Bukan rahasia lagi bahwa kecerdasan buatan dan teknologi telah berkembang pesat belakangan ini, dengan aplikasi seperti CAPTCHA yang mencegah bot mengakses situs, termostat yang beradaptasi dengan jadwal harian kita atau bahkan algoritme yang dapat memilih tujuan liburan potensial untuk kita.
Tetapi bagaimana jika pembelajaran mesin dapat digunakan di luar konteks khusus atau individu? Mengambil kecerdasan buatan selangkah lebih maju dan menerapkannya ke kota dan infrastruktur kami memiliki potensi untuk meningkatkan efisiensi operasi, membantu upaya keberlanjutan, perencanaan kota, dan banyak lagi. Di bawah ini, kami akan mengeksplorasi beberapa cara pembelajaran mesin dapat digunakan untuk meningkatkan kota kami dan menjadikannya lebih cerdas secara keseluruhan.
Menggunakan AI untuk memperhitungkan jejak karbon
Sering kali, kita akan mendengar dari berbagai bentuk media bahwa kita harus bertujuan untuk mengurangi jejak karbon individu dan kolektif kita – namun, bagaimana kota dan organisasi dapat secara akurat menghitung kontribusi mereka terhadap emisi karbon? Secara keseluruhan, jejak karbon dapat dipecah menjadi tiga kategori – emisi langsung dari organisasi atau operasi kota (emisi lingkup 1), emisi yang terkait dengan pembangkitan listrik yang dibutuhkan untuk menjalankan kota (emisi lingkup 2) dan emisi dari konsumsi dan produksi produk kota (emisi lingkup 3), yang melibatkan pemasok hulu dan konsumen hilir (misalnya, penduduk kota)1.
Meskipun memperoleh dan memproses data merupakan tantangan, beberapa perusahaan baru sedang mengembangkan alat yang tidak hanya akan mengukur emisi tetapi juga membantu mengembangkan rencana (berdasarkan data) tentang cara mengurangi emisi, seperti melalui pembuatan keputusan yang lebih berkelanjutan dan terinformasi. atau dengan beralih ke sumber energi terbarukan yang layak. Banyak perusahaan menggunakan platform seperti Spark 3.0 untuk membantu pemrosesan data, tetapi masih terbukti menantang.
Salah satu perusahaan tertentu, Watershed, berharap dapat membangun alat di mana data mentah dapat menghasilkan wawasan dan tindakan nyata untuk mengurangi emisi karbon.
Penilaian dan Prediksi Risiko Kekeringan
Dengan meningkatnya perubahan iklim, peristiwa cuaca yang lebih parah seperti kekeringan menjadi lebih umum. Secara keseluruhan, kekeringan telah merugikan dunia sebesar $1.5 juta antara 1988-2017 dan kerawanan pangan yang diakibatkannya telah menyebabkan ratusan ribu kematian, jika tidak lebih.2 Melalui prediksi berbasis kecerdasan buatan, dapat terjadi peningkatan dalam pengambilan keputusan terkait kekeringan dan metode serta waktu yang lebih baik digunakan untuk memastikan alokasi sumber daya air yang optimal dan penyebaran informasi sebelum kejadian kekeringan.
Salah satu contoh AI yang digunakan untuk prediksi peristiwa cuaca berdampak tinggi adalah algoritma Gradient Boosted Regression Trees (GBRT), di mana ditemukan bahwa dalam 75% kasus, prakiraan berbasis AI dipilih daripada intuisi manusia oleh peramal profesional.2
Konservasi satwa liar
Ada semakin banyak bukti data besar dan pembelajaran mesin dapat membantu menyelamatkan lingkungan. Melestarikan habitat berbagai hewan sama pentingnya di dalam kota seperti halnya di hutan hujan tropis.
Sering kali, konservasionis dan ekologi akan memasang jebakan kamera untuk mendapatkan gambaran yang lebih baik tentang hewan apa yang hidup di suatu daerah, jam berapa mereka aktif juga dan untuk memantau dampak manusia terhadap satwa liar. Sayangnya, menelusuri rekaman secara manual membutuhkan banyak waktu dan dapat menunda tindakan yang akan menguntungkan flora dan fauna lokal. Di situlah algoritma AI seperti yang dibuat oleh MENYELESAIKAN masuk – algoritme AI ini dapat memberi tahu para konservasionis tentang keberadaan hewan secara real time serta mengidentifikasi hewan yang terdeteksi segera sehingga tindakan yang tepat dapat diambil sesegera mungkin. Selain itu, algoritme seperti ini dapat digunakan untuk mendeteksi aktivitas ilegal secara real time, yang berarti pemburu akan kesulitan menangkap hewan.
Pemantauan dan Prediksi Kualitas Udara
Polusi udara sayangnya adalah masalah besar secara global. Amerika Serikat saja pada tahun 2020 menghasilkan sekitar 68 juta ton polusi4. Polusi semacam itu berkontribusi pada insiden asma dan masalah pernapasan lainnya yang lebih tinggi, terutama pada populasi yang rentan seperti anak kecil dan orang tua. Untuk membantu masyarakat umum lebih mempersiapkan diri untuk hari-hari kualitas udara yang buruk dan untuk melakukan tindakan pencegahan yang efektif, sistem peringatan kualitas udara berdasarkan kecerdasan buatan dapat diterapkan. Secara khusus, sistem AI yang diusulkan oleh Mo et al., (2019) dalam artikel mereka 'Sistem Peringatan Dini Kualitas Udara Baru Berdasarkan Kecerdasan Buatan' didasarkan pada model prediksi polusi udara serta model evaluasi kualitas udara.5 Melalui sistem ini di mana sistem peringatan dini dapat diterapkan terkait kualitas udara dan di mana data dapat dianalisis dan digunakan untuk membuat tindakan pencegahan yang wajar selain prediksi kualitas udara di masa depan.
Pemantauan Parkir berbasis AI.
Salah satu masalah umum di banyak kota adalah parkir. Jika Anda pernah merasa frustrasi karena berputar-putar di tempat parkir yang penuh sesak mencari tempat, aplikasi kecerdasan buatan khusus ini mungkin akan menarik bagi Anda. Kecerdasan buatan dapat membantu melalui penggunaan monitor dan sensor untuk menilai hunian real-time di garasi parkir – jika kebetulan tidak ada lowongan, maka pengunjung akan diperingatkan sehingga mereka tidak perlu membuang waktu untuk mengelilingi tempat parkir.6 Selain itu, algoritme AI di tempat parkir yang sangat luas dapat digunakan untuk memandu pengunjung ke area kosong, juga menghemat waktu.
Sistem parkir pintar juga dapat digunakan untuk mengukur waktu aktivitas tinggi berdasarkan tingkat hunian parkir sehingga bisnis dapat lebih mempersiapkan jam sibuk serta waktu penggunaan parkir rendah dan dengan demikian jumlah pelanggan yang rendah.
Optimalisasi Pengisian Kendaraan Listrik
Saat kendaraan angkutan umum beralih dari berbahan bakar fosil tradisional menjadi berbahan bakar listrik, ada beberapa hal yang perlu dipertimbangkan, seperti penyimpanan baterai, cadangan generator listrik, dan pembuatan atau penyesuaian sistem pengisian untuk kendaraan ini. . Selain itu, ada beberapa variabel yang mempengaruhi jumlah dan biaya energi yang digunakan kendaraan, seperti kondisi cuaca dan lalu lintas, pengisian daya in-house vs on-the-go dan kendala permintaan puncak hanya untuk beberapa nama.7 Jika kota mengadopsi sistem pengoptimalan energi yang diaktifkan AI, pengeluaran dapat ditekan seminimal mungkin dengan menghitung jumlah sumber energi dan fasilitas yang diperlukan di muka serta integrasi sumber daya terbarukan untuk mengisi daya kendaraan yang sesuai.
Selain itu, integrasi kecerdasan buatan juga dapat membantu memperpanjang masa pakai baterai kendaraan listrik dengan memperhitungkan kendala berbasis pabrikan dan kondisi waktu nyata pada saat yang sama untuk mengoptimalkan tingkat pengisian daya serta meminimalkan tingkat degradasi.7 Salah satu cara untuk melakukannya adalah algoritme AI yang memperingatkan perusahaan angkutan umum tentang harga listrik yang lebih rendah dari biasanya, tetapi juga jumlah kendaraan yang harus diisi sedemikian rupa sehingga tidak ada baterai yang ditagih berlebihan.
Meningkatkan Kinerja Jaringan Listrik
Tergantung di mana Anda tinggal di dunia, Anda mungkin sudah akrab dengan smart grid. Smart grid mengacu pada sistem kelistrikan modern yang di dalamnya terdapat sensor, otomatisasi, komunikasi, dan komputer untuk meningkatkan efisiensi, keandalan, dan keamanan sistem kelistrikan. Sistem jaringan pintar dapat menguntungkan kota dalam berbagai cara termasuk8:
- Perutean ulang otomatis ketika ada kelainan pada sistem.
- Lebih banyak integrasi sistem energi terbarukan dan sistem pembangkit listrik milik pelanggan
- Transmisi listrik yang lebih efisien
- Mengurangi biaya operasi dan manajemen untuk utilitas.
- Mengurangi tingkat permintaan puncak.
- Keamanan jaringan yang ditingkatkan
Pemulihan daya lebih cepat setelah gangguan listrik (yang sangat penting dalam peristiwa cuaca buruk seperti badai salju atau gelombang panas.)
Keselamatan Publik
Ketika tidak mungkin bagi mata manusia untuk melacak semua umpan keamanan di dalam kota, kecerdasan buatan dapat membantu – misalnya, input mikrofon dari kamera jalanan dapat ditafsirkan oleh AI sebagai tembakan senjata atau suara lain yang menunjukkan marabahaya. Dalam situasi seperti itu, algoritme AI dapat memperingatkan operator layanan darurat dengan data lokasi dan data lain yang diperlukan untuk memutuskan mengirim layanan darurat atau tidak. Papan reklame digital dapat diperbarui secara waktu nyata untuk memperingatkan publik tentang situasi yang membutuhkan perhatian seperti banjir atau situasi darurat lainnya. Cara lain di mana AI dapat digunakan untuk meningkatkan keselamatan publik adalah melalui pengendalian lampu lalu lintas untuk membuka jalan bagi responden pertama daripada mengandalkan pasukan polisi untuk tiba.
Referensi
[1] R. Toew, Inilah Startup yang Menerapkan AI Untuk Mengatasi Perubahan Iklim (2021), Forbes.
[2] C. Huntingford, ES Jeffers, MB Bonsall, HM Christensen, T. Lees, H. Yang, Pembelajaran mesin dan kecerdasan buatan untuk membantu penelitian dan kesiapsiagaan perubahan iklim (2019), IOPS.
[3] Taman Pintar, Kecerdasan Buatan dalam Konservasi Satwa Liar (2019).
[4] Badan Perlindungan Lingkungan Amerika Serikat, Kualitas Udara – Ringkasan Nasional (2021).
[5] X.Mo, L.Zhang, H.Li, Z.Qu, Sistem Peringatan Dini Kualitas Udara Baru Berdasarkan Kecerdasan Buatan (2019), Jurnal Internasional Penelitian Lingkungan dan Kesehatan Masyarakat.
[6] N.Joshi, Sistem parkir berbasis AI dapat mengatasi masalah parkir. Begini caranya. alergi.
[7] Bus Berkelanjutan, Kecerdasan buatan sebagai sarana untuk mengoptimalkan pengisian kendaraan. Wawancara dengan BluWave-ai (2020).
[8] SmartGrid.Gov, Jaringan Cerdas (2021).
- 2019
- 2020
- 2021
- 7
- Akun
- akuntansi
- Tindakan
- aktif
- Ad
- AI
- Bertujuan
- algoritma
- algoritma
- Semua
- alokasi
- hewan
- Aplikasi
- aplikasi
- DAERAH
- sekitar
- artikel
- kecerdasan buatan
- mobil
- Otomatisasi
- backup
- baterai
- baterai
- penyimpanan baterai
- Big data
- Didorong
- bot
- membangun
- bis
- bisnis
- kamera
- karbon
- emisi karbon
- jejak karbon
- kasus
- disebabkan
- menantang
- perubahan
- biaya
- dibebankan
- pengisian
- anak-anak
- kota
- Kota
- Perubahan iklim
- Umum
- Komunikasi
- Perusahaan
- perusahaan
- komputer
- Konsumen
- konsumsi
- Konten
- Biaya
- membuat
- data
- Pengambilan Keputusan
- menunda
- Permintaan
- mengembangkan
- digital
- Pengiriman
- Efektif
- efisiensi
- Tua
- Listrik
- kendaraan listrik
- kendaraan listrik
- listrik
- emisi
- energi
- lingkungan
- Badan Perlindungan Lingkungan
- peristiwa
- biaya
- Pertama
- makanan
- Forbes
- bahan bakar fosil
- masa depan
- Umum
- kisi
- Pertumbuhan
- membimbing
- Kesehatan
- High
- Rumah
- Seterpercayaapakah Olymp Trade? Kesimpulan
- How To
- HTTPS
- Ratusan
- ide
- mengenali
- liar
- Dampak
- informasi
- integrasi
- Intelijen
- bunga
- Internasional
- Wawancara
- intuisi
- masalah
- IT
- besar
- pengetahuan
- Tingkat
- lokal
- tempat
- Mesin belajar
- Membuat
- pengelolaan
- Media
- juta
- model
- pemantauan
- pindah
- NIH
- operasi
- Operasi
- urutan
- organisasi
- Lainnya
- parkir
- taman
- perencanaan
- Platform
- Plugin
- Polisi
- miskin
- kekuasaan
- ramalan
- Prediksi
- Diproduksi
- Produk
- Produksi
- perlindungan
- membuktikan
- publik
- kesehatan masyarakat
- angkutan umum
- kualitas
- Tarif
- Mentah
- data mentah
- menurunkan
- regresi
- energi terbarukan
- penelitian
- sumber
- Risiko
- penilaian risiko
- Run
- Safety/keselamatan
- penghematan
- keamanan
- sensor
- Layanan
- set
- Situs
- pintar
- So
- Spot
- Start-up
- Startups
- Negara
- penyimpanan
- jalan
- pemasok
- Keberlanjutan
- berkelanjutan
- sistem
- sistem
- Teknologi
- Masa depan
- Dunia
- waktu
- Nada
- jalur
- lalu lintas
- transit
- mengangkut
- Serikat
- Amerika Serikat
- perkotaan
- keperluan
- kendaraan
- Kendaraan
- Rentan
- air
- Margasatwa
- dalam
- dunia
- X
- Menghasilkan