文摘
本研究探讨了减少个人的效率问题在他/她的各自工作的地方由于阿加尔塔拉的道路交通噪声污染由于快速增长的交通。摘要监测和建模由于车辆道路交通引起的干扰打断了交通流条件对个人的工作表现。共有二百七十个人从不同的路边政府办公室、私人组织和商业中心城市的繁忙道路两侧是采访的态度反应。同时交通量统计和噪声指标数据收集在6所选城市的网站。之间的关系是不同的交通噪声参数及其有害使用MATLAB对个人工作能力的影响。开发的回归方程预测的百分比高烦恼的人适合基于噪声参数和参数与交通相关的动作。此外,统计分析也进行了测量和预测的值之间的比例非常生气的人。目前的模型将引起政府的注意,并帮助政策制定者采取必要的措施来减少这个问题。
1。介绍
噪声污染(1)是一个重要的环境问题在城市快速发展的组合像阿加尔塔拉。交通噪声(2)可能是最严格的和普遍的类型的噪声污染。现在交通噪声已经成为一个严重的问题,因为城市的城市规划在过去的不足。房屋、学校、办公室、医院、商业中心,和其他社区建筑通常建造的主要道路市政当局没有缓冲区或足够的音。问题已经加剧了交通容量增长(两个车夫,重型汽车和其他车辆)早期城市规划者远远超出了我们的预期。这一惊人增长的交通量是逆相关环境的退化(3]。噪声污染是主要的环境污染物之一,在日常生活中遇到,直接影响人类的性能。声压是一个基本的空气,声音的振动,因为人类的听众可以检测的范围很广,这些水平测量在对数刻度单位分贝(dB)。特里普拉邦首府阿加尔塔拉,是一个相对大中型城市的城市,坐落在印度的东北部地区,位于23.50°N和91.5°E。根据2011年的人口普查,阿加尔塔拉城市的人口已超过12000(阿加尔塔拉自治区统计数据,提供的AMC(阿加尔塔拉市政委员会)特里普拉邦政府网站)。
1.1。这项研究的目标
这项研究的目标是以下。(我)评估对人类的影响工作效率由于道路交通参数,不同的噪声指标,态度回应。(2)研究道路交通的时间模式的研究领域。(3)噪音水平的研究现状研究区域通过记录噪声强度在不同的位置。(iv)识别和考虑适当的缓解和消除措施。
为此,在三个层次的研究。第一级预测高烦恼的百分比(%公顷)在个人的各种噪声指数像昼夜噪音水平,交通噪声指数(提供),等效噪声级和最大等效噪声级()。第二层次描述高烦恼的百分比(%公顷)的平均交通量,两个车夫的百分比,百分比的重型车辆,意味着交通速度。第三层次描述高烦恼的百分比(%公顷)的基础上,模型。上述三种模式都是回归模型。统计分析部分,观测值之间的相关系数,通过三个模型分别计算的值。我们还研究了拟合优度估算值与实际观测值之间的三个模型分别使用配对以及。的统计信息是由 在哪里和分别表示,平均值和标准偏差的差异,也就是说,。在虚假设条件下观察到的和预期的数据是相等的,统计分布与的自由度。
1.2。回顾文献
最近的研究清楚地表明,道路交通噪声的主要来源烦恼;没有其他单一噪声一直是相当重要的。这是由于大量的汽车车辆与其他机器相比。在印度,很少有研究交通噪音水平在不同的城市进行像加尔各答,德里、孟买、维萨卡帕特南,巴罗达,Anantpur,阿散索尔等等4- - - - - -9]。在最近的国际舞台上,交通噪声评估工作进行了在不同的城市像亚历山大,德黑兰,等等10,11]。
1.3。这项研究的范围和结构
这项研究的问题的道路交通噪声污染。研究开始于背景噪声污染的封面,作用于个人,文献综述与世界各地的类似工程也在印度。工作的主要部分包括监控野外数据收集方法,预测的建模和识别的传播和分布数据。本研究开发的收集环境数据与道路交通噪声的监测方法和存储他们进一步检索、编辑和分析,促进其使用最好的目的。
2。模糊建模
模糊建模的概念最初提出(12和由其他研究人员进一步开发13,14]。提出的模型(15)是基于if - then规则的集合与模糊谓词前提和结论。这种模式的优点是,规则库通常是由专家提供。因此在某种程度上是透明的解释和分析。模糊专家系统是基于知识的系统,包含一个简单的基于规则的模糊算法。如图1,一个模糊系统由四部分组成:fuzzifier,知识库,推理引擎,defuzzifier。fuzzifier将实值输入转换为模糊值。知识库包括模糊规则库和数据库。隶属度函数中包含的语言术语数据库。推理引擎计算使用模糊含义模糊的输出模糊输入函数,最后推断defuzzifier产生实际价值输出模糊输出(16]。
3所示。调查技术
模型sl - 4001,声级计是用来测量噪声水平。的范围和灵敏度的仪器30 dB (A) 80 dB (A), 50 dB (A) 100 dB (A),和80 dB (A) 130 dB (A)和准确性(+或−)5% (web引用)17]。路边的噪声记录办公室、组织、和商业中心的距离取决于位置从道路的中心建筑,位于不同地方的阿加尔塔拉。机动车辆traffic-prone选择网站的办公室巷,Mantri巴里,罗纳德赛,Akhaura路,哈里恒河Basak (H.G.B.)路、和中央路整个城市地区的代表。所有这些网站有其独特的特征,典型道路宽度,路边的建筑模式,在不同的方向和交通流模式。在每个选定的网站,噪音水平一直在测量六个不同的地方。在每一个地方,在一个测量间隔2小时在一天时间(8 8点)。在测量在一个特定的槽位,平均5频繁的数据指出30秒的停顿是作为槽的噪音水平的代表。感知的噪声及其对工作表现的意义,具有代表性的270个人采访的态度反应。
4所示。方法和材料
设计中使用的方法的模糊专家系统是由以下的算法。
(我)目前模糊系统有两个输入变量和一个输出变量,如图2;只有那些输入,影响输出在很大程度上,已经被选中了。
(2)与他们的语言输入变量和输出变量值和模糊区间如表所示1。
(3)通过使用MATLAB,总共15 (if - then规则)输入和输出变量之间的关系。这些规则的说明如下。(1)如果(低噪音)和(噪音持续时间很短),那么(人类工作效率的影响是非常小的)。(2)如果(低噪音)和(噪音持续时间中),那么(对人类的工作效率的影响很小)。(3)如果(低噪音)和(噪音持续时间很长),那么(对人类的工作效率的影响很小)。(4)如果(介质噪声水平)和(噪音持续时间很短),那么(对人类的工作效率的影响很小)。(5)如果(介质噪声水平)和(噪音持续时间中),那么(对人类的工作效率的影响很小)。(6)如果(介质噪声水平)和(噪音持续时间很长),那么(对人类的工作效率是影响介质)。(7)如果(噪声水平高)和(噪音持续时间很短),那么(对人类的工作效率的影响很小)。(8)如果(噪声水平高)和(噪音持续时间中),那么(对人类的工作效率是影响介质)。(9)如果(噪声水平高)和(噪音持续时间很长),那么对人类工作效率高(影响)。(10)如果(噪音水平非常高)和(噪音持续时间很短),那么(对人类的工作效率是影响介质)。(11)如果(噪音水平非常高)和(噪音持续时间中),那么对人类工作效率高(影响)。(12)如果(噪音水平非常高)和(噪音持续时间很长),那么(对人类的工作效率是非常高的)。(13)如果(噪音水平非常高)和(噪音持续时间很短),那么对人类工作效率高(影响)。(14)如果(噪音水平非常高)和(噪音持续时间中),那么(对人类的工作效率是非常高的)。(15)如果(噪音水平非常高)和(噪音持续时间很长),那么(对人类的工作效率是非常高的)。
(4)最后,通过问卷调查收集个人的态度反应,如图3(饼图)。
4.1。噪音水平标准
中央污染控制委员会(CPCB)已经通知环境空气质量标准噪声(包括已作为一种空气污染物在修订空气法案的1987节)(18]。允许的噪音水平的商业、住宅和沉默区白天时间给出了表2。沉默区域被定义为面积多达100医院等场所,教育机构和法院。车辆的使用喇叭,大声的扬声器和饼干的破裂是被禁止在这些区域。
现场研究和他们的位置的确定位置代码放置在桌子上3。
各种常见噪声百分位值,记录(使用声级计、模型sl - 4001)的估计和提供支援。交通噪音指数是一个方法用于估计烦恼反应由于交通噪声和使用以下公式计算19]: 在哪里=级别的声音超过了测量和总时间的10%=级别的声音超过了测量的总时间的90%。
而是一个24小时的平均噪音水平用于定义噪声暴露水平在一个社区,它可以由以下公式计算20.]: 在哪里=相当于在一天的时间和噪音水平=相当于在夜间噪音水平。
不同的交通特征像交通量计算包括两个车夫的百分比,百分比的重型汽车,其他车辆的比例,平均交通速度也被记录下来。一个全面,却又brief-structured,问卷是查找信息对交通噪声的特征及其对暴露个人的影响。数据收集一个简单随机抽样技术用于所选站点的当地人口的城市。45个人选择在每个站点上的随机抽样问卷调查和总270人(人在确定网站的商业中心和办公室)采访了六个选择地点。交通噪音水平和交通量统计也记录在确定的位置。
5。结果与讨论
研究区遭受问题是由于和计划外交通量迅速增加的压力。研究区域的道路已经被观察到每天洋溢着大量的流量。观察和现场数据的结果分析和讨论在本节中。通过问卷调查,收集个人的态度反应,很明显,他们面临的一些主要问题,如头痛,影响工作效率,更少的浓度,疲劳,压力和疲劳时间期间8 8点(图3饼图)。
表4表明,在办公室巷的平均噪音水平介于67.82和73.28之间dB (A)。
表5记录表明,噪声水平Mantri巴里路之间的68.33和72.23 dB (A)。
之间的平均噪音水平在罗纳德赛路记录76.65和80.56 dB (A)和平均噪音水平介于77.06和79.73 dB (A)在Akhaura路表所示6和7,分别。
平均噪音水平介于86.98和92.15 dB (A)在哈里恒河Basak道路和88.12和92.86 dB (A)在中央路表所示8和9,分别。使用角和交通拥堵的主要原因是在这些领域噪音污染。
表10显示的百分比高烦恼中有针对性的个人由于道路交通是在23.57和30.12之间;值介于72.52和75.98之间;(瞬时声级)介于76.80和97.68之间,而交通噪音指数介于91.75和95.88之间。高噪音水平和烦恼值是由于人口过剩路方式与条件差、破碎的道路,最小的交通管理,频繁滥用角选择的网站。停止不当公共交通设施也增加拥堵级别。
使用不同的自变量,计算的三个预测模型开发的比例高的烦恼中个人在各自工作地点。在第一组数据,noise-related等因素交通噪音指数,,作为独立变量,给出了回归方程如下: 并利用回归方程(4)和表10,高烦恼的百分比计算,见表11。
在第二种情况下,车辆平均每小时,重型车辆的百分比的百分比2-wheeler,车辆的平均速度(Vs)作为独立变量的回归分析。发达方程给出了如下:
的比例也高烦恼被使用,计算模型(3如下考虑: 在那里,=昼夜等效噪声水平,如表所示13。
预测值%公顷计算使用回归模型(即。,(4)和(5)并与观测值(从实地调查收集)。进一步观测值也与传统的相比,模型和三种模式的详细统计分析结果见表14。
通过模糊专家系统和表的帮助1和MATLAB 7.8.0。,Mesh diagram (Figure4),代表输入变量和输出变量之间的关系。
5.1。讨论结果
评价道路交通噪声对目标的影响个人、感知和态度的研究使用问卷调查法在6个地点以及声学测量。共有270名被调查者的数据用于分析。烦恼与现有的噪声环境中,个体在每个站点上,表达的是与噪声强度以这样一种方式,它是可能的预测水平的烦恼考虑平均水平。使用相关回归建模的关系进行了评估。这个练习的重要研究结果给出如下。(我)听力图的磋商与医生和分析结果表明,最普遍的问题在这些测试包括过敏、头痛、耳鸣、失眠,最终对人类在他/她的工作效率有影响各自的工作地方。(2)已经观察到的所有三个模型显示moderate-to-high观测值之间的相关性程度,估计价值。通过噪声模型收益率最高的相关性;给出了相关的车辆模型并预测,模型对输入数据从目前的研究表明适度低协会与适度的预测能力。另一方面,统计以及通过噪声模型的拟合优度揭示观察到的数据符合高概率,另两个模型不能适应观测数据在5%水平的意义。总结细节表明,所有的模型可以预测烦恼水平相比,在可接受的范围内观测噪声烦恼与一定程度的错误。(3)在通过噪声模型的情况下,值为0.77时是可以接受的。这个模型预测社区的烦恼会有更好的准确性和研究区域是可以接受的。这也提供了证据,烦恼中个体更多的噪音水平有关,而不是交通流。(iv)模糊专家系统(表1)和相关系数通过噪声模型表明,在目前的研究交通噪音高度影响人类在政府机关工作效率,私人组织,在阿加尔塔拉城市和商业中心。
此外,一些重要的研究结果总结如下,根据研究区域交通特征的研究。(我)车辆组成的研究区域是非常异构等重型车辆的一个重要负荷卡车,拖车,和公共汽车。他们也产生高噪声污染和引起交通堵塞在十字路口。(2)顺畅的交通管理是不够的车辆在该研究领域。在场许多十字路口没有信号和非功能状态。因此,人工交警的努力是车辆的运动控制的唯一来源。这主要产生频繁的拥挤和高噪声污染。(3)所有选中的六个敏感位置不被“禁鸣喇叭”或“沉默区”招牌。(iv)没有立交桥,所有车辆包括重的必须通过狭窄的内城镇道路。柴油驱动的卡车和载体的折路的车辆导致严重退化的边缘和人行道并生成最噪音。
5.2。分析输出的
从图3很明显,干扰个人的工作效率由于道路交通噪声是一种常见的反应几乎所有的他们。图4表明,道路交通噪声有可能影响人类在他/她的各自的工作效率选择的六个位置在不同程度的地方。表4- - - - - -9还说明,最小、最大和平均交通噪音水平在办公室巷,Mantri巴里,罗纳德赛,Akhaura路,H.G.B.路,分别和中央路。表10- - - - - -13描述三个回归模型的预期结果。讨论了统计分析表14。
6。结论
这个研究是基于预期的交通噪声之间的关系及其对人类的影响工作效率在他/她的各自工作的地方。从调查结果很明显,道路交通噪声影响人类在政府机关工作效率,私人组织和商业中心主要道路旁的忙。收集的数据和回归模型比较由不同的独立变量。这个假设也测试使用以及为了检查观察之间的拟合优度烦恼水平及其预期水平为每个单独的三个模型。它可以得出结论,基于噪声指数的模型给出了一个明显可以接受的高相关系数值。总结细节表明,所有的模型可以预测之间的烦恼水平相比,个人是在可接受的范围内观察到的噪声烦恼与一定程度的错误。烦恼的观察水平之间的差异及其期望值从噪音水平不重要,5%的水平。有很多这样的位置在特里普拉邦面临着同样的问题。目前的模型将引起政府的注意,并帮助政策制定者采取必要措施减少这一问题,以便各自在政府机关工作,私人组织和商业中心可以顺利进行。调查技术以及数据库和输出将有利于城市管理员和规划者在该地区有效的交通管理和噪声控制。