In werkpakket 4 onderzoeken we in hoeverre nieuwe technologieën een rechtvaardige ontwikkeling van de nexus mobiliteit-energie-huisvesting kunnen ondersteunen.

 

Aanleiding en onderzoeksvraag

Cruciaal is dat technologische vooruitgang in data-analyse en AI het mogelijk maken om technologieën en diensten in de nexus van mobiliteits-, energie- en huisvestingssystemen op nieuwe manieren te integreren. AI kan het mogelijk maken om de voordelen van deze technologieën te combineren, bijvoorbeeld door ‘slimme’ beslissingen te nemen over wanneer gedeelde auto’s als energieopslag moeten worden gebruikt of door flexibele tarieven mogelijk te maken om het gedrag van gebruikers te beïnvloeden. Maar het gebruik van AI-technologieën roept vragen op over procedurele, distributieve en erkenningsrechtvaardigheid. Er zijn bijvoorbeeld speciale reinforcement learning (RL)-algoritmen ontwikkeld om de toewijzing van beperkingen te regelen, d.w.z. het uitschakelen van de energie die wordt opgewekt met hernieuwbare energiebronnen in het geval van winderige/zonnige dagen en een lage vraag naar energie. Toch specificeren RL-algoritmen acties zonder hun beslissingsprocedures en de redenen achter deze beslissingen te onthullen (black-box-karakter van AI). Als ander voorbeeld zal de beslissing welke gedeelde voertuigen periodiek moeten worden gebruikt voor energieopslag om het elektriciteitsnet in evenwicht te brengen, waarschijnlijk afhangen van hun eerdere mobiliteitsinkomsten. Dit roept vragen op over de verdeling van rechtvaardigheid wanneer voertuigen in buurten met een laag inkomen vaker tijdelijk niet beschikbaar zijn voor mobiliteitsdiensten.

 

Onderzoeksdoelen

WP4 draagt ​​bij aan JUSTNEXUS-onderzoek en impactdoelen met de ontwikkeling van reinforcement learning-algoritmen voor het integreren van nexustechnologieën, die gebaseerd zijn op rechtvaardigheidsprincipes. Het zal een inventarisatie opleveren van opkomende technologieën en beschikbare gegevensbronnen, die specificeert hoe technologieën gerelateerd zijn en geïntegreerd kunnen worden door middel van AI. Hiervoor worden de casestudies gebruikt om reeds beschikbare gegevensbronnen met betrekking tot mobiliteit-energie-huisvesting in kaart te brengen. Vervolgens maakt WP2 de beslissingspatronen van nexusalgoritmen die normaal gesproken black-boxed zijn, transparant en beoordeelt de gevolgen voor verschillende dimensies van rechtvaardigheid. Met behulp van feedback van diverse maatschappelijke belanghebbenden in de leergemeenschappen (WP5) worden rechtvaardiger algoritmen ontwikkeld. De onthulde beslissingsstructuren en bijbehorende uitdagingen van het gebruik van geïntegreerde technologieën in de nexus voeden de verbeeldingen (WP1) en bieden ondersteuning voor beleidsontwerp (WP4).