Nuovo metodo per migliorare la politica climatica

May 31, 2023

Ricercatori dell’University College Cork (UCC) e della Columbia Universityhanno sviluppato nuove ricercheciò migliorerà l’accuratezza della stima della futura domanda di trasporto passeggeri e merci, che collettivamente rappresentano il 20% delle emissioni globali di gas serra.

Le Nazioni Unite stimano che la popolazione mondiale potrebbe crescere da 7,7 miliardi di persone nel mondo nel 2019 a circa 9,7 miliardi nel 2050. L’ulteriore crescita demografica ed economica porterà probabilmente ad un aumento della domanda di servizi di trasporto.

La riduzione delle emissioni legate ai trasporti rimane una sfida considerevole per la politica climatica. Fino ad ora, le attività di proiezione della domanda di trasporto venivano gestite simulando la domanda o utilizzando un’analisi basata sulla regressione. Ora, attraverso questa ricerca dell’UCC e della Columbia, i paesi di tutto il mondo saranno in grado di stimare con maggiore precisione le future richieste di trasporto.

Questa ricerca, pubblicata su Scientific Reports, introduce un nuovo approccio innovativo al machine learning chiamato TrebuNet. I risultati dimostrano che questa nuova architettura TrebuNet raggiunge prestazioni superiori rispetto sia ai metodi di regressione tradizionali che ai più recenti metodi di rete neurale e di apprendimento automatico all’avanguardia. I miglioramenti si estendono alla proiezione della domanda regionale per tutte le modalità di trasporto su orizzonti temporali a breve, decennale e medio termine.

Siddarth Joshi, che ha condotto questa ricerca nell'ambito del suo dottorato di ricerca in Ingegneria Energetica presso l'UCC, ha commentato: "Questo studio fornisce approfondimenti sullo sviluppo di una nuova architettura di apprendimento automatico che aumenta la precisione nella stima delle richieste di servizi energetici di trasporto. L'architettura innovativa di apprendimento automatico e i suoi benefici sono misurabili per la comunità della modellazione energetica e sono trasferibili a diverse discipline."

"Non solo le proiezioni accurate della domanda di trasporti sono importanti per i modelli del sistema energetico e la politica climatica, ma fungono anche da [una] spina dorsale per comprendere la direzione futura dei mercati energetici globali", ha affermato Brian Ó Gallachóir, professore di ingegneria energetica dell'UCC.

Il dottor James Glynn, ricercatore senior presso la Columbia University, ha aggiunto: "Questo nuovo metodo dimostra innovazione nella modellazione dei sistemi energetici e nell'analisi dei dati per risolvere la debolezza nella comprensione delle prospettive all'interno dei modelli dei sistemi energetici per nuove applicazioni di deep learning. Questo ci aiuta a rimuovere l'incertezza in percorsi di decarbonizzazione.La decarbonizzazione dei trasporti in linea con gli obiettivi globali di zero emissioni nette entro il 2050 richiede un’azione urgente sul clima.La collaborazione tra Columbia SIPA e UCC sta portando a nuovi approcci nella modellazione dei sistemi energetici e nella scienza dei dati per fornire strumenti e ricerche basate sull’evidenza per i decisori progettare una politica climatica."

- Il presente comunicato stampa è stato originariamente pubblicato sul sito web dell'University College Cork