随着经济的高速发展,我国机动车产业快速增长,机动车保有量迅速增加。机动车产业的快速发展促进了经济的快速发展,同时也带来了严重的环境问题,正确认识机动车的排放特性以及机动车尾气排放的影响因素之间的关系,这对改善尾气污染所要做出的交通决策至关重要。灵敏度分析方法为机动车尾气排放模型的研究提供了一个有效的工具。影响机动车排放物的因素相当复杂,主要包括：速度、环境温度、运行工况、机动车监测与维修制度等。本文的主要工作是通过从MOBILE模型中获取大量的符合我国尾气排放条件的原始数据,经过数据处理,对影响因素进行比较分析。同时建立一元与多元线性回归尾气排放模型,并应用基于抽样方法对模型因素进行灵敏度分析。首先,从MOBILE模型中获取大量原始数据,经过数据处理和工况解析,通过Matlab实现,来揭示比较道路类型、车速、环境温度、燃油RVP四个影响因素对NOx、HC、CO三种污染物排放率的影响程度并进行分析。不同车型在不同因素的影响下排放率是复杂的并且相差较大。其次,提出了基于单个车型的速度建立的排放率预测模型,模型中使用速度作为输入,排放率作为输出。因此,模型简单,使用方便。应用回归分析,排放率预测模型涉及到幂函数模型、多项式函数模型、指数函数模型,其中主要以多项式模型为主。对于给定范围内的任意一个平均速度,就可以通过模型分别算出该速度下的三种污染物排放率。再次,由于实际道路上影响车辆排放的因素很多,单因素模型有其一定的局限性,故而考虑建立多因素的排放率模型,进而采用速度、汽油RVP作为变量建立了二元回归排放率模型。此模型更加符合实际情况,计算结果更加准确。应用基于Latin Hypercube抽样方法对模型因素进行灵敏度分析,得到在一定条件下影响模型的关键因素。速度在所考虑变量区间范围内对CO、NOx、排放率较灵敏,而HC排放率模型在车辆速度增大的过程中,汽油RVP对其排放率反而更灵敏。