Explainable Machine Learning for Predicting Thermal Discomfort from Multipollutant Exposure on Dhaka Roadways

ملخص تقني: تعلم الآلة القابل للتفسير للتنبؤ بعدم الارتياح الحراري الناتج عن التعرض للملوثات المتعددة على طرق دكا

بيان المشكلة
تمثل الطرق الحضرية في المدن العملاقة سريعة النمو مثل دكا، بنغلاديش، بيئات تعرض معقدة حيث يواجه مستخدمو الطريق (المشاة، والركاب، وشرطة المرور، والعمال غير الرسميين) ضغوطًا متزامنة: الحرارة، وتلوث الهواء (الجسيمات الدقيقة وثاني أكسيد الكربون)، وضوضاء المرور. غالبًا ما تقيم الدراسات التقليدية هذه العوامل بشكل منعزل، مما يؤدي إلى الفشل في رصد التأثيرات التآزرية للتعرض للملوثات المتعددة على الإدراك الحراري البشري. علاوة على ذلك، قد تواجه الأساليب الإحصائية القياسية صعوبة في نمذجة التفاعلات غير الخطية بين هذه المتغيرات والراحة الحرارية الذاتية. تعالج هذه الدراسة الحاجة إلى قياس والتنبؤ بعدم الارتياح الحراري في البيئات الدقيقة للطرق في دكا من خلال دمج بيانات التعرض للملوثات المتعددة مع أطر تعلم الآلة القابلة للتفسير.

المنهجية
اعتمد البحث تصميمًا رصديًا ميدانيًا عرضيًا تم تنفيذه عبر 17 موقعًا للمراقبة الاستراتيجية على طول ثلاثة ممرات رئيسية (الشمالي، والوسطي، والجنوبي) في دكا. تم جمع البيانات خلال فترات أواخر الموسم الموسمي، وما بعد الموسم الموسمي، وانتقال الشتاء (أغسطس 2025 – يناير 2026).

• تحصيل البيانات:
  • أجهزة الاستشعار البيئية: قامت أجهزة كشف الهواء الذكية والمعايرة (JLDC) بقياس تركيزات PM₁، وPM₂.₅، وPM₁₀، وCO₂. كما سجلت أجهزة قياس مستوى الصوت الصغيرة (UT353) مستويات ضوضاء المرور. كما تم رصد البيانات الأرصادية (درجة الحرارة، والرطوبة النسبية، وسرعة الرياح).
  • الإدراك البشري: مقابلات مهيكلة مع 1,109 مشاركًا لجمع أصوات الإحساس الحراري الذاتية بناءً على معايير الجمعية الأمريكية لتدفئة التبريد وتكييف الهواء (ASHRAE) (تتراوح من بارد جدًا إلى حار)، بالإضافة إلى بيانات حول مستويات الملابس، والشكاوى الصحية (مثل الصداع)، وجودة الهواء المدركة.
• المعالجة المسبقة للبيانات: خضعت مجموعة البيانات الخام لعملية تنظيف صارمة، بما في ذلك إزالة أخطاء المستشعرات، والبيانات المكررة، والقيم المفقودة. تضمنت مجموعة بيانات النمذجة النهائية 1,109 ملاحظة.
• إطار تعلم الآلة: تم تدريب ثلاث خوارزميات تصنيف تحت الإشراف للتنبؤ بفئات عدم الارتياح الحراري:
  1. شجرة القرار (DT): استُخدمت كقاعدة مرجعية قابلة للتفسير.
  2. الغابة العشوائية (RF): وهي طريقة تجميعية لتقليل الإفراط في التخصيص وتحسين الاستقرار.
  3. XGBoost: نموذج تعزيز التدرج المتقدم لالتقاط العلاقات غير الخطية المعقدة.
• التفسير والتحقق: تم تقييم أداء النموذج باستخدام ROC-AUC، والدقة، والضبط، والاستدعاء، ودرجة F1، ومصفوفات الارتباك. ولضمان قابلية التفسير، تم تطبيق تحليل قيم SHAP (تفسيرات شابل لتعزيز الإضافة) لتحديد المساهمة النسبية لكل متنبئ. كما أُجري تحليل الحساسية لتقييم متانة النموذج ضد التباينات في متغيرات المدخلات.

النتائج الرئيسية

• عبء التعرض: وجدت الدراسة عبئًا مرتفعًا من التعرض للملوثات المتعددة. بلغ متوسط تركيز PM₂.₅ مقدار 71.37 ميكروجرام/م³، بينما بلغ متوسط PM₁ مقدار 58.35 ميكروجرام/م³. سجلت قياسات جانب الطريق حدًا أقصى لتركيز PM₂.₅ قدره 100.00 ميكروجرام/م³ في مجموعة بيانات الدراسة، رغم أن النص يشير إلى ذروة محددة بلغت 172.2 ميكروجرام/م³ في منطقة ميربور-10. وبلغ متوسط مستويات الضوضاء 82.96 ديسيبل. تتجاوز هذه القيم إرشادات منظمة الصحة العالمية بشكل كبير.
• انتشار عدم الارتياح الحراري: كشفت البيانات الميدانية عن عدم ارتياح حراري شديد، حيث تم تصنيف 99.46% من الملاحظات على أنها "حار"، أو "دافئ"، أو "دافئ قليلاً". ولم يبلغ عدد الذين أفادوا بإحساس محايد أو بارد سوى نسبة ضئيلة جدًا.
• أداء النموذج: تفوقت نماذج التجميع بشكل كبير على شجرة القرار المنفردة. حققت كل من الغابة العشوائية وXGBoost دقة قدرها 0.96 ودرجة F1 قدرها 0.96، مع قيم ROC-AUC تشير إلى تمييز ممتاز (AUC = 0.96). أظهرت النماذج استقرارًا عاليًا في تصنيف عدم الارتياح الحراري عبر سيناريوهات التعرض المختلفة.
• أهمية المتنبئ (تحليل SHAP): خلافًا للافتراض بأن درجة الحرارة هي المحرك الوحيد، حدد تحليل SHAP أن سرعة الرياح وتركيز CO₂ هما أكثر المتنبئات تأثيرًا على عدم الارتياح الحراري. كما ساهمت PM₁₀، ومستوى الملابس، والرطوبة بشكل متوسط، بينما كان لـ PM₂.₅ ومستويات الضوضاء تأثيرات أصغر ولكنها ليست مهملة. يشير هذا إلى أن تدفق الهواء في المناخ المحلي (Microclimate) والانبعاثات المرورية (التي تشير إلى الازدحام وضعف التهوية) هي محددات حاسمة لعدم الارتياح.
• الحساسية: أكد تحليل الحساسية أنه بينما ظلت متغيرات PM والضوضاء مستقرة نسبيًا في تأثيرها، فإن التباينات في التعرض لـ CO₂ تسببت في تقلبات أكثر أهمية في تنبؤات النموذج، مما يسلط الضم الضوء على حساسية الراحة الحرارية لظروف كثافة المرور والتهوية.

الأهمية والمساهمات
تزعم الورقة تقديم عدة مساهمات هامة في مجالات الصحة البيئية الحضرية وتعلم الآلة:

1. نهج متكامل للملوثات المتعددة: على عكس الدراسات السابقة التي عزلت الحرارة أو الضوضاء أو التلوث، يوفر هذا البحث إطارًا قائمًا على الأدلة لفهم التأثير المشترك لهذه الضغوط على الإدراك الحراري في مدينة مدارية كثيفة.
2. تطبيق الذكاء الاصطناعي القابل للتفسير: من خلال استخدام تحليل SHAP، تنتقل هذه الدراسة إلى ما وراء التنبؤات "الصندوق الأسود". فهي تقيس التأثير المحدد لمتغيرات مثل سرعة الرياح وCO₂، مما يقدم رؤى قابلة للتنفيذ لصناع السياسات بدلاً من مجرد دقة التنبؤ.
3. الصلة بالصحة العامة: تسلط النتائج الضوء على أن عدم الارتياح الحراري في دكا ليس مجرد قضية أرصاد جوية، بل هو أزمة صحة عامة مدفوعة بالتآزر بين الحرارة والجسيمات الدقيقة والضوضاء. ويؤكد الانتشار المرتفع لعدم الارتياح (99.46%) على هشاشة وضع العمال في الهواء الطلق والركاب.
4. إطار السياسات: تقترح الدراسة استراتيجية تدخل متعددة القطاعات، تشمل الحلول القائمة على الطبيعة (زراعة الأشجار على جوانب الطرق، والأرصفة المظللة)، والتحكم في انبعاثات المرور، وتخفيف الضوضاء. وتقترح أن هذه التدابير يجب أن تستهدف مقاطع طرق محددة عالية الخطورة تم تحديدها من خلال التحليل المكاني.

يخلص المؤلفون إلى أن معالجة عدم الارتياح الحراري تتطلب نهجًا متكاملاً للتخطيط الحضري يدير في الوقت نفسه جودة الهواء، والضوضاء، والمناخ المحلي، مدعومًا بنماذج تنبؤية قابلة للتفسير ومدفوعة بالبيانات.