L'intelligence artificielle analyse les émissions de CO2 du trafic
Une équipe de l'Empa utilise l'intelligence artificielle pour analyser les émissions de CO2 du parc automobile suisse. Grâce à la nouvelle méthode, les bases de données du monde entier seront comparables.
Une méthode d’analyse développée à l’Eidgenössische Materialprüfungs- und Forschungsanstalt ( Empa ) peut faire des déclarations sur la façon dont la consommation du parc automobile d’un pays change d’une année à l’autre. Cette nouvelle méthode est basée sur les mathématiques et les techniques d’apprentissage en profondeur. Selon une communication , il est capable de montrer où les politiciens et les acheteurs de voitures pourraient commencer à réduire les émissions de CO2.
L’analyse est devenue de plus en plus difficile ces dernières années. Parce que les véhicules ne peuvent plus être divisés en segments classiques tels que les classes petites, moyennes et de luxe en raison des innovations techniques. De plus, les nouveaux véhicules sont de plus en plus gros et lourds. De plus, les cylindrées diminueraient, tandis que le rendement des moteurs s’améliorerait en même temps.
C’est pourquoi le département Empa Vehicle Drive Systems décrit sa technologie d’analyse comme une « percée importante » : elle permet « d’évaluer séparément les émissions de CO2 et d’effectuer une classification automatique précise des véhicules en analysant de grandes bases de données », explique le chercheur Naghmeh Niroomand. « Cela facilite l’analyse de l’évolution de la flotte d’un pays ou d’une grande entreprise. » Grâce à cette nouvelle méthode, les « facteurs subjectifs et experts » seraient supprimés et les bases de données du monde entier pourraient être comparées.
Pour la Suisse, l’équipe a pu calculer les émissions moyennes de CO2 des voitures nouvellement immatriculées. Si des véhicules moins lourds comme les SUV devaient être trouvés sur les routes suisses, cela favoriserait plus efficacement la décarbonation, explique Niroomand. Il serait également utile d’acheter des véhicules moins performants dans la même catégorie de véhicule.