一种机动车的尾气排放对人体健康影响的评估方法

技术领域

本发明涉及交通出行与环境健康领域，尤其涉及一种机动车的尾气排放对人体健康影响的评估方法。

背景技术

健康影响评价(Health Impact Assessment,HIA)是一种针对政策、规划或者建设项目所导致的对人群健康影响(例如，死亡率或者疾病率的变化)进行评估预测的综合性方法，近年来得到了广泛关注。

随着机动车数量的不断增多，机动车出行量的不断增加，尾气排放量也随之增加。在城市区域，交通拥堵加剧了机动车尾气的排放量。目前，我国机动车排放污染已成为空气污染的重要来源，同时，由于机动车大多行驶在人口密集区域，尾气排放直接威胁群众健康。机动车尾气所排放出来的污染物，主要包括：一氧化碳(CO)、颗粒物(PM2.5、PM10)、碳氢化合物(HC)、氮氧化物(NOx)、硫化物(SOx)等，对人体身体健康具有严重的危害，是诱发多种癌症的原因之一。现阶段，全社会开始重视机动车尾气所导致的健康问题。然而，有关定量分析机动车排放污染物对人体健康的影响程度的研究还不够完善，目前处于起步阶段，还没有针对机动车排放尾气对人体健康影响的评价方法。

发明内容

本发明提供了一种机动车的尾气排放对人体健康影响的评估方法，以为交通管理指挥部门提供数据支撑，解决现有技术中存在的问题。

为了实现上述目的，本发明采取了如下技术方案。

本发明实施例提供了一种机动车的尾气排放对人体健康影响的评估方法，包括：

获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库；

根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车尾气的各类污染物排放数据并建立评估区域的机动车污染物排放数据库；

根据待评估区域的机动车污染物排放数据库和气象数据库，采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据；

对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数；

跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化。

优选地，交通类数据包括：机动车速度数据、机动车流量数据和路网属性数据，所述的机动车数据包括：机动车类型、机动车设备数据、机动车燃油数据和机动车排放率数据；所述的气象类数据包括：风力、风向、温度和湿度数据；所述的健康类数据包括：全因死亡数、人口数据和伤残调整生命年数据。

优选地，路网属性数据包括：路段名称、编号、时间、车道数、行车方向、路段空间布置数据；所述的机动车设备数据包括：滚动阻力、旋转滚动阻力以及空气阻力系数、机动车重量、换算数据。

优选地，根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车污染物排放数据并建立评估区域的机动车污染物排放数据库，包括：

根据下式(1)对各车型的行驶速度进行区间划分：

其中，v

根据下式(2)的机动车比功率模型计算各车型在各速度区间的机动车比功率分布数据，并构建待评价区域的机动车比功率数据库：

其中，

根据计算得到各车型在各个速度区间下的机动车比功率分布数据，根据下式(3)以步长Step进行等间隔划分，得到各车型VSP区间数Bin

其中，Bin

根据下式(4)计算各车型在各个VSP区间的分布频率：

其中，

根据获取的机动车排放率数据和各车型在各个VSP区间的分布频率，计算各车型的平均排放率AvgER，公式如下式(5)所示：

其中，AvgER

根据下式(6)计算所取时段内各路段上的排放量，进而构建路段污染物排放数据库：

其中，P

依据下式(7)计算排放源的平均排放率：

其中，Q为排放源的平均排放率；ΔT为时间粒度。

优选地，污染物扩散分布模型包括：

稳定边界层条件下，污染物浓度扩散如下式(8)所示：

其中，

对流边界层条件下，污染物浓度扩散如下式(9)所示：

C

其中，C

直接烟羽扩散浓度如下式(10)所示：

其中，

间接烟羽扩散浓度如下式(11)所示：

其中，ψ

渗透源烟羽扩散浓度如下式(12)所示：

其中，C

优选地，对所述待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数，包括：

将待评估区域划分为若干网格，其中横向x

其中，

根据下式(14)计算个体在网格x′

其中，E

E

其中，E

优选地，跟据所述的人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化，包括：

采用人群归因分值构建如下式(16)所示的健康影响评价模型，其中，人群在尾气中暴露引起的疾病负担的变化由ACM与DALY两项指标反映：

其中，ΔDB

优选地，机动车类型包括：出租车、公交车、出租车除外的微型客车、出租车除外的小型客车、公交车除外的中型客车、公交车除外的大型客车、微型货车、轻型货车、中型货车、12-16t重型货车、16-22t重型货车、22-28t重型货车、28-40t重型货车以及40t以上重型货车。

由上述本发明的机动车的尾气排放对人体健康影响的评估方法提供的技术方案可以看出，本发方法能够量化机动车排放尾气对人体健康的影响，既能帮助了解研究区域人群的健康影响程度，推进相关措施的改进；亦能为交通管理指挥部门提供数据支撑，有效地为决策者提供规划评估的先导信息，有助于量化交通政策规划的健康影响，促进规划的公平性与有效性，在交通出行、大气环境污染与人体健康影响量化方面具有实用价值。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为实施例的机动车的尾气排放对人体健康影响的评估方法设计流程图；

图2为实施例的机动车的尾气排放对人体健康影响的评估方法的具体流程示意图；

图3为对流边界层示意图；

图4为人群暴露模型的网格化示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。

实施例

图1为本实施例的机动车的尾气排放对人体健康影响的评估方法设计流程图，参照图1，包括：数据获取部分、基础数据处理部分、污染物排放计算部分、污染物扩散计算部分、人群健康影响计算部分以及结果输出部分。

数据获取部分是指通过调查、交通检测器、数据收集的手段获取交通类数据、气象类数据以及健康类数据。

基础数据处理部分是指通过获取的数据信息，建立交通状态数据库、机动车特征数据库、气象类数据库和健康类数据库。

污染物排放计算部分是指计算待评估区域的机动车尾气的各类污染物排放数据。

所述的污染物扩散计算部分是指污染物扩散分布模型计算待评估区域的污染物浓度分布数据；

所述的人群健康影响计算部分，包含建立人群污染物暴露模型，计算人群的总暴露参数E

最终输出健康影响评价计算结果。

图2为本实施例的机动车的尾气排放对人体健康影响的评估方法的具体流程示意图，参照图2，具体包括如下步骤：

S1获取待评估区域的交通类数据和机动车数据，并建立待评估区域的交通状态数据库和机动车特征数据库；获取待评估区域的气象类数据建立气象类数据库；获取待评估区域的健康类数据建立健康类数据库。

交通类数据包括：机动车速度数据、机动车流量数据和路网属性数据；机动车数据包括：机动车类型、机动车设备数据、机动车燃油数据和机动车排放率数据。其中，路网属性数据包括：路段名称、编号、时间、车道数、行车方向、路段空间布置数据；所述的机动车设备数据包括：滚动阻力、旋转滚动阻力以及空气阻力系数、机动车重量、换算数据。机动车类型包括：出租车、公交车、出租车除外的微型客车、出租车除外的小型客车、公交车除外的中型客车、公交车除外的大型客车、微型货车、轻型货车、中型货车、12-16t重型货车、16-22t重型货车、22-28t重型货车、28-40t重型货车以及40t以上重型货车。机动车排放率数据包括污染物PM2.5、PM10、CO、NO

气象类数据包括：风力、风向、温度和湿度数据。

健康类数据包括：全因死亡数、人口数据和伤残调整生命年数据。

S2根据待评估区域的交通状态数据库和机动车特征数据库，计算待评估区域的机动车尾气的各类污染物排放数据并建立评估区域的机动车污染物排放数据库。

具体包括：

根据下式(1)对各车型的行驶速度进行区间划分：

其中，v

根据下式(2)的机动车比功率(Vehicle Specific Power，VSP)模型计算各车型在各速度区间的机动车比功率分布数据，并构建待评价区域的机动车比功率数据库：

其中，

表1

根据计算得到各车型在各个速度区间下的机动车比功率分布数据，根据下式(3)以步长Step进行等间隔划分，得到各车型VSP区间数Bin

其中，Bin

根据下式(4)计算各车型在各个VSP区间的分布频率：

其中，

根据获取的机动车排放率数据和各车型在各个VSP区间的分布频率，计算各车型的平均排放率AvgER，公式如下式(5)所示：

其中，AvgER

根据下式(6)计算所取时段内各路段上的排放量，进而构建路段污染物排放数据库：

其中，P

依据下式(7)计算排放源的平均排放率：

其中，Q为排放源的平均排放率；ΔT为时间粒度。

S3根据待评估区域的机动车污染物排放数据库和气象数据库，采用污染物扩散分布模型计算待评估区域的污染物浓度分布数据。

污染物扩散分布模型包括：

稳定边界层条件下，污染物浓度扩散如下式(8)所示：

其中，

对流边界层条件下，污染物浓度扩散如下式(9)所示：

C

其中，C

直接烟羽扩散浓度如下式(10)所示：

其中，

间接烟羽扩散浓度如下式(11)所示：

其中，ψ

渗透源烟羽扩散浓度如下式(12)所示：

其中，C

S4对待评估区域的污染物浓度分布数据进行网格化处理，根据各网格内污染物浓度均值和健康类数据库，采用人群污染物暴露模型计算出人群污染物暴露参数。

将待评估区域划分为若干网格，其中横向x

其中，

根据下式(14)计算个体在网格x′

其中，E

计算个体在待评估区域所接触的污染物总浓度如下式(15)所示：

E

其中，E

图4为网格化示意图，将待评估区域进行空间上的方格化划分，得到总的方格数x

S5跟据人群污染物暴露参数，建立健康风险评价模型，得到人群在尾气中暴露引起的疾病负担的变化。

采用人群归因分值(populationattributablefaction，PAF)构建健康影响评价模型，健康影响评价模型的最终表现形式为疾病负担(diseaseburden，DB)的变化，其中，人群在尾气中暴露引起的疾病负担的变化由死亡率(All-causemortality，ACM)和伤残调整生命年(Disability-AdjustedLifeYear，DALY)两项指标反映。

全因死亡率是指一定时期内各种原因导致的总死亡人数与研究人群同期平均人口数之比，计算公式如下：

其中，ACM是全因死亡率，POP

伤残调整生命年是疾病死亡损失的健康生命年和疾病伤残损失的健康生命年相结合的综合性指标，DALY被看作是当前身体状态与身体正常、不受疾病困扰的理想健康状态下的差距，计算公式如下：

DALY＝YLL+YLD

YLL＝N×L

YLD＝I×DW×L

其中，DALY是伤残调整生命年，YLL是疾病死亡损失的健康生命年，YLD是疾病伤残损失的健康生命年，N是死亡数量，L是标准死亡寿命，I是发病病例数，DW是疾病权重，L是伤残平均年数。

最终的健康影响评价模型如下式(16)所示：

其中，ACM是全因死亡率；DALY；ΔDB

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。