<p>康奈爾大學的工程師使用人工智能簡化和強化了模型，這些模型可以準確計算城市空氣污染中所含的細顆粒物 (PM2.5)&mdash;&mdash;卡車和汽車排放的煙塵、灰塵和廢氣進入人體肺部。</p> <p>&nbsp;</p> <p>現(xiàn)在，城市規(guī)劃者和政府衛(wèi)生官員可以從 2022 年 12 月發(fā)表在《交通研究 D 部分》雜志上的新研究中更準確地了解城市居民的福祉和他們呼吸的空氣。</p> <p>&nbsp;</p> <p>&ldquo;基礎設施決定了我們的生活環(huán)境，我們的曝光率，&rdquo;工程學院霍華德辛普森土木與環(huán)境工程教授、資深作者高奧利弗說。 &ldquo;交通造成的空氣污染影響&mdash;&mdash;在我們街道上行駛的汽車和卡車排放的廢氣&mdash;&mdash;非常復雜。 我們的基礎設施、交通和能源政策將影響空氣污染，進而影響公眾健康。&rdquo;</p> <p><br />以前測量空氣污染的方法很麻煩，并且依賴于大量的數(shù)據點。 &ldquo;用于計算顆粒物的舊模型在計算和機械方面都非常復雜。&rdquo;康奈爾阿特金森可持續(xù)發(fā)展中心的教員高說。 &ldquo;但如果你開發(fā)一個易于訪問的數(shù)據模型，并借助人工智能填補一些空白，你就可以在局部范圍內擁有一個準確的模型。&rdquo;</p> <p>&nbsp;</p> <p>主要作者 Salil Desai '20，工程碩士。 '21 和訪問科學家 Mohammad Tayarani 與 Gao 一起發(fā)表了&ldquo;為超本地交通相關顆粒物濃度映射開發(fā)機器學習模型&rdquo;，以提供一種更精簡、數(shù)據密集度更低的方法來制作準確的模型。</p> <p>&nbsp;</p> <p>環(huán)境空氣污染是全世界過早死亡的主要原因。 根據康奈爾大學研究中引用的柳葉刀研究，2015 年全球每年有超過 420 萬人死于空氣污染，包括心血管疾病、缺血性心臟病、中風和肺癌。</p> <p>&nbsp;</p> <p>在這項工作中，該小組開發(fā)了四種機器學習模型，用于在紐約市五個行政區(qū)收集的數(shù)據中與交通相關的顆粒物濃度，這五個行政區(qū)的總人口為 820 萬，每日車輛行駛里程為 5500 萬英里。</p> <p>&nbsp;</p> <p>這些方程在 AI 算法中使用很少的輸入，例如交通數(shù)據、拓撲和氣象學，來學習模擬各種與交通相關的空氣污染濃度場景。</p> <p>他們表現(xiàn)最好的模型是卷積長短期記憶 (ConvLSTM)，它訓練算法預測許多空間相關的觀測值。</p> <p>&nbsp;</p> <p>&ldquo;我們的數(shù)據驅動方法&mdash;&mdash;主要基于車輛排放數(shù)據&mdash;&mdash;需要的建模步驟要少得多。&rdquo;Desai 說。 該方法不是專注于固定位置，而是提供對城市街道污染表面的高分辨率估計。 更高的分辨率可以幫助交通和流行病學研究評估健康、環(huán)境正義和空氣質量的影響。</p> <p>&nbsp;</p> <p>這項研究的資金來自美國交通部的大學交通中心計劃和康奈爾阿特金森。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學態(tài)度觀點。</p> </blockquote>