به گزارش سرویس ترجمه خبرگزاری ایمنا، برای مدتهای طولانی، مدیریت کیفیت هوای شهرها بر اساس الگویی ثابت انجام میشد. مسئولان شهری، تعدادی ایستگاه پایش پیشرفته و گرانقیمت را در نقاط مشخصی از شهر نصب میکردند. هر یک از این ایستگاهها صدها هزار دلار هزینه داشت و دادههای تولیدشده توسط آنها از اعتبار قانونی برخوردار بود، با این حال این ایستگاهها تنها امکان ثبت شرایط هوای محیط اطراف خود را داشتند و بخشهای وسیعی از شهر را بدون پوشش رها میکردند. امروزه ثابت شده است که این رویکرد پاسخگوی نیازهای واقعی نیست.
آلودگی هوا در سطح شهرها بهصورت یکنواخت توزیع نمیشود؛ بلکه همچون مایعی عمل میکند که در بعضی محلهها انباشته و از محلههای دیگر دور میشود. در اصل فردی که در نزدیکی یک تقاطع شلوغ به سمت مکانی میرود، ممکن است هوایی با آلودگی بسیار بیشتری نسبتبه میانگین اعلامشده برای کل شهر را تنفس کند.
ایستگاههای سنتی، توانایی ثبت چنین جزئیات دقیقی را ندارند، بنابراین الگوی استفاده از آنها در حال تغییر است. شهرهای امروزی به آزمایشگاههای زنده تبدیل شدهاند و با استفاده از شبکههای گسترده سنسورهای ارزانقیمت و بهکارگیری هوش مصنوعی، تصویری دقیق و لحظهای از کیفیت هوا در تمام نقاط خود ارائه میدهند. این تحول، نشانگر گذار از پایش واکنشی و متمرکز به هوشمندی پیشگیرانه و محلی است.
پایش سنتی در برابر شبکههای حسگر و انقلاب اینترنت اشیا
نقصهای روشهای سنتی پایش، مستند و قابل بررسی است. ایستگاههای مرجع، بهدلیل پراکندگی محدود، هزینههای بالا و طراحی تنها برای تأیید انطباق با قوانین، توانایی ثبت تغییرات کیفیت هوا در سطح محلهها را ندارند. این وضعیت، نقاط کور متعددی در پایش شهری ایجاد میکند که نقاط داغ آلودگی در آنها بدون شناسایی باقی میمانند.
کیفیت هوا میتواند از یک خیابان به خیابان دیگر، تفاوت چشمگیری داشته باشد. عواملی همچون اثرات ریزاقلیمی، الگوهای ترافیک و ساختار ساختمانها، همه بر نحوه پراکندگی آلایندهها تأثیر میگذارند. نمونه بارز این محدودیت، شهر کپنهاگ است. پیش از اجرای پروژه چرخ کپنهاگ (Copenhagen Wheel)، این شهر تنها سه سنسور پایش آلودگی داشت که همه بر فراز ساختمانها نصب شده بودند، یعنی در ارتفاعی صددرصد متفاوت از سطحی که مردم در آن تنفس میکنند. تکیه بر چنین دادههای پراکندهای، به این معنا بود که افزایشهای خطرناک آلودگی در نزدیکی مدارس، بیمارستانها و مناطق مسکونی، هرگز در گزارشهای رسمی منعکس نمیشد و شهروندان از کیفیت واقعی هوایی که استنشاق میکردند، بیاطلاع میماندند.
راهکار اساسی برای رفع این مشکل، در گسترش حسگری توزیعشده نهفته است. سنسورهای کمهزینه را میتوان به تعداد هزاران واحد در سراسر یک منطقه شهری نصب و شبکهای متراکم از پایشگرها ایجاد کرد. فناوری اینترنت اشیا، امکان ارسال لحظهای دادههای این سنسورها به فضای ابری را برای تحلیل و پردازش فراهم میکند.
پروژه چرخ کپنهاگ نمونهای برجسته از این رویکرد نوین است. این پروژه دوچرخههای معمولی شهری را به واحدهای حسگری متحرک تبدیل میکند. هر چرخ دوچرخه، مجهز به سنسورهایی برای اندازهگیری مونوکسیدکربن، اکسیدهای نیتروژن، صدا، دما، رطوبت و سیستم موقعیتیاب جیپیاس (GPS) است. زمانی که دوچرخهسواران دادههای خود را به اشتراک میگذارند، شهر به پایگاه دادهای دقیق و پویا از اطلاعات زیستمحیطی در سطح خیابان دست پیدا میکند. این رویکرد، در مقایسه با سه پایشگر ثابت قبلی، تحولی چشمگیر محسوب میشود. علاوهبر کاهش قابلتوجه هزینههای پایش، دادههای تولیدشده، نمایانگر شرایط واقعی تنفس شهروندان در سطح خیابان است.
هوش مصنوعی؛ تبدیل داده به بینش عملی
دادهها بهتنهایی کافی نیستند و شهرها با حجم عظیمی از اطلاعات روبهرو هستند. ارزش واقعی زمانی آشکار میشود که هوش مصنوعی وارد عمل شود و به تحلیل، تفسیر و پیشبینی بپردازد. در این میان، فناوری «دوقلوی دیجیتال» یکی از پیشرفتهترین کاربردها محسوب میشود و سنگاپور در این زمینه پیشگام است.
محققان سنگاپوری، چارچوبهای دوقلوی دیجیتال را برای پایش کیفیت هوای داخل و خارج ساختمانها توسعه دادهاند. این چارچوبها، شبکههای عصبی پیچشی، شبکههای حافظه بلندمدت-کوتاهمدت دوطرفه و مکانیسمهای توجه چندگانه را با یکدیگر تلفیق میکنند. مجموعههای هوش مصنوعی، پیش از وقوع بحران، خرابیهای احتمالی کیفیت هوا را پیشبینی میکنند و امکان مداخله پیشگیرانه را فراهم میآورند. دادههای واقعی جمعآوریشده از ساختمانهای مختلف سنگاپور، کارایی این رویکرد را تأیید کرده و بهبودهای قابلتوجهی نسبت به مدلهای سنتی نشان داده است.
برنامه دکارت (DesCartes) که محصول همکاری مؤسسات تحقیقاتی فرانسه و سنگاپور است، دامنه کاربرد دوقلوهای دیجیتال را گسترش داده است. پلتفرم ترکیبی آنها، به کاربران اجازه میدهد تا تأثیر باد، دما و آلودگی را بر محلههایی همچون مارینا بی، بهصورت لحظهای مشاهده کنند. با استفاده از واقعیت افزوده و مجازی، اپراتورها امکان شبیهسازی پراکندگی آلودگی، تجسم نقشههای باد و گرفتن تصمیمهای آگاهانه در چارچوب سناریوهای متغیر را دارند. این قابلیتها، مدیران شهری را در طراحی و اجرای اقدامات پیشگیرانه، پیش از بروز بحرانهای آلودگی، یاری میدهد.
شهرهای پیشرو در کاربرد فناوری
بمبئی در فوریه ۲۰۲۶، گامی تاریخی در مسیر پایش هوشمند آلودگی برداشت. دولت ایالت ماهاراشترا، دستورالعملی صادر کرد که بر اساس آن، شرکت شهری بریهانمومبای موظف است سیستمی بهطور کامل بر پایه هوش مصنوعی و اینترنت اشیا را برای پایش پویای منابع آلودگی هوا در سراسر این کلانشهر توسعه دهد و راهاندازی کند. وزیر ارشد ایالت، در این باره تأکید کرد که «آلودگی هوا را نمیتوان بهطور مؤثر پایش کرد، مگر آنکه سیستم بهطور کامل بر پایه اینترنت اشیا و هوش مصنوعی استوار باشد». هدف این سیستم، ردیابی صددرصد منابع آلاینده دولتی و خصوصی از جمله پروژههای زیرساختی اعلام شده است.
این دستورالعمل، نشانگر تغییر راهبردی اساسی از بازرسیهای دستی و دورهای به پایش مستمر و بر پایه دادههای لحظهای است. سیستم پیشنهادی، با ادغام سنسورها و شبکههای متصل، به جمعآوری، تحلیل و نمایش پیوسته دادههای آلودگی در سراسر بمبئی خواهد پرداخت. کارشناسان محیطزیست شهری، این اقدام را گامی مؤثر بهسمت مقرراتگذاری دقیق میدانند که به مقامات امکان میدهد نقاط داغ انتشار آلایندهها را در زمان واقعی شناسایی کنند و به سرعت پاسخ دهند. برای ساکنان محلههای پرتراکمی همچون باندرا، که قانونگذاران پیشتر نسبت به گرد و غبار بیشازحد و افت کیفیت هوا در آنها هشدار داده بودند، این سیستم میتواند به مدیریت شفافتر و پاسخگوتر آلودگی منجر شود.
در آلماتی، قزاقستان، پژوهشی علمی به بررسی ادغام سیستمهای مدیریت ترافیک تطبیقی بر پایه هوش مصنوعی با پایش لحظهای کیفیت هوا پرداخته است. سیستم پیشنهادی در این مطالعه، از شبکههای عصبی مصنوعی و شبکههای حافظه بلندمدت-کوتاهمدت برای پیشبینی سطح ذرات معلق (PM2.5) بر اساس دادههای لحظهای تراکم ترافیک، انتشار خودروها و شرایط محیطی استفاده میکند. این سیستم بهصورت پویا، زمانبندی چراغهای راهنمایی را تنظیم و وسایلنقلیه را برای کاهش انتشار آلایندهها در نقاط داغ، مسیریابی مجدد میکند. نتایج این پژوهش نشان میدهد مدلهای شبکه عصبی، عملکردی بهتر از روشهای سادهتر دارند و برای مدیریت ترافیک لحظهای بسیار مؤثرند. این تحقیق ثابت کرد که هوش مصنوعی میتواند با دقت قابلقبولی سطوح آلایندهها را پیشبینی و اقدامات کنترلی را بهموقع اعمال کند.
مدیریت ترافیک هوشمند در پاسخ به آلودگی
مدیریت ترافیک پاسخگو از جمله امیدوارکنندهترین کاربردهای این فناوریهاست. سناریوی قابلتصور چنین است که سنسورها افزایش ناگهانی ذرات معلق را در یکی از محلهها، در ساعات اوج ترافیک صبحگاهی ثبت میکنند. هوش مصنوعی علت را شناسایی میکند که به احتمال زیاد، ترافیک سنگین و توقف و حرکت در یکی از خیابانهای اصلی است. در این شرایط، سیستم بهطور خودکار زمانبندی چراغهای راهنمایی را برای کاهش توقفهای طولانی تنظیم، وسایلنقلیه را پیش از رسیدن به نقطه داغ، به مسیرهای جایگزین هدایت یا محدودیتهای موقتی را در مناطق حساس همچون اطراف مدارس، در ساعات ورود و خروج دانشآموزان اعمال میکند.
مطالعه آلماتی نشان داد که مدلهای هوش مصنوعی، توانایی پیشبینی با دقت سطوح PM2.5 را دارند که امکان انجام این مداخلات را در زمان واقعی فراهم میآورد. چنین رویکردی، شهرها را از سیستمهای منفعل و واکنشگرا به ساختارهایی پویا و خودتنظیم تبدیل میکند که در رویارویی با نوسانات کیفیت هوا، به سرعت عکسالعمل نشان و سلامت شهروندان را در اولویت قرار میدهند.
چالشها و آینده پیش روی تحول دیجیتال
با وجود افقهای امیدوارکننده، این تحول فناورانه با موانع قابلتوجهی روبهروست. هزینه راهاندازی و نگهداری هزاران سنسور در سطح شهر بسیار بالاست و آموزش مدلهای هوش مصنوعی به نیروی انسانی ماهر و منابع محاسباتی قابلتوجهی نیاز دارد. دقت دادهها و اعتماد عمومی، از دیگر چالشهای اساسی محسوب میشود. از سوی دیگر ناهنجاریهایی که گاه در دادههای شاخص کیفیت هوا مشاهده میشود، نگرانیهایی را ایجاد کرده است.
وزیر محیطزیست ماهاراشترا، بهتازگی به شهروندان درباره باور به اطلاعات گمراهکننده در مورد سطوح AQI هشدار داده و تأکید کرده است که تنها به دادههای رسمی از پلتفرمهای مجاز دولتی اعتماد کنند. این مسئله، اهمیت شفافیت و پاسخگویی نهادهای دولتی را در کنار فناوری برجسته میکند.
حریم خصوصی و امنیت، نگرانی جدی دیگر است؛ همان شبکههایی که آلودگی را پایش میکنند، میتوانند افراد را نیز ردیابی کنند. وجود مکانیسمهای حکمرانی قوی برای حفظ حریم خصوصی دادهها و جلوگیری از سوءاستفاده از قابلیتهای نظارتی، ضروری است. پروژه چرخ کپنهاگ، با ارائه امکان اشتراکگذاری ناشناس دادهها، الگویی مناسب برای جمعآوری اطلاعات با رعایت حریم خصوصی ارائه داده است.
چالش اجرای عملی نیز وجود دارد؛ دادهها تنها در صورتی مفیدند که به اقدام مؤثر تبدیل شوند. تبدیل بینشهای تولیدشده توسط هوش مصنوعی به اقدامات اجرایی، نیازمند اراده سیاسی و هماهنگی میان نهادهای مختلف است. همانطور که فعالان سیاستگذاری تأکید میکنند، پایش بر پایه فناوری باید با برنامههای موجود همچون برنامه ملی هوای پاک هند هماهنگ شود تا به کاهش معنادار آلودگی ذرات بیانجامد.
هوش مصنوعی، جایگزین سیاستهای کاهش آلودگی نیست، اما شتابدهندهای قدرتمند برای آنها محسوب میشود. این فناوری، هوشمند لحظهای را فراهم میآورد که تصمیمگیری بر پایه شواهد را ممکن میکند. از سنسورهای دوچرخههای کپنهاگ تا دوقلوهای دیجیتال سنگاپور و دستورالعمل تاریخی بمبئی، مسیر حرکت از پایش ایستگاهی به ضربان دیجیتال شهر بهخوبی هموار است و روزبهروز شتاب بیشتری میگیرد.
به این ترتیب، آینده به سوی شهرهایی پیش میرود که نفس میکشند، سلامت خود را پایش میکنند، به نیازهای شهروندان پاسخ میدهند و بهطور پویا با شرایط متغیر سازگار میشوند. دادههای تولیدشده توسط این سیستمها، به طراحی بهتر شهری کمک خواهند کرد و بر مکان پارکها، ساخت مدارس و پیکربندی توسعههای جدید برای کاهش رویارویی با آلودگی تأثیر خواهند گذاشت.
فناوری آماده بهکارگیری در مقیاس وسیع است. اکنون پرسش اساسی این است که آیا شهرها، اراده سیاسی و ظرفیت نهادی لازم برای بهرهگیری از آن به نفع سلامت هر شهروند، خیابان به خیابان و ساعت به ساعت را دارند؟ پاسخ به این پرسش، نهتنها کیفیت هوای قابل تنفس، بلکه آینده زیستپذیری شهرها را تعیین خواهد کرد.
نظر شما