مدل سازي آلودگي صوتي در يك تقاطع شهري بدون چراغ

Modeling of Noise pollution in an unsignalized Urban intersection

رشد بي رويه جمعيت شهرها توام با توسعه تكنولوژي در كلان شهرها ، مشكلات بسياري را براي شهرنشينان به همراه دارد كه از جمله اين مشكلات ، آلودگي صوتي است و يكي از مهمترين منابع صوتي در محيط زيست شهري ، صداي ناشي از وسايل حمل ونقلي مي باشد. هدف از اين پژوهش مدل سازي آلودگي صوتي در يك تقاطع بدون چراغ شهري است. بدين منظور تقاطعي كه چراغ راهنمايي نداشت ، توسط پليس كنترل نمي گرديد و وسايل نقليه مختلفي از آن عبور مي كرد انتخاب گرديد. همچنين از طريق دو برداشت مختلف ، داده هاي شدت صدا در طول ساعت اوج عصر اندازه گيري و حجم وسايل نقليه به تفكيك شمارش گرديد. براساس داده هاي برداشت شده ، مدل ها براساس روش رگرسيون با استفاده از نرم افزار SPSS حاصل شد. همچنين نمودارهاي تراز شدت صدا نيز با استفاده از نرم افزار Surfer ترسيم گرديد. نتايج حاكي از آن است كه برداشت داده هاي شدت صدا به صورت هم زمان نتايج بهتري را به همراه دارد و نتيجه ي هردونوع برداشت نشانگر اين مطلب است كه سرعت وسايل نقليه سبك به ويژه خودروي سواري و حجم وسايل نقليه سنگين درافزايش آلودگي صوتي تاثيري بيشتري دارند. همچنين نمودارهاي تراز صدا نشان مي دهد كه در نزديكي تقاطع ، شدت صدا بيشتراست.

Uncontrolled growth of cities population together with development of technology in the metropolises result in several problems for citizens including noise pollution, and one of the most important audio resources in the urban environment is the audio resulted from transportation vehicles. The purpose of this study is modeling the noise pollution in an unsignalized urban intersection. In order to do so, an intersection which was not controlled by traffic light or the police was chosen, Also it was situated in a certain location where various vehicles pass through. Meanwhile through two different collecting, audio intensity data was measured during an hour of evening peak and the volume of vehicles was separately counted. Based on the collection data, the models were resulted based on regression method by using the SPSS software. Moreover, the audio intensity level charts were drawn by using Surfer software. Results indicate that collecting audio intensity data simultaneously leads to the better outcomes and the results of both types of collecting specify that the speed of light vehicles especially passenger cars and volume of heavy vehicles affect more the noise pollution. In addition , the audio level charts show that the audio intensity is higher in vicinity to the intersection.