יישום מודלים מבוססי סוכנים בסימול פליטות תנועה עירונית ואיכות אוויר

מבוא למודלים מבוססי הסוכן ב- Urban Traffic and Air Quality

זיהום אוויר עירוני נשאר אחד האתגרים הסביבתיים הדוחקים ביותר העומדים בפני ערים מודרניות, עם פליטות תנועה החשבונאיות לחלק משמעותי של מזהמים מזיקים כגון תחמוצות חנקן (NOx), חלקיקים (PM2.5 ו- PM10), ותרכובות אורגניות תנודתיות (VOCs) מודלים המבוססים על הסוכן (ABMs) הופיעו כגישה חישובית מתוחכמת לסימול הדינמיקה המורכבת של מערכות תחבורה עירוניות והשפעות סביבתיות, בניגוד לתהליכי תנועה אוטונומיות, כמו גם לשיטות טיפול עצמאיות, כמו גם לשיטות טיפול עצמאיות, כמו שיטות טיפול אורגניות, כמו שיטות טיפול עצמאיות, כמו שיטות הפעלה, כמו שיטות הפעלה נפרדות, כמו גם עם שיטות טיפול אורגניות, כמו שיטות הפעלה נפרדות, כמו גם עם שיטות הפעלה נפרדות, כמו גם עם שיטות הפעלה נפרדות, וזיהומים עצמאיים, כמו שיטות טיפול אורגניות, כמו שיטות טיפול אורגניות, כמו שיטות הפעלה עצמאיות, כמו שיטות הפעלה עצמאיות, כמו שיטות הפעלה, כמו שיטות הפעלה עצמאיות, כמו שיטות הפעלה עצמאיות, כמו שיטות טיפול אורגניות, שיטות טיפול אורגניות, כמו שיטות טיפול אורגניות, כמו שיטות טיפול אורגניות, כמו שיטות טיפול אורגניות, שיטות טיפול אורגניות, כמו שיטות טיפול עצמאיות, כמו שיטות טיפול עצמאיות, כמו

הנחת היסוד של ABMs טמונה ביכולתם ללכוד תופעות מרשימות - דפוסים ברמת המערכת שעולים מאינטראקציות הלמטה-up של אינספור סוכנים בודדים. בהקשר של פליטות תנועה עירונית, זה אומר לפשט כיצד אלפי נהגים בודדים בוחרים אפשרויות נתיב, מאיץ, מרתיע, מרתיע, ומבטל בצומת דרכים לייצר באופן קולקטיבי את דפוסי זיהום העיר.

יסודות תיאורטיים של מודלים המבוססים על סוכנים עבור הרשאות

עקרונות הליבה ואדריכלות הסוכן

מודל מבוסס סוכן עבור פליטות תנועה בדרך כלל מורכב כמה מרכיבים מרכזיים.כל סוכן רכב יש תכונות כולל סוג רכב (מכונית מעקיפה, אוטובוס, משאית, אופנוע), סוג דלק (גזוליין, דיזל, חשמל, היברידי), פרופיל פליטה (grams ofמזהמים ל kilometer תחת תנאים תפעוליים שונים), ופרמטרים התנהגותיים כגון מהירות הרצויה, העדפות מסלול וקריטריונים בחירה.

כללי האינטראקציה השולטים בהתנהגות הסוכן שואבים מתיאורית זרימת התנועה והכלכלה ההתנהגותית.נהגים מקבלים החלטות בהתבסס על זמן נסיעה נתפס, היכרות כבישים, מידע תנועה בזמן אמת, וציות לתקנות התנועה:0Gipps Car-follow Models FLT:1 ו-FLT:2Nagel-Sceckenberg אוטומטי של AutomatonFalvint: הם בדרך כלל מסגרות עבור כל הדינמיקה של תנועה, כמו סימולציה, כמו סימולציה, כמו סימולציה, כמו סימולציה של מודלים, כמו סימולציה, כמו סימולציה של שיטות.

שילוב עם שיטות אסטיגמציה

(הההעברה של דינמיקת התנועה לאמדנים פליטה דורשת הפיכה של ABMs עם מודלים של גורם פליטה מבוסס: הגישות הנפוצות ביותר כוללות את ה-FLT:0US EPA MIRS (Motor Auto Emission Simulator)FLT:1, מודל ה-FLT:2 European COPERT (תוכנית חישובית מכביש) 3, מתודולוגיה ומודל ה-FIVEDFIVE (מספקת כלי רכב כבדים:2, כלומר:2.

תהליך האינטגרציה פועל במספר רב של קשקשים זמניים ומרחביים.בההחלטה המשובחת ביותר, כל מהירותו המיידית והאצה של הסוכן ממופים לשיעורי פליטה באמצעות מודלים של פליטה מודולרית.ערכים מיידיים אלה נאספים לאחר מכן בתקופות מרווחי זמן ואזורים מרחביים כדי לייצר ממציאים פליטה.

דרישות מפתח ב- Urban Traffic Emissions Simulation

הערכת אסטרטגיות המחירים של הקהילה

תמחור ההשתתפות מייצג את אחד היישומים הנלמדים ביותר של ABMs להפחתה של פליטות.על ידי הדמיה כיצד נהגים בודדים מגיבים לשיעורי מחיר שונים, מודלים יכולים לחזות שינויים בהתנהגות נסיעות, כולל שינויים בתוואי, מתגי מצב, וטיול rescheduling.The FLT:0MATSIM (Multi-Agent Transulation) LT:1, שפותחו ב-ETH, השתמשו בקריטריונים של סימולציה של סימולציה, כולל סימולציה של איכות של לונדון, כולל סימולציה, כולל סימולציה, שיפורים, סימולציה, כולל סימולציה, סימולציה, כולל סימולציות, סימולציה, כולל סימולציה, כולל סימולציה, כולל סימולציה, סימולציה, כולל סימולציה, סימולציה, סימולציה, כולל סימולציה, כולל סימולציה, נוסחאות, נוסחאות, כולל סימולציה, סימולציה, סימולציה, סימולציה, סימולציה, סימולציה, כולל סימולציה, סימולציה, כולל סימולציה, סימולציה, כולל סימולציה, כולל סימולציה, סימולציה, סימולציה, נוסחאות מהירות, כולל סימולצינורמתקני בטיחות, כולל סימולציפיפות, כולל סימולצינורמונים, כולל סימולציה, כולל נוסחאות, כולל

מחקרים מראים כי תמחור הצפיות מעוצב היטב יכול להפחית את פליטות NOx על ידי 15-30% במחוזות העסקיים המרכזיים במהלך שעות השיא. עם זאת, ABMs לחשוף קצבאות חשובות: מחירים עלולים להפחית את פליטות לאזורים היקפיים כמו נהגים המבקשים מסלולים חלופיים, פוטנציאל ליצור נקודות זיהום חדשות.אפקט חלוקה מחדש מרחבית זו מדגיש את החשיבות של כיסוי מודלים מקיף ולא להתמקד רק על אזורי טבורי.

אופטימיזציה של אות התנועה לתזמון אישור

אופטימיזציה של אותות התנועה באמצעות אבמס מציעה הזדמנויות משמעותיות להפחתת פליטה מבלי לדרוש השקעות תשתית גדולות.על ידי הדמיה של מסלולים בודדים של רכב באמצעות צמתים אותות, ABMs יכול להעריך כמה תוכניות תזמון אותות שונים להשפיע על דפוסי עצירה ואגו, אורך תורים, ואירועי האצה.FLT:0adaptive תעבורת אותות בקרת אותות F1LT:1 כגון SCOOT SCATS יכול להיות מודל בתוך מסגרת סביבתית שלהם.

מחקרים מצביעים על כך שתזמון אותות אופטימיזציה יכול להפחית את צריכת הדלק ב-5-15% ופליטת CO2 המקבילה על ידי שולי שוליות דומים.יותר חשוב, הפחתות ב- NOx ופליטות של ראש הממשלה מאירועים קשים מופחתים יכול להיות אפילו יותר משמעותי, מתקרב 20-25% בחלק מהמסדרונות.ABMs מאפשר למהנדסי התנועה להעריך את היתרונות הללו על פני תרחישים שונים של ביקוש תנועה, כולל תקופות שיא, אירועים מיוחדים, וריאציות עונתיות.

השפעות אימוץ רכב חשמלי

המעבר לרכבים חשמליים (EVs) מציג את שתי ההזדמנויות ואת האתגרים של איכות האוויר העירונית.ABMs מתאימים ייחודי כדי לדמות את ה-FLT:0spatial ותבניות זמניות של EV אימוץ EVIRFLT:1 ואת ההשפעות שלהם על פליטות.בניגוד למודלים מסורתיים אשר מתייחסים לחדירה כאחוז אחיד, ABMs יכול לייצג דפוסים של אימוץ heterogenous המבוסס על רמות הכנסה, גישה לטעינה, דפוסים, לתבניות נסיעות, וטווח.

סימלנס מראה באופן עקבי כי אימוץ EV מוקדם נוטה להתרכז בשכונות עשירות עם גישה למוסך, פוטנציאל ליצור פערים בשיפור איכות האוויר.ABMs לעזור לזהות אזורים שבהם תמריצים ממוקדים או השקעות תשתית טעינה יכולים להאיץ אימוץ למקסם את היתרונות האיכותיים של הקהילות החמצמות יותר, ABMs יכול מודל FLT:0electricity משפיע על FLT:1 של EV רחב, כולל זמן של שימוש לרעה ואפקטים עם פליטות כוח הקשורים לפליטה.

שילוב עם Air Dispersion Modeling

גישה משותפת להערכה באיכות האוויר

סימול תוצאות איכות האוויר דורש קישור של ממציאי פליטות של ABM עם מודלים פיזור אטמוספירי.ההפיכה יכולה להתבצע באמצעות FLT:0offline או גישות מקוונות LT:1 בהפיכה לא מקוון, ABM מייצרת זמן-resolved, מבוזרת מרחבית שדות פליטה כי הם קלט לפיזור מודלים כגון AERDMO פליטה CALPU, או CQMA מקבל משוב משותף.

הבחירה של גישה הפיכה תלויה בשאלות המחקר ומשאבים חישוביים הזמינים. Offline הפיכה יעילה ומיטיבה להערכה מדיניות ארוכת טווח, בעוד שמיזוג מקוון לוכד אינטראקציות דינמיות כגון כיצד התראות איכות האוויר עלולות לשנות את התנהגות הנסיעות. The FLT:0 OpenStreetMapFLT:1 נתונים דרך אינטרנט בשילוב עם פלטות ABM מאפשר פליטה בסדרות כמו 10-50 מטר, חשיפת מודלים אזוריים בדגמים אזוריים בלתי נראים.

זיהוי נקודות חמות זיהום ואוכלוסיות Vulnerable

אחת האפליקציות החשובות ביותר של דגמי ABM-dispersion היא זיהוי של נקודות חמות (FLT:0pollution HotspotsssIRLT:1 - מיקומים שבהם פליטות התנועה לייצר ריכוזים גבוהים באופן לא פרופורציונלי. נקודות חמות אלה בדרך כלל להתרחש ליד צמתים גדולים, שינויים מהירים ותחומים עם צפיפות גבוהה בשילוב עם תנאי פיזור נמוכים כגון מעברים רחוב.

מעבר לזיהוי נקודות חמות, מודלים אלה מאפשרים הערכה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה לחשיפה סביבתית:0 (FLT:0) לחשיפה לחשיפה לחשיפה לחשיפה סביבתית, כפי שחוקרים מראים באופן עקבי שקהילות בעלות הכנסה נמוכה ומיעוט לעתים קרובות נושאים עול זיהום אוויר לא פרופורציונלי.ABMs עוזרות כדי לכמת כיצד תרחישי מדיניות שונים משפיעים על פערים, תמיכה בקבלת החלטות שוות ערך.

מחקרים ויישומים אמיתיים

לונדון: אופטימיזציה של אזור המטען

התחבורה ללונדון (TfL) השתמשה ב-ABM מתקרבת לחדד את תוכנית הטעינה של עומס המזהמים שלה מאז יישום בשנת 2003:0.2016 Travelביקוש ModelFLT:1, אשר משלבת אלמנטים מבוססי הסוכן, מדמה כיצד שינויים באזורי הטעינה, רמות התמחור, ושעות של ניתוח משפיעים על דפוסי התנועה והפליטות.

סימולציות עדכניות יותר העריכו את אזור ההפוגה של אולטרה-נמוך (ULEZ), אשר מטילה סטנדרטים נוקשים יותר על פליטת מכוניות ולא על עומס.דמיות של ABM הראו כי שילוב של תמחור עם דרישות ULEZ יכול להשיג הפחתה של 30-40% במרכז לונדון, תוך צמצום ההפרעה הכלכלית.המודלים חשפו גם תשובות התנהגותיות חשובות, כולל הגדלת האימוץ של כלי רכב ושינויים ציבוריים, אשר תרמו למטרות רחבות יותר.

לוס אנג'לס: מעבר להתרחבות וההפצה

האגודה הדרומית של ממשלות (SCAG) מעסיקה מסגרות ABM כדי להעריך תוכניות תחבורה לטווח ארוך עבור אזור המטרופולינים לוס אנג'לס.שימוש ב-FLT:0PO טריליון דולר מבוסס מודלFLT:1 שפותח על ידי Argonne National Laboratory, החוקרים סימולציה את ההשפעות של הרחבה נרחבת, כולל קווי רכבת קלה חדשים, מסדרונות תחבורה מהירים, וראשון קילומטר / חיידקנות.

תוצאות הראו כי הרחבת המעבר לבדה יכולה להפחית את טווחי רכב אזוריים (VMT) על ידי 6-10% עד 2040, עם הפחתות המקבילות בפליטת CO2 של 8-12%, עם זאת, היתרונות האיכותיים השונים באופן משמעותי על פני מזהמים ומיקומים.הפחתה של PM2.5 היו צנועים יותר (35%) בשל המשך הדומיננטיות של משאיות משא וכלי רכב מבוגרים במסדרונות מסוימים.

בייג'ינג: מדיניות הגבלת רכב במהלך פרקי זיהום

בייג'ינג יישמה כמה ממדיניות הגבלת התנועה האגרסיבית ביותר בעולם כדי להילחם במקרים חמורים של זיהום אוויר.FLT:0Agent-based Models כבר אינסטרומנטאליFLT:1 בהערכה של מדיניות זו, הכוללת מגבלות מוזרות של רישיון אוויר, איסורים נהיגה זמניים במהלך אזהרות אדומות, והגבלות על כלי רכב גבוהים של בייג'ינג'ינג'ינג'ינג'ינג פיתחו A מותאם אישית, אשר מדמיינת כיצד נהגים בודדים מגיבים להתנהגויות פוטנציאליות והתנהגויות אלה, כולל מגבלות של סטיות והגבלות על בעיות של ⁇ .

תוצאות סימבול הראו כי הגבלות מוזרות-אפילו במהלך התראות אדומות עלולות להפחית את פליטות התנועה ב-25-35% בתוך האזורים המוגבלים.עם זאת, המודלים גם חשפו תוצאות בלתי מכוונות: חלק מהמשקל רכש כלי רכב שני להגבלות על מנת לעקוף, ועומס התנועה לעתים קרובות על כבישים מחוץ לאזורים המוגבלים.

שטוקהולם: אינטגרציה ציבורית ושילוב תחבורה

מערכת התמחור של שטוקהולם, המיושמת לצמיתות בשנת 2007 לאחר משפט מוצלח, נחקרה באופן נרחב באמצעות גישות ABM.TheFLT:0Stockholm טעינה מבחן הערכה של ניסוי FLT:1 משולב סימולציות מבוסס סוכן כדי לנתח תשובות התנהגותיות על פני קבוצות דמוגרפיות שונות.המודלים גילו כי השילוב של תמחור גודש עם שירות תחבורה ציבורית מורחבת המיוצר הפחתה גדולה יותר מאשר התערבות לבד.

למרבה הצער, הסימולציות של ABM הראו כי המטען של עומס הצמצמו את התנועה הפנימית ב-20-25%, עם הפחתה נאותה של NOx של 10-15% ו- PM10 של 15-20%.היתרונות הסביבתיים נמשך לאורך זמן, עם רק אפקטים חוזרים צנועים כמו נהגים המותאמים למערכת החדשה.המודלים גם הדגישו שיקולים של הון עצמי: בעוד נהגים בעלי הכנסה נמוכה הושפעו באופן לא פרופו באופן לא פרופורציונלי מהחיוב, הם גם נהנות ביותר מתחומים מהירים ושיפורים של שירות אווירי אווירי איכות ורחבה.

אתגרים טכניים ומגבלות

מורכבות קולקטיבית ו Scalability

אחת המגבלות העיקריות של ABMs עבור סימולציה של פליטות עירוניות היא (FLT:0) עלות גבוהה ⁇ FLT:1 ; סימולציה של מיליוני סוכנים בודדים על פני אזורים מטרופוליניים גדולים עם פתרון שנייה-שנית מייצרת דרישות חישוביות עצומות.סימולציה טיפוסית של לוס אנג'לס קאונטילי ליום אחד עשויה לכלול 5-10 מיליון סוכני רכב ודורשת 2448 שעות של עיבוד על גבי ביצועים גבוהים.

(ב) כמה אסטרטגיות מתייחסות לאתגר זה.(FLT:0) ארכיטקטורות מחשוב של פלנל 3 (FLT:1) להפיץ חישובים הסוכן על פני מעבדים מרובים, בעוד FLT:2 גישות של הגדלת חומרים לגרות-מ"מ-מ-מחדש" 3) סוכנים עם מאפיינים דומים כדי להפחית עומס חישובי חישובי.מכונות תחליפים מפורטים יכולים להיות מודלים של תרחישים לא מדומים, המאפשרים לצמצום מהיר יותר של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של .

דרישות נתונים ואתגרי קליברציה

ABMs דורש נתונים פרמטרים ו calibrationFLT:1, כולל סקרים מפורטים של מקור-destination, ספירות תנועה, הרכב, גיאומטריה רשת כבישים, תוכניות תזמון ופרמטרים התנהגותיים.בערים רבות, במיוחד באזורים מתפתחים, נתונים אלה עשויים להיות לא שלמים, מיושנים, או לא זמינים.

מקורות נתונים מתעוררים מציעים הזדמנויות לטפל במגבלות אלה.FLT:0Mobile מיקום נתונים מיקום הטלפון של 1FLT:1 מרשתות סלולריות מספק תצפיות בקנה מידה גדול של דפוסי נסיעות, בעוד נתוני GPS מאפליקציות ניווט ומערכות ניהול צי מציעים מידע מסלול מפורט.FLT:2Remote ensing נתונים מדויקים יותר של פליטות רכב 3 באמצעות חיישנים צד דרכים מספק תצפיות ישירות של שיעורי פליטה בודדים, המאפשרות מדויקות יותר של נתונים מדויקים וטכניקות מדידה.

כיוונים עתידיים ומגמות מתפתחות

שילוב עם Real-Time Data Streams

הדור הבא של פליטות תנועה יכיל יותר ויותר את FLT:0 â € â ¢ â ¢ â ¢ â ¢ ¢ ¢ â ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ¢ ⁇ ¢ ¢ ⁇ ⁇ ⁇ ¢ ⁇ ⁇ ⁇ ⁇ ⁇ ¢ ⁇ ⁇ ¢ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ¢ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ הדור הבא הדור הבא הדור הבא הדור הבא של הדור הבא של הדור הבא של הדור הבא של הדור הבא של ייצור נתונים של ייצור נתונים של הדור הבא של הדור הבא של ⁇ â â â ⁇ ⁇ â â ⁇ ⁇

לדוגמה, ABM בזמן אמת יכול לזרז את נתוני התנועה מאלפי כלי רכב מחוברים כדי לחזות היווצרות של 30-60 דקות מראש, ולאחר מכן להתאים את תזמון האות או להמליץ על נתיבים חלופיים למזער פליטות.אינטגרציה עם רשתות חיישן איכות אוויר תאפשר אימות של תחזיות מודל וזיהוי של נקודות זיהום מתעוררות.

התקדמות ב-Emission Modeling

מודלים של גורם פליטה מסורתי מתווספים על ידי FLT:0 machine Learning גישות ההרחבה 1 (FLT:1 כי לומד מערכות יחסים פליטה ישירות ממאגרי נתונים גדולים. רשתות נילי מאומן על מערכת מדידה ניידת (PEMS) יכול לחזות שיעורי פליטה מיידיים עם דיוק גבוה יותר מאשר מודלים אנליטיים, במיוחד בתנאי הפעלה טרנספורמטים אלה ניתן לשלב בצורה חלקה לתוך מסגרות, החלפת מראה עם פונקציות מורכבות, והתנהגויות סביבתיות.

פיתוח מודל פליטה (FLT:0) מפולג (FLT:0) מודל פליטות פלוליטיות פלוטיות (FLT:1) שבו זמנית לחזות CO2, NOx, PM, ומזהמים אחרים עם מתודולוגיה עקבית מייצגת התקדמות חשובה נוספת.

שיפור התנהגות

הדיוק של סימולציות פליטות מבוססות ABM תלוי בביקורתיות בריאליזם של כללי התנהגות הסוכן.מחקר נוכחי מתמקד בשילוב של סימולציה:0bounded רציונליות, למידה, והתאמה של FLT:1 לתוך קבלת החלטות הסוכן. במקום להניח אופטימיזציה מושלמת של אפשרויות נסיעות, סוכנים צריכים לשקף מגבלות קוגניטיביות מציאותיות, התנהגות רגילה, למידה הדרגתית מניסיון.

תהליכי השפעה חברתית – כיצד המידע מתפשט באמצעות רשתות חברתיות ומשפיע על התנהגות הנסיעות – מייצגים עוד גבול, הבנה כיצד תפיסות של איכות תחבורה ציבורית, הטבות EV, או פיזור ההוגנות של תמחור התמחור, יכולות לשפר את התחזיות של אימוץ מדיניות ותגובה התנהגותית.

מדיניות כפלות וסיוע החלטות

שיפור תוצאות של ABM בתהליכי תכנון

כדי ש-ABMs ישפיעו ביעילות על מדיניות עירונית, יש להעביר תוצאות סימולציה בצורות נגישות למקבלי ההחלטות ובעלי העניין.FLT:0.0.000 פלטפורמות ניתוח וירטואליותFLT:1 המציגות דפוסים פליטה, השפעות איכות האוויר, ותוצאות בריאותיות על מפות אינטראקטיביות מאפשרות חקר אינטואיטיבי של תוצאות.FLT:2DashboardsFLT 3, אשר מסכמים ביצועים מרכזיים - אינדיקטורים מוחלטים, חשיפה להשקעות, ומאפשרות, חלופות מהירות.

הפיתוח של ההרחבה:0.פתוח-מקור ABMפלטפורמותsearFLT:1 , כגון MATSIM, SUMO (Simulation of Urban MObility), ו- BEAM מקדם שקיפות וחידוש בניתוח מדיניות.פלטפורמות אלה מאפשרות אימות עצמאי של תוצאות מודל להקל על פיתוח שיתופי בין מוסדות מחקר וסוכנויות תכנון. Standardization של מודלים קלטות, תפוקה, ופרוטוקולים אימות חיוני עבור פיתוח מודל תומך.

שילוב של ABMs עם Health Impact Assessment

הרלוונטיות הסופית של סימולציות פליטות מבוססות ABM תרגם את השינויים בריכוזים מזוהמים בתוצאות הבריאות האנושית. הערכת ההשפעה של הערכת בריאות מסגרות של ABMLT:1] תרגם בריכוזים מזוהים לאמדנים של תמותה ונטל תחלואה, המאפשר ניתוח עלות של התערבות מדיניות.כאשר יחד עם שרשראות של פירוק היתרה, מסגרות אלה יכולות ליישר את ניתוח מדיניות הבריאות של פעולות אלה.

כלי ה-FLT:0 [BenMAPFLT] 1 (Benefits Mapping and Analysis Program) שפותח על ידי EPA מספק מתודולוגיה סטנדרטית להפחתת הטבות בריאות משיפורים באיכות האוויר.אינטגרציה עם פלטים של ABM מאפשרת חישובים בעלי השפעה מרחבית מפורשת כי ללכוד פערים בשכונות וקבוצות דמוגרפיות באמצעות גישה זו יחד הוכיחו כי הפחתה משמעותית של מאות ערים יכולות למנוע עלייה משמעותית של 5 מעלות לפני הספירה, לעתים קרובות, על ידי שימוש ב- 10 גורמים מוקדמים של יעילות של מדיניות.

מסקנה

מודלים מבוססי סוכנים ביססו את עצמם ככלי חיוני להבנה וניהול היחסים המורכבים בין תחבורה עירונית לאיכות אוויר. על ידי ייצוג נהגים בודדים, כלי רכב, ומטיילים כסוכנים אוטונומיים עם כללים התנהגותיים ריאליים, ABMs ללכוד דפוסי זיהום בולטים כי מודלים מצטברים מסורתיים לא יכולים לשחזר.היכולת שלהם לדמות התערבות מדיניות - מתמחור גודש ואופטימיזציה ל- EVs והתרחבות - עם פתרונות מרחביים וזמניים מספקת החלטות לפתרון החלטות עם תובנות על ידי יצירת תובנות בריאים יותר.

האבולוציה המתמשכת של טכנולוגיית ABM, המונעת על ידי התקדמות בכוח מחשוב, זמינות נתונים בזמן אמת ומדע התנהגותי, תשפר עוד יותר את היכולות החיזוייות שלהם ואת התועלת המעשית.שילוב של ABMs עם מודלים של פיזור אוויר, כלי הערכת השפעה בריאות, ומסגרות תאום דיגיטליות מבטיחות עתיד שבו ניהול סביבתי עירוני הוא יותר ויותר מבוסס ראיות, הסתגלות ושוויון.