估算路段级交通排放：利用开源数据增强 MOVES
机器学习
2025-10-07 v1 应用统计
机器学习
摘要
开源数据为估算城市区域的车辆活动和排放提供了可扩展且透明的基础。在本研究中，我们提出了一个数据驱动框架，该框架整合了 MOVES、开源 GPS 轨迹数据、OpenStreetMap (OSM) 道路网络、区域交通数据集和卫星影像衍生的特征向量，以估算路段级的运行模式分布和交通排放。我们训练了一个神经网络模型，仅使用从现成数据中提取的特征来预测 MOVES 定义的运行模式分布。所提出的方法论使用了与波士顿大都会区 45 个市镇相关的开源数据进行了应用。使用 OSM 开源 GPS 轨迹建立了“真值”运行模式分布。与 MOVES 基线相比，对于包括 CO、NOx、CO2 和 PM2.5 在内的关键污染物的区域尺度交通排放，所提出的模型将 RMSE 降低了 50\% 以上。本研究证明了使用完全开源的数据源进行低成本、可复制且数据驱动的排放估算的可行性。
引用
@article{arxiv.2510.03362,
title = {Estimating link level traffic emissions: enhancing MOVES with open-source data},
author = {Lijiao Wang and Muhammad Usama and Haris N. Koutsopoulos and Zhengbing He},
journal= {arXiv preprint arXiv:2510.03362},
year = {2025}
}