Exploring nighttime road traffic noise: A comprehensive predictive surface for Toronto, Canada
Notice bibliographique
Résumé
Road traffic noise can adversely impact the health of city residents, particularly when it occurs at night. The objective of this study was to evaluate nighttime traffic ambient noise in Toronto, Canada using measured and model-estimated noise levels. Road traffic noise was measured at 767 locations over 3 seasonal sampling campaigns between June 2012 and October 2013 to fully capture noise variability in Toronto. Temporal and campaign-specific spatial models, developed using the noise measurements, were used to build a final predictive surface. The surface was capable of estimating noise across the city over a 24-hr time frame. Measured and surface-estimated noise levels were compared with guidelines from the World Health Organization and the Province of Ontario to identify areas where noise may pose a health risk. Measured mean nighttime noise in Toronto exceeded World Health Organization (40 dBA) guidelines and mean daytime noise exceeded provincial (55 dBA) guidelines. The final predictive surface, incorporating spatial variables and daily cycles in noise levels, provides noise estimates geocoded for the entire study area. This tool could be used for epidemiological studies and to inform noise mitigation efforts. Based on surface-estimated noise levels during the quietest time of night (2 a.m.-2:30 a.m.), 100% of Toronto has nighttime noise exceeding 40 dBA (mean = 57 dBA, range = 49-110 dBA). A predictive surface was developed to estimate geocoded noise levels and facilitate further study of noise in Toronto. This tool can be used to assess road traffic noise, particularly at night, as an environmental health hazard.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».