Assessing driver behavior using shrp2 adverse weather data

IntroductionThis study explored how drivers adapt to inclement weather in terms of driving speed, situational awareness, and visibility as road surface conditions change from dry to slippery and visibility decreases. The proposed work mined existing data from the SHRP 2 NDS for drivers who were involved in weather-related crash and near-crash events. Baseline events were also mined to create related metadata necessary for behavioral comparisons. Methods: Researchers attempted, to the greatest extent possible, to match non-adverse-weather driving scenarios that are similar to the crash and near-crash event for each driver. The ideal match scenario would be at a day prior to the crash during non-adverse weather conditions having the same driver, at the same time of day, with the same traffic level on the same road on which the crash or near-crash occurred. Once the matched scenarios have been identified, a detailed analysis will be performed to determine how a driver’s behavior changed from normal driving to inclement-weather driving. Results: Data collected indicated that, irrespective of site location (i.e., state), most crashes and near-crashes occurred in rain, with only about 12% occurring in snowy conditions. Also, the number of near-crashes was almost double the number of crashes showing that many drivers were able to avoid a crash by executing an evasive maneuver such as braking or steering. Conclusions: Most types of near crashes were rear-end and sideswipe avoidance epochs, as the drivers may have had a difficult time merging or trying to change lanes due to low visibility or traffic. Hard braking combined with swerving were the most commonly used evasive maneuvers, occurring when drivers did not adjust their speeds accordingly for specific situations. Practical applications: Results from this study are expected to be utilized to educate and guide drivers toward more confident and strategic driving behavior in adverse weather.     

2000—2002年沙尘现象对北京大气中PM10质量浓度的影响评估

北京地区大气中污染物粒子PM₁₀主要有3个来源:本地区排放的PM₁₀;北京周边地区排放的PM₁₀经过输送扩散进入北京大气中;沙尘现象污染北京大气,尤其在强沙尘时造成北京大气中主要污染物粒子皆为沙尘粒子。而北京部分地区受沙尘影响时,大气中污染物粒子既包含沙尘粒子也包含排放的污染物粒子。利用北京及周边地区气象台站资料、卫星遥感资料以及环境监测资料,采用月积分浓度和年积分浓度方法,对沙尘粒子与污染物粒子进行了统计对比分析,发现沙尘粒子约占北京PM₁₀的7%～19%。      

基于K-means聚类分析法的肇庆市干季PM2.5污染天气分型研究

通过分析肇庆市2013—2018年国控大气环境监测站的PM_(2.5)连续监测数据,发现肇庆市区PM_(2.5)浓度在干季(10月—次年4月)明显高于其余月份,轻度以上污染基本发生在干季,且PM_(2.5)浓度对年总浓度贡献达70.8%.基于Era-interim再分析资料采用K-means聚类分析法对2013—2018年干季逐日的海平面气压和10 m水平风进行分型,揭示了肇庆市易出现PM_(2.5)污染的6种大气环流形势,包括冷锋前部(CF)、变性高压脊(THR)、脊后槽前型(BRFT)、高压底后部(HSW)、弱冷高压脊(HR)和台风外围型(TP).2013—2016年易污染天气型影响天数呈明显减少趋势,2017—2018年呈增加趋势.不同天气型PM_(2.5)浓度与局地气象要素相关性不一致,其中CF、HR、HSW、TP天气型与湿度相关性最好,THR与风速、BRFT与气压相关性最好.PM_(2.5)污染除BRFT天气型主要以本地排放累积影响为主,其余易污染天气型存在不同尺度的外来输送影响,HSW、HR主要来自广州、清远、韶关, CF主要来自佛山、中山,THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大,其中HSW、THR污染型主要影响1月和10月,CF为1月和12月,HR为2月和12月,TP为10月,BRFT为1月和10—11月.不同年份的同一月份造成不同程度的PM_(2.5)污染除了排放影响,还与天气环流类型和同一天气型下的局地气象要素密切相关.     

基于WRF模式的广东海上风资源评估

在概述风资源评估传统方法的基础上,通过以下两个方面对基于WRF模式的海上风资源评估方法进行探讨。首先,详细分析了基于WRF模式的海上风资源评估的过程;其次使用珠江口某设计中的海上风场作为算例,进行了风资源量化估计,并对结果进行了对比。得出的主要结论为,鉴于我国缺乏长期和大面积的海上测风网,使用数值天气预报对海上风资源进行评估是必须的;风切变指数的变化剧烈,不应视作常数;数值预报数据应根据测风塔数据进行校正;对于选定了位置的风场,根据现场测风塔和根据数值天气预报给出的评估结果无显著差别。     

南京地区典型大气污染过程分析

文章统计分析了南京市近年来大气污染过程总体特征,选择2009-2011年不同类型的3个典型污染过程,分别讨论了其污染特征和影响因素.结果表明:以API值为污染判断指标,近年来南京市91%的污染过程持续时间在4 d以下,秋冬季节长时间污染过程更多。沙尘型污染受北方沙源地、长距离输送气象条件控制,影响范围广;秸秆燃烧型污染PM_(25)/PM_(10)浓度比例高达70%以上,细粒子(PM_(2.5))污染严重,主要受风向控制影响南京及周边局部地区,在降水冲刷或大风等气象条件下随污染源消失而快速消散;秋冬季的持续污染过程主要受气象条件影响,在均压场控制下,边界层呈局地性环流特征,污染物不断累积。     

北京市2015年森林植被区PM10质量浓度时空变化特征

以北京市大兴区南海子公园植被区与亦庄非植被区为研究对象,对比分析了植被区与非植被区PM₁₀质量浓度日变化、月变化特征及典型天气条件下的变化.结果表明：PM₁₀浓度的日变化趋势基本相同,呈典型的双峰曲线,春、夏季的峰值出现在9：00-10：00和18：00-19：00,秋、冬季的峰值出现在8：00-9：00和18：00-19：00,且秋、冬季PM₁₀浓度高于春、夏季;植被区与非植被区的PM₁₀月变化趋势基本一致,植被区PM₁₀浓度低于非植被区,且2月份PM₁₀浓度最大;各季节优良天气排序为夏季（42.60%）> 秋季（31.10%）> 春季（26.43%）> 冬季（15.17%）,中度及以上污染天气所占比例排序为冬季（55.52%）> 春季（27.57%）> 秋季（17.77%）> 夏季（3.58%）;PM₁₀浓度随降雨强度的增加呈减小的变化趋势,雨前12 h的PM₁₀浓度均值表现为植被区（106.43 μg·m^-3）<非植被区（157.39 μg·m^-3）,雨后12 h的PM₁₀浓度均值表现为植被区（50.96 μg·m^-3）>非植被区（38.41 μg·m^-3）;PM₁₀浓度随风速的增大呈减小的变化趋势,风后12 h的非植被区PM₁₀浓度削减率均值是植被区的1.23倍,且PM₁₀浓度削减率均处于较高水平;PM₁₀浓度随空气湿度的增大呈增大的变化趋势,随温度的升高呈减小的变化趋势.研究结果对进一步治理和控制北京市大气污染有参考价值.     

汽车气候老化主要环境影响因素分析

随着我国汽车产业的快速发展,人们对汽车品质的要求越来越高,汽车的气候老化问题也越来越受到关注,本文从汽车整车自然暴露试验展开研究,针对汽车气候老化主要环境影响因素——太阳光辐射、温度和湿度进行分析,为真实模拟人工老化试验技术提供基础依据,为选择合适的汽车气候老化试验方法提供技术参考.     

一些景观树对灾害天气事件的非对称响应

2004-2008年日本山口市的气候呈现出明显变化和波动的特点,突出表现在2004、2006和2007年。夏季极端高温和强台风伴随着无雨和持续的干旱等类似的灾害天气事件诱发了许多乔灌木景观树明显的可视被害症状。用压力室法对北美枫香树叶的观测表明,迎风面和被风面之间叶水势的差异来自于迎风面的叶、枝和树干对被风面的遮挡作用。因为台风或其他灾害天气事件持续地单向袭击树冠的一侧,山口市的一些景观树种迎风面和被风面之间表现出明显的叶面积、树冠面积和SPAD值的差别。灾害天气事件袭击期间的自我遮挡和灾后恢复期间的不平衡生长成为山口市景观树木偏冠的两个主要起因。许多木本植物从末端到基部的脱水特性似乎是它们响应灾害天气事件的一种重要的机制。修枝可以人为地削减蒸腾表面积以维持植株水分平衡,这使它成为一种修复被害树木的重要方式。     

西安世园会开、闭幕式期间灾害性天气风险分析

为了给有关部门应对可能出现的灾害性天气提供科学依据,利用西安气象站1951-2010年各种气象要素逐日观测资料,应用极值统计、单日概率计算和易损性分析等方法,分析了西安世界园艺博览会开、闭幕式期间出现各种灾害性天气的可能性,以及可能带来的风险及影响。结果表明:开幕式期间,尤其是2011年4月28日开幕式当日,西安出现暴雨的可能性小,出现干旱、沙尘天气可能性大,出现连续降水天气可能性较大,出现其它灾害性天气可能性小。闭幕式期间,尤其是2011年10月22日闭幕式当日,西安出现暴雨的可能性小,出现连续降水可能性大,出现沙尘、强降温、霜冻可能性较小,出现其它灾害性天气可能性小,但闭幕式前出现初霜可能性大。连续降水天气可能对参加开、闭幕式游客数量和经济收入产生明显影响。     

北京地区秋季雾霾天PM2.5污染与气溶胶光学特征分析

利用北京城区和郊区2011年9月1日～12月7日PM2.5质量浓度、气溶胶散射系数(σsca)和黑碳浓度观测资料,研究了雾霾天气条件下北京地区PM2.5污染与气溶胶光学参数的变化特征,并讨论了气象条件的作用.结果表明,北京地区PM2.5污染和气溶胶光学特性受雾霾天气的影响非常明显.PM2.5浓度、σsca和气溶胶吸收系数(σabs)在雾霾期均明显高于非雾霾期,雾霾期日均PM2.5浓度在城区和郊区分别达到97.6μg·m-3和64.4μg·m-3,为非雾霾期日均浓度的3.3和4.8倍.城区高PM2.5浓度造成雾霾类天气出现频率明显高于郊区.轻雾天城区PM2.5浓度、σsca和σabs明显高于郊区,区域输送的影响相对较弱,轻雾和霾天城郊差异较小,区域性特征明显,而雾天σsca城郊非常接近且在各雾霾类天气中相对最高,气溶胶散射能力最强,区域性特征较为明显.气象条件的不同造成各雾霾过程PM2.5浓度、σsca和σabs的空间分布、PM2.5污染及气溶胶消光强度上呈现不同的特点.边界层以上偏南风将南部地区污染物向北京输送,在整层下沉气流作用下使得边界层内污染物浓度增加,加之边界层高度持续稳定在600 m左右,边界层内风速很低,污染物水平、垂直扩散均很弱,造成局地污染物的累积,形成了PM2.5污染和气溶胶消光强度最强的一次雾霾过程.