随着机动车保有量日益增长,如何减少城市交通系统中的机动车尾气排放已成为亟需解决的问题。由于我国还缺乏官方认可的机动车尾气排放模型,众多研究还局限于通过研究国外排放模型来建立排放清单,从而为评估区域机动车排放污染,并制定相应有效控制策略提供理论依据和数据支撑。目前的研究多停留在区域排放总量等宏观层次,而针对交通管理策略更为敏感的中观层次的路段排放清单测算方法还缺乏研究。此外,不同机动车尾气排放模型所预测的结果存在差异,导致建立的城市路网中观排放清单缺乏准确性和一致性,因此迫切需要对城市路网中观排放清单建立方法进行系统研究,以尽可能降低城市路网中观排放清单的不确定性。因此,本文旨在整理分析国内外相关研究的基础上,选取合适排放模型并确定其中观参数,从而建立城市交通网络中观层次的机动车排放清单测算方法。首先,本文对国外研发较为成熟的机动车排放模型原理及其中观层次对应参数设置进行了分析和对比,利用实测数据标定了MOBILE模型和IVE模型应用于中观层次的相关参数。其中,针对MOBILE模型重点标定了车辆行驶里程分布参数集；针对IVE模型重点标定了机动车比功率分布参数。根据模型预测结果,详细比较了模型预测值与实测值差异,在此基础上选取IVE模型为城市路网中观排放模型。研究表明：MOBILE模型预测的NOx、HC和CO排放因子与实测值平均相对误差分别为37.72%、74.04%和29.52%,IVE模型平均相对误差分别为6.33%、7.23%和14.72%；在不同道路等级下,IVE模型的相对误差绝对值明显低于MOBILE模型。其次,针对交通流车型构成这一重要中观参数,本文通过视频识别方法收集了交通流车型构成数据、交通流数据及相关路段特征。利用决策树算法对道路通行能力、距城中心距离、区域象限特征、道路类型、车道数及土地利用类型等影响因素进行分析,确定了交通流车型构成估算方法,并利用实测数据对预测准确性进行了验证。验证结果显示：该方法对于轻型汽油车车型比例预测精度较高,相对误差绝对值在5%以内；而对于其他车型,由于其车型比例的绝对值较低,预测精度下降,但其相对误差绝对值基本在30%以内。最后,应用以上研究成果,以北京市快速路网络为例进行了城市路网中观排放清单测算的案例研究。针对IVE模型所需中观参数,利用逐秒浮动车数据确定了不同平均速度下VSP Bin分布,通过实地调研分析了北京市车车辆技术水平分布,根据实测数据修正了IVE模型基础排放校正因子。研究表明：北京市快速路网络一个工作日内CO、HC和NOx的全部排放分别为131.29吨、4.22吨和20.48吨,机动车污染物排放强度在时间上呈现早晚高峰两个峰值,在空间上二环和四环平均排放强度较高。