هوش مصنوعی دانشگاه تهران: پیش‌بینی آلودگی هوا در نقاط کم‌برخوردار با دقت بالا

راهکاری هوشمند برای پر کردن خلاءهای اطلاعاتی محیط زیست

برخورداری از داده‌های دقیق و لحظه‌ای درباره کیفیت هوا، یکی از چالش‌های اساسی مدیریت شهری در سراسر جهان است. با این حال، هزینه‌های گزاف نصب، راه‌اندازی و نگهداری ایستگاه‌های پایش فیزیکی، باعث شده است تا بسیاری از مناطق شهری، به‌ویژه در نقاط حاشیه‌ای یا کمتر توسعه‌یافته، از پوشش مناسب این شبکه‌ها بهره‌مند نشوند. این نقص در اطلاعات، نه‌تنها شهروندان را از دانستن وضعیت واقعی هوای محل زندگی‌شان محروم می‌کند، بلکه دست تصمیم‌گیرندگان شهری را برای مدیریت بحران‌های هوایی می‌بندد.

معرفی مدل نوآورانه DTFGNN

در همین راستا، پژوهشگران دانشگاه تهران موفق به توسعه یک مدل پیشرفته هوش مصنوعی به نام «تلفیق زمانی شبکه عصبی گرافی پویا» (DTFGNN) شده‌اند. هدف اصلی این مدل، رفع محدودیت‌های جغرافیایی پایش آلودگی است. این سیستم هوشمند با بهره‌گیری از داده‌های محدود موجود در ایستگاه‌های فعال و ترکیب آن‌ها با اطلاعات هواشناسی، الگوهای پیچیده زمانی و مکانی آلاینده‌ها را تحلیل کرده و میزان غلظت آن‌ها را در مناطقی که فاقد هرگونه سنسور پایش هستند، با دقت قابل‌توجهی تخمین می‌زند.

دو نوآوری کلیدی در معماری مدل

• درک روابط مکانی پویا: مدل جدید قادر است تعاملات فضایی بین نقاط مجهز به سنسور و نقاط فاقد سنسور را به‌طور پویا بررسی و مدل‌سازی کند.
• ادغام وابستگی‌های زمانی چندگانه: یکی دیگر از نقاط قوت این پژوهش، توانایی در نظر گرفتن همزمان وابستگی‌های زمانی کوتاه‌مدت و بلندمدت است که منجر به افزایش چشمگیر دقت پیش‌بینی‌ها می‌شود.

ارزیابی عملکرد و نتایج آزمایش‌ها

برای اطمینان از صحت و کارایی الگوی پیشنهادی، این مدل با استفاده از داده‌های واقعی و در دسترس عمومی شهرهای پکن و لندن مورد آزمون و خطا قرار گرفت. نتایج مقایسه‌ای نشان داد که این روش نسبت به تکنولوژی‌های روز و روش‌های سنتی، عملکرد برتری دارد. به‌طور خاص، خطای پیش‌بینی در این مدل تا ۱۱ درصد کاهش یافته است.

تحلیل داده‌های مرتبط با ذرات معلق کمتر از ۲.۵ میکرومتر در شهر پکن نیز صحت بالای همگرایی نتایج مدل با مقادیر واقعی را در بازه‌های زمانی مختلف تأیید می‌کند.

کاربردهای عملی و چشم‌انداز آینده

به گفته تیم پژوهشی، این فناوری می‌تواند بدون نیاز به هزینه‌های سنگین برای گسترش زیرساخت‌های سخت‌افزاری، پیکسلی دقیق از کیفیت هوا را در اختیار شهروندان و مدیران قرار دهد. کاربردهای این سامانه فراتر از ارائه اطلاعات ساده است و می‌تواند در سامانه‌های هشداردهنده زودهنگام، اپلیکیشن‌های اطلاع‌رسانی عمومی و حتی به عنوان یک ابزار پشتیبان تصمیم‌گیری برای مدیریت شهری مورد استفاده قرار گیرد.

تیم پژوهشی و انتشار نتایج

این پژوهش ارزشمند با راهنمایی بهزاد مشیری، استاد دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و استاد وابسته دانشگاه واترلو کانادا، و با همکاری ابراهیم غفارزاده از دانشگاه یورک کانادا انجام شده است. امین شیخ‌زاده، دانش‌آموخته این دانشکده، به عنوان نویسنده اصلی این مطالعه عمل کرده است. نتایج این تحقیق در نشریه معتبر علمی Engineering Applications of Artificial Intelligence با ضریب تأثیر ۸ منتشر شده است.