WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ RYZYKO CHORÓB UKŁADU ODDECHOWEGO. CZ. I OPIS

Transkrypt

1 MODELOWANIE INśYNIERSKIE ISSN X 37, s , Gliwice 2009 WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ RYZYKO CHORÓB UKŁADU ODDECHOWEGO. CZ. I OPIS ZALEśNOŚCI POZIOMÓW ZANIECZYSZCZEŃ OD NATĘśENIA RUCHU I INNYCH WYBRANYCH PARAMETRÓW Z WYKORZYSTANIEM MODELI STATYSTYCZNYCH ARTUR JERZY BADYDA Zakład Informayki i Badań Jakości Środowiska, Wydział InŜynierii Środowiska, Poliechnika Warszawska arur.badyda@is.pw.edu.pl Sreszczenie. W pracy przedsawiono wyniki pomiarów naęŝenia ruchu pojazdów w przekroju jednej z bardziej obciąŝonych ruchem arerii komunikacyjnych Warszawy oraz pomiarów monioringu jakości powierza i podsawowych paramerów meeorologicznych. W celu precyzyjnego wyjaśnienia mechanizmu powiązania sęŝeń zanieczyszczeń powierza z naęŝeniem ruchu i czynnikami meeorologicznymi na podsawie zebranych danych wykonano modele regresji wielokronej. 1. WSTĘP Dynamiczny wzros liczby pojazdów poruszających się po polskich drogach, w syuacji znacznie wolniej powiększającej się sieci komunikacyjnej, powoduje zauwaŝalny spadek średniej prędkości ruchu pojazdów. Szczególne znaczenie ma o w duŝych aglomeracjach, gdzie dynamika wzrosu naęŝenia ruchu jes większa niŝ w skali kraju. Sieci drogowouliczne nie są w sanie sprawnie obsłuŝyć generowanego ruchu, czego efekem są liczne uciąŝliwości dla środowiska miejskiego, w ym rosnący poziom zanieczyszczeń powierza, co moŝe skukować większą zachorowalnością mieszkańców na choroby układu oddechowego. Jak bowiem wskazują Keller i in. [1] oraz Chłopek [2-4], jazda na załoczonych ulicach, a więc z niskimi prędkościami średnimi, sprzyja zwiększaniu zuŝycia paliwa (przekraczającego 20 dm 3 na 100 km), a w efekcie równieŝ zanieczyszczeń komunikacyjnych: lenku węgla, węglowodorów, a w przypadku silników o zapłonie samoczynnym równieŝ cząsek sałych. W 2005 roku przeprowadzono w Warszawie pomiary naęŝenia ruchu pojazdów w przekroju jednej z bardziej obciąŝonych ruchem arerii komunikacyjnych. Jednocześnie prowadzono pomiar sęŝeń zanieczyszczeń pochodzenia komunikacyjnego (CO, NO 2, PM 10 i C 6 H 6 ) oraz podsawowych paramerów meeorologicznych. W ym samym roku przeprowadzono badania sprawności wenylacyjnej układu oddechowego w grupie 823 mieszkańców ej samej ulicy. W celu precyzyjnego wyjaśnienia mechanizmu powiązania sęŝeń zanieczyszczeń powierza z naęŝeniem ruchu i czynnikami meeorologicznymi, na podsawie zebranych danych, wykonano modele regresji wielokronej. Swierdzono, Ŝe modele e wyjaśniają

2 12 A. BADYDA sosunkowo duŝą część wariancji zmiennej zaleŝnej, o czym świadczą relaywnie wysokie współczynniki deerminacji R 2 przyjmuje, zaleŝnie od modelu, warości od 0,70 do 0,91. W laach przeprowadzono równieŝ piloowe badania sprawności wenylacyjnej mieszkańców ej samej ulicy oraz osób zamieszkujących ereny pozamiejskie. Badania e posłuŝyły do oszacowania ryzyka zachorowania z powodu przewlekłej oburacyjnej choroby płuc (POChP). Szczegóły w ym zakresie prezenuje 2. część publikacji. 2. ZALEśNOŚĆ POMIĘDZY NATĘśENIEM RUCHU POJAZDÓW A STĘśENIAMI ZANIECZYSZCZEŃ 2.1. Syuacja obecna w zakresie problemów komunikacyjnych W ciągu osanich kilkunasu la nasąpił w Polsce niezwykle dynamiczny wzros liczby pojazdów. Od 2004 roku rocznie rafia do Polski ponad pojazdów, a w roku 2008 zaimporowano milion samochodów, w większości z krajów UE. W ej syuacji, przy jednoczesnym nieznacznym wzroście długości sieci drogowej, znacznie zwiększyło się naęŝenie ruchu pojazdów, zaczęły pojawiać się równieŝ coraz częściej problemy ze sprawnym obsłuŝeniem generowanego ruchu. Zgodnie ze sanem na dzień 31 grudnia 2007 roku [5] po polskich drogach porusza się niemal 19,5 miliona pojazdów, z czego większość (75%) sanowią samochody osobowe. W okresie liczba zarejesrowanych pojazdów wzrosła o 38%, podczas gdy całkowia długość sieci drogowej w ym samym okresie wzrosła jedynie o 4%. Dynamiczny wzros liczby pojazdów i związane z ym problemy komunikacyjne są szczególnie silnie widoczne w duŝych ośrodkach miejskich. Układy drogowo-uliczne mias nie są w sanie przyjąć i sprawnie obsłuŝyć generowanego w nich ruchu, co powoduje liczne niekorzysne efeky dla środowiska miejskiego. Przykładowo do Warszawy dociera dziennie ponad 300 ysięcy pojazdów z ruchu podmiejskiego, regionalnego i ranzyowego, co dodakowo obciąŝa sysem komunikacyjny miasa [6]. Zaory komunikacyjne, powszechnie wysępujące w miasach, są juŝ nie ylko uciąŝliwością właściwą dla zw. szczyów komunikacyjnych. Przede wszyskim jes o isone źródło zwiększonej emisji do powierza produków spalania paliw pochodzących z silników pojazdów Wyniki pomiarów ruchu i poziomów zanieczyszczeń powierza W 2005 roku w okresie 1 ygodnia zrealizowano pomiary naęŝenia ruchu pojazdów, uwzględniając srukurę ruchu oraz średnią prędkość w ramach kaŝdej z kaegorii (samochody osobowe, samochody cięŝarowe, auobusy). Pomiary prowadzono w przekroju Al. Niepodległości w Warszawie, będącej jedną z najsilniej obciąŝonych ruchem arerią komunikacyjną miasa. Jednocześnie w pobliskiej sacji monioringu jakości powierza prowadzono pomiar sęŝeń zanieczyszczeń powierza, z kórych w analizach uwzględnione zosały lenek węgla, lenki azou, frakcja pyłów PM 10 oraz benzen. Analiza zebranych wyników pomiarów naęŝenia ruchu pojazdów wykazała, Ŝe w dni robocze przekrój pomiarowy przekraczało od do pojazdów na dobę, przy czym samochody osobowe sanowiły niemal 98% całkowiego naęŝenia ruchu. Szczyowe poranne naęŝenie ruchu w dni robocze noowane jes w godzinach między 07:00 a 09:00, zaś popołudniowe pomiędzy godzinami 16:00 i 19:00, kiedy o przez przekrój pomiarowy w ciągu kaŝdej godziny przejeŝdŝa średnio ponad 5000 pojazdów. Na okres pomiędzy 07:00 a 19:00 przypada zaś 70-80% całodobowego naęŝenia ruchu.

3 WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ CZ. I 13 Taki san rzeczy znajduje odzwierciedlenie w sęŝeniach zanieczyszczeń rejesrowanych przez sację monioringu. Zmianom naęŝenia ruchu pojazdów owarzyszą analogiczne zmiany sęŝeń zanieczyszczeń powierza. Powierdzeniem ego mogą być współczynniki korelacji Pearsona (isone z p<0,05) obliczone dla rozkładów ych zmiennych (abela 1). Tabela 1 Współczynniki korelacji naęŝenia ruchu i sęŝeń wybranych zanieczyszczeń obliczonych dla całego ygodnia (w nawiasach obliczenia dla dni roboczych) CO NO 2 PM 10 C 6 H 6 CO - NO 2 0,93 (0,93) - PM 10 0,68 (0,69) 0,68 (0,71) - C 6 H 6 0,88 (0,88) 0,80 (0,80) 0,63 (0,62) - NaęŜenie ruchu 0,70 (0,73) 0,69 (0,68) 0,45 (0,52) 0,48 (0,51) ZaleŜność liniowa pomiędzy naęŝeniem ruchu pojazdów a średnimi 1-godzinowymi sęŝeniami zanieczyszczeń nie sanowi jednakŝe aproksymay właściwej dla przedsawionych relacji między omawianymi zmiennymi. Saysyki C p Mallowa obliczone zarówno dla całego 7-dniowego okresu pomiarowego, jak i dni roboczych wskazują, iŝ model logarymicznoliniowy najlepiej odzwierciedla zaleŝność pomiędzy naęŝeniem ruchu pojazdów a sęŝeniami poszczególnych zanieczyszczeń. Ilusrację graficzną sanowi rys. 1 (ilusracja dla dni roboczych przedsawia zaleŝność dla lenku węgla i dilenku azou), zaś porównanie warości saysyk C p Mallowa pomiędzy zaleŝnością liniową a logarymiczną prezenuje abela 2 (dla celów porównawczych zamieszczono równieŝ warości R 2 ). Tabela 2 Saysyki C p Mallowa dla zaleŝności liniowej i logarymicznej pomiędzy naęŝeniem ruchu a sęŝeniami zanieczyszczeń (obliczenia dla dni roboczych) CO NO 2 PM 10 C 6 H 6 NaęŜenie ruchu C p 31,83 86,00 26,79 19,27 R 2 0,53 0,46 0,27 0,26 ln naęŝenia ruchu C p 2,69 21,91 6,96 4,67 R 2 0,61 0,63 0,37 0, CO =-1862, + 449,94*ln naęŝenia ruchu 140 NO 2 =-90,55+21,613*ln naęŝenia ruchu SęŜenie CO [µ g/m 3 ] SęŜenie NO 2 [µ g/m 3 ] ,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 ln naęŝenia ruchu [ln (poj./h)] 95% p.ufności -20 4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 ln naęŝenia ruchu [ln (poj./h)] Rys. 1 Wykresy rozrzuu pomiędzy ln naęŝenia ruchu a sęŝeniami wybranych zanieczyszczeń (na podsawie danych dla dni roboczych) 95% p.ufności

4 14 A. BADYDA Informacje lieraurowe [7] wskazują, iŝ naęŝenie ruchu w sieci drogowej miasa urzymuje się w dni robocze na podobnym, wysokim poziomie, zaś w okresach weekendowych jes znacznie mniejsze (z wyjąkiem godzin i ras, kórymi odbywają się wyjazdy i powroy). Warszawskie Badanie Ruchu [6] wykazało, Ŝe na analizowanym odcinku Al. Niepodległości średniodobowe naęŝenie ruchu (24-godzinny pomiar wykonywany w jeden wybrany roboczy dzień kaŝdego ygodnia przez 3 miesiące) wynosi pojazdów. NaęŜenie ruchu pojazdów zmierzone w ciągu Al. Niepodległości oraz jego zmiany w poszczególnych godzinach doby moŝna wobec ego rakować jako charakerysyczne dla danej arerii Domniemanie o podobnym rozkładzie godzinowych naęŝeń ruchu w poszczególne dni robocze powierdza es Kruskala-Wallisa, kórego wynik (p=0,89) nie daje podsaw do odrzucenia hipoezy o równości rozkładów naęŝeń ruchu w poszczególne dni robocze. Mimo braku normalności rozkładu naęŝenia ruchu sprawdzono jednorodność wariancji i przeprowadzono zw. esy pos-hoc. Jak bowiem podaje Dobosz [8], w wielu przypadkach, mimo odchyleń od normalności analiza wariancji daje prawidłowe wnioski ze względu na fak, iŝ es F jes w duŝym sopniu odporny na odchylenia od normalności. Tes Levene a jednorodności wariancji wykazał (p<0,05), Ŝe naleŝy odrzucić hipoezę o jednorodności wariancji w kaŝdym z dni ygodnia. Nie ma naomias podsaw do odrzucenia akiej hipoezy w przypadku przeprowadzenia esu osobno w grupie dni roboczych oraz dni wolnych. Tesy pos-hoc (es Duncana i es Tukeya) wykonane dla poszczególnych grup dni wykazały, Ŝe na poziomie p<0,05 brak jes isonych saysycznie róŝnic rozkładów naęŝeń ruchu. MoŜna zaem przyjąć, Ŝe rozkład naęŝenia ruchu w kaŝdym z dni roboczych uznać moŝna za aki sam. Podobnie rozkład naęŝenia ruchu w dni wolne jes zbliŝony. Porównanie rozkładów 1-godzinowych średnich sęŝeń zanieczyszczeń komunikacyjnych z omawianego okresu pomiarowego pozwala na podsawie esu Kruskala-Wallisa (przy poziomie isoności <0,05) odrzucić hipoezę o równości rozkładów sęŝeń poszczególnych zanieczyszczeń w kaŝdym z dni ygodnia. Tesy pos-hoc, podobnie jak w przypadku naęŝeń ruchu wskazują, iŝ isnieją saysycznie isone róŝnice pomiędzy poziomami zanieczyszczeń rejesrowanymi przez komunikacyjną sację monioringu powierza w większość dni roboczych w porównaniu z wolnymi od pracy. JednakŜe wyniki podobnej analizy (esu Kruskala-Wallisa) wykonanej ylko dla dni roboczych nie pozwalają na odrzucenie hipoezy zerowej, co wskazuje na o, Ŝe poszczególne zanieczyszczenia charakeryzują się zbliŝonymi poziomami w kaŝdym dniu roboczym. Opierając się na opisanych powyŝej wynikach, świadczących o równości naęŝeń ruchu pojazdów w poszczególne robocze dni ygodnia i zakładając, iŝ w ciągu 2-leniego okresu dobowy przebieg zmian ych naęŝeń był zbliŝony, analizie poddano rozkład sęŝeń zanieczyszczeń uśrednionych w poszczególnych godzinach doby za wskazany okres. Przyjęo, Ŝe zmierzone naęŝenie ruchu pojazdów moŝna przyjąć za charakerysyczne dla całego roku, przy czym na uwadze mieć naleŝy, Ŝe będzie ono inne w okresach, w kórych warunki pogodowe (inensywne opady deszczu lub śniegu, gołoledź) lub zmiany organizacji ruchu (remony, objazdy) wymuszają odmienny sposób poruszania się pojazdów. Przyjmując uśrednione 1-godzinowe naęŝenia ruchu dla całego okresu pomiarowego oraz uśrednione 1-godzinowe sęŝenia zanieczyszczeń z la , obliczono współczynniki korelacji Pearsona. Wyniki obliczeń dla ych rozkładów wskazują na isnienie bardzo silnej, isonej saysycznie (p<0,05) korelacji pomiędzy ymi wielkościami

5 WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ CZ. I 15 Tabela 3 Współczynniki korelacji naęŝenia ruchu i sęŝeń wybranych zanieczyszczeń uśrednionych za okres la (w nawiasach obliczenia dla dni roboczych) CO NO 2 PM 10 C 6 H 6 CO - NO 2 0,97 (0,97) - PM 10 0,89 (0,90) 0,90 (0,91) - C 6 H 6 0,97 (0,97) 0,94 (0,94) 0,88 (0,88) - NaęŜenie ruchu 0,92 (0,94) 0,89 (0,92) 0,80 (0,84) 0,86 (0,88) Analiza saysyk C p Mallowa wskazuje, Ŝe aproksymacja liniowa nie jes wysarczająca dla zaleŝności pomiędzy naęŝeniem ruchu pojazdów a sęŝeniami zanieczyszczeń. Wierniejsze odzwierciedlenie zapewnia zaleŝność logarymiczna (rys. 2, abela 4). Tabela 4 Saysyki C p Mallowa dla zaleŝności liniowej i logarymicznej pomiędzy naęŝeniem ruchu a sęŝeniami zanieczyszczeń (obliczenia dla dni roboczych) CO NO 2 PM 10 C 6 H 6 NaęŜenie ruchu C p 18,54 83,75 39,50 8,70 R 2 0,88 0,84 0,70 0,77 ln naęŝenia ruchu C p 6,87 1,95 4,04 2,92 R 2 0,90 0,96 0,84 0, CO =-1826, + 421,62*ln naęŝenia ruchu 90 NO 2 =-61,61+16,060*ln naęŝenia ruchu SęŜenie CO [µ g/m 3 ] SęŜenie NO 2 [µ g/m 3 ] ,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 ln naęŝenia ruchu [ln (poj./h)] 95% p.ufności 10 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0 ln naęŝenia ruchu [ln (poj./h)] 95% p.ufności Rys. 2 Wykresy rozrzuu pomiędzy ln naęŝenia ruchu a sęŝeniami wybranych zanieczyszczeń uśrednionymi za okres la (na podsawie danych dla dni roboczych) 2.3. Wyniki modelowania modele regresji wielokronej Omówione powyŝej analizy wskazują na wysoki i isony saysycznie wpływ naęŝenia ruchu pojazdów w ciągu Al. Niepodległości w Warszawie na poziom zanieczyszczenia powierza w sąsiedzwie ej arerii komunikacyjnej. W celu precyzyjnego wyraŝenia mechanizmu powiązania między ymi wielkościami, na podsawie danych zebranych podczas pomiarów ruchu, oszacowano modele regresji prosej dla kaŝdego z analizowanych zanieczyszczeń osobno. W kaŝdym z przeanalizowanych modeli oszacowane paramery były isone (na poziomie p<0,05), a więc ich wpływ na zmienną zaleŝną był silny. Modele e nie wyjaśniają jednak sosunkowo duŝej części obserwowanej zmienności sęŝeń poszczególnych zanieczyszczeń, o czym świadczą niskie współczynniki deerminacji R 2 (od 0,21 do 0,45). JuŜ warości współczynników korelacji Pearsona, obliczonych pomiędzy zmianami naęŝenia ruchu

6 16 A. BADYDA a sęŝeniami zanieczyszczeń wskazywały, iŝ na rejesrowane poziomy zanieczyszczeń wpływają dodakowe czynniki, niezwiązane z przebiegiem zmian naęŝenia ruchu pojazdów. RównieŜ analiza dobowych zmienności sęŝeń zanieczyszczeń dowodzi, Ŝe, zwłaszcza w okresie lenim, części zmian poziomów zanieczyszczeń nie moŝna łumaczyć zmianami naęŝenia ruchu. ZałoŜono, iŝ syuacja aka wynika z wpływu pewnych zjawisk meeorologicznych, kórych uwzględnienie w modelach podniosło warości współczynników deerminacji. W wyniku wprowadzenia dodakowych zmiennych niezaleŝnych zaobserwowano wyraźny wzros współczynników deerminacji, nie ylko dla najbardziej charakerysycznych indykaorów zanieczyszczenia powierza ze źródeł komunikacyjnych (CO i NO 2 ), ale równieŝ dla pozosałych analizowanych zmiennych zaleŝnych. W dalszej części dokonano szeregu modyfikacji przedsawionych wyŝej modeli. Były one poprawiane w kilku ieracjach, z kórych w kaŝdej uwzględniano nowe elemeny, modyfikowano isniejące lub usuwano e, kóre okazywały się być saysycznie nieisonymi. W końcowej fazie w modelach uwzględniono dodakowo zmienne opóźnione, czyli naęŝenia ruchu i sęŝenia poszczególnych zanieczyszczeń w poprzedniej chwili czasowej (1 godzinę wcześniej), oznaczając bieŝącą chwilę czasową jako, zaś poprzedzającą jako -1. Korzysając równieŝ z wyników wcześniejszych analiz, wskazujących, iŝ zaleŝność logarymiczno-liniowa pomiędzy naęŝeniem ruchu a sęŝeniami zanieczyszczeń sanowi lepszą aproksymację w porównaniu z zaleŝnością liniową, w modelach uwzględniono zlogarymowane zmienne niezaleŝne. Operacja a wpłynęła na zauwaŝalny wzros współczynnika deerminacji w przypadku modeli dla lenku węgla, PM 10 oraz benzenu. W przypadku dilenku azou lepszym dopasowaniem charakeryzuje się jednak model liniowy. Osaecznie więc, po wyeliminowaniu wszyskich zmiennych nieisonych, równania regresji przyjmują posaci zaprezenowane w równaniach 1-4: ln CO( ) = 0,39 ln N( ) 0,14 ln N( 1) + 0,57 ln CO( 1) 0,39 ln Vw( ) + 1, 20 R 2 =0,911 (1) NO = 0,01 N + 0,56 NO 33,97 V 37, R 2 =0,881 ( ) ( ) ( ) ( ) w 2 + (2) ln PM10( ) = 0,52 ln N( ) 0,31 ln N( 1) + 0,66 ln PM10( ) 0,37 ln Vw( ) 0, 35 R 2 =0,696 1 (3) ln C6H 6( ) = 0,31 ln N( ) + 0,50 ln C 6H 6( ) 0,17 ln Vw( ) 0,49 ln Vw( ) 2, 33 R 2 =0, (4) gdzie: CO (), CO (-1) średnie 1-h sęŝenie lenku węgla [µg/m 3 ] odpowiednio w chwili oraz -1 NO 2(), NO 2(-1) średnie 1-h sęŝenie dilenku azou [µg/m 3 ] odpowiednio w chwili oraz -1 PM 10(), PM 10(-1) średnie 1-h sęŝenie frakcji pyłów respirabilnych (φ 10µm) [µg/m 3 ] odpowiednio w chwili oraz -1 C 6 H 6(), C 6 H 6(-1) średnie 1-h sęŝenie benzenu [µg/m 3 ] odpowiednio w chwili oraz -1 N (), N (-1) 1-h naęŝenie ruchu pojazdów [poj./h] odpowiednio w chwili oraz -1 V w(), V w(-1) średnia 1-h prędkość wiaru [m/s] odpowiednio w chwili oraz -1 Tak sformułowane modele regresji wielokronej, a więc uwzględniające zarówno wskaźniki meeorologiczne jak i zmienne opóźnione (sęŝenia zanieczyszczeń w chwili -1), w pełniejszym sopniu wyjaśniają zmienność zmiennych zaleŝnych, o czym świadczą wysokie współczynniki deerminacji. Analiza sandaryzowanych współczynników regresji dowodzi, iŝ w przypadku lenku węgla, dilenku azou oraz benzenu naęŝenie ruchu jes najsilniej powiązane ze zmienną zaleŝną, a więc ze zmiennością poziomów poszczególnych zanieczyszczeń. Innymi słowy, wielkość a samodzielnie wyjaśnia najwięcej wariancji

7 WPŁYW RUCHU DROGOWEGO NA POZIOM ZANIECZYSZCZEŃ POWIETRZA ORAZ CZ. I 17 zmiennej zaleŝnej (przy nieuwzględnianiu wpływu pozosałych zmiennych niezaleŝnych) zaleŝnie od modelu od nieco ponad 30% do przeszło 50%. Mniej wariancji wyjaśniają sęŝenia odpowiednich zanieczyszczeń w chwili czasowej -1 (od 19% do 31%), przy czym w przypadku benzenu sandaryzowane współczynniki regresji dla naęŝenia ruchu i sęŝeń w chwili -1 są bardzo zbliŝone (wynoszą po około 30%). Silniej naomias zmienna opóźniona powiązana jes ze zmienną zaleŝną w modelu opisującym PM 10 (wyjaśnia 41% wariancji zmiennej zaleŝnej), gdzie z kolei mniej wariancji samodzielnie wyjaśnia naęŝenie ruchu pojazdów (nieco ponad 12%). Wynika o z faku, Ŝe PM 10 nie jes ypowym zanieczyszczeniem komunikacyjnym i powierdza wcześniejsze obserwacje, wskazujące, iŝ na poziom ego zanieczyszczenia, poza spalaniem paliw w silnikach pojazdów, zauwaŝalny wpływ mają inne źródła zanieczyszczeń pyłowych. Prędkość wiaru samodzielnie wyjaśnia między 5% a 26% wariancji poziomów zanieczyszczeń. Podobnych wyników [9] dosarczyła analiza regresji dla wybranych miesięcy sezonu grzewczego (grudzień 2004 i syczeń 2005) oraz leniego (maj i czerwiec 2005), przeprowadzona na podsawie danych meeorologicznych ze sacji pomiarowej Szkoły Głównej Gospodarswa Wiejskiego w Warszawie. Podsumowując wyniki modelowania, naleŝy podkreślić, Ŝe podsawowe załoŝenia sawiane ego ypu modelom zosały spełnione. Przede wszyskim brak jes podsaw do odrzucenia hipoezy o braku isoności całego modelu, reszy wszyskich modeli charakeryzują się rozkładem normalnym (co powierdza es Kołmogorowa-Smirnowa- Lillieforsa), a modele e nie wykazują endencji nieliniowych względem paramerów. Saysyka Durbina-Wasona, kórej warość w kaŝdym z modeli jes bliska d=2, świadczy o spełnieniu załoŝenia o braku auokorelacji. 3. PODSUMOWANIE I WNIOSKI Wyniki przeprowadzonych prac wskazują na wysokie obciąŝenie analizowanej arerii komunikacyjnej ruchem pojazdów i dowodzą saysycznie isonego związku pomiędzy naęŝeniem ruchu pojazdów a poziomem zanieczyszczeń powierza. Urzymujące się na wysokim poziomie, od począku porannego szczyu komunikacyjnego do zakończenia szczyu popołudniowego, naęŝenie ruchu wpływa na wyraźny spadek średniej prędkości pojazdów, co sprzyja formowaniu się zaorów komunikacyjnych. Skuki zaorów mają charaker wielowymiarowy, zaś wśród najisoniejszych wyróŝnić moŝna poencjalnie większe naraŝenie na niekorzysne oddziaływanie zanieczyszczeń powierza osób mieszkających w sąsiedzwie załoczonych arerii komunikacyjnych. Zaprezenowany maeriał dowodzi, Ŝe ruch drogowy w ciągu analizowanej arerii kszałuje się w dni robocze, pomiędzy porannym a popołudniowym szczyem komunikacyjnym, na sałym i wysokim poziomie. RóŜnice w poziomach zanieczyszczeń rejesrowanych wzdłuŝ szlaków komunikacyjnych o duŝym naęŝeniu ruchu pojazdów oraz na obszarach oddzielonych od bezpośredniego oddziaływania ruchu drogowego, zwłaszcza zaś na erenach niezurbanizowanych wskazują, Ŝe ruch drogowy ma saysycznie isony wpływ na poziomy zanieczyszczeń na erenach miejskich. Wniosek z ego zaem, Ŝe sanowi on zasadniczą przyczynę urzymywania się saysycznie isonie wyŝszych sęŝeń zanieczyszczeń w bezpośrednim sąsiedzwie głównych ciągów komunikacyjnych w porównaniu z erenami odseparowanymi od ruchu kołowego, w szczególności w porównaniu z obszarami pozamiejskimi. Zaprezenowane modele regresyjne wskazują, Ŝe zmiany sęŝeń zanieczyszczeń zaleŝne są zarówno od zmian naęŝenia ruchu pojazdów, ale równieŝ wynikają z bieŝącej syuacji meeorologicznej, w szczególności z ruchów mas powierza, a więc z prędkości wiaru.

8 18 A. BADYDA W zaprezenowanych modelach, pomimo wysokich współczynników deerminacji i braku podsaw do odrzucenia hipoezy o braku isoności modeli, obserwuje się na wykresach rozrzuu pomiędzy naęŝeniem ruchu a sęŝeniami zanieczyszczeń znaczną liczbę punków znajdujących się poza 95% przedziałem ufności. Wskazuje o, Ŝe model saysyczny moŝe być ylko wsępnym oszacowaniem zaleŝności pomiędzy naęŝeniem ruchu pojazdów a sęŝeniami zanieczyszczeń rejesrowanymi w przekroju pomiarowym. Konieczne jes podjęcie badań na podsawie bardziej wyrafinowanych modeli, uwzględniających m.in. dynamikę zmian prędkości ruchu i wspomniane zaleŝności od warunków meeorologicznych. Badania akie są obecnie prowadzone przez auora niniejszej pracy. Praca naukowa finansowana ze środków na naukę w laach jako projek badawczy. LITERATURA 1. Keller M., Evéquoz R., Rellsab J., Kessler H.: Lufschadsoffemissionen des Srassenverkehrs Schrifenreihe Umwel Nr 255. Bundesam für Umwel, Wald und Landschaf. Bern Chłopek Z.: Pojazdy samochodowe : ochrona środowiska nauralnego. Warszawa : WKŁ, Chłopek Z.: Badania modelu globalnej emisji spalin z silników pojazdów drogowych. Chemia i InŜynieria Ekologiczna 1999,. 6, Chłopek Z.: Główne problemy modelowania emisji subsancji szkodliwych dla środowiska z silników spalinowych. W: Konf. nauk. dla uczczenia 70 lecia Profesora Mariana Cichego. MODES Modelowanie Sysemów Energeycznych z Silnikami Spalinowymi. Komie Transporu PAN. Gdańsk Bank Danych Regionalnych. Warszawa : GUS, Warszawskie Badanie Ruchu Warszawa : Biuro Planowania Rozwoju Warszawy, Daka. S, Suchorzewski W., Tracz M.: InŜynieria ruchu. Warszawa : WKŁ, Dobosz M.: Wspomagana kompuerowo saysyczna analiza wyników badań. Warszawa : Akad. Oficyna Wyd. EXIT, Badyda A., Majewski G.: Analiza zmienności sęŝenia zanieczyszczeń komunikacyjnych w aglomeracji miejskiej na le naęŝenia ruchu pojazdów i warunków meeorologicznych. Przegląd Naukowy : InŜynieria i kszałowanie środowiska 2006, 1(33), s TRAFFIC INFLUENCE ON THE LEVEL OF AIR POLLUTANTS CONCENTRATION AND RISK OF RESPIRATORY TRACT DISEASES. PART I USING STATISTICAL MODELS TO SPECIFY THE DESCRIPTION OF THE RELATION BETWEEN AIR POLLUTION LEVELS, TRAFFIC INTENSITY AND OTHER SELECTED PARAMETRES Summary. Paper presens he resuls of vehicles densiy measuremen made across one of he busies road in Warsaw, Poland and air qualiy monioring resuls as well as seleced meeorological parameers. Colleced daa were used o build he muliple regression models in order o explain precisely he mechanism of he inerrelaion beween air polluans concenraion, raffic densiy and meeorological condiions.