ľ¹Ï¸£ÀûÓ°ÊÓ

Samenvatting proefschrift

Luchtverontreiniging verschilt sterk per straat - wat je inademt kan al na een paar straten flink verschillen. Traditionele meetstations staan te ver uit elkaar om deze hyperlokale verschillen te registreren. In mijn promotieonderzoek heb ik mobiele monitoring toegepast, met sensoren op Google Street View-auto's, om deze onzichtbare luchtverontreinigingspatronen tot op een ongekend gedetailleerd niveau van 50 meter in kaart te brengen in Amsterdam, Kopenhagen en Rotterdam.

Door AI te combineren met straatbeeldanalyse, hebben mijn modellen verrassende vervuilingshotspots blootgelegd. Zo blijken wijken met meer schoorstenen en kruispunten met verkeerslichten consequent hogere vervuilingsniveaus te hebben. De geproduceerde hoogwaardige vervuilingskaarten, beschikbaar voor verschillende tijden van de dag, stellen miljoenen inwoners in staat weloverwogen keuzes te maken - van het kiezen van minder vervuilde woon-werkroutes tot het plannen van buitenactiviteiten wanneer de luchtkwaliteit beter is.

Naast luchtkwaliteit heb ik deze mobiele monitoringaanpak uitgebreid naar stedelijk geluid en hitte, waarmee ik aantoon hoe één meetsysteem meerdere milieu-risico's kan volgen. Dit werk legt de basis voor wat ik het "Exposure Fundamental Model" noem - een toekomstig AI-gestuurd systeem dat verschillende stedelijke milieu-risico's gelijktijdig zou kunnen monitoren.

Mijn onderzoek biedt stadsplanners, beleidsmakers en volksgezondheidsexperts krachtige nieuwe tools om stedelijke milieu-risico's te begrijpen en te verminderen. Deze gedetailleerde blootstellingskaarten maken gerichte interventies mogelijk om kwetsbare groepen te beschermen en gezondere steden te creëren. Door onzichtbare milieu-bedreigingen zichtbaar te maken, werken we aan stedelijke ruimtes die niet alleen leefbaarder zijn, maar actief bijdragen aan een betere gezondheid.

LET OP: Als een kandidaat een lekenpraatje houdt, start de livestream een kwartier eerder