城市区域道路交通噪声灰色关联分析与预测

史本杰，刘开国，胡喜生，邱荣祖

(1. 福建农林大学 交通与土木工程学院，福州 350002；2. 莆田市环境监测中心站，福建 莆田 351100)

城市区域道路交通噪声灰色关联分析与预测

史本杰1，刘开国2，胡喜生1，邱荣祖1

(1. 福建农林大学 交通与土木工程学院，福州 350002；2. 莆田市环境监测中心站，福建 莆田 351100)

在收集大量历史资料与相关信息的基础上，运用灰色系统理论知识，对莆田市城市区域环境噪声与道路交通噪声进行灰色关联度分析，结果发现，人口密度与城市区域环境噪声、道路交通噪声关联度最高，公路通车里程与交通量对道路交通噪声也有着重要影响.运用灰色GM(1,1)模型理论建立区域环境噪声与道路交通噪声预测模型，模型精确度可靠，模型预测十三五规划期间两种声环境均符合环保部要求标准，结果比较理想.

灰色系统理论；区域环境噪声；道路交通噪声；GM(1，1)预测模型

噪声污染作为环境污染中的一种，具有瞬时性、局部性、分散性的特点，与水、气、土壤污染相比具有较大差异.《中国环境噪声污染防治报告(2016)》显示[1]，2015年全国城市功能区监测中，昼间总点次达标率为92.4%，夜间为74.3%，夜间约1/4的监测点位超标，4A类功能区交通干线两侧区域的噪声污染较为严重；昼间区域声环境质量平均值为54.1 dB，昼间道路交通噪声平均值为67.0 dB，城市区域声环境质量总体保持稳定，城市道路交通噪声强度总体有所升高.全国各省区环保部门共收到环境噪声投诉35.4万件，占环境投诉总量的35.3%；噪声治理投资较2014年有大幅增加，但总额还是较少，且各地噪声的防治并不理想，效果不显著.随着经济社会的快速发展，噪声污染问题将面临更为严峻的形势，应引起广大研究者和环保相关部门高度关注和重视，深入研究城市交通噪声发生、传播、治理的机理，加大噪声防治工作与投资力度，应综合施策，积极治理.

本文以莆田市为例，基于莆田市城市区域环境噪声与道路交通噪声的历史数据，以及其他相关信息，运用灰色系统理论，对两种声环境进行灰色关联度分析与GM(1，1)建模，同时预测十三五规划期间两种声环境的发展趋势，为城市道路交通发展规划和噪声治理提供决策参考.

1 监测方法与评价指标

1.1莆田市概况

莆田市，位于福建省东部沿海，北纬24°59’～25°46’，东经118°27’～119°40’.辖城厢、荔城、涵江与秀屿4区，人口287.0万，人口密度已达833人/km2，大约是福建省平均人口密度的2.7倍[2].高密度人口将会对环境噪声造成巨大压力，同时环境噪声也将影响着人们的生活与工作.

1.2监测点位设置

城市区域环境噪声监测点位依据莆田市市区建成区面积，按照网格尺寸500×500 m，共布设105个监测点位，主要涵盖荔城区(23个监测点位)、城厢区(37个监测点位)、涵江区(45个监测点位)；道路交通噪声监测13条主次干路，布设26个监测点位，荔城区(6个监测点位)、城厢区(12个监测点位)、涵江区(8个监测点位).两者均是每年在秋季监测一次，避开节假日和非正常工作日，昼间的正常工作时段里测量.

1.3监测指标与仪器设备

城市区域环境噪声每个监测点位需监测10 min的等效声级Leq、累计百分声级L10、L50、L90、Lmax、Lmin及标准偏差SD，道路交通噪声每个监测点位测量20 min的等效声级Leq、累计百分声级L10、L50、L90、Lmax、Lmin及标准偏差SD，同步记录交通量、道路宽度、路段长度、车道数(单双向)、风速等信息.所用噪声仪器是红声器材公司生产的型号为HS6228E、HS6020和杭州爱华公司生产的型号为AWA6228、AWA6221A的噪声分析仪和声级校准器.

2 灰色关联度分析(Grey Relational Analysis，GRA)

灰色系统理论[3-5]是20世纪80年代华中科技大学邓聚龙教授提出创立的，是基于数学理论的系统工程学科，主要用于分析研究少量数据不确定性的重要理论.通过研究某些影响因素产生的较强规律性的原始数据序列，建立适合的模型，进而预测未来短期的发展变化[6-8].它的优势在于要求数据样本少、短期预测精度高、运算高效方便[9-10].

1)确定分析数列

确定反映系统行为特征的参考数列和影响系统行为的比较数列.反映系统行为特征的数据序列，称为参考数列.影响系统行为的因素组成的数据序列，称比较数列.

设参考数列为Y={Y(k) |k= 1,2,…,n}；比较数列Xi={Xi(k) |k= 1,2,…,n},i= 1,2,…,m.

2)变量的无量纲化

由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论.因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理.

(1)

3)计算关联系数

x0(k)与xi(k)的关联系数

(2)

ρ∈(0,∞)，称为分辨系数，通常取ρ= 0.5.

4)计算关联度

关联系数是比较数列与参考数列在各个时刻的关联程度值，数据较为分散，便于进行整体性比较.在进行整体比较时，需要求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下：

(3)

5)关联度排序

对比较序列按照关联度按大小排序，如果r1

区域环境噪声与道路交通噪声的影响因子主要有车流量、人口密度、莆田市生产总值GDP、公路通车里程(不包括仙游县)及汽车保有量等[11-13]，通过福建省统计年鉴与莆田市环境监测中心站等搜集相关信息，其中交通量数据是与噪声数据同步监测得到的.以2008～2015年莆田市区域环境噪声与道路交通噪声的监测数据为参考序列，以其他的影响因子为比较序列进行灰色关联度分析，比较序列的具体分布情况如表 1、2所示.

表1城市区域环境噪声影响因子统计

表2道路交通噪声影响因子统计

年份噪声/dB交通量/(pcu·h-1)人口密度/(人/km2)汽车保有量/万辆公路通车里程/km200866．923257695．63205200968024447766．53250201067．419557838．423327201168．5203279010．553395201267．1233679712．973506201368．3251680915．793573201468．0262582618．853527201567．7294683321．823623

运用灰色关联度分析过程对比较序列进行分析，得到的分析结果如表3、4所示.

表3区域环境影响因子关联度

影响因子交通量人口密度GDP关联度0．77240．92390．5200

表4道路交通噪声影响因子关联度

影响因子交通量人口密度汽车保有量公路通车里程关联度0．77810．93880．45890．8880

通过莆田市区域环境噪声与道路交通噪声影响因子灰色关联度分析，结果对比发现，两者的关联度系数较为接近，灰色关联度的排序为：人口密度>公路通车里程>交通量> GDP>汽车保有量.人口密度与区域环境噪声、道路交通噪声关联度最大，说明人口密度对两者有着重要的影响，交通量与两者的关联度也比较高.公路通车里程与道路交通噪声有着重要的关联度，GDP与区域环境噪声的关联度最小，汽车保有量对道路交通噪声影响最小，这主要与莆田市道路交通工具与人们的出行方式有关，摩托车与电瓶车出行方式比较普遍，占据着重大比例.

3 GM(1，1)预测模型

GM(1,1)建模的基本思想是用原始数据组成原始序列(0)，经累加生成法生成序列(1)，它可以弱化原始数据的随机性，使其呈现出较为明显的特征规律，对生成的序列(1)建立微分方程型的模型.GM(1,1)模型建立过程：依据参考序列数据建立原始数列：

X(0)={x(0)(1),x(0)(2),…,x(0)(n)}

(4)

对X(0)作一次累加生成得到1-AGO序列得到X(1)：

X(1)={x(1)(1),x(1)(2),…,x(1)(n)}

(5)

对序列X(1)经过拟合建立微分方程：

(6)

其中：a，u为待辨识参数.

利用最小二乘法原理对参数求解，

[a,b]T=(BTR)-1RTYn

(7)

(8)

代入白化微分方程的时间响应函数：

(9)

依据莆田市2008～2015年区域环境噪声与道路交通噪声监测数据，对其进行GM(1,1)建模，结合GM(1,1)建模原理，运用Matlab软件编程进行计算.两种预测模型分别：

莆田市区域环境噪声预测模型为：

X(1)(t+1)=-16812.0e-0.0032495t+16865.2

(11)

其中：a= 0.003 249 5，b=54.804，方差比c=0.003 8，小概率误差p=1.

道路交通噪声预测模型为：

X(1)(t+1)=1 289 256.04e5.2623t*10＾(-5)-1 289 189.14

(12)

其中：a=0.000 052 623，b= 67.841，方差比c=0.005 8，小概率误差p=1.

根据灰色预测模型精确度检验等级划分标准，两种GM(1,1)预测模型的精度达到一级的预测标准(方差比c<0.35，p>0.95)，说明预测模型的精度较高，拟合度完全达到预测要求.见表5、6.

表5区域环境噪声GM(1,1)模型误差分析结果

年份监测值预测值误差相对误差/%200853．253．200200954．854．50．30．55201054．353．40．10．18201154．254．200201253．8540．20．37201353．453．80．40．75201453．953．70．20．37201553．753．50．20．37

表6道路交通噪声模型拟合结果

年份监测值预测值误差相对误差/%200866．966．90020096867．840．260．38201067．467．850．450．29201168．567．860．640．67201267．167．860．761．13201368．367．860．440．64201468．067．860．140．21201567．767．870．130．19

两模型预测结果分析表明，预测值与监测值比较接近，区域环境噪声模型的预测精度更高一些，最大误差为0.4，平均误差为0.18，平均相对误差为0.32%.道路交通噪声预测值变化很小，误差较区域环境噪声要大一些，平均误差为0.35，平均相对误差为0.44%.总的来说，两种模型的预测精度还是较高的.

为了了解未来5年莆田市区域环境噪声与道路交通噪声变化，运用GM(1，1)预测模型对2016～2020年的区域环境噪声与道路交通噪声进行预测，具体预测结果如表7所示.

表72016～2020年莆田市噪声预测值

年份20162017201820192020区域环境噪声/dB)53．353．15352．852．6道路交通噪声/dB)67．967．967．967．967．9

预测结果显示，十三五规划期间，区域环境噪声在逐年降低，向着更好的趋势方向发展；道路交通噪声比较稳定，5年一直维持在67.9 dB，也比较理想.

4 结 语

1) 对莆田市区域环境噪声与道路交通噪声进行灰色关联度分析，在所研究的影响因子中，人口密度与两者的关联度最为密切，影响最为重要，交通量与两者的关联度也比较高，公路通车里程与道路交通噪声有着重要的关联度.GDP与区域环境噪声关联度最小，汽车保有量对道路交通噪声影响最小，这与莆田市道路交通特点与出行方式有主要联系.

2) 运用灰色理论GM(1，1)对区域环境噪声与道路交通噪声进行预测，预测精确可靠，与实际值较为接近.运用GM(1，1)模型预测十三五规划期间莆田市区域环境噪声与道路交通噪声，结果表明，莆田市区域环境噪声与道路交通噪声均比较理想，符合环保部的相关规定.同时，需要明确区域环境噪声与道路交通噪声还存在很多不可控的影响因素，仍需要引起重视，

3) 噪声监测与评价正向着自动化、智能化的方向趋势发展，据《2016中国环境噪声污染防治报告》，全国共有23个省(区、市)建设了1 556个噪声自动监测站点，2015年新建894个自动检测站点.可以预测，十三五规划期间，自动监测站将会得到快速发展，越来越多的城市会建立自动监测站.同时，噪声评价系统也将进一步发展，与GIS等地理信息技术、大数据技术相结合，实现噪声的智能化与可视化.

[1] 中华人民共和国环境保护部. 中国环境噪声污染防治报告[R].2016.

[2] 莆田市统计局. 莆田统计年鉴2016[M]. 北京: 中国统计出版社, 2016.

[3] 邓聚龙. 灰色系统基本办法[M]. 武汉: 华中科技大学出版社, 1987.

[4] 邓聚龙.灰色预测与决策[M]. 武汉: 华中科技大学出版社, 2002. 81-82.

[5] 廉 婕, 马民涛, 刘 洁. 灰色理论及其模型在北京典型城市区域声环境研究中的应用[J]. 环境监测管理与技术, 2013, 25(3): 21-25.

[6] LI F, WANG Z, SONG Z. A new method for grey forecasting model group [J]. Journal of systems engineering and electronics, 2002 (3): 1-7.

[7] HE Z, SHEN Y, WANG Q,etal. Mitigating end effects of EMD using non-equidistance grey model [J]. Journal of Systems Engineering and Electronics, 2012, 4(23): 603-611.

[8] ZENG B, LIU S, XIE N. Prediction model of interval grey number based on DGM(1,1) [J].Journal of Systems Engineering and Electronics, 2010 (4): 598-603.

[9] 余 鑫. 灰色理论在城市道路交通噪声预测中的应用研究[D]. 武汉: 武汉科技大学, 2004.

[10] WANG K C. A hybrid kansei engineering design expert system based on grey system theory and support vector regression[J]. Expert Systems with Applications, 2011(38): 8738-8750.

[11] 杨 晖, 张江山, 洪棉棉. 2010年厦门市区域环境噪声的灰色预测[J]. 环境科学导刊, 2008, 27(2): 80-82.

[13] 史本杰，刘开国，胡喜生，等.莆田市道路交通噪声变化趋势与相关性分析[J]. 哈尔滨商业大学学报：自然科学版，2017，33(3)：280-283，287.

Applicationofgreytheoryofregionalenvironmentalnoiseandroadtrafficnoiseinurbanarea

SHI Ben-jie1, LIU Kai-guo2, HU Xi-sheng1, QIU Rong-zu1

(1.School of Transportation and Civil Engineering, Fujian Agriculture and Forestry University, Fuzhou 350002,China; 2. Environmental Monitoring Center Station, Putian 351100, China)

Based on historical data and related information, using the grey system theory, making Grey Relational analysis of urban regional environmental noise and road traffic noise in Putian. The results showed that population density was the highest correlation with both traffic volume and the road traffic mileage. The reliable grey GM (1,1) model was established of regional environmental noise and road traffic noise. The predictions of the two acoustic qualities were in line with the requirements of the Ministry of environmental protection standard in 13th Five-Year Guideline.

grey theory; regional environmental noise; road traffic noise; GM (1, 1) prediction model

2016-12-19.

国家自然科学基金资助项目(41201100)；福建省自然科学基金项目(2015J01606)；福建省科技厅重点项目资助(2014H0010).

史本杰(1991-)，男，硕士，研究方向：公路交通交通噪声.

邱荣祖(1961-)，男，博士，教授，研究方向：交通运输、交通环境、物流技术.

U491

：A

1672-0946(2017)04-0419-04