Simulação para prever a exposição dos ciclistas à poluição do ar ao longo das ciclovias

Written by Simio | 26/mar/2026 19:13:09

O desafio

por Daniela Azumendi Gongora, Juan Jose Dıaz Baquero, Juan Felipe Franco e Ivan Mura (Universidad de los Andes)

Conforme apresentado na Conferência de Simulação de Inverno de 2018

Os ciclistas que pedalam em ambientes urbanos poluídos podem ser expostos a condições insalubres. Portanto, o processo de projeto de rotas de ciclovias deve levar em conta a exposição dos ciclistas aos poluentes do ar. Andar de bicicleta é uma maneira comum de se deslocar em Bogotá, uma cidade altamente poluída. A Quinto Centenario é uma ciclovia de 25 km, a ser construída nos próximos anos. Este estudo tem como objetivo produzir estimativas da exposição dos usuários da Quinto Centenario ao material particulado. Simulamos o movimento de ciclistas ao longo da rota planejada e usamos dados de qualidade do ar coletados por uma rede de monitoramento para estimar a concentração de poluição à qual os ciclistas estarão expostos. As estimativas de tráfego de ciclovias foram obtidas de pesquisas oficiais da cidade, que analisamos para determinar matrizes de origem/destino para viagens de bicicleta e distribuições de duração de viagens. O resultado da simulação é capturado por uma planilha que calcula a exposição dos ciclistas para qualquer caminho ao longo da ciclovia.

Introdução

Bogotá, a capital da Colômbia, é a cidade latino-americana com a maior infraestrutura para bicicletas, ' que, em 2017, contava com mais de 476 km de ciclovias. O plano de desenvolvimento proposto pelo governo da cidade de Bogotá, para o período entre 2016 e 2019, inclui a construção de 120 km de novas rotas de bicicletas (Alcald'ıa Bogotá 2016 ' ), com o objetivo de dobrar a porcentagem de viagens que utilizam a modalidade de bicicleta, dos atuais 5% para 10%.

A ciclovia Quinto Centenário (QC) é a ciclovia mais longa proposta no plano de desenvolvimento. Esse projeto, que está planejado para estar totalmente operacional até o 500º aniversário de Bogotá em 2038, resumirá a visão da cidade de mobilidade sustentável (C40 Cities 2016). O QC atravessará a cidade de norte a sul, com uma extensão aproximada de 25 km (C40 Cities 2016), e afetará até 10 zonas da cidade, dependendo da seleção final da rota pelo governo municipal. Ela começará a operar gradualmente e espera-se que cause uma redução cumulativa esperada de 3 anos nas emissões de gases de efeito estufa de 67.565 mtCO2e entre 2018 e 2030, além de melhorar a qualidade do ar ao longo da rota. Sua construção é estratégica para promover o uso da bicicleta para deslocamento e para conectar cidadãos de bairros de baixa, média e alta renda a seus empregos, escolas e outras atividades (C40 Cities 2016).

Espera-se que o QC passe perto das ruas mais movimentadas da capital. Como a proporção de combustíveis ecológicos, em 2015, para a frota de veículos em Bogotá foi de cerca de 5,0% ( ' Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogotá TPD Ingenier ' 'ıa 2016), o ciclista que usar o QC provavelmente será exposto a altos níveis de material particulado (PM) entre outros contaminantes, como acontece com várias outras ciclovias na cidade (Franco et al. 2016). Vários estudos na literatura concluem que a mistura do ar com as emissões de motores de combustão interna é prejudicial à saúde e que grandes doses de MP estão associadas a várias doenças (Hoek et al. 2002). Os efeitos adversos à saúde da exposição à poluição do ar não foram creditados a uma contribuição exata de diferentes compostos ou frações de PM (Int Panis et al. 2010). No entanto, descobriu-se que as partículas na faixa de PM2,5 (ou seja, raio menor que 2,5 µm) causam mais danos à saúde (Pope et al. 2002) do que as outras frações do PM.

Os ciclistas no QC estariam expostos a uma emissão permanente de poluentes. Ao realizar uma atividade física, a frequência respiratória pode aumentar de cerca de 15 vezes até 40-60 vezes por minuto (ELF 2017). Isso resulta em uma quantidade maior de MP entrando no corpo e em uma penetração mais profunda do MP no sistema respiratório (Hoek et al. 2002). A maior deposição de MP nos pulmões aumenta o risco de sofrer os efeitos negativos da poluição (Int Panis et al. 2010), que incluem, entre outros, doenças cardiovasculares, respiratórias agudas, pneumonia e câncer de pulmão (OMS 2017). Consequentemente, ao avaliar os riscos à saúde dos modos de transporte (mais especificamente as políticas de ciclismo), as métricas que estimam a exposição, por exemplo, a taxa de ventilação (a taxa de ventilação é definida como o volume de gás inalado nos pulmões de uma pessoa, por minuto), também devem ser levadas em consideração juntamente com as concentrações de poluentes (Int Panis et al. 2010).

O objetivo deste estudo é determinar qual seria a exposição ao PM2,5 para os ciclistas que usam a rota QC. Essas informações serão úteis para os possíveis usuários da QC, sugerindo se e quando o uso de meios de proteção (como máscaras faciais) é apropriado. Além disso, ela fornecerá à equipe de projeto do CQ uma previsão da exposição ao MP ao longo da rota planejada da ciclovia, indicando quais segmentos apresentam os maiores riscos à saúde e, portanto, sugerindo opções de melhoria.

Para estimar a exposição, combinamos a simulação dos movimentos dos usuários do QC com os dados oficiais de qualidade do ar coletados pela rede de estações de monitoramento de Bogotá. Desenvolvemos uma interface amigável que vincula a saída do modelo de simulação com os dados de qualidade do ar para estimar a exposição.

O restante do documento está organizado da seguinte forma. Na Seção 2, descrevemos a abordagem metodológica geral e as principais fontes de dados que usamos para avaliar a exposição. Em seguida, na Seção 3, apresentamos o modelo de simulação que criamos para prever o tempo de permanência dos ciclistas ao longo da ciclovia e detalhamos o processo de parametrização. Na Seção 4, propomos uma maneira de avaliar a exposição que corresponde às recomendações de órgãos internacionais e, na Seção 5, apresentamos os resultados dos nossos modelos. As conclusões são apresentadas na Seção 6.

A solução

Metodologia

Para prever a exposição dos ciclistas ao longo da ciclovia, é necessário combinar dois tipos distintos de informações, ou seja, o tempo que um ciclista passa em cada um dos segmentos da ciclovia que usa e a concentração de PM2,5 à qual ele estará exposto. Ao juntar essas duas informações, também é essencial levar em consideração aspectos específicos do usuário da ciclovia, como sexo e idade, que afetam a frequência respiratória de base.

Para determinar o tempo que os ciclistas passam nos segmentos da ciclovia, aplicamos a metodologia de Banks (2000) para criar um modelo de simulação que reproduz seus movimentos. Georreferenciamos o caminho planejado do QC e o dividimos em segmentos retos que se aproximam da ciclovia. O modelo de simulação é parametrizado com dados oficiais da Secretaria de Mobilidade do Distrito de Bogotá (SDM). A SDM realizou uma pesquisa aleatória (Encuesta de Movilidad, EM, daqui em diante) sobre o uso de bicicletas em Bogotá, cobrindo mais de 94% da área dentro do escopo do estudo (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota' TPD Ingenier'ıa 2016). A partir do EM, caracterizamos o processo de chegada, a direção, a distância percorrida e a velocidade dos usuários do QC, que usamos para gerar as características das entidades que se deslocam ao longo da ciclovia simulada. O resultado do modelo de simulação permite prever o tempo médio que os usuários passam em cada segmento do CQ. Para validar o modelo, comparamos os tempos de permanência simulados esperados no CQ com o tempo médio real que os ciclistas passam na rede atual de ciclovias que circunda a rota planejada do CQ.

Para estimar a qualidade do ar ao longo dos segmentos do QC, usamos os dados oficiais fornecidos pela Secretaria do Meio Ambiente do distrito de Bogotá, que desde 1998 opera uma rede de monitoramento de 13 estações fixas que informam dados horários sobre as condições meteorológicas e as concentrações de poluentes do ar (incluindo PM2,5). Usando um modelo de simulação de Kriging (Kleijnen 2009) desenvolvido em uma pesquisa anterior (Rojas 2017), os dados coletados pelas estações de monitoramento são interpolados para obter os valores de concentração em qualquer ponto de Bogotá. Presumimos que a qualidade do ar externo não sofrerá nenhuma alteração significativa até a construção do CQ.

O resultado da simulação e a concentração de PM2,5 permitem estimar a exposição dos usuários da ciclovia, para a qual contamos com a definição de dose diária média fornecida pela Agência de Proteção Ambiental dos Estados Unidos (EPA) (US EPA 1992).

Modelo de simulação

Os modelos de simulação são reconhecidos como ferramentas eficazes para apoiar o planejamento eficaz dos sistemas de transporte (Ziemke et al. 2017). Nesta seção, descrevemos completamente o modelo de simulação que criamos para prever o tempo de permanência dos ciclistas no CQ, em diferentes momentos do dia. Listamos claramente as suposições da modelagem, depois detalhamos o processo de parametrização e, por fim, sua verificação e validação.

Este trabalho utiliza a estrutura de modelagem de simulação SIMIO R, que suporta o paradigma de modelagem orientada a objetos, com provisões para simulação orientada a processos e eventos (Pegden e Sturrock 2010). A escolha desse software é justificada por sua linguagem de modelagem de alto nível, que permitirá modificações futuras sem muito esforço.

As suposições nas quais nossa modelagem se baseia são as seguintes:

Os dados demográficos dos ciclistas estimados a partir dos dados EM caracterizarão corretamente os usuários do QC;\
A origem e o destino, bem como a velocidade das viagens estimadas a partir dos dados EM, não mudarão quando o CQ for introduzido;
Os segmentos do CQ entre os pontos de referência usados no modelo para modelar a ciclovia serão segmentos retos.

O CQ foi modelado usando 119 coordenadas geográficas, que representam com precisão o layout da rota. Os ciclistas são as entidades no modelo e são definidos por sua origem, velocidade, direção de destino e distância de viagem. O horizonte de tempo para a simulação foi de um único dia, que selecionamos para representar o dia de trabalho médio.

Parâmetros de simulação

O modelo de simulação de tráfego de bicicletas depende de uma compreensão precisa do comportamento do ciclista (Ma e Luo 2016). Assim, os parâmetros de simulação são determinados pelos dados coletados de usuários potenciais. O departamento distrital de mobilidade de Bogotá (SDM) realizou a pesquisa EM entre 15 de março e 30 de agosto de 2015, com 28.025 indivíduos da cidade e de 17 outros municípios vizinhos (os cidadãos de Bogotá representavam cerca de 87% da zona de estudo). Os dados foram coletados em uma região que abrange mais de 94% da área de interesse, e incluem entrevistas realizadas em residências e pesquisas feitas com ciclistas. Os dados da pesquisa permitem concluir que os homens usam a bicicleta 3 vezes mais do que as mulheres e, entre os que a usam, a maior parcela da população tem entre 15 e 44 anos (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogotá TPD Ingenier ' 'ıa 2016).

Entre as pessoas incluídas no estudo EM estavam 3.649 usuários de ciclovias, que informaram o horário, o local de origem e o destino de suas viagens (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ' 'ıa 2016). Das 9.260 viagens originais de bicicleta registradas, cerca de 13,81% (1.279 viagens) foram originadas na zona de influência. A partir dessas informações selecionadas, foi estimada uma matriz de origem-destino (ODM), com base no pressuposto de que os ciclistas que usam o sistema atual de ciclovias se deslocarão para a QC, já que ela é uma avenida exclusiva para ciclistas. Além disso, não estimamos um aumento no volume de tráfego devido ao crescimento populacional ou a mudanças de modalidade. Os parâmetros de entrada são divididos em 56 perfis, de acordo com a origem da viagem. Os perfis correspondem às unidades de planejamento zonal (UPZ, do acrônimo em espanhol), que são divisões territoriais usadas pelo município.

Processo de chegada

Criamos as chegadas ao QC de acordo com a distribuição espacial e a demografia da UPZ. Quando uma UPZ gera um ciclista, o modelo gera uma chegada no ponto ao longo da rota QC mais próximo do centro geográfico da UPZ.

O horário em que os ciclistas iniciam sua viagem é obtido do ODM. Em seguida, somamos os fluxos parciais de chegada de todas as UPZs e calculamos as taxas horárias ao longo do horizonte de tempo (24 horas), conforme mostrado na figura 1. Para verificar se as chegadas dentro de cada intervalo horário entre as diferentes UPZs eram homogêneas, verificamos a igualdade das médias e variâncias em cada hora entre as UPZs. Os resultados confirmam a homogeneidade, mas, como as diferentes horas têm taxas diferentes, modelamos o processo geral de chegada de ciclistas usando um processo de Poisson não homogêneo (NHPP) que depende da hora do dia (Gallager 2013).

Figura 1: Taxas de chegada de ciclistas por hora, conforme obtidas dos dados EM

Direção da viagem

Em um dia típico de trabalho, a maioria dos cidadãos de Bogotá vai para o trabalho no início da manhã, faz uma pausa no meio do dia e volta para casa à noite.

Para modelar esses padrões de mobilidade, dividimos o horizonte de tempo em intervalos, com a direção do movimento e as probabilidades de início mudando nesses intervalos. Depois de avaliar os dados, decidimos que o comportamento de mobilidade dos ciclistas pode ser agrupado em três intervalos distintos: da meia-noite às 8h, das 8h às 15h e das 15h à meia-noite. Bogotá apresenta diferenças marcantes entre as áreas da cidade no que diz respeito ao seu uso: há zonas que são claramente residenciais e outras que são predominantemente industriais. De manhã, a maioria das pessoas começa as viagens em zonas residenciais e escolhe a direção para chegar a uma zona comercial ou industrial. Esses padrões na direção das entidades modelo podem ser apreciados na matriz ODM.

Duração da viagem

A partir das coordenadas geográficas da origem e do destino da viagem, calculamos D, a distância percorrida, usando o conjunto de equações 1-3, que são as fórmulas de haversine. Na equação 1, φi denota a latitude do ponto i e ∆φ e ∆α as diferenças de latitude e longitude entre os dois pontos. Na equação 2, atan2(-,-) é a função tangente inversa multivalorada e, na equação 3, R é o raio da Terra (6,371 km).

Ao realizar um teste de ajuste Kolmogorov-Smirnov, concluímos, com um nível de confiança de 95%, que a distribuição da distância de viagem das entidades pode ser modelada por uma distribuição Weibull, com forma 1,1171 e escala 4,9120. Esses parâmetros foram ajustados por estimativa de máxima verossimilhança com a biblioteca R fitdistrplus. A Figura 2 mostra a distribuição empírica dos dados coletados sobre a distância da viagem.

Figura 2: Distribuição da distância de viagem dos ciclistas.

Velocidade das entidades

A velocidade dos ciclistas foi modelada usando os dados EM. Com base nos resultados publicados na literatura (Gates et al. 2006), definimos a velocidade mínima como 3,5 km/h. Quanto à velocidade máxima, tomamos como referência a lei 1811 de 2016, que definiu a velocidade máxima da bicicleta como 25 km/h (MTC 2016). Todos os valores de velocidade na pesquisa EM que estão fora dessa faixa são classificados como atípicos e não são considerados para modelar a velocidade dos ciclistas. A partir dos dados válidos, obtemos uma distribuição empírica de velocidade, que usamos no modelo de simulação para atribuir uma velocidade de viagem a cada ciclista.

Os resultados das simulações preliminares indicaram que vários segmentos ao longo da rota podem ter um grande número de ciclistas compartilhando a mesma faixa. Assim, embora o congestionamento ao longo das ciclovias seja raro em comparação com o gerado pelo tráfego de veículos (Dobler e Lammel 2016 ' ), decidimos modelar a influência da carga do segmento na velocidade dos ciclistas.

Para levar em conta o efeito do congestionamento do tráfego de bicicletas sobre a velocidade, consideramos que, independentemente do fato de os ciclistas ultrapassarem ou não outros ciclistas, o efeito líquido do congestionamento seria uma redução da velocidade. Analisando novamente os resultados das simulações preliminares, estimamos o número de pessoas em cada segmento ao longo do tempo e descobrimos que, em 90% das vezes, não haverá mais de quatro ciclistas compartilhando o mesmo segmento de QC. Portanto, decidimos que somente quando um ciclista entra em um segmento e vê mais de 4 usuários, sua velocidade média no segmento diminuiria. No modelo, presumimos que, para cada ciclista em um segmento de rota que supere o máximo, o ciclista reduzirá sua velocidade nesse segmento em 7,25%. Definimos esse valor com base nas recomendações de especialistas em projetos de ciclovias.

Verificação e validação do modelo

Seguindo as etapas de Banks em um estudo de simulação, realizamos a verificação e a validação do modelo (Banks 2000). Para a verificação, estávamos preocupados em saber se a etapa de tempo discreto que usamos para verificar se uma entidade chegou ao seu destino final tem um efeito significativo sobre a duração de sua viagem. Para verificar se a diferença entre a distância atribuída e a verdadeira distância simulada percorrida é significativa, comparamos o resultado obtido pelo conjunto de dados ODM e os resultados do modelo, ambos estimados em um nível de confiança de 95%. Ao comparar os intervalos de confiança, concluímos que a suposição de tempo discreto usada na simulação para controlar as viagens dos ciclistas não tem implicações significativas.

O objetivo da validação é determinar se o modelo conceitual é uma representação precisa do sistema real (Banks 2000). Para conduzir a validação do modelo, realizamos uma comparação estatística do tempo médio de viagem simulado e do tempo médio de viagem, conforme extraído dos dados EM. Observe que essas últimas informações não foram usadas para parametrizar o modelo de simulação. Constatamos que um intervalo de confiança de 95% para o tempo médio de viagem simulado calculado com o resultado de pelo menos 75 execuções de simulação está contido no intervalo de confiança de 95% do tempo médio de viagem obtido dos dados EM. Portanto, concluímos que o modelo é válido.

Estimativa da exposição

Várias definições de exposição foram propostas. Por exemplo, a Agência de Proteção Ambiental dos Estados Unidos (EPA), em seu documento de diretrizes (US EPA 1992), define exposição como a concentração química no limite do corpo. Outras abordagens, por exemplo, a proposta no estudo de exposição de Fajardo e Rojas para a análise espacial da exposição ao PM2,5 em Bogotá ( ' Fajardo e Rojas 2012), consideram a exposição como a dose potencial de contaminante que seria inalada. De acordo com essa definição estendida, e de acordo com as Ferramentas de Avaliação de Exposição por Rotas - Inalação da EPA (US EPA 2017), usamos a seguinte equação para calcular AD, a dose média que um ciclista inalaria em uma viagem de bicicleta no CQ que vai do segmento s1 ao segmento s2:

onde V R é a taxa de ventilação, medida em m 3min-1 , Ci é a concentração média de poluentes no segmento i da ciclovia, medida em µgm-3 , EDi é a duração média da exposição, em minutos, e BW é a massa corporal do ciclista, medida em kg

Observe que a equação 4 depende da idade e do gênero porque a RV varia em relação a esses parâmetros: as mulheres respiram com frequência significativamente maior do que os homens quando andam de bicicleta (Int Panis et al. 2010). Os dados usados neste estudo para os valores de VR são as taxas médias de ventilação, ajustadas para o peso corporal durante a realização de atividades, dentro da atividade específica categorizada por gênero e por idade (US EPA 2011). Supôs-se que pedalar na pista QC exigirá um nível moderado de atividade física, com base nos resultados apresentados pela U.S. EPA em 1985 (US EPA 2011).

Os fatores Ci na equação 4 são estimados com base nos dados oficiais de qualidade do ar da cidade de Bogotá. Em 1998, o governo municipal estabeleceu a Rede de Monitoramento da Qualidade do Ar de Bogotá (RMCAB, do acrônimo em espanhol). Atualmente, essa rede consiste em 13 estações fixas automatizadas, distribuídas por toda a cidade, além de uma estação de monitoramento móvel. Cada estação monitora um conjunto de variáveis meteorológicas e de concentrações de poluentes do ar, incluindo PM2.5. Os dados do RMCAB são gerenciados pela Secretaria de Meio Ambiente do distrito de Bogotá, que valida, armazena e fornece os dados ao público em geral. Usamos esses dados oficiais para prever a concentração de poluentes atmosféricos em toda a área de superfície de Bogotá, aplicando o método Kriging de interpolação espacial. A descrição completa desse trabalho, que está fora do escopo da pesquisa apresentada neste artigo, pode ser encontrada em (Rojas 2017). As informações de um dia de trabalho aleatório do trabalho mencionado acima são usadas para estimar o Ci , as concentrações médias de PM2,5 para os segmentos modelados do CQ, nos diferentes intervalos de tempo de interesse.

Quanto aos fatores EDi na equação 4, ou seja, o tempo médio gasto em cada segmento da rota da ciclovia por um ciclista, nós os obtemos dos resultados da simulação.

O impacto nos negócios

Esta seção apresenta os resultados obtidos em nosso estudo, divididos em três partes principais. Primeiro, descrevemos as previsões obtidas com o modelo de simulação, depois as que obtivemos para a qualidade do ar e, por fim, a exposição ao PM2,5 calculada pela combinação das medições da qualidade do ar com os tempos de viagem simulados, de acordo com a equação 4.

Resultados da simulação

A Figura 3 mostra um mapa da área urbana de Bogotá dividida por UPZ, com a rota QC atualmente planejada destacada em laranja. A rota é dividida em 119 segmentos, cada segmento modelando uma parte reta da ciclovia. Como notação, numeramos os segmentos consecutivamente, sendo o segmento 1 o mais ao sul e o segmento 119 o mais ao norte. Além disso, rotulamos com Norte e Sul as viagens dos ciclistas que vão nessa direção. Várias execuções de simulação foram agregadas para calcular os valores médios das medidas de interesse e os intervalos de confiança com nível de confiança de 95%.

Figura 3: Rota planejada da ciclovia QC e particionamento da UPZ.

Os tempos médios simulados que os ciclistas gastam em segmentos da rota (os fatores EDi da equação 4) são mostrados na Figura 4, em horas, para viagens ao norte e ao sul e para os três intervalos de tempo considerados. Esse tempo médio depende do número de ciclistas que compartilham o segmento, suas velocidades e o comprimento do segmento.

Tabela 1: Tempo médio (em minutos) em todos os segmentos de ciclovia, por intervalo de tempo.

Figura 4: Tempo médio gasto em segmentos de ciclovia, em horas, por direção de viagem e intervalo de tempo.

Em primeiro lugar, observamos consistentemente um pico nos primeiros segmentos mais ao sul. Isso se deve ao número muito alto de viagens originadas na área no final do CQ, a maioria das quais vai mais para o sul e, portanto, fica fora do escopo de nosso estudo. Durante a hora do rush da manhã (intervalo de tempo 1, gráfico à esquerda), espera-se que mais pessoas se dirijam ao norte da cidade (Secretar'ıa de Movilidad Alcald'ıa Mayor de Bogota TPD Ingenier ' 'ıa 2016). Como nossos resultados de simulação indicam, os segmentos 80 a 115 apresentam os tempos médios mais altos. Na segunda faixa de tempo (gráfico do meio), os picos do tempo gasto pelo ciclista são encontrados nos segmentos do sul. Além disso, a variabilidade de tempo entre os segmentos é reduzida. Os resultados da simulação para o último intervalo de tempo (gráfico à direita) mostram que nos segmentos centrais as pessoas podem gastar até o dobro do tempo gasto em outros segmentos da rota. Isso pode ocorrer porque a maioria das viagens nesse intervalo de tempo se origina no sul e no norte da cidade e termina no lado oposto da cidade, com as pessoas se acumulando no meio da rota QC.

De forma consistente em todos os intervalos de tempo, as pessoas que se dirigem para o sul passam mais tempo em cada segmento do que as pessoas que se dirigem para o outro lado. Isso ocorre porque o tráfego no sentido sul é de maior intensidade, e os ciclistas teriam de reduzir a velocidade e permanecer mais tempo em um segmento. O tempo médio de permanência em todos os segmentos, relatado na tabela 1 para cada direção de viagem e intervalo de tempo, juntamente com a metade da largura do intervalo de confiança, confirma estatisticamente a existência dessa diferença.

Resultados da qualidade do ar

A partir dos dados de qualidade do ar interpolados por Kriging, estimamos a concentração média de PM2,5 para cada segmento no QC (os fatores Ci na equação 4), que mostramos na figura 5. Os períodos da manhã e da noite são horários de pico e têm um fluxo maior de veículos nas ruas. Assim, a figura 5 mostra que, para esses intervalos de tempo, as concentrações de PM2,5 são mais altas do que as do intervalo de tempo do meio-dia. Para alguns segmentos na parte sul do CQ (parte esquerda das curvas), a concentração no intervalo de tempo 1 é 2,5 vezes maior que a concentração no intervalo de tempo 2.

No intervalo de tempo 1, as concentrações de PM2,5 estão em seus níveis máximos. Observamos que as concentrações mais altas são estimadas para os segmentos mais ao sul do CQ, onde são estimados os maiores tempos de permanência esperados (consulte a Figura 4). Embora a interseção entre o conjunto de segmentos altamente poluídos e o conjunto de segmentos congestionados seja de pequena cardinalidade, ela deve levantar preocupações sobre as implicações para a saúde da alta exposição. Ao contrário, os níveis comparativamente mais baixos de PM2,5 nos segmentos QC do norte compensariam, na avaliação da exposição, os longos tempos de permanência dos ciclistas no intervalo de tempo 1 (consulte a Figura 4.a).

No segundo intervalo de tempo, as concentrações de PM2,5 estão em seu mínimo, pois a intensidade do tráfego na cidade é muito menor do que pela manhã. Isso é explicado com base no turno normal de trabalho das pessoas. Portanto, com base apenas na variável de concentração, pode-se concluir que o segundo intervalo de tempo seria o melhor momento para usar o QC.

O último intervalo apresenta valores médios menores do que o primeiro. Mesmo que no intervalo de tempo 3 ocorra um número de viagens aproximadamente igual ao do intervalo de tempo 1, dois fatores distintos contribuem para determinar médias mais baixas de concentração de PM2,5: o primeiro é a maior dispersão dos horários de início das viagens, e o segundo é a dispersão mais eficiente dos poluentes na atmosfera no final do dia.

Figura 5: Concentração de PM2,5 ao longo do QC nos três intervalos de tempo considerados.

Resultados da exposição

A exposição, calculada de acordo com a equação 4, depende das características dos ciclistas e da rota. Portanto, o resultado só pode ser computado com referência a viagens específicas de usuários específicos. Então, para avaliar a exposição, geramos perfis aleatórios de usuários de ciclovias que se deslocariam ao longo do caminho QC. A geração aleatória de perfis é baseada nas informações da pesquisa EM.

A exposição estimada por segmento da mistura de ciclistas gerada aleatoriamente ao longo da rota é mostrada na Figura 6). Como esperado, o comportamento da exposição ao longo da rota é muito semelhante ao tempo médio no segmento. No entanto, existem diferenças significativas entre os perfis, pois as mulheres e os jovens terão maior exposição em quase todos os segmentos ao longo da rota, devido às suas taxas de ventilação mais altas (fator V R na equação 4). Para fornecer uma caracterização mais precisa das diferenças na exposição determinada pelo perfil do ciclista, relatamos na tabela 2 a AD estimada para um conjunto de perfis amostrados, supondo que a viagem percorra todo o CQ.

Figura 6: Exposição estimada ao longo do CQ para perfis de ciclistas escolhidos aleatoriamente, por direção e intervalo de tempo

Os valores informados na tabela 2 ajudam a entender a magnitude da exposição dos ciclistas ao longo da rota. Estudos na literatura mostram que a exposição de 24 horas em cidades pequenas (Lee et al. 2017) pode ser de cerca de 4,6 µgm-3d -1 . Com os níveis de poluição em Bogotá, algumas horas ao longo da ciclovia resultariam em uma quantidade semelhante de PM2,5 inalado.

Tabela 2: Exposição média de PM2,5 para ciclistas que percorrem a QC em diferentes intervalos de tempo e direções.

Conclusões

Neste estudo, descrevemos o uso combinado de um modelo de simulação de tráfego e dados de qualidade do ar para gerar previsões sobre a exposição de ciclistas ao PM2,5 ao longo do Quinto Centenário, uma ciclovia de 25 km de extensão que será construída em Bogotá.

O objetivo do modelo de simulação é fornecer estimativas dos tempos de viagem dos usuários, divididos no tempo gasto nos diferentes segmentos que compõem a ciclovia modelada. Uma parte essencial do nosso trabalho se concentra na parametrização do modelo de simulação, para garantir que a demanda de viagens de bicicleta, suas características em termos de origem/destino e velocidade estejam de fato capturando o comportamento real dos ciclistas na cidade. Os dados oficiais de uma pesquisa abrangente coletada pelas autoridades locais são usados para determinar a zona de influência da rota planejada da ciclovia, modelar o processo de chegada da viagem, estimar um ODM e a velocidade das viagens.

As informações sobre a qualidade do ar ao longo da ciclovia são obtidas pela interpolação espacial dos dados oficiais da cidade coletados por uma rede de estações de monitoramento. Ao combinar a distribuição espacial das concentrações de PM2,5 com o tempo médio que os ciclistas passariam ao longo da ciclovia, podemos obter estimativas da exposição cumulativa dos usuários da ciclovia de acordo com as métricas sugeridas pela EPA para inalação ao longo das rotas.

Conhecer o sexo e a idade de uma pessoa permite calcular a exposição em termos da quantidade média prevista de PM2,5 que um ciclista inalaria em uma viagem de bicicleta ao longo da Quinto Centenário. Essas informações são valiosas tanto para as pessoas que trabalham no projeto da rota quanto para seus usuários. Os primeiros podem usá-las para comparar o impacto sobre a saúde de diferentes opções de rotas, enquanto os últimos podem tomar uma decisão informada sobre a barreira física correta que podem usar para se proteger dos efeitos da exposição de longo prazo a poluentes. Os resultados preliminares desse trabalho foram apresentados à autoridade de mobilidade de Bogotá." No momento, estamos trabalhando no desenvolvimento de um modelo de simulação aprimorado que permita considerar uma melhor caracterização da exposição em cidades de altitude elevada, bem como na avaliação do custo-benefício geral da prática de atividade física em ambientes poluídos.

Biografias dos autores

DANIELA AZUMENDI GONGORA' é professora assistente graduada na Universidad de los Andes, onde dá suporte ao curso de Simulação de Eventos Discretos. Ela se formou em engenharia industrial e fez um programa duplo em engenharia mecânica em 2018 e atualmente é aluna do programa de mestrado em engenharia industrial na mesma universidade. Ela está interessada nas aplicações da pesquisa operacional à proteção ambiental e ao bem-estar social. Seu endereço de e-mail é d.azumendi10@uniandes.edu.co.

JUAN JOSE D' 'IAZ BAQUERO é mestre em engenharia industrial com programa duplo em engenharia de software e engenharia industrial pela Universidad de los Andes, com experiência em consultoria de TI, análise de dados e análise visual. Apaixonado por pesquisa operacional, modelagem matemática, simulação, programação, mudanças climáticas e saúde pública. Seu endereço de e-mail é jj.diaz1067@uniandes.edu.co.

JUAN FELIPE FRANCO é formado em engenharia química pela Universidad Nacional de Colombia, mestre em engenharia pela Universidad de los Andes e atualmente é aluno de doutorado no programa de engenharia da mesma universidade. Ele tem experiência como professor, pesquisador e consultor em tópicos relacionados ao controle da poluição do ar, redução da emissão de gases de efeito estufa, gestão da sustentabilidade urbana e definição de políticas públicas. Seu endereço de e-mail é jffranco@uniandes.edu.co.

IVAN MURAobteve seu primeiro diploma em Ciências da Computação e um Ph.D. em engenharia da computação pela Universidade de Pisa, Itália, e um mestrado em gerenciamento de projetos de tecnologia da informação pela George Washington University School of Business. Atualmente, ele é professor associado do Departamento de Engenharia Industrial da Universidad de los Andes. Seus interesses de pesquisa incluem a modelagem matemática de sistemas artificiais e vivos, com técnicas baseadas em estado contínuo-determinístico e discreto-estocástico. Seu endereço de e-mail é i.mura@uniandes.edu.co.

Referências

Alcald'ıa Bogotá, Gabinete Distrital Alcald ' 'ıa Mayor de Bogotá D.C. 2016. "Projeto do Plano de Desenvolvimento 2016-2020".

Banks, J. 2000. "Introduction to Simulation" (Introdução à simulação). Em Proceedings of the 2000 Winter Simulation Conference, 7-18, editado por A.Jones et al., Piscataway, New Jersey: IEEE.

C40 Cities, Finance Facility 2016. "Ciclismo para todos na Primeira Ciclovia Resiliente de Bogotá". Acessado em ' 1 de dezembro de 2017. https://www.c40cff.org/projects/bogota-quinto-centenario

Dobler, C. e G. Lammel. 2016. "The Multi-Modal Contribution" (A contribuição multimodal). ' A Simulação de Transporte Multiagente MATSim, Londres, Ubiquity Press:135-140.

ELF, Fundação Europeia do Pulmão 2017. "Seus pulmões e o exercício". Acessado em 1 de dezembro de 2017. http: //www.europeanlung.org/assets/files/en/publications/lungs-and-exercise-en.pdf.

Fajardo, O., e N. Rojas. 2012. "Particulate Matter Exposure of Bicycle Path Users in a High-altitude City" (Exposição a material particulado de usuários de ciclovias em uma cidade de alta altitude). Atmospheric Environment 46:675-679.

Franco, J., J. Segura e I. Mura. 2016. "Air Pollution Alongside Bike-Paths in Bogot-Colombia" (Poluição do ar ao lado de ciclovias em Bogotá-Colômbia). Frontiers in Environmental Science 4:77.

Gallager, R. 2013. "Poisson Processes" (Processos de Poisson). Stochastic Processes: Theory for Applications, Nova York, Cambridge University Press:72-104.

Gates, T., D. Noyce, A. Bill e N. Van Ee. 2006. "Recommended Walking Speeds for Pedestrian Clearance Timing Based on Pedestrian Characteristics". Transportation Research Board, 85ª Reunião Anual, Washington, D.C

Hoek, G., B. Brunekreef, S. Goldbohm, P. Fischer e P. Van Den Brandt. 2002. "Association Between Mortality and Indicators of Traffic-related Air Pollution in the Netherlands: A Cohort Study". The Lancet 360(9341):1203-1209.

Int Panis, L., B. De Geus, G. Vandenbulcke, H. Willems, B. Degraeuwe, N. Bleux, V. Mishra, I. Thomas e R. Meeusen. 2010. "Exposure to Particulate Matter in Traffic: a Comparison of Cyclists and Car Passengers (Exposição ao Material Particulado no Trânsito: uma Comparação entre Ciclistas e Passageiros de Carros). Atmospheric Environment 44(19):2263-2270.

Kleijnen, J. 2009. "Kriging Metamodeling in Simulation: A Review". Jornal Europeu de Pesquisa Operacional 192(3):707 - 716

Lee, S., S. Yu e S. Kim. 2017. "Evaluation of Potential Average Daily Doses (ADDs) of PM2.5 for Homemakers Conducting Pan-Frying Inside Ordinary Homes under Four Ventilation Conditions" [Avaliação das possíveis doses médias diárias (ADDs) de PM2.5 para donas de casa que fazem frituras dentro de casas comuns sob quatro condições de ventilação]. Global Health 14(1):78-88.

Ma, X. e D. Luo. 2016. "Modeling Cyclist Acceleration Process for Bicycle Traffic Simulation using Naturalistic Data" (Modelagem do processo de aceleração de ciclistas para simulação de tráfego de bicicletas usando dados naturalistas). Transportation Research Part F 40:130-144.

MTC, Ministério do Transporte da Colômbia, 2016. "Ley 1811 del 21 de octubre de 2016". Bogotá: República da Colômbia - Governo Nacional

Pegden, D., e D. Sturrock. 2010. "Introduction to Simio". Em Proceedings of the 2010 Winter Simulation Conference, WSC '10, 1-10, editado por B.Johansson et al., Piscataway, New Jersey: IEEE.

Pope, C., R. Burnett, M. Thun, E. Calle, K. Ito e G. Thurston. 2002. "Lung Cancer, cardiopulmonary Mortality, and Long-term Exposure to Fine Particulate Air Pollution" [Câncer de pulmão, mortalidade cardiopulmonar e exposição a longo prazo à poluição atmosférica por partículas finas]. JAMA 287(9):1132-1141.

Rojas, N. 2017. "Spatial Analysis of Exposure to PM2.5 in the Urban Area of Bogota Between 2010 and ' 2016" (Análise espacial da exposição ao PM2.5 na área urbana de Bogotá entre 2010 e 2016). Tese de bacharelado em engenharia industrial, Universidad de los Andes.

Secretar'ıa de Movilidad - Alcald'ıa Mayor de Bogotá TPD Ingenier ' 'ıa, Consorcio Transconsult, Infometrika ' 2016. "Encuesta de Movilidad 2015". Secretar'ıa de Movilidad, Bogotá

US EPA, Agência de Proteção Ambiental dos EUA, 1992. "Diretrizes para avaliação de exposição". Registro Federal 57(104):22888-22938, Washington, DC.

US EPA, Agência de Proteção Ambiental dos Estados Unidos, 2011. "Exposure Factors Handbook Chapter 6" (Manual de Fatores de Exposição, Capítulo 6). EPA ExpoBox, Washington DC.

US EPA, Agência de Proteção Ambiental dos Estados Unidos 2017, nov. "Exposure Assessment Tools by Routes - Inhalation" (Ferramentas de avaliação de exposição por rotas - inalação). Último acesso: 1 de dezembro de 2017. https://www.epa.gov/expobox/ exposure-assessment-tools-routes-inhalation

OMS, Organização Mundial da Saúde 2017. "Los Efectos Sobre la Salud" (Os efeitos sobre a saúde). Departamento de Salud Publica, ' Medio Ambiente y Determinantes Sociales de la Salud. Acessado em 1 de dezembro de 2017. http://www.who. int/phe/health topics/outdoorair/databases/health impacts/es/.

Ziemke, D., S. Metzler e K. Nagel. 2017. "Modeling Bicycle Traffic in an Agent-based Transport Simulation" (Modelagem do tráfego de bicicletas em uma simulação de transporte baseada em agentes). Procedia Computer Science, (109C):923-928.

View full post