AI 预测城市空气污染：综述103项研究与三城案例

时间：2026年11月4日，清洁科技媒体AZoCleantech刊发综述文章《Can Artificial Intelligence Help Cities Predict Traffic-Related Pollution?》，系统梳理用机器学习从路网数据预测城市空气污染的研究进展与三个已经落地的城市系统。 地点：西班牙马德里、英国伦敦、美国匹兹堡；相关综述覆盖全球城市研究。 人物：AZoCleantech撰稿人Abdul Ahad Nazakat；SOCAIRE系统作者de Medrano等；SURTRAC系统作者Smith等（美国卡内基梅隆大学）；伦敦市长办公室；马德里市政府。 事件详情：文章的核心依据是一篇2025年发表于《Atmospheric Environment》的综述（Du等，卷346，文章号121054），梳理了2013年至2023年间的103项研究，说明树模型与神经网络如何用道路数据预测城市空气质量。一套典型系统会合并四类数据：交通流量、车速与拥堵状况；风、温度、降雨等气象记录；多年积累的历史污染物读数；以及实时空气质量传感器读数。落地案例有三个：马德里的SOCAIRE系统结合历史污染物浓度、数值天气预报与人类活动信息，逐日给出未来48小时预报；伦敦Breathe London试点在全市铺开100个低成本二氧化氮传感器、连续运行两年，校准后的传感器平均不确定度约35%，夏季还有数周时段性能下降、读数出现偏差；卡内基梅隆大学的SURTRAC自适应信号系统在匹兹堡9个路口的试点中，把行程时间、停车次数、燃油消耗与估算排放等指标整体改善20%至40%。文章也点出边界：数据质量与模型可解释性是领域内公认难题，当预测被用来支撑限行决策时人工复核不可省略。马德里2016年12月一次高污染过程的回溯分析显示，只有最严格一级响应显著压低了市中心二氧化氮峰值，该次限行被认为可能避免了市中心二氧化氮进一步上升至多15%，而周边区域没有可测量的改善。伦敦方面，Breathe London读数支撑了扩展超低排放区的决定，33所装有传感器的学校中有9所按趋势将超过法定二氧化氮限值并获得审计与补助，公交场站附近的热点则促使伦敦交通局与运营商合作推行防止怠速等措施。 背景：机动车尾气是城市二氧化氮与细颗粒物的主要来源之一。世界卫生组织估计，2019年室外空气污染在全球造成420万人过早死亡，几乎全球全部人口（99%）居住在不满足其指导值的地区。传统扩散模型难以逐小时刻画一条路网的排放变化，而城市管理者往往要等污染峰值真正出现之后才知道发生了什么，可用于处置的窗口被压缩。 影响：这条路径给城市管理者提供了一条完整的链条参考：马德里用预测支撑分级限行，伦敦用传感器网络定位学校与公交场站周边的超标热点并推动整改，卡内基梅隆的SURTRAC则绕开预测环节，直接用自适应信号调度压减排。对国内城市而言，路网级机器学习预测提供了传统数值预报之外的一种补充视角，把污染从「全市一个数」细化到「哪条街、哪个时段」。但三个案例同时说明维护成本是硬约束：伦敦必须把部分低成本传感器与参考级仪器并置来做漂移校准，否则不确定度会直接吃掉预测价值；模型可解释性则决定了预测能不能真的用来支撑限行这类行政决策。对做环境AI的团队来说，可解释性和长期运维能力与模型精度同等重要。 总结：AI预测城市交通污染已经从论文走进市政系统的日常运行，103项研究的综述给出方法论主干，马德里、伦敦、匹兹堡分别给出了预报、监测与调控三种落地形态。边界同样清晰，预测提供的是提前量而不是治理本身，只有配合限行、信号调度与清洁交通等实际动作，链条才闭合。对读者最实际的两点提示是：空气质量预报的可信度取决于底层数据质量而不是模型名字；任何声称「AI能解决污染」的说法，都需要先回答谁来触发行动、谁来承担误判代价。 常见问题： 问：AI预测城市空气污染准吗？ 答：伦敦校准后的低成本传感器平均不确定度约35%，夏季还有数周时段性能下降；参考级仪器更准但成本高得多。 问：用AI预测空气质量需要哪些数据？ 答：四类，交通流量与拥堵、气象记录、多年历史污染物读数、实时传感器读数。 问：AI预测出污染就能减少污染吗？ 答：不能。马德里2016年案例中只有最严格一级响应显著降低了市中心二氧化氮峰值，周边没有可测改善。 参考来源： AZoCleantech综述报道（2026年11月4日） https://www.azocleantech.com/article.aspx?ArticleID=2221 Atmospheric Environment 2025年综述原文：机器学习用于城市路网交通与空气质量时空研究综述 https://doi.org/10.1016/j.atmosenv.2025.121054 SOCAIRE马德里城市空气质量预测系统论文 https://doi.org/10.1016/j.envsoft.2021.105084 马德里高污染过程短期行动计划观测分析论文 https://doi.org/10.1016/j.scitotenv.2018.03.149 Atmospheric Measurement Techniques开放获取论文：城市空气污染传感器网络不确定度评估 https://amt.copernicus.org/articles/15/321/2022/ Breathe London伦敦空气质量传感器网络官方站点 https://www.breathelondon.org/ 世界卫生组织空气污染主题页 https://www.who.int/health-topics/air-pollution 世界卫生组织全球城市空气质量数据库 https://www.who.int/data/gho/data/themes/air-pollution