Penyelidik dari Universiti Peking dan Universiti Denmark Selatan telah membangunkan rangka kerja AI termaju yang mampu mengenal pasti bahan binaan dengan ketepatan tinggi. Kejayaan ini menjanjikan untuk meningkatkan dengan ketara perancangan bandar yang mampan dan usaha pengurangan karbon di seluruh dunia.
Era baharu dalam perancangan bandar lestari semakin hampir, hasil kajian terbaru yang memanfaatkan kecerdasan buatan dan teknologi penderiaan jauh untuk mengenal pasti bahan binaan dengan ketepatan yang belum pernah terjadi sebelumnya.
Penyelidikan itu, kerjasama antara Universiti Peking dan Universiti Denmark Selatan, berjanji untuk merevolusikan cara bandar merancang dan menyesuaikan semula bangunan untuk kecekapan tenaga yang lebih baik dan mengurangkan pelepasan karbon.
Rangka Kerja Transformatif
Diterbitkan baru-baru ini dalam Sains Alam Sekitar dan Ekoteknologi, penyelidikan itu memperkenalkan rangka kerja lanjutan yang menggabungkan teknik pembelajaran mendalam dengan penderiaan jauh.
Pendekatan ini membolehkan penciptaan pangkalan data intensiti bahan beresolusi tinggi, penting untuk perancangan bandar yang mampan. Sistem berkuasa AI dengan teliti mengelaskan bahan yang digunakan dalam bangunan, membuka jalan kepada pengurangan ketara dalam penggunaan karbon dan tenaga yang terkandung di samping mempromosikan pekeliling bandar.
Kaedah konvensional untuk menilai bahan binaan sering goyah disebabkan oleh batasan geografi, isu kebolehskalaan dan kekurangan ketepatan.
Sebaliknya, rangka kerja baharu ini menawarkan penyelesaian berskala, boleh disesuaikan, bersedia untuk mengatasi cabaran yang telah lama wujud ini dan menyampaikan cerapan yang boleh diambil tindakan dalam skala besar.
Usaha Bekerjasama
Kajian ini menggunakan gabungan inovatif imejan Google Street View, data satelit dan maklumat geospatial daripada OpenStreetMap untuk mengklasifikasikan bahan atas bumbung dan fasad dengan tepat.
Dengan melatih Rangkaian Neural Convolutional (CNN) dengan set data yang luas dari Odense, Denmark, para penyelidik membangunkan model yang mampu menyampaikan pengenalan bahan yang tepat.
Rangka kerja ini menunjukkan kepelbagaian dan ketepatannya apabila digunakan pada bandar utama Denmark yang lain seperti Copenhagen, Aarhus dan Aalborg.
Ketelusan Model Dipertingkat
Salah satu inovasi utama kajian ialah aplikasi Gradient-weighted Class Activation Mapping (Grad-CAM). Teknik ini memberikan gambaran visual bahagian mana imej yang paling mempengaruhi keputusan pengelasan bahan AI, meningkatkan ketelusan dan kebolehpercayaan model.
Selain itu, penyelidik membangunkan pekali keamatan bahan untuk mengukur kesan alam sekitar bahan yang berbeza, seterusnya membolehkan penilaian kemampanan yang diperhalusi.
Implikasi yang lebih luas
Gang Liu, penyiasat utama projek dan profesor pengerusi ekologi perindustrian di Universiti Peking dan profesor tambahan di Universiti Selatan Denmark, menekankan kesan yang lebih luas daripada kemajuan teknologi ini
"Kajian kami menunjukkan bagaimana pembelajaran mendalam dan penderiaan jauh secara asasnya boleh mengubah cara kami menganalisis dan mengurus bahan binaan bandar," katanya dalam Siaran akhbar. "Dengan data intensiti bahan yang tepat, kami boleh memacu perancangan bandar yang lebih mampan dan pengubahsuaian yang disasarkan, menyumbang secara langsung kepada usaha pengurangan karbon global."
Rangka kerja ini bukan sahaja menyokong penyelidikan akademik tetapi juga melengkapkan perancang bandar dengan data kritikal untuk melaksanakan strategi kecekapan tenaga, dasar pengurangan karbon dan inisiatif ekonomi pekeliling. Kebolehskalaan dan kebolehsuaiannya bermakna ia boleh digunakan untuk pelbagai persekitaran bandar di seluruh dunia, menjadikannya asas untuk perancangan bandar yang moden dan mampan.