广州市中心城区公交车站颗粒物污染暴露特征及影响因素分析

钟 慧, 刘先哲, 杨召阳, 丁 卉, 刘 奎, 刘永红*

1.中山大学智能工程学院, 广东 广州 510006

2.广东省交通环境智能监测与治理工程技术研究中心, 广东 广州 510006

3.广东省智能交通系统重点实验室, 广东 广州 510006

研究[1-3]表明，颗粒物暴露会增加呼吸道、心血管、糖尿病、肺癌、甚至神经毒性等疾病的患病风险，且与城市交通密切相关，对公众健康造成了沉重负担. 据统计，我国每年交通相关的颗粒物暴露死亡人数达163.64万，出行过程的暴露成为大气细颗粒物污染研究的重要方向[4]. 研究[5]显示，在24 h不同活动环境中，交通环境的暴露时长占比约7%～10%，而其暴露总量远高于工作、休息等其他环境[6-7]，其中在多种交通方式中公交出行的颗粒物暴露水平最高[8-9]. 因车站靠近路边和交叉口，公交车进出站需经历减速、怠速后加速的过程，使车站形成局部高污染现象[10]. 近期研究[11]证明，车站候车时的暴露水平远高于车内. 因此，公交车站颗粒物污染暴露问题一直是交通环境暴露的研究重点.

暴露评估是对特定污染物暴露特征(包括暴露的浓度、时间、频率等)和暴露人群特征(包括人群的年龄、性别、易感性等)的综合评估，主要由人群暴露浓度估算和人群暴露量估算两部分组成，是大气污染人群健康风险评估过程中重要的环节之一[12]. 目前，公交车站的暴露研究主要集中于车站污染暴露浓度特征和影响因素分析，并未结合候车人群特征量化污染物进入人体的剂量，且缺乏对车站颗粒物粒径组成的关注. Moore等[13-14]探究了美国水牛城和波特兰公交车站的开口朝向与结构设计对公交车站内、外PM2.5暴露浓度的影响，研究发现，公交车站内候车的人群暴露浓度高于车站外，但研究未探究车站颗粒物的影响因素和粒径结构，且未量化候车乘客的颗粒物暴露量. Gao等[15]分析了济南市公交车站的颗粒物暴露来源及组分特征，但未对车站暴露水平做量化评估. Xu等[16]考虑了候车时长并引用吸入因子，初步量化了柴油公交车站候车及过境人群的PM10暴露，但缺乏对人体危害更大的细颗粒物的关注. 此外，经济发达水平不同的地区和城市在车队组成、空气污染控制技术、道路设计和驾驶行为等方面也存在明显差异，造成这些地区和城市的公交车站颗粒物暴露特征差异显著. 如龙连芳等[17]在广州市公交车站监测的PM2.5浓度远高于Velasco等[18]在新加坡车站监测的PM2.5浓度.

目前关于公交车站的暴露研究主要集中在国外经济发达地区或城市，国内城市的相关暴露研究较少， 且已有研究主要围绕柴油公交车或液化天然气公交车开展. 近年来，随着机动车污染防控措施的推进，我国部分城市逐渐推行纯电动公交车. 截至2019年，中国纯电动公交占比达46.8%[19]，纯电动公交车数量规模居全球第一位，公交车电动化已成为趋势. 广州市作为典型的超大城市，2019年中心城区公交纯电动比重达100%[20]，全市常住人口1 530.59万人，市日公交出行总量达600万人次，承担了约35.9%的公共交通客运量[21]，是居民出行的主要工具，因此探究纯电动化后公交车站的颗粒物暴露水平可为交通污染控制提供重要参考依据. 该研究在广州市2个中心行政区共选取7个公交车站为研究对象，涵盖商业、旅游、医疗等典型功能中心，结合道路车流量的时变性特征，分析讨论车站候车期间的颗粒物暴露水平、粒径分布及其影响因素，以揭示公交车站候车人群暴露的时空变化特征.

1 材料与方法

1.1 监测方案

该研究在广州市行政中心越秀区与经济发展中心天河区共选择7个典型公交车站进行采样. 越秀区属于广州市老中心城区，在11个行政区中人口密度最高，达 34 701 人/km2，是目前广州市的行政中心，区域内多为科教、行政以及文卫用地，且道路车流量大[21]；天河区属于广州市的中央商务区，其GDP产值约占全广州市的21.4%，人口密度略低于越秀区，约为10 025人/km2，交通负荷较高，区域用地以商业和住宅为主[21]. 采样站点均匀分布在2个行政区的交通干道，均匀涵盖了商业、行政、旅游和住宅等公交出行需求较高的功能中心.

由于广州市颗粒物污染在季节上呈夏秋低、春冬高的特征[22-23]，此次试验采样在2019年冬季(11月7日—12月8日)进行，根据车流量的时变性分为工作日和休息日两类监测时段，分别在每日的高峰期和平峰期对公交车站进行采样. 考虑到公交出行目的在上午更为单一，以上班、上学为主，因此高峰时段为07:30—08:30，平峰时段为09:00—10:00或09:30—10:30. 其中，工作日和休息日各采样8 d (共16 d)，每个采样日按高峰期和平峰期各采样1次(即每天采样2次)，共计采样32次. 各监测公交车站如表1所示.

表1 天河区和越秀区采样期间公交车站的特征描述

1.2 试验过程

使用便携式气溶胶光谱仪(Grimm Aerosol 11-A型，德国)测量公交车站PM1、PM2.5和PM10的暴露水平，该仪器采用光散射技术原理，可提供31个粒径段通道的颗粒物数浓度与质量浓度，该研究使用的颗粒物粒径通道共24个，分别为0.25、0.28、0.30、0.35、0.40、0.45、0.50、0.58、0.65、0.70、0.80、1.00、1.30、1.60、2.00、2.50、3.00、3.50、4.00、5.00、6.50、7.50、8.50和10.00 μm. 仪器采样流量为1.2 L/min，输出频率为1 min，记录时间步长为6 s，仪器精度为0.1 μg/m3或1个/L. 每次测量开始前仪器会启动系统自检和零校准检查，试验设计开始前制造商已对该仪器进行了校准，设置默认测量浓度值校准因子(C-factor)为1.0. 将试验仪器放置于公交车站的中心位置，采样高度为人体平均呼吸道高度(1.5 m). 公交车站候车乘客采用DV仪器拍摄视频，根据分层抽样方法，每隔1 min记录一次当前时刻的候车乘客数为该分钟的车站候车乘客数(分层抽样时间间隔越短，获取的车站候车乘客数越精确，在考虑时间和人力成本的条件下，获取的最短时长间隔为1 min)，并按照年龄划分为儿童、成人和老人. 此外，为探究不同因素对公交车站暴露浓度的影响，同期采用DV设备采集双向道路车流量信息，后期按小客车、公交车、出租车和其他4种车型区分，以5 min时间步长统计单位小时道路总车流量，并收集试验过程中公交车的进站时刻与停靠总次数以及气象数据. 其中，气象数据来自附近3 km内的气象监测站，试验期间相对湿度为19.5%～89.5%，温度为11.45～24.40 ℃，风速为0.25～2.05 m/s，无降雨.

1.3 总人群暴露剂量计算

暴露浓度仅考虑了环境介质中污染物的强度，并未反映人群暴露的频率和持续时间，因此无法全面描述人群环境健康风险，而暴露剂量考虑了污染物强度、暴露时长和频率，可更好地反映污染物进入人体内的总量[12,24]，总人群暴露剂量计算公式[25]：

Ei=∭C(x,y,t)×Pi(x,y,t)×Bi×dx×dy×dt(1)

(2)

式中：i为公交车站的某一类候车乘客人群，分为儿童、成人和老人；Ei为单位小时内i类候车乘客的人群暴露剂量，μg；Etotal为总人群暴露剂量，μg；x,y为单人暴露地理坐标；t为暴露时间，min；C(x,y,t)为t时刻(x,y)处的暴露浓度，μg/m3；Pi(x,y,t)为t时刻(x,y)处i类候车乘客的人群数量，人，该研究中以每1 min为间隔进行统计；Bi为i类候车乘客的呼吸速率，L/min. 根据中国人群环境暴露行为模式研究[26-27]，由于公交车站的候车人群多为站立，对应的活动水平强度定义为“轻微活动”，故儿童、成人和老人的呼吸速率取值分别为9.83、8.6、7.1 L/min. 因此，i类候车乘客的人群暴露剂量占比(Ri)的计算公式为

(3)

即，Ri仅与Pi和Bi相关.

2 结果与讨论

2.1 颗粒物暴露浓度特征

由表2可知，广州市公交车站PM1、PM2.5和PM10的暴露浓度分别为(33.35±15.96)(46.97±22.94)和(89.70±67.07)μg/m3，而同期环境空气监测站[28]观测的PM2.5、PM10平均暴露浓度分别为34.74和64.77 μg/m3，车站的颗粒物暴露浓度明显高于周围环境. 且公交车站的PM1/PM2.5(浓度比，下同)和PM2.5/PM10(浓度比，下同)分别为71.00%、52.36%，与Liu等[29]在广州市高架桥附近公交车站测得的PM1/PM2.5和PM2.5/PM10接近. Wang等[30]指出，广州市路边的颗粒物污染与道路交通状况密切相关，说明路边公交车站的颗粒物污染可能主要来源于道路交通流. 采用t检验比较工作日和休息日以及高峰期和平峰期的颗粒物暴露浓度差异，结果表明，整体上颗粒物暴露浓度在工作日和休息日差异显著(P<0.05)，且呈明显的休息日效应，休息日PM1、PM2.5和PM10暴露浓度约为工作日的2倍；不同公交车站间的暴露浓度差异显著，以邻近旅游观光景点的LS车站为代表，其休息日的颗粒物暴露浓度约为其他车站的2.1倍；同一天公交车站的颗粒物暴露水平在平峰期和高峰期差异较小(P均大于0.05)，呈高峰期稍高于平峰期的特征.

表2 公交车站不同时段颗粒物平均暴露浓度

在2009年推行“公交车纯电动化”措施之前，广州市公交车以柴油公交车为主，龙连芳等[17]在2008年调查广州市公交车站PM2.5暴露浓度约为288 μg/m3，候车乘客颗粒物暴露问题严重. 2009年后，广州市公交车“纯电动化”比重逐年上升，截至2020年主城区公交车“电动化”比例已达100%[20]，公交车站的空气质量也得到大幅改善，2015年吕晓娟等[31]监测公交车站PM2.5暴露浓度已降为42.3 μg/m3. 由图1可见，尽管部分车站的颗粒物暴露浓度较低，但多数公交车站颗粒物暴露浓度仍高于WHO空气质量准则值(PM2.5浓度为25 μg/m3，PM10浓度为50 μg/m3)，且高于波特兰(PM1、PM2.5和PM10浓度分别为10.14、10.36和12.27 μg/m3)[13]、水牛城(PM2.5浓度为15 μg/m3)[14]等城市，说明广州市公交车站颗粒物暴露水平高于国外经济发达城市，并且目前我国大部分城市仍采用柴油公交车，乘客在公交车站候车期间的颗粒物暴露问题仍然严峻，在未来仍将持续危害人体健康.

注： 虚线代表WHO空气质量准则值. 公交车站缩写名称与表1中一致，下同.

图2 不同监测时段公交车站道路车流量情况

图3 不同监测时段公交车站候车乘客数、公交车停靠次数及气象特征

2.2 公交车站暴露浓度影响因素分析

研究[30,32]表明，机动车排放强度并不是决定公交车站空气污染物暴露水平的唯一重要因素，不同车站对应的街道特征、气象因素(风向和风速等)、公交车停靠次数等因素都会影响颗粒物暴露浓度. 为探究各因素对公交车站暴露浓度的影响，采集车站道路车流量、公交车停靠次数、候车乘客数、试验期间的温度和相对湿度数据(见图2、3)进行分析. 由图2、3可见，车站道路交通流均以小客车、出租车和公交车为主，不同车站车流量差异较大，SP、ZS和WY车站的车流量显著高于其他车站，这主要与车站周边兴趣点分布有关. 此外，工作日车流量稍大于休息日，主要体现在小客车数量的增多，而随着休息日小汽车出行的减少，公交车和出租车占比明显提高.t检验结果表明，整体上工作日高峰期和平峰期的车流量差异不明显(P=0.560)，而休息日高峰期和平峰期车流量差异明显(P<0.001)，且表现出平峰期车流量大于高峰期的特征.

公交车站的候车乘客数与公交车停靠次数体现了车站接驳乘客的繁忙程度. 工作日候车乘客数显著高于休息日，且表现出高峰期高于平峰期的特征，而休息日则是平峰期高于高峰期. 这一现象与车流量工作日高于休息日、休息日平峰期高于高峰期的变化规律一致. 公交车停靠次数与道路公交车流量占比显著相关(Pearson相关系数为0.536，P=0.003)，DF车站的公交车流量较高且停靠次数也较高. 试验期间公交车站的相对湿度和气温分别为48.34%±17.08%和(17.66±3.51)℃，二者在高峰期和平峰期表现出明显差异(P<0.001). 由于高峰期监测时间早于平峰期，因此高峰期气温低于平峰期，而相对湿度则高于平峰期，其中LS车站相对湿度最高可达90%，是其他车站的1.2～4.2倍. 研究[33]表明，当相对湿度超过65%时，颗粒间发生显著凝并现象，进而影响颗粒物暴露水平.

使用多因素ANOVA分析探究各因素对PM1、PM2.5和PM10暴露浓度的可解释变异，结果如表3所示. 由表3可见：候车乘客数、道路车流量以及相对湿度均对PM1和PM2.5浓度有显著影响(P均小于0.05)，说明影响公交车站细颗粒物暴露浓度的因素主要为道路车流量、候车乘客数和相对湿度；而公交车停靠次数对PM1和PM2.5浓度无显著影响，但其对PM10浓度影响显著(P<0.05). 研究[34-36]表明，纯电动车行驶过程中无尾气排放，颗粒物主要来源于制动器、路面和轮胎磨损，因此粗粒径颗粒物排放突出. 而公交车停靠站过程中的制动磨损较严重，对PM10浓度影响显著，这表明广州市纯电动公交的普及虽减少了汽车尾气的排放，但因制动、轮胎与路面摩擦以及扬尘产生的粗粒径排放对候车乘客的暴露水平不可忽视.

表3 影响PM1、PM2.5和PM10浓度因素的可解释变异性

2.3 颗粒物占比及粒径分布

颗粒物根据粒径大小可分为积聚模态(0.25～1 μm)和粗粒径模态(1～10 μm)，而粗粒径模态颗粒物可根据对人体危害程度再分为1～2.5和2.5～10 μm粒径段，将24个粒径通道的颗粒物合并为0.25～1、1～2.5和2.5～10 μm三个粒径段. 由图4可见，不同公交车站的颗粒物粒径存在明显差异. 公交车站污染仍以粗粒径模态颗粒物为主，PM1～10浓度占比约为63%，其中DF车站的PM1～10浓度占比最高达85%，较Kolluru等[37]在印度公交车内测得的粗粒径模态颗粒物浓度占比高.2.2节中结果表明，DF车站的公交车流量占比(44%)和停靠次数(148次)在所有车站中最高，因此造成粗粒径颗粒物排放水平较高；且随着休息日颗粒物污染的加重，不同粒径段的颗粒物浓度均有所上升，其中休息日LS车站不仅总颗粒物浓度上升明显，积聚模态颗粒物浓度占比也显著增加，增加了约1倍，主要原因是该车站采样期间相对湿度突然增高，在0.25～1 μm粒径段的颗粒物凝并现象突出[30].

注： 横坐标”平”代表平峰期，”高”代表高峰期.

此外，结合公交车站颗粒物数浓度和浓度分析(见表4)发现，公交车站积聚模态(0.25～1 μm)颗粒物数浓度占比较大，其占比在99%以上，且积聚模态颗粒物浓度占比在40%以上，远高于高嵘等[38]在上海市交叉口监测的细粒径模态颗粒物浓度占比(约14%)；粗粒径段(2.5～10 μm)颗粒物数浓度占比不到0.5%，而粗粒径段颗粒物浓度占比接近50%. 结果说明，粗粒径模态是公交车站颗粒物浓度的主要贡献源，但其数浓度占比较低，而积聚模态颗粒物对浓度的贡献约为40%，其数浓度占比在90%以上. 与粗粒径模态颗粒物相比，细粒径模态颗粒物的单位质量表面积更大，可通过扩散和渗透作用深入呼吸道肺泡内，对人体造成的危害更大[39]，因此对公交车站细粒径模态颗粒物的污染防控措施应引起重视.

表4 不同公交车站不同粒径段颗粒物数浓度和浓度

2.4 总人群暴露剂量

候车乘客总暴露剂量与单位时间内乘客搭乘公交人次有关，位于人口密度高、出行需求较大区域的公交车站单位时间内接驳的乘客越多，车站候车过程中暴露于颗粒物污染的人群范围越广. 图5为各公交车站候车乘客结构组成与颗粒物总暴露剂量，由于PM1、PM2.5和PM10的总人群暴露剂量变化趋势较为一致，仅以PM1为例展示公交车站候车人群不同时间的总暴露剂量变化特征.

受出行需求时变特征的影响，公交车站候车乘客数在工作日和休息日呈明显差异(P=0.002)，表现出工作日候车乘客数和总暴露剂量均高于休息日的特征. 由图5可见：在工作日，候车乘客数与乘客总暴露剂量在时段上的变化规律较一致，除DF和LS车站外，其余车站高峰期均比平峰期暴露水平更高、暴露人群更广；在休息日，候车乘客数和总暴露剂量呈明显的休息日效应，平峰期的暴露乘客数和总暴露剂量显著高于高峰期，约高27%～97%，这主要与监测车站多位于商场、住宅和旅游观光区有关. 此外，工作日高峰期和休息日平峰期任意时刻的车站候车乘客数可在12～28人之间，是Xu等[16]在天津市公交车站记录候车人数的1.7倍，比Tan等[10]在新加坡车站观测的通勤者数高0.7～1.1倍. 与其他城市相比，广州市公交车站人群集聚度更高，是典型的交通热点区，是交通微环境污染暴露研究中不可忽视的环节.

由图5和表5可见：公交车站候车乘客PM1、PM2.5和PM10总暴露剂量分别为(241.80±82.85)(342.59±112.11)和(681.17±226.89)μg/h，其中SP和LS车站最为突出；而DF车站细颗粒暴露剂量〔(196.58±34.46)μg/h〕虽不高，但粗粒径颗粒物(PM10)暴露剂量较高，超出平均水平的55%，主要原因是该车站公交流量较高. 成人和老人是广州市公交车出行的主体，二者分别占总候车乘客暴露剂量的68%和33%，部分车站(如DF和LS站)老人总暴露剂量占比在40%左右，主要原因为早高峰是老人出门晨练或市场采购等活动的主要时段. 研究[40-41]证明，公交车站候车乘客的暴露时间较短，但短暂暴露于交通颗粒物中会加剧心肺疾病等发病率，出现心律加快、心肌缺血、肺部炎症及呼气流量下降等症状，而老人是对颗粒物暴露变化更为敏感的弱势群体，其在公交车站的颗粒物暴露情况更应引起广泛关注.

注： 横坐标”平”代表平峰期，”高”代表高峰期. 公交车站顺序按高峰期候车乘客数从大到小排列.

表5 候车乘客的总人群暴露剂量以及不同类型的人群暴露剂量占比

3 结论

a) 随着广州市纯电动化公交的比重上升，公交车站的空气质量也在逐年改善，尽管部分车站的颗粒物暴露浓度水平较低，但大部分公交车站颗粒物暴露浓度仍高出WHO空气质量限值，且与发达城市仍有一定差距.

b) 公交车站颗粒物暴露浓度表现出明显的休息日效应，整体呈现出休息日高于工作日、高峰期高于平峰期的特征.

c) 公交车站颗粒物暴露浓度变化受多种因素影响. 道路车流量、相对湿度和候车乘客数为PM1、PM2.5暴露浓度的主要影响因素，而除上述因素外，公交车停靠次数也是影响PM10暴露浓度的主要因素之一，表明纯电动公交车进出车站对细颗粒物暴露浓度无明显贡献，但粗粒径颗粒物的排放水平不可轻视，其主要由制动、轮胎与路面摩擦以及扬尘产生.

d) 粗粒径模态颗粒物是颗粒物浓度的主要贡献源，但粗粒径模态颗粒物数浓度占比不足10%，而数浓度占比超过90%的积聚模态(0.25～1 μm)颗粒物的浓度超过40%，表明广州市公交车站细颗粒物暴露问题严峻.

e) 广州市公交车站是典型的交通热点，候车乘客数高于国内外城市，且总暴露剂量规律和公交车站候车人群在时间上保持一致，均表现出工作日高于休息日、工作日高峰期高于平峰期、休息日高峰期低于平峰期的现象，而成人和老人是车站候车乘客的暴露主体.