基于PL-SEM的城市快速路交通噪聲預(yù)測模型
2023-04-29 00:00:00黃日明
西部交通科技 2023年9期
基金項目：2020年度廣西高校中青年教師科研基礎(chǔ)能力提升項目“城市快速路交通噪聲聲屏障設(shè)計與優(yōu)化研究”（編號：2020KY34012）
作者簡介：黃日明（1992—），碩士，工程師，講師，研究方向：建筑技術(shù)。
摘要：文章提出一個結(jié)合貝葉斯網(wǎng)絡(luò)BN與偏最小二乘結(jié)構(gòu)方程PLS-SEM建立的道路交通噪聲模型。該模型探究影響道路交通噪聲的因素及其關(guān)聯(lián)指標(biāo)，確定了交通流量、道路情況、平均車速、氣候條件與建筑環(huán)境這五個影響因素對道路交通噪聲的直接和間接影響，為規(guī)劃人員以及決策者了解交通噪聲影響因素的內(nèi)在關(guān)系并部署道路交通噪聲緩解策略提供了依據(jù)。
關(guān)鍵詞：PL-SEM;交通噪聲;預(yù)測模型
中圖分類號：U491.9+1
0 引言
道路交通是道路旁最具侵入性的噪聲污染源。為了預(yù)測交通噪聲，國內(nèi)外提出了幾種傳統(tǒng)模型，例如美國的 FHWA、德國的 RLS 90、挪威、丹麥和瑞典的 Nord 2000 模型等，但這些傳統(tǒng)模型考慮的影響因素比較有限。文獻(xiàn)表明，交通特征、道路特征、氣候條件、建筑環(huán)境等會顯著影響道路交通噪聲［1］，因此，基于以上影響因素開發(fā)符合當(dāng)?shù)鼐唧w駕駛行為、城市特征和道路條件的交通噪聲模型十分有意義。國內(nèi)外學(xué)者采用不同的方法來預(yù)測交通噪聲，包括多元線性回歸、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹、隨機(jī)森林等人工智能方法［2］。而SEM 被證明是一種功能強(qiáng)大的算法集因子分析、路徑分析和多元線性回歸分析等多種多元技術(shù)擴(kuò)展，可以探索直接與間接變量之間的相互依賴關(guān)系。然而，傳統(tǒng)的 SEM 方法假設(shè)數(shù)據(jù)在建模過程中是均勻且正態(tài)分布的，偏最小二乘結(jié)構(gòu)方程建模 （PLS-SEM）是傳統(tǒng) SEM 方法的替代方法，它放寬了均勻性和正態(tài)分布的假設(shè)［3］。此外，PLS-SEM 適用于小樣本量（＜100個現(xiàn)場數(shù)據(jù)樣本），是預(yù)測和理論開發(fā)的首選。
因此，本文采用結(jié)合了貝葉斯網(wǎng)絡(luò)BN的PLS-SEM 方法針對南寧市城市快速路的清廂快速路的交通噪聲建立預(yù)測模型，可以更加了解城市快速路交通噪聲特點，并為減輕交通噪聲對沿線居民的影響提供參考依據(jù)。
1 結(jié)合貝葉斯網(wǎng)絡(luò)的偏最小二乘結(jié)構(gòu)方程
貝葉斯網(wǎng)絡(luò) （BN）是一種多元統(tǒng)計方法，它建立概率圖形模型結(jié)構(gòu)來表達(dá)變量之間的不確定問題。BN過程分為兩個部分，即定性和定量部分。定性成分表示為有向無環(huán)圖 （DAG），而定量成分表示為條件概率表 （CPT）。DAG 表示變量之間的依賴性和獨立性，節(jié)點之間通過弧的因果聯(lián)系，而節(jié)點代表觀察到的或未觀察到的變量。在此過程中，弧所指向的節(jié)點稱為父節(jié)點，而節(jié)點弧指向的方向稱為子節(jié)點。DAG 確保沒有節(jié)點是它自己的前身或后代，并允許計算一組隨機(jī)變量的聯(lián)合概率分布［4］。
此外，CPT表示一組隨機(jī)變量之間因果關(guān)系的強(qiáng)度，并定量估計變量之間的概率相關(guān)性。使用馬爾可夫性質(zhì)為每個節(jié)點生成條件概率分布以分析定量參數(shù)。一組隨機(jī)變量的條件概率使用式（1）計算。
式（1）中，P（Xi|Y）表示在已知事件Y發(fā)生的情況下，事件Xi的概率，使用式（2）根據(jù)CPT確定一組給定變量（X1，X2…，Xn）的聯(lián)合概率。
而偏最小二乘結(jié)構(gòu)方程建模（PLS-SEM）分為兩個部分，分別是實測模型和結(jié)構(gòu)模型。實測模型也稱為外部模型，包括每個因素及其相關(guān)指標(biāo)之間的單向預(yù)測關(guān)系，如式（3）所示。實測模型反映了驗證性因素分析，使研究人員能夠測試和確認(rèn)結(jié)構(gòu)的關(guān)系模式及其潛在指標(biāo)。結(jié)構(gòu)模型也稱為內(nèi)部模型，描述了結(jié)構(gòu)之間的關(guān)系［5］，結(jié)構(gòu)模型中的因果關(guān)系如式（4）所示：
Xh=πh0+πhξ+εh""" （3）
ξj=βj0+Σβjiξi+vj """（4）
式中：ξ和Xh——構(gòu)造及其相關(guān)聯(lián)的變量；
πh——對應(yīng)于變量的加載；
εh——誤差項；
ξj——第j個結(jié)構(gòu)；
β和vj——與ξj相關(guān)的路徑系數(shù)和誤差項。
2 數(shù)據(jù)采集與建模過程
本文以南寧市城市快速路的清廂快速路作為研究對象，選取了銜接鳳嶺北路處、靠近火車站處、靠近園湖北路處3個具有代表性的地點進(jìn)行實測以收集數(shù)據(jù)。連續(xù)3 d在上下班高峰期道路繁忙的時間段，采用聲級計、雷達(dá)槍、攝像機(jī)等設(shè)備進(jìn)行數(shù)據(jù)采集。其中，將型號CEL-24X聲級計連接到三腳架上，并將其安裝在靠近快速路地面上方 1.2 m 處，用于實測道路兩個方向的噪音水平；手動操作雷達(dá)槍以獲取車流速度；將攝像機(jī)安裝在三腳架上，連續(xù)記錄交通量和鳴喇叭事件；用熱敏風(fēng)速儀DT-8880獲得溫度、相對濕度與風(fēng)速數(shù)據(jù)。
本文提取出重要的六個因素及其15個指標(biāo)，如表1所示。首先，對6個因素通過貝葉斯網(wǎng)絡(luò)BN 來構(gòu)建交通噪聲模型，在貝葉斯網(wǎng)絡(luò)BN實施過程中，將6個因素作為因子分?jǐn)?shù)輸入并作用于 15 種學(xué)習(xí)算法，在學(xué)習(xí)了不同的 BN 結(jié)構(gòu)之后，通過將所有 15 個學(xué)習(xí)結(jié)構(gòu)的出現(xiàn)頻率相加來計算每個弧的總分，從而得到最穩(wěn)定的BN結(jié)構(gòu)關(guān)系。然后，在SmartPLS 3.0軟件中構(gòu)建了一個PLS-SEM結(jié)構(gòu)（路徑）模型，構(gòu)建的PLS-SEM 模型包含6個因素及其15個指標(biāo)。其中入口方向代表道路往鳳嶺北路的方向，出口方向代表道路往清川的方向。
3 模型結(jié)果
如圖1所示，介紹了 PLS-SEM 模型結(jié)果。模型的6個結(jié)構(gòu)的復(fù)合可靠性和信度系數(shù)值＞0.6，確保了模型的內(nèi)部一致性和可靠性，每個結(jié)構(gòu)的平均方差提取值＞0.5，確保模型的實質(zhì)收斂有效性。模型結(jié)果通過路徑系數(shù)描述了每個因素對等效交通噪聲的直接、間接和總影響。交通流量對等效交通噪聲具有最高的正直接影響 （0.636）。值得注意的是建筑環(huán)境和氣候條件對等效交通噪聲沒有直接影響，它們對交通噪音的影響是通過其他因素間接影響的。而速度因素充當(dāng)所有剩余因素和等效交通噪聲之間的中介，它對等效交通噪聲的直接影響最小且為負(fù)面 （-0.207）。此外，交通流量和道路情況還通過速度對等效交通噪聲產(chǎn)生間接影響。
而建筑環(huán)境對等效交通噪聲的間接影響（0.407）是3種路徑關(guān)系的特定間接影響的綜合結(jié)果，即建筑環(huán)境→ 交通流量 → 速度 → 等效交通噪聲（0.023）;建筑環(huán)境 →速度 → 等效交通噪聲（0.057）;建筑環(huán)境 →交通流量 → 等效交通噪聲（0.327）。關(guān)于總效應(yīng)，建筑環(huán)境和交通流量對等效交通噪聲的影響為正，而氣候條件、道路情況和速度對交通噪聲的總影響為負(fù)。見表2。
4 討論與分析
如圖2所示描繪了實測和預(yù)測（模擬）等效噪聲級之間的散點圖。關(guān)于估計誤差，預(yù)測和實測的等效噪聲級值之間的誤差范圍為-2.7～3.5 dBA，表明所開發(fā)模型的預(yù)測準(zhǔn)確性較高。
根據(jù)模型結(jié)果，交通流量是對交通噪聲產(chǎn)生積極影響的最主要因素，總效應(yīng)為0.682。據(jù)推斷，交通流量屬性（即交通量和鳴喇叭）每增加一個單位，噪聲水平會直接增加63.7%，并通過速度因素間接增加4.5%。此外，交通流量對速度有消極影響，因此交通流量單位增長可以使車輛速度降低0.218單位。這可能是因為較高的交通量和鳴喇叭表示較低的車流速度，最終導(dǎo)致道路交通噪音較高。
此外，道路情況是交通噪音的第二大影響因素。模型結(jié)果表明，道路情況對速度有積極影響，對交通噪聲有消極影響。道路幾何屬性每增加一個單位，交通噪聲可直接降低0.373個單位，通過速度間接降低0.047個單位。道路寬度的增加可以提高交通的平滑過渡，使交通流更加均勻，從而降低交通噪聲級。
由于速度因素對交通噪聲的顯著影響，因此在本文中將速度因素視為一個單獨的因素。關(guān)于其對交通噪聲的影響，速度對等效交通噪聲具有顯著的負(fù)面直接影響（-0.207）。這與之前學(xué)者的研究發(fā)現(xiàn)一致［5］，即速度對交通噪聲有重大影響，并且受到交通流量的影響，它在低速時對交通噪音產(chǎn)生的通常是消極影響，而在較高速度下為積極影響。
最后，氣候條件因素會通過速度間接影響交通噪音（-0.110）。這種關(guān)系與事實相符：當(dāng)遇到溫度較高的氣候條件時，人們通常傾向于快速移動并提高車速。
5 結(jié)語
交通噪聲被認(rèn)為是城市噪聲污染的主要來源，由于噪聲污染的嚴(yán)重性，國內(nèi)外一直重視交通噪聲實測與預(yù)測模型的開發(fā)。本文開發(fā)了結(jié)合當(dāng)?shù)亟煌ㄇ闆r的城市快速路的交通噪聲模型，該模型描述了影響交通噪聲的因素之間的相互關(guān)系。結(jié)合BN的FLS-SEM方法成功地建立了6個影響因素及其15個指標(biāo)在交通噪聲模型中的相互關(guān)系。模型表明，交通流量被確定為顯著影響交通噪聲的最突出因素，因此控制交通噪聲最有效的方法是控制交通流量。但由于機(jī)動車數(shù)量的快速增長，道路交通流量的控制非常具有挑戰(zhàn)性。根據(jù)研究結(jié)果，可以通過規(guī)范鳴喇叭事件來降低道路沿線的交通噪音，并且合理規(guī)劃路網(wǎng)進(jìn)行交通流量部分分流。此外，建筑和快速路之間應(yīng)該有適當(dāng)?shù)木嚯x，以避免過度暴露于交通噪音中，如果建筑和快速路之間距離過于近應(yīng)增加聲屏障減輕交通噪聲對居民的影響。根據(jù)模型結(jié)果，建筑環(huán)境和氣候條件也間接影響道路的交通噪音，建筑環(huán)境和各種氣候條件對道路交通噪音的影響機(jī)制值得未來進(jìn)一步詳細(xì)研究。
參考文獻(xiàn)
［1］Gilani，T.A.，Mir，M.S. Modelling road traffic Noise under heterogeneous traffic conditions using the graph-theoretic approach［J］. Environ. Sci. Pollut. Res，2021（28）：36 651-36 668.
［2］王欣暢. 顧及城市功能區(qū)的道路交通噪聲模擬及快速計算方法研究［D］.南京：南京師范大學(xué)，2021.
［3］單汨源，喻 盈，劉小紅.基于PLS-SEM及貝葉斯網(wǎng)絡(luò)的地鐵乘客滿意度評價研究［J］.湖南社會科學(xué)，2020，199（3）：113-121.
［4］Landuyt，D.，Broekx，S.，D’hondt，R.，et al. A review of Bayesian belief networks in ecosystem service modelling［J］. Environ. Model. Softw，2013（46）：1-11.
［5］Pascale，A.，F(xiàn)ernandes，P.，Guarnaccia，C.，et al. A study on vehicle Noise Emission Modelling： Correlation with air pollutant emissions，impact of kinematic variables and critical hotspots［J］. Sci. Total Environ， 2021（787），147-157.
收稿日期：2023-03-29
