小客车因快捷、舒适、私人化,能够实现门到门出行的特点,在城市交通系统中不可替代。伴随着不断增长的非营运小客车(私家车、公务车等)使用需求,与私家车购车摇号、限行政策实施、避免特殊时期(雾霾、疫情等)长时间户外暴露等健康因素考虑而诱导的营运小客车(出租车、网约车等)出行需求的增长,小客车总出行量将呈现稳步上升趋势,由此带来的空气污染问题不可忽视。非营运小客车,由于数量多、不可避免的通勤需求使之成为交通污染排放的主要车型;营运小客车,由于日均行驶里程明显高于其他车型,频繁加减速及无运营效益的空驶状态,使其人均空气污染排放很高。因此,控制小客车排放成为减少交通排放的重要途径,也是改善空气污染,提升环境质量的有效方法。控制小客车空气污染排放的首要问题是测算小客车排放水平,其次是探索排放及变化的深层原因。早期小客车排放测算采用小样本车辆进行实验室或道路运行测试,直接监测运行状态与污染物排放。随着监测仪器及测量方法的更新,加之大数据处理技术的兴起,基于小客车轨迹大数据的出行研究迅速发展,并结合图像可视化,为小客车排放研究创造了基础数据与视觉平台,使排放测算更加准确且能表征整体排放水平,不因样本容量及抽样问题而产生误差。对于排放的深层原因,现有研究主要针对运行工况等微观影响因素,与出行者感受最直接的宏观因素——交通状态涉及很少。因此,论文围绕小客车空气污染排放问题,以多源数据驱动为导向,采用软件模拟、道路测试和室内试验等方法,重点研究营运与非营运小客车的运行特性、污染物排放因子及排放总量的测算,并挖掘排放及其变化的深层原因,即交通状态与排放的关系。研究工作主要包括:首先,研究小客车出行需求及空气污染物排放现状,在此基础上,构建人口、经济、能源及交通对空气污染的影响模型,建立小客车与空气污染的关系,刻画小客车数量对环境空气污染的贡献因子。研究表明,小客车数量对空气污染的贡献程度仅次于经济影响,揭示小客车排放的严重性与测算的必要意义。然后,针对营运小客车与非营运小客车的运行及排放差异,论文分别对其进行排放测算研究。对于营运小客车,采用全球定位系统(Global Positioning System,GPS)轨迹数据刻画运行状态,并以平均速度为纽带,使用MOVES(Motor Vehicle Emission Simulator)软件进行本地化排放模拟,建立基于GPS原始数据的MOVES中观平均速度排放测算法与微观平均速度测算法。研究结果证实了载客状态与空驶状态的运行特性及排放水平存在差异,且存在显著的工作日-非工作日模式差异。其次,对营运小客车GPS原始数据进行速度重建,以获取逐秒速度,构建基于GPS速度重建的MOVES微观工况排放测算法和机动车比功率(Vehicle Specific Power,VSP)分布排放测算法。研究表明,车辆排放有明显的高峰时段,晚高峰排放水平高于早高峰,且不同状态不同日期类型的排放因子有所差异。上述四种营运小客车排放测算方法所得结果各不相同,其中中观测算排放因子最高,微观平均速度法高于微观工况法。针对非营运小客车,进行城市隧道测试,通过实测隧道出入口的污染物浓度反推混合车辆排放水平,进而推算各车型排放因子。同时,使用基于底盘测功机的简易瞬态加载法对试验车辆进行排放监测,通过主成分分析和K-平均聚类进行车辆分类,分别对低排放、中排放与高排放非营运小客车进行微观运行工况与排放特性研究。并且,进行基于隧道测试结果的简易瞬态加载法相对误差的分析。研究发现,营运小客车的排放因子显著高于非营运小客车,验证了分别测算两类车型的必要性。车辆在加速阶段排放急剧增加且波动性强,与运行工况息息相关;简易瞬态加载法聚类的中排放车辆更接近于本地道路实际运行车辆。综上,两种方法的融合能够较全面地揭示排放的中观与微观特征。最后,对比分析各测算方法,提出基于GPS重建速度、隧道测试、交通路边站、道路信息等多源数据的小客车排放总量测算法。通过环城南路路段的案例研究,验证了该方法的有效性。实际应用中,可根据研究对象、交通运行数据等情况综合运用各方法,基于多源数据类型,耦合多元信息,进行更为准确的本地化交通排放测算。同时,以平均速度为纽带,考虑交通状态指标,通过排放因子-平均速度关系建模、交通状态改善的减排效益测算、排放量与交通运行指数(Traffic Performance Index,TPI)趋势分析,揭示交通状态对排放的影响。研究发现污染物排放因子随速度增加,呈现先快速下降后缓慢下降至逐渐平稳,高速区又逐渐增长的趋势。并且,交通状态改善具有显著的减排正效益,小客车排放量也随TPI增加而增大,上述结果均表明缓解交通拥堵有利于减少小客车污染物排放,揭示了排放及其变化的驱动影响及交通管控的必要性。