Загрязнение и движение 2020 (карантин) по сравнению с 2017

Загрязнение и эволюция движения 2020 (карантин) по сравнению с 2017 в те же даты

Введение:

Загрязнение и движение 2020 (карантин) по сравнению с 2017

Исследование эволюции трафика и загрязнения в Валенсии с коронавирусом и без него будет проводиться в одни и те же даты, отличающиеся только годом.

Доступны следующие данные о трафике:

• Данные о движении в соответствии с различными разделами Валенсии от 02/05/2017 до 16/05/2017 (Период без заключения)
• Данные о движении в соответствии с различными разделами Валенсии от 28/04/2020 до 12/05/2020 (Период с заключением)

Как вы видете, даты не совпадают, но они совпадают, так как они оба начинаются во вторник и заканчиваются 2 недели спустя. Как видно из приведенного ниже, оба данных включают нерабочие и нерабочие дни..

1. Анализ и эволюция движения и загрязнения

Загрязнение и движение 2020 (карантин) по сравнению с 2017

-1.1 Средний трафик за 15 дней.

Прежде всего, небольшой анализ будет сделан, грубо, наблюдать, как развивается движение в 15 дни, которые были выбраны, Сравнение 2017 с участием 2020. В таком случае, будет показан линейный график, в котором ось X представляет временную ось (дней) и, ось у, среднее количество автомобилей, проезжающих участок в Валенсии за день.

Эволюция общего движения в Валенсии в 2017 и 2020.

Как и ожидалось, Объем трафика во время родов значительно уменьшается за тот же период в 2017 без заключения.

затем, будет проанализирована тенденция уровней загрязнения в два периода. таким образом, можно будет очень ненадежно увидеть некоторую связь между движением и уровнями загрязнителей, если они существуют.

Загрязнение и движение 2020 (карантин) по сравнению с 2017

-1.2 Уровни загрязнения загрязняющих веществ:

осветление: Все измерения производятся на станции загрязнения Писта-де-Силла..

Загрязнение и движение 2020 (карантин) по сравнению с 2017

-1.2.1 NO2 (Двуокись азота)

NO2 является загрязняющим веществом, которое образуется, когда кислород и азот встречаются при высоких температурах. Этот процесс может происходить в двигателях внутреннее сгорание, грозы, кислотные дожди, угольные электростанции, и т.д. ... Этот загрязнитель может вызвать раздражение легких и, В результате этого, уменьшить устойчивость к респираторным инфекциям.

Чем выше уровень NO2, тем хуже для здоровья человека.

затем, Значения NO2 будут отображаться в течение периода времени, описанного выше, так много 2017 лайк 2020:

«Los valores del no2 en 2017 Они 253% mayores que los valores de 2020»

Эволюция уровней NO2 в Валенсии в 2017 и 2020.

Как видно на графике выше, средние уровни загрязнения NO2 в 2017 сын 3.5 Значения NO2 в 2020. Следует аналогичной тенденции в течение двух лет, тем не мение, в 2017 Есть более экстремальные ценности. Конкретный, в прошлый вторник, наблюдается более выраженный пик.

-1.2.2 PM10 (Взвешенные частицы меньше или равны 10 микрон на кубический метр)

PM10 - измеритель загрязнения, конкретно определяет количество частиц в суспензии с размером, меньшим или равным 10 микрон найден в окружающей среде. Они не являются большой проблемой для здоровья, если они больше, чем 2.5 микрон, так как тело может выгнать их через слизь или, не доходить до дыхательного дерева. Эти частицы созданы, в основном в процессах сгорания.

Чем выше уровень PM10, хуже для здоровья человека.

затем, Значения PM10 будут отображаться для периода времени, описанного выше, так много 2017 лайк 2020:

«Los valores del pm10 en 2017 Они 188% mayores que los valores de 2020»

Эволюция уровней PM10 в Валенсии в 2017 и 2020.

Как видно на графике выше, средние уровни PM10 в 2017 сын 2.8 Значения PM10 в 2020. В таком случае, Тенденции PM10 не сильно различаются, ты видишь как, в 2020, Уровни PM10 практически не изменились и хранятся по справедливой стоимости.. тем не мение, Значения PM10 в 2017 они выше в среднем и в первую субботу также существуют определенные экстремальные значения, второй четверг и вторая пятница, которые очень высоки.

-1.2.3 РМ2,5 (Взвешенные частицы меньше или равны 2.5 микрон на кубический метр)

PM2.5 - измеритель загрязнения, конкретно определяет количество частиц в суспензии с размером, меньшим или равным 2.5 микрон найден в окружающей среде. Они представляют большую проблему, так как организм не может их легко удалить, и они достигают дыхательного дерева, вызывая респираторные заболевания., аллергии, и т.д ... Эти частицы созданы, в основном, в процессах сгорания.

Чем выше уровень PM2.5, хуже для здоровья человека.

затем, Значения PM2.5 будут отображаться в течение периода времени, описанного выше, так много 2017 лайк 2020:

«Los valores del pm25 en 2017 Они 20% mayores que los valores de 2020»

Эволюция уровней PM2,5 в Валенсии в 2017 и 2020.

Как видно на графике выше, средний уровень PM2,5 в 2017 сын 1.2 Значения PM10 в 2020. В таком случае, Тенденции PM2.5 сильно различаются, Вы можете увидеть, как в 2020, Уровень PM2.5 остается низким в течение недели и повышается после начала выходных. Можно увидеть, как уровни PM2,5 претерпевают ряд изменений в оба года. Там также нет больших различий в оба года, они очень похожи.

-1.2.4 SO2 (Диоксид серы)

SO2 - бесцветный и раздражающий газ, загрязняющий воздух. Это происходит в результате сгорания плохо рафинированного топлива, в котором присутствует высокое содержание серы. Так, Современные транспортные средства, которые используют очищенное топливо, не оказывают существенного влияния на уровни SO2..

Чем выше уровень SO2, хуже для здоровья человека.

затем, Значения SO2 будут отображаться в течение периода времени, описанного выше, так много 2017 лайк 2020:

«Los valores del so2 en 2017 Они 1% mayores que los valores de 2020»

Эволюция уровней SO2 в Валенсии в 2017 и 2020.

В этом случае видно, что год 2017 имеет более высокие пики SO2, но у обоих одинаковое среднее значение. Так, нет больших различий между уровнями SO2 2017 и 2020.

-1.2.5 O3 (озон)

Озон - это бесцветный газ, который присутствует в воздухе и может быть вредным, если его концентрация высока и поддерживается в течение долгого времени.. Вызывает респираторные заболевания.

Чем выше уровень О3, тем хуже для здоровья человека. Но следует подчеркнуть, что низкие концентрации этого газа не оказывают никакого влияния на здоровье.

затем, Значения O3 будут отображаться для периода времени, описанного выше, так много 2017 лайк 2020:

«Los valores del o3 en 2017 Они 16% menor que los valores de 2020»

Эволюция уровней О3 в Валенсии в 2017 и 2020.

В этом случае видно, что 2020 имеет более высокие пики уровней O3, в дополнение к этому средние уровни O3 в 2020 больше среднего уровня в 2017. Это может быть потому, что, в последнее время использование 03 дезинфицировать предметы,конкретный, удалить копии Коронавируса, присутствующие на объектах.

2 Коэффициент трафика — загрязнение

Загрязнение и движение 2020 (карантин) по сравнению с 2017

Небольшое исследование о том, какие факторы вызывают загрязнение в городе, Получается, что большинство источников указывают на то, что транспортные средства внутреннего сгорания являются основными причинами загрязнения.. Слишком, большинство источников влияют на важность ветра в снижении уровня загрязнения, при более высокой скорости ветра, воздух загрязненный обновляется легче, и загрязняющие частицы рассеиваются больше, тем самым уменьшая его вредное воздействие. Для всего этого, было решено изучить взаимосвязь между движением и загрязнением с учетом ветра.

Первый, будет сделан график корреляции, чтобы увидеть, есть ли линейные отношения

-2.1 Ежедневная корреляция трафика, ветер и уровень загрязнителей года 2020

График корреляции между трафиком, ветер и загрязняющие вещества

Загрязнение и движение 2020 (карантин) по сравнению с 2017

Как вы видете, трафик имеет положительную корреляцию с загрязнителями №2 и СО2, что может указывать на то, что чем больше количество автомобилей внутреннего сгорания, чем выше уровень загрязняющих веществ №2 и СО2. Вы также можете увидеть, что между трафиком очень мало корреляции, pm10, pm25 и o3, так что это может указывать на то, что эти загрязнители вообще не связаны с движением.

Также заслуживает внимания роль ветра со всеми загрязнителями. В таком случае, все корреляции отрицательные, что может указывать на то, что, чем выше ветер, ниже уровни загрязнения.

Последним, следует отметить, что счетчики PM10 и PM2.5 имеют большую положительную корреляцию, что в этом случае очевидно, так как оба измеряют частицы в суспензии с общими характеристиками.

2.2 Простая модель регрессии

Чтобы определить, существует ли какая-либо связь между загрязнением и переменными трафика, мы попытаемся приспособить регрессионную модель к данным., в которой зависимая переменная будет загрязняющим агентом, а независимые переменные будут потоком и ветром.

2.2.1 Входные данные

В таком случае, уровни загрязнения были взяты на станции загрязнения Писта-де-Силла, а значения трафика относятся к среднему из двух участков, ближайших к этой станции. Как только данные пересеклись, следующий набор данных получен (se muestran las 6 только первые строки)

глава(generatedata(«2020»))

## трафик № 2 вечера 10 вечера 25 so2 o3 ветер
## 1 358 3.95 4.95 4.27 4.00 66.86 3.3
## 2 354 9.27 4.82 2.86 4.14 65.32 3.1
## 3 356 4.20 4.82 1.91 3.82 63.82 3.1
## 4 87 2.50 4.41 1.95 4.05 55.68 3.3
## 5 136 4.83 3.09 1.05 4.23 48.73 2.5
## 6 92 10.58 4.59 2.86 4.05 55.68 1.4

Данные за день, так, каждый ряд набора данных соответствует одному дню. пример: Первая строка указывает, что этот день прошел 358 средние автомобили для двух секций возле станции загрязнения Silla Track, что средняя скорость ветра была 3.3 РС (11.88 км / ч) и позже, столбцы загрязняющих веществ, указать средние значения этих загрязнений в микрограммах / кубический метр.

2.2.2 Модель

Модель попытается предсказать уровни загрязняющих веществ в результате ветра и движения:

у = х0 + x1 + x2

• Уровень загрязнителя = перехват + машины / день + средний ветер

2.2.2.1 NO2

«Modelo de regresión de 2017 para no2»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 50.141935 9.872786 5.079 0.000271 ***
## ветер -10.926847 2.604092 -4.196 0.001241 **
## трафик 0.001598 0.003441 0.464 0.650667
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 8.994 на 12 степени свободы
## Несколько R-квадрат: 0.5973, Скорректированный R-квадрат: 0.5302
## F-статистика: 8.899 на 2 и 12 DF, р-значение: 0.004265

«Modelo de regresión de 2020 para no2»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 14.275114 3.362760 4.245 0.00114 **
## ветер -3.315617 0.896657 -3.698 0.00305 **
## трафик 0.006595 0.007389 0.893 0.38967
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 3.891 на 12 степени свободы
## Несколько R-квадрат: 0.5803, Скорректированный R-квадрат: 0.5103
## F-статистика: 8.295 на 2 и 12 DF, р-значение: 0.005468

Благодаря графикам и статистической сводке можно определить, что обе модели, оба из 2020 Такие как 2017 являются значительными, поскольку их P-значения меньше 0.05. Также, также видно, что в обеих моделях единственной существенной переменной является ветер. Это указывает на то, что единственной переменной, которая связана с уровнями NO2, является ветер. Также, из-за отрицательного значения вашей оценки x1 = -3.31, можно сделать вывод, что, при более высокой средней скорости ветра, ниже будет уровень этого загрязнителя.

2.2.2.2 PM10

«Modelo de regresión de 2017 para pm10»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 2.583639 11.015327 0.235 0.8185
## ветер 7.063502 2.905454 2.431 0.0317 *
## трафик -0.001051 0.003839 -0.274 0.7889
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 10.03 на 12 степени свободы
## Несколько R-квадрат: 0.3323, Скорректированный R-квадрат: 0.221
## F-статистика: 2.986 на 2 и 12 DF, р-значение: 0.08861

«Modelo de regresión de 2020 para pm10»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 7.637333 1.614814 4.730 0.000489 ***
## ветер -0.813163 0.430579 -1.889 0.083361 .
## трафик -0.003312 0.003548 -0.933 0.369072
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 1.868 на 12 степени свободы
## Несколько R-квадрат: 0.2437, Скорректированный R-квадрат: 0.1177
## F-статистика: 1.934 на 2 и 12 DF, р-значение: 0.1871

Благодаря графикам и статистической сводке можно определить, что обе модели, оба из 2020 Такие как 2017 они не являются значимыми, так как их значения P больше, чем 0.05. Также, также видно, что модели соответствуют данным, подобранным по R-квадрату, довольно плохо(0.08,0.1). Это не означает, что значения загрязняющих веществ PM10 не зависят от ветра или движения, только они не имеют линейного отношения.

2.2.2.3 РМ2,5

«Modelo de regresión de 2017 para pm25»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 7.134e + 00 2,287e + 00 3.120 0.00886 **
## ветер -9.983e-01 6.032е-01 -1.655 0.12384
## трафик 3,565е-05 7.971е-04 0.045 0.96507
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 2.083 на 12 степени свободы
## Несколько R-квадрат: 0.1912, Скорректированный R-квадрат: 0.05645
## F-статистика: 1.419 на 2 и 12 DF, р-значение: 0.2798

«Modelo de regresión de 2020 para pm25»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 5.767038 2.056355 2.804 0.0159 *
## ветер -0.660037 0.548313 -1.204 0.2519
## трафик -0.000115 0.004518 -0.025 0.9801
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 2.379 на 12 степени свободы
## Несколько R-квадрат: 0.1113, Скорректированный R-квадрат: -0.03679
## F-статистика: 0.7516 на 2 и 12 DF, р-значение: 0.4926

Благодаря графикам и статистической сводке можно определить, что обе модели, оба из 2020 Такие как 2017 они не являются значимыми, так как их значения P больше, чем 0.05. Также, также видно, что модели соответствуют данным, подобранным по R-квадрату, довольно плохо(0.05,-0.03). Это не означает, что значения загрязняющих веществ PM2.5 не зависят от ветра или движения, только они не имеют линейного отношения. Следует отметить, что измерители PM10 и PM2,5 тесно связаны, так как они количественно определяют аналогичные взвешенные частицы., Поэтому, что разумно сделать те же выводы относительно его связи с движением и ветром.

2.2.2.4 SO2

«Modelo de regresión de 2017 para so2»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 3.3941885 2.5929430 1.309 0.215
## ветер -0.5507347 0.6839268 -0.805 0.436
## трафик 0.0008194 0.0009038 0.907 0.382

## Остаточная стандартная ошибка: 2.362 на 12 степени свободы
## Несколько R-квадрат: 0.09193, Скорректированный R-квадрат: -0.05942
## F-статистика: 0.6074 на 2 и 12 DF, р-значение: 0.5607

«Modelo de regresión de 2020 para so2»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 4.587366 0.631690 7.262 9.98е-06 ***
## ветер -0.222977 0.168436 -1.324 0.210
## трафик 0.001091 0.001388 0.786 0.447
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 0.7309 на 12 степени свободы
## Несколько R-квадрат: 0.1966, Скорректированный R-квадрат: 0.06271
## F-статистика: 1.468 на 2 и 12 DF, р-значение: 0.2689

Благодаря графикам и статистической сводке можно определить, что обе модели, оба из 2020 Такие как 2017 они не являются значимыми, так как их значения P больше, чем 0.05. Также, также видно, что модели соответствуют данным, подобранным по R-квадрату, довольно плохо(-0.05,0.06). Это не означает, что значения загрязнителя SO2 не зависят от ветра или движения, только они не имеют линейного отношения.

2.2.2.5 O3

«Modelo de regresión de 2017 para o3»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 38.8137173 10.0067162 3.879 0.00219 **
## ветер 8.5880172 2.6394183 3.254 0.00691 **
## трафик -0.0007261 0.0034879 -0.208 0.83859
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 9.116 на 12 степени свободы
## Несколько R-квадрат: 0.4744, Скорректированный R-квадрат: 0.3868
## F-статистика: 5.416 на 2 и 12 DF, р-значение: 0.02108
Загрязнение и движение 2020 (карантин) по сравнению с 2017

«Modelo de regresión de 2020 para o3»
## люмен(формула = загрязняющее вещество ~ ветер + трафик)
## коэффициенты:
## Оценка Std. Ошибка t, значение Pr(>|T|)
## (перехват) 82.20741 18.14516 4.531 0.000689 ***
## ветер -4.53980 4.83828 -0.938 0.366589
## трафик -0.02664 0.03987 -0.668 0.516635
## —
## Signif. коды: 0 «***’ 0.001 «**’ 0.01 «*’ 0.05 «.’ 0.1 ‘ ‘ 1

## Остаточная стандартная ошибка: 20.99 на 12 степени свободы
## Несколько R-квадрат: 0.08485, Скорректированный R-квадрат: -0.06768
## F-статистика: 0.5563 на 2 и 12 DF, р-значение: 0.5874

Загрязнение и движение 2020 (карантин) по сравнению с 2017

Благодаря графикам и статистической сводке можно определить только модель 2017 является значительным, поскольку его P-значения не превышают 0.05. Несмотря на это, обе модели очень плохо соответствуют данным, подобранным по R-квадрату(0.3, -0.06). В случае 2020, значение O3 имеет единственную линейную зависимость от трафика, поскольку значение его параметра меньше 0.05. Также, благодаря вашей оценке, который имеет положительный знак, Вы получаете это, при более высокой средней скорости ветра, большее количество O3. Это может иметь смысл, в случае, если ветер был с запада и имел высокую температуру, поскольку эти условия способствуют созданию O3. В приложении были добавлены две новости, в которых говорится о жаркой погоде и западном ветре в Валенсийском сообществе. 2017, который мог бы объяснить, почему ветер является значительным в 2017. — Новости Poniente CV I — Poniente CV II Новости

2.3 Частичные наименьшие квадраты (PLS)

Как ранее наблюдалось, №2 имеет положительную корреляцию, хотя и не очень прямой, с трафиком. Далее мы изучим, какие факторы могут влиять на формирование этого химического компонента, используя технику, называемую PLS., по-английски, Частичные наименьшие квадраты.

Этот метод представляет собой сочетание множественной регрессии и PCA. Имейте в виду, что если есть мультиколлинеарность, регрессия может быть выполнена неправильно, и желаемые результаты могут не появиться. тем не мение, PLS ранее использует PCA, чтобы наблюдать, какие переменные являются наиболее влиятельными при создании изучаемых переменных, и каждый из компонентов ортогонален следующему, который больше всего влияет, и так далее.. По этой причине, благодаря тому, что компоненты линейно независимы друг от друга, регрессия может быть выполнена без каких-либо проблем.

В этом случае видно, что при применении модели, R2 увеличивается, хотя и не очень, во всех компонентах, которые были получены. тем не мение, с Q2 происходит обратное, уменьшается от второго компонента.

Техника, которая широко используется для получения того, какие переменные оказывают наибольшее влияние на предсказываемую переменную, VIP техника используется, то есть, влияние переменной Xi на проекцию.

В этом случае можно увидеть, как o3 и ветер являются компонентами, которые больше всего влияют на компонент №2, потому что VIP больше, чем 1.

## движение pm10 pm25 so2 o3 ветер
## 0.6400664 1.1591929 1.1038898 0.8369390 0.6354506 1.3869931

Ниже приведен график весов в пространстве X и пространстве Y, чтобы увидеть, как каждый из регрессоров распределяется в дополнение к прогнозируемой переменной, №2.

Этот график тесно связан с VIP-графиком, показанным выше.. Например, наблюдая за положением переменной Y (No2) и положение ветра вы можете сказать, что, чем выше ветер, несовершеннолетний № 2 будет существовать, потому что отношения обратные.

в заключение, прикреплен график, позволяющий визуализировать внутреннюю связь между баллами пространства X (T) и оценки пространства Y (U).

Видно, что в первом компоненте или измерении, внутренняя связь между обоими показателями является линейной, таким образом, нет необходимости применять нелинейное преобразование к модели. тем не мение, во втором компоненте, отношения не так ясны, как в предыдущем случае.

3 Выводы

Загрязнение и движение 2020 (карантин) по сравнению с 2017

3.1 Сравнение эволюции трафика и загрязнения 2017 с участием 2020

Для всего обсужденного выше (растащили 1), Можно сказать, что дорожное движение и загрязнение в целом заметно сократились при сравнении периода 2017 с из 2020 (с ограничением). Следует подчеркнуть, что изучение эволюции движения и загрязнения проводилось на ежедневной основе. Это предполагает, что данные агрегируются, а информация теряется за счет обобщения. (получить среднее количество часов). Слишком, Следует отметить, что некоторые загрязняющие вещества, такие как O3 и SO2, претерпели незначительные колебания между годами. Особенно, Эль О3, увеличилась с 2017 а 2020, вероятно, из-за массового использования в настоящее время для дезинфекции объектов.

3.2 Трафик и загрязнение отношений

Для всего обсужденного выше (растащили 2), Можно утверждать, что движение и загрязнение не имеют существенной линейной зависимости, так как, в моделях, которые были получены, параметр трафика никогда не был значительным. Следует подчеркнуть, что, в случае загрязняющих веществ NO2 и PM10, р-значение параметров, соответствующих трафику 0.39 и 0.38 соответственно. Хотя они далеки от 0.05 быть значимым, являются самыми высокими p-значениями всех моделей загрязнителей, указывая на то, что загрязняющие вещества NO2 и PM10 имеют самую высокую линейную связь с движением.

Слишком, необходимо подчеркнуть значение ветра в разных линейных моделях, как NO2, PM10 или O3, во всех них, с более высоким уровнем доверия, чем 90%. Это указывает на то, что ветер имеет линейную связь с этими загрязнителями.

Последним, упомянуть внутренние отношения между определенными загрязнителями, как SO2.

3.3 Общие выводы

Загрязнение и движение 2020 (карантин) по сравнению с 2017

Как видно ранее, ни одна из моделей не смогла правильно вписать данные, так как их подходящие квадраты R относительно низки. Что является возможным признаком того, что загрязнение зависит от большего количества переменных, чем движение или ветер, как температура может быть, накопленный трафик и / или тип транспортных средств, которые проходят (грузовики, мотоциклы, и т.д…). Для всего этого, невозможно получить модель, способную оценивать загрязняющие вещества очень приблизительным образом, используя только ежедневный трафик и среднюю скорость ветра. Необходимы более объяснительные переменные.

Следует также отметить, что только линейные отношения были изучены, так что возможно, что существует другой тип нелинейных отношений между движением и загрязнением.

И, последним, должен учитывать, данные о трафике поступают от датчиков типа электромагнитной катушки, это самые дешевые датчики, которые существуют для измерения трафика, но и самые неточные, в дополнение к этому весь процесс отправки данных датчика на центральный сервер может завершиться неудачно, таким образом, Данные о трафике не очень надежный источник информации для моделирования или анализа..

Библиография:

• NO2 Информация I
• Информация № 2 II
• Информация №2 III
• Информация PM10 и PM2.5 I
• Информация PM10 и PM2.5 II
• Информация SO2 я
• SO2 II Информация
• Информация O3 I
• Информация О3 II
• Использование О3 в качестве дезинфицирующего средства
• Новости Poniente CV I
• Новости Poniente CV II

Загрязнение и движение 2020 (карантин) по сравнению с 2017