CN107331125A - 一种交通污染预警方法及系统 - Google Patents
一种交通污染预警方法及系统 Download PDFInfo
- Publication number
- CN107331125A CN107331125A CN201710656561.0A CN201710656561A CN107331125A CN 107331125 A CN107331125 A CN 107331125A CN 201710656561 A CN201710656561 A CN 201710656561A CN 107331125 A CN107331125 A CN 107331125A
- Authority
- CN
- China
- Prior art keywords
- traffic
- motor vehicle
- emission
- pollutant
- data
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种交通污染预警方法及系统,方法包括:接收城市道路的监测站点实时采集的动态交通数据;将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据;将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单;当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈值组中的阈值时,发出预警通知。上述实施例的有益效果:同时考虑机动车污染物的排放量和空气质量两个因素,实现更加精确和及时的预警。
Description
技术领域
本发明涉及交通污染技术领域,尤其涉及一种交通污染预警方法及系统。
背景技术
近年来,机动车保有量急剧增长,城市交通拥堵和机动车尾气污染问题非常严重,大中城市空气质量恶化,已危及到人们的身心健康和日常生活。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。现有技术中主要宏观地,空间上以城市为单位,时间上以年为单位,统计测算机动车尾气排放总量,也就是说,现有技术中仅针对统计期间的在用机动车的保有量静态估算机动车尾气排放总量,并不具备预警功能。
发明内容
为解决上述技术问题,本发明提供了一种交通污染预警方法及系统。
第一方面,本发明提供了一种交通污染预警方法,包括:
接收城市道路的监测站点实时采集的动态交通数据;
将所述动态交通数据转化成污染物排放估算模型所需的交通活动水平数据;
将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型,得到所述城市道路的机动车污染物排放清单,所述机动车污染物排放清单包括:污染物类型、排放量和排放强度;
当所述机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈值组中的阈值时,发出预警通知。
上述实施例的有益效果:根据所述交通活动水平数据获取所述机动车污染物排放清单,根据所述机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,和及时预警并响应交通污染控制措施具有重要的意义;同时考虑机动车污染物的排放量和排放强度两个因素,实现更加精确更加及时的预警。
进一步,通过路边空气质量监测站点采集的数据对所述空气质量状态信息进行标定和校正。
上述实施例的有益效果:通过路边空气质量监测站点采集的数据对所述空气质量状态信息进行标定和校正,可以得到更加准确的数据,这些数据再用来训练空气质量模型,得到更加准确的空气质量模型。
第二方面,本发明提供了一种交通污染预警系统,包括:
接收模块,用于接收城市道路的监测站点实时采集的动态交通数据;
装换模块,用于将所述动态交通数据转化成污染物排放估算模型所需的交通活动水平数据;
第一输入模块,用于将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型,得到所述城市道路的机动车污染物排放清单,所述机动车污染物排放清单包括:污染物类型、排放量和排放强度;
第一预警模块,用于当所述机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈值组中的阈值时,发出预警通知。
上述实施例的有益效果:根据所述交通活动水平数据获取所述机动车污染物排放清单,根据所述机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,和及时预警并响应交通污染控制措施具有重要的意义;同时考虑机动车污染物的排放量和排放强度两个因素,实现更加精确更加及时的预警。
进一步,还包括:校正模块,用于通过路边空气质量监测站点采集的数据对所述空气质量状态信息进行标定和校正。
上述实施例的有益效果:通过路边空气质量监测站点采集的数据对所述空气质量状态信息进行标定和校正,可以得到更加准确的数据,这些数据再用来训练空气质量模型,得到更加准确的空气质量模型。
附图说明
图1为本发明实施例提供的一种交通污染预警方法的流程示意图;
图2为本发明另一实施例提供的一种交通污染预警方法的流程示意图;
图3为本发明另一实施例提供的一种交通污染预警方法的流程示意图;
图4为本发明另一实施例提供的一种交通污染预警方法的流程示意图;
图5为本发明另一实施例提供的一种交通污染预警系统的结构示意图;
图6为本发明另一实施例提供的一种交通污染预警系统的结构示意图;
图7为本发明另一实施例提供的一种交通污染预警系统的结构示意图;
图8为本发明另一实施例提供的一种交通污染预警方法的信令图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透切理解本发明。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
图1为本发明实施例提供的一种交通污染预警方法的流程示意图。
具体如图1所示,具体包括:
步骤101,接收城市道路的监测站点实时采集的动态交通数据。
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
步骤102,将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
步骤103,将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
步骤104,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈组中的阈值时,发出预警通知。
服务器对获取到的机动车污染物排放清单进行分析,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,向终端或用户发出预警通知,只要有一种污染物的排放量超过了第一预警阈值组中对应的阈值,都应该立即发出预警通知;当至少一种污染物的排放强度超过第二预警阈组中的阈值时,也应该立即向终端或用户发出预警通知,从而给及时预警提供了双重保障。
本发明实施例提供的一种交通污染预警方法,根据所述交通活动水平数据获取所述机动车污染物排放清单,根据所述机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,和及时预警并响应交通污染控制措施具有重要的意义;同时考虑机动车污染物的排放量和排放强度两个因素,实现更加精确更加及时的预警。
图2为本发明实施例提供的一种交通污染预警方法的流程示意图。
具体如图2所示,具体包括:
步骤201,接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
步骤202,将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
步骤203,将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
步骤204,将机动车污染物排放清单、城市道路的气象数据和地理位置信息输入空气质量模型,得到城市道路的空气质量状态信息。
通过天气预报或者气象站点采集城市道路上的气象数据,通过卫星定位或GPS定位获取各道路的地理位置信息,将污染物排放估算模型输出的机动车污染物排放清单、气象数据和地理位置信息同时输入空气质量模型中,输出城市道路的空气质量状态信息。空气质量模型为ADMS模型。
步骤205,当空气质量状态信息中空气质量指数超过第三预警阈值时,发出预警通知。
除了考虑机动车污染物的排放量和排放强度两个因素,服务器对获取到的机动车污染物排放清单和空气质量状态信息进行比较分析,当空气质量状态信息中空气质量指数超过第三预警阈值时,向终端或用户发出预警通知。
本发明实施例提供的一种交通污染预警方法,根据交通活动水平数据获取机动车污染物排放清单,根据机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,及时预警并响应交通污染控制措施具有重要的意义;除了考虑机动车污染物的排放量和排放强度两个因素,还考虑空气质量,实现更加精确和更加及时的预警。
图3为本发明实施例提供的一种交通污染预警方法的流程示意图。
具体如图3所示,具体包括:
步骤301,接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
步骤302,将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
步骤303,通过交通活动水平数据对污染物排放估算模型和空气质量模型进行修正,得到修正后的污染物排放估算模型和空气质量模型。
将历史交通数据和当前采集的交通活动水平数据输入污染物排放估算模型和空气质量模型,对污染物排放估算模型和空气质量模型进行训练和修正,得到更加准确的修正后的污染物排放估算模型和空气质量模型。在将交通活动水平数据和机动车基本参数输入修正后的污染物排放估算模型之前,还可以通过耦合增加交通活动水平数据、污染物排放估算模型和空气质量模型之间的影响力,从而提高交通活动水平数据的利用率。
步骤304,将交通活动水平数据和机动车基本参数输入修正后的污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
步骤305,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈组中的阈值时,发出预警通知。
服务器对获取到的机动车污染物排放清单进行分析,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,向终端或用户发出预警通知,只要有一种污染物的排放量超过了第一预警阈值组中对应的阈值,都应该立即发出预警通知;当至少一种污染物的排放强度超过第二预警阈组中的阈值时,也应该立即向终端或用户发出预警通知,从而给及时预警提供了双重保障。
本发明实施例提供的一种交通污染预警方法,通过历史交通数据和当前采集的交通活动水平数据对污染物排放估算模型和空气质量模型进行训练和修正,得到更加准确的污染物排放估算模型和空气质量模型,从而得到更加准确的污染物排放量和空气质量指数,实现更加精确和及时的预警。
图4为本发明实施例提供的一种交通污染预警方法的流程示意图。
具体如图4所示,具体包括:
步骤401,接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
步骤402,将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
步骤403,将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
步骤404,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈组中的阈值时,发出预警通知。
服务器对获取到的机动车污染物排放清单进行分析,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,向终端或用户发出预警通知,只要有一种污染物的排放量超过了第一预警阈值组中对应的阈值,都应该立即发出预警通知;当至少一种污染物的排放强度超过第二预警阈组中的阈值时,也应该立即向终端或用户发出预警通知,从而给及时预警提供了双重保障。
步骤405,根据机动车污染物排放清单,绘制并显示城市道路的动态排放清单地图;根据交通活动水平数据,绘制并显示城市道路的动态交通状态图,交通活动水平数据包括:城市道路上的机动车的平均车速、车流量和交通状态信息;根据空气质量状态信息,绘制并显示城市道路的动态污染图。
本发明实施例提供的一种交通污染预警方法,根据交通活动水平数据获取机动车污染物排放清单,根据机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,及时预警并响应交通污染控制措施具有重要的意义;同时考虑机动车污染物的排放量和空气质量两个因素,实现更加精确和及时的预警;最后,通过绘制并显示相应的地图,可以更加直观地了解城市道路的交通污染情况。
图5为本发明实施例提供的一种交通污染预警系统的结构示意图。
具体如图5所示,具体包括:
接收模块501,用于接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
转化模块502,用于将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
第一输入模块503,用于将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
第一预警模块504,用于当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈组中的阈值时,发出预警通知。
服务器对获取到的机动车污染物排放清单进行分析,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,向终端或用户发出预警通知,只要有一种污染物的排放量超过了第一预警阈值组中对应的阈值,都应该立即发出预警通知;当至少一种污染物的排放强度超过第二预警阈组中的阈值时,也应该立即向终端或用户发出预警通知,从而给及时预警提供了双重保障。
本发明实施例提供的一种交通污染预警系统,根据交通活动水平数据获取机动车污染物排放清单,根据机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,及时预警并响应交通污染控制措施具有重要的意义;同时考虑机动车污染物的排放量和空气质量两个因素,实现更加精确和及时的预警。
图6为本发明实施例提供的一种交通污染预警系统的结构示意图。
具体如图6所示,具体包括:
接收模块601,用于接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
转化模块602,用于将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
第一输入模块604,用于将交通活动水平数据和机动车基本参数输入污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度;
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
第二输入模块605,用于将机动车污染物排放清单、城市道路的气象数据和地理位置信息输入空气质量模型,得到城市道路的空气质量状态信息。
通过天气预报或者气象站点采集城市道路上的气象数据,通过卫星定位或GPS定位获取各道路的地理位置信息,将污染物排放估算模型输出的机动车污染物排放清单、气象数据和地理位置信息同时输入空气质量模型中,输出城市道路的空气质量状态信息。空气质量模型为ADMS模型。
第二预警模块606,用于当空气质量状态信息中空气质量指数超过第三预警阈值时,发出预警通知。
除了考虑机动车污染物的排放量和排放强度两个因素,服务器对获取到的机动车污染物排放清单和空气质量状态信息进行比较分析,当空气质量状态信息中空气质量指数超过第三预警阈值时,向终端或用户发出预警通知。
本发明实施例提供的一种交通污染预警系统,根据交通活动水平数据获取机动车污染物排放清单,根据机动车污染物排放清单可以实现机动车排放模拟结果的精确化和动态化,对于实时掌握重点交通污染路段和时段,及时预警并响应交通污染控制措施具有重要的意义;除了考虑机动车污染物的排放量和排放强度两个因素,还考虑空气质量,实现更加精确和更加及时的预警。
图7为本发明实施例提供的一种交通污染预警方法的流程示意图。
具体如图7所示,具体包括:
接收模块701,用于接收城市道路的监测站点实时采集的动态交通数据;
在城市道路的两旁建立监测站点,用来实时采集道路上的动态交通数据,包括:道路上每辆机动车的速度、交通状态等。监测站点通过无线网络将采集到的数据发送到服务器。服务器接收动态交通数据并进行一系列处理。
转化模块702,用于将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
对大量历史交通数据进行规律性统计分析,对污染物排放估算模型进行训练学习,建立城市的不同道路类型、不同拥堵时段、不同车辆类型的典型行驶工况,获得污染物排放估算模型内嵌的排放因子的校正参数,从而完善排放系数的本地化校正。排放因子模型,用来定量计算机动车排放污染物、预测未来一段时间内或某一特定区域内的排放量,从而为制定合理的政策、措施提供技术和数据支持。污染物排放估算模型为IVE模型。IVE模型的计算方法在本质上与MOBILE模型的方法类似,即利用模型内嵌的基准排放因子乘以一系列修正参数,从而得到城市每种技术类型机动车的排放因子。相比于MOBILE模型,IVE模型为了更好的反映行驶状态对排放率的影响,引入了VSP(vehicle specific power)参数,用于表征机动车瞬态工作状态与排放的关系,VSP综合了速度、加速度、坡度以及风阻等参数,其物理意义为发动机输出功率与机动车质量的比值。IVE模型为了更准确的建立发动机的历史工作状态和污染物排放的关系,又引入ES(engine stress)参数。
服务器接收到动态交通数据之后,需要对动态交通数据进行转化,使其适用于污染物排放估算模型。假设污染物排放估算模型的输入数据类型为txt类型,然而动态交通数据为压缩包类型或其他非txt类型,则需要将动态交通数据转化为txt类型的交通活动水平数据,交通活动水平数据可以作为输入数据输入到污染物排放估算模型中。
修正模块703,通过交通活动水平数据对污染物排放估算模型和空气质量模型进行修正,得到修正后的污染物排放估算模型和空气质量模型。
将历史交通数据和当前采集的交通活动水平数据输入污染物排放估算模型和空气质量模型,对污染物排放估算模型和空气质量模型进行训练和修正,得到更加准确的修正后的污染物排放估算模型和空气质量模型。在将交通活动水平数据和机动车基本参数输入修正后的污染物排放估算模型之前,还可以通过耦合增加交通活动水平数据、污染物排放估算模型和空气质量模型之间的影响力,从而提高交通活动水平数据的利用率。
第一输入模块704,用于将交通活动水平数据和机动车基本参数输入修正后的污染物排放估算模型,得到城市道路的机动车污染物排放清单,机动车污染物排放清单包括:污染物类型、排放量和排放强度。
服务器将动态交通数据转化为污染物排放估算模型所需的交通活动水平数据之后,将交通活动水平数据和机动车基本参数一起输入污染物排放估算模型中,输出城市道路的机动车污染物排放清单,其中,机动车基本参数包括机动车的车型分布、VSP分布和车辆技术等,机动车污染区排放清单包括污染物类型,各种污染物的排放量和排放强度。
第一预警模块705,用于当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,和/或当空气质量状态信息中包括的空气质量指数超过第二预警阈值时,发出预警通知。
服务器对获取到的机动车污染物排放清单和空气质量状态信息进行比较分析,当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,向终端或用户发出预警通知,只要有一种污染物的排放量超过了第一预警阈值组中对应的阈值,都应该立即发出预警通知;当空气质量状态信息中包括的空气质量指数超过第二预警阈值时,向终端或用户发出预警通知。
绘制显示模块706,用于根据机动车污染物排放清单,绘制并显示城市道路的动态排放清单地图;以及根据交通活动水平数据,绘制并显示城市道路的动态交通状态图,交通活动水平数据包括:城市道路上的机动车的平均车速、车流量和交通状态信息;以及根据空气质量状态信息,绘制并显示城市道路的动态污染图。
本发明实施例提供的一种交通污染预警系统,通过历史交通数据和当前采集的交通活动水平数据对污染物排放估算模型和空气质量模型进行训练和修正,得到更加准确的污染物排放估算模型和空气质量模型,从而得到更加准确的污染物排放量和空气质量指数,实现更加精确和及时的预警。
图8为本发明另一实施例提供的一种交通污染预警方法的信令图。
具体如图8所示,具体包括:
步骤801,服务器接收城市道路的监测站点实时采集的动态交通数据。
步骤802,服务器将动态交通数据转化成污染物排放估算模型所需的交通活动水平数据。
步骤803,服务器对通过交通活动水平数据对污染物排放估算模型和空气质量模型进行修正,得到修正后的污染物排放估算模型和空气质量模型。
步骤804,服务器将交通活动水平数据和机动车基本参数输入修正后的污染物排放估算模型,得到城市道路的机动车污染物排放清单。
步骤805,服务器将机动车污染物排放清单、城市道路的气象数据和地理位置信息输入修正后的空气质量模型,得到城市道路的空气质量状态信息。
步骤806,服务器当机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值时,和/或当机动车排放清单中至少一种污染物的排放强度超过第二预警阈值组中的阈值时,和/或当空气质量状态信息中包括的空气质量指数超过第二预警阈值时,向终端发出预警通知。
步骤807,终端接收预警通知。
步骤808,终端根据机动车污染物排放清单,绘制并显示城市道路的动态排放清单地图;根据交通活动水平数据,绘制并显示城市道路的动态交通状态图,交通活动水平数据包括:城市道路上的机动车的平均车速、车流量和交通状态信息;根据空气质量状态信息,绘制并显示城市道路的动态污染图。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种交通污染预警方法,其特征在于,包括:
接收城市道路的监测站点实时采集的动态交通数据;
将所述动态交通数据转化成污染物排放估算模型所需的交通活动水平数据;
将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型,得到所述城市道路的机动车污染物排放清单,所述机动车污染物排放清单包括:污染物类型、排放量和排放强度;
当所述机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈值组中的阈值时,发出预警通知。
2.根据权利要求1所述一种交通污染预警方法,其特征在于,在将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型之后,还包括:
将所述机动车污染物排放清单、所述城市道路的气象数据和地理位置信息输入空气质量模型,得到所述城市道路的空气质量状态信息;
当所述空气质量状态信息中空气质量指数超过第三预警阈值时,发出所述预警通知。
3.根据权利要求2所述一种交通污染预警方法,其特征在于,在将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型之前,还包括:
通过所述交通活动水平数据对所述污染物排放估算模型和空气质量模型进行修正,得到修正后的所述污染物排放估算模型和所述空气质量模型。
4.根据权利要求3所述一种交通污染预警方法,其特征在于,在发出所述预警通知之后,还包括:
根据所述机动车污染物排放清单,绘制并显示所述城市道路的动态排放清单地图;
根据所述交通活动水平数据,绘制并显示所述城市道路的动态交通状态图,所述交通活动水平数据包括:所述城市道路上的机动车的平均车速、车流量和交通状态信息;
根据所述空气质量状态信息,绘制并显示所述城市道路的动态污染图。
5.根据权利要求1-4任一项所述一种交通污染预警方法,其特征在于,所述污染物排放估算模型为IVE模型,所述空气质量模型为ADMS模型。
6.一种交通污染预警系统,其特征在于,包括:
接收模块,用于接收城市道路的监测站点实时采集的动态交通数据;
装换模块,用于将所述动态交通数据转化成污染物排放估算模型所需的交通活动水平数据;
第一输入模块,用于将所述交通活动水平数据和机动车基本参数输入所述污染物排放估算模型,得到所述城市道路的机动车污染物排放清单,所述机动车污染物排放清单包括:污染物类型、排放量和排放强度;
第一预警模块,用于当所述机动车污染物排放清单中至少一种污染物的排放量超过第一预警阈值组中的阈值,和/或至少一种污染物的排放强度超过第二预警阈值组中的阈值时,发出预警通知。
7.根据权利要求6所述一种交通污染预警系统,其特征在于,还包括:
第二输入模块,用于将所述机动车污染物排放清单、所述城市道路的气象数据和地理位置信息输入空气质量模型,得到所述城市道路的空气质量状态信息;
第二预警模块,用于当所述空气质量状态信息中空气质量指数的排放强度超过第三预警阈值时,发出所述预警通知。
8.根据权利要求7所述一种交通污染预警系统,其特征在于,还包括:
修正模块,用于通过所述交通活动水平数据对所述污染物排放估算模型和空气质量模型进行修正,得到修正后的所述污染物排放估算模型和所述空气质量模型。
9.根据权利要求8所述一种交通污染预警系统,其特征在于,还包括:
绘制显示模块,用于根据所述机动车污染物排放清单,绘制并显示所述城市道路的动态排放清单地图;以及
根据所述交通活动水平数据,绘制并显示所述城市道路的动态交通状态图,所述交通活动水平数据包括:所述城市道路上的机动车的平均车速、车流量和交通状态信息;以及
根据所述空气质量状态信息,绘制并显示所述城市道路的动态污染图。
10.根据权利要求6-9任一项所述一种交通污染预警系统,其特征在于,所述污染物排放估算模型为IVE模型,所述空气质量模型为ADMS模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710656561.0A CN107331125A (zh) | 2017-08-03 | 2017-08-03 | 一种交通污染预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710656561.0A CN107331125A (zh) | 2017-08-03 | 2017-08-03 | 一种交通污染预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107331125A true CN107331125A (zh) | 2017-11-07 |
Family
ID=60225610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710656561.0A Pending CN107331125A (zh) | 2017-08-03 | 2017-08-03 | 一种交通污染预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107331125A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052791A (zh) * | 2017-12-04 | 2018-05-18 | 国网江苏省电力有限公司电力科学研究院 | 未来机动车结构调整对交通排放源清单影响的估算方法 |
CN109191793A (zh) * | 2018-10-24 | 2019-01-11 | 广州益牛科技有限公司 | 一种城市道路交通污染物排放区域监控预警装置 |
CN112540052A (zh) * | 2019-09-20 | 2021-03-23 | 中国石油化工股份有限公司 | 测算待测储罐的污染物排放量的测算方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
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 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
-
2017
- 2017-08-03 CN CN201710656561.0A patent/CN107331125A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318315A (zh) * | 2014-09-29 | 2015-01-28 | 南通大学 | 一种城市道路交通污染物排放监控预警系统及方法 |
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 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
Non-Patent Citations (2)
Title |
---|
朱景瑜等: "机动车实时排放空气污染预警系统的研究和实现", 《现代交通技术》 * |
霍世青等: "《黄河吴龙区间洪水泥沙预报技术研究》", 28 February 2013, 黄河水利出版社 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052791A (zh) * | 2017-12-04 | 2018-05-18 | 国网江苏省电力有限公司电力科学研究院 | 未来机动车结构调整对交通排放源清单影响的估算方法 |
CN109191793A (zh) * | 2018-10-24 | 2019-01-11 | 广州益牛科技有限公司 | 一种城市道路交通污染物排放区域监控预警装置 |
CN112540052A (zh) * | 2019-09-20 | 2021-03-23 | 中国石油化工股份有限公司 | 测算待测储罐的污染物排放量的测算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741590B (zh) | 路段预警的方法及系统 | |
CN105844913A (zh) | 基于车联网的车、路状况与驾驶安全大数据相关性分析法 | |
Vandaele et al. | A queueing based traffic flow model | |
CN105206056B (zh) | 道路交通污染源智能预测方法及系统 | |
CN102039896B (zh) | 在汽车中时对环境情况的识别评估和响应 | |
Zahabi et al. | Estimating potential effect of speed limits, built environment, and other factors on severity of pedestrian and cyclist injuries in crashes | |
CN107331125A (zh) | 一种交通污染预警方法及系统 | |
Coelho et al. | Assessment of potential improvements on regional air quality modelling related with implementation of a detailed methodology for traffic emission estimation | |
CN107730425A (zh) | 碳排放量计算方法、装置及存储介质 | |
Fontes et al. | Are HOV/eco-lanes a sustainable option to reducing emissions in a medium-sized European city? | |
CN110489799A (zh) | 交通拥堵仿真处理方法及相关装置 | |
CN103198685A (zh) | 一种实现驾驶安全预警的方法、系统 | |
CN104318315A (zh) | 一种城市道路交通污染物排放监控预警系统及方法 | |
CN104916129A (zh) | 基于大规模卡口过车数据的道路实时通行速度计算方法 | |
Zhong et al. | Impact of the built environment on the vehicle emission effects of road pricing policies: A simulation case study | |
CN108806250A (zh) | 一种基于速度采样数据的区域交通拥堵评价方法 | |
CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
CN112950937B (zh) | 基于车辆轨迹预测道路限速值的方法、装置、设备及介质 | |
CN106781446A (zh) | 一种施工环境下高速公路应急车辆资源配置方法 | |
CN113360850A (zh) | 一种大气污染物线源溯源分析方法 | |
CN114218976B (zh) | 臭氧前体物高值区精细化排放源追溯定位方法和系统 | |
Acero et al. | Impact of local urban design and traffic restrictions on air quality in a medium-sized town | |
Ma et al. | Analysis of the logistic model for accident severity on urban road environment | |
US10636296B2 (en) | Traffic hindrance risk prediction apparatus | |
Mahmud et al. | Exploring Crowdsourced Hard—Acceleration and Braking Event Data for Evaluating Safety Performance of Low-Volume Rural Highways in Iowa |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |