CN112437876B - 一种提高大气污染物监测数据客观性的方法及系统 - Google Patents
一种提高大气污染物监测数据客观性的方法及系统 Download PDFInfo
- Publication number
- CN112437876B CN112437876B CN201880049945.9A CN201880049945A CN112437876B CN 112437876 B CN112437876 B CN 112437876B CN 201880049945 A CN201880049945 A CN 201880049945A CN 112437876 B CN112437876 B CN 112437876B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- atmospheric
- sensor
- vehicles
- vehicle
- 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
Images
Classifications
-
- 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, e.g. intermittent, or the display, e.g. digital
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0656—Investigating concentration of particle suspensions using electric, e.g. electrostatic methods or magnetic methods
-
- 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
-
- 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
- G01N33/007—Arrangements to check the analyser
-
- 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
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
-
- 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
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0037—Specially adapted to detect a particular component for NOx
-
- 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
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0039—Specially adapted to detect a particular component for O3
-
- 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
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/004—Specially adapted to detect a particular component for CO, CO2
-
- 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
- G01N33/0036—Specially adapted to detect a particular component
- G01N33/0047—Specially adapted to detect a particular component for organic compounds
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q2209/00—Arrangements in telecontrol or telemetry systems
- H04Q2209/50—Arrangements in telecontrol or telemetry systems using a mobile data collecting device, e.g. walk by or drive by
-
- 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
Abstract
一种提高大气污染物监测数据客观性的方法及系统,属于环境监测技术领域,包括大气污染物监测设备(60)和监控中心(30)。大气污染物监测设备(60)包括大气污染物监测传感器(601)、定位模块和通讯模块(603),安装在移动监测车辆上,通过无线传输与监控中心(30)连接。该装置利用市内公交车(20)、长途车(70)、出租车(10)、渣土车(70)等移动监测车辆搭载大气污染物传感器(601)进行实时测量,从而提高了监测的客观性、空间与时间覆盖性。
Description
技术领域
本发明涉及一种提高大气污染物监测数据客观性的方法及系统,属于环境监测技术领域。
背景技术
经济快速发展的同时也带来了严峻的环境问题,我国大部分城市空气污染问题凸显,空气污染严重影响了城市生态景观,而且对人们的身体健康造成了严重的威胁。利用科学的环境监测技术对环境进行实时的监督和检测,可以为相关人员提供寻找解决环境问题行之有效措施和依据。大气环境监测技术可以实现空气污染现状的摸底、排查和全面分析,为治理和管控空气污染提供关键的数据和依据支持,以此达到环境保护的目的。
随着城市建设规模的不断扩大,城市功能区和产业结构布局的不断优化、调整,许多城市在城市环境、城市建设规模、人口数量及分布等方面都有了很大变化,原有的城市环境大气污染物监测设备都呈现数量上的不足或者空间分布上的不科学,不能继续满足城市环境空气监测的技术要求,从而需要增设或调整。
大气环境监测是测定大气中污染物的种类及其浓度、观察其时空分布和变化规律的过程,主要监测的污染物为大气中的二氧化硫、氮氧化物、臭氧、一氧化碳、PM1(空气动力学粒径小于1微米的粒子)、PM2.5(空气动力学粒径小于2.5微米的粒子)、PM10(空气动力学粒径小于10微米的粒子)、PM100(空气动力学粒径小于100微米的粒子)和VOCs(挥发性有机物)或TVOC(总挥发性有机物)。大气环境监测系统可以对监测的数据进行收集和处理,并及时准确地反映区域环境空气质量状况及变化规律。环保部门可以利用这些数据进行环境决策、环境管理、污染防治;民众可以根据环境数据采取个人防护,合理安排生活。
现在的大气环境监测设备主要有固定监测站点和移动式监测设备。目前的固定监测站点主要分为大型固定监测站点(大型站)和小型监测站点(小型站)。移动式监测设备主要有专用大气环境监测车、无人机以及手持设备等。
大型固定监测站点相当于一个独立的实验室,通过昂贵精密的仪器监测分析环境中多种污染物水平。大型固定监测站点的特点是监测污染物种类多,精度高。但是大型固定监测站点投入较大,常规投入在百万至千万级别,需要高额的财政支持,因此大型固定监测站点的数量不会很多,无法大规模铺开,因此只能选择比较有代表性和可行的位置进行建设。同时大型固定监测站点对选址也有很高的要求,站点需要有大量面积容纳大型设备,设备需要温度湿度控制,同时需要大量专业高素质人员使用仪器、分析数据和对仪器的维护。此外,从超级站获得的数据只能做单点推论,很难再找邻近的其他超级站来验证。
小型监测站点通过整合低成本、小型化传感器的方法,降低成本进行网格化、批量化的布点。小型监测站点还具有用电方便(可采用太阳能供电)、易于安装等特点。但小型站监测数据的准确性和一致性有待提高,并且需要充分的运营保障。虽然小型监测站点覆盖范围较广,但仍然属于固定式监测,灵活性有限。
专用大气环境监测车是装备有采样系统、污染物监测仪器、气象参数观测仪、数据处理装置及其他辅助设备的汽车。它是一种流动监测站,是地面固定监测站点的一种补充。大气环境监测车可以随时开到发生污染事故的现场或可疑点采样测定,以便及时掌握污染情况,其使用不受时间、地点和季节的限制。大气环境监测车需要有专职人员驾驶,并且需要专业人员操作相关仪器。其价格较为昂贵,无法大规模使用。
无人机大气污染监测是一种利用搭载小型化大气监测设备的无人机对大气环境监测的方式。无人机大气污染监测可以实现对高空垂直断面大气污染情况进行立体监测,监测范围广,监测效率高。但是高空中气流有可能紊乱,无人机螺旋桨也可能带来气流扰动,对监测结果可能造成影响。同时目前无人机的续航能力有一定问题,对连续监测也有一定阻碍。利用无人机对大气污染监测也需要专业人员操作。
现有的监测方式中,比如大型站点、专用移动监测车对颗粒物的测量大多采用称重法、微振荡天平法、β射线法;对VOCs检测使用GC-FID(气相色谱-火焰离子检测)方式。这些精密检测仪器大多体积很大,且十分昂贵,不便于广泛布点监测。其他污染物如二氧化硫、氮氧化物、臭氧和一氧化碳的检测也具有类似的问题。类似的专用移动监测车到达指定位置后需要停车监测,相当于一个固定监测站点,无法实时移动进行监测。
城市网格化的大气污染物监测测量投资巨大,目前的监测方式不能做到全面覆盖。每个监测点需要专业人员进行安装维护,每隔一段时间需要进行相应的校准;各监测点的采样口一般安装位置较高,不利于监测地面污染情况(如道路扬尘)。同时人口密度较大的道路和地区,往往车流尤其是出租车也较为密集,对这样的地点需要密集、着重监测。
采用城市社会车辆作为移动监测车辆,搭载大气污染物监测设备以及定位设备,结合无线传输技术,就能够实现大规模近地监测空气污染。
【专利文献1】中国专利:CN2017104477422
上述中国专利文献提出一种低成本大气颗粒物监测系统及监测数据滤波方法。上述专利提出将大气颗粒物监测系统装载于公共交通系统上对大气颗粒物进行监测的方案。该监测方案需要在公共车辆安装监测设备以及相应太阳能供电装置。该方案由于供电装置为太阳能电池板,存在环境监测领域需要解决的监测隐蔽性的问题;由于监测覆盖数量不清晰,仍然存在环境监测中经常遇到的客观性、以及空间和时间覆盖问题;而且其他大气污染物如二氧化硫、氮氧化物、臭氧、VOCs等其他主要大气污染物的监测仍然没有纳入上述方案,无法反映大气污染物的真实情况。
发明内容
针对背景技术中监测方式的不足,以及大气环境污染监测的特点。本发明提供了一种提高大气污染物监测数据客观性的方法及系统,本发明利用大量随机运行的社会车辆搭载隐藏式安装的监测设备作为移动监测车辆,辅助以固定的监测设备,能够实现对城市区域实时污染物分布和变化情况的监测,监测数据能够客观的反映城市污染物的真实情况。
环境监测需要保证监测数据的客观和有效。环境污染尤其是大气环境污染与其他类型的污染相比具有随时间、空间变化大的特点。根据这些特点进行监测对于获得正确反映大气污染实况的监测结果具有重要意义。空气污染物的时空分布及其浓度与污染物排放源的分布、排放量及地形、地貌、气象等条件密切相关。污染物的类型、排放规律及污染物的性质不同,其时空分布特点也不同,同一地点的大气污染物水平是快速波动变化的。在大气污染监测中有时间分辨率的概念,要求在规定的时间内反映出污染物浓度变化。例如,有些急性危害的污染物,要求分辨率为3min;有些化学烟雾剂比如臭氧对呼吸道的刺激反应,要求分辨率为l0min。
本发明通过大量部署多种大气污染物监测设备于移动监测车辆上进行大气污染物监测,实时传输位置和监测数据,可以实现从固定点监测到全路网监测和广泛的地域覆盖,反映城市污染物的真实情况。
图1显示了本发明的系统组成,本系统包含搭载监测设备的移动监测车辆、监控中心、固定监测站点。本发明提出合理大量增加设备投放密度,实现城区机动车道路的覆盖,同时监测设备需要实时以秒级回传数据,通过多车接力可实现24小时连续监测,通过监控中心对数据的处理,最终得到可靠、客观和有效的大气环境数据。大量使用监测设备弥补了各固定监测站点点位数量的不足,为网格化监管提供了数据支持。通过安装了大气污染物在线监测设备的移动监测车辆不断在城市内移动,可实时监测到各个角落的污染物浓度、洒水和道路破损情况,使大气污染监测可以覆盖每个社区、每个路段,避免了死角和盲区。同时系统也可以接入固定监测站点的数据,使监测数据更加完整。
当搭载大气污染物在线监测设备的移动车辆数量较少时,采集的监测数据数量将会不足,样本不够,没有办法及时提供城市污染物的全貌信息。当监测车辆达到一定数量后,同时搭载多种污染物监测设备,才可以避免大量小范围短时间空气污染的漏检,大量搭载大气污染物在线监测设备的车辆能够得到更加完整的污染物空间和时间覆盖情况,提高监测数据的有效性。图6为同一地点的污染物浓度随时间的变化情况,T0到T6表示的是污染开始到消散的时间,T3时刻所对应的污染物浓度最大,由于大气污染随时间变化较快,当投放的搭载大气污染物在线监测设备的车辆不足时,可能无法监测到同一地点T0至T6之间的数据,这样并不能得到此地真实的污染物情况,只有尽可能多地捕捉到T0至T6之间的数据才可以反映真正的污染全貌。本方案由于提出使用大量移动监测车辆搭载大气污染物监测设备进行数据采集,能够捕捉到大部分的小范围短时间的污染,可以对污染进行溯源,可以对大气污染的成因进行分析,可以为环保部门的执法和民众个人防护提供客观真实的大气污染信息。
大量增加设备安装密度,实现城区机动车道路的覆盖,同时监测设备需要实时以秒级回传数据,通过多车接力可实现24小时连续监测。大量使用监测设备弥补了各监测站固定监测点位数量的不足,为网格化监管提供了数据支持。通过大量安装了车载大气污染物在线监控系统的移动监测车辆不断在城市内移动,可实时监测到各个角落的污染物浓度、洒水和道路破损情况,使大气污染监测可以覆盖每个社区、每个路段,避免了死角和盲区。
本方案提出投放搭载大气污染物在线监测设备的移动监测车辆所需数量的模型,具体数量根据监测的平均漏检率确定。平均漏检率代表对一个发生污染区域的检出概率。如图7所示,平均漏检率与城市中的监测设备密度有关,监测设备密度用每平方公里的车辆数目表示。投放的车辆总数很少时,平均到城市中每平方公里的数量将会很少,对于小范围快速消散的污染物的平均漏检率会很高,投放密度越高,平均漏检率就会降低。当投放的监测设备数量达到一定值之后,如投放密度达到n0时,平均漏检率就会降低到m0。
为保证一个城市大气污染监测数据的客观性,需要设定一组最高平均漏检率指标M0,与其对应的,可以测算出一组最低投放密度指标N0。由于平均漏检率越高,监测数据的客观性越差,所以我们期望降低平均漏检率;一般来说,需要监测的大气污染物的平均漏检率应该控制在50%之下;考虑到成本问题,实际平均漏检率控制在20%-50%之间比较合理。
漏检率应该对应于某个具体的可监测数据,包括但不限于PM1、PM2.5、PM10、PM100、二氧化硫、氮氧化物、臭氧、一氧化碳、VOCs(挥发性有机物)或TVOC。
因此,平均漏检率可以采用一组指标的方式来表达如下:
m(PM1,PM2.5,PM10,PM100,二氧化硫,氮氧化物,臭氧,一氧化碳,VOCs,TVOC)
或者,
m(PM1,PM2.5,PM10,PM100,SO2,NOX,O3,CO,VOCs,TVOC)例如:m(N/A,20%,20%,N/A,N/A,N/A,N/A,N/A,N/A,N/A)表示只考虑PM2.5,PM10的监测数据漏检率,其他气体污染物的监测暂时未纳入系统中(N/A:Not Applicable)。
同样的,投放密度也需要采用一组指标来反映具体污染监测设备的投放密度:
n(PM1,PM2.5,PM10,PM100,SO2,NOX,O3,CO,VOCs,TVOC)对于m(PM2.5)=20%,m(PM10)=10%的情形,可以预见到
n(PM2.5)<n(PM10)
也就是说PM10的监测设备投放密度应该大于PM2.5的监测设备投放密度。
通过调整多传感器监测设备的传感器单元的种类配比,可以充分利用有限数量的已安装监测设备的移动监测车辆,实现多个大气污染物监测设备达到最低投放密度指标。
因此,最高平均漏检率指标M0,及与其对应的最低投放密度指标N0表示如下:
M0(PM1,PM2.5,PM10,PM100,SO2,NOX,O3,CO,VOCs,TVOC)
N0(PM1,PM2.5,PM10,PM100,SO2,NOX,O3,CO,VOCs,TVOC)在某个投放密度指标下,通过调高某大气污染物重点污染区域的相应数据的监测输出频率,可以有效降低该大气污染物的漏检率。
同样,通过监测设备的隐藏式设计,可以有效预防污染企业的躲避行为带来的漏检。
本发明提出的提高大气污染物监测数据客观性的方法如下:
1)首先在某监测地区建立由固定监测站点、监控中心和移动监测车辆组成的监测系统;所述的移动监测车辆上安装有大气污染物监测设备;确定所述监测地区的一组最高平均漏检率指标M0;
2)依据所述一组最高平均漏检率指标M0测算出一组最低投放密度指标N0;
3)增加与投放密度指标N0相关的移动监测车辆的数量,使得所述一组最高平均漏检率指标M0得到满足;
4)若所述一组最高平均漏检率指标M0有变化,则再次执行上述步骤2)和步骤3)。
进一步地,根据移动监测车辆所接触大气污染物的分布特征,来选择传感器模块中传感器单元的组合方式,使传感器模块的选择和移动监测车辆所接触大气污染物的分布特征相匹配。
另外,通过优化传感器模块中传感器单元的组合方式,能够使得在一组最高平均漏检率指标M0得到满足的情况下,需要投放的所述移动监测车辆的数量最小。传统监测方式,如专用监测车检测、人员现场检查的方式,监测人员都可以控制进行监测的时间、地点,使得监测没有随机性和突然性。污染企业还有可能通过各种方式从这些设备的操作人员了解到检测的时间和地点,使污染企业躲避监测有了操作的空间。本方案使用出租车等社会车辆作为移动监测车辆进行大气污染物监测,社会车辆行驶路径、时间均不是以监测为目的的,监测地点、时间均不受人为控制。同时监测设备也不受驾驶员的控制,这种方式的监测更具随机性和灵活性,在合理大量投放监测设备后,通过大数据的处理更能保证大气污染物监测数据的客观性。
同时大气环境污染监测需要具有隐蔽性的特点,传统监测方式如专用监测车以及人员进行现场监测时,污染企业也可以及时发现并调整生产排污情况;对于固定监测站点,污染企业也可以针对性地做出相应对策,如改变排污口等方式。本方案将监测设备隐蔽布置在出租车顶灯内或顶灯下、公交车顶等方式,使得被监测的排污企业和个人无法知道附近有设备正在对他们周边进行大气污染物的监测,使得监测数据的客观性进一步提高。如图5所示,排污企业并不会知道门口经过的出租车正在对其进行污染物的监测。
同时系统的设计中采用了多种防止数据篡改的方式,使得监测更具客观性。使用社会车辆还有其他如下特点:公交车的特点是路线比较固定,利于对某一路段反复多次测量,能够给出更可靠更多时段的数据,公交车发送班次车辆比较多,间隔时间比较均匀,班次多的时候往往是交通高峰,也是颗粒物污染较严重的时段。出租车的特点是分布范围比较广,时间范围广,可以测量到公交车不能到达的地方,测量时间范围补充公交车不运营的时段。渣土车的行驶路线往往是道路扬尘污染严重的路段,让这样的测量来重点监控扬尘路段,事半功倍,还可以测量自身车辆的扬尘污染情况。多个渣土车的综合数据是道路扬尘背景数据,自身车辆的数据包含背景和自身车辆的污染,通过大数据处理,可以将两种数据分开,从而对道路和自身污染分别给出评价,以利于管控。长途车的特点是可以覆盖城市之间的监测盲点,形成更大范围的监测。
使用出租车等社会车辆进行大气污染物监测,更能找到环境健康风险更高的地区,因为人多的地方是热点领域,也是这些社会车出现频率更高的地区。对这些地区进行多次重复地监测可以获得人流密集地区更加准确的污染信息,使得环境管理部门可以更有针对性地处理污染问题。同时出租车顶灯的高度基本与人员口鼻高度相当,是人员主要进行呼吸的高度,采用出租车搭载大气污染物监测设备对这一高度的大气进行监测,可以有效的反映影响人们呼吸健康这一高度的空气,对大气环境治理有重要意义。
环境监测尤其是网格化监测成本较高,该发明的有益之处还在于该装置利用市内公交车、长途车、出租车、渣土车等社会车辆搭载大气污染物传感器进行实时测量,不需要专用的场地、专业操作人员,对一次性投入要求较低从而降低了测量的成本。同时降低了专用车辆带来的能耗、道路占用。最终减少了对社会公共资源的占用,降低了大气污染物监测成本。
大气污染物监测设备包括传感器模块、主控模块和通讯模块;传感器模块包含一种或多种大气污染物传感器单元;大气污染物传感器单元为以下传感器之一:PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、氮氧化物传感器、O3传感器、SO2传感器、VOCs传感器或TVOC传感器。
主控模块与移动监测车辆的电源进行连接,主控模块为大气污染物监测设备上的传感器模块和通讯模块进行供电。主控模块与大气污染物监测设备上的传感器模块和通讯模块还通过数据接口连接,与传感器模块通讯模块进行数据交换。
附图说明
图1为本发明系统组成示意图;
图2为出租车、公交、大型车辆搭载大气污染物监测设备的示意图;
图3是山东某市实例的监控平台示意图;
图4是大气污染物监测设备基本模块组成示意图;
图5示意了利用社会车辆监测的隐蔽性,被检测企业不知道出租车辆搭载了大气污染物监测设备;
图6显示的是大气污染的特性,大气污染具有时效性;
图7显示的是平均漏检率与监测设备投放密度指标的关系;
图8是大气污染物监测设备包含视频采集模块的示意图
图中,10-出租车,20-公交车,30-监控中心,40-固定监测站点,50-用户终端,70-其他社会车辆,60-大气污染物监测设备,601-传感器模块,602-视频采集模块,603-通讯模块,604-主控模块
具体实施方式
实施例1:
一种提高大气污染物监测数据客观性的方法及系统,利用社会车辆搭载大气污染物监测设备,包括大气污染物监测设备、监控中心、固定监测站点和用户终端,如图1所示。
大气污染物监测设备安装在社会车辆上,用于监测车辆所处位置的大气环境质量,大气污染物监测设备具备信息传输功能,可以将监测到的数据、位置数据和时间信息通过无线的方式回传至监控中心。大气污染物监测设备可以对道路情况进行视频录制采集,记录道路污染情况,大气污染物监测设备可以通过无线传输的方式将采集的视频回传至监控中心。大气污染物监测设备具有数据、视频资料的储存功能,将采集的数据、视频资料保存在本地。大气污染物监测设备还设有数据传输接口,可以通过本地传输的方式将保存的数据和视频资料拷贝至现场的维修或工作人员。
监控中心接收大气污染物监测设备回传的数据,监控中心对这些数据进行储存、处理。监控中心还可以收集其他类型监测设备的数据,如收集微型固定监测站点数据、收集附近国家固定监测站点的数据等。监控中心综合社会车辆的大气污染物监测设备回传的数据、收集到的微型固定监测站点数据和收集到的附近国家固定监测站点的数据,生成数据列表、数据排名和污染云图、历史回放等数据呈现方式。这些生成的数据列表、数据排名和污染云图等处理结果通过网络的方式发送至用户终端,用户可以根据需求查询和使用。监控中心还可以远程控制大气污染物监测设备的运行,如开启关闭大气污染物监测设备、开启关闭视频采集模块、调整监测频率、修正大气污染物监测设备误差等。
实施例2:
得到一个城市客观的大气污染物监测数据才可以反映这个城市真实的大气污染程度,本发明需要设定一组最高平均漏检率指标M0代表监测数据的客观性。例如一个城市需要对PM10进行监测,其漏检率表示为m(PM10),若这个城市要求m(PM10)<20%,即表示没有被监测设备捕捉到的PM10污染事件要小于总PM10污染事件的20%。
为了达到m(PM10)<20%,引入最低投放密度指标N0,N0表示要达到M0所需要监测设备的最小投放密度指标。在本例子中,为了达到m(PM10),所需投放的搭载PM10传感器的监测设备最低投放密度为n(PM10)。该n(PM10)需要进行测算,测算的依据是城市的面积、搭载移动监测设备车辆的数目、搭载移动监测设备车辆的日行驶里程、搭载移动监测设备车辆的行驶范围、车辆类型、搭载的仪器精度等参数。城市面积越大,所需要投放的监测设备越多;搭载移动监测设备的车辆日行驶里程越多,所需投放车辆越少;搭载移动监测设备的车辆行使范围越大,所需投放车辆越少。
实施例3:
对一个城市的PM10和SO2进行监测,在本发明中这个城市的最高平均漏检率指标M0表示为m(PM10)、m(SO2)。不同污染物的污染贡献水平会有不同、城市的重视程度也不同,所以不同污染物的平均漏检率会有对应的要求。通常城市对SO2的监测重视程度低于PM10,则本例中PM10和SO2的最高平均漏检率数值设定为m(PM10)=20%、m(SO2)=30%。
当m(PM10)=20%、m(SO2)=30%,仅使用出租车搭载监测设备,每个设备仅能监测PM10或SO2的情况下,监测设备的最小投放密度n(PM10)将大于n(SO2),即搭载PM10监测设备的出租车投放量要多于搭载SO2监测设备的出租车。
实施例4:
对一个城市的PM10和SO2进行监测,在本发明中这个城市的最高平均漏检率指标M0表示为m(PM10)、m(SO2),本例中PM10和SO2的最高平均漏检率数值设定为m(PM10)=20%、m(SO2)=30%。目前的监测设备还可以通过内部传感器模块的组合,同时测量多种污染物。
本例中第一种投放方式是所有车辆都搭载可以同时测量PM10和SO2的监测设备。那么N0最小监测设备投放密度指标只需满足指标中最严格的那个最高平均漏检率,第一种方式的n(PM10)=n(SO2),具体n(PM10)值通过城市的面积以及实施例二中所述投放密度指标参数关系计算得出。
本例中第二种投放方式是一部分车辆都搭载可以同时测量PM10和SO2的监测设备,另一部分车辆搭载仅可以测量PM10设备的车辆。此时n(PM10)>n(SO2),具体n(PM10)和n(SO2)需要经过测算并最终满足m(PM10)=20%、m(SO2)=30%。
实施例5:
城市中的扬尘污染主要体现在PM100数值上,渣土车是扬尘污染的一种主要贡献。城市如果需要对PM2.5和PM100进行监测,最高平均漏检率指标要求为m(PM10)=m(PM100)=20%。投放密度可以根据车辆进行区分,将PM100监测设备跟多的搭载于渣土车上,可以更有效的监测扬尘污染,更有效的达到PM100监测设备投放密度指标;PM2.5监测设备则更多的分配给出租车等小型车辆。
实施例6:
大气污染物监测设备基本模块包括传感器模块、主控模块和通讯模块。其中主控模块与移动监测车辆的电源进行连接,主控模块为大气污染物监测设备上的传感器模块和通讯模块进行供电。主控模块与大气污染物监测设备上的传感器模块和通讯模块还通过数据接口连接,与传感器模块通讯模块进行数据交换。例如传感器模块采集的数据经主控模块处理后发送至通讯模块,再由通讯模块回传至监控中心;监控中心发送的指令由通讯模块接收后传输至主控模块,主控模块根据指令调整传感器模块的运行。主控模块具备数据和视频资料的储存和导出功能。主控模块具备定位功能或与定位设备的数据接口,利用GPS、北斗等定位技术实时记录车辆位置。
实施例7
大气污染物监测设备基本模块包括传感器模块、主控模块和通讯模块。其中传感器模块通过搭载的大气污染物传感器对采样气体的污染物含量进行检测,得到污染物的浓度数据。传感器模块可以搭载多种大气污染物传感器,包括PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、氮氧化物传感器、臭氧传感器、二氧化硫传感器、VOCs传感器或TVOC传感器,用于污染物的监测。例如搭载PM2.5传感器和PM10传感器的大气污染物监测设备可以较好的对道路扬尘进行监测,可以及时发现道路扬尘污染并进行预警。
传感器模块还可以搭载其他类型的传感器,例如风速传感器、风向传感器、温度传感器、湿度传感器、压强传感器、噪音传感器,提供更丰富的监测信息。并且例如湿度传感器还可以为大气污染物传感器提供湿度修正和校准依据。
实施例8:
大气污染物监测设备基本模块包括传感器模块、主控模块和通讯模块。其中通讯模块用于大气污染物监测设备与监控中心进行无线通讯,上传监测数据、位置信息、时间信息和监控的视频,还可以接受监控中心下发的调整大气污染物监测设备运行的指令。通讯模块使用GPRS、4G、5G、蓝牙、WIFI、LoRaWAN、窄带物联网等数据传输方式与监控中心进行通讯。通讯模块实时向监控中心回传数据,每次数据回传间隔以秒级为单位。
实施例9:
大气污染物监测设备在包含基本模块之外,还可以增设视频采集模块。视频采集模块用于污染物取证,实现污染程度的可视化,方便后期执法以及确定污染源。视频采集模块内装有摄像头,可以将拍摄的道路情况上传至监控中心。
实施例10:
搭载大气污染物监测设备的移动监测车辆是社会车辆。社会车辆包括市内公交车、长途车、出租车、渣土车、市政车辆、公务车辆、网约车、租赁车辆、共享汽车,以及具有自动驾驶功能的车辆。这些社会车辆不需要专用的场地、专业操作人员便可以对大气污染的情况进行实时测量,一次性投入较低,降低了专用车辆带来的能耗、道路占用,最终减少了对社会公共资源的占用,降低了大气污染物监测成本。
实施例11:
将搭载颗粒物传感器的大气污染物监测设备安装于公交车上,形式如图2的公交车所示。公交车的特点是路线比较固定,利用一台或者几台安装了大气颗粒物传感器监测设备的公交车便可以对整条公交线路的沿线进行大气颗粒物污染监控,降低了监测成本。同时由于公交车行使的特点,可以对某一路段反复多次测量,能够给出更可靠更多时段的数据。公交车发送班次车辆比较多,间隔时间比较均匀,班次多的时候往往是交通高峰,也是颗粒物污染较严重的时段。
实施例12:
将搭载颗粒物传感器的大气污染物监测设备安装于渣土车、垃圾处理车、长途车等大型社会车辆上,形式如图2的最下面车辆所示。这些大型社会车辆行驶的路线往往是道路扬尘严重的路段,利用这些大型社会车辆监控重点扬尘路段事半功倍,同时还可以测量自身车辆的扬尘污染情况。这些大型社会车辆所检测的数据包含背景污染情况和自身车辆的污染情况,通过大数据处理,可以将两种数据分开,从而对道路和自身污染分别给出评价,以利于管控。长途车的特点是可以覆盖城市之间的监测盲点,达成更大范围的监测。
实施例13:
将搭载颗粒物传感器的大气污染物监测设备安装于出租车上。出租车的特点是分布范围比较广,时间范围广,可以测量到其他社会车辆不能到达的地方。使用出租车等社会车辆进行大气污染物监测,更能找到环境健康风险更高的地区,因为人多的地方是热点领域,也是这些社会车辆尤其是出租车出现频率更高的地区。对这些地区进行多次重复地监测可以获得人流密集地区更加准确的污染信息,使得环境管理部门可以更有针对性地处理污染问题。同时出租车顶灯的高度基本与人员口鼻高度相当,是人员主要进行呼吸的高度,采用出租车搭载大气污染物监测设备对这一高度的大气进行监测,可以有效的反映影响人们呼吸健康这一高度的空气,对大气环境治理有重要意义。
图3为山东某城市搭载大气颗粒物监测设备的出租车监测结果。共约100辆车,每天合计行程超过2.3万公里,可产生120万组数据。通过监控中心的大数据处理平台,这些数据可自动生成城市霾图。技术人员可进一步判断相关区域污染源监管是否到位,指导精准治理的方案。监控中心还对区县、街道办及路段进行统计排名,为治理考核提供技术手段。
实施例14:
大气污染物监测设备安装于社会车辆上。监测设备具备隐蔽性的特点,例如隐蔽安装于出租车顶灯内部、出租车顶灯下部、公交车顶部等位置。传统监测方式例如专用监测车和以及人员进行现场监测时,污染企业也可以及时发现并调整生产排污情况;对于固定监测站点,污染企业也可以针对性地做出相应对策,如改变排污口等方式。本方案将监测设备隐蔽布置在出租车顶灯内部、出租车顶灯下部、公交车顶部等方式,使得被监测的排污企业和个人无法知道附近有设备正在对他们周边进行大气污染物的检测,使得监测数据的客观性进一步提高。如图5所示,排污企业并不会知道门口经过的出租车正在对其进行污染物的检测。
实施例15:
本发明对监测数据设置了防篡改功能,保证监测数据的可靠性和准确性。实施方式为传感器模块测得的监测数据先存入大气污染物监测设备的本地存储介质中(如flash、tf卡、ssd、硬盘、u盘、cf卡),同时传感器模块测得的监测数据通过无线传输的方式上传至监控中心,上传至监控中心的所有原始数据设置防修改、防删除特征。监控中心的系统自动或者监测人员手动远程调取传感器本地原始数据库与监控中心数据库进行校对。在大气污染物监测设备和监控中心的数据传输中,还可以使用添加数字签名对数据传输进行加密,可使用的数字签名算法包括RSA、ElGamal、Fiat-Shamir、Guillou-Quisquarter、Schnorr和Ong-Schnorr-Shamir等。
实施例16
对安装大气污染物监测设备的社会车辆,进行车牌号和监测设备SN(监测设备序列号)的绑定,这样可以通过监控中心的数据库查询和核对车辆与设备的信息。
实施例17:
大气污染物监测设备可以根据污染物情况调节监控密度。如当搭载大气污染物监测设备的社会车辆路过某路段,大气污染物监测设备检测到污染物浓度超过预设值上限之后,如PM2.5值≥100μg/m3(也可以是150μg/m3、200μg/m3、250μg/m3等)后,大气污染物监测设备提高大气污染物浓度检测输出频率,例如由每3秒计算输出一个污染物浓度数值改为每1秒计算输出一个污染物浓度数值。触发提高检测输出频率的污染物可以是监测的其他污染物(如氮氧化物、臭氧等)。当污染物浓度低于设定值下限后,大气污染物监测设备降低检测输出频率,如PM2.5≤50μg/m3后,检测输出频率恢复为每3秒输出一个污染物浓度数值或更长的时间间隔。
实施例18:
大气污染物监测设备可以根据污染物情况调节检测数值的回传频率。如当搭载大气污染物监测设备的社会车辆路过某路段,大气污染物监测设备检测到污染物浓度超过预设值上限之后,如PM2.5值≥100μg/m3(也可以是150μg/m3、200μg/m3、250μg/m3等)后,大气污染物监测设备提高大气污染物浓度检测值向监控中心回传的频率,例如由每3秒回传一次个数值改为每1秒回传一次,触发提到回传频率的污染物可以是其他监控的污染物(如氮氧化物、臭氧等)。当污染物浓度低于设定值下限后,降低大气污染物监测设备的数据回传的频率,如PM2.5≤50μg/m3后,回传频率恢复为每3秒一次甚至更长的时间间隔。
实施例19:
大气污染物监测设备可以根据指定的区域或路段调节监控密度和回传频率。当搭载大气污染物监测设备的社会车辆进入需要重点监控的区域或路段时,大气污染物监测设备提高相应大气污染物的监测数值输出频率,例如监测频率由每3秒计算输出一个污染物浓度数值改为每1秒计算输出一个污染物浓度数值;当所述移动监测车辆离开需要重点监控的区域或路段时,所述大气污染物监测设备降低相应大气污染物的监测输出频率,例如将污染物输出频率恢复到进入重点区域或路段之前的水平。
当移动监测车辆路过需要重点监控的区域或路段时,所述大气污染物监测设备还可以提高相应大气污染物的监测数据向监控中心回传的频率,例如由每3秒回传一次个数值改为每1秒回传一次;当所述移动监测车辆离开需要重点监控的区域或路段时,所述大气污染物监测设备降低相应大气污染物的监测数据向监控中心回传的频率,例如将回传频率恢复到进入重点区域或路段之前的水平。
实施例20:
实施例20是视频采集模块的一种工作方式。视频采集模块在大气污染物监测设备启动后便同时开始工作,视频内容存储在本地存储介质上,如tf卡、ssd、硬盘、u盘、cf卡。存储空间用尽后采取回滚方式删除时间最久的视频,使得视频可以一直进行录制。
视频取证方式:
取回视频的方式有三种。第一种,当监控中心需要某时段视频内容时,用无线指令控制视频采集模块通过无线传输的方式将所需视频上传至监控中心。第二种,可以通过监控中心定位移动监测车辆,由具备权限的工作人员现场进行视频拷贝。第三种,当车辆路过某路段,大气污染物监测设备监测到某大气污染物浓度超过预设值上限之后,如PM2.5值≥200μg/m3后(预设值也可以是其他值,预设触发污染物可以是其他监控的污染物如氮氧化物、臭氧等),所述的大气污染物监测设备自动开启上传功能,将超过污染物预设值时刻前后一定时间内的相关视频上传至监控中心,如触发前后5分钟的视频上传至监控中心。
实施例21:
实施例21是视频采集模块的一种工作方式。视频采集模块默认关闭,当所述大气污染物监测设备发现某大气污染物浓度超过预设值上限之后,如PM2.5值≥100μg/m3后(预设值也可以是其他值,预设触发污染物可以是其他监控的污染物如氮氧化物、臭氧等),自动开启视频采集模块进行录制。
视频取证方式也有三种。同实施例19。
实施例22:
实施例22是视频采集模块的一种工作方式。大气污染物监测设备具备视频图像识别、视频图像分析和污染识别功能。通过对视频采集模块获得的视频内容进行识别分析处理,可以及时捕捉和发现移动监测车辆经过区域的局部污染情况,若判断存在局部大气污染,则将发现污染时刻前后一定时间内的相关视频内容上传至监控中心,如触发前后5分钟的视频上传至监控中心。上传至监控中心的视频如果进行判断筛查后的确有污染情况,监控中心可以将污染数据和视频证据发送给相关环保部门或者公安部门的平台。图像识别功能可以设置学习模式,视频取证后的资料由监控中心人工进行视频分类,分类后的每一个污染视频案例由机器学习,进行场景识别。当人工智能的场景案例识别学习完成后,通过检测设备本地的人工智能或者监控中心的人工智能,智能识别采集到的视频,并对污染进行判断。
实施例23:
实施例23是视频采集模块的一种工作方式。监控中心对对搭载于社会车辆的大气污染物监测设备进行控制,比如监控中心需要对某一特定区域的污染情况进行密切观察,可以通过指令的方式,通知车辆如果进入该区域则提高检测数据的计算频率,或者检测数据的回传频率。如进入该区域之前每3秒回传一次数据,改为进入区域之后每1秒回传一次数据;进入该区域之前每3秒检测计算得出一个数据,改为进入区域之后每1秒检测计算得出一个数据。监控中心也可以指令开启视频采集模块的摄像头,进行视频取证并实时回传。
Claims (17)
1.一种提高大气污染物监测数据客观性的方法;步骤为:
1)在某监测地区建立由固定监测站点、监控中心和移动监测车辆组成的监测系统;所述的移动监测车辆上安装有大气污染物监测设备;确定所述监测地区的一组最高平均漏检率指标M0;
2)依据所述一组最高平均漏检率指标M0测算出一组最低投放密度指标N0;
3)增加与投放密度指标N0相关的移动监测车辆的数量,使得所述一组最高平均漏检率指标M0达到满足;
4)若所述一组最高平均漏检率指标M0有变化,则再次执行上述步骤2)和步骤3);
其中,所述的移动监测车辆上安装有大气污染物监测设备;所述大气污染物监测设备包括传感器模块、主控模块和通讯模块;所述传感器模块包括一种或多种大气污染物传感器单元;所述大气污染物传感器单元为以下传感器之一:PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、氮氧化物传感器、O3传感器、SO2传感器;
根据所述移动监测车辆所接触大气污染物的分布特征,来选择所述传感器模块中传感器单元的组合方式,使传感器模块的选择和所述移动监测车辆所接触大气污染物的分布特征相匹配;
所述传感器模块中传感器单元的组合方式,使得在所述一组最高平均漏检率指标M0得到满足的情况下,需要投放的所述移动监测车辆的数量最小;
所述最低投放密度指标N0需要进行测算,测算的依据是城市面积、搭载移动监测设备车辆的数目、搭载移动监测设备车辆的日行驶里程、搭载移动监测设备车辆的行驶范围、车辆类型、搭载的仪器精度;
所述的移动监测车辆包括市内公交车、长途车、出租车、渣土车、垃圾处理车、市政车辆、公务车辆、网约车、租赁车辆、共享汽车。
2.如权利要求1所述的方法,所述的出租车上的大气污染物监测设备是隐蔽安装在出租车顶灯下面或顶灯内部的。
3.如权利要求1所述的方法,所述的公交车上的大气污染物监测设备是隐蔽安装在公交车顶部的。
4.如权利要求1至3之一所述的方法,所述方法还包括:
当所述移动监测车辆路过某路段,所述移动监测车辆上的所述大气污染物监测设备检测到某大气污染物浓度超过预设值上限之后,所述大气污染物监测设备提高相应大气污染物的监测输出频率;当所述大气污染物监测设备检测到某大气污染物浓度低于预设值下限之后,所述大气污染物监测设备降低相应大庆污染物的监测输出频率。
5.如权利要求4所述的方法,所述方法还包括:
当所述移动监测车辆路过某路段,所述移动监测车辆上的所述大气污染物监测设备检测到某大气污染物浓度超过预设值上限之后,所述大气污染物监测设备提高相应大气污染物的监测数据向监控中心回传的频率;当所述大气污染物监测设备检测到某大气污染物浓度低于预设值下限之后,所述大气污染物监测设备降低相应大气污染物的监测数据向监控中心回传的频率。
6.如权利要求1至3之一所述的方法,所述方法还包括:
当所述移动监测车辆路过需要重点监控的区域或路段时,所述大气污染物监测设备提高相应大气污染物的监测输出频率;当所述移动监测车辆离开需要重点监控的区域或路段时,所述大气污染物监测设备降低相应大气污染物的监测输出频率。
7.如权利要求6所述的方法,所述方法还包括:
当所述移动监测车辆路过需要重点监控的区域或路段时,所述大气污染物监测设备提高相应大气污染物的监测数据向监控中心回传的频率;当所述移动监测车辆离开需要重点监控的区域或路段时,所述大气污染物监测设备降低相应大气污染物的监测数据向监控中心回传的频率。
8.如权利要求4所述的方法,所述系统对所述大气污染物监测设备的监测数据设置了防篡改功能,以保证监测数据的可靠性和准确性;首先所述传感器模块测得的监测数据先存入大气污染物监测设备的本地存储介质中;同时传感器模块测得的监测数据通过无线传输的方式上传至所述监控中心,上传至监控中心的所有原始数据设置防修改、防删除特征。
9.一种大气污染物监测系统,所述大气污染物监测系统包含服务于某个城市或者某个区域的固定监测站点、监控中心和移动监测车辆;所述的移动监测车辆上安装有大气污染物监测设备;其特征在于,所述移动监测车辆的数量满足如下条件:
1)确定所述城市或所述区域的一组最高平均漏检率指标M0;
2)确定与投放密度指标N0相关的移动监测车辆的数量,使得所述一组最高平均漏检率指标M0得到满足;
其中,所述的移动监测车辆上安装有大气污染物监测设备;所述大气污染物监测设备包括传感器模块、主控模块和通讯模块;所述传感器模块包括一种或多种大气污染物传感器单元;所述大气污染物传感器单元为以下传感器之一:PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、氮氧化物传感器、O3传感器、SO2传感器;
根据所述移动监测车辆所接触大气污染物的分布特征,来选择所述传感器模块中传感器单元的组合方式,使传感器模块的选择和所述移动监测车辆所接触大气污染物的分布特征相匹配;
所述传感器模块中传感器单元的组合方式,使得在所述一组最高平均漏检率指标M0得到满足的情况下,需要投放的所述移动监测车辆的数量最小;
所述最低投放密度指标N0需要进行测算,测算的依据是城市面积、搭载移动监测设备车辆的数目、搭载移动监测设备车辆的日行驶里程、搭载移动监测设备车辆的行驶范围、车辆类型、搭载的仪器精度;
所述的移动监测车辆包括市内公交车、长途车、出租车、渣土车、垃圾处理车、市政车辆、公务车辆、网约车、租赁车辆、共享汽车。
10.如权利要求9所述的系统,其特征在于,所述传感器模块还包括风速传感器、风向传感器、温度传感器、湿度传感器、压强传感器或者噪音传感器。
11.如权利要求9所述的系统,其特征在于,所述的出租车上的大气污染物监测设备是隐蔽安装在出租车顶灯下面或顶灯内部的。
12.如权利要求9所述的系统,其特征在于,所述的公交车上的大气污染物监测设备是隐蔽安装在公交车顶部的。
13.如权利要求9至12之一所述的系统,其特征在于,所述的大气污染物监测设备还包括视频采集模块。
14.如权利要求13所述的系统,其特征在于,所述的视频采集模块采集的视频内容存储在本地存储介质上;存储空间用尽后采取回滚方式删除时间最久的视频。
15.如权利要求13所述的系统,其特征在于,所述的频采集模块采集的视频内容的取证方式为下列三种方式之一:
(1)当所述监控中心需要某时段视频内容时,用无线指令控制视频采集模块通过无线传输的方式将所需视频内容上传至监控中心;
(2)通过监控中心定位移动监测车辆,由具备权限的工作人员现场进行视频拷贝;
(3)当监测到某大气污染物浓度超过预设值上限之后,所述的大气污染物监测设备自动开启上传功能,将超过所述大气污染物预设值时刻前后一定时间内的相关视频上传至监控中心。
16.如权利要求13所述的系统,其特征在于,所述的频采集模块默认关闭,当所述大气污染物监测设备发现某大气污染物浓度超过预设值上限之后,自动开启视频采集模块进行录制。
17.如权利要求13所述的系统,其特征在于,所述大气污染物监测设备具备视频图像识别、视频图像分析和污染识别功能;通过对所述视频采集模块获得的视频内容进行识别分析处理,可以及时捕捉和发现移动监测车辆经过区域的局部污染情况,若判断存在局部大气污染,则将发现污染时刻前后一定时间内的相关视频内容上传至监控中心。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710634492.3A CN107219157A (zh) | 2017-07-29 | 2017-07-29 | 一种利用社会车辆进行大气颗粒物监测系统 |
CN2017106344923 | 2017-07-29 | ||
PCT/IB2018/055525 WO2019025906A1 (zh) | 2017-07-29 | 2018-07-25 | 一种提高大气污染物监测数据客观性的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112437876A CN112437876A (zh) | 2021-03-02 |
CN112437876B true CN112437876B (zh) | 2023-04-25 |
Family
ID=59954542
Family Applications (11)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710634492.3A Pending CN107219157A (zh) | 2017-07-29 | 2017-07-29 | 一种利用社会车辆进行大气颗粒物监测系统 |
CN201880049945.9A Active CN112437876B (zh) | 2017-07-29 | 2018-07-25 | 一种提高大气污染物监测数据客观性的方法及系统 |
CN201980003739.9A Active CN111033221B (zh) | 2017-07-29 | 2019-01-31 | 一种出租车和公交车协同监测时选择公交线路的方法 |
CN201980003740.1A Active CN111295572B (zh) | 2017-07-29 | 2019-01-31 | 一种出租车和公交车协同监测时确定出租车数量的方法 |
CN201980003749.2A Active CN111295579B (zh) | 2017-07-29 | 2019-01-31 | 一种确定移动监测漏检率及移动监测车的额定数量的方法 |
CN201980043011.9A Active CN112334754B (zh) | 2017-07-29 | 2019-07-25 | 一种利用运营车辆进行大气监测时选择线路的方法 |
CN201980042791.5A Active CN112654851B (zh) | 2017-07-29 | 2019-07-25 | 一种高覆盖率车载空气质量监测系统 |
CN201980043012.3A Active CN112368563B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公共交通工具监测空气质量的系统 |
CN201980042987.4A Active CN112703384B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公务车辆进行大气监测时提高监测覆盖率的方法 |
CN201980043006.8A Active CN112639439B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公交车进行大气监测时提高监测覆盖率的方法 |
CN201980043485.3A Active CN112352147B (zh) | 2017-07-29 | 2019-07-25 | 一种利用出租车进行大气监测时提高监测覆盖率的方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710634492.3A Pending CN107219157A (zh) | 2017-07-29 | 2017-07-29 | 一种利用社会车辆进行大气颗粒物监测系统 |
Family Applications After (9)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980003739.9A Active CN111033221B (zh) | 2017-07-29 | 2019-01-31 | 一种出租车和公交车协同监测时选择公交线路的方法 |
CN201980003740.1A Active CN111295572B (zh) | 2017-07-29 | 2019-01-31 | 一种出租车和公交车协同监测时确定出租车数量的方法 |
CN201980003749.2A Active CN111295579B (zh) | 2017-07-29 | 2019-01-31 | 一种确定移动监测漏检率及移动监测车的额定数量的方法 |
CN201980043011.9A Active CN112334754B (zh) | 2017-07-29 | 2019-07-25 | 一种利用运营车辆进行大气监测时选择线路的方法 |
CN201980042791.5A Active CN112654851B (zh) | 2017-07-29 | 2019-07-25 | 一种高覆盖率车载空气质量监测系统 |
CN201980043012.3A Active CN112368563B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公共交通工具监测空气质量的系统 |
CN201980042987.4A Active CN112703384B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公务车辆进行大气监测时提高监测覆盖率的方法 |
CN201980043006.8A Active CN112639439B (zh) | 2017-07-29 | 2019-07-25 | 一种利用公交车进行大气监测时提高监测覆盖率的方法 |
CN201980043485.3A Active CN112352147B (zh) | 2017-07-29 | 2019-07-25 | 一种利用出租车进行大气监测时提高监测覆盖率的方法 |
Country Status (5)
Country | Link |
---|---|
US (3) | US20210140930A1 (zh) |
CN (11) | CN107219157A (zh) |
GB (10) | GB2594223B (zh) |
NO (8) | NO20210238A1 (zh) |
WO (10) | WO2019025906A1 (zh) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2996709A1 (en) * | 2015-08-27 | 2017-03-02 | Dronsystems Limited | A highly automated system of air traffic control (atm) for at least one unmanned aerial vehicle (unmanned aerial vehicles uav) |
CN107219157A (zh) * | 2017-07-29 | 2017-09-29 | 山东诺方电子科技有限公司 | 一种利用社会车辆进行大气颗粒物监测系统 |
CN107340212A (zh) * | 2017-08-18 | 2017-11-10 | 山东诺方电子科技有限公司 | 一种基于出租车顶灯的大气颗粒物在线监测设备 |
CN108195728A (zh) * | 2018-02-01 | 2018-06-22 | 山东诺方电子科技有限公司 | 一种基于多核颗粒物传感器技术的控制系统及其控制方法 |
CN108801343A (zh) * | 2018-05-25 | 2018-11-13 | 江苏师范大学 | 一种应用于大气环境监测的智能小车系统 |
CN109633083A (zh) * | 2018-11-21 | 2019-04-16 | 上海柏鼎环保科技有限公司 | 环境监测设备、监测整合方法及计算机可读存储介质 |
DE102019109345A1 (de) * | 2019-04-09 | 2020-10-15 | StreetScooter GmbH | Verfahren und Reinigungsfahrzeug zum Verringern der Konzentration wenigstens eines Luftschadstoffs in einer Umgebungsluft |
CN110333325B (zh) * | 2019-08-02 | 2021-09-17 | 中南大学 | 一种大气污染环境下列车运行防护方法及系统 |
CN110398448A (zh) * | 2019-09-03 | 2019-11-01 | 福建工程学院 | 一种基于车联网系统的区域性pm2.5检测方法 |
CN110672482A (zh) * | 2019-09-10 | 2020-01-10 | 烟台海德专用汽车有限公司 | 一种空气粉尘智能检测及降尘作业调度系统 |
CN111257180B (zh) * | 2020-01-22 | 2021-05-11 | 同济大学 | 一种空间分布式空气质量走航监测传感器的动态校准方法 |
CN111401781B (zh) * | 2020-04-03 | 2023-07-25 | 中国环境科学研究院 | 一种固定源大气污染物排放现场执法监管信息系统及方法 |
WO2021243069A1 (en) * | 2020-05-28 | 2021-12-02 | Aclima Inc. | Routing method for mobile sensor platforms |
CN111860645B (zh) * | 2020-07-20 | 2021-04-13 | 中科三清科技有限公司 | 挥发性有机物观测数据中缺省值的修复方法及装置 |
CN112304830A (zh) * | 2020-09-27 | 2021-02-02 | 山东诺方电子科技有限公司 | 一种使用社会车辆监测道路积尘负荷的方法 |
CN112730173A (zh) * | 2020-12-15 | 2021-04-30 | 南京中诚签信息科技有限公司 | 一种基于5g的移动式城市环境监测系统及方法 |
CN112530153A (zh) * | 2020-12-28 | 2021-03-19 | 苏州信颐系统集成有限公司 | 一种垃圾分类前端数据采集系统 |
CN112782366A (zh) * | 2020-12-31 | 2021-05-11 | 浙江国镜药业有限公司 | 智慧城市大气污染物实时监测系统 |
CN112907938B (zh) * | 2021-02-24 | 2022-07-08 | 华录智达科技股份有限公司 | 一种基于电子围栏的城市智能公交管控方法及系统 |
CN115032329A (zh) * | 2021-03-08 | 2022-09-09 | 博泰车联网科技(上海)股份有限公司 | 车内空气质量的监测方法、装置、电子设备及介质 |
CN113390768B (zh) * | 2021-06-16 | 2023-08-22 | 江苏蓝创智能科技股份有限公司 | 车辆行驶路线可视化大气颗粒污染物监测平台系统 |
DE202022103602U1 (de) | 2022-03-25 | 2022-07-20 | Graphic Era (Deemed To Be University) | Luftgestütztes Rechnersystem zur Kontrolle der Luftverschmutzung |
CN114822067A (zh) * | 2022-04-22 | 2022-07-29 | 江苏罗思韦尔电气有限公司 | 一种汽车自动驾驶调度方法及系统 |
CN114710649B (zh) * | 2022-06-01 | 2023-01-24 | 广东中浦科技有限公司 | 污染源视频监控方法及系统 |
CN115358904B (zh) * | 2022-10-20 | 2023-02-03 | 四川国蓝中天环境科技集团有限公司 | 一种动静结合的城市区域空气质量监测站选址方法 |
CN115931653B (zh) * | 2023-01-05 | 2023-10-13 | 山东大学 | 一种移动式大气颗粒物大数据获取系统及方法 |
CN116702400B (zh) * | 2023-08-07 | 2023-10-13 | 四川国蓝中天环境科技集团有限公司 | 一种基于公交车和移动传感器的移动式城市感知优化方法 |
CN116933978B (zh) * | 2023-09-13 | 2023-12-22 | 江苏新睿清智科技有限公司 | 一种基于人工智能的车载设备应用管理系统及方法 |
CN117455708B (zh) * | 2023-12-22 | 2024-03-01 | 山西亚鑫新能科技有限公司 | 一种无组织排放智能治理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1113268A1 (en) * | 1999-12-31 | 2001-07-04 | Moretti & Carpita S.n.c. | Method and apparatus for air quality monitoring in a predetermined geographical area |
CN103196674A (zh) * | 2013-03-18 | 2013-07-10 | 中国汽车技术研究中心 | 一种海拔环境下车辆试验环境信息采集系统 |
CN106644862A (zh) * | 2016-09-12 | 2017-05-10 | 济南诺方电子技术有限公司 | 一种传感器、基于该传感器的监测站及监测站的监测方法 |
CN106644851A (zh) * | 2017-03-10 | 2017-05-10 | 南京云趟信息技术有限公司 | 一种具有扬尘检测功能的工程车系统 |
Family Cites Families (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3424545B2 (ja) * | 1998-02-19 | 2003-07-07 | 三菱自動車工業株式会社 | 蒸散ガス計測装置 |
JP2002350421A (ja) * | 2001-05-29 | 2002-12-04 | Yamaha Corp | 車載型有機汚染物質測定装置およびこれを用いた有機汚染物質の測定方法 |
CA2454508A1 (fr) * | 2004-01-19 | 2005-07-19 | Rene Noel | Systeme portable de detection et de gestion du trafic routier et des conditions climatiques |
US7603138B2 (en) * | 2005-08-22 | 2009-10-13 | Toshiba American Research, Inc. | Environmental monitoring using mobile devices and network information server |
CN1821779A (zh) * | 2006-03-20 | 2006-08-23 | 中山大学 | 一种空气质量监测和控制系统 |
JP2008170415A (ja) * | 2007-07-11 | 2008-07-24 | Earth Watch Corp | 環境測定システム |
CN101266273B (zh) * | 2008-05-12 | 2010-11-24 | 徐立军 | 一种多传感器系统故障自诊断方法 |
EP2199790A1 (en) * | 2008-12-19 | 2010-06-23 | Duvas Technologies Limited | System and apparatus for measurement and mapping of pollutants |
CN102428377B (zh) * | 2009-05-12 | 2015-08-12 | 赛默飞世尔科技有限公司 | 颗粒检测与传感器的校准 |
CA2681681A1 (en) * | 2009-10-06 | 2010-06-08 | Colin Irvin Wong | Mapping concentrations of airborne matter |
US8576069B2 (en) * | 2009-10-22 | 2013-11-05 | Siemens Corporation | Mobile sensing for road safety, traffic management, and road maintenance |
US8325061B2 (en) * | 2010-01-07 | 2012-12-04 | Emilcott Associates, Inc. | System and method for mobile environmental measurements and displays |
CN102289656B (zh) * | 2011-05-11 | 2013-03-27 | 苏州两江科技有限公司 | 一种测算交通流对于城市污染影响的方法 |
CN102313793B (zh) * | 2011-09-07 | 2014-03-05 | 中国环境科学研究院 | 一种化工园区空气中多组分气体污染物的监控系统 |
CN102496279B (zh) * | 2011-12-12 | 2014-04-16 | 北京世纪高通科技有限公司 | 浮动车系统配置方法及装置 |
ITMO20120222A1 (it) * | 2012-09-20 | 2014-03-21 | C R D Ct Ricerche Ducati Trent O S R L | Sistema e metodo per il monitoraggio dell'inquinamento atmosferico |
CN103969701B (zh) * | 2013-01-31 | 2016-09-28 | 上海飞田通信技术有限公司 | 城市全区域空气质量实时监测系统及方法 |
WO2015185594A1 (en) * | 2014-06-04 | 2015-12-10 | Cuende Infometrics, S.A. | System and method for measuring the real traffic flow of an area |
CN104091375A (zh) * | 2014-06-08 | 2014-10-08 | 山东天海科技股份有限公司 | 基于北斗定位系统的车联网监控系统 |
CN104033999B (zh) * | 2014-06-18 | 2017-02-15 | 南京清车电气科技有限公司 | 一种基于车联网的汽车动态智能大气pm2.5净化系统 |
CN104028070B (zh) * | 2014-06-18 | 2016-08-17 | 南京清车电气科技有限公司 | 一种基于车辆的动态智能大气pm2.5净化系统 |
US20170276658A1 (en) * | 2014-08-20 | 2017-09-28 | Airtraff Di Mauro Zilio | Station for the integrated monitoring of environment and traffic |
CN204142706U (zh) * | 2014-09-23 | 2015-02-04 | 山东省分析测试中心 | 基于城市公交网的大气监测系统 |
CN104215744A (zh) * | 2014-09-23 | 2014-12-17 | 山东省分析测试中心 | 基于城市公交网的大气监测系统及方法 |
CN105784552B (zh) * | 2014-12-24 | 2019-08-06 | 周志斌 | 颗粒物浓度检测方法 |
CN104656658B (zh) * | 2015-01-19 | 2018-03-23 | 环境保护部卫星环境应用中心 | 基于无人机的大气排污遥感监测方法及系统 |
CN104809871B (zh) * | 2015-04-10 | 2017-05-03 | 安徽四创电子股份有限公司 | 一种基于gps的不同种类联网车辆数据补偿方法 |
CN104835099B (zh) * | 2015-04-29 | 2018-01-30 | 中国科学技术大学 | 一种城市路网机动车尾气实时遥感监测基址选取方法 |
CN104849415B (zh) * | 2015-06-11 | 2016-11-23 | 刘国宝 | 基于北斗定位的空气污染监控系统 |
CN105043401B (zh) * | 2015-07-14 | 2018-04-03 | 南京理工大学 | 基于浮动车法的城市健康出行规划方法及系统 |
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 |
CN105206056B (zh) * | 2015-09-25 | 2017-06-16 | 珠海高凌信息科技有限公司 | 道路交通污染源智能预测方法及系统 |
US10317243B2 (en) * | 2015-10-15 | 2019-06-11 | Intertrust Technologies Corporation | Sensor information management systems and methods |
CN105300862B (zh) * | 2015-11-13 | 2018-08-28 | 金陵科技学院 | 基于云处理车载移动大气颗粒污染物的环境检测方法及系统 |
CN105357402B (zh) * | 2015-11-27 | 2019-07-30 | 努比亚技术有限公司 | 一种压力传感器的低功耗管理方法及移动终端 |
US9766220B2 (en) * | 2016-02-08 | 2017-09-19 | International Business Machines Corporation | Leveraging air/water current variability for sensor network verification and source localization |
CN105740643B (zh) * | 2016-03-15 | 2018-08-07 | 杭州电子科技大学 | 一种基于城市区域网格自适应的pm2.5浓度推测方法 |
JP2018017586A (ja) * | 2016-07-27 | 2018-02-01 | 清水建設株式会社 | 環境計測システムおよび環境計測方法 |
CN206002136U (zh) * | 2016-08-03 | 2017-03-08 | 安徽中涣防务装备技术股份有限公司 | 一种道路环境综合监测车 |
US11940318B2 (en) * | 2016-09-27 | 2024-03-26 | Baker Hughes Energy Technology UK Limited | Method for detection and isolation of faulty sensors |
US11047839B2 (en) * | 2016-11-16 | 2021-06-29 | TricornTech Taiwan | Smart sensing network |
CN106535253B (zh) * | 2016-11-23 | 2019-10-25 | 北京必创科技股份有限公司 | 一种无线数据动态采集和传输方法 |
CN106845371B (zh) * | 2016-12-31 | 2019-10-25 | 中国科学技术大学 | 一种城市路网机动车尾气排放遥感监控系统 |
CN106529608B (zh) * | 2016-12-31 | 2019-06-11 | 中国科学技术大学 | 一种机动车尾气遥测设备综合布点系统 |
CN106781494B (zh) * | 2016-12-31 | 2019-06-21 | 中国科学技术大学 | 一种基于车辆轨迹与流量的机动车尾气遥测设备布点方法 |
CN106650159A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种城市路网大气污染物浓度时空分布实时监测系统 |
CN206294352U (zh) * | 2017-01-05 | 2017-06-30 | 安徽理工大学 | 基于LoRa技术的大气环境监测系统 |
CN106841525A (zh) * | 2017-01-22 | 2017-06-13 | 上海市环境监测中心 | 一种工业区大气特征污染在线监控系统构建的方法 |
JP6697686B2 (ja) * | 2017-02-28 | 2020-05-27 | パナソニックIpマネジメント株式会社 | 管理装置と、管理装置の制御方法 |
CN106908571A (zh) * | 2017-03-06 | 2017-06-30 | 安徽科创中光科技有限公司 | 一种智能城市大气环境遥感系统 |
CN106950334B (zh) * | 2017-03-06 | 2019-10-18 | 同济大学 | 一种空间分布式城市空气环境质量的移动监测系统 |
CN207588913U (zh) * | 2017-03-15 | 2018-07-06 | 同济大学 | 一种分布式城市空气环境质量的地面移动监测装置 |
US10373490B2 (en) * | 2017-04-10 | 2019-08-06 | Bitsensing Inc. | Real-time traffic information collection |
CN106950887A (zh) * | 2017-04-20 | 2017-07-14 | 苏州华业检测技术服务有限公司 | 一种车辆排放污染物远程监控系统 |
CN107295066A (zh) * | 2017-05-23 | 2017-10-24 | 安徽中科中涣防务装备技术有限公司 | 一种快速安装便携式道路环境综合监测系统及监测方法 |
CN107451100A (zh) * | 2017-07-13 | 2017-12-08 | 南京信息工程大学 | 一种大气污染物浓度观测系统及其观测方法 |
CN107219157A (zh) * | 2017-07-29 | 2017-09-29 | 山东诺方电子科技有限公司 | 一种利用社会车辆进行大气颗粒物监测系统 |
CN107393273A (zh) * | 2017-08-16 | 2017-11-24 | 杭州市环境保护科学研究院 | 用于实时显示道路空气环境质量污染水平的移动监测系统 |
CN207164984U (zh) * | 2017-08-16 | 2018-03-30 | 杭州市环境保护科学研究院 | 用于实时显示道路空气环境质量污染水平的移动监测系统 |
CN107340212A (zh) * | 2017-08-18 | 2017-11-10 | 山东诺方电子科技有限公司 | 一种基于出租车顶灯的大气颗粒物在线监测设备 |
CN207051153U (zh) * | 2017-08-18 | 2018-02-27 | 山东诺方电子科技有限公司 | 一种基于出租车顶灯的大气颗粒物在线监测设备 |
EP3629261A1 (en) * | 2018-09-26 | 2020-04-01 | Valeo Systemes Thermiques-THS | A computer-implemented method and a system for calibration of vehicle pollution sensors in a vehicle air quality system |
-
2017
- 2017-07-29 CN CN201710634492.3A patent/CN107219157A/zh active Pending
-
2018
- 2018-07-25 CN CN201880049945.9A patent/CN112437876B/zh active Active
- 2018-07-25 WO PCT/IB2018/055525 patent/WO2019025906A1/zh active Application Filing
-
2019
- 2019-01-31 GB GB2111940.9A patent/GB2594223B/en active Active
- 2019-01-31 WO PCT/CN2019/074042 patent/WO2019210721A1/zh unknown
- 2019-01-31 GB GB2111941.7A patent/GB2594224B/en active Active
- 2019-01-31 CN CN201980003739.9A patent/CN111033221B/zh active Active
- 2019-01-31 NO NO20210238A patent/NO20210238A1/en unknown
- 2019-01-31 WO PCT/CN2019/074043 patent/WO2019210722A1/zh unknown
- 2019-01-31 GB GB2012917.7A patent/GB2587708B/en active Active
- 2019-01-31 CN CN201980003740.1A patent/CN111295572B/zh active Active
- 2019-01-31 WO PCT/CN2019/074044 patent/WO2019210723A1/zh unknown
- 2019-01-31 NO NO20210239A patent/NO20210239A1/en unknown
- 2019-01-31 GB GB2012918.5A patent/GB2586540B/en active Active
- 2019-01-31 CN CN201980003749.2A patent/CN111295579B/zh active Active
- 2019-07-25 GB GBGB2102430.2A patent/GB202102430D0/en not_active Ceased
- 2019-07-25 WO PCT/CN2019/097592 patent/WO2020020258A1/zh active Application Filing
- 2019-07-25 WO PCT/CN2019/097594 patent/WO2020020260A1/zh active Application Filing
- 2019-07-25 WO PCT/CN2019/097590 patent/WO2020020256A1/zh active Application Filing
- 2019-07-25 NO NO20210241A patent/NO20210241A1/en not_active Application Discontinuation
- 2019-07-25 CN CN201980043011.9A patent/CN112334754B/zh active Active
- 2019-07-25 NO NO20210246A patent/NO20210246A1/en not_active Application Discontinuation
- 2019-07-25 NO NO20210244A patent/NO20210244A1/en not_active Application Discontinuation
- 2019-07-25 GB GB2102609.1A patent/GB2599747B/en active Active
- 2019-07-25 CN CN201980042791.5A patent/CN112654851B/zh active Active
- 2019-07-25 CN CN201980043012.3A patent/CN112368563B/zh active Active
- 2019-07-25 CN CN201980042987.4A patent/CN112703384B/zh active Active
- 2019-07-25 NO NO20210247A patent/NO20210247A1/en not_active Application Discontinuation
- 2019-07-25 WO PCT/CN2019/097591 patent/WO2020020257A1/zh active Application Filing
- 2019-07-25 GB GBGB2102429.4A patent/GB202102429D0/en not_active Ceased
- 2019-07-25 NO NO20210245A patent/NO20210245A1/en not_active Application Discontinuation
- 2019-07-25 GB GB2102608.3A patent/GB2600183A/en active Pending
- 2019-07-25 GB GBGB2102427.8A patent/GB202102427D0/en not_active Ceased
- 2019-07-25 CN CN201980043006.8A patent/CN112639439B/zh active Active
- 2019-07-25 GB GBGB2102431.0A patent/GB202102431D0/en not_active Ceased
- 2019-07-25 NO NO20210242A patent/NO20210242A1/en not_active Application Discontinuation
- 2019-07-25 CN CN201980043485.3A patent/CN112352147B/zh active Active
- 2019-07-25 WO PCT/CN2019/097595 patent/WO2020020261A1/zh active Application Filing
- 2019-07-25 WO PCT/CN2019/097593 patent/WO2020020259A1/zh active Application Filing
-
2021
- 2021-01-25 US US17/156,667 patent/US20210140930A1/en not_active Abandoned
- 2021-01-25 US US17/156,676 patent/US20210164952A1/en not_active Abandoned
- 2021-01-25 US US17/156,669 patent/US11726072B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1113268A1 (en) * | 1999-12-31 | 2001-07-04 | Moretti & Carpita S.n.c. | Method and apparatus for air quality monitoring in a predetermined geographical area |
CN103196674A (zh) * | 2013-03-18 | 2013-07-10 | 中国汽车技术研究中心 | 一种海拔环境下车辆试验环境信息采集系统 |
CN106644862A (zh) * | 2016-09-12 | 2017-05-10 | 济南诺方电子技术有限公司 | 一种传感器、基于该传感器的监测站及监测站的监测方法 |
CN106644851A (zh) * | 2017-03-10 | 2017-05-10 | 南京云趟信息技术有限公司 | 一种具有扬尘检测功能的工程车系统 |
Non-Patent Citations (2)
Title |
---|
Tingting Xu. Ship Trajectory Online Prediction Based on BP Neural Network Algorithm, Information Technology.《Computer Engineering and Management Sciences》.2011,全文. * |
范庭芳.基于数据融合的餐饮油烟浓度实时监测系统设计.《信息科技》.2016,全文. * |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112437876B (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
US20210148879A1 (en) | Device for high-coverage monitoring of vehicle interior air quality | |
CN103280106B (zh) | 用于监视行驶状况的系统和方法 |
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 |