The LUR technique uses concentratio

The LUR technique uses concentrations measured on approximately 40-60 locations to predict concentrations for
other locations in the study area [20; 21]. Rather than using few fixed monitors or simple interpolation, LUR
includes geographical data (traffic streams, total road length in buffers, truck traffic, population density, land use) in
a linear regression model producing air pollution surfaces. In Flanders, dedicated monitoring of BC on 63 locations
took place in 2010 and 2011, on 13 street sites, 25 urban traffic sites, 11 urban background sites and 14 rural sites
[22]. Because the spatial concentration pattern varies during a day, hourly LUR models were developed (24 models
for weekday-hours, and 24 models for weekend-hours) [22]. Weekday hourly models performed well during the day
and on traffic peak hours, explaining 60 to 80% of variability [22]. At night and in the weekend, concentrations were
lower and more homogeneous resulting in less predictive models when considering R², on the other hand the mean
squared error was also low. Traffic and population variables from the activity-based model were only sporadically
included, e.g. traffic intensity on the nearest road was significant only on traffic peak hours. Hourly models were
developed independently of neighboring hours, but still similar variables return in consecutive models
demonstrating the robustness of the models. Seasonal trends are not taken into account because also the FEATHERS
activity-based model does not predict seasonal differences in activity pattern and traffic streams. The LUR models
are used in the AB²C model to predict ambient BC concentrations on 10 random addresses in 2386 subzones in the
study area; the median concentration is assumed to be representative for the concentration on all addresses in that
subzone.
Because exposure to BC while traveling might deviate significantly from ambient concentrations, a separate
model was developed for exposure in transport microenvironments [23]. Mobile monitoring data was collected in
the study area: approximately 1500 trips using different modes (motorized modes, active modes, public transport)
were registered by volunteers. 5-min exposure and 1-sec GPS during these trips was linked to traffic and road
characteristics, degree of urbanization, travel speed, transport mode and timing of the trip. Concentrations were
highest in motorized modes (car, bus, light rail / metro), and lowest for active modes and trains. In-vehicle BC
concentrations were elevated on highways and on urban roads, during rush hour and on weekdays. With these data
models were fit to predict exposure to BC in different transport modes.
As people spend 80 to 90% of their time in indoor environments [24], it is important to take into account
differences between ambient and indoor concentrations. Indoor sources of BC are relatively rare, but candles and
some cooking activities can contribute to elevated indoor concentrations [25; 26]. These sources were implicitly
included in the indoor/outdoor-ratio that was calculated from in-the-field measurements in 24 houses in Flanders.
Outdoor concentrations were found to be higher than indoor concentrations: a ratio of 0.76 will be applied for
activities in indoor micro-environments.

ผลลัพธ์ (ไทย) 1:

เทคนิค LUR ใช้ความเข้มข้นบนประมาณ 40-60 ตำแหน่งเพื่อทำนายความเข้มข้นในสถานอื่น ๆ ในพื้นที่ศึกษา [20; 21] แทนที่จะใช้จอภาพคงน้อยหรือแทรกแทรงอย่าง LURรวมข้อมูลทางภูมิศาสตร์ (กระแสจราจร ถนนรวมความยาวในบัฟเฟอร์ จราจรรถบรรทุก ความหนาแน่นประชากร การใช้ที่ดิน)การถดถอยเชิงเส้นแบบจำลองผลิตอากาศมลภาวะผิว ในจังหวัดฟลานเดอร์ เฉพาะการตรวจสอบของ BC ใน 63 ตำแหน่งเกิดขึ้นในปี 2553 และ 2554 ในอเมริกา 13 ถนน ไซต์จราจรเมือง 25, 11 เว็บไซต์พื้นหลังเมือง และชนบทอเมริกา 14[22] เนื่องจากรูปแบบความเข้มข้นพื้นที่แตกต่างกันไปในระหว่างวัน รายชั่วโมง LUR รุ่นถูกพัฒนา (รุ่น 24วันเวลา และรูปแบบ 24 ชั่วโมงวันหยุดสุดสัปดาห์) [22] รูปแบบรายชั่วโมงดำเนินการระหว่างวันดีวันทำงานและในเวลาจราจร อธิบายถึง 60-80% ของความแปรผัน [22] ในเวลากลางคืน และ ในวันหยุด ความเข้มข้นได้เหมือนมากเกิดขึ้นในแบบจำลองคาดการณ์น้อยเมื่อพิจารณา R² ในทางกลับกันค่าเฉลี่ย และต่ำกว่าข้อผิดพลาดที่ยกกำลังสองคือยังต่ำ จราจรและประชากรตัวแปรจากแบบจำลองตามกิจกรรมได้เฉพาะ sporadicallyรวม เช่นความเข้มของการจราจรบนถนนที่ใกล้ที่สุดได้อย่างมีนัยสำคัญเท่ากับเวลาการจราจร รูปแบบรายชั่วโมงได้พัฒนาอิสระชั่วโมงใกล้เคียง แต่ยังคงคล้ายตัวแปรกลับในรูปแบบต่อเนื่องเห็นเสถียรภาพของแบบจำลอง แนวโน้มตามฤดูกาลจะไม่นำมาพิจารณาเนื่องจากยังชั้นผิวรูปแบบฐานกิจกรรมทายผลแตกต่างตามฤดูกาลในกิจกรรมรูปแบบและปริมาณการใช้กระแส รุ่น LURใช้ในรูปแบบ AB²C ในการทำนายความเข้มข้น BC แวดล้อมในที่อยู่แบบสุ่ม 10 ใน subzones 2386 ในการพื้นที่การศึกษา ความเข้มข้นมัธยฐานจะถือ ผู้แทนความเข้มข้นในทั้งหมดที่อยู่ในที่subzoneเนื่องจากสัมผัสกับ BC ขณะเดินทางอาจแตกต่างอย่างมีนัยสำคัญจากสภาวะความเข้มข้น แยกต่างหากรุ่นถูกพัฒนาขึ้นเพื่อเปิดรับแสงในขนส่ง microenvironments [23] เคลื่อนที่ตรวจสอบข้อมูลรวบรวมในพื้นที่ศึกษา: ประมาณ 1500 ทริใช้โหมดต่าง ๆ (ยนต์โหมด โหมดการใช้งาน ระบบขนส่งสาธารณะ)ได้ลงทะเบียน โดยอาสาสมัคร 5 นาทีแสงและ GPS 1 วินาทีในระหว่างการเดินทางเหล่านี้ถูกเชื่อมโยงกับการจราจรและถนนลักษณะ ระดับของความเป็นเมือง เดินเร็ว โหมดการขนส่ง และระยะเวลาในการเดินทาง มีความเข้มข้นสูงสุดในโหมดยนต์ (รถยนต์ รถบัส รถไฟแสง / รถไฟใต้ดิน), และต่ำสุดสำหรับการใช้งานโหมดและรถไฟ BC ในรถได้มีการยกระดับความเข้มข้น บนทางหลวง และ ในเมือง ถนน ในช่วงชั่วโมงเร่งด่วน และ ในวันธรรมดา ด้วยข้อมูลเหล่านี้รุ่นเหมาะสมเพื่อทำนายสัมผัสกับ BC ในโหมดการขนส่งที่แตกต่างกันเป็นคนใช้เวลา 80-90% ของเวลาในสภาพแวดล้อมภายในอาคาร [24], จะต้องคำนึงถึงความแตกต่างระหว่างความเข้มข้นโดยรอบ และภายใน แหล่งภายในของ BC จะค่อนข้างหายาก แต่เทียน และบางกิจกรรมทำอาหารสามารถนำไปสู่การยกระดับภายในความเข้มข้น [25; 26] แหล่งเหล่านี้มีนัยรวมอยู่ในร่ม/กลางแจ้งอัตราส่วนที่ถูกคำนวณในฟิลด์หน่วยวัดในบ้าน 24 ในจังหวัดฟลานเดอร์พบความเข้มข้นด้านนอกให้สูงกว่าความเข้มข้นในร่ม: ต้องใช้อัตราส่วนของ 0.76กิจกรรมในร่มไมโครสภาพแวดล้อม

ผลลัพธ์ (ไทย) 2:

เทคนิค LUR ใช้เข้มข้นที่วัดได้ประมาณ 40-60 สถานที่ในการทำนายความเข้มข้นสำหรับ
สถานที่อื่น ๆ ในพื้นที่ศึกษา [20; 21] แทนที่จะใช้จอภาพคงน้อยหรือแก้ไขง่าย LUR
รวมถึงข้อมูลทางภูมิศาสตร์ (กระแสการจราจรความยาวถนนทั้งหมดในบัฟเฟอร์การจราจรรถบรรทุก, ความหนาแน่นของประชากรการใช้ที่ดิน) ใน
รูปแบบการถดถอยเชิงเส้นการผลิตพื้นผิวมลพิษทางอากาศ ในแฟลนเดอถวายการตรวจสอบของ BC ใน 63 สถานที่
ที่เกิดขึ้นในปี 2010 และ 2011 เมื่อวันที่ 13 สถานที่ถนน 25 เว็บไซต์ที่เข้าชมเมือง, 11 เว็บไซต์พื้นหลังในเมืองและ 14 เว็บไซต์ชนบท
[22] เพราะรูปแบบความเข้มข้นเชิงพื้นที่จะแตกต่างกันในระหว่างวันรุ่น LUR ชั่วโมงได้รับการพัฒนา (24 รุ่น
สำหรับวันธรรมดาชั่วโมงและ 24 รุ่นสำหรับชั่วโมงวันหยุดสุดสัปดาห์) [22] วันธรรมดารุ่นชั่วโมงทำได้ดีในระหว่างวัน
และในชั่วโมงเร่งด่วนการจราจรอธิบาย 60-80% ของความแปรปรวน [22] ในเวลากลางคืนและในวันหยุดสุดสัปดาห์มีความเข้มข้น
ต่ำกว่าและเป็นเนื้อเดียวกันมากขึ้นส่งผลให้ในรูปแบบการพยากรณ์น้อยเมื่อพิจารณาr²บนมืออื่น ๆ ที่หมายถึง
ข้อผิดพลาดกำลังสองก็ยังต่ำ การจราจรและตัวแปรประชากรจากรูปแบบกิจกรรมตามที่ได้รับเป็นระยะ ๆ เท่านั้น
รวมเช่นความเข้มการจราจรบนถนนที่ใกล้อย่างมีนัยสำคัญเฉพาะในชั่วโมงเร่งด่วนการจราจร รูปแบบชั่วโมงได้รับการ
พัฒนาอย่างอิสระชั่วโมงเพื่อนบ้าน แต่ยังคงตัวแปรที่คล้ายกันกลับมาในรูปแบบต่อเนื่อง
แสดงให้เห็นถึงความทนทานของรุ่น แนวโน้มตามฤดูกาลจะไม่นำมาพิจารณาเพราะยังขน
กิจกรรมตามรูปแบบที่ไม่ได้คาดการณ์ที่แตกต่างกันตามฤดูกาลในรูปแบบกิจกรรมและลำธารจราจร รุ่น LUR
ถูกนำมาใช้ในรูปแบบAB²Cในการทำนายความเข้มข้น BC โดยรอบเมื่อวันที่ 10 ที่อยู่ในสุ่ม 2386 subzones ใน
พื้นที่ศึกษา; ความเข้มข้นเฉลี่ยจะถือว่าเป็นตัวแทนของความเข้มข้นในที่อยู่ทั้งหมดในการที่
Subzone.
เพราะการสัมผัสกับ BC ในขณะที่การเดินทางอาจเบี่ยงเบนอย่างมีนัยสำคัญจากความเข้มข้นโดยรอบแยก
รูปแบบได้รับการพัฒนาสำหรับการเปิดรับใน microenvironments ขนส่ง [23] ข้อมูลการตรวจสอบโทรศัพท์มือถือที่ถูกรวบรวมไว้ใน
พื้นที่ศึกษาประมาณ 1500 การเดินทางโดยใช้โหมดที่แตกต่าง (โหมดเดียวกันโหมดการใช้งานระบบขนส่งสาธารณะ)
ได้รับการจดทะเบียนโดยอาสาสมัคร การสัมผัส 5 นาทีและ GPS 1 วินาทีในระหว่างการเดินทางเหล่านี้ได้รับการเชื่อมโยงกับการจราจรและถนน
ลักษณะระดับของการกลายเป็นเมืองความเร็วเดินทางโหมดการขนส่งและระยะเวลาของการเดินทาง กระจุกตัวอยู่
ที่สูงที่สุดในโหมดเครื่องยนต์ (รถบัส, รถรางเบา / รถไฟใต้ดิน) และต่ำสุดสำหรับโหมดการใช้งานและรถไฟ ในรถ BC
ความเข้มข้นอยู่สูงบนทางหลวงและถนนในเมืองในช่วงชั่วโมงเร่งด่วนและในวันธรรมดา ด้วยข้อมูลเหล่านี้
มีรูปแบบที่เหมาะสมในการทำนายการสัมผัสกับ BC ในโหมดการขนส่งที่แตกต่างกัน.
ในฐานะที่เป็นคนใช้จ่าย 80-90% ของเวลาของพวกเขาในสภาพแวดล้อมในร่ม [24] มันเป็นสิ่งสำคัญที่จะต้องคำนึงถึง
ความแตกต่างระหว่างรอบข้างและความเข้มข้นในร่ม แหล่งที่มาของร่ม BC นั้นค่อนข้างหายาก แต่เทียนและ
กิจกรรมการทำอาหารบางชนิดที่สามารถนำไปสู่การยกระดับความเข้มข้นในร่ม [25; 26] แหล่งที่มาเหล่านี้ได้โดยปริยาย
รวมอยู่ในร่ม / กลางแจ้งอัตราส่วนที่คำนวณจากการวัดในภาคสนามใน 24 บ้านในแฟลนเดอ.
ความเข้มข้นกลางแจ้งพบว่ามีสูงกว่าความเข้มข้นในร่ม: อัตราส่วนของ 0.76 จะถูกนำมาใช้สำหรับ
การจัดกิจกรรมในร่ม สภาพแวดล้อมที่ไมโคร

ผลลัพธ์ (ไทย) 3:

เทคนิคเลอร์ใช้ความเข้มข้นวัดประมาณ 40-60 สถานที่ทำนายความเข้มข้นสำหรับ
สถานที่อื่น ๆในพื้นที่ศึกษา [ 20 21 ] มากกว่าการใช้เพียงไม่กี่แก้ไขจอภาพหรือการแก้ไขง่ายเลอร์
รวมถึงข้อมูลทางภูมิศาสตร์ ( การจราจรสาย รวมยาวในบัฟเฟอร์รถบรรทุกถนน , การจราจร , ความหนาแน่นของการใช้ที่ดินใน
ประชากร )แบบจำลองการถดถอยเชิงเส้นพื้นผิวการผลิตมลพิษอากาศ ในแฟลนเดอร์ส ทุ่มเทการตรวจสอบของ BC ใน 63 ตำแหน่ง
เอาสถานที่ในปี 2010 และ 2011 , 13 เว็บไซต์ถนน 25 เว็บไซต์จราจรในเขตเมือง ไซต์ 11 พื้นเมืองและชนบท 14 เว็บไซต์
[ 22 ] เนื่องจากรูปแบบของพื้นที่แตกต่างกันไปในระหว่างวัน โมเดลเลอร์ต่อชั่วโมงถูกพัฒนา ( 24 รูปแบบชั่วโมงวันธรรมดา
,และ 24 รูปแบบชั่วโมงวันหยุดสุดสัปดาห์ ) [ 22 ] วันธรรมดาแบบรายชั่วโมงปฏิบัติดีระหว่างวัน
และชั่วโมงเร่งด่วนการจราจรอธิบาย 60 ถึง 80 % ของความแปรปรวน [ 22 ] กลางคืนและในวันหยุดสุดสัปดาห์ , ความเข้มข้นต่ำและเป็นเนื้อเดียวกันมากขึ้น
เป็นผลในตัวแบบทำนายน้อยกว่า เมื่อพิจารณา r พนักงานขาย , บนมืออื่น ๆหมายถึง
ยกกำลังสองข้อผิดพลาดน้อยการจราจรและประชากรตัวแปรจากกิจกรรมแบบมีเป็นระยะ
รวม เช่น การจราจรบนถนนที่ใกล้ที่สุดคือความสำคัญเฉพาะในชั่วโมงเร่งด่วนการจราจร แบบรายชั่วโมงได้
พัฒนาอิสระของประเทศเพื่อนบ้าน ชั่วโมง แต่ตัวแปรที่คล้ายกันยังกลับมาในแบบติดต่อกัน
แสดงความแกร่งของรุ่นแนวโน้มตามฤดูกาล ไม่นำมาพิจารณา เพราะยังไม่ทำนายแบบขนนก
กิจกรรมในแต่ละฤดูกาล รูปแบบกิจกรรมและการจราจรกระแส โมเดลเลอร์
ใช้ใน AB พนักงานขาย C ทำนายอากาศก่อนคริสต์ศักราชความเข้มข้น 10 ที่อยู่แบบสุ่มในพื้นที่ศึกษา subzones 1238 ใน
;ความเข้มข้นโดยเฉลี่ยจะถือว่าเป็นผู้แทนของความเข้มข้นในที่อยู่ในที่ subzone
.
เพราะแสงก่อนคริสต์ศักราชในขณะที่เดินทางอาจเบี่ยงเบนอย่างมีนัยสำคัญจากความเข้มข้นโดยรูปแบบแยกต่างหาก
ถูกพัฒนาสำหรับการขนส่ง microenvironments [ 23 ] การติดตามข้อมูลมือถือเก็บข้อมูลในพื้นที่ศึกษา :
ประมาณ 1 , 500 เที่ยว โดยใช้โหมดที่แตกต่างกัน ( รถใช้งานโหมด โหมดการขนส่งสาธารณะ )
ถูกลงทะเบียน โดยอาสาสมัคร 5 นาทีกับการ 1-sec GPS ในระหว่างการเดินทางเหล่านี้ถูกเชื่อมโยงกับการจราจรและถนน
ลักษณะ ระดับของความเป็นเมือง ความเร็วเดินทาง , โหมดการขนส่งและระยะเวลาของการเดินทาง ความเข้มข้นสูงสุดในโหมด
ยนต์ ( รถยนต์ , รถบัส , รถไฟ / รถไฟใต้ดินแสง )นโหมดการใช้งานและรถไฟ ในพ.ศ.
รถความเข้มข้นสูงบนทางหลวงและถนนในเขตเมืองในช่วงชั่วโมงเร่งด่วน และในวันธรรมดา ด้วยข้อมูลเหล่านี้อยู่พอดี
โมเดลทำนายการ BC ในโหมดการขนส่งที่แตกต่างกัน .
เป็นคนจ่าย 80 ถึง 90% ของเวลาของพวกเขาในสภาพแวดล้อมในร่ม [ 24 ] , มันเป็นสิ่งสำคัญที่จะใช้ในความแตกต่างระหว่างอุณหภูมิภายในบัญชี
และความเข้มข้นแหล่งข่าวภายในของ BC จะค่อนข้างหายาก แต่เทียน
บางกิจกรรมอาหารสามารถช่วยยกระดับความเข้มข้นในร่ม [ 25 ; 26 ] แหล่งที่มาเหล่านี้โดยปริยาย
รวมอยู่ใน Indoor / Outdoor ในอัตราส่วนที่คำนวณได้จากการวัดสนามในบ้านในแฟลนเดอร์ส .
ความเข้มข้นสระ พบว่ามีปริมาณสูงกว่าในร่ม : อัตราส่วนของค่าจะถูกใช้สำหรับ
กิจกรรมต่างๆ ในสภาพแวดล้อมในร่ม
ไมโคร .