Commuting Exposures to Particulate Air Pollution in Three Canadian Bus Transit Systems: The Urban Transportation Exposure Study
Notice bibliographique
Résumé
Background: Health Canada’s Urban Transportation Exposure study was designed to assess levels of air pollution in Canadian transport environments. As Canadians spend approximately 52 minutes of their day commuting, this environment may contribute a larger proportion of their daily exposure to traffic-related air pollution (TRAP)”. Identifying factors related to bus commuting TRAP exposure is key to its mitigation. Methods: From 2010-2013, sampling was conducted using personal monitors in bus transit environments of Toronto, Ottawa, and Vancouver. In each city, data were collected during 3-week sampling campaigns in the summer and winter for fine particulate matter (PM2.5), ultrafine particulates (UFPs), and black carbon (BC). Buses were classed as natural gas, electric, hybrid electric/diesel, clean diesel, post 2000 diesel, or pre 2000 diesel. Stations/stops were classed as bus stop, above grade bus station, or below grade / indoor bus station. Particulate air pollution levels were compared between cities, seasons and waiting vs riding. The impact of bus propulsion type and stop/station design on air pollution exposures were evaluated using linear mixed-effect models. Model development included screening for potential confounders such as meteorological factors and land use. Results: Levels of PM2.5, UFPs, and BC were similar between cities and with higher UFPs concentrations observed during winter. In Toronto, bus stations had higher (65%, 95%CI: 48-84%) PM2.5 levels relative to bus stops. Similar differences were seen for BC. Compared to pre-20000 diesels, hybrid electric/diesel buses reduced exposures for PM2.5, UFPs, and BC in all three cities. Conclusions: The personal exposure data collected in this study provides a benchmark of Canadian commuter exposure for bus transit and provides evidence of the potential air quality benefits of ventilating indoor/below grade bus stations and replacing older bus models.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».