高架道路声屏障的降噪效果

详细介绍了德国RLS 90道路交通噪声预测模型,运用RLS 90模型对具有典型道路参数的高架道路试验段在不同距离、不同高度下进行了辐射噪声和声屏障降噪效果特性的预测计算,并进行了实际测量.结果表明,高架道路对低于其路面高度的近距离区域有显著的噪声遮蔽作用,对于高架道路,声屏障对路面高度附近的区域降噪效果最佳,4 m高声屏障的最大降噪效果达10 dB.结果还表明,采用RLS 90模型得到的高架道路噪声级和声屏障降噪效果计算值和实测数据吻合良好.     

广东省道路交通噪声预测统计模型

为了建立符合广东省的道路交通噪声预测模型,在国内学者相关研究成果的基础上,对FHWA模型进行了深入分析,并根据道路交通噪声预测模型原理,引入等效车流量等概念建立了理论噪声预测统计模型。在此基础上,对广东省市政路和高速路的交通噪声实测数据进行多元线性回归分析,确定广东省交通噪声预测统计模型。经验证,在广东省交通噪声预测评价中该模型预测精度非常高。该研究思路与方法值得在全国各地区处理交通噪声环境问题的工作中加以推广与应用。     

徐州市道路交通噪声污染趋势预测与分析

根据道路交通现状与规划情况，通过分析，简化运用FHWA和灰色GM(1，1)模型，对徐州市2005年的道路交通噪声污染情况进行定量预测，并对两种模型的预测结果进行了分析和比较，为徐州市声环境质量保护目标的制定提供依据，也为其它城镇预测交通噪声提供方法和参考。     

高架道路渐变空腔微穿孔声屏障的设计和降噪

针对道路交通噪声的频谱特性,提出了一种采用渐变空腔的微穿孔声屏障,根据微穿孔吸声理论推导了渐变空腔微穿孔声屏障吸声性能的计算方法,并对其吸声性能进行预测计算和实验室测量.采用RLS 90预测模型计算渐变空腔微穿孔声屏障的降噪效果,并对高架道路试验工程段进行了声屏障降噪效果的现场测量.结果表明,渐变空腔微穿孔声屏障在道路噪声的主要频谱范围内具有良好的吸声性能,吸声频带为2个倍频程,峰值可达0.7;高架道路声屏障降噪效果的计算值和实测值吻合良好,声屏障和防撞墙总高度为4 m,对6层以下高度的建筑物有良好的降噪效果,最大降噪效果达10.3 dB.     

道路交通噪声预测的研究进展

为评价道路交通噪声影响情况,以美国联邦公路管理局(FHWA)噪声预测模型为主,各国相继开发了基于当地实际情况的道路交通噪声预测模型,中国也以导则和规范等形式相继发布了各种交通噪声预测模型。中国进行噪声环境影响评价中,用得较多的主要有《环境影响评价技术导则声环境》(HJ 2.4—2009)、《公路建设项目环境影响评价规范》(JTG B03—2006)推荐的噪声预测模型,此外也有部分评价工作采用了德国的Cadna A软件。通过对比分析,HJ 2.4—2009的衰减及修正因素在综合考虑FH-WA噪声预测模型及JTG B03—2006基础上更加全面,而JTG B03—2006和Cadna A软件在源强和车速确定方面则均较成熟。有必要根据区域道路特点,选择适合特征区域的道路交通噪声预测模型,并结合实际情况对模型参数进行合理修正,最终形成一些可供区域参考的统一的模型修正参数,积极推动中国的声环境评价工作的发展。     

道路交通噪声预测模式预测结果的比较

为了分析实际环境影响评价中常用的各种公路交通噪声预测模型预测结果之间存在的差异,并验证各预测方式与实测值之间的相符性,通过对选取的高速公路和市政快速公路采用各种预测模型计算比较,并用实际监测值对各模型预测结果进行验证,结果发现,不同的预测方式会造成预测结果之间昼间4～9 dB、夜间5～10 dB的差异,采用2006版规范计算车速和单车噪声源强,距离衰减考虑车流量大小的预测方式得到的预测结果与实测值最为接近。     

高架复合道路噪声声场分布研究

高架复合道路有效地缓解了交通拥挤的问题，但随之也带来了严重的噪声污染，以几何声学和衍射声学为理论基础，利用声级叠加原理，建立了高架复合道路噪声对临街建筑立面影响的预测模式。预测值与实测值基本相符，可直接应用于城市噪声预测。为城市发展规划尤其是城市高架复合道路的发展提供了科学依据。     

声波地图

为了解决城市中过多的噪声污染,科研工作者日前开发出一种三维计算机模型的声波地图,能通过变换的颜色,来表明不同等级的噪音来源。这些地图可用来评定某一范围内受噪声影响的程度。     

新建机场周围及进近盘旋航线下的环境噪声预测

机场周围及起降“进近”、盘旋航线下的飞机噪声预测是环境保护部门对于新建机场提出的评价工作中的主要内容之一。国际上对飞机噪声已作大量工作,我国也于最近发布了飞机场环境噪声的限值标准及测量方法。但目前尚无技术规范对机场噪声预测工作提出具体要求。     

轴流通风机整机噪声估算的灰色模型

应用灰色系统理论建立了轴流通风机在较高转速下的整机噪声估算公式，介绍了ＧＭ（１，１）模型应用不等间隔序列的处理方法，表明该模型可从时间，空间序列分析推广到其它单变量系统分析。     

Prediction of Traffic Noise: A Screening Technique

Abstract

Traffic noise is ubiquitous in many communities and is an important environmental concern, especially for persons located near major roadways. Several different methods are available to estimate noise levels resulting from roadway traffic. These include computational, graphical, and computer modeling techniques.

The prediction methodology presented here is a simplified technique that can be used for estimating noise resulting from traffic and for screening traffic noise impacts. This Traffic Noise Screening (TNS) approach consists of a series of traffic noise level prediction graphs developed for different roadway configurations. The graphs are based on the results from using the Federal Highway Administration (FHWA) STAMINA2.0 computerized noise prediction model for various scenarios. Data inputs to the TNS approach include roadway geometries, traffic volumes, vehicle travel speed, and centerline distance to the receptors.

The TNS graphs allow easy estimation of traffic noise levels for use in predicting traffic-related noise impacts. This TNS approach is not intended as a substitute for detailed modeling, such as with STAMINA2.0, but as a screening tool to aid in determining when detailed modeling may be necessary. If screening results indicate that noise estimates are significant, or if the scenario is rather complex, then additional, more detailed modeling can be performed.     

基于GIS城市道路交通噪声环境管理系统的构架与实现

详细介绍了基于GIS技术开发城市道路交通噪声环境管理系统的构架与实现.该系统的开发工作主要包括:噪声数据库设计、噪声数据管理、交通噪声的模拟和交通噪声影响统计.系统采用了数据库技术、GIS技术和交通噪声预测模型,综合考虑实际情况,对城市噪声环境进行管理和模拟.从实例结果分析可见,模拟结果能达到实际使用的要求.该系统能为城市规划、城市环境评价提供信息和技术支持.     

Recent advancements in the challenges and strategies of globally used traffic noise prediction models

Environmental Science and Pollution Research - It is the need of an era to develop efficient traffic noise prediction models with optimum accuracy. In this context, the present work tries to...     

城市天然气加气站噪声影响分析及噪声控制技术简

城市天然气加气站位于城市道路和居民区周边。由于加气站地理位置特殊,声源复杂,与周边道路对环境的影响叠加,还要考虑通风散热等问题,噪声治理难度大。目前,国内关于城市天然气加气站的噪声控制研究的报道较少。本研究以合肥市长江西路天然气加气站为例,根据城市天然气加气站加气工艺噪声源及邻近交通噪声对周围环境进行叠加影响预测,根据预测结果和通风散热等工艺要求设计冷却塔安装进风、出风消声器和隔声罩,压缩机安装局部通风隔声罩及压缩机房东墙内安装隔声墙及通风隔声窗等措施。经检验,研究结果好于《工业企业厂界噪声排放标准（GB12348-2008）》中的2类标准的夜间50 dB（A）的标准。该研究设计技术工艺、参数先进合理,费用低且实际简单,为国内天然气加气站噪声预测及治理提供较好的示范作用。     

常青道路景观配置对交通噪声的衰减效果

选取重庆市主城区常见的3种道路景观植物——石楠(阔叶类植物)、小叶黄杨(中等叶子类植物)和雪松(针叶类植物),研究常青道路植物对交通噪声的衰减效果。结果表明:(1)在相同排列条件下,3种植物的降噪能力依次为石楠>小叶黄杨>雪松。对单一植物种,植物间交叉排列的绿化带对交通噪声的衰减效果比平行排列好。(2)不同种类植物对噪声的插入损失峰值所处的频段不同。针叶类植物对低频(<500Hz)噪声有很好的衰减效果,阔叶类植物对高频(>2 000Hz)噪声有很好的衰减效果,中等叶子类植物对中频(500～2 000Hz)噪声有很好的衰减效果。(3)选择针叶类植物和较大冠幅的阔叶类植物搭配种植,如雪松和石楠,可有效地提高绿化带对各频段的交通噪声的吸收能力。     

Validation of road vehicle and traffic emission models – A review and meta-analysis

Road transport is often the main source of air pollution in urban areas, and there is an increasing need to estimate its contribution precisely so that pollution-reduction measures (e.g. emission standards, scrapage programs, traffic management, ITS) are designed and implemented appropriately. This paper presents a meta-analysis of 50 studies dealing with the validation of various types of traffic emission model, including ‘average speed’, ‘traffic situation’, ‘traffic variable’, ‘cycle variable’, and ‘modal’ models. The validation studies employ measurements in tunnels, ambient concentration measurements, remote sensing, laboratory tests, and mass-balance techniques. One major finding of the analysis is that several models are only partially validated or not validated at all. The mean prediction errors are generally within a factor of 1.3 of the observed values for CO₂, within a factor of 2 for HC and NO_x, and within a factor of 3 for CO and PM, although differences as high as a factor of 5 have been reported. A positive mean prediction error for NO_x (i.e. overestimation) was established for all model types and practically all validation techniques. In the case of HC, model predictions have been moving from underestimation to overestimation since the 1980s. The large prediction error for PM may be associated with different PM definitions between models and observations (e.g. size, measurement principle, exhaust/non-exhaust contribution).Statistical analyses show that the mean prediction error is generally not significantly different (p < 0.05) when the data are categorised according to model type or validation technique. Thus, there is no conclusive evidence that demonstrates that more complex models systematically perform better in terms of prediction error than less complex models. In fact, less complex models appear to perform better for PM. Moreover, the choice of validation technique does not systematically affect the result, with the exception of a CO underprediction when the validation is based on ambient concentration measurements and inverse modelling. The analysis identified two vital elements currently lacking in traffic emissions modelling: 1) guidance on the allowable error margins for different applications/scales, and 2) estimates of prediction errors. It is recommended that current and future emission models incorporate the capability to quantify prediction errors, and that clear guidelines are developed internationally with respect to expected accuracy.