Neue Methode zur Verbesserung der Klimapolitik

May 31, 2023

Forscher am University College Cork (UCC) und der Columbia Universityhaben neue Forschungsergebnisse entwickeltDies wird die Genauigkeit der Schätzung des künftigen Bedarfs an Personen- und Gütertransporten verbessern, die zusammen 20 Prozent der globalen Treibhausgasemissionen ausmachen.

Nach Schätzungen der Vereinten Nationen könnte die Weltbevölkerung von 7,7 Milliarden Menschen weltweit im Jahr 2019 auf rund 9,7 Milliarden im Jahr 2050 anwachsen. Das zusätzliche Bevölkerungs- und Wirtschaftswachstum wird voraussichtlich zu einer erhöhten Nachfrage nach Transportdienstleistungen führen.

Die Reduzierung verkehrsbedingter Emissionen bleibt eine große Herausforderung für die Klimapolitik. Bisher wurden Aufgaben zur Prognose der Verkehrsnachfrage durch Simulation von Nachfragen oder durch den Einsatz regressionsbasierter Analysen gelöst. Durch diese UCC- und Columbia-Forschung werden Länder auf der ganzen Welt nun in der Lage sein, den zukünftigen Transportbedarf genauer einzuschätzen.

Diese in Scientific Reports veröffentlichte Studie stellt einen neuen innovativen Ansatz für maschinelles Lernen namens TrebuNet vor. Die Ergebnisse zeigen, dass diese neue TrebuNet-Architektur im Vergleich zu herkömmlichen Regressionsmethoden und neueren hochmodernen Methoden für neuronale Netze und maschinelles Lernen eine überlegene Leistung erzielt. Die Verbesserungen erstrecken sich auf die regionale Nachfrageprognose für alle Verkehrsträger auf kurz-, dekadische und mittelfristige Zeithorizonte.

Siddarth Joshi, der diese Forschung im Rahmen seiner Doktorarbeit in Energietechnik an der UCC leitete, kommentierte: „Diese Studie liefert Einblicke in die Entwicklung einer neuartigen Architektur für maschinelles Lernen, die die Genauigkeit bei der Schätzung des Bedarfs an Energiedienstleistungen im Verkehr erhöht. Die innovative Architektur für maschinelles Lernen und Seine Vorteile sind für die Energiemodellierungsgemeinschaft messbar und auf verschiedene Disziplinen übertragbar.“

„Genaue Prognosen zur Transportnachfrage sind nicht nur wichtig für Energiesystemmodelle und die Klimapolitik, sondern sie dienen auch als Rückgrat für das Verständnis der zukünftigen Richtung der globalen Energiemärkte“, erklärte Brian Ó Gallachóir, UCC-Professor für Energietechnik.

Dr. James Glynn, Senior Research Fellow an der Columbia University, fügte hinzu: „Diese neue Methode demonstriert Innovationen in der Energiesystemmodellierung und Datenanalyse, um Schwachstellen beim Verständnis der Aussichten innerhalb von Energiesystemmodellen für neue Anwendungen des Deep Learning zu beheben. Dies hilft uns, Unsicherheiten zu beseitigen.“ Dekarbonisierungspfade. Die Dekarbonisierung des Verkehrs im Einklang mit den globalen Netto-Null-Zielen bis 2050 erfordert dringende Klimaschutzmaßnahmen. Die Zusammenarbeit zwischen Columbia SIPA und UCC führt zu neuen Ansätzen in der Modellierung von Energiesystemen und der Datenwissenschaft, um Entscheidungsträgern die Werkzeuge und evidenzbasierte Forschung bereitzustellen Klimapolitik gestalten.“

– Diese Pressemitteilung wurde ursprünglich auf der Website des University College Cork veröffentlicht