Theo Hindustantimes Tech, các ứng dụng bản đồ có tính năng định tuyến này thường xuyên nắm bắt thông tin chi tiết của những người dùng đang lái xe khi sử dụng công nghệ GPS để lập kế hoạch và điều hướng các tuyến đường. Dẫn lời nghiên cứu mới được công bố trên tạp chí Weather của Hiệp hội Khí tượng Hoàng gia, số dữ liệu này có thể là vô giá đối với các nhà nghiên cứu khi mà họ luôn cần hiểu rõ về luồng giao thông thực tế trên đường.
Tại Anh, các dữ liệu phát thải từ giao thông đường bộ hiện tại được Cơ quan Kiểm kê Phát thải Khí quyển Quốc gia đối chiếu và thu thập từ nhiều nguồn khác nhau. Số dữ liệu này được đưa vào các báo cáo hằng năm để chứng minh sự tuân thủ các mục tiêu phát thải. Nhiều mô hình báo cáo chất lượng không khí truyền thống hiện nay vẫn dựa trên giả định rằng luồng giao thông sẽ luôn duy trì ở tốc độ giới hạn theo luật định - trong khi ở nhiều khu vực, nhất là các đô thị lớn, lưu lượng giao thông thậm chí thay đổi theo từng khung giờ trong ngày. Thêm vào đó, các mô hình này cũng bỏ qua chi tiết về các con đường hoặc nút giao thông riêng lẻ có thể là điểm nóng về khí thải vào các thời điểm cụ thể trong ngày (ví dụ như giờ cao điểm).
Mặc dù các nhà quy hoạch thành phố có thể thu được thông tin chi tiết hơn khi tiến hành thiết kế, bố trí lại các kế hoạch cải thiện giao thông, nhưng nó sẽ đòi hỏi một sự tốn kém khá lớn cho các đơn vị tư vấn. Các nhà nghiên cứu lập luận rằng việc tận dụng dữ liệu có nguồn gốc cộng đồng từ các ứng dụng định tuyến như Google Maps hay Here Maps có thể cung cấp một giải pháp thay thế với chi phí thấp và hiệu quả cao.
Người dẫn đầu cuộc nghiên cứu là tiến sĩ Helen Pearce, một nhà nghiên cứu tại Học viện Địa lý, Trái đất và Môi trường của Đại học Birmingham, cho biết: "Đã có nhiều hướng dẫn và chính sách về quản lý chất lượng không khí dựa trên ảnh chụp thời gian hằng giờ và lượng giao thông trung bình vào một ngày điển hình trong năm. Khó khăn là giao thông thực tế có thể thay đổi rất nhiều trong khoảng thời gian đó và thậm chí tùy theo mỗi con đường, vì vậy để đưa ra các quyết định thực sự hiệu quả trong thực tế, chúng tôi cần có khả năng truy cập và sử dụng các nguồn thông tin chất lượng, chi tiết hơn".
Phương pháp do nhóm đề xuất hiện đã được thử nghiệm trên những con đường ở trung tâm thành phố Birmingham. Thông tin về thời gian cần thiết để di chuyển trên một loạt con đường được lấy thông qua API của nhà cung cấp bản đồ (giao diện lập trình ứng dụng). Điều này về mặt khái niệm tương tự như phương pháp mà một cá nhân sẽ thực hiện để tính toán thời gian của một hành trình, nhưng bằng cách sử dụng API, các nhà nghiên cứu có thể lấy thông tin cho nhiều con đường và vào nhiều thời điểm trong ngày.
Sau một nghiên cứu sơ bộ thành công, nhóm nghiên cứu đã mở rộng quy mô thử nghiệm của họ để bao gồm 920 liên kết đường chính xuyên qua trung tâm thành phố Birmingham, trích xuất thông tin về những con đường này theo chu kỳ hằng giờ. Các nhà nghiên cứu nhận thấy rằng họ có thể chứng minh rõ ràng những thay đổi trong lưu lượng giao thông điển hình giữa các ngày trong tuần, các ngày cuối tuần và khi có diễn ra các sự kiện xã hội.
Các nhà nghiên cứu cho rằng dữ liệu phát thải thu được từ ứng dụng dẫn đường có tính thực tế theo từng khung giờ trong ngày Ảnh: Pexels
|
Sau đó, nguồn dữ liệu phát thải liên quan đến tốc độ này có thể được kết hợp tính toán cùng nhiều nguồn dữ liệu giá trị khác, bao gồm cả các nguồn dữ liệu từ Sở Môi trường, Thực phẩm và Các vấn đề nông thôn và Sở Giao thông vận tải. Thông tin này cũng giúp các nhà nghiên cứu tính đến sự phân chia tương đối giữa động cơ xăng và động cơ diesel.
Tiến sĩ Zhaoya Gong, một tác giả khác của nghiên cứu cho biết: “Cách tiếp cận của chúng tôi có thể cung cấp những hiểu biết quan trọng về hành vi của phương tiện trong thế giới thực. Khi chúng ta bắt đầu thấy nhiều xe điện và xe hybrid hơn trên đường thì cũng là lúc bức tranh khí thải bắt đầu phức tạp hơn vì mặc dù có ít khí thải trực tiếp hơn, nhưng chúng ta vẫn chứng kiến sự ô nhiễm từ phanh, lốp và sự mài mòn mặt đường - tất cả những điều này đều sẽ thay đổi đáng kể theo tốc độ của xe. Vì vậy, loại dữ liệu này sẽ rất quan trọng để phát triển các mô hình phát thải một cách chính xác".
Bình luận (0)