CN112951425A - 一种机动车的尾气排放对人体健康影响的评估方法 - Google Patents
一种机动车的尾气排放对人体健康影响的评估方法 Download PDFInfo
- Publication number
- CN112951425A CN112951425A CN202110261830.XA CN202110261830A CN112951425A CN 112951425 A CN112951425 A CN 112951425A CN 202110261830 A CN202110261830 A CN 202110261830A CN 112951425 A CN112951425 A CN 112951425A
- Authority
- CN
- China
- Prior art keywords
- data
- motor vehicle
- pollutant
- concentration
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 90
- 231100000719 pollutant Toxicity 0.000 claims abstract description 90
- 238000009792 diffusion process Methods 0.000 claims abstract description 52
- 201000010099 disease Diseases 0.000 claims abstract description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 24
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000000356 contaminant Substances 0.000 claims description 33
- 239000007789 gas Substances 0.000 claims description 30
- 230000034994 death Effects 0.000 claims description 20
- 231100000517 death Toxicity 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 15
- 238000005096 rolling process Methods 0.000 claims description 12
- 230000003204 osmotic effect Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 230000007170 pathology Effects 0.000 claims description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 238000012502 risk assessment Methods 0.000 claims 1
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005183 environmental health Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 150000003568 thioethers Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种机动车的尾气排放对人体健康影响的评估方法，包括：获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库；计算待评估区域的机动车污染物排放数据并建立评估区域的机动车污染物排放数据库；采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据；对待评估区域的污染物浓度分布数据进行网格化处理，采用人群污染物暴露模型计算人群污染物暴露参数；建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化，能够量化机动车尾气排放对人体健康的影响，为相关部门提供数据支撑。
Description
技术领域
本发明涉及交通出行与环境健康领域，尤其涉及一种机动车的尾气排放对人体健康影响的评估方法。
背景技术
健康影响评价(Health Impact Assessment,HIA)是一种针对政策、规划或者建设项目所导致的对人群健康影响(例如，死亡率或者疾病率的变化)进行评估预测的综合性方法，近年来得到了广泛关注。
随着机动车数量的不断增多，机动车出行量的不断增加，尾气排放量也随之增加。在城市区域，交通拥堵加剧了机动车尾气的排放量。目前，我国机动车排放污染已成为空气污染的重要来源，同时，由于机动车大多行驶在人口密集区域，尾气排放直接威胁群众健康。机动车尾气所排放出来的污染物，主要包括：一氧化碳(CO)、颗粒物(PM2.5、PM10)、碳氢化合物(HC)、氮氧化物(NOx)、硫化物(SOx)等，对人体身体健康具有严重的危害，是诱发多种癌症的原因之一。现阶段，全社会开始重视机动车尾气所导致的健康问题。然而，有关定量分析机动车排放污染物对人体健康的影响程度的研究还不够完善，目前处于起步阶段，还没有针对机动车排放尾气对人体健康影响的评价方法。
发明内容
本发明提供了一种机动车的尾气排放对人体健康影响的评估方法，以为交通管理指挥部门提供数据支撑，解决现有技术中存在的问题。
为了实现上述目的，本发明采取了如下技术方案。
本发明实施例提供了一种机动车的尾气排放对人体健康影响的评估方法，包括：
获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库；
根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车尾气的各类污染物排放数据并建立评估区域的机动车污染物排放数据库；
根据待评估区域的机动车污染物排放数据库和气象数据库，采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据；
对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数；
跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化。
优选地，交通类数据包括：机动车速度数据、机动车流量数据和路网属性数据，所述的机动车数据包括：机动车类型、机动车设备数据、机动车燃油数据和机动车排放率数据；所述的气象类数据包括：风力、风向、温度和湿度数据；所述的健康类数据包括：全因死亡数、人口数据和伤残调整生命年数据。
优选地，路网属性数据包括：路段名称、编号、时间、车道数、行车方向、路段空间布置数据；所述的机动车设备数据包括：滚动阻力、旋转滚动阻力以及空气阻力系数、机动车重量、换算数据。
优选地，根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车污染物排放数据并建立评估区域的机动车污染物排放数据库，包括：
根据下式(1)对各车型的行驶速度进行区间划分：
其中，vj为j车型机动车路段行驶速度，vj∈[vj，min，vj，max]，vj，min是j车型机动车路段行驶最低速度，vj，max是j车型机动车路段行驶最高速度，Binv，j为j车型机动车速度区间总数；k为粒度；
为向上取整函数；
根据下式(2)的机动车比功率模型计算各车型在各速度区间的机动车比功率分布数据，并构建待评价区域的机动车比功率数据库：
其中，
为j车型机动车在第Bin′v，j个速度区间下的比功率；vj，Bin′为j车型在第Bin′v，j速度区间的平均速度；aj为j车型机动车加速度；Aj、Bj、Cj分别为j车型机动车滚动阻力、旋转滚动阻力以及空气阻力系数；mj为j车型机动车质量；fj为j车型的换算系数；
根据计算得到各车型在各个速度区间下的机动车比功率分布数据，根据下式(3)以步长Step进行等间隔划分，得到各车型VSP区间数Binvsp,j：
其中，Binvsp,j为j车型机动车的VSP区间数；VSPj，min为j车型机动车最小VSP；VSPj，max是j车型最大VSP；Step为步长；
为向上取整函数；
根据下式(4)计算各车型在各个VSP区间的分布频率：
其中，
表示j车型机动车第Bin′vsp个VSP区间的分布频率；
表示j车型机动车第Bin′vsp个VSP区间中包含的VSP数据量；Sumj表示j车型机动车所有的VSP数据量；
根据获取的机动车排放率数据和各车型在各个VSP区间的分布频率，计算各车型的平均排放率AvgER，公式如下式(5)所示：
其中，AvgERj表示j车型机动车的平均排放率；
表示j车型机动车的第Bin′vsp个VSP区间某种排放污染物的排放率(g/s)；
根据下式(6)计算所取时段内各路段上的排放量，进而构建路段污染物排放数据库：
其中，Pl为路段l的某种污染物排放量；t为开始时间；T为结束时间；C表示所有的车型数；numj表示j车型下的车辆数；
依据下式(7)计算排放源的平均排放率：
其中，Q为排放源的平均排放率；ΔT为时间粒度。
优选地，污染物扩散分布模型包括：
稳定边界层条件下，污染物浓度扩散如下式(8)所示：
其中，
Cs(x，y，z)为稳定边界层条件下坐标(x，y，z)处的污染物浓度；Q为排放源的平均排放率；u为风速；Fy是横向分布函数，zieff是有效的稳定混合层高度；σzs是垂直方向扩散系数；hes是烟羽的高度；σy是水平色散系数；
对流边界层条件下，污染物浓度扩散如下式(9)所示：
Cc(x，y，z)＝Cd(x，y，z)+Cp(x，y，z)+Cr(x,y,z) (9)
其中，Cc(x,y,z)为根据路段机动车各类污染物排放数据库获取的稳定边界层条件下坐标(x,y,z)处的污染物浓度；Cd(x,y，z)为坐标(x,y，z)处的直接烟羽扩散浓度；Cp(x，y，z)为坐标(x，y，z)处的渗透源烟羽扩散浓度；Cr(x，y，z)为稳定边界层条件下坐标(x,y,z)处的间接烟羽扩散浓度；
直接烟羽扩散浓度如下式(10)所示：
其中，
Cd(x，y,z)是直接烟羽扩散浓度；fp是未穿透的羽流系数；λn是高斯分布权系数；ψdn是烟羽高度；zi是总混合深度；σzn是垂直色散系数由上升部分和近地表部分组成；Δhd是直接烟羽扩散源的烟羽抬升高度；hs是考虑下沉的污染源高度；z是监测点高度，{z＝zr，zp}，分别表示水平和垂直方向的状态分量；
各自分布的平均垂直速度，n＝1,2，等于1时表示上升气流，等于2时表示下降气流；
间接烟羽扩散浓度如下式(11)所示：
其中，ψrn＝ψdn-Δhi；Cr(x,y,z)是间接烟羽扩散浓度；ψrn是烟羽高度；Δhi是间接烟羽扩散源的烟羽抬升高度；
渗透源烟羽扩散浓度如下式(12)所示：
其中，Cp(x，y，z)是渗透源烟羽扩散浓度；zieff是稳定层反射面的高度；σzp是渗透扩散系数。
优选地，对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数，包括：
将待评估区域划分为若干网格，其中横向xi个，纵向yj个；基于污染物扩散分布模型计算各网格内污染物浓度，计算公式如下式(13)所示：
其中，
为网格的平均污染物浓度；x′i为网格横向编号；y′j为网格纵向编号；b为网格内采样点总数；Cc，s(x，y，z)为网格内采样点(x，y，z)处污染物浓度；
根据下式(14)计算个体在网格x′iy′j内接触污染物的浓度Ep：
其中，Ep为个体在网格x′iy′j内接触污染物的浓度；
为网格x′iy′j内污染物的浓度；Bk为个体平均呼吸速率；
为暴露在网格x′iy′j环境中的时间，
为网格x′iy′j内途经的路网长度，vmove为个体平均移动速率；计算个体在待评估区域所接触的污染物总浓度如下式(15)所示：
Ep，total＝∑k∑mEp (15)
其中，Ep，total为个体接触所有污染物的总浓度；Ep为个体在网格x′iy′j内接触某一污染物的浓度；k为污染物种类数；m为个体出行路径所经历的总网格数。
优选地，跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化，包括：
采用人群归因分值构建如下式(16)所示的健康影响评价模型，其中，人群在尾气中暴露引起的疾病负担的变化由ACM与DALY两项指标反映：
其中，ΔDBexposure，ACM是人群在尾气中暴露引起的全因死亡率的变化，
ACM是全因死亡率，POPdeath是总死亡人数，POPaverage是平均人口数；ΔDBexposure，DALY是人群在尾气中暴露引起的伤残调整生命年的变化；PAF是归因分值，表示人群发病率中归因于暴露的部分；ACMbaseline是暴露引起的全因死亡率的基准值；DALYbaseline是暴露引起的伤残调整生命年的基准值，DALY＝YLL+YLD，YLL＝N×L，YLD＝I×DW×L，DALY是伤残调整生命年，YLL是疾病死亡损失的健康生命年，YLD是疾病伤残损失的健康生命年，N是死亡数量，L是标准死亡寿命，I是发病病例数，DW是疾病权重，L是伤残平均年数；β是系数，根据待评估区域的病理学报告获取；x1和x2是标准状态和评估状态的所有人的接触尾气的浓度；Ep,toatl，1是标准状态下个体总的接触尾气的浓度；Ep，toatl，2是评估状态下个体总的接触尾气的浓度。
优选地，机动车类型包括：出租车、公交车、出租车除外的微型客车、出租车除外的小型客车、公交车除外的中型客车、公交车除外的大型客车、微型货车、轻型货车、中型货车、12-16t重型货车、16-22t重型货车、22-28t重型货车、28-40t重型货车以及40t以上重型货车。
由上述本发明的机动车的尾气排放对人体健康影响的评估方法提供的技术方案可以看出，本发方法能够量化机动车排放尾气对人体健康的影响，既能帮助了解研究区域人群的健康影响程度，推进相关措施的改进；亦能为交通管理指挥部门提供数据支撑，有效地为决策者提供规划评估的先导信息，有助于量化交通政策规划的健康影响，促进规划的公平性与有效性，在交通出行、大气环境污染与人体健康影响量化方面具有实用价值。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为实施例的机动车的尾气排放对人体健康影响的评估方法设计流程图；
图2为实施例的机动车的尾气排放对人体健康影响的评估方法的具体流程示意图；
图3为对流边界层示意图；
图4为人群暴露模型的网格化示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。
实施例
图1为本实施例的机动车的尾气排放对人体健康影响的评估方法设计流程图，参照图1，包括：数据获取部分、基础数据处理部分、污染物排放计算部分、污染物扩散计算部分、人群健康影响计算部分以及结果输出部分。
数据获取部分是指通过调查、交通检测器、数据收集的手段获取交通类数据、气象类数据以及健康类数据。
基础数据处理部分是指通过获取的数据信息，建立交通状态数据库、机动车特征数据库、气象类数据库和健康类数据库。
污染物排放计算部分是指计算待评估区域的机动车尾气的各类污染物排放数据。
所述的污染物扩散计算部分是指污染物扩散分布模型计算待评估区域的污染物浓度分布数据；
所述的人群健康影响计算部分，包含建立人群污染物暴露模型，计算人群的总暴露参数Ep，total；建立以疾病负担(diseaseburden,DB)的变化为表征的健康影响评价模型，并计算由人群在污染物中暴露引起的疾病负担的变化ΔDBexposure，包括暴露引起的全因死亡率的变化ΔDBexposure，Acm与暴露引起的伤残调整生命年的变化ΔDBexposure，DALY；
最终输出健康影响评价计算结果。
图2为本实施例的机动车的尾气排放对人体健康影响的评估方法的具体流程示意图，参照图2，具体包括如下步骤：
S1获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库。
交通类数据包括：机动车速度数据、机动车流量数据和路网属性数据；机动车数据包括：机动车类型、机动车设备数据、机动车燃油数据和机动车排放率数据。其中，路网属性数据包括：路段名称、编号、时间、车道数、行车方向、路段空间布置数据；所述的机动车设备数据包括：滚动阻力、旋转滚动阻力以及空气阻力系数、机动车重量、换算数据。机动车类型包括：出租车、公交车、出租车除外的微型客车、出租车除外的小型客车、公交车除外的中型客车、公交车除外的大型客车、微型货车、轻型货车、中型货车、12-16t重型货车、16-22t重型货车、22-28t重型货车、28-40t重型货车以及40t以上重型货车。机动车排放率数据包括污染物PM2.5、PM10、CO、NOx和HC的排放率数据。
气象类数据包括：风力、风向、温度和湿度数据。
健康类数据包括：全因死亡数、人口数据和伤残调整生命年数据。
S2根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车尾气的各类污染物排放数据并建立评估区域的机动车污染物排放数据库。
具体包括：
根据下式(1)对各车型的行驶速度进行区间划分：
其中，vj为j车型机动车路段行驶速度，vj∈[vj，min，vj，max]，vj，min是j车型机动车路段行驶最低速度，vj，max是j车型机动车路段行驶最高速度；Binv，j为j车型机动车速度区间总数；k为粒度；
为向上取整函数；
根据下式(2)的机动车比功率(Vehicle Specific Power，VSP)模型计算各车型在各速度区间的机动车比功率分布数据，并构建待评价区域的机动车比功率数据库：
其中，
为j车型机动车在第Bin′v，j个速度区间下的比功率；vj，Bin′为j车型在第Bin′v，j速度区间的平均速度；aj为j车型机动车加速度；Aj、Bj、Cj分别为j车型机动车滚动阻力、旋转滚动阻力以及空气阻力系数；mj为j车型机动车质量；fj为j车型的换算系数；其中，不同车辆类型，具有不同的数值，具体数值从机动车特征数据库的机动车设备数据对应的换算数据，如下表1所示：
表1
| 车辆类型 | A | B | C | m | f |
| 出租车 | 0.156461 | 0.00200193 | 0.000492646 | 1.4788 | 1.4788 |
| 公交车 | 0.746718 | 0 | 0.00217584 | 9.06989 | 17.1 |
| 微型客车(出租车除外) | 0.156461 | 0.00200193 | 0.000492646 | 1.4788 | 1.4788 |
| 小型客车(出租车除外) | 0.156461 | 0.00200193 | 0.00492646 | 1.4788 | 1.4788 |
| 中型客车(公交车除外) | 0.4551 | 0 | 0.001729 | 5.5 | 17.1 |
| 大型客车(公交车除外) | 1.0185 | 0 | 0.003709 | 14.5 | 17.1 |
| 微型货车 | 0.235008 | 0.00303859 | 0.000747753 | 2.05979 | 2.05979 |
| 轻型货车 | 0.235008 | 0.00303859 | 0.000747753 | 2.05979 | 2.05979 |
| 中型货车 | 0.561933 | 0 | 0.00160302 | 7.64159 | 17.1 |
| 重型货车(12-16t) | 0.9872 | 0 | 0.003616 | 14 | 17.1 |
| 重型货车(16-22t) | 1.3002 | 0 | 0.004456 | 19 | 17.1 |
| 重型货车(22-28t) | 1.6758 | 0 | 0.005200 | 25 | 17.1 |
| 重型货车(28-40t) | 2.2392 | 0 | 0.005776 | 34 | 17.1 |
| 重型货车(40t以上) | 2.6148 | 0 | 0.005800 | 40 | 17.1 |
根据计算得到各车型在各个速度区间下的机动车比功率分布数据，根据下式(3)以步长Step进行等间隔划分，得到各车型VSP区间数Binvsp，j：
其中，Binvsp，j为j车型机动车的VSP区间数；VSPj，min为j车型机动车最小VSP；VSPj，max是j车型最大VSP；Step为步长；
为向上取整函数；
根据下式(4)计算各车型在各个VSP区间的分布频率：
其中，
表示j车型机动车第Bin′vsp个VSP区间的分布频率；
表示j车型机动车第Bin′vsp个VSP区间中包含的VSP数据量；Sumj表示j车型机动车所有的VSP数据量；
根据获取的机动车排放率数据和各车型在各个VSP区间的分布频率，计算各车型的平均排放率AvgER，公式如下式(5)所示：
其中，AvgERj表示j车型机动车的平均排放率；
表示j车型机动车的第Bin′vsp个VSP区间某种排放污染物的排放率(g/s)；
根据下式(6)计算所取时段内各路段上的排放量，进而构建路段污染物排放数据库：
其中，Pl为路段l的某种污染物排放量；t为开始时间；T为结束时间；C表示所有的车型数；numj表示j车型下的车辆数；
依据下式(7)计算排放源的平均排放率：
其中，Q为排放源的平均排放率；ΔT为时间粒度。
S3根据待评估区域的机动车污染物排放数据库和气象数据库，采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据。
污染物扩散分布模型包括：
稳定边界层条件下，污染物浓度扩散如下式(8)所示：
其中，
Cs(x，y，z)为稳定边界层条件下坐标(x，y，z)处的污染物浓度；Q为排放源的平均排放率；u为风速；Fy是横向分布函数；zieff是有效的稳定混合层高度；σzs是垂直方向扩散系数；hes是烟羽的高度；σy是水平色散系数；
对流边界层条件下，污染物浓度扩散如下式(9)所示：
Cc(x，y，z)＝Cd(x，y，z)+Cp(x，y，z)+Cr(x，y，z) (9)
其中，Cc(x，y，z)为根据路段机动车各类污染物排放数据库获取的稳定边界层条件下坐标(x，y，z)处的污染物浓度；Cd(x，y，z)为坐标(x，y，z)处的直接烟羽扩散浓度；Cp(x，y，z)为坐标(x，y，z)处的渗透源烟羽扩散浓度；Cr(x，y，z)为稳定边界层条件下坐标(x，y，z)处的间接烟羽扩散浓度，对流边界层示意图如图3所示；
直接烟羽扩散浓度如下式(10)所示：
其中，
Cd(x，y，z)是直接烟羽扩散浓度；fp是未穿透的羽流系数；λn是高斯分布权系数；ψdn是烟羽高度；zi是总混合深度；σzn是垂直色散系数由上升部分和近地表部分组成；Δhd是直接烟羽扩散源的烟羽抬升高度；hs是考虑下沉的污染源高度；z是监测点高度，{z＝zr，zp}，分别表示水平和垂直方向的状态分量；
各自分布的平均垂直速度，n＝1，2，等于1时表示上升气流，等于2时表示下降气流；
间接烟羽扩散浓度如下式(11)所示：
其中，ψrn＝ψdn-Δhi；Cr(x，y，z)是间接烟羽扩散浓度；ψrn是烟羽高度，Δhi是间接烟羽扩散源的烟羽抬升高度；
渗透源烟羽扩散浓度如下式(12)所示：
其中，Cp(x，y，z)是渗透源烟羽扩散浓度；zieff是稳定层反射面的高度；σzp是渗透扩散系数。
S4对待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数。
将待评估区域划分为若干网格，其中横向xi个，纵向yj个；基于污染物扩散分布模型计算各网格内污染物浓度，计算公式如下式(13)所示：
其中，
为网格的平均污染物浓度；x′i为网格横向编号；y′j为网格纵向编号；b为网格内采样点总数，Cc，s(x，y，z)为网格内采样点(x，y，z)处污染物浓度；
根据下式(14)计算个体在网格x′iy′j内接触污染物的浓度Ep：
其中，Ep为个体在网格x′iy′j内接触污染物的浓度；
为网格x′iy′j内污染物的浓度；Bk为个体平均呼吸速率；
为暴露在网格x′iy′j环境中的时间，
为网格x′iy′j内途经的路网长度，vmove为个体平均移动速率；
计算个体在待评估区域所接触的污染物总浓度如下式(15)所示：
Ep，total＝∑k∑mEp (15)
其中，Ep，total为个体接触所有污染物(也就是尾气)的总浓度；Ep为个体在网格x′iy′j内接触某一污染物的浓度；k为污染物种类数；m为个体出行路径所经历的总网格数。
图4为网格化示意图，将待评估区域进行空间上的方格化划分，得到总的方格数xi×yj，方格规格l×l；计算各个方格中各类污染物的暴露参数；假设人群路径如图上箭头所示，记录沿途经历的方格，通过方格数、方格长度、平均速度获得人群经过每个方格时间，进而计算总暴露参数。
S5跟据人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化。
采用人群归因分值(populationattributablefaction，PAF)构建健康影响评价模型，健康影响评价模型的最终表现形式为疾病负担(diseaseburden，DB)的变化，其中，人群在尾气中暴露引起的疾病负担的变化由死亡率(All-causemortality，ACM)和伤残调整生命年(Disability-AdjustedLifeYear，DALY)两项指标反映。
全因死亡率是指一定时期内各种原因导致的总死亡人数与研究人群同期平均人口数之比，计算公式如下：
其中，ACM是全因死亡率，POPdeath是总死亡人数，POPaverage是平均人口数；
伤残调整生命年是疾病死亡损失的健康生命年和疾病伤残损失的健康生命年相结合的综合性指标，DALY被看作是当前身体状态与身体正常、不受疾病困扰的理想健康状态下的差距，计算公式如下：
DALY＝YLL+YLD
YLL＝N×L
YLD＝I×DW×L
其中，DALY是伤残调整生命年，YLL是疾病死亡损失的健康生命年，YLD是疾病伤残损失的健康生命年，N是死亡数量，L是标准死亡寿命，I是发病病例数，DW是疾病权重，L是伤残平均年数。
最终的健康影响评价模型如下式(16)所示：
其中，ACM是全因死亡率；DALY；ΔDBexposure，ACM是人群在尾气中暴露引起的全因死亡率的变化；ΔDBexposure，DALY是人群在尾气中暴露引起的伤残调整生命年的变化；PAF是归因分值，表示人群发病率中归因于暴露的部分；ACMbaseline是暴露引起的全因死亡率的基准值；DALYbaseline是暴露引起的伤残调整生命年的基准值；β是系数，将参考研究区域的病理学报告获取；x1和x2是标准状态和评估状态的所有人的接触尾气的浓度；Ep，toatl，1是标准状态下个体总的接触尾气的浓度；Ep，toatl，2是评估状态下个体总的接触尾气的浓度。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种机动车的尾气排放对人体健康影响的评估方法，其特征在于，包括：
获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库；
根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车尾气的各类污染物排放数据并建立评估区域的机动车污染物排放数据库；
根据待评估区域的机动车污染物排放数据库和气象数据库，采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据；
对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数；
跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化。
2.根据权利要求1所述的方法，其特征在于，所述的交通类数据包括：机动车速度数据、机动车流量数据和路网属性数据，所述的机动车数据包括：机动车类型、机动车设备数据、机动车燃油数据和机动车排放率数据；所述的气象类数据包括：风力、风向、温度和湿度数据；所述的健康类数据包括：全因死亡数、人口数据和伤残调整生命年数据。
3.根据权利要求2所述的方法，其特征在于，所述的路网属性数据包括：路段名称、编号、时间、车道数、行车方向、路段空间布置数据；所述的机动车设备数据包括：滚动阻力、旋转滚动阻力以及空气阻力系数、机动车重量、换算数据。
4.根据权利要求2所述的方法，其特征在于，所述的根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车污染物排放数据并建立评估区域的机动车污染物排放数据库，包括：
根据下式(1)对各车型的行驶速度进行区间划分：
其中，vj为j车型机动车路段行驶速度，vj∈[vj，min，vj，max]，vj，min是j车型机动车路段行驶最低速度，vj，max是j车型机动车路段行驶最高速度，Binv,j为j车型机动车速度区间总数；k为粒度；
为向上取整函数；
根据下式(2)的机动车比功率模型计算各车型在各速度区间的机动车比功率分布数据，并构建待评价区域的机动车比功率数据库：
其中，
为j车型机动车在第Bin′v，j个速度区间下的比功率；vj，Bin′为j车型在第Bin′v，j速度区间的平均速度；aj为j车型机动车加速度；Aj、Bj、Cj分别为j车型机动车滚动阻力、旋转滚动阻力以及空气阻力系数；mj为j车型机动车质量；fj为j车型的换算系数；
根据计算得到各车型在各个速度区间下的机动车比功率分布数据，根据下式(3)以步长Step进行等间隔划分，得到各车型VSP区间数Binvsp,j：
其中，Binvsp，j为j车型机动车的VSP区间数；VSPj，min为j车型机动车最小VSP；VSPj，max是j车型最大VSP；Step为步长；
为向上取整函数；
根据下式(4)计算各车型在各个VSP区间的分布频率：
其中，
表示j车型机动车第Bin′vsp个VSP区间的分布频率；
表示j车型机动车第Bin′vsp个VSP区间中包含的VSP数据量；Sumj表示j车型机动车所有的VSP数据量；
根据获取的机动车排放率数据和各车型在各个VSP区间的分布频率，计算各车型的平均排放率AvgER，公式如下式(5)所示：
其中，AvgERj表示j车型机动车的平均排放率；
表示j车型机动车的第Bin′vsp个VSP区间某种排放污染物的排放率(g/s)；
根据下式(6)计算所取时段内各路段上的排放量，进而构建路段污染物排放数据库：
其中，Pl为路段l的某种污染物排放量；t为开始时间；T为结束时间；C表示所有的车型数；numj表示j车型下的车辆数；
依据下式(7)计算排放源的平均排放率：
其中，Q为排放源的平均排放率；ΔT为时间粒度。
5.根据权利要求1所述的方法，其特征在于，所述的污染物扩散分布模型包括：
稳定边界层条件下，污染物浓度扩散如下式(8)所示：
其中，
Cs(x,y,z)为稳定边界层条件下坐标(x,y,z)处的污染物浓度；Q为排放源的平均排放率；u为风速；Fy是横向分布函数，zieff是有效的稳定混合层高度；σzs是垂直方向扩散系数；hes是烟羽的高度；σy是水平色散系数；
对流边界层条件下，污染物浓度扩散如下式(9)所示：
Cc(x,y,z)＝Cd(x,y,z)+Cp(x,y,z)+Cr(x,y,z) (9)
其中，Cc(x,y,z)为根据路段机动车各类污染物排放数据库获取的稳定边界层条件下坐标(x,y,z)处的污染物浓度；Cd(x,y,z)为坐标(x,y,z)处的直接烟羽扩散浓度；Cp(x,y,z)为坐标(x,y,z)处的渗透源烟羽扩散浓度；Cr(x,y,z)为稳定边界层条件下坐标(x,y,z)处的间接烟羽扩散浓度；
直接烟羽扩散浓度如下式(10)所示：
其中，
Cd(x，y,z)是直接烟羽扩散浓度；fp是未穿透的羽流系数；λn是高斯分布权系数；ψdn是烟羽高度；zi是总混合深度；σzn是垂直色散系数由上升部分和近地表部分组成；Δhd是直接烟羽扩散源的烟羽抬升高度；hs是考虑下沉的污染源高度；z是监测点高度，{z＝zr，zp}，分别表示水平和垂直方向的状态分量；
各自分布的平均垂直速度，n＝1,2，等于1时表示上升气流，等于2时表示下降气流；
间接烟羽扩散浓度如下式(11)所示：
其中，ψrn＝ψdn-Δhi；Cr(x,y,z)是间接烟羽扩散浓度；ψrn是烟羽高度；Δhi是间接烟羽扩散源的烟羽抬升高度；
渗透源烟羽扩散浓度如下式(12)所示：
其中，Cp(x,y,z)是渗透源烟羽扩散浓度；zieff是稳定层反射面的高度；σzp是渗透扩散系数。
6.根据权利要求5所述的方法，其特征在于，所述的对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数，包括：
将待评估区域划分为若干网格，其中横向xi个，纵向yj个；基于污染物扩散分布模型计算各网格内污染物浓度，计算公式如下式(13)所示：
其中，
为网格的平均污染物浓度；x′i为网格横向编号；y′j为网格纵向编号；b为网格内采样点总数；Cc，s(x,y,z)为网格内采样点(x,y，z)处污染物浓度；
根据下式(14)计算个体在网格x′iy′j内接触污染物的浓度Ep：
其中，Ep为个体在网格x′iy′j内接触污染物的浓度；
为网格x′iy′j内污染物的浓度；Bk为个体平均呼吸速率；
为暴露在网格x′iy′j环境中的时间，
为网格x′iy′j内途经的路网长度，vmove为个体平均移动速率；
计算个体在待评估区域所接触的污染物总浓度如下式(15)所示：
Ep，total＝∑k∑mEp (15)
其中，Ep，total为个体接触所有污染物的总浓度；Ep为个体在网格x′iy′j内接触某一污染物的浓度；k为污染物种类数；m为个体出行路径所经历的总网格数。
7.根据权利要求1所述的方法，其特征在于，所述的跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化，包括：
采用人群归因分值构建如下式(16)所示的健康影响评价模型，其中，人群在尾气中暴露引起的疾病负担的变化由ACM与DALY两项指标反映：
其中，ΔDBexposure，ACM是人群在尾气中暴露引起的全因死亡率的变化，
ACM是全因死亡率，POPdeath是总死亡人数，POPaverage是平均人口数；ΔDBexposure，DALY是人群在尾气中暴露引起的伤残调整生命年的变化；PAF是归因分值，表示人群发病率中归因于暴露的部分；ACMbaseline是暴露引起的全因死亡率的基准值；DALYbaseline是暴露引起的伤残调整生命年的基准值，DALY＝YLL+YLD，YLL＝N×L，YLD＝I×DW×L，DALY是伤残调整生命年，YLL是疾病死亡损失的健康生命年，YLD是疾病伤残损失的健康生命年，N是死亡数量，L是标准死亡寿命，I是发病病例数，DW是疾病权重，L是伤残平均年数；β是系数，根据待评估区域的病理学报告获取；x1和x2是标准状态和评估状态的所有人的接触尾气的浓度；Ep,toatl，1是标准状态下个体总的接触尾气的浓度；Ep，toatl，2是评估状态下个体总的接触尾气的浓度。
8.根据权利要求2所述的方法，其特征在于，所述的机动车类型包括：出租车、公交车、出租车除外的微型客车、出租车除外的小型客车、公交车除外的中型客车、公交车除外的大型客车、微型货车、轻型货车、中型货车、12-16t重型货车、16-22t重型货车、22-28t重型货车、28-40t重型货车以及40t以上重型货车。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261830.XA CN112951425B (zh) | 2021-03-10 | 2021-03-10 | 一种机动车的尾气排放对人体健康影响的评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261830.XA CN112951425B (zh) | 2021-03-10 | 2021-03-10 | 一种机动车的尾气排放对人体健康影响的评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112951425A true CN112951425A (zh) | 2021-06-11 |
| CN112951425B CN112951425B (zh) | 2024-04-02 |
Family
ID=76229346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110261830.XA Active CN112951425B (zh) | 2021-03-10 | 2021-03-10 | 一种机动车的尾气排放对人体健康影响的评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112951425B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2010143295A (ru) * | 2010-10-25 | 2012-04-27 | Государственное образовательное учреждение высшего профессионального образования "Московский государственный университет геодезии | Способ прогнозирования риска смертности населения в зоне возникновения и нарастания концентрации загрязняющих веществ в атмосферном воздухе |
| FR2992449A1 (fr) * | 2012-06-22 | 2013-12-27 | Amber Technologies | Procede de determination par simulation et de representation geographique de la concentration en produits polluants sur une zone geographique |
| US20170091350A1 (en) * | 2015-09-24 | 2017-03-30 | Alexander Bauer | Near real-time modeling of pollution dispersion |
| CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
| CN107832579A (zh) * | 2017-11-08 | 2018-03-23 | 中科宇图科技股份有限公司 | 一种参数本地化的水环境健康经济损害评价方法及系统 |
| US20200121221A1 (en) * | 2018-10-18 | 2020-04-23 | Koninklijke Philips N.V. | Determining a risk level posed by an air pollutant |
| CN111582580A (zh) * | 2020-05-08 | 2020-08-25 | 北京交通大学 | 一种考虑人群污染物暴露的出行路径规划方法 |
| CN111816307A (zh) * | 2020-04-15 | 2020-10-23 | 浙江大学 | 基于临床标志物构建中国人群生物学年龄评价模型的方法及评价方法 |
| CN111899873A (zh) * | 2020-07-16 | 2020-11-06 | 中国科学院城市环境研究所 | 量化污染环境造成健康损失的方法、终端设备及存储介质 |
| KR102222381B1 (ko) * | 2019-10-01 | 2021-03-04 | 한국건설기술연구원 | 교통 데이터를 이용한 실시간 도로변 대기오염 추정 시스템 및 그 방법 |
-
2021
- 2021-03-10 CN CN202110261830.XA patent/CN112951425B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2010143295A (ru) * | 2010-10-25 | 2012-04-27 | Государственное образовательное учреждение высшего профессионального образования "Московский государственный университет геодезии | Способ прогнозирования риска смертности населения в зоне возникновения и нарастания концентрации загрязняющих веществ в атмосферном воздухе |
| FR2992449A1 (fr) * | 2012-06-22 | 2013-12-27 | Amber Technologies | Procede de determination par simulation et de representation geographique de la concentration en produits polluants sur une zone geographique |
| US20170091350A1 (en) * | 2015-09-24 | 2017-03-30 | Alexander Bauer | Near real-time modeling of pollution dispersion |
| CN107563562A (zh) * | 2017-09-08 | 2018-01-09 | 新奥泛能网络科技股份有限公司 | 网格化城市大气污染物排放的评估方法及装置 |
| CN107832579A (zh) * | 2017-11-08 | 2018-03-23 | 中科宇图科技股份有限公司 | 一种参数本地化的水环境健康经济损害评价方法及系统 |
| US20200121221A1 (en) * | 2018-10-18 | 2020-04-23 | Koninklijke Philips N.V. | Determining a risk level posed by an air pollutant |
| KR102222381B1 (ko) * | 2019-10-01 | 2021-03-04 | 한국건설기술연구원 | 교통 데이터를 이용한 실시간 도로변 대기오염 추정 시스템 및 그 방법 |
| CN111816307A (zh) * | 2020-04-15 | 2020-10-23 | 浙江大学 | 基于临床标志物构建中国人群生物学年龄评价模型的方法及评价方法 |
| CN111582580A (zh) * | 2020-05-08 | 2020-08-25 | 北京交通大学 | 一种考虑人群污染物暴露的出行路径规划方法 |
| CN111899873A (zh) * | 2020-07-16 | 2020-11-06 | 中国科学院城市环境研究所 | 量化污染环境造成健康损失的方法、终端设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 汪然: "雾霾污染导致的居民健康损害成本估算研究", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑 * |
| 王菲菲, 郭少娟, 杨立新: "集成环境健康影响评价研究进展", 环境与健康杂志, vol. 36, no. 12 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112951425B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hao et al. | A study of the emission and concentration distribution of vehicular pollutants in the urban area of Beijing | |
| KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
| Zhang et al. | Vehicle emissions in congestion: Comparison of work zone, rush hour and free-flow conditions | |
| Schifter et al. | Fuel-based motor vehicle emission inventory for the metropolitan area of Mexico city | |
| CN111582580B (zh) | 一种考虑人群污染物暴露的出行路径规划方法 | |
| Bigazzi et al. | Impacts of freeway traffic conditions on in-vehicle exposure to ultrafine particulate matter | |
| Zhang et al. | Characterizing spatial variability of air pollution from vehicle traffic around the Houston Ship Channel area | |
| Amirjamshidi et al. | Integrated model for microsimulating vehicle emissions, pollutant dispersion and population exposure | |
| Jamin et al. | Aviation emissions and abatement policies in the United States: a city-pair analysis | |
| Andre et al. | Diesel, petrol or electric vehicles: What choices to improve urban air quality in the Ile-de-France region? A simulation platform and case study | |
| Barmpounakis et al. | Empirical investigation of the emission-macroscopic fundamental diagram | |
| Taghizadeh et al. | Evaluation of aircraft emission at Imam Khomeini international airport and Mehrabad international airport | |
| CN112951425B (zh) | 一种机动车的尾气排放对人体健康影响的评估方法 | |
| Anjaneyulu et al. | Modeling ambient carbon monoxide pollutant due to road traffic | |
| Kadiyala | Development and evaluation of an integrated approach to study in-bus exposure using data mining and artificial intelligence methods | |
| Ajayi et al. | The impact of traffic mobility measures on vehicle emissions for heterogeneous traffic in Lagos city | |
| Gharineiat et al. | Using the geographic information system (GIS) in the sustainable transportation | |
| Morin et al. | From emission to immission: the way to pertinent evaluation of transport-related health and environmental impacts | |
| Salmon et al. | Systems analysis of EV adoption and criteria pollutant accumulation during inversion events | |
| Willians et al. | A comparison of emissions estimated in the TRANSMIS approach with those estimated from continuous speeds and accelerations | |
| Mbaoma et al. | Geospatial and Machine Learning Driven Air Pollution Modelling Using Vehicular Load and Climatic Variables in Agbarho, Delta State, Nigeria | |
| CN114580176B (zh) | 一种基于多维特征聚类的汽车荷载智能化重构方法 | |
| Ramirez Ibarra | Simulation of zero-emissions self-driving drayage trucks in a busy freight corridor | |
| Harusi et al. | Analysis of CO2 Emission from Motorized Vehicle based on Segmentation of Urip Sumoharjo Road at Makassar City | |
| Ramadan et al. | Effect of road, environment, driver, and traffic characteristics on vehicle emissions in Egypt |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |