AI palīdz pilsētām īstenot klimata rīcību praksē

1. gads tika fiksēts kā līdz šim karstākais gads, un tas nav tikai “globāls” virsraksts — pilsētās tas nozīmē biežākus karstuma viļņus, plūdus pēc īsām, intensīvām lietusgāzēm un pieaugošu spiedienu uz enerģētiku, transportu un veselības aprūpi. Pašvaldībām tas izskatās pavisam praktiski: vairāk izsaukumu neatliekamajai palīdzībai, vairāk bojājumu ielām un tīkliem, lielāki rēķini un iedzīvotāju neapmierinātība.

SmartCitiesWorld podkāstes epizodē par urbāno klimata rīcību pieredzējušas nozares līderes — Clare Wildfire (pilsētu prakses vadītāja) un Madeleine Rawlins (klimata pārmaiņu prakses vadītāja) — runā par to, kā pilsētas var virzīties no ambīcijām uz īstenošanu: kas strādā, kas bremzē, kā finansēt pārmaiņas un kā ielikt noturību visā pilsētas “operētājsistēmā”.

Šajā ierakstā es to pašu tēmu apzināti pārlieku mūsu sērijas kontekstā — “Mākslīgais intelekts publiskajā sektorā un viedajās pilsētās” — jo realitāte ir skarba un vienlaikus cerīga: bez datiem un AI atbalstītas lēmumu pieņemšanas klimata rīcība bieži paliek par projektu portfeli, nevis par pilsētas darbības modeli.

Klimata rīcība pilsētās: lielākā problēma nav ideju trūkums

Pilsētām parasti netrūkst plānu, stratēģiju un pilotprojektu. Trūkst trīs lietu: izpildes disciplīnas, mērāmības un spējas salāgot lēmumus starp nozarēm (transports, enerģētika, teritorijas plānošana, sociālie dienesti).

Tieši tāpēc podkāstes centrālā doma — “būvēt noturību visā stratēģijā, nevis atsevišķos projektos” — ir tik precīza. Noturība nav tikai dambis vai jauns sūknis. Noturība ir tas, vai pilsēta spēj:

• paredzēt risku (ne tikai reaģēt pēc fakta),
• prioritizēt investīcijas, kur tās dod lielāko efektu,
• vadīt infrastruktūru reāllaikā,
• un skaidri parādīt iedzīvotājiem, ko viņi iegūst.

AI publiskajā sektorā te kļūst par praktisku instrumentu: tas savieno sensordatus, satelītattēlus, operatīvos datus (piemēram, avāriju pieteikumus, satiksmes plūsmas) un klimata scenārijus vienā lēmumu ķēdē.

“Zaļā atkopšanās” pēc Covid: labs virziens, bet ar nepabeigtu mājasdarbu

Pēc Covid daudzas pašvaldības mēģināja ielikt investīcijās zaļos mērķus: veloinfrastruktūru, energoefektivitāti, publisko telpu. Tas bija pareizi.

Taču esmu redzējis vienu atkārtojošos klupšanas akmeni: projekti tiek finansēti, bet netiek uzturēti ar datiem. Rezultātā pēc 12–24 mēnešiem grūti godīgi atbildēt:

• vai siltumenerģijas patēriņš tiešām kritās,
• vai satiksme pārgāja uz ilgtspējīgākiem veidiem,
• vai gaisa kvalitāte uzlabojās tur, kur solīts,
• vai mazaizsargātās grupas ieguva tikpat daudz kā pilsētas centrs.

AI risinājumi viedajām pilsētām šeit ienes “pēcgaršu”, kas bieži iztrūkst: nepārtrauktu mērīšanu, prognozēšanu un pārvaldību.

Kur AI visātrāk iedod rezultātu klimata noturībai

Ātrākais ceļš uz taustāmu ietekmi nav “pilsētas superplatforma” ar simtiem funkciju. Labāka pieeja: 3–4 mērķtiecīgi lietojumi, kas tiek ieviesti 90–180 dienās un sasienas ar budžetu un KPI.

1) Plūdu un lietusūdens riska prognozēšana pa kvartāliem

Atbilde īsi: AI var apvienot vēsturiskus nokrišņu datus, reljefu, seguma tipu, kanalizācijas tīkla parametrus un incidentu vēsturi, lai prognozētu “karstos punktus” vēl pirms notikuma.

Praksē tas nozīmē:

• dinamiski brīdinājumi ceļu uzturētājiem un civilajai aizsardzībai,
• prioritāte tīrīt notekas tieši tur, kur tas samazina risku,
• plānot zaļo infrastruktūru (lietusdārzi, caurlaidīgi segumi) tur, kur atdeve ir vislielākā.

Snippet-worthy: “Plūdu noturība sākas ar datu slāņošanu, nevis ar jaunu sūkni.”

2) Karstuma viļņu ietekmes mazināšana ar pilsētas “termālo karti”

Atbilde īsi: AI palīdz identificēt pilsētas siltuma salas un saistīt tās ar veselības riskiem, nevis tikai ar temperatūru.

Te strādā kombinācija:

• satelītattēli (virsmas temperatūra),
• koku vainagu segums, ēnu modelēšana,
• iedzīvotāju blīvums un vecuma struktūra,
• neatliekamās palīdzības izsaukumu dati (anonimizēti).

Rezultāts nav tikai skaista karte. Rezultāts ir prioritāšu saraksts: kur vispirms stādīt kokus, kur vajag dzeramā ūdens punktus, kur jāpārbūvē pieturas, kur jāsamazina asfaltēto laukumu īpatsvars.

3) Enerģijas patēriņa optimizācija pašvaldības ēkās

Atbilde īsi: AI ēku pārvaldībā samazina patēriņu, atrod anomālijas un ļauj mērķēt investīcijas tur, kur tās atmaksājas.

Pašvaldībām ēku fonds ir milzīgs: skolas, bērnudārzi, slimnīcas, sporta halles. Daļa ietaupījuma ir “uzvedības” (grafiki, temperatūras setpointi), daļa — tehniska (iekārtu darbības režīmi).

Tipisks pirmais solis nav dārga modernizācija. Tas ir:

1. apkopot skaitītāju datus vienotā formātā,
2. uzlikt anomāliju detektoru (piem., nakts patēriņš, kad ēka tukša),
3. noteikt 10 ēkas ar lielāko ietaupījuma potenciālu,
4. tikai tad iet uz lielajiem CAPEX projektiem.

Tas tieši sasaucas ar podkāstes domu par finansējumu: ja tu vari pierādīt ietaupījumu, tev ir pavisam cita saruna ar finanšu departamentu un investoriem.

4) Satiksmes plūsmas analīze kā emisiju instruments, nevis tikai “korķu” instruments

Atbilde īsi: AI satiksmē dod iespēju mazināt emisijas ar signālu plāniem, maršrutēšanu un sabiedriskā transporta prioritāti.

Daudzas pilsētas joprojām vērtē satiksmi pēc vienas metrikas: cik ātri brauc automašīnas. Klimata rīcībai vajag citu skatījumu:

• cik daudz cilvēku pārvietojas (nevis mašīnu),
• cik liels ir CO₂ un NOx pēdas nospiedums pa koridoriem,
• kur sabiedriskajam transportam pazūd laiks un uzticamība.

AI var palīdzēt pārslēgt domāšanu no “plūsmas” uz “ietekmi”.

No pilotprojekta uz sistēmu: kā ieviest AI klimata rīcībai pašvaldībā

Atbilde īsi: AI ieviešana klimata mērķiem ir pārvaldības projekts, ne tikai IT projekts. Ja par to atbild tikai “digitālais departaments”, rezultāts bieži ir platforma bez politiskas jaudas.

Izvēlies vienu klimata KPI un piesien tam datus

Sāc ar vienu mērķi, ko saprot arī ārpus “datu komandas”. Piemēram:

• “Samazinām pašvaldības ēku siltumenerģijas patēriņu par X% līdz 2027. gadam”,
• “Samazinām plūdu incidentu skaitu Y teritorijā par X%”,
• “Palielinām koku vainagu segumu Z apkaimēs par X%”.

Tad uzreiz kļūst skaidrs, kādi dati vajadzīgi, kam tie pieder un kurš pieņem lēmumu.

Veido “minimāli pietiekamu” datu arhitektūru

Neaizķeries aiz ideālā datu ezera. Pašvaldībās tas var aizņemt gadus.

Strādājošs minimums parasti ir:

• datu katalogs (kas mums ir, kādā kvalitātē, ar kādām piekļuves tiesībām),
• 2–3 uzticami datu avoti, kurus var atjaunot automātiski,
• vienkārši kvalitātes noteikumi (trūkstošās vērtības, nobīdes, dublikāti).

Iekļauj ētiku un drošību jau pirmajā sprintā

AI publiskajā sektorā nevar būt “uztaisām, pēc tam sakārtojam”. Klimata lietojumi bieži skar:

• ģeotelpiskos datus (kur cilvēki dzīvo, kā pārvietojas),
• veselības indikatorus (pat anonimizētus),
• kritisko infrastruktūru.

Noteikumi, kas man praksē strādā:

• anonimizācija pēc noklusējuma,
• skaidrs mērķa ierobežojums (datus neizmanto citiem nolūkiem),
• auditējami modeļi un lēmumi (kāpēc sistēma ieteica tieši to),
• incidentu plāns, ja dati vai modelis “aiziet šķērsām”.

AI uzticēšanās rodas tad, kad cilvēki redz ne tikai rezultātu, bet arī loģiku aiz tā.

Finansējums: kā “pārdot” klimata noturību ar cipariem, nevis saukļiem

Podkāste pareizi uzsver finansējuma metodes. Pilsētām ir jāatrod veids, kā apmaksāt gan akūtas vajadzības (plūdi, karstums), gan pārbūvēt sistēmas.

AI palīdz tieši tur, kur finansētāji kļūst prasīgi: mērījumos un riska samazināšanas pierādījumos.

Praktiski instrumenti, ko pašvaldības var izmantot (atkarībā no regulējuma un tirgus):

• Energoefektivitātes līgumi (ietaupījums kā finansējuma avots)
• Zaļās obligācijas ar skaidriem KPI un atskaitēm
• Publiskā un privātā partnerība infrastruktūras modernizācijai
• ES fondu projekti, kur AI ir atbalsta slānis mērāmībai un pārvaldībai

Stance: ja klimata pasākumam nav mērījumu un monitoringa plāna, tas nav “gatavs finansējumam”. Tas ir tikai idejas apraksts.

Biežākie jautājumi, ko dzirdu no pašvaldībām

Vai mums vispār vajag AI, ja mums nav “perfektu datu”?

Jā, bet ar nosacījumu: sāc ar šauru lietojumu, kur dati jau eksistē (ēku skaitītāji, satiksmes sensori, incidentu reģistri). AI var uzlabot kvalitāti arī ar anomāliju noteikšanu un datu sakārtošanu.

Ko darīt, lai AI projekts nepārvēršas par vienreizēju pilotu?

Piesien to budžetam, KPI un dienesta procesiem. Ja modeļa rezultāts neietekmē darba grafikus, uzturēšanas plānus vai investīciju secību, tas nomirs.

Kā mēs parādām iedzīvotājiem vērtību?

Rādi rezultātu valodā, kas cilvēkiem saprotama: mazāk applūdušu pagrabu, vēsākas pieturas karstumā, uzticamāks sabiedriskais transports, zemāki rēķini skolām.

Nākamais solis: klimata rīcība kā “operāciju centrs”, nevis mapīte plauktā

Klimata rīcība pilsētā nav atsevišķa nodaļa. Tā ir veids, kā pilsēta pieņem lēmumus par infrastruktūru, pakalpojumiem un drošību. Un 2026. gadā (tas ir tepat aiz stūra) tie, kas uzvarēs, būs tie, kas spēs savienot resursus, risku un reāllaika datus vienā pārvaldības ritmā.

Šis ieraksts ir daļa no sērijas “Mākslīgais intelekts publiskajā sektorā un viedajās pilsētās” — un, manuprāt, tieši klimata noturība ir vieta, kur AI uzreiz kļūst saprotams arī skeptiķiem. Ne tāpēc, ka tas ir moderni. Tāpēc, ka tas ietaupa laiku, naudu un nervus brīdī, kad pilsētas sistēmas tiek testētas līdz robežai.

Ja jums šobrīd jāizvēlas viens pirmais solis, izvēlieties šo: definējiet vienu klimata problēmu, kuru gribat samazināt 6 mēnešos, un izveidojiet datu un AI “ķēdi” no signāla līdz lēmumam. Tad parunāsim par mērogošanu.

Kuru pilsētas klimata risku jūs gribētu prognozēt un pārvaldīt ar datiem jau nākamajā sezonā — plūdus, karstumu vai enerģijas pīķus?