Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Gegen dicke Luft

08.06.2015

Siemens hat eine intelligente Software auf Basis künstlicher neuronaler Netze entwickelt, die den Luftverschmutzungsgrad in Großstädten präzise und mehrere Tage im Voraus vorhersehen kann. Für Ballungszentren und ihre Bewohner kann sie eine Hilfestellung sein, ihre Stadt smarter und nachhaltiger zu gestalten und somit die Lebensqualität zu erhöhen.

Städte gelten seit jeher als Motoren des industriellen Wachstums und bieten ihren Einwohnern Chancen für Beschäftigung und Wohlstand. Kein Wunder also, dass seit 2009 und erstmals in der Geschichte der Menschheit mehr als die Hälfte der Weltbevölkerung in diesen Ballungszentren lebt – Tendenz steigend: Bis 2050 werden 70 Prozent der Menschen weltweit in Städten wohnen und somit fast so viele, wie heute auf der Erde leben.


Smog über Shenyang, der Hauptstadt der Region Liaoning im Nordosten Chinas. Smogalarm ist in Chinas Metropolen mehr Regel denn Ausnahme.


Fahrradfahrer im Pekinger Abgasnebel

Doch die Kehrseite dieser Urbanisierung ist schnell erkannt: Der Einwohnerboom stellt eine enorme Herausforderung für die städtische Infrastruktur dar, die vielerorts an ihre Grenzen stößt. So siedeln sich heute mehr als 50 Prozent der Weltbevölkerung auf knapp zwei Prozent der Erdoberfläche an.

Das Resultat: Den urbanen Zentren werden heute mit ihrem Verkehr, der Industrie und der Energienachfrage bis zu 70 Prozent der weltweiten Treibhausgasemissionen zugeschrieben.

Städte erzeugen somit im wahrsten Sinne des Wortes dicke Luft. Und die ist für ihre Bewohner zunehmend schlechter bekömmlich: Laut einer Analyse der Weltgesundheitsorganisation (WHO) vom Mai 2015 atmen fast 90 Prozent der weltweiten Stadtbevölkerung Luft ein, deren Schadstoffbelastung deutlich über den empfohlenen Grenzwerten liegt.

Herausforderung für Stadtbewohner

Und das hat Folgen: Nach Angaben der Weltgesundheitsbehörde sterben jedes Jahr rund sieben Millionen Menschen an den Folgen von Luftverschmutzung. Somit ginge jeder achte Todesfall weltweit auf verschmutzte Luft zurück.

Doch zeigt sich die WHO auch optimistisch. Laut der Organisation haben Städte die Möglichkeit, ihre Luftqualität durch lokale Maßnahmen deutlich zu verbessern – sei es mittels moderner und effizienter Lösungen für eine smarte Infrastruktur oder aber auch mit einfachen, kurzfristig umsetzbaren Maßnahmen wie Verkehrsregelungen oder lukrativen Angeboten für Fußgänger und Radfahrer. Idealerweise gezielt dort, wo die Luftverschmutzung am größten ist. Allerdings setzt dies ein Wissen über die zeitliche und lokale Entwicklung der Schadstoffbelastung voraus.

Wann und wo: Präzise Vorhersage der Luftverschmutzung

Diese Herausforderung nimmt Dr. Ralph Grothmann von der zentralen Siemens-Forschung Corporate Technology (CT) an. Der Wissenschaftler hat für das Projektvorhaben „Mayor Cockpit“ des Deloitte Analytics Institute Prognosemodelle auf Basis neuronaler Netze entwickelt, die den Luftverschmutzungsgrad in Großstädten präzise und mehrere Tage im Voraus vorhersehen können. „Neuronale Netze sind Computermodelle, die ähnlich arbeiten wie ein menschliches Gehirn. Sie lernen durch Training, Zusammenhänge zu erkennen und so Vorhersagen zu treffen“, erklärt Grothmann. Was ein wenig nach Science Fiction klingt, hat sich bei Siemens bereits seit vielen Jahren und in mehreren Branchen bewährt – zum Beispiel bei der Prognose von Konjunkturentwicklungen oder Rohstoffpreisen, und sogar bei der zu erwartenden Stromausbeute bei Erneuerbaren Energien.

Pilotprojekt London

Während der Entwicklung des Prognosesystems hat der Siemens-Forscher auf Wetter- und Emissionsdaten zurückgegriffen, welche die Stadt London mit rund 150 im Stadtgebiet verteilten Sensor-Messstationen ermittelt und zur Verfügung stellt. „Mit diesen Daten konnten wir unser System trainieren. Konkret handelt es sich um Emissionsgrößen wie Kohlenmonoxid, Kohlendioxid oder Stickoxide, deren Entwicklung wir mit den Wetterdaten aus der gleichen Zeit verknüpft haben. Das betrifft die Luftfeuchtigkeit, die Sonneneinstrahlung, den Bedeckungsgrad oder auch die Temperatur“, beschreibt Grothmann. Hinzu kommt die Programmierung kalendarischer Effekte, die verschiedene Verkehrscharakteristika aufweisen. Also etwa Werktage, Brücken- und Feiertage sowie Informationen über Events, beispielsweise Messen oder Sportveranstaltungen.

Das künstliche neuronale Netz hat die Aufgabe, aus diesen Daten und der Wettervorhersage die Luftverschmutzung mit ihren verschiedenen Ausprägungen vorherzusagen – via „Learning by doing“. Zu Beginn weiß es somit nicht, welche Variable sich wie auswirkt, und die Prognose weicht entsprechend stark von den tatsächlich gemessenen Emissionen ab. Im Training minimiert das Programm in hunderten Iterationen die Differenz zwischen seiner Prognose und dem Ist-Wert. Es ändert die Gewichtung der einzelnen Parameter und wird immer genauer.

„Heute ist unser System nicht nur in der Lage, die Luftverschmutzung an 150 Orten der Stadt für jede Stunde der nächsten drei Tage und mit einer Fehlerquote von unter zehn Prozent vorauszusagen“, erklärt Grothmann. „Aus unseren Ergebnissen lässt sich auch schließen, was die Haupttreiber der prognostizierten Luftverschmutzung sein werden.“

Hilfestellung für das Identifizieren von Maßnahmen

Nur: Allein eine solche Prognose hilft Städten natürlich nicht, ihre Luftverschmutzung zu bekämpfen. Dafür braucht es Maßnahmen. Auf Basis der Prognose-Software können sie gezielter umgesetzt werden. „Wenn unser System beispielsweise für die kommenden zwei Tage an bestimmten Stellen Londons überdurchschnittliche verkehrsbedingte Schadstoffbelastungen prognostiziert, könnten die temporäre Anhebung der Londoner City-Maut, eine stundenweise Durchfahrtssperre für LKW in diesem Bereich oder attraktivere Angebote für den öffentlichen Nahverkehr mögliche spontan umsetzbare Maßnahmen sein“, so Ralph Grothmann.

Doch nicht nur Maßnahmen im Verkehrs- oder Industrie- und Energiesektor ließen sich aus der Siemens-Software ableiten, sondern auch ein erweiterter Service für Bürger, die Orte und Zeiten der hohen Schadstoffbelastung meiden wollen. So könnten sich die Einwohner etwa im Rahmen eines Onlineservices informieren, wann und wo ihre Joggingrunde hinsichtlich der prognostizierten Belastungen in den nächsten Tagen am besten wäre – nicht nur in London, sondern auch in München oder Berlin und vielen weiteren Städten weltweit: „Unser System lässt sich theoretisch auf alle Städte ausweiten – vorausgesetzt, sie messen ihre Luftzusammensetzung“, schließt Grothmann ab.

Ob Hilfestellung oder Service für den gesundheitsorientierten Bürger: Die Prognose-Software von Siemens bietet Städten ein Sprungbrett für eine effiziente, nachhaltige und smarte Zukunft, in der sie ihren Bürgern eben nicht nur Chancen für Entwicklung, Beschäftigung und Wohlstand bieten, sondern auch saubere Luft zum Atmen.

www.siemens.com

Kontakt für Journalisten
Florian Martini
Tel.: +49 (89) 636-33446

Sebastian Webel | Siemens - Pictures of the Future

Weitere Nachrichten aus der Kategorie Ökologie Umwelt- Naturschutz:

nachricht Von der Weser bis zur Nordsee: PLAWES erforscht Mikroplastik-Kontaminationen in Ökosystemen
20.09.2017 | Universität Bayreuth

nachricht Der Monsun und die Treibhausgase
18.09.2017 | Forschungszentrum Jülich

Alle Nachrichten aus der Kategorie: Ökologie Umwelt- Naturschutz >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: The pyrenoid is a carbon-fixing liquid droplet

Plants and algae use the enzyme Rubisco to fix carbon dioxide, removing it from the atmosphere and converting it into biomass. Algae have figured out a way to increase the efficiency of carbon fixation. They gather most of their Rubisco into a ball-shaped microcompartment called the pyrenoid, which they flood with a high local concentration of carbon dioxide. A team of scientists at Princeton University, the Carnegie Institution for Science, Stanford University and the Max Plank Institute of Biochemistry have unravelled the mysteries of how the pyrenoid is assembled. These insights can help to engineer crops that remove more carbon dioxide from the atmosphere while producing more food.

A warming planet

Im Focus: Hochpräzise Verschaltung in der Hirnrinde

Es ist noch immer weitgehend unbekannt, wie die komplexen neuronalen Netzwerke im Gehirn aufgebaut sind. Insbesondere in der Hirnrinde der Säugetiere, wo Sehen, Denken und Orientierung berechnet werden, sind die Regeln, nach denen die Nervenzellen miteinander verschaltet sind, nur unzureichend erforscht. Wissenschaftler um Moritz Helmstaedter vom Max-Planck-Institut für Hirnforschung in Frankfurt am Main und Helene Schmidt vom Bernstein-Zentrum der Humboldt-Universität in Berlin haben nun in dem Teil der Großhirnrinde, der für die räumliche Orientierung zuständig ist, ein überraschend präzises Verschaltungsmuster der Nervenzellen entdeckt.

Wie die Forscher in Nature berichten (Schmidt et al., 2017. Axonal synapse sorting in medial entorhinal cortex, DOI: 10.1038/nature24005), haben die...

Im Focus: Highly precise wiring in the Cerebral Cortex

Our brains house extremely complex neuronal circuits, whose detailed structures are still largely unknown. This is especially true for the so-called cerebral cortex of mammals, where among other things vision, thoughts or spatial orientation are being computed. Here the rules by which nerve cells are connected to each other are only partly understood. A team of scientists around Moritz Helmstaedter at the Frankfiurt Max Planck Institute for Brain Research and Helene Schmidt (Humboldt University in Berlin) have now discovered a surprisingly precise nerve cell connectivity pattern in the part of the cerebral cortex that is responsible for orienting the individual animal or human in space.

The researchers report online in Nature (Schmidt et al., 2017. Axonal synapse sorting in medial entorhinal cortex, DOI: 10.1038/nature24005) that synapses in...

Im Focus: Tiny lasers from a gallery of whispers

New technique promises tunable laser devices

Whispering gallery mode (WGM) resonators are used to make tiny micro-lasers, sensors, switches, routers and other devices. These tiny structures rely on a...

Im Focus: Wundermaterial Graphen: Gewölbt wie das Polster eines Chesterfield-Sofas

Graphen besitzt extreme Eigenschaften und ist vielseitig verwendbar. Mit einem Trick lassen sich sogar die Spins im Graphen kontrollieren. Dies gelang einem HZB-Team schon vor einiger Zeit: Die Physiker haben dafür eine Lage Graphen auf einem Nickelsubstrat aufgebracht und Goldatome dazwischen eingeschleust. Im Fachblatt 2D Materials zeigen sie nun, warum dies sich derartig stark auf die Spins auswirkt. Graphen kommt so auch als Material für künftige Informationstechnologien infrage, die auf der Verarbeitung von Spins als Informationseinheiten basieren.

Graphen ist wohl die exotischste Form von Kohlenstoff: Alle Atome sind untereinander nur in der Ebene verbunden und bilden ein Netz mit sechseckigen Maschen,...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

11. BusinessForum21-Kongress „Aktives Schadenmanagement"

22.09.2017 | Veranstaltungen

Internationale Konferenz zum Biomining ab Sonntag in Freiberg

22.09.2017 | Veranstaltungen

Die Erde und ihre Bestandteile im Fokus

21.09.2017 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

11. BusinessForum21-Kongress „Aktives Schadenmanagement"

22.09.2017 | Veranstaltungsnachrichten

DFG bewilligt drei neue Forschergruppen und eine neue Klinische Forschergruppe

22.09.2017 | Förderungen Preise

Lebendiges Gewebe aus dem Drucker

22.09.2017 | Biowissenschaften Chemie