AI-baserad kunskapsintegration för omställning av städer och samhällen till klimatneutralitet

Att uppnå klimatneutralitet i städer är svårt. Det kräver ökad energieffektivitet och reducerade utsläpp av växthusgaser från olika urbana delsystem, som transporter, byggnader och industriella processer, samt bevarande av kolsänkor och andra kompensationsstrategier. De urbana delsystemen interagerar också med varandra på komplexa, dynamiska sätt som är svåra att reglera.

I projektet initieras en gemensam lärprocess mellan forskare och praktiker för att utveckla en kopplad socio-ekologisk modellansats i syfte att studera de urbana interaktionerna, deras effekter och återkopplingar, särskilt i relation till förändringar i markanvändning och klimat.

Projektet har som mål att kombinera praktisk och vetenskaplig kunskap för att utveckla ett beslutsstödsystem, som använder artificiell intelligens (AI-DSS) till stöd för förbättrad och mer hållbar stadsplanering, baserad på vetenskaplig kunskap om de interaktionerna mellan mänskliga och naturliga urbana system.

Det föreslagna AI-DSS kommer att använda: i) data om regional planering för att informera en markanvändningsmodell som tar hänsyn till socio-ekonomiska effekter och projicerar markanvändningsförändringar för den urbana utvecklingen av bostäder och arbetsplatser; ii) ett dynamiskt, rumsligt explicit verktyg för kvantifiering av relaterade utsläpp av växthusgaser (med hänsyn till kolsänkor, lagringspotential, byggnader och transporter).

Beslutsstödsystemet AI-DSS kommer att bidra till ökad hållbarhet i stadsutveckling och urban policy genom rumslig identifiering av urbaniseringsutveckling som ger höga eller låga utsläpp och där val av de senare kan ge effektiv minskning av utsläppen. Avancerad AI-teknik, så kallad 'deep transfer learning', kommer att användas i AI-DSS för modellering och utvärdering av effekterna av olika policy- och planeringsscenarier, samt för kommunikation och utbildning om dessa effekter.