[论文解读] Tackling air quality with SAPIENS

Marcella Bona, Nathan Heatley+8 more|arXiv (Cornell University)|Jan 30, 2026

Air Quality Monitoring and Forecasting被引用 0

一句话总结

本论文通过将来自 Google 地图图像的交通强度与墨西哥城的污染测量数据通过偏最小二乘回归（PLSR）联系起来，开发了一种超本地化的空气质量预测方法。

ABSTRACT

Air pollution is a chronic problem in large cities worldwide and awareness is rising as the long-term health implications become clearer. Vehicular traffic has been identified as a major contributor to poor air quality. In a lot of cities the publicly available air quality measurements and forecasts are coarse-grained both in space and time. However, in general, real-time traffic intensity data is openly available in various forms and is fine-grained. In this paper, we present an in-depth study of pollution sensor measurements combined with traffic data from Mexico City. We analyse and model the relationship between traffic intensity and air quality with the aim to provide hyper-local, dynamic air quality forecasts. We developed an innovative method to represent traffic intensities by transforming simple colour-coded traffic maps into concentric ring-based descriptions, enabling improved characterisation of traffic conditions. Using Partial Least Squares Regression, we predict pollution levels based on these newly defined traffic intensities. The model was optimised with various training samples to achieve the best predictive performance and gain insights into the relationship between pollutants and traffic. The workflow we have designed is straightforward and adaptable to other contexts, like other cities beyond the specifics of our dataset.

研究动机与目标

• 为从交通信息预测城市空气污染物提供概念验证并予以展示。
• 利用同心环的颜色编码交通地图提出一种新颖的交通强度表示。
• 构建并评估基于 PLSR 的模型，从交通特征预测多种污染物。
• 评估训练数据多样性（多个监测站）对预测性能的影响，并探索用于模型迁移的监测站相似性。

提出的方法

• 使用 44 个传感器数据在墨西哥城构建 SAPIENS 数据库，包含交通和空气污染数据。
• 通过在每个传感器周围 15 个同心环内处理 Google 地图颜色编码来定义交通强度。
• 将交通表示为四种颜色强度并在环上聚合，形成 60 个预测特征。
• 训练一个偏最小二乘回归模型，用 60 个交通预测因子来预测九种污染物，并通过交叉验证选择组件数量。
• 评估不同训练集（三个监测站、六个监测站）与一个验证站的模型，并使用 VIP 分数和加权卡方度量进行监测站相似性分析。
• 使用标准数据处理（z-score 标准化）并通过 Scikit-learn（Python）进行五折交叉验证以进行模型评估。

实验结果

研究问题

• RQ1 交通衍生的超本地交通强度能否在逐小时分辨率预测全市空气污染物浓度？
• RQ2 用同心环颜色强度表示交通是否比简单方法具有更强的预测能力？
• RQ3 增加训练数据覆盖的监测站数量对 RMSE 和预测准确度有何影响？
• RQ4 监测站相似性方法是否能为未见区域提供迁移学习支持？
• RQ5 使用交通驱动输入对不同污染物类别（如 O3、NOx、PM）的相对预测能力如何？

主要发现

• PLSR 能从 60 个交通强度特征预测九种污染物，但对不同污染物的精度有所不同。
• O3 和 CO 的建模效果良好，残差接近零的中心。
• 氮氧化物污染物的残差显示出较小的偏差（小于一个标准差）。
• 颗粒物和 SO2 的预测较差，偏差在一到两个标准差之间且残差非高斯分布。
• 用六个监测站的数据进行训练的 RMSE 低于三个监测站，表明更多元交通数据有益。
• 使用最接近验证站（PED）的监测站进行训练可提供替代训练信息，但总体而言更广泛的训练会提升性能。