CN116912069B - 应用于智慧城市的数据处理方法及电子设备 - Google Patents

应用于智慧城市的数据处理方法及电子设备 Download PDF

Info

Publication number
CN116912069B
CN116912069B CN202311178057.6A CN202311178057A CN116912069B CN 116912069 B CN116912069 B CN 116912069B CN 202311178057 A CN202311178057 A CN 202311178057A CN 116912069 B CN116912069 B CN 116912069B
Authority
CN
China
Prior art keywords
pollution
type
effect
environmental pollution
cumulative effect
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
Application number
CN202311178057.6A
Other languages
English (en)
Other versions
CN116912069A (zh
Inventor
宋曦
黄尉洪
蒋翔宇
郭飞
贾莉娟
康岩龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Smart Rongcheng Research Institute Co ltd
Original Assignee
Chengdu Smart Rongcheng Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Smart Rongcheng Research Institute Co ltd filed Critical Chengdu Smart Rongcheng Research Institute Co ltd
Priority to CN202311178057.6A priority Critical patent/CN116912069B/zh
Publication of CN116912069A publication Critical patent/CN116912069A/zh
Application granted granted Critical
Publication of CN116912069B publication Critical patent/CN116912069B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00Adapting or protecting infrastructure or their operation
    • Y02A30/60Planning or developing urban green infrastructure

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明提供了一种应用于智慧城市的数据处理方法及电子设备,涉及大数据领域,方法包括:获取待进行环境监测的城市区域的地图信息;根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区;获取针对单一污染类型的监控数据;当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型;将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别;根据识别结果输出对应所述城市区域的累积效应预警信息。能够充分利用现有监测数据,建立识别模型,实现对环境污染累积效应的有效监控。

Description

应用于智慧城市的数据处理方法及电子设备
技术领域
本发明涉及大数据领域,具体而言,涉及一种应用于智慧城市的数据处理方法及电子设备。
背景技术
随着环境污染增加,环境污染问题越来越成为世界各个国家的共同课题之一。污水、废气、垃圾、噪声、光污染等,是城市常见污染类型。在污染产生时,不同类型污染源的所产生的影响,可能会相互叠加,进而产生更严重的影响或者后果。现有的城市环境监测方法,通常是针对某个类型或者某个具体的环境指标进行监控,没有形成数据共通,对于污染源之间的相互影响叠加,进而导致的累积效应缺乏有效的监控和预防手段,同时也导致对于污染治理的资源调配效率受到影响。
因此,如何提供一种更全面的城市环境监测方法,是目前亟待解决的问题。
发明内容
为了改善上述问题,本发明提供了一种应用于智慧城市的数据处理方法及电子设备。
本发明实施例的第一方面,提供了一种应用于智慧城市的数据处理方法,所述方法包括:
获取待进行环境监测的城市区域的地图信息;
根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区;
获取针对单一污染类型的监控数据;
当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型;
将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别;
根据识别结果输出对应所述城市区域的累积效应预警信息。
可选地,所述环境污染累积效应识别模型包括已知的各类型环境污染累积效应的产生条件,所述将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别的步骤,具体包括:
将所述识别条件与所述产生条件进行匹配;
根据匹配情况输出可能出现的环境污染累积效应类型。
可选地,所述产生条件包括导致环境污染累积效应出现的污染类型,所述将所述识别条件与所述产生条件进行匹配的步骤,具体包括:
将累积效应识别区对应的污染类型,与所述产生条件的污染类型进行比对;
筛选出污染类型为识别条件的子集的环境污染累积效应类型。
可选地,所述产生条件还包括每类污染类型对应的参数类型以及每类参数类型的数值条件,所述将所述识别条件与所述产生条件进行匹配的步骤,具体还包括:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息;
将获取的参数信息与筛选出的环境污染累积效应类型的数值条件进行比对;
判断是否达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型可能出现。
可选地,所述将所述识别条件与所述产生条件进行匹配的的步骤,具体还包括:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息,以及参数信息在预设过去时间范围内的变化趋势;
基于获取的参数信息及变化趋势与筛选出的环境污染累积效应类型的数值条件进行比对;
评估参数信息是否在预设未来时间范围内达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型可能出现。
可选地,所述产生条件还包括每类环境污染累积效应类型对应的触发条件,所述将所述识别条件与所述产生条件进行匹配的步骤,具体还包括:
获取该累积效应识别区中与所述可能出现的环境污染累积效应类型的触发条件对应的条件参数;
将获取的条件参数与所述触发条件进行对比;
如果满足触发条件,则判断该环境污染累积效应类型为高概率出现;
如果不满足触发条件,则判断该环境污染累积效应类型为低概率出现。
可选地,所述根据识别结果输出对应所述城市区域的累积效应预警信息的步骤,具体包括:
确定所述城市区域内环境污染累积效应可能出现的累积效应识别区;
分别确定每个累积效应识别区内可能出现的环境污染累积效应类型,以及出现概率;
生成对应所述城市区域的累积效应预警信息。
可选地,所述方法还包括:
根据所述累积效应预警信息确定对应每个累积效应识别区的污染治理资源。
可选地,所述方法还包括:
对于所有累积效应识别区的污染治理资源,确定可以复用的部分;
基于利用率最大化原则,得到对应所述城市区域的污染治理资源分配方案。
本发明实施例的第二方面,提供了一种电子设备,包括:
一个或多个处理器 ;存储器 ;一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序被配置为用于执行如第一方面所述的方法。
本发明实施例的第三方面,提供了一种应用于智慧城市的数据处理装置,所述装置包括:
地图获取单元,用于获取待进行环境监测的城市区域的地图信息;
区域标识单元,用于根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区;
数据获取单元,用于针对单一污染类型的监控数据;
异常检测单元,用于当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型;
风险识别单元,用于将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别;
预警输出单元,用于将根据识别结果输出对应所述城市区域的累积效应预警信息。
综上所述,本发明提供了一种应用于智慧城市的数据处理方法及电子设备,能够充分利用智慧城市现有的环境检测系统获取的监测数据,基于不同类型污染源之间的相互影响建立识别模型,实现了对环境污染累积效应的有效的监控,使得城市的环境监测更加全面,能够提前避免因累积效应导致的损失。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例的应用于智慧城市的数据处理方法的方法流程图;
图2为本发明实施例的用于执行根据本申请实施例的应用于智慧城市的数据处理方法的电子设备的结构框图;
图3为本发明实施例的应用于智慧城市的数据处理装置的功能模块框图。
附图标记:
地图获取单元110;区域标识单元120;数据获取单元130;异常检测单元140;风险识别单元150;预警输出单元160;电子设备300;处理器310;存储器320。
具体实施方式
随着科学技术水平的发展和人民生活水平的提高,环境污染也在增加,环境污染问题越来越成为世界各个国家的共同课题之一。污水、废气、垃圾、噪声、光污染等,是城市常见污染类型。在污染产生时,不同类型污染源的所产生的影响,可能会相互叠加,进而产生更严重的影响或者后果。现有的城市环境监测方法,通常是针对某个类型或者某个具体的环境指标进行监控,没有形成数据共通,对于污染源之间的相互影响叠加,进而导致的累积效应缺乏有效的监控和预防手段,同时也导致对于污染治理的资源调配效率受到影响。
因此,如何提供一种更全面的城市环境监测方法,是目前亟待解决的问题。
鉴于此,本发明设计者设计了一种应用于智慧城市的数据处理方法及电子设备,本实施例提供的应用于智慧城市的数据处理方法,能够充分利用智慧城市现有的环境检测系统获取的监测数据,基于不同类型污染源之间的相互影响建立识别模型,实现了对环境污染累积效应的有效的监控,使得城市的环境监测更加全面,能够提前避免因累积效应导致的损失。
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中的附图,对本发明实施例中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一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语 “顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
请参阅图1,本实施例提供的一种应用于智慧城市的数据处理方法该方法包括:
步骤S101,获取待进行环境监测的城市区域的地图信息。
通过待进行环境监测的城市区域的地图信息,能够获知待监测区域内的地形情况以及城市规划布局情况,进而方便对不同污染类型的污染源进行初步的锁定,并以此确定相应的风险区域。某些特定类型的环境污染通常与特定类型的地形、工厂或者城市功能规划区域直接相关,通过地图信息就能更为直接的锁定目标。
地图信息的获取,可以从国家专门公开相关信息的平台进行,可以是有使用者主动上传。在进行环境监测时,所使用的地图信息最好采用与实际情况匹配度高的,或者是才更新过的,以提高后续监测的准确性。
步骤S102,根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区。
环境污染累积效应是指由于环境污染累积作用而产生的综合的环境污染影响范围和破坏效应。导致环境污染累积效应的出现的重要因素之一是一种类型的环境污染造成的环境影响与另一种类型的环境污染的环境影响以协同的方式进行结合。因此在对环境污染累积效应进行监控时,主要考虑的是两种及以上的污染重叠发生的区域。
对于单个类型污染类型的风险区域的识别,可以采用现有的各种识别方法。需要注意的是,由于所使用方法不同,导致最后的识别结果的区域大小形状都可能存在差异,进而影响后续的监控结果。但是无论使用哪种单个类型污染类型的风险区域的识别方法,均可以采用本发明的方法进行环境污染累积效应的监测。
作为本发明实施例的优选方式,可以考虑待进行环境监测的城市所在的经纬度或者其地理位置所属的气候类型,选择合适的风险区域的识别方法。
步骤S103,获取针对单一污染类型的监控数据。
针对单一污染类型的监控数据的获取,相关技术目前已经相当成熟,可以直接利用所在城市的智慧城市系统中已有的监控系统,直接调取相关数据。对于城市的监控系统架设不够全面的,可以自行设置相应的环境参数采集设备或者系统,用于获取针对某个污染类型的监控数据。
步骤S104,当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型。
环境污染累积效应的出现通常是两个及以上的协同影响发生,在对其进行监控时,采用以单一类型的环境污染发生作为触发条件,既不会导致监控系统过于敏感,同时能够保证合适的监控力度。
对于单一类型的环境污染,标志其出现的参数类型可能有一个或者多个,即可能是当某一个参数类型的参数信息超出正常范围,就认为发生的该类型的环境污染,也可能是多个参数类型的参数信息均超出正常范围,才认为发生的该类型的环境污染。因此,对于已经出现的单一类型的环境污染,获取所有异常数据的参数类型和参数信息。
根据实际案例积累的数据,可以发现并不是所有不同类型的环境污染在重复出现时,都会相互协同,造成更严重的污染及后果。只有部分特定类型的环境污染同时出现时,才会导致环境污染累积效应的出现。因此在确定某一类型的环境污染出现时,还需要基于其所在的累积效应识别区对应的污染类型综合进行判断。
步骤S105,将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别。
在本发明的实施例中,环境污染累积效应识别模型包括已知的各类型环境污染累积效应的产生条件。作为优选的,环境污染累积效应识别模型的内容,可以随着监控数据的不断累计进行更新,更新的内容既可以是增加新类型的环境污染累积效应,也可以是对已知的环境污染累积效应的产生条件进行补充或者修改。
具体地,所述产生条件包括导致环境污染累积效应出现的污染类型。所述产生条件还包括每类污染类型对应的参数类型以及每类参数类型的数值条件。所述产生条件还包括每类环境污染累积效应类型对应的触发条件。
上述步骤S105具体包括:
将所述识别条件与所述产生条件进行匹配;
根据匹配情况输出可能出现的环境污染累积效应类型。
在进行匹配时,根据监控的力度或者准确度的要求,可以采用不同细粒度的匹配方式进行。
对于粒度级较大的方式,在进行匹配时,可以只进行污染类型的匹配,即将累积效应识别区对应的污染类型,与所述产生条件的污染类型进行比对;筛选出污染类型为识别条件的子集的环境污染累积效应类型。
例如,某累积效应识别区对应的污染类型为A、B、C三种类型的污染,污染类型为识别条件的子集的环境污染累积效应类型则包括:A和B、A和C、B和C、A和B和C。
作为优选的实施方式,在筛选时,还可以在此基础上,仅筛选与已经发生的单一类型的环境污染相关的环境污染累积效应类型。
基于上述例子,如果是因为A类型的环境污染触发了监控,则筛选出的环境污染累积效应类型为A和B、A和C、A和B和C,其中B和C导致的环境污染累积效应由于和A无关,则不作为筛选的结果出现。
在本粒度级下,将筛选出的环境污染累积效应类型,及其对应的污染类型作为匹配结果输出。
对于更小一级的粒度级的方式,在进行匹配时,在上述筛选结果的基础上,进一步进行对比,具体包括:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息;将获取的参数信息与筛选出的环境污染累积效应类型的数值条件进行比对;判断是否达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型可能出现。
根据实际案例积累的数据,还可以发现对于可能出现相互协同进而导致环境污染累积效应发生的两类及以上污染类型,并不是当他们同时出现时,就一定会导致环境污染累积效应的发生,而是特定的某几个参数类型的参数信息达到具体的数值条件后,才可能发生。因此在确定了污染类型匹配的基础上,还需要进一步对参数类型以及参数信息进行比对。
继续基于上述例子,如果是因为A类型的环境污染触发了监控,具体原因是其中的参数类型a1出现了参数异常,对于筛选出的环境污染累积效应类型,对应污染类型的为A和B,其产生条件为A对应的参数类型a1、a2,B对应的参数类型b1、b2,均达到特定的数值条件。此时则从针对单一污染类型A的监控数据中获取该累积效应识别区中参数类型a1、a2的参数信息,从针对单一污染类型B的监控数据中获取该累积效应识别区中参数类型b1、b2的参数信息,并将其分别与特定的数值条件进行对比。判断是否达到数值条件对应的标准,如果达到,则判断对应污染类型的为A和B的环境污染累积效应类型可能出现。
需要注意的是,由于对于参数信息a2、b1、b2,其单独到特定的数值条件时,并不一定会导致某类型污染的出现。
进一步地,作为本发明实施例的优选实施方式,在进行环境污染监测时,除了考虑对当前时刻污染状况的识别,另一个非常重要的工作内容,是对未来一定时间范围内,可能出现的污染进行预测。基于此,在进行匹配时,还可以采用另一种预估的策略,具体的方法为:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息,以及参数信息在预设过去时间范围内的变化趋势;基于获取的参数信息及变化趋势与筛选出的环境污染累积效应类型的数值条件进行比对;评估参数信息是否在预设未来时间范围内达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型可能出现。
在本策略中,从单一污染类型的监控数据中获取的是预设过去时间范围内的变化趋势,通过变化趋势预估相应的参数类型的参数信息是否在预设未来时间范围内达到数值条件对应的标准,通过这样方式实现环境污染累积效应的预测。需要注意的是,针对某些参数类型的参数信息在预设过去时间范围内的变化趋势,预估其未来时间范围内是否可能达到某个数值条件,所采用的方法可以目前任何一种针对环境参数进行预测的方法,在此不做具体的限定。需要注意的是,使用不同的预测方法,可能对预测结果会产生不同的影响,进而使得对比的结果发生相应的变化。但是无论使用哪种针对环境参数进行预测方法,均可以采用本发明的方法进行环境污染累积效应的监测。
作为本发明实施例的优选方式,可以考虑单一污染类型所对应的参数类型,选择合适的环境参数预测方法。
在本粒度级下,在筛选出的环境污染累积效应类型,及其对应的污染类型的基础上,还进一步考虑了污染类型对应的参数类型以及每类参数类型的数值条件,使得匹配的结果更加准确。
对于本发明实施例提供的最小一级的粒度级的方式,在进行匹配时,在上述匹配方式的基础上,进一步考虑了环境污染累积效应发生的其他影响因素。因此在上述比对结果的基础上,再进一步进行对比,具体方法包括:
获取该累积效应识别区中与所述可能出现的环境污染累积效应类型的触发条件对应的条件参数;将获取的条件参数与所述触发条件进行对比;果满足触发条件,则判断该环境污染累积效应类型为高概率出现;果不满足触发条件,则判断该环境污染累积效应类型为低概率出现。
根据实际案例积累的数据,还可以进一步发现环境污染累积效应类型的出现,在其对应的参数类型达到特定的数值条件的基础上,还需要满足一些触发条件,例如持续时间、环境温湿度、气压,甚至天气环境等。因此在上述基础上,还需要进一步对触发条件进行比对。由于触发条件涉及的因素种类较多范围较广,因此需要基于城市的智慧城市系统,从其中与触发条件对应的各个监测系统中获取相应的条件参数,然后进行判断。作为优选的实施方式,在进行条件参数的获取时,可以直接获取当前时间点的,也可以采用合适的方式获取未来一定时间段内的预测值,进而实现对未来可能出现的环境污染累积效应的预测。
继续基于上述例子,在满足前述的对比条件之后,对应污染类型的为A和B的环境污染累积效应,其触发条件的有强烈的光照且持续N个小时。根据对应的触发条件,获取的条件参数是当前或者未来一定时间段内的光照强度值,以及对应的天气情况。如果当前或者未来一定时间段内的光照强度值满足条件,且当前或者未来一定时间段内累积效应识别区的天气为晴天,则可以判断该环境污染累积效应类型为高概率出现。
需要注意的是,由于满足触发条件和发生环境污染累积效应,并不是完全直接关联的,即两者的关联度接近1但是不等于1,所以对于满足触发条件的情况,是判断该环境污染累积效应类型为高概率出现,对于不满足触发条件的情况,是判断该环境污染累积效应类型为低概率出现。
在本实施中,提供了三种针对不同粒度级的匹配方式,分别可以针对具体情况下的不同实施场景,对于出现累积效应风险进行识别的效果也有一定的区别,在实际实施时,可以根据具体需要,选择合适的粒度级。
步骤S106,根据识别结果输出对应所述城市区域的累积效应预警信息。
在基于环境污染累积效应识别模型获取到针对每个累积效应识别区的识别结果后,将城市区域内所有的累积效应识别区的识别结果进行整合,得到对应所述城市区域的累积效应预警信息,具体的方法包括:
确定所述城市区域内环境污染累积效应可能出现的累积效应识别区;分别确定每个累积效应识别区内可能出现的环境污染累积效应类型,以及出现概率;生成对应所述城市区域的累积效应预警信息。
累积效应预警信息的构成内容,与进行匹配时所选择的粒度级相关,针对不同的粒度级,预警信息包括了在粒度级下进行了具体匹配的相关内容。
最后,根据所述累积效应预警信息确定对应每个累积效应识别区的污染治理资源。
作为优选的实施方式,对于所有累积效应识别区的污染治理资源,确定可以复用的部分;基于利用率最大化原则,得到对应所述城市区域的污染治理资源分配方案。
采用这样的资源分配策略,能够有效提升污染治理资源的使用效率。
作为本发明的实施例的其他实施方式,考虑到不同类型的环境污染之间还可能存在拮抗作用,还可以使用上述方法对出现拮抗作用的情况进行监测或者预告,并基于监测或者预告的结果,为城市环境污染治理提供更高效的实施方案。
综上所述,本实施例提供的应用于智慧城市的数据处理方法,能够充分利用智慧城市现有的环境检测系统获取的监测数据,基于不同类型污染源之间的相互影响建立识别模型,实现了对环境污染累积效应的有效的监控,使得城市的环境监测更加全面,能够提前避免因累积效应导致的损失。
如图2所示,本发明实施例提供的一种电子设备300的结构框图。该电子设备300可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备300。本申请中的电子设备300可以包括一个或多个如下部件:处理器310、存储器320、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器320中并被配置为由一个或多个处理器310执行, 一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器310可以包括一个或者多个处理核。处理器310利用各种接口和线路连接整个电子设备300内的各个部分,通过运行或执行存储在存储器320内的指令、程序、代码集或指令集,以及调用存储在存储器320内的数据,执行电子设备300的各种功能和处理数据。可选地,处理器310可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器310可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器310中,单独通过一块通信芯片进行实现。
存储器320可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器320可用于存储指令、程序、代码、代码集或指令集。存储器320可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
如图3所示,本发明实施提供的应用于智慧城市的数据处理装置,所述装置包括:
地图获取单元110,用于获取待进行环境监测的城市区域的地图信息;
区域标识单元120,用于根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区;
数据获取单元130,用于针对单一污染类型的监控数据;
异常检测单元140,用于当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型;
风险识别单元150,用于将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别;
预警输出单元160,用于将根据识别结果输出对应所述城市区域的累积效应预警信息。
本发明实施例提供的应用于智慧城市的数据处理装置,用于实现上述应用于智慧城市的数据处理方法,因此具体实施方式与上述方法相同,在此不再赘述。
综上所述,本发明提供了一种应用于智慧城市的数据处理方法及电子设备,能够充分利用智慧城市现有的环境检测系统获取的监测数据,基于不同类型污染源之间的相互影响建立识别模型,实现了对环境污染累积效应的有效的监控,使得城市的环境监测更加全面,能够提前避免因累积效应导致的损失。
在本申请所公开的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (5)

1.一种应用于智慧城市的数据处理方法,其特征在于,所述方法包括:
获取待进行环境监测的城市区域的地图信息;
根据所述地图信息识别各类污染类型的风险区域,对于同时属于两类及以上污染类型的风险区域,标识为累积效应识别区;
获取针对单一污染类型的监控数据;
当检测到累积效应识别区内出现对应污染发生的异常数据时,获取异常数据的参数类型和参数信息,以及该累积效应识别区对应的污染类型;
将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别;
根据识别结果输出对应所述城市区域的累积效应预警信息;
所述环境污染累积效应识别模型包括已知的各类型环境污染累积效应的产生条件,所述将获取的信息作为识别条件输入到环境污染累积效应识别模型中,对出现累积效应的风险进行识别的步骤,具体包括:
将所述识别条件与所述产生条件进行匹配;
根据匹配情况输出对应出现的环境污染累积效应类型;
所述产生条件包括导致环境污染累积效应出现的污染类型,所述将所述识别条件与所述产生条件进行匹配的步骤,具体包括:
将累积效应识别区对应的污染类型,与所述产生条件的污染类型进行比对;
筛选出污染类型为识别条件的子集的环境污染累积效应类型;
所述产生条件还包括每类污染类型对应的参数类型以及每类参数类型的数值条件,所述将所述识别条件与所述产生条件进行匹配的步骤,具体还包括:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息;
将获取的参数信息与筛选出的环境污染累积效应类型的数值条件进行比对;
判断是否达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型将对应出现;
所述将所述识别条件与所述产生条件进行匹配的步骤,具体还包括:
从所述针对单一污染类型的监控数据中,获取该累积效应识别区中,对应筛选出的环境污染累积效应类型的参数类型的参数信息,以及参数信息在预设过去时间范围内的变化趋势;
基于获取的参数信息及变化趋势与筛选出的环境污染累积效应类型的数值条件进行比对;
评估参数信息是否在预设未来时间范围内达到数值条件对应的标准,如果达到,则判断该环境污染累积效应类型将对应出现;
所述产生条件还包括每类污染类型对应的触发条件,所述将所述识别条件与所述产生条件进行匹配的步骤,具体还包括:
获取该累积效应识别区中与所述对应出现的环境污染累积效应类型的触发条件对应的条件参数;
将获取的条件参数与所述触发条件进行对比;
如果满足触发条件,则判断该环境污染累积效应类型为高概率出现;
如果不满足触发条件,则判断该环境污染累积效应类型为低概率出现。
2.根据权利要求1中所述的应用于智慧城市的数据处理方法,其特征在于,所述根据识别结果输出对应所述城市区域的累积效应预警信息的步骤,具体包括:
确定所述城市区域内环境污染累积效应对应出现的累积效应识别区;
分别确定每个累积效应识别区内对应出现的环境污染累积效应类型,以及出现概率;
生成对应所述城市区域的累积效应预警信息。
3.根据权利要求2所述的应用于智慧城市的数据处理方法,其特征在于,所述方法还包括:
根据所述累积效应预警信息确定对应每个累积效应识别区的污染治理资源。
4.根据权利要求3所述的应用于智慧城市的数据处理方法,其特征在于,所述方法还包括:
对于所有累积效应识别区的污染治理资源,确定可以复用的部分;
基于利用率最大化原则,得到对应所述城市区域的污染治理资源分配方案。
5.一种电子设备,其特征在于,包括:
一个或多个处理器 ;
存储器 ;
一个或多个应用程序, 其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个应用程序被配置为用于执行如权利要求1-4任意一项所述的方法。
CN202311178057.6A 2023-09-13 2023-09-13 应用于智慧城市的数据处理方法及电子设备 Active CN116912069B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311178057.6A CN116912069B (zh) 2023-09-13 2023-09-13 应用于智慧城市的数据处理方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311178057.6A CN116912069B (zh) 2023-09-13 2023-09-13 应用于智慧城市的数据处理方法及电子设备

Publications (2)

Publication Number Publication Date
CN116912069A CN116912069A (zh) 2023-10-20
CN116912069B true CN116912069B (zh) 2024-01-02

Family

ID=88356948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311178057.6A Active CN116912069B (zh) 2023-09-13 2023-09-13 应用于智慧城市的数据处理方法及电子设备

Country Status (1)

Country Link
CN (1) CN116912069B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009226A (zh) * 2019-04-03 2019-07-12 中国科学院地理科学与资源研究所 一种场地污染风险等级评测及敏感受体影响识别系统
CN110675091A (zh) * 2019-10-16 2020-01-10 中国水利水电科学研究院 一种城市地表径流污染物负荷计算方法
CN111985567A (zh) * 2020-08-21 2020-11-24 河北先河环保科技股份有限公司 一种基于机器学习的污染源类型自动识别方法
CN114169140A (zh) * 2021-11-11 2022-03-11 中国地质大学(武汉) 一种不同层位复合污染土壤污染区域的叠加方法
CN115660419A (zh) * 2022-10-24 2023-01-31 北京市生态环境保护科学研究院 一套工业园区土壤与地下水污染监测、评估及预警方法
CN116644957A (zh) * 2023-05-31 2023-08-25 贵阳学院 一种基于气象和环境监测数据的城市空气污染预警方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009226A (zh) * 2019-04-03 2019-07-12 中国科学院地理科学与资源研究所 一种场地污染风险等级评测及敏感受体影响识别系统
CN110675091A (zh) * 2019-10-16 2020-01-10 中国水利水电科学研究院 一种城市地表径流污染物负荷计算方法
CN111985567A (zh) * 2020-08-21 2020-11-24 河北先河环保科技股份有限公司 一种基于机器学习的污染源类型自动识别方法
CN114169140A (zh) * 2021-11-11 2022-03-11 中国地质大学(武汉) 一种不同层位复合污染土壤污染区域的叠加方法
CN115660419A (zh) * 2022-10-24 2023-01-31 北京市生态环境保护科学研究院 一套工业园区土壤与地下水污染监测、评估及预警方法
CN116644957A (zh) * 2023-05-31 2023-08-25 贵阳学院 一种基于气象和环境监测数据的城市空气污染预警方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Liu,Daqing ; .The toxicity effects and mechanisms of tris(1,3-dichloro-2-propyl) phosphate(TDCPP) and its ecological risk assessment for the protection of freshwater organisms.ENVIRONMENTAL POLLUTION.2020,第264卷1-8. *
农业开发项目的污染特征与环境影响评价内容方法探讨;李家兵 等;;福建地理(第01期);25-29 *
北京近期雾霾污染的成因及控制对策分析;彭应登;;工程研究-跨学科视野中的工程(第03期);233-239 *
生态矿区建设期环境成本与效益研究;万林葳;中国博士学位论文全文数据库 (经济与管理科学辑)(第06期);J163-8 *

Also Published As

Publication number Publication date
CN116912069A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN115578015A (zh) 基于物联网的污水处理全过程监管方法、系统及存储介质
CN109714324B (zh) 基于机器学习算法的用户网络异常行为发现方法及系统
US20180122105A1 (en) Device based visualization and analysis of multivariate data
CN110019349A (zh) 语句预警方法、装置、设备及计算机可读存储介质
CN110866642A (zh) 安全监控方法、装置、电子设备和计算机可读存储介质
CN116821750A (zh) 一种基于人工智能的数据安全风险监测追溯系统
CN113570867B (zh) 一种城市交通状态预测方法、装置、设备及可读存储介质
CN111275333A (zh) 污染数据处理方法和装置
CN109816179A (zh) 基于大数据的生态环境监测预警方法及系统
CN112491920A (zh) 一种车载can总线的异常检测方法及装置
CN116862081B (zh) 一种污染治理设备运维方法及系统
CN111062562A (zh) 一种社区网格服务联动处置控制方法及系统
CN111640280A (zh) 一种基于多源信息融合的地铁站污染物预警方法
CN116912069B (zh) 应用于智慧城市的数据处理方法及电子设备
CN114418360A (zh) 一种智慧城市运行体征大数据分析方法及装置
CN112784025B (zh) 一种目标事件的确定方法和装置
CN116761185A (zh) 一种基于信令预测日活跃用户的方法、系统及介质
CN113434857A (zh) 一种应用深度学习的用户行为安全解析方法及系统
CN113055984B (zh) 终端控制方法、装置、移动终端及存储介质
CN110324588B (zh) 基于字典结构的视频分析警告事件信息存储方法
CN113920720A (zh) 高速公路隧道设备故障处理方法、装置及电子设备
CN113342978A (zh) 一种城市事件处理方法及装置
CN111193617A (zh) 网页篡改识别方法、装置、电子设备及存储介质
CN116484428B (zh) 数据安全性检测系统、方法、装置及相关设备
CN112344990B (zh) 环境异常监测方法、装置、设备及存储介质

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