CN106198862A - 一种地铁车厢内空气质量评价方法 - Google Patents
一种地铁车厢内空气质量评价方法 Download PDFInfo
- Publication number
- CN106198862A CN106198862A CN201610499032.XA CN201610499032A CN106198862A CN 106198862 A CN106198862 A CN 106198862A CN 201610499032 A CN201610499032 A CN 201610499032A CN 106198862 A CN106198862 A CN 106198862A
- Authority
- CN
- China
- Prior art keywords
- subway
- air quality
- time period
- subway carriage
- quality information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明涉及一种地铁车厢内空气质量的评价方法,其包括:S1:利用空气监测仪监测并采集第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息;S2:利用空气监测仪监测并采集第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息;S3:利用空气监测仪监测并采集第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息;S4:对上述空气质量信息进行数据处理和分析。其可定性、定量地分析地铁车厢中的空气质量信息,为环境监测和人们出行计划提供依据。
Description
技术领域
本发明涉及交通工程及环境工程的技术领域,尤其涉及一种地铁车厢内空气质量评价方法。
背景技术
随着工业化、城市化的加快,地铁这一交通工具在大多数城市中已经非常普及,尤其其便利、快速的特点,城市中大多数人会乘坐地铁出行,尤其在上、下班时间段,乘坐地铁的人数更多。
由于地铁中的人员密集程度较高,地铁车厢内的空气流通程度较差,当乘坐人员长时间乘坐地铁时,会出现不适的反应,但无法定性、定量地判断地铁中的空气质量如何,从而无法获知地铁中的空气质量对乘坐人员的影响。
发明内容
本发明所要解决的技术问题是提供一种地铁车厢内空气质量评价方法,其可定性、定量地分析地铁车厢内的控制质量信息。
本发明解决上述技术问题的技术方案如下:一种地铁车厢内空气质量的评价方法,其包括:
S1:利用空气监测仪监测并采集第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S2:利用空气监测仪监测并采集第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第二时间段内地铁车厢中、地铁站台上及 室外的空气质量信息;
S3:利用空气监测仪监测并采集第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S4:对第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息进行数据处理和分析。
本发明的有益效果是:通过采集不同时间段内的地铁车厢中、地铁站台上及室外的空气质量信息,并经过处理、分析,可定性、定量地分析地铁车厢中的空气质量信息,为环境监测和人们出行计划提供依据。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤S4具体包括以下步骤:
分别计算第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果;并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果图,并分别将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果,并分别将第三时间段内 地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
并分别将第一时间段内地铁车厢中、第二时间段内地铁车厢中、第三时间段内地铁车厢中的空气质量信息的均值进行对比,生成对比结果并输出;
并分别将第一时间段内地铁站台上、第二时间段内地铁站台上、第三时间段内地铁站台上的空气质量信息的均值进行对比,生成对比结果并输出。
进一步,所述第一时间段为7:00-9:00,所述第二时间段为11:00-1:00,所述第三时间段为17:00-19:00。
进一步,所述第一时间段、第二时间段及第三时间段内空气质量信息采集的间隔周期均为1秒钟或实时采集。
进一步,还包括利用空气监测仪对不同拥挤程度的地铁车厢内空气质量信息的监测和采集步骤,具体为:
利用空气监测仪监测并采集空闲状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集有座状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集无座但不拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集重度拥挤状态下地铁车厢内的空气质量信息;
对空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内空气质量信息进行处理和分析。
进一步,所述空闲状态为平均每节地铁车厢内的人数小于或等于5个,所述有座状态为每节地铁车厢内的乘客均有座,且满座率小于或等于100%,所述无座但不拥挤状态为平均每平方米站立的人数小于3个,所述拥挤状态为平均每平方米站立的人数为3-7个,所述重度拥挤状态为平均每平方米站 立的人数为7-9个。
进一步,所述对空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内的空气质量信息进行处理和分析,具体为:
对空气监测仪监测到的空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下地铁车厢内的空气质量信息进行数据修正,获得数据修正值;
将在空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下监测的地铁车厢内的相同空气质量信息的数据修正值进行对比,生成对比结果并输出。
进一步,所述空气质量信息包括二氧化碳、一氧化碳、挥发性有机物及颗粒物的浓度、空气温度及湿度。
进一步,地铁车厢中的挥发性有机物的浓度的修正值的计算公式为KVOC=Nvoc实测浓度/Nvoc大气浓度,地铁车厢中颗粒物的浓度的修正值的计算公式为K颗粒物=N颗粒物实测浓度/N颗粒物外界浓度;
其中,KVOC为地铁车厢中的挥发性有机物的浓度的修正值,Nvoc实测浓度为地铁车厢中实测的挥发性有机物的浓度,Nvoc大气浓度为同一时间段室外大气中实测的挥发性有机物的浓度,K颗粒物为地铁车厢中的颗粒物的浓度的修正值,N 颗粒物实测浓度为地铁车厢中实测的颗粒物的浓度,N颗粒物外界浓度为同一时间段室外大气中实测的颗粒物的浓度。
进一步,所述空气监测仪在地铁车厢中的监测高度为1.2m-1.5m,在地铁站台上的监测高度为0.8m-1.2m。
附图说明
图1为本发明实施例一提供的一种地铁车厢内空气质量的评价方法的流程图;
图2为不同拥挤程度下车厢与站台CO2浓度的对比图;
图3为不同拥挤程度下车厢与站台CO浓度的对比图;
图4为不同拥挤程度下地铁车厢及站台的挥发性有机物的浓度的修正值的对比图;
图5为不同拥挤程度下地铁车厢及站台的PM2.5浓度的修正值的对比图;
图6为室外-站台-车厢的CO2浓度的对比图;
图7为室外-站台-车厢的CO浓度的对比图;
图8为室外与站台的挥发性有机物浓度的线性关系图;
图9为室外与车厢的挥发性有机物浓度的线性关系图;
图10为室外与站台的PM2.5浓度的线性关系图;
图11为室外与车厢的PM2.5浓度的线性关系图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
实施例一
如图1所示,本实施例提供的地铁车厢内空气质量的评价方法,其包括:
S1:利用空气监测仪监测并采集第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S2:利用空气监测仪监测并采集第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S3:利用空气监测仪监测并采集第三时间段内地铁车厢中、地铁站台上 及室外的空气质量信息,分别获得第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S4:对第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息进行数据处理和分析。
其中的空气质量信息包括二氧化碳、一氧化碳、挥发性有机物及颗粒物的浓度、空气温度及湿度。采样时间定在具有交通量代表性的早高峰、平常时间和晚高峰进行数据检测。早高峰采样时间,即,第一时间段为7:00-9:00,平常采样时间,即第二时间段为11:00-1:00,晚高峰监测时间,即第三时间段为17:00-19:00。这三个时间段比较具有代表性,能相对完整的体现所监测城市的地铁交通***的地铁站台和地铁车厢内空气污染物浓度的变化规律,采样的同时也对室外大气空气质量进行监测,将地铁交通***内的空气质量与外界空气质量进行对比。第一时间段、第二时间段及第三时间段内空气质量信息采集的间隔周期均为1秒钟或实时采集。
其中的空气监测仪可采用EVM-7空气监测仪和Dylos空气监测仪,其中EVM-7空气监测仪主要用途在于采集并记录空气中的CO2、CO、VOC(挥发性有机物)、PM2.5、PM10的含量,同时记录采集时间内环境的温度、湿度等变化情况,为后面分析污染物浓度变化提供一定的环境依据。在使用前首先要对空气监测仪进行校准,车厢内的采样高度定为呼吸带高度,距地面1.2m-1.5m,站台和室外的采样高度定在1.2m。Dylos空气监测仪主要用途在于实时监测并记录车厢内的可吸入颗粒物的浓度。在使用时车厢内的采样高度同样设定为呼吸带高度,距地面1.2m-1.5m;站台和室外的采样高度定在0.8m以上的高度。通过上述空气监测仪采集的数据通过DMS软件进行处理分析,DMS软件是一款3M公司开发用于和仪器通信的软件,该软件可以选择下载数据、配置参数以及配置快速设置的功能,对下载了的数据可以进行 数据分析、数据导出等功能,同时可以快速创建分析报告并进行打印。
其中的,步骤S4,对第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息进行数据处理和分析这一步骤具体包括以下步骤:
分别计算第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果;并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果,并分别将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果,并分别将第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
并分别将第一时间段内地铁车厢中、第二时间段内地铁车厢中、第三时间段内地铁车厢中的空气质量信息的均值进行对比,生成对比结果并输出;
并分别将第一时间段内地铁站台上、第二时间段内地铁站台上、第三时间段内地铁站台上的空气质量信息的均值进行对比,生成对比结果并输出。
以北京市地铁作为监测对象,分别监测不同线路中地铁车厢中、地铁站 台上及室外的空气质量信息,表1给出了不同线路地铁车厢内的二氧化碳的浓度,单位为ppm;表2给出了三个时间段不同线路的车厢内CO的浓度;表3给出了三个时间段不同线路的车厢内挥发性有机物的浓度,单位为ppm;表4给出了三个时间段不同线路的车厢内PM2.5的浓度,单位为μg/m3。
表1不同线路地铁车厢内的CO2的浓度(ppm)
线路 | 第一时间段(7:00-9:00) | 第二时间段(11:00-13:00) | 第三时间段(17:00-19:00) |
1号线 | 3726 | 1187 | 3578 |
2号线 | 1559 | 1216 | 2201 |
4号线 | 3539 | 1025 | 3265 |
6号线 | 2859 | 1207 | 2134 |
10号线 | 3058 | 1275 | 2647 |
由表1可知,北京市地铁车厢内的CO2浓度值存在着较为明显的差异,即早晚时段CO2浓度较高,中午时段的CO2浓度较低的特点。这主要是由于人体的排放为车厢内CO2的主要来源,而早晚高峰时段车厢内的人数较多,人员的相对密度与中午时段相比有所增加,从而导致CO2的排放增多,而车厢内的通风不及时,导致早晚时段车厢内的CO2含量超过我国室内CO2含量标准0.15%即1500ppm。从上图可以看出,除2号线外,其他被测的实验线路均出现早晚高峰时期车厢内CO2浓度严重超标的现象。
表2不同线路地铁车厢内CO浓度(ppm)
线路 | 第一时间段(7:00-9:00) | 第二时间段(11:00-13:00) | 第三时间段(17:00-19:00) |
1号线 | 18.2 | 15.8 | 27.1 |
2号线 | 18.4 | 19.1 | 24.6 |
4号线 | 21.5 | 19.6 | 25.3 |
6号线 | 24.8 | 22.6 | 27.7 |
10号线 | 24.3 | 23.1 | 29.6 |
如表2所示,地铁车厢内的CO含量较为平稳,虽然呈现早晚高峰浓度较高,中午浓度较低这一特点,但是数据差别并不大。按照换算关系,ppm=(22.3mg/m3)/分子量,我们得出10mg/m3=8ppm,国家《环境空气质量标 准》(GB 3092-1996)中规定一级二级环境的一小时CO测量平均值不得高于10mg/m3,即8ppm;三级环境的一小时CO测量平均值不得高于20mg/m3,即16ppm。从不同线路地铁车厢内CO浓度表中我们可以看出,车厢内的CO浓度普遍存在着超标现象,并且峰值的CO浓度超标严重。虽然这一浓度值并不足于使人中毒,但是远途乘客如果长期在此环境中仍然会产生一些不适的反应。
表3不同线路地铁车厢内挥发性有机物浓度(ppm)
线路 | 第一时间段(7:00-9:00) | 第二时间段(11:00-13:00) | 第三时间段(17:00-19:00) |
1号线 | 39.2 | 31.7 | 48.6 |
2号线 | 34.5 | 35.8 | 36.6 |
4号线 | 37.1 | 33.3 | 42.9 |
6号线 | 38.3 | 32.5 | 46.8 |
10号线 | 39.6 | 35.8 | 51.2 |
如表3所示,除了2号线以外,其他线路车厢内挥发性有机物浓度均存在着早高峰和晚高峰时段偏高,中午时段偏低的特点。这是由于车厢内的挥发性有机物主要来自于地铁车厢内的装饰材料散发,人们日常生活所用的清洗剂、喷雾剂挥发和外界机动车尾气随着空气渗入地铁车厢。而由于早晚高峰时期地铁车厢内人员较为密集,车厢内的空气流通状况较差,因此导致有害气体不容易排出,产生了早晚高峰时段大部分线路挥发性有机物浓度较高,中午时段较低这一现象。
表4不同线路地铁车厢内PM2.5浓度(μg/m3)
线路 | 早高峰(7:00-9:00) | 中午(11:00-13:00) | 晚高峰(17:00-19:00) |
1号线 | 166.7 | 104.1 | 187.8 |
2号线 | 88.2 | 99.6 | 110.5 |
4号线 | 130.1 | 110.3 | 224.2 |
6号线 | 135.3 | 100.8 | 155.8 |
10号线 | 95.6 | 88.8 | 140.2 |
由表4可知,地铁车厢内大部分线路PM2.5浓度呈现早晚高,中午时段 较低这一特点,其中晚高峰时段内车厢内的PM2.5浓度高于早高峰时段内PM2.5浓度。这是由于PM2.5的主要来源为工业生产、机动车排放、燃煤及扬尘等,而在早晚高峰时期外界车流量较大,大气中的PM2.5进入车厢在通风不及时的情况下造成沉积。而我国《环境空气质量标准》(GB3095-2012)中规定,空气中的PM2.5含量限值是75μg/m3,而从测得的数据中可以发现,北京地铁车厢内的PM2.5含量平均值均大于这一限值,不难发现,北京地铁车厢内的PM2.5浓度超标现象严重。
实施例二
本实施例提供的地铁车厢内空气质量的评价方法,除包括实施例一提供的评价方法之外,还包括利用空气监测仪对不同拥挤程度的地铁车厢内空气质量信息的监测和采集步骤,具体为:
利用空气监测仪监测并采集空闲状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集有座状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集无座但不拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集重度拥挤状态下地铁车厢内的空气质量信息;
对空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内空气质量信息进行处理和分析。
需要检测的空气质量信息包括二氧化碳、一氧化碳、挥发性有机物及颗粒物的浓度、空气温度及湿度。其中的空闲状态为平均每节地铁车厢内的人数小于或等于5个,所述有座状态为每节地铁车厢内的乘客均有座,且满座率小于或等于100%,所述无座但不拥挤状态为平均每平方米站立的人数小于3个,所述拥挤状态为平均每平方米站立的人数为3-7个,所述重度拥挤状 态为平均每平方米站立的人数为7-9个。
其中的利用数据分析软件处理并分析空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内的空气质量信息,具体为:
对空气监测仪监测到的空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下地铁车厢内的空气质量信息进行数据修正,获得数据修正值;
将在空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下的地铁车厢内的相同空气质量信息的数据修正值进行对比,生成对比结果并输出。
图2给出了地铁车厢、站台在不同人流量状态下的CO2浓度值,图3给出了地铁车厢、站台在不同人流量状态下的CO浓度值。
在不同人流量的状态下地铁站台和地铁车厢内的CO2含量对比关系如图2所示。此数据取自相同时间段内站台和车厢内空气质量监测数据,并且在不同人流量下的平行数据进行比较。由此图可知,车厢内的CO2含量随着车厢内乘客的人数而增加,而站台上的CO2含量则保持在相对稳定的范围内。这是由于相比于地铁车厢这一密闭环境,地铁站台环境相对空旷且站台与外界空气流通交换频繁,因此,站台上的CO2浓度保持在一个相对稳定的范围内。
而室外的CO2浓度通过测量发现长期保持在一个相对稳定的浓度,这说明车厢内的CO2浓度并未受到室外和站台CO2浓度的影响,车厢内的CO2浓度的主要决定因素为车厢内的乘客拥挤程度。
在不同人流量的状态下地铁站台和地铁车厢内的CO含量对比关系如图3所示。此数据取自相同时间段内站台和车厢内空气质量监测数据,并且在不同人流量下的平行数据进行比较。由图3可知,车厢内的CO含量随着车 厢内乘客的人数而增加,而站台上的CO含量则保持在相对稳定的范围内。这是由于相比于地铁车厢这一密闭环境,地铁站台环境相对空旷且站台与外界空气流通交换频繁,因此,站台上的CO浓度保持在一个相对稳定的范围内。
通过对所测得的挥发性有机物浓度的数据进行分析,发现挥发性有机物浓度不但受到拥挤程度的影响,同时也受外界大气中挥发性有机物浓度的影响,因此为了排除外界大气中挥发性有机物浓度对车厢内挥发性有机物浓度的影响值,通过如下公式计算地铁车厢中的挥发性有机物的浓度的修正值及地铁车厢中颗粒物的浓度的修正值。
地铁车厢中的挥发性有机物的浓度的修正值的计算公式为KVOC=Nvoc实测浓度/Nvoc大气浓度,地铁车厢中颗粒物的浓度的修正值的计算公式为K颗粒物=N颗粒物实测浓度/N颗粒物外界浓度;其中,KVOC为地铁车厢中的挥发性有机物的浓度的修正值,Nvoc实测浓度为地铁车厢中实测的挥发性有机物的浓度,Nvoc大气浓度为同一时间段室外大气中实测的挥发性有机物的浓度,K颗粒物为地铁车厢中的颗粒物的浓度的修正值,N颗粒物实测浓度为地铁车厢中实测的颗粒物的浓度,N颗粒物外界浓度为同一时间段室外大气中实测的颗粒物的浓度。
通过上述的计算公式,排除了大气中对应气体浓度对车厢中和站台上对应气体浓度的影响。
图4给出了地铁车厢及站台的挥发性有机物的浓度的修正值的对比结果,图5给出了地铁车厢及站台的PM2.5浓度的修正值的对比结果。
在不同人流量的状态下地铁站台和地铁车厢内的挥发性有机物(VOC)含量的K值如图4所示。此数据取自相同时间段内站台和车厢内空气质量监测数据,并且在不同人流量下的平行数据进行比较。由图4可知,车厢内的挥发性有机物浓度的K值随着车厢内乘客的拥挤程度而增加,而站台上的挥发性有机物K值的增长程度低于车厢内K值的增长程度。这是由于相比于地 铁车厢这一相对密闭的环境,地铁站台环境相对空旷且站台与外界空气流通交换频繁,因此,站台上的K值呈现较平稳的增长。
在不同人流量的状态下地铁站台和地铁车厢内的PM2.5含量的K值如图5所示。此数据取自相同时间段内站台和车厢内空气质量监测数据,并且在不同人流量下的平行数据进行比较。由此图可知,车厢内的PM2.5的K值随着车厢内乘客的拥挤程度而增加,而站台上的PM2.5的K值的增长程度低于车厢内R值的增长程度。这是由于相比于地铁车厢这一相对密闭的环境,地铁站台环境相对空旷且站台与外界空气流通交换频繁,因此,站台上的K值呈现较平稳的增长。
本实施例除了研究拥挤程度对铁车厢和站台上各种污染物浓度的影响外,各种污染物在车站、车厢以及站台外的浓度也进行了对比分析,具体的对比分析结果如下:图6给出了不同站台、不同时间段内测得的CO2室外-站台-车厢的浓度的对比结果;图7给出了不同站台、不同时间段内测得的CO室外-站台-车厢的浓度的对比结果。
室外-站台-地铁车厢内空气中的CO2浓度对比如图6所示。此数据取自相同时间段内室外、地铁站台、地铁车厢内空气质量采样值。由图6可知,站台上的CO2含量和室外CO2含量的影响变化不大,基本在一个稳定且安全的范围内,而车厢内的CO2含量值则会相差较大,这说明车厢内CO2浓度主要受车厢内乘客的拥挤程度决定,外界空气中的CO2含量对车厢内CO2浓度的影响不大。
室外-站台-地铁车厢内空气中的CO浓度对比如图7所示。此数据取自相同时间段内室外、地铁站台、地铁车厢内空气质量采样值。由图7可知,站台上的CO含量的高低受室外CO含量的影响,但是影响程度不大,而车厢内的CO含量值趋于稳定,长期保持在10-40ppm之间,不受外界或是站台上CO含量的影响。这是由于室外的CO的主要来源为化工厂废料燃烧和汽车尾 气,而站台上由于地铁站台内空气交换较慢,尤其是换乘车站内地下二层或地下三层的站台气体交换较慢,容易存在污染气体在站台内积累而不易排出的情况,因此地铁站台上的CO含量比室外和车厢内都要高,由于车厢空调通风***的作用,不会增加车厢内CO的含量,从而保证车厢内的CO含量的稳定性。
另外,本实施例还对采集的室外-站台-车厢内的挥发性有机物的数据进行了对比分析,发现室外的挥发性有机物对站台和车厢内的挥发性有机物浓度起到决定性的作用,站台和车厢内的挥发性有机物浓度随着室外大气中的挥发性有机物浓度的变化而变化。图8给出了室外挥发性有机物浓度与站台上挥发性有机物浓度的相互关系;图9给出了室外挥发性有机物浓度与车厢内挥发性有机物浓度的相互关系;图10给出了室外PM2.5浓度与站台PM2.5浓度的关系图;图11给出了室外PM2.5浓度与地铁车厢内的PM2.5浓度的关系图。
室外和地铁车站内的挥发性有机物含量关系如图8所示。此数据取自相同时间段内地铁站台和室外空气质量的统计采样结果。由图8可知,地铁站台上挥发性有机物的含量与室外挥发性有机物含量存在正相关的关系,当室外挥发性有机物含量趋于0时,站台上的挥发性有机物含量也趋于0,当室外挥发性有机物含量逐渐升高,站台上挥发性有机物含量也相应升高。这是由于室外的挥发性有机物主要来源较为广泛,而地铁站台内的挥发性有机物来源主要是在同外界气体交换的过程中随着外界气体流入并伴随着少量的人体的排放和建筑材料、清洁剂的挥发,但是这部分排放量相对较少,因此,站台上挥发性有机物含量同外界挥发性有机物含量存在正相关的关系。
室外和车厢内挥发性有机物含量关系如图9所示。此数据取自相同时间段内的车厢和室外的空气质量采样。由图9可知,室外挥发性有机物与车厢内挥发性有机物含量存在一定的线性关系,当室外的挥发性有机物含量较低 时,车厢内的挥发性有机物含量也相对较低,随着室外挥发性有机物浓度的升高,车厢内挥发性有机物的含量也有一定的升高趋势。由于挥发性有机物在室外的主要来源为燃料的燃烧,交通运输过程中产生的废气、汽车尾气和光化学污染等,而在地铁车厢内挥发性有机物的主要来源为建筑装饰材料的挥发、清洁剂和人体本身的排放。由于地铁车厢为一个相对特殊的环境,在乘客频繁进出车厢的过程中会有外界的挥发性有机物随着气体的流通从室外进入车厢,因此,车厢内挥发性有机物含量同室外挥发性有机物含量存在一定的线性关系。
图10显示为室外PM2.5浓度与站台PM2.5浓度的关系图,从图中可以看出,站台PM2.5的浓度值与室外PM2.5的浓度值基本相同。这是由于PM2.5的直接来源是人类燃烧化石燃料、秸秆、木柴和垃圾等;同时挥发性有机物、氮氧化物、二氧化硫等也会转化为PM2.5,除此之外,建筑施工和道路扬尘等也会产生PM2.5。因此,地铁车厢及站台的PM2.5的主要来源为外界大气中PM2.5的渗入,因此,站台上PM2.5的浓度和外界大气中PM2.5的浓度相差不大。
室外和地铁车站内的PM2.5含量关系如图11所示。此数据取自相同时间段内地铁车厢和室外空气质量的统计采样结果。由此图可知,地铁车厢内PM2.5的含量与室外PM2.5含量存在线性的关系,车厢内PM2.5的含量随着室外PM2.5浓度的增加而增加。这是由于北京市PM2.5的主要来源为工业生产、机动车排放、燃煤、扬尘和其他影响因素,而地铁车厢内的PM2.5主要来源则为外界空气中的PM2.5随着地铁与外界的空气流通而从进入车厢,因此,地铁车厢内PM2.5含量的主要影响因素为外界大气中的PM2.5浓度。
另外,本实施例还分析了车厢-站台-室外的多种污染物的相关性,具体分析结果如表5所示。
表5地铁车厢内污染性气体相关分析表
相关性
**.在.01水平(双侧)上显著相关
通过对地铁车厢内污染性气体进行相关分析发现,地铁车厢内污染性气体CO2、CO、VOC和PM2.5的浓度存在显著的线性相关关系。从表5中可以看出,CO2浓度与CO浓度之间的相关系数为0.922,t检验的显著性概率为0.000<0.01,拒绝零假设,表明两个变量之间显著相关。CO2和VOC浓度之间的相关系数为0.961,t检验的显著性概率为0.000<0.01,拒绝零假设,表明两个变量之间显著相关。CO2与PM2.5浓度之间的相关系数为0.405,t检验的显著性概率为0.000<0.01,说明两个变量之间存在中度相关的关系。CO与VOC之间的相关系数为0.957,t检验的显著性概率为0.000<0.01,拒绝零假设,表明两个变量之间显著相关。CO与PM2.5浓度之间的相关系数为0.419,t检验的显著性概率为0.000<0.01,说明两个变量之间存在中度相关的关系。VOC与PM2.5浓度之间的相关系数为0.429,t检验的显著性概率为0.000<0.01,说明两个变量之间存在中度相关的关系。综上所述,CO2、CO和VOC三者之间存在着显著的相关,PM2.5与三者存在着中度相关的关系。
通过对以上四种气体在不同拥挤程度进行分析汇总,发现北京地铁车厢内的空气质量基本呈现为随着拥挤程度的增加空气质量逐步变差这一规律,而乘客由于自身健康状况的不同,对地铁内空气状况的耐受能力也会有所不同,因此根据对地铁内空气质量数据分析结果初步制定了北京地铁空气质量等级,对北京地铁空气质量做出初步分类,如表6所示。
表6地铁空气质量人体耐受等级
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种地铁车厢内空气质量的评价方法,其特征在于,包括:
S1:利用空气监测仪监测并采集第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S2:利用空气监测仪监测并采集第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S3:利用空气监测仪监测并采集第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息,分别获得第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息;
S4:对第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息、第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息进行数据处理和分析,并输出处理和分析结果。
2.根据权利要求1所述的地铁车厢内空气质量的评价方法,其特征在于,所述步骤S4具体包括以下步骤:
分别计算第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果;并分别将第一时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果,并分别将第二时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
分别计算第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值,将第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值分别与空气质量标准进行对比,输出对比结果,并分别将第三时间段内地铁车厢中、地铁站台上及室外的空气质量信息的均值进行对比,输出对比结果;
并分别将第一时间段内地铁车厢中、第二时间段内地铁车厢中、第三时间段内地铁车厢中的空气质量信息的均值进行对比,生成对比结果并输出;
并分别将第一时间段内地铁站台上、第二时间段内地铁站台上、第三时间段内地铁站台上的空气质量信息的均值进行对比,生成对比结果并输出。
3.根据权利要求1或2所述的地铁车厢内空气质量的评价方法,其特征在于,所述第一时间段为7:00-9:00,所述第二时间段为11:00-1:00,所述第三时间段为17:00-19:00。
4.根据权利要求1或2所述的地铁车厢内空气质量的评价方法,其特征在于,所述第一时间段、第二时间段及第三时间段内空气质量信息采集的间隔周期均为1秒钟或实时采集。
5.根据权利要求1所述的地铁车厢内空气质量的评价方法,其特征在于,还包括利用空气监测仪对不同拥挤程度的地铁车厢内空气质量信息的监测和采集步骤,具体为:
利用空气监测仪监测并采集空闲状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集有座状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集无座但不拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集拥挤状态下地铁车厢内的空气质量信息;
利用空气监测仪监测并采集重度拥挤状态下地铁车厢内的空气质量信息;
对空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内空气质量信息进行处理和分析。
6.根据权利要求5所述的地铁车厢内空气质量的评价方法,其特征在于,所述空闲状态为平均每节地铁车厢内的人数小于或等于5个,所述有座状态为每节地铁车厢内的乘客均有座,且满座率小于或等于100%,所述无座但不拥挤状态为平均每平方米站立的人数小于3个,所述拥挤状态为平均每平方米站立的人数为3-7个,所述重度拥挤状态为平均每平方米站立的人数为7-9个。
7.根据权利要求6所述的地铁车厢内空气质量的评价方法,其特征在于,所述对空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下采集到的地铁车厢内的空气质量信息进行处理和分析,具体为:
对空气监测仪监测到的空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下地铁车厢内的空气质量信息进行数据修正,获得空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下的地铁车厢内的修正后的空气质量信息;
将获得的空闲状态下、有座状态下、无座但不拥挤状态下、拥挤状态下、重度拥挤状态下的地铁车厢内的修正后的空气质量信息进行对比,生成对比结果并输出。
8.根据权利要求7所述的地铁车厢内空气质量的评价方法,其特征在于,所述空气质量信息包括二氧化碳、一氧化碳、挥发性有机物及颗粒物的浓度、空气温度及湿度。
9.根据权利要求8所述的地铁车厢内空气质量的评价方法,其特征在于,地铁车厢中的挥发性有机物的浓度的修正值的计算公式为KVOC=Nvoc实测浓度/Nvoc大气浓度,地铁车厢中颗粒物的浓度的修正值的计算公式为K颗粒物=N颗粒物实测浓度/N颗粒物外界浓度;
其中,KVOC为地铁车厢中的挥发性有机物的浓度的修正值,Nvoc实测浓度为地铁车厢中实测的挥发性有机物的浓度,Nvoc大气浓度为同一时间段室外大气中实测的挥发性有机物的浓度,K颗粒物为地铁车厢中的颗粒物的浓度的修正值,N颗粒物实测浓度为地铁车厢中实测的颗粒物的浓度,N颗粒物外界浓度为同一时间段室外大气中实测的颗粒物的浓度。
10.根据权利要求1或5所述的地铁车厢内空气质量的评价方法,其特征在于,所述空气监测仪在地铁车厢中的监测高度为1.2m-1.5m,在地铁站台上的监测高度为0.8m-1.2m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610499032.XA CN106198862A (zh) | 2016-06-29 | 2016-06-29 | 一种地铁车厢内空气质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610499032.XA CN106198862A (zh) | 2016-06-29 | 2016-06-29 | 一种地铁车厢内空气质量评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106198862A true CN106198862A (zh) | 2016-12-07 |
Family
ID=57463345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610499032.XA Pending CN106198862A (zh) | 2016-06-29 | 2016-06-29 | 一种地铁车厢内空气质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198862A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809760A (zh) * | 2018-06-07 | 2018-11-13 | 郑州云海信息技术有限公司 | 数据采样***中采样周期的控制方法和装置 |
CN110426329A (zh) * | 2018-11-30 | 2019-11-08 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流站阀厅颗粒物在线监测方法、装置及*** |
CN117167915A (zh) * | 2023-10-11 | 2023-12-05 | 迅捷安应急装备科技(湖北)有限公司 | 区域消防站车库空气质量的监控方法、装置与*** |
-
2016
- 2016-06-29 CN CN201610499032.XA patent/CN106198862A/zh active Pending
Non-Patent Citations (4)
Title |
---|
刘昶: "上海地铁车站空气中C02浓度调查", 《上海环境科学》 * |
左甜甜: "西安地铁环境空气品质调查及污染因素分析研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
施仲衡 等: "《GB50157-2003》", 31 December 2003 * |
黄锦叙 等: "客流量和室外环境对地铁空气质量的影响", 《环境卫生学杂志》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108809760A (zh) * | 2018-06-07 | 2018-11-13 | 郑州云海信息技术有限公司 | 数据采样***中采样周期的控制方法和装置 |
CN110426329A (zh) * | 2018-11-30 | 2019-11-08 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流站阀厅颗粒物在线监测方法、装置及*** |
CN117167915A (zh) * | 2023-10-11 | 2023-12-05 | 迅捷安应急装备科技(湖北)有限公司 | 区域消防站车库空气质量的监控方法、装置与*** |
CN117167915B (zh) * | 2023-10-11 | 2024-05-17 | 迅捷安应急装备科技(湖北)有限公司 | 区域消防站车库空气质量的监控方法、装置与*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Broomandi et al. | Impact of COVID-19 event on the air quality in Iran | |
Dons et al. | Street characteristics and traffic factors determining road users' exposure to black carbon | |
Bennett et al. | Sources of indoor air pollution at a New Zealand urban primary school; a case study | |
Kumar et al. | Ultrafine particles in cities | |
Begum et al. | Key issues in controlling air pollutants in Dhaka, Bangladesh | |
Dorsey et al. | Direct measurements and parameterisation of aerosol flux, concentration and emission velocity above a city | |
Chang et al. | Temporal characteristics from continuous measurements of PM2. 5 and speciation at the Taipei Aerosol Supersite from 2002 to 2008 | |
Samsuri et al. | Evaluation for long term PM10 concentration forecasting using multi linear regression (MLR) and principal component regression (PCR) models | |
Odhiambo et al. | Motor Vehicles Air Pollution in Nairobi, Kenya. | |
CN106198862A (zh) | 一种地铁车厢内空气质量评价方法 | |
Wang et al. | Measurements of ultrafine particle size distribution near Rome | |
Fattah et al. | Multi-sensor system and internet of things (IoT) technologies for air pollution monitoring | |
Tan et al. | Air quality in underground metro station commuter platforms in Singapore: A cross-sectional analysis of factors influencing commuter exposure levels | |
Corsmeier et al. | BAB II: a project to evaluate the accuracy of real-world traffic emissions for a motorway | |
Li et al. | Transportation characteristics of motor vehicle pollutants near Beijing typical expressway | |
Cipoli et al. | Ambient concentrations and dosimetry of inhaled size-segregated particulate matter during periods of low urban mobility in Bragança, Portugal | |
Zaalishvili et al. | Pollution of urbanized territories by motor transport using the example of the Republic of North Ossetia-Alani | |
Takuchev et al. | Dispersion Modeling of the Air Pollution, Emitted by the Traffic in the Transport Tunnel under the Old Town of Plovdiv, Bulgaria. | |
Tharani et al. | Spatial distribution analysis of air pollutants and the impact of meteorological factor | |
Bouchriti et al. | Mortality and morbidity assessment attributed to short-and long-term exposure to fine particles in ambient air of Agadir city, Morocco: The AirQ model approach | |
Palmgren et al. | Aerosols in Danish air (AIDA). Mid-term report 2000-2002 | |
Li et al. | COVID-19 as a Factor Influencing Air Quality? A City Study in China | |
Van den Bossche | Towards high spatial resolution air quality mapping: a methodology to assess street-level exposure based on mobile monitoring | |
Liti et al. | The Monitoring of PM2. 5 and PM10 in the Air in Durres, Albania | |
Kholodov et al. | Measurement of PM2. 5 and PM10 Concentrations in Nakhodka City with a Network of Automatic Monitoring Stations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |