Stima dei livelli di rumore a Roma e Pisa Gaetano Licitra

Transcript

1 Stima dei livelli di rumore a Roma e Pisa Gaetano Licitra 7 Settembre Roma

2 Origine delle stime dei livelli Roma: stima del rumore ai ricevitori della coorte dello studio Noise & Health: Noise and health pollution from road traffic and incidence of coronary and cardiovascular events in three Italian cohort studies. Pisa: mappatura acustica nell ambito di diverse tesi di laurea e successivamente stima ai ricevitori della coorte del suddetto studio Noise & Health

3 Stima dei livelli di rumore stradale A partire da un modello di traffico sull ora di punta sono stati derivati i livelli di rumore utilizzando metodi differenti nei due casi in funzione dei dati disponibili. In entrambi i casi è stata utilizzata la guida GPG sia per stimare dati mancanti che per stimare l incertezza associata. Nell ambito dello studio Noise & Health sono stati stimati i livelli operando una media energetica dei livelli stimati sulle corone di ricettori intorno agli edifici.

4 Metodologia per la mappa di Pisa Road Classification Average flows per class Average composition Speed law limit Traffic model: TransCAD Specific flows per link Traffic composition Volume dependent speed Per le strade principali è stato predisposto un modello basato su 70 conteggi Noise model: IMMI Road noise map È stato utilizzato il metodo di calcolo ad interim «NMPB Routes-96 (SETRACERTU-LCPC-CSTB)» È stato utilizzato un metodo di pesatura delle emissioni basato su dati sperimentali

5 Metodologia per la stima a Roma Total Flows at rush hour (after PCE conversion) The Toolkit 2.5 Road class definition Dal modello dei flussi di punta si è stimato la classe stradale Road class definition The Toolkit 4.5 light and heavy % flows for rush hour Dalla classe si sono derivate le distribuzioni di veicoli Road class definition GPG indications Rush hour flows light and heavy Flows for day evening and night, light and heavy Dalla classe si è derivata la distribuzione dei flussi sui periodi di riferimento È stato utilizzato il metodo di calcolo aggiornato «NMPB 2008» in quanto sicuramente più aderente alle emissioni reali in quanto non erano disponibili dati affidabili per tarare le emissioni per tipologia di veicolo

6 Regulation is changing but maximum exposure was requested and a distribution of inhabithants along facades is going to be requested. Metodologia per la stima dei livelli ai ricettori Cohort studies are different from estimating whole population. Address point is known but not the living facade. Innovative approach calculates exposure as energetic average of levels around all facades (probability of living on that facade)

7 Esempio di stima in media energetica Paragone con norma vigente sulla coorte di Roma % people exposure in cohort Lden Max Lden energy ave 0,21 0,21 0,22 0,21 0,15 0,17 0,15 0,1 0,09 0, >=75 Noise levels Bands

8 Incertezza teorica Teoretical uncertainty is calculated as squared sum of each modeling choice. σ t = i σ 2 i the WG-AEN produced the Good Practice Guide for Strategic Noise Mapping and the Production of Associated Data on Noise Exposure (GPG) that also provide numerical and qualitative uncertainties associated to modeling choices (according to interim method). Measurements are compared to models and differences distribution compared to teorethical uncertainty.

9 Teorethical 3.2 db Issue Tool Uncertainty (db) Traffic flows Weekend flows Speed Flow composition Speed at crossing Road pavement Road gradient Cuttings & Embankments Ground absorption Barriers and buildings absorption 16 1 Risultati Pisa Differences measurements - noise model [db(a)] L den L day L evening L night Mean Dev TransCAD roads Classified roads Diurnal 3.1 db 4.0 db Nocturnal 3.5 db 4.4 db 66% found level is 2.5 db both diurnal and nocturnal 90% found level is 4.5 db diurnal and 4.8 db nocturnal 95% fitted level is 4.3 db diurnal and 5.5 db nocturnal Roma Theoretical and empirical uncertainties are comparable

10 Differenze con le misure Pisa diurno Roma % of measurement points Lden Lday Levening Lnight Pisa notturno 0 < > 6 Difference range

11 Conclusioni Di fatto l accuratezza dei dati di input di sorgente determinano l accuratezza finale. Modelli di traffico adeguatamente calibrati producono risultati più che soddisfacenti. È apparsa la necessità di migliorare la classificazione delle strade in modo da poter stimare in modo più accurato i dati di input.