Marco basado en datos para comprender y predecir la calidad del aire en áreas urbanas

Monitorear, predecir y controlar la calidad del aire en áreas urbanas es una de las soluciones efectivas para enfrentar el problema del cambio climático. Aprovechar la disponibilidad de big data en diferentes dominios, como la concentración de contaminantes, el tráfico urbano, las imágenes aéreas de terrenos y vegetación y las condiciones climáticas, puede ayudar a comprender las interacciones entre estos factores y construir un modelo confiable de predicción de la calidad del aire.

Esta investigación propone un nuevo marco de modelado de calidad del aire rentable y eficiente que incluye todos estos factores empleando técnicas de inteligencia artificial de última generación. El marco también incluye un novedoso sistema de detección de vegetación basado en el aprendizaje profundo que utiliza imágenes aéreas.

El estudio piloto realizado en la ciudad británica de Cambridge utilizando el marco propuesto investiga varios modelos predictivos que van desde el aprendizaje estadístico hasta el aprendizaje automático y los modelos profundos de redes neuronales recurrentes. Este marco abre posibilidades de ampliar el modelado y la predicción de la calidad del aire a otros dominios como la vegetación o la planificación de las áreas verdes o el enrutamiento de tráfico verde para ciudades urbanas sostenibles.

La investigación se centra principalmente en extraer pruebas sólidas que podrían ser útiles para proponer mejores políticas en torno al cambio climático.

Título Original:

"Data-Driven Framework for Understanding and Predicting Air Quality in Urban Areas"

Autor/es: