Urban Air Quality: Assessing Traffiffic and Building Architecture Impacts using Portable Measuring Devices in Toronto, Ontario
Notice bibliographique
Résumé
Vehicle emissions are one of the largest local contributors to poor urban air quality. High emissions are often associated with traffic congestion, and pollution may also become trapped between tall buildings creating a street canyon effect. The spatial variability of traffic-related air pollutants in microenvironments should be considered in evaluating changes in urban planning. This study focuses on assessing the air quality and commuter exposure in Toronto, Ontario, Canada, specifically focusing on the effect of the King Street Pilot Project on local urban air quality by reducing traffic. Increased vehicular density is expected to contribute to higher urban pollution levels and tall buildings may trap these contaminants. Field measurements were made within the King Street Pilot area during weekday rush hours to capture the best representation of peak activity and pollutant levels when there were similar average wind speeds and directions for the sampling dates. A suite of portable devices was carried along predesigned and timed routes through traffic dense areas to measure vehicle-related air pollutants including black carbon (BC), ultrafine particles (UFP, particles smaller than 0.1 μm), and particulate matter (PM2.5, particles smaller than 2.5 μm). Data was normalized, corrected and analyzed using centralized pollutant while considering meteorological site measurements located about 1.5 km away from the study area. Results indicated higher BC and UFP levels during peak commuting times between 8 am to 10 am and relatively increased pollution levels within the area of tall buildings versus the area with shorter buildings. Strong spatial variations of BC and UFP were found, while PM2.5 levels remained relatively constant in the downtown area. Elevated levels of BC and UFP were observed around nearby construction sites. This study contributes to establishing a baseline to evaluate the King Street Pilot Project’s air quality impact as well as proposing potential methods of detailed data collection within microenvironments to observe the air quality of urban centres.
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 | 0,003 | 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».