مدل‌سازی تاثیرات جریان‌های ترافیکی بر آلودگی هوای شهر شیراز

سابقه و هدف: در کشور ایران حمل و نقل و جریان های ترافیکی بیشترین علت آلودگی هوا را تشکیل می دهند. بر همین اساس مساله بررسی تاثیرات حمل و نقل و جریان های ترافیکی بر کیفیت هوا خصوصا در مناطق شهری و انجام پیش بینی ها و برنامه ریزی های لازم متناسب با آن، امری ضروری بحساب می آید. با این حال متاسفانه در این زمینه کار های زیادی در ایران صورت نگرفته است. شناسایی منابع آلاینده از مهم ترین و زمان بر‌ترین مراحل مدل سازی آلودگی هواست. برای مدل سازی آلودگی هوای یک منطقه نمی توان تنها یک متغیر را در‌نظر گرفت؛ بلکه باید متغیر های فراوانی را مورد مطالعه، بررسی و برنامه ریزی قرار داد. برخی اقدامات، تغییرات محسوسی در وضعیت آلودگی هوای کلان شهر ها ایجاد می کند. بنابراین، انجام یکسری اقدامات می تواند کاهش آلودگی هوا را به دنبال داشته باشد که اتخاذ روش های نوین سنجش آلاینده های هوا یکی آنهاست. هدف اصلی این تحقیق ارائه مدلی هوش مند است که بتوان به کمک آن در شرایط خیابان های شهری غلظت آلاینده هایی از قبیل ،    و co را با دقت مناسبی تخمین زد و با بررسی علل و عوامل تولید این آلاینده ها و پیش بینی آلودگی هوا، اقدامات و برنامه ریزی های لازم در راستای مدیریت و کنترل آلودگی هوا را انجام داد. مواد و روش‌ها: در این مقاله یک مدل شبکه عصبی و یک مدل غیر خطی مبتنی بر فضای حالت بر مبنای ترافیک شهر شیراز طراحی شده است. در این مدل سازی غلظت آلاینده های  مورد بررسی قرار گرفته و نهایتا با استفاده از فیلتر کالمن برای یک دوره 24 ساعته پیش بینی شده است. این مدل سازی برمبنای رابطه بین غلظت آلاینده ها و ترافیک و آلودگی اولیه و اطلاعات هواشناسی می باشد. الگوریتم فیلتر کالمن توسعه یافته با استفاده از داده ی آلودگی و ترافیکی و هم چنین داده های هواشناسی به منظور پیش بینی 24 ساعته آلودگی نقاط مختلف شهر شیراز انجام گرفت. مشخصه کلیدی چنین سیستمی این است که رفتار آن با تغییرات آلودگی در کوتاه مدت منطبق می شود و نیاز به تنظیمات مکرر ندارد. روش شبکه عصبی و فیلتر کالمن به اطلاعات شهر شیراز اعمال شد. نتایج و بحث: در این کار به بررسی داده های ترافیکی و داده های آلودگی ناشی از غلظت آلاینده ها پرداخته شده، سپس تلاش شده است که داده های آلودگی با نقاط معنی دار شهر شیراز تطبیق داده شود و بسیاری از داده های آلودگی و ترافیکی به دلیل عدم تطابق با یکدیگر از نظر مکانی حذف شدند. در نهایت مدل سازی بر اساس آن بهنگام شده و نتیجه این مطالعات با نتایج واقعی تطبیق داده شد. این ساختار مدل غیرخطی استفاده تکاملی و انعطاف پذیری را ارائه می دهد. به این معنا که ارزیابی کلی عملکرد مدل می تواند به راحتی با اضافه یا کم کردن متغیر جدید انجام گیرد. از طرفی در صورت در اختیار داشتن داده های متناظر با هر ایستگاه جدید دیگر می توان براحتی مطالعات را برای نقاط دیگر شهر شیراز بسط داد. به این ترتیب اگر ترافیک در بعضی نقاط شهر شیراز در دسترس باشد، می توان با بعضی مانورهای ترافیکی آلودگی را به سمت های دیگر بسط داده و در مناطق بحرانی کاهش داد. نتیجه گیری: نتایج بصورت آزمایشی نشان می دهد که مدل ها و  خصوصا مدل فیلتر کالمن توسعه یافته غلظت آلاینده ها را بخوبی پیش بینی می کند.