城市空气污染改善了人工智能的估计

使用人工智能,康奈尔大学的工程师们简化和钢筋模型,准确地计算出细颗粒物(PM2.5)——烟尘,灰尘和废气排放的卡车和汽车进入人类肺——包含在城市空气污染。

现在,城市规划者和政府卫生官员可以获得一个更精确的会计对城市居民的健康和他们呼吸的空气,从新的研究发表在《华尔街日报》2022年12月交通研究D部分。

“基础设施决定了我们的生活环境,我们的接触,”资深作者说奥利弗高,霍华德·辛普森的土木与环境工程教授在康奈尔大学的工程学院。“由于交通空气污染影响——把废气驱动我们街道上的汽车和卡车,非常复杂。我们的基础设施、交通和能源政策将影响空气污染,因此公共卫生。”

以前的方法来衡量空气污染是繁琐和依赖非常大量的数据点。“老模型计算颗粒物是计算和机械使用和复杂,”高说,康奈尔大学的教员研究员阿特金森中心的可持续发展。“但是如果你开发一个方便的数据模型,借助人工智能填补一些空白,您可以在当地有一个准确的模型规模。”

作者Salil德赛和来访的科学家Mohammad Tayarani一起高,发表了“开发机器学习模型相关的地方性交通颗粒物浓度映射”,提供一个更精简,更少的数据密集型的方法制作精确模型。

空气污染是一个世界各地的过早死亡的主要原因。在全球范围内,超过每年420万人死亡——的形式心血管疾病,缺血性心脏病、中风和肺癌——在2015年被归因于空气污染,据《柳叶刀》杂志的一项研究中提到的康奈尔大学研究。

在这部作品中,集团发展四个机器学习模型与交通有关的颗粒物浓度的数据聚集在纽约市的五个区,有820万人口和日常的交通工具英里旅行5500万英里。

方程使用几个输入如交通数据、拓扑和气象学的人工智能算法学习模拟大范围的交通,空气污染浓度的场景。

他们最好的执行模型卷积长短期记忆,或ConvLSTM训练算法来预测许多观测空间相关。

“我们的数据驱动的方法,主要是基于汽车排放数据,需要大大减少建模步骤,“德赛说。而不是专注于固定位置,城市街道的方法提供了一种高分辨率估计表面污染。更高的分辨率可以帮助运输和流行病学研究评估健康、环境正义和空气质量的影响。

参考:德赛年代,Tayarani M,奥利弗高h .地方性交通发展中机器学习模型颗粒物浓度映射。透明Res D:透明包围。2022;113:103505。doi:10.1016 / j.trd.2022.103505

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。