀況道路往往並非呈直線，故有必要進行適度的分段， 分段方法如 3.2.3 所述；由於台北市交通監測站之採樣高度約為 3.5 公 尺高，故本研究將 OSPM 道路兩旁受體點高度假設在 3.5m 處。 建築 物高度除可輸入平均高度，於一條道路中尚可另外接受十二組不同高 度之建築物，並以相對於方格北(地圖所指北方)之角度輸入相對位置。 2. 輸入交通相關資料:輸入各時段不同車種之小時車流量、車速及不同車 輛之排放係數。本研究與蔡(2008)一樣採用陳(94)所建議方法推估車流 量，車速則用前述許(96)之方法推估。本研究所取得之資料雖僅有 7 時 至 9 時及 17 時至 19 時等時段的交通資料，但由於此四個時段為交通 尖峰時刻，雖不足以代表一天之變化量但可表示一天中污染之峰值， 故可用以估算民眾一天中最大之污染量及風險；而沒有資料的時段可 輸入-99，OSPM 將不會模擬缺資料之時段，如圖 3.8。排放係數則是參 考中鼎(100 年)之 TEDS7.1 之資料，將在後續章節詳細說明。 3. 建立城市背景資料: 背景資料為一年資料量，涵蓋每小時的風速、風向、 NO₂濃度、O3濃度、CO 濃度、PM10 濃度、地球輻射量、混合層高度、 大氣溫度、相對溼度等監測資料，如圖 3.9。 4. 模式模擬:按照上述三個步驟設定之後，即可執行 OSPM 進行模擬，如 圖 3.10 所示，結果為各個街道之兩個測點的平均移污濃度值。

28 摘自 OSPM(Hertel and Berkowicz,1989)

圖 3.8 街道基本地理資料介面.

摘自 OSPM(Hertel and Berkowicz,1989)

29 摘自 OSPM(Hertel and Berkowicz,1989)

圖 3.10 OSPM 基本交通流量資訊介面

摘自 OSPM(Hertel and Berkowicz,1989)

30 摘自 OSPM(Hertel and Berkowicz,1989)

圖 3.12 OSPM 模擬移污之平均濃度值介面

3.4.3 排放係數

OSPM 雖有內建適合丹麥使用的排放係數，但可能不太適用於台灣， 故為了更符合台灣地區之情形，有必要進一步建立排放係數之資料。本研 究因而參考「全 國 性 空 氣 污 染 物 排 放 量 趨 勢 資 料 之 管 理 與 建 置 檢 討 計 畫 」(環保署，98 年)修正國內全國性排放清冊(Taiwan Emission Data System)( TEDS7.0)(中鼎，96 年)所產生之 TEDS7.1，做為參考依據，建立 OSPM 之本土化排放係數。TEDS 估算不同車種在不同時速下之排放係數， 包含自用小客車、營業小客車(即計程車)、汽油小貨車、柴油小貨車、公 車、客運車、大客車、大貨車、二行程機車及四行程機車。

3.5 公車路線篩選原則

由於初選過後之公車路線依舊許多，故有必要更進一步篩選。故將根 據模擬結果再作一次篩選後才計算公車路線移污潛勢指標及進行路線優

31 先性分析。採用以長度為權重的污染濃度(length-weighted concentration, LWC)為篩選指標，計算公式如下列: = ( ij* j) / j j j C L L





(3.12a) = ( _ij* _j) / _j j j C L L





(3.12b) 其中 LWCi為污染物 i 之長度加權平均的濃度值(μg/m3)； 𝑗為污染物 i 路 段 j OSPM 模擬出之平均污染物濃度值(μg/m3_)；L 𝑗為路段 j 的長度(m)； LWCM_i為污染物 i 依據各路段所有時段濃度的最大值及以長度加權的平均 濃度值(μg/m3)；C_ij為污染物 i 路段 j 所有時段中之污染物濃度最大值(μ g/m3)。預期最後篩選 30-50 條路線進行優先性評估。

3.6 公車路線移污潛勢指標建立

本研究將依據 OSPM 模擬結果建立兩組指標供進行路線優先性分析， 一為基於污染濃度，其二為基於風險，以下之分別敘述之。

3.6.1 基於污染濃度的指標組

由於上一節 LWC 指標是算整個路線的加權平均濃度值，無法表示總 體的影響，故不太適合作為路線優先性分析用的指標，本研究因而將以不 同污染物(包括 CO、NO2、O3、PM10及 PM2.5)濃度乘上道路長度定為污染 濃度-長度(Concentration-length, CL)指標作為評估路線的總體影響程度之 依據，指標計算方式如下列: ( * ) i ij j j CL 



C L (3.13a) ( * ) i ij j j CLM 



C L (3.13b)

32 其中， 為污染物 i 污染濃度-長度子指標(μg/m2_{)； 為污染物 i 依各} 路段所有時段濃度最大值所計算之之污染濃度-長度子指標(μg/m2 )； _𝑗𝑡、 L𝑗及 Cij同式 3.11。 然而一路線不同污染物之大小趨勢未必雷同，且不同污染物對人體的 影響程度不同，所以必須另想方法建立能同時考量不同污染物的綜合指標。 故本研究依據 OEEHA(2008)所公佈各污染物的急性危害暴露濃度(Acute Reference Exposure Level , REL_A)為基準進一步建立另一組指標，各參考污

染物 _𝐴如表 3.1 所列，污染物種類包含了 CO、NO2、O3，而懸浮微粒因 化學種類繁多，故較難界定對健康有害之閥值(threshold)(曾，100 年)，因 而懸浮微粒目前尚無 RELA 資料。此指標取不同污染物濃度與各污染物 REL_A的比值，為無因次的 REL 當量值，再乘上道路長度作為評估子指標， 然後再將各子指標累加成綜合指標，指標計算方式如下列: _i ( _ij* _j / _Ai) j L CLR 



C REL (3.14a) ( * / ) i ij j Ai j CLRM 



C L REL (3.14b) 其中，CLRi為污染物 i 以 REL 為基準所計算之子指標值(REL 當量值-m)； CLRM_i 則為污染物 i 依各路段所有時段污染濃度最大值所計算之子指標

(REL 單位當量-m)；REL_Ai為污染物 i 的 RELA值; 𝑗𝑡、L𝑗及 Cij同式 3.11。 再進一步計算綜合指標，計算方式如下列: i i CLR



CLR (3.15a) i i CLRM 



CLRM (3.15b)

33 表 3.1 各重點污染物 RELA值以及空氣品質標準值 污染物 一氧化碳 二氧化氮 臭氧 PM10 REL_A1 23000 470 180 無 空氣品質 標準 35 ppm (小時平均 值) 0.25 ppm (小時平 均值) 240 ppm (小時平 均值) 3252μg/m3 125μg/m3 (24 小時值) 1_{資料來源： OEHHA( 2008)。REL 值單位為μg/m}3_。 2_{為 PM} 10虛擬的小時平均值標準(參見本文之說明) 由於 RELA沒有 PM 相關資料，因此本研究再以國內之空氣品質標準 為基準建立另一組指標，但由於 PM10沒有小時平均值標準，只有 24 小時 值標準，故不適用，本研究因而以下述方式估算一個虛擬的 PM10 小時平 均值標準，主要依據 NO2的小時平均值以及年平均值標準，假設此二標準 所造成之污染程度相同，且假設不同污染物之空氣品質標準值之意義相同， 故本研究藉由 NO2 之小時平均值標準(0.25ppm=470μg/m3)和年平均值標 準(0.05ppm=94μg/m3_{)之比值，再依 PM} 10的年平均值標準(65μg/m3)換算 出 PM10小時平均值為 325μg/m3(= 65*470/94)，並據以作為換算基準建立 綜合指標。依據空氣品質所建立的綜合指標為 CLS 和 CLSM，計算方式類 似式 3.14 和 3.15。但各污染物以小時濃度及小時平均值標準為基準。

34

3.6.2 基於風險的指標組

由於移污即便濃度相同但於不同地理條件所造成之危害程度不一，尤 其是對人口較多的地區影響會較大，因此本研究將參考 Bennett et al. (2006) 所使用之 Intake Fraction (IF)法。IF 法之定義為個體吸入污染物量之總和除 上污染物之總排放量，依據此原則，本研究將以下式計算 IF 值: ( * * ) / * i j ijt jkv kv t j v k j IF 



P C BR



n E (3.16) 其中，𝐼𝐹表示污染物 i 之 IF 值；𝑃𝑗表示路段 j 人口； 𝑗𝑡表示污染物 i 於路 段 j 時段 t 濃度；BR 是呼吸率；𝑛_𝑗𝑘𝑣表示路段 j 車種 k 於不同速度下之車 流量； 𝑘𝑣表示車種 k 於速度 v 時之排放係數。 然而由於 IF 主要是評估吸入污染物占總排放量的比例值，雖然亦可 作為評選的一個依據，但無法反應出衝擊程度大小，故可能不太適合作為 分析路線優先性的依據。故本研究主要考量吸入總量作為子指標，再將各 子指標累加成綜合指標，稱之為吸入總量(Intake Sum, IS)指標，子指標計 算方式如下列:

*

*

i j ij j

IS





P

C

BR

_(3.17a)

*

*

i j ij j

ISM





P

C

BR

_(3.17b) 其中，ISi為吸入總量指標(μg/ hr)；Pj為人口；BR 為呼吸率(m3/hr-person)； ISMi為以各路段所有時段濃度最大值計算之吸入總量指標(μg/hr)；Cijt、Li 及 Cij同式 3.11。 本研究再將吸入總量子指標除以各污染物 RELA建立新的子指標

(Intake Sum REL,ISR)指標，計算方式如下列:

* * /

i j ij Ai j

35

* * /

i j ij Ai j

ISRM 



P C BR REL (3.18b) 其中，ISRi為污染物 i 吸入總量 REL 子指標；ISRMi為以 Cij所計算出之子

指標；Cijt、Li及 Cij同式 3.11；Pj及 BR 同式 3.18 上二式之綜合指標以下列計算: ISR= _i i ISR



(3.19a) ISRM= _i i ISRM



(3.19b) 受移污影響人口部分則首先估算街道兩旁的居民，本研究採用以下二 個方式推估之: 1. 住址點 GIS 資料: 以 3.2.3 節所決定出之道路寬度再延伸 20m 作為 被移污影響之範圍，並以此範圍內之住址點人口為被影響之居民。 再依據台北市主計處(100)調查之分區每戶平均人口數決定各住址 點人數。 2. 由 3D 建築資料推估: 依建築物的面向道路的寬度及高度推估戶數。 並依台北市主計處(100)之分區每戶平均人口數決定居住每戶平均 人口。 唯考量街道旁之居民無法完整反映出移污所造成之影響，尚包括工作 人口及其他活動人口，工作人口部分，本研究將藉由台北市主計處(100) 所統計之就業人口，再依台北市商業處統計之臺北市商業登記家數統計之 行業分區統計資料(100)，分配各區之工作人口；而活動人口中的學生通勤 人口，將以台北市主計處(99)所統計之各區各階段之在學人數做為學生數； 本研究以各公車路線站台北市各行政分區經 3.2.3 節所篩選過後之街道總 長度比例分配活動人口。最後將沿線兩旁居住人口加上活動人口即是受移 污影響之人口。 由於受影響人口中之居民計算方式有兩種，故式 3.21a 中 ISR 又可在 分為以住址點計算居民之指標 ISRa和以面寬計算得到居民之指標 ISRw；

36

式 3.21b 也可又可再分為以住址點計算居民之指標 ISRMa和以面寬計算得

到居民之指標 ISRMw。

最後再以空氣品質標準(請參見 3.5.1)建立 ISSa、ISSw、ISSMa、ISSMw，

計算方式同式 3.18 和 3.19，但以空氣品質標準取代 RELA。

3.6 路線優先性分析方法

由於汰換路線長但經過人口少的公車為低污染公車並不一定最具環 境效益，因此本研究在上一節建立以改善公車路線兩旁居民之風險為基準 制定污染長度及吸入總量與風險等指標，並據以進行優先性分析。 由於不同指標所代表的意義不太相同，各指標的不同點主要在於計算 方法及所考量的因子，並不是針對不同因子分析，例如 ISRi和 ISR 差異在 於前者為依據單一污染物的當量值大小比較，可比較不同污染物的影響程 度，而後者是綜合指標，主要將各污染物 RELA當量值相加，考慮的是污 染物綜合影響；ISR 與 ISRM 的差異主要是前者採平均濃度，後者採用最 大濃度；CLR 與 ISR 間的差異是前者只考量濃度，而後者進一步考量對沿 線人口的影響。故不同指標不太適合設定權重共同使用。本研究因而比較 每一個指標的前 n 名，分析其排序的相似度與差異性，且參考路線的基本 資料，作為決定補助路線優先順序的依據。

37

第四章 結果與討論

本章主要說明及討論研究所得之結果，首先說明案例區資料以及公車 路線初選，再將初選後之路線以 OSPM 模擬污染分布並作進一步路線篩選， 再把模擬值套入所擬定的指標運算，最後將依指標值作路線優先性評估。 以下各節一一說明之。

4.1 案例區資料

本研究之案例區為台北市，此部分資料包含城市背景資料、進行研究 所須資料，以下一一說明之: 1 氣象資料:由台北市環保局技術室(99 年)得到承德站、中北站兩交通測 站之污染物實測值以及城市氣象逐時資料如風速、風向、溫度、濕度， 以及污染物背景濃度如𝑁𝑂_x、𝑁𝑂₂、𝑂₃、CO、𝑃𝑀₁₀。 2 街道資料:由交通部之路網數值圖(97 年)得到道路資料如座標、長度、 道路類型等，以及由台北市都發局(99 年)結合 Google Earth 所建立之 Taipei3D Buildings，為 3D 建築物資料，包括所在位置、高度、寬度等 資料，將據以建立 OSPM 模擬所需的資料。 3 人口資料:由台北市主計處(100 年)取得就業人口，台北市商業處(100 年)得到各行業分區家數統計數據，台北市主計處(99 年)搜集到各區之 學生人數，將用於推估街道移污的影響人口。 4 車流資料:由台北市交通局(99 年)蒐集各交通流量站之車流量資料，內 容含 7 點到 8 點、8 點到 9 點、17 點到 18 點、18 點到 19 點共四個交 通尖峰時段之大型車、小型車、機車以及公車之流量資料以及轉向比， 將用以推估車流量。 5 公車資料:由台北市交工處(99 年)取得公車站牌點座標，以及按路線別 之年駛班次和行駛里程之統計資料。這些資料將用於構建各路線的地

38 理資訊資料及用於路線初選。

4.2 公車路線初選

依據 3.3 節所述之初選原則，本研究首先刪除觀光區接駁車共 55 條、 工業區接駁車 20 條。而所剩餘之路線再以每年總行駛里程做排序，選出 年行駛里程前一百名之公車路線(如附錄 A)，此 100 條路線再由取得之公 車站牌點座標(台北市交工處，99 年)，配合路網數值圖(交通部，97 年) 以及台北市 3D 建築物圖層(台北市都發局，99 年)繪出公車路線圖，如圖 4.1 所示，為路線 A(詳見附錄 A)和全台北市所有建築物圖，圖 4.2 顯示路 線 A 和所經路段於道路中心線左右各 100m 內之建築物，其中灰色部分為 建築物。初選後所選的 100 條路線將以 OSPM(Hertel and Berkowicz, 1989) 模擬沿線移污污染分佈。

39 圖 4.2 公車路線 630 之路線圖及 200m 內之台北市建築物

4.3 OSPM 模擬移污分佈

本研究將依據前一節所建立起之案例區資料及前處理所得資料以 OSPM 模擬移污之分佈，並與實測值比對。

4.3.1 模式前處理

依 3.2.1 節參照陳(94)提出之車流量推估模式算出各路口車流量及 3.2.2 節參照許(96)提出之巨觀車流模式所算出之車流密度並進一步得到平 均車流速度後，依照 OSPM 之 traffic file 之格式製作，範例如圖 4.3(a)所示； 依 3.2.3 所計算得到之街道資料範例則如圖 4.3(b)所示。

40

(a)街道交通資料

(b)街道資料

41

4.3.2 OSPM 模擬

本研究以 OSPM 模擬公車路線中各移污的濃度，包含 CO、NO、NO2、

O₃、PM10及 PM2.5。圖 4.4 為 OSPM 模擬路線 A(詳見附錄 A)於上午 7 時至

9 時以及 17 時至 19 時四小時之平均濃度，該四小時為交通尖峰時段，故 模擬濃度會較高，代表街道兩旁民眾於一天之中所遭受到之最大影響。

OSPM 模擬結果舉例 CO，表 4.1 表示路線 R1 部分路段污染物 CO 模 擬結果，其中 StreetLength 表示路線長，Width 表示路段寬，flow 表示上午 E7 時至 9 時以及 17 時至 19 時四小時車流量。由路段 R1A 和 R1B 發現， 道路長度對 CO 濃度影響並不大；由路段 R1C、R1E 得知，當四小時車流 量由 1537 上升到 4569 輛時，CO 濃度由 1.12ppm 上升到 1.66ppm；由 R1G 和 R1H 發現，當寬到由 28m 下降到 19m 時，CO 濃度由 1.11ppm 上升到 1.21ppm；觀察 R1I 和 R1J 發現，當 General Height 由 21m 上升到 27m， CO 濃度由 4.65ppm 提升到 6.24ppm。由此可看出街道中移污濃度之改變受 到建築物高度以及車流量的影響較大，受模擬長度的影響較小。 由 OSPM 模擬結果發現，街道的封閉性亦會影響濃度。路段 R1K 和 R1L 於道路長度、道路寬度、車流量條件相似且 R1L 之 General Height 高 於 R1K 之條件下，兩者 CO 濃度卻相似。但若看圖 4.5 可以發現，R1K 之 街道封閉性大於 R1L。但另一方面，於車流量相似的條件下，雖然建築物 高度增加時會加深街谷並增加封閉性，不利於污染物的擴散，但若街道也 同時變寬，則會改善擴散，案例如路段 R1M 及 R1N。雖然兩者之車流量 以及街道長度相似，且 R1M 之 General Height 大於 R1N，但 R1M 之寬度 也比 R1N 寬，因而改善了擴散情形。

42 (a)O3 (b)CO (c)NO (d)NO2 (h)PM2.5 (g)PM10 圖 4.4 OSPM 模擬公車路線(以路線 R1 為例)移污濃度結果範例 (a)O3; (b)CO; (c)NO;(d)NO2;(ePM10;及(f)M2.5。