《Sustainability》:Cross-Variable Coupling and Period-Adaptive Learning for Interpretable Atmospheric Pollution Forecasting in Sustainable Environmental Management
编辑推荐:
大城市中酒精影响驾驶既是一个道路安全问题,也是一个公共安全治理挑战。本研究提出一个多源数据融合框架,用于识别公开记录的酒后驾驶违规的时空风险,并将风险估计转化为执法导向的优先区域。以上海为案例,研究人员整合了1814个公开记录的酒后驾驶违规数据与餐饮娱乐兴趣点
大城市中酒精影响驾驶既是一个道路安全问题,也是一个公共安全治理挑战。本研究提出一个多源数据融合框架,用于识别公开记录的酒后驾驶违规的时空风险,并将风险估计转化为执法导向的优先区域。以上海为案例,研究人员整合了1814个公开记录的酒后驾驶违规数据与餐饮娱乐兴趣点(POI)、400–800米环形POI测量、道路网络、地铁站、公共停车设施、气象条件和时间属性。首先使用核密度估计(Kernel density estimation)和ST-DBSCAN(时空密度聚类算法)来识别观察到的时空聚类。然后针对白天、傍晚和午夜后时段估计了特定时段的网格化Logit模型(Logit model),并采用互补对数-对数模型(complementary log-log model)进行稳健性检验。结果显示强烈的夜间集中性,其中T2时段显示出最高的预测风险,周末情景进一步增加了T2和T3时段的风险。网格内餐饮娱乐POI变量大多与风险负相关,而周围餐饮POI显示出稳定的正相关,表明饮酒场所与观察到违规的道路空间之间存在空间错配。道路暴露、地铁可达性、停车设施和周末背景也显示出时变效应。最后,将模型预测的风险网格与观察到的聚类整合,产生优先、警告和背景区域,支持大城市中基于证据的、特定时段和特定地点的酒后驾驶风险治理。
**论文解读文章**
**研究背景与问题**
道路安全是城市可持续发展与公共安全治理的重要组成部分。世界卫生组织提出2030年前将道路交通死亡人数减半的目标,中国将酒后驾驶治理列为重点。大城市如上海夜间活动高度活跃,2024年夜间出行量达403万次,酒吧2906家,夜间公交活动面积1975平方公里,但酒后驾驶违规的时空风险识别不足。现有研究多关注酒后驾驶事故或酒精相关碰撞,较少基于公开违规记录;对饮酒场所与周边道路空间的关系刻画不充分;且热点识别多停留在聚类或预测层面,缺乏与执法分类的衔接。因此,需要整合多源数据,构建从聚类、风险建模到治理分区的分析框架。
**研究内容与结论**
研究人员以上海为案例,整合1814个公开酒后驾驶违规记录与餐饮娱乐兴趣点(POI)、400–800米环形POI、道路网络、地铁站、公共停车设施、气象条件及时间属性,提出时空聚类识别、时段特定风险建模与风险融合分类的分析框架。首先使用ST-DBSCAN(时空密度聚类算法)识别历史时空聚类,再以400米网格为单元,针对白天(T1: 6:00–18:00)、傍晚(T2: 18:00–24:00)和午夜后(T3: 0:00–6:00)三个时段构建Logit模型(Logit model),并用互补对数-对数模型(cloglog)进行稳健性检验。最后将模型预测风险与历史聚类叠加,得到执法优先分类。结果表明:酒后驾驶违规风险具有显著时空异质性,T2时段预测风险最高,周末情景进一步增加T2和T3风险;网格内餐饮POI与风险显著负相关,而周围400–800米环形缓冲区内餐饮POI显著正相关,表明饮酒场所与违规观察位置存在空间错配;道路长度、地铁可达性、停车设施和周末背景呈现时变效应。该研究为大城市酒后驾驶治理提供了基于多源数据融合的时空风险识别与分级分类方法,发表于《Sustainability》。
**主要关键技术与方法**
① ST-DBSCAN(时空密度聚类算法):同时考虑空间邻域半径(400米)和时间邻域阈值(6小时),识别酒后驾驶违规的时空聚类。② 时段特定网格化Logit模型(Logit model):以400米×400米网格为空间单元,分T1、T2、T3三个时段建立二元Logit模型,并采用互补对数-对数模型(cloglog)进行稳健性检验。③ 空间溢出变量构建:计算网格内及周围400–800米环形缓冲区的餐饮和娱乐POI(兴趣点)数量,捕捉活动场所对周边道路空间的影响。④ 风险融合分类:将ST-DBSCAN识别的高风险聚类与模型预测的高风险网格叠加,生成优先、警告和背景三个等级。样本来源:上海交通安全综合服务平台公开记录的1814个酒后驾驶违规事件(2024年11月1日至2025年12月14日)。
**研究结果**
**3.1 多重共线性检验**
通过方差膨胀因子(VIF)检验,所有解释变量最大VIF为3.046,小于10,表明无严重多重共线性,可纳入后续时段特定模型。
**3.2 酒后驾驶违规的时空分布特征**
时间分布显示事件高度集中于夜间:18:00后显著增加,20:00–23:00为高发时段,00:00–02:00仍维持较高水平;白天(6:00–18:00)事件数较低。空间核密度分析表明,违规记录在中心城区和商业娱乐活跃区形成热点,外围区域密度较低,呈现显著空间异质性。
**3.3 高风险聚类识别结果**
ST-DBSCAN(空间邻域400米,时间邻域6小时,最小样本数5)识别出25个高风险聚类。这些聚类呈离散的局部热点,而非连续大片区域,进一步凝练了历史观测中的显性聚集位置。