基于ES-VSP分布的交通状态对公交车动态排放的影响

为评估不同交通状态下公交车运行特征和排放水平的差异,现场采集广州市B9、226线路公交车的逐秒GPS数据,以ES-VSP（发动机负荷-机动车比功率）分布表征畅通、轻度拥堵和中度拥堵下的公交车运行特征,结合IVE（international vehicle emission）模型求得公交车平均排放因子并分析其差异.结果表明:①所测公交车的发动机低负荷区中bin11（-1.6 < ES ≤ 3.1,-2.9 kW/t ≤ VSP < 1.2 kW/t）频率范围为50.55%~83.39%,中度拥堵时bin 11频率是畅通时的1.1~1.3倍;② 3种交通状态下公交车的CO、VOC（运行产生的挥发性有机物）、VOC_evap（蒸发产生的挥发性有机物）、NO_x（氮氧化物）和PM（颗粒物）平均排放因子范围分别为7.63~11.40、0.26~0.46、0.68~1.56、0.32~0.51和0.72×10-2~1.28×10-2 g/km;③同种交通状态下,主干路公交车专用道和BRT车道的公交车的大部分污染物平均排放因子低于次干路混行车道、主干路混行车道,中度拥堵时主干路BRT车道的CO、VOC、VOC_evap、NO_x和PM平均排放因子相对其他道路最低,分别为7.66、0.27、0.87、0.32和0.75×10-2 g/km;④次干路混行车道、主干路混行车道的公交车污染物平均排放因子随交通状态愈加拥堵而增大,但畅通时主干路BRT车道的公交车行驶速度、加速度较高,导致CO平均排放因子较高,对应3种交通状态其比例为1.0:0.9:0.8.研究显示,交通状态对公交车运行和排放具有显著影响.      

城市不同类型高架快速路噪声影响

参照《城市快速路设计规程》(CJJ 129—2009)并用Cadna/A软件对3种类型的城市高架快速路进行声场模拟;对高架类型、道路限速、预测点噪声值三者进行方差分析并评判高架类型对预测点噪声值的影响程度。结果表明,高架声影区只对高度低于高架且与高架距离较近的预测点影响较大,地面道路对1~2层预测点的噪声值影响较大;双层分离式在1~8层表现出更强的噪声污染性,噪声最大值出现在第6层附近,单层分离式及整体式产生的噪声最大值所在楼层数随建筑物与高架之间距离的增大而升高,单层分离式对各楼层的噪声污染程度都较小。高架类型、道路限速对噪声值的影响显著,道路交通量的大小可以改变高架类型及道路限速对于预测点噪声的效应量大小。     

模糊综合评价法在道路运输企业安全评价中的应用

我国道路运输企业交通安全形势比较严峻,推行道路运输企业安全综合评价是降低道路运输企业交通事故的有效途径之一.本文运用Delphi法和AHP法建立了道路运输企业安全层次分析模型,构建了安全综合评价指标体系.选用基于"差动"原理的赋权法--G1法计算各指标的权重,应用模糊综合评价法对其进行安全综合评价.采用平均加权法对评价因素的各项指标进行量化处理,从而得到道路运输企业安全的综合评价结果.最后,对陕西省一家道路运输企业进行了实际验证,比较真实地反映了此企业的安全状况.     

道路交通噪声不同预测模型之比较

目前,我国在进行道路交通噪声环境影响评价工作中主要使用的预测模型有2009声导则模型、2006规范模型,此外,也有部分噪声评价工作采用了德国的CadnaA软件。因各种模型在使用条件和参数选取等方面存在不同,导致预测结果存在差异。如何选取合适的预测模型,一直是国内学者不断研究想解决的问题。本文对已有道路交通噪声进行现场实测,通过设计不同的预测模式进行模型验证,将预测结果与实测值进行比较,结果表明这五种噪声预测模式中,模式一、模式四、CadnaA软件的噪声预测值与实际情况最相符,模式一绝对预测误差昼间在3.3-6.0 dB(A)之间,夜间在-3.4-0.2 dB(A)之间。使用2009声导则模型、2006规范模型相结合的预测模式更为准确。     

城市街谷与上游阻挡建筑最不利间距的研究

采用数值模拟的方法,研究了街谷内上风建筑与上游阻挡建筑的间距（D）,即上游建筑间距,对街谷内空气流动特性和气态污染物分布规律的影响.模拟结果表明,街谷内迎风区的气流速度基本不随D的变化而变化,而背风区和中心区的气流速度随着D的增加呈现先减小后增大的趋势,并在D=90m时,气流速度达到最小值.相应地,在D=90m时街谷内污染物浓度最高,表明D存在最不利值,在城市规划中应尽可能避免该间距.当D大于90m时,D越大,污染物浓度越低,而D小于90m时,D越小,污染物浓度也越低,可以同时实现节约用地和减小交通污染的目的.     

典型城市道路交通加密监测点大气污染特征及影响因素

基于“十四五”生态环境监测要求,针对目前国内城市道路交通加密监测点大气污染特征及影响因素相对缺乏这一问题,以移动源为主要大气污染来源的甘肃省兰州市为例,在典型道路两侧不同点位、不同高度监测6种常规大气污染物浓度及气象参数,同时获取道路车流量和车型信息,探究其大气污染特征及影响因素。结果表明：道路两侧及道路同侧不同高度处大气污染物监测浓度均存在差异。PM_2.5、PM₁₀浓度随高度升高而逐渐降低,在2 m高度处最高,SO₂、NO₂、CO、O₃浓度均呈现随高度先升高再降低的趋势,在4 m高度处最高。SO₂、NO₂、PM_2.5、PM₁₀、CO小时浓度在05:00—09:00达到峰值,在15:00—17:00达到谷值;而O₃小时浓度峰谷值的时间恰好相反。NO₂、CO浓度受车流量影响较大,代表时段NO₂浓度与重型货车流量表现出极强的相关性,CO浓度与小型客车流量表现出强相关性。监测时段6种污染物日均浓度与相对湿度均呈负相关;NO₂、PM_2.5、PM₁₀、CO日均浓度与风速均呈负相关,O₃日均浓度与风速呈正相关。

     

上海市机动车污染实时排放预警系统设计与应用

研究上海市机动车污染的动态排放测算和网格化动态排放清单构建,在实时的交通数据和交通环境监测数据的基础上,结合交通模型、机动车排放清单模型等业务模型和算法,依托大数据存储、可视化和GIS等技术,开发了上海市机动车污染物实时排放预警系统,实现了上海市全市道路的机动车动态排放测算、交通环境政策实施情景模拟和网格化排放清单,更新频率为每30 min一次,包含PM、NO_x、CO、SO₂、VOCs等污染物和9种车型。系统建成后直接服务于首届中国国际进口博览会,为大气污染排放实时总量跟踪评估、污染源管控措施分析及监测成因分析等提供了有力的实时数据和技术支撑。     

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     

中国国道和省道机动车尾气排放特征

近年来,随着我国机动车保有量的持续增长,机动车排放已成为我国重要的大气污染物来源之一.现有的机动车排放研究多关注城市内的机动车大气污染物排放,针对城市间的大气污染物排放研究较少.我国城市间交通道路主要包括国道和省道,截止至2015年我国国道里程18.53万km、省道里程32.97万km,约占全国等级公路总里程的13%,因此开展我国国道和省道机动车大气污染物排放研究十分重要.本研究基于全国国道和省道交通监测站的年均监测数据,采用环境保护部发布的《道路机动车大气污染物排放清单编制技术指南(试行)》中的指导方法,计算了2015年我国国道和省道机动车的大气污染物排放清单,分析了污染物排放的时空分布特征.结果表明,我国国道和省道公路机动车排放的一氧化碳(CO)、氮氧化物(NO_x)、颗粒物(PM)和碳氢化合物(HC)排放量分别占全国机动车污染物总排放量的4.5%、27.9%、14.4%和7.7%;不同车型对国道和省道机动车大气污染物排放的分担率不同,其中大货车是NO_x、PM_(10)、PM_(2.5)的主要来源,摩托车是CO和HC的主要来源;不同道路类型中各车型的大气污染物排放分担率也不同,如高速路上大货车是NO_x、PM_(10)和PM_(2.5)的主要来源,普通道路上大客车和大货车是NO_x、PM_(10)和PM_(2.5)的主要来源.     

Driver's obesity and road crash risks in the United States

Objective: We assessed obesity trends in U.S. drivers involved in fatal crashes since 1999 and distinguished whether crash risk factors were different between obese and nonobese drivers.

Methods: We included only drivers of passenger cars involved in fatal traffic crashes between January 1, 1999, and December 31, 2012. Obesity was classified according to the World Health Organization guidelines and profiled between 1999 and 2012 using the adjusted prevalence ratio (aPR) from log-binomial regression models. Differences in crash risks (e.g., driver's fatality, drunk driving, seat belt nonuse) between obese and nonobese drivers were estimated as adjusted odds ratios (aORs) using logistic regression models.

Results: A total of 753,024 U.S. drivers were involved in fatal crashes, for which obesity information was available for 534,887. About 56% (n = 299,078) were driving passenger cars. The prevalence of class I obesity increased from 10% in 1999 to 14% in 2012 (aPR = 1.50, 95% confidence interval [CI], 1.42–1.58), class II obesity from 3 to 5% (aPR = 2.22, 95% CI, 2.05–3.01), and class III obesity from 1 to 2% (aPR = 2.65; 95% CI, 2.27–3.10). Compared to nonobese controls, obese drivers had significantly higher risks for fatality (1.10 ≤ aOR ≤ 1.47), seat belt nonuse (1.00 ≤ aOR ≤ 1.21), need for extrication (1.01 ≤ aOR ≤ 1.23), and ambulance transport time ≥30 min (1.01 ≤ aOR ≤ 1.28). Compared to nonobese controls, obese drivers were less likely to drink drive (0.41 ≤ aOR ≤ 0.72) or speed >65 mph (0.78 ≤ aOR ≤ 0.93).

Conclusion: The rising national prevalence of obesity extends to U.S. drivers involved in fatal crashes and indicates the need to improve seat belt use, vehicle design, and postcrash care for this vulnerable population.