MIT-Studie identifiziert Fahrzeugtypen in 331 New Yorker Verkehrskameras

MIT-Studie identifiziert Fahrzeugtypen in 331 New Yorker Verkehrskameras

Vor einigen Monaten haben Forscher des MIT Senseable City Lab eine Studie zur Luftverschmutzung in New York City veröffentlicht. Darin setzten sie maschinelles Lernen ein, um die Fahrzeugtypen zu identifizieren, die in 331 Verkehrskameras der Stadt erscheinen, und schätzten auf dieser Grundlage die Emissionen jedes einzelnen Fahrzeugs. Die Methode nutzt vorhandene Sensoren und mobile Daten, um ein nahezu echtzeitfähiges, hochauflösendes Bild der Autoemissionen zu erzeugen. Durch die Kombination von Echtzeit-Verkehrskameras mit mehreren Datenquellen können die Forscher die Emissionen jedes Fahrzeugs schätzen und daraus ein detailliertes Emissionsbild ableiten. Die Arbeit hilft nach Angaben der Forscher, die Lücke zwischen weniger detaillierten stadtweiten Emissionsinventaren und hochdetaillierten Analysen einzelner Fahrzeuge zu schließen. Zu den Autoren gehören Paolo Santi, Hauptforschungswissenschaftler im Senseable City Lab, und Carlo Ratti, Direktor des Labors. Ratti ordnet die Arbeit als Teil der „laufenden Suche nach hyperlokalen Messungen von Luftqualität und anderen Umweltfaktoren“ ein.

Versprechen detaillierterer und skalierbarer Emissionsdaten

Nach Angaben der Forscher liefert die neue Methode viel detailliertere Daten als andere gängige Ansätze, die auf stichprobenartigen Emissionsmessungen beruhen. Der Ansatz ist zudem praktischer und besser skalierbar als Studien, die sehr granulare Daten von nur wenigen Fahrzeugen gleichzeitig erheben. Dies liegt daran, dass die Methode auf vorhandene Verkehrskameras und mobile Daten zurückgreift, statt auf spezielle Messgeräte oder kleine Fahrzeugflotten angewiesen zu sein, und sich daher leichter auf viele Standorte ausweiten lässt. Durch die Kombination von Echtzeit-Verkehrskameras mit mehreren Datenquellen lassen sich sehr detaillierte Emissionskarten bis auf einzelne Straßen und Stunden extrapolieren. „Unser Modell erlaubt durch die Kombination von Echtzeit-Verkehrskameras mit mehreren Datenquellen die Extrapolation sehr detaillierter Emissionskarten bis auf einzelne Straßen und Stunden“, wird Paolo Santi zitiert. Solche detaillierten Informationen könnten die Entscheidungsfindung unterstützen und die Auswirkungen von Verkehrs- und Mobilitätsmaßnahmen verständlich machen. Die Integration mehrerer Datenströme ermöglicht nach Angaben von Carlo Ratti eine Präzision, die noch vor wenigen Jahren undenkbar war. Mit genügend Kameras könnten diese visuellen KI-Techniken nach Einschätzung der Forscher Emissionen mit einer beispiellosen Kombination aus Präzision und Skalierbarkeit überwachen.