王占永,蔡 铭*,彭仲仁,高 雅 (.中山大学工学院,广东省智能交通系统重点实验室,广东 广州 50006；.上海交通大学智能交通与无人机应用研究中心,上海 0040)

研究表明,交通相关的空气污染具有空间梯度与时间变化特征[1-6].但受制于当前稀疏的城市监测站,交通污染的时空变化无法得到精细化表征[2].近年来快速兴起的移动观测平台为此提供新手段,弥补了站点式测量的缺陷[6].然而,移动观测的可行性特别是数据量大小备受争议[2].对观测数据进行有效的预处理,能更真实地表征污染的时空特征,降低对数据的过分依赖而不失结果的可信度[4,6].为此,数据预处理方法的选择显得至关重要,但目前较少研究对此进行科学评估.

通过建立移动观测方法解析交通污染的时空分布多见于发达国家,而我国相关研究较少[7-8].研究发现,同一污染物在不同研究中或不同污染物在同一研究中的时空特征常有所不同.测量环境(如交通、地理、气候及气象、路边建设、土地利用等)的变化是导致上述差异的原因[1].目前,针对交通污染物的时空分布研究,特别是多时间尺度如一天中多时段的比较研究鲜有报道,而一天中时段变化与交通密度和通勤强度紧密相关[3],这必然导致污染分布的显著变化.

本研究以上海沪闵路和剑川路两条省级公路交汇地段为靶区,开展移动观测实验,探讨路边PM2.5、CO浓度的空间分布及其一天中多时段变化,以期为污染监测技术的发……