考慮多因素的夜間交通噪聲影響量化方法

魏姍姍 梁璟 王琳

摘要：針對夜間交通噪聲影響居民生活的問題，采用問卷形式調查居民對夜間交通噪聲的主觀感受，調查顯示居民的主觀感受與噪聲強度、居民年齡、身體健康狀況、房屋是否臨街、房齡等因素有關。綜合考慮臨街區域的夜間聲環境功能區類型、夜間交通噪聲強度、暴露人口數量及房齡系數等多個因素建立夜間交通噪聲影響量化模型。以北京市海淀區某渣土車夜間配送場景為例，分析分別以燃油消耗成本最小、時間成本最小、噪聲影響最小為目標的最佳配送路線。結果表明：不同目標下渣土車的最佳配送路線不同，以燃油消耗和時間成本最小為目標時，最佳配送路線的交通噪聲影響量均較大；以噪聲影響最小為目標時，渣土車配送路線需避開人口密集區域與醫療區域，此時的時間成本和燃油消耗成本相對較高。

關鍵詞：夜間交通噪聲；聲環境功能區；量化模型；配送路線

中圖分類號：U491.9⁺1文獻標志碼：A文章編號：1672-0032（2023）01-0007-06

引用格式：魏姍姍，梁璟，王琳.考慮多因素的夜間交通噪聲影響量化方法［J］.山東交通學院學報，2023，31（1）：7-12.

WEI Shanshan，LIANG Jing，WANG Lin. A quantitative method of night traffic noise impact considering multiple factors［J］.Journal of Shandong Jiaotong University，2023，31（1）：7-12.

0 引言

交通運輸業的快速發展給居民生活帶來便捷的同時，帶來交通噪聲污染、空氣污染、石油過度開采等環境問題^[1]。Seidler等^[2]研究發現人們長期暴露在交通噪聲中患中風疾病的風險更高，Roswall等^[3]、Lim等^[4]研究了交通噪聲與糖尿病及心肌梗塞發病率間的關系；世界衛生組織研究報告顯示心臟病、高血壓、抑郁癥等疾病也與交通噪聲有關。交通噪聲已嚴重影響人們的身心健康和生活質量，夜間交通噪聲的危害更加明顯^[5-6]。

國內外學者對交通噪聲的影響進行了大量研究，Majid等^[7]基于層次分析法提出1種間接估算城市交通噪聲敏感區域的方法；Bravo-Moncayo等^[8]研究了城市交通噪聲暴露成本效益評估方法；Hamad等^[9]采用人工神經網絡對炎熱氣候下的道路交通噪聲進行建模分析；張林^[10]、任文黨^[11]研究了交通噪聲及其控制方法；李本綱等^[12]通過分析道路交通噪聲的影響因素，根據實測數據建立了適合中國城市交通、路況和環境標準的城市道路交通噪聲預測理論-統計模型；劉濤^[13]從車速、車流量、路面寬度3方面分析了交通噪聲的影響因素和傳播規律，有針對性地提出了交通噪聲的控制方法；溫曉英等^[14]采用現場測試和調查問卷的方法研究了不同等級道路附近學校的噪聲環境及師生的主觀感受情況，發現噪聲水平隨道路等級的提高而增大；邱恒等^[15]研究了交通量晝夜比、車型比等參數對交通噪聲預測結果的影響。

交通噪聲對居民的危害程度與噪聲強度、居民特性、暴露人口數量、聲環境功能區類型等有關，但綜合考慮以上因素的研究較少，對夜間交通噪聲影響的研究也較少。為科學量化夜間交通噪聲對居民的影響，本文以問卷形式調查居民對夜間交通噪聲的主觀感受，建立綜合考慮夜間交通噪聲強度、聲環境功能區類型、暴露人口數量、房齡等多因素的夜間交通噪聲影響量化模型，并以某渣土車夜間配送場景為例分析分別以燃油消耗成本最小、時間成本最小、噪聲影響最小為目標的最佳配送路線。

1 夜間交通噪聲影響因素

1.1 居民對夜間交通噪聲的主觀感受

采用調查問卷的方式研究居民對夜間交通噪聲的主觀感受，實地調查10個不同建成時間的建筑地點，包括6個居民小區、1個學生公寓、1個老年公寓及2個有住院部的醫院，共完成調查問卷402份，其中有效問卷383份，樣本整體較均衡。考慮到嬰幼兒對噪聲的主觀感受表達較困難，暫不考慮嬰幼兒人群。

對居民性別、年齡、身體健康狀況、房屋是否臨街、房齡等自變量進行共線性分析，判斷各自變量間是否存在一定的相關性。采用SPSS軟件分析問卷數據，結果表明各自變量的方差膨脹系數（variance inflation factor，VIF）均小于10，且接近1，認為各自變量間沒有明顯的共線性問題。

根據問卷調查數據，分析居民性別、年齡、身體健康狀況、房屋是否臨街、房齡等自變量對居民夜間交通噪聲的主觀感受是否有顯著影響，及各自變量的影響程度。因變量為二分類變量，即受到影響和未受到影響。采用二元Logistic回歸分析方法，得到顯著性大于0.05，觀測值接近期望值，差異較小，樣本整體的預測精度為86.4%，可認為模型擬合效果較理想。顯著性檢驗結果表明影響居民主觀感受的因素為居民年齡、身體健康狀況、房屋是否臨街、房齡，而居民性別對交通噪聲主觀感受的影響并不顯著。量化夜間交通噪聲對居民的影響程度時，應考慮影響居民主觀感受的因素。

1.2 夜間聲環境功能區類型

不同用地類型對夜間交通噪聲的敏感程度不同，量化夜間交通噪聲的影響程度時需考慮不同用地的聲環境功能區類型，聲環境功能區劃分標準及噪聲限值如表1所示^[16]。

表1中的噪聲不止交通噪聲，針對的環境也不僅是夜間環境，考慮夜間不同時間各類型功能區對交通噪聲的敏感程度，將臨街區域夜間聲環境功能區劃分為4類區域，即：1類醫療區域（有住院部），2類住宅區域，3類文教、行政辦公區域，4類商業、工業及公園綠地等區域。

居民入睡后更易受到交通噪聲的影響，因此確定夜間聲環境功能區對夜間交通噪聲的敏感程度需考慮居民的作息時間。將夜間劃分為23：00—01：00、01：00—05：00、05：00—06：00 3個時間段。23：00—01：00時3類聲環境功能區仍可能有部分學習或辦公人群，需考慮交通噪聲對3類聲環境功能區的影響；05：00—06：00時部分老年人已睡醒并外出鍛煉^[17]，此時需考慮交通噪聲對外出活動老年人的影響。

為量化各聲環境功能區對夜間交通噪聲的敏感程度，采用重要性打分法計算夜間不同時間段各聲環境功能區的權重

式中：t為1、2、3時，分別對應時間段23：00—01：00、01：00—05：00、05：00—06：00；e為臨街區域夜間聲環境功能區類型，e為1、2、3、4時，分別對應1～4類聲環境功能區；R^—_te為時間段t未入睡的居民對e類功能區的打分（居民入睡前）；?_te為在時間段t已入睡的居民對e類功能區的打分（居民入睡后）。

根據式（1）計算得到夜間不同時間段1～4類聲環境功能區的ω_te，如表2所示。ω_te越大，表示該類聲環境功能區受到交通噪聲的影響越大。

2 夜間交通噪聲影響量化模型

2.1 量化影響因素

為分析夜間交通噪聲對某一臨街區域的影響程度，建立考慮交通噪聲強度、暴露人口數量、夜間聲環境功能區類型、房齡等因素的夜間交通噪聲影響量化模型。

采用文獻[18]中的交通噪聲預測模型預測夜間交通噪聲強度L_eq。采用表2中的ω_te量化不同聲環境功能區對交通噪聲的敏感程度。根據問卷調查結果發現，隨房齡增加，受夜間交通噪聲影響的人數呈線性增長，采用房齡系數量化房齡因素對夜間交通噪聲的敏感程度，房齡系數越大表示越容易受到夜間交通噪聲的影響，房齡為k時的房齡系數

式中：p_k為房齡為k的建筑區域內受夜間交通噪聲影響人數的比例，k為1、2、3、4、5分別表示房齡≤10 a、＞10～20 a、＞20～30 a、＞30～40 a、＞40 a。

通過式（2）計算得到k=1～5時的φ_k分別為0.10、0.19、0.22、0.23、0.26。

暴露人口數量是指暴露在夜間交通噪聲影響范圍內的人群，臨街建筑比非臨街建筑靠近聲源，臨街建筑內的人群更易受到交通噪聲影響。為簡化研究，分析暴露人口數量時僅考慮臨街建筑內的人群。根據手機信令數據，以交通小區為劃分單位估算人口數量的方法已較成熟^[19-21]。本文在統計人口數量時也以交通小區為單位，通過手機信令數據獲取交通小區的夜間人口數量P，則暴露人口數量

pa=Ps₁/s₂，

式中：s₁、s₂分別為臨街建筑的面積和交通小區的面積，可通過地圖測得。

老年人群更易受到夜間交通噪聲的影響，在建立夜間交通噪聲影響量化模型時，把受到影響的老年人群考慮在內。暴露老年人口數量

po=Pos₁/s₂，

式中P_o為交通小區內的老年人口數量。

2.2 構建量化模型

采用交通噪聲影響量C_n量化夜間交通噪聲的影響程度，C_n越大表示交通噪聲的影響越大。由于1個交通小區中可能包含多個聲環境功能區類型，臨街建筑的房齡也不同，所以C_n的計算公式為：

式中：N為沿線道路的預測交通噪聲，dB；m為交通小區中臨街建筑的個數；ω_j為第j個臨街建筑的聲環境功能區權重；φ_j為第j個臨街建筑的房齡系數；p_uj為第j個臨街建筑的當量暴露人口總數，p_uj=U₁（p_a-p_o）+U₂p_o，其中U₁為非老年人群當量暴露人口數量換算系數，U₂為老年人群當量暴露人口數量換算系數，U₁、U₂由問卷調查數據分析得到，老年人群中受噪聲影響的比例為47%，非老年人人群為28%，U₁=1時，U₂=1.8。

車輛通過某路段的噪聲影響示意圖如圖1所示。由圖1可知：某路段兩側有x個交通小區，屬于不同類型的夜間聲環境功能區，且不同聲環境功能區的面積不同，則車輛通過該路段時的交通噪聲影響量

式中C_ni為某路段兩側第i個交通小區的交通噪聲影響量。

2.3 案例分析

2.3.1 案例場景

為驗證夜間交通噪聲影響量化模型的可行性，選取1個典型的渣土車配送場景為案例進行分析：渣土車運輸起點為北京市海淀區紫竹橋，配送需求點為北京市海淀區渣土存放處。渣土車運輸道路網簡化示意圖如圖2所示。由圖2可知：排除可能導致重大繞行的路線，道路網包括27個節點，43條道路，包括快速路、主干路、次干路等多種類型的道路，道路沿線分布有4類聲環境功能區，渣土車需要在23：00—06：00從配送點“1”向需求點“26”運輸渣土。

2.3.2 目標設置

分別以燃油消耗成本最小、時間成本最小、噪聲影響最小為目標分析渣土車的最佳配送路線。

車輛燃油消耗是物流配送成本的重要組成之一。影響車輛燃油消耗的因素包括車輛性能、車輛質量及載質量、道路條件、交通條件、駕駛行為、周圍環境等^[22]。為簡化計算，估算燃油消耗成本時僅考慮運輸距離、車輛百公里燃油消耗量及燃油價格，車輛通過某路段的燃油消耗成本

Cτ=lbqτ/100，

式中：l為路段長度，km；b為燃油價格，元/L；q_τ為車輛百公里燃油消耗量，L/（100 km）。當車速分別為40、50、60、70、80 km/h時，q_τ分別為11.6、13.1、14.9、16.9、19.5 L/（100 km）^[23-24]。

計算時間成本時不考慮車輛等待、裝卸貨物或其他服務時間，僅考慮駕駛員的駕駛時間。由駕駛員工作時間與駕駛員每小時薪資計算得到時間成本，由運輸距離與行駛速度計算得到駕駛時間。車輛通過某路段的時間成本

C_t=ql/v，

式中：q為駕駛員薪資，元/h；v為車輛通過某路段的平均速度，km/h。

交通噪聲影響以通過交通噪聲影響量化模型計算得到的C為指標。

2.3.3 配送路線

通過Dijkstra算法求解不同目標下渣土車的最佳配送路線。以交通噪聲影響最小為目標時分別求解夜間3個時段（23：00—01：00、01：00—05：00、05：00—06：00）的最佳配送路線，對比3個時段的噪聲影響成本得到夜間最佳配送時間為23：00—01：00。分別以燃油消耗成本最小、時間成本最小、交通噪聲影響最小（23：00—01：00）為目標時的最佳配送路線如圖3所示。

由圖3可知不同目標下渣土車的最佳配送路線不同。不同配送路線的C、C_t及C_τ對比如表3所示。由表3可知：以交通噪聲影響最小為目標時，渣土車夜間配送路線需避開人口密集區域和醫療區域，選擇噪聲敏感性相對較低區域的道路，此時的C_t及C_τ較大；以燃油消耗成本最小或時間成本最小為目標時，渣土車夜間配送路線的C較大。

3 結語

本文針對夜間交通噪聲影響居民生活問題，通過調查問卷方法得到居民對夜間交通噪聲主觀感受的主要影響因素為居民年齡、身體健康狀況、房屋是否臨街、房齡等，提出了一種綜合考慮夜間交通噪聲強度、聲環境功能區類型、暴露人口數量、房齡系數等因素的夜間交通噪聲影響量化模型，并以渣土車夜間配送場景為例選擇最佳配送路線。研究結果可為治理城市交通噪聲污染、改善居民聲環境質量提供參考。

參考文獻：

［1］羅萍.城市道路交通噪聲污染特征分析與管理對策[J].環境與發展，2017，29（6）：61.

LUO Ping. Characteristics analysis and management countermeasures of traffic noise pollution in urban road[J].Environment and Development， 2017，29（6）：61.

[2]SEIDLER A L， HEGEWALD J， SCHUBERT M， et al. The effect of aircraft， road， and railway traffic noise on stroke-results of a case-control study based on secondary data[J].Noise & Health， 2018，20（95）：152-161.

[3]ROSWALL N， RAASCHOU-NIELSEN O， JENSEN S S， et al. Long-term exposure to residential railway and road traffic noise and risk for diabetes in a Danish cohort[J].Environmental Research， 2018，160：292-297.

[4]LIM Y H， J?RGENSEN J T， SO R， et al. Long-term exposure to road traffic noise and incident myocardial infarction：a Danish nurse cohort study[J].Environmental Epidemiology， 2021，5（3）：148.

[5]World Health Organization. Burden of disease from environmental noise[R].Germany， Bonn：WHO and JRC， 2011.

[6]World Health Organization. Environmental noise guidelines for the European Region[R].Denmark，Copenhagen： WHO， 2018.

[7]MAJID A， ELHAM K， PARVIN N， et al. Hierarchal assessment of noise pollution in urban areas：a case study[J].Transportation Research Part D：Transport and Environment， 2015，34：95-103.

[8]BRAVO-MONCAYO L， CH?VEZ M， PUYANA V， et al. A cost-effective approach to the evaluation of traffic noise exposure in the city of Quito， Ecuador[J].Case Studies on Transport Policy， 2019，7（1）：128-137.

[9]HAMAD K， KHALIL M A， SHANABLEH A. Modeling roadway traffic noise in a hot climate using artificial neural networks[J].Transportation Research Part D：Transport and Environment，2017，53：161-177.

[10]張林.噪聲及其控制[M].哈爾濱：哈爾濱工程大學出版社，2002.

[11]任文堂.交通噪聲及其控制[M].北京：人民交通出版社， 1984.

[12]李本綱，陶澍，曹軍，等.城市道路交通噪聲預測理論-統計模型[J].環境科學， 2000，21（6）：1-5.

LI Bengang， TAO Shu， CAO Jun，et al. A theoretical-statistical model for urban road traffic noise prediction[J].Environmental Science， 2000，21（6）：1-5.

[13]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.

[14]溫曉英，陸鳳華.交通噪聲對臨街中學的影響調查與評價[J].建筑科學，2018，34（2）：42-48.

WEN Xiaoying， LU Fenghua. The effect of traffic noise on roadside secondary schools： a survey and evaluation[J].Building Science，2018，34（2）：42-48.

[15]邱恒，熊華.交通量晝夜比，車型比對道路交通噪聲影響研究[J].環境科學與管理，2019，44（4）：181-185.

QIU Heng， XIONG Hua. Study of influence of day-night traffic ratio and vehicle ratio on road traffic noise[J].Environmental Science and Management，2019，44（4）：181-185.

[16]環境保護部科技標準司.聲環境質量標準：GB 3096—2008[S].北京：中國環境科學出版社，2008.

[17]張政，毛保華，劉明君，等.北京老年人出行行為特征分析[J].交通運輸系統工程與信息，2007，7（6）：11-20.

ZHANG Zheng， MAO Baohua， LIU Mingjun， et al. An analysis of travel patterns of the elders in Beijing[J].Journal of Transportation Systems Engineering and Information Technology，2007，7（6）：11-20.

[18]環境保護部科技標準司.環境影響評價技術導則 聲環境：HJ 2.4—2009[S].北京：中國環境科學出版社，2009.

[19]湯長猛，廖海明，吳乃星，等.基于手機數據的城市功能區識別算法[J].電腦知識與技術，2018，14（25）：285-289.

TANG Changmeng， LIAO Haiming， WU Naixing， et al. Mobile phone data based urban functional area classification algorithm[J].Computer Knowledge and Technology， 2018，14（25）：285-289.

[20]丁達，毛悍琪，陸振波.基于手機信令數據的人群類型識別研究[C]//第十四屆中國智能交通年會論文集.青島：第十四屆中國智能交通年會，2019.

DING Da， MAO Hanqi， LU Zhenbo. Research on population type recognition based on mobile signaling date[C]//Papers Collection of the 14th Annual Conference on Intelligent Transportation. Qingdao：14th Annual Conference on Intelligent Transportation， 2019.

[21]李喆，孫健，倪訓友.基于智能手機大數據的交通出行方式識別研究[J].計算機應用研究，2016，33（12）：3527-3529.

LI Zhe， SUN Jian， NI Xunyou. Travel mode recognition based on smart phone big data[J].Application Research of Computers， 2016，33（12）：3527-3529.

[22]楊龍.考慮燃油消耗的時間依賴車輛路徑問題研究[D].北京：清華大學，2016.

YANG Long. Research on the fuel consumption of time dependent vehicle roting problem[D].Beijing：Tsinghua University， 2016.

[23]蘭楠，龍軍，鄧高攀，等.載貨汽車等速行駛油耗特性研究[J].公路與汽運，2018（1）：9-12.

[24]余志生.汽車理論[M].5版.北京：機械工業出版社，2018.

A quantitative method of night traffic noise impact

considering multiple factors

WEI Shanshan， LIANG Jing， WANG Lin

Shandong Provincial Transportation Institute，Jinan 250102，China

Abstract：In view of the impact of night traffic noise on residents， a questionnaire is used to investigate residents′ subjective feelings about night traffic noise. The survey shows that residents′ subjective feelings are related to noise intensity， residents′ age， residents′ physical health， housing location， the living years of the house and other factors. A quantitative model for the influence of night traffic noise is established by integrating the types of night acoustic environment functional areas， night traffic noise intensity， the number of exposed population and the coefficient of house living years in the frontage area.Taking the night muck trucking in Haidian District of Beijing as an example， the optimal trucking routes are different due to different objectives. When the optimal trucking routes with the objective of minimizing fuel and time consumption， then the noise impact is relatively bad， if the objective is to minimize noise， the routes of muck trucking have to avoid densely populated areas and hospital areas， therefore， the cost of time and fuel consumption is relatively high.

Keywords：traffic noise of night; functional area of acoustic environment; quantification model; trucking route

（責任編輯：郭守真）