<p>康奈爾大學(xué)的工程師使用人工智能簡化和強(qiáng)化了模型，這些模型可以準(zhǔn)確計(jì)算城市空氣污染中所含的細(xì)顆粒物 (PM2.5)&mdash;&mdash;卡車和汽車排放的煙塵、灰塵和廢氣進(jìn)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(zhǔn)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(chǔ)設(shè)施決定了我們的生活環(huán)境，我們的曝光率，&rdquo;工程學(xué)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(fù)雜。 我們的基礎(chǔ)設(shè)施、交通和能源政策將影響空氣污染，進(jìn)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(jù)點(diǎn)。 &ldquo;用于計(jì)算顆粒物的舊模型在計(jì)算和機(jī)械方面都非常復(fù)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(jù)模型，并借助人工智能填補(bǔ)一些空白，你就可以在局部范圍內(nèi)擁有一個準(zhǔn)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(xué)家 Mohammad Tayarani 與 Gao 一起發(fā)表了&ldquo;為超本地交通相關(guān)顆粒物濃度映射開發(fā)機(jī)器學(xué)習(xí)模型&rdquo;，以提供一種更精簡、數(shù)據(jù)密集度更低的方法來制作準(zhǔn)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(jù)康奈爾大學(xué)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(fēng)和肺癌。</p> <p>&nbsp;</p> <p>在這項(xiàng)工作中，該小組開發(fā)了四種機(jī)器學(xué)習(xí)模型，用于在紐約市五個行政區(qū)收集的數(shù)據(jù)中與交通相關(guān)的顆粒物濃度，這五個行政區(qū)的總?cè)丝跒?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(jù)、拓?fù)浜蜌庀髮W(xué)，來學(xué)習(xí)模擬各種與交通相關(guān)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(xùn)練算法預(yù)測許多空間相關(guān)的觀測值。</p> <p>&nbsp;</p> <p>&ldquo;我們的數(shù)據(jù)驅(qū)動方法&mdash;&mdash;主要基于車輛排放數(shù)據(jù)&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(jì)。 更高的分辨率可以幫助交通和流行病學(xué)研究評估健康、環(huán)境正義和空氣質(zhì)量的影響。</p> <p>&nbsp;</p> <p>這項(xiàng)研究的資金來自美國交通部的大學(xué)交通中心計(jì)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(xué)態(tài)度觀點(diǎn)。</p> </blockquote>