Det är ingen hemlighet att artificiell intelligens och teknik har utvecklats snabbt på senare tid, med applikationer som CAPTCHA som hindrar bots från att komma åt webbplatser, termostater som anpassar sig till våra dagliga scheman eller till och med algoritmer som kan välja potentiella semestermål åt oss.
Men vad händer om maskininlärning kunde användas bortom nischade eller individuella sammanhang? Att ta artificiell intelligens ett steg längre och implementera den i våra städer och infrastrukturer har potential att förbättra drifteffektiviteten, hjälpa till med hållbarhetsarbete, stadsplanering och mer. Nedan kommer vi att utforska några av sätten som maskininlärning kan användas för att förbättra våra städer och göra dem smartare överlag.
Använda AI för att ta hänsyn till koldioxidavtryck
Ofta kommer vi att höra från olika former av media att vi bör sträva efter att minska våra individuella och kollektiva koldioxidavtryck – men hur kan städer och organisationer korrekt beräkna sina bidrag till koldioxidutsläpp? Sammantaget kan ett koldioxidavtryck delas upp i tre kategorier – direkta utsläpp från organisationen eller stadens verksamhet (scope 1-utsläpp), utsläpp som är relaterade till den elproduktion som krävs för att driva staden (scope 2-utsläpp) och utsläpp från konsumtion och produktion av stadsprodukter (scope 3-utsläpp), som involverar uppströmsleverantörer och nedströmskonsumenter (t.ex. stadsinvånare)1.
Samtidigt som att erhålla och bearbeta data är en utmaning, utvecklar flera nystartade företag verktyg som inte bara kommer att kvantifiera utsläppen utan också hjälper till att utveckla planer (baserade på data) för hur man kan minska utsläppen, till exempel genom att lägga upp mer hållbart och informerat beslutsfattande eller genom att byta till livskraftiga förnybara energikällor. Många företag använder plattformar som Spark 3.0 för att hjälpa till med databehandling, men det visar sig fortfarande vara utmanande.
Ett särskilt företag, Watershed, hoppas kunna bygga ett verktyg där rådata kan ge insikt och konkreta åtgärder där koldioxidutsläppen minskar.
Riskbedömning och förutsägelse av torka
Med ökande klimatförändringar blir svårare väderhändelser som torka allt vanligare. Sammantaget har torkan kostat världen 1.5 miljoner dollar mellan 1988-2017 och den resulterande matosäkerheten har orsakat hundratusentals dödsfall, om inte fler.2 Genom artificiell intelligens-baserad förutsägelse kan det bli förbättringar i beslutsfattandet angående torka och bättre metoder och timing som används för att säkerställa optimal tilldelning av vattenresurser och sprida information inför torkahändelser.
Ett sådant exempel på att AI används för att förutsäga väderhändelser med hög påverkan är algoritmen Gradient Boosted Regression Trees (GBRT), där det visade sig att i 75 % av fallen valdes AI-baserad prognos framför mänsklig intuition av professionella prognosmakare.2
Wildlife Conservation
Det finns växande bevis på big data och maskininlärning kan hjälpa till att rädda miljön. Att bevara livsmiljöer för olika djur är lika viktigt i städer som i tropiska regnskogar.
Ofta sätter naturvårdare och ekologer ut kamerafällor för att få en bättre uppfattning om vilka djur som lever i ett område, vilken tid de är aktiva också och för att övervaka mänsklig påverkan på vilda djur. Tyvärr tar det oerhört lång tid att gå igenom bilder manuellt och kan försena åtgärder som skulle gynna lokal flora och fauna. Det är där AI-algoritmer som den som skapats av LÖSA kom in – den här AI-algoritmen kan låta naturvårdare veta om djurens närvaro i realtid samt identifiera alla upptäckta djur nästan omedelbart så att lämpliga åtgärder kan vidtas så snart som möjligt. Dessutom kan algoritmer som denna användas för att upptäcka illegal aktivitet i realtid, vilket innebär att tjuvjägare kommer att ha svårare att fånga djur.
Övervakning och förutsägelse av luftkvalitet
Luftföroreningar är tyvärr ett stort problem globalt. Bara USA producerade 2020 cirka 68 miljoner ton föroreningar4. Sådan förorening bidrar till högre förekomst av astma och andra andningsproblem, särskilt i utsatta befolkningsgrupper som små barn och äldre. För att hjälpa allmänheten att bättre förbereda sig för dagar med dålig luftkvalitet och för att införa effektiva motåtgärder, kan luftkvalitetsvarningssystem baserade på artificiell intelligens implementeras. Speciellt är det AI-system som föreslagits av Mo et al., (2019) i deras artikel "A Novel Air Quality Early-Warning System Based on Artificial Intelligence" baserat på en förutsägelsemodell för luftföroreningar såväl som en utvärderingsmodell för luftkvalitet.5 Det är genom detta system där ett system för tidig varning kan implementeras med avseende på luftkvalitet och där data kan analyseras och användas för att skapa rimliga motåtgärder utöver förutsägelser om luftkvalitet i framtiden.
AI-baserad parkeringsövervakning.
Ett gemensamt problem för många städer är parkering. Om du någonsin har varit frustrerad över att cirkla runt på en fullsatt parkeringsplats och leta efter en plats, kommer denna speciella tillämpning av artificiell intelligens förmodligen att vara av intresse för dig. Artificiell intelligens kan hjälpa till genom att använda monitorer och sensorer för att bedöma beläggning i realtid i parkeringsgarage – om det inte finns någon ledig plats kommer besökarna att varnas så att de inte behöver slösa tid på att cirkla runt platsen.6 Dessutom kan AI-algoritmer i särskilt stora parkeringsplatser användas för att guida besökare till lediga områden, vilket också sparar tid.
Smarta parkeringssystem kan också användas för att mäta tider med hög aktivitet baserat på beläggning i parkeringsplatser så att företag bättre kan förbereda sig för rusningstid såväl som tider med låg parkeringsbeläggning och därmed lågt kunddeltagande.
Optimering av elfordonsladdning
När kollektivtrafikfordon går från att drivas av traditionella fossila bränslen till att drivas med el, finns det en hel del saker som måste tas i beaktande, såsom batterilagring, backup av elgeneratorer och att skapa eller anpassa ett laddningssystem för dessa fordon . Dessutom finns det flera variabler som går in på mängden och kostnaden för energi som ett fordon använder, såsom väder- och trafikförhållanden, internt kontra laddning när du är på väg och begränsningar i toppefterfrågan bara för att nämna några.7 Om städer skulle anta ett AI-aktiverat energioptimeringssystem skulle utgifterna kunna hållas till ett minimum genom att beräkna mängden energikällor och anläggningar som krävs i förväg samt integrering av förnybara kraftkällor för att ladda fordonen vid behov.
Dessutom kan integrering av artificiell intelligens också hjälpa till att förlänga batterilivslängden för elfordon genom att ta hänsyn till tillverkarbaserade begränsningar och realtidsförhållanden samtidigt för att optimera laddningsnivån samt minimera försämringsnivåerna.7 Ett sätt att göra det skulle vara AI-algoritmer som varnar kollektivtrafikföretaget om lägre elpriser än vanligt, men också hur mycket fordonen ska laddas så att inga av batterierna överladdas.
Förbättra kraftnätets prestanda
Beroende på var du bor i världen kanske du redan är bekant med smarta nät. Ett smart nät avser ett modernt elsystem där det finns sensorer, automation, kommunikation och datorer för att förbättra effektiviteten, tillförlitligheten och säkerheten i ett elsystem. Smarta nätsystem kan gynna en stad på många sätt, inklusive8:
- Automatisk omdirigering när det finns avvikelser i systemet.
- Mer integration av förnybara energisystem och kundägda kraftgenereringssystem
- Effektivare elöverföring
- Minskade drift- och förvaltningskostnader för kraftverk.
- Minskade toppefterfrågenivåer.
- Förbättrad nätsäkerhet
Snabbare återställande av ström efter strömavbrott (vilket är avgörande vid svåra väderhändelser som snöstormar eller värmeböljor.)
Allmän säkerhet
När det är omöjligt för mänskliga ögon att hålla reda på alla säkerhetsflöden i en stad, kan artificiell intelligens hjälpa till – till exempel kan mikrofoninmatning från gatukameror tolkas av AI som pistolskott eller andra ljud som tyder på nöd. I sådana situationer kan AI-algoritmer varna räddningstjänstoperatörer med platsdata och andra nödvändiga data för att bestämma sig för att skicka nödtjänster eller inte. Digital skyltning kan uppdateras i realtid för att varna allmänheten om situationer som kräver uppmärksamhet såsom översvämningar eller andra akuta situationer. Ett annat sätt på vilket AI kan användas för att förbättra den allmänna säkerheten är genom att kontrollera trafikljusen för att bana väg för första responders snarare än att lita på att polisstyrkor kommer fram.
Referensprojekt
[1] R. Toews, Det här är startups som använder AI för att hantera klimatförändringar (2021), Forbes.
[2] C. Huntingford, ES Jeffers, MB Bonsall, HM Christensen, T. Lees, H. Yang, Maskininlärning och artificiell intelligens för att underlätta forskning och beredskap för klimatförändringar (2019), IOPScience.
[3] Smart Parks, Artificiell intelligens i naturvård (2019).
[4] United States Environmental Protection Agency, Luftkvalitet – Nationell sammanfattning (2021).
[5] X. Mo, L. Zhang, H. Li, Z. Qu, Ett nytt system för tidig varning för luftkvalitet baserat på artificiell intelligens (2019), International Journal of Environmental Research and Public Health.
[6] N. Joshi, AI-baserade parkeringssystem kan hantera parkeringsproblem. Här är hur. Allerin.
[7] Hållbar buss, Artificiell intelligens som ett sätt att optimera fordonens laddning. En intervju med BluWave-ai (2020).
[8] SmartGrid.Gov, Det smarta nätet (2021).
- 2019
- 2020
- 2021
- 7
- Konto
- Redovisning
- Handling
- aktiv
- Ad
- AI
- sikta
- algoritm
- algoritmer
- Alla
- fördelning
- djur
- Ansökan
- tillämpningar
- OMRÅDE
- runt
- Artikeln
- artificiell intelligens
- bil
- Automation
- säkerhetskopiering
- batterier
- batteri
- batterilagring
- Stora data
- ökat
- botar
- SLUTRESULTAT
- Bussen
- företag
- kameror
- kol
- koldioxidutsläpp
- koldioxidavtryck
- fall
- orsakas
- utmanar
- byta
- laddning
- laddad
- laddning
- Barn
- Städer
- Stad
- Klimatförändring
- Gemensam
- Kommunikation
- Företag
- företag
- datorer
- konsumenter
- konsumtion
- innehåll
- Kostar
- Skapa
- datum
- Beslutsfattande
- fördröja
- Efterfrågan
- utveckla
- digital
- Dispatch
- Effektiv
- effektivitet
- Äldre
- elektriska
- elbil
- elfordon
- el
- utsläpp
- energi
- miljömässigt
- Environmental Protection Agency
- händelser
- kostnader
- Förnamn
- livsmedelsproduktion
- forbes
- fossila bränslen
- framtida
- Allmänt
- Rutnät
- Odling
- styra
- Hälsa
- Hög
- Huset
- Hur ser din drömresa ut
- How To
- HTTPS
- Hundratals
- Tanken
- identifiera
- Olaglig
- Inverkan
- informationen
- integrering
- Intelligens
- intresse
- Internationell
- Intervju
- intuition
- problem
- IT
- Large
- inlärning
- Nivå
- lokal
- läge
- maskininlärning
- Framställning
- ledning
- Media
- miljon
- modell
- övervakning
- flytta
- NIH
- drift
- Verksamhet
- beställa
- organisation
- Övriga
- parkering
- parker
- planering
- Plattformar
- plugin
- Polisen
- dålig
- kraft
- förutsägelse
- Förutsägelser
- producerad
- Produkt
- Produktion
- skydd
- bevisar
- allmän
- folkhälsan
- kollektivtrafik
- kvalitet
- rates
- Raw
- rådata
- minska
- regression
- förnybar energi
- forskning
- resurs
- Risk
- riskbedömning
- Körning
- Säkerhet
- sparande
- säkerhet
- sensor
- Tjänster
- in
- Områden
- smarta
- So
- Spot
- Uppstart
- Startups
- Stater
- förvaring
- gata
- leverantörer
- Hållbarhet
- hållbart
- system
- System
- Teknologi
- Framtiden
- världen
- tid
- ton
- spår
- trafik
- transitering
- transport
- United
- USA
- urbana
- verktyg
- vehikel
- fordon
- Sårbara
- Vatten
- Djurliv
- inom
- världen
- X
- Avkastning