In this paper, we demonstrate the c

In this paper, we demonstrate the calculation of personal air pollution exposure during trips made by active transportation using activity patterns without personal monitors. We calculate exposure as the inhaled dose of particulate matter 2.5 mg or smaller. Two modes of active transportation are compared, and they include cycling and walking. Ambient conditions are calculated by combining mobile and stationary monitoring data in an artificial neural network space-time model. The model uses a land use regression framework and has a prediction accuracy of R2 1⁄4 0.78. Exposure is calculated at 10 m or shorter intervals during the trips using inhalation rates associated with both modes. The trips are children’s routes between home and school. The average dose during morning cycling trips was 2.17 mg, during morning walking trips was 3.19 mg, during afternoon cycling trips was 2.19 mg and during af- ternoon walking trips was 3.23 mg. The cycling trip dose was significantly lower than the walking trip dose. The air pollution exposure during walking or cycling trips could not be strongly predicted by either the school or household ambient conditions, either individually or in combination. Multiple linear regression models regressing both the household and school ambient conditions against the dose were only able to account for, at most, six percent of the variance in the exposure. This paper demonstrates that incorporating activity patterns when calculating exposure can improve the estimate of exposure compared to its calculation from ambient conditions.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ เราแสดงการคำนวณของการสัมผัสมลพิษทางอากาศส่วนบุคคลในระหว่างเดินทางโดยขนส่งที่ใช้งานโดยใช้รูปแบบกิจกรรมไม่ มีจอส่วนบุคคล เราคำนวณแสงเป็นยาดมของอนุภาคสำคัญ 2.5 มก. หรือขนาดเล็ก มีการเปรียบเทียบสองโหมดของการขนส่งที่ใช้งานอยู่ แล้วขี่จักรยาน และเดิน สภาพแวดล้อมจะถูกคำนวณ โดยการรวมโทรศัพท์มือถือและเครื่องเขียนการตรวจสอบข้อมูลในแบบจำลองโครงข่ายประสาทเทียมลานกว้าง แบบใช้กรอบการทำงานถดถอยใช้ที่ดิน และมีความแม่นยำการทำนายว่า R2 0.78 คำนวณแสงที่ 10 เมตรหรือช่วงสั้นระหว่างเดินทางโดยใช้อัตราการหายใจเกี่ยวข้องกับทั้งสองโหมด เดินทางเป็นเด็กเส้นทางระหว่างบ้านและโรงเรียน ปริมาณเฉลี่ยในระหว่างเดินทางขี่จักรยานตอนเช้าคือ 2.17 มิลลิกรัม ในระหว่างเดินทางเช้า 3.19 mg ในระหว่างเดินทางขี่จักรยานยามบ่ายถูก 2.19 mg และระหว่าง af-ternoon เดินทาง 3.23 มิลลิกรัม ขี่จักรยานเที่ยวปริมาณต่ำกว่าปริมาณการเดินทางเดินได้ การสัมผัสมลพิษทางอากาศระหว่างเดิน หรือขี่จักรยานท่องเที่ยวไม่สามารถขอคาดเดาโรงเรียนหรือสภาพแวดล้อมครัวเรือน แยกกัน หรือรวมกัน แบบจำลองถดถอยเชิงเส้นหลายถอยทั้งสองครัวเรือน และโรงเรียนแวดล้อมเงื่อนไขกับยาได้เฉพาะสำหรับ ส่วนใหญ่ หกเปอร์เซ็นต์ของความแปรปรวนในการเปิดรับแสง เอกสารนี้อธิบายว่า ผสมผสานรูปแบบกิจกรรมเมื่อคำนวณแสงสามารถปรับปรุงการประเมินค่าแสงเมื่อเทียบกับการคำนวณจากสภาพแวดล้อม

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะแสดงให้เห็นถึงการคำนวณจากการสัมผัสมลพิษทางอากาศส่วนบุคคลในระหว่างการเดินทางโดยการขนส่งทำให้การใช้งานโดยใช้รูปแบบกิจกรรมโดยไม่ต้องตรวจสอบส่วนบุคคล เราคำนวณการสัมผัสเป็นยาสูดดมฝุ่นละอองขนาด 2.5 มิลลิกรัมหรือเล็ก สองโหมดของการขนส่งที่ใช้งานได้เมื่อเทียบและพวกเขารวมถึงการขี่จักรยานและการเดิน สภาวะแวดล้อมที่มีการคำนวณโดยการรวมข้อมูลการตรวจสอบโทรศัพท์มือถือและเครื่องเขียนในรูปแบบเครือข่ายประสาทพื้นที่เวลาเทียม รูปแบบการใช้กรอบการใช้ที่ดินการถดถอยและมีความถูกต้องแม่นยำของการทำนาย R2 1/4 0.78 ที่ได้รับสารมีการคำนวณที่ 10 เมตรหรือสั้นช่วงเวลาระหว่างการเดินทางโดยใช้อัตราการสูดดมที่เกี่ยวข้องกับทั้งสองโหมด ทริปเป็นเส้นทางสำหรับเด็กระหว่างบ้านและโรงเรียน ปริมาณเฉลี่ยในระหว่างการเดินทางการขี่จักรยานตอนเช้า 2.17 มิลลิกรัมในระหว่างการเดินทางตอนเช้าเดิน 3.19 มิลลิกรัมในระหว่างการเดินทางช่วงบ่ายขี่จักรยาน 2.19 มก. และในระหว่างการเดินทางเดิน af- ternoon 3.23 มิลลิกรัม ปริมาณการเดินทางการขี่จักรยานอย่างมีนัยสำคัญต่ำกว่าปริมาณการเดินทางเดิน การสัมผัสมลพิษทางอากาศในระหว่างการเดินหรือขี่จักรยานการเดินทางไม่สามารถคาดการณ์อย่างมากจากทั้งโรงเรียนหรือรอบครัวเรือนเงื่อนไขอย่างใดอย่างหนึ่งเป็นรายบุคคลหรือในการรวมกัน รูปแบบการถดถอยเชิงเส้นหลายถอยทั้งในครัวเรือนและโดยรอบโรงเรียนเงื่อนไขกับปริมาณรังสีที่ได้เพียงบัญชีสำหรับที่ส่วนใหญ่ร้อยละหกความแปรปรวนในการเปิดรับแสง กระดาษนี้จะแสดงให้เห็นว่าการผสมผสานรูปแบบกิจกรรมเมื่อคำนวณการสัมผัสสามารถปรับปรุงประมาณการของการเปิดรับเมื่อเทียบกับการคำนวณจากสภาวะแวดล้อม

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราแสดงให้เห็นการคำนวณแสงมลพิษทางอากาศส่วนบุคคลในระหว่างการเดินทางโดยการขนส่งที่ใช้รูปแบบกิจกรรมที่ปราศจากการตรวจสอบส่วนบุคคล เราคำนวณแสงเป็นยาสูดดมฝุ่นละอองขนาดเล็ก 2.5 มิลลิกรัม หรือเล็กกว่า สองโหมดของการขนส่งเปรียบเทียบและพวกเขารวมถึงจักรยานและเดิน คำนวณสภาวะแวดล้อมโดยรวมมือถือและข้อมูลการตรวจสอบคงที่ในรูปแบบเวลาโครงข่ายประสาทเทียม รูปแบบการใช้ที่ดิน การใช้กรอบและมีการคาดการณ์ความถูกต้องของ R2 1 ⁄ 4 1 . การคํานวณที่ 10 M หรือสั้นในระหว่างการเดินทางใช้อัตราการหายใจที่เกี่ยวข้องกับทั้งสองโหมด การเดินทางเป็นบุตรของเส้นทางระหว่างบ้านและโรงเรียน ค่าเฉลี่ยปริมาณรังสีในระหว่างการเดินทางจักรยานเช้าเป็น 2.17 มิลลิกรัม ในช่วงเช้า เดิน เดิน เมื่อมิลลิกรัม ระหว่างเดินทางจักรยานบ่ายเป็น 2.19 มิลลิกรัมและระหว่าง AF - ternoon เดินทริปคือ 3.23 มิลลิกรัม จักรยานเที่ยว ปริมาณลดลงกว่าเดินเดินทาง ) อากาศมลพิษแสงขณะเดิน หรือทริปจักรยานจะไม่ขอทำนาย โดยให้โรงเรียนหรือสภาวะแวดล้อมในครัวเรือน ไม่ว่าจะเป็นรายบุคคลหรือในการรวมกัน ตัวแบบการถดถอยเชิงเส้นพหุคูณ้ทั้งในครัวเรือนและสภาวะแวดล้อมโรงเรียนกับยาได้แค่บัญชี มากที่สุด ร้อยละ 6 ของความแปรปรวนในการเปิดรับแสง บทความนี้แสดงให้เห็นกิจกรรมที่ผสมผสานรูปแบบเมื่อคำนวณแสงสามารถปรับปรุงประมาณการการเปรียบเทียบกับของการคำนวณจากสภาวะแวดล้อม