城市交通空气污染的流体力学应用
城市空气污染中，交通污染是主要来源之一。交通运输产生的空气污染，主要污染物包括汽车尾气中的CO（一氧化碳）、NOx（氮氧化物）及可吸入颗粒物（PM2.5、PM10等）。
空气污染对人员健康、大气能见度等诸多方面均有负面影响，需要在汽车排放法规、基础设施建设等诸多方面进行配合以减少交通导致的污染。从当前来看，缓解交通导致的污染问题，常用办法包括：
流体力学计算（CFD）作为空气污染的预测工具，主要应用包括预测污染物的扩散规律、污染物化学反应以及空气质量预报。根据分析规模，CFD在交通污染领域的应用主要是城市和社区宏观级别，分析大尺度上（>1km）的污染状况。
使用CFD，其主要优势在于：
随着AI算法的完善，AI和CFD的结合应用为空气污染的预测开辟了新的可能性。CFD虽然已经成功被应用多年，但是其计算量大、速度慢的问题在可预见的未来是难以解决的。
AI的预测主要是数据分析和概率推导，从而避免了缓慢的CFD计算，AI运行耗时相对于CFD计算为数量级的下降。于此同时，AI可以分析输入和输出数据之间的关联性，可基于数据进行方案优化，从而在基础设施设计初始阶段就能够找到解决方案。
AI的CFD预测训练工作流程（图源：《Simulation of liquid flow with a combination artificial intelligence flow field and Adams–Bashforth method》，《Scientific Reports》期刊）
当前而言，AI应用于CFD仍然受限于诸多因素，目前难以大规模普及化推广。但是由于计算耗时、资源消耗等优势，在污染预测上将会逐步得到应用和普及。当然，CFD计算乃至实验仍然是必要的，并不会因为AI的应用而被取代。
随着全球各地区对环境问题的日益重视，空气污染治理始终是环保的重点事项之一。流体力学不仅可应用于城市的污染预测，也广泛应用于汽车研发、工厂废气处理等领域，研究如何减少污染物排放，从根本上解决空气污染问题。
