Resumen de Modelos de emisiones de partículas y NOx de autobuses en recorridos urbanos
Edinalva Gomes Bastos, María Cueto-Felgueroso González-Pardo, José Manuel Mira, Natalia Elizabeth Fonseca González, Blanca Arenas Ramírez, Francisco Aparicio Izquierdo
En las grandes ciudades el principal motivo de la pérdida de la calidad del aire es la emisión de los productos de combustión procedentes del tráfico de vehículos. El objetivo de este trabajo es mostrar los resultados de las predicciones realizadas para emisiones de partículas y de óxidos de nitrógeno por autobuses urbanos de ciudad de Madrid, utilizando modelos de minería de datos que consideran la influencia de variables cinemáticas, ambientales, altitud y pendiente. Para la realización de las predicciones se usó la herramienta estadística Random Forests de R.
Se obtuvieron los perfiles de altitud y pendiente de manera teórica (usando la aplicación GPS Visualizer) y experimental (determinación del perfil de altitud sobre el nivel del mar). Se detectó un desfase entre las curvas de caudal de contaminantes respecto a las curvas de las variables cinemáticas, por ello se hizo corresponder el valor de la variable respuesta en el instante t con las cinemáticas en el instante t + r. Se determinó las mejores combinaciones del desfase a partir de la elaboración de modelos sencillos.
A continuación, a los mejores modelos sencillos se añadió las componentes ambientales como variables explicativas creando modelos globales, y finalmente se creó un modelo incorporando al mejor modelo global la altitud y pendiente como nuevas variables explicativas.
Se verificó que los modelos que consideran el retardo entre la variable respuesta y las cinemáticas y la incorporación de la altitud y pendiente como variables explicativas mejoran los modelos en términos de predicciones y errores. Los perfiles de altitud y pendiente determinados por el método teórico presentan mejores resultados, en ambos métodos la pendiente es la tercera variable más influyente en la emisión de los contaminantes, mientras que las variables cinemáticas son las que más contribuyen a reducir la impureza nodal y el error MSE-OOB.
