[论文解读] Machine Learning for Urban Air Quality Analytics: A Survey

Jindong Han, Weijia Zhang+2 more|arXiv (Cornell University)|Oct 14, 2023

Air Quality Monitoring and Forecasting被引用 4

一句话总结

本综述系统性地回顾了用于城市空气质量分析的机器学习（ML）技术，涵盖数据获取、预处理以及污染模式挖掘、推理和预测等关键任务。它对ML方法进行了系统分类，识别出异构数据和稀疏性等挑战，并强调了未来方向，包括不确定性量化、可解释性以及与决策制定的整合，为环境科学和计算机科学领域的研究人员提供了基础性参考资源。

ABSTRACT

The increasing air pollution poses an urgent global concern with far-reaching consequences, such as premature mortality and reduced crop yield, which significantly impact various aspects of our daily lives. Accurate and timely analysis of air pollution is crucial for understanding its underlying mechanisms and implementing necessary precautions to mitigate potential socio-economic losses. Traditional analytical methodologies, such as atmospheric modeling, heavily rely on domain expertise and often make simplified assumptions that may not be applicable to complex air pollution problems. In contrast, Machine Learning (ML) models are able to capture the intrinsic physical and chemical rules by automatically learning from a large amount of historical observational data, showing great promise in various air quality analytical tasks. In this article, we present a comprehensive survey of ML-based air quality analytics, following a roadmap spanning from data acquisition to pre-processing, and encompassing various analytical tasks such as pollution pattern mining, air quality inference, and forecasting. Moreover, we offer a systematic categorization and summary of existing methodologies and applications, while also providing a list of publicly available air quality datasets to ease the research in this direction. Finally, we identify several promising future research directions. This survey can serve as a valuable resource for professionals seeking suitable solutions for their specific challenges and advancing their research at the cutting edge.

研究动机与目标

• 为解决传统大气建模在捕捉复杂城市空气污染机制方面存在的局限性，包括计算成本高和对领域专业知识的依赖。
• 识别并系统化ML驱动的空气质量分析中的关键挑战，如异构数据融合、数据稀疏性以及复杂的时空依赖性。
• 为应用于空气质量任务（如模式挖掘、推理和预测）的ML方法提供结构化分类体系。
• 整理公开可获取的空气质量数据集列表，以加速该领域研究。
• 概述新兴研究方向，包括不确定性量化、模型可解释性以及强化学习在污染缓解中的应用。

提出的方法

• 提出从数据获取到预处理的路线图，随后应用ML模型于核心空气质量分析任务。
• 根据研究问题（如预测、推理、模式挖掘）和技术方法（如深度学习、集成模型）对ML方法进行分类。
• 回顾处理异构输入的技术，如多模态特征融合和注意力机制，以整合气象、交通和排放数据。
• 讨论数据高效学习策略，包括迁移学习和图神经网络，以应对稀疏且非均匀分布的传感器覆盖问题。
• 引入基于图卷积网络（GCNs）和循环结构（如LSTMs）的时空建模方法，以捕捉动态污染传播与相关性变化。
• 突出通过贝叶斯神经网络和蒙特卡洛丢弃法实现的不确定性量化新兴方法，以及通过因果效应学习和注意力可视化实现的可解释性方法。

实验结果

研究问题

• RQ1 机器学习模型如何有效整合异构的多源数据（如气象、交通、排放）以支持城市空气质量分析？
• RQ2 在城市监测网络中，面对数据稀疏性和非均匀传感器覆盖的情况，有哪些技术可提升模型性能？
• RQ3 ML模型如何捕捉并建模空气污染传播与转化中的复杂时空依赖性？
• RQ4 当前基于ML的空气质量系统在不确定性量化和模型可解释性方面存在哪些差距？
• RQ5 如何扩展ML模型以支持可操作的决策制定，如干预分析与排放控制优化？

主要发现

• 传统大气建模计算成本高，且受限于领域知识的不完整性；而ML模型能以更低的计算成本，直接从历史数据中学习内在污染模式。
• 异构数据融合仍是主要挑战，因为跨模态的简单特征拼接常导致性能不佳，亟需先进融合技术。
• 数据稀疏性（如北京仅0.2%的数据被观测）会引入偏差并限制模型泛化能力，凸显数据高效学习方法的必要性。
• 时空模型如GCNs和LSTMs能有效捕捉由风向变化引起的污染传播与相关性变化，优于SVM和随机森林等传统模型。
• 尽管在风险导向决策中至关重要，ML驱动的空气质量预测中的不确定性量化仍研究不足。
• 可解释性与因果建模正成为关键前沿，因果效应学习有望识别污染驱动因素，提升模型透明度与可信度。