Назад

«ЭКО-ТРАНСПОРТ: Прогнозирование и снижение эмиссии поллютантов традиционным и альтернативным транспортом»

AutoNet
TechNet
Санкт-Петербург
Санкт-Петербургский университет ГПС МЧС России
Цифровой профиль команды

Описание проекта

Описание проекта:

Цель:
Разработка методики прогнозирования выбросов загрязняющих веществ (поллютантов) для различных видов транспорта (традиционного – бензинового, дизельного, и альтернативного – электрического, водородного, гибридного) с оценкой их влияния на окружающую среду и здоровье человека.

Задачи:

  1. Анализ источников эмиссии – изучение выбросов CO₂, NOₓ, PM (твердых частиц), SO₂ и других вредных веществ от разных видов транспорта.
  2. Сбор и обработка данных – использование статистики по транспортным потокам, характеристикам двигателей, топлива, климатическим условиям.
  3. Моделирование и прогнозирование – создание математических и AI-моделей для прогноза эмиссии в зависимости от типа транспорта, загруженности дорог, погоды и др. факторов.
  4. Сравнительный анализ – оценка эффективности альтернативных видов транспорта (электромобили, водородные авто, общественный транспорт) в снижении загрязнения.
  5. Рекомендации – разработка предложений для экологичной транспортной политики (стимулы для "чистого" транспорта, оптимизация дорожного движения).

Методы:

  • Статистический анализ (регрессионные модели, временные ряды).
  • Машинное обучение (нейросети для прогноза выбросов).
  • GIS-технологии (картографирование загрязнения).
  • Экспериментальные замеры (датчики качества воздуха).

Ожидаемые результаты:

  • Прогнозные модели эмиссии поллютантов для разных сценариев.
  • Рейтинг экологичности видов транспорта.
  • Интерактивная карта загрязнения от транспорта в городах.
  • Рекомендации по снижению выбросов (для властей, бизнеса, населения).

Аудитория:

  • Экологи, урбанисты, транспортные компании.
  • Власти (для регулирования выбросов).
  • Производители авто (оптимизация технологий).
  • Население (осознанный выбор транспорта).

Инновационность:
Комплексный подход, сочетающий традиционные методы экологического мониторинга с AI-прогнозированием и анализом big data.

Команда

Контакты

НАВЕРХ