I takt med att städer växer ökar problemen med buller och luftföroreningar. Trafiken är en stor bidragande orsak till deras uppkomst och det är viktigt att utforma städer så att båda förebyggs. Höga ljudnivåer kan leda till sömnstörningar, stress och högt blodtryck. Enligt Trafikverket uppskattas buller även leda till 500 dödsfall per år i Sverige till följd av hjärtinfarkter och stroke. Luftföroreningar beräknas i sin tur leda till 5500 förtida dödfall årligen i Sverige. Syftet var att undersöka hur metoder som utförs för att minska buller påverkar luftföroreningshalter. Finns det synergieffekter medförande att båda minskar, eller målkonflikter som leder till att båda ökar? För att studera detta modellerades olika scenarier i beräkningsprogrammet CadnaA: rondell/korsning, tyst/vanlig asfalt, stängda kvarter/fristående hus, runda/fyrkantiga hus, olika skärmalternativ samt sänkt hastighet från 50 till 30 km/h. Ekvivalenta samt maximala ljudnivåer för de olika varianterna beräknades. För att kunna undersöka hur luftkvaliteten påverkades användes tillägget AUSTAL2000 för att beräkna års- samt timmedelvärde för NO2 samt dygnsmedel PM10 och årsmedel PM2,5. Bullerdämpande skärmar gav en synergieffekt. Samtliga föroreningar minskade och minskningen var som störst om en skärm placerades på båda sidor om vägen. Dock var halterna högre på vägen med dubbla skärmar, men lägre vid byggnaderna. En synergieffekt visades även för runt hus som ledde till lägre föroreningshalter och ljudnivåer. En målkonflikt identifierades för scenariot med sänkt hastighet. 30 km/h gav lägre buller jämfört med 50 km/h, däremot ökade NO2-halterna medan partikelhalterna var oförändrade. Andra studier har dock visat det motsatta, att sänkt hastighet leder till lägre NOx-halter. Korsning, tyst asfalt och stängda kvarter gav lägst ljudnivåer. För luftföroreningarna var resultatet mer spretigt. Rondell gav lägst NO2-halter men oförändrade partikelhalter. Dock har tidigare studier visat att även rondell gett lägre ljudnivåer. Tyst asfalt kunde inte tas hänsyn till av modellen varför resultatet inte visade någon skillnad. Tidigare studier pekar inte på någon minskning utan snarare en eventuell ökning. Stängda kvarter gav lägre årsmedel av NO2 och lägre timmedel men oförändrade partikelhalter på innergårdarna. Vid vägen var halterna dock högre för stängda kvarter.

Für die Luftqualitätsbewertung in Städten sind Informationen zur raumzeitlichen Variabilität luftgetragener Feinstäube auf kleiner Skala von wichtiger Bedeutung. Standardisierte Messverfahren, zur Bestimmung von Partikelkonzentrationen, sind mit hohem Aufwand verbunden, weshalb dichte Messnetze fehlen. Partikelausbreitungsmodelle sind kompliziert in der Anwendung und/oder benötigen hohe Computerrechenleistung. Infolgedessen gibt es bezüglich örtlicher Partikelkonzentrationen große Informationslücken. Diese Arbeit untersucht die mikroskalige Variabilität von Aerosolen in Raum und Zeit mit unterschiedlichen Methoden. Es wurden Erhebungen mit mobilen Sensoren und eine Passantenbefragung durchgeführt. Weiterhin wurden in dieser Arbeit die physikalischen Partikeltransportmodelle ENVI-met und Austal2000 in ihrer Leistung bewertet und in angewandten Studien eingesetzt. Weiterhin wurde ein neuronales Netzwerk zur Vorhersage von Partikelkonzentrationen entwickelt. Die Untersuchungen erfolgten in den Städten Aachen und Münster. Es konnten unerwartete Verteilungsmuster hinsichtlich der Massekonzentration von Partikeln beobachtet werden. In einem innerstädtischen Park wurden diffuse Partikelquellen identifiziert, mit einem deutlichen Hinweis darauf, dass feuchtgelagerte Wegedecken einen maßgeblichen Anteil an lokalen Partikelimmissionen hatten. Weiterhin wurde Straßenverkehr als wichtiger Beitrag zum städtischen Aerosol identifiziert. Passanten, die verschiedenen Partikelkonzentrationen ausgesetzt waren, konnten diese perzeptiv nicht unterscheiden. Simulationsergebnisse von Austal2000 und ENVI-met wiesen Unterschätzungen im Vergleich zu Messwerten auf. Das entwickelte neuronale Netzwerk prognostizierte Partikelkonzentrationen teilweise mit hoher Genauigkeit. Das große Potenzial von neuronalen Netzen für die Vorhersage von Partikelkonzentrationen in räumlicher und zeitlicher Ausdehnung, auch für den Bereich der Luftqualitätsüberwachung, wurde aufgezeigt. / Knowledge about the micro-scale variability of airborne particles is a crucial criterion for air quality assessment within complex terrains such as urban areas. Due to the significant costs and time consumption related to the work required for standardized measurements of particle concentrations, dense monitoring networks are regularly missing. Models that simulate the transmission of particles are often difficult to use and/or computationally expensive. As a result, information regarding on-site particle concentrations at small scales is still limited. This thesis explores the micro-scale variability of aerosol concentrations in space and time using different methods. Experimental fieldwork, including measurements with mobile sensor equipment alongside a survey, and modeling approaches were conducted. Applied simulation studies, a performance assessment of two popular particle dispersion models, namely Austal2000 and ENVI-met, as well as the development of an ANN model are presented. The cities of Aachen and Münster were chosen as case studies for this research. Unexpected patterns of particle mass concentrations could be observed, including the identification of diffuse particle sources inside a park area with strong evidence that unpaved surfaces contributed to local aerosol concentration. In addition, vehicle traffic was proved to be a major contributor of particles, particularly close to traffic lanes. Results of the survey reveal that people were not able to distinguish between different aerosol concentration levels. Austal2000 and ENVI-met turned out to have room for improvement in terms of the reproduction of observed particle concentration levels, with both models having a tendency toward underestimation. The newly developed ANN model was confirmed to be a fairly accurate tool for predicting aerosol concentrations in both space and time, and demonstrates the principal ability of the approach also in the domain of air quality monitoring.