城市高密集人群区域机动车污染物时空分布及健康影响*

刘小宇　盛　萍　马晓凤　钟　鸣

(1.武汉理工大学智能交通系统研究中心　武汉 430063；2.武汉理工大学国家水运安全工程技术研究中心　武汉 430063；3.水路公路交通安全控制与装备教育部工程研究中心　武汉 430063;4.中交第二公路勘察设计研究院有限公司　武汉 430056)

0　引　言

随着社会经济快速发展，生活水平不断提高，人们越来越关注健康问题。目前我国部分城市受大范围雾霾天气影响，空气质量污染加重，其中北方个别地区PM2.5(细颗粒物)甚至超过限值，大有“雾霾围城”之势。2015年，全国338个地级以上城市全部开展空气质量新标准监测。监测结果显示，有73个城市环境空气质量达标，占21.6%；265个城市环境空气质量超标，占78.4%。京津冀地区共发布重度污染天气预警154次。

近年来，国内外关于环境对健康影响的研究比较多。在国内，许嘉等[1]在天津市交通密集区采集(公交车站、公交车内)PM10样品，进行了质量浓度和OC,EC的分析。结果显示，2个公交车站的PM10质量浓度均高于采样期间天津市监测到的PM10的环境质量浓度。徐丽敏等[2]在天津市城市交通密集区(八里台、海光寺公交车站)采集PM10样品，针对公交车站候车的成年人群，对可吸入颗粒物中的多环芳烃成分进行了健康风险评估。结果显示，2站候车人群在候车过程中的致癌风险低于美国EPA所认可的可接受风险范围。李小飞等[3]研究了福州市公交枢纽站地表灰尘中的重金属质量分数、来源及其可能产生的健康风险。结果表明，致癌重金属的暴露风险为Cd>Ni>Cr。城市公交枢纽站地表灰尘中重金属污染受交通运输影响较大。王兰化等[4]对华北地区某蔬菜基地土壤环境质量进行了评价，应用健康风险评价模型对研究区土壤重金属(Cd，Hg，Cu，Zn)在3种暴露途径下的健康风险做出评价。结果表明，4种重金属在3种暴露途径下的非致癌风险大小顺序均为Hg>Cu>Zn>Cd，3种暴露途径下的致癌风险均低于可以接受水平10-6，不会对人体造成健康危害。胡子梅等[5]对上海市普陀区、闵行区和崇明岛的PM2.5及其重金属(Cd，Cr，Cu，Pb，Zn)含量进行了监测，结果显示3个检测点PM2.5中重金属含量的时间分布规律与PM2.5一致;5种重金属元素对成年男性的健康风险最大，其次是成年女性，对儿童青少年的健康风险最小。

国外，H.Oliver等[6]通过纽约市出行者的实时曝光的细颗粒物，评估在不同的运输相关的微环境下的颗粒物质量和数量浓度。在细颗粒质量和数量指标中，观察实质性的空间/时间变化。在整个位置类别揭示微粒质量和数量浓度测量的显着差异来比较细颗粒的曝光水平；城市街道两侧粒子数质量浓度最高，地铁列车有最低的细颗粒数量浓度，有第二高的粒子数质量。Miller等[7]从1994-1998年在36个美国大都市地区研究了65 893个绝经前妇女，无心血管疾病史，随访6年，使用距离每个女性住所最近的监视器，评估了女性接触大气污染物的情况。估计第一次心血管患病的危险比例，根据年龄、种族或族裔群体、吸烟状况、受教育水平、家庭收入、体重指数，以及糖尿病、高血压或高胆固醇血症的存在或不存在进行调整。结果证明，长期接触细颗粒空气污染与绝经后妇女的心血管疾病和死亡发生有关。城市内的暴露差异与心脏病的风险有关。Pope等[8]汇编了美国51个大都市地区211个县的人均寿命、社会经济状况和人口特征数据，并列出了20世纪70年代末，80年代末，90年代末至21世纪初的微粒空气污染数据。使用回归模型来估计污染减少与预期寿命变化之间的关系，调整社会经济和人口变数的变化以及吸烟流行率的代理指标。结果显示，减少暴露于环境中的微粒空气污染对美国的预期寿命有显著的改善。Jena Sridevi等[9]也研究了印度丹巴德空气中微量元素对人体的健康风险。

许多研究者对颗粒物[10]、重金属[11-12]等及其对健康的影响进行了研究，很少人关注CO，NO2，SO2等气体污染物。但这些气体污染物的危害不容置疑。CO的危害众所周知，它会刺激人体神经系统，吸收过量CO能致人昏迷甚至死亡。氮氧化物的毒性主要来自NO和NO2，NO2比NO的毒性高4～5倍，为CO的10倍，为SO2的3倍，对呼吸道有强烈的刺激作用，甚至导致癌变。此外，现有研究对交通道路和交通设施的污染研究较多，缺乏对人群聚集点/高危人群受污染物影响的研究，学校作为一个高密集人群区。学生密度高，暴露时间长。

笔者以武汉理工大学余家头校区为例，现场检测了其周边(友谊大道处校门口、华城广场公交站、红绿灯及附近一家餐馆)由机动车造成的CO，NO2和SO2污染状况，采用统计学方法对污染物的时空分布进行汇总分析，再结合EPA健康风险回归模型分析污染物在不同时刻，不同地点对周边人群的健康影响。

1　实验设计

武汉理工大学余家头校区位于武汉市武昌区和平大道，周边无大型工业区，其南侧是友谊大道，北侧是和平大道。主要污染来源是机动车尾气。以武汉理工大学为例，在2016年10月测量了友谊大道处校门口、华城广场公交站(以下简称公交站)、交叉口及附近一家餐馆4个点在早高峰期，非高峰期及晚高峰期2周内的CO，SO2和NO2的质量浓度，2组数据相差不大，随机选取选择其中1组进行研究。地理位置见图1。早高峰采集时间为08:00—08:15，非高峰期时间为10：00—10：15，晚高峰期为时间为17:30—17:45。实验期的气象情况见表1。采用Environment S.A公司研发的微型监测仪Cairpol对CO，NO2和SO2进行污染物检测。

表1　实验期气象情况Tab.1　Weather Situation During the Experiment

在图1中，点1为校门口，点2为公交站，点3为十字路口，点4为较多学生选择就餐的餐馆。4点均为学生上、下课途径点。校门口人群停留时间较少，无明显车辆滞留，可作为4点之中的基准点。公交是大部分学生选择的出行方式，公交站人群停留较多。点3的交叉口处在红灯时，是所有车辆停靠点，且上课途经该交叉口，此时，车辆怠速排放大量污染物。餐馆位于东门，多数同学在上、下课途中，按照就近原则，选择在该餐馆就餐，在调查的15 min时间内，有300左右的人流量。

图1　实验地点Fig.1　Experimental site

2　数据预处理

采集的原始数据受仪器或外力影响，存在着错误或异常的数据，需要剔除，且原始数据不能直接用于对质量浓度特征的挖掘。因此，笔者利用SPSS软件对采集的早、晚高峰期、非高峰期校门口、公交站、十字路口和餐馆的CO，NO2和SO2质量浓度，以及当时时刻的温度、湿度数据进行预处理，按同一时刻，同一地点分组绘制了箱状图，本次研究箱状图统计量均值的置信区间为95%，图2为1周内校门口非高峰期CO质量浓度箱状图，需剔除不合理值，如星期二的第12个数，星期五的第1,10个数，星期六的第16个数，星期日的第5个数。然后，采用均值替换法，计算出一组测量值污染物质量浓度的平均值，补足剔除值。同理，获取了其他组污染物的质量浓度值。

图2　CO质量浓度箱状图Fig.2　Box diagram of the CO concentration

3　数据分析

为具体分析不同时期、不同地点的各污染物质量浓度分布规律，分别比较分析了4个检测点早晚高峰期、非高峰期在工作日与非工作日的3种气体污染物的质量浓度分布，以及1周内同一时刻，3种气体污染物在4个检测点的质量浓度差异。

3.1　工作日与非工作日CO质量质量浓度分布

图3为工作日与非工作日CO质量浓度分布，由图3可知，早高峰期，校门口和十字路口的CO质量浓度在工作日与非工作日交织变化。早高峰期的公交站和餐馆，非工作日CO质量浓度高于工作日CO质量浓度。校门口的CO质量浓度，非工作日比工作日高17.93%，比公交站高26.56%，交叉口低9.06%，餐馆处高73.13%。

图3　工作日与非工作日CO质量浓度分布Fig.3　CO concentration distribution of working days and non-working days

除餐馆外，晚高峰期其他3处非工作日的CO质量浓度明显高于工作日的CO质量浓度。其中，校门口和公交站，非工作日CO质量浓度比工作日大幅增高，平均质量浓度分别是工作日的2.20和1.91倍。交叉口非工作日比工作日质量浓度高30.88%。而餐馆处，与工作日相比，非工作日质量浓度低8.625%，相差不大。

非高峰期，校门口在非工作日的CO质量浓度均明显高于工作日，平均高19.38%。餐馆非工作日的CO质量浓度低于工作日，平均低30.31%。公交站与交叉口CO质量浓度在工作日与非工作日起伏变化，其主要与停靠公交车量数及红灯时等待车数等因素有关。在本组实验数据中，公交站CO质量浓度在非工作日比工作日平均高1.31%，交叉口非工作日的CO质量浓度比工作日平均高10.5%。

综上可见，早晚高峰期，非工作日的CO浓度高于工作日。CO早高峰期平均质量浓度最高为1.78 mg/m3，最低为0.47 mg/m3；非高峰期平均质量浓度最高为2.69 mg/m3，最低为0.47 mg/m3；晚高峰期平均质量浓度最高为2.02 mg/m3，最低为0.46 mg/m3。非高峰期的非工作日CO浓度在1.00 mg/m3上下波动。工作日的不同地点CO浓度变化较大。

3.2　工作日与非工作日NO2质量浓度

通过与3.1一致的数据处理，对工作日与非工作日NO2质量浓度数据分析可知，早高峰期，工作日的NO2质量浓度在20 μg/m3上下波动，且波动较小，而非工作日相对波动较大。非工作日的NO2质量浓度高于工作日。在校门口、公交站、交叉口处，非工作日质量浓度分别比工作日平均高60.62%,77.81%和89.81%。餐馆处工作日平均质量浓度高达非工作日平均质量浓度的3.68倍。

晚高峰期，非工作日的NO2质量浓度均大幅高于工作日，大部分时间在110 μg/m3上下波动，工作日NO2质量浓度维持在20 μg/m3，几乎无波动。校门口、公交站、交叉口、餐馆非工作日平均质量浓度分别是工作日质量浓度的7.79,5.96,3.35和6.28倍。

非高峰期，非工作日大部分时刻NO2质量浓度高于工作日，非工作日相比工作日质量浓度波动大，非工作日在0～59 μg/m3范围内波动，工作日NO2质量浓度在20 μg/m3上下波动。在校门口处，非工作日的平均质量浓度是工作日的2.76倍；公交站处，平均高55.75%；交叉口处，平均高44.63%，餐馆处非工作日的平均质量浓度是工作日的1.94倍。

NO2早高峰平均质量浓度最高为53 μg/m3，最低为5.89 μg/m3。非高峰期平均质量浓度最高为49.57 μg/m3，最低为3 μg/m3。晚高峰期平均质量浓度最高为210 μg/m3，最低为3.44 μg/m3。非工作日的NO2质量浓度高于工作日的NO2质量浓度。3个时期，早高峰NO2质量浓度最低，晚高峰NO2质量浓度最高。可能是因为污染源夜间多数都停止，新的污染产生量小。而在晚高峰时，机动车工作1 d产生的NO2聚集较多。

3.3　工作日与非工作日SO2质量浓度

早高峰时，校门口及公交站处的SO2浓度在的非工作日低于工作日，且分别比工作日低16.50%和13.38%。十字路口和餐馆处则相反，分别比非工作日的SO2浓度比工作日平均高26.60%和31.75%。且校门口和十字路口的浓度呈上升趋势，公交站处工作日和非工作日浓度都在90 μg/m3上下波动。

晚高峰期，除校门口处的SO2质量浓度在工作日较高，其他3处都是非工作日较高。校门口处，非工作日的SO2质量浓度比工作日平均低3.90%。而公交站、交叉口处和餐馆处，非工作日的SO2质量浓度分别比工作日平均高11.88%,54.75%和38.69%。交叉口和餐馆处SO2质量浓度相差较大。

非高峰期，校门口处工作日的SO2质量浓度高于非工作日，工作日的SO2质量浓度比非工作日平均高35.69%。公交站处，工作日与非工作日的SO2质量浓度差距不大，非工作日的SO2质量浓度比工作日平均高1.19%。交叉口与餐馆处的SO2质量浓度均在非工作日较高，比工作日分别高29.19%和8.38%。

综上所述，校门口处，SO2质量浓度工作日都高于非工作日。公交站处，工作日与非工作日质量浓度差距不大。交叉口和餐馆，非工作日质量浓度较工作日质量浓度高。SO2早高峰平均质量浓度最高为215.95 μg/m3，平均质量浓度最低为53.66 μg/m3。非高峰期平均质量浓度最高为228.78 μg/m3，平均质量浓度最低为94.23 μg/m3。晚高峰期平均质量浓度最高为166.22 μg/m3，平均质量浓度最低为36.65 μg/m3。

3.4　1周内4个检测点的污染物质量浓度分布

图4为1周内4个检测点的污染物质量浓度分布。由图4可见，每种污染物在1周内的变化趋势大致是相似的。星期六的CO，NO2和SO2质量浓度都较高。由于天气原因(下雨，刮风)，星期日虽然是工作日但质量浓度较低。SO2质量浓度，除星期三和星期五在晚高峰处有异常外，早高峰和非高峰时段，SO2质量浓度大致呈阶梯变化，总体星期一到星期五在递减。NO2质量浓度，星期一至星期五以及星期日，差异都不大，远小于星期六。CO质量浓度，校门口最低，其次是公交站，餐馆处最高。且在餐馆处波动较大，在其他3处，大致趋势相同波动不大[13-14]。CO平均质量浓度最低为0.23 mg/m3，最高为3.54 mg/m3。NO2平均质量浓度最低为3.29 μg/m3，最高为200.25 μg/m3。SO2平均质量浓度最低为14.89 μg/m3，最高为287.77 μg/m3。

3.5　Man-Whitney U 非参数检验和Kruskal-Wallis检验

前4节所得质量浓度时空分布规律并不明确，因此，对实验数据的统计分析结果进行检验，以便得出清晰的时空分布规律。SPSS分析发现采集数据汇总后不满足正态分布，采用非参数检验中的Mann-Whitney U 非参数检验，其又称为Mann-Whitney秩和检验。H.B.Mann和D.R.Whitney[15]1947年在 Wilcoxon 非参数检验的基础上，提出针对独立非成对样本总体之间是否存在显著差异的Mann-Whitney U非参数检验。它假设2个样本分别来自除了总体均之外2个完全相同的总体，为检验这2个总体的均值是否有显著性差别。作为一种非参数检验方法，它没有对参数做出严格的假设，是最强的非参数检验法之一。Brockett和Golany[16]将Mann-Whitney排序检验用在组与组之间的效率差异检验，该排序检验也属于非参数检验，被比较样本组的样本数量也无需相等，适用于对采用DEA等非参数法求得的排序结果进行组建效率的差异检验，Kruskal-Wallis检验实质是2独立样本的Mann-Whitney U检验在多个样本下的扩展，可用于检验多个总体的分布是否存在显著差异。其原假设是：多个独立样本来自的多个总体的分布无显著差异。因而本文用Mann-Whitney检验来分析污染物质量浓度在工作日与非工作日是否存在差异，检验结果见表2。用Kruskal-Wallis检验分析1 d内同一时刻4个地点的污染物质量浓度是否存在差异，检验结果见表3。Mann-Whitney检验研究和Kruskal-Wallis检验研究假设如下。

图4　1周内检测点的污染物质量浓度分布Fig.4　Concentration distributions of test points within one week

H0：研究地点工作日与非工作日的污染物排放无显著差异。

H1：研究地点工作日与非工作日的污染物排放存在显著差异。

表2　工作日与非工作日污染物的Mann-Whitney U检验结果Tab.2　Mann-Whitney U test results for working days and non-working days contaminants

注：显示渐进显著性，显著性水平是0.05。①对此检验显示准确显著性，每组16个样本，样本较小显示准确显著性，该样本是准确的。

表3　同一时刻4个地点污染物的Kruskal-Wallis检验结果Tab.3　Kruskal-Wallis Test Results for Contaminants at Four Locations at the Same Time

表2可得，除高峰期校门口NO2质量浓度分布，早高峰期交叉口CO质量浓度、非高峰期公交站全部气体质量浓度、非高峰期交叉口CO质量浓度及NO2质量浓度和非高峰期餐馆SO2质量浓度在工作日与非工作日分布相同。

由表3可得，CO，SO2每个时刻4个检测点都有明显差异。NO2有7个时刻差异不明显，其他时刻均有差异。差异原因可能是NO2排放量较少，据统计，汽车发动机每燃烧1 kg汽油，要消耗15 kg新鲜空气，同时排出150～200 g的CO,4～8 g的HC,4～20 g的NO2等。仪器测得的数据范围大部分为0～40 μg/m3，差异不明显。该结果基本与上文的分析结果一致，认为结果是准确的。

4个检测点，绝大部分时刻CO,NO2,SO2的质量浓度在非工作日高于工作日。只有交叉口和餐馆处的CO质量浓度在早、晚高峰期，以及校门口处的SO2质量浓度在3个时期比工作日高。早高峰和非高峰，SO2质量浓度均呈阶梯变化，星期一到星期五递减。NO2质量浓度在星期一至星期五以及星期日，差异都不大，都远小于星期六的NO2质量浓度。CO质量浓度在校门口最低，其次是公交站。餐馆处CO质量浓度最高，且波动较大，在其他3处，大致趋势相同波动不大。

4　暴露人群健康风险分析

暴露评估是健康风险评估的重要手段。暴露评估指定量或定性估计暴露量、暴露频率、暴露期和暴露方式。

表4为《环境空气质量标准(GB 3095-2012)》中关于环境空气污染物基本项目质量浓度限值的一部分，自然保护区、风景名胜区和其他需要特殊保护的一类区适用于一级质量浓度限值，居住区、商业交通居民混合区、文化区、工业区和农村地区等二类区适用于二级质量浓度限值。

表4　环境空气污染物基本项目质量浓度限值Tab.4　Concentration limits of environmental air pollutants basic project

CO，NO2和SO2都是经呼吸道吸入进而影响人体健康的，因此,采用暴露评价进行健康风险评价。日均摄入计算方法来自文献[11]。

(1)

式中：D为暴露途径下污染物的日平均摄入剂量，mg/(kg·d)；q为环境中污染物的质量浓度，mg/m3；IR为呼吸速率，m3/d,取IR为29.52 m3/d；EF为暴露频率，d/a；ED为暴露期，a,取30；BW为体重，kg；AT为终身平均暴露时间，d。

考虑的暴露参数只有基本暴露参数(寿命[17]，体重[18])和呼吸暴露参数(呼吸速率，行为活动模式)。本次实验采用仪器为微型手持式，所测污染物质量浓度与人体吸入污染物质量浓度一致。学生工作日的路径一般如图5所示，全程约10 min；考虑到上课安排，每天至少有1 h的暴露于图5环境中，剩余23 h在宿舍或教室。

图5　学生上课路径Fig.5　Paths of the students

宿舍和教室在主干道两边，经测量两者质量浓度变化范围不大，可近似认为一致。检测结果，CO平均质量浓度为0.43 mg/m3，最高为1.10 mg/m3，最低为0.15 mg/m3；NO2平均质量浓度为10μg/m3，最高为33.37 μg/m3，最低为0 μg/m3；SO2平均质量浓度为180 μg/m3，最高为300 μg/m3，最低为52.35 μg/m3。

全国平均体重男士66.2 kg，女士57.3 kg。湖北省第六次人口普查数据:全省常住人口中，男性为29 392 920人，占总人口的51.35%；女性为27 844 820人，占总人口的48.65%，平均体重为61.87 kg。将参数代入式(1)，得到人群在CO,NO2和SO2最高质量浓度下的日均摄入量，见表5。

表5　CO、NO2和SO2最高质量浓度下的日均摄入量Tab.5　Daily intake of the CO、NO2和SO2 at the highest concentration　mg/(kg·d)

CO，NO2，SO2摄入量阈值分别为4，0.164，0.425 mg/(kg·d)。根据表5中的日均摄入量，校门口处，健康风险水平最低。早高峰期和非高峰期，4个检测点处的健康风险水平均较低。检测点CO和SO2日均摄入量均低于安全阈值。同一质量浓度下，NO2相较于CO，SO2对人体伤害最大。高峰期较非高峰期车流量大，排放污染物多；早晚高峰期，污染物质量浓度均较高，但早高峰期前车流量低，空气扩散快，污染物稀释快，而晚高峰期前，人群，车辆均较为活跃，空气扩散速度较慢，污染物稀释较慢，质量浓度较早高峰期高。非工作日的晚高峰期，公交站、交叉口、餐馆处3处NO2的最高质量浓度分别超出阈值1.5，1.3和1.5倍，健康风险水平较高，其他时刻均低于安全阈值。建议晚高峰期间(17:30—19:30)，附近人群尽可能减少出行计划。

5　结束语

本研究通过汇总分析高校校区周边的质量浓度时空分布发现，部分规律与预期的不符，如认为非工作日均高于工作日，而结果与此不相符，交叉口和餐馆处在早、晚高峰期的CO质量浓度以及校门口处的SO2质量浓度均比工作日高。该规律只适用于本次研究所在区域，后续将对武汉其他高密集区域研究，进一步得出质量浓度分布规律。

公交站处在晚高峰期时，公交车停靠数减少，但其质量浓度依然很高。因为高峰期车辆较多，容易堵塞，导致公交车停靠数减少，行人候车时间增长。但车辆在低速和怠速条件下，大量排放污染物。

早高峰期比晚高峰期污染物质量浓度低，因为凌晨排放源较少，污染物随空气扩散，质量浓度逐渐降低。而晚高峰期，经过十几个小时连续的车辆排放和工业等排放，没有充分的时间扩散，质量浓度持续上升。因此出行最好避开晚高峰期。

以笔者所在学校的学生上、下课出行，校园生活的日均摄入量，晚高峰期污染物的最高质量浓度超出阈值，其它时刻均低于健康阈值。且该点为周末晚高峰期时公交站和交叉口的质量浓度，该时刻学生在公交站和交叉口停留概率很低。因此，此高校校区周围环境对附近人群造成的健康风险在可接受范围内。

由于研究时间和空间位置的限制，本次研究还存在不足，检测点选择的公交站、交叉口和餐馆距离较近，车流量相差均不大，污染物质量浓度差异不大。实验结果数据适用于大部分高校校区，并不一定适用于其他高密集人群区域。此外，高校是一个特殊的高密集人群聚集区，多为青年人，研究商圈更能代表高密集人群所在区域环境污染和健康风险的一般规律，但商圈人群构成较为复杂，不可控因素较多。接下来将对商圈区域和儿童健康风险展开进一步的研究。

参考文献References

[1]许 嘉，金陶胜，高佳佳，等.天津市公共交通微环境中PM10个体暴露研究[C].环境污染与大众健康会议，武汉：武汉大学,中国生态学会,同济大学,等,2011.

XU Jia, JIN Taosheng, GAO Jiajia, et al. Study on the exposure of PM10 in micro-environment of public transport in Tianjin[C]. Conference on Environmental Pollution and Public Health (CEPPH2011),Wuhan, China: Wuhan University, Ecological Society of China, Tongji University, et al, 2011.(in Chinese)

[2]徐丽敏，金陶胜，付雪梅,等.天津市公交站人群PM10暴露研究及PAHs健康风险评估[J].环境科学学报，2014,34(8):1906-1911.

XU Limin, JIN Taosheng, FU Xuemei, et al. Study on PM10 exposure and health risk assessment of PAHs at bus stops in tianjin, China[J].Acta Scientiae Circumstantiae,2014,34(8):1906-1911.(in Chinese)

[3]李小飞,陈志彪,张永贺,等.福州市公交枢纽站地表灰尘重金属含量 来源及其健康风险评价[J].环境科学研究，2013，26(8):906-912.

LI Xiaofei, CHEN Zhibiao, ZHANG Yonghe, et al. Concentrations, sources and health risk assessments of heavy metals in ground surface dust from urban bus terminals of fuzhou City[J]. Research of Environmental Sciences,2013,26(8):906-912.(in Chinese)

[4]王兰化,李明明,张 莺,等.华北地区某蔬菜基地土壤重金属污染特征及健康风险评价[J].地球学报,2014,35(2):191-196.

WANG Lanhua, LI Mingming, ZHANG Ying, et al. Pollution characteristics and health risk assessment of heavy metals in soil of a vegetable base in north china[J]. Acta Geoscientica Sinica,2014,35(2):191-196. (in Chinese)

[5]胡子梅,王 军,陶征楷,等.上海市PM2.5重金属污染水平与健康风险评价[J].环境科学学报,2013(12):3399-3406.

HU Zimei, WANG Jun, TAO Zhengkai, et al. Pollution level and health risk assessment of heavy metals in pm2.5, shanghai[J]. acta scientiae circumstantiae,2013(12):3399-3406. (in Chinese)

[6]WANG X R, GAO H O. Analysis of travelers′ exposure to fine particle (PM 2.5) mass and number concentrations in urban transportation environments： A case study in New York city[J]. Gruppendynamik Und Organisationsberatung,2010,41(3):235-254.

[7]MILLER K A, SISCOVICK D S, SHEPPARD L, et al. Long-term exposure to air pollution and incidence of cardiovascular events in women[J]. New England Journal of Medicine,2007,356(5):447-458.

[8]POPE C A I, EZZATI M, DOCKERY D W. Fine-particulate air pollution and life expectancy in the United States[J]. New England Journal of Medicine,2009,360(4):376.

[9]SRIDEVI J, GURDEEP S. Human health risk assessment of airborne trace elements in dhanbad, India[J]. Atmospheric Pollution Research,2017，8(3)：490-502.

[10]谢元博,陈 娟,李 巍.雾霾重污染期间北京居民对高质量浓度PM(2.5)持续暴露的健康风险及其损害价值评估[J].环境科学,2017,8(3):490-502.

XIE Yuanbo, CHEN Juan, LI Wei. An assessment of PM2.5 related health risks and impaired values of beijing residents in a consecutive high-level exposure during heavy haze days[J]. Environmental Science,2014(1):1-8.(in Chinese)

[11]陈鸿汉,谌宏伟,何江涛,等.污染场地健康风险评价的理论和方法[J].地学前缘,2006,13(1):216-223.

CHEN Honghan, CHEN Hongwei, HE Jiangtao, et al. Health-based risk assessment of contaminated sites: principles and methods[J]. Earth Science Frontiers,2006,13(1):216-223.(in Chinese)

[12]徐友宁,张江华,柯海玲,等.某金矿区农田土壤重金属污染的人体健康风险[J].地质通报,2014(8):1239-1252.

XU Youning, ZHANG Jianghua, KE Hailing, et al. Human health risk under the condition of farmland soil heavy metals pollution in a gold mining area[J]. Geological Bulletin of China,2014(8):1239-1252.(in Chinese)

[13]靳秋思,张远景,宋国华,等.基于交通运行指数的速度分布聚类与排放测算[J].交通信息与安全,2016,34(6):15-21,76.

JIN Qiushi, ZHANG Yuanjing, Song Guohua, et al. A clustering analysis of speed distributions and emission estimation based on traffic performance index[J]. Journal of Transport Information and Safety,2016,34(6):15-21,76.

[14]薛红军,陈广交,李鑫民,等.基于决策树理论的交通流参数短时预测[J].交通信息与安全,2016,34(3):64-71.

XUE Hongjun, CHEN Guangjiao, LI Xinmin, et al. A short-term forecasting of traffic flow parameters based on decision tree theory[J]. Journal of Transport Information and Safety,2016,34(6):64-71.(in Chinese)

[15]MANN H B, WHITNEY D R. On a test of whether one of two random variables is stochastically larger than the other[J]. The Annals of Mathematical Statistics,1947,18(1):50-60.

[16]BROCKETT P L, GOLANY B. Using rank statistics for determining programmatic efficiency differences in data envelopment analysis[J]. Management Science,1996,42(3):466-472.

[17]黄德生,谢旭轩,穆 泉,等.环境健康价值评估中的年龄效应研究[J].中国人口、资源与环境,2012,22(8):63-70.

HUANG Desheng, XIE Xuxuan, MU Quan, et al. Study on the age effects on environmental health valuation[J]. China Population, Resources and Environment,2012,22(8):63-70.(in Chinese)

[18]吴新宇,付晓春.大学生体重指数与体质健康指标关系的研究[J].北京体育大学学报,2006,29(8):1087-1088,1093.

WU Xinyu, FU Xiaochun. The research of the relationship between the body mass index and the physical health variables of the college students[J]. Journal of Beijing Sport University,2006,29(8):1087-1088,1093.(in Chinese)