پیش بینی کوتاه مدت انتشار آلاینده 𝐂𝐎 𝟐 ناشی از حجم عبوری وسایل نقلیه سنگین با استفاده از الگوریتم XGBoost (مطالعه موردی محور کرج _ قزوین)

این پژوهش با هدف توسعه یک چارچوب داده محور برای برآورد و پیش بینی کوتاه مدت انتشار CO₂ ناشی از ناوگان سنگین در یک محور برون شهری پرتردد انجام شده است. محدوده مطالعه آزادراه قزوین–البرز (کرج–قزوین) بوده و داده های تردد ثبت شده توسط دیتکتورها و دوربین های ترافیکی در بازه ۰۱/۰۱/۱۴۰۳ تا ۳۱/۰۶/۱۴۰۳ مورد استفاده قرارگرفته است. پس از پالایش و یکپارچه سازی داده ها، شاخص های عملیاتی شامل حجم ساعتی، الگوی شبانه روزی و سهم ناوگان سنگین استخراج شد. نتایج توصیفی نشان داد سهم ناوگان سنگین به طور میانگین ۶ تا ۱۰ درصد بوده و در ساعات ۱۷ و ۱۸ به حدود ۱۸ درصد می رسد. ضریب انتشار CO₂ ناوگان سنگین با استفاده از نرم افزار COPERT ۵.۹.۲ و با در نظر گرفتن غالب بودن موتورهای دیزلی با استاندارد یورو ۲ تا یورو ۴، برابر ۳/۵۷۵ گرم در کیلومتر برآورد شد. سپس مدل پیش بینی کوتاه مدت احجام ترافیکی ناوگان سنگین با الگوریتم XGBoost توسعه یافته و مقادیر پیش بینی شده به انتشار CO₂ در مقیاس زمانی و مکانی تبدیل گردید. تحلیل تغییرات زمانی انتشار امکان شناسایی ساعات بحرانی را فراهم کرده و نتایج حاصل، مبنایی برای ارائه راهکارهای مدیریتی از جمله مدیریت زمان تردد ناوگان سنگین، تنظیمات بهره برداری و اولویت بندی مداخلات در ساعات اوج سهم ناوگان سنگین فراهم می کند. این چارچوب، با اتکا به داده های فعالیت واقعی و مدل های قابل تفسیر، ابزار موثری برای تصمیم سازی پیشگیرانه در کنترل پیک های انتشار آلاینده در مقیاس ساعتی ارائه می دهد.

کلیدواژه ها:

پیش بینی کوتاه مدت ، ناوگان سنگین ، انتشار آلاینده CO₂ ، COPERT ، XGBoost