CN113990508A - 一种基于手机app的个体空气污染暴露精确评估方法 - Google Patents
一种基于手机app的个体空气污染暴露精确评估方法 Download PDFInfo
- Publication number
- CN113990508A CN113990508A CN202111348843.7A CN202111348843A CN113990508A CN 113990508 A CN113990508 A CN 113990508A CN 202111348843 A CN202111348843 A CN 202111348843A CN 113990508 A CN113990508 A CN 113990508A
- Authority
- CN
- China
- Prior art keywords
- air pollution
- exposure
- subject
- time
- mobile phone
- 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
- 238000003915 air pollution Methods 0.000 title claims abstract description 89
- 238000011156 evaluation Methods 0.000 title abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000011160 research Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 20
- 239000000809 air pollutant Substances 0.000 claims description 12
- 231100001243 air pollutant Toxicity 0.000 claims description 11
- 239000000356 contaminant Substances 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 3
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 3
- 231100000719 pollutant Toxicity 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 230000003068 static effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 231100000727 exposure assessment Toxicity 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 101001006370 Actinobacillus suis Hemolysin Proteins 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000005183 environmental health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/60—Healthcare; Welfare
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L61/00—Network arrangements, protocols or services for addressing or naming
- H04L61/35—Network arrangements, protocols or services for addressing or naming involving non-standard use of addresses for implementing network functionalities, e.g. coding subscription information within the address or functional addressing, i.e. assigning an address to a function
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/72406—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by software upgrading or downloading
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72457—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to geographic location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/06—Authentication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Biomedical Technology (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Toxicology (AREA)
- Bioethics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于手机APP的个体空气污染暴露精确评估方法,根据受试对象实时活动轨迹打点信息和研究区域内监测站点空气污染浓度数据,构建位置与空气污染浓度之间的插值模型,并计算特定时段的平均值,运用高精度的环境模型较为准确的获得受试对象在研究期间的平均空气污染物暴露水平,实施成本较低,且不受研究对象的限制,适用于长期、大规模区域的个体空气污染物暴露评估;相对于采用便携式测量仪器的个体暴露评价方法,本发明克服了实地监测的困难,节省了大量人力物力;而相对于以往基于空气监测站点的区域大范围的人群环境暴露评价,本发明实现了从静态监测到时空技术的转变,并可精确评价个体的暴露水平。
Description
技术领域
本发明涉及空气污染暴露监测与健康风险评估领域,尤其涉及的是一种基于实时活动轨迹监测APP的个体空气污染暴露精确评估方法。
背景技术
近年来,随着城市化进程的不断推进,很多城市的空气污染日益严重;作为世界上最重要的环境健康风险因素之一,城市环境的空气质量变化也受到了人们广泛的关注;空气污染会导致死亡率或严重疾病的增加,对人类健康存在一定程度的危害;例如,空气污染物可通过口、鼻、皮肤接触等进入人体,进而损害人体的呼吸、心血管、神经等系统;据不完全统计,全球每年有超过300万人的死亡可归因于空气污染。
从健康风险评估角度看,人群健康防护的基础是了解自身的暴露情况,进而采取有针对性的措施,而个体空气污染暴露情况的评估则依赖于暴露评价方法和暴露测量技术;暴露评价是对人群暴露于环境介质中有害因子的强度、频率、时间、暴露的途径和方式进行测量、估算或预测的过程,是进行健康风险评价的定量依据;目前针对个体的大气污染暴露评价方法,其优点是可以精确到个人的行为活动及环境暴露情况,相对于环境暴露评价精度较高;但是这种方法对于个体监测设备及技术创新要求较高,且仪器和实施的成本较高,不适用于长期和大规模区域的空气污染物暴露评估。
因此,现有技术尚有待改进和发展。
发明内容
为解决上述技术问题,本发明提供一种基于手机APP的个体空气污染暴露精确评估方法,实施成本低,且不受研究对象的限制,适用于长期、大规模区域的个体空气污染物暴露评估。
本发明的技术方案如下:一种基于手机APP的个体空气污染暴露精确评估方法,包括以下步骤:
A、选取研究区域和符合要求的受试对象,为受试对象随身携带的智能手机安装相关APP,并指引其注册和绑定账户,以及实名认证后完善个人基本信息;
B、从受试对象接受第一次调查时开始直到研究结束,实时收集其随身携带的智能手机的相关APP反馈回来的连续的活动轨迹打点信息,并通过正向地理编码,将该受试对象活动轨迹打点信息转换为对应的经纬度数据;
C、同步不间断地收集所选取的研究区域及其地理边界预设经纬度范围内所有大气环境监测国控站点发布的空气污染浓度数据,以此获得该研究区域内的空气污染物浓度的时间和空间分布;
D、根据步骤B中获得的受试对象实时活动轨迹打点信息和步骤C中获得的监测站点空气污染浓度数据,构建位置与空气污染浓度之间的插值模型,以此获得该受试对象在该时点的空气污染暴露值;
E、根据步骤D中获得的受试对象的连续的空气污染暴露值,计算特定时段的平均值,并以此来代表受试对象在该时段的空气污染物平均暴露水平。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤A选取的研究区域覆盖受试对象在参与研究期间所途经的地点以及所停留的地点。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤B中的正向地理编码通过第三方地图软件的开放平台获取API,并借助R语言软件的“amapR”等程序包进行相关数据编码。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤B中的活动轨迹打点的时间分辨率为D,D≤30min;且所述步骤C中所选取的研究区域地理边界预设经纬度范围为0.1°×0.1°。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤D中的插值模型在构建时采用反距离加权插值模型。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤D中的插值模型在构建时采用克里金插值模型。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤D中的插值模型在构建时采用样条曲线插值模型。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤E中计算受试对象在该时段的空气污染物平均暴露水平所用公式为:;其中,I代表受试对象的唯一指定编号,t代表待求取污染物平均浓度的指定的时间区间,i代表t时段内任意时点,N代表t时间段内获得的各种空气污染物数据所对应时点的总个数,E(I t )是第I个受试对象在t时间段内的各种空气污染物平均暴露水平,E(I i )是第I个受试对象在i时间点各种空气污染物的平均暴露值。
所述的基于手机APP的个体空气污染暴露精确评估方法,其中:所述步骤E中,个体的臭氧O3日平均暴露水平通过求取一天内8h的最大平均浓度获得,CO,NO2,SO2,PM2.5和PM10污染物的日平均暴露水平通过求取该天的平均值获得。
本发明所提供的一种基于手机APP的个体空气污染暴露精确评估方法,由于采用了受试对象的智能手机中安装的相关APP(例如“空气精灵”),通过实时的活动轨迹监测和监测站点空气污染数据的匹配,运用高精度的环境模型较为准确的获得受试对象在研究期间的平均空气污染物暴露水平,实施成本较低,且不受研究对象的限制,适用于长期、大规模区域的个体空气污染物暴露评估;相对于采用便携式测量仪器的个体暴露评价方法,本发明克服了实地监测的困难,节省了大量人力物力;而相对于以往基于空气监测站点的区域大范围的人群环境暴露评价,本发明实现了从静态监测到时空技术的转变,并可精确评价个体的暴露水平。
附图说明
在此描述的附图仅用于解释目的,而非意图以任何方式来限制本发明公开的范围;图中各部件的形状和比例尺寸等仅为示意性的,用于帮助对本发明的理解,并非是具体限定本发明各部件的形状和比例尺寸;本领域的技术人员在本发明的教导下,可以根据具体情况选择各种可能的形状和比例尺寸来实施本发明。
图1是本发明基于手机APP的个体空气污染暴露精确评估方法的流程图;
图2是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的用户APP端的UI界面示意图;
图3是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的管理后台PC端的空气监控记录数据导出示意图;
图4是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的管理后台PC端的活动轨迹信息示意图。
具体实施方式
以下将结合附图,对本发明的具体实施方式和实施例加以详细说明,所描述的具体实施例仅用以解释本发明,并非用于限定本发明的具体实施方式。
如图1所示,图1是本发明基于手机APP的个体空气污染暴露精确评估方法的流程图,本发明基于手机APP的个体空气污染暴露精确评估方法应用在空气污染监测平台中,该空气污染监测平台由用户APP端和管理后台PC端组成,以在用户随身携带的智能手机安装“空气精灵”APP作为用户APP端为例;该个体空气污染暴露精确评估方法具体包括以下步骤:
步骤S110、空气污染监测平台选取研究区域和受试对象;包括该研究区域内所选取的符合要求的受试对象在接受第一次调查时,为其随身携带的智能手机安装“空气精灵”APP,并指引其注册和绑定账户,以及实名认证后完善个人基本信息;
步骤S120、数据收集;从受试对象接受第一次调查时开始直到研究结束,管理后台PC端实时收集其随身携带的智能手机的“空气精灵”APP(即用户APP端)反馈回来的连续的活动轨迹打点信息,包括受试对象在连续时点的动态位置变化信息,内含对应的空间和时间数据;其中,活动轨迹打点的时间分辨率为D,D≤30min,通过正向地理编码,将该受试对象活动轨迹打点信息转换为对应的经纬度数据;
步骤S130、在整个研究期间,管理后台PC端同步不间断地收集所选取的研究区域及其地理边界0.1°×0.1°经纬度范围内所有大气环境监测国控站点发布的空气污染浓度数据,以此获得该研究区域内的空气污染物浓度的时间和空间分布;例如,受试对象所在区域及其边界0.1°×0.1°范围内所有大气环境监测国控站点逐小时发布的CO,NO2,SO2,PM2.5,PM10和O3的空气污染浓度,以及各站点的经纬度等位置信息,都可通过中国环境监测总站官网http://www.cnemc.cn/获得。
步骤S140、管理后台PC端根据步骤S120中获得的受试对象实时活动轨迹打点信息和步骤S130中获得的监测站点空气污染浓度数据,构建位置与空气污染浓度之间的插值模型,以此获得该受试对象在该时点的空气污染暴露值;
步骤S150、管理后台PC端根据步骤S140中获得的受试对象的连续的空气污染暴露值,计算特定时段的平均值,并以此来代表受试对象在该时段的空气污染物平均暴露水平。
在本发明基于手机APP的个体空气污染暴露精确评估方法的具体实施方式中,较好的是,所述步骤S110选取的研究区域覆盖受试对象在参与研究期间所途经的地点以及所停留的地点,以进一步提高评估方法的准确度。
较好的是,所述步骤S120中的正向地理编码可通过百度地图、高德地图等第三方地图软件的开放平台获取API,并借助R语言软件的“amapR”等程序包进行相关数据编码,利用百度地图、高德地图等第三方地图软件可以更加直观地反映出受试对象的日常活动轨迹打点信息。
较好的是,所述步骤S140中,既可以借用反距离加权插值模型IDW构建位置与空气污染浓度之间的插值模型,也可以借用克里金插值模型Kriging构建位置与空气污染浓度之间的插值模型,还可以借用条曲线插值模型Splines构建位置与空气污染浓度之间的插值模型;这些暴露插值方法都可以不同程度地提高个体空气污染暴露精确评估方法的准确性和精度。
较好的是,所述步骤S150中,计算受试对象在该时段的空气污染物平均暴露水平所用公式为:;其中,I代表受试对象的唯一指定编号,t代表待求取污染物平均浓度的指定的时间区间,i代表t时段内任意时点,N代表t时间段内获得的各种空气污染物数据所对应时点的总个数,E(I t )是第I个受试对象在t时间段内的各种空气污染物平均暴露水平,E(I i )是第I个受试对象在i时间点各种空气污染物的平均暴露值。
较好的是,所述步骤S150中,个体的臭氧O3日平均暴露水平可通过求取一天内8h的最大平均浓度获得,CO,NO2,SO2,PM2.5和PM10污染物的日平均暴露水平通过求取该天的平均值E(I t )获得。
下面以随机选取一位居住地址在广州市监测站附近的受试对象为例,在其事先已知晓本研究并同意在其随身携带的智能手机中安装“空气精灵”APP的情况下,指引其注册和绑定账户,以及实名认证后完善个人基本信息。
结合图2所示,图2是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的用户APP端的UI界面示意图,在图2中,管理后台PC端可以将受试对象所在区域内所有大气环境监测国控站点逐小时发布的CO,NO2,SO2,PM2.5,PM10和O3的空气污染浓度数据发送到受试对象随身携带的智能手机中安装“空气精灵”APP中,以将受试对象所在区域的空气污染情况实时展示给该受试对象。
结合图3所示,图3是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的管理后台PC端的空气监控记录数据导出示意图,在管理后台PC端的用户管理页面上,可清楚完整地查询到该受试对象在某个特定时段的活动轨迹信息。
结合图4所示,图4是本发明基于手机APP的个体空气污染暴露精确评估方法所用空气污染监测平台的管理后台PC端的活动轨迹信息示意图,经过正向地理编码之后,将该受试对象某天的活动轨迹信息以图形的形式展示在研究区域的地图上,受试对象在2021年9月14日全天24小时的位置信息,每30分钟打点一次,共48个时点,起始点A1,终止点A48。
例如,当受试对象行进到图4中的五角星处的时点,以该五角星为中心,0.1°经纬度为直径画一个圆,结合该圆范围内有五个大气环境监测国控站点Site1~5(Site6位于该圆范围之外),根据每个大气环境监测国控站点与五角星之间的距离,借用反距离加权插值模型IDW构建位置与空气污染浓度之间的插值模型,进而获得受试对象I所处时点i的各种空气污染物浓度信息E(I i );而重复本步骤,就可获得该受试对象2021年9月14日当天t时间段所有时点的空气污染物浓度E(I t ),并得到连续的空气污染暴露值。
可见,本发明基于手机APP的个体空气污染暴露精确评估方法并不需要构建用户的OD数据和出行路径数据;而且可以单独计算用户任何一个时点的暴露值,由此做到更加精准的个体暴露评估。
本说明书中未作详细描述的内容均属于本领域普通技术人员公知的现有技术。
应当理解的是,以上所述仅为本发明的较佳实施例而已,并不足以限制本发明的技术方案,对本领域普通技术人员来说,在本发明的精神和原则之内,可以根据上述说明加以增减、替换、变换或改进,而所有这些增减、替换、变换或改进后的技术方案,都应属于本发明所附权利要求的保护范围。
Claims (9)
1.一种基于手机APP的个体空气污染暴露精确评估方法,其特征在于,包括以下步骤:
A、选取研究区域和符合要求的受试对象,为受试对象随身携带的智能手机安装相关APP,并指引其注册和绑定账户,以及实名认证后完善个人基本信息;
B、从受试对象接受第一次调查时开始直到研究结束,实时收集其随身携带的智能手机的相关APP反馈回来的连续的活动轨迹打点信息,并通过正向地理编码,将该受试对象活动轨迹打点信息转换为对应的经纬度数据;
C、同步不间断地收集所选取的研究区域及其地理边界预设经纬度范围内所有大气环境监测国控站点发布的空气污染浓度数据,以此获得该研究区域内的空气污染物浓度的时间和空间分布;
D、根据步骤B中获得的受试对象实时活动轨迹打点信息和步骤C中获得的监测站点空气污染浓度数据,构建位置与空气污染浓度之间的插值模型,以此获得该受试对象在该时点的空气污染暴露值;
E、根据步骤D中获得的受试对象的连续的空气污染暴露值,计算特定时段的平均值,并以此来代表受试对象在该时段的空气污染物平均暴露水平。
2.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤A选取的研究区域覆盖受试对象在参与研究期间所途经的地点以及所停留的地点。
3.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤B中的正向地理编码通过第三方地图软件的开放平台获取API,并借助R语言软件的“amapR”等程序包进行相关数据编码。
4.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤B中的活动轨迹打点的时间分辨率为D,D≤30min;且所述步骤C中所选取的研究区域地理边界预设经纬度范围为0.1°×0.1°。
5.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤D中的插值模型在构建时采用反距离加权插值模型。
6.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤D中的插值模型在构建时采用克里金插值模型。
7.根据权利要求1所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤D中的插值模型在构建时采用样条曲线插值模型。
9.根据权利要求8所述的基于手机APP的个体空气污染暴露精确评估方法,其特征在于:所述步骤E中,个体的臭氧O3日平均暴露水平通过求取一天内8h的最大平均浓度获得,CO,NO2,SO2,PM2.5和PM10污染物的日平均暴露水平通过求取该天的平均值获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111348843.7A CN113990508A (zh) | 2021-11-15 | 2021-11-15 | 一种基于手机app的个体空气污染暴露精确评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111348843.7A CN113990508A (zh) | 2021-11-15 | 2021-11-15 | 一种基于手机app的个体空气污染暴露精确评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113990508A true CN113990508A (zh) | 2022-01-28 |
Family
ID=79748561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111348843.7A Pending CN113990508A (zh) | 2021-11-15 | 2021-11-15 | 一种基于手机app的个体空气污染暴露精确评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113990508A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030949A (zh) * | 2023-09-27 | 2023-11-10 | 北京德众国良环保科技有限公司 | 一种识别不同污染物种类的精准调控方法及系统 |
CN117423005A (zh) * | 2023-12-19 | 2024-01-19 | 上海科泽智慧环境科技有限公司 | 一种锁定污染源的水质在线监测系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320805A (zh) * | 2018-03-14 | 2018-07-24 | 中南大学 | 一种公众空气污染暴露风险测量指数计算方法 |
CN109034624A (zh) * | 2018-07-28 | 2018-12-18 | 华中科技大学 | 一种基于位置服务数据的城市空气污染暴露评估方法 |
-
2021
- 2021-11-15 CN CN202111348843.7A patent/CN113990508A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108320805A (zh) * | 2018-03-14 | 2018-07-24 | 中南大学 | 一种公众空气污染暴露风险测量指数计算方法 |
CN109034624A (zh) * | 2018-07-28 | 2018-12-18 | 华中科技大学 | 一种基于位置服务数据的城市空气污染暴露评估方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030949A (zh) * | 2023-09-27 | 2023-11-10 | 北京德众国良环保科技有限公司 | 一种识别不同污染物种类的精准调控方法及系统 |
CN117030949B (zh) * | 2023-09-27 | 2023-12-08 | 北京德众国良环保科技有限公司 | 一种识别不同污染物种类的精准调控方法及系统 |
CN117423005A (zh) * | 2023-12-19 | 2024-01-19 | 上海科泽智慧环境科技有限公司 | 一种锁定污染源的水质在线监测系统及方法 |
CN117423005B (zh) * | 2023-12-19 | 2024-02-27 | 上海科泽智慧环境科技有限公司 | 一种锁定污染源的水质在线监测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ott | Concepts of human exposure to air pollution | |
Lefebvre et al. | Evaluation of the RIO-IFDM-street canyon model chain | |
Hasenfratz et al. | Pushing the spatio-temporal resolution limit of urban air pollution maps | |
Aumond et al. | A study of the accuracy of mobile technology for measuring urban noise pollution in large scale participatory sensing campaigns | |
CN113990508A (zh) | 一种基于手机app的个体空气污染暴露精确评估方法 | |
CN110598953A (zh) | 一种时空相关的空气质量预测方法 | |
Ivy et al. | Development of ambient air quality population-weighted metrics for use in time-series health studies | |
CN105117610B (zh) | 一种基于时空特征的实时估算细颗粒物浓度的方法 | |
CN112163375B (zh) | 一种基于神经网络的长时间序列近地面臭氧反演方法 | |
Castell et al. | Real-world application of new sensor technologies for air quality monitoring | |
Dons et al. | Implementation and validation of a modeling framework to assess personal exposure to black carbon | |
CN110766257A (zh) | 一种评估人群空气污染物短期暴露浓度的方法 | |
CN109034624B (zh) | 一种基于位置服务数据的城市空气污染暴露评估方法 | |
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 | |
Yu et al. | Spatiotemporal distributions of ambient oxides of nitrogen, with implications for exposure inequality and urban design | |
CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
Pan et al. | Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China | |
Koulidis et al. | Air quality levels in the vicinity of three major Greek airports | |
Demirbas et al. | imap: Indirect measurement of air pollution with cellphones | |
CN116402408A (zh) | 一种基于站点浓度差异的本外地排放贡献估算方法 | |
Sartini et al. | From emissions to source allocation: Synergies and trade-offs between top-down and bottom-up information | |
Schmitz et al. | Calibrating low-cost sensors to measure vertical and horizontal gradients of NO2 and O3 pollution in three street canyons in Berlin | |
Herts et al. | Cloud service ThingSpeak for monitoring the surface layer of the atmosphere polluted by particulate matters | |
CN107766296B (zh) | 评价道路交通特征对可吸入颗粒物排放浓度影响的方法 | |
CN112257354B (zh) | 一种动态风场条件下的空气污染源逆向定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220128 |