CN107967242A - 一种城市交通流量对空气质量影响的分析方法及系统 - Google Patents
一种城市交通流量对空气质量影响的分析方法及系统 Download PDFInfo
- Publication number
- CN107967242A CN107967242A CN201710933994.6A CN201710933994A CN107967242A CN 107967242 A CN107967242 A CN 107967242A CN 201710933994 A CN201710933994 A CN 201710933994A CN 107967242 A CN107967242 A CN 107967242A
- Authority
- CN
- China
- Prior art keywords
- air
- factor
- urban
- influence
- pollutant concentration
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 239000000809 air pollutant Substances 0.000 claims abstract description 50
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 50
- 238000010219 correlation analysis Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000012417 linear regression Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 108010014173 Factor X Proteins 0.000 claims 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 2
- 231100000719 pollutant Toxicity 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 239000005864 Sulphur Substances 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 239000000377 silicon dioxide Substances 0.000 description 2
- 239000004071 soot Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 239000002802 bituminous coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Road Paving Structures (AREA)
- Ventilation (AREA)
- Traffic Control Systems (AREA)
Abstract
一种城市交通流量对空气质量影响的分析方法及系统。本发明通过对城市空气影响因子与空气污染物的相关分析和综合分析,可以得到不同因素对于空气污染物的影响程度大小,有效的解决了难以估计城市交通数据对空气质量影响的问题。在具体计算过程中,引入了相关系数以及线性模型,能够更直观的计算各因素对各种污染物的影响,起到辅助城市管理者决策的作用,对于后续空气环境治理有很大的帮助。
Description
技术领域
本发明涉及到一种城市交通流量对空气质量影响的分析方法及系统,属于数据处理领域,尤其是智慧城市相关大数据的处理。
背景技术
随着我国城市化进程的不断加快,工业化水平的不断提升,交通基础设施的不断完善,不断增加的能源消耗量使得我国的城市环境污染问题日益突出。目前,许多大中城市空气污染类型已经由烟煤型向机动车尾气污染型转变,城市机动车尾气排放对城市环境空气质量和居民身体健康的影响日益严重。在我国,北京、上海等一些大城市也出现过光化学烟雾现象,虽然污染程度并不严重,但随着工业规模的扩大和机动车保有量的不断增长,许多城市已经具备形成光化学烟雾的潜在条件。
现有技术中,对城市空气质量的相关研究大多集中在分析空气污染物的时空变化特征和社会经济和能源结构等因素对空气质量的影响方面,例如房屋建筑施工面积、民用汽车拥有量、工业二氧化硫和烟尘排放总量与AQI存在显著的正相关关系,城市绿地面积、风、温度、降雨量与AQI存在显著的负相关关系;城市绿地面积、工业二氧化硫和烟尘排放总量、风和降雨量与AQI的显著性最高,却缺乏从城市空气污染源方面,特别交通污染源对空气质量的影响研究。
发明内容
为实现对城市空气质量影响因素的分析,特别是交通领域的影响因素,本发明提出了一种基于相关性分析的城市交通流量对空气质量影响的分析方法,通过对涉及空气质量的交通流量、车速、温度、湿度、风力等进行分析,来获取城市交通对空气质量造成的影响。
该方法具体包括:
S1:获取城市空气影响因子X,所述城市空气影响因子包括交通量、车速、温度、湿度、风力,以及对应时段的空气污染物浓度Y信息分别计算X、Y之间的相关系数:
其中,xi,yi是变量X,Y的第i个观测值,为均值,Rxy为x与y的相关系数,取值范围为[-1,1],Rxy值的正负表示变量间的相关方向,R的绝对值越大表示变量间的相关性越强;
S2:建立城市空气影响因子X与空气污染物浓度Y的线性回归模型,
其中,y1为某特定空气污染物的浓度值,x11,x12,x13,x14,x15分别代表自变量:交通量、车速、温度、湿度和风力,α0,α1,α2,α3,α4,α5为回归系数,ε1为随机误差;
S3:输出城市空气影响因子与空气污染物浓度之间的关联关系。
另外,本发明还公开了一种基于相关性分析的城市交通流量对空气质量影响的分析系统,该系统包括以下模块:
数据获取模块,用于实时获取城市空气影响因子X,以及对应时段的空气污染物浓度Y信息;
相关分析模块:用于计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数;
综合分析模块:用于建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型,进行多元线性回归分析;
关系生成模块,用于根据相关分析模块以及综合分析模块的计算结果,输出城市空气影响因子与空气污染物浓度之间的关联关系。
本发明主要包括对城市空气影响因子与空气污染物的相关分析和综合分析。相关分析主要通过计算各个影响因素与空气污染物浓度值的相关系数实现,综合分析主要通过选取交通量、车速、温度、湿度和风力作为自变量,PM2.5、PM10、CO、SO2和NO2的浓度值作为因变量进行多元线性回归分析。通过相关分析和综合分析,可以得到不同因素对于空气污染物的影响程度大小,对于后续空气环境治理起到有利作用。
附图说明
图1是本发明公开的对空气质量影响计算方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
现在将详细参考本发明的实施例,这些实施例的示例在附图中示出。元件的后缀“模块”和“单元”在此用于方便描述,并且因此可以可交换地被使用,而且没有任何可区别的意义或功能。
虽然构成本发明的实施例的所有元件或单元被描述为结合到单个元件中或被操作为单个元件或单元,但是本发明不一定局限于此种实施例。根据实施例,在本发明的目的和范围内所有的元件可以选择性地结合到一个或多个元件并且被操作为一个或多个元件。
下面结合附图对本发明的具体实施方式进行详细阐述。
图1为本发明提出的本发明公开的城市交通因素对空气质量影响计算方法流程图。该方法主要包括四个步骤:。
获取城市空气影响因子X,以及对应时段的空气污染物浓度Y信息,
计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数;
建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型,进行多元线性回归分析;
输出城市空气影响因子与空气污染物浓度之间的关联关系。
在一个实施例中,城市空气影响因子主要包括交通量、车速、温度、湿度、风力中的一种或多种;空气污染物包括PM2.5、PM10、CO、NO2、SO2、O3中的一种或多种。
分别选择城市空气影响因子及空气污染物中的一种,计算两者之间的相关系数;
在一个实施例中,采用如下方式计算:
其中,xi,yi是变量X,Y的第i个观测值,为均值,Rxy为x与y的相关系数,取值范围为[-1,1],Rxy值的正负表示变量间的相关方向,R的绝对值越大表示变量间的相关性越强;
之后,建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型如下:
其中,y1为任一空气污染物的浓度值,x11,x12,x13,x14,x15分别代表自变量:交通量、车速、温度、湿度和风力,α0,α1,α2,α3,α4,α5为回归系数,ε1为随机误差;
可以通过多次测量来实现求解线性回归方程。
在一个实施例中,建立空气污染物浓度Y与全部城市空气影响因子X的线性回归模型具体如下:
建立多线性回归方程组:
y1=α0+α1x11+α2x12+α3x13+α4x14+α5x15+ε1
y2=α0+α1x21+α2x22+α3x23+α4x24+α5x25+ε2
y3=α0+α1x31+α2x32+α3x33+α4x34+α5x35+ε3
y4=α0+α1x41+α2x42+α3x43+α4x44+α5x45+ε4
y5=α0+α1x51+α2x52+α3x53+α4x54+α5x55+ε5
y6=α0+α1x61+α2x62+α3x63+α4x64+α5x65+ε6
其中,y1至y6,分别代表PM2.5,PM10,CO,NO2,SO2,O3;α0至α5为回归系数;ε1至ε6为随机误差;
根据上述方程组建立矩阵
Y=XA
其中,
Y=[y1,y2,y3,y4,y5,y6]T
A=[α0,α1,α2,α3,α4,α5]T
解此方程可得A:A=(XTX)-1XTY。
这里,T表示转置,-1表示求逆,这样我们就可以求得回归之后的结果。
另外,本发明还公开了一种计算城市交通因素对空气质量影响的系统,系统包括如下模块:
数据获取模块,用于实时获取城市空气影响因子X,以及对应时段的空气污染物浓度Y信息;
相关分析模块:用于计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数;
综合分析模块:用于建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型,进行多元线性回归分析;
关系生成模块,用于根据相关分析模块以及综合分析模块的计算结果,输出城市空气影响因子与空气污染物浓度之间的关联关系。
在一个实施例中,相关分析模块通过如下公式计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数:
其中,xi,yi是变量X,Y的第i个观测值,为均值,Rxy为x与y的相关系数,取值范围为[-1,1],Rxy值的正负表示变量间的相关方向,R的绝对值越大表示变量间的相关性越强;
综合分析模块建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型如下:
其中,y1为任一空气污染物的浓度值,x11,x12,x13,x14,x15分别代表自变量:交通量、车速、温度、湿度和风力,α0,α1,α2,α3,α4,α5为回归系数,ε1为随机误差;
可以通过多次测量求解该方程。
在一个实施例中,综合分析模块建立空气污染物浓度Y与全部城市空气影响因子X的线性回归模型具体如下:
建立多线性回归方程组:
y1=α0+α1x11+α2x12+α3x13+α4x14+α5x15+ε1
y2=α0+α1x21+α2x22+α3x23+α4x24+α5x25+ε2
y3=α0+α1x31+α2x32+α3x33+α4x34+α5x35+ε3
y4=αo十α1x41十α2x42十α3x43十α4x44十α5x45十ε4
y5=α0+α1x51+α2x52+α3x53+α4x54+α5x55+ε5
y6=α0+α1x61+α2x62+α3x63+α4x64+α5x65+ε6
其中,y1至y6,分别代表PM2.5,PM10,CO,NO2,SO2,O3;α0至α5为回归系数;ε1至ε6为随机误差;
根据上述方程组建立矩阵
Y=XA
其中,
Y=[y1,y2,y3,y4,y5,y6]T
A=[α0,α1,α2,α3,α4,α5]T
解此方程可得A:A=(XTX)-1XTY。
本发明通过对城市空气影响因子与空气污染物的相关分析和综合分析,可以得到不同因素对于空气污染物的影响程度大小,有效的解决了难以估计城市交通数据对空气质量影响的问题。在具体计算过程中,引入了相关系数以及线性模型,能够更直观的计算各因素对各种污染物的影响,起到辅助城市管理者决策的作用,对于后续空气环境治理有很大的帮助。
尽管已经示出并描述了本发明实施例的特殊实施例,然而在不背离本发明实施例的示例性实施例及其更宽广方面的前提下,本领域技术人员显然可以基于此处的教学做出变化和修改。因此,所附的权利要求意在将所有这类不背离本发明实施例的示例性实施例的真实精神和范围的变化和更改包含在其范围之内。
Claims (10)
1.一种计算城市交通因素对空气质量影响的方法,包括以下步骤:
获取城市空气影响因子X,以及对应时段的空气污染物浓度Y信息;
计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数;
建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型,进行多元线性回归分析;
输出城市空气影响因子与空气污染物浓度之间的关联关系。
2.根据权利要求1所述的计算城市交通因素对空气质量影响的方法,其特征在于,所述空气影响因子X包括交通量、车速、温度、湿度、风力中的一种或多种;所述空气污染物包括PM2.5、PM10、CO、NO2、SO2、O3中的一种或多种。
3.根据权利要求2所述的计算城市交通因素对空气质量影响的方法,其特征在于,通过如下公式计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数:
其中,xi,yi是变量X,Y的第i个观测值,为均值,Rxy为x与y的相关系数,取值范围为[-1,1],Rxy值的正负表示变量间的相关方向,R的绝对值越大表示变量间的相关性越强。
4.根据权利要求2所述的计算城市交通因素对空气质量影响的方法,其特征在于,所述建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型如下:
其中,y1为任一空气污染物的浓度值,x11,x12,x13,x14,x15分别代表自变量:交通量、车速、温度、湿度和风力,α0,α1,α2,α3,α4,α5为回归系数,ε1为随机误差。
5.根据权利要求2所述的计算城市交通因素对空气质量影响的方法,其特征在于,所述建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型具体如下:
建立多线性回归方程组:
y1=α0+α1x11+α2x12+α3x13+α4x14+α5x15+ε1
y2=α0+α1x21+α2x22+α3x23+α4x24+α5x25+ε2
y3=α0+α1x31+α2x32+α3x33+α4x34+α5x35+ε3
y4=α0+α1x41+α2x42+α3x43+α4x44+α5x45+ε4
y5=α0+α1x51+α2x52+α3x53+α4x54+α5x55+ε5
y6=α0+α1x61+α2x62+α3x63+α4x64+α5x65+ε6
其中,y1至y6,分别代表PM2.5,PM10,CO,NO2,SO2,O3;α0至α5为回归系数;ε1至ε6为随机误差;
根据上述方程组建立矩阵
Y=XA
其中,
Y=[y1,y2,y3,y4,y5,y6]T
A=[α0,α1,α2,α3,α4,α5]T
解此方程可得A:A=(XTX)-1XTY。
6.一种计算城市交通因素对空气质量影响的系统,所述系统包括如下模块:
数据获取模块,用于实时获取城市空气影响因子X,以及对应时段的空气污染物浓度Y信息;
相关分析模块:用于计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数;
综合分析模块:用于建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型,进行多元线性回归分析;
关系生成模块,用于根据相关分析模块以及综合分析模块的计算结果,输出城市空气影响因子与空气污染物浓度之间的关联关系。
7.根据权利要求6所述的计算城市交通因素对空气质量影响的系统,其特征在于,所述空气影响因子X包括交通量、车速、温度、湿度、风力中的一种或多种;所述空气污染物包括PM2.5、PM10、CO、NO2、SO2、O3中的一种或多种。
8.根据权利要求7所述的计算城市交通因素对空气质量影响的系统,其特征在于,所述相关分析模块通过如下公式计算任一城市空气影响因子X与任一空气污染物浓度Y之间的相关系数:
其中,xi,yi是变量X,Y的第i个观测值,为均值,Rxy为x与y的相关系数,取值范围为[-1,1],Rxy值的正负表示变量间的相关方向,R的绝对值越大表示变量间的相关性越强。
9.根据权利要求7所述的计算城市交通因素对空气质量影响的系统,其特征在于,所述综合分析模块建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型如下:
其中,y1为任一空气污染物的浓度值,x11,x12,x13,x14,x15分别代表自变量:交通量、车速、温度、湿度和风力,α0,α1,α2,α3,α4,α5为回归系数,ε1为随机误差。
10.根据权利要求7所述的计算城市交通因素对空气质量影响的系统,其特征在于,所述综合分析模块建立任一空气污染物浓度Y与全部城市空气影响因子X的线性回归模型具体如下:
建立多线性回归方程组:
y1=α0+α1x11+α2x12+α3x13+α4x14+α5x15+ε1
y2=α0+α1x21+α2x22+α3x23+α4x24+α5x25+ε2
y3=α0+α1x31+α2x32+α3x33+α4x34+α5x35+ε3
y4=α0+α1x41+α2x42+α3x43+α4x44+α5x45+ε4
y5=α0+α1x51+α2x52+α3x53+α4x54+α5x55+ε5
y6=α0+α1x61+α2x62+α3x63+α4x64+α5x65+ε6
其中,y1至y6,分别代表PM2.5,PM10,CO,NO2,SO2,O3;α0至α5为回归系数;ε1至ε6为随机误差;根据上述方程组建立矩阵
Y=XA
其中,
Y=[y1,y2,y3,y4,y5,y6]TA=[α0,α1,α2,α3,α4,α5]T
解此方程可得A:A=(XTX)-1XTY。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710933994.6A CN107967242A (zh) | 2017-10-09 | 2017-10-09 | 一种城市交通流量对空气质量影响的分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710933994.6A CN107967242A (zh) | 2017-10-09 | 2017-10-09 | 一种城市交通流量对空气质量影响的分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107967242A true CN107967242A (zh) | 2018-04-27 |
Family
ID=61997519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710933994.6A Pending CN107967242A (zh) | 2017-10-09 | 2017-10-09 | 一种城市交通流量对空气质量影响的分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107967242A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288138A (zh) * | 2019-06-12 | 2019-09-27 | 淮阴工学院 | 一种基于社区划分的空气质量指数预测的方法 |
CN111754373A (zh) * | 2020-06-03 | 2020-10-09 | 京东城市(北京)数字科技有限公司 | 一种空气质量分析方法、装置、电子设备及存储介质 |
CN112036243A (zh) * | 2020-07-28 | 2020-12-04 | 广州地理研究所 | 交通道路的大气污染测定方法、装置及设备 |
CN114881472A (zh) * | 2022-05-07 | 2022-08-09 | 中科三清科技有限公司 | 机动车排放对空气质量影响的分析方法、装置及设备 |
CN117808211A (zh) * | 2024-02-28 | 2024-04-02 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
EP1987459B1 (en) * | 2006-02-21 | 2016-09-28 | URECSYS - Urban Ecology Systems - Indoor Air Quality Management Ltd. | A system and a method for assessing and reducing air pollution by regulating airflow ventiilation |
CN106055904A (zh) * | 2016-06-04 | 2016-10-26 | 上海大学 | 基于varx模型的大气pm2.5浓度预测方法 |
-
2017
- 2017-10-09 CN CN201710933994.6A patent/CN107967242A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1987459B1 (en) * | 2006-02-21 | 2016-09-28 | URECSYS - Urban Ecology Systems - Indoor Air Quality Management Ltd. | A system and a method for assessing and reducing air pollution by regulating airflow ventiilation |
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
CN106055904A (zh) * | 2016-06-04 | 2016-10-26 | 上海大学 | 基于varx模型的大气pm2.5浓度预测方法 |
Non-Patent Citations (3)
Title |
---|
ZGW21CN: "多元线性回归", 《HTTPS://WWW.CNBLOGS.COM/ZGW21CN/ARCHIVE/2009/01/07/1361287.HTML》 * |
朱振亚等: "大气污染物浓度变化及其与气象因子的关系", 《科学技术与工程》 * |
环境保护部环境影响评价工程师职业资格登记管理办公室: "《交通运输类环境影响评价(上)》", 31 December 2011 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110288138A (zh) * | 2019-06-12 | 2019-09-27 | 淮阴工学院 | 一种基于社区划分的空气质量指数预测的方法 |
CN110288138B (zh) * | 2019-06-12 | 2023-04-18 | 淮阴工学院 | 一种基于社区划分的空气质量指数预测的方法 |
CN111754373A (zh) * | 2020-06-03 | 2020-10-09 | 京东城市(北京)数字科技有限公司 | 一种空气质量分析方法、装置、电子设备及存储介质 |
CN112036243A (zh) * | 2020-07-28 | 2020-12-04 | 广州地理研究所 | 交通道路的大气污染测定方法、装置及设备 |
CN114881472A (zh) * | 2022-05-07 | 2022-08-09 | 中科三清科技有限公司 | 机动车排放对空气质量影响的分析方法、装置及设备 |
CN117808211A (zh) * | 2024-02-28 | 2024-04-02 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
CN117808211B (zh) * | 2024-02-28 | 2024-05-07 | 深圳市法莱茵科技有限公司 | 一种基于空气质量检测数据的评估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967242A (zh) | 一种城市交通流量对空气质量影响的分析方法及系统 | |
Sun et al. | Influence of avenue trees on traffic pollutant dispersion in asymmetric street canyons: Numerical modeling with empirical analysis | |
Lu et al. | Performance assessment of air quality monitoring networks using principal component analysis and cluster analysis | |
CN107330217B (zh) | 一种基于rbfnn的中观油耗预测方法 | |
WO2021088397A1 (zh) | 一种柴油车气态排气污染物遥感检测系统及方法 | |
CN106651036A (zh) | 空气质量预报系统 | |
CN106202533B (zh) | 街道峡谷机动车尾气污染物浓度估算系统 | |
CN107368913B (zh) | 一种基于最小二乘支持向量机的油耗预测方法 | |
Schmidt et al. | An integrated simulation system for traffic induced air pollution | |
CN102680538B (zh) | 基于气敏传感器和智蜂网络的道路中尾气监测方法 | |
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 | |
CN103077275B (zh) | 高速公路匝道仿真模型的参数标定方法 | |
CN104112357B (zh) | 一种恶劣霾天气的城市区域交通紧急预案方法 | |
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 | |
CN107564290A (zh) | 一种城市道路交叉口饱和流率计算方法 | |
CN107240264A (zh) | 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法 | |
Wang et al. | Estimation of PM10 in the traffic-related atmosphere for three road types in Beijing and Guangzhou, China | |
CN109034226A (zh) | 一种基于图论的车辆轨迹聚类方法 | |
CN113987912A (zh) | 一种基于地理信息的污染物在线监测系统 | |
Murena | Monitoring and modelling carbon monoxide concentrations in a deep street canyon: application of a two-box model | |
CN113255956A (zh) | 城市大气污染预测方法 | |
Lu et al. | Impacts of viaduct and geometry configurations on the distribution of traffic-related particulate matter in urban street canyon | |
CN114692355A (zh) | 耦合WRF与OpenFOAM模型的机动车污染扩散模拟方法及系统 | |
CN102915404B (zh) | 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法 | |
Han et al. | Research status and prospect of wind-vehicle-bridge coupling vibration system |
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: 20180427 |