基于AIoT的智慧城市人机协同环境监测框架与机器学习预测分析

《Applied Sciences》：AIoT-Enabled Human–AI Collaboration for Smart City Environmental Monitoring

　　**摘要**实时环境监测越来越多地依赖于基于物联网（IoT）的传感基础设施和能够处理高频城市环境数据的机器学习技术。然而，许多现有方案主要聚焦于数据采集、可视化或孤立的预测任务，在统一的决策支持框架中对预测分析与人类专家知识的整合仍然有限。这一局限性凸显了对智能监测方法的迫切需求——即结合连续感知、短期预测和人机协同解读的方法。人机-AI协同网络（HCN）在智慧城市环境下的环境监测与决策支持方面日益展现出其重要性。本文提出了一种基于人工智能物联网（AIoT）的协同框架，将分布式uRADMonitor传感器、云端数据管理、机器学习模型和人类利益相关方整合到一个统一的监测生态系统中。在锡比乌（Sibiu）的多个地点部署了分布式uRADMonitor传感网络以进行持续环境监测，同时本研究所进行的机器学习实验是独立开展的，使用了从锡比乌不同街区采集的三个传感节点数据集。每个数据集均采用相同的整体建模与验证方法，而预测变量集则反映了各传感节点可获取的环境变量。本研究对多种机器学习算法进行了空气质量指数（AQI）预测评估，包括线性回归、随机森林和梯度提升。在随机划分训练集与测试集的条件下，随机森林在所有三个传感节点上均为表现最佳的同期预测模型，但各地点之间的预测性能差异显著。相比之下，短期预测实验提供了具有实际操作意义的预测能力，岭回归在5至120分钟的预测时域范围内均表现出相对于持续性基准的正向技能水平。