Iden%fica%on  and  Characteriza%on  of    Pollutant  Hot  Spots  

Integra%ng  Probe  Vehicle,  Traffic  and  Land  Use  Data  

By  Katherine  E.  Bell,  P.E.  Miguel  A  Figliozzi,  Ph.D.  

 FRIDAY  SEMINAR  January  17,  2014  

1

I.  Introduc@on  &  Background  

II.  Available  and  Collected  Data  

III.  Sta@s@cal  Analysis  

IV.  Conclusions  &  Future  Research  

2

OUTLINE  

3

BACKGROUND  

•  Motor  Vehicle  Emissions  –  CO2,  CO,  HC,  NOX,  MSATs    

•  Fine  Par@culate  MaJer  (PM2.5)  –  noncombus4on  &  combus4on  

o  Carcinogenic  o  Heart  problems  o  Respiratory  problems  

• Vola@le  Organic  Compounds  (VOC)  –  ozone  precursors,  carcinogens  

• HOT  SPOT:      Subsec@on  of  corridor  that  consistently  has  an  average  pollutant  concentra@on  above  the  85th  percen@le  when  compared  to  all  other  subsec@ons  on  the  corridor.  

Background                                        Data                                        Analysis                                        Conclusions  

4

BACKGROUND  

Background                                        Data                                        Analysis                                        Conclusions  

5

STUDY  AREA  –  SE  Powell  Boulevard  •  4.6  miles  –  SE  7th  Ave  to  I-­‐205    

•  Mul@-­‐modal  

•  2-­‐lanes  each  direc@on    

•  Variety  of  land  uses  

Background                                        Data                                        Analysis                                        Conclusions  

6

OBJECTIVES    

•  Develop  an  efficient  method  to  iden@fy  hot  spot  loca@ons  

o  BeJer  understand  which  variables  are  most  related  to  variability  in  pollutant  levels  

o  BeJer  understand  the  variability  of  exposure  levels  along  a  corridor  

 •  Long-­‐term:  BeJer  inform  personal  exposure  models  and  

health  analyses  

Background                                        Data                                        Analysis                                        Conclusions  

7

LITERATURE  REVIEW  

1)  Air  Quality  Health  and  Environmental  Concerns  

2)  Air  Quality  Modeling  and  Measurements    

3)  Powell  Boulevard  Research      

4)  Land  Use  Regression  

Background                                        Data                                        Analysis                                        Conclusions  

8

LITERATURE  REVIEW  

1)  Air  Quality  Health  and  Environmental  Concerns  

2)  Air  Quality  Modeling  and  Measurements    

3)  Powell  Boulevard  Research      

4)  Land  Use  Regression  

Background                                        Data                                        Analysis                                        Conclusions  

Sta%onary  Mobile  

9

LITERATURE  REVIEW  

1)  Air  Quality  Health  and  Environmental  Concerns  

2)  Air  Quality  Modeling  and  Measurements    

3)  Powell  Boulevard  Research      

4)  Land  Use  Regression  

Background                                        Data                                        Analysis                                        Conclusions  

Sta%onary  Mobile  

Tailpipe   In  Vehicle   Outside  Vehicle  

10

AVAILABLE  &  COLLECTED  DATA  

Traffic  Data   Land  Use  Data  

PM2.5  Concentra%ons  

Probe  Vehicle  Data  

Meteorology  

Background                                        Data                                        Analysis                                        Conclusions  

11

DATA  COLLECTION  

 Probe  Vehicle    

Background                                        Data                                        Analysis                                        Conclusions  

12

AVAILABLE  DATA  

Background                                        Data                                        Analysis                                        Conclusions  

Background                                        Data                                        Analysis                                        Conclusions  

MOVING  AVERAGE  –  All  Study  Hours  

MOVING  AVERAGE  –  All  Study  Hours  

HOT  SPOT  FREQUNCY  –  All  Study  Hours  

15

Mul%ple  Regression  –  ALL  DAY  Data  

•  Linear  Model:    Adjusted  R2  =  36%  •  Log-­‐Linear  Model:  Adjusted  R2  =  52%  

 

BASELINE    

Background                                        Data                                        Analysis                                        Conclusions  

16

•  Hot  Spot  Iden%fica%on  •  Consistency,  magnitude  and  distance  impacted  

•  AM  vs.  PM:  analyze  together  AND  separately  

•  Sta%s%cal  Analysis  •  Strongest  (+)  Rela5onships:  Rela4ve  Humidity,  Background  PM2.5  Concentra4ons,  Presence  of  “High  EmiJers”    

•  Strongest  (-­‐)  Rela5onships:  Temperature,  Wind  Speed,  Traffic  Speed    

•  Land  Use  variables  also  have  sta4s4cally  significant  rela4onships  with  PM2.5  concentra4ons  

•  Mul4ple  Regression  models  can  be  adjusted  depending  on  data  available      

•  Mobile  Outside  Vehicle  Measurements  +  Land  Use  Regression  •  Valuable  tool  to  beJer  understand  rela4onships  between  hot  spot  loca4ons  and  other  variables  

CONCLUSIONS  

PM2.5  

PM2.5  

17

FUTURE  RESEARCH    

•  Cold  Spots  –  study  poten4al  predictors  •  VOC  –  perform  regression  analysis    

•  Predictors  of  Hot  Spot  Frequency  •  Study  “outliers”  •  Other  variables  

o  Construc4on  o  Underpasses  o  Vehicle  Classifica4ons  (more  detailed)  

Background                                        Data                                        Analysis                                        Conclusions    

Oregon  Transporta@on  Research  and  Educa@on  Consor@um  (OTREC)  &  Na@onal  Ins@tute  for  Transporta@on  and  Communi@es  (NITC)  

FHWA  Eisenhower  Fellowship  Program  

Thesis  CommiJee:  Dr.  Miguel  Figliozzi,  Dr.  Robert  Ber@ni  and  Dr.  Chris  Monsere  

Alex  Bigazzi,  Adam  Moore  (PSU)  

 

 

ACKNOWLEDGEMENTS  

Katherine  Bell  Katherine.e.bell@pdx.edu  

 Miguel  Figliozzi  

figliozzi@pdx.edu    

Civil  and  Environmental  Engineering  Portland  State  University  

 

QUESTIONS  

Related  Masters  Thesis  will  be  available  at  hJp://www.its.pdx.edu/publica@ons.php  

20

Data  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

•  Pollutant  Concentra@on  –  PM2.5    and  VOC    •  Probe  Vehicle  Behavior  –  Loca4on,  Speed,  Standard  devia4on  of  speed,  

Percent  4me  accelera4ng,  Stopped  4me  

•  Traffic  –  Queue  length,  Queue  adjacent,  Volume,  Distance  to  major  intersec4on,  #  of  high  emiJers  

•  Meteorological  –  Wind  Speed/Direc4on,  Background  PM2.5  ,  Rela4ve  humidity,  Temperature  

 •  Zoning  –  Commercial,  Residen4al,  Industrial,  Open-­‐space  

•  Buildings  &  Businesses  –  Drive-­‐through  business  (i.e.,  McDonalds)  Gas  sta4on,  Building  height,  Building  footprints  

 •  Eleva@on  Changes  –  Flat,  Uphill,  Downhill,  High  point,  Low  point    

21

AVAILABLE  DATA  

•  Traffic  –  Wavetronix  &  SCATS  

•  Land  Use  –  PortlandMaps  &  RLIS  

•  Meteorological  –  DEQ  Air  Quality  Monitoring  Sta4on  

Background                                        Data                                        Analysis                                        Conclusions  

22

1)  Mann-­‐Whitney-­‐Wilcoxon  Test  

2)  Simple  Regression  Analysis  

3)  Mul@ple  Regression  Analysis  

STATISTICAL  ANALYSIS  

Skewed  distribu@on  

Background                                        Data                                        Analysis                                        Conclusions  

23 Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Time-­‐Space-­‐Air  Quality  Diagram  

26

Simple  Regression  -­‐  Traffic  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%  

#  Of  High  EmiJers  

Distance  to  Major  Intx  

Traffic  Volume  

Queue  Adjacent  

Queue  Length  

Stopped  Time  

Stdev  Speed  

Mean  Speed  

Time  of  Day  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%   30%  

Queue  Adjacent  

#  Of  High  EmiJers  

Mean  Speed  

Time  of  Day  

Rela@ve  Humidity  

Background  PM2.5  

Wind  Direc@on  Cos  

Wind  Direc@on  Sin  

Wind  Speed  

Temperature  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

27

Simple  Regression    

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Meteo

rology  

Traffi

c  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%  

Mean  Speed  

Temperature  

Mostly  Uphill  

Mostly  Flat  

Distance  to  Drive  Through  (i.e.,  McD's)  

Distance  to  Gas  Sta@on  

Distance  to  Gas  Sta@on  (Far  Side)  

Building  Footprint  

Building  Height  

Frontage  Profile  Height  

Commercial  

Residen@al  

Industrial  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

28

Simple  Regression    

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Build

ings  

Zoning  

29

Simple  Regression  -­‐  Traffic  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%  

#  Of  High  EmiJers  

Distance  to  Major  Intx  

Traffic  Volume  

Queue  Adjacent  

Queue  Length  

Stopped  Time  

Stdev  Speed  

Mean  Speed  

Time  of  Day  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%   30%  

Queue  Adjacent  

#  Of  High  EmiJers  

Mean  Speed  

Time  of  Day  

Rela@ve  Humidity  

Background  PM2.5  

Wind  Direc@on  Cos  

Wind  Direc@on  Sin  

Wind  Speed  

Temperature  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

30

Simple  Regression    

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Meteo

rology  

Traffi

c  

-­‐40%   -­‐30%   -­‐20%   -­‐10%   0%   10%   20%  

Mean  Speed  

Temperature  

Mostly  Uphill  

Mostly  Flat  

Distance  to  Drive  Through  (i.e.,  McD's)  

Distance  to  Gas  Sta@on  

Distance  to  Gas  Sta@on  (Far  Side)  

Building  Footprint  

Building  Height  

Frontage  Profile  Height  

Commercial  

Residen@al  

Industrial  

R-­‐square  and  correla%on  sign  

AM  Only  

PM  Only  

AM  &  PM  

31

Simple  Regression    

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Build

ings  

Zoning  

32

Mul%ple  Regression    -­‐  %  Contribu%on  to  Baseline                  All  Day  Model  -­‐  Example  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Baseline   +7.2%  

+6.5%  

+3.5%  -­‐4.6%   -­‐3.1%  

•  R  Step()  func@on  –  uses  AIC  criteria    

•  p-­‐value  <  0.05  •  Variance  infla@on  factor  (VIF)  <  5    

•  Correla@ons  •  Log-­‐linear  Models  

33

Mul%ple  Regression  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

Correla%ons  

37

Simple  Regression  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions  

38

Simple  Regression  

Introduc@on                                        Literature  Review                                        Data                                        Analysis                                        Conclusions