利用SAPIENS系统应对空气质量问题
机器学习
2026-02-02 v1
摘要
空气污染是全球大城市面临的慢性问题，随着长期健康影响的逐渐明确，人们的意识也在上升。车辆交通被确定为造成空气质量差的主要因素。在许多城市，公开提供的空气质量测量和预测数据在空间和时间上都比较粗糙。然而，实际情况下，各种形式的实时交通强度数据是公开可得的，且在空间和时间上具有较高细节。本文我们对墨西哥城的污染传感器测量数据与交通数据进行深入研究。我们分析并建模了交通强度与空气质量之间的关系，以提供超局部、动态的空气质量预测。我们开发了一种创新方法，将简单的颜色编码交通图转换为同心环结构描述，实现对交通状况的改进特征化。通过偏最小二乘回归，我们基于这些新定义的交通强度预测污染水平。通过多组训练样本优化模型，以获得最佳预测性能并洞察污染物与交通之间的关系。我们设计的工作流程简洁且可适用于其他情境，例如其他城市。
引用
@article{arxiv.2601.23215,
title = {Tackling air quality with SAPIENS},
author = {Marcella Bona and Nathan Heatley and Jia-Chen Hua and Adriana Lara and Valeria Legaria-Santiago and Alberto Luviano Juarez and Fernando Moreno-Gomez and Jocelyn Richardson and Natan Vilchis and Xiwen Shirley Zheng},
journal= {arXiv preprint arXiv:2601.23215},
year = {2026}
}
备注
24 pages, 13 figures