王尧[1]2013年在《基于Cadna/A的城市噪声地图研究》文中指出随着城市建设速度的加快,城市道路也随之不断发展,随之而来的城市道路交通噪声已成为正常工作和生活中不容忽视的影响因素。声环境的评价和噪声污染区的改善已成为城市建设的重要方面。实施有效、合理的减噪降噪措施,改善居住区域的声环境,使得城市噪声影响逐渐降低,是城市建设的重要发展方向之一。噪声预测是改善声环境过程中重要的研究内容。首先对重点区域进行噪声预测和分析,并以此绘制区域噪声地图,之后再不断扩展,使得噪声地图的覆盖区域不断增大,是噪声地图绘制工作的正常发展步骤。噪声地图的研究在欧洲等一些国家和地区已发展多年,但我国在此方面的研究还较少。本文在相关的理论基础上,对于城市道路交通噪声的预测和噪声地图的绘制工作进行了系统的分析。通过对国内外发展现状的分析,实地噪声测试与采集,并通过同步的前期数据采集与整理,通过研究区域的地图截取,对该区域进行建模,以Cadna/A软件为计算工具,进行城市道路交通噪声的预测和选定区域的噪声地图的绘制。将预测结果与实际测量结果进行分析对比,经过修正,对其他关心点进行噪声预测。该研究内容从国内实际情况出发,应用城市道路交通噪声预测和噪声地图方法,得出相应的噪声预测结果。该研究对于城市声环境的评价依据、城市道路交通噪声的影响分析和城市声环境改善工作的进行有较重要的指导意义。
余鑫[2]2004年在《灰色理论在城市道路交通噪声预测中的应用研究》文中提出随着我国经济的飞速度发展，城市中车辆拥有量随着上升，交通的发展给环境造成的污染日益严重。其中城市交通噪声污染是城市中突出的环境污染问题之一，在可持续发展的城市交通规划理论和方法的研究中，需要研究城市交通噪声预测和评价技术，为城市交通规划中的环境容量分析和环境影响评价服务。本文立足于人门对城市交通噪声污染日益重视的要求和可持续发展的城市交通规划的需求结合国内外研究经验和发展趋势，主要研究如何以灰色理论为依据建立更为精确的道路交通预测模型。 灰色系统理论主要研究“小样本不确定问题”，具有多学科的综合性、交叉性和抽象性，灰色建模是灰色系统理论的核心，是沟通灰色理论与实践应用的桥梁。本文系统地介绍了灰建模理论的概念、特点、应用范围及灰色模型的性质，深入研究和讨论了GM(1，1)模型的建模机理和方法，讨论了建模要求及实际应用中应注意的问题，进一步加深对灰色理论的理解，统一对灰方法思想的认识，使得灰色理论能更大范围解决实际问题。这些研究对道路交通噪声预测有十分主要的意义。
乐晓妍[3]2015年在《城市道路噪声特性研究及噪声地图信息系统构建》文中指出随着各个地区城市化的进程不断加快,路网建设日益完善,交通噪声污染在城市环境污染问题中显得愈发突出。目前,城市道路交通噪声的研究主要从实例监测、模型预测和验证等方面开展了许多尝试和探索,但对于实际运行道路的噪声研究,目前以采用短时的测量数据为主,缺乏基于长时间的监测观察结果的研究和验证。本论文以宁波市城区11平方公里范围以及特定道路作为研究对象,基于大量实际观测数据,对我国城市道路噪声与车流量的关系进行分析探讨并验证各相关预测模型的适用性,并在此研究的基础上,对于选定实验区,尝试建立城市噪声地图系统,完成区域噪声地图的绘制。主要的研究内容与成果如下：(1)基于长时间连续监测得到的数据,对城市道路的噪声特性作出总结和分析,发现：城市道路两侧噪声与交通量存在显着相关性；道路交通噪声声能量主要集中在250Hz以下的低频段,最高值出现在63Hz频段,自1000Hz以后,能量分布逐渐降低。(2)将监测数据与车流量相联系,采用统计学手段,分析城市道路噪声的主要来源、主要影响因素、各个频谱段特性等,得到主要结论包括：在交通顺畅,远离交叉口等复杂交通情况的城市道路两侧,噪声值与等效车流量呈对数增长关系,拟合结果可应用于类似路段的噪声简单预测。采用L50、L90和L95等评价量,有助于更完整体现道路噪声的特性及其和交通流量的密切关系。低频段的噪声与道路交通流量关系较为密切,中高频段中,仅1000Hz左右频段的噪声与道路交通源表现出较为明显的相关性。(3)从理论分析和实测验证两个角度分析比较目前通用噪声模型的准确性,得出主要结论：总体而言,各模型与实验道路的交通噪声监测值均符合较好,可在一定调整的基础上,用于我国城市道路交通噪声预测；在车流量较低、重型车比较高的情况下,RLS90和FHWA模型表现的相对较好,随着车流量增加,NMPB模型和CRTN模型的预测结果变好；对于重型车而言,可能是NMPB和CRTN两个模型的车辆噪声基础排放值要比我国国内实际情况低很多,所以在重型车比增加的情况下,上述两个模型的预测结果要比平均情况偏低很多。(4)基于上述研究得到的城市道路噪声特性以及噪声模型分析结果,考虑实际环境管理的需要,设定的系统功能和目标,运用面向对象的软件开发技术方法,尝试构建一个城市噪声地图信息系统,可以实现区域地理信息管理、交通噪声预测、预测结果分析查询以及区域二维噪声地图绘制和发布的功能。
徐璐[4]2017年在《莆田市城市道路交通噪声污染特征分析》文中研究说明随着莆田市经济的飞速发展,城市的道路交通也得到了迅猛发展,机动车的数量也有了迅猛的增长,城市基础设施的更新速度已经无法跟上交通发展需求,导致了严重的城市交通噪声污染,治理城市交通噪声污染的严峻形势已迫在眉睫。本文以莆田市城市道路交通噪声为研究对象,通过资料查阅、现场监测、数据收集、数据分析等手段,采用计算机软件Excel和SPSS等进行数据处理,对城市不同等级道路的交通量和交通噪声的时空分布特征、不同等级道路交通噪声污染情况进行了分析,还结合莆田市的道路特征对道路交通噪声的几个影响因素进行了定量分析,建立了实测交通噪声预测模型并利用叁种交通噪声经验模型(FHWA模型、交通部模型和环保部模型)对交通噪声预测进行预测和对比,寻找适合本地的交通噪声预测模型并对其进行修正。为城市道路交通噪声污染的治理提供了理论支撑,也为道路的交通规划提供了技术支持。得出如下结论:(1)莆田市的不同等级道路的交通量从大到小的顺序是:主干道>次干道>支路。近8年来莆田市不同等级道路的交通量都处于增长的趋势,次干路的平均交通量增长了 1000pcu/h,主干路和支路的平均交通量增长了 500pcu/h,而且次干路的交通量慢慢趋近于主干路的交通量;(2)近8年来莆田市主干路和次干路的交通噪声平均等效声级都处于波动的状态,支路的交通噪声等效声级处于增长的趋势;而且位于中心城区的道路的交通噪声污染明显比远离中心城区的道路的交通噪声污染严重。总体上看:95.2%监测点的交通噪声声级都符合声环境质量的标准,只有个别监测点的交通噪声有超标的现象;(3)当车流量<4000 pcu/h时,道路交通噪声先随着车流量的增加而加剧增加,呈现出明显的正相关关系,但当车流量达到4000pcu/h后,两者的关系就不显着了。与车流量原始数据相比,交通噪声和车流量的对数的相关性更好;(4)道路交通噪声受车型比的影响关系是大型车>摩托车>中型车>小型车,即随着大型车车型比的增加,交通噪声增加比较明显。而且交通噪声和车辆车速在一定的速度范围内也表现出正相关的关系,特别是摩托车和大型车的车速对交通噪声的影响较大,超过一定的速度(大型车的界定车速为50km/h;摩托车的界定车速为37km/h),两者之间的关系不显着;(5)路面宽度对道路交通噪声的影响不大;沥青路面的道路交通噪声普遍小于水泥路面的道路交通噪声,可知沥青路面的降噪效果好;(6)交通噪声预测结果:FWHA模型、交通部模型和环保部模型的结果的绝对误差分别为2.04dB(A)、4.80 dB(A)和1.20 dB(A),其中环保部模型的预测值与实测值的误差最小,为最佳的莆田市城市道路交通噪声经验预测模型。进一步,利用SPSS软件对各车型车辆辐射声级和车速的对数之间的关系进行了回归拟合,采用回归所得参数修正了环保部模型中的车辆的平均辐射噪声参数:得到平均绝对误差值为1.03dB(A),预测精度得到进一步的提高,可做为研究区交通噪声预测优先考虑模型;(7)结合道路交通噪声影响因素的研究结论,针对性地对莆田市的道路交通噪声提出一些的治理控制措施,如采用低噪声路面、合理规划等。
刘静娴[5]2016年在《城市道路交通噪声的叁维可视化研究》文中研究表明交通是城市的支撑,城市交通越完善,城市越进步。随着我国城市化进程的加快,城市路网的完善,汽车保有量的增长,城市道路交通噪声越来越大。随之而来的噪声污染问题日益严重,噪声污染降低工作效率,影响人们的身心健康,引起有关部门和都市居民的关注。随着GIS技术快速发展,公众参与程度增加,为更直观了解城市道路交通噪声分布情况提供了基础。与我国的城市发展进程相比,城市噪声污染的预测和防治措施还没有得到更快的发展。因此,建立完善的城市道路交通噪声可视化体系,为城市规划,走“低碳之路”,全面建设“五位一体”奠定基础。不同城市的道路结构各异,现有的城市噪声预测模型各有不同的适用性,通过比较常用的城市噪声预测模型的优缺点,将噪声预测模型的预测的结果与实测结果对比,选择恰当的预测模型作为本文的预测模型。为能更直观地了解噪声分布情况,将城市道路交通噪声预测模型与城市叁维模型相结合,进而建立了适合道路交通状况的叁维噪声预测模型,并将噪声值进行可视化显示,为城市做好防噪提供参考。本文的主要工作拟从以下几个方面展开。(1)城市道路交通噪声评价指标的选择。介绍了城市道路交通噪声来源、城市道路交通噪声传播的特点和影响噪声源和噪声传播的因素,参考国家城市道路交通噪声评价指标,结合城市结构特点,选择合适的评价指标作为本文的噪声评价指标。(2)实测研究区域的城市道路交通噪声分布情况。根据我国的国家标准GB3222-1994对研究区域的城市道路交通噪声进行实地监测,获取研究区域的水平方向和垂直方向上噪声分布情况,为选择适合的交通噪声预测模型提供基础。(3)城市道路交通噪声预测模型的选择。结合城市结构和交通状况,对比分析几种国内外常用的交通噪声预测模型优缺点,将模型的预测值与实地监测的噪声值进行比较,选择恰当的城市道路交通噪声预测模型。(4)城市道路交通噪声叁维可视化。将城市道路交通噪声预测模型与叁维城市模型相结合,构建叁维噪声预测模型;将研究区域的空间数据和属性数据输入到叁维噪声预测模型,对模型计算的噪声值叁维可视化。
臧程程[6]2009年在《居住区交通噪声评价研究》文中进行了进一步梳理居住区环境质量体现了城市居住生活水平,同时成为国家发展水平的重要标志。健康舒适的居住区环境涵盖许多方面,包括自然环境要素:水环境、空气环境、声环境、光环境和热环境,还包括众多的社会环境要素:绿化、卫生、交通、管理等等。其中,居住区声环境是评价居住区环境质量的重要指标。据统计,在影响居住区声环境质量的各项噪声中,交通噪声所占的比例最大。故本文对居住区交通噪声评价进行研究。本文的目的是让广大居民切实对自己所处的噪声环境有一个明确、清楚的认识,把对居住区交通噪声给自己带来的危害的认识由感性认识转变到具体认识。本文介绍了道路交通噪声预测模型,居住区交通噪声监测点布局及优化,提出了城市道路交通噪声对居民影响的模糊评价方法和交通噪声综合影响指数评价方法,并以实例加以验证。通过比选,得出模糊评价方法比交通噪声综合影响指数评价方法更实用的结论。最后介绍了一些居住区交通噪声防治对策。交通噪声综合影响指数评价方法是对居民对交通噪声的主观烦恼度的评价。道路交通噪声对居民的影响,不仅与声波的物理性质,如噪声级的大小、声音的频率等有关,还与人们的年龄、体质、性格、爱好、文化程度、区域、社会经济条件等诸多因素有关。采用模糊综合评判法来评价道路交通噪声对居民的影响,综合考虑了道路交通噪声的客观实测量和和由噪声引起的居民的主观反应,能够更全面地评价道路交通噪声对居民的实际影响程度,使得评价结果更科学、合理。
陈城[7]2007年在《道路噪声与路表径流污染的评价》文中研究表明随着我国社会的飞速发展,经济活动的日益频繁,对于交通的需求也相应增大。而交通在促进社会发展的同时,也带来了交通拥挤、交通事故、环境污染、以及资源消耗等方面的问题。随着人们对生活水平的提高,可持续发展要求的提出,以及和谐社会建设的开展,这些问题已经逐渐成为人们所关心的话题。其中,噪声问题和路表径流污染问题是其中比较突出的问题。因此,本论文的工作就是综合前人的研究成果对道路噪声以及路表径流污染进行评价。本论文首先分析了路面平整度对于道路噪声的影响。通过比较不同平整度的路面上,同一辆车,以相同速度匀速行驶的情况下,在一定距离处测得的噪声值来分析平整度对道路噪声的影响。研究表明,路面平整度对车辆噪声,尤其是货车的车辆噪声具有十分显着的影响。平整度越大,车辆噪声也越大。本论文也详细分析了绿化带的减噪效果。通过比较布置于不同形式绿化带上的点的噪声值来得到绿化带对于噪声的影响。研究结果表明,绿化带对于噪声不仅具有带中的削弱作用,还具有明显的带前降噪效果。该研究还根据车辆噪声的大小,将7种车型分为4组。噪声最高的车型组比噪声最低的车型组产生的噪声高出10dB。最后本文还对上海市道路路表径流的污染状况进行了实测分析。实测结果表明上海市路表径流中SS、COD、Pb、TP和TN没有达到《地表水环境质量标准》叁级的标准的规定。而Zn和Cl的含量则达到了相应的标准。研究还表明COD/SS,TN/SS,TP/SS之间存在较好的线性关系。而且这些参数与车道交通量的关系较明显。
谢森辉[8]2006年在《基于GIS的城市交通噪声模拟信息系统》文中研究表明噪声污染是人类社会叁大污染之一，而交通噪声又是最主要的噪声污染。GIS作为一种空间信息处理的强大工具，在交通噪声的治理和控制中起到重要的作用。本文重点介绍了如何利用地理信息系统(GIS)技术构建城市交通噪声环境管理系统。系统中采用了地理信息系统(GIS)技术和交通噪声预测模型进行结合的方式，构建城市交通噪声模拟信息系统。系统对不同条件下的交通噪声进行模拟计算。在系统的开发过程中使用了栅格的空间分析、地理代数运算等GIS功能，最终达到了快速、准确和高效地模拟城市道路交通噪声的目的。在文章的最后还对该系统功能进行分析和评价。
田玉军[9]2003年在《兰州市城市道路交通噪声调查、评价与防治对策研究》文中进行了进一步梳理本论文利用兰州市过去14年的交通噪声监测数据，并结合2002年的实际调查数据，对兰州市交通噪声声源、交通噪声污染历史、污染现状及交通噪声的影响因素进行了分析与评价，并针对兰州市的实际情况提出了交通噪声的防治对策与建议。主要得出以下结论： 1、兰州市的主要道路在过去14年中交通量不断增加，且年变化规律明显，交通量随时间的变化服从关系表达式①。兰州市交通量年变化与公交车、出租车的数量有着显着的相关关系，其关系为关系表达式②。2002年兰州市道路行驶车辆的构成以小型车为主，比重占72.3％。道路交通量的空间分布规律按行政区为：安宁区＞城关区＞七里河区＞西固区；按道路方向：东西向道路＞南北向道路。 Q=447.737-22.351h+23.412h~2-1.155h~3(R2=0.95；Sig=0.000)……①式中：Q为交通量，h为年。 Y=151.757+151.757N1+0.0695N2(R=0.981)……②式中：Y为道路年均交通量(辆／h)；N1是公交车数量(辆)；N2出租车数量(辆)。 2、兰州市过去14年道路两侧交通噪声污染严重，噪声起伏特征明显，对公众的干扰强烈；交通噪声的年变化规律显着，大致分叁个阶段：1989—1993年为交通噪声污染上升时期；1993—1998年为交通噪声污染大幅下降时期；1998—2002年交通噪声年变化趋于平缓。交通噪声主、次干道的差别显着，主干道比次干道交通噪声超标严重，但次干道交通噪声的起伏特征明显，对公众的干扰强烈。兰州市各区交通噪声质量状况按噪声的平均能量Leq：城关区＞七里河区＞安宁区＞西固区；L10：安宁区＞七里河区＞城关区＞西固区；TNI：西固区＞城关区＞安宁区＞七里河区。 3、经调查与分析，兰州市交通噪声的现状为：污染严重、超标率高；交通噪声空间分布规律显着，城关区污染严重，安宁区污染最轻；主干道噪声污染较次干道严重，但次干道噪声起伏特征明显；东西向道路和双重职能道路的交通噪声污染比南北向道路和城市道路严重。 4、综合兰州市的实情，得出影响兰州市交通噪声的主要因素为：道路交通量，道路行驶车辆的构成和种类，车辆行驶状况，车辆性能，城市交通管理，道路建设等。 为此，今后应控制道路车辆，特别是过境车辆，加强主要路段、道路交汇点的交通管理，综合防治城市道路交通噪声污染。
莫元富[10]2016年在《车联网环境下交通信息分发与处理关键技术研究》文中认为随着车联网技术的快速发展,车联网应用已经从以娱乐导航服务为主要内容的初级阶段,发展到以出行诱导、节能驾驶为标志的中级阶段。目前,车联网应用已经进入以车-X协同控制为主要研究内容的高级阶段。在这个高级阶段,随着5G移动通信技术(5G最主要的应用场景就是车联网)的日益成熟及云计算、超级大数据实时处理技术的发展及应用,集中式(将分散的车辆行驶信息汇集到数据中心),以车-X通信为基础的安全控制技术必将会成为车联网研究领域新的热点。在这样的技术演化进程中,以车辆位置为标志的交通信息分发与处理技术将面临新的挑战。车联网环境下,通信网络、位置网与道路交通网络相互迭加,给交通信息的分发与处理带来了极大的困难。本文以车辆定位、路径预测、信息生成、信息传输、信息处理、信息使用为主线,对车联网环境下交通信息分发与处理所涉及的关键技术展开研究。主要研究内容如下:(1)车辆定位与路径预测技术车辆的准确定位与行驶路径预测是生成交通位置信息的基础。通过对GPS/DR组合定位原理和卡尔曼随机路径预测技术的分析,提出了基于车辆运动BM模型的随机路径BM-KFFP预测模型。通过实际行车实验,证明BM-KFFP预测模型能够为交通信息的生成提供数据来源支撑。(2)基于DSRC的交通信息传输保障技术车联网高密度通信环境下,针对车辆生成大量交通位置信息而导致无线通信性能退化、饱和和拥塞问题,最具前瞻性的策略是在第一时间阻止信道拥堵,这就要求车辆能够随时预测下一时刻整个信道的通信负载。首先,在分析VANET中DSRC的主要应用场景基础上,通过对车-X消息传播方式的分类,确定信标消息是车辆位置信息的主要载体,也是无线信道饱和和拥塞产生的根源。然后,使用灰色关联分析法考察信道负载与其影响因素时间序列之间的相关性,选出影响信道负载的主要因素,根据相应的多元关系模型,建立基于卡尔曼滤波递推的信道负载预测算法。最后,使用交通调查方法,采集城市交通干道上的浮动车数据,进行信道负载预测,验证了算法的有效性。在事先进行信道负载预测的基础上,保证网络最大连通性和节点传输公平性的前提下,通过预先定义信道最大、最小阈值,设计了基于“信道负载预测并比较”的信标传输功率控制算法。然后,通过城市道路信号交叉口和八车道高速公路的基本路段仿真实验,验证了算法的有效性。最后,考虑到现实环境中车辆间距离、遮挡等因素对信号传输的影响,采用浮动车实测数据对本文算法再次进行了验证。(3)车联网交通信息生成与处理技术解决高密度交通信息带来的数据库存储和更新问题,关键是降低车辆位置数据的更新频率,从而减轻数据库负载。首先,利用卡尔曼滤波预测精度与预测时域之间的关系,设计了“预测并比较”的位置更新模型,在此基础上提出了一种基于预测的移动车辆数据库位置更新策略。然后,针对通信传输过程中的数据丢包带来的分组投递率降低的问题,通过对位置更新模型进行改进,设计了一种基于邻车距离的传输模式决定算法。最后,通过仿真八车道高速公路基本路段和城市道路实际行车实验,对数据库更新策略和传输模式决定算法分别进行了验证。车联网中,需要在满足车辆位置准确性和无线通信性能要求的前提下,研究和设计信标消息生成策略。首先,根据卡尔曼滤波差分预测方程,建立了卡尔曼滤波信标消息生成模型。然后,根据信道负载实测值与预设阈值,通过信标消息生成速率与信道负载之间的反馈环路,建立了时间间隔自适应调节的信标消息生成模型和策略,通过仿真八车道高速公路和实际行车实验,进行数据采集,对所提出的模型和策略进行了验证。最后,针对信标消息中车辆位置信息丢失问题,提出了一种基于最小二乘支持向量机的信标丢失数据补齐算法,通过实例验证了算法的有效性。(4)车辆位置数据处理与动态出行路径诱导方法在车联网数据中心,使用所有节点采集到的车辆位置数据,可以进行中心式交通出行路径诱导。首先,介绍了车辆位置数据的加工处理方法,包括质量评价与控制方法、路网连通性分析、误差分析与车辆停车识别方法。然后,提出了车联网大样本量节点采集和高密度通信环境下,位置采样和数据传输间隔自适应调整的,单车和路段行程时间估计方法,通过实际道路行程时间对比,证明了方法的有效性。最后,在此基础上,提出了一种全车联网环境下,中心式动态出行路径诱导方法,通过仿真实验证明了方法的有效性。
参考文献：
[1]. 基于Cadna/A的城市噪声地图研究[D]. 王尧. 大连交通大学. 2013
[2]. 灰色理论在城市道路交通噪声预测中的应用研究[D]. 余鑫. 武汉科技大学. 2004
[3]. 城市道路噪声特性研究及噪声地图信息系统构建[D]. 乐晓妍. 浙江大学. 2015
[4]. 莆田市城市道路交通噪声污染特征分析[D]. 徐璐. 福建农林大学. 2017
[5]. 城市道路交通噪声的叁维可视化研究[D]. 刘静娴. 东华理工大学. 2016
[6]. 居住区交通噪声评价研究[D]. 臧程程. 北京交通大学. 2009
[7]. 道路噪声与路表径流污染的评价[D]. 陈城. 同济大学. 2007
[8]. 基于GIS的城市交通噪声模拟信息系统[D]. 谢森辉. 汕头大学. 2006
[9]. 兰州市城市道路交通噪声调查、评价与防治对策研究[D]. 田玉军. 西北师范大学. 2003
[10]. 车联网环境下交通信息分发与处理关键技术研究[D]. 莫元富. 吉林大学. 2016
标签：工业通用技术及设备论文; 交通论文; 交通量论文; 灰色理论论文; 预测模型论文; 信道估计论文; 城市道路论文; 灰色模型论文; 居住区道路论文; 环境评价论文; 噪声危害论文; 环境噪声污染论文; 噪声分类论文; 城市交通论文;