道路交通事故的影响因素研究——基于结构方程模型的实证研究

使用Amos建立了31个省市道路交通事故的结构方程,SEM道路交通结构模型选用了潜变量交通事故、人口素质、经济因子和车辆道路,每个潜变量包含三至五个指标观察变量,所有数据均通过信度检验。SEM道路交通结构模型采用bootstrap Stine p估计加以修正卡方值,通过了适配性检验和显著性检验,并拟合好全部路径系数、潜变量因子得分权重等,以此可计算得31个省市道路交通事故得分和排名,实证结果与31个省市道路交通事故实际情况相符,最后根据分析得出了影响道路交通事故的因素,并有针对性地提出了相关政策建议。     

Source apportionment and ozone formation potential of volatile organic compounds in Lagos (Nigeria)

Concentrations of volatile organic compounds (VOCs) of the city air in Oba Akran road, Lagos were investigated. The chlorinated VOCs and xylene in Oba Akran were high. The average benzene/toluene ratio in Oba Akran was 1.7 suggesting that vehicular emission was a possible VOC source in most areas of Oba Akran. The toluene/(m+p-xylene) ratio also suggests a common source of toluene and xylene at these sites, presumably organic solvent used by industries located at Oba Akran. Our results showed that 7.10 tons of CO ₂ equivalents of VOCs are being emitted per year from Oba Akran. Xylenes were found to be the largest contributor to the ozone formation followed by trichloroethylene. A multivariate statistical analysis (Factor analysis extracted with Principal Component Analysis) has been applied to a set of data, and it was found that the main principal components, extracted from the air VOC pollution data, were related to gasoline and oil combustion/industrial activities.     

道路建设对成都市热岛效应的影响

热岛效应是城市气候最显著的特征之一。土地利用方式及土地覆盖的改变,如城市化和道路建设是导致热岛现象的重要原因之一。然而目前针对道路属性（道路密度及类型）对城市热岛效应的影响研究还较缺乏。本研究运用2012年成都市不同时次（冬夏季）的遥感数据及城市道路交通专题图,运用3S技术探讨道路密度对城市热岛效应的影响以及不同类型道路对城市热岛效应的热贡献。研究表明：（1）成都市热岛效应明显,市区地表平均温度显著高于郊区且热岛强度呈现夏强（3~4℃）冬弱（2.5~3℃）、夜强昼弱的特征。日间城市热岛效应呈现多热中心的分布模式,但冬夏季热岛中心位置不同。夏季日间热中心位于城市的西南部和中东北部,最高可达32.66℃,而冬季日间城市的西南部地表温度较高且热中心主要分布于城市边界地区,地表温度超过16℃。无论冬夏,夜间城市热岛效应均呈现环状分布特征,即从城市边缘到中心,地表温度逐渐升高,夏季城乡地表温差高达4.37℃而冬季达到2.82℃。（2）成都市区道路呈现“圈层型＋辐射型”分布模式,道路密度与道路的分布有关,城市南部及西南部的道路密度高于北部区域。（3）无论冬夏,道路密度与地表温度正相关,但两者相关性呈现昼弱夜强的特征,其中夜间相关系数达到0.5左右。对热效应贡献度指数、热单元权重指数、区域热单元权重指数3个指标的分析都表明无论冬夏、无论昼夜,市区分布面积最广的三级道路对城市热岛效应的热贡献最大,其热效应贡献度指数均在95%以上,其次是二级道路,各项热效应贡献度指数为45%~80%。本研究结果将有助于未来城市建设和道路规划,并为缓解城市热岛效应提供理论支持。     

事故的共性原因及其行为科学预防策略

任何事故都是有原因的,事故的原因可分为人和物两个方面,事故的严重度与事故频率间存在三角形分布规律.运用这三条安全科学基本原理和案例分析方法,分析多起不同类型事故.结果表明,事故的共性直接原因是安全知识、安全意识和安全习惯所引起的组织成员个体的不安全行为和物的不安全状态.用行为科学方法和系统化安全管理理论,制订了一个由规范组织成员个体安全行为的安全管理方案、个人行为纠正方法和安全培训组成的通用事故预防路线图,并阐述了路线图实施时所需要的组织行为分析、个人行为纠正和安全培训方法研究的最新进展.     

半刚性路面基层环境影响评价研究

采用输人输出模型,通过清单分析和归一化处理对我国典型的路面基层材料水泥稳定粒料与石灰稳定粒料以及几种工业固体废弃物路面基层材料的环境影响进行了研究并和水泥混凝土进行了对比.结果表明,工业固体废弃物路面基层对资源能源消耗量少,生产过程中固体废弃物、温室气体、酸雨气体的排放量小.和我国目前广泛使用的水泥稳定粒料相比,其环境影响较小,而且可以被再循环用作水泥生产的混合材,是一类典型的生态建筑材料.     

Permeability of Roads to Movement of Scrubland Lizards and Small Mammals

A primary objective of road ecology is to understand and predict how roads affect connectivity of wildlife populations. Road avoidance behavior can fragment populations, whereas lack of road avoidance can result in high mortality due to wildlife‐vehicle collisions. Many small animal species focus their activities to particular microhabitats within their larger habitat. We sought to assess how different types of roads affect the movement of small vertebrates and to explore whether responses to roads may be predictable on the basis of animal life history or microhabitat preferences preferences. We tracked the movements of fluorescently marked animals at 24 sites distributed among 3 road types: low‐use dirt, low‐use secondary paved, and rural 2‐lane highway. Most data we collected were on the San Diego pocket mouse (Chaetodipus fallax), cactus mouse (Peromyscus eremicus), western fence lizard (Sceloporus occidentalis), orange‐throated whiptail (Aspidoscelis hyperythra), Dulzura kangaroo rat (Dipodomys simulans) (dirt, secondary paved), and deer mouse (Peromyscus maniculatus) (highway only). San Diego pocket mice and cactus mice moved onto dirt roads but not onto a low‐use paved road of similar width or onto the highway, indicating they avoid paved road substrate. Both lizard species moved onto the dirt and secondary paved roads but avoided the rural 2‐lane rural highway, indicating they may avoid noise, vibration, or visual disturbance from a steady flow of traffic. Kangaroo rats did not avoid the dirt or secondary paved roads. Overall, dirt and secondary roads were more permeable to species that prefer to forage or bask in open areas of their habitat, rather than under the cover of rocks or shrubs. However, all study species avoided the rural 2‐lane highway. Our results suggest that microhabitat use preferences and road substrate help predict species responses to low‐use roads, but roads with heavy traffic may deter movement of a much wider range of small animal species.     

道路干扰对澜沧江流域景观格局的影响

道路交通在促进人类社会经济发展的同时,也给生态环境带来了诸多影响。研究道路交通的干扰强度、空间格局及其影响,对保护自然环境、维持生态系统健康意义重大。研究基于道路等级、道路所处的环境特征等因素构建道路干扰指数,定量评价了澜沧江流域道路网络的干扰强度,系统分析了流域道路干扰的空间格局特征及其对流域景观的影响。结果表明,澜沧江流域道路网络干扰程度存在明显的区域分异,中游和下游地区明显大于上游地区。流域道路干扰域为边界复杂的不规则多边形,呈现出以离散的强干扰区域为中心,干扰强度向外围逐渐减弱的空间格局。对比不同等级道路干扰域内的景观格局及其变化特征发现,耕地和建设用地等代表人类活动的景观集中分布于道路强干扰区域内,并且强干扰区域内景观组分的变化幅度远大于低干扰区域。从上述分析结果可以看出,道路对其沿线景观格局的变化具有很强的驱动作用,流域道路发展应避开生态环境敏感区域。     

公路路网建设项目声环境影响评价研究

以甘肃省某市新区基础设施建设中的路网建设为例,根据公路路网的交通参数、道路地形地貌条件、路面设施等,利用导则推荐模式预测路网噪声贡献值。该新区路网中道路距离多在500m以上,不论道路平行还是相交,噪声影响以主干道为主,以次干道为辅,相互影响;根据路网噪声环境影响的特点,提出切实可行的声环境影响减缓措施。     

达州市城区环境空气质量变化趋势及CMAQ模型预报分析

利用Spearman秩相关系数法、污染日历图、浓度分析法和CMAQ预测模型研究了达州市城区2015—2019年空气质量状况。结果表明:2015—2019年,达州市城区O_3浓度变化趋势为显著上升(P0.05),季度变化明显,8月易发生因O_3超标导致的轻度污染状况;CO年均值变化趋势为显著降低(P0.05);NO_2年均值呈上升趋势,但尚未达到显著水平(P0.05);SO_2、PM_(10)和PM_(2.5)年均值呈下降趋势,但变化趋势不明显(P0.05)。2019年,1月和12月污染最重,PM_(2.5)超标是主因,PM_(10)和PM_(2.5)年均值达标形势严峻,全年一半以上天数的PM_(2.5)浓度超过年均值二级标准限值,PM_(10)也近半;NO_2年均值达标形势严峻,全年212 d超过年均值二级标准限值。CMAQ模型对不同污染指标的预测准确率不同,预测PM_(2.5)浓度、首要污染物和空气质量等级时的准确率不及人工预测,预测AQI时的准确率高于人工预测,更多污染指标的预测比较还有待进一步研究。     

基于积尘负荷的西安市铺装道路扬尘排放研究

近年来城市颗粒物污染问题日渐突出,严重影响着人们的环境幸福指数和对美好环境的期待.道路扬尘作为城市扬尘的重要组成部分,对颗粒物污染的贡献不容小觑.在此背景下,采用积尘负荷法采集西安市快速路、主干道、次干道、支路等4种类型25条道路的道路扬尘样品,并分析采样速率、采样次数等因素对采样效率的影响.在此基础上,计算得到西安市各类型道路的平均积尘负荷,结合车流量、车重、道路长度,通过《扬尘源颗粒物排放清单技术指南》中的公式计算得到各种类型道路TSP、PM₁₀、PM_2.5的排放系数及排放量.结果显示：采样速率为1.0 m²·min^-1,采样次数为两次可满足采样要求.不同类型道路积尘顺序为：支路（4.18 g·m^-2）>次干道（2.80 g·m^-2）>快速路（1.49 g·m^-2）>主干路（1.34 g·m^-2）;道路积尘TSP、PM₁₀、PM_2.5的平均排放系数分别为6.066、1.542和0.447 g·km^-1.快速路和主干路的扬尘排放系数较小,支路的扬尘排放系数次之,次干路的扬尘排放系数较大.采用Monte Carlo方法对TSP、PM₁₀和PM_2.5的排放量进行不确定性分析,在95%的概率分布范围下,三者定量不确定性均为-16.88%~17.96%.