CN116739222A - 确定道路移动源的污染物浓度贡献值的方法与装置 - Google Patents
确定道路移动源的污染物浓度贡献值的方法与装置 Download PDFInfo
- Publication number
- CN116739222A CN116739222A CN202311020002.2A CN202311020002A CN116739222A CN 116739222 A CN116739222 A CN 116739222A CN 202311020002 A CN202311020002 A CN 202311020002A CN 116739222 A CN116739222 A CN 116739222A
- Authority
- CN
- China
- Prior art keywords
- road
- pollutant
- target
- road information
- concentration
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 304
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 304
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 60
- 238000007599 discharging Methods 0.000 claims abstract description 5
- 239000000356 contaminant Substances 0.000 claims description 58
- 238000004088 simulation Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种确定道路移动源的污染物浓度贡献值的方法与装置,涉及空气质量监测技术领域。包括:获取目标区域内第一道路的第一道路信息以及道路移动源在该第一道路排放的第一污染物排放量;确定该目标区域内监测站点所在的第二道路的第二道路信息以及该道路移动源在该第二道路排放的第二污染物排放量;将该第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到该目标区域内的道路信息与污染物排放量对该监测站点的站点污染物浓度的目标贡献值。使用本公开提出的确定道路移动源的污染物浓度贡献值的方法,可以使用小尺度模型得到目标区域内的道路信息与污染物排放量对站点污染物浓度的目标贡献值。
Description
技术领域
本公开涉及空气质量监测技术领域,尤其涉及一种确定道路移动源的污染物浓度贡献值的方法与装置。
背景技术
相关技术中,可以利用中尺度空气质量模型,来模拟得到道路移动源对站点污染物浓度的贡献值,然而,中尺度空气质量模型适用于面积更大的区域,无法精确模拟出道路上的道路移动源对污染物浓度的贡献值,导致模拟得到的贡献值的准确性较低。
也可以利用小尺度空气质量模型来得到每条道路所产生的污染物浓度,但小尺度空气质量模型却无法得到道路上的道路移动源对监测站点贡献的污染物浓度贡献值。
发明内容
为克服相关技术中存在的问题,本公开提供一种确定道路移动源的污染物浓度贡献值的方法与装置。
根据本公开实施例的第一方面,提供一种确定道路移动源的污染物浓度贡献值的方法,包括:
获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量;
确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量;
将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
可选地,所述将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值,包括:
将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量、所述目标区域的污染物浓度数据与所述目标区域的气象数据输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
可选地,所述确定所述目标区域内的监测站点所在的第二道路的第二道路信息,包括:
将第二道路的多个长度、多个宽度与所述第二道路两侧的多个建筑物高度进行排列组合,得到多个第二道路信息。
可选地,将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值,包括:
将多个所述第二道路信息中的每个第二道路信息,分别与所述第一道路信息、第一污染物排放量与第二污染物排放量结合,作为所述城市网络模型的输入,得到与多个所述第二道路信息分别对应的多个第一贡献值;
将所述多个第一贡献值的平均值,作为所述目标贡献值。
可选地,所述方法还包括:
确定多条第一道路的第一污染物排放量与第一道路信息的第一污染物浓度;
从多个所述第一污染物浓度中,筛选出目标污染物浓度;所述目标污染物浓度包括以下至少一者:多个所述第一污染物浓度中最接近所述目标区域内的平均污染物浓度的第一污染物浓度、多个所述第一污染物浓度中的最大污染物浓度与多个所述第一污染物浓度中的最小污染物浓度。
将与所述目标污染物浓度对应的第一道路,作为目标道路。
可选地,所述方法还包括:
确定预定时间段内的多个目标贡献值;
将所述多个目标贡献值的平均值,作为所述预定时间段对应的贡献值。
可选地,所述方法还包括:
确定天气型下的多个目标贡献值;
将所述多个目标贡献值的平均值,作为所述天气型对应的贡献值。
可选地,对于多个天气型中的每个所述天气型,确定每个所述天气型的污染过程中多条第一道路的第一道路信息与第一污染物排放量对所述站点污染物浓度的目标贡献值;
从多个所述目标贡献值中,筛选出大于预设贡献值的目标贡献值所对应的待管控道路;
建立所述待管控道路上的道路移动源与所述天气型之间的关联关系。
根据本公开实施例的第二方面,提供一种确定道路移动源的污染物浓度贡献值的装置,包括:
获取模块,被配置为获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量;
确定模块,被配置为确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量;
模拟模块,被配置为将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
根据本公开实施例的第三方面,提供一种确定道路移动源的污染物浓度贡献值的装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
执行本公开实施例的第一方面提供的确定道路移动源的污染物浓度贡献值的方法的步骤。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的确定道路移动源的污染物浓度贡献值的方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例中,利用城市网络模型可以模拟得到道路的污染物浓度的特性,将监测站点所在第二道路的第二道路信息与第二污染物排放量,以及第一道路的第一道路信息与第一污染物排放量输入至城市网络模型,得到监测站点的站点污染物浓度,再根据多次模拟过程中得到的站点污染物浓度之间的差值,来得到目标区域内的第一道路信息与第一污染物排放量对监测站点的目标贡献值。
在此过程中,第一方面,由于城市网络模型是小尺度模型,所以更加适用于面积更窄的第一道路与第二道路,可以模拟得到精确的目标贡献值;第二方面,将第一道路信息、第二道路信息、第一污染物排放量与第二污染物排放量输入至城市网络模型之后,城市网络模型可以模拟得到目标区域内的第一道路信息与第一污染物排放量对站点污染物浓度的目标贡献值,解决了小尺度的城市网络模型无法模拟出道路对站点污染物浓度贡献的贡献值的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种确定道路移动源的污染物浓度贡献值的方法的流程图;
图2是根据一示例性实施例示出的一种城市网络模型(MUNICH)运行的原理图;
图3是根据一示例性实施例示出的一种城市网络模型运行的结果示意图;
图4是根据一示例性实施例示出的一种城市网络模型运用的示意图;
图5是根据一示例性实施例示出的一种确定道路移动源的污染物浓度贡献值的装置的框图;
图6是根据一示例性实施例示出的一种确定道路移动源的污染物浓度贡献值的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本公开中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下,并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种确定道路移动源的污染物浓度贡献值的方法的流程图,如图1所示,包括以下步骤。
在步骤S11中,获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量。
在一些实施例中,可以获取在目标时段目标区域中的第一道路的第一道路信息,以及道路移动源在第一道路排放的第一污染物排放量。
可选地,目标区域可以是选择的研究区域,例如选择A市作为研究区域;目标时段可以是选择的研究时段,例如选择X年X月X日至Y年Y月Y日作为研究时段。
可选地,第一道路指的是目标区域内除去第二道路以外的任意一条道路;第一道路信息指的是第一道路的长度、宽度以及第一道路两侧的建筑物高度,第一道路的宽度可以通过第一道路的车道数量来体现,例如第一道路是单车道、双车道、四车道、六车道等来体现第一道路的宽度。
可选地,道路移动源指的是可以移动的污染源,例如在第一道路上行驶的机动车等。
可选地,第一污染物排放量指的是道路移动源在第一道路上排放的污染物排放量。道路移动源在第一道路上行驶时,会排放出PM2.5、氮氧化物、碳氢化合物、二氧化硫等污染物,而道路移动源在第一道路上排放的第一污染物排放量则是这些污染物的污染物量。
其中,可以获取第一道路的交通流量数据,将交通流量数据输入至排放因子算法或机动车排放模型中,来得到第一污染物排放量,交通流量数据包括第一道路上的车辆密度、车辆流量、车速与车型等信息。排放因子算法将交通流量数据中的机动车保有量乘以行驶里程排放系数,再乘以年均行驶里程,就可以得到第一污染物排放量;机动车排放模型可以是ROE(Real-time On-road Emission,实时道路排放)机动车排放模型。第一污染物排放量的数据格式是城市网络模型所无法识别的格式,所以需要通过python等编程语言对第一污染物排放量进行格式转化,将第一污染物排放量的数据格式转换为城市网络模型可以识别的数据格式。
在步骤S12中,确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量。
可选地,目标区域内具有至少一个监测站点,监测站点是用于监测目标区域内空气中各种污染物成分进行连续自动监测的监测设施。
可选地,由于监测站点所设立的位置所在的第二道路的第二道路信息与第二污染物排放量均是未知的,所以本公开实施例可以假设该监测站点所在的第二道路的第二道路信息以及道路移动源在第二道路排放的第二污染物排放量。
示例地,可以假设在监测站点所在位置设置一条第二道路,第二道路信息的长度是10米,宽度是单车道,第二道路两侧的建筑物高度是18米等。由于监测站点通常是设置在建筑物的顶部,而无法监测到道路移动源所排出的污染物浓度,因此可以假设监测站点监测到的道路移动源在第二道路排放的第二污染物排放量为0。
在步骤S13中,将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
在一些实施例中,可以在一次模拟时,将第二道路的第二道路信息、第二污染物排放量以及第一道路的第一道路信息与第一污染物排放量输入至城市网络模型,得到一次模拟的第一站点污染物浓度;在二次模拟时,将第二道路的第二道路信息、第二污染物排放量以及第一道路的第一道路信息与第一污染物排放量输入至城市网络模型,得到二次模拟的第二站点污染物浓度;再将一次模拟的第一站点污染物浓度减去二次模拟的第二站点污染物浓度,得到两次模拟时相差的第一道路对站点污染物浓度的目标贡献值。其中,一次模拟时输入至城市网络模型中的第一道路的数量与二次模拟时输入城市网络模型中第一道路的数量之间可以相差一个第一道路,并且除去相差的第一道路之外,其余第一道路的信息相同,如此便利用两次模拟得到的站点污染物浓度之差,得到相差的第一道路对站点污染物浓度的目标贡献值。
示例地,以第一道路包括道路A与道路B,第二道路为道路C为例,城市网络模型第一次模拟时,将道路A的道路信息与污染物排放量、道路B的道路信息与污染物排放量、道路C的道路信息与污染物排放量输入至城市网络模型后,会分别得到道路A的污染物浓度、道路B的污染物浓度与道路C的污染物浓度;第二次模拟时,将道路A的道路信息与污染物排放量、道路C的道路信息与污染物排放量输入至城市网络模型后,会分别得到道路A的污染物浓度与道路C的污染物浓度;最后将第一次模拟得到的道路C的污染物浓度减去第二次模拟得到的道路C的污染物浓度,得到两次模拟相差的道路B对站点污染物浓度的目标贡献值。
在一些实施例中,请参阅图2所示,将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量、所述目标区域的污染物浓度数据与所述目标区域的气象数据输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
可选地,目标区域内的道路信息与污染物排放量对监测站点的站点污染物浓度的目标贡献值,是综合了气象因素所得到的第一道路信息与第一污染物排放量对站点污染物浓度的目标贡献值。
可选地,目标区域的污染浓度数据指的是目标区域在目标时段内每小时的污染物浓度数据,该数据可以通过空气质量模型模拟得到,也可以直接从历史污染物浓度数据中获取。
可选地,气象数据指的是目标区域在目标时段的气象数据,气象数据包括气温、降雨、风速风向、湿度与气压等数据。气象数据可以通过WRF(Weather Research andForecasting model)模型模拟得到目标区域在目标时段内的气象数据,气象数据符合城市网络模型的识别模式,所以可以无需对气象数据进行格式转换。
可选地,目标区域内道路移动源在第一道路上产生的污染物会传输至监测站点,传输至监测站点的污染物不仅会影响站点污染物浓度,污染物还会与监测站点所接收到的其余污染物进行化学转化,形成二次污染物,所以监测站点所监测到的站点污染物浓度不仅会受到监测站点本身所在的第二道路的影响,还会受到第一道路的影响。因此,本公开实施例在确定目标区域内所有道路以及所有道路移动源对站点污染物浓度的影响时,也需要将第一道路考虑在内,才能得到实际准确的目标贡献值。
其中,目标区域内的道路信息包括第一道路信息。目标区域内第一道路的长度、宽度以及第一道路两侧的建筑物高度会对站点污染物浓度造成影响,例如建筑物高度越高,不利于污染物水平传输,所以会对站点污染物浓度造成影响,因此需要将第一道路信息等目标区域内的道路信息输入至城市网络模型。
目标区域内的污染物排放量包括第一污染物排放量。目标区域内道路移动源在第一道路上排放的污染物排放量也会对站点污染物浓度造成影响,因此需要将第一污染物排放量输入至城市网络模型。
目标区域内的气象数据,例如风速风向、降雨、湿度等会影响污染物的生成以及污染物的流向,因此气象数据也会对站点污染物浓度造成影响;整个目标区域的小时污染物浓度数据是大面积区域的小时污染物浓度数据,自然也会对站点污染物浓度造成影响,因此需要将气象数据以及目标区域的污染物浓度数据输入至城市网络模型。
在一些实施例中,城市网络模型可以是峡谷与公路相交的城市网络模型(TheModel of Urban Network of Intersecting Canyons and Highways,MUNICH),城市网络模型是小尺度空气质量模型,主要包括两部分,一部分是街道峡谷组成部分,代表了城市冠层体积中的大气过程,另一部分是街道交叉口部分,代表了交叉口的大气过程。
城市网络模型可以得到每条道路对应的污染物浓度,因此本公开实施例借用城市网络模型的这一特征,获取第一道路信息与第一污染物排放量,将多组第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,模拟得到多组的站点污染物浓度;再计算多组站点污染物浓度中相邻两次模拟得到的站点污染物浓度之间的差值,将该差值作为两次模拟之间相差的第一道路的目标贡献值。
可选地,目标贡献值指的是得到的监测站点的站点污染物浓度中,目标区域内的道路信息与污染物排放量所贡献的污染物浓度,也可以为目标区域内某条第一道路的第一道路信息与第一污染物排放量对站点污染物浓度的贡献值。
示例地,监测站点的站点污染物浓度是8ug/m3,监测站点受到第一道路A与第一道路B的影响,第一道路A的第一道路信息与第一污染物排放量所贡献的污染物浓度是2ug/m3;第二道路B的第一道路信息与第二污染物排放量所贡献的污染物浓度是5ug/m3。
可以理解的是,本公开实施例将假设的第二道路信息与第二污染物排放量,和第一道路信息与第一污染物排放量结合后输入至城市网络模型后,得到的第二道路的第二污染物浓度可以视为监测站点的站点污染物浓度。
相关技术中,若采用大尺度空气质量模型来模拟目标区域内的道路信息与污染物排放量对站点污染物浓度的贡献值,由于大尺度模型适用于整个城市等面积较大的区域,而不适用于道路等面积较小的小区域,所以大尺度空气质量模型所模拟得到的贡献值的准确性较低;并且在大尺度空气质量模型适用于模拟得到面积更大的网格,该网格中的每个网格对应一个区域以及区域的污染物浓度,一个区域包括数量庞大的第一道路,若对该大区域中的某条第一道路执行管控措施,通过大尺度空气质量模型模拟得到的网格变化较小或不变,则无法体现执行管控措施后目标贡献值的变化,例如某条第一道路对应的污染物浓度减少了1ug/m3,而对应到大尺度空气质量模型所展示的面积较大的网格中,网格所体现的降低量为更小的0.0001ug/m3,甚至不会发生变化。
若采用小尺度空气质量模型,又只能模拟得到每条道路所产生的污染物浓度,而无法模拟得到道路上的道路移动源对站点污染物浓度的贡献值,也无法模拟得到道路本身对站点污染物浓度的贡献值。
基于此,本公开实施例中,利用城市网络模型可以模拟得到道路的污染物浓度的特性,将监测站点所在第二道路的第二道路信息与第二污染物排放量,以及第一道路的第一道路信息与第一污染物排放量输入至城市网络模型,得到监测站点的站点污染物浓度,再根据多次模拟过程中得到的站点污染物浓度之间的差值,来得到目标区域内的第一道路信息与第一污染物排放量对监测站点的目标贡献值。
在此过程中,第一方面,由于城市网络模型是小尺度模型,所以更加适用于面积更窄的第一道路与第二道路,可以模拟得到精确的目标贡献值;第二方面,将第一道路信息、第二道路信息、第一污染物排放量与第二污染物排放量输入至城市网络模型之后,城市网络模型可以模拟得到目标区域内的第一道路信息与第一污染物排放量对站点污染物浓度的目标贡献值,解决了城市网络模型无法模拟出道路对站点污染物浓度贡献的贡献值的问题;第三方面,由于站点污染物浓度受到气象数据的影响,所以加入不同的气象数据之后,可以结合不同气象条件,得到不同气象条件下的目标贡献值,其准确性更高;第三方面,由于城市网络模型所模拟的是面积较小的区域中的网格,所以该网格可以代表某条第一道路,也可以代表某条第一道路上的具体位置。在执行管控措施后,城市网络模型所输出的网格中可以更加精确地体现目标贡献值的变化;第四方面,由于城市网络模型是小尺度模型,基于小尺度模型时间成本与经济成本低的特性,本公开使用城市网络模型模拟目标贡献值,可以更快更省成本地得到目标贡献值。
在一种可能的实施方式中,第二道路的长度、宽度与第二道路两侧建筑物高度会对站点污染物浓度具有影响,但是如何影响,影响力的大小都是未知的,若只假设一组第二道路信息与第二污染物排放量,会导致模拟得到的目标贡献值的准确性较低,基于此,本公开实施例还提出以下方案。
在步骤(1)中,将第二道路的多个长度、多个宽度与所述第二道路两侧的多个建筑物高度进行排列组合,得到多个第二道路信息。
示例地,可以假设第二道路的长度为10米、20米、30米、40米、50米、60米、70米、80米、90米、100米;宽度分别设置为单车道、双车道、四车道、六车道;建筑物高度分别设置为3米、6米、9米、12米、15米、18米、21米。将长宽高进行不同排列组合,得到280组第二道路信息。
在步骤(2)中,将多个所述第二道路信息中的每个第二道路信息,分别与所述第一道路信息、第一污染物排放量与第二污染物排放量结合,作为所述城市网络模型的输入,得到与多个所述第二道路信息分别对应的多个第一贡献值。
表格1
示例地,请参阅表格1所示,以第一道路信息的长宽高分别为1、2(双车道)、3,道路移动源在第一道路的第一污染物排放量为62.23;第二道路信息为280个组合中的其中一个组合10、2(双车道)、6,第二污染物排放量为0举例。
可以将280组合中的其中一个第二道路信息10、2、6增加至第一道路信息的最下方的一行中,来与第一道路信息组合;将第二污染物排放量0增加至第一污染物排放量的最下方的一行中,来与第一污染物排放量组合,进而形成表格1所示的一组输入数据,将这组输入数据输入至城市网络模型中后,可以得到一个第一贡献值。
值得注意的是,除了上述表格1中的一种组合之外,还存在其余279种组合,将这些组合输入至城市网络模型中,均可以得到组合对应的第一贡献值,最终得到280个第一贡献值。当然,上述280个组合是一种示例,不作为对本公开实施例提出的多个第二道路信息或多个第一贡献值的数量的限制。
可以理解的是,本公开实施例中,与多个第二道路信息结合的第二污染物排放量在每个组合中都可以是不变的,例如均可以视为0,进而通过改变第二道路信息来得到多个第一贡献值。
在步骤(3)中,将所述多个第一贡献值的平均值,作为所述目标贡献值。
在一些实施例中,在得到多个第一贡献值之后,可以将多个第一贡献值的平均值作为目标贡献值。
值得注意的是,城市网路模型可以根据道路信息与道路移动源在道路上的污染物排放量,来模拟得到该道路对应的污染物浓度,自然将监测站点所在的第二道路的第二道路信息与第二污染物排放量,以及第一道路的第一道路信息与第一污染物排放量输入至城市网络模型之后,也能够得到监测站点的站点污染物浓度。本公开实施例将多个第二道路信息的长宽高进行排列组合,与第一道路信息与第一污染物排放量结合后,输入至城市网络模型会得到准确的第二道路的第二污染物浓度,即得到更加准确的站点污染物浓度。
通过上述技术方案,可以将第二道路信息的长宽高进行排列组合,来得到多个第二道路信息;再将多个第二道路信息分别与第一道路信息、第一污染物排放量与第二污染物排放量结合,来得到多组输入数据;最后将多组输入数据输入至城市网络模型,得到多个第一贡献值;将多个第一贡献值的平均值作为目标贡献值。在此过程中,由于多个第二道路信息中存在更加贴合实际的第二道路信息,所以将多个第二道路信息作为城市网络模型的输入,得到的多个第一贡献值的平均值的准确性,相较于将一个第二道路信息作为输入得到的单个第一贡献值的准确性更高。
在一种可能的实施方式中,请参阅图4所示,本公开实施例还设计了以下多种方案。
方案1:确定多条第一道路的第一污染物排放量与第一道路信息的第一污染物浓度;从所述多个第一污染物浓度中,筛选出目标污染物浓度;所述目标污染物浓度包括以下至少一者:所述多个第一污染物浓度中最接近所述目标区域内的平均污染物浓度的第一污染物浓度、所述多个第一污染物浓度中的最大污染物浓度与所述多个第一污染物浓度中的最小污染物浓度。将与所述目标污染物浓度对应的第一道路,作为目标道路。
可选地,在目标区域内存在多条第一道路,例如南二环、南一环、北二环、北一环等第一道路,而每条第一道路所对应的第一污染物浓度均有所不同,例如将南二环的第一道路信息与第一污染物排放量作为城市网络模型的输入,得到南二环的第一污染物浓度是3ug/m3;将北二环的第一道路信息与第一污染物排放量作为城市网络模型的输入,得到北二环的第一污染物浓度是5ug/m3。
示例地,请参阅图3所示,图3示出了道路编号为1到10的第一道路的第一道路信息与第一污染物排放量在不同时刻的第一污染物浓度。以道路编号为1进行说明,道路编号1的第一道路在2022年1月1日0时的臭氧浓度为62.23、二氧化氮浓度为3.75,一氧化氮浓度为27.16;道路编号1的第一道路在2022年1月1日1时的臭氧浓度为58.68、二氧化氮浓度为3.79,一氧化氮浓度为24.97。
在一些实施例中,当用户想要了解目标区域内空气质量的平均质量的情况下,则可以从多个第一污染物浓度中,筛选出最接近平均污染物浓度的目标污染物浓度所对应的第一道路作为监测站点的搬迁地点。如此,监测站点可以对第一道路上产生的目标污染物浓度进行监测,且监测出的目标污染物浓度能够反应目标区域内空气质量的平均污染物浓度。
可选地,多个第一污染物浓度中最接近平均污染物浓度的目标污染物浓度,可以视为多个第一污染物浓度中与平均污染物浓度之间的差值最小的目标污染物浓度。
在一些实施例中,当用户想要了解目标区域内空气质量的最差质量的情况下,则可以从多个第一污染物浓度中,筛选出最大污染物浓度所对应的第一道路作为监测站点的搬迁地点。如此,监测站点可以对第一道路上产生的目标污染物浓度进行监测,且监测出的目标污染物浓度能够反映目标区域内空气质量的最大污染物浓度,即监测出的目标污染物浓度能够反映目标区域内的最差空气质量的情况。
在一些实施例中,当用户想要了解目标区域内空气质量的最好质量的情况下,则可以从多个第一污染物浓度中,筛选出最小污染物浓度所对应的第一道路作为监测站点的搬迁地点。如此,监测站点可以对第一道路上产生的目标污染物浓度进行监测,且监测出的目标污染物浓度能够反映目标区域内空气质量的最小污染物浓度,即监测出的目标污染物浓度能够反映目标区域内的最好空气质量的情况。
方案2:确定预定时间段内的多个目标贡献值;将所述多个目标贡献值的平均值,作为所述预定时间段对应的贡献值。
可选地,通过上述步骤S11至步骤S13得到的目标贡献值是某一时刻的目标贡献值,重复上述步骤S11至步骤S13,将不同时刻的第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型后,可以得到不同时刻下的目标贡献值。
为了便于相关机构对预定时间段内的目标贡献值进行分析,可以获得预定时间段内多个不同时刻的目标贡献值,再将多个不同时刻的目标贡献值的平均值,作为该预定时段的贡献值。
例如,若相关机构想要研究春季、夏季、秋季与冬季四个不同季节下的目标贡献值,则可以将春季不同时刻的目标贡献值的平均值,作为春季的贡献值;同理,可以得到夏季、秋季与冬季的贡献值。如此,相关机构便可以统计分析出春夏秋冬不同季节下,目标区域内的道路信息与污染物排放量对站点污染物浓度所贡献的污染物浓度的变化。
当然,除去春夏秋冬等不同季节外,相关机构采用相同计算方法,也可以得到白天与夜晚等不同预定时间段下,目标区域内的道路信息与污染物排放量对站点污染物浓度所贡献的污染物浓度的变化。
方案3:确定天气型下的多个目标贡献值;将所述多个目标贡献值的平均值,作为所述天气型对应的贡献值。
可选地,天气型是从大范围天气形势中归纳出来的在某个目标区域中重复出现的大气环流形势,可以利用分型模型对目标区域的天气形势进行分型,来得到不同的天气型。其中,可以利用从气象数据中选取分型区域的分型因子作为待聚类数据,对待聚类数据进行聚类,从而建立分型模型。其中,该气象数据可以为历史气象数据或未来气象数据。
由于上述步骤S11至步骤S13得到的是不同时刻下的目标贡献值,而不同天气型对应的贡献值包含了多个时刻的目标贡献值,所以可以得到在不同天气型下,目标区域内的道路信息与污染物排放量对站点污染物浓度的贡献值。
方案4:对于多个天气型中的每个天气型,确定所述每个所述天气型的污染过程中多条第一道路的第一道路信息与第一污染物排放量对所述站点污染物浓度的目标贡献值;从多个所述目标贡献值中,筛选出大于预设贡献值的目标贡献值所对应的待管控道路;建立所述待管控道路上的道路移动源与所述天气型之间的关联关系。
可选地,待管控道路是在当前天气型下需要重点管控的道路,例如可以对第一道路中通行的道路移动源的数量或通行的道路移动源的类型等进行管控。
可选地,建立待管控道路上的道路移动源与天气型之间的关联关系,可以包括将待管控道路的道路移动源存储至天气型对应的数据库中。
其中,可以对第一道路上通行的道路移动源进行大量的数据统计与分析,来得到在第一道路上通行的道路移动源的类型与车流量等通行规律,进而根据该规律确定出经常出现在第一道路上的道路移动源。
示例地,目标区域中具有第一道路A、第一道路B、第一道路C、第一道路D这四条第一道路,第一道路A与第一道路B在天气型1下的目标贡献值达到了预设贡献值,第一道路C与第一道路D在天气型2下的目标贡献值达到了预设贡献值,第一道路D在天气型3下的目标贡献值达到了预设贡献值,则可以将第一道路A与第一道路B上的道路移动源划分至与天气型1对应,将第一道路C与第一道路D上的道路移动源划分至与天气型2对应,将第一道路D上的道路移动源划分至与天气型3对应。
如此,在得到不同天气型下对应的待管控道路的道路移动源后,可以在未来某一时刻出现相同的天气型的情况下,为该天气型下即将发生的污染过程提供管控建议。例如,若未来出现天气型1,则可以建议对第一道路A与第一道路B上通行的道路移动源进行管控,例如限制第一道路A与第一道路B通行的道路移动源的数量,或者不允许第一道路A与第一道路B通行某种类型的道路移动源等。
通过上述技术方案,在得到某一时刻目标区域内的道路信息与污染物排放量对站点污染物浓度的贡献值之后,可以进一步地确定出在不同预定时间段或不同天气型下的贡献值或待管控道路上的道路移动源与天气型之间的关联关系。其中,建立待管控道路上的道路移动源与天气型之间的关联关系的作用,可以得到在当前天气型下对站点污染物浓度影响较大的第一道路,也可得到当前天气型下对站点污染物浓度影响较大的道路移动源,以便相关机构对这些第一道路上的道路移动源进行管控。
图5是根据一示例性实施例示出的一种确定道路移动源的污染物浓度贡献值的装置框图。参照图5,该确定道路移动源的污染物浓度贡献值的装置500包括获取模块510、确定模块520与模拟模块530。
获取模块510,被配置为获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量;
确定模块520,被配置为确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量;
模拟模块530,被配置为将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
可选地,模拟模块530包括:
第一模拟子模块,被配置为将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量、所述目标区域的污染物浓度数据与所述目标区域的气象数据输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
可选地,获取模块510包括:
排列组合子模块,被配置为将第二道路的多个长度、多个宽度与所述第二道路两侧的多个建筑物高度进行排列组合,得到多个第二道路信息。
可选地,模拟模块530包括:
第二模拟子模块,被配置为将多个所述第二道路信息中的每个第二道路信息,分别与所述第一道路信息、第一污染物排放量与第二污染物排放量结合,作为所述城市网络模型的输入,得到与多个所述第二道路信息分别对应的多个第一贡献值;
平均子模块,被配置为将所述多个第一贡献值的平均值,作为所述目标贡献值。
可选地,确定道路移动源的污染物浓度贡献值的装置500包括:
第一污染物浓度确定模块,被配置为确定多条第一道路的第一污染物排放量与第一道路信息的第一污染物浓度;
筛选模块,被配置为从多个所述第一污染物浓度中,筛选出目标污染物浓度;所述目标污染物浓度包括以下至少一者:多个所述第一污染物浓度中最接近所述目标区域内的平均污染物浓度的第一污染物浓度、多个所述第一污染物浓度中的最大污染物浓度与多个所述第一污染物浓度中的最小污染物浓度。
目标道路确定模块,被配置为将与所述目标污染物浓度对应的第一道路,作为目标道路。
可选地,确定道路移动源的污染物浓度贡献值的装置500包括:
第一整合模块,被配置为确定预定时间段内的多个目标贡献值;
第一平均模块,被配置为将所述多个目标贡献值的平均值,作为所述预定时间段对应的贡献值。
可选地,确定道路移动源的污染物浓度贡献值的装置500包括:
天气型模块,被配置为对于多个天气型中的每个所述天气型,确定每个所述天气型的污染过程中多条第一道路的第一道路信息与第一污染物排放量对所述站点污染物浓度的目标贡献值;
筛选模块,被配置为从多个所述目标贡献值中,筛选出大于预设贡献值的目标贡献值所对应的待管控道路;
建立模块,被配置为建立所述待管控道路上的道路移动源与所述天气型之间的关联关系。
可选地,确定道路移动源的污染物浓度贡献值的装置500包括:
第二整合模块,被配置为确定天气型下的多个目标贡献值;
第二平均模块,被配置为将所述多个目标贡献值的平均值,作为所述天气型对应的贡献值。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的确定道路移动源的污染物浓度贡献值的方法的步骤。
图6是根据一示例性实施例示出的一种用于确定道路移动源的污染物浓度贡献值的装置600的框图。例如,装置600可以被提供为一服务器。参照图6,装置600包括处理组件622,其进一步包括一个或多个处理器,以及由存储器632所代表的存储器资源,用于存储可由处理组件622的执行的指令,例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件622被配置为执行指令,以执行上述确定道路移动源的污染物浓度贡献值的方法。
装置600还可以包括一个电源组件626被配置为执行装置600的电源管理,一个有线或无线网络接口650被配置为将装置600连接到网络,和一个输入/输出接口658。装置600可以操作基于存储在存储器632的操作系统。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种确定道路移动源的污染物浓度贡献值的方法,其特征在于,包括:
获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量;
确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量;
将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值,包括:
将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量、所述目标区域的污染物浓度数据与所述目标区域的气象数据输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
3.根据权利要求1所述的方法,其特征在于,所述确定所述目标区域内的监测站点所在的第二道路的第二道路信息,包括:
将第二道路的多个长度、多个宽度与所述第二道路两侧的多个建筑物高度进行排列组合,得到多个第二道路信息。
4.根据权利要求3所述的方法,其特征在于,将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值,包括:
将多个所述第二道路信息中的每个第二道路信息,分别与所述第一道路信息、第一污染物排放量与第二污染物排放量结合,作为所述城市网络模型的输入,得到与多个所述第二道路信息分别对应的多个第一贡献值;
将所述多个第一贡献值的平均值,作为所述目标贡献值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定多条第一道路的第一污染物排放量与第一道路信息的第一污染物浓度;
从多个所述第一污染物浓度中,筛选出目标污染物浓度;所述目标污染物浓度包括以下至少一者:多个所述第一污染物浓度中最接近所述目标区域内的平均污染物浓度的第一污染物浓度、多个所述第一污染物浓度中的最大污染物浓度与多个所述第一污染物浓度中的最小污染物浓度;
将与所述目标污染物浓度对应的第一道路,作为目标道路。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定预定时间段内的多个目标贡献值;
将所述多个目标贡献值的平均值,作为所述预定时间段对应的贡献值。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定天气型下的多个目标贡献值;
将所述多个目标贡献值的平均值,作为所述天气型对应的贡献值。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对于多个天气型中的每个所述天气型,确定每个所述天气型的污染过程中多条第一道路的第一道路信息与第一污染物排放量对所述站点污染物浓度的目标贡献值;
从多个所述目标贡献值中,筛选出大于预设贡献值的目标贡献值所对应的待管控道路;
建立所述待管控道路上的道路移动源与所述天气型之间的关联关系。
9.一种确定道路移动源的污染物浓度贡献值的装置,其特征在于,包括:
获取模块,被配置为获取目标区域内第一道路的第一道路信息以及道路移动源在所述第一道路排放的第一污染物排放量;
确定模块,被配置为确定所述目标区域内监测站点所在的第二道路的第二道路信息以及所述道路移动源在所述第二道路排放的第二污染物排放量;
模拟模块,被配置为将所述第一道路信息、第一污染物排放量、第二道路信息与第二污染物排放量输入城市网络模型,得到所述目标区域内的道路信息与污染物排放量对所述监测站点的站点污染物浓度的目标贡献值。
10.一种确定道路移动源的污染物浓度贡献值的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
执行权利要求1~8任一所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311020002.2A CN116739222B (zh) | 2023-08-14 | 2023-08-14 | 确定道路移动源的污染物浓度贡献值的方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311020002.2A CN116739222B (zh) | 2023-08-14 | 2023-08-14 | 确定道路移动源的污染物浓度贡献值的方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116739222A true CN116739222A (zh) | 2023-09-12 |
CN116739222B CN116739222B (zh) | 2023-12-15 |
Family
ID=87910075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311020002.2A Active CN116739222B (zh) | 2023-08-14 | 2023-08-14 | 确定道路移动源的污染物浓度贡献值的方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116739222B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763533A (zh) * | 2018-05-31 | 2018-11-06 | 深圳万智联合科技有限公司 | 一种城市道路交通污染物排放监控系统 |
CN110472850A (zh) * | 2019-08-01 | 2019-11-19 | 软通动力信息技术有限公司 | 一种减排方案的确定方法、装置、设备及存储介质 |
CN111157688A (zh) * | 2020-03-06 | 2020-05-15 | 北京市环境保护监测中心 | 评价污染源对空气质量监测站影响的方法和装置 |
CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
US20220335822A1 (en) * | 2021-04-14 | 2022-10-20 | IFP Energies Nouvelles | Method of determining the amount of pollutant emissions from a vehicle over a road network section |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
CN116227749A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 污染物排放量的确定方法、装置、存储介质及电子设备 |
-
2023
- 2023-08-14 CN CN202311020002.2A patent/CN116739222B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108763533A (zh) * | 2018-05-31 | 2018-11-06 | 深圳万智联合科技有限公司 | 一种城市道路交通污染物排放监控系统 |
CN110472850A (zh) * | 2019-08-01 | 2019-11-19 | 软通动力信息技术有限公司 | 一种减排方案的确定方法、装置、设备及存储介质 |
CN111157688A (zh) * | 2020-03-06 | 2020-05-15 | 北京市环境保护监测中心 | 评价污染源对空气质量监测站影响的方法和装置 |
US20220335822A1 (en) * | 2021-04-14 | 2022-10-20 | IFP Energies Nouvelles | Method of determining the amount of pollutant emissions from a vehicle over a road network section |
CN113360850A (zh) * | 2021-06-17 | 2021-09-07 | 东莞市环境监测中心站 | 一种大气污染物线源溯源分析方法 |
CN115796034A (zh) * | 2022-12-01 | 2023-03-14 | 信阳师范学院 | 一种基于机器学习和数值模式的道路扬尘贡献评估系统和方法 |
CN116227749A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 污染物排放量的确定方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
沈岩;武彤冉;闫静;李韧菲;崔阳阳;刘欣宇;樊守彬;翟冀飞;曹西子;万芸菲;薛亦峰: "基于COPERT模型北京市机动车大气污染物和二氧化碳排放研究", 环境工程技术学报, no. 006 * |
麻素挺;余翔翔;林海转;: "温州城区大气污染特征数值模拟与来源解析", 环境保护科学, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454729A (zh) * | 2023-11-13 | 2024-01-26 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
CN117454729B (zh) * | 2023-11-13 | 2024-04-19 | 交通运输部规划研究院 | 一种大气污染贡献度预测方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116739222B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522603B (zh) | 基于云平台的车载拉格朗日实时大气污染溯源系统及方法 | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
CN111696369B (zh) | 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法 | |
CN116739222B (zh) | 确定道路移动源的污染物浓度贡献值的方法与装置 | |
CN113624921B (zh) | 多模式综合污染溯源方法 | |
CN110095394A (zh) | 一种大气颗粒物污染快速溯源方法 | |
Amirjamshidi et al. | Multi-objective calibration of traffic microsimulation models | |
CN116070839A (zh) | 一种多源数据的道路微环境空气质量贡献溯源方法 | |
Zhang et al. | Large-eddy simulation of traffic-related air pollution at a very high resolution in a mega-city: evaluation against mobile sensors and insights for influencing factors | |
CN112991132A (zh) | Pm2.5和臭氧协同管控区域识别方法及装置 | |
CN117454729B (zh) | 一种大气污染贡献度预测方法、装置及可读存储介质 | |
Zhai et al. | Validation of temporal and spatial consistency of facility-and speed-specific vehicle-specific power distributions for emission estimation: A case study in Beijing, China | |
Lam et al. | Development of a new emission reallocation method for industrial sources in China | |
CN113011720A (zh) | 一种基于ca模型的增量递减的城镇开发边界划定方法 | |
CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
Ambrosino et al. | A modeling framework for impact assessment of urban transport systems | |
CN115094815B (zh) | 洒水作业控制方法、装置、电子设备及存储介质 | |
CN116757508B (zh) | 道路管控措施的效果确定方法、装置与存储介质 | |
Isakov et al. | Resolving neighborhood scale in air toxics modeling: A case study in Wilmington, CA | |
Subiyanto et al. | Modeling And Spatial Analysis Of Change Settlement And Fair Market Land Price Using Markov Chain Model In Banyumanik District | |
Abdeen et al. | VISSIM calibration and validation of urban traffic: a case study Al-Madinah City | |
Kim et al. | Distributed computing for region‐wide line source dispersion modeling | |
Shen et al. | Bi-level cellular agent-based model: Simulation of potential impacts of high-speed rail on land cover change in the Lisbon Metropolitan Area, Portugal | |
Littidej et al. | Air pollution concentration approach to potential area selection of the Air Quality Monitoring Station in Nakhon Ratchasima Municipality, Thailand |
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 |