当前立体观测数据严重缺乏，这限制了对典型大气污染的复杂时空过程进行全面认识。无人机由于灵活可控，可以对交通污染物进行全方位地连续监测，更加真实地揭示交通污染物的垂直扩散规律，近年来备受欢迎。

  课题组基于多旋翼无人机，搭建便携式空气污染监测设备，通过风洞试验和数值模拟，设计基于无人机的大气污染监测平台，对城市空气污染进行天地一体化监测。截止目前，课题组利用无人机平台在华北平原、长三角和珠三角等十余个城市开展过空气污染物的垂直观测实验，并且取得了较好的研究成果，为当地空气污染的朔源和治理提供了垂直数据支撑。

  主要研究案例包括：

  1 基于无人机的空气污染垂直扩散研究

  基于无人机和便携式空气污染监测设备，搭建无人机大气污染监测平台。通过城市道路空气污染物的垂直分布监测，揭示高架、植被等建成环境对城市空气污染垂直扩散的影响规律。

  2 基于无人机的空气污染朔源研究

  基于自主搭建的无人机大气污染监测平台，评估某钢铁厂上空空气污染物的三维扩散规律，并对厂区的污染源进行解析。

  3 基于无人机的港口及海洋环境监测

  考虑水面飞行的安全性，自主搭建适合水上飞行的无人机平台，对海面溢油地扩散、船舶排放的扩散进行立体监测。

  4 基于无人机的交通污染地空一体化监测

  基于无人机大气污染监测平台，结合车载尾气监测系统 (PEMS)，构建地空一体化的三维立体监测平台。通过城市空气污染的地空一体化监测，探讨城市空气污染物的三维扩散过程和区域传输规律。

  交通、环境与健康是目前最活跃的交叉学科之一。通过对交通、环境与健康问题的联合研究，可以揭示交通拥堵、交通污染及健康的共性问题，从而实现交通拥堵与交通污染的协调控制，为当前城市病治理提供理论指导和决策咨询。

  课题组研究基于城市交通排放的三维时空分布规律，结合不同人群的呼吸频率等生理特征，揭示城市交通排放物不同人群的暴露水平，评估行人交通污染暴露的健康风险，进而对城市交通排放进行优化和控制。

  要研究案例包括：

  1 基于车载排放测试系统(PEMS)的交通污染移动监测

  车载排放测试系统是一种集成化的车载尾气分析系统，其集高精度的排放分析仪、流量计和主控电脑为一体，可实时测量并记录机动车尾气，也可以测量行驶过程中的地理位置信息、气象环境参数和车辆行驶速度。课题组基于PEMS设备，对城市路网交通污染进行移动监测。

  2 城市道路交通污染的时空分布

  基于PEMS设备和便携式设备，对城市路网交通污染进行移动监测，揭示城市微观、中观和宏观等不同尺度城市路网交通污染的时空分布。在此基础上， 通过交通仿真、空气污染数值模拟等，评估交通限行策略、交通基础设施等对交通交通及环境的影响，从而优化策略实现交通拥堵与交通污染的协调控制，为当前城市病治理提供理论指导和决策咨询。

  3城市交通污染与居民健康风险研究

  临街居民或行人，由于靠近交通污染源，不可避免地长期暴露在高浓度的空气污染中，其身心健康受到极大的威胁。课题组通过交通污染移动监测，揭示城市道路空气污染物的时空分布特征，评估居民及行人空气污染暴露的健康风险，构建交通、临街小区空间布局等优化策略。

  4 城市道路交通碳排放的时空分布研究

  交通运输行业既是能耗大户，也是碳排放大户。在我国碳达峰碳中和的大背景下，探索交通运输领域的碳排放问题刻不容缓。本研究基于车载排放测试系统(PEMS)，揭示不同类型车辆在城市道路中的碳排放特征，探究城市路网交通碳排放的时空分布规律，进而为在交通领域实现碳中和碳达峰提供科学依据和数据支撑。

  5 便携式大气污染移动监测的智能背包

  与固定监测相比，移动监测具有很强的灵活性，可在更小的尺度监测污染物多维时空分布,是固定监测的有力补充。课题组发明了一种便携式大气污染移动监测的智能背包，能够在多种建成环境下灵活使用。

  智慧交通是依靠物联网、大数据、人工智能等多种信息技术，对交通运输系统进行分析、模拟和优化。课题组以问题为导向，以数据为驱动，对城市交通的一系列问题展开研究。

  课题组基于多旋翼无人机，搭建便携式空气污染监测设备，通过风洞试验和数值模拟，设计基于无人机的大气污染监测平台，对城市空气污染进行天地一体化监测。截止目前，课题组利用无人机平台在华北平原、长三角和珠三角等十余个城市开展过空气污染物的垂直观测实验，并且取得了较好的研究成果，为当地空气污染的朔源和治理提供了垂直数据支撑。

  主要研究案例包括：

  1 基于深度学习的城市交通韧性研究

  基于深度学习中的注意力机制和图卷积神经网络，对极端天气下道路交通系统的恢复力和韧性特征进行评估，对交通系统恢复的演变趋势进行精细化预测。

  2 基于深度学习的城市空气污染精细化预测

  考虑空气质量监测网络的时空相关性，构建注意力的Seq2Seq模型和深度神经网络相结合的模型，对空气质量监测网络中的邻近因素和空间信息进行自适应融合和学习，对城市区域近地面的臭氧浓度进行精细化预测。

  3 基于复杂网络的空气污染区域传输研究

  基于复杂网络方法，刻画空气污染传播网络的社团结构，探讨空气污染区域传输的规律，为区域空气污染、碳排放的联防联控提供决策支持。

  4 基于深度学习的交通状态时空在线预测

  由于传感器或网络传输故障，交通监测这数据缺失是一个不可忽视的问题。本研究基于长短时记忆神经网络和图拉普拉斯正则矩阵分解方法，对时空交通状态的确实数据进行修补，对实时交通状态进行精细化在线预测。