ユニバーシティ・カレッジ・コーク(UCC)とコロンビア大学の研究者たちは、乗客および貨物輸送の将来的な需要の正確性を高める新しい研究を開発しました。これは、世界の温室効果ガス排出量の20%を占めています。

国連は、2019年に全世界の人口が77億人から、2050年には約97億人になる可能性があると推定しています。この追加の人口や経済成長が、輸送サービスの需要の増加につながるでしょう。

輸送に関連する排出量の削減は、気候政策にとって大きな課題となっています。これまで、輸送需要の予測タスクは、需要をシミュレーションするか、回帰分析によって処理されていました。しかし、UCCとコロンビア大学の研究者によるこの研究により、世界中の国々は将来の輸送需要をより正確に見積もることができます。

この研究は、Scientific Reportsに掲載されたもので、TrebuNetと呼ばれる新しい機械学習のアプローチを導入しています。その結果、この新しいTrebuNetアーキテクチャは、従来の回帰法や最新のニューラルネットワークおよび機械学習法と比較して、優れたパフォーマンスを発揮しています。改良は、すべての輸送モードの需要予測において、短期・10年規模から中期の時間枠にわたって地域に拡張されます。

この研究を指導したエネルギー工学のPh.D.であるSiddarth Joshi氏は、「この研究では、エネルギーサービスの需要推定において正確性を高める新しい機械学習アーキテクチャの開発に関する洞察が提供されます。革新的な機械学習アーキテクチャとその恩恵は、エネルギーモデリングコミュニティにとって測定可能であり、異なる学問領域にも転用できます。」と述べています。

「正確な輸送需要の予測は、エネルギーシステムモデルと気候政策にとって重要であり、グローバルエネルギー市場の将来方向を理解するための土台ともなります」と、UCCのエネルギー工学のプロフェッサーであるBrian Ó Gallachóir氏は述べています。

一方、コロンビア大学のシニア研究員であるJames Glynn氏は、「この新しい方法は、エネルギーシステムモデルにおける新しい深層学習のアプリケーションに対する理解を強化するためのエネルギーシステムモデリングおよびデータ分析のイ

In Other News Around the World:

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です