CN117010577B - 基于时空分布的多维度碳排放监测方法及系统 - Google Patents
基于时空分布的多维度碳排放监测方法及系统 Download PDFInfo
- Publication number
- CN117010577B CN117010577B CN202311278176.9A CN202311278176A CN117010577B CN 117010577 B CN117010577 B CN 117010577B CN 202311278176 A CN202311278176 A CN 202311278176A CN 117010577 B CN117010577 B CN 117010577B
- Authority
- CN
- China
- Prior art keywords
- information
- carbon emission
- carbon
- space
- different time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 445
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 445
- 238000012544 monitoring process Methods 0.000 title claims abstract description 134
- 238000009826 distribution Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000009792 diffusion process Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 36
- 230000009467 reduction Effects 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims 1
- 239000003086 colorant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000001105 regulatory effect Effects 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 3
- 238000007499 fusion processing Methods 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06Q10/04—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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种基于时空分布的多维度碳排放监测方法及系统,该方法包括:采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端;通过获取不同时间下的道路交通流数据实现碳排放时空分布分析,从而可以进行多维度的碳排放监测,提高数据监测精度。
Description
技术领域
本申请涉及碳排放监测领域,具体而言,涉及一种基于时空分布的多维度碳排放监测方法及系统。
背景技术
随着碳减排的需求,需要把握城市道路交通系统碳排放的形成机理,评估城市交通系统碳排放特征和不同时空分辨率下的主要影响因素,判断城市交通系统碳排放的发展趋势,特别是城市交通碳排放的形成机理及其在城市典型路段的扩散分布情况,交通碳排放多维度移动监测主要包括对机动车碳排放、行驶特征、污染物扩散、交通流、路况、气象等因素数据的获取,现有的碳排放监测方法无法对碳排放进行多维度数据提取分析,碳排放数据的分析精度较低,从而造成较大的检测误差,针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于时空分布的多维度碳排放监测方法及系统,通过获取不同时间下的道路交通流数据实现碳排放时空分布分析,从而可以进行多维度的碳排放监测,提高数据监测精度。
本申请实施例还提供了一种基于时空分布的多维度碳排放监测方法,包括:
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;
根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测方法中,采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像;
将中间图像进行计算,得到帧差信息;
将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
判断所述帧差偏差率是否大于或等于预设的偏差率阈值;
若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测方法中,若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
获取单帧图像,提取图像特征;
将图像特征与预设的图像特征进行比较,得到特征偏差;
若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测方法中,将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,具体为:
获取不同时间节点的道路交通流数据,根据道路交通流计算路况数据与车辆行驶数据;
提取车辆行驶数据特征,并根据车辆行驶特征计算车辆行驶参数信息,车辆行驶参数信息包括车辆行驶速度信息、车辆加速度信息、车辆怠速信息、发动机转速信息;
根据车辆行驶参数信息生成不同时间节点的第一碳排放曲线;
提取路况数据特征,根据路况数据特征计算路况参数信息,所述路况参数信息包括道路类型、车道数、道路坡度信息;
根据路况参数信息生成不同时间节点的第二碳排放曲线;
将第一碳排放曲线与第二碳排放曲线进行叠加计算,得到不同时间节点的碳排放数据。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测方法中,根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息,具体为:
获取监测区域,将监测区域分割为若干个空间,并分别获取若干个空间内的气象信息;
根据气象信息生成气流流动信息,根据气流流动信息生成碳排放流动信息;
根据碳排放流动信息获取空间内的碳排放量波动信息;
根据碳排放量波动信息得到同一空间内的碳浓度分布信息。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测方法中,将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端,具体为:
获取空间内气体体积信息与碳排放数据,根据碳排放数据与空间内气体体积信息进行比值计算,生成碳浓度;
根据若干个空间的气体体积信息将若干个空间进行权重计算,得到若干个空间对应的权重系数;
将权重系数乘以对应空间内的碳浓度,生成若干个空间的碳排放监测数据;
将若干个碳排放监测数据按照权重系数叠加,得到监测信息。
第二方面,本申请实施例提供了一种基于时空分布的多维度碳排放监测系统,该系统包括:存储器及处理器,所述存储器中包括基于时空分布的多维度碳排放监测方法的程序,所述基于时空分布的多维度碳排放监测方法的程序被所述处理器执行时实现以下步骤:
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;
根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测系统中,采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像;
将中间图像进行计算,得到帧差信息;
将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
判断所述帧差偏差率是否大于或等于预设的偏差率阈值;
若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理。
可选地,在本申请实施例所述的基于时空分布的多维度碳排放监测系统中,若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
获取单帧图像,提取图像特征;
将图像特征与预设的图像特征进行比较,得到特征偏差;
若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括基于时空分布的多维度碳排放监测方法程序,所述基于时空分布的多维度碳排放监测方法程序被处理器执行时,实现前述如基于时空分布的多维度碳排放监测方法的步骤。
由上可知,本申请实施例提供的一种基于时空分布的多维度碳排放监测方法、系统及介质,通过采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端;通过获取不同时间下的道路交通流数据实现碳排放时空分布分析,从而可以进行多维度的碳排放监测,提高数据监测精度。
本申请的其他特征和优点将在随后的说明书阐述,本申请的目的和优点通过所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请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申请的某些实施例,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为本申请实施例提供的基于时空分布的多维度碳排放监测方法的流程图;
图2为本申请实施例提供的基于时空分布的多维度碳排放监测方法的单帧图像降噪处理流程图;
图3为本申请实施例提供的基于时空分布的多维度碳排放监测方法的图像特征优化流程图;
图4为本申请实施例提供的基于时空分布的多维度碳排放监测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
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。同时,在本申请的描述中,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。
请参照图1,图1是本申请一些实施例中的一种基于时空分布的多维度碳排放监测方法的流程图。该基于时空分布的多维度碳排放监测方法用于终端设备中,该基于时空分布的多维度碳排放监测方法,包括以下步骤:
S101,采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
S102,根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
S103,将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;其中,碳排放数据包括括 CO2排放量、CO排放量、HC排放量;
S104,根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
S105,将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端。
需要说明的是,通过分析城市路况进行道路分布信息的计算,并判断不同道路的交通流数据,从而可以精准的获取不同道路对应的空间内的碳排放浓度,形成碳排放监测信息,实现监测的实时性与精准性,空间表示监测区域,可以通过道路分布将区域进行横向划分,或根据道路的轨迹进行进行空间划分,也可以按照高度进行纵向划分,此外还可以选取重要的主干道、主要交叉口作为监测区域,实现碳排放监测的多维度监测。
请参照图2,图2是本申请一些实施例中的一种基于时空分布的多维度碳排放监测方法的单帧图像降噪处理流程图。根据本发明实施例,采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
S201,获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像,将中间图像进行计算,得到帧差信息;
S202,将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
S203,判断帧差偏差率是否大于或等于预设的偏差率阈值;
S204,若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
S205,若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理。
需要说明的是,对遥感影像进行帧差处理,并判断帧差设定的有效性,从而得到单帧图像,根据帧差设定的偏差进行实时修正帧差设定值,提高单帧图像的获取精度,并提高降噪处理的效果,提高单帧图像的清晰度。
请参照图3,图3是本申请一些实施例中的一种基于时空分布的多维度碳排放监测方法的图像特征优化流程图。根据本发明实施例,若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
S301,获取单帧图像,提取图像特征,将图像特征与预设的图像特征进行比较,得到特征偏差;
S302,若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
S303,若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
S304,若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
S305,将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征。
需要说明的是,通过优化图像特征,使图像特征更加精准的反应碳排放数据的精度,通过判断特征偏差,对图像特征进行不同方式的处理,从而得到最优的图像特征。
根据本发明实施例,将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,具体为:
获取不同时间节点的道路交通流数据,根据道路交通流计算路况数据与车辆行驶数据;
提取车辆行驶数据特征,并根据车辆行驶特征计算车辆行驶参数信息,车辆行驶参数信息包括车辆行驶速度信息、车辆加速度信息、车辆怠速信息、发动机转速信息;
根据车辆行驶参数信息生成不同时间节点的第一碳排放曲线;
提取路况数据特征,根据路况数据特征计算路况参数信息,路况参数信息包括道路类型、车道数、道路坡度信息;
根据路况参数信息生成不同时间节点的第二碳排放曲线;
将第一碳排放曲线与第二碳排放曲线进行叠加计算,得到不同时间节点的碳排放数据。
需要说明的是,通过分析车辆行驶数据特征与路况信息进行不同纬度的碳排放分析,并将分析结果进行叠加计算,得到时间与碳排放之间的关系曲线,通过分析关系曲线进行精准的分析碳排放数据,车辆移动过程中,速度增大时发动机喷油量增大、气缸温度升高,导致汽油不完全燃烧产生的CO排放及未完全燃烧的HC蒸发量增加,因此车辆行驶参数的不同会造成碳排放的瞬时变化较大,最后趋于平稳,平稳之后分析碳排放数据,提高碳排放数据的监测精度。
根据本发明实施例,根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息,具体为:
获取监测区域,将监测区域分割为若干个空间,并分别获取若干个空间内的气象信息;
根据气象信息生成气流流动信息,根据气流流动信息生成碳排放流动信息;
根据碳排放流动信息获取空间内的碳排放量波动信息;
根据碳排放量波动信息得到同一空间内的碳浓度分布信息。
需要说明的是,监测区域分割为若干个空间,将不同的空间进行单独分析,并通过气流流动进行调整不同空间内的碳排放数据,使不同空间内的碳排放数据更加精准。
进一步的,气象因素主要指风速、风向、温度和大气稳定度等。风速与风向对交通碳排放物具有整体输送效果,风速越大,单位时间内将交通碳排放物输送得越远,同时混入的清洁空气也越多,碳排放物稀释越快,风向主要指空气在水平方向的运动,决定了碳排放物水平面内的扩散方向;风向和交通排放线源若形成不同的夹角,则排放物扩散后影响的区域和影响程度均会不同,风速直接决定了碳排放物的扩散分布情况,碳排放物在风速作用下扩散,通过湍流与气体分子扩散作用,与清洁空气之间产生渗混、稀释,大气湍流能够引起气体微团间的剧烈交换和混合,是影响交通碳排放物扩散的主要气象因素。
根据本发明实施例,将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端,具体为:
获取空间内气体体积信息与碳排放数据,根据碳排放数据与空间内气体体积信息进行比值计算,生成碳浓度;
根据若干个空间的气体体积信息将若干个空间进行权重计算,得到若干个空间对应的权重系数;
将权重系数乘以对应空间内的碳浓度,生成若干个空间的碳排放监测数据;
将若干个碳排放监测数据按照权重系数叠加,得到监测信息。
需要说明的是,根据空间的气体体积与碳排放数据进行权重计算,并根据权重系数对不同的空间进行权重叠加,提高不同空间的碳排放分析精度。
根据本发明实施例,还包括:获取气象信息,根据气象信息生成气流扩散速度;
根据气流扩散速度计算气流波动信息;
将气流波动信息与预设的波动信息进行比较,得到波动偏差率;
判断波动偏差率是否大于预设的波动偏差率阈值;
若大于或等于,则根据气流波动信息生成碳含量浓度扩散信息;
若小于,则计算对应空间内的碳排放浓度。
需要说明的是,气流扩散过程中会产生气流波动,从而带动碳排放的流动,通过判断碳排放的流动信息进行分析碳排放浓度扩散状态,根据扩散状态进行分析气流波动对碳排放浓度的影响,从而精准的对碳排放数据进行监测,提高监测精度。
进一步的,通过在道路侧面设置多个监测站,定点监测交通污染物的实时排放,在主路同侧分别选取坡度不同的两条支路,利用移动监测设备监测碳排放沿路侧的扩散情况,分析道路坡度对碳排放扩散的影响,同时分析风速及建筑对碳排放扩散的影响,通过对比分析揭示跨线桥等建筑物对碳排放扩散的阻碍作用。
根据本发明实施例,还包括:
获取不同空间的碳浓度;
根据碳浓度落入的预设碳浓度范围,得到不同空间的颜色;
将不同空间的颜色进行组合,构建监测区域的碳浓度展示图;
将所述监测区域的碳浓度展示发送至终端以进行显示。
需要说明的是,将不同碳浓度的空间按照不同颜色进行显示,比如碳浓度落入的预设碳浓度范围在时,对应空间显示为深绿色;碳浓度落入的预设碳浓度范围在/>时,对应空间显示为浅绿色;碳浓度大于/>时,对应空间显示为深红色;所述碳浓度越大,对应空间的颜色越深、越显眼。
根据本发明实施例,还包括;
判断空间内的碳浓度值是否大于预设碳浓度阈值,若是,记录对应空间碳浓度超标一次;若否,对应空间碳浓度为正常;
基于预设时间周期,获取对应空间碳浓度超标的总次数值;
判断所述空间碳浓度超标的总次数值是否大于预设次数阈值,若是,将对应空间进行标记,并触发碳浓度警示信息;
将标记空间的位置以及碳浓度警示信息发送至终端以进行显示。
需要说明的是,比如预设碳浓度阈值为,则当空间内的碳浓度值大于,记录对应空间碳浓度超标一次,若预设时间周期为1天,则记录对应空间在一天时间内碳浓度超标的总次数值,比如预设次数阈值为3次,则当对应空间在一天时间内碳浓度超标的总次数值大于3次时,对该空间进行标记,并在监测区域的碳浓度展示图中进行显示,并触发碳浓度警示信息。
根据本发明实施例,所述触发碳浓度警示信息之后,还包括:
获取标记空间内的碳排放节点信息;
将所述标记空间内的碳排放节点划分为移动碳排放节点和固定碳排放节点;
将对应标记空间内的碳浓度根据移动碳排放节点和固定碳排放节点进行划分,得到标记空间的移动碳排放节点排放的碳浓度和标记空间的固定碳排放节点排放的碳浓度;
获取监测区域内所有空间内的移动碳排放节点排放的碳浓度;
将监测区域内所有空间内的移动碳排放节点排放的碳浓度进行平均值计算,得到移动碳排放节点排放的碳浓度平均值;
将标记空间的移动碳排放节点排放的碳浓度减去移动碳排放节点排放的碳浓度平均值,得到第一碳浓度;
将第一碳浓度和标记空间的固定碳排放节点排放的碳浓度进行对比分析,得到标记空间碳排放调整方案;
将所述标记空间碳排放调整方案发送至终端以进行显示。
需要说明的,根据标记空间内的第一碳浓度和固定碳排放节点排放的碳浓度进行对比分析,其中若标记空间内的第一碳浓度大于固定碳排放节点排放的碳浓度,则对该标记空间内的移动碳排放节点进行调控,比如控制标记空间的红绿灯,以减少车流在该标记空间停留时间;当标记空间内的第一碳浓度小于或等于固定碳排放节点排放的碳浓度时,对该标记空间内的固定碳排放节点进行调控,比如调整对应标记空间内固定碳排放节点的碳排放时间,与对应标记空间内的移动碳排放节点的碳排放高峰期错位排放。
请参照图4,图4是本申请一些实施例中的一种基于时空分布的多维度碳排放监测系统的结构示意图。第二方面,本申请实施例提供了一种基于时空分布的多维度碳排放监测系统4,该系统包括:存储器41及处理器42,存储器41中包括基于时空分布的多维度碳排放监测方法的程序,基于时空分布的多维度碳排放监测方法的程序被处理器执行时实现以下步骤:
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,其中,碳排放数据包括括CO2排放量、CO排放量、HC排放量;
根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端。
需要说明的是,通过分析城市路况进行道路分布信息的计算,并判断不同道路的交通流数据,从而可以精准的获取不同道路对应的空间内的碳排放浓度,形成碳排放监测信息,实现监测的实时性与精准性;空间表示监测区域,可以通过道路分布将区域进行横向划分,或根据道路的轨迹进行进行空间划分,也可以按照高度进行纵向划分,此外还可以选取重要的主干道、主要交叉口作为监测区域,实现碳排放监测的多维度监测。
根据本发明实施例,采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像;
将中间图像进行计算,得到帧差信息;
将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
判断帧差偏差率是否大于或等于预设的偏差率阈值;
若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理。
需要说明的是,对遥感影像进行帧差处理,并判断帧差设定的有效性,从而得到单帧图像,根据帧差设定的偏差进行实时修正帧差设定值,提高单帧图像的获取精度,并提高降噪处理的效果,提高单帧图像的清晰度。
根据本发明实施例,若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
获取单帧图像,提取图像特征;
将图像特征与预设的图像特征进行比较,得到特征偏差;
若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征。
需要说明的是,通过优化图像特征,使图像特征更加精准的反应碳排放数据的精度,通过判断特征偏差,对图像特征进行不同方式的处理,从而得到最优的图像特征。
根据本发明实施例,将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,具体为:
获取不同时间节点的道路交通流数据,根据道路交通流计算路况数据与车辆行驶数据;
提取车辆行驶数据特征,并根据车辆行驶特征计算车辆行驶参数信息,车辆行驶参数信息包括车辆行驶速度信息、车辆加速度信息、车辆怠速信息、发动机转速信息;
根据车辆行驶参数信息生成不同时间节点的第一碳排放曲线;
提取路况数据特征,根据路况数据特征计算路况参数信息,路况参数信息包括道路类型、车道数、道路坡度信息;
根据路况参数信息生成不同时间节点的第二碳排放曲线;
将第一碳排放曲线与第二碳排放曲线进行叠加计算,得到不同时间节点的碳排放数据。
需要说明的是,通过分析车辆行驶数据特征与路况信息进行不同纬度的碳排放分析,并将分析结果进行叠加计算,得到时间与碳排放之间的关系曲线,通过分析关系曲线进行精准的分析碳排放数据,车辆移动过程中,速度增大时发动机喷油量增大、气缸温度升高,导致汽油不完全燃烧产生的CO排放及未完全燃烧的HC蒸发量增加,因此车辆行驶参数的不同会造成碳排放的瞬时变化较大,最后趋于平稳,平稳之后分析碳排放数据,提高碳排放数据的监测精度。
根据本发明实施例,根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息,具体为:
获取监测区域,将监测区域分割为若干个空间,并分别获取若干个空间内的气象信息;
根据气象信息生成气流流动信息,根据气流流动信息生成碳排放流动信息;
根据碳排放流动信息获取空间内的碳排放量波动信息;
根据碳排放量波动信息得到同一空间内的碳浓度分布信息。
需要说明的是,监测区域分割为若干个空间,将不同的空间进行单独分析,并通过气流流动进行调整不同空间内的碳排放数据,使不同空间内的碳排放数据更加精准。
进一步的,气象因素主要指风速、风向、温度和大气稳定度等。风速与风向对交通碳排放物具有整体输送效果,风速越大,单位时间内将交通碳排放物输送得越远,同时混入的清洁空气也越多,碳排放物稀释越快,风向主要指空气在水平方向的运动,决定了碳排放物水平面内的扩散方向;风向和交通排放线源若形成不同的夹角,则排放物扩散后影响的区域和影响程度均会不同,风速直接决定了碳排放物的扩散分布情况,碳排放物在风速作用下扩散,通过湍流与气体分子扩散作用,与清洁空气之间产生渗混、稀释,大气湍流能够引起气体微团间的剧烈交换和混合,是影响交通碳排放物扩散的主要气象因素。
根据本发明实施例,将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端,具体为:
获取空间内气体体积信息与碳排放数据,根据碳排放数据与空间内气体体积信息进行比值计算,生成碳浓度;
根据若干个空间的气体体积信息将若干个空间进行权重计算,得到若干个空间对应的权重系数;
将权重系数乘以对应空间内的碳浓度,生成若干个空间的碳排放监测数据;
将若干个碳排放监测数据按照权重系数叠加,得到监测信息。
需要说明的是,根据空间的气体体积与碳排放数据进行权重计算,并根据权重系数对不同的空间进行权重叠加,提高不同空间的碳排放分析精度。
根据本发明实施例,还包括:获取气象信息,根据气象信息生成气流扩散速度;
根据气流扩散速度计算气流波动信息;
将气流波动信息与预设的波动信息进行比较,得到波动偏差率;
判断波动偏差率是否大于预设的波动偏差率阈值;
若大于或等于,则根据气流波动信息生成碳含量浓度扩散信息;
若小于,则计算对应空间内的碳排放浓度。
需要说明的是,气流扩散过程中会产生气流波动,从而带动碳排放的流动,通过判断碳排放的流动信息进行分析碳排放浓度扩散状态,根据扩散状态进行分析气流波动对碳排放浓度的影响,从而精准的对碳排放数据进行监测,提高监测精度。
进一步的,通过在道路侧面设置多个监测站,定点监测交通污染物的实时排放,在主路同侧分别选取坡度不同的两条支路,利用移动监测设备监测碳排放沿路侧的扩散情况,分析道路坡度对碳排放扩散的影响,同时分析风速及建筑对碳排放扩散的影响,通过对比分析揭示跨线桥等建筑物对碳排放扩散的阻碍作用。
根据本发明实施例,还包括:
获取不同空间的碳浓度;
根据碳浓度落入的预设碳浓度范围,得到不同空间的颜色;
将不同空间的颜色进行组合,构建监测区域的碳浓度展示图;
将所述监测区域的碳浓度展示发送至终端以进行显示。
需要说明的是,将不同碳浓度的空间按照不同颜色进行显示,比如碳浓度落入的预设碳浓度范围在时,对应空间显示为深绿色;碳浓度落入的预设碳浓度范围在/>时,对应空间显示为浅绿色;碳浓度大于/>时,对应空间显示为深红色;所述碳浓度越大,对应空间的颜色越深、越显眼。
根据本发明实施例,还包括;
判断空间内的碳浓度值是否大于预设碳浓度阈值,若是,记录对应空间碳浓度超标一次;若否,对应空间碳浓度为正常;
基于预设时间周期,获取对应空间碳浓度超标的总次数值;
判断所述空间碳浓度超标的总次数值是否大于预设次数阈值,若是,将对应空间进行标记,并触发碳浓度警示信息;
将标记空间的位置以及碳浓度警示信息发送至终端以进行显示。
需要说明的是,比如预设碳浓度阈值为,则当空间内的碳浓度值大于,记录对应空间碳浓度超标一次,若预设时间周期为1天,则记录对应空间在一天时间内碳浓度超标的总次数值,比如预设次数阈值为3次,则当对应空间在一天时间内碳浓度超标的总次数值大于3次时,对该空间进行标记,并在监测区域的碳浓度展示图中进行显示,并触发碳浓度警示信息。
根据本发明实施例,所述触发碳浓度警示信息之后,还包括:
获取标记空间内的碳排放节点信息;
将所述标记空间内的碳排放节点划分为移动碳排放节点和固定碳排放节点;
将对应标记空间内的碳浓度根据移动碳排放节点和固定碳排放节点进行划分,得到标记空间的移动碳排放节点排放的碳浓度和标记空间的固定碳排放节点排放的碳浓度;
获取监测区域内所有空间内的移动碳排放节点排放的碳浓度;
将监测区域内所有空间内的移动碳排放节点排放的碳浓度进行平均值计算,得到移动碳排放节点排放的碳浓度平均值;
将标记空间的移动碳排放节点排放的碳浓度减去移动碳排放节点排放的碳浓度平均值,得到第一碳浓度;
将第一碳浓度和标记空间的固定碳排放节点排放的碳浓度进行对比分析,得到标记空间碳排放调整方案;
将所述标记空间碳排放调整方案发送至终端以进行显示。
需要说明的,根据标记空间内的第一碳浓度和固定碳排放节点排放的碳浓度进行对比分析,其中若标记空间内的第一碳浓度大于固定碳排放节点排放的碳浓度,则对该标记空间内的移动碳排放节点进行调控,比如控制标记空间的红绿灯,以减少车流在该标记空间停留时间;当标记空间内的第一碳浓度小于或等于固定碳排放节点排放的碳浓度时,对该标记空间内的固定碳排放节点进行调控,比如调整对应空间内固定碳排放节点的碳排放时间,与对应标记空间内的移动碳排放节点的碳排放高峰期错位排放。
本发明第三方面提供了一种计算机可读存储介质,可读存储介质中包括基于时空分布的多维度碳排放监测方法程序,基于时空分布的多维度碳排放监测方法程序被处理器执行时,实现前述如基于时空分布的多维度碳排放监测方法的步骤。
本发明公开的一种基于时空分布的多维度碳排放监测方法、系统及介质,通过采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端;通过获取不同时间下的道路交通流数据实现碳排放时空分布分析,从而可以进行多维度的碳排放监测,提高数据监测精度的技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元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,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (5)
1.一种基于时空分布的多维度碳排放监测方法,其特征在于,包括:
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;
根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端;
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像;
将中间图像进行计算,得到帧差信息;
将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
判断所述帧差偏差率是否大于或等于预设的偏差率阈值;
若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
获取单帧图像,提取图像特征;
将图像特征与预设的图像特征进行比较,得到特征偏差;
若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,具体为:
获取不同时间节点的道路交通流数据,根据道路交通流计算路况数据与车辆行驶数据;
提取车辆行驶数据特征,并根据车辆行驶特征计算车辆行驶参数信息,车辆行驶参数信息包括车辆行驶速度信息、车辆加速度信息、车辆怠速信息、发动机转速信息;
根据车辆行驶参数信息生成不同时间节点的第一碳排放曲线;
提取路况数据特征,根据路况数据特征计算路况参数信息,所述路况参数信息包括道路类型、车道数、道路坡度信息;
根据路况参数信息生成不同时间节点的第二碳排放曲线;
将第一碳排放曲线与第二碳排放曲线进行叠加计算,得到不同时间节点的碳排放数据;
还包括;
判断空间内的碳浓度值是否大于预设碳浓度阈值,若是,记录对应空间碳浓度超标一次;若否,对应空间碳浓度为正常;
基于预设时间周期,获取对应空间碳浓度超标的总次数值;
判断所述空间碳浓度超标的总次数值是否大于预设次数阈值,若是,将对应空间进行标记,并触发碳浓度警示信息;
将标记空间的位置以及碳浓度警示信息发送至终端以进行显示。
2. 根据权利要求 1 所述的基于时空分布的多维度碳排放监测方法,其特征在于,根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息,具体为:
获取监测区域,将监测区域分割为若干个空间,并分别获取若干个空间内的气象信息;
根据气象信息生成气流流动信息,根据气流流动信息生成碳排放流动信息;
根据碳排放流动信息获取空间内的碳排放量波动信息;
根据碳排放量波动信息得到同一空间内的碳浓度分布信息。
3. 根据权利要求 2 所述的基于时空分布的多维度碳排放监测方法,其特征在于,将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端,具体为:
获取空间内气体体积信息与碳排放数据,根据碳排放数据与空间内气体体积信息进行比值计算,生成碳浓度;
根据若干个空间的气体体积信息将若干个空间进行权重计算,得到若干个空间对应的权重系数;
将权重系数乘以对应空间内的碳浓度,生成若干个空间的碳排放监测数据;
将若干个碳排放监测数据按照权重系数叠加,得到监测信息。
4.一种基于时空分布的多维度碳排放监测系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于时空分布的多维度碳排放监测方法的程序,所述基于时空分布的多维度碳排放监测方法的程序被所述处理器执行时实现以下步骤:
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像;
根据单帧遥感图像生成城市路网信息,根据路网信息获取不同时间节点的道路交通流数据;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据;
根据不同时间节点的碳排放数据计算碳排放扩散信息,得到不同时间节点的同一空间内的碳浓度分布信息;
将若干个空间内的碳浓度分布信息进行整合生成监测信息,将监测信息按照预定的方式传输至终端;
采集遥感影像,并对遥感影像进行帧处理,得到若干个单帧遥感图像,具体为:
获取遥感影像,将遥感影像进行帧处理,得到若干个中间图像;
将中间图像进行计算,得到帧差信息;
将帧差信息与预设的帧差信息进行比较,得到帧差偏差率;
判断所述帧差偏差率是否大于或等于预设的偏差率阈值;
若大于或等于,则生成修正信息,根据修正信息对帧差设定值进行调整;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理;
若小于,则得到若干个单帧图像,并对单帧图像进行降噪处理,具体为:
获取单帧图像,提取图像特征;
将图像特征与预设的图像特征进行比较,得到特征偏差;
若特征偏差大于第一特征偏差阈值且小于或等于第二特征偏差阈值,则生成优化信息,根据优化信息对特征进行优化,得到优化后的图像特征;
若特征偏差大于第二特征偏差阈值,则剔除对应的图像特征;
若特征偏差小于第一特征偏差阈值,则判定图像特征为正常图像特征;
将优化后的图像特征与正常图像特征进行融合处理,得到最终的图像特征;
将不同时间节点的道路交通流数据输入碳排放预测模型,得到不同时间节点的碳排放数据,具体为:
获取不同时间节点的道路交通流数据,根据道路交通流计算路况数据与车辆行驶数据;
提取车辆行驶数据特征,并根据车辆行驶特征计算车辆行驶参数信息,车辆行驶参数信息包括车辆行驶速度信息、车辆加速度信息、车辆怠速信息、发动机转速信息;
根据车辆行驶参数信息生成不同时间节点的第一碳排放曲线;
提取路况数据特征,根据路况数据特征计算路况参数信息,所述路况参数信息包括道路类型、车道数、道路坡度信息;
根据路况参数信息生成不同时间节点的第二碳排放曲线;
将第一碳排放曲线与第二碳排放曲线进行叠加计算,得到不同时间节点的碳排放数据;
还包括;
判断空间内的碳浓度值是否大于预设碳浓度阈值,若是,记录对应空间碳浓度超标一次;若否,对应空间碳浓度为正常;
基于预设时间周期,获取对应空间碳浓度超标的总次数值;
判断所述空间碳浓度超标的总次数值是否大于预设次数阈值,若是,将对应空间进行标记,并触发碳浓度警示信息;
将标记空间的位置以及碳浓度警示信息发送至终端以进行显示。
5. 一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于时空分布的多维度碳排放监测方法程序,所述基于时空分布的多维度碳排放监测方法程序被处理器执行时,实现如权利要求 1 至 3 中任一项所述的基于时空分布的多维度碳排放监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311278176.9A CN117010577B (zh) | 2023-10-07 | 2023-10-07 | 基于时空分布的多维度碳排放监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311278176.9A CN117010577B (zh) | 2023-10-07 | 2023-10-07 | 基于时空分布的多维度碳排放监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117010577A CN117010577A (zh) | 2023-11-07 |
CN117010577B true CN117010577B (zh) | 2023-12-22 |
Family
ID=88576573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311278176.9A Active CN117010577B (zh) | 2023-10-07 | 2023-10-07 | 基于时空分布的多维度碳排放监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117010577B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117668497B (zh) * | 2024-01-31 | 2024-05-07 | 山西卓昇环保科技有限公司 | 基于深度学习实现环境保护下的碳排放分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101668753B1 (ko) * | 2015-06-29 | 2016-11-09 | 한국건설기술연구원 | 대기 오염 관리 시스템 |
CN112396019A (zh) * | 2020-11-27 | 2021-02-23 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机的植被分布识别方法、系统及可读存储介质 |
CN114819305A (zh) * | 2022-04-13 | 2022-07-29 | 山东高速云南发展有限公司 | 一种基于碳排放度量尺度下的路径规划方法 |
WO2023109715A1 (zh) * | 2021-12-15 | 2023-06-22 | 深圳先进技术研究院 | 全局交通优化系统 |
CN116468870A (zh) * | 2023-06-20 | 2023-07-21 | 佛山科学技术学院 | 一种城市道路三维可视化建模方法及系统 |
-
2023
- 2023-10-07 CN CN202311278176.9A patent/CN117010577B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101668753B1 (ko) * | 2015-06-29 | 2016-11-09 | 한국건설기술연구원 | 대기 오염 관리 시스템 |
CN112396019A (zh) * | 2020-11-27 | 2021-02-23 | 佛山市墨纳森智能科技有限公司 | 一种基于无人机的植被分布识别方法、系统及可读存储介质 |
WO2023109715A1 (zh) * | 2021-12-15 | 2023-06-22 | 深圳先进技术研究院 | 全局交通优化系统 |
CN114819305A (zh) * | 2022-04-13 | 2022-07-29 | 山东高速云南发展有限公司 | 一种基于碳排放度量尺度下的路径规划方法 |
CN116468870A (zh) * | 2023-06-20 | 2023-07-21 | 佛山科学技术学院 | 一种城市道路三维可视化建模方法及系统 |
Non-Patent Citations (2)
Title |
---|
一种利用方向模板的遥感影像道路提取方法;韦春桃 等;《桂林理工大学学报》;第30卷(第3期);正文第1-5节 * |
基于移动监测的城市道路交通碳排放形成机理――以上海市为例;孙健;张颖;薛睿;张毅;;中国公路学报(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117010577A (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117010577B (zh) | 基于时空分布的多维度碳排放监测方法及系统 | |
CN112037513A (zh) | 一种实时交通安全指数动态综合评价系统及其构建方法 | |
CN110727904B (zh) | 一种车辆排放清单的构建方法 | |
Munir et al. | Modelling the impact of road traffic on ground level ozone concentration using a quantile regression approach | |
CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
CN112906941B (zh) | 面向动态相关空气质量时间序列的预测方法及系统 | |
CN113434619B (zh) | 一种4g的高速公路智能交通路况监控系统 | |
CN113125635B (zh) | 一种大气污染预警方法、装置及可读存储介质 | |
CN111210163B (zh) | 一种基于多源数据的公交车辆风险评价系统与方法 | |
CN111582580A (zh) | 一种考虑人群污染物暴露的出行路径规划方法 | |
Wei et al. | Determination of local traffic emission and non-local background source contribution to on-road air pollution using fixed-route mobile air sensor network | |
CN111598424A (zh) | 一种基于重型柴油车远程监控数据的排放计算方法 | |
CN115015486A (zh) | 一种基于回归树模型的碳排放量测算方法 | |
CN111930864A (zh) | 基于监测数据的网格化清单优化方法和装置 | |
CN112785843A (zh) | 碳排放监测方法、装置、服务器和计算机可读存储介质 | |
CN115795996A (zh) | 一种基于现实网络图的图神经网络的城市数据实时管理方法及其系统 | |
CN110310501B (zh) | 一种机动车高速公路团雾监测预报方法 | |
CN113361309A (zh) | 基于中高分辨率遥感影像的城区多雾霾污染参数的监测方法 | |
CN109461303B (zh) | 一种交通拥堵状态获取方法和装置 | |
CN113744541B (zh) | 对抗图卷积网络的路网排放缺失时空分布重构方法及系统 | |
CN109145401B (zh) | 一种计算机动车排放清单的方法、系统及终端设备 | |
CN116739222B (zh) | 确定道路移动源的污染物浓度贡献值的方法与装置 | |
CN113362488A (zh) | Obd监测数据处理系统 | |
Cao et al. | Characterizing and interpreting the spatial variation of traffic pollution in urban non-motorized lanes using mobile measurements | |
DE102018218308B4 (de) | Verfahren zum Erfassen einer Luftqualität, Kraftfahrzeug und Servereinrichtung |
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 |