Questo studio s'inserisce in una più ampia attività di ricerca sulle correlazioni tra le concentrazioni dei principali agenti inquinanti e variabili relative sia alle condizioni meteorologiche, che ne possono favorire o meno la dispersione, sia al deflusso veicolare quale fonte primaria d'inquinamento. L'idea è quella di sviluppare una metodologia per la previsione a breve termine delle densità di quegli elementi per i quali la normativa prevede delle soglie in termini di concentrazioni medie orarie. Tutto ciò al fine di potersi avvalere, in futuro, di modelli e tecnologie per sapere, con qualche ora di anticipo, se in una determinata zona di un centro urbano, un giorno, possa verificarsi qualche superamento dei suddetti vincoli di legge e poter, così, implementare tempestivamente strategie di traffic management a salvaguardia della salute dei cittadini. In particolare, questa memoria illustra i primi risultati della ricerca, che riguardano il confronto tra i modelli statistici per l'analisi delle serie storiche (modelli ARIMAX, Auto-Regressive Integrated Moving Average with eXogenous variables) e le reti neuronali, in relazione all'accuratezza della previsione dei livelli d'inquinamento atmosferico. In questa prima fase, la valutazione comparativa riguarda la previsione delle concentrazioni di biossido di azoto (NO2) rilevate nell'anno 2007 da una centralina di monitoraggio della qualità dell'aria e delle condizioni meteorologiche in un'arteria stradale della città di Londra, Marylebone Road. È in programma l'estensione dell'analisi alla città di Palermo.

Bell, M., Bergantino, A., Catalano, M., Galatioto, F., Migliore, M. (2015). Previsione dell'inquinamento generato dalla mobilità veicolare e traffic management. RIVISTA DI ECONOMIA E POLITICA DEI TRASPORTI.

Previsione dell'inquinamento generato dalla mobilità veicolare e traffic management

CATALANO, Mario;MIGLIORE, Marco
2015-01-01

Abstract

Questo studio s'inserisce in una più ampia attività di ricerca sulle correlazioni tra le concentrazioni dei principali agenti inquinanti e variabili relative sia alle condizioni meteorologiche, che ne possono favorire o meno la dispersione, sia al deflusso veicolare quale fonte primaria d'inquinamento. L'idea è quella di sviluppare una metodologia per la previsione a breve termine delle densità di quegli elementi per i quali la normativa prevede delle soglie in termini di concentrazioni medie orarie. Tutto ciò al fine di potersi avvalere, in futuro, di modelli e tecnologie per sapere, con qualche ora di anticipo, se in una determinata zona di un centro urbano, un giorno, possa verificarsi qualche superamento dei suddetti vincoli di legge e poter, così, implementare tempestivamente strategie di traffic management a salvaguardia della salute dei cittadini. In particolare, questa memoria illustra i primi risultati della ricerca, che riguardano il confronto tra i modelli statistici per l'analisi delle serie storiche (modelli ARIMAX, Auto-Regressive Integrated Moving Average with eXogenous variables) e le reti neuronali, in relazione all'accuratezza della previsione dei livelli d'inquinamento atmosferico. In questa prima fase, la valutazione comparativa riguarda la previsione delle concentrazioni di biossido di azoto (NO2) rilevate nell'anno 2007 da una centralina di monitoraggio della qualità dell'aria e delle condizioni meteorologiche in un'arteria stradale della città di Londra, Marylebone Road. È in programma l'estensione dell'analisi alla città di Palermo.
2015
Settore ICAR/05 - Trasporti
Bell, M., Bergantino, A., Catalano, M., Galatioto, F., Migliore, M. (2015). Previsione dell'inquinamento generato dalla mobilità veicolare e traffic management. RIVISTA DI ECONOMIA E POLITICA DEI TRASPORTI.
File in questo prodotto:
File Dimensione Formato  
REPoT_2015_Bell_Migliore.pdf

Solo gestori archvio

Descrizione: Articolo principale
Dimensione 956.09 kB
Formato Adobe PDF
956.09 kB Adobe PDF   Visualizza/Apri   Richiedi una copia

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10447/167148
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact