CN108871359B - 一种动态空气质量导航方法、骑行载具空气质量监测系统 - Google Patents

Abstract

本发明公开了一种动态空气质量导航方法，采用群智感知技术和最短路径算法Dijkstra相结合，利用群智感知技术可以获得某区域大量参考点的空气质量信息，实时空气质量信息每隔时间段T在网络中传输一次，根据实时空气质量信息的变化可以在骑行中动态的刷新调整导航路径，不仅考虑到了常规的空气质量信息，还考虑到当某路的PM2.5的均值超出某一阈值后，会传输紧急空气质量信息报告，在导航算法中将目标路段的cost设为∞。通过这种方式，不仅可以在共享单车出发前确定一条空气质量比较好的路径，而且还可以根据实时的空气质量信息在途中动态调整导航路径，从而可以达到整体导航路线空气质量比较好的效果。

Description

一种动态空气质量导航方法、骑行载具空气质量监测系统

技术领域

本发明涉及路径导航技术领域，尤其是一种动态空气质量导航方法、骑行载具空气质量监测系统。

背景技术

在空气质量导航系统中，为了提高导航的精确度以及实时性，大量动态路径导航方案被提出以帮助共享单车或司机选择最佳路径。但是现有方案仅仅在共享单车离开前利用实时空气质量信息决定最佳路径，并且在某段路的空气质量变差的情况下也不改变已导航路径。另外，已有方案很少考虑到实时空气质量信息的收集和传输。

发明内容

本发明的目的是提供一种动态空气质量导航方法、骑行载具空气质量监测系统，动态的决定当前导航路径是否当前点到目的地点的最佳路径，并且可以在骑行中根据空气质量信息给共享单车提供可供选择的导航路径。

为实现上述目的，本发明采用下述技术方案：

本发明第一发明提供了一种动态空气质量导航方法，包括以下步骤：

S1、获取骑行载具的ID数值u、骑行载具初始位置SNu、目的地位置DNu，时间间隔T，使用Dijkstra算法确定从初始位置到目的地位置的初始导航路径；

S2、骑行载具每隔时间间隔T接收到空气质量报告，动态更新导航路径中路段的权值cost数值，再次应用Dijkstra算法确定从当前位置到目的地位置的动态导航路径；

S3、判断当前位置是否为目的地位置，如果是，结束导航路径计算；如果否，返回步骤S2。

结合第一方面，在第一方面第一种可能的实现方式中，步骤S1中，使用Dijkstra算法确定从初始位置到目的地位置的初始导航路径的具体步骤包括：

S11、构建初始位置SNu与目的地位置DNu道路网络的拓扑结构，统计道路节点总数n；

S12、确定初始位置节点t与目的节点，t存入T，其他节点存入R；

S13、建立n*n阶邻接矩阵C，C[i,j]代表节点P_i到节点P_j的权值cost；

S14、建立数组D[n]，存放初始位置节点到各节点的最短距离；

S15、计算初始位置节点到各节点的距离，选取距离最小的节点P_j存入T，即T＝{t,P_j}；

S16、修改R中节点到初始位置节点的距离D[m]，使其最小；

S17、判断P_j是否为目的位置节点，如果是，结束；如果否，返回步骤S15。

结合第一方面，在第一方面第二种可能的实现方式中，步骤S2具体步骤如下：

S21、骑行载具u生成T时刻的空气质量信息，将所处路段信息Sg Rd与空气质量信息发送给所在路段的簇头骑行载具；

S22、簇头骑行载具获取该路段全部簇成员转发的路段信息与空气质量信息后生成该路段的T时刻的常规空气质量信息报告和紧急空气质量报告，并将常规空气质量报告转发给相邻路段簇头骑行载具；

S23、簇头骑行载具接收到相邻簇头骑行载具转发的某路段T时刻的常规空气质量信息报告后，发送给该路段其他簇成员骑行载具；骑行载具判断该路段是否为已导航路径的一部分，如果是，进入步骤S25；如果否，进入步骤S26；

S24、簇头骑行载具判断该路段是否是已导航路径的一部分，如果是，簇头骑行载具存储收到的常规空气质量信息报告并转发给相邻路段的簇头骑行载具，进入步骤S25；如果不是，则只转发给相邻路段的簇头骑行载具但不存储，进入步骤S26；

S25、动态更新导航路径中该路段的权值cost数值，再次应用Dijkstra算法确定从当前位置到目的地位置的动态导航路径；

S26、骑行载具判断当前路段是否为目的位置，如果是，停止导航计算，如果否，则在T＝T+T时刻重复步骤S21。

进一步地，步骤S2中，路段的权值cost定义如下式所示：

Quality Level为所处路段的平均PM2.5值，Min Quality为所处路段PM2.5最小值，Max Quality为所处路段PM2.5最大值，Length为该路段的长度，k1为PM 2.5的比例系数，k2为路段长度的比例系数。

进一步地，步骤S22中，所述常规空气质量信息报告用于显示当前路段的常规实时空气质量状况，定义如下：

其中，Rd为当前道路ID，Sg Rd为当前路段的ID，LRd为当前路段的长度，是时刻T该路段SgRd的平均速度，/>是时刻T该路段SgRd的平均PM2.5值，分别可由下式得到：

其中，*V表示T时刻该路段SgRd中除了骑行载具u之外的其他骑行载具的速度；

表示当前时刻T路段SgRd中除了骑行载具u之外的其他骑行载具当前位置测得的PM2.5的值。

进一步地，步骤S22中，紧急空气质量信息报告用于显示当前路段紧急空气质量信息，

其中，代表当前路段SgRd在时间T时的/>其中Φ表示PM2.5的设定阈值，超过此设定阈值的道路不宜骑行。

进一步地，当前路段SgRd在时间T时的时，该路段的权值cost被设定为∞。

本发明第二方面提供了一种骑行载具空气质量监测系统，包括位于骑行载具处的空气质量采集模块和位于服务器端的数字地图模块、最短路径导航模块，空气质量采集模块用于获取骑行载具实时位置处的空气质量数据并完成空气质量数据的转发；数字地图模块用于显示路径信息；最短路径导航模块用于动态确定骑行载具从当前位置到目的地位置的最优行驶路径。

结合第二方面，在第二方面第一种可能的实现方式中，所述空气质量采集模块包括微控制器、空气质量采集传感器、无线通信单元和定位单元，空气质量采集传感器的输出端与微处理器的输入端连接，微处理器的输出端与无线通信单元的数据发送端连接，无线通信单元的数据接收端与微处理器的输入端连接，无线通信单元的数据收发端与通信天线连接，定位单元的数据收发端与通信天线连接，定位单元的数据发送端与微处理器连接。

结合第二方面，在第二方面第二种可能的实现方式中，最短路径导航模块包括：路径网络拓扑单元，确定骑行载具从当前位置到目的地位置的道路拓扑信息；

路径优化单元，根据更新后的路段权值cost应用最短路径算法确定最优导航路径。

本发明的有益效果是，

本发明将群智感知技术和最短路径算法Dijkstra相结合，共享单车通过GPS和传感器测量当前位置的实时空气质量信息，并通过无线通信共享这些空气质量信息动态路径中决定路径导航。本方案不依赖于通常的高成本的固定检测仪器，快速在网络中转发某路段的空气质量信息，系统中所有共享单车都可以接收并利用实时空气质量信息去评估目标路段的空气质量。通过这种方式，不仅在共享单车出发前就导航了一条导航路径，并且在共享单车骑行途中也可以根据实时的空气质量信息进行导航路线的动态调整，以保证每个时间段的导航路线的空气质量情况达到一个比较良好的水平，从而比静态路径导航的方法效果更加有效，可以保证共享单车受到的污染最小。

附图说明

图1是本发明动态空气质量导航方法流程图；

图2是路段划分原理示意图；

图3是簇组织原理示意图；

图4是PM2.5等级图；

图5是应用路段权值的最短路径实现流程图；

图6是Arduino Mega2560开发板引脚连接示意图；

图7是SIM868 GSM/GPRS/GPS无线通信模块引脚连接示意图；

图8是SIM卡引脚连接示意图；

图9是无线通信模块与开发板连接电路图；

图10是污染气体传感器电路原理图；

图11是MQ-135污染气体传感器引脚连接电路原理图；

图12是最短路径导航模块结构示意图。

具体实施方式

如图1所示，一种动态空气质量导航方法，包括以下步骤：

S1、获取骑行载具的ID数值u、骑行载具初始位置SNu、目的地位置DNu，时间间隔T，使用Dijkstra算法确定从初始位置到目的地位置的初始导航路径；

S2、骑行载具每隔时间间隔T接收到空气质量报告，动态更新导航路径中路段的权值cost数值，再次应用Dijkstra算法确定从当前位置到目的地位置的动态导航路径；

S3、判断当前位置是否为目的地位置，如果是，结束导航路径计算；如果否，返回步骤S2。

如图2所示，每条路或街道被分为固定长度的一些路段。假设每条路或街道有一个唯一的路ID，每个路段也有一个唯一路段ID。路RdAB被分为3个路段，分别被表示为路段1，路段2，路段3。有必要指出，路RdAB不等于RdBA。路RdAB表示共享单车仅可以从位置A走到位置B，路RdAB表示共享单车仅可以从位置B走到位置A。骑行在相同路段的共享单车被组织成一个簇，最靠近路段中心点的共享单车被设置为簇头。随着共享单车的运动簇的成员会发生变化，同样簇头也会发生变化。在同一个簇的共享单车测量实时空气质量信息并和所在的路段相关联，将测得的实时空气质量信息通过无线通信发送到当前路段的簇头。在接收到其他簇成员测得的空气质量信息后，簇头共享单车统计收到的空气质量信息并生成该路段的实时空气质量信息包，然后和相邻路段的簇头共享该空气质量信息包。

每个共享单车都有一个唯一的ID，设为u。在共享单车出发前，该系统通过共享单车携带的智能手机的GPS获得共享单车当前位置，表示为SNu，以及目的地，设为DNu。在此阶段中，该系统仅仅收集信息，包括共享单车ID，当前位置以及目的地并存储到内存中。收集到这些信息后，该系统确定一条从当前位置到目的地的初始导航路径。然后，共享单车会沿着初始导航路径开始骑行。

系统会通过共享单车u携带的传感器测量和收集共享单车骑行中的相关参数，包括当前时隙T；共享单车在时间T时的平均速度Vu。系统存储这些参数到内存，这些参数可以被用来确定当前位置的实时空气质量状况以及确定当共享单车完成某导航后总的骑行时间。

系统测量共享单车当前路段的数据，包括当前道路ID Rd；当前路段ID Sg Rd；路的长度LRd，这些路的参数用来进行实时空气质量状况的评定。另外，系统测量当前共享单车到当前路段中心的距离这个距离用于确定当前路段的簇头共享单车。

共享单车u将2、3两步收集的数据生成当前空气质量信息包ru，如公式1所示。

其中|表示为连接符，表示T时刻共享单车u测得的PM2.5值，T表示时间间隙，Rd表示当前道路ID，Sg Rd为当前路段的ID，LRd为当前路段的长度，/>是时刻T该路段SgRd的平均速度。

生成当前位置空气质量信息包ru后，共享单车u将报告ru通过无线设备共享给此路段其他共享单车，并接受该路段其他共享单车的报告，

u→*：ru (2)

*→u：r* (3)

这里*表示共享单车u所在路段的其他共享单车。

如图3所示，共享单车与其他共享单车通过无线设备进行通信并共享一个空气质量信息包r。共享单车u在接收到同一路段其他共享单车的空气质量信息包后，通过比较和其他共享单车的/>确定共享单车u是否最接近该路段的中心。如果共享单车u是距离最近的，u就被设置为当前路段的簇头确定簇头。否则，距离路段中心最近的一个共享单车，表示为v，通过比较/>被选定为簇头，路段ID被选定为簇ID。注意到，由于共享单车是运动的，所以簇成员和簇头都在随着时间不断变化。

在接收到所有簇成员的空气质量信息包后，指定的簇头将该路段共享单车的空气质量信息包r*收集起来，处理后生成时间T时的当前路段的空气质量信息报告(AQM)。在此方案中，考虑到两种空气质量信息报告，包括常规AQM和紧急AQM。

常规AQM用于显示当前路段的常规的实时空气质量状况，如式4所示。

是时刻T路段SgRd的平均速度，/>是时刻T路段SgRd的平均PM2.5值，分别可由式5及6得到。

其中，*V表示当前时间T下路段SgRd中除了共享单车u之外的其他共享单车的速度。表示当前时间T下路段SgRd中除了共享单车u之外的其他共享单车当前位置测得的PM2.5的值。

紧急AQM用来通知紧急空气质量信息(如PM2.5急剧增大到某临界值以上等)。紧急AQM如式7所示。

代表某短路SgRd在时间T时的/>其中Φ表示PM2.5的阈值，超过此阈值的道路不宜骑行。

如图4所示，对PM2.5的阈值Φ进行一个选择，使得导航方案能尽量绕开空气质量特别不好的路段，根据权威的PM2.5等级图，将阈值设置为等级2与等级3的分界值100，认为超过此阈值的路段不适宜共享单车骑行。

不同路段的空气质量信息会由相应路段的簇头收集并做有关处理。通过这种方式，通信和计算开销会减小，不仅能够节约能耗而且网络的吞吐量也会增加。生成空气质量信息后，簇头将此信息传播给所有相邻路段的簇头。常规TIM由簇头每个时隙传播一次，紧急TIM只有当超过某一阈值的情况出现后才会传播。一个路段的簇头被当成中继结点用以接收和转发其他路段的空气质量信息。

导航路径确定步骤首先构建道路网络的拓扑结构，根据地图数据可以获取路网中道路节点数据和道路弧段数据，然后使用适当的数据结构存储这些数据，将道路网络抽象成带权的无向图，本实施例计算最短路径时采用邻接矩阵存储道路网络抽象成的带权无向图。若两节点有边，则设置权值为cost。若两节点间没有边，权值设为∞，即为一个比较大的数值，这样我们就可以通过将地图中的道路网络的相关数据转换得到我们算法中需要使用的邻接矩阵。

在根据共享单车要求设置好起始点和目的地点后，将共享单车出发时刻定为时刻0。系统采用Dijkstra算法进行空气质量导航，网络中边权值cost定义如式8所示。

其中Quality Level为某段路的平均PM2.5值，Min Quality为其中PM2.5最小的值，Max Quality为其中PM2.5最大值，Length为该路的长度。权值cost根据道路的空气质量PM2.5以及道路长度进行综合设置，以避免导航的路径相比最短路径过长。通常设置k1/k2在0.05左右。

全局最优的Dijkstra算法是学者们进行研究的相对来说更加深入和普遍的最短路径算法，国内外的大量高校的学者和一些机构对Dijkstra算法进行了大量的优化，其优化原理主要分为两类：一个是对数据的存储方式进行改进，这种方法的主要效果是减小了算法的时间和空间复杂度、进一步提高了算法的搜索效率，另一类方法是对算法的搜索区域进行改进，减小算法的搜索区域从而提高算法的效率。

Dijkstra算法分析

Dijkstra(迪杰斯特拉)算法是已知的使用最为常用的算法，它是由荷兰计算机科学家Edsger Dijkstra发现的。使用该算法我们可以得到从规定的起始节点到网络中其余所有节点的相应的最短路径。该算法要求网络的边权值为非负。Dijkstra算法是最为经典的单源最短路径算法，在很多方面，比如智能交通等都有非常广泛的应用。

Dijkstra算法的实现原理步骤为：设置一个顶点集合G，然后不断地使用贪心策略来扩充集合G，即总是在V-G中选择“最轻”或“最近”的顶点插入集合G中。

我们引进3个辅助数组dist、path和set。

dist[vi]表示当前已找到的从v0到每个终点vi的最短路径的长度。它的初态：若从v0到vi有边，则dist[vi]为边上的权值；否则置dist[vi]为∞。

path[vi]用来保存从v0到vi最短路径上vi的前一个顶点，假设最短路径上的顶点序列为v0，v1，v2，...，vi-1，vi，则path[vi]＝vi-1。path的初态：如果v0到vi有边，则path[vi]＝v0；否则path[vi]＝-1。set为标记数组，set[vi]＝0表示vi在T中，表示没有被并入最短路径；set[vi]＝1表示vi在G中，即已经被并入最短路径。set的初态：set[v0]＝1，其余元素全为0。

Dijkstra算法执行过程如下：

(1)从当前dist数组中选出最小值，假设为dist[vu]，将set[vu]设置为1，表示当前新并入的顶点为vu。

(2)循环扫描图中所有顶点，对每个顶点进行以下检测：

假设当前顶点为vj，检测vj是否已经被并入G中，即看是否set[vj]＝1，如果set[vj]＝1，则什么都不做；如果set[vj]＝0，则比较dist[vj]和dist[vu]+w的大小，其中w为边<vu，vj>的权值，这个比较就是要看v0经过旧的最短路径到达vj和v0经过含有vu的新的最短路径到达vj哪个更短一点。如果dist[vj]>dist[vu]+w，则用新的路径长度来更新旧的，并把顶点vu加入路径中，且作为路径上vj之前的那个顶点；否则什么都不做。

(3)对(1)和(2)循环执行n-1次(n为图中顶点的个数)，即可得到从v0到其余所有顶点的最短路径。

分析Dijkstra算法我们可以在上述算法过程中看到Dijkstra算法总共用到两次循环，故总的时间复杂度是O(n2)。但更多的时候，比如百度地图上人们可能只需要找到从起始点到某一个特定的终点的最短路径，但是，我们会发现，这个问题的时间复杂度仍然为O(n2)。

Dijkstra算法

输入：带权有向图G(V，E)，起始点s输出：源点到图中其他点的最短路径d

根据Dijkstra算法在求单源最短路径的原理，图的边的权值必须非负。本系统要求从用户所在位置到目的地点的最短路径，可以看作为单源最短路径问题，我们选取道路长度与PM2.5的一个比重作为道路边的权重，是非负值，符合Dijkstra算法条件，并且Dijkstra算法时间复杂度比较小，效率也比较高，故我们采用Dijkstra算法求解起点到目的地点的空气质量导航路径。

如图5所示，Dijkstra算法确定从初始位置到目的地位置的初始导航路径的具体步骤如下：

S11、构建初始位置SNu与目的地位置DNu道路网络的拓扑结构，统计道路节点总数n；

S12、确定初始位置节点t与目的节点，t存入T，其他节点存入R；

S13、建立n*n阶邻接矩阵C，C[i,j]代表节点P_i到节点P_j的权值cost；

S14、建立数组D[n]，存放初始位置节点到各节点的最短距离；

S15、计算初始位置节点到各节点的距离，选取距离最小的节点P_j存入T，即T＝{t,P_j}；

S16、修改R中节点到初始位置节点的距离D[m]，使其最小；

S17、判断P_j是否为目的位置节点，如果是，结束；如果否，返回步骤S15。

如图6所示，一种骑行载具空气质量监测系统，包括位于骑行载具处的空气质量采集模块1和位于服务器端的数字地图模块2、最短路径导航模块3，空气质量采集模块用于获取骑行载具实时位置处的空气质量数据并完成空气质量数据的转发；数字地图模块用于显示路径信息；最短路径导航模块用于动态确定骑行载具从当前位置到目的地位置的最优行驶路径。

如图7所示，自行车空气质量监测装置包括Arduino Mega2560开发板1，SIM868GSM/GPRS/GPS无线通信模块2，GPS通信天线3，GSM通信天线4，MQ-135污染气体传感器5。Arduino Mega2560开发板1通过模拟口采集MQ-135污染气体传感器5的模拟信号，并经过AD转换得到最终的反映空气质量数字量。

Arduino Mega2560开发板1其核心处理器为ATmega2560，有5V DC输出和3.3V DC输出和外部电源输入、内部时钟16MHz、有54个数字I/O端口其中16个为PWM输出口、16个模拟输入端口、4路UART接口。MQ-135污染气体传感器5，所使用的气敏材料是在清洁空气中电导率较低的二氧化锡，对氨气、硫化物、苯系蒸汽的灵敏度高，对烟雾和其它有害气体的监测也很理想。

如图8至图10所示，SIM868 GSM/GPRS/GPS无线通信模块2与Arduino Mega2560开发板1使用UART总线进行通信，SIM868 GSM/GPRS/GPS无线通信模块2的数据发送口UART1_TXD与Arduino Mega2560开发板1数据接收口RX3相连，SIM868 GSM/GPRS/GPS无线通信模块2的数据接收口UART1_TXD与Arduino Mega2560开发板1的数据发送口TX3相连，这样就实现了Arduino Mega2560开发板1和SIM868 GSM/GPRS/GPS无线通信模块2之间GPRS或GSM的串口数据发送和接收；SIM868 GSM/GPRS/GPS无线通信模块2的GPS数据发送口GPS_TXD与Arduino Mega2560开发板1的数据接收口RX2相连，这样就实现了SIM868 GSM/GPRS/GPS无线通信模块2向Arduino Mega2560开发板1的GPS数据的串口发送。GPS通信天线3连接SIM868 GSM/GPRS/GPS无线通信模块2的GPS_ANT口；GSM通信天线4连接SIM868 GSM/GPRS/GPS无线通信模块2的GSM_ANT口。SIM868 GSM/GPRS/GPS无线通信模块2的PWRKEY口接地，这样就实现了接通电源后SIM868的自动启动。SIM868 GSM/GPRS/GPS无线通信模块2外部直流稳压电压输入端口V_IN连接Arduino Mega2560开发板1的外部直流稳压电压输入端口VIN，SIM868 GSM/GPRS/GPS无线通信模块2外部电源接地口GND连接Arduino Mega2560开发板1的外部电源接地口GND，SIM868 GSM/GPRS/GPS无线通信模块2的V_IO口连接ArduinoMega2560开发板1的5V恒压口。使用7～12V直流电源对Arduino Mega2560开发板1的DC5.5＝2.1mm电源线接口或Type-Busb电源接口进行供电，电源将同时接通并启动SIM868 GSM/GPRS/GPS无线通信模块2。

如图11所示，MQ-135污染气体传感器5模拟信号引脚A0连接Arduino Mega2560开发板1的模拟信号I/O口A0，电源正极VCC引脚连接Arduino Mega2560开发板1的5V恒压接口，接地引脚GND连接Arduino Mega2560开发板1的接地口GND。

如图12所示，最短路径导航模块包括：路径网络拓扑单元301，确定骑行载具从当前位置到目的地位置的道路拓扑信息；路径优化单元302，根据更新后的路段权值cost应用最短路径算法确定最优导航路径。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (6)

1.一种动态空气质量导航方法，其特征是，包括以下步骤：

S1、获取骑行载具的ID数值u、骑行载具初始位置SNu、目的地位置DNu，时间间隔T，使用Dijkstra算法确定从初始位置到目的地位置的初始导航路径；

S2、骑行载具每隔时间间隔T接收到空气质量报告，动态更新导航路径中路段的权值cost数值，再次应用Dijkstra算法确定从当前位置到目的地位置的动态导航路径；

S3、判断当前位置是否为目的地位置，如果是，结束导航路径计算；如果否，返回步骤S2；

步骤S2具体步骤如下：

S21、骑行载具u生成T时刻的空气质量信息，将所处路段信息Sg_Rd与空气质量信息发送给所在路段的簇头骑行载具；

S22、簇头骑行载具获取该路段全部簇成员转发的路段信息与空气质量信息后生成该路段的T时刻的常规空气质量信息报告和紧急空气质量报告，并将常规空气质量报告转发给相邻路段簇头骑行载具，然后同时进入步骤S23和步骤S24；

S23、相邻簇头骑行载具接收到簇头骑行载具转发的某路段T时刻的常规空气质量信息报告后，发送给该路段其他簇成员骑行载具；相邻簇头骑行载具判断该路段是否为已导航路径的一部分，如果是，进入步骤S25；如果否，进入步骤S26；

S24、簇头骑行载具判断该路段是否是已导航路径的一部分，如果是，簇头骑行载具存储收到的常规空气质量信息报告并转发给相邻路段的簇头骑行载具，进入步骤S25；如果不是，则只转发给相邻路段的簇头骑行载具但不存储，进入步骤S26；

S25、动态更新导航路径中该路段的权值cost数值，再次应用Dijkstra算法确定从当前位置到目的地位置的动态导航路径；

S26、簇头骑行载具判断当前路段是否为目的位置，如果是，停止导航计算，如果否，则在T＝T+T时刻重复步骤S21；

步骤S2中，路段的权值cost定义如下式所示：

Quality Level为所处路段的平均PM2.5值，Min Quality为所处路段PM2.5最小值，MaxQuality为所处路段PM2.5最大值，Length为该路段的长度，k1为PM 2.5的比例系数，k2为路段长度的比例系数；

步骤S22中，所述常规空气质量信息报告用于显示当前路段的常规实时空气质量状况，定义如下：

其中，Rd为当前道路ID，Sg_Rd为当前路段的ID，L_Rd为当前路段的长度，是时刻T该路段Sg_Rd的平均速度，/>是时刻T该路段Sg_Rd的平均PM2.5值，分别可由下式得到：

其中，*V表示T时刻该路段Sg_Rd中除了骑行载具u之外的其他骑行载具的速度；

表示当前时刻T路段Sg_Rd中除了骑行载具u之外的其他骑行载具当前位置测得的PM2.5的值；

步骤S22中，紧急空气质量信息报告用于显示当前路段紧急空气质量信息，

其中，代表当前路段Sg_Rd在时间T时的/>其中φ表示PM2.5的设定阈值，超过此设定阈值的道路不宜骑行；

系统测量各骑行载具到当前路段中心的距离这个距离用于确定当前路段的簇头骑行载具；

距离路段中心最近的骑行载具被选定为簇头骑行载具。

2.如权利要求1所述的一种动态空气质量导航方法，其特征是，步骤S1中，使用Dijkstra算法确定从初始位置到目的地位置的初始导航路径的具体步骤包括：

S11、构建初始位置SNu与目的地位置DNu道路网络的拓扑结构，统计道路节点总数n；

S12、确定初始位置节点t与目的节点，t存入T，其他节点存入R；

S13、建立n*n阶邻接矩阵C，C[i,j]代表节点P_i到节点P_j的权值cost；

S14、建立数组D[n]，存放初始位置节点到各节点的最短距离；

S15、计算初始位置节点到各节点的距离，选取距离最小的节点P_j存入T，即T＝{t,P_j}；

S16、修改R中节点到初始位置节点的距离D[m]，使其最小；

S17、判断P_j是否为目的位置节点，如果是，结束；如果否，返回步骤S15。

3.如权利要求1所述的一种动态空气质量导航方法，其特征是，当前路段SgRd在时间T时的时，该路段的权值cost被设定为∞。

4.一种骑行载具空气质量监测系统，其特征是，用于实现权利要求1所述的方法，所述的系统包括位于骑行载具处的空气质量采集模块和位于服务器端的数字地图模块、最短路径导航模块，空气质量采集模块用于获取骑行载具实时位置处的空气质量数据并完成空气质量数据的转发；数字地图模块用于显示路径信息；最短路径导航模块用于动态确定骑行载具从当前位置到目的地位置的最优行驶路径。

5.如权利要求4所述的一种骑行载具空气质量监测系统，其特征是，所述空气质量采集模块包括微控制器、空气质量采集传感器、无线通信单元和定位单元，空气质量采集传感器的输出端与微处理器的输入端连接，微处理器的输出端与无线通信单元的数据发送端连接，无线通信单元的数据接收端与微处理器的输入端连接，无线通信单元的数据收发端与通信天线连接，定位单元的数据收发端与通信天线连接，定位单元的数据发送端与微处理器连接。

6.如权利要求4所述的一种骑行载具空气质量监测系统，其特征是，最短路径导航模块包括：路径网络拓扑单元，确定骑行载具从当前位置到目的地位置的道路拓扑信息；

路径优化单元，根据更新后的路段权值cost应用最短路径算法确定最优导航路径。