利用建筑垃圾运输卡车 GPS 数据分类土方相关场所:成都案例研究
机器学习
2024-04-05 v3 人工智能
摘要
土方相关场所,如施工现场、弃土场和混凝土搅拌站,是城市粉尘污染(颗粒物)的主要来源。对土方相关场所的有效管理至关重要,需要及时高效地追踪全城范围内的这些场所。本研究旨在利用超过 16,000 辆建筑垃圾运输卡车(CWHTs)的 GPS 轨迹数据,以及涵盖地理、土地覆盖、POI 和交通维度的 58 个城市特征,来识别和分类城市土方相关场所。我们比较了几种机器学习模型,并使用中国成都的真实数据检验了各种时空特征对分类性能的影响。结果表明,使用有限数量的特征即可实现 77.8% 的分类准确率。该分类框架已在成都的 Alpha MAPS 系统中实施,在 2023 年 12 月期间成功识别了市内 724 个施工现场/弃土场、48 个混凝土搅拌站和 80 个卡车停放点,使地方当局能够以低人力成本有效管理城市粉尘污染。
引用
@article{arxiv.2402.14698,
title = {Using construction waste hauling trucks' GPS data to classify earthwork-related locations: A Chengdu case study},
author = {Lei Yu and Ke Han},
journal= {arXiv preprint arXiv:2402.14698},
year = {2024}
}
备注
12 pages, 8 figures