Budynki miasto
źródło: Pexels

Jak uczenie maszynowe przyczynia się do oszczędzania energii w miastach?

Zastanawiałeś się kiedyś, jak technologia może pomóc nam w walce o lepsze jutro dla naszej planety? Filadelfia, jedno z najstarszych miast w Stanach Zjednoczonych, postawiło sobie ambitny cel – do 2030 roku chce przeciąć na pół emisję szkodliwych gazów pochodzących z budynków. To nie lada wyzwanie, zważywszy, że to właśnie budynki komercyjne i mieszkalne są głównym źródłem tych emisji.

Sprytna technologia dla mądrych miast

Ale jak przewidzieć, jak zmieniać się będzie zużycie energii, gdy miasto rośnie i ewoluuje? Odpowiedź leży w technologii. Badacze z Drexel University opracowali model uczenia maszynowego – rodzaju sztucznej inteligencji, która uczy się z danych, tak jak to robi człowiek.

Dr Simi Hoque i jej zespół są przekonani, że odpowiednio zastosowane uczenie maszynowe może nam pokazać, jak decyzje dotyczące zagospodarowania przestrzennego mogą wpływać na przyszłe emisje gazów cieplarnianych. To nie tylko kwestia nowych budowli, ale również tych już istniejących. Właściwie wykorzystane programy mogą pomóc nam walczyć z kryzysem klimatycznym.

warszawa miasto noc
Uczenie maszynowe w miastach (źródło: pixabay.com, Arcaion)

Zrozumieć i przewidzieć – klucze do sukcesu

Technologia ta jest w stanie przetworzyć ogromne ilości danych i na ich podstawie wysnuć odpowiednie wnioski. Co więcej, naukowcy z Drexel opracowali technikę, która pozwala im na zrozumienie, które czynniki będą miały największy wpływ na przyszłe zużycie energii.

Zespół dr Hoque postanowił to sprawdzić, korzystając z danych o hipotetycznym scenariuszu rozwoju miasta. Ich model pokazał, jak przyszłe inwestycje w budownictwo mieszkalne i komercyjne mogą wpłynąć na emisję gazów cieplarnianych w różnych dzielnicach miasta.

Co ciekawe, model przewidział, że do 2045 roku sześć z jedenastu badanych obszarów zmniejszy swoje zużycie energii, zwłaszcza w dzielnicach o niższych dochodach. Natomiast w dzielnicach mieszkanych, takich jak północna część miasta, zużycie energii prawdopodobnie wzrośnie.

Charakterystyka budynków, takie jak ich wielkość czy liczba pracowników, odgrywa istotną rolę w prognozach zużycia energii. Dlatego badacze zalecają, aby główne cele programów redukcji były skierowane na budynki komercyjne o dużej powierzchni i liczbie pracowników.

Dalsze badania i testy są oczywiście konieczne, ale już teraz wydaje się, że uczenie maszynowe może stać się potężnym narzędziem w walce o zrównoważony rozwój naszych miast. To tylko jeden z wielu przykładów, jak technologia może nam pomóc stawić czoła wyzwaniom, przed którymi stoją nasze społeczności.

Przy pomocy uczenia maszynowego jesteśmy w stanie planować przyszłość naszych miast w sposób bardziej przemyślany i zrównoważony.