环境科学  2018, Vol. 39 Issue (2): 663-671   PDF    
引用本文
佟瑞鹏, 张磊. 不同通勤模式暴露于VOCs的健康风险评价[J]. 环境科学, 2018, 39(2): 663-671.
TONG Rui-peng, ZHANG Lei. Health Risk Assessment of Volatile Organic Compounds for Different Commuting Modes[J]. Environmental Science, 2018, 39(2): 663-671.
不同通勤模式暴露于VOCs的健康风险评价
佟瑞鹏, 张磊     
中国矿业大学(北京)资源与安全工程学院, 北京 100083
收稿日期: 2017-09-09; 修订日期: 2017-10-18
基金项目: 国家自然科学基金项目（51674268）
作者简介: 佟瑞鹏(1977~), 男, 博士, 副教授, 主要研究方向为职业健康与环境健康风险评估等, E-mail:tongrp@cumtb.edu.cn
摘要: 针对国内外交通微环境VOCs健康风险研究中通勤模式和有害挥发物较为单一的不足，选取广州市家庭轿车、空调公共汽车、非空调公共汽车、地铁和自行车这5种通勤模式中的苯、甲苯、二甲苯、乙苯、苯乙烯、甲醛、乙醛和丙烯醛等8种VOCs，运用Monte-Carlo模拟方法，进行健康风险评价并对各吸入暴露参数做出敏感性分析.结果表明，空调公交车和家庭轿车的致癌风险较大，分别服从t分布和对数正态分布，为1.65×10-5±5.74×10-9和5.01×10-6±3.56×10-11，超过10-6的概率分别为97%和74.85%，自行车和非空调公交车次之，地铁的致癌风险最小，但平均值皆超过10-6；家庭轿车和空调公共汽车的非致癌风险较大，服从对数正态分布，分别为2.51±2.74和1.20±1.36，其中丙烯醛的贡献皆在80%以上，骑自行车的非致癌风险较小，预期将不会对人体健康产生威胁；各暴露参数中，对健康风险敏感度较大的依次为：每天的暴露时间（ET）、有害挥发物的浓度（CA）、终生暴露年限（ED）、呼吸速率（IR）和每年的暴露天数（EF），而体重（BW）具有负敏感性.
关键词: VOCs      交通微环境      通勤模式      健康风险      Monte-Carlo模拟方法     
Health Risk Assessment of Volatile Organic Compounds for Different Commuting Modes
TONG Rui-peng , ZHANG Lei     
School of Resources & Safety Engineering, China University of Mining & Technology(Beijing), Beijing 100083, China
Abstract: In order to overcome the shortcomings of a single commuting mode, eight VOCs including benzene, toluene, xylene, ethylbenzene, styrene, formaldehyde, acetaldehyde, and acrolein were studied in five commuting modes in Guangzhou. Applying the Monte Carlo simulation method, we assessed the health risk of these VOCs in five commuting modes, cars, air-conditioned buses, non-air-conditioned buses, subways, and bicycles, and analyzed the sensitivity of each exposure parameter. We used Crystal Ball 11.1 with 10000 iterations of independent runs and 95% confidence interval. The results show that the commuters of air-conditioned buses and cars are subjected to a higher cancer risk, following the t-distribution and lognormal distribution with 1.65×10-5±5.74×10-9 and 5.01×10-6±3.56×10-11, with the probability of exceeding 10-6 of 97% and 74.85%, respectively. The cancer risks of bicycles, non-air-conditioned buses, and subways are smaller, but their averages are higher than 10-6. The commuters of cars and air-conditioned buses were subjected to a larger non-cancer risk, following the lognormal distribution of 2.51±2.74 and 1.20±1.36; the contributions of acrolein are above 80%. The non-cancer risk of bicycles is the smallest and will not be a threat to human health. Sensitivity analysis shows that the sensitivities of ET, CA, ED, IR, and EF are larger, with the values of 55.5%, 32%, 10.5%, 1.1%, 0.2%, respectively, and BW has negative sensitivity.
Key words: VOCs      transport microenvironment      commuting modes      health risk      Monte-Carlo simulation method     

挥发性有机化合物(VOCs)作为近地面臭氧和大气细粒子的重要前体物, 所造成的环境空气污染已经引起公众的关注.同时, VOCs对人体健康造成的危害也不容忽视, 长期接触环境空气中的VOCs对人体的呼吸系统、造血系统和神经系统等会有慢性或急性损害, 甚至可能诱发哮喘[1]、白血病[2]等症状.

近年来, Zhou等[3]监测了室内和室外的VOCs浓度, 但对工作场所、餐饮、交通等微环境的研究较为有限[4, 5].而在这些微环境中, 浓度有时高于室外[6].如Chen等发现[7], 公交车内苯、甲苯、二甲苯和乙苯浓度最大值分别是车外空气中相应苯系物浓度的6.2、7.9、11和17.4倍.有研究表明, 人们每天花费5%的时间用于通勤[8], 大都市通勤人数也在不断增加[9].例如, 2016年广州地铁日均客流量达到700多万人次.由于装饰材料的围隔作用以及环境的密闭性, 使得交通微环境内透气性变差, 换气量减少, 污染物易于积聚并对人体健康造成威胁[10].随着通勤人数和时间的增加, 相对密闭的交通微环境中的空气质量对人体健康影响愈发不容忽视.因此, 更有必要对交通微环境VOCs健康风险进行深入研究.然而, 现有的研究大多是对单一的通勤模式进行健康风险评价[11], 对不同通勤模式的VOCs健康风险也仅就苯和甲醛两种有害挥发物进行研究[12].

鉴于此, 本文针对交通微环境, 选取了广州市居民常用的家庭轿车、空调公共汽车、非空调公共汽车、地铁和自行车这5种通勤模式, 评估苯、甲苯、二甲苯、乙苯、苯乙烯、甲醛、乙醛和丙烯醛等8种VOCs的暴露水平和健康风险, 并进行分析比较.同时, 运用概率风险评估模型[13], 引入Monte-Carlo模拟方法, 来处理风险评估过程中的不确定性[14, 15], 并对输入参数进行敏感性分析, 以期对暴露于VOCs的健康风险做出更科学、客观地评价.

1 材料与方法 1.1 污染来源

本文选取中国典型的通勤模式, 包括家庭轿车、空调公共汽车、非空调公共汽车、地铁和自行车, 来探究交通微环境中VOCs的暴露特征以及相应的健康风险.家庭轿车内的VOCs主要来源于汽车零部件和车内装饰材料中所含有毒有害物质的释放、车外污染物进入车内以及汽车自身排放的污染物[16, 17].地铁车厢内VOCs的潜在来源主要包括装饰材料[18]、乘客的呼吸[19]以及车外空气渗透.骑自行车人群VOCs暴露量参考交通干道附近的VOCs浓度[20]进行计算, 其主要来源于车辆尾气排放和燃料挥发[21].

1.2 评价模型

本文针对交通微环境中的苯、甲苯、二甲苯、乙苯、苯乙烯、甲醛、乙醛和丙烯醛等8种有害挥发物进行健康风险评价.需要说明的是, 基于大量车内空气的实验研究结果和对内饰零部件的分析结果, 我国GB/T 27630-2011《乘用车内空气质量评价指南》把苯、甲苯、二甲苯、乙苯、苯乙烯、甲醛、乙醛和丙烯醛作为主要控制物质, 与联合国欧洲经济委员会(UNECE)世界车辆规章协调论坛(WP.29)全球车内空气法规工作组(VIAQ)的车内空气控制物质结果一致.

依据世界卫生组织(WHO)和国际癌症研究机构(IARC)的研究结果, 苯和甲醛被确定为人类致癌物, 甲苯、二甲苯、乙苯、苯乙烯、乙醛和丙烯醛等6种有害挥发物为非致癌物质或仍不能确定是否为人类致癌物.美国环境保护署(USEPA)建立了一系列风险评估指南, 其中人群健康评价手册A部分和F部分中提供了吸入化学污染物的健康风险评价模型, 包括致癌物质风险评价模型和非致癌物质风险评价模型.因此, 本文运用致癌物质风险评价模型评估苯和甲醛的致癌风险, 对其他6种物质采用非致癌风险评价模型进行评估.具体的公式和参数的意义如下.

(1) 致癌物质风险评价模型

(1)
(2)
(3)

式中, LADDi：第i种VOC的平均日暴露量[mg·(kg·d)-1]; CAi：第i种VOC的实测浓度(mg·m-3); IR：呼吸速率(m3·h-1); ET：人每天暴露在车内污染空气中时数(h·d-1); EF：人每年暴露在车内污染空气中的天数(d·a-1); ED：人终生暴露在车内污染空气中年限(a); BW：体重(kg); LT：人平均寿命相对应的天数(d); CRi：第i种VOC的致癌风险值; PFi：第i种VOC的致癌斜率因子(kg·d·mg-1); TCR：多种VOCs的致癌风险值之和.

(2) 非致癌物质风险评价模型

(4)
(5)
(6)

式中, ECi：第i种VOC的平均日暴露量浓度(mg·m-3); AT：人终生暴露在车内污染空气中的年限相对应的小时数(h); HQi：非致癌风险值; RfCi：第i种VOC的参考浓度(mg·m-3); THQ：多种VOCs的非致癌风险之和; 其他参数与式(1)中相同.

1.3 参数取值

根据Chan等[22]对广州市公共交通工具中芳香族挥发性有机化合物暴露水平的研究, 得到广州市家庭轿车、空调公共汽车、非空调公共汽车、地铁车厢内的VOCs浓度, 参考Zhao等[20]对城市主要干道附近的有害挥发物的研究得到骑自行车人群暴露于VOCs的浓度[23]，浓度值见表 1.

表 1 居民在不同通勤模式下暴露于VOCs的浓度值/μg·m-3 Table 1 Residents of different commuting modes exposed to VOCs concentrations/μg·m-3

依据王宗爽等[24]对人体暴露参数的研究并参考中国人群暴露参数手册[25], 得到广州居民各暴露参数的取值(表 2).

表 2 各吸入暴露参数取值 Table 2 Values of inhalation exposure parameters

通过查询USEPA综合风险信息系统(IRIS)数据库, 得到苯和甲醛的致癌斜率因子(PF)以及甲苯等6种有害挥发物的参考浓度(RfC), 如表 3所示.

表 3 8种VOCs的致癌斜率因子/参考浓度 Table 3 Cancer slope factors/reference concentrations of eight VOCs

2 结果与分析

风险评估存在很大的不确定性, 因此需要辨识健康风险评价过程中的不确定性, 并尽可能做出定量评估, 从而提高评价结果的准确度, 这可以通过概率风险评估来实现.本文引入Monte-Carlo模拟方法, 运用概率风险评估模型, 通过参数不确定性分析对结果的不确定性进行评估, 并通过敏感性分析评估模型中各变量对结果的贡献.运用Monte-Carlo模拟方法, 通过Crystal Ball 11.1软件, 设置模拟次数10000次, 置信区间95%, 对评价过程中的不确定性进行定量表达.

2.1 致癌风险评价

结合公式(1)~(3), 运用Monte-Carlo模拟方法, 对中国居民在不同通勤模式下暴露于苯和甲醛的致癌风险进行评价，结果见表 4.采用USEPA推荐的可接受风险值, 若某污染物的致癌风险小于10-6, 则引起癌症的风险较低; 若致癌风险值介于10-4~10-6, 则有可能引起癌症; 若致癌风险值大于10-4, 则引起癌症的可能性较高.

表 4 不同通勤模式致癌风险及概率分布 Table 4 Cancer risks and probability distributions of different commuting modes

乘坐家庭轿车通勤暴露于苯的致癌风险服从最大极值分布, 风险值为1.13×10-6±4.48×10-12, 中位值为5.36×10-7, 最大值为7.66×10-5, 超过10-6的概率为31.79%.乘坐空调公交车、非空调公交车和地铁暴露于苯的致癌风险分别服从9.06×10-7±1.23×10-12、7.59×10-7±8.77×10-13、3.65×10-7±1.53×10-13上的对数正态分布, 中位值分别为5.70×10-7、4.83×10-7、2.56×10-7, 最大值分别为2.66×10-5、1.58×10-5、4.25×10-6, 超过10-6的概率分别为28.51%、23.52%、6.4%.骑自行车暴露于苯的致癌风险为1.07×10-6±1.87×10-12的最大极值分布, 中位值为6.64×10-7, 最大值为2.19×10-5, 超过10-6的概率为35.83%.

从图 1可以看出，居民在不同通勤模式下暴露于甲醛的致癌风险较大, 平均值皆在10-6以上.其中, 乘坐空调公交车的致癌风险最大, 服从1.56×10-5±5.74×10-9的t分布, 中位值为7.32×10-6, 最大值为1.13×10-3, 超过10-6的概率为97%.家庭轿车、自行车、非空调公共汽车、地铁的甲醛致癌风险皆服从对数正态分布, 风险值依次为3.87×10-6±3.13×10-11、3.46×10-6±1.43×10-11、3.31×10-6±1.42×10-11、1.09×10-6±8.13×10-13, 超过10-6的概率依次为74.85%、77.22%、78.62%、41.02%.

图 1 不同通勤模式暴露于苯和甲醛的致癌风险 Fig. 1 Cancer risks of benzene and formaldehyde for different commuting modes

居民在不同通勤模式下暴露于甲醛的致癌风险大于苯, 所以甲醛的致癌风险对总的致癌风险贡献较大.同时，如图 2所示，居民在各通勤模式下总的致癌风险大小依次为：空调公共汽车、家庭轿车、自行车、非空调公共汽车、地铁, 与甲醛一致.空调公共汽车服从1.65×10-5±5.74×10-9的t分布, 家庭轿车、自行车、非空调公共汽车、地铁分别为5.01×10-6±3.56×10-11、4.53×10-6±1.61×10-11、4.07×10-6±1.49×10-11、1.46×10-6±9.65×10-13的对数正态分布.上述各通勤模式总的致癌风险值超过10-6的概率依次为62.11%、89.77%、91.29%、91.58%、62.27%.

图 2 各通勤模式致癌风险值样本分布 Fig. 2 Distribution of cancer risk values in each commuting mode

2.2 非致癌风险评价

根据通勤者不同通勤模式暴露于甲苯、二甲苯、乙苯、苯乙烯、乙醛和丙烯醛等6种VOCs的浓度, 对其进行非致癌风险评价, 并对不同通勤模式总的非致癌风险进行分析和比较.

根据USEPA推荐的标准, 非致癌风险值≤1表示暴露量低于会产生不良反应的阈值, 预期将不会对人体造成显著危害, 非致癌风险值＞1表示暴露量高于限值, 可能产生毒性.结合表 5中各通勤模式下VOCs的非致癌风险可知, 甲苯、二甲苯、乙苯、苯乙烯和乙醛的非致癌风险都小于1, 将不会对人体造成危害.而家庭轿车和空调公共汽车内, 丙烯醛的非致癌风险服从对数正态分布, 分别为2.09±2.73和1.14±1.36, 平均值皆大于1, 对人体存在非致癌风险.

表 5 不同通勤模式暴露于VOCs的非致癌风险 Table 5 Non-cancer risk of VOCs for different commuting modes

从总的非致癌风险值来看, 通勤者骑自行车的非致癌风险为1.77×10-1±5.40×10-2, 小于1, 预期将不会对人体健康造成危害.乘坐非空调车和地铁的非致癌风险分别为8.29×10-1±6.30×10-1和9.48×10-1±6.10×10-1, 接近于1, 应该引起重视.而乘坐家庭轿车和空调公共汽车的非致癌风险较大, 服从对数正态分布, 分别为2.51±2.74和1.20±1.36.如图 3所示, 乘坐家庭轿车和空调公共汽车的非致癌风险平均值皆大于1, 超过1的概率分别为74.89%和42.05%.分析其原因, 甲苯、二甲苯、乙苯、苯乙烯、乙醛等5种VOCs的非致癌风险较小, 而丙烯醛的非致癌风险较大, 对总的非致癌风险的贡献率达到83%和95%.因此, 控制丙烯醛的含量是降低交通微环境非致癌风险的重中之重.

图 3 不同通勤模式总的非致癌风险对比 Fig. 3 Comparison of total non-cancer risk for different commuting modes

2.3 敏感性分析

由于非致癌风险评价模型中涉及的暴露参数略少, 为了反映每个参数变化时对结果的影响, 本文以致癌风险评价为例, 运用Monte-Carlo模拟方法得到各暴露参数的敏感度[14]并进行分析.敏感性分析若为正值, 则表示与风险结果正相关, 且结果越大, 其对风险值的影响越大; 若为负值, 则表示与风险结果负相关, 且结果的绝对值越大, 其对风险值的影响越大[26].不同通勤模式各暴露参数的敏感度见图 4.

图 4 不同通勤模式总致癌风险的敏感性分析 Fig. 4 Sensitivity analysis of total cancer risk for different commuting modes

在影响致癌风险的各暴露参数中, 每天的暴露时间(ET)、有害挥发物的浓度(CA)、终生暴露年限(ED)的敏感度最大, 平均值分别达到了55.5%、32%、10.5%.呼吸速率(IR)和每年的暴露天数(EF)对致癌风险的敏感度较小, 分别为1.1%和0.2%.体重具有负敏感性, 不同通勤模式的平均值为-0.7%.

每天的暴露时间(ET)对致癌风险的影响最大, 家庭轿车、空调车、非空调车、地铁、自行车的敏感度分别为63.2%、35.1%、64.1%、55.8%、59.2%.随着城市化的发展, 通勤距离增长和交通拥堵导致暴露时间增加.而暴露时间对致癌风险的影响较大, 容易对人体健康造成威胁.通过分析不同通勤模式的数据可得, 对致癌风险敏感度较大的暴露参数依次为：每天的暴露时间(ET)、有害挥发物的浓度(CA)、终生暴露年限(ED)、呼吸速率(IR)、每年的暴露天数(EF).除了每天的暴露时间(ET)外, 有害挥发物的浓度(CA)对致癌风险的影响也较大, 各通勤模式敏感度分别为：27.6%、57.5%、21.3%、24.9%、28.8%.

3 讨论 3.1 对研究结果的讨论

各通勤模式暴露于苯的浓度大小依次为：家庭轿车、空调公共汽车、非空调公共汽车、地铁、自行车, 而暴露于苯的致癌风险大小依次为：家庭轿车、自行车、空调公共汽车、非空调公共汽车、地铁.究其原因, 骑自行车暴露于苯的浓度虽然最小, 但是呼吸速率却接近其他通勤模式的3倍.另外, 家庭轿车的苯致癌风险最大, 这与家庭轿车内苯的浓度最大及居民每天乘家庭轿车通勤时长1.22 h都有关系.各通勤模式暴露于甲醛的浓度大小依次为：空调公共汽车、家庭轿车、非空调公共汽车、地铁、自行车, 而暴露于甲醛的致癌风险大小却依次为：空调公共汽车、家庭轿车、自行车、非空调公共汽车、地铁.这也说明了骑自行车时呼吸速率较大, 导致致癌风险的增加.同时, 空调公共汽车车厢相对密闭, 车内装饰物产生的VOCs在密闭环境下容易聚集, 导致甲醛的浓度和致癌风险高于其他通勤模式.

对于各通勤模式, 暴露于甲苯、二甲苯、乙苯、苯乙烯、乙醛的非致癌风险值都较小, 不会对人体健康造成显著危害.而丙烯醛的非致癌风险值过高, 导致家庭轿车和空调公共汽车内总的非致癌风险大于1, 超过USEPA推荐的标准.据报道, 暴露于丙烯醛可对呼吸道、皮肤、眼造成损伤, 吸入具有极高毒性, 可诱导呼吸系统损伤和细胞凋亡[27].由于丙烯醛对环境和人体具有极高危害, 结合USEPA推荐的丙烯醛参考浓度, 应该严格控制丙烯醛在车内的浓度水平.

风险评价结果表明：各通勤模式暴露于甲醛的致癌风险皆大于10-6, 由于苯的浓度过高, 家庭轿车内苯的致癌风险也大于10-6; 另外, 丙烯醛的非致癌风险较大, 导致家庭轿车和空调公共汽车总的非致癌风险大于1.为保证居民的身体健康, 一方面应该严格限制各通勤模式中的甲醛、丙烯醛和家庭轿车中的苯含量, 以降低健康风险; 另一方面, 家庭轿车、空调公共汽车和地铁车厢相对密闭, 污染物易于积聚, 应该鼓励使用清洁能源和新型的装饰材料, 并安装更高效的车厢空气净化装置以提升空气流通能力.

3.2 与其他城市通勤模式VOCs浓度的对比

本文对中国广州不同通勤模式的8种VOCs气体进行健康风险评价.由于地理位置、气候条件、经济水平等的差异, 中国广州的VOCs浓度与其他国家的城市相比有其独自的特点和规律.其他学者只对某些通勤模式的苯、甲苯、二甲苯、乙苯进行研究, 因此仅列举了这4种VOCs的数据来进行分析(表 6).

表 6 各城市不同通勤模式VOCs浓度值对比 Table 6 Comparison of VOCs concentrations in cities for different commuting modes

中国广州家庭轿车内苯、甲苯、二甲苯和乙苯的浓度明显高于渥太华和底特律.苯的浓度与悉尼、伯明翰相近, 但是甲苯和二甲苯的含量明显要高出许多.广州空调公共汽车内VOCs浓度与伯明翰的情况最为接近, 略高于底特律和悉尼, 渥太华的相关浓度最低.而伯明翰地铁内4种VOCs浓度最大, 广州次之, 悉尼最小.骑自行车人群暴露于VOCs的浓度相差并不大, 只是在个别有害挥发物浓度水平上有所差别, 如悉尼的甲苯和二甲苯浓度略高.从纵向上看, 不同城市的VOCs浓度有其各自的特点和规律.渥太华是一个没有重大工业排放的城市, 其路边和车载VOCs浓度水平都比较低.广州和悉尼的VOCs整体水平较为相近, 广州的家庭轿车和公共汽车内VOCs浓度高于悉尼, 而悉尼的路边水平即骑自行车人群暴露于VOCs的浓度较高.

3.3 与传统风险评价的对比

与传统的健康风险评价相比较, 本文选取广州市常用的公共交通工具, 对不同通勤模式VOCs健康风险进行对比分析.而以往关于交通微环境的研究往往仅就某一通勤模式进行评价, 例如, Gong等[11]研究了上海地铁一号线乘客暴露于VOCs的终生健康风险约为2.7×10-5, Pang等[32]得出北京市3种车型的公共汽车司机暴露于甲醛的致癌风险分别为3.12×10-4、2.08×10-4、5.2×10-4.对不同通勤模式暴露于VOCs的健康风险研究极少, 也仅限于部分有害挥发物, 如在墨西哥城[16]乘坐汽车, 基于苯和甲醛暴露的终生致癌风险约为2.0×10-5~3.1×10-5, 微型巴士为3.1×10-5~4.0×10-5, 公交车为2.0×10-5~2.7×10-5, 地铁为1.3×10-5~1.7×10-5.本文选取了居民常用的家庭轿车、空调公共汽车、非空调公共汽车、地铁、自行车等通勤模式, 不仅考虑了苯和甲醛, 还对甲苯、二甲苯、乙苯等6种非致癌物进行健康风险评价, 力图全面、客观地反映交通微环境内VOCs的风险水平.

另外, 本文引入Monte-Carlo方法来处理健康风险评价过程中的不确定性(表 7).这种概率风险评估方法, 利用整个输入数据的范围来确定各暴露参数的概率分布, 而不是单一的点值, 这将使风险评价结果呈现出更多的信息[4, 33].使用Crystal Ball软件来实现Monte-Carlo模拟和敏感性分析, 能够得到健康风险的最大值、最小值、标准差、分位数等数字特征, 可以从各个角度全面地反映乘客在不同通勤模式下的健康风险水平.

表 7 基于Monte-Carlo模拟的健康风险评价结果 Table 7 Health risk assessment results based on Monte-Carlo simulation

3.4 不确定分析

考虑到不同通勤模式VOCs浓度水平在不同年份、不同季节、不同区域、不同时间段上存在的差异, 同时, 此次健康风险评价污染来源的数据采样时间为5月, 因此, 本文的参数取值存在一定的局限性.另外, 暴露参数在一定程度上与经济社会的发展水平有关, ET、EF和ED主要参考中国人群暴露参数手册, 而其中的参数主要基于2011~2012年的调查得到, 随着时间的推移, 暴露参数可能会略有变化, 因此乘客在不同通勤模式暴露于VOCs的健康风险评价结果仍存在一定的不确定性.

4 结论

(1) 结果表明, 各通勤模式致癌风险皆大于10-6, 其中, 空调公交车和家庭轿车的致癌风险较大, 分别服从t分布和对数正态分布, 为1.65×10-5±5.74×10-9、5.01×10-6±3.56×10-11, 超过10-6的概率分别为97%和74.85%;自行车、非空调公共汽车和地铁的致癌风险较小, 服从对数正态分布, 为4.53×10-6±1.61×10-11、4.07×10-6±1.49×10-11、1.46×10-6±9.65×10-13.家庭轿车和空调公共汽车的非致癌风险较大, 服从对数正态分布, 分别为2.51±2.74、1.20±1.36, 超过USEPA推荐的标准, 可能对人体造成危害; 骑自行车的非致癌风险较小, 预期将不会对人体健康产生威胁.

(2) 在致癌风险的占比中, 甲醛高于苯, 而且各通勤模式中甲醛的致癌风险也大于10-6, 应该对甲醛的含量加以严格的控制; 在非致癌风险方面, 丙烯醛的非致癌风险远高于其他5种非致癌物, 同时家庭轿车和空调公共汽车内丙烯醛的非致癌风险皆大于1, 考虑其毒性, 应该采取措施对丙烯醛的含量进行限制.

(3) 各暴露参数中, 每天的暴露时间(ET)、有害挥发物的浓度(CA)、终生暴露年限(ED)的敏感度较大, 分别为55.5%、32%、10.5%;呼吸速率(IR)和每年的暴露天数(EF)对致癌风险的敏感度较小, 分别为1.1%和0.2%;体重具有负敏感性, 敏感度为-0.7%.

参考文献
[1] Tagiyeva N, Sheikh A. Domestic exposure to volatile organic compounds in relation to asthma and allergy in children and adults[J]. Expert Review of Clinical Immunology, 2014, 10(12): 1611-1639. DOI:10.1586/1744666X.2014.972943
[2] Zhou Y F, Zhang S Z, Li Z, et al. Maternal benzene exposure during pregnancy and risk of childhood acute lymphoblastic leukemia:a meta-analysis of epidemiologic studies[J]. PLoS One, 2014, 9(10): e110466. DOI:10.1371/journal.pone.0110466
[3] Zhou J, You Y, Bai Z P, et al. Health risk assessment of personal inhalation exposure to volatile organic compounds in Tianjin, China[J]. Science of the Total Environment, 2011, 409(3): 452-459. DOI:10.1016/j.scitotenv.2010.10.022
[4] Dodson R E, Houseman E A, Levy J I, et al. Measured and modeled personal exposures to and risks from volatile organic compounds[J]. Environmental Science & Technology, 2007, 41(24): 8498-8505.
[5] Adgate J L, Church T R, Ryan A D, et al. Outdoor, indoor, and personal exposure to VOCs in children[J]. Environmental Health Perspectives, 2004, 112(14): 1386-1392. DOI:10.1289/ehp.7107
[6] Ballesta P P, Field R A, Connolly R, et al. Population exposure to benzene:one day cross-sections in six European cities[J]. Atmospheric Environment, 2006, 40(18): 3355-3366. DOI:10.1016/j.atmosenv.2006.01.053
[7] Chen X K, Zhang G Q, Zhang Q, et al. Mass concentrations of BTEX inside air environment of buses in Changsha, China[J]. Building and Environment, 2011, 46(2): 421-427.
[8] Dudzińska M R. Volatile organic compounds in private cars and public vehicles[J]. Rocznik Ochrona DS' rodowiska, 2011, 13: 101-116.
[9] Prud'homme R, Koning M, Lenormand L, et al. Public transport congestion costs:the case of the Paris subway[J]. Transport Policy, 2012, 21: 101-109. DOI:10.1016/j.tranpol.2011.11.002
[10] 李爽. 典型微环境空气中苯系物的污染特征及来源解析[D]. 杭州: 浙江大学, 2010.
Li S. Characteristics and sources of monoaromatic Hydrocarbons in the air of typical microenvironment[D]. Hangzhou: Zhejiang University, 2010. http://cdmd.cnki.com.cn/Article/CDMD-10335-2010059690.htm
[11] Gong Y, Wei Y J, Cheng J H, et al. Health risk assessment and personal exposure to Volatile Organic Compounds (VOCs) in metro carriages-a case study in Shanghai, China[J]. Science of the Total Environment, 2017, 574: 1432-1438. DOI:10.1016/j.scitotenv.2016.08.072
[12] Shiohara N, Fernández-Bremauntz A A, Jiménez S B, et al. The commuters' exposure to volatile chemicals and carcinogenic risk in Mexico City[J]. Atmospheric Environment, 2005, 39(19): 3481-3489. DOI:10.1016/j.atmosenv.2005.01.064
[13] Öberg T, Bergbäck B. A review of probabilistic risk assessment of contaminated land (12 pp)[J]. Journal of Soils and Sediments, 2005, 5(4): 213-224. DOI:10.1065/jss2005.08.143
[14] Chen S C, Liao C M. Health risk assessment on human exposed to environmental polycyclic aromatic hydrocarbons pollution sources[J]. Science of the Total Environment, 2006, 366(1): 112-123. DOI:10.1016/j.scitotenv.2005.08.047
[15] 于云江, 向明灯, 孙朋. 健康风险评价中的不确定性[J]. 环境与健康杂志, 2011, 28(9): 835-838.
Yu Y J, Xiang M D, Sun P. Uncertainty in health risk assessment:a review of recent related studies[J]. Journal of Environment and Health, 2011, 28(9): 835-838.
[16] 谢毅. 轿车内有害挥发物来源及其健康风险评价[J]. 环境科学导刊, 2016, 35(4): 82-85.
Xie Y. The sources and health risk assessment of harmful volatile substances inside of car[J]. Environmental Science Survey, 2016, 35(4): 82-85.
[17] 陈小开, 罗会龙, 程赫明. 汽车室内空气品质的研究进展[J]. 制冷与空调(四川), 2014, 28(5): 615-618.
Chen X K, Luo H L, Cheng H M. Research development for indoor air quality of car[J]. Refrigeration & Air Conditioning, 2014, 28(5): 615-618.
[18] Brodzik K, Faber J, Łomankiewicz D, et al. In-vehicle VOCs composition of unconditioned, newly produced cars[J]. Journal of Environmental Sciences, 2014, 26(5): 1052-1061. DOI:10.1016/S1001-0742(13)60459-3
[19] Zhao W, Al-Nasser L F, Shan S Y, et al. Detection of mixed volatile organic compounds and lung cancer breaths using chemiresistor arrays with crosslinked nanoparticle thin films[J]. Sensors and Actuators B:Chemical, 2016, 232: 292-299. DOI:10.1016/j.snb.2016.03.121
[20] Zhao L R, Wang X M, He Q S, et al. Exposure to hazardous volatile organic compounds, PM10 and CO while walking along streets in urban Guangzhou, China[J]. Atmospheric Environment, 2004, 38(36): 6177-6184. DOI:10.1016/j.atmosenv.2004.07.025
[21] 王宇. 北京市典型道路空气中挥发性有机物污染特征与模拟[D]. 北京: 北京林业大学, 2014.
Wang Y. Pollution characteristics and modeling of volatile organic compounds on typical urban roads in Beijing[D]. Beijing: Beijing Forestry University, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10022-1014324768.htm
[22] Chan L Y, Lau W L, Wang X M, et al. Preliminary measurements of aromatic VOCs in public transportation modes in Guangzhou, China[J]. Environment International, 2003, 29(4): 429-435. DOI:10.1016/S0160-4120(02)00189-7
[23] Wang P, Zhao W. Assessment of ambient volatile organic compounds (VOCs) near major roads in urban Nanjing, China[J]. Atmospheric Research, 2008, 89(3): 289-297. DOI:10.1016/j.atmosres.2008.03.013
[24] 王宗爽, 段小丽, 刘平, 等. 环境健康风险评价中我国居民暴露参数探讨[J]. 环境科学研究, 2009, 22(10): 1164-1170.
Wang Z S, Duan X L, Liu P, et al. Human exposure factors of Chinese people in environmental health risk assessment[J]. Research of Environmental Sciences, 2009, 22(10): 1164-1170.
[25] 中国人民共和国环境保护部. 中国人群暴露参数手册(成人卷)[M]. 北京: 中国环境科学出版社, 2013.
Ministry of Environmental Protection of the People's Republic of China. Exposure factors handbook of Chinese population (Adults)[M]. Beijing: China Environmental Press, 2013.
[26] Bieda B. Stochastic approach to municipal solid waste landfill life based on the contaminant transit time modeling using the Monte Carlo (MC) simulation[J]. Science of the Total Environment, 2013, 442: 489-496. DOI:10.1016/j.scitotenv.2012.10.032
[27] Wang H T, Chen T Y, Weng C W, et al. Acrolein preferentially damages nucleolus eliciting ribosomal stress and apoptosis in human cancer cells[J]. Oncotarget, 2016, 7(49): 80450-80464.
[28] Karman D, Noseworthy L, Graham L, et al. Motor vehicle related air toxic measurements along an urban street[A]. In: International Symposium on the Measurement of Toxic and Related Air Pollutants[C] US: Air & Waste Management Association, US EPA, Research Triangle Park, 2000.
[29] Batterman S A, Peng C Y, Braun J. Levels and composition of volatile organic compounds on commuting routes in Detroit, Michigan[J]. Atmospheric Environment, 2002, 36(39-40): 6015-6030. DOI:10.1016/S1352-2310(02)00770-7
[30] Chertok M, Voukelatos A, Sheppeard V, et al. Comparison of air pollution exposure for five commuting modes in Sydney-car, train, bus, bicycle and walking[J]. Health Promotion Journal of Australia, 2004, 15(1): 63-67. DOI:10.1071/HE04063
[31] Kim Y M, Harrad S, Harrison R M. Concentrations and sources of VOCs in urban domestic and public microenvironments[J]. Environmental Science & Technology, 2001, 35(6): 997-1004.
[32] Pang X B, Mu Y J. Characteristics of carbonyl compounds in public vehicles of Beijing city:concentrations, sources, and personal exposures[J]. Atmospheric Environment, 2007, 41(9): 1819-1824. DOI:10.1016/j.atmosenv.2006.10.057
[33] Moschandreas D J, Watson J, D'Abreton P, et al. Chapter three:methodology of exposure modeling[J]. Chemosphere, 2002, 49(9): 923-946. DOI:10.1016/S0045-6535(02)00237-0