Peneliti Menggunakan Data Ponsel untuk Mengembangkan Metode Baru Melacak Sumber Emisi Karbon

·oleh Henderson·Engineering
Peneliti Menggunakan Data Ponsel untuk Mengembangkan Metode Baru Melacak Sumber Emisi Karbon
Poin Penting
  • Para peneliti mengembangkan metode pembelajaran mesin untuk melacak sumber emisi karbon.
  • Data ponsel menunjukkan hubungan antara pergerakan sehari-hari dan emisi karbon.
  • Informasi dari jaringan pergerakan dinamis meningkatkan akurasi prediksi emisi.
  • Penelitian ini memiliki batasan, seperti cakupan data ponsel dan kurangnya pertimbangan algoritma.

Para peneliti telah mengembangkan sebuah metode pembelajaran mesin untuk menghitung emisi karbon dioksida yang dihasilkan oleh perilaku manusia. Dengan menganalisis data pergerakan kelompok di ponsel, metode ini mampu menemukan lokasi utama di mana orang berkumpul dan melacak perubahan pola tersebut seiring waktu. Menurut penelitian yang diterbitkan di The Innovation, terdapat hubungan antara kebiasaan perjalanan sehari-hari di Tiongkok dan polusi yang dihasilkan oleh berbagai industri. Para ilmuwan telah menguji metode ini di Italia, Amerika Serikat, dan Meksiko. Para peneliti mendapatkan hasil yang menggembirakan dengan menggunakan mobilitas manusia sebagai ukuran tambahan untuk aktivitas sosial dan ekonomi, tanpa sepenuhnya bergantung pada catatan emisi tradisional.

Pergerakan sehari-hari, termasuk perjalanan kerja, pengangkutan barang, perjalanan, dan belanja, membentuk pola yang membantu mengungkap konsumsi energi dan emisi karbon terkait.

Data Ponsel Mengungkap Pola Emisi Karbon

Penelitian ini memanfaatkan data ponsel untuk memperkirakan emisi, mengubah data lokasi geografis orang menjadi jaringan pergerakan. Dalam jaringan ini, kota besar diwakili sebagai titik, dan jalur antar kota menunjukkan cara orang bergerak. Selain peta pergerakan ini, tim peneliti juga menambahkan data populasi dan informasi lainnya. Setelah memeriksa delapan model pembelajaran mesin, tim menemukan bahwa program berbasis pohon LightGBM menunjukkan kinerja terbaik. Dalam pengujian, pergerakan orang memprediksi emisi dari berbagai sektor, dengan nilai R kuadrat mencapai 1.00 yang sempurna. Prediksi untuk penerbangan memiliki nilai R kuadrat 0.99, sedangkan transportasi darat mencapai 0.98.

Ketika menggunakan data yang dibagi berdasarkan tanggal untuk pengujian, nilai R kuadrat untuk ketiga kategori tersebut tetap berada pada tingkat tinggi, yaitu 1.00, 0.99, dan 0.95. Dalam pengujian yang dilakukan di Italia, Amerika Serikat, dan Meksiko menggunakan database GRACED, nilai R kuadratnya adalah 0.91, 0.95, dan 0.99. Selain itu, ketika digunakan bersama catatan ODIAC di negara-negara tersebut, skor model tetap berada di kisaran 0.90 hingga 0.99.

Jaringan Dinamis Meningkatkan Akurasi Prediksi

Informasi yang diberikan oleh jaringan pergerakan dinamis lebih banyak dibandingkan dengan lokasi tetap atau kepadatan populasi. Memasukkan data pergerakan ke dalam proses perhitungan meningkatkan akurasi emisi, terutama untuk emisi yang berubah seiring waktu. Hasil menunjukkan bahwa dalam kasus di Tiongkok, data pergerakan dari minggu lalu sudah cukup untuk membuat prediksi yang baik. Penelitian pergerakan juga menemukan beberapa kelompok kota yang saling terhubung secara ekonomi, yang dapat dianggap sebagai satu kesatuan dalam perlindungan iklim. Kelompok kota ini biasanya tidak mengikuti batas administratif, tetapi lebih fokus pada wilayah ekonomi nyata yang terhubung oleh pergerakan orang dan barang.

Namun, penelitian ini juga memiliki beberapa batasan. Misalnya, data ponsel tidak dapat mencakup semua orang, dan cara orang menggunakan ponsel bervariasi, serta tidak semua daerah memiliki cakupan jaringan yang sama. Versi algoritma saat ini juga belum mempertimbangkan perubahan dalam pola aktivitas sehari-hari, hari libur, atau permintaan energi yang berbeda di berbagai musim. Dengan semakin banyak orang yang bekerja dari rumah atau menggunakan mobil, hubungan antara pergerakan dan polusi mungkin akan berubah. Akhirnya, sistem dalam penelitian ini berfungsi sebagai cara untuk melacak emisi, bekerja bersama database yang ada, memberikan informasi tentang perilaku orang di daerah setempat, membantu mendeteksi perubahan polusi yang cepat secara tepat waktu, dan memudahkan pembuatan kebijakan iklim yang lebih baik.

Penelitian ini telah diterbitkan di The Innovation.

Peluang Aplikasi Data Ponsel dalam Penelitian Emisi Karbon

Penggunaan data ponsel untuk melacak emisi karbon menunjukkan potensinya dalam pemantauan lingkungan. Metode ini tidak hanya dapat memberikan prediksi emisi yang lebih akurat, tetapi juga mengungkap hubungan antara perilaku manusia dan dampak lingkungan. Seiring dengan kemajuan teknologi, di masa depan mungkin akan ada lebih banyak teknologi inovatif yang diterapkan dalam penelitian perubahan iklim, membantu pembuat kebijakan merumuskan langkah-langkah yang lebih efektif. Namun, batasan yang disebutkan dalam penelitian, seperti cakupan data dan keterbatasan algoritma, masih perlu diatasi lebih lanjut untuk meningkatkan keandalan prediksi secara keseluruhan.

H
Tentang penulis
Henderson