一种基于多源数据的交通污染物空间分布推断方法

本发明公开了一种基于多源数据的交通污染物空间分布推断方法，包括采集研究区域污染物逐小时数据，并划分不同时段计算平均值作为被解释变量；提取潜在解释变量，包括地理位置、气象要素、土地利用、道路密度、POI兴趣点数据及其他污染物等；利用有监督的前向逐步回归算法构建LUR模型筛选重要变量；构建xgboost机器学习模型，建立污染物浓度与解释变量之间的机器学习回归模型；利用GIS将研究区域划分为规则网格，提取网格质心点对应的被解释变量，输入机器学习模型预测网格污染物浓度；分小区域对不同交通微环境污染物浓度进行调研，可以推断交通污染物的高精度分布情况，为环境治理提供科学依据，同时为人们出行提供可视化建议。