基于移动监测的微尺度街区交通污染物浓度

发布时间：2020-10-16 21:16

　　 近20年,持续增加的汽车排放污染物(CO和NOx)正在严重威胁道路出行者的健康,微尺度街区环境的优劣直接关系每一位街区出行者的健康。随着现代城市出行需求的增加,微尺度街区环境越来越成为关注的热点。扩散模型适用于比例均匀的峡谷型街区环境研究,基于流体力学的数值模拟方法可以模拟计算复杂街区内的环境,两类模型在微尺度街区环境的预测效果可验证性不高。移动监测兼顾了固定监测采集数据真实可靠的特点,以其可多地循环监测多维时空数据等优势,逐渐成为研究微尺度街区环境的新方法。本文考虑街区污染物浓度的8个影响因素:风速、风向、温度、湿度、车速、车流量、重车量、街道高宽比,利用移动监测采集微尺度街区数据分析:1)移动监测数据的可靠性,2)假定街区内的气象、交通因素固定不变(理想态),在理想态下,研究移动车速与采样污染物浓度的关系;分析同街区内,移动采样与固定采样的关系。3)假定街区内环境受气象、交通、地貌等因素共同作用(一般态),在一般态下,研究微尺度街区内污染物浓度的参数、非参数预测模型。数据可靠性分析分为静态、动态数据校验,动态数据校验分析显示不同移动车速下的采样浓度可用于表征不同交通模式下人体的暴露水平。理想态下,当移动车速为0v≤40km/h时,移动车速与采样污染物浓度无线性关系。移动采样速度为10v≤15km/h和0v≤5km/h时,移动采样的CO和NOx的浓度对固定采样CO和NOx的浓度变化水平解释程度最好。一般态下,建立的污染物浓度参数预测模型有多项式回归、幂函数回归、对数回归和双曲线回归,建模效果最好的是幂函数回归(CO_R2=0.76,NOx_R2=0.44),高于其它三个参数模型。建立的污染物浓度非参数预测模型有神经网络、支持向量机和随机森林模型回归,建模效果最好的是随机森林模型回归(CO_R2=0.98,NOx_R2=0.92),优于神经网络和支持向量机回归。一般态下,采样新街区数据对两个最优模型进行模型验证,幂函数回归的预测效果为:CO_R2=0.68,NOx_R2=0.5,随机森林模型为:CO_R2=0.83,NOx_R2=0.53,模型验证结果显示微尺度街区浓度最优预测模型为随机森林模型。模型误差分析表明车流量是影响微尺度街区浓度(CO,NOx)预测误差大小的主要因素。微尺度街区内的污染物浓度预测可用于交通环境调控,绿色、健康交通诱导。
【学位单位】：清华大学
【学位级别】：博士
【学位年份】：2015
【中图分类】：X831
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 汽车保有量
    1.2 机动车排放量
    1.3 机动车排放的危害
    1.4 环境监测站与街区环境
    1.5 研究意义
第2章 国内外城市街区层面交通污染物浓度研究现状
    2.1 模式模型法
        2.1.1 扩散模型
        2.1.2 数值模拟法
        2.1.3 街区浓度分析软件
    2.2 现场固定测量法
    2.3 现场移动测量法
    2.4 其它研究方法
        2.4.1 混合模型
        2.4.2 街区环境评价
        2.4.3 街区暴露研究
    2.5 国内外街区层面污染物浓度研究存在的问题
第3章 研究思路
    3.1 研究目的
    3.2 街区交通污染物浓度的影响因素
    3.3 研究内容
        3.3.1 移动监测数据校验
        3.3.2 理想状态下微尺度街区交通污染物浓度的关系研究
        3.3.3 一般状态下微尺度街区交通污染物浓度预测模型研究
    3.4 研究思路
第4章 移动监测平台
    4.1 移动监测平台设计思路
    4.2 移动监测平台总体构架
    4.3 移动监测平台数据采样系统
        4.3.1 数据采样系统拓扑结构
        4.3.2 数据采样设备及数据采样种类
第5章 移动监测平台数据采样
    5.1 移动监测平台数据采样步骤
    5.2 采样设备数据校验
        5.2.1 静态采样数据校验
        5.2.2 动态采样数据校验
    5.3 理想状态下微尺度街区交通污染物浓度采样
        5.3.1 理想态数据采样方案
        5.3.2 理想态数据采样方法
    5.4 一般状态下微尺度街区交通污染物浓度采样
        5.4.1 一般态数据采样方案
        5.4.2 一般态数据采样方法
    5.5 一般态采样数据的元数据定义
第6章 数据分析和模型建立
    6.1 采样设备数据校验结果分析
        6.1.1 静态采样数据校验结果分析
        6.1.2 动态采样数据校验结果分析
        6.1.3 利用动态校验数据研究不同交通模式下人体暴露水平
    6.2 理想状态下微尺度街区交通污染物浓度研究
        6.2.1 采样设备响应时间测试及标定
        6.2.2 理想状态各元数据的稳态性分析
        6.2.3 理想状态微尺度数据采样结果分析
        6.2.4 理想态移动监测车车速与采样污染物浓度关系
        6.2.5 理想态移动观测值与对应固定观测值的关系
    6.3 一般态微尺度街区交通污染物浓度数据分析
        6.3.1 一般态微尺度街区元数据采集结果
        6.3.2 一般态交通污染物浓度的元数据单因素分析
    6.4 一般态微尺度街区交通污染物浓度参数模型研究
        6.4.1 一般态四种非线性参数模型建模分析
        6.4.2 一般态考虑时间因素的幂函数回归建模分析
        6.4.3 考虑时间、背景值后的幂函数回归建模分析
    6.5 一般态下微尺度街区交通污染物浓度非参数模型研究
        6.5.1 微尺度街区交通污染物浓度的BP神经网络模型
        6.5.2 微尺度街区交通污染物浓度的支持向量机模型
        6.5.3 微尺度街区交通污染物浓度的随机森林模型
        6.5.4 非参数模型结果对比及与文献模型分析
第7章 模型验证
    7.1 微尺度交通污染物浓度模型验证数据采集
        7.1.1 模型验证方案
        7.1.2 实验数据采样方法
    7.2 微尺度街区交通污染物浓度模型验证过程
        7.2.1 数据采样结果
        7.2.2 幂函数回归模型校验及分析
        7.2.3 随机森林模型校验及分析
        7.2.4 微尺度街区交通污染物浓度模型验证误差分析
    7.3 微尺度街区克里金交通污染物浓度分布面
第8章 结论与展望
    8.1 主要研究结论
        8.1.1 C O和NOx测量设备数据校验
        8.1.2 理想态下微尺度街区交通污染物浓度规律小结
        8.1.3 一般态下微尺度街区交通污染物浓度预测模型
    8.2 研究展望
参考文献
致谢
附录A 网络数据资源
附录B 微尺度街区交通污染物浓度参数模型建模
附录C 微尺度街区交通污染物浓度非参数模型建模
附录D 微尺度街区交通污染物浓度幂函数回归模型预测（CO和NOx）
附录E 微尺度街区交通污染物浓度随机森林模型预测(CO和NOx)
附录F 微尺度街区交通污染物克里金浓度分布面(CO和NOx)
个人简历、在校期间发表的学术论文与研究成果

【参考文献】

相关期刊论文 前10条

1 宋兵跃;胡可臻;吴建平;周杨;;不同交通模式下CO和NO_x的暴露水平研究[J];中国环境科学;2014年11期

2 黄志辉;陈伟程;吉喆;尹航;马冬;;全国机动车污染物排放量——《2013年中国机动车污染防治年报》(第Ⅱ部分)[J];环境与可持续发展;2014年01期

3 方匡南;吴见彬;朱建平;谢邦昌;;随机森林方法研究综述[J];统计与信息论坛;2011年03期

4 梁文艳;孙德智;黄珊;;编制城市交通道路环境空气质量监测技术规范的探讨[J];环境科学研究;2010年05期

5 申卫国;孙德智;王辉;;北京市道路空气中NO_x现状监测及控制对策[J];环境科学研究;2010年05期

6 刘侃侃;贠延滨;罗才武;孙德智;;城市机动车尾气排放及道路扩散模式综述[J];环境监测管理与技术;2009年06期

7 陈辉煌;高岩;范炳全;刘娟娟;黄远东;;城市道路机动车不同速度等效排污模型研究[J];上海理工大学学报;2009年03期

8 吴淳;徐航;;城市道路交通污染预测与评价[J];科技信息(科学教研);2007年31期

9 秦奋;刘媛;;基于GIS的城市机动车尾气排放扩散模拟研究综述[J];云南地理环境研究;2007年03期

10 李莉;陈长虹;黄成;景启国;潘汉生;黄海英;;CALRoads模式在上海市典型道路CO扩散预测中的应用[J];环境监测管理与技术;2006年04期

相关博士学位论文 前3条

1 施继红;城市道路平面交叉口交通污染分析及综合评价[D];吉林大学;2012年

2 郭谨一;城市道路环境机动车污染物排放扩散及其对行人影响研究[D];北京交通大学;2009年

3 柳靖;机动车尾气在街谷中分布规律及其对建筑环境的影响[D];哈尔滨工业大学;2009年

相关硕士学位论文 前3条

1 王建长;城市街道峡谷内机动车污染物扩散的数值模拟研究[D];山东大学;2012年

2 刘媛;基于GIS的开封老城区机动车尾气排放扩散模拟[D];河南大学;2007年

3 兰涛;CALINE4模型在西安市主干道机动车CO污染扩散计算中的应用研究[D];西安建筑科技大学;2006年

本文编号：2843785