[发明专利]一种基于图半监督学习的机动车尾气遥测设备布点方法

说明书

技术领域

本发明属于公共设施选址技术领域，涉及一种机动车尾气遥测设备布点方法，具体是一种基于图半监督学习的机动车尾气遥测设备布点方法。

背景领域

随着我国城市化进程加快和机动车保有量增加，机动车行驶时排放的大量有害气体逐渐成为空气污染的主要来源。机动车排放的主要污染物包括氮氧化物(NOx)、一氧化碳(CO)、碳氢化合物(HC)、颗粒物(PM)等。根据环境保护部发出的《2016年中国机动车环境管理年报》，2015年全国机动车保有量达到2.79亿辆，比上年增长了5.8％，机动车排放的污染物中，NOx约585万吨，HC约430万吨，CO约3460万吨，PM约56万吨，一共超过了4500万吨。这些污染物的高排放导致大气环境呈恶化趋势，雾霾现象日益加重。此外，这些污染物对人体的健康损害非常严重，比如刺激呼吸道，降低呼吸系统的免疫力，诱发慢性气管炎、支气管炎等多种疾病。因此，考虑到机动车尾气污染的严重性，迫切需要一些监测手段，以量化衡量在用车辆的排放影响。机动车尾气遥测设备可以对在路机动车的尾气排放污染物浓度进行实时监测，从而可以预测机动车尾气浓度分布。由于机动车尾气遥测设备成本昂贵，因此需要一些布点选址方法来指导遥测设备的布设。

对于这一问题，申请号为201510214145.6，201611267877.2，201710449337.4和201710461305.6的发明专利已经公开了一些方法，用于估计道路污染物浓度、进行机动车尾气排放普查、检测特定种类机动车尾气、识别高排放车辆、截获交通流量等。但是针对已知现有的机动车尾气遥测设备布点位置，在何处布设下一个以提高机动车尾气浓度分布预测精度这类问题，未见相关研究。

发明内容

本发明的目的在于提供一种基于图半监督学习的机动车尾气遥测设备布点方法，利用已布设的遥测设备获得的少量数据确定新增尾气遥测设备的最佳布设位置，以提高预测机动车排放的尾气浓度分布的可靠性。

本发明的目的可以通过以下技术方案实现：

一种基于图半监督学习的机动车尾气遥测设备布点方法，具体包括以下步骤：

步骤S1：收集欲布设机动车尾气遥测设备区域的交通路网路段、车流量、天气特征信息以及已经布设的尾气遥测设备获得的机动车尾气遥测设备所处路段的机动车尾气浓度值信息；

步骤S2：根据步骤S1获取的信息，构建路段半监督图；

步骤S3：计算步骤S2中路段半监督图的亲和矩阵W和浓度分布矩阵Y；

步骤S4：计算步骤S2中路段半监督图中未知节点u的尾气浓度预测分布P_u以及P_u的不确定性指标χ_u；

步骤S5：选取步骤S4中P_u的不确定性指标χ_u最小的未知节点，将其标记为已知节点，加入到已知节点的集合，同时将其从未知节点的集合中剔除，更新路段半监督图及其浓度分布矩阵Y；

步骤S6：重复步骤S5直到标记了k个未知节点，即得出需要布设遥测设备的基本路段，其中k表示预期的尾气遥测设备布点数目。

进一步地，所述步骤S2中路段半监督图的构建方法如下：

设城市路网中的每个基本路段对应一个机动车尾气浓度分布，构建路段半监督图其中表示G中的节点集，节点总数为N，每个节点对应一个基本路段，E表示G中的边集；

集合其中V表示包含尾气遥测设备的基本路段称为已知节点的集合，集合V的元素个数记为|V|，U表示不包含尾气遥测设备的基本路段称为未知节点的集合，集合U的元素个数记为|U|；

集合E包含未知节点和已知节点的连线以及相近未知节点间的连线。

进一步地，所述步骤S3中路段半监督图的亲和矩阵W的计算方法为：

i，j为G中相连的节点

其中，亲和矩阵W是一个N×N的方阵，w_i，j为W中的元素，x_i，x_j为节点i，j的特征信息，σ＞0为给定的带宽参数。

进一步地，所述步骤S3中路段半监督图的浓度分布矩阵Y的计算方法为：