CN110161183A - 一种空气质量监测方法 - Google Patents
一种空气质量监测方法 Download PDFInfo
- Publication number
- CN110161183A CN110161183A CN201910462122.5A CN201910462122A CN110161183A CN 110161183 A CN110161183 A CN 110161183A CN 201910462122 A CN201910462122 A CN 201910462122A CN 110161183 A CN110161183 A CN 110161183A
- Authority
- CN
- China
- Prior art keywords
- data
- air quality
- information
- module
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000007405 data analysis Methods 0.000 claims abstract description 29
- 239000000470 constituent Substances 0.000 claims abstract description 24
- 238000011109 contamination Methods 0.000 claims description 28
- 230000010354 integration Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 239000000809 air pollutant Substances 0.000 claims description 6
- 231100001243 air pollutant Toxicity 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 25
- 238000009434 installation Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 20
- 238000012806 monitoring device Methods 0.000 description 12
- 238000003915 air pollution Methods 0.000 description 11
- 239000003344 environmental pollutant Substances 0.000 description 10
- 231100000719 pollutant Toxicity 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000009183 running Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种空气质量监测方法,涉及空气质量监测技术领域,解决了常见现有空气质量监测系统并不便于用户及时地作出决策及行动支持,对空气质量的监控效率造成较大的影响的问题,其技术方案要点是,设置有移动监测系统以及信息监控平台,空气质量数据和位置定位数据实时上传至信息监控平台;数据实时流处理模块实时对信息监控平台接收的数据进行数据清洗,数据分析模块调用分析基础数据库内的数据将行经区域划分为若干个单位区域,并生成各单位区域的空气质量数据时间序列图和空气质量预警信息,达到可便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性的目的。
Description
技术领域
本发明涉及空气质量监测技术领域,特别涉及一种空气质量监测方法。
背景技术
随着环境污染的加重,对空气质量的实时监控成为了对环境质量监控的日常监控项目,现有的空气质量监控设备或装置为独立的专业监测装置,体积大,监控时需要为监测设备设计特殊的安装位置,并要提供足够的使用空间,从而,才能保持空气检测的准确性。
但现有的空气质量监控系统通常地会将数据以数字的形式直接反馈至用户的设备上,数据量较少时用户可直观地看到各监测点的空气质量变化,但数据量较少时的空气质量数据不够全面,因此需要采集更多的空气质量数据,但是以数字形式直接反馈的空气质量数据变化并不便于用户及时地作出决策及行动支持,对空气质量的监控效率造成较大的影响。
发明内容
本发明的目的是提供一种空气质量监测方法,具有可便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性,可便于及时地发现存在的空气污染治理黑点的优点。
本发明的上述技术目的是通过以下技术方案得以实现的:一种空气质量监测方法,设置有移动监测系统以及信息监控平台;所述移动监测系统包括可在城市内自由移动的移动装置,所述移动装置上设置有空气质量采集装置;所述空气质量采集装置实时采集空气质量数据和移动装置的位置定位数据;
所述信息监控平台包括数据库体系、数据实时流处理模块、数据分析模块以及数据展示模块,所述数据库体系包括用于数据整合缓存的整合缓存库和可整合大气环境数据的基础数据库;
所述移动装置于城市内移动;所述空气质量采集装置实时采集空气质量数据和移动装置的位置定位数据,空气质量数据和位置定位数据实时上传至信息监控平台;
所述数据实时流处理模块实时对信息监控平台接收的数据进行数据清洗,并将清洗后的数据存入整合缓存库内,整合缓存库内的数据存入基础数据库内;
所述数据分析模块调用分析所述基础数据库内的数据,并基于位置定位数据建立所述移动装置的行经区域,并将所述行经区域划分为若干个单位区域,结合空气质量数据与位置定位数据的数据采集时间,生成各单位区域的空气质量数据时间序列图和空气质量预警信息;
所述数据展示模块展示所述空气质量数据时间序列图和空气质量预警信息至用户,实时监管所述移动装置的行经区域的空气质量。
本发明的进一步设置,所述空气质量采集装置包括经纬度模块、日期时间模块、空气污染物浓度模块和气象信息模块;所述经纬度模块记录所述移动装置的位置定位数据,所述日期时间模块记录空气质量数据与位置定位数据的数据采集时间,所述空气污染物浓度模块记录所述移动装置行经区域的空气质量数据,所述气象信息模块记录所述移动装置行经区域的气象信息数据;
所述空气质量采集装置实时采集空气质量数据、气象信息数据以及移动装置的位置定位数据,空气质量数据、气象信息数据、位置定位数据以及数据采集时间实时上传至信息监控平台。
通过采用上述技术方案,改变了传统的固定式网格化静态的空气监控模式,以移动装置(即机动车)为载体,依据大数据空气质量监管系统,跟踪移动装置(即机动车)行驶路线上的城市空气质量变化,对城市的空气质量指标进行动态分析、仿真和预测,能够为管理部门提供网格化、精准、高效的污染溯源、污染分析、污染预警预测等服务,能够具体形象展示出监测区域内大气污染状况。将固定式监测与移动式监测相结合地对监管区域内的空气质量数据进行采集,以便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性。通过经验模型对城市空气监测数据进行分析,以便于及时地发现存在的空气污染治理黑点,进而便于监管人员及时地进行排查污染黑点的成因,以便于逐步形成能够全面提供准确、及时和有效的信息知道和决策支持。还可有效地提高环境监管能力和污染事故应急时的处理能力,对改善环境质量、合理地监管城市的污染源以及构件友好型生态环境具有重要的意义。
本发明的进一步设置,所述数据库体系还包括主题数据库和指标数据库,所述主题数据库内存储基于用户自主设定的大气监测主题所收集的空气质量数据,所述指标数据库内存储基于用户指定的关键管理数据;所述整合缓存库内的数据基于数据的应用分类分别存入基础数据库、主题数据库和指标数据库内;所述数据分析模块调用分析所述主题数据库或者指标数据库内的数据,生成各单位区域的空气质量监管信息,并通过所述数据展示模块展示至用户。
通过采用上述技术方案,采用了高可用性的可扩展的关系型数据库系统,可使得数据库体系实现读写分离、以及其性能呈线性扩展的优势,为在线数据的处理和存储提供了可靠的基础,还可使得数据库体系能七天乘以二十四小时地全天候运行,使得数据库体系无单点故障,进而有效地提高了该数据库体系的运行可靠性。
首先,从气象、交通等外部系统中收集的数据进入数据库的交换区后,经过清洗/转换/加载工具(ETL)处理后存入整合缓存库;然后根据数据的分类及应用类别,在存储区中分别存储于基础数据库、指标数据库和主题数据库中;最后,通过数据访问、资源目录、决策支持等数据应用、服务方式,将经过数据中心整理、分析后的各类空气质量监管信息数据提供给其他业务部门、社会公众及其他政府部门等具有不同数据需求的用户。
本发明的进一步设置,在步骤C中,所述数据实时流处理模块实时扫描信息监控平台接收的数据,对信息监控平台接收的数据进行格式检查和数据质量检查,将未通过检查的数据列入异常数据队列,并将通过检查的数据列入干净数据队列。
本发明的进一步设置,所述数据实时流处理模块基于数据收集时间和数据采集区域预先设定有数据质量检查规则,所述数据实时流处理模块基于数据质量检查规则对信息监控平台接收的数据进行数据质量检查。
通过采用上述技术方案,可有效地筛选出异常状态的数据,通过保留有效的数据,以便于提高信息监控平台的工作效率。用户可通过对数据质量检查规则的设置,可调整信息监控平台所接收的数据。
本发明的进一步设置,在步骤A中,所述信息监控平台还包括数据批量处理模块,所述数据批量处理模块对数据库体系内存储的数据进行调度分析,生成各单位于指定时间段内的空气质量数据与空气质量预警信息汇总;在步骤E中,所述数据展示模块展示空气质量数据与空气质量预警信息汇总至用户,监管各单位区域的空气质量。
通过采用上述技术方案,可大幅地提高空气质量数据的处理速度,以便于用户对空气质量数据的整合和面向全局的数据分析工作,进而便于用户快速得到关于空气质量监测后的数据,以便于用户及时地作出决策,进而便于及时控制空气质量污染源。
本发明的进一步设置,所述数据分析模块包括大气环境综合管理分析子模块,所述大气环境综合管理分析子模块包括基础性分析报表功能模块、多维趋势对比功能模块和污染信息推送功能模块;
所述基础性分析报表功能模块基于指定的单位区域所在的位置定位数据,建立日度或月度的空气质量数据排名图;
所述多维趋势对比功能模块基于各单位区域的空气质量数据,生成各单位区域于不同污染指标下的时间序列趋势图,或生成各单位区域于相同污染指标下的时间序列趋势图;
所述污染信息推送功能模块基于所述基础性分析报表功能模块的空气质量排名数据,并与用户指定的空气质量数据阀值对比,生成重点污染源的位置定位数据。
通过采用上述技术方案,多维趋势对比功能模块以日度或月度的时间维度进行展开,对大气状况进行全面、多维度的分析与对比,并对重点污染疑似区域进行自动推送,大大提高了空气污染防治的针对性和有效性。污染信息推送功能模块能够全面提供准确、及时和有效的信息知道和决策支持,还可有效地提高环境监管能力和污染事故应急时的处理能力,对改善环境质量、合理地监管城市的污染源以及构件友好型生态环境具有重要的意义。
本发明的进一步设置,还包括移动应用子系统,所述移动应用子系统与信息监控平台通信连接,并通过数据展示模块实时获取空气质量数据以及空气质量数据与位置定位数据两者的时间序列多曲线图。
通过采用上述技术方案,用户可通过移动应用子系统随时查看空气质量数据,进而便于用户及时地作出相关的决策及行动支持。
本发明的进一步设置,所述数据分析模块包括专题场景检测管理子模块,所述专题场景检测管理子模块基于用户自主设定的专题场景所收集的空气质量数据,并与用户指定的空气质量数据阀值对比,生成各单位区域的空气质量监管信息,并通过所述数据展示模块展示至用户。
通过采用上述技术方案,主题场景监测管理模块主要依客户需要提供不同场景下的专题实验监管分析及探索验证,例如:洒水实验、小巷空气质量监测等。以洒水实验为例,通过信息监控平台提供路测审核、及路测数据查询展示功能,以便于保证数据质量的有效及实验结论真实可靠。
本发明的进一步设置,所述数据分析模块包括系统信息管理子模块,所述系统信息管理子模块收录关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置轨迹信息数据,并通过数据展示模块将关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置轨迹信息数据展示至用户。
通过采用上述技术方案,设备基础信息管理与查询,主要包括监测设备信息表与监测设备数据趋势图。监测设备信息表主要提供所有大气监测设备的基础信息展示,包括搭载车辆信息,行驶路线监测所属区域等设备基础运维信息。监测设备数据趋势图主要提供在线监测设备在所选时间内的数据变化趋势,用于检查设备数据上传的稳定性。设备告警管理功能包括设备告警统计表和设备告警明细表两部分,其中设备告警统计表主要指PM2.5、PM10、NO2、O3、温度、湿度、车速、电压、告警总次数等各个参数的汇总展示,统计频率为日/月。设备告警名次表主要指对单个污染物指标下超出范围个数、数据出现小时数、数据有效率等异常情况进行汇总统计,统计频率为日/月。污染区域信息录入,主要为污染区域现场确认信息提供接口,丰富监管区域污染地图,污染源类型主要包括施工工地、裸露地块、废品堆放、道路扬尘、停车场、交界路口、驾驶学校等。车辆轨迹信息管理,主要提供当前监测设备所在车辆信息的实时显示及车辆轨迹查询。
1、将固定式监测与移动式监测相结合地,以便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性;
2、可便于及时地发现存在的空气污染治理黑点,进而便于监管人员及时地进行排查污染黑点的成因,以便于逐步形成能够全面提供准确、及时和有效的信息知道和决策支持;
3、可有效地降低高速流动空气所导致的空气质量检测样本的混合物不均匀情况的出现几率,进而大大地提高空气质量检测采样的准确度。
总的来说本发明,可便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性,可便于及时地发现存在的空气污染治理黑点。
附图说明
图1是本实施例的总流程原理图;
图2是本实施例的数据分析模块的流程原理图;
图3是本实施例的结构示意图;
图4是本实施例中另一视角的结构示意图。
附图标记:1、移动监测系统;2、空气质量采集装置;21、空气污染物浓度模块;22、经纬度模块;23、日期时间模块;24、气象信息模块;3、信息监控平台;31、数据分析模块;311、大气环境综合管理分析子模块;3111、基础性分析报表功能模块;3112、多维趋势对比功能模块;3113、污染信息推送功能模块;3114、专题场景检测管理子模块;3115、系统信息管理子模块;32、数据展示模块;33、数据库体系;331、整合缓存库;332、基础数据库;333、主题数据库;334、指标数据库;34、数据实时流处理模块;35、数据批量处理模块;36、移动应用子系统;4、监控设备;6、壳体;7、信息采集装置;8、第一风口;9、挡风组件;10、第三风口;11、第一挡风板;12、第二挡风板;13、第一通风管道;14、安装面;15、太阳能充电装置;151、光伏板;16、安装滑槽;17、导轨组;18、安装滑块;19、移动装置。
具体实施方式
以下结合附图对本发明作进一步详细说明。
一种空气质量监测方法,实施例,如图1至图4所示;
a)设置有移动监测系统1以及信息监控平台3;移动监测系统1包括可在城市内自由移动的移动装置19,移动装置19上设置有空气质量采集装置2;空气质量采集装置2实时采集空气质量数据和移动装置19的位置定位数据;
信息监控平台3包括数据库体系33、数据实时流处理模块34、数据分析模块31以及数据展示模块32,数据库体系33包括用于数据整合缓存的整合缓存库331和可整合大气环境数据的基础数据库332;
b)移动装置19于城市内移动;空气质量采集装置2实时采集空气质量数据和移动装置19的位置定位数据,空气质量数据和位置定位数据实时上传至信息监控平台3;
c)数据实时流处理模块34实时对信息监控平台3接收的数据进行数据清洗,并将清洗后的数据存入整合缓存库331内,整合缓存库331内的数据存入基础数据库332内;
d)数据分析模块31调用分析基础数据库332内的数据,并基于位置定位数据建立移动装置19的行经区域,并将行经区域划分为若干个单位区域,结合空气质量数据与位置定位数据的数据采集时间,生成各单位区域的空气质量数据时间序列图和空气质量预警信息;
e)数据展示模块32展示空气质量数据时间序列图和空气质量预警信息至用户,实时监管移动装置19的行经区域的空气质量。
空气质量采集装置2包括经纬度模块22、日期时间模块23、空气污染物浓度模块21和气象信息模块24;经纬度模块22记录移动装置19的位置定位数据,日期时间模块23记录空气质量数据与位置定位数据的数据采集时间,空气污染物浓度模块21记录移动装置19行经区域的空气质量数据,气象信息模块24记录移动装置19行经区域的气象信息数据;
空气质量采集装置2实时采集空气质量数据、气象信息数据以及移动装置19的位置定位数据,空气质量数据、气象信息数据、位置定位数据以及数据采集时间实时上传至信息监控平台3。另外,在标准消息队列接口的基础上,本实施例通过端口指定、电子或数字证书校验、大数据空气质量监管系统、AES/DES加密、SSL加密、CRC奇偶校验等安全封装手段保证数据传输的实时性、安全性、完整性和零丢失。
大气监测数据库主要是管理大气环境相关的数据资源,建立标准数据体系,从而形成统一的数据库体系33,其功能分为:基础数据库332:建设一个基础数据库332,整合大气环境相关的业务数据,统一为标准的数据结构。主题数据库333:针对大气不同监测业务,划分不同的主题数据,为业务系统提供数据存储管理的环境。指标库:指标数据库334是对业务数据的整合,数据中心将关键管理数据按指标的形式进行梳理,形成指标体系,并通过指标数据库334对外提供一个全面统一的数据管理和共享视图。元数据库:元数据库主要用来组织管理数据体系中定义的各类元数据,包括信息资源目录元数据、数据库对象元数据(数据字典)、数据集成元数据等。公共代码库:实现数据传输和信息共享的基础,满足内部不同部门间的数据共享要求。如果数据统筹已经包含此元素,可以利用现有的公共代码数据库。
关于数据实时流处理模块34:数据实时流处理模块34实时流处理程序使用Java+Springboot+KStream开发,运行在Docker容器中。实时流处理模块由KAFKAKstream(队列实时流处理)和PiplineDB(库内流处理)组成。数据实时流处理模块34的作用范围包括:对接收的报文进行格式检查,未通过检查的报文将被送至异常报文队列;按照预定义的数据质量检查规则(例如报文的时钟、传感器的量程范围等);实时扫描接收到数据,对问题数据进行清洗或校正,将原始问题数据送入异常数据队列,将清洗后的数据送入干净数据队列;实时统计每个站点发送的各类报文的数量,为告警监控模块提供监控数据。数据批量处理模块35由Kettle+Python+SQL开发,Kettle负责进行作业流的管理和调度,Python脚本负责控制数据处理的外围逻辑,SQL脚本负责进行数据加工。批处理作业的作用范围包括:首先,按照小时、日、月、年进行作业调度,生成汇总报表数据;其次,按照预先定义的规则,扫描数据质量,统计设备状态信息,生成数据质量报告。
关于数据分析模块31和数据展示模块32:
数据分析模块31和数据展示模块32构成了大数据分析平台数据分析层,大数据分析平台数据分析层分为基础数据、多维汇总、大气预警预测分析等部分;基础数据层:考虑数据本身的来源、属性和项目数据之间的相互关系来组织数据;若有历史数据,会将收集到的历史数据有序的保存在关系数据库中,主要存放低粒度的数据;其目的在于最大限度的减少数据冗余,保证结构具有足够的扩展性和灵活性。多维汇总对比分析该部分主要保存一些汇总后的高聚合粒度的数据,用于构建业务维度以及和这些维度一起进行分析的指标,与具体的分析应用需求紧密结合,并按照应用的要求对从基础数据层抽取过来的数据采用非范式化处理,对数据进行适度冗余。并且,对于多维汇总的数据,本实施例将采用函数过程封装开发的方式实现,能够给用户提高更好的应用体验,且后期可以快速迭代升级。对于通过数据处理层生成的报表,结合业务逻辑和统计分析技术,对原始数据进一步的统计分析,以生成基本的数据分析视图以及形成最终可用于水环境预测性分析的特征变量。
其次,数据分析模块31和数据展示模块32相关的统计分析技术包括:A、借助图形描述大气监测污染物的相关参数指标的对比,包括直方图、趋势图等手段对大气数据进行测绘,了解不同监测区域的大气情况;B、通过统计分析指标:例如均值、最大值、最小值等指标帮助形成对大气情况和趋势的整体认知。
最后地,大气预警预测分析在数据充分整合及分析的基础上,结合业务处理逻辑,形成污染物指标的预警机制,及时反馈大气污染状况;同时也借助机器学习与深度学习算法对历史数据的训练集进行建模,并对检验数据集进行检验,最后通过模型组合的方式将同的模型结合从而得出最佳预测结果作为实际应用。
其中对大气污染物指标的预测使用的人工智能机器学习技术,将包括并不仅限于以下几种:决策树算法(C5.0、C&RT、CHIAR、QUEST):它是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率;评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法;人工神经网络:也简称为神经网络或称作连接模型,它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的;支持向量机模型:支持向量机(SVM)是一项功能强大的分类和回归技术,通常用来进行模式识别、分类、以及回归分析。其原理从线性可分说起,然后扩展到线性不可分的情况,甚至扩展到使用非线性函数中去。支持向量机模型可最大化模型的预测准确度,而不会过度拟合训练数据。贝叶斯网络:又称信度网络,是Bayes方法的扩展,是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络是基于概率推理的数学模型,基于概率推理的贝叶斯网络是为了解决不定性和不完整性问题而提出的,它对于解决复杂设备不确定性和关联性引起的故障有很大的优势,在多个领域中获得广泛应用;Logistic模型:当预测变量为分类变量时,传统的线性回归将变得不再适用,而Logistic回归模型则是针对于此类问题而提出的,因为它可以非常有效地克服线性回归对于数据的一些限制。Logistic回归的工作原理是构建一组方程式,使输入字段值与每个输入字段类别所关联的概率相关。生成模型后,便可以用它来估计新数据的概率。对于每条记录,将计算每种可能输出类别的成员资格概率。具有最高概率的目标类别将被指定为该记录的预测输出值。
改变了传统的固定式网格化静态的空气监控模式,以移动装置19(即机动车)为载体,大数据空气质量监管系统,跟踪移动装置19(即机动车)行驶路线上的城市空气质量变化,对城市的空气质量指标进行动态分析、仿真和预测,能够为管理部门提供网格化、精准、高效的污染溯源、污染分析、污染预警预测等服务,能够具体形象展示出监测区域内大气污染状况。将固定式监测与移动式监测相结合地对监管区域内的空气质量数据进行采集,以便于提高所采集的空气质量数据的全面性和客观性,进而有效地提高所采集的空气质量数据的准确性。通过经验模型对城市空气监测数据进行分析,以便于及时地发现存在的空气污染治理黑点,进而便于监管人员及时地进行排查污染黑点的成因,以便于逐步形成能够全面提供准确、及时和有效的信息知道和决策支持。还可有效地提高环境监管能力和污染事故应急时的处理能力,对改善环境质量、合理地监管城市的污染源以及构件友好型生态环境具有重要的意义。
数据库体系33还包括主题数据库333和指标数据库334,主题数据库333内存储基于用户自主设定的大气监测主题所收集的空气质量数据,指标数据库334内存储基于用户指定的关键管理数据;整合缓存库331内的数据基于数据的应用分类分别存入基础数据库332、主题数据库333和指标数据库334内;数据分析模块调用分析主题数据库333或者指标数据库334内的数据,生成各单位区域的空气质量监管信息,并通过数据展示模块32展示至用户。采用了高可用性的可扩展的关系型数据库系统,可使得数据库体系33实现读写分离、以及其性能呈线性扩展的优势,为在线数据的处理和存储提供了可靠的基础,还可使得数据库体系33能七天乘以二十四小时地全天候运行,使得数据库体系33无单点故障,进而有效地提高了该数据库体系33的运行可靠性。
首先,从气象、交通等外部系统中收集的数据进入数据库的交换区后,经过清洗/转换/加载工具(ETL)处理后存入整合缓存库331;然后根据数据的分类及应用类别,在存储区中分别存储于基础数据库332、指标数据库334和主题数据库333中;最后,通过数据访问、资源目录、决策支持等数据应用、服务方式,将经过数据中心整理、分析后的各类空气质量监管信息数据提供给其他业务部门、社会公众及其他政府部门等具有不同数据需求的用户。
在步骤C中,数据实时流处理模块34实时扫描信息监控平台3接收的数据,对信息监控平台3接收的数据进行格式检查和数据质量检查,将未通过检查的数据列入异常数据队列,并将通过检查的数据列入干净数据队列。数据实时流处理模块34基于数据收集时间和数据采集区域预先设定有数据质量检查规则,数据实时流处理模块34基于数据质量检查规则对信息监控平台3接收的数据进行数据质量检查,从而可有效地筛选出异常状态的数据,通过保留有效的数据,以便于提高信息监控平台3的工作效率。用户可通过对数据质量检查规则的设置,可调整信息监控平台3所接收的数据。
在步骤A中,信息监控平台3还包括数据批量处理模块35,数据批量处理模块35对数据库体系33内存储的数据进行调度分析,生成各单位于指定时间段内的空气质量数据与空气质量预警信息汇总;在步骤E中,数据展示模块32展示空气质量数据与空气质量预警信息汇总至用户,监管各单位区域的空气质量,从而可大幅地提高空气质量数据的处理速度,以便于用户对空气质量数据的整合和面向全局的数据分析工作,进而便于用户快速得到关于空气质量监测后的数据,以便于用户及时地作出决策,进而便于及时控制空气质量污染源。
数据分析模块31包括大气环境综合管理分析子模块311,大气环境综合管理分析子模块311包括基础性分析报表功能模块3111、多维趋势对比功能模块3112和污染信息推送功能模块3113;基础性分析报表功能模块3111基于指定的单位区域所在的位置定位数据,建立日度或月度的空气质量数据排名图;多维趋势对比功能模块3112基于各单位区域的空气质量数据,生成各单位区域于不同污染指标下的时间序列趋势图,或生成各单位区域于相同污染指标下的时间序列趋势图;污染信息推送功能模块3113基于基础性分析报表功能模块3111的空气质量排名数据,并与用户指定的空气质量数据阀值对比,生成重点污染源的位置定位数据。
多维趋势对比功能模块3112以日度或月度的时间维度进行展开,对大气状况进行全面、多维度的分析与对比,并对重点污染疑似区域进行自动推送,大大提高了空气污染防治的针对性和有效性。污染信息推送功能模块3113能够全面提供准确、及时和有效的信息知道和决策支持,还可有效地提高环境监管能力和污染事故应急时的处理能力,对改善环境质量、合理地监管城市的污染源以及构件友好型生态环境具有重要的意义。
基础性分析报表主要提供日度/月度汇总下监测主干道、重点区域、污染区块的空气质量排名情况,并可通过点击不同监测点名称跳转至该区域的自画像标签页面。多维趋势对比主要包括多监测点趋势对比、污染物时段趋势对比以及污染指标对比。
(1)基础性分析报表主要提供日度/月度汇总下监测主干道、重点区域、污染区块的空气质量排名情况,并可通过点击不同监测点名称跳转至该区域的自画像标签页面。
(2)多维趋势对比主要包括多监测点趋势对比、污染物时段趋势对比以及污染指标对比。A、多监测点趋势对比,使用折线图或柱形图对同一种污染指标下不同监测点进行时间趋势上对比分析,统计频率为天/月。监测点可勾选多个,污染指标每次可选一个,选择范围为PM2.5、PM10、NO2、O3。
B、污染时段趋势对比,使用折线图或柱形图对同一种污染指标下不同监测点进行时间段趋势对比,统计频率为天/月。监测点可勾选多个,污染指标每次可选一个,选择范围为PM2.5、PM10、NO2、O3。
C、污染指标对比,使用折线图或柱形图对同一监测点下不同污染指标进行时间维度上趋势对比,统计频率为天/月。监测点每次可选一个,污染指标可选多个,选择范围为PM2.5、PM10、NO2、O3。
污染信息推送功能模块3113:A、污染信息推送。提供三种监测类型(主干道、重点区域、污染区块)下,重点疑似污染源信息推送,使用户快速锁定并查询监管区域内大气污染状况,统计频率为日/月。B、历史报警。提供网格化监测下的污染指标告警次数汇总,真实反映监测期间污染源持续性及污染强度,统计频率为日/月。
(4)自画像标签,包括污染点名称、污染点编号、污染点排名情况、空气。质量标签、污染等级评价、污染点告警次数、污染趋势环比、污染指标趋势图展示等,通过污染点自画像可以全方位了解该污染点大气变化情况。
(5)监管信息查询,提供不同监测类型(主干道、重点区域、污染区块)下,污染信息一张图展示与查询。
本实施例还包括移动应用子系统36,移动应用子系统36与信息监控平台3通信连接,并通过数据展示模块32实时获取空气质量数据以及空气质量数据与位置定位数据两者的时间序列多曲线图。用户可通过移动应用子系统36随时查看空气质量数据,进而便于用户及时地作出相关的决策及行动支持。
数据分析模块31包括专题场景检测管理子模块3114,专题场景检测管理子模块3114基于用户自主设定的专题场景所收集的空气质量数据,并与用户指定的空气质量数据阀值对比,生成各单位区域的空气质量监管信息,并通过数据展示模块32展示至用户。主题场景监测管理模块主要依客户需要提供不同场景下的专题实验监管分析及探索验证,例如:洒水实验、小巷空气质量监测等。以洒水实验为例,通过信息监控平台3提供路测审核、及路测数据查询展示功能,以便于保证数据质量的有效及实验结论真实可靠。
数据分析模块31包括系统信息管理子模块3115,系统信息管理子模块3115收录关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置19轨迹信息数据,并通过数据展示模块32将关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置19轨迹信息数据展示至用户。
设备基础信息管理与查询,主要包括监测设备信息表与监测设备数据趋势图。监测设备信息表主要提供所有大气监测设备的基础信息展示,包括搭载车辆信息,行驶路线监测所属区域等设备基础运维信息。监测设备数据趋势图主要提供在线监测设备在所选时间内的数据变化趋势,用于检查设备数据上传的稳定性。设备告警管理功能包括设备告警统计表和设备告警明细表两部分,其中设备告警统计表主要指PM2.5、PM10、NO2、O3、温度、湿度、车速、电压、告警总次数等各个参数的汇总展示,统计频率为日/月。设备告警名次表主要指对单个污染物指标下超出范围个数、数据出现小时数、数据有效率等异常情况进行汇总统计,统计频率为日/月。污染区域信息录入,主要为污染区域现场确认信息提供接口,丰富监管区域污染地图,污染源类型主要包括施工工地、裸露地块、废品堆放、道路扬尘、停车场、交界路口、驾驶学校等。车辆轨迹信息管理,主要提供当前监测设备所在车辆信息的实时显示及车辆轨迹查询。
本实施例还包括气象信息实时监测分析、大气环境综合管理分析、专题场景监测管理、系统信息管理四大分析应用模块,提供了包括多维分析比较、异常告警、污染信息推送、污染区域画像、设备信息管理等核心应用功能,从而满足不同角色、不同监管区域类型(主干道路、重点区域、异常污染点源等)的使用需求,实现真正的全方位空气质量监控。
大气环境综合管理分析子模块还包括气象信息实时监测分析模块,气象信息实时监测分析模块包括:(1)实时GIS地图展示主要网格化的反应监测区域内实时各污染物指标的数据信息,并可以切换为污染热力图、污染监测过程回放等多种状态模式进行动态展示;(2)实时污染监测对比,提供三种监测类型下(主干道、重点区域、污染区块)实时的空气质量排名比较,可以从整体上查看监测区域内大气污染状况;(3)实时污染趋势展示,主要展示实时污染监测表所勾选监测区域当天内;(4)实时污染报警,展示监测区域内实时大气数据指标,如实时空气质量等级、污染指标预警等。
本实施例还包括壳体6,壳体6内设有用于采集空气信息的信息采集装置7,壳体6的侧面设有第一风口8,壳体6围绕第一风口8设有用于阻挡流动空气的挡风组件9,挡风组件9上开设有与信息采集装置7所在区域连通的第三风口10。信息采集装置7包括空气质量传感器以及信号发送模块,空气质量传感器与信号发送模块通讯连接,空气质量传感器与第三风口10连通。信号发送模块选用本技术领域常用的电子配件,例如蓝牙、WIFI及蜂窝数据等信号收发模块。空气质量传感器包括臭氧传感器、氮氧传感器以及PM.传感器。空气质量传感器为本技术领域常用的用于空气质量检测的传感器,并不仅限于上述传感器。
如图3和图4所示,挡风组件9包括设置于第一风口8与采集装置之间的第一挡风板11,第三风口10设置于第一挡风板11上。挡风组件9包括设置于第一挡风板11与采集装置之间的第二挡风板12,第二挡风板12与第一挡风板11之间形成有与信息采集装置7所在区域连通的第一通风管道13。
当壳体6安装设置于车辆顶部时,高速的流动空气可从第一风口8进入壳体6内部;然后,由于第一挡风板11和第二挡风板12之间构成的挡风组件9的进风路径呈迷宫式布置,因此高速的流动空气会与挡风板发生缓冲冲击后被第一次降速,并继续沿着第三风口10进入第一通风管道13;紧接着,此时第一降速后的流动空气会与第二挡风板12发生缓冲冲击,使得流动空气被第二次降速,最后经由第四风口进入与信息采集装置7相连通的空间内;最后地,通过使得高速状态下的流动空气能够降为匀速的状态,可有效地降低高速流动空气所导致的空气质量检测样本的混合物不均匀情况的出现几率,进而大大地提高空气质量检测采样的准确度。
壳体6包括用于放置安装的安装面14,壳体6内设有太阳能充电装置15,壳体6内部开设有安装滑槽16,安装滑槽16沿着安装滑槽16的开口方向设有导轨组17,导轨组17上滑动连接有可伸出壳体6的安装滑块18;太阳能充电装置15包括用于采集太阳能的光伏板151,光伏板151设置于安装滑块18背离安装面14的表面。
凸块导轨设置于安装滑槽16沿着安装滑槽16的开口轴向的两侧;安装滑块18上设有与凸块导轨相匹配的第一通槽,第一通槽与凸块导轨滑动连接。第一通槽与凸块导轨为本技术领域常用的凹凸配合式的滑动结构。凸块导轨与第一通槽两者之间凹凸配合的滑动方式,既可使得安装滑块18的滑动更加流畅,还可使得安装滑块18的滑动更加稳定,以便于提高抵御外部环境应力的能力,进而提高安装滑块18的使用寿命。
导轨组17沿着与安装滑槽16轴向相垂直的中轴线对称设置。导轨组17包括安装滑槽16和凸块导轨。导轨组17并不仅限于凹凸配合式的滑动结构,在选择导轨组17时,满足能够沿着直线滑动功能的直线移动机构均可。对称设置的导轨组17可便于充分利用壳体6的内部空间,还可通过降低伸出壳体6外的光伏板151的受风面积以提高光伏板151的使用寿命,使得伸出于壳体6外的光伏板151不易被风吹毁,进而提高光伏板151的使用寿命。
安装滑槽16沿着安装滑槽16轴向的内壁上设有可供安装滑块18抵触的限位板。限位板的轴向垂直于安装滑槽16的轴向。限位板可用于限制安装滑块18沿着安装滑槽16的滑动距离,以降低安装滑块18完全伸入安装滑槽16后不便于将其拉出的不良影响,进而提高安装滑块18收纳与拉出光伏板151的效率。
当电量充足或太阳光不充足时,可将用于采集太阳能的光伏板151便捷地滑动收纳于第一安装层内,以降低光伏板151在非工作状态下遭受日晒雨淋等因素所造成的意外损毁的几率,可有效地提高光伏板151的使用寿命;当电量不充足或太阳光充足时,可将光伏板151通过滑动的方式从壳体6内拉出,以便于搜集太阳光,将太阳能转化为电能,供空气质量检测仪器的供电使用。使用光伏发电的形式可大大地提高空气质量检测仪器的续航能力,其次地,将光伏板151与滑动式的收纳相结合可使得使用过程更加便捷。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种空气质量监测方法,其特征在于,
a)设置有移动监测系统(1)以及信息监控平台(3);所述移动监测系统(1)包括可在城市内自由移动的移动装置(19),所述移动装置(19)上设置有空气质量采集装置(2);所述空气质量采集装置(2)实时采集空气质量数据和移动装置(19)的位置定位数据;
所述信息监控平台(3)包括数据库体系(33)、数据实时流处理模块(34)、数据分析模块(31)以及数据展示模块(32),所述数据库体系(33)包括用于数据整合缓存的整合缓存库(331)和可整合大气环境数据的基础数据库(332);
b)所述移动装置(19)于城市内移动;所述空气质量采集装置(2)实时采集空气质量数据和移动装置(19)的位置定位数据,空气质量数据和位置定位数据实时上传至信息监控平台(3);
c)所述数据实时流处理模块(34)实时对信息监控平台(3)接收的数据进行数据清洗,并将清洗后的数据存入整合缓存库(331)内,整合缓存库(331)内的数据存入基础数据库(332)内;
d)所述数据分析模块(31)调用分析所述基础数据库(332)内的数据,并基于位置定位数据建立所述移动装置(19)的行经区域,并将所述行经区域划分为若干个单位区域,结合空气质量数据与位置定位数据的数据采集时间,生成各单位区域的空气质量数据时间序列图和空气质量预警信息;
e)所述数据展示模块(32)展示所述空气质量数据时间序列图和空气质量预警信息至用户,实时监管所述移动装置(19)的行经区域的空气质量。
2.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述空气质量采集装置(2)包括经纬度模块(22)、日期时间模块(23)、空气污染物浓度模块(21)和气象信息模块(24);所述经纬度模块(22)记录所述移动装置(19)的位置定位数据,所述日期时间模块(23)记录空气质量数据与位置定位数据的数据采集时间,所述空气污染物浓度模块(21)记录所述移动装置(19)行经区域的空气质量数据,所述气象信息模块(24)记录所述移动装置(19)行经区域的气象信息数据;
所述空气质量采集装置(2)实时采集空气质量数据、气象信息数据以及移动装置(19)的位置定位数据,空气质量数据、气象信息数据、位置定位数据以及数据采集时间实时上传至信息监控平台(3)。
3.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述数据库体系(33)还包括主题数据库(333)和指标数据库(334),所述主题数据库(333)内存储基于用户自主设定的大气监测主题所收集的空气质量数据,所述指标数据库(334)内存储基于用户指定的关键管理数据;所述整合缓存库(331)内的数据基于数据的应用分类分别存入基础数据库(332)、主题数据库(333)和指标数据库(334)内;所述数据分析模块(31)调用分析所述主题数据库(333)或者指标数据库(334)内的数据,生成各单位区域的空气质量监管信息,并通过所述数据展示模块(32)展示至用户。
4.根据权利要求1所述的一种空气质量监测方法,其特征在于,在步骤C中,所述数据实时流处理模块(34)实时扫描信息监控平台(3)接收的数据,对信息监控平台(3)接收的数据进行格式检查和数据质量检查,将未通过检查的数据列入异常数据队列,并将通过检查的数据列入干净数据队列;所述干净数据队列中的数据导入至数据库体系(33),并通过所述数据展示模块(32)展示至用户。
5.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述数据实时流处理模块(34)基于数据收集时间和数据采集区域预先设定有数据质量检查规则,所述数据实时流处理模块(34)基于数据质量检查规则对信息监控平台(3)接收的数据进行数据质量检查。
6.根据权利要求1所述的一种空气质量监测方法,其特征在于,在步骤A中,所述信息监控平台(3)还包括数据批量处理模块(35),所述数据批量处理模块(35)对数据库体系(33)内存储的数据进行调度分析,生成各单位于指定时间段内的空气质量数据与空气质量预警信息汇总;在步骤E中,所述数据展示模块(32)展示空气质量数据与空气质量预警信息汇总至用户,监管各单位区域的空气质量。
7.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述数据分析模块(31)包括大气环境综合管理分析子模块(311),所述大气环境综合管理分析子模块(311)包括基础性分析报表功能模块(3111)、多维趋势对比功能模块(3112)和污染信息推送功能模块(3113);
所述基础性分析报表功能模块(3111)基于指定的单位区域所在的位置定位数据,建立日度或月度的空气质量数据排名图;
所述多维趋势对比功能模块(3112)基于各单位区域的空气质量数据,生成各单位区域于不同污染指标下的时间序列趋势图,或生成各单位区域于相同污染指标下的时间序列趋势图;
所述污染信息推送功能模块(3113)基于所述基础性分析报表功能模块(3111)的空气质量排名数据,并与用户指定的空气质量数据阀值对比,生成重点污染源的位置定位数据。
8.根据权利要求1所述的一种空气质量监测方法,其特征在于,还包括移动应用子系统(36),所述移动应用子系统(36)与信息监控平台(3)通信连接,并通过数据展示模块(32)实时获取空气质量数据以及空气质量数据与位置定位数据两者的时间序列多曲线图。
9.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述数据分析模块(31)包括专题场景检测管理子模块(3114),所述专题场景检测管理子模块(3114)基于用户自主设定的专题场景所收集的空气质量数据,并与用户指定的空气质量数据阀值对比,生成各单位区域的空气质量监管信息,并通过所述数据展示模块(32)展示至用户。
10.根据权利要求1所述的一种空气质量监测方法,其特征在于,所述数据分析模块(31)包括系统信息管理子模块(3115),所述系统信息管理子模块(3115)收录关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置(19)轨迹信息数据,并通过数据展示模块(32)将关于空气采集装置的设备基础信息数据、设备数据趋势图数据、设备告警管理数据、污染区域信息数据以及移动装置(19)轨迹信息数据展示至用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910462122.5A CN110161183A (zh) | 2019-05-30 | 2019-05-30 | 一种空气质量监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910462122.5A CN110161183A (zh) | 2019-05-30 | 2019-05-30 | 一种空气质量监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110161183A true CN110161183A (zh) | 2019-08-23 |
Family
ID=67629929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910462122.5A Pending CN110161183A (zh) | 2019-05-30 | 2019-05-30 | 一种空气质量监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110161183A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110505299A (zh) * | 2019-08-25 | 2019-11-26 | 沃航(武汉)科技股份有限公司 | 一种城市空气实时监测分析管理平台 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN112579581A (zh) * | 2020-11-30 | 2021-03-30 | 贵州力创科技发展有限公司 | 一种数据分析引擎的数据接入方法及系统 |
CN112729380A (zh) * | 2020-12-11 | 2021-04-30 | 边缘智能研究院南京有限公司 | 一种城市数字化信息实时采集系统 |
CN112857450A (zh) * | 2021-01-20 | 2021-05-28 | 武汉新泽安科技有限公司 | 一种环境空气质量自动监测系统 |
CN112884243A (zh) * | 2021-03-16 | 2021-06-01 | 杭州职业技术学院 | 一种基于深度学习和贝叶斯模型的空气质量分析预测方法 |
CN112926852A (zh) * | 2021-02-19 | 2021-06-08 | 南京莱斯网信技术研究院有限公司 | 一种基于数据融合的大气生态环境分析方法 |
CN113029252A (zh) * | 2021-04-16 | 2021-06-25 | 中科海拓(无锡)科技有限公司 | 一种基于数据处理的工业园区空气质量检测系统 |
CN113917093A (zh) * | 2021-12-15 | 2022-01-11 | 维睿空气系统产品(深圳)有限公司 | 一种基于无线网络的空气质量监控系统 |
CN114414731A (zh) * | 2021-12-08 | 2022-04-29 | 南通大学 | 一种基于移动端定位服务的空气质量采集设备及采集方法 |
CN114509539A (zh) * | 2022-02-23 | 2022-05-17 | 广州市灏瀚环保科技有限公司 | 一种生活环境内空气污染因子检测方法及系统 |
CN114625725A (zh) * | 2021-07-23 | 2022-06-14 | 重庆亿森动力环境科技有限公司 | 一种空气监测数据的可视化方法、系统、设备及介质 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
CN115907509A (zh) * | 2022-10-18 | 2023-04-04 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种大区域协同发布的aqhi指标体系构建方法与系统 |
CN116067436A (zh) * | 2023-04-06 | 2023-05-05 | 安徽配隆天环保科技有限公司 | 一种环境监测系统及监测方法 |
CN116071895A (zh) * | 2023-02-06 | 2023-05-05 | 广东慧航天唯科技有限公司 | 一种工业废水过程排放监测预警方法 |
CN116295620A (zh) * | 2023-02-17 | 2023-06-23 | 南通科瑞环境科技有限公司 | 一种环境监测采集检测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712830A (zh) * | 2013-12-30 | 2014-04-09 | 北京普立泰科仪器有限公司 | 太阳能驱动的主动式空气采样器 |
CN105203718A (zh) * | 2015-05-30 | 2015-12-30 | 黄燕云 | 一种空气质量监测方法和系统 |
CN105467072A (zh) * | 2014-08-01 | 2016-04-06 | 日电(中国)有限公司 | 一种空气污染物检测设备 |
CN105892364A (zh) * | 2016-05-05 | 2016-08-24 | 中科智水(北京)科技有限公司 | 水务集中监控管理系统 |
CN205958318U (zh) * | 2016-07-14 | 2017-02-15 | 天津市环境保护科学研究院 | 一种高效便携大气污染物采样装置 |
CN106546280A (zh) * | 2015-09-16 | 2017-03-29 | 普天信息技术有限公司 | 移动式交通环境空气质量监测系统 |
CN106685703A (zh) * | 2016-12-13 | 2017-05-17 | 浙江工业大学 | 一种数据采集和可视化监控智能系统 |
CN206618659U (zh) * | 2017-04-13 | 2017-11-07 | 南京美尔特电子科技有限公司 | 一种pm2.5检测仪 |
CN107478780A (zh) * | 2017-11-01 | 2017-12-15 | 广东小天才科技有限公司 | 空气质量的监测方法、装置、移动设备及存储介质 |
CN107782844A (zh) * | 2016-08-24 | 2018-03-09 | 南京乐朋电子科技有限公司 | 智能化空气质量检测仪 |
CN108088953A (zh) * | 2017-11-13 | 2018-05-29 | 中电科华北网络信息安全有限公司 | 一种行进过程中道路尾气污染物监测方法及其监测装置 |
CN108365971A (zh) * | 2018-01-10 | 2018-08-03 | 深圳市金立通信设备有限公司 | 日志解析方法、设备及计算机可读介质 |
CN108375648A (zh) * | 2016-10-28 | 2018-08-07 | 神达电脑股份有限公司 | 空气品质监控系统及其方法 |
CN109146749A (zh) * | 2018-08-09 | 2019-01-04 | 四川星盾科技股份有限公司 | 一种大气环境治理系统 |
CN109143293A (zh) * | 2018-08-02 | 2019-01-04 | 深圳森阳环保材料科技有限公司 | 大气污染物浓度超标预警系统 |
CN109655107A (zh) * | 2018-12-25 | 2019-04-19 | 深圳市元征科技股份有限公司 | 空气质量监测方法、装置、车辆及计算机可读存储介质 |
CN109669013A (zh) * | 2019-02-01 | 2019-04-23 | 广东美的暖通设备有限公司 | 空气质量检测装置及具有其的空气处理设备 |
-
2019
- 2019-05-30 CN CN201910462122.5A patent/CN110161183A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103712830A (zh) * | 2013-12-30 | 2014-04-09 | 北京普立泰科仪器有限公司 | 太阳能驱动的主动式空气采样器 |
CN105467072A (zh) * | 2014-08-01 | 2016-04-06 | 日电(中国)有限公司 | 一种空气污染物检测设备 |
CN105203718A (zh) * | 2015-05-30 | 2015-12-30 | 黄燕云 | 一种空气质量监测方法和系统 |
CN106546280A (zh) * | 2015-09-16 | 2017-03-29 | 普天信息技术有限公司 | 移动式交通环境空气质量监测系统 |
CN105892364A (zh) * | 2016-05-05 | 2016-08-24 | 中科智水(北京)科技有限公司 | 水务集中监控管理系统 |
CN205958318U (zh) * | 2016-07-14 | 2017-02-15 | 天津市环境保护科学研究院 | 一种高效便携大气污染物采样装置 |
CN107782844A (zh) * | 2016-08-24 | 2018-03-09 | 南京乐朋电子科技有限公司 | 智能化空气质量检测仪 |
CN108375648A (zh) * | 2016-10-28 | 2018-08-07 | 神达电脑股份有限公司 | 空气品质监控系统及其方法 |
CN106685703A (zh) * | 2016-12-13 | 2017-05-17 | 浙江工业大学 | 一种数据采集和可视化监控智能系统 |
CN206618659U (zh) * | 2017-04-13 | 2017-11-07 | 南京美尔特电子科技有限公司 | 一种pm2.5检测仪 |
CN107478780A (zh) * | 2017-11-01 | 2017-12-15 | 广东小天才科技有限公司 | 空气质量的监测方法、装置、移动设备及存储介质 |
CN108088953A (zh) * | 2017-11-13 | 2018-05-29 | 中电科华北网络信息安全有限公司 | 一种行进过程中道路尾气污染物监测方法及其监测装置 |
CN108365971A (zh) * | 2018-01-10 | 2018-08-03 | 深圳市金立通信设备有限公司 | 日志解析方法、设备及计算机可读介质 |
CN109143293A (zh) * | 2018-08-02 | 2019-01-04 | 深圳森阳环保材料科技有限公司 | 大气污染物浓度超标预警系统 |
CN109146749A (zh) * | 2018-08-09 | 2019-01-04 | 四川星盾科技股份有限公司 | 一种大气环境治理系统 |
CN109655107A (zh) * | 2018-12-25 | 2019-04-19 | 深圳市元征科技股份有限公司 | 空气质量监测方法、装置、车辆及计算机可读存储介质 |
CN109669013A (zh) * | 2019-02-01 | 2019-04-23 | 广东美的暖通设备有限公司 | 空气质量检测装置及具有其的空气处理设备 |
Non-Patent Citations (4)
Title |
---|
国家知识产权局专利局审查业务管理部组织编写: "《专利分析数据处理实务手册》", 31 August 2018, 北京:知识产权出版社 * |
张宁红等: "《环境监测》", 31 March 2003, 北京:中国环境科学出版社 * |
河北省环境监测站: "《河北省环境空气自动站管理实用工作手册》", 30 September 2016, 石家庄:河北科学技术出版社 * |
胡昊 等: "《新兴信息技术在大气环境治理中的研究与应用》", 31 January 2018, 北京:中国环境科学出版社 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110505299A (zh) * | 2019-08-25 | 2019-11-26 | 沃航(武汉)科技股份有限公司 | 一种城市空气实时监测分析管理平台 |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN110727717B (zh) * | 2019-12-17 | 2020-05-12 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN112579581A (zh) * | 2020-11-30 | 2021-03-30 | 贵州力创科技发展有限公司 | 一种数据分析引擎的数据接入方法及系统 |
CN112729380A (zh) * | 2020-12-11 | 2021-04-30 | 边缘智能研究院南京有限公司 | 一种城市数字化信息实时采集系统 |
CN112857450A (zh) * | 2021-01-20 | 2021-05-28 | 武汉新泽安科技有限公司 | 一种环境空气质量自动监测系统 |
CN112926852A (zh) * | 2021-02-19 | 2021-06-08 | 南京莱斯网信技术研究院有限公司 | 一种基于数据融合的大气生态环境分析方法 |
CN112884243A (zh) * | 2021-03-16 | 2021-06-01 | 杭州职业技术学院 | 一种基于深度学习和贝叶斯模型的空气质量分析预测方法 |
CN113029252A (zh) * | 2021-04-16 | 2021-06-25 | 中科海拓(无锡)科技有限公司 | 一种基于数据处理的工业园区空气质量检测系统 |
CN114625725A (zh) * | 2021-07-23 | 2022-06-14 | 重庆亿森动力环境科技有限公司 | 一种空气监测数据的可视化方法、系统、设备及介质 |
CN114414731A (zh) * | 2021-12-08 | 2022-04-29 | 南通大学 | 一种基于移动端定位服务的空气质量采集设备及采集方法 |
CN113917093A (zh) * | 2021-12-15 | 2022-01-11 | 维睿空气系统产品(深圳)有限公司 | 一种基于无线网络的空气质量监控系统 |
CN114509539A (zh) * | 2022-02-23 | 2022-05-17 | 广州市灏瀚环保科技有限公司 | 一种生活环境内空气污染因子检测方法及系统 |
CN115907509A (zh) * | 2022-10-18 | 2023-04-04 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种大区域协同发布的aqhi指标体系构建方法与系统 |
CN115876964A (zh) * | 2023-01-31 | 2023-03-31 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
CN115876964B (zh) * | 2023-01-31 | 2024-01-23 | 北方工业大学 | 一种城市街区气候环境与碳排放移动监测预警方法及系统 |
CN116071895A (zh) * | 2023-02-06 | 2023-05-05 | 广东慧航天唯科技有限公司 | 一种工业废水过程排放监测预警方法 |
CN116295620A (zh) * | 2023-02-17 | 2023-06-23 | 南通科瑞环境科技有限公司 | 一种环境监测采集检测方法 |
CN116067436A (zh) * | 2023-04-06 | 2023-05-05 | 安徽配隆天环保科技有限公司 | 一种环境监测系统及监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110161183A (zh) | 一种空气质量监测方法 | |
Nagy et al. | Survey on traffic prediction in smart cities | |
Wang et al. | Developing an early-warning system for air quality prediction and assessment of cities in China | |
Capozzoli et al. | Fault detection analysis using data mining techniques for a cluster of smart office buildings | |
CN112085241A (zh) | 一种基于机器学习的环境大数据分析和决策平台 | |
Olayode et al. | Prediction and modeling of traffic flow of human-driven vehicles at a signalized road intersection using artificial neural network model: A South African road transportation system scenario | |
CN110555551B (zh) | 一种智慧城市的空气质量大数据管理方法及系统 | |
Baralis et al. | Analyzing air pollution on the urban environment | |
Milanés-Batista et al. | Application of Business Intelligence in studies management of Hazard, Vulnerability and Risk in Cuba | |
CN101872450A (zh) | 基于多元数据的交警执勤宏观指标分析方法 | |
Tempelmeier et al. | Data4urbanmobility: Towards holistic data analytics for mobility applications in urban regions | |
Zhang | Environment pollution analysis on smart cities using wireless sensor networks | |
CN117311395A (zh) | 用于河道内污染巡检的无人机路径规划方法及系统 | |
Zhou et al. | Spatiotemporal traffic network analysis: technology and applications | |
Fahim et al. | Modeling and implementation of a low-cost IoT-smart weather monitoring station and air quality assessment based on fuzzy inference model and MQTT protocol | |
Berntzen et al. | Smart Cities, Big Data and Smart Decision-making-Understanding" Big Data" in Smart City Applications | |
Gao et al. | Sensing the disturbed rhythm of city mobility with chaotic measures: anomaly awareness from traffic flows | |
Alqudah et al. | Automated power system fault prediction and precursor discovery using multi-modal data | |
Kumar et al. | Crime rate prediction based on k-means clustering and decision tree algorithm | |
Tao et al. | Dual-attention network with multitask learning for multistep short-term speed prediction on expressways | |
Berrisford et al. | A framework for scalable ambient air pollution concentration estimation | |
Vargas-Solar et al. | From data harvesting to querying for making urban territories smart | |
El-Adaway et al. | State-of-the-art research in the area of artificial intelligence with specific consideration to civil infrastructure, construction engineering and management, and safety | |
Bessa | Transportation management in an era of big data: from data to knowledge | |
Al-Sehrawy et al. | A multi-dimensional digital twin use cases classification framework |
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: 20190823 |