[发明专利]一种多因素对空气质量影响的评价方法和装置

说明书

本发明提供一种多因素对空气质量影响的评价方法和装置，所述方法包括：获取路网地理信息数据、路网交通流量数据、风向数据和空气质量数据；根据路网地理信息数据，获取路网道路组成、风向数据和空气质量监测站的位置关系；根据位置关系，对数据进行预处理，构建数据集；利用关联规则算法，设定最小支持度和最小置信度，迭代计算支持度和置信度，获得强关联规则；选择合适的强关联规则，输出对应的置信度作为不同路网道路组成、不同交通流量在不同风向环境下，对空气质量影响的评价结果。本发明对影响空气质量的多因素进行定量分析，获得不同路网道路组成、不同交通流量在不同风向环境下对空气质量影响的评价结果，为改善空气质量提供理论基础。

技术领域

本发明涉及计算机大数据处理的技术领域，更具体地，涉及一种多因素对空气质量影响的评价方法和装置。

背景技术

目前，机动车污染成为我国空气污染的重要来源。而空气污染是一种复杂的动态现象，会受到许多因素的影响：不同的气象条件会影响空气污染物的分布，机动车排放、工矿企业等也会直接影响空气质量。因此，要改善空气质量就需要对影响空气质量的多方面影响因素进行研究评价。空气质量在不同空间尺度的研究主要表现在：小尺度的道路交通范围、中尺度的城市区域范围和大尺度的全球范围。道路交通范围的空气质量主要受到机动车尾气排放、气象等因素的影响；城市区域范围的空气质量状况受到城市发展、城市气象和城市人口数量等因素的影响；全球范围的空气质量则是聚焦在全球气候的变化的影响。交通信息与气象因子对空气质量影响的研究发现，目前采用的方法大都是相关性的分析，虽然可以直观的从相关性系数知道哪方面因素与空气质量的关联度最高，但由于没有定量分析，不能反映深层次的关系，更无法得知数据之间存在何种关联关系；并且对于复杂的道路交通系统，研究因素单一会造成巨大误差,而路网结构组成不同也会对空气在质量存在较大的影响；因此需要从多角度研究影响空气质量的因素。

2019年12月20日公开的中国专利CN110598953A提供了一种时空相关的空气质量预测方法，该发明将城市划分成大小相同的网格，每个网格受相邻区域网格影响，按照网格内是否有空气监测站分为预测区域和估计区域；获取影响空气质量数据相关时序数据，对时序数据采用循环神经网络和空间深度学习进行特征提取，进行时序模型训练。获取影响空气质量数据相关非时序数据，对非时序数据采用卷积神经网络进行特征提取，进行空间模型训练；该方法对影响空气质量数据相关的时序数据和非时序数据进行特征提取，利用提取结果对模型训练，进而对空气质量进行预测估计。该方法对空气质量进行预测估计时前，数据需要经过特征提取过程，属于相关性的分析，虽然可以直观的从相关性系数知道哪方面因素与空气质量的关联度最高，但由于没有定量分析，不能反映深层次的关系，对空气质量的预测估计不准确。

发明内容

本发明为克服上述现有技术对空气质量影响因素研究单一，缺乏定量分析，无法反映多因素与空气质量的深层次关系，具有对空气质量评价、预测不准确的缺陷，提供一种多因素对空气质量影响的评价方法和装置，综合考虑了路网地理信息、路网交通流量和风向对空气质量的影响，并对其进行定量分析，获得不同路网道路组成、不同交通流量在不同风向环境下对空气质量影响的评价结果，对空气质量的评价、预测更加准确。

为解决上述技术问题，本发明的技术方案如下：

本发明提供一种多因素对空气质量影响的评价方法，所述方法包括以下步骤：

S1：获取试验区域内路网地理信息数据、路网交通流量数据、风向数据和空气质量监测站监测的空气质量数据；

S2：根据所述路网地理信息数据，获取路网道路组成、风向数据和空气质量监测站的位置关系；

S3：根据所述位置关系，对路网交通流量数据、路网道路组成、风向数据和的空气质量数据进行预处理，将预处理后的数据作为数据集的元素，构建数据集；