به گزارش پارسینه ؛ حامد فوقانی: الگوریتم های مدل های ترکیبی فیزیک- هوش مصنوعی ، برای اولین بار، توانایی پیش بینی آلودگی را از مقیاس یک شهر به مقیاس یک خیابان رسانده اند؛ ابزاری دقیق که می تواند روش مدیریت بحران آلودگی در پایتخت را متحول کند.

فناوری مدل های هیبریدی پاسخی است به محدودیت های روش های سنتی. روش های قدیمی پیش بینی آلودگی یا بر اساس مدل های پیچیده فیزیک اتمسفر بودند که محاسبات سنگینی داشتند یا بر اساس هوش مصنوعی خام (یادگیری ماشین) که فقط بر داده های گذشته متکی بودند. این مدل های ترکیبی، هوش مصنوعی (که الگوی داده ها را یاد می گیرد) را با قوانین بنیادی فیزیک (مانند نحوه جریان هوا و تأثیر موانع شهری) در هم می آمیزند.

چگونه کار می کند؟ مدل های سنتی فیزیکی تلاش می کنند تا حرکت هر ذره آلاینده را با استفاده از معادلات پیچیده (معادلات سیالات) محاسبه کنند. اما هوش مصنوعی فقط با نگاه کردن به میلیاردها داده تاریخی (دما، باد، رطوبت، ترافیک) الگوها را می یابد. در مدل ترکیبی، هوش مصنوعی وظیفه بهبود محاسبات فیزیکی را بر عهده می گیرد. برای مثال، اگر مدل فیزیکی پیش بینی کند که هوا باید در فلان منطقه پاک باشد، اما هوش مصنوعی با استفاده از داده های سنسورها می بیند که ترافیک سنگین منطقه، پیش بینی فیزیکی را به هم زده است، فوراً آن را تصحیح می کند. تصور کنید که تهران به دلیل کوه های اطرافش، مانند یک کاسه بزرگ عمل می کند که آلودگی در آن به دام می افتد. قوانین فیزیک به مدل می گوید که هوا چگونه در اطراف ساختمان ها و تپه ها حرکت می کند و هوش مصنوعی داده های لحظه ای سنسورها را وارد می کند. نتیجه، یک پیش بینی فوق العاده دقیق است که می تواند بگوید: تا دو ساعت دیگر، به دلیل جهت باد محلی و وارونگی، آلودگی در منطقه میدان آزادی به شدت افزایش می یابد، اما در بزرگراه همت کاهشی است.

پایان دادن به طرح های یکسان و آغاز مدیریت نقطه ای

بزرگ ترین مزیت این فناوری برای شهری مثل تهران، امکان عبور از مدیریت بحران یکسان است. در حال حاضر، وقتی آلودگی هوا به مرز هشدار می رسد، مسئولان ناچارند طرح های اضطراری مانند تعطیلی مدارس یا اعمال محدودیت های تردد را در کل شهر به اجرا بگذارند. این کار علاوه بر هزینه اقتصادی بالا، اختلال گسترده ای در زندگی شهروندان ایجاد می کند. با استفاده از این مدل های ترکیبی، مدیریت شهری می تواند به سمت اقدامات نقطه ای و هدفمند حرکت کند. به جای اعلام طرح زوج و فرد در کل تهران، این سامانه ها می توانند با دقت نشان دهند که کانون بحرانی آلودگی هوا در کدام محله یا خیابان در حال شکل گیری است. در نتیجه، محدودیت های تردد یا توقف موقت کارخانه ها، تنها در همان نقاط خاص و برای ساعاتی محدود اعمال می شود. این رویکرد، ضمن اثربخشی بالاتر در کاهش آلودگی، به معنای آزادی عمل بیشتر برای بخش هایی از شهر است که هوای پاکیزه تری دارند.

نمونه موفق پکن؛ پیش بینی های لحظه ای عامل اصلی کاهش آلودگی

یکی از مشهورترین نمونه های به کارگیری موفقیت آمیز این نوع مدل های پیشرفته، شهر پکن، پایتخت چین است. این شهر نیز مانند تهران با مشکلات وارونگی دما (اینورژن) و ترافیک عظیم روبه رو بود. در سال های اخیر، پکن با همکاری دانشمندان، یک سیستم پایش و پیش بینی بسیار پیشرفته مبتنی بر یادگیری ماشین را پیاده سازی کرده است. این سیستم به مسئولان اجازه داد تا با دقت بی سابقه ای بدانند که آلودگی از کجا می آید و به کجا می رود. این دقت باعث شد که پکن بتواند اقدامات کاهش آلودگی را نه به صورت دائمی و گسترده، بلکه دقیقاً در زمان و مکانی که نیاز است (مثلاً یک روز خاص در اطراف یک کارخانه یا یک محله خاص) اجرا کند.

نتایج خیره کننده

بر اساس گزارش ها، در کمتر از یک دهه، پکن توانست میانگین ذرات معلق PM2.5 را به طور قابل توجهی کاهش دهد؛ موفقیتی که تا حد زیادی مرهون چشم مسلح پیش بینی های دقیق و محلی این مدل ها بود. بنابراین فناوری مدل های ترکیبی فیزیک-هوش مصنوعی دیگر یک ایده دوردست نیست، بلکه ابزاری در حال استفاده در کلان شهرهای پیشرو است. برای شهری چون تهران، با پیچیدگی های جغرافیایی خاص خود، به کارگیری این سامانه های هوشمند، نه یک انتخاب لوکس، بلکه یک ضرورت است. این گام می تواند، نبرد سالانه با آلودگی را از یک واکنش دیر هنگام و عمومی، به یک حمله پیشگیرانه، دقیق و هدفمند تبدیل کند تا سرانجام، نفس کشیدن در پایتخت به یک حق روزمره تبدیل شود.