ШІ-модель допомагає містам планувати справедливіші стратегії декарбонізації будівель

Відкриту модель штучного інтелекту для точного картування викидів вуглецю від будівель у різних містах розробили дослідники з Коледжу дизайну та інженерії (CDE) Національного університету Сінгапуру (NUS).

Вона може стати потужним інструментом для формування цільових і справедливих стратегій декарбонізації.

Джерело: phys.org

Модель дає міським планувальникам детальне уявлення про розподіл викидів та чинники, що їх визначають, допомагаючи створювати ефективніші політики зі скорочення викидів. Дослідження очолив доцент Філіп Більєцкі з кафедри архітектури CDE, результати опубліковано 15 серпня 2025 року в журналі Nature Sustainability.

«Наша модель оцінює експлуатаційні викиди вуглецю окремих будівель у масштабі цілих міст», — зазначив аспірант кафедри архітектури Вінстон Яп, провідний автор дослідження. «На відміну від попередніх підходів, що базуються на закритих даних, ми зробили її відкритою та придатною для застосування в містах з різними умовами доступності інформації».

Модель протестували на понад пів мільйона будівель у п’яти містах — Сінгапурі, Мельбурні, Нью-Йорку (Мангеттені), Сіетлі та Вашингтоні. Вона пояснила до 78% варіацій у рівнях викидів. Результати показали суттєві відмінності в розподілі викидів у містах і виявили ключові чинники, що впливають на споживання енергії будівлями: міську форму, історію планування та рівень доходів.

Щільність забудови та нерівність у викидах

Одним із головних висновків стало складне співвідношення між щільністю забудови та рівнем викидів. Хоча високі будівлі зазвичай ефективніші на одиницю площі завдяки економії масштабу, щільні міські центри часто мають підвищений попит на охолодження через ефект теплового острова. Водночас передмістя з малоповерховою забудовою також можуть бути значними джерелами викидів, іноді не меншими за центри міст.

Дослідження також виявило різку нерівність. У більшості міст багатші райони мали непропорційно високі викиди на душу населення. У Мангеттені, наприклад, понад половина всіх викидів будівель припадала лише на кілька великих споруд.

«Єдине ціноутворення на викиди або загальні регуляції можуть несправедливо покласти тягар на малозабезпечені громади, які вже користуються старішою й менш ефективною інфраструктурою», — підкреслив Більєцкі, - «Наші результати свідчать про потребу у стратегіях, що враховують і інтенсивність викидів, і соціально-економічну вразливість».

Як працює модель

Фреймворк інтегрує різні типи даних: супутникові знімки, фото зі street view, карти населення, дорожні мережі та локальні кліматичні показники. Для аналізу використано графові нейронні мережі — форму глибинного навчання, яка враховує просторові взаємозв’язки між міськими елементами.

Зробивши свій підхід повністю відкритим, дослідники прагнуть підтримати глобальні зусилля зі скорочення викидів у будівельному секторі та допомогти містам досягати кліматичних цілей.

«Ця робота демонструє потенціал відкритої науки та штучного інтелекту для прискорення міської сталості», — підсумував Більєцкі, - «Йдеться не лише про розуміння джерел викидів, а й про те, щоб забезпечити справедливість кліматичної політики».