人工智能和大數據為治霾決策“效力”

　　首都北京終于等來了吹散霧霾的風,2016年第一次空氣質量“紅色警報”如期解除了。然而,縱觀全國,仍有很多城市仍在霧霾的籠罩下。許多一線、二線城市都向北京看齊,也發布了不同程度的霧霾警報。

　　根據2015年《柳葉刀》雜志全球疾病代價研究報告,當年環境顆粒物(不包含煙草煙霧)成本為1.031億傷殘調整壽命年(衡量人類生命質量和長度的單位,指從發病到死亡所損失的全部健康壽命年),在最有害健康的疾病危險因素中排名第6。世界各地城市將空氣質量提高到世衛組織建議的水平之前,還有很長一段路要走。

　　在有針對性地治理霧霾源頭之前,追蹤霧霾的蹤跡并依此發布霧霾警報、采取應急措施、減少進一步空氣質量惡化,成為大氣污染防治的必要手段。

　　那么,發布霧霾各級別警報的依據有哪些?據美國電氣與電子工程師協會《光譜》雜志20日報道,人工智能及大數據技術已經能為治霾這類區域性措施提供決策支撐。

　　數據來源是什么

　　報道稱,北京市政府去年已經測試過國際知名公司IBM和微軟的空氣污染預測工具。

　　IBM“綠色地平線”項目負責人介紹,利用認知計算、大數據分析以及物聯網技術的優勢,分析空氣監測站和氣象衛星傳送的實時數據流,憑借自學習能力和超級計算處理能力,提供未來72小時的高精度空氣質量預報,實現對城市地區的污染物來源和分布狀況的實時監測。

　　IBM工具能整合北京35個官方多污染物空氣質量檢測站的傳統數據來源,還能整合成本較低但更為廣泛的其他來源,如環境監測站、交通系統、氣象衛星、地形圖、經濟數據甚至社交媒體的數據。微軟的系統整合了來自全國3000多個站點的數據。

　　此外,它與微軟都將傳統的大氣化學物理模型與機器學習類數據統計工具相結合,試圖在更短的時間內做出更好的預測,包括借助一種模擬工具,用于估算采取關閉工廠或者汽車限行等干預措施后的空氣質量結果和經濟后果。

　　預測準確度如何

　　據媒體報道,在實時監測與高精度預報的基礎上,IBM借助大數據分析能力,還能夠對可能影響空氣質量的相關因素進行分析預測,判斷各項影響因素在不同情況下與空氣質量的量化關系,由其研發的“污染過程多維認知案例庫”,可以實現針對全國367個特定城市、20多個維度的歷史污染過程和天氣形勢進行全自動化認知分析從而幫助城市管理者進行環保決策。

　　“綠色地平線”項目負責人說,IBM對3天內的空氣質量預測準確度超過80%,對7天到10天的預測準確度約為75%。升級版的“綠色地平線”只用2—3秒時間,就可以為未來15天匹配到歷史上最相似的天氣及其污染變化趨勢,利用國際氣候數據分析的積淀,最終形成空氣預警和污染防治的決策建議,助力區域性聯防聯控的有效開展。

　　此外,微軟向中國環境保護部提供的48小時空氣質量預測,在2015年達到了6小時內準確度為75%,12小時內準確度為60%。

　　不同系統是否沖突

　　數據顯示,估計未來5年,空氣質量檢測市場每年將增長8.5%,總額達到56.4億美元。但作為政府而言,為所在城市選擇正確的預測系統似乎是一個挑戰。

　　英國科研團隊2016年曾報告稱,不同的設置會要求不同形式的機器學習能力,系統運算的數據量是決定計算成本的重要指標。

　　英國“哥白尼計劃”大氣檢測服務負責人、大氣科學家文森特-亨利·普埃奇說,對于北京而言,用僅有幾年的空氣質量歷史數據集來比較不同模型的優劣并不可取,因為不同的模型各有所長,彼此并不矛盾。

　　有報告表明,與2014年相比,北京市政府的環境治理舉措已將2015年的細顆粒污染水平降低了6%。今年冬天,經過測試的預測系統或可正式開始為首都乃至全國治理霧霾“效力”。