[发明专利]交通污染排放量预测方法

说明书

本发明提供了交通污染排放量预测方法，该方法包括：接收待预测区域当前的综合实况数据；对综合实况数据进行特征提取，获得时空张量；其中，时空张量用于表征综合实况数据对应的特征元素在待预测区域内的时空变化；利用预先创建的交通排放预测模型对时空张量在预测时间内的污染物排放量进行预测，以获得预测结果；其中，预测结果中包括至少一种污染物在预测时间的任一时间窗时的预测排放量；其中，交通排放预测模型通过至少两组样本集训练得到，每一组样本集中包括作为输入的时空张量以及作为输出的该时空张量所属区域在预测时间的污染物排放量。本方案能够提高预测交通污染物排放量的准确性。

技术领域

本发明涉及智能交通技术领域，特别涉及交通污染排放量预测方法。

背景技术

随着城市化进程和机动化出行快速发展，机动车数量急剧增长，机动车尾气污染源排放已成为城市空气质量恶化的首要污染物，危害人们的身心健康和日常生活。由于道路单位时间内的车流量在一定程度上决定了附近区域该时段内的空气质量，因此为了帮助人们安排出行方式和出行时间，响应国家节能减排号召，需要对交通污染物排放进行有效的预测。

目前，针对交通污染排放量预测方法，主要采用一些列修正因子乘以基础排放率的简单数学形式，未考虑环境中残留的污染物，也未考虑气象条件对污染物扩散的影响，故导致针对交通污染物排放量的预测准确性较低。

发明内容

本发明实施例提供了交通污染排放量预测方法，能够提高预测交通污染物排放量的准确性。

第一方面，本发明提供了交通污染排放量预测方法，包括：

接收待预测区域当前的综合实况数据；

对所述综合实况数据进行特征提取，获得时空张量；其中，所述时空张量用于表征所述综合实况数据对应的特征元素在所述待预测区域内的时空变化；

利用预先创建的交通排放预测模型对所述时空张量在预测时间内的污染物排放量进行预测，以获得预测结果；其中，所述预测结果中包括至少一种污染物在所述预测时间的任一时间窗时的预测排放量；

其中，所述交通排放预测模型通过至少两组样本集训练得到，每一组样本集中包括作为输入的时空张量以及作为输出的该时空张量所属区域在预测时间的污染物排放量。

可选地，所述对所述综合实况数据进行特征提取，获得时空张量，包括：

对所述综合实况数据进行特征提取，获得特征数据；

对所述待预测区域进行空间方格化划分，得到至少两个空间方格；

将所述特征数据按照时间顺序填充在对应的空间方格内，生成所述时空张量。

可选地，所述综合实况数据包括交通数据、污染排放数据、气象数据中的至少两个；

当所述综合实况数据中包括交通数据时，所述对所述综合实况数据进行特征提取包括：对所述交通数据进行特征提取，获得特征交通数据；其中，所述特征交通数据包括所述待预测区域内车辆轨迹、车辆速度、交通信号状态中的至少一个；

当所述综合实况数据中包括污染排放数据时，所述对所述综合实况数据进行特征提取包括：对所述污染排放数据进行特征提取，获得特征污染排放数据；其中，所述特征污染排放数据包括所述待预测区域内的PM2.5、PM10、臭氧、二氧化硫、氮氧化物中至少一种污染物的排放量；

当所述综合实况数据中包括气象数据时，所述对所述综合实况数据进行特征提取包括：对所述气象数据进行特征提取，获得特征气象数据；其中，所述特征气象数据包括所述待预测区域内的风向、风速、温湿度、气压、雨量、能见度中的至少一个。

可选地，所述交通排放预测模型的创建方法包括：

获取至少两组历史实况数据；其中，每一组历史实况数据包括待预测区域在预设时长内的实况数据；