CN112951428B - 考虑身体活动水平的慢行交通出行健康影响评价方法 - Google Patents
考虑身体活动水平的慢行交通出行健康影响评价方法 Download PDFInfo
- Publication number
- CN112951428B CN112951428B CN202110290861.8A CN202110290861A CN112951428B CN 112951428 B CN112951428 B CN 112951428B CN 202110290861 A CN202110290861 A CN 202110290861A CN 112951428 B CN112951428 B CN 112951428B
- Authority
- CN
- China
- Prior art keywords
- travel
- data
- crowd
- regional
- traffic
- 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.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 67
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 230000037081 physical activity Effects 0.000 title claims abstract description 32
- 230000037149 energy metabolism Effects 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000000694 effects Effects 0.000 claims abstract description 19
- 230000034994 death Effects 0.000 claims abstract description 18
- 238000012502 risk assessment Methods 0.000 claims abstract description 9
- 201000010099 disease Diseases 0.000 claims abstract description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 7
- 230000008821 health effect Effects 0.000 claims abstract description 7
- 239000003344 environmental pollutant Substances 0.000 claims description 50
- 231100000719 pollutant Toxicity 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 49
- 238000012544 monitoring process Methods 0.000 claims description 18
- 231100000673 dose–response relationship Toxicity 0.000 claims description 15
- 238000005316 response function Methods 0.000 claims description 15
- 239000000356 contaminant Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 11
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 8
- 230000004060 metabolic process Effects 0.000 claims description 7
- 230000036284 oxygen consumption Effects 0.000 claims description 7
- 230000000241 respiratory effect Effects 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 239000013643 reference control Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000002503 metabolic effect Effects 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 claims description 3
- 230000007170 pathology Effects 0.000 claims description 3
- 230000000284 resting effect Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000008092 positive effect Effects 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G06Q50/40—
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
本发明提供了一种考虑身体活动水平的慢行交通出行健康影响评价方法。该方法采用能量代谢当量表征身体活动水平，获取出行者采取慢行交通出行方式的出行距离和时长，计算出行能量消耗，进而判断其出行者身体活动水平。基于获取的身体活动水平指标，采用比较风险评估的理论思路，以疾病负担为标准化指标构建评价体系，基于健康影响的严重程度，构建以全因死亡数和伤残调整生命年为指标的健康评价指标体系。本发明充分考虑了采取步行、骑行等慢行交通出行方式时，出行者身体活动水平提升所导致的正面和负面影响，完善了现有评价方法局限于正面影响评估的缺陷，构建了新型慢行交通出行健康影响评价方法。
Description
技术领域
本发明涉及交通与环境、身体活动水平健康风险评价技术领域，尤其涉及一种考虑身体活动水平的慢行交通出行健康影响评价方法。
背景技术
交通出行健康影响评价目前属于国内外新兴研究方向，而应用身体活动水平为评价指标的研究，主要集中于健身场景，以出行者的能量消耗为指标对出行者的健康影响进行评价。但仅以出行者能量消耗为指标的评价方法仅能反映采用慢行交通的正面影响，忽略了出行过程中暴露于大气污染物中所导致的负面影响，存在一定不足。
剂量响应函数(Dose-Response Function,DRF)是健康学研究中用于描述污染与健康的关系的函数。剂量一般采用人群暴露水平来表征，综合考虑暴露时间和暴露强度的影响。响应则表示该暴露水平对人体健康的影响，一般反应为全因死亡率或伤残调整年等客观指标。该函数有多种类型，例如线性、对数线性和平方根函数等，通过健康学实验确定适用的类型。
健康影响评价(Health Impact Assessment,HIA)作为一种针对政策、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，近年来在欧美等发达国家得到广泛应用。现阶段主流的HIA模型方法包括：效益评估法；成本效益评估法；风险评估法；以及比较风险评估法。
针对交通相关的健康影响评价，目前应用最广的是交通与健康综合影响模型(Integrated Transport and Health Impact Model，ITHIM)，其已经被广泛应用于世界各主要发达国家。其基本技术路线是首先采集现状年的基准健康指标(即疾病率和死亡率)，然后预测对疾病和死亡风险的暴露水平改变，进而运用CRA(Comparative RiskAssessment,比较风险评估)方法计算健康指标的变化程度。
目前，现有技术中的基于身体活动水平的慢行交通出行健康影响评价方法较少，仍属于起步阶段，存在下列问题：模型不够完善，多只考虑了身体活动水平上升的正面影响，未考虑其由于吸入污染物所导致的负面影响；本地化特征不够显著，没有应用实际测定的数据，计算结果存在误差。
发明内容
本发明的实施例提供了一种考虑身体活动水平的慢行交通出行健康影响评价方法，以克服现有技术的问题。
为了实现上述目的，本发明采取了如下技术方案。
一种考虑身体活动水平的慢行交通出行者健康影响评价方法，包括以下步骤：
步骤S1、获取设定区域内的区域人群特征数据、区域慢行交通出行数据、区域大气污染数据和区域生命健康数据；
步骤S2、基于所述区域人群特征数据构建能量代谢当量计算模型，将区域慢行交通出行数据导入所述能量代谢当量计算模型，获取区域内能量代谢当量数据；
步骤S3、将所述区域内能量代谢当量数据与剂量-响应函数进行对照，分析人体身体活动水平的暴露参数，进而计算出行过程中的正面影响人群归因分值；
步骤S4、基于区域大气污染数据构建人群污染物暴露模型，将所述区域慢行交通出行数据和基于区域内能量代谢当量数据获取的呼吸量数据导入所述人群污染物暴露模型，计算出区域内慢行交通出行者的污染物暴露值，根据所述污染物暴露值计算出行过程中的负面影响人群归因分值；
步骤S5、使用比较风险评估方法将所述正面影响人群归因分值和所述负面影响人群归因分值进行汇总，以疾病负担为标准化指标构建评价体系，基于健康影响的严重程度，构建全因死亡数健康评价指标体系和伤残调整生命年健康评价指标体系。
优选地，所述步骤S2具体包括：
步骤S21：基于所述区域人群特征数据构建能量代谢当量MET计算模型，计算公式为：
其中，MET为能量代谢当量，表示为人体在单位时间内单位重量肌肉的实际耗氧量与静坐耗氧量的比值，v为出行速度，s为出行坡度百分比，a，b为剂量参数，受出行方式和人群特征影响，l为坡度一致的出行区间长度，L为总出行距离；
步骤S22：导入区域人群特征数据，获取区域内出行者的性别、年龄数据，参照相关标准中对于不同活动水平的能量代谢当量规定和实测值，依据人群特征确定剂量参数a，b，校正所述MET计算模型；
步骤S23：将区域慢行交通出行数据导入校正后的能量代谢当量计算模型，获取出行速度、出行路径和经行路段坡度数据，以计算该区域内的各交通方式的平均出行能量代谢当量，其计算公式为：
其中，为区域内采用交通方式m的平均出行代谢当量，pmc为采用交通方式m时活动水平为c的出行所占总体的比例，METc为出行活动水平为c时的能量代谢当量。
优选地，所述步骤S3具体包括：
步骤S31：依据步骤S23计算的区域内平均出行能量代谢当量，量化相对风险RR：
其中，RRm(h)为采用交通方式m出行时间为h时的相对风险，该相对风险为采用交通方式m出行时长为h时的健康参数影响与无出行行为的基础健康参数影响间的比值，为区域内采用交通方式m的平均出行代谢当量，α是剂量-响应函数DRF的系数，表征与相对风险的关系；
步骤S32：依据区域慢行交通出行数据中的出行时长数据，构建不同交通方式的出行时长分布函数，基于时长分布函数确定正面影响的人群归因分值，其计算公式为：
其中，PAFpositive是正面影响的人群归因分值，RRm(h)为采用交通方式m出行时间为h时的相对风险，Pm(h)和Qm(h)分别为基准对照组和计算组的出行时长分布函数，其中对照年的时长分布函数曲线根据过往交通数据确定。
优选地，所述步骤S4具体包括：
步骤S41：处理区域大气污染数据，提取各区域内各主要监测站的大气污染物浓度监测值，实现污染物浓度值与现实地理坐标的连接，构建区域污染物浓度分布模型；
步骤S42：将所述区域划分为若干网格，基于步骤S41所构建的区域污染物浓度分布模型计算各网格内污染物浓度，计算公式为：
其中，i为网格编号，j为网格内采样点编号，Ci为网格i的平均污染物浓度，Cij为网格i内采样点j处污染物浓度；
步骤S43：基于步骤S23中所计算的平均能量代谢当量和区域人群特征数据，计算各网格内出行者呼吸量，计算公式为：
其中，Bk，m为特征人群k采用交通方式m时的呼吸量，为区域内采用交通方式m的平均出行代谢当量，V为平均排气量，H为出行者高度，单位为m，W为出行者体重，A为出行者年龄，a1，b1，c1，d1为性别参数，取决于出行者的性别；
步骤S44：基于步骤S43中所计算的各网格内出行者呼吸量，构建人群污染物暴露模型，计算各网格特征人群的个体暴露参数，计算公式为：
Ei，m＝Ci×Bk，m×Ti
其中，Ei，m为网格i内采用交通方式m的个体暴露参数，Ci为网格i的平均污染物浓度，Bk，m为特征人群k采用交通方式m时的呼吸量，Ti为网格i内暴露时间；
基于人群出行特征，上述个体暴露参数公式中暴露时间的计算公式为：
其中，Ti为网格i内暴露时间，Li为网格i内路网长度，vk，m为特征人群k采用交通方式m的平均移动速率；
步骤S45：提取所述区域慢行交通出行数据内各条数据，每条数据包含出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度信息
应用地理信息系统软件将数据与网格坐标相连接，计算各网格内的污染物暴露总和，计算公式为：
其中，E为区域内污染物人群暴露水平，Ei，m为网格i内采用交通方式m时的污染物个体暴露参数，data为区域慢行交通出行数据内各条数据；
步骤S46：将步骤S45计算的区域内污染物人群暴露水平代入剂量响应函数，获取负面影响的人群归因分值，计算公式为：
其中，PAFnegative是负面影响的人群归因分值，RR是相对危险度，表征暴露组危险度与对照组危险度的比值，β是剂量响应函数DRF的系数，将参考研究区域的病理学报告获取，Eb和E是对照组和暴露组的人群污染物暴露水平，其中对照组的值参考相关研究文献或标准中的安全值确定。
优选地，所述的步骤S5具体包括：
步骤S51：基于获取的全因死亡数数据，构建全因死亡健康评价体系：
ΔDBmt，total＝∑ΔDBmt，i＝∑PAFi×DBmt，i，baseline
其中，ΔDBmt，total是全因死亡指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBmt，i，baseline是该影响的全因死亡率基准值，根据过往年数据规定；
步骤S52：基于获取的伤残调整生命年数据，构建伤残调整生命年健康评价体系：
ΔDBda，total＝∑ΔDBda，i＝∑PAFi×DBda，i，baseline
其中，ΔDBda，total是伤残调整生命年指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBda，i，baseline是该影响的伤残调整生命年基准值，根据过往年数据规定。
优选地，所述慢行交通出行方式包括：步行和自行车骑行。
优选地，所述区域人群特征数据包括：出行者年龄、性别、身高和体重。
优选地，所述区域慢行交通出行数据包括：出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度。
优选地，所述的区域大气污染数据包括：监测站坐标、监测时间、监测污染物类型和监测污染物浓度值。
优选地，所述的区域生命健康数据包括：全因死亡数和伤残生命调整年。
由上述本发明的实施例提供的技术方案可以看出，本发明实施例所指的慢行交通，特指步行和自行车骑行两类交通方式，本发明实施例的考虑身体活动水平的慢行交通出行健康影响评价方法从出行者个体数据出发，充分考虑个体出行过程中由于身体活动水平上升所导致的健康正面和负面影响，构建了统一的评价标准，可为步行、骑行出行者提供出行决策建议，为交通管理者的改进决策提供新的参考指标。
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为本发明实施例提供的考虑身体活动水平的慢行交通出行健康影响评价方法的处理流程示意图。
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，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
本发明实施例结合暴露剂量-响应函数模型、健康影响评价模型等，通过对实际污染、出行、人群特征、健康等数据进行处理，应用相关健康影响评价模型，实现对慢行交通体系内出行者身体活动水平上升所导致的正面和负面影响进行归一化的动态评估，其中主要应用的技术如下：
本发明实施例提供一种考虑身体活动水平的慢行交通出行健康影响评价方法，通过计算慢行交通出行者的能量代谢当量(Metabolic Equivalent of Task,MET)，表征其身体活动水平，同时分析其身体活动水平上升所造成的锻炼的正面影响和吸入污染物的负面影响，进而综合二者影响，对出行者采用慢行交通方式时可能造成的实际健康影响进行整体评价，便于用户了解出行效果，进行出行决策，同时为交通管理者的政策制定和评估提供了参考标准。其中，本发明实施例所指的慢行交通，如不考虑特殊情况，特指步行和自行车骑行交通方式。
图1为本发明实施例提供的一种考虑身体活动水平的慢行交通出行健康影响评价方法的处理流程图，包括以下步骤：
步骤S1、获取设定区域内的该方法所需的各类基础数据并构建数据库进行数据存储，其中所需数据包含但不限于区域人群特征数据、区域慢行交通出行数据、区域大气污染数据和区域生命健康数据；
所述慢行交通出行方式包括但不限于：步行和自行车骑行；
所述区域人群特征数据包括但不限于：出行者年龄、性别、身高和体重等；
所述区域慢行交通出行数据包括但不限于：出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度；
所述的区域大气污染数据包括但不限于：监测站坐标、监测时间、监测污染物类型和监测污染物浓度值；
所述的区域生命健康数据包括但不限于：全因死亡数和伤残生命调整年。
步骤S2、基于区域人群特征数据构建能量代谢当量计算模型，将区域慢行交通出行数据导入该能量代谢当量计算模型，获取并整合区域内MET数据。
步骤S3、将MET数据与剂量响应函数进行对照，分析身体活动水平的暴露参数，进而计算出行过程中的正面影响人群归因分值(Population Attributable Faction,PAF)。
步骤S4、基于区域大气污染数据构建人群污染物暴露模型，将区域慢行交通出行数据和基于MET数据计算获取的呼吸量数据导入人群污染物暴露模型，计算区域内慢行交通出行者的污染物暴露值，根据上述污染物暴露值计算出行过程中的负面影响人群归因分值。
步骤S5、使用比较风险评估方法将正面和负面影响人群归因分值进行汇总，以疾病负担(Disease Burden,DB)为标准化指标构建评价体系。
基于健康影响的严重程度，将该标准化指标拆分为两类评价体系，分别为全因死亡数(All-cause Mortality)健康评价指标体系和伤残调整生命年(Disability-AdjustedLife Year,DALY)健康评价指标体系。
进一步地，上述步骤S2具体包括：
步骤S21：构建能量代谢当量MET计算模型，计算公式为：
其中，MET为能量代谢当量，表示为人体在单位时间内单位重量肌肉的实际耗氧量与静坐耗氧量的比值，单位为3.5ml/(kg·min)，v为出行速度，单位为m/s，s为出行坡度百分比，单位为％，a,b为剂量参数，受出行方式和人群特征影响，l为坡度一致的出行区间长度，单位为m，L为总出行距离，单位为m。
步骤S22：导入区域人群特征数据，获取区域内出行者的性别、年龄等数据，参照相关标准中对于不同活动水平的能量代谢当量规定和实测值，依据人群特征确定剂量参数a,b，校正所述MET计算模型。
各人群特征对应的剂量参数a,b的获取需根据实际人群特征，进行不同人群的实际测量并对数据进行拟合实现。即选取分属不同人群的受测者，测定其在不同速度和坡度的运动状态下的实际耗氧量，据此结合步骤S21所示公式进行数据拟合，获取满足置信区间的剂量参数a,b。
步骤S23：导入区域慢行交通出行数据，获取出行速度、出行路径、经行路段坡度等数据，以计算该区域内的各交通方式的平均出行能量代谢当量，其计算公式为：
其中，为区域内采用交通方式m的平均出行代谢当量，单位为3.5ml/(kg·min)，pmc为采用交通方式m时活动水平为c的出行所占总体的比例，METc为出行活动水平为c时的能量代谢当量，单位为3.5ml/(kg·min)。
进一步地，所述步骤S3具体包括：
步骤S31：依据步骤S23计算的区域内平均出行能量代谢当量，量化相对风险RR：
其中，RRm(h)为采用交通方式m出行时间为h时的相对风险，该相对风险为采用交通方式m出行时长为h时的健康参数影响与无出行行为的基础健康参数影响间的比值，为区域内采用交通方式m的平均出行代谢当量，单位为3.5ml/(kg·min)，α是剂量响应函数DRF的系数，表征/>与相对风险的关系，需参考研究区域健康领域文献获取。
步骤S32：依据区域慢行交通出行数据中的出行时长数据，构建不同交通方式的出行时长分布函数，基于时长分布函数确定正面影响的人群归因分值，其计算公式为：
其中，PAFpositive是正面影响的人群归因分值，RRm(h)为采用交通方式m出行时间为h时的相对风险，Pm(h)和Qm(h)分别为基准对照组和计算组的出行时长分布函数。
基准对照组中包含的数据为基准年的出行时长数据，其中基准年需设置为具有代表性的年份，例如采取某交通管控措施前的年份，根据过往交通数据的存储情况和实际需求确定，与计算年相距一般不超过5年；计算组中包含的数据则为计算年的出行时长数据，即步骤S31所应用数据中包含的出行时长。
进一步地，所述步骤S4具体包括：
步骤S41：对区域大气污染数据进行分析，提取各区域内各主要监测站的大气污染物浓度监测值，实现污染物浓度值与现实地理坐标的连接，构建区域污染物浓度分布模型；
步骤S42：将所述区域划分为若干网格，基于步骤S41所构建的区域污染物浓度分布模型计算各网格内污染物浓度，计算公式为：
其中，i为网格编号，j为网格内采样点编号，Ci为网格i的平均污染物浓度，单位为μg/m3，Cij为网格i内采样点j处污染物浓度，单位为μg/m3；
步骤S43：基于步骤S23中所计算的平均能量代谢当量和区域人群特征数据，计算各网格内出行者呼吸量，计算公式为：
其中，Bk，m为特征人群k采用交通方式m时的呼吸量，单位为L/min，为区域内采用交通方式m的平均出行代谢当量，单位为3.5ml/(kg·min)，V为平均排气量，单位为L/min，H为出行者高度，单位为m，W为出行者体重，单位为kg，A为出行者年龄，a1，b1，c1，d1为性别参数，取决于出行者的性别；
步骤S44：基于步骤S43中所计算的各网格内出行者呼吸量，构建人群污染物暴露模型，计算各网格特征人群的个体暴露参数，计算公式为：
Ei，m＝Ci×Bk，m×Ti
其中，Ei，m为网格i内采用交通方式m的个体暴露参数，单位为μg，Ci为网格i的平均污染物浓度，单位为μg/m3，Bk，m为特征人群k采用交通方式m时的呼吸量，单位为L/min，Ti为网格i内暴露时间，单位为s；
基于人群出行特征，上述个体暴露参数公式中暴露时间的计算公式为：
其中，Ti为网格i内暴露时间，单位为s，Li为网格i内路网长度，单位为m，vk，m为特征人群k采用交通方式m的平均移动速率，单位为m/s；
步骤S45：提取慢行交通数据内的各条数据，应用地理信息系统软件将数据与网格坐标相连接，计算各网格内的污染物暴露总和，计算公式为：
其中，E为区域内污染物人群暴露水平，单位为μg，Ei，m为网格i内采用交通方式m时的污染物个体暴露参数，单位为μg，data为慢行交通数据内各条数据，一条完整的慢行交通数据应包含出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度等信息。
步骤S46：将步骤S45计算的人群暴露水平代入剂量响应函数，获取负面影响的人群归因分值，计算公式为：
其中，PAFnegative是负面影响的人群归因分值，RR是相对危险度，表征暴露组危险度与对照组危险度的比值。β是剂量响应函数DRF的系数，将参考研究区域的病理学报告获取。Eb和E是对照组和暴露组的人群污染物暴露水平，单位为μg，其中对照组的值可以参考相关研究文献或标准中的安全值确定。
进一步地，所述步骤S5具体包括：
步骤S51：基于获取的全因死亡数数据，构建全因死亡健康评价体系：
ΔDBmt，total＝∑ΔDBmt，i＝∑PAFi×DBmt，i，baseline
其中，ΔDBmt，total是全因死亡指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBmt，i，baseline是该影响的全因死亡率基准值，根据过往年数据规定；
步骤S52：基于获取的伤残调整生命年数据，构建伤残调整生命年健康评价体系：
ΔDBda，total＝∑ΔDBda，i＝∑PAFi×DBda，i，baseline
其中，ΔDBda，total是伤残调整生命年指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBda，i，baseline是该影响的伤残调整生命年基准值，根据过往年数据规定。
综上所述，本发明实施例提供了一种考虑身体活动水平的慢行交通出行健康影响评价方法。本发明实施例所指的慢行交通，如不考虑特殊情况，特指步行和自行车骑行交通方式。其中，身体活动水平采用能量代谢当量表征，即获取出行者采取慢行交通方式的出行距离和出行时长，计算该过程中出行者的出行能量消耗，进而判断其身体活动水平。基于该计算获取的身体活动水平指标，分析出行活动中的健康影响，采用比较风险评估的理论思路，利用人群归因分值构建标准化指标体系。
本发明实施例充分考虑了采取步行、骑行等慢行交通出行方式时，出行者身体活动水平提升所产生的正面和负面影响，完善了现有评价方法局限于正面影响评估的缺陷，构建了新型慢行交通出行者健康影响评价方法。
本发明实施例有效地解决了现有技术中存在的，在进行考虑身体活动水平的慢行交通健康影响评价时，仅考虑正面影响而非整体影响的问题，填补了慢行交通出行健康影响评价这一研究方向的不足。
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，附图中的模块或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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
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 (6)
1.一种考虑身体活动水平的慢行交通出行者健康影响评价方法，其特征在于，包括以下步骤：
步骤S1、获取设定区域内的区域人群特征数据、区域慢行交通出行数据、区域大气污染数据和区域生命健康数据；
步骤S2、基于所述区域人群特征数据构建能量代谢当量计算模型，将区域慢行交通出行数据导入所述能量代谢当量计算模型，获取区域内能量代谢当量数据；
步骤S3、将所述区域内能量代谢当量数据与剂量-响应函数进行对照，分析人体身体活动水平的暴露参数，进而计算出行过程中的正面影响人群归因分值；
步骤S4、基于区域大气污染数据构建人群污染物暴露模型，将所述区域慢行交通出行数据和基于区域内能量代谢当量数据获取的呼吸量数据导入所述人群污染物暴露模型，计算出区域内慢行交通出行者的污染物暴露值，根据所述污染物暴露值计算出行过程中的负面影响人群归因分值；
步骤S5、使用比较风险评估方法将所述正面影响人群归因分值和所述负面影响人群归因分值进行汇总，以疾病负担为标准化指标构建评价体系，基于健康影响的严重程度，构建全因死亡数健康评价指标体系和伤残调整生命年健康评价指标体系；
所述步骤S2具体包括：
步骤S21：基于所述区域人群特征数据构建能量代谢当量MET计算模型，计算公式为：
其中，MET为能量代谢当量，表示为人体在单位时间内单位重量肌肉的实际耗氧量与静坐耗氧量的比值，v为出行速度，s为出行坡度百分比，a,b为剂量参数，受出行方式和人群特征影响，l为坡度一致的出行区间长度，L为总出行距离；
步骤S22：导入区域人群特征数据，获取区域内出行者的性别、年龄数据，参照相关标准中对于不同活动水平的能量代谢当量规定和实测值，依据人群特征确定剂量参数a,b，校正所述MET计算模型；
步骤S23：将区域慢行交通出行数据导入校正后的能量代谢当量计算模型，获取出行速度、出行路径和经行路段坡度数据，以计算该区域内的各交通方式的平均出行能量代谢当量，其计算公式为：
其中，为区域内采用交通方式m的平均出行代谢当量，pmc为采用交通方式m时活动水平为c的出行所占总体的比例，METc为出行活动水平为c时的能量代谢当量；
所述步骤S3具体包括：
步骤S31：依据步骤S23计算的区域内平均出行能量代谢当量，量化相对风险RR：
其中，RRm(h)为采用交通方式m出行时间为h时的相对风险，该相对风险为采用交通方式m出行时长为h时的健康参数影响与无出行行为的基础健康参数影响间的比值，为区域内采用交通方式m的平均出行代谢当量，α是剂量-响应函数DRF的系数，表征与相对风险的关系；
步骤S32：依据区域慢行交通出行数据中的出行时长数据，构建不同交通方式的出行时长分布函数，基于时长分布函数确定正面影响的人群归因分值，其计算公式为：
其中，PAFpositive是正面影响的人群归因分值，RRm(h)为采用交通方式m出行时间为h时的相对风险，Pm(h)和Qm(h)分别为基准对照组和计算组的出行时长分布函数，其中对照年的时长分布函数曲线根据过往交通数据确定；
所述步骤S4具体包括：
步骤S41：处理区域大气污染数据，提取各区域内各主要监测站的大气污染物浓度监测值，实现污染物浓度值与现实地理坐标的连接，构建区域污染物浓度分布模型；
步骤S42：将所述区域划分为若干网格，基于步骤S41所构建的区域污染物浓度分布模型计算各网格内污染物浓度，计算公式为：
其中,i为网格编号，j为网格内采样点编号，Ci为网格i的平均污染物浓度，Cij为网格i内采样点j处污染物浓度；
步骤S43：基于步骤S23中所计算的平均能量代谢当量和区域人群特征数据，计算各网格内出行者呼吸量，计算公式为：
其中，Bk,m为特征人群k采用交通方式m时的呼吸量，为区域内采用交通方式m的平均出行代谢当量，V为平均排气量，H为出行者高度，单位为m，W为出行者体重，A为出行者年龄，a1，b1，c1，d1为性别参数，取决于出行者的性别；
步骤S44：基于步骤S43中所计算的各网格内出行者呼吸量，构建人群污染物暴露模型，计算各网格特征人群的个体暴露参数，计算公式为：
Ei,m＝Ci×Bk,m×Ti
其中，Ei,m为网格i内采用交通方式m的个体暴露参数，Ci为网格i的平均污染物浓度，Bk,m为特征人群k采用交通方式m时的呼吸量，Ti为网格i内暴露时间；
基于人群出行特征，上述个体暴露参数公式中暴露时间的计算公式为：
其中，Ti为网格i内暴露时间，Li为网格i内路网长度，vk,m为特征人群k采用交通方式m的平均移动速率；
步骤S45：提取所述区域慢行交通出行数据内各条数据，每条数据包含出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度信息
应用地理信息系统软件将数据与网格坐标相连接，计算各网格内的污染物暴露总和，计算公式为：
其中，E为区域内污染物人群暴露水平，Ei,m为网格i内采用交通方式m时的污染物个体暴露参数，data为区域慢行交通出行数据内各条数据；
步骤S46：将步骤S45计算的区域内污染物人群暴露水平代入剂量响应函数，获取负面影响的人群归因分值，计算公式为：
其中，PAFnegative是负面影响的人群归因分值，RR是相对危险度，表征暴露组危险度与对照组危险度的比值，β是剂量响应函数DRF的系数，将参考研究区域的病理学报告获取，Eb是对照组的人群污染物暴露水平，其中对照组的值参考相关研究文献或标准中的安全值确定；
所述的步骤S5具体包括：
步骤S51：基于获取的全因死亡数数据，构建全因死亡健康评价体系：
ΔDBmt,total＝∑ΔDBmt,i＝∑PAFi×DBmt,i,baseline
其中，ΔDBmt,total是全因死亡指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBmt,i,baseline是该影响的全因死亡率基准值，根据过往年数据规定；
步骤S52：基于获取的伤残调整生命年数据，构建伤残调整生命年健康评价体系：
ΔDBda,total＝∑ΔDBda,i＝∑PAFi×DBda,i,baseline
其中，ΔDBda,total是伤残调整生命年指标下的标准化健康评价指标，i表示正面或负面影响，PAFi是正面或负面影响的人群归因分值，DBda,i,baseline是该影响的伤残调整生命年基准值，根据过往年数据规定。
2.根据权利要求1所述的方法，其特征在于，所述慢行交通出行方式包括：步行和自行车骑行。
3.根据权利要求1所述的方法，其特征在于，所述区域人群特征数据包括：出行者年龄、性别、身高和体重。
4.根据权利要求1所述的方法，其特征在于，所述区域慢行交通出行数据包括：出行方式、出行起讫点、出行路径、出行时长、出行速度和经行路段坡度。
5.根据权利要求1所述的方法，其特征在于，所述的区域大气污染数据包括：监测站坐标、监测时间、监测污染物类型和监测污染物浓度值。
6.根据权利要求1所述的方法，其特征在于，所述的区域生命健康数据包括：全因死亡数和伤残生命调整年。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110290861.8A CN112951428B (zh) | 2021-03-18 | 2021-03-18 | 考虑身体活动水平的慢行交通出行健康影响评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110290861.8A CN112951428B (zh) | 2021-03-18 | 2021-03-18 | 考虑身体活动水平的慢行交通出行健康影响评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112951428A CN112951428A (zh) | 2021-06-11 |
| CN112951428B true CN112951428B (zh) | 2024-04-05 |
Family
ID=76226602
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110290861.8A Active CN112951428B (zh) | 2021-03-18 | 2021-03-18 | 考虑身体活动水平的慢行交通出行健康影响评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112951428B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
| 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 |
| EP3391809A1 (en) * | 2017-04-21 | 2018-10-24 | Koninklijke Philips N.V. | Fitness level prediction device, system and method |
| CN109377056A (zh) * | 2018-10-26 | 2019-02-22 | 东南大学 | 一种出行幸福感影响因素提取方法 |
| CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
-
2021
- 2021-03-18 CN CN202110290861.8A patent/CN112951428B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
| EP3391809A1 (en) * | 2017-04-21 | 2018-10-24 | Koninklijke Philips N.V. | Fitness level prediction device, system and method |
| 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 |
| CN109377056A (zh) * | 2018-10-26 | 2019-02-22 | 东南大学 | 一种出行幸福感影响因素提取方法 |
| CN110222950A (zh) * | 2019-05-16 | 2019-09-10 | 北京航空航天大学 | 一种城市交通的健康指标体系及评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于BP神经网络的自行车道健康影响评价;许植深;户佐安;;综合运输(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112951428A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dons et al. | Wearable sensors for personal monitoring and estimation of inhaled traffic-related air pollution: evaluation of methods | |
| EP3304073B1 (en) | Device and method for monitoring a subject | |
| Sidharthan et al. | Model for children's school travel mode choice: accounting for effects of spatial and social interaction | |
| Zuurbier et al. | Respiratory effects of commuters' exposure to air pollution in traffic | |
| Van Holle et al. | The association between Belgian older adults’ physical functioning and physical activity: what is the moderating role of the physical environment? | |
| Pabayo et al. | Do area characteristics predict change in moderate-to-vigorous physical activity from ages 11 to 15 years? | |
| Pan et al. | Evaluating the accessibility of healthcare facilities using an integrated catchment area approach | |
| CN111488522A (zh) | 一种个性化多维度景点推荐方法 | |
| US11185252B2 (en) | Determining a risk level posed by an air pollutant | |
| CN107024568A (zh) | 一种大气质量检测装置和方法 | |
| Buteau et al. | Air pollution from industries and asthma onset in childhood: a population-based birth cohort study using dispersion modeling | |
| Borghi et al. | Commuters’ personal exposure assessment and evaluation of inhaled dose to different atmospheric pollutants | |
| CN108320805A (zh) | 一种公众空气污染暴露风险测量指数计算方法 | |
| CN112951428B (zh) | 考虑身体活动水平的慢行交通出行健康影响评价方法 | |
| CN109657940A (zh) | 基于鱼类响应确定栖息地生态系统恢复因子优先级的方法 | |
| Arriel et al. | Current perspectives of cross-country mountain biking: physiological and mechanical aspects, evolution of bikes, accidents and injuries | |
| dos Santos et al. | Prediction of COVID-19 using time-sliding window: the case of Piauí state-Brazil | |
| CN110533480A (zh) | 一种基于大数据的商场客流预测方法 | |
| KR102293433B1 (ko) | 스마트폰 센서를 이용한 정신건강측정 서비스 제공 시스템 | |
| Zrenner et al. | Retrospective analysis of training and its response in marathon finishers based on fitness app data | |
| Kaur et al. | Quantifying personal exposure to spatio-temporally distributed air pollutants using mobile sensors | |
| Elliott et al. | Respiratory effects of road pollution in recreational cyclists: a pilot study | |
| Galkina et al. | Comparison of interpolation methods for estimating spatially aggregated pollution exposure | |
| Zhu et al. | Assessment of particulate matter inhalation during the trip process with the considerations of exercise load | |
| KIKUCHI et al. | Evaluation of Overall Comfort of Railways Based on Customer Experience |
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 |