Bando regionale per la ricerca industriale e lo sviluppo precompetitivo per l’anno 2006:

relazione tecnico scientifica del progetto realizzato

Progetto: “Modelling and simulating sustainable mobility strategies. A study of three real test cases: Turin, Lyon, Milan” Codice progetto: RU/02/20 Responsabile della ricerca: Prof. Stefano Berrone Periodo di attività: 31/10/2007-29/04/2011 Descrizione delle attività realizzate Lo scopo della mobilità sostenibile è quello di ridurre l'impatto ambientale generato dal traffico

stradale: inquinamento dell’aria, inquinamento acustico, congestione e incidentalità. In tale

contesto, il presente progetto si è focalizzato sugli effetti delle emissioni del traffico veicolare

sull’inquinamento dell’aria in area urbana, al fine di definire metodologie per il controllo e la

gestione della qualità dell’aria a tutela della salute della popolazione. Gli obiettivi del progetto si

possono riassumere come segue:

1. Sviluppare strumenti computazionali per predire gli effetti delle emissioni del traffico veicolare

sulla qualità dell’aria;

2. Simulare diversi scenari di traffico al fine di definire l’impatto di strategie ambientali sulla qualità

dell’aria e sulla salute della popolazione.

In una prima fase le attività di ricerca hanno riguardato lo sviluppo e l’applicazione del modello di

dispersione urbano SIRANE, nato presso il Laboratoire de Mécanique des Fluides et d’Acoustique

(LMFA) de l’Ecole Centrale de Lyon. SIRANE è un codice operazionale che calcola la

distribuzione di concentrazione di inquinanti nelle strade della rete urbana a partire dai dati di

flusso di traffico e dalle condizioni meteorologiche. SIRANE si basa sulla decomposizione del

dominio di calcolo in due regioni distinte, l’atmosfera esterna e la regione prossima al suolo

occupata dagli edifici, detta “tessuto urbano”; la descrizione dei fenomeni di trasporto di massa

nelle due regioni è fatta adottando modelli matematici teorici e semi-empirici. Il campo di moto

dell’atmosfera esterna è descritto mediante la teoria di similitudine dello strato limite e la

dispersione di inquinanti sopra il livello dei tetti è simulata adottando un modello gaussiano di

seconda generazione. Il tessuto urbano è descritto come un insieme di strade interconnesse dal

punto di vista degli scambi di massa convettivi e diffusivi. Il campo di vento nelle singole strade è

calcolato in funzione dell’intensità e della direzione del vento nell’atmosfera esterna, adottando un

modello analitico sviluppato su basi teoriche e validato mediante simulazioni numeriche ed

esperimenti in galleria del vento. I dati di input richiesti dal modello per calcolare l’evoluzione

oraria della concentrazione di inquinante nelle strade del quartiere riguardano la geometria

urbana, le emissioni di inquinanti, le condizioni meteorologiche dell’atmosfera esterna e una

concentrazione di fondo rappresentativa per il tessuto urbano (Figura 1).

Lo sviluppo del codice ha richiesto un’attività di investigazione dei fenomeni fisici che governano i

processi di dispersione di inquinanti in atmosfera in ambiente urbano, che è stata condotta

attraverso metodi numerici, sperimentali e teorici.

In collaborazione con il LMFA sono stati condotti esperimenti in galleria del vento per studiare la

dispersione in atmosfera di un pennacchio di inquinante attraverso un gruppo di ostacoli e valutare

come la disposizione geometrica degli ostacoli e la direzione del vento incidente influenzi

l’evoluzione del pennacchio [1, 3]. Un approccio comunemente adottato è quello di studiare la

dispersione all’interno di una geometria idealizzata che, sebbene sia una semplificazione del reale

ambiente urbano, permette di estrapolare i principali meccanismi che governano il campo di moto

e la dispersione. In tale contesto, sono state condotte misure di velocità e di concentrazione

all’interno di un gruppo di ostacoli - disposti in modo tale da rappresentare un quartiere idealizzato

di una città europea, variando la larghezza delle strade e la direzione incidente del vento (Figure

2-3).

Figura 1: Diagramma di funzionamento di Sirane

Analizzando i risultati sperimentali si è dimostrato che:

- gli scambi di massa che avvengono presso le intersezioni, responsabili dell’allargamento del

pennacchio, dipendono dal rapporto tra altezza e larghezza della strada (street aspect ratio) e

aumentano con direzioni del vento che si discostano dall’asse della strada;

- esiste un forte effetto di canalizzazione del vento per direzioni del vento che non si discostano

troppo dall’asse della strada, che determina un limitato allargamento del pennacchio e la

deviazione del centro di massa del pennacchio all’interno del tessuto urbano rispetto alla direzione

del vento.

L’insieme dei dati sperimentali ha costituito uno strumento indispensabile per lo sviluppo e la

validazione del modello di dispersione SIRANE. Un modello analitico che valuta lo scambio di

massa presso le intersezioni è stato infatti sviluppato sulla base dei risultati sperimentali ottenuti in

galleria del vento [1] e implementato in SIRANE. La dispersione di un pennacchio all’interno del

gruppo di ostacoli è stata simulata con SIRANE, riproducendo fedelmente le condizioni

Figura 3: Esperimenti in galleria del vento

Figura 2: Geometrie di quartiere studiate

sperimentali e gli output del modello sono stati confrontati con i dati sperimentali [19, 21]. In

particolare sono stati messi a confronto i profili di concentrazione lungo l’asse della strada e i

momenti di primo e secondo ordine di tali distribuzioni, il centro di massa e la deviazione standard,

rispettivamente misura l’uno della deviazione del pennacchio rispetto alla direzione del vento e

l’altra dell’allargamento del pennacchio. Si è osservato un buon accordo sia per quanto riguarda i

valori dei momenti delle distribuzioni, sia per quanto riguarda la forma delle distribuzioni, mentre

una generale sottostima dei valori di concentrazione si è verificata lontano dalla sorgente. Le

figure 4 e 5 mostrano i confronti all’interno e al di sopra del tessuto urbano per due diverse

direzioni del vento, θ=0° e 25°.

Figura 4: Confronto tra risultati sperimentali e simulazioni con SIRANE per ϑ=0°

Altri esperimenti sono stati condotti in galleria del vento per valutare, mediante misure di velocità e

concentrazione, l’influenza dei flussi termici sulla dispersione di inquinanti in una strada

bidimensionale [10, 18]. La parete di valle è stata scaldata a differenti temperature e le misure dei

campi di velocità e concentrazione hanno mostrato che nelle strade la cui altezza è pari alla

larghezza la topologia del campo di moto medio rimane inalterata, mentre l’intensità dell’energia

cinetica aumenta all’aumentare dei flussi termici. Questo comporta una velocità di scambio di

massa tra la strada e l’atmosfera soprastante che aumenta all’aumentare dei flussi termici,

favorendo la diluizione degli inquinanti e determinando una concentrazione di inquinante più bassa

all’interno della strada.

Un altro strumento di indagine utilizzato per migliorare la comprensione dei processi di scambio di

massa e di quantità di moto in un contesto urbano è stata la simulazione numerica, svolta

adottando i più diffusi approcci numerici, dalla simulazione numerica diretta (DNS), alla Large

Figura 5: Confronto tra risultati sperimentali e simulazioni con SIRANE per ϑ=25°

Eddy Simulation (LES) alla simulazione RANS. Codici di fluidodinamica computazionale open

source (OpenFOAM) e commerciali (FLUENT) sono stati utilizzati per studiare il campo di moto e

la dispersione all’interno di un gruppo di ostacoli [15], focalizzandosi su tipici elementi della

geometria urbana come strade e intersezioni [1]. Particolare impegno è stato dedicato alla

simulazione di uno strato limite atmosferico turbolento quale condizione di flusso esterno, al fine di

poter confrontare i risultati delle simulazioni con i risultati di esperimenti effettuati nella galleria del

vento dell'Ecole Centrale de Lyon. Simulazioni numeriche del campo di moto in una strada

bidimensionale sono state condotte in assenza e in presenza di flussi termici, al fine di

determinare come il riscaldamento delle pareti della strada per effetto della radiazione solare

incidente modifica il campo di moto e lo scambio di quantità di moto e di massa con l'atmosfera

esterna [20]. Ottimi accordi sono stati ottenuti tra i dati sperimentali e i valori numerici.

Simulazioni numeriche sono state condotte inoltre per studiare il campo di moto attorno ad un

edificio investito da una corrente, confrontando metodi numerici a volumi finiti con metodi adattativi

ad elementi finiti [2, 5, 12, 16]. I metodi adattativi ad elementi finiti per problemi di fluidodinamica

sono una promettente tecnica in via di sviluppo che permette di eseguire simulazioni numeriche

con un’accuratezza e un’affidabilità elevata, garantendo al contempo un significativo risparmio di

risorse umane e computazionali.

Entrando maggiormente nel dettaglio, il metodo adattativo da noi studiato consente di ridistribuire

dinamicamente i gradi di libertà spaziali e temporali al fine di minimizzare una stima dell’errore

della soluzione. Ciò viene eseguito con due interventi complementari: si modifica l’ampiezza del

passo temporale per simulare in modo efficiente i fenomeni non stazionari e si ridistribuiscono i

nodi di griglia al fine di riprodurre in modo corretto ed efficace il campo di moto simulato. In questo

modo si disaccoppia l’errore derivante dalla discretizzazione temporale dall’errore legato alla

discretizzazione spaziale e si cerca di tenerli entrambi sotto controllo durante tutta la simulazione.

Con questo tipo di approccio si possono ottenere soluzioni accurate con una gestione efficiente

delle risorse di calcolo.

La strategia adattativa adottata è basata su degli indicatori d’errore residuali calcolati a posteriori

che forniscono una stima affidabile dell’errore esistente tra la soluzione reale del problema e la

sua soluzione numerica [5]. Tale metodo adattativo è stato implementato in un codice agli

elementi finiti per applicazioni fluidodinamiche ed è stato accuratamente testato su alcuni casi

accademici, quali il flusso oltre un gradino e il flusso attorno ad un corpo tozzo [6]. Le soluzioni

calcolate dal codice hanno mostrato un ottimo accordo con i risultati presenti in letteratura e si è

potuto osservare un sostanziale risparmio di risorse computazionali.

La Figura 6 mostra come il codice adattativo riesca a distribuire i gradi di libertà spaziali proprio in

corrispondenza delle strutture vorticose, permettendo di risolvere in modo accurato ed efficiente il

campo di moto; nello specifico sono rappresentati la vorticità e i nodi di griglia per il flusso attorno

ad un corpo quadrato a numero di Reynolds uguale a 500.

Un ulteriore vantaggio della strategia adattativa utilizzata riguarda il risparmio di lavoro umano,

che ha un costo molto più elevato del tempo di CPU. Le simulazioni eseguite con codici non

adattativi richiedono un’accurata configurazione di una serie di parametri, quali la scelta

dell’ampiezza di griglia e del passo temporale, allo scopo di essere certi di ottenere una soluzione

affidabile e poco dipendente dalla discretizzazione temporale e spaziale. Questa parte di messa a

punto in un contesto tradizionale richiede un grande lavoro per l’operatore ed una notevole

sensibilità verso il problema dello stesso, mentre diviene automatica in un contesto adattativo. In

questo caso è sufficiente fissare una tolleranza sull’errore stimato e il codice, operando in modo

iterativo, distribuisce opportunamente i gradi di libertà, concentrandoli laddove il campo di moto

presenta variazioni più significative, dal punto di vista spaziale o temporale.

Un tale codice adattativo, seppur in grado di fornire soluzioni accurate e affidabili e ottimizzare le

risorse computazionali, richiede elevati tempi di calcolo se rapportato a metodi che considerano

solo il campo di moto medio, quale l’approccio RANS (Reynolds Average Navier-Stokes).

Questo codice presenta notevoli attrattive per lo studio della dispersione qualora venga accoppiato

ad un codice Lagrangiano. I metodi Lagrangiani per lo studio della dispersione di particelle

risolvono le equazioni di trasporto riferite ad ogni particella e sono adatti a simulare la dispersione

di inquinanti e sostanze tossiche. L’Equipe Environment dell’Ecole Centrale di Lyon ha sviluppato

un codice Lagrangiano, SLAM (Safety Lagrangian Atmospheric Model), che utilizza come dato in

ingresso il campo di moto e valuta il trasporto delle particelle associando a ciascuna di esse la

Figura 6: Flusso non-stazionario a valle di un ostacolo, vorticita` e nodi della griglia di calcolo

velocità esterna calcolata dal codice adattativo (drift velocity) e una velocità aleatoria (random

velocity). L’accoppiamento di questi approcci permette di associare l’elevata accuratezza dei

campi di velocità esterna calcolati dal codice adattativo sviluppato nell'ambito di questo progetto

con il tempo computazionale ridotto che garantisce il codice Lagrangiano descritto.

La strategia implementata si pone come obiettivo la gestione di situazioni di crisi dovute al rilascio

accidentale di sostanze tossiche o pericolose con tempi di risposta rapidi. Per questo motivo

vengono pre-calcolati diversi campi di moto con il codice adattativo secondo condizioni diverse

(direzione del vento, condizioni di stratificazione atmosferica, etc.) in modo da avere un database

completo delle diverse configurazioni possibili. Dopodiché, a seconda della situazione che si vuole

simulare, si fornisce a SLAM il campo di velocità opportuno come dato di ingresso e si valuta la

dispersione di particelle emesse da determinate sorgenti. Il codice Lagrangiano fornisce come

output la concentrazione media locale per i diversi istanti temporali con una moderata richiesta di

risorse computazionali.

Questo approccio è già stato applicato con successo a casi reali con geometrie molto complesse,

come ad esempio la raffineria di Feyzin nei pressi di Lyon; in questo caso sono stati forniti i campi

di moto medi e stazionari calcolati con un approccio RANS (Reynolds Averaged Navier-Stokes).

Naturalmente simulazioni che utilizzano i campi di velocità calcolati dal codice adattativo, non

stazionari e istantanei, permettono di ottenere risultati più affidabili.

Lo studio dei processi di dispersione per via numerica e sperimentale ha consentito di sviluppare e

migliorare i modelli matematici implementati nel codice SIRANE e i dati sperimentali relativi alla

dispersione in un quartiere hanno costituito un efficace database per la validazione del codice.

SIRANE è stato quindi applicato al calcolo della dispersione di inquinanti emessi dal traffico

veicolare nei quartieri centrali delle città di Torino [8] e Milano [16]. L’applicazione di SIRANE ha

comportato la ricostruzione in ambiente GIS della geometria urbana a partire dai dati catastali

forniti dai comuni e la stima delle emissioni veicolari. Le emissioni da traffico veicolare sono state

approssimate moltiplicando il numero di auto circolanti in ciascun tratto stradale per un fattore di

emissione “medio”, calcolato mediante il modello COPERT 4, e rappresentativo della

composizione del parco macchine circolante nella città. COPERT 4 fornisce infatti i fattori di

emissione per ciascuna tipologia di macchina, in funzione di alimentazione, cilindrata e ciclo di

guida: una media pesata sui veicoli circolanti ha fornito il fattore di emissione “medio”. Per quanto

riguarda la città di Torino, sono state fatte simulazioni relativamente all’anno 2004 per gli

inquinanti NOx, CO, PM10 e benzene e i valori orari di concentrazione forniti da SIRANE sono

stati confrontati con i valori forniti dalle centraline di monitoraggio poste in Via della Consolata,

Piazza Rivoli e Via Madama Cristina; l’accordo tra i dati misurati e le previsioni del modello è stato

abbastanza buono, dimostrando la validità del modello utilizzato. Nel seguito è mostrato il

confronto tra le concentrazioni di NOx calcolate da SIRANE con le misure rilevate presso la

centralina di ARPA ubicata in Via della Consolata. Una prima analisi consiste nel confrontare le

concentrazioni simulate e misurate relativamente al 2004 attraverso uno scatter-plot (Figura 7),

che mostra un coefficiente di regressione pari a 0,6, evidenziando la tendenza del modello a

sottostimare le concentrazioni.

0 400 800 1200 1600

Conc. misurate [μg/m3]

0

400

800

1200

Con

c. si

mul

ate

[μg/

m3 ]

y = 0.6011 x

Figura 7: Confronto tra le concentrazioni simulate da SIRANE e quelle misurate presso la stazione

di monitoraggio della Consolata - Torino

Uno studio statistico più approfondito è stato effettuato per valutare la capacità del modello di

riprodurre l’evoluzione della concentrazione di NOx, utilizzando gli indici statistici FB (fractional

bias), che stima l’errore sistematico, NMSE (normalised mean square error), che quantifica l’errore

locale, e R, che esprime la correlazione tra i dati simulati e i dati misurati. I valori delle

concentrazioni medie e degli indici statistici sono stati calcolati per i singoli mesi e mostrati nelle

Tabelle 1 e 2.

I valori di FB indicano che SIRANE stima correttamente i valori delle misure nei mesi estivi (da

maggio a settembre), mentre li sottostima nei mesi invernali; tale tendenza è confermata dal

valore dell’indice NMSE. Il coefficiente di correlazione indica una discreta risposta in frequenza dei

risultati delle simulazioni rispetto alle misure sul campo. A conferma di ciò, nella figura seguente è

mostrata l’evoluzione temporale della concentrazione oraria di NOx per due settimane campione,

l’una in gennaio (Figura 8) e l’altra in luglio (Figura 9), che mostra un buon accordo tra simulazioni

e misure ma evidenzia una sottostima dei picchi di concentrazione. Questo può essere dovuto a

una stima non corretta delle sorgenti (come ad esempio picchi di emissioni veicolari non rilevati o

un’errata valutazione del parco macchine circolante o l’aver trascurato sorgenti di emissioni

rilevanti come riscaldamento o industrie) o della concentrazione di fondo, oppure ad errori

nell’acquisizione dei parametri meteorologici.

Tabella 2: Indici statistici

Tabella 1: Confronto tra misure e simulazioni di SIRANE

0

200

400

600N

Ox

[μg

/ m3 ]

SiraneConsolataConc. fondo

1 / 1 2 / 1 3 / 1 4 / 1 5 / 1 6 / 1 7 / 1 7 / 1

0

50

100

150

200

250

NO

x [μ

g / m

3 ]

SiraneConsolataConc. fondo

9 / 7 10 / 7 11 / 7 12 / 7 13 / 7 14 / 7 15 / 7 16 / 7

Figura 9: Confronto tra l’evoluzione delle concentrazioni misurate e simulate presso la stazione di monitoraggio della Consolata – Torino in una settimana di luglio 2004

Una volta validate le previsioni di SIRANE, sono state prodotte le mappe di concentrazione, che

mostrano cioè come l’inquinante si distribuisce nelle strade della città. La Figura 10 si riferisce alla

mappa delle concentrazioni di NO2 [g / m3] alle ore 9 del 18 dicembre 2004, mentre la Figura 11 a

quelle delle ore 9 del 18 giugno 2004.

Figura 8: Confronto tra l’evoluzione delle concentrazioni misurate e simulate presso la stazione di monitoraggio della Consolata – Torino in una settimana di gennaio 2004

Figura 11: Mappa delle concentrazioni di NO2 [g / m3] alle ore 9 del 18 dicembre 2004

30

35

40

50

55

60

75

90

30

35

40

50

55

60

75

90

Figura 10: Mappa delle concentrazioni di NO2 [g / m3] alle ore 9 del 18 dicembre 2004

In una seconda fase una metodologia integrata è stata proposta per valutare l’effetto di politiche

ambientali sulla qualità dell’aria e sulla salute della popolazione. A questo scopo è stato

implementato un modello di traffico e accoppiato a SIRANE per ottenere valutazioni del traffico

veicolare istantaneo più accurate [9].

Una problematica comune evidenziata in molte fasi del progetto è legata alla assenza o alla

difficile reperibilità di molti dati riguardanti reali configurazioni istantanee di traffico veicolare,

valutazioni del parco macchine effettivamente circolante in città, abitudini di permanenza dei

cittadini nelle varie parti della città. Nel corso del progetto si è cercato di sopperire a queste

carenze con modelli matematici. Nell'impossibilità di raccogliere dati accurati su larga scala, una

attività di validazione di questi modelli almeno su piccola scala sarebbe auspicabile e sarebbe di

grande interesse scientifico e pratico.

La metodologia proposta per la valutazione del rischio per la popolazione legato all'esposizione di

agenti inquinati consiste nel valutare l’esposizione della popolazione all’inquinamento atmosferico,

stimando la variabilità spaziale e temporale della concentrazione degli inquinanti emessi in aria dal

traffico veicolare e la durata e la frequenza dell’esposizione, e nel calcolare l’introito medio

giornaliero di inquinante che, associato alle caratteristiche tossicologiche della sostanza in

questione, fornisce il rischio sanitario a cui un recettore è esposto. Per una stima ottimale

dell’esposizione sarebbe necessario conoscere come la popolazione trascorre il proprio tempo,

distinguendo tra vari micro-ambienti (casa, lavoro, esterno, etc.) e valutando le ore trascorse in

ciascuno di essi dagli individui (time-activity patterns); essendo tuttavia tali informazioni non

disponibili per la città di Torino, e comunque in generale difficilmente reperibili, si è adottato un

approccio ”statico”, ove l’esposizione all’inquinamento urbano è calcolata combinando, con un

dettaglio geometrico delle strade, la distribuzione della concentrazione degli inquinanti, calcolata

da SIRANE, con la distribuzione della densità della popolazione, fornita dal Comune di Torino. La

valutazione del rischio consiste quindi nel calcolare l’introito giornaliero dovuto all’inalazione degli

inquinanti presenti in aria, noti i parametri di esposizione dei recettori, la concentrazione degli

inquinanti e le caratteristiche tossicologiche delle sostanze considerate. La concentrazione C a cui

i recettori sono esposti è la media delle concentrazioni medie annuali calcolate da SIRANE nel

dominio considerato pesata sulla popolazione esposta, mentre i fattori di esposizione considerati

si riferiscono allo scenario residenziale e sono mostrati in Tabella 3 (Fonte: APAT, Criteri

metodologici per l’applicazione dell’analisi di rischio ai siti contaminati, 2008). L’introito medio

giornaliero (cronhicle daily intake, CDI) di una sostanza è calcolato come:

ATBWEFEDIRCCDI 1

××××

=

Simbolo UM Adulto Bambino

Peso corporeo BW kg 70 15 Tempo medio di esposizione per le sostanze non cancerogene

ATc anni 70 70

Tempo medio di esposizione per le sostanze cancerogene

ATn anni ED ED

Durata di esposizione ED anni 24 6 Frequenza di esposizione EF giorni/anno 350 350 Frequenza giornaliera di esposizione EFg ore/giorno 24 24 Tasso di inalazione IR m3/ore 0.9 0.7

Tabella 3: Fattori di esposizione per i recettori adulto e bambino nello scenario residenziale

La determinazione del rischio di tossicità cronica avviene confrontando l’introito medio giornaliero

con una dose di riferimento (Reference Dose, RfD), funzione delle caratteristiche tossicologiche

della sostanza inquinante; se l’indice di rischio (HI=CDI /RfD) è inferiore ad 1, nessun effetto

dannoso per la salute compare.

Il rischio di cancerogenicità è invece stimato come incremento di probabilità per un individuo di

sviluppare il cancro durante la vita per effetto dell’esposizione ad una sostanza cancerogena ed è

definito come R=CDIxSF, dove SF (slope factor) rappresenta il potenziale cancerogeno della

sostanza. Si assume quale valore accettabile di rischio R=10E-6, criterio di tollerabilità del rischio

stabilito nell’ambito della procedura di analisi di rischio ai siti contaminati.

La politica ambientale il cui impatto si è scelto di valutare è il rinnovamento del parco macchine,

individuando tre scenari di emissione a partire dalla composizione del parco macchine di Torino

fornita dall'ACI: mediante il modello COPERT 4 sono stati calcolati i fattori di emissione “medi”

rappresentativi di uno scenario passato (parco macchine 2004), di uno scenario attuale (parco

macchine 2007) e di uno scenario futuro. Relativamente allo scenario futuribile, varie ipotesi circa

la composizione del parco macchine sono state effettuate in funzione delle politiche ambientali

attuate o attuabili dalle amministrazioni. Una volta calcolato da SIRANE l'impatto dei tre scenari di

emissione sulla qualità dell'aria, la stima dell’esposizione della popolazione e il calcolo del rischio

sono stati effettuati per i recettori adulto e bambino in uno scenario residenziale, relativamente

all’inalazione di PM10, NO2 e benzene. Mappe di esposizione sono state costruite associando le

mappe di concentrazione degli inquinanti ottenute da SIRANE con la distribuzione spaziale della

densità della popolazione, al fine di evidenziare quali sono le zone della città ove la popolazione è

più esposta all’inquinamento urbano (Figure 12 e 13).

Figure 13: Mappa dell’esposizione della popolazione di Torino al PM10

Figure 12: Mappe della densità della popolazione di Torino (abitanti/kmq) e della concentrazione annuale di PM10 (µg/m3)

Nelle Figure 14 e 15 l’esposizione della popolazione è rappresentata come numero di abitanti

esposti alla concentrazione degli inquinanti PM10 (linea grigia), NO2 (linea nera) e benzene (linea

tratteggiata).

Si osserva che l’intera popolazione è esposta a valori di concentrazione superiori al valore limite

annuale per il PM10 di 40 µg/m3 (DM 60/02), mentre il 20% della popolazione è esposta a valori

superiori al valore limite annuale per l’NO2 di 40 µg/m3 (DM 60/02) e il 2% a valori superiori al

valore limite annuale per il benzene di 5 µg/m3 (DM 60/02).

In Tabella 4 sono stati calcolati il rischio di tossicità per PM10, NO2 e benzene e il rischio di

cancerogenicità per il benzene nei tre scenari individuati, che hanno evidenziato come, sebbene il

rinnovamento del parco macchine abbia prodotto una riduzione del 10% dal 2004 al 2007 e

un’ulteriore riduzione del 20% sia prevista per lo scenario futuro, i valori di rischio cumulato sono

superiori ai valori ritenuti “accettabili”.

2004 2007 Futuro

HI R HI R HI R PM10 1.22 - 1.10 - 0.98 - NO2 1.06 - 0.96 - 0.70 - C6H6 0.09 2.1⋅10-5 0.06 1.4⋅10-5 0.02 5.4⋅10-6 Σ 2.37 2.1⋅10-5 2.12 1.4⋅10-5 1.70 5.4⋅10-6

PM10 4.43 - 4.00 - 3.55 - NO2 3.83 - 3.49 - 2.53 - C6H6 0.34 7.8⋅10-5 0.21 4.9⋅10-5 0.08 2.0⋅10-5 Σ 8.60 7.8⋅10-5 7.71 4.9⋅10-5 6.16 2.0⋅10-5

Tabella 4: Fattori di esposizione per i recettori adulto e bambino nello scenario residenziale

Lo studio ha permesso di valutare l’effetto delle politiche di rinnovamento del parco macchine sulla

0%

20%

40%

60%

80%

100%

2 3 4 5 6 7

C [µg/m3]n°

abi

tant

i

Figure 15: Percentuale di abitanti esposti alla concentrazione di benzene (linea tratteggiata).

0%

20%

40%

60%

80%

100%

35 40 45 50 55 60

C [µg/m3]

n° a

bita

nti

Figure 14: Percentuale di abitanti esposti alla concentrazione di PM10 (linea grigia) e NO2 (linea nera)

qualità dell’aria e quindi sulla salute dei cittadini, ma soprattutto ha mostrato la potenzialità della

metodologia proposta quale strumento di indagine per valutare l’efficacia di politiche ambientali

volte a ridurre l’impatto dell’inquinamento atmosferico sulla salute della popolazione [15, 16].

Al fine di disporre di dati più accurati sulla emissione di inquinati del traffico veicolare si è esteso ed implementato un complesso modello di traffico su reti in modo da poter valutare le effettive emissioni dei veicoli nelle diverse fasi di traffico della giornata tenendo anche conto delle condizioni di effettiva percorrenza dei veicoli. Inoltre questo strumento consente di simulare gli effetti di diverse iniziative di controllo del traffico consentendo di prevederne gli effetti. In [9] sono state considerate condizioni di traffico definito normale, una condizione di traffico con un blocco ambientale nella parte centrale della città e infine una configurazione di traffico normale, ma con un parco veicoli corrispondenti alle normative EURO 4. Le emissioni di inquinanti locali ed istantanee, opportunamente mediate su ciascun tratto stradale e nel tempo, divengono le sorgenti da assegnare come input per SIRANE che ne simula la dispersone in ambiente urbano. Il modello di traffico implementato non richiede l'assegnazione delle matrici origine-destinazione che sarebbe chiaramente una mole di dati sostanzialmente non valutabile nella pratica, ma utilizza una assunzione di massimo smaltimento del flusso veicolare agli incroci e lega la capacità di smaltimento di traffico delle strade alla loro dimensione. Le simulazioni dell'effetto sulla distribuzione degli inquinanti prodotti dal traffico sono state condotte su un modello di città costituito dalla topologia di una porzione sufficientemente estesa della parte centrale di Lione disponibile in un formato GIS facilmente utilizzabile, mentre i dati sul parco veicoli in circolazione sono quelli dei veicoli immatricolati a Torino. Questa scelta corrisponde comunque ad una città ideale tuttavia sufficientemente realistica per considerazioni di utilizzabilità dei modelli di traffico e di dispersione e del loro accoppiamento. Risultati ottenuti in riferimento ai target specificati nel progetto La realizzazione del progetto ha consentito di ottenere i risultati come di seguito elencato:

Validazione dei modelli implementati nel codice SIRANE al fine di valutare e prevedere i processi di dispersione di agenti inquinati nell'ambito del tessuto urbano.

Applicazione del modello a quartieri delle città di Torino e Milano e confronto con dati misurati sperimentalmente disponibili.

Miglioramento dei modelli implementati in SIRANE in modo da introdurre la valutazione degli effetti dovuti al riscaldamento differenziale delle diverse parti degli edifici che si affacciano alle strade.

Elaborazione di alcune valutazioni di rischio dovuto all'esposizione agli agenti inquinati per la popolazione.

Elaborazione di alcune previsioni di valutazione di rischio in caso di provvedimenti di controllo del traffico o di rinnovamento del parco di autovetture circolante.

Elaborazione e miglioramento di schemi numerici per simulazioni fluidodinamiche in geometrie complesse con fenomeni multiscala per trattare con maggiore accuratezza e attendibilità situazioni reali in ambiente urbano.

Elaborazione di un codice di simulazione del traffico veicolare e delle corrispondenti emissioni di inquinati sufficientemente dettagliato e versatile da poter simulare nel dettaglio le situazioni di traffico reali in presenza di dati sufficientemente accurati oppure di riprodurre situazioni realistiche in assenza di dati dettagliati, ma ricostruiti dalle caratteristiche della cartografia stradale.

Possibilità di simulare gli effetti sulla produzione di inquinanti di alcuni provvedimenti di controllo del traffico (blocco ambientale di alcune aree della città, rinnovamento parco veicoli circolanti, etc.).

Accoppiamento del codice di simulazione del traffico e della produzione di inquinanti al modello di dispersione SIRANE anche nell'ottica di inserire i due blocchi funzionali in un processo di ottimizzazione orientato alla elaborazione di scelte ottimali di controllo del traffico.

Individuazione di alcuni dati critici per la validazione e/o taratura dei modelli di cui sarebbe opportuno disporre, ma che non sono attualmente disponibili o pubblici.

Eventuali azioni intraprese per favorire la diffusione e la conoscenza delle innovazioni prodotte Elenco delle pubblicazioni realizzate con il contributo del progetto Pubblicazioni su riveste internazionali ISI 1. V. Garbero, P. Salizzoni, L. Soulhac & P. Mejan “Measurements and CFD simulations of flow and dispersion in urban geometries”, Int. J. of Environment and Pollution 44, N. 1/2/3/4, 2011 (in press), ISSN:1741-5101 2. S. Berrone, V. Garbero & M. Marro, “Numerical simulation of low-Reynolds number flows past rectangular cylinders based on adaptive finite element and finite volume methods”, Computer and Fluids 40, pp. 92-112, 2011, doi:10.1016/j.compfluid.2010.08.014 3. V. Garbero, P. Salizzoni & L. Soulhac, “Experimental study of pollutant dispersion within a network of streets”, Boundary-Layer Meteorology 136, pp. 457-487, 2010, doi:10.1007/s10546-

010-9511-2 4. L. Soulhac, V. Garbero, P. Salizzoni, P. Mejan & R. Perkins “Flow and dispersion in street intersections”, Atmospheric Environment 43, pp. 2981-2996, 2009, doi:10.1016/j.atmosenv. 2009.02.061 5. S. Berrone, M. Marro “Numerical investigations of effectivity indices of space-time error indicators for Navier-Stokes equations'', Computer Methods in Applied Mechanics and Engineering 199, pp. 1764-1782, 2010 6. S. Berrone, M. Marro “Space-time adaptive simulations for unsteady Navier-Stokes problems”, Computers and Fluids 38 pp. 1132-1144, 2009. Pubblicazioni su riviste non-ISI 7. S. Berrone, V. Garbero, M. Marro, “Numerical simulation of low-Reynolds number flows past rectangular cylinders based on adaptive finite element and finite volume methods”, La Matematica e le sue applicazioni, n. 2/2009, Department of Mathematics, Politecnico di Torino, ISSN 1974-3041

8. F. Boni Castagnetti, P. Salizzoni, V. Garbero, G. Genon & L. Soulhac, “La modellizzazione dell’inquinamento atmosferico in aree urbane su scala locale: un’esempio di applicazione in un quartiere di Torino”, GEAM, Anno XLV, n.2, pp 63-76, 2008, ISSN 1121-9041 9. S. Berrone, F. De Santi, S. Pieraccini, M. Marro, “Coupling traffic models on networks and urban dispersion models for simulating sustainable mobility strategies”, La Matematica e le sue applicazioni, n. 2/2011, Department of Mathematics, Politecnico di Torino, ISSN 1974-3041 Libri 10. Curato da P. Salizzoni & V. Garbero, “Air Pollution in urban areas: Torino, Milano, Lyon, Londra”, GEAM Editor, 2007, ISBN 8890134283. 11. P. Salizzoni e V. Garbero, “Dispersione di inquinanti in atmosfera in ambiente urbano”, GEAM, Anno XLIII, pp. 77-84, n. 1-2, 2006, ISSN 1121-9041 Proceedings, partecipazioni a convegni e seminari

12. V. Garbero, P. Salizzoni, S. Berrone & L. Soulhac, “Influence of heat fluxes on the flow within a two-dimensional street canyon: a comparison between wind tunnel measurements and CFD simulations”, accettato da ICWE13 - 13th International Conference on Wind Engineering, July 10-15, 2011 13. R. Buccolieri, V. Garbero, P. Salizzoni, L. Soulhac, S. Di Sabatino & M. Sandberg, “Pollutant dispersion at the neighborhood scale via wind tunnel experiments and CFD simulations”, accettato da ICWE13 - 13th International Conference on Wind Engineering, July 10-15, 2011

14. S. Berrone, V. Garbero & M. Marro, “Numerical simulation of incompressible turbulent flows past a rectangular cylinder based on adaptive finite element and finite volume methods”, accettato da ICWE13 - 13th International Conference on Wind Engineering, July 10-15, 2011

15. V. Garbero, A. Montalto, N. Lazovic, P. Salizzoni, S. Berrone & L. Soulhac, “The impact of the urban air pollution on the human health: a case-study in Turin”, Air Pollution Modeling and its Application, ITM Series, Vol. XXI, Springer, 2011

16. S. Biemmi, R. Gaveglio, P. Salizzoni, M. Boffadossi, S. Casadei, M. Bedogni, V. Garbero & L. Soulhac, “Estimate of boundary layer parameters and background concentrations for pollutant dispersion modeling in urban areas”, Air Pollution Modeling and its Application, ITM Series, Vol. XXI, Springer, 2011

17. V. Garbero, A. Montalto, N. Lazovic, P. Salizzoni, S. Berrone & L. Soulhac, “Valutazione del rischio sanitario dovuto all’esposizione della popolazione all’inquinamento atmosferico in area urbana”, Atti di Ecomondo 2010

18. S. Berrone, V. Garbero & M. Marro, “Numerical simulation of incompressible flows past a rectangular cylinder based on adaptive finite element and finite volume methods”, Proceedings at The Fifth International Symposium on Computational Wind Engineering (CWE2010), Chapel Hill, North Carolina, USA, 2010

19. V. Garbero, P. Salizzoni & L. Soulhac “Pollutant dispersion in different urban geometries”, Proceedings of PHYSMOD 2009, International Workshop on Physical Modelling of Flow and Dispersion Phenomena, von Karman Institute for Fluid Dynamics, Sint-Genesius-Rode, Belgio, 2009, ISBN:978-2-930389-42-7

20. P. Salizzoni, C. Scavone, V. Garbero, L. Soulhac, P. Mejean & R. Perkins “Influence of heat fluxes on the flow and dispersion within a two-dimensional street canyon”, Proceedings of PHYSMOD 2009, International Workshop on Physical Modelling of Flow and Dispersion Phenomena, von Karman Institute for Fluid Dynamics, Sint-Genesius-Rode, Belgio, 2009, ISBN:978-2-930389-42-7

21. V. Garbero, “Validation du modéle SIRANE par comparaison à des experiences en soufflerie“, Seminaire SIRANE, 15 Dicembre 2008, Lyon I risultati del progetto nella forma di articoli non coperti da Copyright, presentazioni o filmati insieme ad altre relazioni o materiale sono disponibili alla pagina web http://calvino.polito.it/AirToLyMi.