IoT i AI w działaniu: jak inteligentne miasta zmniejszają emisję dwutlenku węgla w miastach

Najważniejsza kwestia jest prosta: inteligentne miasta redukują emisję dwutlenku węgla, gdy połączone czujniki robią więcej niż tylko zbierają dane. Użytecznym schematem jest zamknięta pętla: urządzenia Internetu Rzeczy (IoT) mierzą, co się dzieje, oprogramowanie analizuje dane, a automatyczne sterowanie lub operatorzy miejscy zmieniają system fizyczny zużywający energię lub paliwo. Może to oznaczać ograniczenie zbędnego chłodzenia, przestawienie sygnalizacji świetlnej, przyciemnianie latarni ulicznych, gdy ulice są puste, zmianę zapotrzebowania na energię elektryczną lub efektywniejsze kierowanie pojazdów służbowych.

To rozróżnienie ma znaczenie, ponieważ miasto może zainstalować tysiące czujników i nadal osiągnąć niewielkie korzyści klimatyczne, jeśli dane nigdy nie zmienią sposobu działania infrastruktury. Najmocniejsze projekty zaczynają się od mierzalnego problemu emisji, łączą dane z decyzją operacyjną, a następnie weryfikują wynik z poziomem bazowym.

Dlaczego IoT i AI mogą mieć tak duże znaczenie w miastach

Miasta koncentrują budynki, transport, oświetlenie publiczne, media i inne energochłonne usługi na stosunkowo niewielkim obszarze. Międzynarodowa Agencja Energetyczna (IEA) oszacowała, że ​​miasta generują około 70% globalnej emisji dwutlenku węgla, dlatego lepsze zarządzanie energią w miastach może mieć ogromny wpływ. Raport IEA „ Empowering Cities for a Net Zero Future” wyjaśnia, że ​​systemy cyfrowe mogą pomóc miastom w zarządzaniu energią w czasie rzeczywistym i efektywniejszej koordynacji infrastruktury.

IoT i AI odgrywają różne role. IoT dostarcza obserwacji: obłożenia, temperatury, zużycia energii elektrycznej, prędkości ruchu, dostępności miejsc parkingowych, stanu urządzeń, poziomu oświetlenia czy jakości powietrza. AI i zaawansowana analityka mogą następnie wykrywać wzorce, prognozować zapotrzebowanie, sygnalizować anomalie lub rekomendować lepsze ustawienia sterowania. Ostatnim krokiem jest uruchomienie: zmiana termostatu, zwolnienie pompy, zmiana czasu sygnalizacji świetlnej, ładowanie akumulatora o innej godzinie lub wysłanie ekipy konserwacyjnej, zanim urządzenia zużyją więcej energii.

1. Inteligentne budynki i energia miejska należą do najwyraźniejszych możliwości redukcji emisji dwutlenku węgla

Ogrzewanie, chłodzenie, wentylacja i oświetlenie to dobre cele, ponieważ zużywają dużo energii i często działają według stałych harmonogramów. Czujniki obecności, inteligentne liczniki, telemetria urządzeń i dane pogodowe mogą pokazać, czego budynek faktycznie potrzebuje, zamiast zakładać, że każda przestrzeń wymaga tej samej usługi przez cały dzień.

Analiza IEA dotycząca energii i sztucznej inteligencji (2025) przedstawia użyteczną skalę możliwości: zoptymalizowane sterowanie ogrzewaniem, wentylacją i klimatyzacją może zaoszczędzić około 10% zużycia energii w budynkach wyposażonych w systemy zarządzania. Jest to przykład potencjału technicznego, a nie gwarancja dla każdego budynku. Oszczędności zależą od stanu bazowego, klimatu, stanu urządzeń, schematów użytkowania oraz intensywności działania systemu sterowania.

Singapurska Dzielnica Cyfrowa Punggol stanowi konkretny, aktualny przykład. Strona JTC, ostatnio aktualizowana 10 lipca 2026 r., informuje, że dzielnica posiada ponad 20 000 czujników zbierających w czasie rzeczywistym informacje na temat wydajności budynku, obłożenia, warunków środowiskowych i zużycia energii. Według JTC, algorytmy sztucznej inteligencji i uczenia maszynowego mogą wykorzystać te strumienie, aby osiągnąć nawet 20% oszczędności energii. Ta sama dzielnica łączy inteligentną sieć energetyczną, panele słoneczne na dachach, system chłodzenia miejskiego i cyfrowego bliźniaka; JTC raportuje 35% redukcję rocznej emisji dwutlenku węgla dzięki zintegrowanemu projektowi dzielnicy. Szczegóły można znaleźć w przeglądzie zrównoważonego rozwoju Dzielnicy Cyfrowej Punggol autorstwa JTC .

Dla miasta lub właściciela nieruchomości rozważającego takie podejście, najlepszym rozwiązaniem będzie portfel z centralnym zarządzaniem budynkiem, znacznym obciążeniem systemów HVAC, przewidywalnymi schematami zajętości i wystarczającą liczbą podliczników, aby ustalić wiarygodny poziom odniesienia. Mały budynek z już wydajnymi systemami sterowania może mieć znacznie mniejsze możliwości.

2. Zarządzanie ruchem drogowym wspomagane przez sztuczną inteligencję może ograniczyć marnotrawstwo paliwa, ale tylko w odpowiednich warunkach

Ruch drogowy jest naturalnym zjawiskiem, ponieważ warunki na drodze zmieniają się z minuty na minutę. Kamery, podłączone sygnały, czujniki drogowe, systemy poboru opłat i dane o lokalizacji pojazdów mogą dostarczać danych wejściowych do adaptacyjnego sterowania ruchem. Sztuczna inteligencja może następnie przewidywać korki, optymalizować wybór trasy, identyfikować incydenty lub zmieniać czas sygnalizacji świetlnej.

Analiza IEA z 2025 roku wskazuje, że lepszy wybór tras i lepsze właściwości jezdne mogą przynieść wzrost efektywności rzędu 5% do 10% w zastosowaniach transportowych. Należy jednak pamiętać, że wartość ta jest oszacowana na podstawie modelu lub na poziomie zastosowania, a nie uniwersalnym wynikiem dla danego miasta.

Singapur stanowi użyteczny przykład wdrażania tego rozwiązania, a nie tylko jego omawiania. W odpowiedzi parlamentarnej z 4 sierpnia 2026 r. Ministerstwo Transportu poinformowało, że Urząd Transportu Lądowego (Land Transport Authority) eksperymentuje z danymi ERP 2 w celu dynamicznej optymalizacji sygnalizacji świetlnej za pośrednictwem Wspólnego i Zunifikowanego Inteligentnego Systemu Ruchu Drogowego (CRUISE). Rozwija również opartą na sztucznej inteligencji analizę wideo w celu wcześniejszego wykrywania zdarzeń. Oficjalny opis znajduje się w aktualizacji Ministerstwa dotyczącej zarządzania ruchem drogowym .

Argument dotyczący klimatu jest najsilniejszy, gdy lepsze funkcjonowanie ruchu drogowego ogranicza postój na biegu jałowym, jazdę z częstym zatrzymywaniem się i ruszaniem, niepotrzebne krążenie lub liczbę kilometrów przejechanych przez pojazdy służbowe. Staje się on słabszy, gdy gładsze drogi zachęcają do częstszego podróżowania samochodem. Międzynarodowa Agencja Energetyczna (IEA) ostrzega, że ​​efekt odbicia może zniwelować część korzyści płynących z AI w zakresie emisji, jeśli technologia przesunie podróżnych z transportu publicznego na rzecz pojazdów prywatnych.

3. Inteligentne oświetlenie uliczne to prostsze i często łatwiejsze do zweryfikowania rozwiązanie

Oświetlenie uliczne jest mniej efektowne niż cyfrowy bliźniak miasta, ale stanowi jeden z najwyraźniejszych przykładów połączonej infrastruktury zapewniającej wymierne oszczędności energii. Podstawowa architektura jest prosta: czujniki światła, detekcja ruchu, sterowanie sieciowe i oprawy LED pozwalają miastu zapewnić wymagane oświetlenie, jednocześnie zmniejszając natężenie, gdy pełne natężenie światła jest zbędne.

Studium przypadku Stowarzyszenia Samorządów Lokalnych w Wielkiej Brytanii opisuje wdrożenie w Radzie Okręgu South Kesteven, w którym 12 latarni ulicznych korzystało z czujników światła, pomiaru jakości powietrza, monitoringu wideo, sterowania czasowego i ściemniania. Studium przypadku donosi, że moc oświetlenia mogła spaść z 70 watów do 5 watów w nocy i ponownie się rozjaśnić po wykryciu ruchu, co pozwoliło uzyskać 56% oszczędności energii, kosztów i emisji dwutlenku węgla w ramach pilotażu. Szczegóły projektu udokumentowano w studium przypadku Stowarzyszenia Samorządów Lokalnych dotyczącym inteligentnych miejsc .

Ten typ projektu doskonale sprawdza się w miastach, w których nadal występują oprawy o dużej mocy, długie godziny pracy oraz ulice, na których zapotrzebowanie na oświetlenie zmienia się znacznie w zależności od pory dnia i aktywności. Jest on mniej atrakcyjny, gdy w mieście są już zainstalowane wydajne diody LED i nowoczesne harmonogramy przyciemniania.

4. Inteligentne sieci łączą zapotrzebowanie miasta z czystszą energią elektryczną

Redukcja emisji dwutlenku węgla to nie tylko mniejsze zużycie energii elektrycznej. Liczy się również czas. Budynek, akumulator, ładowarka pojazdów elektrycznych lub miejska instalacja chłodnicza mogą przesunąć część swojego zapotrzebowania z godzin, w których występują największe ograniczenia, na okresy z większą ilością energii odnawialnej.

Taka jest logika stojąca za energooszczędnymi budynkami interaktywnymi w sieci energetycznej. Przewodnik Departamentu Energii USA z 2024 roku dotyczący energooszczędnych technologii budowlanych interaktywnych w sieci energetycznej opisuje elastyczność popytu jako sposób na ograniczenie marnotrawstwa energii, zrównoważenie szczytowych obciążeń i lepszą integrację zmiennej generacji. W skali miasta, połączone budynki mogą stać się kontrolowanymi zasobami, a nie biernymi konsumentami.

Singapurska Otwarta Platforma Cyfrowa ilustruje tę ideę w wersji dystryktowej. GovTech twierdzi, że platforma integruje dane w czasie rzeczywistym z wielu systemów i może automatycznie wyłączać urządzenia, które nie są już potrzebne. Na stronie produktu z 15 maja 2026 roku podano cel 30% niższego zużycia energii w przypadku wykorzystania platformy w Dystrykcie Cyfrowym Punggol. Aktualny opis znajduje się na oficjalnej stronie Otwartej Platformy Cyfrowej GovTech .

5. Systemy gospodarki odpadami, wody i konserwacji mogą ograniczyć pośrednie emisje miejskie

Nie każda użyteczna aplikacja inteligentnego miasta wymaga zaawansowanej, generatywnej sztucznej inteligencji. Czujniki poziomu napełnienia w publicznych koszach na śmieci mogą ograniczyć liczbę niepotrzebnych wyjazdów. Inteligentne wodomierze mogą wykryć wycieki wcześniej. Konserwacja predykcyjna może wykryć awarię pompy, agregatu chłodniczego lub silnika, zanim spowoduje to marnotrawstwo energii lub poważniejszą awarię. Czujniki wideo lub środowiskowe mogą pomóc miastu w planowaniu inspekcji zamiast wysyłania ekip według sztywnych harmonogramów.

Ścieżka emisji dwutlenku węgla jest zazwyczaj pośrednia: mniej kilometrów przejechanych przez ciężarówki, mniej pomp, mniej odpadów materiałowych lub bardziej wydajny sprzęt. Oznacza to, że plan pomiarów powinien śledzić wynik fizyczny, a nie tylko liczbę podłączonych urządzeń. Miasto powinno na przykład zapytać, ile kilometrów udało się uniknąć, ile kilowatogodzin zaoszczędzono lub ile wycieków udało się zapobiec.

Skąd tak naprawdę pochodzą oszczędności w emisji dwutlenku węgla

Co odróżnia prawdziwy projekt węglowy od demonstracji inteligentnego miasta

Zacznij od danych bazowych dotyczących emisji dwutlenku węgla, a nie od listy technologii

Wiarygodny projekt definiuje zużycie energii lub paliwa przed wdrożeniem, a następnie przelicza tę zmianę na emisję dwutlenku węgla, wykorzystując udokumentowany współczynnik emisji. Przydatne wskaźniki to kWh na stopę kwadratową, paliwo na pojazdo-milę, energia chłodzenia na tonogodzinę lub energia elektryczna na godzinę oświetlenia. Liczenie czujników, pulpitów nawigacyjnych ani wywołań API nie wykazuje korzyści dla klimatu.

Połącz analizę z działaniem

Panel informujący zespół ds. infrastruktury o nadmiernym zużyciu energii w budynku jest pomocny, ale system, który może bezpiecznie dostosować nastawę, zaplanować naprawę lub wyłączyć nieużywaną strefę, znacznie skraca drogę do oszczędności. Im więcej ręcznych przekazań wymaga system, tym większe prawdopodobieństwo, że przydatne informacje pozostaną niewykorzystane.

Jednoczesny pomiar jakości usług

Ograniczenia zużycia energii nie przynoszą efektów, jeśli powodują dyskomfort w budynkach, bezpieczeństwo na ulicach lub zawodność autobusów. Dobre programy monitorują zarówno emisję dwutlenku węgla, jak i wyniki usług: skargi dotyczące komfortu, czas podróży, poziom oświetlenia, sprawność urządzeń, ciśnienie wody czy brak odbioru odpadów.

Weź pod uwagę cyfrowy ślad

Sama sztuczna inteligencja zużywa energię elektryczną. Raport Międzynarodowej Agencji Energii z 2025 roku szacuje, że centra danych były odpowiedzialne za około 180 milionów ton pośredniej emisji CO2 pochodzącej ze zużycia energii elektrycznej w 2024 roku, co stanowi około 0,5% globalnej emisji ze spalania paliw. Nie oznacza to, że miasta powinny unikać sztucznej inteligencji, ale oznacza to, że obliczenia powinny być proporcjonalne do problemu. Prosty algorytm sterowania może być lepszy niż duży model, jeśli generuje takie same wyniki operacyjne.

Uważaj na efekty odbicia

Efektywność może czasami sprawić, że usługa będzie tańsza lub łatwiejsza w użyciu, co może zwiększyć popyt. Płynniejszy ruch może zachęcić do częstszego podróżowania samochodem; tańsze chłodzenie może prowadzić do niższych ustawień termostatu; łatwiejsze parkowanie może zachęcać do częstszych podróży samochodem. Międzynarodowa Agencja Energetyczna (IEA) wyraźnie zaznacza, że ​​te efekty odbicia mogą zmniejszyć lub zniwelować niektóre oszczędności w zakresie emisji. Dlatego technologia najlepiej sprawdza się w połączeniu z polityką transportową, zagospodarowania przestrzennego, budownictwa i czystej energii.

Jak stwierdzić, czy to podejście jest odpowiednie dla Twojego miasta lub organizacji

IoT i AI są dobrymi kandydatami, gdy spełnione są cztery warunki: system zużywa znaczącą ilość energii lub paliwa, warunki pracy zmieniają się w czasie, dane mogą opisywać te zmiany oraz ktoś – lub zautomatyzowany kontroler – może działać na podstawie tych informacji. Brak któregoś z tych elementów szybko osłabia uzasadnienie biznesowe.

• Dobry kandydat: sieć chłodzenia miejskiego, której obciążenie zmienia się w zależności od liczby osób i pogody.
• Dobrym kandydatem są latarnie uliczne pracujące z pełną mocą przez długie okresy przy niewielkiej aktywności.
• Dobry kandydat: zatłoczony korytarz, w którym sygnalizacja świetlna jest statyczna, mimo dużych zmian w przepływie ruchu.
• Słaby kandydat: wdrożenie czujnika bez określonej reakcji operacyjnej.
• Słaby kandydat: panel sztucznej inteligencji, który nie ma dostępu do wiarygodnych danych historycznych ani nie może wpływać na ustawienia sprzętu.
• Słaby kandydat: projekt, którego miarą sukcesu jest liczba urządzeń, a nie zużycie energii, paliwa lub redukcja CO2.

Praktyczny test wiarygodności twierdzeń dotyczących emisji dwutlenku węgla

Zanim uznasz projekt za udany, zadaj sobie sześć pytań. Czy istniał punkt odniesienia przed rozpoczęciem projektu? Czy znormalizowano pogodę, obłożenie, natężenie ruchu lub inne istotne zmienne? Czy współczynnik emisji jest udokumentowany? Czy miasto może wykazać zmianę operacyjną, która spowodowała oszczędności? Czy zużycie energii elektrycznej przez system cyfrowy i wszelkie dodatkowe urządzenia zostały uwzględnione jako materiał? I czy wyniki są mierzone w wystarczająco długim okresie, aby uniknąć pomylenia krótkotrwałej anomalii z trwałą poprawą?

Jeśli te odpowiedzi są jasne, IoT i AI mogą być potężnymi narzędziami dekarbonizacji miast. Jeśli nie, miasto może zbudować bardziej połączony system, nie udowadniając, że jest on niskoemisyjny.

Podsumowanie

Najsilniejsze projekty klimatyczne inteligentnych miast nie są definiowane przez to, jak zaawansowana wydaje się technologia. Są one definiowane przez to, czy dane w mierzalny sposób zmieniają system fizyczny o wysokiej emisji. Inteligentne sterowanie budynkami, optymalizacja zużycia energii w dzielnicach, adaptacyjne zarządzanie ruchem drogowym, zintegrowane oświetlenie, elastyczne sieci energetyczne i bardziej efektywne zarządzanie miejskie – wszystkie te elementy mogą zmniejszyć miejski ślad węglowy, gdy warstwy czujników, analityki, sterowania i pomiaru współdziałają ze sobą.

Obecne dowody również przemawiają za ostrożnym wnioskiem: sztuczna inteligencja jest akceleratorem, a nie substytutem czystej energii elektrycznej, transportu publicznego, efektywnych budynków, kompaktowej urbanistyki ani rozsądnej polityki klimatycznej. W ocenie Międzynarodowej Agencji Energii (IEA) z 2025 roku podkreślono, że powszechne wdrożenie sztucznej inteligencji mogłoby przynieść znaczną redukcję emisji, ale tylko pod warunkiem, że miasta pokonają bariery związane z danymi, infrastrukturą, umiejętnościami, regulacjami i efektem odbicia. To jest właściwy standard oceny każdego stwierdzenia o inteligentnym mieście: nie to, czy system jest inteligentny, ale to, czy miasto może udowodnić, że zużywa mniej dwutlenku węgla, zapewniając jednocześnie te same lub lepsze usługi.