[发明专利]一种普适的区域环境信息移动感知及预测方法

说明书

一种普适的区域环境信息移动感知及预测方法，利用移动感知节点采集数据，并传送至云端服务器；然后在云端采用区域化随机变量分析的方法对这些数据进行空间和结构的分析，并得出协方差和变差函数的表达式；再利用改进的随机L‑BFGS算法改进克里格算法，并用此算法进行普适的区域环境信息空间预测，得出环境信息的空间预测结果；利用共享单车采集环境数据的时间和空间的关系进行时空预测分析，得出目标区域的时空预测结果；最后是综合针对时间和空间的不同预测结果给出最后的区域全局环境预测结果图。

技术领域

本发明涉及数据插值方法领域，具体为一种普适的区域环境信息移动感知及预测方法。

背景技术

生态环境信息在环境保护中十分重要：对环境科研工作十分重要；对节能减排十分重要；对城市的规划部署十分重要。目前收集环境信息的方式是在目标区域布置大量的监测环境空气质量的传感节点。无线传感器网络部署方便，可监测的区域也广泛，因而可以在供电困难区域、人类难以到达区域进行有效监测。但是大量的在城市中布置无线传感器节点，会造成冗余节点多、资源浪费、以及成本过高等问题。

空间插值可以通过已知空间的数据来求未知空间数据的方法。它是基于“地理学第一定律”的基本假设:空间位置上越靠近的点，具有相似特征值的可能性越大；而距离越远的点，其具有相似特征值的可能性越小。根据一组已知的空间数据，不论是离散的形式，还是分区的形式，都可以从这些数据中找到一个函数关系式，使得该关系式能够很好的逼近已知数据，并根据该关系函数式推求出范围内任意点的值。虽然目前的空间数据插值补全与预测的方案较多，但都是基于传统的固定传感器网络方案，对于本专利所述的移动感知方案尚无足够的研究与重视。

目前环保部门监测环境空气信息的成本比较高，造成了在城市中大量布置环境信息监测站点的困难。共享单车可以成为广泛分布在城市中的环境空气感知节点，但是目前尚无与其相适应的采集环境空气信息的传感器模块。

发明内容

本发明的目的是针对固定无线传感器网络大量布置造成的冗余节点多、资源浪费、成本过高的问题，提出了一种环境信息移动感知及预测方案，可以解决资源浪费，冗余节点多的问题，还考虑到了不同时间采集环境信息的误差。

一种普适的区域环境信息移动感知及预测方法，包含以下步骤：

步骤1：在云端数据库中利用已有测得的环境数据，采用区域化随机变量分析的方法对这些数据进行空间和结构的分析，并得出协方差和变差函数的表达式；

步骤2：利用改进的随机L-BFGS算法优化变差函数模型，采取不均匀小批量采样的策略，并且通过几个较小的Hessian矩阵的更新来近似原随机L-BFGS算法中的Hessian矩阵；

步骤3：利用改进的随机L-BFGS算法优化的变差函数对克里格算法进行优化，并利用此算法进行普适的区域环境空间信息预测，并将预测结果传送至云端；

步骤4：利用共享单车采集环境数据的时间和空间的关系进行时空预测分析，得出目标区域的时空预测结果，并将预测结果传送至云端数据库；

步骤5：在云端数据库中对的克里格预测结果和时间空间的预测结果进行分析，对每一个经纬度的预测值取两种预测结果的中位数，得出目标区域内环境信息的最终预测值，并输出最终的环境预测结果图。

进一步地，所述步骤1中，在已有测得的环境数据中，如同一经纬度有两个相同类型的数据，则需要选择距离需要预测时间点最近的数据。

进一步地，所述步骤1包括如下的分步骤：