[发明专利]一种交通排放污染可视化预警方法及其系统有效
申请号: | 201910677429.7 | 申请日: | 2019-07-25 |
公开(公告)号: | CN110346518B | 公开(公告)日: | 2021-06-15 |
发明(设计)人: | 刘辉;李燕飞;刘泽宇 | 申请(专利权)人: | 中南大学 |
主分类号: | G01N33/00 | 分类号: | G01N33/00;G08B21/12;G06K9/62;G06N3/00 |
代理公司: | 长沙永星专利商标事务所(普通合伙) 43001 | 代理人: | 周咏;米中业 |
地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 交通 排放 污染 可视化 预警 方法 及其 系统 | ||
1.一种交通排放污染可视化预警方法,包括如下步骤:
S1.在监测区域内随机移动并进行监测,获取监测点的位置数据信息、监测点的空气数据以及监测区域的基础数据信息;
S2.根据监测点的位置数据信息、监测区域内交通路口节点的位置数据信息和监测区域内空气质量监测站的位置数据信息,进行相对位置信息特征的提取;具体为采用如下步骤进行提取:
A.根据第i个空气质量监测站的绝对位置信息、第i个交通路口节点的绝对位置信息和监测点的绝对位置信息,采用如下公式计算相对位置信息,从而提取相对位置信息特征:
ΔLGSA(i)=Longitude_site(i)-Longitude_A1
ΔLTSA(i)=Latitude_site(i)-Latitude_A1
ΔHSA(i)=Height_site(i)-Height_A1
ΔLGNA(i)=Longitude_node(i)-Longitude_A1
ΔLTNA(i)=Latitude_node(i)-Latitude_A1
ΔHNA(i)=Height_node(i)-Height_A1
式中ΔLGSA(i)为第i个空气质量监测站与监测点的东西距离相对量;ΔLTSA(i)为第i个空气质量监测站与监测点的南北距离相对量;ΔHSA(i)为第i个空气质量监测站与监测点的海拔高差;ΔLGNA(i)为第i个交通路口节点与监测点的东西距离相对量;ΔLTNA(i)为第i个交通路口节点与监测点的南北距离相对量;ΔHNA(i)为第i个交通路口节点与监测点的海拔高差;RPSA(i)为第i个空气质量监测站与监测点的空间相对距离;RPNA(i)为第i个交通路口节点与监测点的空间相对距离;Longitude_site(i)为第i个空气质量监测站的经度信息,Latitude_site(i)为第i个空气质量监测站的纬度信息,Height_site(i)为第i个空气质量监测站的海拔数据信息;Longitude_node(i)为第i个交通路口节点的经度信息,Latitude_node(i)为第i个交通路口节点的纬度信息,Height_node(i)为第i个交通路口节点的海拔信息;
B.采用如下算式计算相对风速角,从而提取相对风速角特征:
式中β_sitei(t)为t时刻第i个空气质量监测站与监测点之间的相对风速角;α_sitei(t)为t时刻第i个空气质量监测站的风向角;β_nodei(t)为t时刻第i个交通路口节点与监测点之间的相对风速角;α_nodei(t)为t时刻第i个交通路口节点的风向角;
S3.选取最优的空气质量监测站和最优的交通道路节点;
S4.根据步骤S3选取的最优的空气质量监测站的空气质量数据,以及最优的交通道路节点的交通数据信息,构建大气污染物预测模型;
S5.根据步骤S4构建的大气污染物预测模型,构建任意监测点的污染物浓度预测模型;
S6.根据实时环境数据信息,对步骤S5构建的任意监测点的污染物浓度预测模型进行修正;
S7.根据步骤S6得到的修正后的任意监测点的污染物浓度预测模型的预测结果,对监测区域的城市交通污染排放进行可视化预警。
2.根据权利要求1所述的交通排放污染可视化预警方法,其特征在于步骤S1所述的在监测区域内随机移动并进行监测,获取监测点的位置数据信息、监测点的空气数据以及监测区域的基础数据信息,具体为采用空气质量监测车,以移动的方式在监测区域进行随机移动,并采集空气质量监测车所在位置的移动空气质量数据,同时记录采集移动空气质量数据时空气质量监测车的位置信息,同时记录监测区域内空气质量监测站的位置信息和固定空气质量数据;同时获取监测区域的实时天气数据信息和风向数据信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910677429.7/1.html,转载请声明来源钻瓜专利网。