CN106548258B - 一种基于气象条件的交通空气污染物浓度预测方法与系统 - Google Patents

一种基于气象条件的交通空气污染物浓度预测方法与系统 Download PDF

Info

Publication number
CN106548258B
CN106548258B CN201611130174.5A CN201611130174A CN106548258B CN 106548258 B CN106548258 B CN 106548258B CN 201611130174 A CN201611130174 A CN 201611130174A CN 106548258 B CN106548258 B CN 106548258B
Authority
CN
China
Prior art keywords
source
pollutant
concentration
pollution
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201611130174.5A
Other languages
English (en)
Other versions
CN106548258A (zh
Inventor
姚恩建
潘龙
张锐
金方磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN201611130174.5A priority Critical patent/CN106548258B/zh
Publication of CN106548258A publication Critical patent/CN106548258A/zh
Application granted granted Critical
Publication of CN106548258B publication Critical patent/CN106548258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于气象条件的交通空气污染物浓度预测方法，所述方法包括：S1：计算基于当量交通量的综合排放因子；S2：计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；S3：根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；S4：计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度，本发明同时公开了一种基于气象条件的交通空气污染物浓度预测系统，考虑实时交通数据和气象数据估算交通空气污染物浓度，同时考虑污染物的浓度残留，增强了交通空气污染物浓度预测的实用性和准确性。

Description

一种基于气象条件的交通空气污染物浓度预测方法与系统
技术领域
本发明涉及交通空气污染物浓度预测领域。更具体地，涉及一种基于气象条件的交通空气污染物浓度预测方法与系统。
背景技术
我国城市居民机动车保有量的不断增长和出行需求的不断增加导致了更多的机动车尾气的排放，进而严重影响了城市空气质量和居民生活环境。因此，构建一种估算交通污染物浓度的方法对于监测交通对于空气污染的影响具有重要意义。目前，传统的交通污染物浓度估算方法虽然已经形成体系，然而仍然存在一些不足：首先，现有的污染物浓度预测方法中假设交通排放量已知，而该数据其实是难以大量获取的，即使中通过计算获得交通排放量，但是获得的交通排放量只与交通量呈正比例关系，不考虑其他变量的影响，这也是不符合实际的，因此，目前的方法难以准确获取道路交通排放量，而交通排放量却是交通污染物浓度估算方法的重要输入；其次，现有技术中并未充分考虑气象条件对污染物扩散产生的影响，即在不同的气象条件下，污染物的扩散模式、影响范围都应当有所不同，因而其预测结果较为粗糙。此外，现有交通污染物浓度预测方法并未考虑污染物的残留，因而各时段的预测结果缺乏连贯性。
因此，需要提供一种基于实时交通和气象条件估算交通空气污染物浓度的方法与系统，利用实时交通数据和气象数据估算交通空气污染物浓度，同时考虑污染物的浓度残留，增强了交通空气污染物浓度预测的实用性和准确性。
发明内容
本发明要解决的一个技术问题是提供一种基于实时交通和气象条件估算交通空气污染物浓度的方法，考虑多种因素对于交通空气污染物的影响，提高交通空气污染物浓度预测的准确性。本发明要解决的另一个技术问题是提供一种基于实时交通和气象条件估算交通空气污染物浓度的系统。
为解决上述技术问题，本发明采用下述技术方案：
本发明一方面公开了一种基于气象条件的交通空气污染物浓度预测方法，其特征在于，所述方法包括：
S1：基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
S2：计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
S3：根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
S4：计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度。
优选地，所述S1包括：
S11：根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure BDA0001175988040000021
其中，V表示自然交通量，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数；
S12：根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure BDA0001175988040000022
其中，L表示链路长度，EFk表示第k类车的车型排放因子；
S13：基于当量交通量计算综合排放因子，所述综合排放因子为
Figure BDA0001175988040000023
优选地，所述S2包括：
S21：根据所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure BDA0001175988040000024
其中，L表示链路的长度，
Figure BDA0001175988040000025
表示链路的当量交通量，T表示时间间隔，EFpcu表示综合排放因子；
S22：基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，所述线源的源强为
Figure BDA0001175988040000031
其中，L0为污染源的线源长度。
当风速小于1.5m/s时，将污染源做点源方式处理，所述点源的源强为污染物排放率。
优选地，所述S3包括：
S31：基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，污染源的污染范围为圆形，所述圆形的半径为
r＝Tu
其中，r表示污染物接受点的被影响范围的半径；T表示时段长度，u表示风速；
当风速大于0.5m/s时，污染源的污染范围为扇形，所述扇形的半径为
x2+y2＝(3600×u)2
Figure BDA0001175988040000032
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；
S32：基于气象条件确定所述污染范围内的污染物浓度；
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000033
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000041
Figure BDA0001175988040000042
D＝B/2A
B＝xu/a2
Figure BDA0001175988040000043
其中，a，b为扩散参数。
优选地，所述S4包括：
S41：计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
S42：根据所述气象条件，确定观测区域j的污染物总质量为
Figure BDA0001175988040000044
其中，
Figure BDA0001175988040000045
为j在T时段的污染物总质量，
Figure BDA0001175988040000046
为j在T时段的污染物浓度，Aj为j的面积；
S43：确定观测区域内的污染物残留浓度为
Figure BDA0001175988040000047
其中，
Figure BDA0001175988040000048
为观测区域的污染物残留区域；
S44：预测所述观测区域未来时段的污染物预测浓度为
Figure BDA0001175988040000049
其中，
Figure BDA00011759880400000410
为T+1时段的污染物浓度。
本发明同时公开了一种基于气象条件的交通空气污染物浓度预测系统，其特征在于，所述系统包括：
综合排放因子计算模块：用于基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
污染物扩散源处理模块：用于计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
污染物浓度计算模块：用于根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
污染物浓度预测模块：用于计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度。
优选地，所述污染物扩散源处理模块用于根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure BDA0001175988040000051
其中，V表示自然交通量，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数；
根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure BDA0001175988040000052
其中，L表示链路长度，EFk表示第k类车的车型排放因子；
基于当量交通量计算综合排放因子，所述综合排放因子为
Figure BDA0001175988040000053
优选地，所述污染物扩散源处理模块用于根据所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure BDA0001175988040000054
其中，L表示链路的长度，
Figure BDA0001175988040000055
表示链路的当量交通量，T表示时间间隔，EFpcu表示综合排放因子；
基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，所述线源的源强为
Figure BDA0001175988040000056
其中，L0为污染源的线源长度。
当风速小于1.5m/s时，将污染源做点源方式处理，所述点源的源强为污染物排放率。
优选地，所述污染物浓度计算模块用于基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，污染源的污染范围为圆形，所述圆形的半径为
r＝Tu
其中，T表示时段长度，u表示风速；
当风速大于0.5m/s时，污染源的污染范围为扇形，所述扇形的半径为
x2+y2＝(3600×u)2
Figure BDA0001175988040000061
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；
基于气象条件确定所述污染范围内的污染物浓度；
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000062
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000063
Figure BDA0001175988040000064
D＝B/2A
B＝xu/a2
Figure BDA0001175988040000065
其中，a，b为扩散参数。
优选地，所述污染物浓度预测模块用于计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
根据所述气象条件，确定观测区域j的污染物总质量为
Figure BDA0001175988040000071
其中，
Figure BDA0001175988040000072
为j在T时段的污染物总质量，
Figure BDA0001175988040000073
为j在T时段的污染物浓度，Aj为j的面积；
确定观测区域内的污染物残留浓度为
Figure BDA0001175988040000074
其中，
Figure BDA0001175988040000075
为观测区域的污染物残留区域；
预测所述观测区域未来时段的污染物预测浓度为
Figure BDA0001175988040000076
其中，
Figure BDA0001175988040000077
为T+1时段的污染物浓度。
本发明的有益效果如下：
本发明利用更容易获得的实时交通数据和气象数据估算交通空气污染物浓度，在估算过程中考虑不同的气象条件产生的扩散浓度差异，分别采用不同的扩散模式进行计算。同时，考虑污染物在扩散后的浓度残留，即上一时段的浓度值会残留至下一时段并对下一时段的浓度产生影响，根据气象条件等因素确定交通污染物浓度的残留区域，并基于质量守恒确定污染物的浓度残留值，最后利用扩散浓度值和浓度残留值综合确定污染物的预测浓度，增强了方法的实用性和准确性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明一种基于气象条件的交通空气污染物浓度预测方法的流程图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
本发明一方面公开了一种基于气象条件的交通空气污染物浓度预测方法，其特征在于，所述方法包括：
S1：基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
S11：根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure BDA0001175988040000081
其中，V表示自然交通量，即车辆数，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数，即该车型的自然交通量占总的自然交通量的百分比；其中，如果能够获得实时车型比例，则本发明中利用实时车型比例进行相关计算，如果不能够获得实时车型比例，则利用历史统计的车型比例计算，利用固定的车型比例计算。
S12：根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure BDA0001175988040000082
其中，L表示链路长度，EFk表示第k类车的排放因子，排放因子指单位距离交通污染物的排放量。
S13：基于当量交通量计算综合排放因子，综合排放因子通常是基于车辆数进行计算的，而当量交通量已经没有了车辆数的概念，因此利用当量交通量来分车型计算道路排放量存在困难。鉴于此，本发明提出了基于当量交通量的综合排放因子的概念，在已知道路各车型比例和当量交通量的前提下，能够利用综合排放因子直接计算道路排放量。
所述综合排放因子为
Figure BDA0001175988040000083
S2：计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
S21：根据求得的所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure BDA0001175988040000091
其中，L表示链路的长度，
Figure BDA0001175988040000092
表示链路的当量交通量，T表示时间间隔，可取1小时，EFpcu表示综合排放因子。
S22：基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，将每条链路处理为与风向垂直的线源，以链路的中点作为线源的位置点。线源的计算长度为链路在与风向垂直方向上的投影长度，线源的宽度可设为1m，所述线源的源强为
Figure BDA0001175988040000093
其中，L0为污染源的线源长度。
当风速小于1.5m/s时，将污染源做点源方式处理，将每条链路处理为位于链路中点的点源，所述点源的源强为污染物排放率。
S3、根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
S31：基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，风向通常飘忽多变，污染源的污染范围为圆形，包括圆形边界，所述圆形的半径为
r＝Tu
其中，T表示时段长度，u表示风速；其中，当
当风速大于0.5m/s时，风向一般较为确定，因此对于污染范围中任何一点，对其产生影响的污染源在其上风方向上的扇形区域内，包含扇形边界，所述扇形的半径为
x2+y2＝(3600×u)2
Figure BDA0001175988040000094
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；其中，相关参数可根据大气稳定度、风速和污染范围内各点与污染源的下风向距离查阅相关资料表获得。
S3.2：基于气象条件确定所述污染范围内的污染物浓度
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000101
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000102
Figure BDA0001175988040000103
D＝B/2A
B＝xu/a2
Figure BDA0001175988040000104
其中，a，b为扩散参数，可查阅相关表格获得。
S4、基于质量守恒原理计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度。
S41：某时刻某接受点的交通污染物浓度并不会瞬间消散，而是根据气象条件产生一定的残留。计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
S42：根据所述气象条件，确定观测区域j的污染物总质量为
Figure BDA0001175988040000105
其中，
Figure BDA0001175988040000106
为j在T时段的污染物总质量，
Figure BDA0001175988040000107
为j在T时段的污染物浓度，Aj为j的面积；
S43：假设观测区域j内的的污染物残留在残留区域内平均分布，确定观测区域内的污染物残留浓度为
Figure BDA0001175988040000111
其中，
Figure BDA0001175988040000112
为观测区域的污染物残留区域；
S44：观测区域j在未来时段的交通污染物预测浓度可以通过未来时段污染源对观测区域j的产生的污染物浓度与当前时段污染物的残留浓度叠加得到，预测所述观测区域j未来时段的污染物预测浓度为
Figure BDA0001175988040000113
其中，
Figure BDA0001175988040000114
为T+1时段的污染物浓度。
本发明另一方面公开了同时公开了一种基于气象条件的交通空气污染物浓度预测系统，所述系统包括：
综合排放因子计算模块：用于基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure BDA0001175988040000115
其中，V表示自然交通量，即车辆数，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数，即该车型的自然交通量占总的自然交通量的百分比；其中，如果能够获得实时车型比例，则本发明中利用实时车型比例进行相关计算，如果不能够获得实时车型比例，则利用历史统计的车型比例计算，利用固定的车型比例计算。
根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure BDA0001175988040000116
其中，L表示链路长度，EFk表示第k类车的排放因子，排放因子指单位距离交通污染物的排放量。
基于当量交通量计算综合排放因子，综合排放因子通常是基于车辆数进行计算的，而当量交通量已经没有了车辆数的概念，因此利用当量交通量来分车型计算道路排放量存在困难。鉴于此，本发明提出了基于当量交通量的综合排放因子的概念，在已知道路各车型比例和当量交通量的前提下，能够利用综合排放因子直接计算道路排放量。
所述综合排放因子为
Figure BDA0001175988040000121
污染物扩散源处理模块：用于计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
根据求得的所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure BDA0001175988040000122
其中，L表示链路的长度，
Figure BDA0001175988040000123
表示链路的当量交通量，T表示时间间隔，可取1小时，EFpcu表示综合排放因子。
基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，将每条链路处理为与风向垂直的线源，以链路的中点作为线源的位置点。线源的计算长度为链路在与风向垂直方向上的投影长度，线源的宽度可设为1m，所述线源的源强为
Figure BDA0001175988040000124
其中，L0为污染源的线源长度。
当风速小于1.5m/s时，将污染源做点源方式处理，将每条链路处理为位于链路中点的点源，所述点源的源强为污染物排放率。
污染物浓度计算模块：根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，风向通常飘忽多变，污染源的污染范围为圆形，包括圆形边界，所述圆形的半径为
r＝Tu
其中，T表示时段长度，u表示风速；其中，当
当风速大于0.5m/s时，风向一般较为确定，因此对于污染范围中任何一点，对其产生影响的污染源在其上风方向上的扇形区域内，包含扇形边界，所述扇形的半径为
x2+y2＝(3600×u)2
Figure BDA0001175988040000131
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；其中，相关参数可根据大气稳定度、风速和污染范围内各点与污染源的下风向距离查阅相关资料表获得。
基于气象条件确定所述污染范围内的污染物浓度
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000132
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure BDA0001175988040000133
Figure BDA0001175988040000134
D＝B/2A
B＝xu/a2
Figure BDA0001175988040000135
其中，a，b为扩散参数，可查阅相关表格获得。
污染物浓度预测模块：基于质量守恒原理计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度。
某时刻某接受点的交通污染物浓度并不会瞬间消散，而是根据气象条件产生一定的残留。计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
根据所述气象条件，确定观测区域j的污染物总质量为
Figure BDA0001175988040000141
其中，
Figure BDA0001175988040000142
为j在T时段的污染物总质量，
Figure BDA0001175988040000143
为j在T时段的污染物浓度，Aj为j的面积；
假设观测区域j内的的污染物残留在残留区域内平均分布，确定观测区域内的污染物残留浓度为
Figure BDA0001175988040000144
其中，
Figure BDA0001175988040000145
为观测区域的污染物残留区域；
观测区域j在未来时段的交通污染物预测浓度可以通过未来时段污染源对观测区域j的产生的污染物浓度与当前时段污染物的残留浓度叠加得到，预测所述观测区域j未来时段的污染物预测浓度为
Figure BDA0001175988040000146
其中，
Figure BDA0001175988040000147
为T+1时段的污染物浓度。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (8)

1.一种基于气象条件的交通空气污染物浓度预测方法，其特征在于，所述方法包括：
S1：基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
S2：计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
S3：根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
S4：计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度；
其中，S4包括：
S41：计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
S42：根据所述气象条件，确定观测区域j的污染物总质量为
Figure FDA0002198532960000011
其中，
Figure FDA0002198532960000012
为j在T时段的污染物总质量，
Figure FDA0002198532960000013
为j在T时段的污染物浓度，Aj为j的面积；
S43：确定观测区域内的污染物残留浓度为
Figure FDA0002198532960000014
其中，
Figure FDA0002198532960000015
为观测区域的污染物残留区域；
S44：预测所述观测区域未来时段的污染物预测浓度为
Figure FDA0002198532960000016
其中，
Figure FDA0002198532960000017
为T+1时段的污染物浓度。
2.根据权利要求1所述的方法，其特征在于，所述S1包括：
S11：根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure FDA0002198532960000021
其中，V表示自然交通量，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数；
S12：根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure FDA0002198532960000022
其中，L表示链路长度，EFk表示第k类车的车型排放因子；
S13：基于当量交通量计算综合排放因子，所述综合排放因子为
Figure FDA0002198532960000023
3.根据权利要求1所述的方法，其特征在于，所述S2包括：
S21：根据所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure FDA0002198532960000024
其中，L表示链路的长度，
Figure FDA0002198532960000025
表示链路的当量交通量，T表示时间间隔，EFpcu表示综合排放因子；
S22：基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，所述线源的源强为
Figure FDA0002198532960000026
其中，L0为污染源的线源长度；
当风速小于1.5m/s时，将污染源做点源方式处理，所述点源的源强为污染物排放率。
4.根据权利要求1所述的方法，其特征在于，所述S3包括：
S31：基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，污染源的污染范围为圆形，所述圆形的半径为
r＝Tu
其中，r表示污染物接受点的被影响范围的半径；T表示时段长度，u表示风速；
当风速大于0.5m/s时，污染源的污染范围为扇形，所述扇形的半径为
x2+y2＝(3600×u)2
Figure FDA0002198532960000031
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；
S32：基于气象条件确定所述污染范围内的污染物浓度；
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure FDA0002198532960000032
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure FDA0002198532960000033
Figure FDA0002198532960000034
D＝B/2A
B＝xu/a2
Figure FDA0002198532960000035
其中，a，b为扩散参数。
5.一种基于气象条件的交通空气污染物浓度预测系统，其特征在于，所述系统包括：
综合排放因子计算模块：用于基于车型比例、车型换算系数和车型排放因子，计算基于当量交通量的综合排放因子；
污染物扩散源处理模块：用于计算链路的污染物排放率，基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
污染物浓度计算模块：用于根据所述气象条件下污染物的扩散模式确定各污染物的污染范围和污染物浓度；
污染物浓度预测模块：用于计算观测区域当前时段的污染物残留浓度和未来时段的污染物浓度，并预测所述观测区域未来时段的污染物预测浓度；
其中，所述污染物浓度预测模块还用于计算观测区域当前时段污染物在未来时段残留的污染物残留区域，所述污染物残留区域的面积为所述观测区域当前时段的风向和未来时段的风向形成的夹角与所述观测区域的重合区域；
根据所述气象条件，确定观测区域j的污染物总质量为
Figure FDA0002198532960000041
其中，
Figure FDA0002198532960000042
为j在T时段的污染物总质量，
Figure FDA0002198532960000043
为j在T时段的污染物浓度，Aj为j的面积；
确定观测区域内的污染物残留浓度为
Figure FDA0002198532960000044
其中，
Figure FDA0002198532960000045
为观测区域的污染物残留区域；
预测所述观测区域未来时段的污染物预测浓度为
Figure FDA0002198532960000046
其中，
Figure FDA0002198532960000047
为T+1时段的污染物浓度。
6.根据权利要求5所述的系统，其特征在于，所述污染物扩散源处理模块用于根据车型比例、车型换算系数，基于自然交通量计算当量交通量，所述当量交通量为
Figure FDA0002198532960000051
其中，V表示自然交通量，Pk表示第k类车的车型比例，Ck表示第k类车的车型换算系数；
根据车型排放因子，基于自然交通量计算链路交通排放量，所述链路交通排放量为
Figure FDA0002198532960000052
其中，L表示链路长度，EFk表示第k类车的车型排放因子；
基于当量交通量计算综合排放因子，所述综合排放因子为
Figure FDA0002198532960000053
7.根据权利要求5所述的系统，其特征在于，所述污染物扩散源处理模块用于根据所述综合排放因子，计算链路的污染物排放率，所述污染物排放率为
Figure FDA0002198532960000054
其中，L表示链路的长度，
Figure FDA0002198532960000055
表示链路的当量交通量，T表示时间间隔，EFpcu表示综合排放因子；
基于气象条件对污染物扩散源进行预处理，并计算所述污染物扩散源的源强；
当风速在1.5m/s以上时，将污染源做线源方式处理，所述线源的源强为
Figure FDA0002198532960000056
其中，L0为污染源的线源长度；
当风速小于1.5m/s时，将污染源做点源方式处理，所述点源的源强为污染物排放率。
8.根据权利要求5所述的系统，其特征在于，所述污染物浓度计算模块用于基于气象条件确定污染源的污染范围；
当风速不大于0.5m/s时，污染源的污染范围为圆形，所述圆形的半径为
r＝Tu
其中，T表示时段长度，u表示风速；
当风速大于0.5m/s时，污染源的污染范围为扇形，所述扇形的半径为
x2+y2＝(3600×u)2
Figure FDA0002198532960000061
其中，x和y表示污染范围内各点与污染源的下风向距离和横风距离；σy10表示扩散参数；
基于气象条件确定所述污染范围内的污染物浓度；
当风速在1.5m/s以上时，将污染源做线源方式处理，污染范围内的空气污染物浓度为
Figure FDA0002198532960000062
其中，z为污染范围内各点的高度，q为线源源强，u为风速，L0为线源的长度，σy和σz分别为y和z方向的扩散参数；
当风速小于1.5m/s时，将污染源做点源方式处理，污染范围内的空气污染物浓度为
Figure FDA0002198532960000063
Figure FDA0002198532960000064
D＝B/2A
B＝xu/a2
Figure FDA0002198532960000065
其中，a，b为扩散参数。
CN201611130174.5A 2016-12-09 2016-12-09 一种基于气象条件的交通空气污染物浓度预测方法与系统 Active CN106548258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611130174.5A CN106548258B (zh) 2016-12-09 2016-12-09 一种基于气象条件的交通空气污染物浓度预测方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611130174.5A CN106548258B (zh) 2016-12-09 2016-12-09 一种基于气象条件的交通空气污染物浓度预测方法与系统

Publications (2)

Publication Number Publication Date
CN106548258A CN106548258A (zh) 2017-03-29
CN106548258B true CN106548258B (zh) 2020-04-21

Family

ID=58397134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611130174.5A Active CN106548258B (zh) 2016-12-09 2016-12-09 一种基于气象条件的交通空气污染物浓度预测方法与系统

Country Status (1)

Country Link
CN (1) CN106548258B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169277B (zh) * 2017-05-09 2020-03-17 北京理工大学 一种pm2.5浓度的数据分析和预测模型建立方法
CN107288675B (zh) * 2017-08-01 2019-02-19 招商局重庆交通科研设计院有限公司 隧道智能通风控制方法
CN109614673B (zh) * 2018-11-27 2021-03-30 华南理工大学 一种污水厂脱水机房工作区污染物平均浓度的快速预测方法
CN111665325B (zh) * 2020-06-09 2021-06-01 中科三清科技有限公司 确定大气污染物时间来源的方法和装置
CN111861199B (zh) * 2020-07-17 2023-09-22 中国科学院南京土壤研究所 一种模拟线源排放甲烷技术和通量观测系统数据质量检测方法
CN114819696B (zh) * 2022-05-12 2023-06-23 中科三清科技有限公司 确定污染物浓度影响因素的方法、装置及电子设备
CN116090673B (zh) * 2023-04-07 2023-09-26 广东工业大学 一种交通源pm2.5动态预测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001042052A (ja) * 1999-07-30 2001-02-16 Weather Information System Co Ltd ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102567811A (zh) * 2011-12-31 2012-07-11 中山大学 基于实时道路交通特征的机动车排放测算方法
CN106153510B (zh) * 2015-03-25 2019-06-21 日本电气株式会社 大气污染物浓度的估算方法和装置
CN105206056B (zh) * 2015-09-25 2017-06-16 珠海高凌信息科技有限公司 道路交通污染源智能预测方法及系统
CN105426636B (zh) * 2015-12-23 2018-09-04 北京工业大学 城市峡谷街道机动车污染物排放与扩散的实时估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001042052A (ja) * 1999-07-30 2001-02-16 Weather Information System Co Ltd ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム

Also Published As

Publication number Publication date
CN106548258A (zh) 2017-03-29

Similar Documents

Publication Publication Date Title
CN106548258B (zh) 一种基于气象条件的交通空气污染物浓度预测方法与系统
CN110610260B (zh) 行车能耗预测系统、方法、存储介质和设备
CN110160550B (zh) 一种基于道路积水预测的城市路线引导方法
CN110531030B (zh) 一种基于物联网大数据大气污染物分析的方法及装置
CN104215249B (zh) 一种行车轨迹的平滑方法
CN107563566B (zh) 一种基于支持向量机的公交站间运行时间区间预测方法
CN102087788B (zh) 基于浮动车车速置信度的交通状态参数估计方法
CN106777762B (zh) 一种街道峡谷内污染物分布实时估计方法
CN106816008A (zh) 一种道路拥堵预警及拥堵形成时间预测方法
CN109948840B (zh) 一种空气质量预报方法
CN110070734B (zh) 基于高斯混合模型的信号交叉口饱和车头时距估计方法
CN104658285A (zh) 一种城市内涝情况下的交通智能疏导方法
CN104715610A (zh) 一种面向城市交通的交通指数计算方法
CN109781945B (zh) 一种基于移动装置的污染物区域间传输排查方法与系统
CN109598428B (zh) 一种基于行政单元和水系的污染物削减分配方法
CN109583035B (zh) 基于元胞自动机的城市面源污染物累积冲刷过程计算方法
CN109613197B (zh) 一种基于河道水网的水质监测预警反馈响应方法
CN107886188A (zh) 液化天然气公交尾气排放预测方法
CN107832910A (zh) 一种评价道路交通特征对一氧化碳排放浓度影响的方法
CN111524345B (zh) 一种车辆实时排队长度约束下多目标优化的感应控制方法
CN112215504A (zh) 一种闸控重污染小流域污染物通量观测方法
CN108229092B (zh) 增加液相化学和湿沉降过程的大气污染模拟预测算法
CN114519124A (zh) 一种大气环境污染联防联控治理方法
CN113673752A (zh) 一种基于bp神经网络的可变车道车流量的预测方法
CN208654841U (zh) 一种水质预警预报系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant