新建铁路对城市噪声的影响特点及其噪声预测方法

分析了新建铁路对城市噪声的影响特点 ,笔者认为除了铁路运输噪声外 ,由铁路引起的次生环境噪声影响也较大 ,包括站区噪声及车站引起的周边新增道路交通噪声。这些噪声特点各不相同 ,但都受铁路规模大小影响。噪声预测方法应在考虑铁路规模的同时 ,针对不同影响特征建立不同预测方法。     

某新建城市轨道交通高架车站噪声现状-站台部分

为研究新建城市轨道交通高架站台噪声现状及特点,以及站台工作人员的累积噪声暴露量,选取某线的ZFL站、GML站和HQ站进行了实地测量。从噪声级、频谱和进出站列车时间与声级关系几方面对测量结果进行了分析。结果显示,站台列车进站LAeq值为78dB(A),出站LAeq值为79dB(A)。无列车通过时背景噪声LAeq值（白天）为66~74dB(A)。倍频程频谱分析得出,站台列车进站出站噪声具有宽频带噪声特征。时间历程分析得出,站台列车进站和出站的平均时间是30s和29s。进站第13s达到最大值LAF max 78~89dB(A)。出站第15s达到最大值LAF max 82~90dB(A)。站台工作人员白班噪声暴露量为LAeq 73dB(A),夜班噪声暴露量为LAeq 72dB(A)。     

高速铁路典型高架车站减振降噪技术方案探讨

高速铁路车站内环境噪声振动问题将直接影响铁路站区综合开发的可持续发展。本文通过试验研究和理论分析,针对高速铁路典型高架中间站噪声振动影响特性,提出相应的减振降噪综合技术方案,为高速铁路高架车站内环境噪声振动控制技术提供理论基础。     

市域快线高架段运行噪声特性测试与分析

通过实测成都轨道交通18号线高架段运行噪声,分析了其噪声源强及水平传播特性。根据《环境影响评价技术导则城市轨道交通》(HJ 453—2018)中的预测模式对各受声点A声级进行预测,将预测结果与实测结果进行对比分析,结果表明预测效果较好,可用于新建市域快线高架段噪声预测。     

城际铁路环境影响评价中道路交通噪声现状评价与预测

在统计某县公路类型、规模的基础上,选择代表性区段测试高速公路、国道、省道、县道、乡道、村道交通噪声影响状况,计算了达到不同声环境功能区的控制距离要求。研究结果表明,该县境内平均道路交通噪声水平昼间、夜间均可满足《声环境质量标准》(GB 3096—2008)中4a类声环境功能区标准要求。现状条件下若要达到1类声环境功能区标准,预计达标距离最大为距离道路中心线两侧150 m以外区域,若要达到2类声环境功能区,预计达标距离最大为距离道路中心线两侧50 m以外区域。该预测计算结果可为相关的城际铁路环境影响评价提供现状基础数据,并为县规划部门合理规划道路两侧用地性质提供参考。     

噪声对建筑施工人员作业疲劳影响实验研究

为了研究噪声对建筑施工人员作业疲劳的影响,设计噪声作业生理实验。先通过建筑施工作业疲劳分析确定疲劳测量生理指标,再通过施工作业现场噪声测量确定实验中作业环境噪声等级分类。根据实验中被试者心率指标变化率及作业疲劳自我评价量表对噪声作业疲劳程度影响进行分析,结果表明,施工人员作业疲劳受噪声影响;持续作业15min后噪声对施工人员作业疲劳程度影响显著;作业疲劳程度与作业环境中噪声值成正相关关系;施工人员作业后疲劳恢复程度不受作业环境噪声值大小影响。     

石化企业高架火炬安全距离确定方法的比较研究

在阐述石化企业高架火炬安全距离确定基本思路的基础上,分析了国内外常见高架火炬安全距离不同计算方法的差异,指出了各自的局限性和不足之处,结合工程实例比较了不同计算方法对高架火炬安全距离确定的影响.分析表明,对于石化企业高架火炬安全距离的确定,所有方法计算的结果均比工程实际值大(偏保守).其中,GPSA方法计算得到的结果与实际数值较为符合,API法、Kent法和Tan法次之,O&S 方法计算的结果比实际数值大最多(最为保守).     

新建铁路站区对城市环境噪声影响特征及预测研究

在铁路车站噪声影响中,车站影响区域产生的次生噪声相对于站中心的原生噪声,是城区噪声污染的主要因素。根据不同规模车站区对周边社会及人文景观的影响程度,划分出站区噪声监测范围。通过监测对比分析,发现站中心噪声与车站规模具有显著的正相关关系,而车站影响区噪声值在中小规模车站中,二者有一定的正相关关系,但当车站发展到一定大规模后,影响区内的噪声反而略有下降并趋于平稳。通过分析认为,大规模车站的建立有利于促进周边城市更合理地规划布局。根据车站布局与兴建对城市环境噪声影响的关系,以及站区噪声源变化特点,建立了不同车站规模站区的噪声值预测模型,其预测结果为新建铁路路站在城市中的规划布局,提供了实用的参考依据及有价值的建议。     

传声器的佩戴方式对噪声测量结果的影响分析

为准确测量作业场所的噪声对作业工人的影响情况,本文通过现场实验的方法分析传声器不同的佩戴方式对噪声测量结果的影响程度。研究结果表明,在稳态噪声作业环境中,将传声器佩戴于耳部、肩部和胸前三个位置其对噪声测量结果的影响较小,等效声级的差异(Max-Min)不大于1dB(A),噪声最大值差异不大于5dB(A);而在非稳态噪声作业环境中,三个位置测量的等效声级差值小于2dB(A),而噪声最大值差异接近6dB(A)。     

城市轨道交通站台噪声测量研究

为研究城市轨道交通高架和地下站台噪声的规律和特点,选取某条线路中的3个高架站台以及3条线路中的7个地下站台进行实地测量,并对测量结果进行分析。研究结果表明:地下站台LAeq值都低于标准限值80 dB(A);站台的中心测点列车进站LAeq值和列车出站LAeq值都非常接近,使用T检验结果得出各站台中心测点列车进站LAeq值和列车出站LAeq值不存在显著差异（P>0.05）;站台测量时要考虑大客流带来的喧闹声;站台最大噪声值是列车出站时,位于站台列车车头停止位置。     

模式预测法应用于铁路噪声的预测研究

伴随新建铁路、既有线增建二线、电气化改造等项目的大规模建设,围绕铁路建设、运营由来已久的铁路噪声污染和扰民的问题却更为突出。根据铁路噪声的传播特性,合理地选取了一种噪声预测方法,即模式预测法作为铁路噪声预测方法,并重点介绍了噪声模式法的理论依据、计算公式和边界条件。以我国中西部地区具有代表性的铁路干线之一作为研究对象,分析讨论由于工程规模、线路质量、列车速度、运输组织的变化,引起的铁路噪声对沿线声环境的影响,定量给出了典型区段距铁路外轨中心线30m、60m、120m处的昼夜间等效连续声级值。通过对噪声贡献值与声环境适应性分析,定性描述铁路噪声对周边环境产生的影响,研究成果为进一步有效控制铁路噪声污染、合理划分工程沿线土地利用功能提供有力依据。     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。     

GM(1,N)模型在城市道路交通噪声预测中的精度分析

根据武汉市1998～2002年城市道路交通噪声检测数据以及相关的数据,分析相关因素的选取对GM(1,N)灰色模型的预测精度的影响.结果表明选取相关因素会降低GM(1,N)灰色模型的精度,而GM(1,1)模型则有较好的预测精度;利用GM(1,1)模型对武汉市2008年前的道路交通噪声进行了预测.     

某大型机加车间数控机床减噪工程测试与分析研究

为研究大型机加车间噪声减噪工程现状效果和特点,选取某大型机加车间数控机床为研究对象,对其进行减噪工程治理,现场实测了治理前和治理后的噪声数据,并对噪声测量结果进行分析。研究结果表明:数控机床操作人员8 h连续等效A声级从治理前的89.2 dB(A),降到治理后的74.3 dB(A),降低了16.7%.;数控机床操作岗位位置测点,在加工1个机件的测量时间段里,噪声值从治理前的85.9 dB(A),降到治理后的55.1 dB(A),降低了33.85%;对机加车间现场布置了67个测点,在加工1个机件的测量时间段里进行测量,得到该车间噪声治理前和治理后噪声分布图;对数控机床减噪工程治理前和治理后的频谱进行了分析,得出治理前和治理后各自的最大声级所在频段不随距离的改变而改变,高频减噪效果显著。     

兰州市道路交通噪声的年际变化和区域比较

道路交通噪声是城市噪声环境中对人们生活干扰最大的噪声源,也是环境工作者研究的主要课题之一。分析了兰州市15年来的交通量及噪声的变化情况,发现兰州市总体车流量增长快,但道路交通噪声污染各年变化不大,并把安宁、西固、城关、七里河4个区的交通噪声污染状况作了比较,总结了4个区的噪声污染特点。     

Crash analysis and development of safety performance functions for Florida roads in the framework of the context classification system

Introduction: Safety performance functions (SPF) are employed to predict crash counts at the different roadway elements. Several SPFs were developed for the various roadway elements based on different classifications such as functional classification and area type. Since a more detailed classification of roadway elements leads to more accurate crash predictions, multiple states have developed new classification systems to classify roads based on a comprehensive classification. In Florida, the new roadway context classification system incorporates geographic, demographic, and road characteristics information. Method: In this study, SPFs were developed in the framework of the FDOT roadway context classification system at three levels of modeling, context classification (CC-SPFs), area type (AT-SPFs), and statewide (SW-SPF) levels. Crash and traffic data from 2015-2019 were obtained. Road characteristics and road environment information have also been gathered along Florida roads for the SPF development. Results: The developed SPFs showed that there are several variables that influence the frequency of crashes, such as annual average daily traffic (AADT), signalized intersections and access point densities, speed limit, and shoulder width. However, there are other variables that did not have an influence in crash occurrence such as concrete surface and the presence of bicycle slots. CC-SPFs had the best performance among others. Moreover, network screening to determine the most problematic road segments has been accomplished. The results of the network screening indicated that the most problematic roads in Florida are the suburban commercial and the urban general roads. Practical Applications: This research provides a solid reference for decision-makers regarding crash prediction and safety improvement along Florida roads.     

某新建城市轨道交通高架车站噪声现状-设备房与管理用房部分

为研究新建城市轨道交通高架车站设备房和管理用房噪声现状及特点,以及巡视设备房工作人员的累积噪声暴露量,选取某线的ZFL站、GML站和HQ站,对其六类设备房及管理用房进行了实地测量,并对噪声测量结果进行分析。结果显示:设备房中最大噪声为400V开关柜室74 dB(A)。三个站六类设备房噪声在56～74 dB(A)之间。管理用房噪声在53～65 dB(A)之间。站厅噪声随人流多少而变化,低频声较高。巡视设备间工作人员最大噪声暴露量是65dB(A)。