CN116340768A - 一种智能化道路积尘负荷监测方法及监测装置 - Google Patents
一种智能化道路积尘负荷监测方法及监测装置 Download PDFInfo
- Publication number
- CN116340768A CN116340768A CN202310174484.0A CN202310174484A CN116340768A CN 116340768 A CN116340768 A CN 116340768A CN 202310174484 A CN202310174484 A CN 202310174484A CN 116340768 A CN116340768 A CN 116340768A
- Authority
- CN
- China
- Prior art keywords
- dust
- actual
- load
- data
- monitoring
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 299
- 238000012544 monitoring process Methods 0.000 title claims abstract description 152
- 238000009825 accumulation Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012806 monitoring device Methods 0.000 title claims description 5
- 238000004140 cleaning Methods 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于环境监测技术领域,提供了一种智能化道路积尘负荷监测方法及监测装置。所述方法包括:获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型;获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;判断所述实际积尘负荷大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。本发明实现了道路积尘负荷的智能化获取监测,极大的降低了监测成本及监测复杂度。
Description
技术领域
本发明涉及环境监测技术领域,具体涉及一种智能化道路积尘负荷监测方法及监测装置。
背景技术
道路扬尘指路面积尘在一定的动力作用下被扬起混合,进而在空气中形成的颗粒状混合物。由于道路扬尘不但会造成视觉污染,影响人们正常出行;更会通过吸入式进入人们的身体,从而带来健康隐患。因此对道路扬尘进行有效监控具有重要的实际意义。
其中,道路积尘负荷是衡量道路扬尘的重要指标之一。目前,道路积尘负荷监测的方法主要集中为两种:一种为直接对积尘负荷进行直接监测;具体方式为:划定一个样本区域,然后通过人工或其他吸尘装置对该样本区域内的积尘进行收集,进而获得积尘负荷。另一种为对积尘负荷进行间接监测;具体方式为:获取走航设备在行驶过程中扬起的扬尘浓度,然后将该扬尘浓度输入特定模型再计算出待获取的积尘负荷。
由上述可见,现有的道路积尘负荷监测方法中,无论是直接监测还是间接监测,均需要进行实地监测。而随着城镇交通行业的发展,道路的数目也逐渐增加。进而对于这种实地监测,无论是在监测成本上,还监测复杂度上均存在各种不利。
发明内容
本发明目的在于提供一种智能化道路积尘负荷监测方法及监测装置,以改善现有道路积尘负荷监测中存在的监测成本高、监测复杂度大的技术问题。
为达成上述目的,本发明提出如下技术方案:
一种智能化道路积尘负荷监测方法,包括:
获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取;
基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型;
获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据;
判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
进一步的,所述发送预警信息至环境监测系统,并发送清尘信息至市政系统之前,包括:
获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷;其中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据;其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据;
判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
进一步的,所述判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测,包括:
判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据;
基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
进一步的,所述发送预警信息至环境监测系统,并发送清尘信息至市政系统之前,包括:
基于行政区域划分构建相应行政区域内的积尘分布图;其中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注;对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深;对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅;
发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
进一步的,包括:
获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据;
将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
一种智能化道路积尘负荷监测装置,包括:
样本获取模块,用于获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取;
模型获取模块,用于基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型;
实际监测模块,用于获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据;
第一判断模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
进一步的,包括:
预测监测模块,用于获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷;其中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据;其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据;
第二判断模块,用于判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
进一步的,包括:
图像获取模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据;
后处理模块,用于基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
进一步的,包括:
分布图构建模块,用于基于行政区域划分构建相应行政区域内的积尘分布图;其中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注;对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深;对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅;
信息发送模块,用于发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
进一步的,包括:
反馈监测模块,用于获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据;
反馈确认模块,用于将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
有益效果:
由以上技术方案可知,本发明的技术方案提供了一种新的智能化道路积尘负荷监测方法。发明人发现现有的道路积尘负荷监测中,无论是直接监测还是间接监测,均需要进行实地监测。而这种实地监测方式与道路交通发展速度间存在不匹配,进而造成监测成本高、监测复杂度大的缺陷。因此发明人目的在于涉及一种非实地监测方法以进行改善。
在整体构思上,所述方法将深度强化学习算法引入了监测过程,此时只需要对相应的监测模型进行训练优化,然后在远端即可通过相应数据的输入得到需要监测量。具体的,首先,获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本。其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取。其次,基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,此时即可得到目标监测模型。然后,获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷。本技术方案中,所述实际环境数据均也均通过远端获取,不用进行实地测量。其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据。最终,当判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
由此可见,本技术方案将深度强化学习技术与远端环境数据相结合的方式,使得不用进行任何实地测量即可获得道路积尘负荷。从而极大的降低了监测成本,并简化了监测复杂度;以适应道路交通的日益发展,满足实际监测需求。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1为本实施例所述的智能化道路积尘负荷监测方法的流程图;
图2为一种进行预警信息及清尘信息发送前预处理的流程图;
图3为进行积尘负荷预测并基于其进行预警信息及清尘信息发送处理的流程图;
图4为另一种进行清尘信息发送前预处理的流程图;
图5为进行清尘后道路积尘负荷的确认流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,除非上下文清楚地指明其它情况,否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件,并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
现有技术中,虽然有各类进行道路积尘负荷的监测方法,如通过直接获取局部区域的积尘负荷进行测定的方法,再如通过获取车量驶过时的扬尘浓度进而间接获取积尘负荷的监测方式。但现有的各类监测方式均需要基于实地监测进行,进而具有监测成本高、监测复杂度大的技术缺陷。基于此,本实施例旨在提供一种智能化道路积尘负荷监测方法以改善现有技术中存在的上述缺陷。
如图1所示,所述方法包括:
步骤S102、获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本。
本实施例中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取。
步骤S104、基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型。
由此可见,本实施例在进行目标监测模型获取时考虑到与道路积尘负荷密切相关的各因素;如影响积尘产生的市政建设因素,影响积尘积累、运动的气象因素。进而不再需要获取实地监测数据。此时,基于步骤S102~步骤S104即可获取目标监测模型以进行后续的道路积尘负荷监测。具体的,继续包括:
步骤S106、获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷。
本实施例中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据。在具体实施时,上述历史气象数据实际也包括这些项目。
步骤S108、判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
在具体实施时,所述预警信息用于提醒环境监测系统道路扬尘可能超出规格要求,所述清尘信息则用于提醒市政系统采取相应的积尘清理措施。
作为一种可以选择的实施方式,如图2所示,在步骤S108之前还包括:
步骤S107.2、基于行政区域划分构建相应行政区域内的积尘分布图。
本实施例中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注。具体的,对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深。对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅。
步骤S107.4、发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
此时,基于步骤S107.2~步骤S107.4,一方面通过积尘分布图的构建使环境监测系统和市政系统能更直观的清楚道路积尘负荷的分布情况;另一方面通过卫星导航系统的引入,为市政系统进行何时清尘提供了合理的建议。
作为一种优选的实施方式,为了提高预警信息及清尘信息生成发送的合理性,如图3所示,在步骤S108之后还包括:
步骤S110.2、获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷。
本实施例中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据。其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据;
步骤S110.4、判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
此时,在发送预警信息与清尘信息前,会先对预设时段后的积尘负荷进行获取,此时,若在后续市政建设发展及气象因素的作用下使积尘负荷自动降低,便不再需要进行相关预警信息、清尘信息发送。
作为另一种优选的实施方式,在部分情况下虽然积尘负荷不足以对人们的健康等造成影响,但仍会影响正常出行。因此如图4所示,在步骤S108时还包括:
步骤S108.2、判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据;
步骤S108.4、基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
此时,在深度强化学习算法中继续引入了图像处理算法,以对路面状态进行进一步判断,并当积尘负荷符合要求但路面存在积泥状态时,提醒市政系统进行相应处理以提高行人及车辆出行的安全性。
作为进一步的实施方式,为了对清尘后的道路积尘负荷进行监控以确认是否满足积尘负荷要求,如图5所示,还包括:
步骤S202、获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据。
步骤S204、将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
上述程序可以运行在处理器中,或者也可以存储在存储器中(或称为计算机可读存储介质),计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体,如调制的数据信号和载波。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤,对应与不同的步骤可以通过不同的模块来实现。
本实施例还提供了一种智能化道路积尘负荷监测装置。所述装置包括:
样本获取模块,用于获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取。
模型获取模块,用于基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型。
实际监测模块,用于获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据。
第一判断模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
所述装置用于实现上述方法的步骤,因此已经进行说明的,在此不再赘述。
例如,所述装置还包括:
预测监测模块,用于获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷;其中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据;其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据。
第二判断模块,用于判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
例如,所述装置还包括:
图像获取模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据。
后处理模块,用于基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
再例如,所述装置还包括:
分布图构建模块,用于基于行政区域划分构建相应行政区域内的积尘分布图;其中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注;对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深;对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅。
信息发送模块,用于发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
再例如,所述装置还包括:
反馈监测模块,用于获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据。
反馈确认模块,用于将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
由于所述装置基于所述方法搭建,因此在实际应用时,也可有效降低道路积尘负荷监测的监测成本及监测复杂度,以满足当前实际道路积尘负荷监测的需求。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种智能化道路积尘负荷监测方法,其特征在于,包括:
获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取;
基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型;
获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据;
判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
2.根据权利要求1所述的智能化道路积尘负荷监测方法,其特征在于,所述发送预警信息至环境监测系统,并发送清尘信息至市政系统之前,包括:
获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷;其中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据;其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据;
判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
3.根据权利要求1所述的智能化道路积尘负荷监测方法,其特征在于,所述判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测,包括:
判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据;
基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
4.根据权利要求1所述的智能化道路积尘负荷监测方法,其特征在于,所述发送预警信息至环境监测系统,并发送清尘信息至市政系统之前,包括:
基于行政区域划分构建相应行政区域内的积尘分布图;其中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注;对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深;对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅;
发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
5.根据权利要求1所述的智能化道路积尘负荷监测方法,其特征在于,包括:
获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据;
将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
6.一种智能化道路积尘负荷监测装置,其特征在于,包括:
样本获取模块,用于获取若干典型场景下的典型环境数据,及与所述典型环境数据相应的历史积尘负荷以构建训练样本;其中,任一所述典型环境数据包括:基于市政数据库获取的历史市政建设数据,及同一时段下基于气象数据库获取的历史气象数据;所述历史积尘负荷基于同一时段下的环境监测数据库获取;
模型获取模块,用于基于所述训练样本对初始监测模型进行迭代训练,直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值,进而得到目标监测模型;
实际监测模块,用于获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷;其中,所述实际环境数据包括:基于市政建设实况获取的实际市政建设数据,基于气象卫星系统获取的实际气象数据;其中,所述实际气象数据包括:实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据;
第一判断模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,继续基于所述目标监测模型进行积尘负荷监测;反之,则发送预警信息至环境监测系统,并发送清尘信息至市政系统。
7.根据权利要求6所述的智能化道路积尘负荷监测装置,其特征在于,包括:
预测监测模块,用于获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷;其中,所述预测环境数据包括:基于市政建设规划获取的预定市政建设数据,基于气象卫星系统获取的预测气象数据;其中,所述预测气象数据包括:预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据;
第二判断模块,用于判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时,发送预警信息至环境监测系统,并发送清尘信息至市政系统。
8.根据权利要求6所述的智能化道路积尘负荷监测装置,其特征在于,包括:
图像获取模块,用于判断所述实际积尘负荷小于积尘负荷阈值时,基于定位卫星系统获取当前的路面图像数据;
后处理模块,用于基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时,发送清尘信息至市政系统。
9.根据权利要求6所述的智能化道路积尘负荷监测装置,其特征在于,包括:
分布图构建模块,用于基于行政区域划分构建相应行政区域内的积尘分布图;其中,所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注;对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越深;对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注,且实际积尘负荷与积尘负荷阈值间的差值越大,颜色越浅;
信息发送模块,用于发送所述积尘分布图及所述预警信息至环境监测系统;并基于卫星导航系统获取预设时间区域内的最小车流时段,发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。
10.根据权利要求6所述的智能化道路积尘负荷监测装置,其特征在于,包括:
反馈监测模块,用于获取市政系统的清尘反馈信息后,及时获取被清尘位置的实时环境数据;
反馈确认模块,用于将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷,进而确认所述实时积尘负荷已低于积尘负荷阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174484.0A CN116340768B (zh) | 2023-02-28 | 2023-02-28 | 一种智能化道路积尘负荷监测方法及监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310174484.0A CN116340768B (zh) | 2023-02-28 | 2023-02-28 | 一种智能化道路积尘负荷监测方法及监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116340768A true CN116340768A (zh) | 2023-06-27 |
CN116340768B CN116340768B (zh) | 2023-10-20 |
Family
ID=86890732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310174484.0A Active CN116340768B (zh) | 2023-02-28 | 2023-02-28 | 一种智能化道路积尘负荷监测方法及监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116340768B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884226A (zh) * | 2023-09-07 | 2023-10-13 | 山东金宇信息科技集团有限公司 | 一种用于道路维护的生态监控预警方法、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105381980A (zh) * | 2015-12-14 | 2016-03-09 | 陕西龙辉视频监控运行管理有限公司 | 一种高空电子设备自动灰尘检测及清洗车 |
US20200043324A1 (en) * | 2017-11-01 | 2020-02-06 | Tencent Technology (Shenzhen) Company Limited | Method for obtaining road condition information, apparatus thereof, and storage medium |
CN212160126U (zh) * | 2020-05-29 | 2020-12-15 | 珩信(洛阳)智能科技有限公司 | 一种微型气象与环境监测装置 |
CN112180470A (zh) * | 2020-08-11 | 2021-01-05 | 北京顺祥宏达电力设备有限公司 | 环境实时监测系统 |
CN112288192A (zh) * | 2020-11-23 | 2021-01-29 | 深圳市维度数据科技股份有限公司 | 一种环保监测预警方法及系统 |
WO2021051609A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 细颗粒物污染等级的预测方法、装置及计算机设备 |
CN112990024A (zh) * | 2021-03-18 | 2021-06-18 | 深圳博沃智慧科技有限公司 | 一种城市扬尘的监测方法 |
KR20210133070A (ko) * | 2020-04-28 | 2021-11-05 | (주)다빈치뷰 | 미세먼지 측정 시스템, 미세먼지 통합관리 시스템 및 통합관리 방법 |
CN214894715U (zh) * | 2021-05-06 | 2021-11-26 | 天津智易时代科技发展有限公司 | 一种车载式城市道路积尘负荷快速走航监测系统 |
CN113936260A (zh) * | 2021-11-22 | 2022-01-14 | 重庆广睿达科技有限公司 | 一种基于图像的道路扬尘动态监测方法及系统 |
CN114418179A (zh) * | 2021-12-14 | 2022-04-29 | 石家庄铁道大学 | 一种施工扬尘监测与预测方法、装置及系统 |
-
2023
- 2023-02-28 CN CN202310174484.0A patent/CN116340768B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105381980A (zh) * | 2015-12-14 | 2016-03-09 | 陕西龙辉视频监控运行管理有限公司 | 一种高空电子设备自动灰尘检测及清洗车 |
US20200043324A1 (en) * | 2017-11-01 | 2020-02-06 | Tencent Technology (Shenzhen) Company Limited | Method for obtaining road condition information, apparatus thereof, and storage medium |
WO2021051609A1 (zh) * | 2019-09-20 | 2021-03-25 | 平安科技(深圳)有限公司 | 细颗粒物污染等级的预测方法、装置及计算机设备 |
KR20210133070A (ko) * | 2020-04-28 | 2021-11-05 | (주)다빈치뷰 | 미세먼지 측정 시스템, 미세먼지 통합관리 시스템 및 통합관리 방법 |
CN212160126U (zh) * | 2020-05-29 | 2020-12-15 | 珩信(洛阳)智能科技有限公司 | 一种微型气象与环境监测装置 |
CN112180470A (zh) * | 2020-08-11 | 2021-01-05 | 北京顺祥宏达电力设备有限公司 | 环境实时监测系统 |
CN112288192A (zh) * | 2020-11-23 | 2021-01-29 | 深圳市维度数据科技股份有限公司 | 一种环保监测预警方法及系统 |
CN112990024A (zh) * | 2021-03-18 | 2021-06-18 | 深圳博沃智慧科技有限公司 | 一种城市扬尘的监测方法 |
CN214894715U (zh) * | 2021-05-06 | 2021-11-26 | 天津智易时代科技发展有限公司 | 一种车载式城市道路积尘负荷快速走航监测系统 |
CN113936260A (zh) * | 2021-11-22 | 2022-01-14 | 重庆广睿达科技有限公司 | 一种基于图像的道路扬尘动态监测方法及系统 |
CN114418179A (zh) * | 2021-12-14 | 2022-04-29 | 石家庄铁道大学 | 一种施工扬尘监测与预测方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
NICHOLAS P. WEBB 等: "Quantifying Anthropogenic Dust Emissions", 《OPEN ACCESS》, pages 286 - 295 * |
杨乃旺 等: "基于积尘负荷的西安市铺装道路扬尘排放研究", 《 环境科学学报》, vol. 41, no. 4, pages 1259 - 1266 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884226A (zh) * | 2023-09-07 | 2023-10-13 | 山东金宇信息科技集团有限公司 | 一种用于道路维护的生态监控预警方法、设备及介质 |
CN116884226B (zh) * | 2023-09-07 | 2023-11-21 | 山东金宇信息科技集团有限公司 | 一种用于道路维护的生态监控预警方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116340768B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018122801A1 (zh) | 一种城市道路交通异常检测方法 | |
CN116340768B (zh) | 一种智能化道路积尘负荷监测方法及监测装置 | |
CN110849807B (zh) | 一种基于深度学习的适用于道路能见度的监测方法与系统 | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN110400462B (zh) | 基于模糊理论的轨道交通客流监测预警方法及其系统 | |
CN114511087B (zh) | 一种基于双模型的空气质量空间推断方法及系统 | |
CN102622883B (zh) | 判定交通事件解除的方法及装置 | |
CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
CN115100819A (zh) | 基于大数据分析的滑坡灾害预警方法、装置及电子设备 | |
CN113706871A (zh) | 一种城市交通大数据处理中多源数据融合系统 | |
CN116823098A (zh) | 一种基于三维建模的物流仓储运输路线制定方法 | |
CN116580523A (zh) | 交通能耗监测与管理方法、系统、电子装置和存储介质 | |
CN114043948B (zh) | 车辆能耗测算方法、装置、电子设备及存储介质 | |
CN112729366B (zh) | 自动驾驶场地测试的天气模拟设备测试评价方法及装置 | |
CN109752774A (zh) | 基于车辆行为数据的气象预测方法、系统 | |
Haryono et al. | Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on the Street | |
CN114387812A (zh) | 一种垃圾收运监控方法、装置、设备和存储介质 | |
CN110956808B (zh) | 一种基于非全样定位数据的重型货车交通流量预测方法 | |
KR20220073567A (ko) | 빅데이터를 이용한 노면 상태 예측 시스템 | |
CN113936260A (zh) | 一种基于图像的道路扬尘动态监测方法及系统 | |
Xiong | Data Acquisition and Mining Algorithm of Car Networking under Big Data Background. | |
Gündüz et al. | Vehicle travel time estimation using sequence prediction | |
CN117315943B (zh) | 一种超限运输违法监测分析与预警方法及系统 | |
Chen et al. | Identification of Traffic Bottlenecks on Freeways Using Spatiotemporal Diagrams: A Comparative Case Study |
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 |