南京市典型快速路交通噪声监测与影响分布研究

为科学全面地开展城市道路交通噪声影响评估，更精确地服务道路交通噪声污染治理工作，选取南京市具有代表性的道路交通干线，采用手工监测和自动连续监测的方法，进行不同路段噪声污染程度及其随时间、空间变化规律的研究。结果表明，地面快速路段、高架路段以及衔接路段两侧噪声敏感建筑物受道路交通噪声影响较大，夜间均超标；相邻区域要达到2类声环境功能区昼间标准限值要求，需距离地面快速路慢车道约45 m，距离高架路段慢车道约92 m；要达到2类声环境功能区夜间标准限值要求，需距离地面快速路慢车道约175 m，距离高架路段慢车道约172 m；敏感建筑物所受噪声影响随楼层高度升高而增大，同时噪声影响情况与道路两侧建筑物密度、道路车辆行驶速度有关。建议严格道路及噪声敏感建筑物规划控制，采取阻断传声路径、受声建筑物强化保护等措施控制噪声影响。     

高等级公路交通噪声分析与防治

噪声不仅干扰人们的正常生活,严重时可以危害人的身心健康．随着交通事业的快速发展,一大批高速公路迅速建成,交通噪声污染不容忽视．对西宝高速公路沿线交通噪声进行了实地昼夜监测,结果表明交通噪声夜间超标较为严重,干扰了沿线居民的正常生活．分析了污染现状和原因,并提出了降低道路交通噪声的一些简单措施．     

面向智慧城市的分布式噪声管理系统设计

针对城市噪声污染多头管理、监测方法单一、治理效率低等问题,基于Android 4G技术城市环境噪声分布式监测设计思想,介绍智慧城市噪声分布式监测的应用方法。以移动终端作为传感器节点替代传统集中式噪声监测的分布式监测方法,依托云计算数据处理平台,解决了监测网络数据管理分散、定点检测站和一些手持检测设备收集数据引起的信息滞后的问题,有益于实现城市环境噪声污染数据分析、处理和融合等复杂功能,使各种质控任务和标准传递等复杂任务得到自动化执行与反馈,将对城市噪声污染联防联控起到积极推动作用。     

城市道路交通噪声分布模拟研究

通过对梅州市中心城区7条道路的噪声监测,分析了中心城区道路的噪声污染水平。采用道路交通噪声预测模型,以实测交通流数据对中心城区的噪声污染进行模拟和减噪措施评估。结果表明,采用限速措施和安装声屏障措施均有降低噪声污染的效果,为管理部门防治噪声污染提供了参考。     

浅析新疆城市声环境现状与对策

研究了新疆近五年来的城市声环境变化趋势,并对城市噪声污染现状进行综合分析评价,提出相关的治理对策与建议.从区域环境噪声状况看,噪声值呈下降趋势;从声源强度看,对城市声环境冲击最大的是交通噪声源;从道路交通噪声状况看,近五年交通噪声污染呈逐年下降趋势,但全区各年度均有超标路段,全区城市道路交通噪声仍存在污染.因此,整治城市噪声污染应贯彻"预防为主、防治结合"的方针,综合利用科技、法律手段来改善城市声环境.     

应用GIS技术研究车流量与交通噪声相关性

对无锡建成区交通噪声等效声级(L_(eq))与车流量进行监测,应用GIS技术分析交通噪声与车流量的空间分布,为交通噪声污染防治工作提供科学参考。结果表明:噪声L_(eq)峰值及车流量峰值均集中在高速公路出入口必经路段,此区域为噪声污染防治重点区域。同时发现,噪声L_(eq)与车流量在空间分布上并非成正比关系,在时间趋势上车流量上升但噪声值下降,说明在机动车保有量不断攀升的背景下,采取多种防治措施可以有效缓解甚至改善交通噪声污染。     

道路交通噪声最佳测量时间和时段研究

对典型城市主干道进行长期噪声监测,对监测结果进行误差分析,得出城市主干道交通噪声短时间测量最佳时间及时段,提高工作效率的同时提高数据准确度。     

南昌市城市噪声自动监测系统

随着社会文明和科技的进步,人们对生活、学习、工作的环境质量要求越来越高,环保部门在环境监测手段和数据综合分析技术等方面也提出了更高的要求。城市噪声自动监测系统能实时反映环境噪声状况,以便分析、掌握城市噪声污染时空分布和变化规律及趋势,在城市声环境的治理和监控中发挥有效作用。本文根据南昌市的实际情况,重点介绍了南昌市城市噪声自动监测系统。     

道路交通噪声自动监测中最少监测时间研究

以城市主干线为例,对长期道路交通噪声自动监测数据进行统计分析,得出道路交通噪声实施噪声自动监测时应采用的小时最少监测时间、日昼夜最少监测小时、季最少监测天数和年最少监测天数。     

道路交通噪声自动监测中最少监测时间研究

以城市主干线为例,对长期道路交通噪声自动监测数据进行统计分析,得出道路交通噪声实施噪声自动监测时应采用的小时最少监测时间、日昼夜最少监测小时、季最少监测天数和年最少监测天数。     

日本道路交通噪声监测体系与借鉴

系统介绍了日本环保部门每年在全国范围内开展的道路交通噪声普查性监测工作及评价体系,分析了中日两国监测与评价方法的异同和优缺点,提出在点位布设、评价方法、信息公开等方面的改进建议,以推进中国道路交通噪声监测工作向科学化、精细化、定量化转变。     

北京市典型道路交通噪声排放特征

采用北京市道路交通噪声自动监测系统2013—2017年采集的等效连续A声级数据,对城市快速路、城市主干线、城市次干线、城市支路的代表性站点噪声排放情况进行了统计分析,结果显示,北京市不同等级的道路噪声排放具备一定的特征,排放水平从大到小依次为城市快速路城市主干线城市支路和城市次干线,道路噪声随时间变化存在较为一致的周期性排放特征,24 h变化特征比较明显。个别道路排放特征存在特异性,如城市主干线道路的一个代表监测站点噪声监测值出现了逐年下降趋势,分析发现,北京市非首都功能疏解对其噪声值的下降有一定贡献。采取一定的规划和管理措施有助于减少道路交通噪声的排放。     

城市环境噪声抽测结果分析

对北京、天津、重庆等20个城市的道路交通及城市区域噪声进行了对比抽测,结果表明地方监测站能够按照相关的技术规范、标准方法开展噪声监测工作,地方站与总(省)站监测结果有非常好的可比性,监测数据97.5%在可接受范围内。并针对抽测中发现的问题,提出了相应的对策与建议。     

城市典型高架复合道路交通噪声污染模拟及防治对策

与一般城市道路相比,城市高架复合道路通行能力大、行车速度高、车辆行驶状态复杂,交通噪声污染极为突出。选取深圳市典型的高架复合道路——春风高架和爱国高架进行实地监测,同时运用SoundPLAN软件模拟其噪声污染现状与安装声屏障后的降噪效果。根据监测模拟结果,从合理进行道路规划、装设声屏障和铺设低噪声路面等方面提出高架复合道路噪声污染控制的对策建议。     

测点高度对道路交通噪声监测数据的影响

通过在4城市对132条道路进行了道路交通噪声测点高度试验,系统分析了测点高度从手工监测的1.2 m向自动监测的4.5 m转化后,在不同道路情况对道路交通噪声监测数据的影响。结果表明,测点高度提高后监测结果变化在±3 dB(A)以内。待测道路的车道数和测点与机动车道的距离是其主要影响因素。对两测点高度进行对比,4.5 m高度噪声值随水平距离增加衰减较小,测量结果更稳定。     

上海市降尘自动监测系统研发与应用

大气降尘量是重要的环境指标之一,可以较客观地反映和评价城市局部地区扬尘污染水平,对评价城市区域环境空气质量、分析大气污染来源和变化具有重要意义。国内外大气降尘监测普遍采用传统的手工监测方法,手工法因时效性差、效率低、能耗大、质控难、误差大等原因已不适应现代环境管理的需求。随着科技与网络的发展,自动监测方法成为发展趋势。文章主要阐述了上海市降尘自动监测技术的研发过程及实际应用,介绍了自主研发的降尘自动监测仪的原理、关键技术和系统组成。通过粉尘舱内实验、降尘自动监测方法与手工重量法比对测试及为期一年的试点应用,分析了降尘自动监测方法的精密度、准确度、相对误差及适用性,并探讨了降尘自动监测的应用前景。     

深圳市环境噪声自动监测系统建设

简述了深圳市噪声自动监测系统的主要功能及运行、验收情况。该系统利用其他监测网络中的气象设备建立气象监测小区,通过一系列考核,确定了自动监测数据的有效性,安装了以太阳能优先和市电辅助供电的双供电系统,有效地节省了能源。     

Traffic noise assessment based on mobile measurements

Continuous noise monitoring based on mobile systems could provide a quick feedback to assess the effect of policies implemented by authorities to mitigate noise pollution. The present research verifies that mobile measurements taken along a main street and aggregated in time and space can accurately estimate noise levels at static points. As a consequence, mobile sensors would be suitable to build, and continuously update, noise maps. Furthermore, the experiment computes the optimum aggregation distance of the mobile measurements.To perform the mobile noise measurements, a low-cost noise sensor with an integrated GPS was mounted on a bicycle. One hour worth of measurements was taken along a main avenue with the mobile receiver simultaneously to 6 static measurement points. For the mobile receiver, the L_Aeq was computed aggregating samples within a radius from 1 m to 100 m around the static measurement points. Then, the error between the aggregated L_Aeq of the mobile and the static receivers for the same time period was computed. It is observed that the RMSE and the measurement uncertainties decrease as the aggregation distance increases, having a minimum at an aggregation radius of 33 m and reaching a stabilization due to the constant traffic of the studied street.