对道路交通噪声预测模式的探讨

目前道路交通噪声预测尚未有国家统一规定的计算模式,本文通过分析道路与公路性质差异及现行几种预测模型的区别,指出不同预测模式的采用、参数的选取将对公路交通噪声预测结果产生影响,提出公路噪声预测模式应用于道路环评需注意的问题。     

呼和浩特市道路交通噪声的预测及评价

本文针对呼和浩特市区道路及机动车发展现状,对城区部分主要道路交通噪声进行实测和分析,建立BP人工神经网络交通噪声模型,并对其道路交通噪声进行预测,测试样本的预测值与实测值的等效声级比较接近,平均误差值小于2％.     

影响道路交通噪声相关因素的探讨

影响道路交通噪声相关因素的探讨垦利县环保局赵建华我们在研究道路交通噪声评价、预测及污染防治等问题时，首先应考虑机动车类型、车流量、行车速度、鸣喇叭的频率、道路状况、声学环境等请多因素对道路交通噪声造成的影响，只有这样，才能较准确地建立道路交通噪声环境...     

道路交通噪声预测声源简化研究

城市道路交通不断发展,道路交通噪声已经成为严重的噪声污染源,道路交通噪声预测是一项环境管理技术手段,有利于噪声防治。基于此,本文以道路交通噪声预测声源简化作为研究对象,分析声源预测方法,通过道路交通噪声的误差计算,利用相关预测软件完成验证,为道路交通噪声声源优化分析提供依据。     

FHWA模式在城区道路交通噪声预测中的应用

采用美国联邦公路局(FHWA)提出的公路噪声预测模式来预测道路交通噪声。将道路上汽车按流车种分类，先求出某一类车辆的小时等效声级：     

以摩托车为主的道路交通噪声预测模型

将摩托车流单独处理,通过理论推导和实测数据回归建立摩托车为主的道路交通噪声预测模型.模型对居住区的交通噪声(Leq)预测精度在 2.5dBA 以内,道路两侧 Leq预测精度更高,大部分测点误差在 1dBA 以内.     

道路交通噪声评价与控制防范分析

近年来，随着我国经济的快速发展，城市的现代化建设和道路交通建设相对完善，各种机动车辆纷纷涌上道路，大大方便了人们的出行，但同时也带来了不可避免的噪声污染。道路交通噪声污染已成为当今城市噪声污染的主要来源，文章正是立足于对道路交通噪声的分析，在指出道路交通噪声的来源和现状的基础上，对如何控制和防范道路交通噪声污染提出了几点建议，希望能为解决道路交通噪声问题提供理论指导，从而更好地促进城市的可持续发展。     

城市噪声管理信息系统中道路交通噪声预测评价的实现

介绍了城市噪声管理信息系统的目标、结构及其功能，详细阐述了采用城市交通干线噪声平均值公式、FHWA模型与GIS集成的方法进行城市道路交通噪声预测评价。该方法可实现城市交通干线噪声平均值及任一噪声预测点噪声值的计算，并能以等声级形式表示道路噪声分布情况。其作为城市噪声管理信息系统的一项重要应用功能，为道路交通噪声预测评价提供了方便有效的工具。对城市噪声管理信息系统的进一步完善作了探讨。     

上海市道路交通噪声预测及对策研究

历年的监测表明,在城市各类环境噪声污染源中,以道路交通噪声最为突出。其污染范围广、声级高并且涨落大,对人们所造成的主观心理感觉也尤为烦恼。通过对近、远期上海市道路交通噪声的预测和对策研究,为合理的城市规划布局、控制新污染源、改善声环境质量和领导决策提供科学依据,这是本文之目的。一、污染现状与分析 (一)城区道路系统现状上海市现有道路总数为1433条,计987公里。其中,可通行机动车的600条。目前已通行     

BP人工神经网络模型在拉萨道路交通噪声预测中的应用

针对拉萨市道路交通噪声污染问题，运用人工神经网络理论和方法对拉萨市道路交通噪声的等效连续声级进行预测。经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

高密度城市道路交通噪声的典型分布及其在战略环境评价(SEA)中的应用

分析了高密度城市道路交通噪声分布的特点，从噪声接受点评价的观点出发，以香港地区为例，研究不同建筑形态道路交通噪声的典型分布。基于方法是采用简化的DoT模型计算道路交通噪声，以基于GIS的道路交通噪声评价预测系统为工具计算不同建筑类型各单元的噪声级，再统计出各型建筑的噪声分布。通过Kolmogorov-Smirnov检验证实这些分布来自于不同总体，具有显著的差异。将上述计算结果运用于香港新界西北地区道路交通噪声的战略环境评价。     

澳门半岛交通噪声模拟与控制研究

交通噪声是澳门半岛最主要的环境噪声源。本研究在国际上通用的交通噪声预测模型STAMSON的基础上 ,根据澳门半岛封闭型道路的特征 ,建立了封闭型道路交通噪声计算机预测模式 ,经过实测数据的验证 ,模型预测结果达到了令人满意的精度要求。利用建立的交通噪声预报模式 ,计算了澳门半岛不同类型道路的交通噪声水平 ,定量评价了道路交通噪声的污染状况。最后 ,根据澳门半岛交通密度高的特点 ,提出了新的环境噪声标准建议 ,并给出了逐步改善环境交通噪声的主要措施     

平凉市道路噪声监测结果分析

本文通过对平凉市2008～2012年道路交通噪声进行统计、分析,并针对道路噪声控制提出解决措施。     

江苏省城市道路交通噪声污染状况及对策

综合分析了江苏省13个省辖市区道路交通噪声的污染状况和变化趋势，提出了加强道路规划和交通管理，加强道路旁绿化带建设和降低车辆行驶噪声等改善对策。     

平凉市道路噪声监测结果分析

本文通过对平凉市2008～2012年道路交通噪声进行统计、分析,并针对道路噪声控制提出解决措施。     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

机动车“禁鸣”喇叭对道路交通噪声的影响

该文通过道路喇叭噪声强度的监测、计算，定量地提出“禁鸣”喇叭对降低道路交通噪声污染的程度。     

基于FHWA的城市交通噪声预测模型研究

结合美国道路交通噪声污染预测模型(FHWA)和国内学者在该方面的大量研究成果,选择城市主、次干道监测点的建模采样数据,分析比较FHWA噪声预测模型的预测值,研究影响道路交通噪声的各个因子与道路交通噪声的相关性,提出符合实测道路交通特征的噪声污染统计噪声预测模型。随后应用噪声预测模型对监测点噪声污染进行预测,并与实测值对比验证后发现二者具有较高的一致性,此模型可应用在城市道路交通噪声污染的预测评价中。     

道路交通自动监测点位设置初探

通过实验,对人工道路交通噪声数据和预设的自动噪声监测点位数据进行皮尔森相关性比较,在对仪器的不同位置和不同时间段所得数据进行比较的同时,再用噪声分析软件加以验证分析。初步表明所设自动交通噪声监测点可以替代人工道路噪声监测点进行监测。     

2011—2013年广州市道路交通噪声监测与分析

在2013年10—12月期间,选取了广州市58条道路和20栋噪声敏感建筑物进行噪声监测,与2011—2012年监测数据相比较,综合分析了广州市道路交通噪声的现状和变化规律。分析表明:广州市昼夜道路交通噪声以71 d B和70 d B为中心上下波动。对于2013年监测数据,噪声敏感建筑物昼夜噪声均值为65.1 d B和64.6 d B,夜间最大突发噪声均值为80.7 d B。此外还计算了每条道路的昼夜噪声频率重心,结果显示,广州市道路昼夜交通噪声频率重心分布基本相同,以1 000~2 000 Hz最为集中。