Wpływ ruchu samochodowego oraz warunków meteorologicznych na stężenia tlenków azotu

• Autorzy: Kamińska J. A. , Chalfen M. , Szczucka-Lasota B.

Warianty tytułu

EN

The impact of traffic flow and meteorological conditions on nitrogen oxides concentration

• Języki publikacji: PL

Abstrakty

PL

W pracy określono wpływ transportu drogowego mierzonego natężeniem ruchu samochodowego oraz warunków meteorologicznych (temperatura, kierunek i prędkość wiatru, ciśnienie powietrza, wilgotność względna) na stężenia NO₂ oraz NO_x w powietrzu w kanionie komunikacyjnym. Badania przeprowadzono na podstawie godzinowych wartości zmiennych z okresu dwóch lat 2015 i 2016 w jednym punkcie Wrocławia. Określono 5 różnych podzbiorów danych wyznaczonych przez warunki klimatyczne Wrocławia (pory roku). Modelowano zależności regresyjne metodą regresji krokowej postępującej oraz metodą wzmacnianych drzew decyzyjnych. Analizowano dopasowanie modeli tworzonych dla tych podzbiorów oraz udział poszczególnych zmiennych w wyjaśnianiu zmienności stężeń zanieczyszczeń. Wykazano wpływ pory roku zarówno na dopasowanie modelu jak i na udziały poszczególnych predyktorów w wyjaśnianiu wariancji stężeń zanieczyszczeń. Najlepsze dopasowanie wykazały modele tworzone dla okresu zimowego (XII-II). Najważniejszą zmienną objaśniającą w modelowaniu stężeń tlenków azotu była prędkość wiatru oraz natężenie ruchu. Oba rozważane modele z podobną dokładnością opisują badane zależności.

EN

The influence of road transport, measured by traffic intensity, and meteorological conditions (temperature, direction and velocity, air pressure, relative humidity) on NO₂ and NO_x concentrations in air in the communication canal were determined. The research was conducted on the basis of hourly values of variables from the period of two years 2015,2016 at one place in Wroclaw. There were 5 different time subdivisions designated by Wroclaw's climatic conditions (seasons). Regression was modeled using the stepwise regression method and the method of boosted decision trees. The fit of models created for these subsets and the share of individual variables in explaining variations in pollutant concentrations were analyzed. The influence of the seasons on the fit of the model and on the shares of the individual predictors in explaining the variance of pollutant concentrations was shown. The best fit was the models created for the winter (XII-II). The most important explanatory variable in the modeling of nitrogen oxide concentrations was wind speed and traffic intensity. Both models with similar accuracy describe the studied relationships.

Słowa kluczowe

PL

transport drogowy; natężenie ruchu; jakość powietrza

EN

road transport; traffic intensity; air condition

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2017
• Tom: R. 18, nr 12
• Strony: 196--200, CD
• Opis fizyczny: Bibliogr. 12 poz., tab., wykr.

Twórcy

autor

Kamińska J. A.

• Uniwersytet Przyrodniczy we Wrocławiu, Katedra Matematyki

autor

Chalfen M.

• Uniwersytet Przyrodniczy we Wrocławiu, Katedra Matematyki

autor

Szczucka-Lasota B.

• Wyższa Szkoła Zarządzania Ochroną Pracy w Katowicach

Bibliografia

• 1. Aldrin M., Haff I.H., 2005. Generalized additive modelling of air pollution, traffic volume and meteorology. Atmos. Environ. Vol. 39 is.11 p.2145-2155.
• 2. Bertaccini P., Dukic V., Ignaccolo R., Modeling the Short-Term Effect of Traffic and Meteorology on Air Pollution in Turin with Generalized Additive Models. Advances in Meteorology 2012 p.1-16.
• 3. Breiman, L., Friedman, J. H., Olshen, R. A., Stone, C. J., Classification and regression trees. Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software 1984.
• 4. Friedman, J. H., Greedy function approximation: A gradient boosting machine. IMS 1999 Reitz Lecture.1999a.
• 5. Friedman, J. H., Stochastic gradient boosting. Stanford University1999b.
• 6. González-Aparicio I., Hidalgo J., Baklanov A., Padró A., Santa-Coloma O., An hourly PM10 diagnosis model for the Bilbao metropolitan area using a linear regression methodology. Environ. Sci. Pollut. Res., 2013. 20(7), p. 4469-4483.
• 7. Informacja o jakości powietrza na terenie miasta Wrocławia, Wojewódzki Inspektorat Ochrony Środowiska, Wrocław 2016.
• 8. Kamińska J.A., Zjawisko smogu na tle jakości powietrza we Wrocławiu w latach 2012-2016. Inżynieria Ekologiczna, EcologicalIngineering. 2017, vol.18 Iss.5 p. 66-76.
• 9. Laña I., Del Ser J., Pedró A., Vélez M., Casanova-Mateo C., The role of local urban traffic and meteorological conditions in air pollution: A data-based study in Madrid, Spain. Atmos. Environ. 2016, 145, p. 424-438.
• 10. Program ochrony powietrza dla województwa dolnośląskiego, uchwała nr XLVI/1544/14 Sejmiku Województwa Dolnośląskiego z dnia 25 lutego 2014 r.
• 11. Rozporządzenie Ministra Środowiska z dnia 24 sierpnia 2012 r. w sprawie poziomów niektórych substancji w powietrzu (Dz.U.2012.1031).
• 12. Sayegh. A., Tate, J.A., Ropkins, K., Understanding how roadside concentrations of NOx are influenced by the background levels, traffic density, and meteorological conditions using Boosted Regression Trees. Atmos. Environ. 2016, 127, p.163-175.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018)