[发明专利]一种城市路网大气污染物浓度时空分布实时监测系统

权利要求书

1.一种城市路网大气污染物浓度时空分布实时监测系统，其特征在于：包括数据中心和传感器网络；所述传感器网络包括分布在路网中的多个传感器构成，将多个传感器形成的实时监测数据传输到数据中心，数据中心结合其他外部数据库的数据，所述其他外部数据库为车辆信息数据库、车辆年检数据库、城市路网地理信息数据库、城市空气污染监测数据库，使用自校正异步互补滤波算法对数据进行融合，最终实现大气污染物浓度时空分布的实时精确监测。

2.根据权利要求1所述的城市路网大气污染物浓度时空分布实时监测系统，其特征在于：所述传感器网络由固定式交通排放监测器、移动式大气污染监测器、交通流传感器以及道路气象监测器组成。

3.根据权利要求1所述的城市路网大气污染物浓度时空分布实时监测系统，其特征在于：所述自校正异步互补滤波算法包括污染物扩散随机差分方程模型、异步互补滤波器和自校正调节器；污染物扩散随机差分方程描述了大气污染物的扩散过程，异步互补滤波器将传感器网络产生的数据进行融合以获得准确的污染物浓度时空分布，自校正调节器调节异步互补滤波器中的权重系数以保证滤波器的性能。

4.根据权利要求3所述的城市路网大气污染物浓度时空分布实时监测系统，其特征在于：所述污染物扩散随机差分方程模型具有如下形式：

x_t＝kx_t-1+χ+u_t-1+w_t-1

其中x_t，x_t-1代表在时间t和t-1的道路气体污染物浓度，χ＝(1-k)μ代表污染物静态浓度，μ代表高层空气中的平均污染物浓度，u_t-1代表在时间t-1的由交通引起的大气污染物浓度增加量，w_t表示高斯白噪声，表示均值为0，方差为p_t的高斯分布，k∈(0,1)是扩散系数，下标t和t-1表示采样时间。

5.根据权利要求3所述的城市路网大气污染物浓度时空分布实时监测系统，其特征在于：所述异步互补滤波器，为如下形式：

${\hat{x}}_t=\mathrm{\α}(k{\hat{x}}_{t-1}+\mathrm{\χ}+u_{t-1})+(1-\mathrm{\α})y_t$

其中是在时间t的最优估计；y_t表示在时间t的移动式大气污染监测器对大气污染物浓度的检测值，u_t-1代表在时间t-1的由交通引起的大气污染物浓度增加量，是移动式大气污染监测器的噪声，为高斯白噪声；表示均值为0，方差为q_t的高斯分布，下标t表示采样时间，χ＝(1-k)μ代表污染物静态浓度，μ代表高层空气中的平均污染物浓度，k∈(0,1)是扩散系数；

假设p_t＝p，P_t＝P及q_t＝q，其中p_t为w_t的方差，q_t为υ_t的方差，为同步方差，p,q,P表示常数，

则权重系数其中N为同步周期系数，K＝k^N为同步扩散系数，为同步噪声，也是一个高斯白噪声。

6.根据权利要求3所述的城市路网大气污染物浓度时空分布实时监测系统，其特征在于：所述自校正调节器，具有如下形式：

${\hat{P}}_{Nt}={\hat{r}}_{Nt}^{\left(0\right)}+\frac{K+1}{K}{\hat{r}}_{Nt}^{\left(1\right)}$

${\hat{q}}_{Nt}=\frac{-1}{K}{\hat{r}}_{Nt}^{\left(1\right)}$

其中为同步方差P_Nt的估计，为q_Nt的估计，为相关函数r⁽⁰⁾与r⁽¹⁾的估计，λ遗忘因子，取值为0＜λ＜1，检测差分序列z_Nt+N＝y_Nt+N-Ky_Nt-U_Nt是两个独立随机过程W_Nt和v_Nt+N-Kv_Nt之和，K为同步扩散系数，q_Nt为v_Nt的方差，v_Nt为移动式大气污染监测器的噪声，W_Nt为同步噪声，y_Nt表示在时间Nt的移动式大气污染监测器对大气污染物浓度的检测值，U_Nt为同步输入值，下标表示采样时间。