论文部分内容阅读
环境问题的日益严重,对人类的生存和经济的发展产生了巨大的影响,导致区域环境治理成为当前公众最关心的问题之一。政府在治理环境时也将人对环境的感知满意度作为衡量环境治理成效的重要指标。但目前存在公众环境感知信息获取手段受限,以及公众环境感知满意度难以量化的问题。本文基于上述问题提出了“人智环境感知”概念模型,并设计开发了手机APP用于公众环境感知数据的采集,利用采集到的数据构建了公众环境感知计算模型,实现了公众环境感知满意度的可计算,进而进行了公众环境感知计算模型的应用实例研究。研究内容包括:(1)人智环境感知概念模型构建。针对目前公众环境感知信息难以获取,以及公众环境感知主体参与性不强等问题。本文提出了将人作为传感器的人智环境感知概念模型,模型主体分为应用层、网络数据管理层和设备层,使用户成为感知数据的提供者和受益者。模型的构建丰富了公众环境感知数据的获取方式,为研究公众环境感知提供新的研究思路和方法。(2)基于Stacking的公众环境感知计算模型设计。针对公众环境感知满意度信息获取难度大、不可计算的问题。本文采用Stacking集成学习算法进行了公众环境感知计算模型的构建,选取KNN、GBDT和LGBM作为基学习器。选取XGB作为次级学习器,最终模型误差指标RMSE值为8.40、MAE值为3.56、R~2值为0.80、MAPE值为7.57,与单模型相比,Stacking集成学习算法可以较好的提升模型预测的准确率。本模型将人的感受与物理环境直接联系起来,实现了公众环境感知满意度的可计算,为公众环境感知满意度的计算提供了新方法。(3)基于感知计算模型的区域差异性分析。针对目前环境感知区域性差异无法进行心理层面研究的问题。本文基于感知计算模型,利用了K-means算法进行了公众环境感知差异性研究,选取北京市、兰州市和广州市三个区域作为研究对象,对区域间公众环境感知差异性进行分析。根据手肘法则得到聚类的K值为4,将公众环境感知满意度分为“很满意”、“基本满意”、“不满意”和“很不满意”四个等级;利用K-means算法将公众环境感知满意度和AQI值进行聚类分析,通过实验发现北京市、兰州市和广州市AQI值分别为300、330和120时,当地公众环境感知满意度由“不满意”变为“很不满意”,发生明显变化。本研究使政府可以更好的了解公众对于空气质量的需求,为不同城市环境治理部门把控空气质量指标范围提供参考依据。