Det er ingen hemmelighed, at kunstig intelligens og teknologi har udviklet sig hurtigt i den seneste tid, med applikationer som CAPTCHA, der forhindrer bots i at få adgang til websteder, termostater, der tilpasser sig vores daglige tidsplaner eller endda algoritmer, der kunne vælge potentielle feriedestinationer for os.
Men hvad nu hvis maskinlæring kunne bruges ud over niche- eller individuelle sammenhænge? At tage kunstig intelligens et skridt videre og implementere den i vores byer og infrastrukturer har potentialet til at forbedre driftseffektiviteten, hjælpe med bæredygtighedsbestræbelser, byplanlægning og mere. Nedenfor vil vi udforske nogle af de måder, hvorpå maskinlæring kan bruges til at forbedre vores byer og gøre dem smartere generelt.
Brug af kunstig intelligens til at tage højde for CO2-fodaftryk
Ofte vil vi høre fra forskellige former for medier, at vi bør sigte mod at reducere vores individuelle og kollektive CO1-fodaftryk – men hvordan kan byer og organisationer nøjagtigt beregne deres bidrag til CO2-emissioner? Samlet set kan et CO3-fodaftryk opdeles i tre kategorier – direkte emissioner fra organisationen eller byens drift (scope XNUMX-emissioner), emissioner, der er relateret til den produktion af elektricitet, der kræves for at drive byen (scope XNUMX-emissioner) og emissioner fra forbrug og produktion af byprodukter (scope XNUMX-emissioner), som involverer upstream-leverandører og downstream-forbrugere (f.eks. byens indbyggere)1.
Mens indhentning og behandling af data er en udfordring, udvikler flere nystartede virksomheder værktøjer, der ikke kun vil kvantificere emissioner, men også hjælpe med at udvikle planer (baseret på data) for, hvordan man kan reducere emissioner, såsom ved at udforme mere bæredygtig og informeret beslutningstagning eller ved at skifte til bæredygtige vedvarende energikilder. Mange virksomheder bruger platforme som Spark 3.0 for at hjælpe med databehandling, men det viser sig stadig at være udfordrende.
En bestemt virksomhed, Watershed, håber at kunne bygge et værktøj, hvor rådata kan give indsigt og konkrete handlinger, hvor CO2-udledningen reduceres.
Tørkerisikovurdering og forudsigelse
Med stigende klimaændringer bliver mere alvorlige vejrbegivenheder såsom tørke mere udbredt. Samlet set har tørke kostet verden 1.5 millioner dollars mellem 1988-2017, og den resulterende fødevareusikkerhed har forårsaget hundredtusindvis af dødsfald, hvis ikke flere.2 Gennem kunstig intelligens-baseret forudsigelse kan der ske forbedringer i beslutningstagningen vedrørende tørke og bedre metoder og timing, der anvendes til at sikre optimal vandressourceallokering og formidling af information forud for tørkehændelser.
Et sådant eksempel på AI, der bruges til forudsigelse af vejrbegivenheder med stor påvirkning, er algoritmen Gradient Boosted Regression Trees (GBRT), hvor det blev fundet, at i 75 % af tilfældene blev AI-baseret prognose valgt frem for menneskelig intuition af professionelle prognosemænd.2
Wildlife Conservation
Der er voksende beviser på big data og machine learning kan være med til at skåne miljøet. Bevarelse af levesteder for forskellige dyr er lige så vigtigt i byer, som det er i tropiske regnskove.
Ofte vil naturplejere og økologer sætte kamerafælder for at få en bedre idé om, hvilke dyr der lever i et område, hvornår de også er aktive og for at overvåge menneskets påvirkning af dyrelivet. Desværre tager manuelt gennemgang af optagelser enormt lang tid og kan forsinke handlinger, der ville gavne lokal flora og fauna. Det er her AI-algoritmer som den, der er skabt af BESLUTTE kom ind - denne AI-algoritme kan lade naturbeskyttelsesfolk vide om tilstedeværelsen af dyr i realtid samt identificere eventuelle opdagede dyr næsten øjeblikkeligt, så passende handling kan træffes så hurtigt som muligt. Derudover kan algoritmer som denne bruges til at opdage ulovlig aktivitet i realtid, hvilket betyder, at krybskytter vil have sværere ved at fange dyr.
Overvågning og forudsigelse af luftkvalitet
Luftforurening er desværre et stort problem globalt. Alene USA producerede i 2020 omkring 68 millioner tons forurening4. Sådan forurening bidrager til højere forekomster af astma og andre luftvejsproblemer, især i sårbare befolkningsgrupper såsom små børn og ældre. For at hjælpe den brede offentlighed bedre med at forberede sig på dage med dårlig luftkvalitet og for at indføre effektive modforanstaltninger, kan luftkvalitetsadvarselssystemer baseret på kunstig intelligens implementeres. Især er AI-systemet foreslået af Mo et al., (2019) i deres artikel 'A Novel Air Quality Early-Warning System Based on Artificial Intelligence' baseret på en forudsigelsesmodel for luftforurening såvel som en evalueringsmodel for luftkvalitet.5 Det er gennem dette system, hvor et tidligt varslingssystem kan implementeres i forhold til luftkvalitet, og hvor data kan analyseres og bruges til at skabe rimelige modforanstaltninger ud over forudsigelser af luftkvalitet i fremtiden.
AI baseret parkeringsovervågning.
Et fælles problem for mange byer er parkering. Hvis du nogensinde har været frustreret over at cirkle rundt på en fyldt parkeringsplads på udkig efter en plads, vil denne særlige anvendelse af kunstig intelligens sandsynligvis være interessant for dig. Kunstig intelligens kan hjælpe ved at bruge skærme og sensorer til at vurdere belægning i realtid i parkeringshuse – hvis der tilfældigvis ikke er nogen ledig plads, vil besøgende blive advaret, så de ikke behøver at spilde tid på at kredse rundt om pladsen.6 Derudover kan AI-algoritmer på særligt store parkeringspladser bruges til at guide besøgende til ledige områder, hvilket også sparer tid.
Smarte parkeringssystemer kan også bruges til at måle tider med høj aktivitet baseret på parkeringsbelægning, så virksomhederne bedre kan forberede sig på spidsbelastningstider samt tider med lav parkeringsbelægning og dermed lav kundetilslutning.
Optimering af elbilsopladning
Efterhånden som offentlige transportkøretøjer går fra at være drevet af traditionelle fossile brændstoffer til at være elektriske, er der en hel del ting, der skal tages i betragtning, såsom batteriopbevaring, backup af elektrisk generator og oprettelse eller tilpasning af et ladesystem til disse køretøjer . Derudover er der adskillige variabler, der går ind i mængden og omkostningerne ved energi, som et køretøj bruger, såsom vejr- og trafikforhold, internt kontra opladning på farten og spidsbelastningsbegrænsninger for blot at nævne nogle få.7 Hvis byer skulle indføre et AI-aktiveret energioptimeringssystem, kunne udgifterne holdes på et minimum ved at beregne mængden af energikilder og faciliteter, der kræves på forhånd, samt integration af vedvarende energikilder for at oplade køretøjerne efter behov.
Derudover kan integrering af kunstig intelligens også hjælpe med at forlænge batterilevetiden for elektriske køretøjer ved at tage højde for producentbaserede begrænsninger og realtidsforhold på samme tid for at optimere ladeniveauet samt minimere nedbrydningsniveauer.7 En måde at gøre det på ville være AI-algoritmer, der advarer det offentlige transportselskab om lavere elpriser end normalt, men også det beløb, som køretøjerne skal oplades, således at ingen af batterierne er overopladet.
Forbedring af Power Grid Performance
Afhængigt af hvor du bor i verden, er du måske allerede bekendt med smart grids. Et smart grid refererer til et moderne elsystem, hvor der er sensorer, automatisering, kommunikation og computere for at forbedre effektiviteten, pålideligheden og sikkerheden af et elsystem. Smart grid-systemer kan gavne en by på mange måder, herunder8:
- Automatisk omdirigering, når der er unormaliteter i systemet.
- Mere integration af vedvarende energisystemer og kundeejede elproduktionssystemer
- Mere effektiv eltransmission
- Reducerede drifts- og administrationsomkostninger for forsyningsselskaber.
- Reducerede spidsbelastningsrater.
- Forbedret netsikkerhed
Hurtigere genoprettelse af strøm efter strømforstyrrelser (hvilket er kritisk i svære vejrbegivenheder som snestorme eller hedebølger).
Offentlig sikkerhed
Når det er umuligt for menneskelige øjne at holde styr på alle sikkerhedsfeeds i en by, kan kunstig intelligens hjælpe – for eksempel kan mikrofoninput fra gadekameraer tolkes af AI som pistolskud eller andre lyde, der indikerer nød. I sådanne situationer kan AI-algoritmer advare nødtjenesteoperatører med lokaliseringsdata og andre nødvendige data for at beslutte, om de vil udsende nødtjenester eller ej. Digital skiltning kan opdateres i realtid for at advare offentligheden om situationer, der kræver opmærksomhed, såsom oversvømmelser eller andre akutte situationer. En anden måde, hvorpå kunstig intelligens kan bruges til at forbedre den offentlige sikkerhed, er gennem kontrol af trafiklys for at rydde vejen for førstehjælpere i stedet for at stole på, at politistyrker ankommer.
Referencer
[1] R. Toews, Disse er startups, der anvender AI til at tackle klimaændringer (2021), Forbes.
[2] C. Huntingford, ES Jeffers, MB Bonsall, HM Christensen, T. Lees, H. Yang, Maskinlæring og kunstig intelligens til at støtte forskning og beredskab i klimaændringer (2019), IOPScience.
[3] Smart Parks, Kunstig intelligens i dyrelivsbeskyttelse (2019).
[4] United States Environmental Protection Agency, Luftkvalitet – nationalt resumé (2021).
[5] X. Mo, L. Zhang, H. Li, Z. Qu, Et nyt system til tidlig varsling af luftkvalitet baseret på kunstig intelligens (2019), International Journal of Environmental Research and Public Health.
[6] N. Joshi, AI-baserede parkeringssystemer kan løse parkeringsproblemer. Sådan gør du. Allerin.
[7] Bæredygtig bus, Kunstig intelligens som et middel til at optimere køretøjers opladning. Et interview med BluWave-ai (2020).
[8] SmartGrid.Gov, Smart Grid (2021).
- 2019
- 2020
- 2021
- 7
- Konto
- Bogføring og administration
- Handling
- aktiv
- Ad
- AI
- sigter
- algoritme
- algoritmer
- Alle
- allokering
- dyr
- Anvendelse
- applikationer
- OMRÅDE
- omkring
- artikel
- kunstig intelligens
- auto
- Automation
- backup
- batterier
- batteri
- batterilagring
- Big data
- Hjulpet
- bots
- bygge
- bus
- virksomheder
- kameraer
- kulstof
- kulstofemissioner
- carbonspor
- tilfælde
- forårsagede
- udfordre
- lave om
- afgift
- opladet
- opladning
- Børn
- byer
- By
- Klima forandring
- Fælles
- Kommunikation
- Virksomheder
- selskab
- computere
- Forbrugere
- forbrug
- indhold
- Omkostninger
- Oprettelse af
- data
- Beslutningstagning
- forsinkelse
- Efterspørgsel
- udvikle
- digital
- Dispatch
- Effektiv
- effektivitet
- Ældre
- Elektrisk
- elbil
- elektriske køretøjer
- elektricitet
- Emissioner
- energi
- miljømæssige
- Environmental Protection Agency
- begivenheder
- udgifter
- Fornavn
- mad
- Forbes
- fossile brændstoffer
- fremtiden
- Generelt
- Grid
- Dyrkning
- vejlede
- Helse
- Høj
- hus
- Hvordan
- How To
- HTTPS
- Hundreder
- idé
- identificere
- Ulovlig
- KIMOs Succeshistorier
- oplysninger
- integration
- Intelligens
- interesse
- internationalt
- Interview
- intuition
- spørgsmål
- IT
- stor
- læring
- Niveau
- lokale
- placering
- machine learning
- Making
- ledelse
- Medier
- million
- model
- overvågning
- bevæge sig
- NIH
- drift
- Produktion
- ordrer
- organisation
- Andet
- parkering
- parker
- planlægning
- Platforme
- plugin
- Police
- fattige
- magt
- forudsigelse
- Forudsigelser
- produceret
- Produkt
- produktion
- beskyttelse
- beviser
- offentlige
- folkesundheden
- offentlig transit
- kvalitet
- priser
- Raw
- rådata
- reducere
- regression
- vedvarende energi
- forskning
- ressource
- Risiko
- risikovurdering
- Kør
- Sikkerhed
- besparelse
- sikkerhed
- sensorer
- Tjenester
- sæt
- Websteder
- Smart
- So
- Spot
- Opstart
- Nystartede
- Stater
- opbevaring
- gade
- leverandører
- Bæredygtighed
- bæredygtig
- systemet
- Systemer
- Teknologier
- Fremtiden
- verdenen
- tid
- tons
- spor
- Trafik
- transit
- transportere
- Forenet
- Forenede Stater
- urban
- forsyningsselskaber
- køretøj
- Køretøjer
- Sårbar
- Vand
- Wildlife
- inden for
- world
- X
- Udbytte