CN110726431A - 具多点空气质量侦测的污染源分析系统运作方法 - Google Patents
具多点空气质量侦测的污染源分析系统运作方法 Download PDFInfo
- Publication number
- CN110726431A CN110726431A CN201810777837.5A CN201810777837A CN110726431A CN 110726431 A CN110726431 A CN 110726431A CN 201810777837 A CN201810777837 A CN 201810777837A CN 110726431 A CN110726431 A CN 110726431A
- Authority
- CN
- China
- Prior art keywords
- value
- information
- air
- measurement
- client
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 238000003915 air pollution Methods 0.000 claims abstract description 34
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 238000009792 diffusion process Methods 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 10
- 239000002245 particle Substances 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 238000011017 operating method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 244000000010 microbial pathogen Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000020401 Depressive disease Diseases 0.000 description 1
- 206010040007 Sense of oppression Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005541 medical transmission Effects 0.000 description 1
- 201000003102 mental depression Diseases 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 235000002639 sodium chloride Nutrition 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
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
Abstract
本发明提供一种具多点空气质量侦测的污染源分析系统运作方法,步骤包括:于邻近的复数区域中界定至少一个测点,并分别于测点量测空气质量量值、风速值、风向值、气压值湿度值、温度值及地理信息;地理信息包括位置信息、地形信息及时间信息;于实时气流数据库撷取对应于测点的至少一气流信息;以及收集每一测点的量测值,由量测值推算空污源位置。本发明可由测点的量测值,经大数据分析及算法推算出具体空气的污染源位置,亦可结合天气预报数据以推算未来空气污染可能的影响范围;可对空气污染源进行污染的排除或对于未来影响范围而予思量其相关因应对策,以降低污染及其影响,进而提升人民的健康及安全。
Description
技术领域
本发明提供一种具多点空气质量侦测的污染源分析系统运作方法,尤指一 种藉由空气质量量值、风速值、风向值、气压值、湿度值、温度值、位置信息 及气流信息,以推算空污源位置。
背景技术
按,近年来的空气质量日趋下降,而空气污染的来源有多种,包括:雾霾、 工业排放、发电、交通等,其皆影响空气的质量;其中,悬浮微粒(Particulate Matter, PM)泛指悬浮在空气中的颗粒,而PM2.5为直径小于等于2.5微米的细悬浮微 粒;悬浮微粒包括自然形成的尘土、海盐、火山或燃烧产生的灰烬,而人为因 素形成者包括人类对石化燃料,如:煤、石油、天然气,或对垃圾之燃烧所形 成;细悬浮微粒因粒径极小,且其表面积大,故极易吸附空气中所存的有毒物 质,而直接进入人体的支气管,亦可能扩散至细支气管壁而干扰肺部的气体交 换,或将透过肺部传递至其他器官;而PM1系空气中直径小于或等于1微米的微粒的总称,亦称为可入肺颗粒物,意即,其系可予进入肺泡血液,故对人体 及环境的影响更为重大;更有证据指出,最小的悬浮微粒(直径小于等于100 奈米,合0.1微米)将可透过细胞膜而传递至人体其他器官,包括大脑,且其可 能引发脑损伤等症状,显见悬浮微粒确实对环境及生物体之影响甚为巨大。
此外,于雾霾发生时,因大气压降低,再加上空气中细颗粒物骤增及空气 流动性差,故有害细菌及病毒向周围扩散的速度较慢,故导致空气中细菌、病 毒、病原微生物浓度增高,将使疾病传播的风险很高。据北京市卫生局统计, 每次出现重度雾霾的天气,市属各大医院之呼吸相关就诊的患者即增加二至五 成;再者,雾霾将对人体心脑血管疾病产生严重影响,亦可能导致近地层紫外 线强度减弱,使空气中传染性病原微生的活性增强,传染病增多。除此之外, 雾霾还会影响人们的心理健康,使造成沉闷、压抑的感受,会刺激或者加剧心 理抑郁之状态。
而解决空污问题,首要目的,应先分析污染源及各污染源所占之比例,方 能利于制定对策以因应空气污染。
现有对于空气污染的分析,主要系藉由空气盒子所进行,其主要系弥补政 府单位对空污监测的不足,中研院信息所指出,就中国台湾而言,环保署在全 台设置76个监测站,主要测量环境背景值,其多半放安置在10-15公尺高空, 惟民众所在意者为住家附近的空气质量,而空气盒子可自行安装,使民众或专 业人士可以上网查询,并加以开发应用,其监测数据可透过大数据分析以精确 侦测所在位置之空污现况;空气盒子计划将由一个据点逐渐扩大,如今中国台 湾超过1500个据点,同时拓展到海外26国,藉可结合学研、社群、产业与政 府的物联网应用,以利于全球可实时监测空污状况,以利于掌握及改善空气质 量。
然而,习知对于空气污染的侦测,仅系透过设置AQI观测站来进行当地空 气污染的量测或预测,且如习知中国台湾专利公告第M552632号的「提供空气 质量信息的系统」一案,利用复数个具有致动传感模块的行动装置,感测其各 自所在位置的单点空气信息,并传送至一云端处理装置,藉以产生各种有益于 用户的衍生信息,包括:行进方位、指定路径、空气质量信息、空气质量异常 通报信息或疏散路径;然而,其并无法确实寻找出污染源,且无法正确观测或 预测空污影响的范围;此外,其主要的传输皆系透过Wi-Fi,其所耗电量大,若 进行大规模的架设,将耗费诸多电力。
有鉴于此,吾等发明人乃潜心进一步研究空气污染的测量,并着手进行研 发及改良,期以一较佳发明以解决上述问题,且在经过不断试验及修改后而有 本发明的问世。
发明内容
本发明的目的系为解决前述问题,为达致以上目的,吾等发明人提供一种 具多点空气质量侦测的污染源分析系统运作方法,其步骤包括:
(a)于邻近的复数区域中界定至少一测点,并分别于所述测点量测一空气 质量量值、一风速值、一风向值、一气压值、一湿度值、一温度值及一地理信 息;该地理信息包括一位置信息、一地形信息及一时间信息;
(b)于一实时气流数据库撷取对应于所述测点及所述时间信息的至少一气 流信息;以及
(c)基于同一所述时间信息收集每一所述测点的一量测值,该量测值包括 所述空气质量量值、风速值、风向值、气压值、湿度值、温度值、地理信息及 气流信息,并将所述量测值经空气扩散函式及大数据分析,以推算一空污源位 置。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,其中,该步 骤(b)及步骤(c)透过一传输装置藉由低功率广域网(Low-Power Wide-Area Network,LPWAN)以撷取所述区域的气流信息及将所述量测值传输至一服务 端,令该服务端藉由量测值推算该空污源位置。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,其中,该低 功率广域网采用NB-IoT(Narrow Band Internet of Things,窄带物联网)、LoRa (Long Range,超长距低功耗数据传输技术)、Sigfox物联网通讯网络、 Weightless、HaLow或RPMA(RandomPhase Multiple Access,随机相位多址接 入)。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,其中,该地 理信息藉由GNSS(Global Navigation Satellite System,全球导航卫星系统)定位 器或GPS定位器而求得。
据上所述之具多点空气质量侦测的污染源分析系统运作方法,其中,所述 测点于所述区域中间隔排列的动态或静态点。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于, 所述大数据分析藉由倒传递类神经网络所进行。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(d)藉由至少一第一客户端量测对应的所述测点的所述空气质量量值、风 速值、风向值、气压值、湿度值、温度值及地理信息;
(e)藉由一服务端撷取所述气流信息并收集所述测点的量测值,并予推算 该空污源位置;以及
(f)设置至少一第二客户端以连结于该服务端,藉以透过该服务端取得至 少其一所述量测值及该空污源位置。
据上所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(g)于至少其一所述第二客户端设定一定位信息以标示该至少其一所述第 二客户端的位置;
(h)该服务端依据所述测点的位置信息及量测值推算一对应于所述定位信 息的空气质量信息;
(i)于至少其一所述第二客户端设定至少一对应于所述空气质量信息的阀 值;以及
(j)于所述空气质量信息达对应的所述阀值时,令设定该所述阀值的所述 第二客户端发出警示。
据上所述的具多点空气质量侦测之污染源分析系统运作方法,还包括步骤:
(k)于一气象预测数据库撷取所述测点的至少一气象信息,且所述量测值 包括所述气象信息;以及
(l)将所述量测值经空气扩散函式及大数据分析,以推算一未来污染范围。
据上所述之具多点空气质量侦测之污染源分析系统运作方法,还包括步骤:
(m)于至少其一所述第二客户端设定一定位信息以标示至少其一所述第二 客户端的位置,且所述第二客户端系透过该服务端取得该未来污染范围;以及 (n)于至少其一所述第二客户端的所述定位信息位于该未来污染范围内 时,令对应的所述第二客户端发出警示。
是由上述说明及设置,显见本发明主要具有下列数项优点及功效,兹逐一 详述如下:
1.本发明更进一步撷取风速值、风向值、气压值、湿度值及温度值,并配合 现有实时气流数据库的气流信息,经空气扩散函式及大数据分析,可更进一步 推算出空污源位置及未来污染范围,使相关单位可对空气污染源进行污染的排 除或因应其对策,以降低污染,进而提升人民的健康及安全。
2.由于需予架设诸多测点,以藉由大数据分析而求得空污源位置及未来污染 范围,为降低电能的消耗,本发明系藉由低功率广域网进行数据传输,故可大 幅降低数据数据传输所耗之电能,藉可达致节能减碳的功效。
3.本发明可令第二客户端,如:用户的智能型手机或计算机,自行设定阀值 或定位信息,藉以于所述空气质量信息达对应的所述阀值,或于所述定位信息 位于该未来污染范围内时,令对应的所述第二客户端发出警示,藉以令使用者 可予及时因应污染的对策,以确保其健康及安全者。
附图说明
图1为本发明的结构示意图。
图2为本发明的前视示意图。
图3为本发明的一流程之示意图。
图4为本发明的使用状态示意图。
图5为倒传递类神经网络的示意图。
图6为本发明的另一流程的示意图。
其中:1、第一客户端,1’、本体,11、空气质量量测装置,12、风 向风速量测单元,13、气压量测装置,14、湿度量测装置,15、温度量测装 置,16、定位装置,17、传输装置,18、处理单元,2、服务端,3、实时 气流数据库,4、第二客户端,5、气象预测数据库,A、区域,G、大型观 测站,L、位置,M、观测点,P、测点,S001~S005、步骤。
具体实施方式
关于吾等发明人的技术手段,兹举数种较佳实施例配合附图于下文进行详 细说明,以深入了解并认同本发明。
请先参阅图1至3所示,本发明一种具多点空气质量侦测的污染源分析系统 运作方法,步骤包括:
S001:于邻近的复数区域A中界定至少一测点P,所述测点P可为自行架设的 观测点M,亦可为政府机关的大型观测站G;于所述测点P设立一第一客户端1, 并分别于所述测点P量测一空气质量量值、一风速值、一风向值、一气压值、一 湿度值、一温度值及一地理信息;在一较佳的实施例中,如图3所示,自行架设 的观测点M系分别架设本体1’,所述本体1’可为位于第一客户端1的机顶盒,而 所述测点P于所述区域A中间隔排列分布的动态或静态点;故如图4所示,所述测 点P无论本体1’或大型观测站G,皆可视情形予以架设于建物外部、电线杆或藉 由空中飞行器架设于高空等户外的动态或静态位置;
大型观测站G及所述本体1’分别设有一空气质量量测装置11、一风向风速量 测单元12、一气压量测装置13、一湿度量测装置14、一温度量测装置15及一定 位装置16;以量测对应所述测点P的空气质量量值、风速值、风向值、气压值、 湿度值、温度值及地理信息;
就风向风速量测单元12而言,风向风速量测单元12为霍尔风速仪或管式风 速计,可予以同时量测风速值及风向值;在另一实施例中,如图2所示,可包括 一风向计121及一风速计122,惟其仅系举例说明,并不以此作为限定;
另就定位装置16而言,在一实施例中,其可为GNSS(Global NavigationSatellite System,全球导航卫星系统)定位器或GPS定位器,藉以定位而取得其 地理信息;其中,该地理信息包括一位置信息、一地形信息及一时间信息;故 可知悉者,该位置信息即所处的位置;地形信息所处位置的高度;而时间信息 则用以定义所述测点P的时间点;由于地理位置可能具有定位的误差,故在一实 施例中,观测点M之地理位置可藉由与大型观测站G所定位的地理位置的相对位 置而予以求得,惟其仅系举例说明,并不以此作为限定。
在一较佳的实施例中,该本体1’设有一传输装置17及一处理单元18,该处理 单元18耦接于该空气质量量测装置11、风向风速量测单元12、气压量测装置13、 湿度量测装置14、温度量测装置15、定位装置16及该传输装置17;
S002:建立一服务端2,可透过网络联机至一实时气流数据库3撷取对应于 所述测点P位置的至少一气流信息;其中,该实时气流数据库3为现有全球开源 数据库,如:各国政府的环保卫生单位、Windyty或EarthWindMap等开放式资 料;
由于服务端2所撷取的气流信息须予对应所述测点P的分布区域,故在一实 施例中,需建立与所述第一客户端1的本体1’间的联机,或由第一客户端1进行注 册而取得所述测点P的地理位置,进而可取得所有测点P的分布范围,进而利于 撷取对应所述测点P的气流信息,是以,第一客户端1的本体1’透过所述传输装置 17,以由网络联机至该实时气流数据库3以取得对应测点P的气流信息;
就传输装置17的网络传输而言,由于架设的区域A范围越广,测点P的数量 越多,则资料的取得数量将越详尽,故可分析的范围可更广,且计算结果亦越 精准,是以,若大规模进行架设,则所耗电力将大幅增加;本发明为可达致节 能减碳的效果,故传输装置17采用低功率广域网(Low-Power Wide-Area Network, LPWAN)进行数据及网络传输,在一实施例中,该低功率广域网可为NB-IoT (Narrow Band Internet of Things,窄带物联网)、LoRa(Long Range,超长距低 功耗数据传输技术)、Sigfox物联网通讯网络、Weightless、HaLow或RPMA (Random Phase Multiple Access,随机相位多址接入);
此外,在一实施例中,对于本体1’的电力来源,亦可由装设一太阳能发电单 元,以由太阳能发电而供给所述本体1’内部装置的运作,以更进一步达致节能减 碳的效果;惟其仅举例说明,并不以此作为限定。
S003:透过服务端2以基于同一所述时间信息来收集每一所述测点P的量测 值,使确保量测值可确实于同一时点;其中,量测值包括所述空气质量量值、 风速值、风向值、气压值、湿度值、温度值及地理信息,其分别由该处理单元 18分析、计算及汇整,以利于收集后,透过其传输装置17将其测点P的量测值传 输至服务端2,而服务端2将予汇集、分析、运算,并将气流信息予以对应整合 于每一测点P的量测值,并将涵盖于气流信息的量测值经空气扩散函式及大数据 分析,以推算一空污源位置;
故在一实施例中,该服务端2可被配置为具有人工智能的运算中心,藉以汇 整所述量测值,并计算求得空污源位置;
而对于量测值的汇整,藉由定位装置16中的时间信息以同步化所有测点P的 量测值,因量测值皆须相依于时间,方能据以于同一时间的基准点下推算空污 源位置,故服务端2系依据对应的该时间信息分别收集并同步化每一所述测点P 于对应的该时间信息之所述量测值,以依据量测值推算该空污源位置,藉此, 可予校准所有量测值于同一时点,以防止产生量测值间的时间差,以提升本发 明整体的精确性;
对于气流信息与前述量测值间的整合而言,在一实施例中,因量测值具有 地理信息,其包括有位置信息,而气流信息本即有包括气象坐标的信息,故可 予以将气象坐标与位置信息进行整合,进而使量测值可涵盖有气流信息。
就该空污源位置的推算而言,其系经空气扩散函式及大数据分析而求得; 就物质于空气中的传递速度及范围而言,其将受空气温度、气压、空气之流速 及流向而定,故由空气扩散函式的运算,以及参照多个测点P的量测值,即可予 以解算,并藉由大数据分析,即可反向推算出空污源位置;
就空气扩散函式具体举例而言,在一维空间中的非稳态下,污染物于移动 介质中的浓度方程式可表示为如下数学式1所示:
【数学式1】
于进行空气扩散函式的运算时,可直接带入气流信息进行解算,然气流信 息仅一大范围的估算值,故仍需藉由实际所量测到的空气质量量值、风速值、 风向值、气压值、湿度值、温度值进行空气扩散函式的修正,其具体推算及分 析方式属习知技术,故在此不予赘述,本发明主要用以更进一步导入空气扩散 函式的概念及所需的解算参数,并更进一步参照现有的实时气流数据库3,以更 进一步推算空污源位置;
另就大数据分析而言,在一实施例中透过倒传递类神经网络所进行,其基 本原理为使用最陡坡降法的观念,将误差函数予以最小化,如图5所示,其架构 包括输入层、隐藏层及输出层;其中,输入层用以表现网络的输入变量 Xi,i=1,2,3,...,n,其数量依复杂程度而定,于本实施例中,系可以量测值作为 输入变量;隐藏层用以表现输入变量间的交互影响作用,其数量系依试验方式 决定,其系可带入前述的空气扩散函式,以供进行推估、运算及学习;输出层 系用以表现网络之输出变量Yi,i=1,2,3,...,n,其数量可依欲输出的结果决定, 其结果可予较为精确的推算出空污源位置。
据此,如图4所示,于区域A中每一位置的空气质量量的计算,可依据前述 者,依据测点P(包括观测点M及大型观测站G)的量测值而建立一空间函数Q, 如下数学式2所示:
【数学式2】Q=f(M,G)
其中,M为观测点的量测值,G为大型观测站的量测值。
而空污源位置则可依据前述的空间函数Q进行偏微分,以寻找出斜率为0的 极值即可求得空污源位置。
藉此,可利于相关单位探查空污源位置,以对空气污染源进行污染的排除 或因应其对策;在一实施例中,用户可藉其通讯装置(如:计算机或智能型手 机),并配置为一第二客户端4,以透过因特网连接至该服务端2,进而可撷取实 时或历史的空污源地理信息,并可由相关使用者进行检举,及设定手动或自动 发送推播讯息给用户。
在一实施例中,为提醒用户现行位置的空气质量是否超标,故使用者可于 分别于其第二客户端4设定一定位信息以标示其位置L,而该服务端2依据所述测 点P的位置信息及量测值推算一对应于所述定位信息的空气质量信息,其推算可 如前述,将第二客户端4的位置代入空间函数Q,即可求得第二客户端4的空气质 量信息,而用户可藉由于其分别的第二客户端4设定至少一对应于所述空气质量 信息的阀值,该阀值亦可为第二客户端4所预设者,藉以于所述空气质量信息达 对应的所述阀值时,令设定该所述阀值的所述第二客户端4发出警示,藉以利于 使用者可藉其第二客户端4而得知其位置的空气质量信息,进而可实时进行因 应、远离或排除不利于使用者的相关环境变因的因素。
在另一实施例中,如图1至6所示,为可更进一步推估空污未来可能影响的 范围,故可更进一步包括如下的步骤:
S004:服务端2于一气象预测数据库5撷取所述测点P的至少一气象信息,且 所述量测值系包括所述气象信息;
在一实施例中,气象预测数据库5亦为开源资料,其可为各国气象单位的开 放式信息,故如前所述,所述传输装置17可透过网络联机至该气象预测数据库5 以取得对应测点P的气象信息;而对于气象信息与量测值的整合,亦如前所述, 因量测值具有地理信息,其包括有位置信息,而气象信息本即有包括气象坐标 的信息,故可予以将气象坐标与位置信息进行整合,进而使量测值可涵盖有气 象信息。
S005:藉此,服务端2将同样可收集每一测点P的量测值,经空气扩散函式 及大数据分析而推算一未来污染范围;且如前述,其具体推算及分析方式系属 习知技术,故在此不予赘述,本发明主要更进一步导入气象信息,以利于进行 未来污染范围的推算。
在另一较佳的实施例中,为提醒使用者未来的可能污染范围,故使用者可 于分别于其第二客户端4设定一定位信息以标示其位置,并持续接收服务端2所 提供的未来污染范围,并于所述第二客户端4之所述定位信息位于该未来污染范 围内时,令对应的所述第二客户端4发出警示,令用户知悉其位置将于未来时段 的污染程度较高,以利使用者可予提早因应、排除或远离。
惟以上所述者,仅为本发明的数种较佳实施例,当不能以此限定本发明实 施的范围,即大凡依本发明申请专利范围及发明说明书内容所作的等效变化与 修饰,皆应仍属本发明专利涵盖的范围内。
Claims (10)
1.一种具多点空气质量侦测的污染源分析系统运作方法,其特征在于,步骤包括:
(a)于邻近的复数区域中界定至少一个测点,并分别于测点量测空气质量量值、风速值、风向值、气压值、湿度值、温度值及地理信息;地理信息包括位置信息、地形信息及一时间信息;
(b)于一实时气流数据库撷取对应于测点及时间信息的至少一气流信息;以及
(c)基于同一时间信息收集每一测点的量测值,量测值包括空气质量量值、风速值、风向值、气压值、湿度值、温度值、地理信息及气流信息,并将量测值经空气扩散函式及大数据分析,以推算一空污源位置。
2.如权利要求1所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于,步骤(b)及步骤(c)透过一传输装置由低功率广域网以撷取区域的气流信息及将量测值传输至一服务端,令服务端由量测值推算空污源位置。
3.如权利要求2所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于,该低功率广域网系采用NB-IoT、LoRa、Sigfox物联网通讯网络、Weightless、HaLow或RPMA。
4.如权利要求1所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于,地理信息由GNSS定位器或GPS定位器而求得。
5.如权利要求1所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于,测点于区域中间隔排列的动态或静态点。
6.如权利要求6所述的具多点空气质量侦测的污染源分析系统运作方法,其特征在于,大数据分析由倒传递类神经网络所进行。
7.如权利要求1至6中任一项所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(d)藉由至少一个第一客户端量测对应的测点的空气质量量值、风速值、风向值、气压值、湿度值、温度值及地理信息;
(e)藉由服务端撷取气流信息并收集所述测点的量测值,并予推算空污源位置;以及
(f)设置至少一个第二客户端以连结于服务端,以透过服务端取得至少其一量测值及空污源位置。
8.如权利要求7所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(g)于至少其一个第二客户端设定一定位信息以标示至少其一个第二客户端的位置;
(h)该服务端依据测点的位置信息及量测值推算对应于定位信息的空气质量信息;
(i)于至少其一个第二客户端设定至少一对应于空气质量信息的阀值;以及
(j)于空气质量信息达到对应的阀值时,令设定阀值的第二客户端发出警示。
9.如权利要求7所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(k)于一气象预测数据库撷取测点的至少一气象信息,且量测值包括气象信息;以及
(l)将量测值经空气扩散函式及大数据分析,以推算一未来的污染范围。
10.如权利要求9所述的具多点空气质量侦测的污染源分析系统运作方法,还包括步骤:
(m)于至少其一第二客户端设定一定位信息以标示至少其一第二客户端的位置,且第二客户端透过服务端取得未来污染范围;以及
(n)于至少其一第二客户端的定位信息位于未来污染范围内时,令对应的第二客户端发出警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810777837.5A CN110726431A (zh) | 2018-07-16 | 2018-07-16 | 具多点空气质量侦测的污染源分析系统运作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810777837.5A CN110726431A (zh) | 2018-07-16 | 2018-07-16 | 具多点空气质量侦测的污染源分析系统运作方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110726431A true CN110726431A (zh) | 2020-01-24 |
Family
ID=69217345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810777837.5A Pending CN110726431A (zh) | 2018-07-16 | 2018-07-16 | 具多点空气质量侦测的污染源分析系统运作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110726431A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111558274A (zh) * | 2020-05-21 | 2020-08-21 | 湖南苍雨环保科技有限公司 | 喷雾除霾控制方法及喷雾除霾装置 |
CN112581107A (zh) * | 2021-02-25 | 2021-03-30 | 北京英视睿达科技有限公司 | 污染排放控制方法、装置及可存储介质 |
CN112769930A (zh) * | 2020-12-31 | 2021-05-07 | 北京佳华智联科技有限公司 | 一种污染趋势预测方法及装置、污染事件监测装置及设备 |
CN112782050A (zh) * | 2020-12-25 | 2021-05-11 | 杭州电子科技大学 | 基于长短期记忆神经网络的生物气溶胶浓度预测方法 |
US20230304981A1 (en) * | 2022-03-25 | 2023-09-28 | Project Canary, Pbc | Emissions detection system and methods |
US11781979B1 (en) | 2020-09-10 | 2023-10-10 | Project Canary, Pbc | Air quality monitoring system and method |
US11788889B1 (en) | 2018-11-13 | 2023-10-17 | Project Canary, Pbc | Air quality monitoring system and method |
US11810216B1 (en) | 2023-02-01 | 2023-11-07 | Project Canary, Pbc | Air quality monitors minimization system and methods |
US11861753B1 (en) | 2023-02-01 | 2024-01-02 | Project Canary, Pbc | Air quality monitors minimization system and methods |
US11887203B1 (en) | 2023-02-01 | 2024-01-30 | Project Canary, Pbc | Air quality monitors minimization system and methods |
US11892437B2 (en) | 2019-01-23 | 2024-02-06 | Project Canary, Pbc | Apparatus and methods for reducing fugitive gas emissions at oil facilities |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133121A (ja) * | 2004-11-08 | 2006-05-25 | Daikin Ind Ltd | 基地部、大気汚染情報提供システムおよび大気汚染予測方法ならびに換気装置 |
US20110063116A1 (en) * | 2009-09-11 | 2011-03-17 | Selex Galileo Limited | Sensing network and method |
JP2013088206A (ja) * | 2011-10-14 | 2013-05-13 | Mitsubishi Heavy Ind Ltd | 拡散状況予測システム |
CN107064426A (zh) * | 2017-04-01 | 2017-08-18 | 上海雷尼威尔物联网有限公司 | 移动式空气质量监控系统与方法 |
CN206756770U (zh) * | 2016-10-28 | 2017-12-15 | 神达电脑股份有限公司 | 空气品质监控系统 |
-
2018
- 2018-07-16 CN CN201810777837.5A patent/CN110726431A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006133121A (ja) * | 2004-11-08 | 2006-05-25 | Daikin Ind Ltd | 基地部、大気汚染情報提供システムおよび大気汚染予測方法ならびに換気装置 |
US20110063116A1 (en) * | 2009-09-11 | 2011-03-17 | Selex Galileo Limited | Sensing network and method |
JP2013088206A (ja) * | 2011-10-14 | 2013-05-13 | Mitsubishi Heavy Ind Ltd | 拡散状況予測システム |
CN206756770U (zh) * | 2016-10-28 | 2017-12-15 | 神达电脑股份有限公司 | 空气品质监控系统 |
CN107064426A (zh) * | 2017-04-01 | 2017-08-18 | 上海雷尼威尔物联网有限公司 | 移动式空气质量监控系统与方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11788889B1 (en) | 2018-11-13 | 2023-10-17 | Project Canary, Pbc | Air quality monitoring system and method |
US11892437B2 (en) | 2019-01-23 | 2024-02-06 | Project Canary, Pbc | Apparatus and methods for reducing fugitive gas emissions at oil facilities |
CN111558274A (zh) * | 2020-05-21 | 2020-08-21 | 湖南苍雨环保科技有限公司 | 喷雾除霾控制方法及喷雾除霾装置 |
US11781979B1 (en) | 2020-09-10 | 2023-10-10 | Project Canary, Pbc | Air quality monitoring system and method |
US11867619B1 (en) | 2020-09-10 | 2024-01-09 | Project Canary, Pbc | Air quality monitoring system and method |
CN112782050A (zh) * | 2020-12-25 | 2021-05-11 | 杭州电子科技大学 | 基于长短期记忆神经网络的生物气溶胶浓度预测方法 |
CN112769930A (zh) * | 2020-12-31 | 2021-05-07 | 北京佳华智联科技有限公司 | 一种污染趋势预测方法及装置、污染事件监测装置及设备 |
CN112581107B (zh) * | 2021-02-25 | 2021-06-04 | 北京英视睿达科技有限公司 | 污染排放控制方法、装置及可存储介质 |
CN112581107A (zh) * | 2021-02-25 | 2021-03-30 | 北京英视睿达科技有限公司 | 污染排放控制方法、装置及可存储介质 |
US20230304981A1 (en) * | 2022-03-25 | 2023-09-28 | Project Canary, Pbc | Emissions detection system and methods |
US11802860B1 (en) * | 2022-03-25 | 2023-10-31 | Project Canary, Pbc | Emissions detection system and methods |
US11810216B1 (en) | 2023-02-01 | 2023-11-07 | Project Canary, Pbc | Air quality monitors minimization system and methods |
US11861753B1 (en) | 2023-02-01 | 2024-01-02 | Project Canary, Pbc | Air quality monitors minimization system and methods |
US11887203B1 (en) | 2023-02-01 | 2024-01-30 | Project Canary, Pbc | Air quality monitors minimization system and methods |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726431A (zh) | 具多点空气质量侦测的污染源分析系统运作方法 | |
Li et al. | Integrating low-cost air quality sensor networks with fixed and satellite monitoring systems to study ground-level PM2. 5 | |
Borrego et al. | Assessment of air quality microsensors versus reference methods: The EuNetAir joint exercise | |
CN107917987B (zh) | 一种面向城市空气污染物溯源分析方法 | |
Banks et al. | Performance evaluation of the boundary-layer height from lidar and the Weather Research and Forecasting model at an urban coastal site in the north-east Iberian Peninsula | |
Narayana et al. | Establishing a sustainable low-cost air quality monitoring setup: A survey of the state-of-the-art | |
CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
Lee et al. | A mobile sensor network to map carbon dioxide emissions in urban environments | |
CN112884079A (zh) | 一种基于Stacking集成模型的近地面二氧化氮浓度估算方法 | |
CN109657363B (zh) | 一种时空连续的pm2.5反演方法 | |
BozorgMagham et al. | Atmospheric Lagrangian coherent structures considering unresolved turbulence and forecast uncertainty | |
CN105809249A (zh) | 一种基于双神经网络的pm2.5浓度检测与预测系统及方法 | |
KR101607878B1 (ko) | 가상센서와 관측센서를 통합한 대기질 정보 서비스 시스템 및 방법 | |
Conte et al. | Characterisation of particle size distributions and corresponding size-segregated turbulent fluxes simultaneously with CO2 exchange in an urban area | |
WO2018184162A1 (zh) | 有毒有害气体无人机检测系统和检测方法 | |
CN105278596A (zh) | 一种大气监测和分析系统 | |
CN110503348B (zh) | 一种基于位置匹配的个体空气污染暴露模拟测量方法 | |
TWI720324B (zh) | 具多點空氣品質偵測之汙染源分析系統運作方法 | |
Herts et al. | Cloud service ThingSpeak for monitoring the surface layer of the atmosphere polluted by particulate matters | |
CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
Dulny et al. | Evaluating the multi-task learning approach for land use regression modelling of air pollution | |
AU2021100706A4 (en) | An Integrated Assessment Method of Climate Change Based on Multi-Source Carbon Data | |
TWM577153U (zh) | Pollution source analysis device with multi-point air quality detection | |
CN111881590A (zh) | 一种大气颗粒物浓度的空间分析方法 | |
Liu et al. | A system calibration model for mobile pm2. 5 sensing using low-cost sensors |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200124 |
|
WD01 | Invention patent application deemed withdrawn after publication |