通过数据驱动的时空空间交通动态,解开香港近路排放不平等

科学领域:

• 环境科学 环境科学
• 城市规划 城市规划
• 公共卫生 公共卫生

背景情况:

• 交通排放不成比例地影响密集城市地区的弱势群体.
• 现有的评估经常汇总车辆类型,忽视每小时的变化,掩盖了暴露不平等的特定驱动因素.
• 配送车队和公共巴士可以加剧服务不足社区的污染负担.

研究的目的:

• 开发和应用一个车辆类和小时解决方法来估计香港的交通排放.
• 量化不同社会经济和种族群体经历的与交通有关的空气污染不平等.
• 为了确定特定的车辆类型和一天的时间,这些不平等的贡献最大.

主要方法:

• 集成的高分辨率交通计数,街道图像和探测器数据.
• 利用机器学习和计算机视觉来模拟每小时的氧化 (NOx) 和颗粒物 (PM2.5) 排放.
• 开发了一个新的框架来分析车辆类和小时特定的排放影响.

主要成果:

• 开发的框架解释了NOx和PM2.5排放量的超过95%的差异.
• 与白人居民相比,低收入居民面临的NOx水平高出8-9%,中国居民面临的NOx水平高出40-52%.
• 配送车队推动了白天的不平等,而特许经营巴士放大了晚上的不平等,轻型货运车辆,特许经营巴士和重型货运车辆是造成差距的主要原因.

结论:

• 本研究提供了对特定车辆对城市人口的交通排放影响的细节化,数据驱动的分析.
• 这些发现揭示了明显的时间模式和车辆对空气污染不平等的贡献.
• 结果为开发有针对性的,以公平为重点的城市规划和交通管理干预提供了关键的见解.