CN106777762B - 一种街道峡谷内污染物分布实时估计方法 - Google Patents
一种街道峡谷内污染物分布实时估计方法 Download PDFInfo
- Publication number
- CN106777762B CN106777762B CN201611267880.4A CN201611267880A CN106777762B CN 106777762 B CN106777762 B CN 106777762B CN 201611267880 A CN201611267880 A CN 201611267880A CN 106777762 B CN106777762 B CN 106777762B
- Authority
- CN
- China
- Prior art keywords
- street
- model
- pollutant
- canyon
- distribution
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种街道峡谷内污染物分布实时估计方法,包括结合城市街道三维建模、机动车尾气检测系统实时数据、气象数据、车流密度数据,使用CFD与OSPM混合模型,及多组分污染物扩散模型,建立一个针对城市路网街道峡谷内污染物分布实时估计方法。本方法污染物分布分辨率及计算速度均比已有方案有较大提升。
Description
技术领域
本发明属于环境监测领域,涉及三维城市建模、街道峡谷内污染物扩散过程,具体涉及一种街道峡谷内污染物分布实时估计方法。
背景技术
我国经济快速发展,城市机动车保有量也大幅上升。但同时,城市交通拥堵状况日益加剧,机动车尾气污染严重。环保部2016年发布的《2015年中国机动车污染防治年报》指出机动车污染已成为中国空气污染的重要来源,是造成灰霾、光化学烟雾污染的重要原因。
机动车尾气排放量大,又属于低空流动源污染。城市街道是重要的市民的活动场所,但同时毗邻机动车道,机动车废气直接影响行人呼吸过程,且城市街道两侧高大建筑物阻挡空气流通,污染物缺乏良好的扩散环境。而车道内车流密集,污染物排放集中。峡谷内部环境比城市区域性环境更加恶劣,给市民身心健康带来的影响更为直接与严重,需要密切关注。
由于城市峡谷内污染物浓度受机动车流密度、排放因子、气象因素、街道几何形状诸多因素影响,对浓度值的良好估计成为迫切需求。
在已有的大气污染物扩散估计模式中,简单的高斯烟羽模型不宜直接用于城市小尺度扩散问题。而OSPM等方法没有考虑到外环境城市风速影响,得出的结果较为粗糙。而直接基于CFD模式计算量太大。
在已有专利中,北京工业大学张利国、许超、刘慧超申请、2016年3月23日公开、公开号为CN 105426636A、发明名称为“城市峡谷街道机动车污染物排放与扩散的实时估计方法”的中国发明专利申请中,专利申请人提出了一种结合交通模型﹑污染物排放模型和扩散模型,实时估计城市峡谷街道的空气污染物浓度的方法,但是该发明使用OSPM模型作为扩散模型,假设整个街道峡谷内污染物浓度分布均衡,未考虑由于风环境对大气污染物扩散的影响,峡谷内污染物浓度分布不均的特性,从而结果精度不高。
中国科学技术大学康宇、张仁才、崔凌云申请,2016年12月07日公开,公开号为CN106202533 A,发明名称为“街道峡谷机动车尾气污染物浓度估算系统”的中国发明专利申请中,专利申请人提出了一种街道峡谷内机动车尾气污染物浓度估算系统,使用城市道路车流密度、峡谷几何结构,通过CFD数值模拟得到街道峡谷内污染物扩散、分布情况。但是该发明没有使用三维城市模型,使得计算结果与真实环境差别较大;且只能计算单一区域污染物浓度分布,无法得到城市全局路网污染物浓度分布,不具备全局性。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种新型街道峡谷内污染物浓度估计方法,实时生成城市街道区域大气污染物浓度时空分布情况,污染物分布分辨率及计算速度均比已有方案有较大提升。
本发明技术解决方案:结合城市地理信息、机动车尾气检测设备实时监测尾气排放数据及城市全局风环境、大气污染物数据,基于CFD与OSPM混合模型计算街道峡谷微环境内污染物浓度分布,主要包括:基于三维地图的城市街区三维建筑建模;基于机动车尾气检测数据得到街区源强分布模型;使用城市全局风环境数据建立街道峡谷风场边界条件;基于CFD与OSPM混合模型计算估计街道峡谷内污染物浓度分布。
其中包括如下步骤:
第一步,提取城市三维建筑模型数据,使用STL模型简化技术合并所述三维建筑模型三角面,将地理信息映射到所述三维建筑模型,生成具有地理信息的简化城市路网街道峡谷三维建筑模型;
第二步,利用街道车流密度数据及尾气检测点检测污染物,包括pm2.5、氮氧化物、CO、硫化物浓度值,使用多元回归拟合得到实时路网污染源强分布Qj(x,y);
第三步,基于计算流体力学CFD湍流模型与OSPM污染物扩散模型相结合所得OSPM混合扩散模型,导入第一步所得简化城市路网街道峡谷三维建筑模型及第二步所得实时路网污染物源强分布Qj(x,y),计算街道峡谷内污染物浓度,得到街道峡谷污染物浓度分布Yj(x,y);
第四步,在第三步得到上一时刻街道污染物浓度分布Yj(x,y)基础上,将当前时刻根据第二步所得实时路网污染物源强分布Qj(x,y,t)循环导入第三步混合扩散模型,生成实时动态街道峡谷污染物浓度分布Yj(x,y,t)。
第一步具体实现方法为:
1.1)使用3D ripper获取谷歌地球运行时DirectX数据流,导出带有三维建筑模型城市地理数据;
1.2)使用STL模型简化技术合并三维建筑模型三角面,对非街道区域低矮建筑物进行三维建筑模型同化,将建筑物简化为具有简单几何构型,包括长方体、正方体的刚体,生成具有地理信息的简化城市路网街道峡谷三维模型。
第二步具体如下:
2.1)根据机动车尾气检测系统得到第i个监测点处机动车尾气污染物pm2.5,氮氧化物,CO,硫化物实时排放源强数据Qi,j及街道车流实时密度分布,分为轻型车密度分布ρi,lcar(x,y),重型车密度分布ρi,wcar(x,y);其中i表示第i个监测点,j表示第j种污染物组分。
2.2)以检测点监测源强与机动车密度建立多元线性回归方程:
Qj=ajρlcar+bjρwcar
式中Qj为某点污染物组分j对应源强,ρlcar、ρwcar分别为轻型车、重型车密度值,aj,bj为拟合系数,使用多元线性拟合可得到拟合系数值,从而得到街道尾气排放源强分布Qj(x,y)。
第三步具体实现过程为:
3.1)第一步所得具有地理信息的简化城市路网街道峡谷三维模型结合街道机动车密度数据,截取模型中高车流密度段,进行变尺度网格划分,从车道到街道峡谷出口处网格逐渐稀疏化,生成网格化城市路网街道峡谷三维模型;
3.2)设定边界条件:使用城市全局风环境数据得到街道峡谷上方风向、风速数据,峡谷上方风速沿街道方向及垂直街道方向分解为u0,v0,并设定峡谷内沿街道方向风速分布满足指数型函数其中u0为峡谷上方平行街道方向风速,z为离地高度,z0为街道峡谷高度,α为边界层内速度损失指数;设定u为风速入口边界条件,出口边界条件为充分发展流动,流动参数一阶导数为零,建筑物表面设定为固壁边界,上边界使用风环境数据作为边界条件;
3.3)设定流体为不可压流,不计温度对流动作用,使用Realizable k-ε模型对稳态不可压缩连续性方程进行封闭;
3.4)使用污染物多组分输送模型,针对主要污染物PM2.5,No,硫化物分别建立不同的组分输送方程,具体某种组分Yj的输送微分方程为:
式中:ρ为流体密度,Yj为组分j的质量分数,Vk,i为组分扩散速度在i方向的分量,Qj为组分源项强,vi为组分扩散系数项,不同组分扩散系数不同;
3.5)将经过步骤(1)网格划分处理得到的网格化城市路网街道峡谷三维模型导入求解器并按照步骤(2)设定边界条件,使用步骤(3)所得Realizable k-ε湍流模型与步骤(4)污染物输送模型作为扩散控制方程,实时计算生成当前街道峡谷内流场及污染物组分分布;
3.6)针对低车流密度路段,使用OSPM模型初步计算街道峡谷内污染物组分总浓度值,根据第二步所得街道污染物源强组分Qj,使用第一步所得具有地理信息的简化城市路网街道峡谷三维模型,通过直接查询低车流密度路段对应所述三维建筑模型中建筑模型高度,街道模型宽度,乘上地图比例尺系数即得到街道峡谷两侧建筑物高度H1,H2与街道宽度L,代入OSPM模型求解器,得到街道峡谷内污染物组分j总浓度值Yall,j,结合最邻近、具有相同街道方向的高车流密度路段污染物源强Qhigh,j及CFD计算所得污染物浓度分布,对比待求低车流密度路段污染物源强Qlow,j,使用公式:
拟合得到待求低车流密度路段污染物浓度分布,式中α为结构误差值,定义为Qhigh,j对应街道峡谷高宽比与Qlow,j对应路段高宽比差异值。
本发明相较于现有技术的优点在于
(1)高精度:现有街道峡谷内污染物扩散模式如OSPM等,将整个街道峡谷内污染物浓度视为同一值。但在风场作用下,街道峡谷内污染物分布并不均匀。本发明通过使用CFD湍流模型对街道峡谷内污染物分布建模计算,可得到更高分辨率污染物浓度分布。
(2)快速性:全局CFD计算计算代价大。本发明针对不同路段选择不同计算模型,从而能以较小计算代价与时间代价保证较高精度估计污染物浓度分布。
(3)全局性:本发明结合城市路网三维建筑模型,使用CFD湍流模型与OSPM扩散模型相结合的方法得到城市全局路网污染物浓度分布情况。
附图说明
图1是本发明一个实施例街道峡谷内污染物浓度分布实时估计方法的整体框架图;
图2是本发明一个实施例城市路网三维模型图;
图3是本发明一个实施例城市路网车流密度图;
图4是本发明一个实施例基于CFD湍流模型计算所得街道峡谷内风场分布图;
图5是本发明一个实时例基于CFD湍流模型计算所得街道峡谷内污染物浓度分布图。
具体实施方式
下面结合附图对本发明做进一步说明,以便本领域技术人员能更好理解本发明。所描述的实施例仅是本发明一部分实施案例。基于本发明实施例,本领域技术人员在没有做出创造性劳动前提下获得的其他实施例均属于本发明保护范围。
图1为本发明技术方法示意图:主要包括:基于三维地图的城市街区三维建模;基于机动车尾气检测数据得到街区源强分布模型;使用城市全局风环境数据建立街道峡谷风场边界条件;基于CFD与OSPM混合模型计算估计街道峡谷内污染物浓度分布。
其中:
S1:基于三维地图的城市街区三维建模,本发明基于谷歌地球三维地图数据,使用3D ripper获取谷歌地球运行时DirectX数据流,导出带有三维建筑模型地理数据。使用STL模型简化技术合并模型三角面,将建筑物简化为简单几何构型刚体,得到具有地理信息的简化城市路网街道峡谷三维模型
S2:基于机动车尾气检测系统数据获取街区污染源强分布模型,使用街道车流密度数据ρcar及尾气检测点检测污染物如pm2.5、氮氧化物、CO、硫化物浓度值Yj,使用多元回归拟合得到实时未监测点污染源强分布Qj(x,y)。
S3:基于CFD与OSPM混合扩散模型计算街道峡谷内污染物浓度。根据街道车流密度历史数据,选取高车流密度路段使用CFD方法Realizable k-ε湍流模型与污染物多组分输送模型结合城市全局风环境数据计算得到街道峡谷大气污染物浓度分布值Yj(x,y)。在车流密度较低路段,使用OSPM模型计算污染物浓度,并结合高车流密度段CFD计算结果,根据相似理论得出低车流密度段污染物浓度分布Yj(x,y)。
第一步骤基于三维地图的城市街区三维建模包括:
使用3D ripper获取谷歌地球运行时DirectX数据流,导出带有三维建筑模型城市地理数据,如图2为所示为结合了城市地理信息的城市三维建筑模型,该图为香港尖咀角地区城市三维建筑模型。保存为*.3dr文件。
使用STL模型简化技术合并三维建筑模型三角面,将建筑物简化为简单几何构型刚体。低矮建筑物、建筑材质、精细几何构型等细节数据对街道峡谷内空气流通情况影响很小。为减小计算量,对非街道区域低矮建筑物进行模型同化,同化为具有平均高度的单一模型,生成具有地理信息的简化城市路网街道峡谷三维模型。
第二步骤基于机动车尾气检测系统数据获取街区污染源强分布模型。如图2所示为香港尖咀角地区街道实时车流密度分布图。根据机动车尾气检测系统得到第i个监测点处机动车尾气污染物pm2.5,氮氧化物,CO,硫化物等组分j实时排放源强数据Qi,j及街道车流实时密度分布,分为轻型车密度分布ρi,lcar(x,y),重型车密度分布ρi,wcar(x,y)
以检测点监测源强与机动车密度建立多元线性回归方程:
Qj=ajρlcar+bjρwcar
式中Qj为某点污染物组分j对应源强,ρlcar、ρwcar分别为轻型车、重型车密度值,aj,bj为拟合系数。使用多元线性拟合可得到拟合系数值,从而得到街道尾气排放源强分布。
第三步骤基于CFD湍流模型及OSPM模型计算街道峡谷内污染物浓度分布。
因为污染源强与车流密度数值密切相关,车流密度较高地段污染物浓度更高,同时对道边行人的危害更大。城市街区高车流量地段与高人流量地段高度重合,使用CFD湍流模型能更精细的刻画街道峡谷内污染物浓度分布,从而提示人们选择在污染物浓度较小活动,尽可能降低空气污染带来危害。
对第一步骤所得简化城市路网街道峡谷三维模型结合街道机动车密度数据,截取模型中高车流量段,进行变尺度网格划分,从车道到峡谷出口处网格逐渐稀疏化,生成网格化城市路网街道峡谷三维模型。
设定边界条件:使用城市全局风环境数据得到街道峡谷上方风向、风速数据,峡谷上方风速沿街道方向及垂直街道方向分解为u0,v0,并设定峡谷内沿街道方向风速分布满足指数型函数其中u0为峡谷上方平行街道方向风速,z为离地高度,z0为街道峡谷高度,α为边界层内速度损失指数。设定u为风速入口边界条件。出口边界条件为充分发展流动,流动参数一阶导数为零。建筑物表面设定为固壁边界。上边界使用风环境数据作为边界条件。
假定流体为不可压流。因尺度较小,故忽略温度对流动作用。采用Realizable k-ε模型(RKE模型))对稳态不可压缩连续性方程进行封闭。
使用污染物多组分输送模型,针对主要污染物如PM2.5,氮氧化物,硫化物等分别建立不同的组分输送方程。具体某种组分Yj的输送微分方程为:
式中:ρ为流体密度,Yj为组分j的质量分数,Vk,i为组分扩散速度在i方向的分量,Qj为组分源项强,vi为组分扩散系数项,不同组分扩散系数不同。
将经过网格划分处理得到的街道模型导入求解器并使用Realizable k-ε湍流模型与污染物输送模型作为扩散控制方程,实时计算生成当前街道峡谷内流场及污染物组分分布。
结果后处理,生成高车流密度路段街区内风场图,如图4所示,在街道峡谷中风场分布出现涡流,在迎风面风速较高,而背风面风速下降。
同时得到污染物组分pm2.5浓度分布图,如图5所示,在迎风面处污染物浓度分布较低,而背风面由于流动环境较差,流速下降,污染物聚集,浓度维持较高值。
OSPM初步计算街道峡谷内污染物组分总浓度值。根据步骤二所得街道污染物源强组分Qj,及由城市街道三维模型得到街道峡谷两侧建筑物高度H1,H2与街道宽度L,代入OSPM模型求解器,得到街道峡谷内污染物组分j总浓度值Yall,j,结合最邻近、具有相同街道方向的高车流密度路段污染物源强Qhigh,j及CFD计算所得污染物浓度分布,对比待求低车流密度路段污染物源强Qlow,j。使用公式:
拟合得到待求低车流密度路段污染物浓度分布。式中α为结构误差值,定义为Qhigh,j对应街道峡谷高宽比与Qlow,j对应路段高宽比差异值。
气象数据使用国家气象局提供数据,及城市尺度风环境数据。通过上述步骤可计算得出实时街道峡谷内污染物浓度分布情况。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (3)
1.一种街道峡谷内污染物分布实时估计方法,其特征在于包括如下步骤:
第一步,提取城市三维建筑模型数据,使用STL模型简化技术合并所述三维建筑模型三角面,将地理信息映射到所述三维建筑模型,生成具有地理信息的简化城市路网街道峡谷三维建筑模型;
第二步,利用街道车流密度数据及尾气检测点检测污染物,包括pm2.5、氮氧化物、CO、硫化物浓度值,使用多元回归拟合得到实时路网污染源强分布Qj(x,y);
第三步,基于计算流体力学CFD湍流模型与OSPM污染物扩散模型相结合所得OSPM混合扩散模型,导入第一步所得简化城市路网街道峡谷三维建筑模型及第二步所得实时路网污染物源强分布Qj(x,y),计算街道峡谷内污染物浓度,得到街道峡谷污染物浓度分布Yj(x,y);
第四步,在第三步得到上一时刻街道污染物浓度分布Yj(x,y)基础上,将当前时刻根据第二步所得实时路网污染物源强分布Qj(x,y,t)循环导入第三步混合扩散模型,生成实时动态街道峡谷污染物浓度分布Yj(x,y,t);
所述第三步,具体实现过程为:
(1)第一步所得具有地理信息的简化城市路网街道峡谷三维模型结合街道机动车密度数据,截取模型中高车流密度段,进行变尺度网格划分,从车道到街道峡谷出口处网格逐渐稀疏化,生成网格化城市路网街道峡谷三维模型;
(2)设定边界条件:使用城市全局风环境数据得到街道峡谷上方风向、风速数据,峡谷上方风速沿街道方向及垂直街道方向分解为u0,v0,并设定峡谷内沿街道方向风速分布满足指数型函数其中u0为峡谷上方平行街道方向风速,z为离地高度,z0为街道峡谷高度,α为边界层内速度损失指数;设定u为风速入口边界条件,出口边界条件为充分发展流动,流动参数一阶导数为零,建筑物表面设定为固壁边界,上边界使用风环境数据作为边界条件;
(3)设定流体为不可压流,不计温度对流动作用,使用Realizable k-ε模型对稳态不可压缩连续性方程进行封闭;
(4)使用污染物多组分输送模型,针对主要污染物PM2.5,No,硫化物分别建立不同的组分输送方程,具体某种组分Yj的输送微分方程为:
式中:ρ为流体密度,Yj为组分j的质量分数,Vk,i为组分扩散速度在i方向的分量,Qj为组分源项强,vi为组分扩散系数项,不同组分扩散系数不同;
(5)将经过步骤(1)网格划分处理得到的网格化城市路网街道峡谷三维模型导入求解器并按照步骤(2)设定边界条件,使用步骤(3)所得Realizable k-ε湍流模型与步骤(4)污染物输送模型作为扩散控制方程,实时计算生成当前街道峡谷内流场及污染物组分分布;
(6)针对低车流密度路段,使用OSPM模型初步计算街道峡谷内污染物组分总浓度值,根据第二步所得街道污染物源强组分Qj,使用第一步所得具有地理信息的简化城市路网街道峡谷三维模型,通过直接查询低车流密度路段对应所述三维建筑模型中建筑模型高度,街道模型宽度,乘上地图比例尺系数即得到街道峡谷两侧建筑物高度H1,H2与街道宽度L,代入OSPM模型求解器,得到街道峡谷内污染物组分j总浓度值Yall,j,结合最邻近、具有相同街道方向的高车流密度路段污染物源强Qhigh,j及CFD计算所得污染物浓度分布,对比待求低车流密度路段污染物源强Qlow,j,使用公式:
拟合得到待求低车流密度路段污染物浓度分布,式中α为结构误差值,定义为Qhigh,j对应街道峡谷高宽比与Qlow,j对应路段高宽比差异值。
2.根据权利要求1所述的街道峡谷内污染物分布实时估计方法,其特征在于:所述第一步中,具体实现方法为:
(1)使用3D ripper获取谷歌地球运行时DirectX数据流,导出带有三维建筑模型城市地理数据;
(2)使用STL模型简化技术合并三维建筑模型三角面,对非街道区域低矮建筑物进行三维建筑模型同化,将建筑物简化为具有简单几何构型,包括长方体、正方体的刚体,生成具有地理信息的简化城市路网街道峡谷三维模型。
3.根据权利要求1所述的街道峡谷内污染物分布实时估计方法,其特征在于:所述第二步具体如下:
(1)根据机动车尾气检测系统得到第i个监测点处机动车尾气污染物pm2.5,氮氧化物,CO,硫化物实时排放源强数据Qi,j及街道车流实时密度分布,分为轻型车密度分布ρi,lcar(x,y),重型车密度分布ρi,wcar(x,y);其中i表示第i个监测点,j表示第j种污染物组分;
(2)以检测点监测源强与机动车密度建立多元线性回归方程:
Qj=ajρlcar+bjρwcar
式中Qj为某点污染物组分j对应源强,ρlcar、ρwcar分别为轻型车、重型车密度值,aj,bj为拟合系数,使用多元线性拟合可得到拟合系数值,从而得到街道尾气排放源强分布Qj(x,y)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611267880.4A CN106777762B (zh) | 2016-12-31 | 2016-12-31 | 一种街道峡谷内污染物分布实时估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611267880.4A CN106777762B (zh) | 2016-12-31 | 2016-12-31 | 一种街道峡谷内污染物分布实时估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777762A CN106777762A (zh) | 2017-05-31 |
CN106777762B true CN106777762B (zh) | 2020-01-10 |
Family
ID=58952593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611267880.4A Active CN106777762B (zh) | 2016-12-31 | 2016-12-31 | 一种街道峡谷内污染物分布实时估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777762B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040092B (zh) * | 2017-11-28 | 2018-11-27 | 特斯联(北京)科技有限公司 | 一种面向园区的物联网大数据管理和应用平台 |
CN109359341B (zh) * | 2018-09-20 | 2022-11-22 | 佛山科学技术学院 | 一种城市气浮颗粒扩散追踪方法 |
CN109508816B (zh) * | 2018-10-20 | 2022-02-15 | 华北水利水电大学 | 一种城市园林植被空气污染物吸收净化能力预测方法 |
CN110232198A (zh) * | 2018-11-23 | 2019-09-13 | 深圳市城市交通规划设计研究中心有限公司 | 一种污染浓度的计算方法、计算装置及终端 |
CN109992740B (zh) * | 2019-02-14 | 2023-07-14 | 北京市环境保护监测中心 | 一种基于数据库计算污染源实际排放水平的方法 |
CN113191096B (zh) * | 2021-04-13 | 2022-04-29 | 中南建筑设计院股份有限公司 | 基于WRF和XFlow耦合的多精细度融合污染物扩散分析方法 |
CN113378494B (zh) * | 2021-06-25 | 2022-08-12 | 哈尔滨工业大学 | 一种基于污染物浓度控制的峡谷街道优化设计方法 |
CN114648566A (zh) * | 2022-03-31 | 2022-06-21 | 西安石油大学 | 一种真实树木对街道污染物运移影响的模拟方法 |
CN115994496B (zh) * | 2022-12-02 | 2024-03-12 | 上海师范大学 | 城市公园高分辨率大气co2浓度三维场的数值模拟方法 |
CN116258101B (zh) * | 2023-05-09 | 2023-07-28 | 南京信息工程大学 | 一种基于气体浓度监测数据快速计算排放源强的方法 |
CN116631530B (zh) * | 2023-05-29 | 2024-02-13 | 智感技术(天津)有限公司 | 污染物扩散风险识别方法、装置及设备 |
CN117370772B (zh) * | 2023-12-08 | 2024-04-16 | 北京英视睿达科技股份有限公司 | 基于城市街道地形分类的pm2.5扩散分析方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 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 |
CN106202533A (zh) * | 2016-07-25 | 2016-12-07 | 中国科学技术大学 | 街道峡谷机动车尾气污染物浓度估算系统 |
-
2016
- 2016-12-31 CN CN201611267880.4A patent/CN106777762B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104008229A (zh) * | 2014-04-30 | 2014-08-27 | 北京大学 | 一种街区污染物浓度分布模型建立方法 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 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 |
CN106202533A (zh) * | 2016-07-25 | 2016-12-07 | 中国科学技术大学 | 街道峡谷机动车尾气污染物浓度估算系统 |
Non-Patent Citations (3)
Title |
---|
A Fast-Running High-Resolution 3D Building-Aware Urban Transport and Dispersion Modeling System;MJ Brown;《https://permalink.lanl.gov/object/tr?what=info:lanl-repo/lareport/LA-UR-14-24512》;20140618;1-11 * |
Comparative study of measured and modelled number concentrations of nanoparticles in an urban street canyon;PrashantKumar 等;《Atmospheric Environment》;20090228;第43卷(第4期);949-958 * |
城市街道峡谷机动车尾气浓度的计算方法研究;张仁才 等;《大气与环境光学学报》;20161130;第11卷(第6期);448-452 * |
Also Published As
Publication number | Publication date |
---|---|
CN106777762A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777762B (zh) | 一种街道峡谷内污染物分布实时估计方法 | |
Lv et al. | Evaluation of vehicle emission in Yunnan province from 2003 to 2015 | |
Holmes et al. | A review of dispersion modelling and its application to the dispersion of particles: An overview of different dispersion models available | |
CN106202533B (zh) | 街道峡谷机动车尾气污染物浓度估算系统 | |
Scungio et al. | Numerical simulation of ultrafine particle dispersion in urban street canyons with the Spalart-Allmaras turbulence model | |
Huang et al. | Effect of urban morphology on air pollution distribution in high-density urban blocks based on mobile monitoring and machine learning | |
CN108492553A (zh) | 一种面向实时路网排放评估的车辆活动水平分析方法 | |
Sun et al. | Spatiotemporal distribution of traffic emission based on wind tunnel experiment and computational fluid dynamics (CFD) simulation | |
CN105786895B (zh) | 道路交叉口的排放量的测算方法和装置 | |
CN115201071B (zh) | 一种基于厂界恶臭在线监测系统的空气扩散溯源方法及系统 | |
CN105957348B (zh) | 一种基于gis和pems的城市公交线路节点处排放估算方法 | |
CN108959598A (zh) | 基于gis的cad数据导入到swmm的方法 | |
CN102902893A (zh) | 一种基于dem的汇水区降雨积水深度的计算方法 | |
CN105138822A (zh) | 一种结构化交叉路口机动车尾气扩散评估方法 | |
CN106844856A (zh) | 考虑动态交通流影响的城市高架桥附近流场数值模拟方法 | |
CN111027262A (zh) | 一种河流突发性水污染分析与风险图编制方法 | |
Sun et al. | Simulation and assessment of traffic pollutant dispersion at an urban signalized intersection using multiple platforms | |
Hågbo et al. | Influence of geometry acquisition method on pedestrian wind simulations | |
Badach et al. | Spatial aspects of urban air quality management: Estimating the impact of micro-scale urban form on pollution dispersion | |
Jackson et al. | Calculation of urban morphology parameterisations for London for use with the ADMS-urban dispersion model | |
Pokhrel et al. | Estimation of air pollution from the OGVs and its dispersion in a coastal area | |
Zavala-Reyes et al. | Studying human exposure to vehicular emissions using computational fluid dynamics and an urban mobility simulator: The effect of sidewalk residence time, vehicular technologies and a traffic-calming device | |
CN112131523A (zh) | 一种基于有限监测点位的时空数据生成方法及系统 | |
CN115293585B (zh) | 一种基于gis-t搭建路网机动车动态排放清单的方法 | |
CN114840896B (zh) | 一种基于城市道路bim的内涝积水模拟分析方法 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: No.443 Huangshan Road, Shushan District, Hefei City, Anhui Province 230022 Patentee after: University of Science and Technology of China Address before: 230026 Jinzhai Road, Baohe District, Hefei, Anhui Province, No. 96 Patentee before: University of Science and Technology of China |