Usando inteligência artificial, os engenheiros da Cornell University simplificaram e reforçaram modelos que calculam com precisão o material particulado fino (PM2,5) – a fuligem, a poeira e o escapamento emitidos por caminhões e carros que entram nos pulmões humanos – contidos na poluição do ar urbano.
Agora, os planejadores da cidade e as autoridades de saúde do governo podem obter uma contabilidade mais precisa sobre o bem-estar dos moradores urbanos e o ar que respiram, a partir de uma nova pesquisa publicada em dezembro de 2022 na revista Pesquisa de Transporte Parte D.
“A infraestrutura determina nosso ambiente de vida, nossa exposição”, disse o autor sênior Oliver Gao, professor Howard Simpson de Engenharia Civil e Ambiental na Faculdade de Engenharia da Universidade de Cornell. “O impacto da poluição do ar devido ao transporte – eliminado como escapamento dos carros e caminhões que trafegam em nossas ruas – é muito complicado. Nossa infraestrutura, transporte e políticas energéticas vão impactar a poluição do ar e, portanto, a saúde pública”.
Os métodos anteriores para medir a poluição do ar eram complicados e dependiam de quantidades extraordinárias de pontos de dados. “Os modelos mais antigos para calcular o material particulado eram computacional e mecanicamente complexos e demorados”, disse Gao, professor do Cornell Atkinson Center for Sustainability. “Mas se você desenvolver um modelo de dados facilmente acessível, com a ajuda da inteligência artificial preenchendo alguns dos espaços em branco, você pode ter um modelo preciso em escala local.”
O principal autor Salil Desai e o cientista visitante Mohammad Tayarani, juntamente com Gao, publicaram “Developing Machine Learning Models for Hyperlocal Traffic Related Particulate Matter Concentration Mapping”, para oferecer um método mais enxuto e menos intensivo em dados para criar modelos precisos.
A poluição do ar ambiente é uma das principais causas de morte prematura em todo o mundo. Globalmente, mais de 4,2 milhões de mortes anuais – na forma de doenças cardiovasculares, isquêmicas do coração, derrame e câncer de pulmão – foram atribuídas à poluição do ar em 2015, de acordo com um estudo da Lancet citado na pesquisa da Cornell.
Neste trabalho, o grupo desenvolveu quatro modelos de aprendizado de máquina para concentrações de material particulado relacionado ao tráfego em dados coletados nos cinco distritos da cidade de Nova York, que têm uma população combinada de 8,2 milhões de pessoas e um número diário de milhas percorridas por veículos de 55 milhões de milhas.
As equações usam poucas entradas, como dados de tráfego, topologia e meteorologia em um algoritmo de IA para aprender simulações para uma ampla gama de cenários de concentração de poluição do ar relacionados ao tráfego.
Seu modelo de melhor desempenho foi o Convolutional Long Short-term Memory, ou ConvLSTM, que treinou o algoritmo para prever muitas observações espacialmente correlacionadas.
“Nossa abordagem baseada em dados – baseada principalmente em dados de emissão de veículos – requer consideravelmente menos etapas de modelagem”, disse Desai. Em vez de focar em locais estacionários, o método fornece uma estimativa de alta resolução da superfície de poluição das ruas da cidade. Uma resolução mais alta pode ajudar os estudos de transporte e epidemiologia a avaliar os impactos na saúde, na justiça ambiental e na qualidade do ar.
O financiamento para esta pesquisa veio do Programa de Centros de Transporte Universitário do Departamento de Transporte dos EUA e Cornell Atkinson.
Com informações de Science Daily.