مطالعات کمی در مدیریت
,
العدد1,السنة
15
,
بهار
1403
در پاسخ به همهگیری کووید-19، دولتها در سراسر دنیا محدودیتهای شدید تردد را اعمال نموده و سناریوهای متفاوتی از کاهش انتشار آلایندههای ناشی از منابع ترافیکی را ارائه کردند. با اعمال محدودیتهای تردد ناشی از همهگیری کووید-19، انتظار میرفت تغییراتی در غلظت آلایندههای أکثر
در پاسخ به همهگیری کووید-19، دولتها در سراسر دنیا محدودیتهای شدید تردد را اعمال نموده و سناریوهای متفاوتی از کاهش انتشار آلایندههای ناشی از منابع ترافیکی را ارائه کردند. با اعمال محدودیتهای تردد ناشی از همهگیری کووید-19، انتظار میرفت تغییراتی در غلظت آلایندههای هوا مشاهده شود. از این رو، تصمیم بر آن شد که تغییرات آلایندههای هوا به عنوان یکی از زیرمجموعههای شاخص زیستمحیطی توسعه پایدار شهری در زمان همهگیری کووید-19 مورد بررسی قرار گیرد. به این منظور، ابتدا دادههای مذکور در چهارکلانشهر مشهد، اصفهان، شیراز و اراک جمعآوری و سپس پردازش و پاکسازی میشوند. پس از آن یک الگوریتم پیشنهادی مبتنی بر روشهای یادگیری ماشین ارائه میگردد. بر روی ویژگیهای انتخاب شده، روشهای یادگیری ماشین: درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه بیزین و شبکه عصبی پرسپترون اعمال میشود. بررسیها نشان داد که مدل پیشبینی با استفاده از درخت تصمیم و جنگل تصادفی بهترین عملکرد را برای هر دو معیار فراخوانی و صحت داشت. نتایج تحقیق نشان داد که تاثیر محدودیتها بر روی غلظت آلایندهها در شهرهای مختلف، متفاوت میباشد. همچنین نتایج بیانگر این است که بهطورکلی اعمال محدودیتهای ترافیکی در دوره همهگیری، تاثیر قابل توجه و محسوسی در کاهش غلظت آلایندههای هوا نداشته است. همچنین بررسیها نشان داد که اعمال محدودیتهای ترافیکی و به تبع آن کاهش احتمالی برخی از آلایندههای هوا ارتباطی با مرگومیر ناشی از کووید-19 ندارد.
تفاصيل المقالة
مدیریت توسعه و تحول
,
العدد4,السنة
15
,
زمستان
1402
با اعمال محدودیتهای ناشی از همهگیری کووید-19، به نظر میرسد تغییراتی در غلظت آلایندههای CO، O3،NO ، NO2، SO2، PM2.5، PM10 و AQI در دورههای قبل و بعد از همهگیری دیده شود. از این رو، تغییرات آلایندههای هوا و محدودیتهای ترافیکی به عنوان یکی از زیرمجموعه-های شاخص زی أکثر
با اعمال محدودیتهای ناشی از همهگیری کووید-19، به نظر میرسد تغییراتی در غلظت آلایندههای CO، O3،NO ، NO2، SO2، PM2.5، PM10 و AQI در دورههای قبل و بعد از همهگیری دیده شود. از این رو، تغییرات آلایندههای هوا و محدودیتهای ترافیکی به عنوان یکی از زیرمجموعه-های شاخص زیست محیطی توسعه پایدار شهری در بازه زمانی 01/11/1396 تا 29/12/1400 در ایستگاههای تحت نظارت شهر تهران مورد بررسی قرار میگیرد. ابتدا دادهها جمع آوری، پردازش و پاکسازی میشوند. بر روی ویژگیهای موثر انتخاب شده با استفاده از روش بهینه سازی ازدحام ذرات، روشهای یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، شبکه بیزین و شبکه عصبی پرسپترون اعمال میشود. بررسیها نشان داد که مدل پیش بینی با استفاده از درخت تصمیم و جنگل تصادفی بهترین عملکرد را برای هر دو معیار صحت و فراخوانی داشت. نتایج تحقیق نشان داد که غلظت آلایندهها در دوران کووید-19 نسبت به قبل از آن، در بعضی از ایستگاهها افزایشی و در برخی دیگر کاهشی میباشد و همچنین اعمال محدودیتهای ترافیکی در دوره همهگیری، تاثیر قابل توجه و محسوسی در کاهش غلظت آلایندههای هوا نداشته است. همچنین با بررسی روند مرگ و میر در دوره همهگیری مشخص شد که کاهش و یا افزایش آلایندهها ارتباط معناداری با روند مرگ و میر ناشی از کووید-19 ندارد.
تفاصيل المقالة
مقدمه: در پاسخ به همهگیری کووید-19، دولتها در سراسر دنیا محدودیتهای شدیدی را اعمال نموده و سناریوهای متفاوتی از کاهش انتشار آلایندههای ناشی از منابع ترافیکی را ارائه کردند. با اعمال محدودیتهای ترافیکی ناشی از همهگیری کووید-19 و قرنطینه، به نظر می رسید کاهش در تردد وسایل نقلیه و غلظت آلایندهها صورت پذیرفته و به نوعی شاخص کیفیت هوا به استانداردهای کیفیت نزدیک گردد. بنابراین انتظار می رفت تغییراتی در غلظت آلایندههای منواکسید کربن (CO)، ازن (O3)، منواکسید نیتروژن (NO)، دی اکسید نیتروژن (NO2)، اکسیدهای نیتروژن (NOx)، دی اکسید گوگرد (SO2)، ذرات معلق با اندازه 2.5 میکرومتر یا کمتر (PM2.5) و ذرات معلق با اندازه 10 میکرومتر یا کمتر (PM10)که از عوامل بیماری زا و بعضاً مرگ زودرس می باشند، مشاهده گردد.
مواد و روشها:با استفاده از روش یادگیری ماشین، در مرحله اول تغییر غلظت آلاینده ها در دوره همه گیری کووید-19 نسبت به دوره قبل از آن مورد بررسی قرار گرفتتا مشخص گردد که اعمال محدودیت های ترافیکی چه تاثیری در تغییر غلظت آلاینده ها در هر یک از کلانشهرهای مشهد و شیراز داشته است. در مرحله دوم، الگوهای پیش بین با استفاده از شبکه های عصبی پیشخور و عمیق جهت پیش بینی سطح اهمیت بهداشتی بر اساس اعمال هر یک از محدودیت های ترافیکی در هر کلانشهرارائه گردید.
نتایج و بحث:این مطالعه نشان داد که تغییر غلظت آلایندهها در دوران کووید-19 نسبت به قبل از آن، در کلانشهرهای مشهد و شیراز متفاوت بوده است. با توجه به نتیجه حاصل شده و تفاوت در روند تغییر غلظت آلاینده ها، جهت کنترل شاخص کیفیت هوا، الگوهای پیشبین برای هر کلانشهر ارائه گردید.
نتیجهگیری: برای آلایندهها، الگوی افزایشی و یا کاهشی یکسانی در کلانشهرهای مورد مطالعه مشاهده نشد، پس میتوان گفت که تاثیر محدودیتهای یکسان بر روی تغییر غلظت آلایندهها در شهرهای مختلف، متفاوت بوده است؛ لذا اعمال محدودیتهای یکسان در تمامی شهرها، لزوماً منجر به کاهش آلودگی نشده و میبایست برای برای هر موقعیت شهری و زیستمحیطی، الگوی محدودیتهای ترافیکی مختص آن موقعیت تهیه گردد. الگوی حاصل از این تحقیق را می توان به صورت روزانه، هفتگی، ماهانه و سالانه برای هر یک از دو کلانشهر مورد استفاده قرار داد و مشخص کرد که کدام محدودیت ها در کدام شهر سبب خواهد شد تا بتوانیم شاخص کیفیت هوا را کنترل نماییم.