使用机器学习技术量化环境变量对骑自行车者暴露在PM2.5中的贡献
Martín Rodríguez Núñez1,2, Iván Tavera Busso1,2, Hebe Alejandra Carreras1,2
1Instituto Multidisciplinario de Biología Vegetal (IMBIV), Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina.
Heliyon
|February 1, 2024
概括
骑自行车的人面临着严重的空气污染暴露. 这项研究开发了一种机器学习模型,识别影响城市骑自行车者微颗粒物 (PM2.5) 暴露的时间和环境因素.
科学领域:
- 环境科学 环境科学
- 城市规划 城市规划
- 数据科学数据科学数据科学
背景情况:
- 骑自行车的人很容易受到城市空气污染的影响.
- 了解暴露因素对于更健康的城市环境至关重要.
- 机器学习提供了预测能力,但可能缺乏解释性.
研究的目的:
- 开发一个对骑自行车者暴露于细颗粒物 (PM2.5) 的预测模型.
- 确定影响城市环境中骑自行车者PM2.5暴露的关键因素.
主要方法:
- 利用地理时间引用数据和机器学习技术.
- 开发和评估预测模型,选择最适合的梯度增强.
- 分析了变量重要性,包括时间,气象和空间属性.
主要成果:
- 梯度增强模型实现了PM2.5预测的最小根平均平方误差为5.62μg m−3.
- 时间因素 (月,日,时间) 是最有影响力的,其次是气象变量.
- 街道类型,植被和车辆流量也影响了暴露;专门的自行车道显示PM2.5比路边车道更低.
结论:
- 时间和环境因素显著影响骑自行车的PM2.5暴露.
- 城市规划应将自行车道与交通路线相结合,以减轻空气污染.
- 城市基础设施的战略设计可以提高骑自行车的人的空气质量.
更多相关视频
07:35Aggravation of Myocardial Ischemia upon Particulate Matter Exposure in Atherosclerosis Animal Model
Published on: December 10, 2021
2.0K
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
2.2K
