[发明专利]一种基于PM2.5的健康步行路径规划方法及终端设备

说明书

本发明适用于计算机技术领域，提供了一种基于PM2.5的健康步行路径规划方法及装置，包括：根据用户的起始位置和终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。通过预测所有步行路径的PM2.5浓度值，并规划出一条PM2.5浓度值最小的步行路径，能够解决现有技术中高密度城市的步行路径中，由于PM2.5污染严重影响人体健康的问题。

技术领域

本发明属于计算机技术领域，尤其涉及一种基于PM2.5的健康步行路径规划方法及终端设备。

背景技术

目前，随着大气污染的日益严重，国内外道路层面关于PM2.5的相关研究越来越多，但是大都基于高成本的车载PM2.5浓度传感器来监测PM2.5的浓度，来考虑机动车或者自行车道路上的情况，缺乏对步行道路上PM2.5的专门研究。而经研究表明全世界PM2.5污染导致的死亡人数每年高达几百万人，其中，影响最严重的是在高密度城市，人们步行的过程当中。因此，在高密度城市的步行路径中，PM2.5污染严重影响人体健康的问题，如何规划出PM2.5浓度最低的健康步行路径已成为亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于PM2.5的健康步行路径规划方法及终端设备，以解决现有技术中PM2.5污染严重影响人体健康的问题。

本发明实施例的第一方面提供了一种基于PM2.5的健康步行路径规划方法，包括：

获取用户的起始位置和终点位置；

根据所述起始位置和所述终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；

获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；

将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；

基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。

可选地，所述预先训练完成的PM2.5预测模型为多元线性回归模型，所述将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值之前，包括：

获取预设数量的步行路段的城市环境因子；

将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值；

分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率；

当所述预测准确率达到预设准确率阈值的比例大于预设的准确率比例时，停止训练，得到训练好的多元线性回归模型；

当所述预测准确率达到预设准确率阈值的比例小于，或者等于预设的准确率比例时，则增加所述预设数量的步行路段的城市环境因子，并返回执行所述将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值。

可选地，所述分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率之前，包括：

根据预设的网格尺寸生成覆盖每条步行路径的格网；

确定每个所述网格包含的采样点；