CN110533323B - 基于交通拥堵的污染分析方法、装置、设备和存储介质 - Google Patents
基于交通拥堵的污染分析方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110533323B CN110533323B CN201910808943.XA CN201910808943A CN110533323B CN 110533323 B CN110533323 B CN 110533323B CN 201910808943 A CN201910808943 A CN 201910808943A CN 110533323 B CN110533323 B CN 110533323B
- Authority
- CN
- China
- Prior art keywords
- grid
- pollution
- target
- index
- observation station
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 113
- 238000012163 sequencing technique Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出一种基于交通拥堵的污染分析方法、装置、设备和存储介质，其中，方法包括：污染分析请求为网格污染动态分析请求，获取目标观测站不同时刻测量的多个空气质量值、不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数；多个空气质量值、气象数据和交通指数输入预设动态交通网格排序模型得到每一个网格的污染参数；对每一个网格的目标时刻交通指数、每一个网格的目标时刻气象数据和每一网格的污染参数计算得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数对所有网格进行排序显示。由此，解决不能够及时了解交通对区域污染影响的问题，对网格内交通指数对区域内空气质量的影响进行分析。
Description
技术领域
本申请涉及环境监测技术领域，尤其涉及一种基于交通拥堵的污染分析方法、装置、设备和存储介质。
背景技术
目前，通常基于区域内的兴趣点，交通，活跃度等多个特征，同时融合区域内的多个空气质量观测值进行处理建模，推断出每个区域的空气质量，然后进行排序显示，在实际应用中，上述方式比较难以实现，以及考虑了多个特征对区域空气质量的影响，没有单独对交通进行分析，了解交通对区域污染的影响。
发明内容
本申请旨在至少在一定程度上解决上述相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种基于交通拥堵的污染分析方法，解决了现有技术中不能够及时了解交通对区域污染影响的问题，通过基于交通指数，考虑区域内网格的气象数据，对网格内交通指数对区域内空气质量的影响进行分析，能够动态反映区域内所有网格对空气质量的污染影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
本申请的第二个目的在于提出一种基于交通拥堵的污染分析装置。
本申请的第三个目的在于提出一种计算机设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的，本申请第一方面实施例提出了一种基于交通拥堵的污染分析方法，包括：获取污染分析请求；对所述污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在所述不同时刻所述目标观测站所在区域内每一个网格对应的气象数据和所述区域内每一个网格的交通指数；将所述多个空气质量值、所述气象数据和所述交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和所述每一网格的污染参数进行计算，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；根据所述污染影响指数对所有网格进行排序，并显示排序结果。
另外，本申请实施例的基于交通拥堵的污染分析方法，还具有如下附加的技术特征：
可选地，在所述获取污染分析请求之后，还包括：对所述污染分析请求进行解析确定为网格污染静态分析，则获取区域内每一个网格的当前交通指数；根据所述每一个网格的当前交通指数确定每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
可选地，所述的方法，在所述获取污染分析请求之前，还包括：以所述目标观测站为中心，将所述区域按照预设半径划分为多个网格；根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
可选地，在所述根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行排序显示之后，还包括：根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行可视化处理。
可选地，所述交通指数为每一个网格目标时刻拥堵度，所述气象数据包括：每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数、每一个网格的目标时刻风向指数；通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和所述每一网格的污染参数进行计算，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数，包括：对所述每一个网格的目标时刻拥堵度、所述每一个网格与目标观测站的距离、所述每一个网格的目标风速指数、所述每一个网格的目标时刻风向指数和所述每一网格的污染参数进行相乘，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数。
可选地，获取所述区域内每一个网格对应的目标时刻气象数据，包括：获取所述区域的目标时刻风向和目标时刻风速；获取每一个网格的位置信息和所述目标观测站的位置信息；根据所述每一个网格的位置信息、所述目标观测站的位置信息、所述区域的目标时刻风向和目标时刻风速确定所述每一个网格与目标观测站的距离、所述每一个网格的目标时刻风速指数和所述每一个网格的目标时刻风向指数。
为达上述目的，本申请第二方面实施例提出了一种基于交通拥堵的污染分析装置，包括：第一获取模块，用于获取污染分析请求；解析模块，用于对所述污染分析请求进行解析确定为网格污染动态分析请求；第二获取模块，用于获取目标观测站在不同时刻测量的多个空气质量值、在所述不同时刻所述目标观测站所在区域内每一个网格对应的气象数据和所述区域内每一个网格的交通指数；处理模块，用于将所述多个空气质量值、所述气象数据和所述交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；计算模块，用于通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；第一排序模块，用于根据所述污染影响指数对所有网格进行排序，并显示排序结果。
另外，本申请实施例的基于交通拥堵的污染分析装置，还具有如下附加的技术特征：
可选地，所述的装置，还包括：解析获取模块，用于对所述污染分析请求进行解析确定为网格污染静态分析，则获取区域内每一个网格的当前交通指数；确定模块，用于根据所述每一个网格的当前交通指数确定每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；第二排序模块，用于根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
可选地，所述装置，还包括：第一划分模块，用于以所述目标观测站为中心，将所述区域按照预设半径划分为多个网格；第二划分模块，用于根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
可选地，所述的装置，还包括：可视化模块，用于根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行可视化处理。
可选地，所述交通指数为每一个网格目标时刻拥堵度，所述气象数据包括：每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数、每一个网格的目标时刻风向指数；所述计算模块，具体用于：对所述每一个网格的目标时刻拥堵度、所述每一个网格与目标观测站的距离、所述每一个网格的目标风速指数、所述每一个网格的目标时刻风向指数和所述每一网格的污染参数进行相乘，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数。
可选地，所述第二获取模块，具体用于：获取所述区域的目标时刻风向和目标时刻风速；获取每一个网格的位置信息和所述目标观测站的位置信息；根据所述每一个网格的位置信息、所述目标观测站的位置信息、所述区域的目标时刻风向和目标时刻风速确定所述每一个网格与目标观测站的距离、所述每一个网格的目标时刻风速指数和所述每一个网格的目标时刻风向指数。
为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的基于交通拥堵的污染分析方法。
为达上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的基于交通拥堵的污染分析方法。
为达上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，实现如第一方面实施例所述的基于交通拥堵的污染分析方法。
本申请实施例提供的技术方案可以包含如下的有益效果：
获取污染分析请求；对污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数；将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算，得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数；根据污染影响指数对所有网格进行排序，并显示排序结果。由此，解决了现有技术中不能够及时了解交通对区域污染影响的问题，通过基于交通指数，考虑区域内网格的气象数据，对网格内交通指数对区域内空气质量的影响进行分析，能够动态反映区域内所有网格对空气质量的污染影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本申请一个实施例的基于交通拥堵的污染分析方法的流程图；
图2是根据本申请另一个实施例的基于交通拥堵的污染分析方法的流程图；
图3是根据本申请又一个实施例的基于交通拥堵的污染分析方法的流程图；
图4是根据本申请一个实施例的基于交通拥堵的污染分析装置的结构示意图；
图5是根据本申请另一个实施例的基于交通拥堵的污染分析装置的结构示意图；
图6是根据本申请又一个实施例的基于交通拥堵的污染分析装置的结构示意图；
图7是根据本申请再一个实施例的基于交通拥堵的污染分析装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于交通拥堵的污染分析方法、装置、设备和存储介质。
针对背景技术中提到的，现有技术中不能够及时了解交通对区域污染影响的技术问题，本申请提出了一种基于交通拥堵的污染分析的方法，通过基于交通指数，考虑区域内网格的气象数据，对网格内交通指数对区域内空气质量的影响进行分析，能够动态反映区域内所有网格对空气质量的污染影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
具体而言，图1是根据本申请一个实施例的基于交通拥堵的污染分析方法的流程图，如图1所示，该方法包括：
步骤101，获取污染分析请求。
步骤102，对污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数。
在实际应用中，可以输入对应的污染分析请求，比如需要获取当前时刻交通情况下，区域内不同网格对当前时刻空气质量影响指数的网格污染静态分析请求，再比如需要获取当前时刻交通情况和气象条件下，区域内不同网格对当前时刻空气质量影响指数的网格污染动态分析请求等，可以根据实际应用需要进行输入。
因此可以获取污染分析请求，并对污染分析请求进行解析可以为哪一种具体分析，在确定为网格污染动态分析请求时获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻区域内每一个网格对应的气象数据和区域内每一个网格的交通指数。
可以理解的是，预先将区域划分为多个网格，有很多种方式可以进行选择，作为一种可能实现方式以目标观测站为中心，将区域按照预设半径划分为多个网格，根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格，也就是将每段道路归属到对应的网格中。
其中，获取区域内每一个网格的交通指数的方式有很多种，作为一种可能实现方式，根据每一个网格内的每段道路的交通指数计算每一个网格的交通指数，其中，交通指数包括路段拥堵指数和拥堵度等，可以根据需要进行选择。
其中，目标观测站可以直接测量获取空气质量值，因此可以获取在不同时刻测量的多个空气质量值。
其中，区域内每一个网格对应的气象数据可以是每一个网格与目标观测站的距离、每一个网格在不同时刻的风速指数、每一个网格在不同时刻的风向指数中的一种或者多种。
步骤103，将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数。
可以理解的是，预设动态交通网格排序模型有很多种形式，比如为一个线性回归模型，自变量是每个网格的交通指数，因变量是观测站测量的空气质量，比如为PM2.5。也就是说，观测站测量的空气质量状况是每个网格的交通指数线性加权的结果，根据模型训练后变量的污染参数，可以计算每个网格对观测站测量空气质量的污染影响指数，即根据网格污染影响指数的大小，可以对网格进行排序。
因此，将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数。
步骤104，通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算，得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数。
步骤105，根据污染影响指数对所有网格进行排序，并显示排序结果。
具体地，在获取每一个网格的污染参数后，可以根据需要确定目标时刻比如当前时刻，或者是早上八点等目标时刻，并获取对应的每一个网格的目标时刻交通指数和每一个网格对应的目标时刻气象数据，最后通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算得到每一个网格对目标时刻观测站测量的目标时刻空气质量值的污染影响指数。
其中，预设算法可以根据需要进行设置，比如将每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行相乘处理。
可以理解的是，污染影响指数越大表示该网格对整个区域的空气质量影响越大，根据每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示，通过排序可以快速确定影响比较大的网格，并进行相对应的分析和处理。
综上，本申请实施例的基于交通拥堵的污染分析方法，通过获取污染分析请求；对污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数；将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算，得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数；根据污染影响指数对所有网格进行排序，并显示排序结果。由此，解决了现有技术中不能够及时了解交通对区域污染影响的问题，通过基于交通指数，考虑区域内网格的气象数据，对网格内交通指数对区域内空气质量的影响进行分析，能够动态反映区域内所有网格对空气质量的污染影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
基于上述实施例的描述，在在获取污染分析请求之后，对污染分析请求进行解析确定为网格污染静态分析可以直接根据交通指数确定每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数并对每一个网格进行排序，下面结合图2进行详细描述。
图2是根据本申请另一个实施例的基于交通拥堵的污染分析方法的流程图，如图2所示，在步骤101之后，还包括：
步骤201，对污染分析请求进行解析确定为网格污染静态分析请求，则获取区域内每一个网格的当前交通指数。
步骤202，根据每一个网格的当前交通指数确定每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数。
步骤203，根据每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
具体地，交通指数可以是交通拥堵指数或者是可计算出的交通拥堵度，拥堵度可以为小时粒度，即车辆通过道路的时间能衡量道路的拥堵程度，某个时刻车辆通过公路的时间越长，公路往往越拥堵，对空气的污染会越严重，因此可以用公路长度与车辆通过公路的时间的乘积来表示道路的交通拥堵度。
进一步地，根据不同时刻的交通拥堵度可以对每一个网格直接排序，得到各时刻每一个网格的交通拥堵度排名，也就是对应的每一个网格对目标观测站测量的各时刻空气质量值的污染影响指数的排序。
可选地，还可以对网格的交通拥堵度求平均值，可以得到网格在某段时间内（例如一个月）的平均交通拥堵度排行，也就是对应的每一个网格对目标观测站测量的一个月空气质量值的污染影响指数的排序。
同样的，根据交通拥堵指数，也能进行类似的排序，得到各时刻网格的交通拥堵指数排行和某段时间内的平均交通拥堵指数排行。
由此，能够快速反映区域内所有网格对空气质量的影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
图3是根据本申请又一个实施例的基于交通拥堵的污染分析方法的流程图，如图3所示，该方法包括：
步骤301，以目标观测站为中心，将区域按照预设半径划分为多个网格。
步骤302，根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
具体地，以区域内的观测站为中心，指定网格半径，将区域划分为若干个边长相等的正方形网格，并对每个网格编号区分，记载每个网格的起始经纬度，
根据道路的经纬度，将每条道路与不同网格关联，每段道路划分一个网格编号。
因此，以观测站为中心指定半径的区域进行网格划分，区域和网格大小可以随意调整，方便精细化及时了解污染情况。
步骤303，获取污染分析请求。
步骤304，对污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数。
步骤305，将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数。
需要说明的是，步骤303-步骤305与步骤101-步骤103相同，具体描述请详见对步骤101-步骤103的描述，此处不再详述。
步骤306，获取区域的目标时刻风向和目标时刻风速，获取每一个网格的位置信息和目标观测站的位置信息。
步骤307，根据每一个网格的位置信息、目标观测站的位置信息、区域的目标时刻风向和目标时刻风速确定每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数和每一个网格的目标时刻风向指数。
具体地，因为同等条件下，距离目标观测站越远的网格对网格的影响越小，所以距离因素可以用一个倒数函数表示，即f(r) = a/r， a 是可以调整的超参数；风的一个作用是将污染物吹向目标观测站，因此如果网格在风向的一定范围内，例如60度范围内，则会对目标观测站的污染有贡献，在此之外的网格可以认为在时刻t对目标观测站是没有影响的，风向因素可以用一个指示函数来表示:f(d) = 1 如果网格在风向范围内，f(d) = 0 如果网格不在风向范围内；风的另一个作用是对网格产生的污染物进行稀释，即风速大时，网格排放污染物浓度会降低，风速因素可以用一个指数函数来表示 f(s) = b*exp(-s)，b是可以调整的超参数；空气质量是个时序变量，即此刻的空气质量会受到前一刻空气质量的影响，因此可以将前一刻的空气质量作为模型的一个变量。
步骤308，对每一个网格的目标时刻拥堵度、每一个网格与目标观测站的距离、每一个网格的目标风速指数、每一个网格的目标时刻风向指数和每一网格的污染参数进行相乘，得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数。
具体地，将以上几个因素整合到网格中，可将预设动态交通网格排序模型表示为：
Y(t)=beta_1*f(r1)*f(d1)*f(s1)*X1+ beta_2*f(r2)*f(d2)*f(s2)*X2 + ... +beta_n*f(rn)*f(dn)*f(sn)*Xn + beta*Y(t-1)。
通过将多个空气质量值、气象数据和交通指数，可以得到合适的污染参数 beta_1, beta_2, ..., beta_n，用这些污染参数可以计算每个网格的污染影响指数，比如为beta*f(r)*f(d)*f(s)*X，对这些污染影响指数进行排序，得到相应网格的排序。
步骤309，根据污染影响指数对所有网格进行排序，并根据每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行可视化处理显示。
具体地，对生成的所有网格排名，对每个时刻，可以对所有网格进行热力图可视化，能直观展示交通拥堵对区域网格的影响。
需要说明的是，还可以对网格排名进行每日或者每周或者每月进行统计，能直观展示不同时间粒度的网格排名分布。
由此，基于交通拥堵，综合考虑区域网格间距离和气象特征，进行网格静态污染分析和动态污染分析，实现对网格内交通拥堵对空气质量的影响进行分析，更有效地分析交通对网格的空气质量的影响，帮助解决交通高污染区域的识别问题，对提升空气质量具有重要意义。
为了实现上述实施例，本申请还提出了一种基于交通拥堵的污染分析装置。图4是根据本申请一个实施例的基于交通拥堵的污染分析装置的结构示意图，如图4所示，该基于交通拥堵的污染分析装置包括：第一获取模块401、解析模块402、第二获取模块403、处理模块404、计算模块405和第一排序模块406，其中，
第一获取模块401，用于获取污染分析请求。
解析模块402，用于对所述污染分析请求进行解析确定为网格污染动态分析请求。
第二获取模块403，用于获取目标观测站在不同时刻测量的多个空气质量值、在所述不同时刻所述区域内每一个网格对应的气象数据和所述目标观测站所在区域内每一个网格的交通指数。
处理模块404，用于将所述多个空气质量值、所述气象数据和所述交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数。
计算模块405，用于通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和所述每一网格的污染参数进行计算，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数。
第一排序模块406，用于根据所述污染影响指数对所有网格进行排序，并显示排序结果。
在本申请的一个实施例中，如图5所示，在如图4所示的基础上，还包括：解析获取模块407、确定模块408和第二排序模块409。
其中，解析获取模块407，用于对所述污染分析请求进行解析确定为网格污染静态分析，则获取区域内每一个网格的当前交通指数。
确定模块408，用于根据所述每一个网格的当前交通指数确定每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数。
第二排序模块409，用于根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
在本申请的一个实施例中，如图6所示，在如图4所示的基础上，还包括：第一划分模块410和第二划分模块411。
其中，第一划分模块410，用于以所述目标观测站为中心，将所述区域按照预设半径划分为多个网格。
第二划分模块411，用于根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
在本申请的一个实施例中，如图7所示，在如图4所示的基础上，还包括：可视化模块412。
其中，可视化模块412，用于根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行可视化处理。
在本申请的一个实施例中，所述交通指数为每一个网格目标时刻拥堵度，所述气象数据包括：每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数、每一个网格的目标时刻风向指数。
计算模块405，具体用于：对所述每一个网格的目标时刻拥堵度、所述每一个网格与目标观测站的距离、所述每一个网格的目标风速指数、所述每一个网格的目标时刻风向指数和所述每一网格的污染参数进行相乘，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数。
在本申请的一个实施例中，所述第二获取模块，具体用于：获取所述区域的目标时刻风向和目标时刻风速；获取每一个网格的位置信息和所述目标观测站的位置信息；根据所述每一个网格的位置信息、所述目标观测站的位置信息、所述区域的目标时刻风向和目标时刻风速确定所述每一个网格与目标观测站的距离、所述每一个网格的目标时刻风速指数和所述每一个网格的目标时刻风向指数。
需要说明的是，前述对基于交通拥堵的污染分析方法实施例的解释说明也适用于该实施例的基于交通拥堵的污染分析装置，此处不再赘述。
综上，本申请实施例的基于交通拥堵的污染分析装置，获取污染分析请求；对污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在不同时刻目标观测站所在区域内每一个网格对应的气象数据和区域内每一个网格的交通指数；将多个空气质量值、气象数据和交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；通过预设算法对每一个网格的目标时刻交通指数、每一个网格对应的目标时刻气象数据和每一网格的污染参数进行计算，得到每一个网格对目标观测站测量的目标时刻空气质量值的污染影响指数；根据所述污染影响指数对所有网格进行排序，并显示排序结果。由此，解决了现有技术中不能够及时了解交通对区域污染影响的问题，通过基于交通指数，考虑区域内网格的气象数据，对网格内交通指数对区域内空气质量的污染影响进行分析，能够动态反映区域内所有网格对空气质量的影响指数，识别出区域内污染较严重的网格，以进行相对应的处理，提高空气质量。
为了实现上述实施例，本申请还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时，实现如前述实施例所描述的基于交通拥堵的污染分析方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述方法实施例所描述的基于交通拥堵的污染分析方法。
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申请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须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。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种基于交通拥堵的污染分析方法，其特征在于，包括以下步骤：
获取污染分析请求；对所述污染分析请求进行解析确定为网格污染动态分析请求，则获取目标观测站在不同时刻测量的多个空气质量值、在所述不同时刻所述目标观测站所在区域内每一个网格对应的气象数据和所述区域内每一个网格的交通指数；
将所述多个空气质量值、所述气象数据和所述交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；
所述交通指数为每一个网格目标时刻拥堵度，所述气象数据包括：每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数、每一个网格的目标时刻风向指数；
对所述每一个网格的目标时刻拥堵度、所述每一个网格与目标观测站的距离、所述每一个网格的目标风速指数、所述每一个网格的目标时刻风向指数和所述每一网格的污染参数进行相乘，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；
根据所述污染影响指数对所有网格进行排序，并显示排序结果。
2.如权利要求1所述的方法，其特征在，在所述获取污染分析请求之后，还包括：
对所述污染分析请求进行解析确定为网格污染静态分析请求，则获取区域内每一个网格的当前交通指数；
根据所述每一个网格的当前交通指数确定每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；
根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
3.如权利要求1所述的方法，其特征在于，在所述获取污染分析请求之前，还包括：
以所述目标观测站为中心，将所述区域按照预设半径划分为多个网格；
根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
4.如权利要求2所述的方法，其特征在于，在所述根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示之后，还包括：
根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行可视化处理。
5.如权利要求1所述的方法，其特征在于，获取所述区域内每一个网格对应的目标时刻气象数据，包括：
获取所述区域的目标时刻风向和目标时刻风速；
获取每一个网格的位置信息和所述目标观测站的位置信息；
根据所述每一个网格的位置信息、所述目标观测站的位置信息、所述区域的目标时刻风向和目标时刻风速确定所述每一个网格与目标观测站的距离、所述每一个网格的目标时刻风速指数和所述每一个网格的目标时刻风向指数。
6.一种基于交通拥堵的污染分析装置，其特征在于，包括：
第一获取模块，用于获取污染分析请求；
解析模块，用于对所述污染分析请求进行解析确定为网格污染动态分析请求；
第二获取模块，用于获取目标观测站在不同时刻测量的多个空气质量值、在所述不同时刻所述目标观测站所在区域内每一个网格对应的气象数据和所述区域内每一个网格的交通指数；
处理模块，用于将所述多个空气质量值、所述气象数据和所述交通指数输入到预设动态交通网格排序模型中进行处理，得到每一个网格的污染参数；
所述交通指数为每一个网格目标时刻拥堵度，所述气象数据包括：每一个网格与目标观测站的距离、每一个网格的目标时刻风速指数、每一个网格的目标时刻风向指数；
计算模块，用于对所述每一个网格的目标时刻拥堵度、所述每一个网格与目标观测站的距离、所述每一个网格的目标风速指数、所述每一个网格的目标时刻风向指数和所述每一网格的污染参数进行相乘，得到每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；
第一排序模块，用于根据所述污染影响指数对所有网格进行排序，并显示排序结果。
7.如权利要求6所述的装置，其特征在，还包括：
解析获取模块，用于对所述污染分析请求进行解析确定为网格污染静态分析，则获取区域内每一个网格的当前交通指数；
确定模块，用于根据所述每一个网格的当前交通指数确定每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数；
第二排序模块，用于根据所述每一个网格对所述目标观测站测量的目标时刻空气质量值的污染影响指数对每一个网格进行排序显示。
8.如权利要求6所述的装置，其特征在于，还包括：
第一划分模块，用于以所述目标观测站为中心，将所述区域按照预设半径划分为多个网格；
第二划分模块，用于根据每一个网格的经纬度和每条道路的经纬度，确定每段道路对应的网格。
9.如权利要求6所述的装置，其特征在于，还包括：
可视化模块，用于根据所述每一个网格对所述目标观测站测量的空气质量值的污染影响指数对每一个网格进行可视化处理。
10.如权利要求6所述的装置，其特征在于，所述第二获取模块，具体用于：
获取所述区域的目标时刻风向和目标时刻风速；
获取每一个网格的位置信息和所述目标观测站的位置信息；
根据所述每一个网格的位置信息、所述目标观测站的位置信息、所述区域的目标时刻风向和目标时刻风速确定所述每一个网格与目标观测站的距离、所述每一个网格的目标时刻风速指数和所述每一个网格的目标时刻风向指数。
11.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-5任一所述的基于交通拥堵的污染分析方法。
12.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-5任一所述的基于交通拥堵的污染分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910808943.XA CN110533323B (zh) | 2019-08-29 | 2019-08-29 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910808943.XA CN110533323B (zh) | 2019-08-29 | 2019-08-29 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110533323A CN110533323A (zh) | 2019-12-03 |
| CN110533323B true CN110533323B (zh) | 2022-06-28 |
Family
ID=68665229
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910808943.XA Active CN110533323B (zh) | 2019-08-29 | 2019-08-29 | 基于交通拥堵的污染分析方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533323B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112487115A (zh) * | 2020-11-13 | 2021-03-12 | 北京软通智慧城市科技有限公司 | 污染源的确定方法、装置、设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664542A (zh) * | 2018-03-09 | 2018-10-16 | 北京市劳动保护科学研究所 | 一种大气污染物排放清单排放量分配方法及系统 |
| CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10529221B2 (en) * | 2016-04-19 | 2020-01-07 | Navio International, Inc. | Modular approach for smart and customizable security solutions and other applications for a smart city |
-
2019
- 2019-08-29 CN CN201910808943.XA patent/CN110533323B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108664542A (zh) * | 2018-03-09 | 2018-10-16 | 北京市劳动保护科学研究所 | 一种大气污染物排放清单排放量分配方法及系统 |
| CN109213839A (zh) * | 2018-09-12 | 2019-01-15 | 北京英视睿达科技有限公司 | 基于网格化特征深度学习的热点网格污染物数据获取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于实时交通流和环境污染物监测的环保道路评估方法;吴建平;《综合运输》;20150731;第37卷(第7期);第63-70页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110533323A (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ossen et al. | Validity of trajectory-based calibration approach of car-following models in presence of measurement errors | |
| KR101530636B1 (ko) | 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법 | |
| CN101950477A (zh) | 一种交通信息处理方法及装置 | |
| JP7411494B2 (ja) | コンクリート管理システム、コンクリート管理方法及びコンクリート管理プログラム | |
| CN115331425B (zh) | 一种交通预警方法、装置和系统 | |
| CN108877225B (zh) | 交通流量指数确定方法及装置 | |
| CN110533323B (zh) | 基于交通拥堵的污染分析方法、装置、设备和存储介质 | |
| CN115964905B (zh) | 高原山地道路的排放测试工况构建方法和介质 | |
| Yao et al. | A study of relationships in traffic oscillation features based on field experiments | |
| CN110807493A (zh) | 一种车辆分类模型的优化方法及设备 | |
| JP2008165332A (ja) | 交通流シミュレーション不整合判定装置および交通流シミュレーション不整合判定方法 | |
| Zhang et al. | How do errors occur when developing speed correction factors for emission modeling? | |
| Han et al. | On the estimation of space-mean-speed from inductive loop detector data | |
| CN108920655B (zh) | 一种道路天气信息系统时空覆盖范围量化方法及装置 | |
| TWI773883B (zh) | 工廠評價裝置、工廠評價方法及工廠評價程式 | |
| CN116817983A (zh) | 一种数据分析方法、数据分析记录仪及存储介质 | |
| Banani Ardecani et al. | Fuzing multiple erroneous sensors to estimate travel time | |
| Bogsjö | Evaluation of stochastic models of parallel road tracks | |
| Li | Automatically generating empirical speed-flow traffic parameters from archived sensor data | |
| US20220172027A1 (en) | Inference execution method | |
| JP3904629B2 (ja) | 旅行時間予測装置及び旅行時間予測方法 | |
| WO2023276019A1 (ja) | 路面管理装置、路面管理方法、及び、記録媒体 | |
| CN113685923A (zh) | 一种口罩生产的无尘车间环境调控方法及系统 | |
| CN111222672B (zh) | 空气质量指数aqi的预测方法和装置 | |
| WO2020105151A1 (ja) | 設備保守点検支援システム及び点検順序決定方法 |
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 |