Mélanie Thomas En utilisant l’intelligence artificielle, les ingénieurs de l’Université Cornell ont simplifié et renforcé des modèles qui calculent avec précision les particules fines (PM2,5) – la suie.
Désormais, les urbanistes et les responsables gouvernementaux de la santé peuvent obtenir un compte rendu furthermore précis du bien-être des citadins et de l’air qu’ils respirent, à partir d’une nouvelle recherche publiée en décembre 2022 dans la revue Transportation Exploration Aspect D.
“L’infrastructure détermine notre cadre de vie, notre exposition”, a déclaré l’auteur principal Oliver Gao, professeur Howard Simpson de génie civil et environnemental au Collège d’ingénierie de l’Université Cornell. Nos politiques d’infrastructure, de transportation et d’énergie vont avoir un effect sur la pollution de l’air et donc sur la santé publique.”
Les méthodes précédentes pour mesurer la air pollution de l’air étaient lourdes et dépendantes de quantités extraordinaires de points de données. “Les anciens modèles de calcul des particules étaient complexes et gourmands en calcul et en mécanique”, a déclaré Gao, membre du corps professoral du Cornell Atkinson Middle for Sustainability. “Mais si vous développez un modèle de données facilement obtainable, avec l’aide de l’intelligence artificielle remplissant certains des blancs, vous pouvez avoir un modèle précis à l’échelle locale.”
L’auteur principal Salil Desai et le chercheur invité Mohammad Tayarani, en collaboration avec Gao. pour offrir une méthode moreover uncomplicated et moins gourmande en données pour créer des modèles précis.
La air pollution de l’air ambiant est l’une des principales will cause de décès prématurés dans le monde. À l’échelle mondiale, furthermore de 4,2 millions de décès annuels – sous forme de maladies cardiovasculaires, de cardiopathies ischémiques, d’accidents vasculaires cérébraux et de cancers du poumon – ont été attribués à la pollution de l’air en 2015, selon une étude du Lancet citée dans la recherche Cornell.
Dans ce travail. qui ont une population combinée de 8,2 millions de personnes et un kilométrage quotidien de 55 millions de miles.
Les équations utilisent peu d’entrées telles que les données de trafic.
Leur modèle le plus performant était la mémoire convolutive à very long court docket terme, ou ConvLSTM, qui entraînait l’algorithme à prédire de nombreuses observations spatialement corrélées.
a déclaré Desai. Au lieu de se concentrer sur des emplacements fixes, la méthode fournit une estimation à haute résolution de la surface area de air pollution des rues de la ville. Une résolution as well as élevée peut aider les études sur les transports et l’épidémiologie à évaluer les impacts sur la santé, la justice environnementale et la qualité de l’air.
Le financement de cette recherche est venu du programme des centres de transport universitaire du département américain des transports et de Cornell Atkinson.
