envair360: 都市モビリティの設計・運用・影響実証のためのフィジカルインテリジェンス—カルタヘナでの実運用経験

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a framework for integrating multi-scale models and data governance in urban air quality and mobility research.

🏢実務担当者:Offers a blueprint for cities to design, deploy, and verify LEZ policies with transparent evidence chains.

🏛政策担当者:Demonstrates a methodology for evidence-gated policy implementation, useful for urban climate and air quality regulation.

低排出ゾーン（LEZ）は、都市に対し、政策ルールの定義、導入前の効果予測、導入後の結果検証を求めるものであるが、モビリティ、排出量、気象、曝露、データガバナンス、および公衆コミュニケーションは、通常、別々のシステムで扱われている。本論文は、Physical Intelligenceアーキテクチャと、プロジェクト定義、ベースライン実現可能性、デジタルツイン設計、導入、および検証済み影響のクロージングを結びつける、4段階のエビデンスゲート付きLEZ方法論であるenvair360を提示する。研究対象が社会技術的アーティファクトであると同時に文脈依存的な自治体導入であるため、設計科学手法とスペインのカルタヘナにおける運用ケーススタディを組み合わせる。技術チェーンは、補完的なスケールと機能を橋渡しするように選択される：リンクおよび車両レベルの交通にはSUMO、気象と地域化学にはWRFおよびCHIMERE、計算的に扱いやすい街路解像度にはMUNICHおよびストリートキャニオン・パラメータ化、測定値に固定したモデル出力の較正、ガバナンスされたコンテキスト交換にはFIWARE/NGSI-LDである。本稿は、都市観測、査読付きコンポーネント検証、実証済みプラットフォーム機能、および政策または工学的目標を区別する。ムルシアのコンポーネント研究では、深層学習較正後、時間別よりも日別の一致度が低いことが報告されており（NO2：時間別r=0.79、日別0.94；O3：時間別r=0.85、日別0.97）、時間的集約と移転限界の重要性を示している。以前のマドリードのオゾン密度図のデジタル化は、2つの観測地点で約+32.0および+27.8のソース軸単位のモーダルシフトを示す；提供されたソースでは、数値的なNOxバイアス推定は不可能である。別の6都市輸出監査は、24,384件のレコードと4,064の街路セグメントを対象とし、共通のモデル出力スキーマを示すものであり、予測的検証ではない。カルタヘナでは、プロジェクト文書がPM10/PM2.5の高値、都市熱および日射ストレス、乾燥気候における粉塵再浮遊の妥当な役割を報告し、長期的な30%の車両CO2削減目標を伴うスーパーブロック指向のLEZ提案を支持している。本論文の具体的な貢献は、ガバナンスされたオーケストレーション、エビデンス分類法、品質ゲート、再現可能な系統、明示的な政策シナリオ表現、および移植可能な都市オンボーディングプロトコルであり、個々の科学モデル、カルタヘナ導入、または引用されたプロジェクト目標が本稿に由来することを主張するものではない。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Low-emission zones (LEZs) require cities to define policy rules, predict effects before deployment, and verify outcomes afterwards, yet mobility, emissions, meteorology, exposure, data governance, and public communication are commonly handled in separate systems. This paper presents envair360, a Physical Intelligence architecture and a four-stage, evidence-gated LEZ methodology connecting project definition, baseline feasibility, digital-twin design, deployment, and verified impact closure. A design-science method is combined with an operational case study of Cartagena, Spain, because the research object is both a socio-technical artefact and a context-dependent municipal deployment. The technology chain is selected to bridge complementary scales and functions: SUMO for link- and vehicle-level traffic, WRF and CHIMERE for meteorology and regional chemistry, MUNICH and street-canyon parameterisation for computationally tractable street resolution, model-output calibration anchored to measurements, and FIWARE/NGSI-LD for governed context exchange. The manuscript distinguishes city observations, peer-reviewed component validation, demonstrated platform capabilities, and policy or engineering targets. A Murcia component study reports lower hourly than daily agreement after deep-learning calibration (NO2: r=0.79 hourly and 0.94 daily; O3: r=0.85 hourly and 0.97 daily), illustrating the importance of temporal aggregation and transfer limits. Digitisation of the prior Madrid ozone-density figure indicates modal shifts of approximately +32.0 and +27.8 source-axis units at two stations; the supplied source does not permit a numerical NOx bias estimate. A separate six-city export audit covers 24,384 records and 4064 street segments and demonstrates a common model-output schema, not predictive validation. In Cartagena, project documentation reports elevated PM10/PM2.5, urban heat and solar-radiation stress, and a plausible role for dry-climate dust resuspension, supporting a superblock-oriented LEZ proposal with a long-term 30% vehicular CO2 reduction target. The paper’s specific contribution is the governed orchestration, evidence taxonomy, quality gates, reproducible lineage, explicit policy-scenario representation, and portable city-onboarding protocol; it does not claim that the individual scientific models, the Cartagena deployment, or the cited project targets originated in this manuscript.

• semanticscholar https://doi.org/10.3390/su18158017first seen 2026-08-09 05:29:50 · last seen 2026-09-28 05:42:47