Diffusion/Modellierung der Seminargruppe M11 SS 19

Erste Ideen der Gruppe

• modellartiges Arbeiten mit Realen Situationen, dabei sollen drei charakteristische Stellen in Landau betrachtet werden:

1. Busbahnhof
2. Universitätszufahrt
3. Straße in Landau mit der durchschnittlichen Durchfahrtsquote von PKW's eines Tages

Die Wahl der Untersuchungsorte wurde deshalb gewählt, da sich bei den Standorten aus unserer Sicht in erster Linie verschiedene Aspekte und Anforderungen, bzw. Ausgangsannahmen, ergeben haben. So ist ein Standort der die gemittelte Tagesdurchfahrtsquote der Landauer Innenstadt abbildet eine gute Referenz im Modell. Außerdem könnte die Beschaffung von Daten und Messwerten durch die städtische Verwaltung stattfinden. Den Bahnhof zu wählen kam aus dem emotionalen Aspekt heraus, dass man so den CO₂-Ausstoß verringert und dem Klimawandel entgegen wirken könnte. Die Universitätszufahrt sollte ein bespiel werden, bei dem man sich entweder täuscht, weil man davon ausgeht, dass die Schadstoffemission hier vermeindlich geringer ist, bzw. man ohnehin davon ausgeht, dass an der Universität der Schadstoffausstoß sowieso gerringer ist, als bei unserem Referenz-Standort.

• Dabei ist die Durchfahrtsquote der Autos/LKW's messbar (Autos zählen) und mit einem Koeffizienten kann man die Abgaswerte interpolieren.

mögliche Erste Aufgaben:

1. Diffusionskoeffizienten aller Abgase eines Verbrennungsmotors (Chemie/Physik)
2. E-mail Stadtverwaltung, bzgl. Straße mit der Durchschnittsdurchfahrquote der Stadt Landau
3. Wirksamkeit im menschlichen Körper der Schadstoffe, die in den Abgasen stecken (Biologie)
4. Recherche von Risikokarten von Schadstoffanalysen (Geographie)
5. Unterschiede bei der Schadstoffemission von LKW, PKW, ÖPNV (Technik)
6. Datensammlung (Zählen von Autos und Insassen) Wann macht es Sinn zu zählen?

Denkanstöße

1. https://www.seilnacht.com/Lexikon/Auto.htm
2. https://www.swr.de/abgasalarm/wie-schaedlich-die-luftverschmutzung-wirklich-ist-8-fakten-zu-feinstaub-und-stickoxiden/-/id=18988100/did=18971804/nid=18988100/12nqid0/index.html
3. https://www.math.uni-hamburg.de/home/rybicki/DA_Rybicki.pdf

Konkrete Fragestellungen zur Modellierung

1. Welches Stadtviertel ist am schadstoffärmsten?
2. Die Frage nach dem Radius - betrachten wir nur ein Viertel oder die ganze Stadt?
3. Wo sind Hotspots - Wo sind extreme hohe Schadstoffbelastungen und wo lässt es sich am schadstoffärmsten Leben? (Bahnhof? Messplatz? Uni? Parks? Ringstraße?)
4. In welchem Zeitraum wird gemessen?
5. In welchem Gebiet wird die Untersuchung betrachtet?
6. Welche Rastergrößen sind zu betrachten?
7. Wie verhält es sich in den Randgebieten?
8. Wie ermitteln wir den Diffusionskoeffizienten und vor allem für welche Stoffe? (Temperaturabhängigkeit von Wetter?)
9. Müssen wir eine Ströhmungsfaktor beachten? (Geographie)
10. Wie ermitteln wir die Konzentrationen der Schadstoffe an den Messstandorten?
11. Ist das Wohnen in schadstoffbelasteten Gebieten noch im gesundheitlichen Rahmen?
12. Welcher Untersuchungsstandort ist am gesundheitsschädlichsten für eine Person?
13. Von welchem Standort verbreiten sich die Schadstoffe am besten aus, sodass trotz einer hohen Belastung die Bilanz gut ist?

Hinweise für die Kartenerstellung

Verwenden Sie Markers4Map zur Linkerstellung in OpenStreetMap mit Icons auf der Karten und Popups für die Informationen zum Ort auf der Karte.

Hier ein Beispiellink für Landau

Beispielkarte mit Markern/Icons und zugeordneten Popupinformationen, die beim Click auf das Icon angezeigt werden

Bitte keine Copyright geschützten Bilder in WikiCommons hochladen. Diese müssen und werden wieder gelöscht! Besser Karten mit Markers4Map selbst erstellen, Icons und Popups mit einem Text versehen und dann den Kartenlink einfügen.

Modellierungsansatz

Ansatz 1

Die Karte wurde in 400 Zellen aufgeteilt

Das Bild zeigt das Straßennetz von Landau in der Pfalz. In diesem Ansatz wird die Stadt mittels eines Rasters in 32 x 22 Felder eingeteilt. Die Stadt wird so in 704 Bereiche eingeteilt, die eindeutig benannt werden können. Die Idee ist, Hotspots bzw. Coldpsots für Emissionen zu ermitteln. Dazu gehören könnte beispielsweise der Hauptbahnhof als Hotspot oder die Fußgängerzone als Coldspot. Durch Verkehrszählung oder die Auswertung realer Daten können so Emissionswerte für einzelne Bereiche der Stadt ermittelt werden. Die übrigen, nicht betrachteten Bereiche können als durchschnittlich angenommen werden. Dazu könnte die Länge aller im jeweiligen Bereich befindlichen Straßen abgeschätzt werden und ein durchschnittlicher Wert für die Emission pro Meter Straßenlänge angenommen werden. Großen Straßen könnte ein höherer Wert beigemessen werden als kleinen oder schmalen. Ein sinnvoller Wert müsste ermittelt werden. Unter Berücksichtigung verschiedener Difussionskoeffizienten und anderen Einflüssen, wie bspw. Wind, könnte so ein numerisches Modell für die Schadstoffverteilung im Stadtgebiet erstellt werden. So können Bereiche ausgemacht werden, die über- oder unterdurchschnittlich stark von Emissionen betroffen sind. Auf diese Art könnten Bewohner sensibilisiert werden und darauf aufbauend nachhaltigere Verkehrskonzepte entwickelt werden.

Datensammlung

Beobachtung am Busbahnhof - Sortierung nach Steig

Beobachtung am Busbahnhof - Sortierung nach Ankunftszeit

Kreuzung Hainbachstraße & August-Croissant Straße. Montag, 20. Mai 2019, 14:47 - 15:48 Uhr

von	nach	Anzahl Autos	Anzahl LKWs/Busse
Hainbachstr.	Hainbachstr.	891	32
Hainbachstr.	August-Croissant-Str.	166	2
August Croissant-Str.	August-Croissant	44	1
August-Croissant-Str.	Hainbachstr.	227	2

Auf Hainbachstr.: 891 Autos, 32 LKWs/Busse

Auf August-Croissant Str.: 44 Autos, 1 LKW/Bus

Von August-Croissant Str. auf Hainbachstr. gewechselt: 227 Autos, 2 LKWs/Busse

Von Hainbachstraße auf August-Croissant Str. gewechselt: 166 Autos, 2 LKWs/Busse

Diese Kreuzung wurde ausgesucht, um mit nur einer Verkehrzählung zu ermitteln, wie viele Autos auf einer großen Straße (Hainbachstr.) und wie viele auf einer schmalen Straße (August-Croissant Straße) fahren.

Zu bedenken ist, dass die August-Croissant-Straße eine abkürzende Straße ist und deshalb befahrener ist als schmale Straßen, die nicht zum Abkürzen gebraucht werden, wie z.B. die Bürgerstraße.

Busbahnhof. Mittwoch, 22. Mai 2019, 14:47 - 15:48 Uhr

Am Landauer Busbahnhof wurden die Standzeiten der Busse gestoppt. Alle bis auf einen Busfahrer hatten in ihrer Standzeit den Motor an gelassen. Die Abbildungen stellen tabellarische Übersichten der gemessenen Daten mit unterschiedlicher Sortierung dar.

Modellierung mit einer Tabellenkalkulation

Für de Modellierung wird hier im ersten Schritt ein Tabellenkalkulationsprogramm verwendet. Da die Stadtkarte Landaus in 20 x 20 (=400) Felder eingeteilt wurde, die je quadratisch sind, ist diese unaufwändig in ein solches Programm zu implementieren. Aus den ermittelten Daten lassen sich für die verschieden breiten Straßen Werte ermitteln, die der Anzahl an Autos entsprechen, die durch vergleichbare Straßen fahren. So könnte aus den ermittelten Daten beispielsweise abgeschätzt werden, dass auf breiten Straßen schätzungsweise 900 Autos/h fahren. Im Zuge der Modellierung wurde für jedes Feld des Rasters ermittelt wie viele Meter schmale, mittlere und breite Straße sich darin befinden. Mit diesen Werten und dem durchschnittlichen Abgasaufkommen von PKW auf deutschen Straßen, kann berechnet werden wie viel Abgase pro Stunde in einem Feld ausgestoßen werden. Eine Rechnung könnte wie folgt aussehen: $Abgasaufkommen_{x,y}=E_{PKW}*(LS_{x,y}*AS+LM_{x,y}*AM+LB_{x,y}*AB)$ Dabei steht $E_{PKW}$ für die durchschnittliche PKW-Emission pro gefahrenem Meter; LS, LM und LB für die Länge an schmalen, mittleren und breiten Straßen des jeweiligen Feldes und AS, AM und AB für die durchschnittliche Anzahl an Autos pro Stunde für schmale, mittlere und breite Straßen. Mit Hilfe der Tabellenklakulation können so sie Emissionen aller Felder berechnet werden. Durch bedingte Formatierung, hier eine Heatmap, kann übersichtlich dargestellt werden wo in Landau viele Emissionen ausgestoßen werden. Besondere Beachtung finden dabei Orte wie zum Beispiel der Bahnhof. Mit seinem hohen Aufkommen an Busverkehr wird hier ein Hotspot vermutet. Durch die Daten aus der Zählung kann das hiesige Verkehrsaufkommen besser abgeschätzt werden. Darüber hinaus kann einzelnen Straßen ein verstärkender oder schwächender Faktor zugeordnet werden. So kann in der Modellierung unterschieden werden zwischen Gebieten mit viel bzw. wenig Verkehr, auch wenn sie ähnliche Straßenlängen haben. An Orten wie z.B. der Innenstadt (viele schmale Straßen aber sehr wenig Verkehr) kann die Modellierung so angepasst werden.

• Fragen:

         Wofür stehen $x$ und $y$ im Index der obigen Rechnung? 
         Müsste nicht noch ein Faktor in der Formel stehen wegen des unterschiedlichen Verkehrsaufkommens? 
         Denn auf einer mittelgroßen Straße, die eine Sackgasse ist, werden weniger Autos fahren als auf der August-Croissant Straße, 
         die eine gute Straße zum Abkürzen ist. Faktor müsste in Relation zu den gezählten Autos auf der August-Croissant bestimmt werden.
         Unterscheidung LKW/Bus und PKW? 

• Vorschlag für den Wert $E_{PKW}$: Das durchschnittliche Abgasaufkommen, wird in $g/km$ angegeben. Eine Umrechnung in mg/m würde folgende Werte ergeben (Reale Emissionen 2000):

HC [mg/m]	CO [mg/m]	NOx [mg/m]	Kohlenstoffdioxid [mg/m]
1,75	13,06	0,87	258