Исследователи улучшили модели оценки воздействия загрязнения воздуха с помощью искусственного интеллекта и данных о мобильности
Исследователи под руководством учёных из Университета штата Пенсильвания разработали усовершенствованные модели для оценки воздействия мелкодисперсных частиц PM 2.5, используя искусственный интеллект и данные о передвижении людей. Эти модели призваны помочь органам общественного здравоохранения в разработке стратегий мониторинга и оповещения.
Новый подход, опубликованный в журнале Frontiers in Environmental Science, позволяет более точно определять зоны риска, где сочетаются нездоровое качество воздуха и высокая посещаемость. Традиционные модели линейно оценивали влияние географических факторов, таких как растительность или метеоусловия, хотя их воздействие на качество воздуха меняется по часам и сезонам и носит нелинейный характер.
Учёные применили автоматизированное машинное обучение — тип искусственного интеллекта — в рамках модели регрессии землепользования. Этот метод, использующий ансамбль моделей, автоматически подбирает наилучшую конфигурацию для каждого из восьми изученных мегаполисов США. Данные о качестве воздуха брались как со станций мониторинга Агентства по охране окружающей среды (EPA), так и с недорогих сенсоров, распределяемых местными сообществами.
«Наше исследование показывает, что включение искусственного интеллекта и данных о мобильности в модели качества воздуха может улучшить их и помочь лицам, принимающим решения, расставить приоритеты для районов, которым требуется дополнительный мониторинг или оповещения», — сказала Маньчжу Ю, первый автор исследования.
Точность моделей оценки воздействия загрязнения повысилась в среднем на 17.5% благодаря учёту динамических переменных, таких как аэрозольная оптическая толща и метеорологические факторы. Анализ анонимизированных данных мобильности позволил выявить потенциальные «горячие точки» — зоны и временные интервалы, где большое количество людей может подвергаться воздействию высоких уровней PM 2.5.
«Наши карты воздействия на основе мобильности показывают "горячие точки", где нездоровое качество воздуха сочетается с высоким трафиком посетителей. Эту информацию можно использовать для отправки предупреждений на мобильные телефоны при входе в зону с высоким уровнем PM 2.5», — пояснила Маньчжу Ю.