不同出行方式交通空間顆粒物濃度特征及人體攝入量估算方法研究*

朱才華 張辛煜 曾明哲 韓 飛 李 巖▲

（1.長安大學運輸工程學院 西安 710064；2.深圳市綜合交通設(shè)計研究院有限公司 廣東 深圳 518003）

0 引 言

居民出行面臨的健康風險主要與顆粒物（Particulate Matter，PM）有關(guān)[1-2]。交通環(huán)境為居民主要接觸的PM暴露環(huán)境[3]。居民出行主要通過導航軟件獲取可供選擇的出行方式，并提供每種方式的出行時間。若在導航軟件中顯示每種出行方式可能存在的健康風險，則可為居民提供更為健康的出行選擇。空氣污染物主要通過呼吸過程進入人體，1次完整出行存在的健康風險可通過污染物的總吸入量進行衡量[4]?？傮w來講，出行者吸入PM越多，對其健康狀況越為不利[5]。獲得居民1次完整出行PM攝入量，需解決2個方面問題：①如何根據(jù)外部環(huán)境和污染物監(jiān)測站獲取的PM濃度測算各出行方式交通空間的PM濃度；②出行者采用不同出行方式時的運動負荷不同，所需耗氧量存在差異，如何基于運動負荷獲得出行者選擇各方式的PM攝入量。

同一污染物環(huán)境下的不同出行方式，步行和騎行交通空間的PM濃度更高[6]；公交、地鐵、小汽車中，地鐵的環(huán)境要更優(yōu)[7]。同一出行方式的不同空間，PM濃度同樣存在差異，地鐵站臺PM濃度高于車廂內(nèi)[8]。交通空間中的PM濃度與背景環(huán)境PM濃度以及氣候等多種因素有關(guān)，其中交通空間環(huán)境為出行者在各交通空間接觸到的污染物環(huán)境，背景環(huán)境為環(huán)境監(jiān)測站檢測到的污染物環(huán)境。交通空間中的PM濃度和監(jiān)測站檢測到的濃度呈正相關(guān)[9]。同時，溫度和風速與PM濃度呈負相關(guān)[10]。部分研究還考慮乘客數(shù)量、道路綠化對交通空間中PM濃度的影響[11]。在研究交通空間PM濃度與影響因素的關(guān)系中，常用的方法為顯著性分析和線性回歸[12]。其中多元線性回歸在建立影響因素與PM濃度的關(guān)系模型和定量分析PM濃度影響因素中應(yīng)用廣泛[13]。

在分析PM濃度與居民出行健康的關(guān)系時，主要集中在2個方面：①從PM濃度的角度評估出行者的健康風險，PM濃度越高，所遭受污染程度越嚴重[14]；②通過出行者PM的攝入量對出行健康存在的風險進行估算，PM攝入量越高，所遭受污染程度越嚴重[5]。由于出行者采用不同出行方式時的運動負荷和出行時間存在差異[15]，采用PM攝入量的方法對出行風險進行估算越來越受到重視。PM攝入量與單位時間空氣吸入量存在正相關(guān)關(guān)系，而心率是耗氧量的間接表征指標，可通過心率數(shù)據(jù)對單位時間空氣吸入量進行測算[16]。

已有出行健康風險研究主要集中在不同出行方式交通空間的PM濃度對比與單一因素分析。綜合考慮單位時間空氣吸入量、暴露時間和PM濃度形成計算PM攝入量的研究還不充分?；谏鲜隹偨Y(jié)和認知，本研究以西安市為試驗城市，建立各交通空間PM濃度與影響因素的關(guān)系模型，定量獲取各個影響因素對PM濃度的貢獻度。同時，根據(jù)運動負荷，獲得每種出行方式下的出行者單位時間空氣吸入量，并結(jié)合PM濃度與個體暴露時間，獲得1次出行中，PM污染物具體攝入量。此次研究中，PM污染物是指PM2.5污染物和PM10污染物。

1 數(shù)據(jù)與方法

1.1 試驗設(shè)計與路徑選擇

秋冬季節(jié)污染物濃度較高，且早晨的污染物濃度較其他時段也更高[17-18]，因此，試驗時間段為2019年10月—12月（秋季和冬季），在早上8點開展測量。所選天氣為非雨雪天氣，采集城市為西安市。研究對志愿者的出行過程進行統(tǒng)一測試，共計開展了77次實驗，在同1 d的試驗過程中，5種出行方式的試驗同時展開。在志愿者挑選中，要求試驗者身心健康，無心血管、肺、神經(jīng)系統(tǒng)等疾病病史，近期沒有服用藥物。研究最終有償招募了在校大學生志愿者16名，年齡為（23±3.2）歲，靜息心率為（62.4±5.6）次/min。所有參與者在試驗前1 d禁止吸煙、喝酒和咖啡及食用任何其他可能影響身體狀況的食物或藥物。

選擇長安大學東門至世紀金花商城南門入口處作為機非分離、專用人行道和非機動車道的代表性試驗路徑，見圖1。5種方式出行線路一致，可排除因出行線路不同所致的PM濃度差異，同時，試驗路徑靠近西安市空氣質(zhì)量小寨監(jiān)測站（每小時更新），可提供背景環(huán)境PM濃度數(shù)據(jù)以及氣象數(shù)據(jù)。

圖1 試驗路徑示意圖Fig.1 Diagram of the experimental path

試驗路徑的總長度為5.6 km，機動車道為雙向6車道，寬度為21~25 m，公交專用道寬度為3.5 m，人行道寬度為3~6 m，自行車道寬度為3~5 m。在試驗過程中，將試驗路徑以交叉口為分界點劃分成路段，對試驗車輛和人員通過路段時的交通量進行統(tǒng)計，以此獲得道路流量相關(guān)數(shù)據(jù)。試驗過程中，此路徑的平均機動車交通量為2 206輛/h，包含75%的小汽車，15%的出租車，8%的公交車和不到2%的貨車；非機動車交通量為2 519輛/h，包含46%的電動車和54%的自行車；行人流量為1 092人/h。

各種出行方式的路徑見圖1，S1點為出發(fā)地，S2點為目的地；T1和T2點為出租車停靠站；M1和M2點為地鐵車站；B1和B2為公交車站。步行線路：S1—S2；自行車線路：S1—S2；私家車線路：S1—S2；公交線路：S1—B1—B2—S2；出租車線路：S1—T1—T2—S2；地鐵線路：S1—M1—M2—S2。

1.2 儀器

采用支持采集粒子濃度和質(zhì)量濃度雙模式的CEM-DT96便攜式顆粒物檢測儀對PM濃度進行檢測，采樣間隔設(shè)置為30 s。每個志愿者都佩戴外接GPS模塊的GARMIN心率帶，以1 s的頻率持續(xù)記錄志愿者的心率數(shù)據(jù)和時間數(shù)據(jù)。為了確保數(shù)據(jù)采集的準確性和有效性，在每次試驗前，需要在相同環(huán)境下對儀器進行同步零位校準，時間參考點均以GARMIN心率帶檢測儀為準，以確保試驗數(shù)據(jù)的一致性并方便后續(xù)數(shù)據(jù)的處理。

1.3 數(shù)據(jù)處理

在5種出行方式交通空間的PM濃度采樣期間同步收集了西安市環(huán)境監(jiān)測站的數(shù)據(jù)。數(shù)據(jù)來源于網(wǎng)站http://www.weather.com.cn/air/，包括環(huán)境AQI、環(huán)境PM2.5濃度、PM10濃度以及溫度、濕度、風級等氣象數(shù)據(jù)，各項的數(shù)值均以1 h的平均值進行顯示。為了分析環(huán)境監(jiān)測數(shù)據(jù)和交通空間PM濃度的關(guān)系，本研究把路線附近的小寨監(jiān)測站PM濃度數(shù)據(jù)作為采樣期間背景環(huán)境PM濃度數(shù)據(jù)。

1.4 劑量模型

空氣污染物直接作用于呼吸系統(tǒng)，其對出行者的健康影響程度可用吸入空氣污染物總量描述。各出行方式的PM攝入量為

式中：D為PM攝入量，μg；C為平均PM暴露濃度，μg/m3；t為暴露時間，min；IR為單位時間空氣吸入量，L/min。由式（1）可知：PM的攝入量主要與出行者的單位時間空氣吸入量、PM濃度和暴露時間有關(guān)。

采用多元線性回歸[19]分析各因素對PM濃度的具體貢獻度，見式（2）。

式中：Yi為PM濃度，ug/m3，X1~Xn為解釋變量，β0~βn為解釋變量系數(shù)，μ為隨機誤差。

心率通過耗氧量與單位時間空氣吸入量相關(guān)聯(lián)，通過心率對出行者的單位時間空氣吸入量進行估算。試驗過程持續(xù)時間較長，采用指數(shù)函數(shù)[20]的形式來反應(yīng)出行者在試驗過程中單位時間空氣吸入量的變化，見式（3）。

式中：HR為心率，beat/min。

2 分析與結(jié)果

2.1 各出行方式交通空間PM濃度差異性分析

數(shù)據(jù)采集期間，空氣質(zhì)量為良22 d、輕度污染18 d、中度污染21 d、重度污染16 d。圖2為5種出行方式交通空間的PM2.5和PM10在試驗期間的濃度分布。各出行方式的交通空間PM總體平均濃度水平為自行車>步行>公交>出租車>地鐵。

圖2 各出行方式交通空間PM濃度對比Fig.2 Comparison of PMconcentrations between various travel modes outside the exposed environment

同一出行方式存在不同交通空間，同時污染物濃度隨個體的運動軌跡發(fā)生變化，需對出行者在5種出行方式、不同交通空間的暴露時間和暴露濃度進行分析。在統(tǒng)計中，以PM濃度測量均值進行說明。各出行方式1次完整出行的PM濃度隨時空軌跡的變化趨勢見圖3。虛線為監(jiān)測站所獲取到的PM濃度均值。

圖3 各出行方式交通空間PM濃度的時空軌跡Fig.3 Temporal and spatial trajectory of PMconcentrations of the selected travel modes outside the exposed environment

采用t檢驗[13]對各交通空間下的PM濃度與背景環(huán)境PM濃度做顯著性檢驗，結(jié)果見表1。

由表1可知：出租車內(nèi)、公交車廂、地鐵車廂的PM濃度與背景環(huán)境PM濃度存在顯著性差異，人行道、非機動車道、出租車?？奎c、公交站臺、地鐵站廳、地鐵站臺則差異不顯著，這與交通空間的密閉性和空氣循環(huán)功能有關(guān)。

表1 PM濃度差異顯著性檢驗Tab.1 Results of the difference significance test of the PMconcentration

步行和自行車的PM濃度在背景PM濃度附近波動，且人行道和非機動車道與背景PM濃度不存在顯著性差異。出租車、公交和地鐵內(nèi)部空間的PM濃度維持在1個相對平穩(wěn)的水平，這要歸因于其車廂的密閉空間。在交通空間交換時，會出現(xiàn)短暫的濃度上升狀態(tài)。同時，車內(nèi)部空間的PM濃度顯著低于背景環(huán)境PM濃度。公交車內(nèi)的PM濃度出現(xiàn)波動狀況，主要是由公交車頻繁開門導致。地鐵車廂內(nèi)的PM濃度輕微波動，不如公交劇烈，與地鐵開關(guān)門的頻率低和受地面環(huán)境PM滲透程度低有關(guān)。地鐵站臺和站廳的PM濃度雖與背景環(huán)境PM濃度不存在顯著差異，但仍低于背景環(huán)境PM濃度，表現(xiàn)為PM2.5是背景環(huán)境的69%，PM10是背景環(huán)境的78%。

2.2 各出行方式交通空間PM濃度影響因素分析

在確定影響因素對交通空間PM濃度的具體貢獻，需挑選合適的影響因素。擬挑選背景環(huán)境監(jiān)測站與試驗地點距離、交通流量、道路綠化和載客量等交通環(huán)境，背景環(huán)境PM濃度以及溫度、相對濕度、風速等氣象因素對PM濃度的影響進行分析。其中道路綠化為0-1虛擬變量，有綠化路段則為0，否則為1。

F檢驗可檢驗自變量和因變量之間的線性關(guān)系顯著性[19]。顯著性F（Sig.F）是所提出模型中原假設(shè)不能被拒絕的概率，F(xiàn)值是通過平均回歸平方和除以平均誤差平方和而計算出來的比率。Sig.F（應(yīng)小于0.05）和F值越小，則統(tǒng)計性能越好。

表2中，加粗數(shù)字表示影響因素與PM濃度具有顯著性關(guān)系。步行和自行車交通空間PM濃度的顯著性影響因素為背景環(huán)境PM濃度、溫度、濕度、風速和背景環(huán)境監(jiān)測站位置；出租車和公交交通空間PM濃度的顯著性影響因素為背景環(huán)境PM濃度、溫度、濕度和背景環(huán)境監(jiān)測站位置；地鐵交通空間PM濃度的顯著性影響因素為背景環(huán)境PM濃度、溫度和背景環(huán)境監(jiān)測站位置。以5種出行方式的PM2.5和PM10濃度作為因變量，顯著性影響因素作為自變量建立模型，見式（4）~（5）。

表2 指標顯著性統(tǒng)計Tab.2 Statistical significance of selected indicators

式中：YPM2.5、YPM10為各出行方式的PM2.5和PM10濃度，μg/m3；XPM2.5、XPM10為監(jiān)測站檢測到的PM2.5和PM10濃度，μg/m3；Xt，Xh，Xws和Xd分別為試驗過程中與PM濃度相對應(yīng)的溫度、濕度、風速和背景環(huán)境監(jiān)測站與試驗地點的距離，相應(yīng)的單位分別為℃，%rh，m/s，km；ε和η為隨機誤差，假設(shè)服從獨立的標準正態(tài)分布。模型擬合參數(shù)估計值見表3。

從表3可知：背景環(huán)境PM濃度、濕度與交通空間PM濃度的關(guān)系為正相關(guān)；溫度、風速、監(jiān)測站位置與交通空間PM濃度的關(guān)系為負相關(guān)。以背景環(huán)境PM濃度的參數(shù)估計值為例進行說明，背景環(huán)境PM2.5和PM10濃度每升高1μg/m3，步行、自行車、公交、出租車、以及地鐵交通空間中的PM2.5濃度和PM10濃度分別上升1.103/1.201，1.098/1.149，0.637/0.762，0.599/0.668，0.546/0.673（μg/m3）。

表3 多元回歸參數(shù)估計值Tab.3 Estimation of the parameters in the multiple regression

2.3 出行者PM攝入量評估

出行者的暴露時間為完成出行處于各交通空間的時間之和。步行和自行車出行的全程平均暴露時間分別為82.5 min和35.1 min；出租車的全程平均暴露時間為32.4 min，其中地面步行暴露時間2.0 min，出租車?？奎c暴露時間7.8 min，出租車內(nèi)暴露時間22.6 min；公交的全程平均暴露時間為42.2 min，其中地面步行暴露時間6.5 min，公交車站臺暴露時間5.6 min，公交車內(nèi)暴露時間30.1 min；地鐵的全程平均暴露時間為25.9 min，其中地面步行暴露時間5.3 min，地鐵站廳暴露時間5.6 min，地鐵站臺暴露時間5.0 min，地鐵車廂內(nèi)暴露時間10 min。

根據(jù)試驗所獲取心率和式（3），對5種出行方式下的出行者單位時間空氣吸入量進行計算，見表4。將單位時間空氣吸入量、PM濃度以及暴露時間參數(shù)代入式（1），計算出行者采用各出行方式在不同交通空間的PM攝入量以及全程攝入量，其中單位時間空氣吸入量為根據(jù)每個出行者的個人心率計算得到的結(jié)果。統(tǒng)計結(jié)果見表5，為攝入量的統(tǒng)計均值與標準差。

表4 5種出行方式單位時間空氣吸入量Tab.4 Air intake per unit time of five travel modes

表5 不同出行方式平均PM攝入量Tab.5 Average PMinhalation dose of different travel modes單位：ug

采用步行和自行車出行的出行者會攝入更多的PM。而采用步行方式出行者的PM攝入量最高，采用地鐵方式時PM攝入量最低。步行交通空間的PM濃度高于自行車，同時步行出行者的單位時間空氣吸入量也更低，但由于出行者采用步行時的暴露時間比自行車高2倍多，導致其全程攝入量更多。出行者采用公交、出租車、地鐵出行的單位時間空氣吸入量接近，但采用公交出行時的總暴露時間更長，導致出行者的全程PM攝入量比出租車多41%，比地鐵多60%。

步行和自行車健康風險高于其他3種出行方式，其原因為：①步行和自行車交通空間的PM濃度高于其他3種出行方式，且出行者采用步行和自行車出行的單位時間空氣吸入量也更高；②步行和自行車屬于慢行交通，導致在相同的出行距離上出行者的暴露時間更長。因此，在出行距離較遠時，盡量避免選擇慢行交通。

對于公交、出租車和地鐵3種機動化出行方式，公交的健康風險最高，是出租車的1.42倍，地鐵的1.61倍。公交、出租車和地鐵3種出行方式交通空間的PM濃度接近且出行者采用這3種方式出行的單位時間空氣吸入量接近，但公交出行過程中，站臺候車和頻繁停車致使出行者的暴露時間比出租車和地鐵長，增加了健康風險。

此次研究將慢行交通和機動化交通放在一起進行考慮，但在實際出行選擇中，這2類出行方式的服務(wù)距離存在差異。對于短距離出行，通常選擇為慢行交通，此時步行出行者的單位時間空氣吸入量低但暴露在交通空間的時間長，自行車出行者的單位時間空氣吸入量高但暴露在交通空間的時間短，最終可根據(jù)PM攝入量計算模型，確定最為健康的出行方式。對于長距離出行，通常選擇為機動化交通，可針對3種出行方式的具體出行場景和PM濃度對攝入量進行計算，從而選擇較為健康的出行方式。

根據(jù)出行者的單位時間空氣吸入量、監(jiān)測站的PM濃度數(shù)據(jù)和居民出行時間，最終可獲得出行者1次完整出行總的PM攝入量。本次試驗過程詳細記錄了各個出行環(huán)節(jié)的花費時間，即暴露時間。而對于未出行的預(yù)期出行時間，可采用導航軟件等獲取，從而實現(xiàn)對PM攝入量的預(yù)測。

居民出行佩戴口罩可對污染物進行過濾，本研究測量的方式無法獲取戴口罩出行者的PM攝入值，研究是針對未帶口罩的結(jié)果。已有文獻證明[21]，專用防霾口罩的阻隔能力最強，阻隔效率高于66.6%；聚氨酯口罩和一次性醫(yī)用口罩阻隔能力最差，阻隔效率低于25.7%。因此，可據(jù)此研究對戴口罩的出行者的PM攝入量進行估算。

3 結(jié)束語

出租車內(nèi)、公交車廂、地鐵車廂的PM濃度顯著低于人行道、非機動車道、出租車?？奎c、公交站臺、地鐵站廳、地鐵站臺，并與背景環(huán)境PM濃度存在顯著性差異。背景環(huán)境PM濃度、濕度與交通空間PM濃度的關(guān)系為正相關(guān)，溫度、風速和監(jiān)測站位置與交通空間PM濃度的關(guān)系為負相關(guān)。其中，背景環(huán)境PM濃度對交通空間PM濃度的影響最大。形成了計算出行者選擇各出行方式時PM攝入量的方法體系，可根據(jù)出行者的單位時間空氣吸入量、監(jiān)測站的PM濃度數(shù)據(jù)和導航軟件中提供的居民出行時間實現(xiàn)對PM攝入量的預(yù)測。

研究是根據(jù)心率特征對PM攝入量進行測算，但PM攝入量還與年齡、天氣和地域等因素有關(guān)，未來可進一步分析各影響因素對PM攝入量的具體影響，使得結(jié)果更加可靠從而更加契合導航軟件的應(yīng)用場景。