基于视频和深度学习反演交通空气污染在不同功能区中的时空分布

研究背景

      交通污染给人类健康带来严重威胁。在城市建成区内部，建筑物、植被、人口流动等存在空间异质性。现有的空气质量污染基站由于价格昂贵、耗费人力等因素，城市内部设置站点相对稀疏，不足以满足高分辨率时间空间的空气污染质量研究。宋金超等人在Journal of Cleaner Production上发文，提出基于交通视频和深度学习识别车辆种类和数量进而估算城市内部车辆排放空气污染物的时空分布，该思路可以在其他城市进行推广，以检测大范围的精细空间尺度的交通污染时间变化，为城市交通规划和环境治理提供数据支撑。

科学问题

（1）不同城市功能区中交通污染物排放的时空分布

（2）结合图像视频识别车辆类型和数量，提高交通污染物数据的时间空间分辨率

研究方法

      首先从交通视频识别各功能区的车辆类型和数量，包括家用轿车、中型客车、大型客车、轻型货车、中型货车、大型货车、出租车、公交车和摩托车等，然后根据各类型汽车的污染物排放因子，计算此时此地点污染物排放总量。

 （1）识别汽车类型和数量

        首先，将视频图像分割成7×7 个网格，对于每一个网格，利用两个限位框（bounding box）来预测车辆类型及置信度，每个限位框有5个参数（图1），包括(x, y, w, h)四个定位物体位置的坐标和置信度 C, 与置信度的乘积大小用来确定汽车类型。

（2）将汽车类型和数量按照小时和天进行加和统计，乘以相应的污染物排放系数得到空气污染物的时空分布格局。

结果

(1)交通污染物排放量：高速路>商业区>工业区 >居住区>港口

(2) 工作日, CO, HC和 VOC最大排放量在商业区, NOx, PM2.5 和PM10 最大排放量在工业区.    在周末,所有污染物排放量在商业区都高于其他区域.

讨论

       研究结论说明，不同功能区的空气污染排放量相差较大，并且周末和工作日污染物排放高峰时间有所差异。大数据（如实时交通拥堵数据、交通监控视频等）和方法为高分辨率交通污染制图和研究提供了基础，可以实时在大空间范围上模拟空气污染分布，为交通管理和人类健康管理提供数据基础。

       研究以交通视频为主要的数据来源，交通视频覆盖范围广泛，对该研究技术的深度应用，能够实现城市内部交通污染实时模拟；未来的研究可以结合卫星影像和大数据实现三维交通污染扩散模拟。