【摘要】： 近年来,随着城市机动化进程的不断发展,城市交通拥堵状况日益加剧,由此带来的机动车尾气排放污染问题,严重的困扰着城市居民的工作和生活,恶化着城市生态环境,严重危害着人们的健康,环境污染问题已成为世界各国现代城市交通发展中面临的首要问题。步行是城市居民的主要出行方式之一,城市道路环境是行人步行的重要场所,由于城市道路环境两侧建筑密集,机动车流量较大,因此该区域污染扩散条件较差,污染源排放集中,使得城市道路环境空气污染比区域性空气污染更为严重,步行于其中的出行者没有任何遮蔽完全暴露于空气污染物中,而具有较大的健康风险。 本研究以城市道路环境空气中3种影响人体健康的主要污染物(NO_x、CO、O_3)为研究对象,分析了城市道路环境污染物暴露特征以及行人步行速度相关影响因素;通过车载尾气测试系统得到机动车排放实测数据,分析评价了不同机动车污染物排放模型的模拟精度;在全面采集交通、污染物、气象等各类数据的基础上,开展了城市道路环境污染物扩散模拟研究;在整合数据采集系统与各类模型的基础上,构建了城市道路环境行人污染物暴露模拟平台。 本文的主要研究内容和结论包括: (1)本研究比较分析了3种典型机动车尾气排放模型(MOBILE模型、IVE模型、CMEM模型)的原理、车型分类、适用范围等因素,通过车载尾气采集分析系统进行车辆行驶工况、尾气排放、油耗数据的采集,比较分析了3种模型的模拟结果。此外,本研究分别选取机动车在冷启动(Cold Start)、热启动(HotStart)与热稳定(Stabilized)3种状态下的运行工况片段,输入到CMEM模型中,分析比较了不同工况条件下的CMEM模型的模拟精度。研究结果表明,与宏观排放模型MOBILE模型、IVE模型相比,微观排放模型CMEM模型在准确获取机动车行驶工况数据的前提下,模拟精度较高。 (2)本研究通过分析实测得到机动车尾气中NO_x(NO_2+NO)的构成比例,并利用空气污染物检测数据构建了城市道路环境NO_x与NO_2关系模型,从而改进了污染物扩散模型CALINE4,使其可以应用于城市道路环境NO_x浓度的模拟计算。通过对NO_x与CO两种污染物浓度模拟结果与实测结果的比较发现,环境风速小于3.0m/s时,模拟结果较为准确;当风速大于4.0m/s时,模拟值比实测值偏低。 (3)本研究分析了O_3浓度与太阳辐射、NO_x浓度、温度、机动车流量、风速的相关性,分析结果表明,城市道路微观环境下O_3浓度与风速呈正相关特性,其原因在于风速的升高加大了污染物的扰动与混合程度,促进了O_3的生成反应。本文分别选取不同位置O_3浓度的相关影响因素,构建了可用于计算路侧检测点与背景检测点O_3浓度的多元回归模型。模拟结果与实测结果比较发现,路侧检测点模型计算值平均相对误差为7.71%,背景检测点模型计算值平均相对误差为4.08%。 (4)本文构建了城市道路环境行人污染物暴露模拟平台,实现了对于城市道路环境下不同信号控制条件、不同走行线路行人的空气污染物暴露情况的模拟分析。模拟平台由基础数据采集模块、交通仿真模块(VISSIM)、机动车排放模块(CMEM)、污染物扩散浓度计算模块(CALINE4、回归模型)和行人污染物暴露计算模块5部分组成。针对各模块不同的车型分类方法,建立了各模块之间的车型映射关系。 (5)应用城市道路环境行人污染物暴露模拟平台,分析了测试交叉口采取固定信号与感应信号两种信号控制方法的交通运行状况、污染物浓度分布状况、行人暴露量与行人污染物吸入剂量的变化情况。仿真结果表明,采用感应信号控制方法,交叉口机动车运行状况得到明显改善,主要污染物浓度显著降低,行人暴露量与污染物吸入剂量明显减少。以CO为例,感应信号控制条件下,行人污染物暴露量均值下降26.2%,通过该交叉口行人的平均CO吸入剂量减少3.1ml。
【图文】：
选取英国莱斯特市2001年全年的路侧空气污染物检测点的检测数据分析空气污染物的时空变化情况。莱斯特市共计设有13个路侧空气质量检测点，其中9个路侧空气质量检测点位于市区，如图2一1一2，检测器以分钟间隔记录路侧空气中CO与NO:浓度情况，通过数据处理得到各检测点CO与NOZ的年平均日变化曲线如图2一1一3、2一1一4所示。图2一1一2英国莱斯特市路侧污染物检测站分布情况FigureZ小 2LoeationofRoadsidePollutionMonitorsinLeieester， UK分析路侧污染物浓度时空变化对于确定污染物与交通条件之间关系具有重要意义(Chen，2008)。如图2一1一3所示，CO浓度日变化曲线呈现出与交通流量变化极为相关的特性，体现出明显的早高峰(WO625)及晚高峰(w0158)，其他检测点伴随交通量早晚高峰而出现的污染物峰值特性也较为显著。CO浓度的日变化曲线
北京交通大学博士学位论文动车流量较为均衡，而污染物浓度早晚高峰也较为接近。NO:年均日变化曲线与CO略有不同，总体来看全天峰值出现在傍晚(16:00一17:00)，不同检测点位置的浓度差异也较为显著。通过上述分析可知，当交通特性不同时，城市道路环境污染物浓度存在很大差异，但总体来看，随着机动车流量早晚高峰的出现，，污染物浓度也达到峰值，该时段也正是行人出行较为密集的时段，行人受到机动车尾气污染物的影响也最为严重。
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2009
【分类号】：X831
【参考文献】
相关期刊论文 前10条
1 毛保华,杨肇夏,陈海波;道路交通仿真技术与系统研究[J];北方交通大学学报;2002年05期
2 凌英;付娟;宁智;;街道峡谷内机动车排气污染物的扩散规律[J];北京交通大学学报;2006年04期
3 马因韬;刘启汉;雷国强;李潭峰;栾胜基;;机动车排放模型的应用及其适用性比较[J];北京大学学报(自然科学版);2008年02期
4 张雄;李孟良;乔维高;;汽车排放污染物测试的发展方向——车载排放测试[J];北京汽车;2006年06期
5 叶身斌;王岐东;贺新;;天津在路机动车活动水平调查研究[J];北京工商大学学报(自然科学版);2007年02期
6 赵立蔚,丁广德,熊宪英,崔杰,刘伟,刘彩霞,房玉梅,汪楠;天津市机动车污染评估方法[J];城市环境与城市生态;2002年06期
7 李伟,傅立新,郝吉明,马红,李锁强,胡伟;中国道路机动车10种污染物的排放量[J];城市环境与城市生态;2003年02期
8 訾琨,涂先库,黄永青,杨仁法;城市交通与机动车排放控制[J];城市环境与城市生态;2005年03期
9 竟峰;张旭;;利用IVE模型进行公交车尾气排放分析[J];环境科学与技术;2006年09期
10 陈红梅,陈崇成,汪小钦;应用CALINE4模式模拟机动车排气污染的时空分布——以厦门市主干道路为例[J];福州大学学报(自然科学版);2004年02期
相关博士学位论文 前1条
1 史建港;大型活动行人交通特性研究[D];北京工业大学;2007年
相关硕士学位论文 前2条
1 孙智勇;信号交叉口人行横道的行人交通特性研究[D];北京工业大学;2004年
2 许建昌;车辆道路实际排放特征研究及应用[D];武汉理工大学;2006年
本文编号：
2632392
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/2632392.html
