Volvemos con uno de los temas favoritos en PiperLab: la contaminación. Desde hace bastante tiempo tenemos operativo en Twitter el bot Datóxido de Nitrógeno que monitoriza y publica los niveles de contaminación y las alertas en la ciudad de Madrid.

A raíz de esta iniciativa en RRSS, para informar a los ciudadanos sobre la situación real de la ciudad con respecto a estos niveles de contaminación, comenzamos un proyecto piloto de la mano del Ministerio de Economía, Industria y Competitividad en la convocatoria de apoyo a agrupaciones empresariales innovadoras junto con CITET, CEL y UNO para predecir los niveles de contaminación en  Madrid, con un objetivo último: que esta información tuviese aplicaciones en diversos sectores de actividad, particularmente en el logístico, y más concretamente en el ecosistema de entrega de última milla, un sector muy afectado en los últimos años por las restricciones de tráfico derivadas de los altos niveles de contaminación de la capital.

A raíz de este proyecto que comenzó hace tres años y que sigue vigente hoy en día, os queremos contar que hemos continuado trabajando en esta línea, en concreto, en dos bloques principales:

  • El proyecto Clean Air: la 2º fase del proyecto inicial, que ha dado la oportunidad de ampliar la experiencia del proyecto realizado en Madrid a otras ciudades españolas, de la mano de los mismos socios y contando, además, con la participación de SEUR.
  • Analizamos el impacto de la entrada en vigor de las restricciones de tráfico en Madrid Central, tanto desde el punto de vista del tráfico de vehículos industriales como de la propia contaminación. En particular, hemos seguido y analizado la evolución de la contaminación en Madrid durante el periodo de confinamiento por la COVID 19

Periodo COVID-19 en Madrid

Aprovechando la disponibilidad continua de datos actualizados sobre la contaminación, hemos hecho un análisis del impacto de las restricciones de movilidad en Madrid durante la cuarentena impuesta debido a la COVID19

Monitorizamos cuatro elementos contaminantes principales: Dióxido de Nitrógeno (NO2), Ozono (O3), Partículas en suspensión menores de 10 µm (PM10) y Dióxido de Azufre (SO2). Nos vamos a fijar en los meses de enero a abril de los últimos cuatro años:

En un primer vistazo quizás no se aprecie nada muy llamativo para 2020. De hecho, puede llamar la atención que en 2018 había niveles más bajos de PM10 y SO2. Sin embargo, esto se debe a que estas mediciones correlacionan fuertemente con ciertas condiciones meteorológicas y sucede que, durante esos meses de 2018, llovió mucho más que en los otros 3 años analizados.

Como pasa casi siempre que se trabaja con datos, una visualización apropiada facilita mucho el análisis, por lo que vamos a agrupar los meses de enero y febrero, por un lado, y los de marzo y abril por otro, representando en cajas la distribución de los niveles diarios de cada medida:

Lo que se puede observar es que, para NO2 y PM10 el descenso observado en 2020 entre los dos primeros meses y los que se produjo durante la cuarentena, es claramente mayor que para el resto de los años. Dado que, dentro de cada año en ese periodo las condiciones meteorológicas no sufrieron variaciones especialmente diferentes, se puede concluir que el descenso adicional en los niveles de estos dos contaminantes fue debido a la enorme reducción del tráfico rodado. Respecto al Ozono, no se observan variaciones significativas. Y en cuanto al SO2, el descenso es similar a otros años y se puede suponer que esté contaminante está asociado a los sectores industrial y energético, que no vieron tan reducida su actividad.

El descenso observado en 2020 y especialmente durante los meses de cuarentena es claramente mayor que para el resto de años. Se puede concluir que el descenso adicional de estos dos contaminantes fue debido a la enorme reducción del tráfico rodado

 

Proyecto Clean Air

Este proyecto se puede ver como una extensión de la primera fase del proyecto enfocado en Madrid, a otras cinco ciudades de España: Barcelona, Valencia, Zaragoza, Sevilla y Bilbao.

Tanto el marco metodológico para abordarlo como muchos de los aprendizajes de aquella primera fase, se pudieron trasladar a este nuevo reto. Sin embargo, hay otra serie de elementos importantes que debieron ser cuidadosamente estudiados y tratados de forma particular para cada una de las ciudades.

En primer lugar, la obtención de los datos es totalmente personalizada, ya que cada ciudad los ofrece en un formato diferente. Además, las estaciones (a veces incluso dentro de la misma ciudad) no miden todos los contaminantes.

Por otro lado, el diferente número y situación de las estaciones en cada ciudad hace que el cruce con los datos de estaciones meteorológicas deba adaptarse para que el enriquecimiento con dichos datos, que son clave para una buena predicción, sea adecuado.

La dificultad del proyecto de las 5 ciudades adicionales fue la particularidad de cada una de ellas: formatos de datos diferentes, estaciones que medían contaminantes diferentes, protocolos de restricciones sin criterios comunes, número de estaciones de detección de contaminación diferentes en cada ciudad….

Más importante aún que todo lo anterior, el protocolo de restricciones es diferente en cada ciudad. Esto implica que el criterio objetivo de la predicción de los modelos que tuvimos que generar debía ser parametrizado apropiadamente para cada una de las ciudades. De hecho, en el momento de la realización, dos de las ciudades ni siquiera tenían cerrado su protocolo (Zaragoza y Bilbao), por lo que programamos las alertas de los modelos sobre niveles de contaminantes que se consideraban de riesgo para la salud de las personas.

En la siguiente tabla se resumen las principales características de cada una de las ciudades analizadas durante el proyecto:

Pese a que somos conscientes de que estas diferencias de protocolos de actuación, de criterios y de tiempos dificultan la consecución de los objetivos, en PiperLab, que somos optimistas por naturaleza, y creemos que los datos nos ayudan a vivir mejor, estamos convencidos de que proyecto ha supuesto un primer paso para conseguir el objetivo último: vivir en ciudades más sostenibles, más verdes, más habitables y más amables para una convivencia saludable.

Categorías: Open Data / Etiquetas: , , , /