人工智能可以精确测量空气污染

康奈尔大学(Cornell University)研究小组的这项进展意味着，城市规划者和政府卫生官员可以更准确地了解城市居民的健康状况和他们呼吸的空气。详细的研究在交通研究D部分．

“基础设施决定了我们的生活环境，我们的暴露，”资深作者、康奈尔大学工程学院土木与环境工程霍华德·辛普森教授奥利弗·高说。他说:“交通造成的空气污染非常复杂。交通造成的空气污染是汽车和卡车在街道上行驶时排放的废气。我们的基础设施、交通和能源政策都会影响空气污染，进而影响公众健康。”

根据康奈尔的说法，以前测量空气污染的方法很麻烦，而且依赖于大量的数据点。康奈尔大学阿特金森可持续发展中心(Cornell Atkinson Center for Sustainability)的教员高说:“计算颗粒物的旧模型在计算和机械上都很耗力，而且很复杂。”“但如果你开发了一个易于访问的数据模型，在人工智能的帮助下填补一些空白，你就可以在局部尺度上得到一个准确的模型。”

主要作者Salil Desai和访问科学家Mohammad Tayarani与高一起发表了“开发超局部交通相关颗粒物浓度映射的机器学习模型，以提供一种更精简、更少数据密集型的方法来建立准确的模型。

康奈尔大学的研究援引《柳叶刀》杂志的一项研究称，2015年，全球每年有超过420万人死于空气污染，包括心血管疾病、缺血性心脏病、中风和肺癌。

更多信息来自能源与环境

在他们的研究中，该小组在纽约市五个区收集的数据中开发了四个与交通相关的颗粒物浓度的机器学习模型，这些区总人口为820万，每日车辆行驶里程为5500万英里。

这些方程在人工智能算法中使用很少的输入，如交通数据、拓扑和气象学，以学习模拟各种与交通相关的空气污染浓度情景。

他们表现最好的模型是卷积长短期记忆(ConvLSTM)，它训练算法预测许多空间相关的观测。

德赛在一份声明中说:“我们的数据驱动方法主要基于车辆排放数据，需要的建模步骤要少得多。”该方法不关注静止位置，而是提供了城市街道污染表面的高分辨率估计。更高的分辨率可以帮助交通和流行病学研究评估健康、环境正义和空气质量的影响。

这项研究的资金来自美国交通部大学交通中心计划而且康奈尔大学的阿特金森．