城市空气污染监测系统会根据天气状况和建筑物密集程度来进行监测和控制

SUSU理工学院和自然与精确科学研究院的研究人员正在开发一个系统,以估计和预测机动车排放物在城市空气中的散布情况。AIMS-Eco动态排放控制系统实时工作,在计算污染水平时考虑到了城市发展和气象因素的影响。目前,AIMS-Eco系统已经被部署在彼尔姆、圣彼得堡和车里雅宾斯克等地的20多个交叉口投入使用。

开发的模型基于使用街道视频监控摄像头作为数字传感器,跟踪城市道路网络空气盆地中大气空气质量的动态变化。数据采集基于物联网(IoT)技术的原理,科学家们利用现有的电信基础设施和气象环境监测站来收集数据。

“在过去几年中,基于人工智能的方法已成为空气污染预测最有前景的方法之一。然而,目前基于机器学习的空气质量预测研究仅仅通过对空气污染浓度进行小时级别的监测来训练神经网络。我们的开发工作集中在实时监测排放情况,而不仅仅是预测空气质量。"项目负责人、技术科学博士、汽车运输系副教授弗拉基米尔·谢佩廖夫解释道。

该监测系统建立在获得点源排放变化和控制气象因素动态变化的大数据基础上的。

在这项研究中,科学家们专注于训练递归神经网络 LSTM。神经网络能够准确预测汽车排放物的排放量和浓度。通过卷积神经网络(CNN)从视频流中快速提取数据。它实现了实时监控并生成数据历史记录。这个功能使得能够开发复杂的 LSTM 架构和自学习算法。神经网络的深度学习使用了南乌拉尔国立大学的神经计算机计算平台。

该方法提供了一种从使用模拟传感器测量排放物转向经济高效的数字解决方案的根本性转变,其数据更准确,信息量更大。在研究过程中,南乌拉尔国立大学的科学家们已经申请了专利,并通过许可协议不断扩大了监测站网络,预计不久的将来将达到21个站点。

我们每年在高级期刊(Q1)上发表论文,这些期刊在国际科学计量学数据库中有索引。此外,2023年5月,我接受了Mathematic期刊(WoS前10)的邀请,担任特刊“城市交通与环境建模与优化”的编辑。参与特刊将使同行们能够经历简化的同行评审,如果研究水平高,出版物对科学界的意义大,还将获得25-75%的折扣。

该项目在2022年获得了俄罗斯科学基金会的资助,并作为“优先-2030”中“后工业城市的生态环境”战略项目的一部分

南乌拉尔国立大学(SUSU)是一所转型大学,在科学和技术发展的大多数优先领域致力于创新研究。根据俄罗斯科学技术发展战略,该大学专注于数字产业、材料科学和生态学领域的大型跨学科科学项目的发展。在2021年,南乌拉尔国立大学在“优先-2030”项目竞赛中获胜。该大学还充当乌拉尔地区跨区域科学教育中心的地区项目办事处,旨在解决“科学和大学”国家项目的任务。

 

You are reporting a typo in the following text:
Simply click the "Send typo report" button to complete the report. You can also include a comment.