关于 COVID-19 大流行、人类出行与空气质量的机器学习研究综述

持续的 COVID-19 全球大流行正在影响人类生活的各个方面（如公共卫生、教育、经济、交通和环境）。这一新型大流行以及全市范围的封锁措施正在影响病毒传播、人们的出行模式和空气质量。许多研究已使用一系列机器学习（ML）技术来预测 COVID-19 扩散、评估大流行对人类出行和空气质量的影响，以及评估封锁措施对病毒传播的影响。本综述旨在分析既往研究结果，以理解 COVID-19 大流行、封锁措施、人类出行和空气质量之间的相互作用。对既往研究的批判性综述表明，城市形态、人们的社会经济和身体状况、社会凝聚力以及社交距离措施显著影响人类出行和 COVID-19 传播。在 COVID-19 大流行期间，许多人倾向于使用私人交通进行必要出行，以缓解冠状病毒相关的健康问题。本综述还注意到，COVID-19 相关封锁措施通过降低空气污染物浓度显著改善了空气质量，这进而通过减少人们的呼吸道相关疾病和死亡改善了 COVID-19 状况。我们认为，ML 是处理如全球大流行等复杂棘手问题的强大、有效且稳健的分析范式。本研究还讨论了政策启示，将有助于决策者通过采用数据驱动的分析方法迅速采取行动以缓解大流行严重程度并改善城市环境。