利用基于视觉的机器学习估计城市交通黑碳浓度
机器学习
2025-12-09 v1 计算机视觉与模式识别
计算机与社会
新兴技术
摘要
城市地区的黑碳（BC）排放主要由交通驱动，主要道路附近的排放热点对边缘化社区影响不成比例。由于BC监测通常使用昂贵且专门的仪器，因此几乎没有关于本地交通源BC的可用数据，这可能有助于指导针对本地因素的政策干预。相比之下，交通监测系统在全球城市广泛部署，凸显了我们对交通状况的了解与对其环境后果的了解之间的差距。为弥补这一差距，我们提出了一种基于机器学习的系统，从交通视频中提取视觉信息以捕捉车辆行为与状态。结合天气数据，我们的模型在街道级估计BC，取得了R²值为0.72、RMSE为129.42 ng/m³（纳克每立方米）的结果。从可持续性角度来看，这项工作利用城市基础设施已支持的资源和成熟的建模技术来生成与交通排放相关的信息。获取BC浓度数据为在地方市政层面支持污染减少、城市规划、公共健康和环境正义提供了可操作的见解。
引用
@article{arxiv.2512.06649,
title = {Estimating Black Carbon Concentration from Urban Traffic Using Vision-Based Machine Learning},
author = {Camellia Zakaria and Aryan Sadeghi and Weaam Jaafar and Junshi Xu and Alex Mariakakis and Marianne Hatzopoulou},
journal= {arXiv preprint arXiv:2512.06649},
year = {2025}
}
备注
12 pages, 16 figures, 4 tables, 4 pages Appendix, in submission and under review for ACM MobiSys 2026 as of December 6th, 2025