CC BY
30УДК 004.942
К ВОПРОСУ О СОВЕРШЕНСТВОВАНИИ ИНФОРМАЦИОННОГО ПРОЦЕССА МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ОПАСНОГО ВОЗДЕЙСТВИЯ ТРАНСПОРТНЫХ ВЫБРОСОВ НА СРЕДУ ОБИТАНИЯ И НАСЕЛЕНИЕ
О.В. Ложкина, доктор технических наук, доцент. Санкт-Петербургский университет ГПС МЧС России. В.И. Комашинский, доктор технических наук, доцент. Институт проблем транспорта им. Н.С. Соломенко Российской академии наук
Описывается метод совершенствования информационного процесса мониторинга и прогнозирования опасного воздействия транспортных выбросов на среду обитания и население, основанный на адаптации данных о структуре и интенсивности движения автотранспортных потоков, получаемых в реальном режиме времени от автоматизированной системы учета транспортных средств Санкт-Петербурга. Предложены научно обоснованные факторы эмиссии поллютантов (угарного газа, оксидов азота, углеводородов и мелкодисперсных взвешенных частиц) для учетных категорий автотранспорта автоматизированной системы учета транспортных средств. Приведены результаты апробации разработанной методики на примере численного исследования загрязнения воздуха вблизи автодорог с высокой интенсивностью движения - Пулковского шоссе и Софийской улицы. Результаты расчета хорошо коррелируют с данными автоматической системы мониторинга загрязнения воздуха Северной столицы.
Ключевые слова: информационный процесс, мониторинг, прогнозирование, загрязнение воздуха, автотранспорт
IMPROVING THE INFORMATION PROCESS OF MONITORING
AND FORECASTING THE HAZARDOUS IMPACT OF EXHAUST EMISSIONS
ON THE ENVIRONMENT AND POPULATION
O.V. Lozhkina. Saint-Petersburg university of State fire service of EMERCOM of Russia. V.I. Komashinsky. Solomenko institute of transport problems of Russian academy of sciences
The paper describes an approach for improving the information process of monitoring and predicting the hazardous impact of transport emissions on the environment and population. The approach adapts the data on the structure and intensity of traffic flows received in real time from the automatic control system of vehicle flows in St. Petersburg. There are also proposed emission factors for major pollutants (carbon monoxide, nitrogen oxides, hydrocarbons and fine suspended particles) for vehicles' categories of the automatic control system of vehicle flows. The paper also describes the results of the approbation of the developed methodology by estimating air pollution near roads with high traffic intensity - Pulkovskoye highway and Sofiyskaya street. The calculation results correlate well with the data of the automatic air pollution monitoring system of the city.
Keywords: information process, monitoring, forecasting, air pollution, road transport
16
Введение
Независимые исследования ученых по всему миру показывают, что в крупных городах с развитой автодорожной инфраструктурой на автомобильный транспорт приходится более 50 % валовых выбросов загрязняющих веществ и парниковых газов [1-5].
Эффективность управления экологической безопасностью существенно зависит от качества мониторинга текущей обстановки и достоверности прогнозирования ситуации в будущем в различных пространственно-временных масштабах (от локальных краткосрочных до глобальных долгосрочных), а также эффективности сбора входных информационных данных, адекватности расчетных моделей, эффективности обработки получаемых больших объемов экспериментально-расчетных данных [6-9].
В силу объективной невозможности оснащения всей улично-дорожной сети (УДС) городов дорогостоящим измерительным оборудованием в Российской Федерации и за рубежом, наряду с экспериментальным контролем, проводится расчетный мониторинг загрязнения воздушной среды автотранспортом с помощью специально разработанных для этих целей методических подходов (моделей) и программного обеспечения. В странах Северной и Южной Америки наибольшее распространение получили модели Moves и Mobile [10, 11], в Евросоюзе - COPERT и COPERT Street level [12, 13]. В Российской Федерации расчет выбросов загрязняющих веществ от автотранспорта может проводиться по методикам, разработанным НИИ Атмосфера (Санкт-Петербург) и Научно-исследовательским институтом автомобильного транспорта (Москва) [14, 15].
Ключевой входной информацией для таких моделей являются сведения о структуре и интенсивности движения автотранспортных потоков (АТП) на обследуемом участке УДС, от точности значения которых зависит достоверность расчета выбросов от АТП и результаты расчетного прогнозирования полей приземных концентраций поллютантов вблизи автодорог [16-19]. Ранее для сбора этой информации требовалось привлечение наблюдателей, которые в течение определенного времени (не менее 20 минут) визуально подсчитывали число автотранспортных средств в каждой точке наблюдения, такой метод, во-первых, имеет субъективный характер (человеческий фактор), во-вторых, имеет серьезные ограничения по масштабу использования - затруднительно привлечение большого числа наблюдателей для выполнения натурного обследования с максимальным «покрытием» территории. Перспективным решением данной проблемы является внедрение и использование автоматизированной системы учета транспортных средств (АСУТС), которой оснащаются автодороги в городах нашей страны в рамках реализации аппаратно-программного комплекса «Безопасный город» и развития Интеллектуальных транспортных систем (ИТС). Они позволяют в режиме реального времени с необходимой периодичностью получать информацию о структуре АТП и далее преобразовывать ее в информацию о выбросах загрязняющих веществ (ЗВ) и в информацию об экологической ситуации.
Задачами настоящего исследования явились:
- совершенствование информационного процесса мониторинга и прогнозирования опасного загрязнения воздушной среды автотранспортом с использованием данных о структуре и интенсивности движения АТП, получаемых от АСУТС Санкт-Петербурга;
- обоснование факторов эмиссии ЗВ для учетных категорий автотранспортных средств АСУТС;
- апробация предложенного методического подхода путем расчетного исследования загрязнения воздушной среды вблизи высоко загруженных автодорог Санкт-Петербурга при неблагоприятных метеорологических условиях.
Объекты и методы исследования
В качестве объектов исследования были выбраны две автодороги Санкт-Петербурга с интенсивным движением автотранспорта, в том числе грузового, оснащенные автоматизированной системой учета АТС, а именно ул. Софийская (участок от пр. Славы
17
до ул. Белы Куна, длина участка составляет 1,67 км, ширина проезжей части - 24 м, шесть полос движения) и Пулковское шоссе (участок от Дунайского пр. до Кольцевой автомобильной дороги (КАД), длина участка составляет 2,15 км, ширина проезжей части -32 м, восемь полос движения).
Данные автоматизированной системы учета автотранспорта были любезно предоставлены Комитетом по развитию транспортной инфраструктуры Санкт-Петербурга.
Ключевым моментом при разработке методик, предназначенных для оценки выбросов ЗВ от автотранспортных средств, является определение факторов эмиссии - усредненных удельных пробеговых выбросов (г/км или г/с) для учетных категорий транспортных средств.
Факторы эмиссии ЗВ для учетных категорий АТС обосновывались с учетом анализа собственных экспериментальных данных, значений удельных выбросов поллютантов Методики определения выбросов вредных (загрязняющих) веществ в атмосферный воздух от автотранспортных потоков, движущихся по автомагистралям Санкт-Петербурга, утвержденной распоряжением Комитета по природопользованию, охране окружающей среды и обеспечению экологической безопасности Администрации Санкт-Петербурга № 33-р от 29 января 2019 г. (Методика), информационной базы факторов эмиссии руководства по инвентаризации выбросов загрязняющих веществ Европейского Союза EMEP/EA [20]. При их назначении также учитывалась структура автопарка Санкт-Петербурга - распределение автомобилей по экологическим классам, возрасту, типу используемого топлива (бензин, дизельное топливо, сжатый природный газ).
Оценка выбросов ЗВ автотранспортными потоками и расчет концентрационных полей их рассеивания в придорожном воздухе проводились с использованием программных продуктов «Магистраль» и «Эколог» фирмы «Интеграл» (Санкт-Петербург) после внесения в них изменений, соответствующих задачам и условиям исследования.
Результаты и обсуждение
В принятых в Российской Федерации методиках расчета выбросов ЗВ от автотранспорта, в том числе в вышеупомянутой Методике, учет АТС ведется по пяти легкоидентифицируемым для наблюдателей категориям: легковые автомобили, легкий коммерческий транспорт (микроавтобусы и автофургоны до 3,5 т), грузовые автомобили от 3,5 до 12 т, грузовые автомобили свыше 12 т (автопоезда), автобусы. Классификационными признаками служат тип АТС и грузоподъемность. Именно для этих категорий установлены значения усредненных удельных выбросов (факторов эмиссии) ЗВ.
В системе автоматизированного учета, которой оборудованы автодороги Санкт-Петербурга, в качестве классификационного признака выступает линейный размер автотранспортного средства - его длина. Учет ведется по шести категориям АТС (Mid Size 1, Mid Size 2, Long Veh 1, Long Veh 2, XLong Veh, Volume) по каждой полосе движения. Для АТП на каждой полосе движения также определяется средняя скорость потока. Информация обновляется каждые 5 минут. На рис. 1 представлен пример текстового файла, генерируемого АСУТС.
28 04 2017 10:15:00 MESSAGE NO. 3 VOLUME
MID SIZE 1 MID SIZE 2 LONG VEH 1 LONG VEH 2 XLONG VEH
STATION ID. 6 OCCUPANCY
FWDLK SPEED ? SIDEFRD SPD Dir. 128 V. 123 H. 16
Рис. 1. Фрагмент текстового файла АСУТС
25 37 22
0 5 5
4 2 0
12 0 110
2 2 0
3 4 1
79 83 75
18
Анализ сведений об АСУТС показал, что значение «Volume» отражает общую численность ТС на дороге, значение «Mid Size 1» - численность микроавтобусов и автофургонов, значения «Mid Size 2», «Long Veh 1», «Long Veh 2» и «X long» - число грузовых автомобилей. Тогда число легковых АТС (Cars) можно определить по формуле:
Cars=Volume-£ Мi d S i z e 1 + Mid Size 2+Long Veh 1+Long Veh 2+X long.
На городской УДС с регулируемым движением средняя скорость потока практически одинакова для всех категорий ТС и составляет в часы пик 15-35 км/ч, а не в часы пик -40-70 км/ч, поэтому для проведения расчета вполне обосновано использование усредненных значений скоростей для всего АТП, а не для каждой категории в отдельности.
В новой Методике, разработанной специально для Санкт-Петербурга, описана последовательность адаптации к ее расчетному аппарату данных о структуре АТП и интенсивности движения, получаемых от датчиков АСУТС. С точки зрения авторов, в качестве дополнения к уже существующему аппарату и в контексте развития экологических приложений ИТС целесообразно определение факторов эмиссии поллютантов для учетных категорий ТС автоматизированной системы.
Значения факторов эмиссии основных поллютантов (угарного газа ^O), оксидов азота (NOX), углеводородов (CH), мелкодисперсных взвешенных частиц РМ25, определенные с учетом анализа удельных пробеговых выбросов, установленных для каждой категории ТС, и представительности этих категорий в структуре эксплуатируемого в Санкт-Петербурге автотранспорта, приведены в табл. 1.
Таблица 1. Усредненные удельные пробеговые выбросы (факторы эмиссии) поллютантов для
учетных категорий автотранспорта АСУТС, г/км
Категория АТС в АСУТС Cars Mid Size 1 Mid Size 2 Long Veh 1 Long Veh 2 X long
CO 0,81 4,18 4,76 4,91 5,13 5,21
NOx 0,27 1,65 4,32 5,83 6,82 7,54
CH 0,24 0,63 0,87 1,4 1,83 3,11
РМ2.5 (exhaust) 0,005 0,034 0,14 0,34 0,41 0,62
Примечание: Сяге - легковые автомобили; Mid Size 1 - легкий коммерческий транспорт до 3,5 т; Mid Size 2 - грузовые автомобили и автобусы средней длины; Long Veh 1 - грузовые автомобили и автобусы большой длины 1; Long Veh 2 - грузовые автомобили и автобусы большой длины 2; X long - сверхдлинные грузовые автомобили и сочлененные автобусы
В табл. 2 представлены усредненные (с 20-минутным осреднением) и обобщенные (по полосам движения) данные о структуре АТП, полученные с помощью АСУТС для исследуемых участков ул. Софийской и Дунайского пр. Санкт-Петербурга в часы пик в марте-апреле 2018 г.
Для проведения расчетов выбросов от автотранспортных потоков использовалось программное обеспечение «Магистраль», в исходные базы которого были введены новые категории АТС (согласно АСУТС) и для этих категорий - факторы эмиссии ЗВ (табл. 1).
Результаты расчета выбросов от автотранспортных потоков синхронно передаются в расчетной модуль «Эколога», с помощью которого осуществляется численное прогнозирование загрязнения воздушной среды при неблагоприятных метеорологических условиях (НМУ).
Результаты расчетного прогнозирования загрязнения придорожного воздуха диоксидом азота (NO2) при НМУ на исследуемых участках Пулковского шоссе и ул. Софийской Санкт-Петербурга визуализированы на рис. 2, 3 соответственно.
19
Таблица 2. Структура автотранспортных потоков на ул. Софийской и Дунайском пр. Санкт-Петербурга по данным АСУТС в часы пик в марте-апреле 2018 г.
Участок УДС Интенсивность движения авт./20 мин Скорость, км/ч
Cars Mid Size 1 Mid Size 2 Long Veh 1 Long Veh 2 X Volume
Пулковское ш. (Дунайский пр. - КАД) 808 238 50 21 13 26 1156 60
Пулковское ш. (КАД - Дунайский пр.) 625 250 56 19 15 15 980 60
Пулковское ш. в обоих направлениях 1433 488 106 40 28 41 2136 60
Софийская ул. (пр. Славы -ул. Белы Куна) 449 140 33 16 8 9 655 45
Софийская ул. (ул. Белы Куна - пр. Славы) 289 92 32 15 10 35 475 45
Софийская ул. (в обоих направлениях) 738 232 65 31 18 44 1130 45
Дунайский пр.
и
-Пулковское шоссе
КАД
Рис. 2. Расчетное прогнозирование загрязнения воздушной среды в долях ПДК диоксидом азота вблизи Пулковского шоссе Санкт-Петербурга при неблагоприятных метеоусловиях и высокой
транспортной нагрузке
Полученные результаты свидетельствуют о том, что при неблагоприятных метеорологических условиях для рассеивания опасных примесей в воздухе (штилевой погоде, температурной инверсии, высокой инсоляции) и высокой транспортной нагрузке (6 408 авт./ч на Пулковском шоссе и 3 390 авт./ч на ул. Софийской) вблизи Пулковского шоссе, где доля грузового транспорта и автобусов составляет 10 %, могут формироваться высокие приземные концентрации диоксида азота, превышающие ПДК непосредственно на дороге в три-пять раз и в ее окрестностях в 1,3-2,0 раза. На ул. Софийской, где доля крупнотоннажных АТС составляет 14 %, содержание NO2 в придорожном воздухе может достигать 2-4 ПДК на автодороге, а в прилегающих жилых кварталах 1,1-1,5 ПДК (рис. 2, 3 соответственно).
20
Рис. 3. Расчетное прогнозирование загрязнения воздушной среды в долях ПДК диоксидом азота вблизи ул. Софийской Санкт-Петербурга при неблагоприятных метеоусловиях и высокой
транспортной нагрузке
По мелкодисперсным взвешенным частицами PM2,5 возможно превышение ПДК на Пулковском шоссе и в его окрестностях до 2,5 и 1,5 раз соответственно, а на ул. Софийской и в ее окрестностях - до 1,7 и 1,2 раз соответственно.
В то же время концентрации угарного газа и углеводородов не будут превышать установленные нормативные значения.
Полученные расчетные значения хорошо коррелируют с данными автоматической системы мониторинга качества воздушной среды Санкт-Петербурга [21].
Формирование единого комплексного подхода к обеспечению техносферной безопасности транспортных систем в городах стало приоритетной задачей современного общества, и, как показывает опыт развития и внедрения аппаратно-программного комплекса «Безопасный город», решение задач подобного рода невозможно без активного использования последних достижений в сфере информационных и телекоммуникационных технологий, в том числе системы сбора и структурирования информации о транспортных потоках. Такая информация не только обеспечивает основу для мониторинга и управления дорожным движением в режиме реального времени, но и может быть использована для расчетного мониторинга загрязнения воздуха в окрестности автомагистралей.
В результате проведенного исследования был предложен научно обоснованный подход для адаптации данных о структуре и интенсивности движения автотранспортных потоков, получаемых от АСУТС Санкт-Петербурга, для расчетного мониторинга и прогнозирования выбросов от АТП и загрязнения воздуха в окрестностях автодорог. Впервые были обоснованы факторы эмиссии ключевых поллютантов (угарного газа, оксидов азота, углеводородов, мелкодисперсных взвешенных частиц РМ25) для учетных категорий автотранспорта АСУТС. Была также проведена апробация разработанной методики на примере численного исследования загрязнения воздуха вблизи автодорог с высокой интенсивностью движения - Пулковского шоссе и ул. Софийской. Результаты расчета хорошо коррелируют с данными автоматической системы мониторинга загрязнения воздуха Северной столицы, что подтверждает состоятельность предложенного метода.
21
Литература
1. Barnes J.H., Chatterton T.J., Longhurst J.W.S. Emissions vs exposure: Increasing injustice from road traffic-related air pollution in the United Kingdom // Transportation Research Part D: Transport and Environment. 2019. V. 73. P. 56-66.
2. Font A., Guiseppin L., Blangiardo M., Ghersi V., Fuller G.W. A tale of two cities: is air pollution improving in Paris and London? // Environmental Pollution. 2019. V. 249. P. 1-12.
3. Amato F., Favez O., Pandolfi M., Alastuey A., Querol X., Moukhtar S., Sciare, J. Traffic induced particle resuspension in Paris: Emission factors and sourcecontributions // Atmos. Environ. 2016. V. 129. P. 114-124.
4. Zhang S., Wu Y., Hu J., Huang R., Zhou Y., Bao X., Fu L., Hao J. Can Euro V heavy-duty diesel engines, diesel hybrid and alternative fuel technologies mitigate NOX emissions? New evidence from on-road tests of buses in China // Appl. Energy. 2014. V. 132. P. 118-126.
5. Yakubovich A.N., Yakubovich I.A., Trofimenko Y.V., Shashina E.V. Intelligent management system of the automobile road's technical and operational condition in the Cryolithozone // In proceedings of «Systems of Signals Generating and Processing in the Field of on-Board Communications, SOSG 2019». 2019. e8706742.
6. Lozhkin V., Gavkalyuk B., Lozhkina O., Evtukov S., Ginzburg G. Monitoring of extreme air pollution on ring roads with PM2,5 soot particles considering their chemical composition (case study of Saint Petersburg) // Transportation Research Procedia. 2020. V. 50. P. 381-388.
7. Lozhkina O., Rogozinsky G., Lozhkin V., Malygin I., Komashinsky V. Smart Technologies for Decision-Support in the Management of Environmental Safety of Transportation in Big Port Cities // Marine Intellectual Technologies. 2020. Vol. 1. № 2 (48). P.125-133.
8. Lozhkin V., Lozhkina O., Rogozinsky G., Malygin I. On Information Technology Development for Monitoring of Air Pollution by Road and Water Transport in Large Port Cities // Modern Information Technology and IT Education. SITITO 2018. Communications in Computer and Information Science. 2020. V. 1201. P. 384-396.
9. Lozhkina O., Lozhkin V., Seliverstov S., Kripak M. Forecasting of dangerous air pollution by cruise ships and motor vehicles in the areas of their joint influence in Sevastopol, Vladivostok and St. Petersburg // Water and Ecology. 2020. № 1 (81). P. 38-50.
10. Vallamsundar S., Lin J. Overview of U.S EPA New Generation Emission Model: MOVES // ACEEE Int. J. on Transportation and Urban Development. 2011. V. 1. № 1.
11. Guevara M., Tena C., Soret A., Serradell K., Guzman D., Retama A., Camacho P., Jaimes-Palomera M., Mediavilla A. An emission processing system for air quality modelling in the Mexico City metropolitan area: Evaluation and comparison of the MOBILE6.2-Mexico and MOVES-Mexico traffic emissions // Sci. Total Environ. 2017. V. 584-585. P. 882-900.
12. Ntziachristos L., Gkatzoflias D., Kouridis C., Samaras Z. COPERT: A European Road Transport Emission. Proceedings of the 4th International ICSC Symposium, Thessaloniki. 2009. P.491-504.
13. Samaras Ch., Ntziachristos L., Samaras Z. COPERT Micro: a tool to calculate the vehicle emissions in urban areas. Transport Research Arena 2014, Paris. URL: https://www.researchgate.net/figure/COPERT-Micro-user-interface-main-sheet_fig2_304479953 (дата обращения: 11.04.2021).
14. Методика определения выбросов загрязняющих веществ в атмосферный воздух от передвижных источников для проведения сводных расчетов загрязнения атмосферного воздуха (утв. приказом Минприроды России от 27 нояб. 2019 г. № 804, зарег. в Минюсте России 24 дек. 2019 г. № 56957). Доступ из справ.-правового портала «Гарант».
15. Расчетная инструкция (методика) по инвентаризации выбросов загрязняющих веществ от автотранспортных средств на территории крупнейших городов. М., 2012.
16. Zhang Sh., Niu T., Wu Y. [et al.]. Fine-grained vehicle emission management using intelligent transportation system data // Environmental Pollution. 2018. V. 241. P. 1027-1037.
22
17. Yang Zh., Peng J., Wu L. et al. Speed-guided intelligent transportation system helps achieve low-carbon and green traffic: Evidence from real-world measurements // Journal of Cleaner Production. 2020. V. 268. 122230.
18. К вопросу о развитии информационно-коммуникационного процесса управления экологической безопасностью автомобильного транспорта в городах / О.В. Ложкина [и др.] // Проблемы управления рисками в техносфере. 2016. № 4 (40). С. 91-98.
19. Ложкина О.В., Ложкин В.Н., Комашинский В.И. К вопросу о развитии информационного процесса мониторинга экологической безопасности автомобильного и водного транспорта большого города (на примере Санкт-Петербурга) // Вопросы оборонной техники. Сер. 16: Технические средства противодействия терроризму. 2018. № 1-2 (115-116). С. 160-166.
20. EMEP/EEA air pollutant emission inventory guidebook 2016. Technical guidance to prepare national emission inventories. URL: https://www.eea.europa.eu/publications/emep-eea-guidebook-2016 (дата обращения: 25.02.2021).
21. Доклад об экологической ситуации в Санкт-Петербурге в 2018 году / под ред. И. А. Серебрицкого. СПб.: ООО «Сезам-принт», 2019. 264 с.
References
1. Barnes J.H., Chatterton T.J., Longhurst J.W.S. Emissions vs exposure: Increasing injustice from road traffic-related air pollution in the United Kingdom // Transportation Research Part D: Transport and Environment. 2019. V. 73. P. 56-66.
2. Font A., Guiseppin L., Blangiardo M., Ghersi V., Fuller G.W. A tale of two cities: is air pollution improving in Paris and London? // Environmental Pollution. 2019. V. 249. P. 1-12.
3. Amato F., Favez O., Pandolfi M., Alastuey A., Querol X., Moukhtar S., Sciare, J. Traffic induced particle resuspension in Paris: Emission factors and sourcecontributions // Atmos. Environ. 2016. V. 129. P. 114-124.
4. Zhang S., Wu Y., Hu J., Huang R., Zhou Y., Bao X., Fu L., Hao J. Can Euro V heavy-duty diesel engines, diesel hybrid and alternative fuel technologies mitigate NOX emissions? New evidence from on-road tests of buses in China // Appl. Energy. 2014. V. 132. P. 118-126.
5. Yakubovich A.N., Yakubovich I.A., Trofimenko Y.V., Shashina E.V. Intelligent management system of the automobile road's technical and operational condition in the Cryolithozone // In proceedings of «Systems of Signals Generating and Processing in the Field of on-Board Communications, SOSG 2019». 2019. e8706742.
6. Lozhkin V., Gavkalyuk B., Lozhkina O., Evtukov S., Ginzburg G. Monitoring of extreme air pollution on ring roads with PM2,5 soot particles considering their chemical composition (case study of Saint Petersburg) // Transportation Research Procedia. 2020. V. 50. P. 381-388.
7. Lozhkina O., Rogozinsky G., Lozhkin V., Malygin I., Komashinsky V. Smart Technologies for Decision-Support in the Management of Environmental Safety of Transportation in Big Port Cities // Marine Intellectual Technologies. 2020. Vol. 1. № 2 (48). P. 125-133.
8. Lozhkin V., Lozhkina O., Rogozinsky G., Malygin I. On Information Technology Development for Monitoring of Air Pollution by Road and Water Transport in Large Port Cities // Modern Information Technology and IT Education. SITITO 2018. Communications in Computer and Information Science. 2020. V. 1201. P. 384-396.
9. Lozhkina O., Lozhkin V., Seliverstov S., Kripak M. Forecasting of dangerous air pollution by cruise ships and motor vehicles in the areas of their joint influence in Sevastopol, Vladivostok and St. Petersburg // Water and Ecology. 2020. № 1 (81). P. 38-50.
10. Vallamsundar S., Lin J. Overview of U.S EPA New Generation Emission Model: MOVES // ACEEE Int. J. on Transportation and Urban Development. 2011. V. 1. № 1.
11. Guevara M., Tena C., Soret A., Serradell K., Guzman D., Retama A., Camacho P., Jaimes-Palomera M., Mediavilla A. An emission processing system for air quality modelling in the Mexico City metropolitan area: Evaluation and comparison of the MOBILE6.2-Mexico and MOVES-Mexico traffic emissions // Sci. Total Environ. 2017. V. 584-585. P. 882-900.
23
12. Ntziachristos L., Gkatzoflias D., Kouridis C., Samaras Z. COPERT: A European Road Transport Emission. Proceedings of the 4th International ICSC Symposium, Thessaloniki. 2009. P.491-504.
13. Samaras Ch., Ntziachristos L., Samaras Z. COPERT Micro: a tool to calculate the vehicle emissions in urban areas. Transport Research Arena 2014, Paris. URL: https://www.researchgate.net/figure/COPERT-Micro-user-interface-main-sheet_fig2_304479953 (data obrashcheniya: 11.04.2021).
14. Metodika opredeleniya vybrosov zagryaznyayushchih veshchestv v atmosfernyj vozduh ot peredvizhnyh istochnikov dlya provedeniya svodnyh raschetov zagryazneniya atmosfernogo vozduha (utv. prikazom Minprirody Rossii ot 27 noyab. 2019 g. № 804, zareg. v Minyuste Rossii 24 dek. 2019 g. № 56957). Dostup iz sprav.-pravovogo portala «Garant».
15. Raschetnaya instrukciya (metodika) po inventarizacii vybrosov zagryaznyayushchih veshchestv ot avtotransportnyh sredstv na territorii krupnejshih gorodov. M., 2012.
16. Zhang Sh., Niu T., Wu Y. et al. Fine-grained vehicle emission management using intelligent transportation system data // Environmental Pollution. 2018. V. 241. P. 1027-1037.
17. Yang Zh., Peng J., Wu L. [et al.]. Speed-guided intelligent transportation system helps achieve low-carbon and green traffic: Evidence from real-world measurements // Journal of Cleaner Production. 2020. V. 268. 122230.
18. Lozhkina O.V., Lozhkin V.N., Malygin I.G., Komashinskij V.I. K voprosu o razvitii informacionno-kommunikacionnogo processa upravleniya ekologicheskoj bezopasnost'yu avtomobil'nogo transporta v gorodah // Problemy upravleniya riskami v tekhnosfere. 2016. № 4 (40). S. 91-98.
19. Lozhkina O.V., Lozhkin V.N., Komashinskij V.I. K voprosu o razvitii informacionnogo processa monitoringa ekologicheskoj bezopasnosti avtomobil'nogo i vodnogo transporta bol'shogo goroda (na primere Sankt-Peterburga) // Voprosy oboronnoj tekhniki. Ser. 16: Tekhnicheskie sredstva protivodejstviya terrorizmu. 2018. № 1-2 (115-116). S. 160-166.
20. EMEP/EEA air pollutant emission inventory guidebook 2016. Technical guidance to prepare national emission inventories. URL: https://www.eea.europa.eu/publications/emep-eea-guidebook-2016 (data obrashcheniya: 25.02.2021).
21. Doklad ob ekologicheskoj situacii v Sankt-Peterburge v 2018 godu / pod red. I.A. Serebrickogo. SPb.: OOO «Sezam-print», 2019. 264 c.
24
