Quantificação de emissões de escape numa rede a partir de dinâmicas agregadas de tráfego

Abstract

Com o setor dos transportes a representar 25% das emissões de Gases de Efeito de Estufa na Europa, desenvolver estratégias mais simples e fidedignas para a estimação de emissões em grandes metrópoles é essencial para responder à redução de 55% de Gases de Efeito de Estufa até 2090 estipulada pela União Europeia. Os modelos de tráfego baseados no Diagrama Macroscópico Fundamental apresentam um grande potencial na estimação e monitorização de emissões de gases de escape de uma rede. Estes modelos oferecem uma representação agregada das dinâmicas da rede, tendo em conta velocidades espaciais médias e distâncias médias percorridas, que são depois usadas por um modelo macroscópico de emissões para a estimação das emissões de escape. No entanto, esta estimação agregada de emissões tem associados s quando comparada com um cenário base desenvolvido através de modelos microscópicos de estimação de emissões. Esta dissertação propõe-se a explorar o potencial dos modelos de tráfego baseados no Diagrama Macroscópico Fundamental para estimar as emissões de escape ao nível de uma rede. Assim, foi efetuada uma análise baseada em simulações que permitiu discutir as mais-valias de se optar por um modelo de emissões que considera dinâmicas agregadas de tráfego, em comparação com um cenário base. Este cenário base foi desenvolvido através da metodologia baseada no conceito de Potência Específica do Veículo, com os dados do projeto pNEUMA. Para a estimação agregada de emissões de escape foram usadas dinâmicas agregadas de tráfego baseadas no Diagrama Macroscópico Fundamental em conjunto com o modelo de estimação de emissões COPERT V. Os resultados obtidos demonstram que a metodologia agregada subestima as emissões de CO₂ entre 13% a 25% e as emissões de NOᵪ entre 26% a 40%, para os diferentes dias. Foi, ainda, explorada a resposta desta metodologia a diferentes níveis de agregação, tendo-se obtido resultados próximos daqueles apresentados no cenário base para um nível de agregação de 5 minutos. Estes resultados indicam que o uso de dinâmicas agregadas de tráfego tende a menosprezar as emissões de gases de escape ao nível de uma rede, no entanto, com o nível de agregação apropriado esta tendência reduz-se.

With the transport sector representing 25% of Greenhouse Gas emissions in Europe, developing simpler and more trustworthy strategies to estimate exhaust emissions in large urban areas is key to meeting the 55% reduction in Greenhouse Gas by 2090 established by the European Union. Traffic models based on the Macroscopic Fundamental Diagram have great potential for future applications of large-scale estimation and monitoring of exhaust emissions. These traffic models offer an aggregated representation of the traffic dynamics in the network, considering mean spatial speeds and average travel distances, which are then used to determine the exhaust emissions using a macroscopic emission model. This aggregated estimation of the travel emissions has an inherent bias when compared to a benchmark scenario consisting of a microscopic estimation of the emissions at the network level. This dissertation will explore the potential of traffic models based on the Macroscopic Fundamental Diagram in exhaust emission estimation at a network level. To do this, a simulation-based was conducted that allowed us to discuss the trade-offs of choosing an emission model that considers aggregated traffic dynamics compared to a benchmark scenario. The benchmark scenario consists of estimation of exhaust emissions using the Vehicle Specific Power methodology, with data from the pNEUMA project. For the aggregated estimation of travel emissions, we use the aggregated traffic dynamics based on the Macroscopic Fundamental Diagram dynamics and COPERT V emission model. The results show that the methodology presented here underestimates CO₂ emissions by 13% to 25% and NOᵪ emissions by 26% to 40%, for different days. The impact of the aggregation level was also explored, with a 5-minute aggregation interval presenting a minor error. These results show that using aggregated dynamics for the estimation of exhaust emissions underestimates these emissions at a network level, yet a proper aggregation level will diminish these differences.