Научные сотрудники Политехнического института и Института естественных и точных наук ЮУрГУ разрабатывают по оценке и прогнозу рассеивания выбросов вредных веществ от автотранспорта в воздухе города. Система динамического контроля выбросов ?AIMS-Eco? работает в режиме реального времени и учитывает влияние городской застройки и метеорологические факторы при расчете уровня загрязнения. В настоящее время система AIMS-Eco развернута более чем на 20 перекрестках в Перми, Санкт-Петербурге и Челябинске.
Разработанная модель отслеживает динамику изменения качества атмосферного воздуха в воздушном бассейне улично-дорожной сети городов на основе применения камер уличного видеонаблюдения, которые используются в качестве цифровых сенсоров. Сбор данных построен по принципу IoT-технологий (интернет вещей), применяя которые, ученые используют существующую телекоммуникационную инфраструктуру и станции метеорологического и экологического мониторинга.
?За последние несколько лет методы, основанные на искусственном интеллекте, стали наиболее перспективными подходами к прогнозированию загрязнения воздуха. Однако современные исследования, основанные на применении машинного обучения для прогнозирования качества воздуха, просто обучают нейросеть почасовому контролю концентрации загрязнения воздуха. Наша разработка сконцентрирована на отслеживании состояния выбросов в режиме онлайн?, – поясняет руководитель проекта, кандидат технических наук, доцент кафедры ?Автомобильный транспорт? Владимир Шепелёв.
Система мониторинга построена на основе получения больших данных о состоянии изменения выбросов точечных источников загрязнения и контроля за динамикой метеорологического фактора.
В данном исследовании научные сотрудники сконцентрировались на обучении рекуррентных нейронных сетей LSTM. Нейронная сеть справляется с задачей повышения точности прогноза выбросов от автотранспорта, их количества и концентрации. Быстрое извлечение данных с видеопотоков происходит с помощью сверточной нейронной сети (RNN). Она обеспечивает мониторинг в режиме реального времени и формирует историю данных. Эта функция позволяет разработать сложную архитектуру LSTM с алгоритмами самообучения. Для глубокого обучения нейронных сетей использовался вычислительный комплекс ?Нейрокомпьютер ЮУрГУ?.
Предлагаемый подход – принципиальный переход от измерения выбросов аналоговыми датчиками к экономичным цифровым решениям, данные которых более точные и информативные. В процессе исследования ученые ЮУрГУ методику, и на основе лицензионных соглашений непрерывно расширяют сеть постов, количество которых в ближайшее время достигнет 21 единицы.
?Мы ежегодно публикуемся в высокорейтинговых журналах (Q1), индексируемых в международных наукометрических базах. Более того, в мае 2023 года я принял предложение журнала Mathematic (TOP-10 WoS) стать редактором специального . Участие в специальном выпуске позволит коллегам пройти упрощенное рецензирование и при высоких уровнях исследования и значимости публикации для научного общества получить скидку в размере 25-75%?, – рассказывает Владимир Шепелёв.
Проект грантом РНФ в 2022 году и в рамках стратегического проекта ?Экосреда постиндустриальной агломерации? программы ?Приоритет 2030?.
Южно-Уральский государственный университет – это университет трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В 2021 году ЮУрГУ победил в конкурсе по программе ?Приоритет 2030?. Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ), который призван решить задачи национального проекта ?Наука и университеты?.
Читайте нас: