CC BY
13
^ДИАГНОСТИКА И РЕМОНТ
УДК 656.13
СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ КОНТРОЛЯ ВОЗДЕЙСТВИЯ АВТОТРАНСПОРТА НА КАЧЕСТВО СРЕДЫ ОБИТАНИЯ
О.В. Ложкина1, М.Н. Мешалкина2
1 Санкт-Петербургский университет Государственной противопожарной службы МЧС
России, Россия, 196105, Санкт-Петербург, Московский пр., д. 149;
2Санкт-Петербургский политехнический университет Петра Великого, Россия, 195251, Санкт-Петербург, ул. Политехническая, д. 29
В статье описан метод совершенствования расчетно-инструментального мониторинга и прогнозирования загрязнения придорожного воздуха, основанный на использовании данных о плотности и структуре транспортных потоков, получаемых с помощью автоматизированной системы учета транспортных средств (АСУТС) Санкт-Петербурга. На примере расчетного мониторинга по состоянию на 2018 - 2020 гг. и долгосрочного прогнозирования до 2035 г. влияния выбросов автотранспорта на качество воздушной среды вблизи двух автодорог Санкт-Петербурга с высокой интенсивностью движения (Пулковского шоссе и Софийской улицы) изложены результаты апробации предложенного метода
Ключевые слова: автотранспорт, загрязнение воздуха, мониторинг, прогнозирование, автоматизированный учет транспортных средств
IMPROVING METHODS TO CONTROL THE IMPACT OF VEHICLES ON THE QUALITY OF
THE HABITAT
O.V. Lozhkina, M.N. Meshalkina
St. Petersburg University of State Fire Service of EMERCOM of Russia, Russia, 196105, St. Petersburg, Moskovskiy avenu., 149; Peter the Great St. Petersburg Polytechnical University, Russia, 195251, St. Petersburg, Polyteknicheskaya str., 29 The paper describes a method for improving the monitoring and forecasting of roadside air pollution. It deals with the data on the density and structure of traffic flows obtained from the automated vehicle accounting system (AMS) of St. Petersburg. The article also presents the results of its testing by computational monitoring in 2018-2020 and forecasting by 2035 the impact of vehicle emissions on air quality near two St. Petersburg highways with high traffic intensity (Pulkovskoye Highway and Sofiyskaya Street).
Keywords: motor transport, air pollution, monitoring, forecasting, automated accounting of vehicles
Введение
Загрязнение воздуха в городах в результате антропогенной деятельности, приводящее к изменению сложившихся естественных характеристик атмосферы, к которым в течение предшествующих столетий адаптировался организм человека, является серьезной мировой проблемой. По данным Всемирной Организации Здравоохранения [1] в настоящее время преждевременная смертность населения планеты в результате высокого загрязнения атмосферы достигает 4,2
млн. случаев в год. К ключевым загрязнителям атмосферы относятся мелкодисперсные взвешенные частицы РМ10 и РМ2.5, монооксид углерода (СО), озон (Оз), диоксид азота (N02) и диоксид серы (802). Присутствие в воздушной среде опасных компонентов в концентрациях, превышающих установленные нормативные значения, вызывает и / или усугубляет тяжесть протекания респираторных, сердечно-сосудистых заболеваний и заболеваний нервной системы [2-5].
1 Ложкина Ольга Владимировна - доктор технических наук, кандидат химических наук, профессор, профессор кафедры физико-химических основ процессов горения и тушения, тел.: +7 (921) 759-29-71, e-mail: olojkina@yandex. ru;
2Мешалкина Марина Николаевна - кандидат технических наук, доцент, доцент высшей школы киберфизиче-ских систем и технологий института компьютерных наук и управления, e-mail: meshalkina_mari@mail.ru.
Известно, что передвижные источники и, в первую очередь, традиционные автотранспортные средства, работающие на углеводородном топливе, являются ключевыми источниками загрязнения атмосферы города.
Во время строгого локдауна в ряде Европейских государств и Китае в первую волну пандемии COVID-19 весной 2020 года были проведены исследования сокращения транспортной активности на состояние загрязнения атмосферы городов. В работе [11] представлены результаты исследования снижения загрязнения придорожного воздуха NO, NO2, NOx в городе Падуя (Италия) в период строгих ограничений на передвижение граждан для сдерживания распространения вируса SARS-Cov-2. Методы статистического корреляционного анализа и многомерные модели линейной регрессии были применены для анализа результатов измерений за весенний период 2020 г. и 2018 и 2017 гг. Анализ показал, что интенсивность движения автотранспортных потоков (АТП) существенно влияет на концентрации NO, NO2, NOx. Авторы пришли к выводу, что управление АТП и меры по их ограничению, очевидно, эффективны для улучшения качества воздуха.
Автоматизированные системы управления дорожным движением (АСУДД) широко используются в Российской Федерации и за рубежом для оптимизации транспортных потоков в городах с целью сокращения дорожно-транспортного травматизма и предотвращения заторов на дорогах [12, 13]. Однако регулирование транспортных потоков также может быть использовано для контроля выбросов автотранспорта и управления его влиянием на качество воздуха [12-17]. Так, например, в Берлине [12] была разработана on-line информационная система IMMISmt, состоящая из нескольких взаимосвязанных моделей прогнозирования загрязнения воздуха и основанная на использовании реальных данных об интенсивности дорожного движения, погодных условиях, данных инструментального мониторинга загрязнения воздуха. Кроме того, система позволяет по архивным данным разрабатывать прогнозные сценарии с целью выбора оптимальных управленческих решений для повышения экологической безопасности дорожного движения. В работе [16] приведены результаты решения обратной задачи -прогнозирования с использование рекуррентной нейросетевой модели с длительной кратковременной памятью (long short-term memory (LSTM) recurrent neural network (RNN)) интенсивности движения на ряде автодорог Мадрида с использованием данных о придорожном загрязнении воздуха CO, NO, NO2 и O3, давлении,
влажности, температуры воздуха, скорости и направлении ветра, и ранее выявленных для этих магистралей закономерностей, связывающих интенсивность движения АТП и загрязнение придорожного воздуха.
Проведенный анализ свидетельствует об актуальности проблемы повышения качества экспериментально-расчетного мониторинга и прогнозирования негативного воздействия автотранспорта на качество среды обитания в городах с использованием современных инфокомму-никационных интеллектуальных технологий.
Целью настоящей работы явилось совершенствование расчетного метода контроля качества воздуха на основе оценки (мониторинга) и прогнозирования его загрязнения выбросами автотранспорта с использованием данных автоматизированной системы учета транспортных средств (АСУТС) Санкт-Петербурга.
Объекты и методы исследования. Обоснование прогнозного исследования
В качестве объектов исследования были выбраны два участка улично-дорожной сети (УДС) Санкт-Петербурга с высокой плотностью движения, а именно участок на Софийской ул. от ул. Белы Куна до пр. Славы и участок на Пулковском шоссе от Дунайского пр. до Кольцевой автомобильной дороги (КАД). Обе дороги оборудованы АСУТС. Данные АСУТС о плотности и структуре АТП были любезно предоставлены Комитетом по развитию транспортной инфраструктуры Санкт-Петербурга.
Расчетное исследование проводилось с помощью программных продуктов «Магистраль» и «Эколог» (НПО «Интеграл», Россия) с использованием в качестве базовой 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 года. Факторы эмиссии для основных поллютан-тов для учетных категорий АСУТС по состоянию на 2018-2022 гг. были определены ранее
[14].
При выполнении прогнозного расчетного исследования на долгосрочную перспективу до 2035 г. учитывались:
- социально-экономические показатели Санкт-Петербурга в десятилетней ретроспективе за период 2010-2020 гг., а именно, численность, возрастная и половая структура населения, численность работающего населения,
средний уровень доходов граждан, региональный валовый продукт, покупательский спрос на автотранспортные средства;
- прогнозные значения социально-экономических показателей, представленные в официальном документе «Прогноз социально-экономического развития Санкт-Петербурга на период до 2035 года», утвержденном постановлением Правительства Санкт-Петербурга от 14 февраля 2017 г. № 90;
Такое разбиение по группам базируется на информации о парке автотранспортных средств, эксплуатируемых в настоящий момент в СПб, и периодичности его обновления, и может уточняться по мере получения необходимых данных. Информационные данные по каждой из упомянутых категорий АТС собираются за каждый год. Кроме того, на долгосрочную перспективу до 2035 гг. прогнозный оптимистичный сценарий предполагал доведение доли АТС, работающих на альтернативных энергоносителях, до 54 %, как это предусмотрено Транспортной стратегией Российской Федерации.
Результаты и обсуждение
В АСУТС Санкт-Петербурга классификационным признаком является длина автотранспортного средства. Выделены следующие категории АТС: Cars (легковые автомобили); Mid Size 1 (микроавтобусы и автофургоны); Mid Size 2, Long Veh 1, Long Veh 2 (грузовые автомобили и автобусы), X long (сверхдлинные грузовые автомобили и автобусы). В табл. 2 приведены данные об интенсивности движения и
- сроки внедрения в Российской Федерации стандартов на содержание загрязняющих веществ в отработавших газах автомобильных средств и на качество моторных топлив;
- федеральные и региональные стратегии развития транспортного комплекса.
В табл. 1 приведено прогнозируемое распределение автотранспорта Санкт-Петербурга в долгосрочной перспективе до 2035 г. по экологическим классам.
скорости АТП на исследуемых участках автодорог Санкт-Петербурга.
Данные АСУТС свидетельствуют о высокой плотности АТП на исследуемых участках в часы пик: 6408 авт./час на Пулковском ш. (доля грузовых автомобилей и автобусов составляет 10 %) и 3390 авт./час на Софийской ул. (доля грузовых автомобилей и автобусов составляет 14 %).
Эти данные были использованы для расчетного прогнозирования загрязнения придорожного воздуха в периоды неблагоприятных для рассеивания метеоусловий. Результаты расчета показали, что при неблагоприятных для оседания микрочастиц условиях возможно превышение среднесуточных ПДК мелкодисперсных взвешенных частиц РМ2.5 и РМ10 соответственно в 1,7 и 1,2 раза на Софийской ул. и в 2,5 и 1,5 раза на Пулковском шоссе.
Результаты расчетного прогнозирования загрязнения придорожного воздуха диоксидом азота для условий штиля, температурной
Таблица 1 - Прогнозируемое распределение автотранспортных средств Санкт-Петербурга по экологическим классам Евро 0-Евро 6 в долгосрочной перспективе до 2035 г._
Легковой автотранспорт, %
Евро 0 Евро 1 Евро 2 Евро 3 Евро 4 Евро 5 Евро 6
2015 20 5 10 25 20 10 0
2020 10 5 10 20 35 20 0
2025 - 5 10 15 35 30 5
2030 - - 5 10 35 35 15
2035 - - - 5 25 45 25
Легкий и грузовой комме рческий транспорт, %
Евро 0 Евро 1 Евро 2 Евро 3 Евро 4 Евро 5 Евро 6
2015 60 5 20 10 5 - -
2020 45 5 10 25 10 5 -
2025 25 5 10 25 25 10 -
2030 - 5 10 20 35 25 5
2035 - - 5 20 30 30 15
Автобусы, %
Евро 0 Евро 1 Евро 2 Евро 3 Евро 4 Евро 5 Евро 6
2015 40 10 25 20 5
2020 30 10 25 30 10
2025 15 10 20 30 20 5
2030 - 5 15 25 35 15 5
2035 - - 5 20 30 30 15
инверсии и высокой инсоляции визуализированы на рис. 1.
Таблица 2 - Показатели интенсивности движения в часы пик на Софийской ул. и Дунайском пр. Санкт-Петербурга согласно АСУТС (03.2018-04.2018)__
Участок УДС Интенсивность движения авт./20 мин Скорость, км/ч
Cars Mid Size 1 Mid Size 2 Long Veh 1 Long Veh 2 X Ьвд Ш- ume
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
а)
б)
Рисунок 1 - Карты загрязнения придорожного воздуха N02 на Пулковском шоссе (а) и Дунайском проспекте (б) Санкт-Петербурга при неблагоприятных метеоусловиях и высокой интенсивности
движения
Результаты расчета подтверждают, что при неблагоприятных погодных и транспортных условиях содержание диоксида азота в воздухе непосредственно на Пулковском ш. может достигать 3-5 ПДК и на Софийской ул. - 2-4 ПДК, а в прилегающих к ним жилых кварталах - 1,32,0 и 1,1-1,5 ПДК соответственно.
Далее были проведены расчетные прогнозные исследования по оценке качества придорожного воздуха вблизи исследуемых автодорог в долгосрочной перспективе до 2035 г. На основе прогнозных данных об экологической структуре автотранспортных потоков (табл. 1) и известных значений удельных пробеговых выбросов загрязняющих веществ для автомобилей
разных категорий и экологических классов [14], были определены средневзвешенные факторы эмиссии приоритетных поллютантов на 2025, 2030 и 2035 гг. В табл. 3 в качестве примера приведены факторы эмиссии диоксида азота.
Результаты расчетного прогнозирования загрязнения воздушного бассейна диоксидом вблизи Пулковского шоссе и Софийской улицы приведены на рис. 2 и 3 соответственно.
Полученные результаты указывают на то, что при прогнозируемых темпах обновления парка автотранспортных средств в Санкт-Петербурге на Пулковском шоссе и на Софийской улице будет иметь место постепенное снижение приземных концентраций диоксида азота даже
при неблагоприятных метеорологических условиях и высокой транспортной нагрузке (~6500 авт./ч в 2025 г. и ~7500-8000 авт./ч в 2030-2035 гг. на Пулковском шоссе и 4000-4500 в 2025 и 5000-5500 авт./ч на Софийской улице в 20302035 гг.). При реализации заложенных мероприятий справедливо ожидать улучшения качества атмосферного воздуха в Санкт-Петербурге и соответствии его индикаторных показателей (концентраций поллютантов) отечественным нормативным стандартам в прогнозном периоде.
ь
о
о ч?
•Л.
о
а)
а)
б)
в)
Рисунок 2 - Расчетное прогнозирование загрязнения воздушной среды в долях ПДК диоксидом азота вблизи Пулковского шоссе Санкт-Петербурга при неблагоприятных метеоусловиях и высокой транспортной нагрузке: а) 2025 г; б) 2030 г.; в) 2035 г.
ВЕНСКИЙ >АЙОН
\
С*»
-Зср
Л.- о
Л XV
£ 4
Л\ \\ «
- А \\
\\ ° л о
б) о \
¿V о<Г \ 'г у -и»
_ XV
13ЕНС1 АЙОН
\ V
\ Ч'5 ИИ
о \ ¿ь> > V с [
\\ \\
%
в)
Рисунок 3 - Расчетное прогнозирование загрязнения воздушной среды в долях ПДК диоксидом азота вблизи Софийской улицы Санкт-Петербурга при неблагоприятных метеоусловиях и высокой транспортной нагрузке: а) 2025 г; б) 2030 г.; в) 2035 г.
Таблица 3 - Прогнозные значения усредненных удельных пробеговых выбросов (факторов эмиссии) поллютантов для учетных категорий
Заключение
Проведенное исследование показало, что ужесточение законодательного регулирования выбросов загрязняющих веществ и парниковых газов, реализация экологически ориентированных мероприятий в транспортном секторе будет в долгосрочной перспективе способствовать сокращению негативного воздействия этой отрасли на окружающую среду, что особенно важно в условиях роста численности населения в городах, роста темпов его автомобилизации и увеличения транспортной деятельности в целом, проявления глобальных экологических проблем, связанных с изменением климата, в т.ч. погодных качелей (волн жары и холода), появления и распространения новых особо опасных инфекций.
Залогом повышения качества управления экологической безопасностью транспортных систем будет являться постепенный переход от прогнозирования по статистическим показателям к прогнозированию на основе достоверной информации о реальной транспортной деятельности, реальной структуре транспортных потоков, активного использования последних достижений в сфере инфо-телекомму-никационных технологий и технологий интеллектуальных транспортных систем.
Литература
1. Air Pollution. Overview // Official Site of the World Health Organization. - Available at: https://www.who. int/health-topics/air-pollu-tion#tab=tab 1
2. Orru H., Ebi K.L., Forsberg B. The Interplay of Climate Change and Air Pollution on Health // Curr. Environ. Health Rep. - 2017. - V. 4. - P. 504-513.
3. Liu W, Xu Z, Yang T. Health Effects of Air Pollution in China // Int. J. Environ. Res. Public Health // 2018. - V.15(7). - P. 1471.
4. Brugha R., Grigg J. Urban air pollution and respiratory infections // Paediatr. Respir. Rev. - 2014. - V. 15(2). -P. 194-199.
5. Xue T., Zhu T., Zheng Y., Zhang Q. Declines in mental health associated with air pollution and temperature
variability in China // Nat. Commun. - 2019. - V. 10(1).
- P. :2165.
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. 381388.
7. Lozhkin V., Lozhkina O., Dobromirov V. A study of air pollution by exhaust gases from cars in well courtyards of Saint Petersburg // Transportation Research Procedia. - 2018. - V. 36. - P. 453-458.
8. Ложкин В.Н., Ложкина О.В. Комплексная методология оценки и прогнозирования экологических угроз и социально-экономического ущерба, обусловленных опасным воздействием объектов транспорта и теплоэнергетики на население Крайнего севера // Технико-технологические проблемы сервиса. - 2019.
- № 1 (47). - С. 8-11.
9. D.J. Miller, B. Actkinson, et al. Characterizing Elevated Urban Air Pollutant Spatial Patterns with Mobile Monitoring in Houston, Texas // Environ. Sci. Technol. -2020. - V. 54 (4). - P. 2133-2142.
10. Zhang X., Craft E., Zhang K. Characterizing spatial variability of air pollution from vehicle traffic around the Houston Ship Channel area // Atmospheric Environment.
- 2017. - V. 161. - P. 167-175.
11. R. Rossi, R. Ceccato and M. Gastaldi. Effect of Road Traffic on Air Pollution. Experimental Evidence from COVID-19 Lockdown // Sustainability. - 2020. - V. 12.
- e 8984. - Doi:10.3390/su12218984
12. V. Diegmann, G. GaBler. Air quality management -from traffic management to environmental traffic management // Proceedings of the Air Quality 2009. Istanbul, 24-27 March 2009. - 2009.
13. Ложкин В.Н. Прогноз экстремального загрязнения воздуха водным и автомобильным транспортом // Технико-технологические проблемы сервиса. 2020.
- № 3 (53). - С. 17-20.
14. Ложкина О.В., Комашинский В.И. К вопросу о совершенствовании информационного процесса мониторинга и прогнозирования опасного воздействия транспортных выбросов на среду обитания и население // Научно-аналитический журнал «Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России». - 2021.
- № 2. - С. 100-108.
15. Y. Kuang, B. T.H.Yen, E.Suprun, O. Sahin. A soft traffic management approach for achieving environmentally sustainable and economically viable outcomes: An Australian case study // Journal of Environmental Management. - 2019. - V. 237. - P. 379-386.
16. F. M. Awan, R. Minerva, N. Crespi. Improving Road Traffic Forecasting Using Air Pollution and Atmospheric Data: Experiments Based on LSTM Recurrent Neural Networks // Sensors. - 2020. - V. 20. - e3749.
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.
автотранспорта АСУТС, г/км
Категория АТС в АСУТС 2018 2025 2030 2035
Cars 0,27 0,11 0,075 0,057
Mid Size 1 1,65 1,21 0,62 0,34
Mid Size 2 4,32 3,62 2,67 1,98
Long Veh 1 5,83 4,73 3,31 2,34
Long Veh 2 6,82 5,71 4,05 2,79
X long 7,54 6,93 5,44 4,27
