Teses e dissertações

Mestrado
Engenharia Informática
Título

Impact of COVID-19 pandemic restrictions in urban mobility and air pollution in Lisbon, Portugal

Autor
Juma, Alexandre Sadik Vieira
Resumo
pt
O presente trabalho relata os impactos na mobilidade urbana e qualidade do ar em Lisboa, Portugal, como consequência das restrições impostas para conter a transmissão do vírus SARS-CoV-2, causador da doença COVID-19, onde durante o primeiro período de emergência nacional (18-03-2020 a 03-05-2020) as reduções acentuadas nas atividades antropogénicas, nomeadamente o tráfego rodoviário, resultaram na redução generalizada das concentrações dos principais poluentes atmosféricos medidos nas seis estações de monitorização da qualidade do ar em Lisboa quando comparados ao período homólogo de 2013-2019, sendo o NO2 o poluente atmosférico mais impactado com uma redução média de 54.35% nas estações de tráfego e 28.62% nas estações de fundo. Uma exceção a esta tendência foi o aumento observado na concentração de O3 de 12.89% nas estações de tráfego potencialmente devido a mudanças na relação NOx:COV e redução da ação de redução de O3 por reação com NO como resultado da redução acentuada da concentração de NOx nas zonas habitualmente mais poluídas da cidade. Este fenómeno reforça a necessidade de medidas que mitiguem o aumento da poluição de O3 no âmbito do plano de melhoria da qualidade do ar de Lisboa e Vale do Tejo que visa a redução das concentrações de NO2, nomeadamente medidas específicas de gestão de COV. O indicador de mobilidade da Google para o comércio local em Lisboa foi identificado como a atividade antropogénica mais relevante com uma correlação moderada e positiva com a concentração NO2 (r=+0.54). A velocidade média do vento foi identificada como a atividade natural mais relevante com uma correlação moderada e negativa com a concentração NO2 (r=-0.53). Foi treinada uma ML pipeline para prever a concentração NO2 que teve como entradas os dados de atividade antropogénica, meteorológica e qualidade do ar desde Março/2020 a Março/2021, obtendo R2=0.925 no conjunto de teste. A análise de importância dos atributos identificam as variáveis antropogénicas como responsáveis por 41.19% da concentração NO2 enquanto que as variáveis naturais respondem por 58.81%.
en
The present work reports the impacts on urban mobility and air quality in Lisbon, Portugal as a consequence of the imposed restrictions to curb the transmission of SARS-CoV-2 virus which causes COVID-19 disease. During the first national emergency period (18-03-2020 to 03-05-2020) the sharp reductions in anthropogenic activities, most importantly road traffic, resulted in generally reduced criteria air pollutant concentration when compared to a homologous baseline from 2013-2019 measured in the six air quality monitoring stations throughout the city. The most negatively impacted air pollutant was No2 with a reduction of 54.35% in traffic stations and 28.62% reduction in background stations. An exception to this trend was the observed O3 concentration increase of 12.89% in traffic stations which is potentially due to changes in the Nox:VOC ratio and reduced O3 titration by NO as a result of sharp decrease of NOx emissions in the usually most polluted city hotspots. This phenomenon raises the need of additional measures to mitigate O3 pollution increases as part of the Lisbon and Tagus Valley air quality improvement plan which aims to reduce NO2 concentrations, namely specific measures for VOC management. Google mobility indicator for local commerce was found to be the main anthropogenic activity indicator for Lisbon with a moderate and positive correlation with NO2 concentration (r=+0.54), whereas the average wind speed was the most relevant natural phenomena contributing to NO2 concentration with a moderate and negative correlation (r=-0.53). A regressor ML pipeline was trained to predict NO2 concentration with the available anthropogenic activity, weather, and air pollutant inputs from March/2020 to March/2021, achieving R2=0.925 on the test set and subsequent feature importance analysis uncovered that anthropogenic features contribute to 41.19% of NO2 concentrations and natural phenomena features contribute to 58.81%.

Data

03-jan-2022

Palavras-chave

Machine learning
Urban mobility
Qualidade do ar
Air quality
Mobilidade urbana
COVID-19
Automl

Acesso

Acesso livre

Ver no repositório  
Voltar ao topo