راه نجات از آلودگی در دستان فناوری! - بازی های اندروید

پژوهشگران می گویند علائم راهنمایی و رانندگی مبتنی بر هوش مصنوعی می توانند انتشار گازهای گلخانه ای از وسایل نقلیه را کاهش دهند.

تولید آلودگی از وسایل نقلیه عامل مهمی در آلودگی هوا در سراسر جهان است و آن را به یک مشکل محلی و جهانی تبدیل کرده است. آن ها مسئول انتشار آلاینده هایی مانند مونوکسید کربن، اکسیدهای نیتروژن، ذرات معلق و هیدروکربن ها در جو زمین هستند.

آژانس حفاظت از محیط زیست ایالات متحده تخمین می زند که انتشار گازهای گلخانه ای ناشی از بخش حمل و نقل حدود 29 درصد از کل انتشار گازهای گلخانه ای این کشور را تشکیل می دهد که از سال 1990 تا 2021 بیش از هر بخش دیگری افزایش داشته است.

کاهش انتشار آلاینده ها

اکنون برای کاهش این شکل خطرناک از آلودگی هوا، یک پژوهشگر از فناوری یادگیری ماشینی برای ایجاد سیستم های مدیریت چراغ راهنمایی که از نظر اجتماعی و محیطی آگاه هستند، استفاده کرده است که آن ها را برای کاهش انتشار گازهای گلخانه ای از وسایل نقلیه ایده آل می سازد.

یو یانگ، استادیار علوم کامپیوتر و مهندسی در کالج مهندسی و علوم کاربردی دانشگاه پی. سی راسین (P.C. Rossin) و همکارانش در حال کار بر روی یک استراتژی سه جانبه هستند که جریان ترافیک منظم تری را با توقف های کمتر یا کوتاه تر ممکن می سازد.

خودروهایی که در شهرهای شلوغ پشت چراغ های راهنمایی توقف می کنند، به میزان قابل توجهی در آلودگی هوا نقش دارند. افرادی که آسم یا سایر اختلالات پزشکی دارند که حساسیت آن ها به ذرات معلق در هوا را افزایش می دهد، به شکل ویژه تحت تأثیر این موضوع قرار می گیرند.

پژوهشگران یک دستگاه حسگر کیفیت هوای متحرک و ارزان قیمت برای مکان یابی منطقه ها با آلودگی بالا و درک نیازهای محیطی مکان های مختلف ایجاد خواهند کرد.

به عنوان مثال، محل بیمارستان ممکن است جایگاه استقرار تعداد بیشتری از افراد آسیب پذیر باشد که نیاز به محافظت بیشتری دارند.

یانگ می گوید: ما از این داده ها برای ایجاد یک مدل یادگیری انتشار نمودار مکانی-زمانی برای تعیین شرایط ترافیک در شهر در بستر آزمایشی خود در نیوآرک نیوجرسی استفاده خواهیم کرد.

به عبارت دیگر، به بررسی این می پردازیم که ترافیک و آلودگی هوا در مقاطع زمانی مختلف در مکان های مختلف چگونه است؟

پژوهشگران با استفاده از تکنیک یادگیری تقویتی، چگونگی تنظیم علائم ترافیکی را با در نظر گرفتن علائم ترافیکی در اطراف شهر و بررسی عملکرد آنها، کیفیت هوا را افزایش می دهند.

اولین در نوع خود

یانگ می گوید: این اولین پروژه در نوع خود است که یک جزء اجتماعی را در یک سیستم کنترل ترافیک ادغام می کند. ما برای حل یک مشکل در جهانی واقعی از دیدگاه فنی و اجتماعی استفاده می کنیم.

پژوهشگران همچنین تعاملات انسان و سیستم را در نظر خواهند گرفت که شامل نحوه انتخاب و استفاده افراد از خودروها در محیط های شهری می شود.

یانگ استدلال می کند که تحقیقات قبلی در این زمینه این فرض را ایجاد می کند که افراد مسیر خود را به طور تصادفی انتخاب می کنند.

با این حال، الگوریتم این تیم می تواند با استفاده از این نوع داده ها بهبود یابد تا در پیش بینی نحوه تعامل واقعی کاربران با سیستم دقیق تر شود.

هدف اصلی یانگ، ایجاد یک سیستم مبتنی بر شبکه وب است که سطوح کیفیت هوا را به ساکنان شهرها نشان می دهد تا بتوانند تصمیمات آگاهانه ای در مورد کاری که انجام می دهند، بگیرند.

این سیستم با یک مدل مدیریت ترافیک تکمیل می شود که به مقامات حمل و نقل شهری اجازه می دهد سیگنال ها را در لحظه کنترل کنند و آن ها را برای تغییر عملکرد به منظور افزایش کیفیت هوا در آلوده ترین منطقه ها تنظیم کنند.

227227