Traffic pollution assessment using artificial neural network and multivariate analysis

Abstract

The work addressed a study on pollution caused by traffic on the highway. In particular, it was considered the concentration of pollutant, resulting from the passage of vehicles on the freeway. Five different stations (sensors and samples) used to collect data. The data collection period around six months. Also, the following parameters were detected: wind speed and direction, temperature and traffic flow rate. Data processed with Multivariate Analysis and Artificial Neural Network approach. The best model it obtained with Artificial Neural Network approach. In fact, this model presented the best fit to the experimental data.

Šiame darbe pateiktas kelių transporto priemonių keliamos taršos tyrimas. Ypatingas dėmesys skirtas teršalo C koncentracijai, transporto priemonėms važiuojant greitkeliu. Duomenys surinkti penkiose skirtingose stotyse (jutikliai ir bandiniai). Duomenų rinkimo laikotarpis – apie 6 mėnesiai. Nustatyti šie parametrai: vėjo greitis ir kryptis, temperatūra, transporto srauto greitis. Duomenys apdoroti remiantis daugiakritere analize ir dirbtiniu neuroniniu tinklu. Geriausias modelis gautas naudojant dirbtinį neuroninį tinklą, nes šio modelio rezultatai geriausiai atitiko eksperimentinius duomenis.

Raksts veltīts autoceļu satiksmes radītā piesārņojuma izpētei. Īpaša uzmanība veltīta C koncentrācijas izpētei, kas rodas transportlīdzekļiem braucot pa autoceļu. Datu (devēji un paraugi) ieguvei izmantoja piecas dažādas stacijas. Datus vāca aptuveni sešus mēnešus. Tika noteikti sekojoši parametri: vēja ātrums un virziens, temperatūra un satiksmes intensitāte. Iegūtos datus apstrādāja ar mākslīgo neironu tīkla metodi un daudzdimensiju statistisko analīzi. Vislabāko modeli ieguva ar mākslīgo neironu tīkla metodi. Būtībā minētais modelis vislabāk atbilda eksperimentālajiem datiem.