Jste zde

Znečištění jako předpověď na tři dny. Modely se učí, poučíme se i my?

Zatímco ještě nedávno žila většina lidí v malých městech a na venkově, v roce 2009 se tento trend obrátil a nyní žije více než polovina světové populace ve velkých městech a aglomeracích. Lepší pracovní uplatnění či bohatší kulturní život velkoměst však budou něčím vykoupeny.
Že nejde o nijak zanedbatelný problém dokládá i statistika Světové zdravotnické organizace – k úmrtí přibližně každého osmého člověka na světě dochází v důsledku znečištěného vzduchu, 90 % obyvatel velkoměst pak v současné době žije v ovzduší obsahujícím vysoce nadlimitní množství škodlivin.
 
Boj se znečištěným ovzduším ve městech je tak trochu potýkání se s větrnými mlýny. V budoucnu by však přesto mohli mít obyvatelé větší šanci, jak se nejhorším smogům vyhnout. Vývojáři společnosti Siemens totiž vyvinuli speciální predikční software, který dokáže změny v hodnotách znečištění ovzduší předpovídat až na tři dny dopředu.
 

 

Klíčový je čas i místo

 
Smyslem softwaru je dát městům možnost efektivně se ve správný čas a na vhodném místě bránit znečištění. Konkrétně vznik smogu bude ovlivněn nejen mírou samotného znečištění, ale i počasím, kdy např. typickému londýnskému smogu nahrávají zimní inverze s mlhami, oxidačnímu zase sluneční svit apod.
 
Software proto k vytváření předpovědí používá jednak data o aktuálních a historických hodnotách znečištění ze senzorů rozmístěných po městě, a současně meteorologické informace o teplotě, vlhkosti vzduchu, oblačnosti a podobně. Spolu s nimi jsou do výpočtu zahrnuty též informace, které mají výrazný dopad na dopravní situaci a tím pádem i produkci emisí, např. svátky, prázdniny nebo sportovní události. Ze všech těchto dat pak algoritmus předvídá, které oblasti města budou nejvíce znečištěny a v jakou dobu.
 
 

Umělé mozky předvídají budoucnost

 
Program k provádění výpočtů staví na technologii neuronových sítí, jež se již léta používá jako spolehlivý predikční nástroj např. v burzovním obchodování, energetice pro odhadování množství elektřiny vyrobené větrnými turbínami či informačních technologiích pro filtrování spamu. Důvod, proč jsou počítačové modely pracující na bázi neuronových sítí natolik úspěšné, spočívá zejména v jejich schopnosti učit se.
 
Konkrétně u softwaru předvídajícího znečištění pracujeme s velkým množstvím parametrů, jimž musíme přiřadit určitou váhu odpovídající míře jejich vlivu na kvalitu vzduchu. Postupným vytvářením předpovědí a jejich porovnáním s realitou se pak ve stovkách iterací upravuje váha jednotlivých parametrů a předpověď činí stále přesnější. U pilotního projektu, který pracoval s daty ze 150 senzorů rozmístěných po Londýně, byla výsledkem více než 90 % úspěšnost v předvídání míry znečištění na tři dny dopředu v hodinových intervalech.
 
Samozřejmě pouhá znalost toho kdy a kde znečištění dosáhne kritických hodnot ještě žádnou změnu neznamená. Dává však městům šanci znečištění potlačit např. omezením nákladní dopravy, popřípadě aspoň předem varovat obyvatele zasažených míst.
 
 

 

Hodnocení článku: