因果感知生成对抗网络用于光污染控制
计算机与社会
2024-01-15 v1
摘要
人造光在现代城市中扮演着不可或缺的角色，显著提高了人类生产力和文明效率。然而，过度照明会导致光污染，对经济负担、生态系统和人类健康构成不可忽视的威胁。尽管其重要性至关重要，但在人工智能领域对其原因的探索仍然相对有限，导致对光污染影响因素的理解不完整，可持续照明规划也遥不可及。为弥补这一空白，我们提出了一种名为因果感知生成对抗网络（CAGAN）的新框架。这种创新方法旨在揭示城市中光污染的根本驱动因素，并在可持续城市发展的背景下为优化照明资源分配提供智能解决方案。我们首先考察了全球七个大都市的33,593个住宅区的光污染情况。我们的研究结果揭示了各种建筑类型对光污染水平的显著影响，其中草地、商业中心和住宅建筑是重要的贡献者。这些发现的因果关系被无缝集成到生成建模框架中，指导为不同住宅区生成光污染地图的过程。大量实验展示了CAGAN在指导和实施有效缓解光污染策略方面的潜力。我们的代码和数据公开于https://github.com/zhangyuuao/Light_Pollution_CAGAN。
引用
@article{arxiv.2401.06453,
title = {Causally Aware Generative Adversarial Networks for Light Pollution Control},
author = {Yuyao Zhang and Ke Guo and Xiao Zhou},
journal= {arXiv preprint arXiv:2401.06453},
year = {2024}
}
备注
9pages, 9figures, accepted by AAAI2024, AI for Social Impact (Special Track)