高峰期交通流影響因子對城市噪聲影響的程度

孫鳳英，喬 躍，張志鋒

(東北林業大學，哈爾濱 150040)

隨著汽車保有量的迅速增加，交通噪聲成為城市的主要噪聲源。交通噪聲已與廢氣、廢水、廢渣并列為城市四大污染物［1］。噪聲不僅影響著人們的生活和學習，還嚴重影響人們的身心健康。交通噪聲與道路交通流量、車型、行駛速度等因素有關，噪聲是其影響因素綜合作用的結果。一些學者很早就對交通流的影響因素與噪聲的關系進行研究，認為交通流影響因子與噪聲密切相關。為了探究噪聲與交通流影響因子(通流量、車型、行駛速度)間在交通密度較大時存在的關系，選取早晚高峰時段(早高峰7:30－8:30、晚高峰16:30－18:30)對東北林業大學邊和興路路段進行連續4周的數據監測。

表1 調研數據

1 調研方法與數據

選取正常工作日內早晚高峰時段(早高峰7:30－8:30、晚高峰16:30－18:30)對東北林業大學邊和興路路段進行數據監測。具體測量方法是:按照GB/T3222—94《聲學環境噪聲測量方法》中城市道路交通噪聲測量方法，將測點選在兩路口之間的道路邊人行道上，且使其相距路口的距離大于50 m。在距離道路邊沿20 cm處的人行道上放置三腳架，將積分聲級計固定在三腳架上，并使積分聲級計的傳聲器對準車輛;開啟電源，設置時間計權特性為F(快檔)，網絡計權為A，按定時鍵設置測量時間(20 min)，按運行鍵開始自動測量，測量時間結束后，記錄等效連續A聲級的大小。將錄像機固定在三腳架上，調整其高度和角度，并對準道路上運行的車輛，獲取各類型車流量。車輛分類方法參照《高速公路交通噪聲監測技術規定(暫行)》，將道路上運行的車輛分為3類:小型車(轎車、微型和輕型客車、微型和輕型貨車、越野車)、中型車(中型客車、中型貨車、大型客車)、大型車(大型貨車、重型貨車)。在測量噪聲及流量的同時，將雷達測速儀對準車輛，測試其運行速度。連續4周的早晚高峰時段對和興路的檢測數據如表1所示。

續表

2 運用灰色關聯度分析各因素對噪聲的影響程度

為了研究交通特性中各因素對噪聲的影響程度大小，采用灰色關聯度分析方法找出各影響因素對噪聲的影響程度。

1)指標的數列均值化

設噪聲為x0;x1表示車流量;x2表示車速;x3表示大車;x4表示中車;x5表示小車，現求各指標的均值

再用均值去除對應指標的每個數據。

2)關聯系數的計算

設比較序列為xi=［xi(1)，xi(2)，…，xi(60)］(i=1，2，…，5)

母序列為x0=［x0(1)，x0(2)，…，x0(60)］，則母數列與比較數列在k時刻的關聯系數ε0i(k)通過下式計算:

計算結果如下:(ε通常取0.5)

3)關聯度的計算

參考數列和比較數列的關聯度r0i通過下式計算:

計算結果如下:

關聯度超過0.6，說明參考數列和比較數列有關聯，變化態勢較一致。由以上結果可以看出:4種因素的關聯度均超過0.6，車流量與噪聲的關聯度最大，車流量與噪聲的同步變化程度最高;大車與噪聲的關聯度最小，而大型車與噪聲的同步變化程度最低;交通流影響因子與噪聲關聯度由大到小分別為車流量、小車、中車、車速、大車。中車與小車的關聯度均超過車速，這是因為在高峰時段，車輛停靠時間較長，所以噪聲主要來源是車流量與車型的不同。然而，大型車的關聯度最低是因為車輛較少造成的，可以通過更換老舊汽車、減少大型車的進入等方法控制噪聲。數據測量時發現:中型車主要以公交為主，公交車的能量分布主要集中在低頻階段［2］，交通噪聲來源一部分為低頻。當城市道路設置聲屏障時，就要考慮怎樣阻擋聲音的繞射，從而減輕噪聲污染。

3 基于Cadna/A進行仿真模擬

根據灰色關聯度預測，車流量與噪聲的同步變化程度最高，研究其他交通條件不變，只改變車流量時噪聲受到的影響。為此運用Cadna/A軟件，建立一條4車道的道路，設置其長度為600 m，寬度為20 m。在距道路邊緣15 m處建立一住宅樓，其長度為100 m，寬度為20 m，高為30 m。建立的模型如圖1所示。

圖1 建立的3D模型

對已建立的道路通過設置不同的流量，可以得到不同的交通流噪聲仿真結果。假設所建立的道路，流量Q為2 000輛/h(其中重車所占比例為5%)，車速V為40 km/h。將需要計算的區域劃分網格，網格長、寬均為10 m，接受點高度為2 m。然后進行仿真分析，得到2 m高處水平噪聲級分布圖，見圖2。

圖2 車流量2 000輛/h居民樓附近水平噪聲級分布圖

其他條件不變，將流量Q設置為6 000輛/h，然后進行仿真分析，得到改變車流量后的水平噪聲級分布圖，見圖3。

圖3 車流量6 000輛/h居民樓附近水平噪聲級分布圖

由圖2和3可知:車流量為2 000輛/h時，面向道路一側的居民樓的噪聲為68～69 dB;車流量為6 000輛/h時，面向道路一側的居民樓的噪聲為62～63 dB。由對比分析可知:車流量從2 000輛/h增加到6 000輛/h時，噪聲增加了6 dB，說明交通量對噪聲的影響很大。

4 結論

通過對噪聲的主要影響因素進行灰色關聯度預測，得到各影響因素對噪聲的影響程度;通過改變車流量，并運用Cadna/A軟件進行仿真分析，得到居民樓周圍噪聲的分布狀況，主要結論如下:

1)采用灰色關聯度分析的方法得出了車流量、車速、大型車、中型車和小型車與噪聲的關聯度分別為0.947，0.868，0.73，0.894，0.942，車流量與噪聲的關聯度最大，車流量與噪聲的同步變化程度最高;大車與噪聲的關聯度最小，大型車與噪聲的同步變化程度最低。

2)運用Cadna/A軟件進行仿真，得到居民樓附近噪聲分布情況，且當流量從2 000輛/h增加到6 000輛/h時，噪聲增加了6 dB。

3)可以通過減少老舊車的使用、實行單雙號限制、車輛擁堵時禁止鳴笛、尋找新型聲屏障材料減少聲音繞射等措施來減少道路交通噪聲，為城市居民創造良好的聲環境。

［1］沈紅霞.城市環境噪聲質量評價方法［J］.嘉興學院學報，2004，16(3):83－85.

［2］羅鵬，蔡銘，王海波.不同速度的各類型機動車噪聲頻率特性［J］.噪聲與振動控制，2013，33(5):86－89.

［3］胡永舉.高速公路交通噪聲與交通流狀態的關系研究［J］.交通運輸工程與信息學報，2008，6(1).

［4］劉濤.城市道路交通噪聲影響因素與傳播規律分析［D］.西安:長安大學，2009.

［5］Rajakumara H N，Mahalinge R M G.Road traffic noise prediction model under interrupted traffic flow condition［J］.Environ Model Assess，2009，14:251－257.

［6］田民，劉思峰，卜志坤.灰色關聯度算法模型的研究綜述［J］.理論新探，2008(1):24－27.

［7］鄭列，朱永松.數學模型［M］.北京:科學出版社，2013(1):222.

［8］伶德信.我國職業噪聲危害及其控制途徑［J］.勞動保護科學技術，1997(6):47－49.

［9］馬春燕，趙劍強.西安市高速公路上不同車型車輛交通噪聲及其行駛速度的統計分析［J］.交通環保，2005，26(3).

［10］姚美娟，馬力，鹿力成，等.不同頻段下利用虛擬接收方法的聲源測距性能分析［J］.聲學學報，2014，39(6):685－695.

［11］顧尚華.道路交通噪聲的危害與控制措施［J］.交通與運輸，2003(2):18－20.

［12］宋洪洋.交通噪聲與交通流量關系的試驗研究［D］.哈爾濱:東北林業大學，2009.

［13］李丹.青島市快速路交通噪聲影響與防治對策研究［D］.青島:青島理工大學，2008.

［14］劉芳.城市環境噪聲污染淺析［J］.生物技術世界，2013(2):26.

［15］李家亮，林建恒，郭圣明，等.噪聲源非均勻分布海洋環境噪聲水平聲能流理論分析［J］.聲學學報，2014，39(6):673－684.

［16］Filho A，Lenzi J M A.Effects of traffic composition on road noise:a case study［J］.Transportation Research Part D Transport and Environment，2004，9(1):75－80.

［17］陳麗文.城市交通噪聲分析及其系統研究［D］.呼和浩特:內蒙古工業大學，2006.

［18］蔣展鵬.環境工程學［M］.北京:高等教育出版社，2005.