基于 AI-Truck 的建筑垃圾运输活动短期预测

建筑垃圾运输卡车（或称“渣土车”）是城市街道中最常见的重要柴油车辆之一，它们不仅产生大量的碳、NO$_{\textbf{x}}$ 和 PM$_{\textbf{2.5}}$ 排放，也是道路和工地扬尘的主要来源。渣土车受到当地交通和环境政策的一系列时空准入限制。本文解决了在重污染期间预测城市尺度渣土车活动水平的实际问题，以便环境执法单位能够针对局部卡车聚集采取及时和主动的措施。我们设计了一个深度集成学习框架（命名为 AI-Truck），该框架采用一个软投票集成器，利用 Bi-LSTM、TCN、STGCN 和 PDFormer 作为基分类器。AI-Truck 采用下采样和加权损失的组合来解决样本不平衡问题，并利用卡车轨迹提取更准确有效的地理特征。该框架已部署用于在中国成都一个 255 km$^{\textbf{2}}$ 区域内，以 1km$\times$1km$\times$0.5h 的分辨率进行卡车活动预测。作为一个分类器，AI-Truck 在预测 0.5 小时时间长度的渣土车活动水平时，宏 F1 值达到 0.747，并能使执法人员提前 1.5 小时以超过 80% 的准确率发现高活动地点。