Noise exposure while commuting in Toronto - a study of personal and public transportation in Toronto
Notice bibliographique
Résumé
BACKGROUND: With an increasing proportion of the population living in cities, mass transportation has been rapidly expanding to facilitate the demand, yet there is a concern that mass transit has the potential to result in excessive exposure to noise, and subsequently noise-induced hearing loss. METHODS: Noise dosimetry was used to measure time-integrated noise levels in a representative sample of the Toronto Mass Transit system (subway, streetcar, and buses) both aboard moving transit vehicles and on boarding platforms from April - August 2016. 210 measurements were conducted with multiple measurements approximating 2 min on platforms, 4 min within a vehicle in motion, and 10 min while in a car, on a bike or on foot. Descriptive statistics for each type of transportation, and measurement location (platform vs. vehicle) was computed, with measurement locations compared using 1-way analysis of variance. RESULTS: On average, there are 1.69 million riders per day, who are serviced by 69 subway stations, and 154 streetcar or subway routes. Average noise level was greater in the subway and bus than in the streetcar (79.8 +/- 4.0 dBA, 78.1 +/- 4.9 dBA, vs 71.5 +/-1.8 dBA, p < 0.0001). Furthermore, average noise measured on subway platforms were higher than within vehicles (80.9 +/- 3.9 dBA vs 76.8 +/- 2.6 dBA, p < 0.0001). Peak noise exposures on subway, bus and streetcar routes had an average of 109.8 +/- 4.9 dBA and range of 90.4-123.4 dBA, 112.3 +/- 6.0 dBA and 89.4-128.1 dBA, and 108.6 +/- 8.1 dBA and 103.5-125.2 dBA respectively. Peak noise exposures exceeded 115 dBA on 19.9%, 85.0%, and 20.0% of measurements in the subway, bus and streetcar respectively. CONCLUSIONS: Although the mean average noise levels on the Toronto transit system are within the recommended level of safe noise exposure, cumulative intermittent bursts of impulse noise (peak noise exposures) particularly on bus routes have the potential to place individuals at risk for noise induced hearing loss.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».