基于图像分析流水线的交通颗粒物排放自动量化
计算机与社会
2022-11-28 v1 计算机视觉与模式识别
流体动力学
摘要
众所周知，交通排放对全球空气污染有显著贡献，尤其是在新加坡等高度城市化的城市。先前的研究表明，主要道路沿线的颗粒物污染与高峰时段交通量增加呈强相关性，且减少交通排放可带来更好的健康结果。然而，在许多情况下，获取车辆交通的准确计数仍依赖人工且极为费力。这限制了开展长期纵向监测的能力，例如当试图理解拼车等新交通法规等干预措施的效果，或进行计算建模时。因此，在本研究中，我们提出并实现了一种集成机器学习流水线，利用交通图像获取车辆计数，可轻松与其他测量数据整合以促进各类研究。我们在一个针对新加坡某地点获取的开放源代码交通图像数据集上验证了该流水线的效用与准确性，并将获得的车辆计数与2022年为期两周的同址颗粒物测量数据进行比较。路边颗粒物排放与所获车辆计数表现出良好相关性，相关系数为0.93，表明该方法确实可作为颗粒物排放的快捷有效关联指标。
引用
@article{arxiv.2211.13455,
title = {Automated Quantification of Traffic Particulate Emissions via an Image Analysis Pipeline},
author = {Kong Yuan Ho and Chin Seng Lim and Matthena A. Kattar and Bharathi Boppana and Liya Yu and Chin Chun Ooi},
journal= {arXiv preprint arXiv:2211.13455},
year = {2022}
}