The Characterization and Mitigation of Fine Particulate Matter Air Pollution in the Toronto Subway System
Notice bibliographique
Résumé
Subways have become a vital and growing part of urban transportation globally. They provide affordable access to work, education, and healthcare while reducing private vehicle use and improving urban air quality. However, air quality in subways is often characterized as high concentrations of iron-rich fine particulate matter (PM2.5). These levels can be ten times higher than outdoor concentrations, significantly increasing daily exposure for subway commuters, which number in the millions worldwide. This thesis addresses gaps in subway pollution science by critically reviewing strategies to improve subway air quality and characterizing the age and sources of subway PM2.5. A systematic review of research identified effective methods to improve subway air quality including increasing mechanical ventilation in subways that rely on natural and piston effect-driven ventilation, exploring strategies to reduce emissions from brakes, wheels, and rails, and implementing real-time PM monitoring in subways. The thesis also presents a unique, long-term dataset on subway PM2.5 from four measurement campaigns over ten years. This revealed significant line-wide shifts in PM2.5 levels over this time. These shifts were coincident with changes in subway operations, highlighting the close relationship between subway operations and air quality. They also indicated that subway PM2.5 is predominantly freshly emitted rather than the result of the resuspension of accumulated dust, which is important to informing mitigation strategies. Source apportionment analyses revealed the majority of PM2.5 in Toronto’s subway system to be system-sourced, primarily from the friction of wheels and rails during train deceleration. This thesis affirms that the source profile of PM2.5 in unventilated subways is unique relative to systems that use regular mechanical ventilation, where outdoor sources contribute more to PM levels. The findings highlight the importance of understanding the impact of subway operations on air quality, particularly in systems without regular mechanical ventilation. The insights from this thesis are relevant to both ventilated and unventilated subways, offering guidance for improving air quality. Policy options for regulating subway PM2.5 are discussed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».