[发明专利]使用多个数据源的空气质量推断

权利要求书

1.一种方法，包括：

从一个或多个空气质量监测站获得针对地区中的污染物的标记的空气质量指数数据；

从针对所述地区的空间上相关的数据中提取针对所述地区的空间特征，所述空间上相关的数据包括与所述地区中的固定基础设施相关联的信息；

从针对所述地区的时间上相关的数据中提取针对所述地区的时间特征，所述时间上相关的数据包括针对所述地区的随时间改变的数据；以及

应用基于协同训练的学习框架来至少基于所述标记的空气质量指数数据、针对所述地区的空间特征以及针对所述地区的时间特征来协同训练空间分类器和时间分类器。

2.如权利要求1所述的方法，其特征在于，进一步包括：

基于为所述地区中的区域观察到的空间上相关的数据来获得针对所述区域的空间特征；

基于为所述地区中的所述区域观察到的时间上相关的数据来获得针对所述区域的时间特征；

使用所述空间分类器至少基于所述空间特征来生成针对所述区域中的所述污染物的空间概率分数；

使用所述时间分类器至少基于所述时间特征来生成针对所述区域中的所述污染物的时间概率分数；以及

至少基于所述空间概率分数和所述时间概率分数来计算与所述区域中的所述污染物有关的空气质量指数水平。

3.如权利要求2所述的方法，其特征在于，所述计算包括至少基于所述空间概率分数和所述时间概率分数的乘积来计算所述空气质量指数水平。

4.如权利要求2所述的方法，其特征在于，为所述区域观察到的空间上相关的数据包括道路网络数据或兴趣点数据中的至少一者，并且其中为所述区域观察到的时间上相关的数据包括车流量数据、人类移动数据或气象数据中的至少一者。

5.如权利要求2所述的方法，其特征在于，所述区域缺少提供针对所述污染物的空气质量指数水平的空气质量监测站。

6.如权利要求1所述的方法，其特征在于，所述应用包括应用所述基于协同训练的学习框架来对所述空间分类器和所述时间分类器进行协同训练以用于为所述地区中的区域推断所述污染物的空气质量指数水平。

7.如权利要求1所述的方法，其特征在于，所述应用所述基于协同训练的学习框架包括：

用针对所述地区的空间特征来训练所述空间分类器；

用针对所述地区的时间特征来训练所述时间分类器；以及

应用所述空间分类器和所述时间分类器来通过以下方式迭代地推断未标记的区域：对于每一后续训练迭代轮次，将一个或多个最确信地分类的示例添加到所述地区中的标记的区域中，直到所述地区中剩下的未标记的区域均被标记或者预定数目的迭代轮次已被执行。

8.如权利要求1所述的方法，其特征在于，为所述地区观察到的空间上相关的数据包括道路网络数据或兴趣点数据中的至少一者，并且其中为所述地区观察到的时间上相关的数据包括车流量数据、人类移动数据或气象数据中的至少一者。

9.如权利要求1所述的方法，其特征在于，所述空间分类器是人工神经网络ANN分类器，并且其中所述时间分类器是线性链条件随机场CRF分类器、隐马尔可夫模型HMM分类器或最大熵马尔可夫模型分类器之一。

10.一种计算机实现的方法，包括：

应用基于协同训练的学习框架来至少基于来自地区中的一个或多个空气质量监测站的标记的空气质量指数数据、与所述地区相关联的空间特征的集合、以及与所述地区相关联的时间特征的集合来协同训练空间分类器和时间分类器；

基于为所述地区中的区域观察到的空间上相关的数据来获得针对所述区域的空间特征的附加集合；

基于为所述地区中的所述区域观察到的时间上相关的数据来获得针对所述区域的时间特征的附加集合；

使用所述空间分类器至少基于针对所述区域的空间特征的附加集合来生成针对所述区域中的污染物的空间概率分数；使用所述时间分类器至少基于针对所述区域的时间特征的附加集合来生成针对所述区域中的所述污染物的时间概率分数；以及

至少基于所述空间概率分数和所述时间概率分数来计算与所述区域中的所述污染物有关的空气质量指数水平。