CN111950936A - 空气质量监测方法、装置、设备及介质 - Google Patents
空气质量监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111950936A CN111950936A CN202010900662.XA CN202010900662A CN111950936A CN 111950936 A CN111950936 A CN 111950936A CN 202010900662 A CN202010900662 A CN 202010900662A CN 111950936 A CN111950936 A CN 111950936A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- target
- index data
- pollutant
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 313
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 79
- 231100000719 pollutant Toxicity 0.000 claims abstract description 79
- 238000009792 diffusion process Methods 0.000 claims abstract description 67
- 230000002093 peripheral effect Effects 0.000 claims abstract description 14
- 238000012806 monitoring device Methods 0.000 claims description 69
- 230000002159 abnormal effect Effects 0.000 claims description 38
- 238000010586 diagram Methods 0.000 claims description 13
- 238000011109 contamination Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 239000000356 contaminant Substances 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract 1
- 230000008676 import Effects 0.000 abstract 1
- 239000003570 air Substances 0.000 description 91
- 239000002245 particle Substances 0.000 description 18
- 238000004590 computer program Methods 0.000 description 12
- 238000003915 air pollution Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 239000013618 particulate matter Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 239000012080 ambient air Substances 0.000 description 2
- 239000003575 carbonaceous material Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000010419 fine particle Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 231100000344 non-irritating Toxicity 0.000 description 2
- 230000009965 odorless effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 239000002341 toxic gas Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004056 waste incineration Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Combustion & Propulsion (AREA)
- Computing Systems (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请涉及数据处理领域,提供一种空气质量监测方法、装置、设备及介质,能够将监测设备采集的空气数据中异常的子指标数据确定为目标指标数据,控制目标监测设备执行周边监测,有效解决固定点监测的缺陷,实现由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,将污染物监测数据输入至污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图,进而实现对空气质量的自动监测。本申请还涉及区块链技术,污染物空间分布图可存储于区块链上。本申请可应用于智慧环保场景中,从而推动智慧城市的建设。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种空气质量监测方法、装置、设备及介质。
背景技术
大气污染防治是当前环保行业面临的主要问题之一,通常需要借助物联网、大数据、人工智能等技术来解决。要定位污染物来源,需要经过空气质量监测数据的感知采集、统计分析、规律发现及污染溯源等多个步骤,时间跨度长,而且无法实现对污染源头的快速定位,导致在输出溯源结果时,污染源头可能已经发生变化。
而且,现有技术中,常规空气质量监测方案只能实现对空气质量的定点监测,但是不能实际确定空气质量的空间分布,监测不够全面、客观,导致监测结果的准确性不足。
发明内容
鉴于以上内容,有必要提供一种空气质量监测方法、装置、设备及介质,能够通过周边监测有效解决只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使对污染物空间分布图的确定也更加准确,进而实现对空气质量的自动监测。
一种空气质量监测方法,所述空气质量监测方法包括:
响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制所述目标监测设备执行周边监测,得到污染物监测数据;
调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
根据本发明优选实施例,所述判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据包括:
获取所述监测设备对应的经纬度信息;
根据所述经纬度信息,确定每个子指标数据对应的超标阈值;
当检测到有子指标数据大于或者等于对应的超标阈值时,将检测到的子指标数据确定为所述目标指标数据。
根据本发明优选实施例,所述从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备包括:
当接收到所述至少一个监测设备反馈的数据时,从所述数据中获取所述目标指标数据对应的目标数据;
从所述目标数据中获取设备标识;
将所述设备标识对应的监测设备确定为所述目标监测设备。
根据本发明优选实施例,所述控制所述目标监测设备执行周边监测包括:
确定所述目标监测设备的当前监测点;
确定所述目标监测设备对应的监测距离及监测角度,其中,所述监测距离为相对于所述目标监测设备的距离,所述监测角度为待监测点与所述目标监测设备所构成的直线及所述监测设备所在的与地面间垂线间的角度;
对于每个监测角度,在远离所述目标监测设备的方向上,将与所述当前监测点相隔所述监测距离的点确定为临时监测点,并控制所述目标监测设备在所述临时监测点执行监测,得到所述临时监测点的第一数据;
当所述第一数据大于或者等于所述目标指标数据对应的超标阈值时,确定下一个临时监测点;或者
当所述第一数据小于所述目标指标数据对应的超标阈值时,执行校验监测。
根据本发明优选实施例,所述当所述第一数据小于所述目标指标数据对应的超标阈值时,执行校验监测包括:
在远离所述目标监测设备的方向上,将与所述临时监测点相隔所述监测距离的点确定为校验点;
控制所述目标监测设备在所述校验点执行监测,得到校验数据;
当所述校验数据小于所述目标指标数据对应的超标阈值时,停止监测,并汇整所有监测点的数据作为所述污染物监测数据;或者
当所述校验数据大于或者等于所述目标指标数据对应的超标阈值时,继续执行所述周边监测。
根据本发明优选实施例,所述调用污染扩散模型包括:
获取所述目标监测设备对应的目标经纬度信息;
根据所述目标经纬度信息及所述目标指标数据在配置库中进行匹配;
调取匹配的模型作为所述污染扩散模型。
根据本发明优选实施例,所述空气质量监测方法还包括:
当所述污染扩散模型没有输出所述污染物空间分布图时,在预设时长内继续执行所述空气质量监测指令,得到补充后的污染物监测数据;
将所述补充后的污染物监测数据输入至所述污染扩散模型;
当所述污染扩散模型没有输出所述污染物空间分布图时,确定发生偶发性污染事件;或者
当所述污染扩散模型输出所述污染物空间分布图时,将所述污染物空间分布图保存至区块链。
一种空气质量监测装置,所述空气质量监测装置包括:
采集单元,用于响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断单元,用于判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
确定单元,用于从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制单元,用于控制所述目标监测设备执行周边监测,得到污染物监测数据;
输入单元,用于调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述空气质量监测方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现所述空气质量监测方法。
由以上技术方案可以看出,本发明能够响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据,判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据,从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备,控制所述目标监测设备执行周边监测,得到污染物监测数据,有效解决了现有技术中只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使后续对污染物空间分布图的确定也更加准确,调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图,进而实现对空气质量的自动监测。
附图说明
图1是本发明空气质量监测方法的较佳实施例的流程图。
图2是本发明空气质量监测装置的较佳实施例的功能模块图。
图3是本发明实现空气质量监测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明空气质量监测方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述空气质量监测方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital SignalProcessor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据。
空气质量(Air quality)的好坏直接反映了空气污染的严重程度,是依据空气中污染物浓度的高低来判断的。
空气污染是一个复杂的现象,在特定时间和地点空气污染物浓度受到许多因素的同时影响,包括车辆、船舶、飞机的尾气、工业污染、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。
因此,需要对空气质量进行有效的监控,以保证空气的良好,同时检测是否存在空气污染现象。
在本实施例中,所述空气质量监测指令可以由相关工作人员触发,如:气象员等,本发明不限制。
在本发明的至少一个实施例中,所述监测设备可以包括多个,并分别布置在不同的角度,以确保进行全面的数据采集,且多台监测设备同时采集,也提高了时效性。
在本发明的至少一个实施例中,所述至少一个子指标数据可以包括,但不限于以下一种或者多种的组合:
PM2.5(fine particulate matter)、CO(carbon monoxide,一氧化碳)、PM10(inhalable particles)等。
其中,PM2.5是指细颗粒物,是环境空气中空气动力学当量直径小于等于2.5微米的颗粒物,能较长时间悬浮于空气中,在空气中含量浓度越高,就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分,但PM2.5对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比,PM2.5粒径小,面积大,活性强,易附带有毒、有害物质(例如,重金属、微生物等),且在大气中的停留时间长、输送距离远,因而对人体健康和大气环境质量的影响更大。
一氧化碳是煤、石油等含碳物质不完全燃烧的产物,是一种无色、无臭、无刺激性的有毒气体,几乎不溶于水,在空气中不易与其他物质产生化学反应,故可在大气中停留2~3年之久。如局部污染严重,对人群健康有一定危害。
PM10是指漂浮在空气中的固态和液态颗粒物的总称,PM10粒径范围约为0.1-100微米。有些颗粒物因粒径大或颜色黑可以为肉眼所见,比可吸入颗粒物如烟尘,有些则小到使用电子显微镜才可观察到。通常把粒径在10微米以下的颗粒物称为可吸入颗粒物。
S11,判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据。
在本发明的至少一个实施例中,可以通过与阈值的比较以确定每个指标是否异常。
具体地,所述判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据包括:
获取所述监测设备对应的经纬度信息;
根据所述经纬度信息,确定每个子指标数据对应的超标阈值;
当检测到有子指标数据大于或者等于对应的超标阈值时,将检测到的子指标数据确定为所述目标指标数据。
可以理解的是,由于地域性的差异将导致气候的差异,因此,每个地点所对应的各项超标阈值也可能并不相同。
例如:北方由于长期供暖等原因,PM2.5则相对较高,因此,与PM2.5对应的超标阈值也可能与南方略有差异。
通过上述实施方式,由于充分考虑了地域性特点对每个子指标数据对应的超标阈值的影响,因此,能够有效消除监测时地域性差异,提高了异常判断的准确性。
S12,从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备。
在本发明的至少一个实施例中,每个监测设备都对应着自身能够监测的指标。
具体地,所述从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备包括:
当接收到所述至少一个监测设备反馈的数据时,从所述数据中获取所述目标指标数据对应的目标数据;
从所述目标数据中获取设备标识;
进一步地,所述电子设备将所述设备标识对应的监测设备确定为所述目标监测设备。
其中,每个监测设备对应唯一一个设备标识。
通过上述实施方式,由于设备标识的唯一性,能够根据设备标识准确定位到目标监测设备。
S13,控制所述目标监测设备执行周边监测,得到污染物监测数据。
在本实施例中,为了进一步确定异常范围,控制所述目标监测设备执行周边监测。
在本发明的至少一个实施例中,所述控制所述目标监测设备执行周边监测包括:
确定所述目标监测设备的当前监测点;
进一步地,所述电子设备确定所述目标监测设备对应的监测距离及监测角度,其中,所述监测距离为相对于所述目标监测设备的距离,所述监测角度为待监测点与所述目标监测设备所构成的直线及所述监测设备所在的与地面间垂线间的角度;
对于每个监测角度,在远离所述目标监测设备的方向上,将与所述当前监测点相隔所述监测距离的点确定为临时监测点,并控制所述目标监测设备在所述临时监测点执行监测,得到所述临时监测点的第一数据;
当所述第一数据大于或者等于所述目标指标数据对应的超标阈值时,确定下一个临时监测点;或者
当所述第一数据小于所述目标指标数据对应的超标阈值时,所述电子设备执行校验监测。
通过上述实施方式,能够以监测到异常的当前监测点为起点,不断以预设的监测距离向每个监测角度执行扩散式的监测,有效解决了现有技术中只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使后续对污染物空间分布图的确定也更加准确。
其中,所述监测距离可以进行自定义配置,以满足当前的监测需求,如5米。
具体地,所述当所述第一数据小于所述目标指标数据对应的超标阈值时,执行校验监测包括:
在远离所述目标监测设备的方向上,将与所述临时监测点相隔所述监测距离的点确定为校验点;
进一步地,所述电子设备控制所述目标监测设备在所述校验点执行监测,得到校验数据;
当所述校验数据小于所述目标指标数据对应的超标阈值时,停止监测,并汇整所有监测点的数据作为所述污染物监测数据;或者
当所述校验数据大于或者等于所述目标指标数据对应的超标阈值时,继续执行所述周边监测。
通过上述实施方式,能够在监测到的最后一个临时监测点没有异常时,执行校验监测,进而确定空气是否真的不再异常,进一步保证了监测的准确性。
S14,调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
在本发明的至少一个实施例中,所述污染扩散模型与所处区域及具体监测的指标相关。
具体地,所述调用污染扩散模型包括:
获取所述目标监测设备对应的目标经纬度信息;
进一步地,所述电子设备根据所述目标经纬度信息及所述目标指标数据在配置库中进行匹配;
调取匹配的模型作为所述污染扩散模型。
通过上述实施方式,综合考虑了不同指标及当前所处的具体位置调用匹配的污染扩散模型,使调用的污染扩散模型与当前的空气质量监测具备高度的适配性。
在本发明的至少一个实施例中,所述电子设备在执行所述空气质量监测方法时,还包括:
当所述污染扩散模型没有输出所述污染物空间分布图时,所述电子设备在预设时长内继续执行所述空气质量监测指令,进而得到补充后的污染物监测数据;
进一步地,所述电子设备将所述补充后的污染物监测数据输入至所述污染扩散模型;
当所述污染扩散模型没有输出所述污染物空间分布图时,确定发生偶发性污染事件;或者
当所述污染扩散模型输出所述污染物空间分布图时,将所述污染物空间分布图保存至区块链。
其中,所述预设时长可以自定义配置,以满足每次监测的不同需求,如3天。
通过上述实施方式,能够进一步保证空气质量监测的准确性,并且,通过将所述污染物空间分布图保存至区块链,也进一步提高了数据的安全性,有效防止数据被恶意篡改。
由以上技术方案可以看出,本发明能够响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据,判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据,从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备,控制所述目标监测设备执行周边监测,得到污染物监测数据,有效解决了现有技术中只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使后续对污染物空间分布图的确定也更加准确,调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图,进而实现对空气质量的自动监测。
如图2所示,是本发明空气质量监测装置的较佳实施例的功能模块图。所述空气质量监测装置11包括采集单元110、判断单元111、确定单元112、控制单元113、输入单元114。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
响应于空气质量监测指令,采集单元110控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据。
空气质量(Air quality)的好坏直接反映了空气污染的严重程度,是依据空气中污染物浓度的高低来判断的。
空气污染是一个复杂的现象,在特定时间和地点空气污染物浓度受到许多因素的同时影响,包括车辆、船舶、飞机的尾气、工业污染、居民生活和取暖、垃圾焚烧等。城市的发展密度、地形地貌和气象等也是影响空气质量的重要因素。
因此,需要对空气质量进行有效的监控,以保证空气的良好,同时检测是否存在空气污染现象。
在本实施例中,所述空气质量监测指令可以由相关工作人员触发,如:气象员等,本发明不限制。
在本发明的至少一个实施例中,所述监测设备可以包括多个,并分别布置在不同的角度,以确保进行全面的数据采集,且多台监测设备同时采集,也提高了时效性。
在本发明的至少一个实施例中,所述至少一个子指标数据可以包括,但不限于以下一种或者多种的组合:
PM2.5(fine particulate matter)、CO(carbon monoxide,一氧化碳)、PM10(inhalable particles)等。
其中,PM2.5是指细颗粒物,是环境空气中空气动力学当量直径小于等于2.5微米的颗粒物,能较长时间悬浮于空气中,在空气中含量浓度越高,就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分,但PM2.5对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比,PM2.5粒径小,面积大,活性强,易附带有毒、有害物质(例如,重金属、微生物等),且在大气中的停留时间长、输送距离远,因而对人体健康和大气环境质量的影响更大。
一氧化碳是煤、石油等含碳物质不完全燃烧的产物,是一种无色、无臭、无刺激性的有毒气体,几乎不溶于水,在空气中不易与其他物质产生化学反应,故可在大气中停留2~3年之久。如局部污染严重,对人群健康有一定危害。
PM10是指漂浮在空气中的固态和液态颗粒物的总称,PM10粒径范围约为0.1-100微米。有些颗粒物因粒径大或颜色黑可以为肉眼所见,比可吸入颗粒物如烟尘,有些则小到使用电子显微镜才可观察到。通常把粒径在10微米以下的颗粒物称为可吸入颗粒物。
判断单元111判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据。
在本发明的至少一个实施例中可以通过与阈值的比较以确定每个指标是否异常。
具体地,所述判断单元111判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据包括:
获取所述监测设备对应的经纬度信息;
根据所述经纬度信息,确定每个子指标数据对应的超标阈值;
当检测到有子指标数据大于或者等于对应的超标阈值时,将检测到的子指标数据确定为所述目标指标数据。
可以理解的是,由于地域性的差异将导致气候的差异,因此,每个地点所对应的各项超标阈值也可能并不相同。
例如:北方由于长期供暖等原因,PM2.5则相对较高,因此,与PM2.5对应的超标阈值也可能与南方略有差异。
通过上述实施方式,由于充分考虑了地域性特点对每个子指标数据对应的超标阈值的影响,因此,能够有效消除监测时地域性差异,提高了异常判断的准确性。
确定单元112从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备。
在本发明的至少一个实施例中,每个监测设备都对应着自身能够监测的指标。
具体地,所述确定单元112从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备包括:
当接收到所述至少一个监测设备反馈的数据时,从所述数据中获取所述目标指标数据对应的目标数据;
从所述目标数据中获取设备标识;
进一步地,所述确定单元112将所述设备标识对应的监测设备确定为所述目标监测设备。
其中,每个监测设备对应唯一一个设备标识。
通过上述实施方式,由于设备标识的唯一性,能够根据设备标识准确定位到目标监测设备。
控制单元113控制所述目标监测设备执行周边监测,得到污染物监测数据。
在本实施例中,为了进一步确定异常范围,控制所述目标监测设备执行周边监测。
在本实施例中,所述控制单元113控制所述目标监测设备执行周边监测包括:
确定所述目标监测设备的当前监测点;
进一步地,所述控制单元113确定所述目标监测设备对应的监测距离及监测角度,其中,所述监测距离为相对于所述目标监测设备的距离,所述监测角度为待监测点与所述目标监测设备所构成的直线及所述监测设备所在的与地面间垂线间的角度;
对于每个监测角度,在远离所述目标监测设备的方向上,将与所述当前监测点相隔所述监测距离的点确定为临时监测点,并控制所述目标监测设备在所述临时监测点执行监测,得到所述临时监测点的第一数据;
当所述第一数据大于或者等于所述目标指标数据对应的超标阈值时,确定下一个临时监测点;或者
当所述第一数据小于所述目标指标数据对应的超标阈值时,所述控制单元113执行校验监测。
通过上述实施方式,能够以监测到异常的当前监测点为起点,不断以预设的监测距离向每个监测角度执行扩散式的监测,有效解决了现有技术中只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使后续对污染物空间分布图的确定也更加准确。
其中,所述监测距离可以进行自定义配置,以满足当前的监测需求,如5米。
具体地,当所述第一数据小于所述目标指标数据对应的超标阈值时,所述控制单元113执行校验监测包括:
在远离所述目标监测设备的方向上,将与所述临时监测点相隔所述监测距离的点确定为校验点;
进一步地,所述控制单元113控制所述目标监测设备在所述校验点执行监测,得到校验数据;
当所述校验数据小于所述目标指标数据对应的超标阈值时,停止监测,并汇整所有监测点的数据作为所述污染物监测数据;或者
当所述校验数据大于或者等于所述目标指标数据对应的超标阈值时,继续执行所述周边监测。
通过上述实施方式,能够在监测到的最后一个临时监测点没有异常时,执行校验监测,进而确定空气是否真的不再异常,进一步保证了监测的准确性。
输入单元114调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
在本发明的至少一个实施例中,所述污染扩散模型与所处区域及具体监测的指标相关。
在本发明的至少一个实施例中,所述输入单元114调用污染扩散模型包括:
获取所述目标监测设备对应的目标经纬度信息;
进一步地,所述输入单元114根据所述目标经纬度信息及所述目标指标数据在配置库中进行匹配;
调取匹配的模型作为所述污染扩散模型。
通过上述实施方式,综合考虑了不同指标及当前所处的具体位置调用匹配的污染扩散模型,使调用的污染扩散模型与当前的空气质量监测具备高度的适配性。
在本发明的至少一个实施例中,当所述污染扩散模型没有输出所述污染物空间分布图时,在预设时长内继续执行所述空气质量监测指令,得到补充后的污染物监测数据;
进一步地,所述输入单元114将所述补充后的污染物监测数据输入至所述污染扩散模型;
当所述污染扩散模型没有输出所述污染物空间分布图时,确定发生偶发性污染事件;或者
当所述污染扩散模型输出所述污染物空间分布图时,将所述污染物空间分布图保存至区块链。
其中,所述预设时长可以自定义配置,以满足每次监测的不同需求,如3天。
通过上述实施方式,能够进一步保证空气质量监测的准确性,并且,通过将所述污染物空间分布图保存至区块链,也进一步提高了数据的安全性,有效防止数据被恶意篡改。
由以上技术方案可以看出,本发明能够响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据,判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据,从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备,控制所述目标监测设备执行周边监测,得到污染物监测数据,有效解决了现有技术中只能在固定点进行监测的缺陷,实现了由点到面的全面监测,充分考虑了污染物连片分布的情况,实现区域性采集,不仅有利于污染源追溯,而且监测的覆盖面更广,所采集到的数据也更加全面,使后续对污染物空间分布图的确定也更加准确,调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图,进而实现对空气质量的自动监测。
如图3所示,是本发明实现空气质量监测方法的较佳实施例的电子设备的结构示意图。
所述电子设备1可以包括存储器12、处理器13和总线,还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如空气质量监测程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,所述电子设备1既可以是总线型结构,也可以是星形结构,所述电子设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如所述电子设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,所述电子设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
其中,存储器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。存储器12在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器12还可以既包括电子设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如空气质量监测程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述电子设备1的控制核心(Control Unit),利用各种接口和线路连接整个电子设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行空气质量监测程序等),以及调用存储在所述存储器12内的数据,以执行电子设备1的各种功能和处理数据。
所述处理器13执行所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个空气质量监测方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器12中,并由所述处理器13执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述电子设备1中的执行过程。例如,所述计算机程序可以被分割成采集单元110、判断单元111、确定单元112、控制单元113、输入单元114。
或者,所述处理器13执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如:
响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制所述目标监测设备执行周边监测,得到污染物监测数据;
调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述空气质量监测方法的部分。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指示相关的硬件设备来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
进一步地,计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,在图3中仅用一根箭头表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器13逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的电子设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,所述电子设备1中的所述存储器12存储多个指令以实现一种空气质量监测方法,所述处理器13可执行所述多个指令从而实现:
响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制所述目标监测设备执行周边监测,得到污染物监测数据;
调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种空气质量监测方法,其特征在于,所述空气质量监测方法包括:
响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制所述目标监测设备执行周边监测,得到污染物监测数据;
调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
2.如权利要求1所述的空气质量监测方法,其特征在于,所述判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据包括:
获取所述监测设备对应的经纬度信息;
根据所述经纬度信息,确定每个子指标数据对应的超标阈值;
当检测到有子指标数据大于或者等于对应的超标阈值时,将检测到的子指标数据确定为所述目标指标数据。
3.如权利要求1所述的空气质量监测方法,其特征在于,所述从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备包括:
当接收到所述至少一个监测设备反馈的数据时,从所述数据中获取所述目标指标数据对应的目标数据;
从所述目标数据中获取设备标识;
将所述设备标识对应的监测设备确定为所述目标监测设备。
4.如权利要求1所述的空气质量监测方法,其特征在于,所述控制所述目标监测设备执行周边监测包括:
确定所述目标监测设备的当前监测点;
确定所述目标监测设备对应的监测距离及监测角度,其中,所述监测距离为相对于所述目标监测设备的距离,所述监测角度为待监测点与所述目标监测设备所构成的直线及所述监测设备所在的与地面间垂线间的角度;
对于每个监测角度,在远离所述目标监测设备的方向上,将与所述当前监测点相隔所述监测距离的点确定为临时监测点,并控制所述目标监测设备在所述临时监测点执行监测,得到所述临时监测点的第一数据;
当所述第一数据大于或者等于所述目标指标数据对应的超标阈值时,确定下一个临时监测点;或者
当所述第一数据小于所述目标指标数据对应的超标阈值时,执行校验监测。
5.如权利要求4所述的空气质量监测方法,其特征在于,所述当所述第一数据小于所述目标指标数据对应的超标阈值时,执行校验监测包括:
在远离所述目标监测设备的方向上,将与所述临时监测点相隔所述监测距离的点确定为校验点;
控制所述目标监测设备在所述校验点执行监测,得到校验数据;
当所述校验数据小于所述目标指标数据对应的超标阈值时,停止监测,并汇整所有监测点的数据作为所述污染物监测数据;或者
当所述校验数据大于或者等于所述目标指标数据对应的超标阈值时,继续执行所述周边监测。
6.如权利要求1所述的空气质量监测方法,其特征在于,所述调用污染扩散模型包括:
获取所述目标监测设备对应的目标经纬度信息;
根据所述目标经纬度信息及所述目标指标数据在配置库中进行匹配;
调取匹配的模型作为所述污染扩散模型。
7.如权利要求1所述的空气质量监测方法,其特征在于,所述空气质量监测方法还包括:
当所述污染扩散模型没有输出所述污染物空间分布图时,在预设时长内继续执行所述空气质量监测指令,得到补充后的污染物监测数据;
将所述补充后的污染物监测数据输入至所述污染扩散模型;
当所述污染扩散模型没有输出所述污染物空间分布图时,确定发生偶发性污染事件;或者
当所述污染扩散模型输出所述污染物空间分布图时,将所述污染物空间分布图保存至区块链。
8.一种空气质量监测装置,其特征在于,所述空气质量监测装置包括:
采集单元,用于响应于空气质量监测指令,控制预先布置的至少一个监测设备采集空气数据,所述空气数据包括至少一个子指标数据;
判断单元,用于判断所述至少一个子指标数据是否异常,并将异常的子指标数据确定为目标指标数据;
确定单元,用于从所述至少一个监测设备中确定所述目标指标数据对应的目标监测设备;
控制单元,用于控制所述目标监测设备执行周边监测,得到污染物监测数据;
输入单元,用于调用污染扩散模型,将所述污染物监测数据输入至所述污染扩散模型,并获取所述污染扩散模型输出的污染物空间分布图。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至7中任意一项所述的空气质量监测方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的空气质量监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010900662.XA CN111950936B (zh) | 2020-08-31 | 2020-08-31 | 空气质量监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010900662.XA CN111950936B (zh) | 2020-08-31 | 2020-08-31 | 空气质量监测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111950936A true CN111950936A (zh) | 2020-11-17 |
CN111950936B CN111950936B (zh) | 2023-08-18 |
Family
ID=73368218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010900662.XA Active CN111950936B (zh) | 2020-08-31 | 2020-08-31 | 空气质量监测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950936B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037854A (zh) * | 2021-03-22 | 2021-06-25 | 平安国际智慧城市科技股份有限公司 | 机动车尾气的监测方法、装置、设备及存储介质 |
CN113655176A (zh) * | 2021-08-12 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
CN113688583A (zh) * | 2021-09-07 | 2021-11-23 | 北京信息科技大学 | 污染扩散模拟方法、装置、存储介质及电子设备 |
CN116738539A (zh) * | 2023-06-09 | 2023-09-12 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239592A (zh) * | 2017-04-24 | 2017-10-10 | 清华大学 | 一种空气污染监测数据的时间序列增长分析方法及系统 |
CN110133706A (zh) * | 2019-05-16 | 2019-08-16 | 岭澳核电有限公司 | 百万千瓦级核电站环境辐射监测方法、装置、设备及介质 |
WO2019218395A1 (zh) * | 2018-05-17 | 2019-11-21 | 华东理工大学 | 一种恶臭气体多点集中式电子鼻仪器在线监测与分析方法 |
US20200019821A1 (en) * | 2018-07-10 | 2020-01-16 | International Business Machines Corporation | Detecting and mitigating poison attacks using data provenance |
WO2020043030A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 大气污染监测设备数据可信度评价及校准方法 |
JP2020052714A (ja) * | 2018-09-27 | 2020-04-02 | 株式会社日立製作所 | 監視システム及び監視方法 |
-
2020
- 2020-08-31 CN CN202010900662.XA patent/CN111950936B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239592A (zh) * | 2017-04-24 | 2017-10-10 | 清华大学 | 一种空气污染监测数据的时间序列增长分析方法及系统 |
WO2019218395A1 (zh) * | 2018-05-17 | 2019-11-21 | 华东理工大学 | 一种恶臭气体多点集中式电子鼻仪器在线监测与分析方法 |
US20200019821A1 (en) * | 2018-07-10 | 2020-01-16 | International Business Machines Corporation | Detecting and mitigating poison attacks using data provenance |
WO2020043030A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 大气污染监测设备数据可信度评价及校准方法 |
JP2020052714A (ja) * | 2018-09-27 | 2020-04-02 | 株式会社日立製作所 | 監視システム及び監視方法 |
CN110133706A (zh) * | 2019-05-16 | 2019-08-16 | 岭澳核电有限公司 | 百万千瓦级核电站环境辐射监测方法、装置、设备及介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037854A (zh) * | 2021-03-22 | 2021-06-25 | 平安国际智慧城市科技股份有限公司 | 机动车尾气的监测方法、装置、设备及存储介质 |
CN113037854B (zh) * | 2021-03-22 | 2024-01-23 | 平安国际智慧城市科技股份有限公司 | 机动车尾气的监测方法、装置、设备及存储介质 |
CN113655176A (zh) * | 2021-08-12 | 2021-11-16 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
CN113655176B (zh) * | 2021-08-12 | 2024-03-15 | 平安国际智慧城市科技股份有限公司 | 垃圾焚烧的污染超标检测方法、装置、设备及存储介质 |
CN113688583A (zh) * | 2021-09-07 | 2021-11-23 | 北京信息科技大学 | 污染扩散模拟方法、装置、存储介质及电子设备 |
CN113688583B (zh) * | 2021-09-07 | 2023-05-23 | 北京信息科技大学 | 污染扩散模拟方法、装置、存储介质及电子设备 |
CN116738539A (zh) * | 2023-06-09 | 2023-09-12 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
CN116738539B (zh) * | 2023-06-09 | 2024-01-09 | 西安交通大学 | 一种基于水动力模型的污染物扩散预测系统及方法 |
CN116975378A (zh) * | 2023-09-21 | 2023-10-31 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
CN116975378B (zh) * | 2023-09-21 | 2023-12-05 | 江苏云天精筑环境科技有限公司 | 一种基于大数据的设备环境监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111950936B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950936A (zh) | 空气质量监测方法、装置、设备及介质 | |
CN114329245A (zh) | 一种空气污染的溯源方法、装置、服务器及存储介质 | |
CN105824280A (zh) | 一种物联网环保监控系统 | |
CN111754110A (zh) | 基于人工智能的经营指标评价方法、装置、设备及介质 | |
CN114359002A (zh) | 基于移动监测趋势挖掘的大气污染小尺度溯源方法及系统 | |
CN112416714A (zh) | 日志处理方法、装置、电子设备及可读存储介质 | |
CN111882873B (zh) | 轨迹异常检测方法、装置、设备及介质 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN110807725A (zh) | 一种大气污染溯源方法、装置、计算设备和介质 | |
CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
CN113125659A (zh) | 水质监测平台 | |
CN112669190A (zh) | 污染源异常排放行为的检测方法、装置及计算机设备 | |
CN115205066A (zh) | 一种基于控制单元水环境质量目标管理的水质模拟系统 | |
CN114550076A (zh) | 区域异常行为监控方法、装置、设备及存储介质 | |
CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
CN114858987B (zh) | 一种基于物联网河湖水量水质监测与管理系统 | |
CN114997709A (zh) | 一种道路废水回收利用调节系统 | |
CN115169830A (zh) | 基于大数据的配网单线图质量校核分析方法 | |
CN113378624A (zh) | 基于网关设备的数据传输方法、系统、电子设备及介质 | |
CN114219023A (zh) | 数据聚类方法、装置、电子设备及可读存储介质 | |
KR20170079552A (ko) | 환경감시 업무지원 시스템 및 그를 이용한 환경감시 방법 | |
CN115913763A (zh) | 流量异常检测方法、装置、设备及介质 | |
CN115289991B (zh) | 地铁轨道形变监测方法、装置及电子设备 | |
CN111047160A (zh) | 污染原因分析方法、装置、可读存储介质及电子设备 | |
CN115394080A (zh) | 一种基于交通大数据的路况识别管理系统及方法 |
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 |