法国NMPB交通噪声预测模型及适用性研究*

乐晓妍 毕煜龙 来庆云 周 建

(宁波市环境保护科学研究设计院， 浙江 宁波 315012)

法国NMPB交通噪声预测模型及适用性研究*

乐晓妍 毕煜龙 来庆云 周 建

(宁波市环境保护科学研究设计院， 浙江 宁波 315012)

对比分析法国NMPB道路交通噪声预测模型与国内常用的道路交通噪声预测模型，NMPB模型与其他模型在应用范围、车辆分类以及传播模型基础架构方面具有一定的相似性，但各个模型的源强预测模型区别很大。本文选取一条典型的城市道路，根据长时间监测观察获取的批量数据，对各个模型的预测结果进行分析，结果表明：NMPB模型预测结果与实测值吻合相对较好；在夜间或者重型车较多的道路上，如使用NMPB模型进行预测，还需要进行适当的修正。

NMPB；源强；道路交通噪声预测模型

随着城市路网的日益发展以及居民环境保护意识的提高，车辆交通噪声越来越成为公众关注的环境问题之一。交通噪声预测模型作为道路建设项目前期环境影响分析的重要手段以及绘制城市区域噪声地图的重要辅助工具，其可靠性和准确性也愈发显得重要。目前，国外已有若干成熟和公认的交通噪声预测模型和软件，如德国的RLS90模型、美国FHWA模型、法国的NMPB模型等。但国内应用较多的，尚局限于德国的RLS90模型和美国FHWA模型，对于法国的NMPB模型，几乎没有研究涉及。

1 常用的交通噪声预测模型

国外对于道路交通噪声预测的研究始于上世纪五六十年代，基于当地的实际情况，各国陆续开发出了适用的交通噪声预测模型：如美国的FHWA模型、英国的CRTN模型、德国的RLS90模型等。

在我国目前的环境影响分析及相关工作中，用得较多的模型包括：FHWA模型、JTGB 03-2006《公路建设项目环境影响评价规范》和RLS90模型。FHWA模型是美国交通部联邦公路管理局所采用的交通噪声预测模型，是我国早期推荐使用的模型；当前HJ 2.4-2009《环境影响评价技术导则-声环境》，亦是以此为基础改进而得。JTGB 03-2006《公路建设项目环境影响评价规范》推荐噪声预测模式为交通部推荐的噪声预测模式。RLS90是德国交通部公路建设司发布的噪声预测模型，基于该模型开发的噪声预测软件Cadna /A软件在2001年通过了我国环保部环境工程评估中心的评审认证，在我国当前的环境影响评价以及其他研究工作中有着较为广泛的应用[1-3]。

CRTN模型是英国交通部发布的道路交通噪声计算模型，该模型以交通噪声峰值(L10)为评价量，目前在中国香港、英国、澳大利亚等地被认可使用[4]。

2 法国NMPB交通噪声预测模型

NMPB模型是法国交通部门开发的交通噪声预测模型，该模型的相关参数最早确立于上世纪七十年代。上世纪九十年代开始，相关部门和学者开始对模型相关的参数进行修正，并于2008年出版了新的版本NMPB-Routes-2008。该模型目前在我国的应用尚较为少见，其主要原理如下[5]：

NMPB模型中，对于每一种车辆类型，单位长度线声源通过单位车流量时，即根据单位车速，其声压级被分解为两个相对独立的部分——滚动(rolling)噪声和动力(powerunit)噪声两部分进行计算。滚动噪声是指与轮胎和道路本身直接相关的噪声；而动力噪声则为与车辆本身引擎等机械震源直接相关的噪声。在计算中，考虑车速以及路面铺设情况等因素与前者滚动噪声相关；而动力噪声则与交通流量(速度、加速情况)以及道路倾斜情况相关。具体地，可以表述为式(1)：

LAmax=Lp+Lr=10log[100.1×Lp+100.1×Lr]

(1)

式中：Lp——动力噪声产生的声压级；Lr——滚动噪声产生的声压级。

除了极少数情况，车辆声源数据是基于大量实验得出的。模型将车辆分为轻型车和重型车两种类型，轻型车为车重小于3.5t的车辆，而重型车为车重大于等于3.5t的车辆。实验按照不同车型分别进行。

滚动噪声被认为与路面情况相关，模型根据路面铺设情况将其划分为R1、R2和R3三种情况，另外，还考虑了使用时间对于路面情况以及滚动噪声的影响。对于动力噪声，模型考虑的不同情况包括加减速、道路倾斜以及驾驶员的驾驶习惯。

对于声源S在受点R产生的A计权声压级，传播过程中各衰减因素的考虑如式(2)[5]:

LA=Lw-(Adiv+Aatm+Abnd)

(2)

试中:Lw——声源S的声功率级；Adiv——几何距离引发的衰减；Aatm——大气吸收衰减；Abnd——与声速剖面以及边界特性相关的衰减。

3 交通噪声预测模型比较分析

将NMPB模型与国内目前应用较多的几个噪声预测模型进行了比较，主要区别可见表1[6]：

各个模型的输入数据类型基本类似，但各有侧重和区别，这主要取决于其基本源强模型以及在传播过程中考虑的因素多少。各模型在噪声传播过程中考虑的因素总体包括：几何距离衰减、地面吸收、障碍物以及绿化带等的影响。

与其他比较项目的总体类似性不同，各模型的源强模型并不相似。噪声源预测模型的基本原理、考虑的相关因素以及所依托的实验基础，直接决定了模型预测结果最基础的构成部分，对于预测结果的准确性有着最直接和最有力的影响[7-9]，因此，模型之间最主要的区别还是取决于噪声源预测模型。

从源强模型来看，目前各国的噪声源强预测模型均以实测数据为基础，建立声级与车流量、车速等之间的回归曲线方程式；FHWA和NMPB模型以单车噪声测试数据为基础，而CRTN和RLS90模型则是以车流特性作为声源计算的基础；各个模型对于声源强度均有所修正，但考虑修正的因素繁简有所不同。

FHWA模型和NMPB模型均是根据不同车型，分别进行单车噪声测试得到基础数据；但两个模型的车型划分有较大的区别。两个模型考虑噪声的影响因素较为类似，都是将噪声分解为相对独立的两个部分。FHWA模型考虑的噪声影响因素包括轮胎—地面噪声和发动机—排气噪声；NMPB模型中的滚动噪声和动力噪声也即轮胎—道路相关的噪声以及与车辆引擎等机械震源相关的噪声。

上述几个国外的模型均是基于各国车辆、道路等基本特征的交通噪声数据库而建立，我国在目前缺乏有力数据支撑源强模型的情况下，引用或参照国外的模型尤其是源强模型成为一种应用较为普遍的交通噪声预测方式，目前FHWA和RLS90模型在我国环境影响评价及噪声相关科研工作中应用和研究较多[10-12]，汪贇等对于CRTN模型在我国的适用性也做出一定探讨。但对于模型验证和修正，往往基于短时的监测数据，缺乏长时间的监测观察和验证；对于NMPB模型的适用性以及比较，国内尚无相关的实例研究。

4 模型计算与实测比较

选取一条典型的城市道路，利用噪声自动连续监测设备，通过长时间监测观察获取的批量数据，对于NMPB模型预测的适用性作一验证并与其他模型进行比较。

4.1 实验条件及过程

4.1.1 噪声及车流量监测

实验道路为双向四车道城市道路，行车道宽度3.5m，路面材质为沥青混凝土，通行车辆以小型载客汽车和公交车为主，道路交通总体较为顺畅。

噪声监测点位于道路一侧相对空旷地带，附近无建筑物、绿化带等遮挡；离地高度约3.5m，距离最近的道路交叉口距离约350m。

测点的选择主要考虑排除交叉口等情况的干扰，以使行驶车辆车速基本稳定。测点距离道路较近、其间无遮挡，附近无其他明显声源；测点的声级值主要反应道路本身噪声源强为主，对于传播过程中的衰减，以距离衰减为主。

测试仪器采用杭州爱华仪器有限公司生产的AWA6218J型自动噪声监测仪。车流量监测采用视频摄像头录像，录像点离地高度约4m，并确保视野范围能够看清该路段所有来往的机动车辆。

小时车流量按照每小时前20min车流量计算得到，监测期间，剔除大风、下雨等天气，共获得121个小时有效监测数据。

4.1.2 模型预测计算

由于在测点选取时，考虑了尽量保证道路车速稳定，故预测车速参考道路限速并结合观察的实际情况，大型车取昼间50km/h，夜间60km/h，其余车型取昼间60km/h，夜间70km/h。测点距离道路较近且其间无遮挡，预测结果主要体现道路噪声源强以及几何距离衰减的效应。

将车速、监测得到的车流量数据以及其他道路特性相关预测参数代入FHWA模型、RLS90模型、CRTN模型以及NMPB模型预测计算受点的噪声值。

其中，RLS90模型的计算通过德国Cadna/A软件、CRTN和NMPB模型的计算通过丹麦B.K公司的Predictor软件来实现。

4.2 结果及讨论

4.2.1 模型预测结果与实测相关性分析

各模型预测结果与实测数据相关性分析结果见表2。

由表2可知，各模型预测结果与实际监测值均显著相关，相关性NMPB>RLS90>CRTN>FHWA。

4.2.2 各模型预测与实测差值分布情况

根据各模型预测结果与实测差值分布具体情况(图1)，FHWA模型的预测值总体偏高的较多，RLS90模型的数据以偏高相对多一些；而NMPB以及CRTN模型数据整体相对偏低居多一些。

4.2.3NMPB模型预测表现与车流量、车型比的关系

根据不同车流量，将数据分级，计算不同车流量情况下，NMPB模型预测与实测绝对差值的平均值，得到结果如图2。

根据不同的重车型比，将数据分级，计算不同车流量情况下NMPB模型预测与实测的绝对差值平均值，得到结果如图3。

由图2和图3可知，NMPB模型在重车型比增加时，预测与实测的差值大幅增加；在车流量下降时，预测与实测的差值也大幅增加，两者表现出相似的变化趋势。进一步分析，道路车流量偏低的情况一般出现在夜间时段，而此时，小型车数量急剧减少，大型车包括大型货车和公交车等，由于其运营的特点和要求，并没有明显的降低，因此，此时重型车比反而相对上升。由此推测：车流量的降低和重型车比重的上升，具有相关性；对于NMPB模型，在低车流量和高重型车比的情况下，其预测表现不佳，原因可能是相关的。

对于监测得到的重型车比和车流总量两者作相关性分析，可以得到，两者的Pearson相关性系数为-0.630，在0.01水平(双侧)上显著负相关。由此可确认：车流量的降低和重型车比重的上升两者负相关；在低车流量和高重型车比的情况下，模型预测表现不佳，原因是相关的。

具体看车流量较低和重型车比例较高的情况下，NMPB模型各个预测值与实测值差值的分布情况如图4和图5：

由图4，图5可以看出，在重型车比例较高和车流量较小的情况下，NMPB模型几乎所有的预测值都比实测低。由图1可知，NMPB模型的预测值总体与实测值较为吻合，偏高及偏低的情况都有出现，预测值偏低的情况相对多一些，但并非压倒性的优势。但随着重型车所占比例的增加、车流量减小，NMPB模型所有预测值都呈现出偏低的结果。分析其原因主要有两个：

(1) 本次实验车流量取值为按照每小时前20min车流量计算得到；在车流量较小的情况下，20min车流量作小时平均与实际情况可能存在较大区别，这是预测与实测结果偏差的来源之一。

(2)NMPB模型的源强计算基础都是在国外相关机构进行的多次实验基础上获得的，而我国道路及车辆技术与发达国家相比，在减振降噪上存在不小的差距。从不同车流量和车型比的表现来看，重型车的实际情况可能与该模型建立的基础相差更远一些，即相对于轻型车，重型车排放的噪声源强与国外的差距更大，因此，在重型车比增加的情况下，该模型的预测结果要比平均情况偏低很多——这也与车流量分级分析的结果吻合[14-15]。为此，该模型若要在我国用于车流量较小的夜间时段或重型车比重较大的路段预测时，还需要进一步的修正。

4.3 小结

(1)NMPB模型预测结果与实测值吻合相对较好；

(2) 在车流量较低、重型车比例高的情况下，NMPB模型预测值与实测值的偏差相对较大。经分析，车流量与重型车比存在显著的负相关关系；可能相较于轻型车，我国重型车排放的噪声源强要比NMPB模型的实验基础更大，所以在重型车比增加、车流量减少的情况下，上述两个模型的预测结果要比平均情况偏低很多。故在夜间或者重型车较多的道路上，如要使用该模型进行预测，还需要进行适当的修正；

(3) 由于本次实验仅仅设置了一个点位，主要通过长期观测数据分析模型的准确性，未考虑绿化带、障碍物等影响，对于该模型综合完整的评价，尚有待于多点位实验后进一步的检验。

5 结语

本文介绍了法国道路交通噪声预测模型NMPB的预测原理，并就模型本身主要特点与当前国内应用较多的同类模型进行了对比分析：模型间最主要区别来自于其源强预测模型的不同，NMPB模型是以单车噪声测试数据为基础，对于不同车辆类型，单位长度线声源通过单位车流量时，其声压级被分解为滚动噪声和动力噪声两部分进行计算，最终给出单车在7.5m处声压级与速度的关系；在应用范围、车辆分类以及传播模型基础架构方面，NMPB模型与其他模型具有一定的相似性：可用于城市道路以及高速公路，车辆计算过程中考虑了车型的划分，传播过程考虑了空气吸收、地面吸收、地形、气象、路面情况、障碍物造成的衰减。

本文选取了一条典型城市道路，根据车流量、噪声值连续长期监测数据，对各个模型预测值与实测值对比分析，结果表明：(1)NMPB模型预测结果与实测值吻合相对较好；(2) 在夜间或者重型车较多的道路上，要使用NMPB模型进行预测，还需要进行适当的修正。

[1] 曹丽娜，尚勇，卢林果.公路交通噪声预测模型FHWA、RLS90与规范模型的对比[J].郑州大学学报(工学版),2014，35(3):106-110.

[2] 张音波，张玉环，范东平,等.道路交通噪声预测的研究进展[J].环境污染与防治，2012，34(6):77-81.

[3] 李本纲，陶澍.道路交通噪声预测模型研究进展[J].环境科学研究，2002,15(2)：56-59.

[4] 汪贇，李宪同，魏峻山,等.英国CRTN道路交通噪声预测模型在中国的适用性研究[J].环境监控与预警，2013，6(6):35-37.

[5]Jean-FranccoisHamet,FrancisBesnard,SoniaDoisy,ect.NewvehiclenoiseemissionforFrenchtrafficnoiseprediction[J].AppliedAcoustics,2010,71：861-869.

[6]NaveenGarg,SagarMaji.Acriticalreviewofprincipaltrafficnoisemodels:Strategiesandimplications[J].EnironmentalImpactAssessmentReview, 2014，46, 68-81.

[7] 卢力，周鑫，胡笑浒.公路噪声源强预测模型研究进展[J].噪声与振动控制，2014,34(3)：128-131.

[8] 蒋从双，王文江，李贤徽.单车噪声排放模型对比[J].噪声与振动控制,2014，34(2)：70-74.

[9] 刘斌,冯涛，户文成，等.道路交通噪声经验预测模型的比较分析研究[C].国际环境噪声与振动控制管理技术研讨会，2011.

[10] 韩鹏，徐志胜.CadnaA软件与FHWA模型在交通噪声预测中的比较研究[J].噪声与振动控制，2009(51):491-494.

[11] 娄金秀，马建华.基于Cadna/A的高层建筑环境噪声垂直分布仿真[J].噪声与振动控制，2014，34(3)：136-138.

[12] 石垚，巨天珍，温飞,等.基于FHWA的兰州市道路交通噪声预测模型的建立[J].环境科学学报，2006，26(9):1568-1575.

[13] 李宪同，刘砚华,汪贇，等.基于自动监测系统的道路交通车流量与声级研究[J].环境科技，2012,25(4):23-25.

[14] 高延文，倪燕.噪声评价量综述[J].云南环境科学，2005,24(3)：21-23.

[15] 熊建强，黄菊花，廖群.车辆噪声源识别理论与方法分析[J].噪声与振动控制，2011，31(4):97-100.

Study on French traffic noise prediction model NMPB and its application

Le Xiaoyan, Bi Yulong，Lai Qingyun，Zhou Jian

(Ningbo Environmental Protection Scientific Research and Design Institute, Ningbo 315012, China)

The paper presented the principle and main features of the French traffic noise model NMPB, and compared it with other three models widely used in China. The fundamental difference between them lied in prediction modeling of source intensity; however, the NMPB was fairly similar to other models in terms of application scope, vehicle types and paths of sound travelling. Based on the batch data of traffic noise and traffic flow from a typical urban road, we evaluated the performance of NMPB and compared the results with those from other models. The results from NMPB were consistent well with the site-measuring values, while for night modeling or for roads with more heavy vehicles running on, some corrections were still needed for the NMPB model.

NMPB; noise source intensity; road traffic noise prediction model

* 宁波市科技局项目(计划编号：2011A 80001)

2015-04-02； 2015-05-10修回

乐晓妍，女， 1983年生，工程师，研究方向：环境科研与环境影响评价。E-mail：lxy-0916@163.com

X593

： A