出行过程交通源空气污染暴露时空变化的动态模拟方法

出行过程的空气污染暴露在日常暴露中占据重要的份额。为了更好地揭示交通源空气污染暴露的时空变化，本研究将建立出行过程交通源空气污染暴露的动态模拟方法，即利用道路环境监测数据反演交通排放源强，利用源强反演数据和交通参数建立交通源排放估算模型，并采用OSPM模型模拟机动车污染物时空变化；建立基于概率统计模型的交通出行微环境浓度预测方法，开发基于马尔科夫链-蒙特卡洛算法和GIS的人员出行过程动态模拟方法，实现对出行过程中多种与交通源密切相关的气态和颗粒态有毒有害污染物暴露量的评价。该方法不仅可作为流行病学研究和健康风险评估的研究工具，用于城市人口总体暴露特征或特定人群的暴露特征等的研究，还适用于空气污染控制和交通政策的研究。目前国内外在这方面研究都比较缺乏，本研究的成果不仅可填补国内在交通污染暴露模拟技术方面的研究空白，同时还将为国外同行的研究提供有益的参考借鉴。

道路交通污染已成为影响城市甚至区域空气污染的重要来源。本项目旨在建立交通出行过程中空气污染暴露模拟评价方法，能根据实际交通条件分析出行过程中暴露浓度的变化，并评价出行过程的暴露水平。.1、道路交通出行颗粒物污染暴露特征监测研究.开展了“门-门”出行过程中的细颗粒物污染暴露监测实验，考察短程和长程两种情况。短程出行距离约2~3km，包括步行、自行车、出租车、公交车和轨道交通。长程距离约8~10km，对公交车和轨道交通出行进行研究。.短程出行时地铁车厢内的暴露浓度最低，公交车内最高。自行车、步行、公交车、轨道交通和出租车出行的吸入剂量约为54.5±38.9, 45.2±30.1, 29.2±25.4, 28.6±25.9 和 12.8±13.4 mg。.长程出行时公交车和地铁出行的平均PM1浓度为0.079±0.067， 0.065±0.056mg/m3，单程暴露剂量分别为(0.028±0.024)mg和(0.034±0.033)mg。公交车出行的车内暴露的贡献率达52.2%；地铁出行的暴露量主要来源于地面步行(42.4%)及候车(44.2%)，车内贡献仅占13.4%。.2、基于概率统计模型的交通出行微环境浓度预测方法研究.开展了不同微环境的暴露监测，研究不同出行微环境的暴露浓度关系，并分析交通工况对暴露浓度的影响。公交、地铁及出租出行的暴露浓度与自行车的比值符合正态分布，其中公交为1.30±0.79，地铁为0.71±0.32，小车为0.87±0.54。.开展了车内外暴露浓度监测对比实验。空气污染程度和空调是否开启对车内外微环境浓度影响较大。空调关闭时，环境空气质量优、良和污染天气下车外浓度与车内浓度的比值分别为0.78±0.14,1.04±0.08,1.13±0.55；空调开启时，比值分别为0.93±0.10,1.28±0.16,1.44±0.27。.3、基于GIS的人员出行过程动态模拟软件开发.开发了基于GIS的人员出行过程动态模拟软件，能实现人员单次出行的路径选择和基于扩散模型模拟的暴露量评价，以及群体出行的暴露量评价。考虑了道路交通差异造成的暴露浓度的差异，实现了出行过程污染暴露的动态模拟。该软件可为城市交通管理政策和人群健康风险评价提供技术支持。