Mjerenje emisija iz prometa u stvarnom vremenu

Novi rad istraživača s američkog tehnološkog instituta MIT, pokazuje kako generirati informacije o emisijama vozila gotovo u stvarnom vremenu.

U studiji usmjerenoj na New York City, istraživači MIT-a pokazali su da se postojeći senzori i mobilni podaci mogu koristiti za generiranje slike visoke rezolucije emisija automobila u gotovo stvarnom vremenu, što bi se moglo koristiti za razvoj lokalnih politika prijevoza i dekarbonizacije.

Nova metoda daje puno detaljnije podatke od nekih drugih uobičajenih pristupa koji koriste povremene uzorke emisija vozila. Istraživači kažu da je također praktičnija i bolje se skalira od nekih studija koje su ciljale na vrlo granularne podatke o emisijama malog broja automobila odjednom. Rad pomaže u premošćivanju jaza između manje detaljnih popisa emisija na razini grada i vrlo detaljnih analiza temeljenih na pojedinačnim vozilima.

„Naš model, kombinirajući prometne kamere u stvarnom vremenu s više izvora podataka, omogućuje ekstrapolaciju vrlo detaljnih karata emisija, sve do jedne ceste i sata u danu“, kaže Paolo Santi, glavni istraživački znanstvenik u MIT Senseable City Labu i koautor novog rada koji detaljno opisuje rezultate projekta. „Takve detaljne informacije mogu se pokazati vrlo korisnima za podršku donošenju odluka i razumijevanju učinaka intervencija u prometu i mobilnosti.“

Carlo Ratti, direktor MIT Senseable City Laba, napominje da je istraživanje „dio kontinuirane potrage našeg laboratorija za hiperlokalnim mjerenjima kvalitete zraka i drugih čimbenika okoliša. Integracijom više tokova podataka možemo dosegnuti razinu preciznosti koja je bila nezamisliva prije samo nekoliko godina - dajući kreatorima politika moćne nove alate za razumijevanje i zaštitu ljudskog zdravlja.“

Nova metoda također štiti privatnost jer koristi tehnike računalnog vida za prepoznavanje vrsta vozila, ali bez prikupljanja registarskih oznaka. Studija koristi tehnologije, uključujući one koje su već instalirane na raskrižjima, kako bi se dobili bogatiji podaci o kretanju vozila i onečišćenju.

Rad pod nazivom „Sveprisutni okvir za procjenu emisija iz prometa i evaluaciju politika utemeljen na podacima “ objavljen je u časopisu Nature Sustainability.

Za provođenje studije, istraživači su koristili slike s 331 kamere koje se već koriste na raskrižjima na Manhattanu, zajedno s anonimiziranim zapisima lokacije s više od 1,75 milijuna mobilnih telefona. Primjenom programa za prepoznavanje vozila i definiranjem 12 širokih kategorija automobila, znanstvenici su otkrili da mogu ispravno smjestiti 93 posto vozila u pravu kategoriju. Snimanje je također dalo važne informacije o specifičnim načinima na koje prometni signali utječu na protok prometa. To je važno jer su prometni signali glavni razlog za obrasce vožnje s čestim zaustavljanjem i kretanjem, koji snažno utječu na emisije u urbanim područjima, ali se često izostavljaju u konvencionalnim inventarima.

Podaci s mobilnih telefona pružili su bogate informacije o ukupnim obrascima prometa i kretanju pojedinačnih vozila diljem grada. Znanstvenici su kombinirali podatke s kamera i telefona s poznatim informacijama o stopama emisija kako bi došli do vlastitih procjena emisija za New York City.

Štoviše, istraživači su procijenili promjene u emisijama koje bi se mogle pojaviti u različitim scenarijima kada se promijene i obrasci prometa ili vrste vozila.

Prvo, modelirali su što bi se dogodilo s emisijama ako bi se određeni postotak potražnje za putovanjima prebacio s privatnih vozila na autobuse. U drugom scenariju, promatrali su što bi se dogodilo ako bi se jutarnja i večernja špica malo produžila, ostavljajući manje vozila na cesti odjednom. Također su modelirali učinke zamjene precizno definiranih ulaznih podataka o emisijama prosjecima za cijeli grad - otkrivši da bi se grublje procjene emisija mogle uvelike razlikovati, od -49 posto do 25 posto preciznije podešenih rezultata. To naglašava kako naizgled mala pojednostavljenja mogu unijeti velike pogreške u procjene emisija.

Na jednoj razini, ovaj rad je uključivao promjenu ulaznih podataka u model i promatranje onoga što se pojavilo. Ali jedan scenarij koji su istraživači proučavali temelji se na promjeni u stvarnom svijetu: U siječnju 2025. New York City uveo je naplatu zagušenja južno od 60. ulice na Manhattanu.

Kako bi to proučili, istraživači su promatrali što se događa s prometom vozila u intervalima od dva, četiri, šest i osam tjedana nakon početka programa. Sveukupno, naplata zagušenja smanjila je promet za oko 10 posto, ali je došlo do odgovarajućeg pada emisija od 16-22 posto.

Postoje dodatni oblici podataka koji bi se mogli uključiti u novu metodu istraživača. Na primjer, u povezanom radu u Amsterdamu, tim je iskoristio kamere s nadzorne ploče vozila kako bi dobio bogate informacije o kretanju vozila.

„S našim modelom možemo pretvoriti bilo koju kameru koja se koristi u gradovima, od stotina prometnih kamera do tisuća kamera u automobilu, u moćan uređaj za procjenu emisija iz prometa u stvarnom vremenu“, kaže Fábio Duarte, zamjenik direktora istraživanja i dizajna u MIT Senseable City Labu, koji je radio na više povezanih studija.