CN117455708B - 一种无组织排放智能治理系统 - Google Patents
一种无组织排放智能治理系统 Download PDFInfo
- Publication number
- CN117455708B CN117455708B CN202311775552.5A CN202311775552A CN117455708B CN 117455708 B CN117455708 B CN 117455708B CN 202311775552 A CN202311775552 A CN 202311775552A CN 117455708 B CN117455708 B CN 117455708B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- monitoring point
- target
- fixed
- emission 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 472
- 238000012795 verification Methods 0.000 claims abstract description 13
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 57
- 230000009471 action Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 5
- 239000000428 dust Substances 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000000571 coke Substances 0.000 abstract description 6
- 238000005259 measurement Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 15
- 238000007726 management method Methods 0.000 description 13
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 9
- 230000033228 biological regulation Effects 0.000 description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 239000003245 coal Substances 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 3
- 229930195733 hydrocarbon Natural products 0.000 description 3
- 150000002430 hydrocarbons Chemical class 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004939 coking Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012876 topography 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及焦炭生产领域,具体公开了一种无组织排放智能治理系统,包括:监测方案生成设备,用于对电子地图进行监测点识别,得到多个监测点;确定每个固定监测点对应的监测设备类型和治理设备类型;监测站,监测站配置有多个移动监测车;智能治理平台,用于接收每个固定监测点的排放物浓度,若排放物浓度大于第一排放物浓度阈值,控制目标移动监测车检测实际排放物浓度;生成排放物浓度核验信息,若排放物浓度核验信息表征目标固定监测点的排放物浓度不存在异常,则控制目标固定监测点的治理设备启动,以对目标固定监测点的排放物进行治理。由此,实现了对监测点的排放物浓度进行核验,以避免由于测量不准确而导致的误报。
Description
技术领域
本发明涉及焦炭生产领域,具体涉及一种无组织排放智能治理系统。
背景技术
焦炭行业除了有组织排放外,更特殊的是无组织排放,无组织排放主要涉及颗粒物、氮氧化合物、非甲烷总烃。无组织排放涉及生产的各个环节,包括运煤车辆进出场、煤炭皮带传输、焦炉装煤出焦等等环节。
现有的焦炭生产过程针对无组织排放的治理,经常会存在如下技术问题:
第一,监测设备在使用过程中,随着时间推移和外部环境的影响,其检测准确度容易受到影响,尤其是在一些特殊天气条件下,如果发生误报会导致不能及时的进行治理或过度治理,进而导致排放物浓度过高或浪费治理资源;
第二,由于没有从厂区全局的角度进行规划且并未针对目标厂区进行针对性的监测点布局,往往存在监测点设置不合理进而导致厂区存在遗漏区域;除此之外,一些固定监测点由于缺乏对应的机动监测点而无法进行核验,降低了核验覆盖率;
第三,由于厂区有大量的运煤车辆进出场,因此厂区的出入口处的颗粒物浓度经常会超标,浪费了大量的治理资源;
第四,管理人员无法及时了解各个监测点的排放数据以及排放趋势。
发明内容
本发明内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本发明提出了一种无组织排放智能治理系统,来解决以上背景技术部分提到的技术问题中的一项或多项。
本发明提供了一种无组织排放智能治理系统,包括:监测方案生成设备,用于获取目标厂区的电子地图并对电子地图进行监测点识别,得到目标厂区所对应的多个监测点,多个监测点包括多个固定监测点和多个机动监测点,其中,多个固定监测点包括目标厂区的出入口监测点、目标厂区的厂界监测点、目标厂区的道路监测点、目标厂区的产尘区监测点;根据多个固定监测点中每个固定监测点的监测点类型确定每个固定监测点对应的监测设备类型和治理设备类型,将每个固定监测点对应的监测设备类型和治理设备类型发送至配置终端,以使配置终端对应的配置人员为每个固定监测点配置对应的监测设备和治理设备,监测设备用于检测对应的监测点的排放物浓度,并将排放物浓度发送至智能治理平台;监测站,监测站配置有多个移动监测车;智能治理平台,与每个固定监测点对应的监测设备和治理设备、多个移动监测车通信连接,智能治理平台用于接收每个固定监测点的排放物浓度并将排放物浓度与预设的第一排放物浓度阈值进行比较,若多个固定监测点中的目标固定监测点的排放物浓度大于第一排放物浓度阈值,则从监测站中的多个移动监测车中确定目标移动监测车,并从多个机动监测点中确定目标机动监测点,以及将目标机动监测点的位置信息发送至目标移动监测车,以使目标移动监测车移动至目标机动监测点并检测目标机动监测点的实际排放物浓度,将实际排放物浓度发送至智能治理平台;智能治理平台还用于根据目标机动监测点与目标固定监测点的距离和目标固定监测点的排放物浓度,确定目标机动监测点的理论排放物浓度,根据理论排放物浓度与实际排放物浓度的差异,生成针对目标固定监测点的排放物浓度核验信息,若排放物浓度核验信息表征目标固定监测点的排放物浓度不存在异常,则控制目标固定监测点的治理设备启动,以对目标固定监测点的排放物进行治理。
可选的,无组织排放智能治理系统还包括:多个图像采集设备,安装于多个固定监测点,用于采集多个固定监测点中每个固定监测点的图像;地磁感应设备,安装于目标厂区的出入口,当地磁感应设备感应到有车辆经过时,生成并向智能治理平台发送提示信息;智能治理平台还用于当接收到提示信息时,获取出入口监测点对应的实时图像并对实时图像进行车牌识别和违规行为识别,得到车辆的车牌信息和违规行为信息,违规行为信息包括违规行为标识和违规行为类型,违规行为标识用于表征是否存在违规行为;若违规行为标识表征车辆存在违规行为,获取出入口监测点所对应的监测设备上传的排放物浓度并作为出入口排放物浓度,以及根据车牌信息获取车辆的历史违规行为记录,历史违规行为记录包括预先设定的多个违规行为类型中每个违规行为类型所对应的违规次数;根据出入口排放物浓度和违规行为信息在预先配置的排放违规调节表中进行查询,得到对应的违规调节次数,其中,排放违规调节表中关联存储有出入口排放物浓度、违规行为信息和对应的违规调节次数;根据违规调节次数对违规次数进行调节,得到更新违规次数;若更新违规次数大于预设违规次数上限阈值,控制设置于目标厂区的出入口的门禁装置处于关闭状态,以及向车辆的车载终端发送表征违规次数大于预设违规次数上限阈值的提示信息。
可选的,多个固定监测点是通过以下步骤识别得到的:获取预先配置的固定监测点信息库,依次对固定监测点信息库中的每个固定监测点信息在电子地图中进行查询,得到候选监测点集合;确定候选监测点集合中任意两个候选监测点之间的距离,若候选监测点集合中两个候选监测点之间的距离小于第一距离阈值,将两个候选监测点中的一个候选监测点从候选监测点集合中删除并作为新的机动监测点加入机动监测点集合,直至遍历候选监测点集合,得到更新候选监测点集合和候选机动监测点集合;将更新候选监测点集合中的各个候选监测点确定为多个固定监测点;将候选机动监测点集合中的各个机动监测点确定为多个机动监测点。
可选的,多个机动监测点是通过以下步骤识别得到的:对于多个固定监测点中的每个固定监测点,确定固定监测点的预设范围内是否存在机动监测点,若固定监测点的预设范围内不存在机动监测点,则在固定监测点的预设范围内配置一个新增机动监测点,并将新增机动监测点加入候选机动监测点集合,得到更新机动监测点集合;将更新机动监测点集合中的各个机动监测点确定为多个机动监测点。
可选的,多个移动监测车中各个移动监测车配置有不同的检测仪表;以及目标移动监测车是通过以下步骤确定的:确定目标固定监测点的排放物的类别,以及根据排放物的类别从多个移动监测车中确定多个候选移动监测车,其中,多个候选移动监测车所配置的检测仪表与排放物的类别相匹配;将多个候选移动监测车中剩余续航里程小于目标固定监测点与监测站之间的距离的候选移动监测车删除,得到至少一个候选移动监测车;从至少一个候选移动监测车选取当前处于空闲状态的候选移动监测车作为目标移动监测车。
可选的,智能治理平台还用于:对实时图像进行人脸识别,得到实际人脸特征信息;根据车牌信息获取预留人脸特征信息,并确定预留人脸特征信息与实际人脸特征信息是否匹配;若更新违规次数小于或等于预设违规次数上限阈值,且预留人脸特征信息与实际人脸特征信息匹配,控制门禁装置开启,以使车辆通过。
本发明具有如下有益效果:
1、通过配置多个机动监测点和多个移动监测车,从而可以在目标固定监测点的排放物浓度超标时,通过移动监测车测量目标固定监测点所对应的目标机动监测点的实际排放物浓度,由此对目标固定监测点的排放物浓度进行核验,以避免由于测量不准确而导致的误报,从而避免造成排放物浓度过高或浪费治理资源;
2、通过配置的固定监测点信息库识别得到候选监测点集合,从而可以通过配置从厂区全局的角度进行规划监测点,避免遗漏;进一步的,通过对每个固定监测点的预设范围内是否存在对应的机动监测点进行核查,以及当不存在时,为其配置新增机动监测点,从而保证每个固定监测点均有与之对应的机动监测点,避免一些固定监测点由于缺乏对应的机动监测点而无法进行核验,进而提高了核验的覆盖率和可靠性;
3、通过设置地磁感应设备,从而当有车辆经过时,可以实时行车牌识别和违规行为识别,进而得到车辆的车牌信息和违规行为信息。在此基础上,结合每个车辆的历史违规行为记录,对每个车辆的违规行为次数进行累计,当违规次数超过一定次数时,门禁装置关闭,从而对多次违规的车辆禁止通行,实现排放违规与门禁联动,进而有效避免车辆多次因违规行为造成无组织排放(颗粒物)超标。在此过程中,排放物浓度越高累计的违规次数越多,从而可以实现排放物浓度与违规次数的正相关,有效对排放物浓度造成约束,避免因为车辆违规行为造成出入口排放物浓度过高;
4、通过对更新显示信息序列以及标注后电子地图进行显示,管理人员可以及时了解各个监测点的排放数据以及排放趋势。
附图说明
结合附图并参考以下具体实施方式,本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本发明的无组织排放智能治理系统的示例性架构图;
图2是本发明的无组织排放智能治理系统对电子地图进行监测点识别的示例性流程图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。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。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示,本发明的无组织排放智能治理系统的示例性架构图。无组织排放智能治理系统包括监测方案生成设备101、监测站102和智能治理平台103。其中,监测方案生成设备101可以是终端设备,例如台式电子计算机。
在此基础上,监测方案生成设备101可以从本地或者通过电子地图接口来获取目标厂区的电子地图并对电子地图进行监测点识别,得到目标厂区所对应的多个监测点,多个监测点包括多个固定监测点和多个机动监测点。其中,目标厂区可以是任意的厂区,例如可以是上述监测方案生成设备101所在的厂区,也可以是技术人员所指定的厂区,厂区的范围可以预先指定。之后,对电子地图进行监测点识别,得到目标厂区所对应的多个监测点,多个监测点包括多个固定监测点和多个机动监测点。作为示例,可以通过地图识别网络来对电子地图进行监测点识别,从而得到目标厂区所对应的多个监测点。其中,地图识别网络可以是预先训练的目标检测网络(例如yolo网络),可以利用训练样本集来对目标检测网络进行训练,从而得到地图识别网络。训练样本集中的训练样本包括样本电子地图和样本电子地图中的多个监测点,其中,样本电子地图中的多个监测点是人工标注的。在样本标注过程中,通过对出入口监测点、目标厂区的厂界监测点、目标厂区的道路监测点、目标厂区的产尘区监测点等等进行标注,从而目标检测网络可以识别到这些监测点。
进一步的,监测方案生成设备101可以根据多个固定监测点中每个固定监测点的监测点类型确定每个固定监测点对应的监测设备类型和治理设备类型,将每个固定监测点对应的监测设备类型和治理设备类型发送至配置终端,以使配置终端对应的配置人员为每个固定监测点配置对应的监测设备和治理设备,监测设备用于检测对应的监测点的排放物浓度,并将排放物浓度发送至智能治理平台。实践中,可以按照监测点所处的位置不同将固定监测点划分为不同的类型,即确定每个固定监测点的监测点类型,监测点类型包括生产区监测点、非生产区监测点等。在此基础上,针对不同的监测点类型可以预先配置对应的监测设备类型和治理设备类型。由此,可以实现不同监测点类型的针对性监测和治理。监测设备包括:颗粒物在线监测仪、气压监测仪、温度监测仪等等。治理设备包括:云雾抑尘设备(配置有超声波云雾喷嘴)、风送式喷雾剂等等。
监测站102配置有多个移动监测车,多个移动监测车中各个移动监测车配置有不同的检测仪表。实践中,由于不同的监测点类型的固定监测点的排放物类型也有所不同。例如,生产区监测点的排放物类型包括:非甲烷总烃、PM2.5、PM10、二氧化硫、氮氧化物等,非生产区监测点的排放物类型包括PM2.5、PM10等。因此,通过为不同的移动检测车配置不同的检测仪表,可以用于不同的固定监测点的排放物浓度核验。检测仪表包括但不限于:环境(气压、温度、风向、湿度等)监测仪、生产排放物(二氧化硫、氮氧化物、非甲烷总烃)监测仪和颗粒物监测仪等。除此之外,根据需要,移动监测车还可以配置有定位与导航模块、通信模块等相关组件,从而可以根据给定的位置信息移动至对应的位置。
智能治理平台103可以是后台服务器,其与每个固定监测点对应的监测设备和治理设备、多个移动监测车通信连接。智能治理平台103用于接收每个固定监测点的排放物浓度并将排放物浓度与预设的第一排放物浓度阈值进行比较,若多个固定监测点中的目标固定监测点的排放物浓度大于第一排放物浓度阈值,则从监测站中的多个移动监测车中确定目标移动监测车,并从多个机动监测点中确定目标机动监测点,以及将目标机动监测点的位置信息发送至目标移动监测车,以使目标移动监测车移动至目标机动监测点并检测目标机动监测点的实际排放物浓度,将实际排放物浓度发送至智能治理平台。其中,第一排放物浓度阈值是预先设定的。实践中,作为示例,对于某个固定监测点,可以将与该固定监测点距离最近的一个机动监测点确定为目标机动监测点。作为又是示例,可以为每个固定监测点配置对应的机动监测点,从而可以根据预先配置的对应关系从多个机动监测点中确定目标机动监测点。
例如,目标移动监测车是通过以下步骤确定的,包括以下步骤:
步骤一,确定目标固定监测点的排放物的类别,以及根据排放物的类别从多个移动监测车中确定多个候选移动监测车,其中,多个候选移动监测车所配置的检测仪表与上述排放物的类别相匹配。
步骤二,将多个候选移动监测车中剩余续航里程小于目标固定监测点与监测站之间的距离的候选移动监测车删除,得到至少一个候选移动监测车。
步骤三,从至少一个候选移动监测车选取当前处于空闲状态的候选移动监测车作为目标移动监测车。从而,目标移动监测车可以移动至目标机动监测点并检测目标机动监测点的实际排放物浓度,将实际排放物浓度发送至智能治理平台103。
在此基础上,智能治理平台103还用于根据目标机动监测点与目标固定监测点的距离和目标固定监测点的排放物浓度,确定目标机动监测点的理论排放物浓度,根据理论排放物浓度与实际排放物浓度的差异,生成针对目标固定监测点的排放物浓度核验信息,若排放物浓度核验信息表征目标固定监测点的排放物浓度不存在异常,则控制目标固定监测点的治理设备启动,以对目标固定监测点的排放物进行治理。具体的,若理论排放物浓度与实际排放物浓度的差异小于预设差异阈值,则生成表征目标固定监测点的排放物浓度超标的核验信息,若理论排放物浓度与实际排放物浓度的差异大于或等于预设差异阈值,则生成表征目标固定监测点的排放物浓度未超标的核验信息。
实践中,可以利用各种扩散模式(高斯模式、萨顿模式等)确定目标机动监测点的理论排放物浓度。以高斯模式为例,可以通过测量目标厂区的大气稳定度和下风距离来确定扩散系数,也可以根据目标厂区的地形类型在现有的实验数据中查找对应的扩散系数(和/>),然后通过以下公式确定目标机动监测点的理论排放物浓度/>:
其中,为目标厂区的当前风速,/>为目标固定监测点距离地面的距离,/>为以目标固定监测点为中心,指定距离为半径的球形范围内排放物的排放量,可以根据排放物浓度与球形范围的体积相乘得到。
在一些实施例中,通过配置多个机动监测点和多个移动监测车,从而可以在目标固定监测点的排放物浓度超标时,通过移动监测车测量目标固定监测点所对应的目标机动监测点的实际排放物浓度,由此对目标固定监测点的排放物浓度进行核验,以避免由于测量不准确而导致的误报,从而避免造成排放物浓度过高或浪费治理资源。
可选的,智能治理平台还用于:对实时图像进行人脸识别,得到实际人脸特征信息;根据车牌信息获取预留人脸特征信息,并确定预留人脸特征信息与实际人脸特征信息是否匹配;若更新违规次数小于或等于预设违规次数上限阈值,且预留人脸特征信息与实际人脸特征信息匹配,控制门禁装置开启,以使车辆通过。从而实现车辆与司机的绑定,便于管理。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题二,即“由于没有从厂区全局的角度进行规划且并未针对目标厂区进行针对性的监测点布局,往往存在监测点设置不合理进而导致厂区存在遗漏区域;除此之外,一些固定监测点由于缺乏对应的机动监测点而无法进行核验,降低了核验覆盖率”,本发明的一些实施例中,如图2所示,多个固定监测点和多个机动监测点,是通过以下步骤确定的:
步骤201,获取预先配置的固定监测点信息库,并依次对固定监测点信息库中的每个固定监测点信息在电子地图中进行查询,得到候选监测点集合。实践中,固定监测点信息库中的固定监测点信息可以是固定监测点的名称,例如“出入口”、“主干道”“焦化区”等等。从而可以根据这些名称在电子地图中进行查询,得到目标厂区对应的候选监测点集合。
步骤202,确定候选监测点集合中任意两个候选监测点之间的距离,若两个候选监测点之间的距离小于第一距离阈值(第一距离阈值是预先设定的),将其中一个候选监测点从候选监测点集合中删除并确定为新的机动监测点以及加入机动监测点集合,直至遍历所述候选监测点集合,得到更新候选监测点集合和候选机动监测点集合。
其中,候选机动监测点集合即为加入至少一个新的机动监测点之后的机动监测点集合,而更新候选监测点集合即为删除了至少一个新的机动监测点之后的候选监测点集合。初始的机动监测点集合可以是空集,也可以包括预先指定的至少一个机动监测点。
步骤203,将更新候选监测点集合中的各个候选监测点确定为多个固定监测点。
步骤204,对于多个固定监测点中的每个固定监测点,确定固定监测点的预设范围内是否存在机动监测点,若固定监测点的预设范围内不存在机动监测点,则在固定监测点的预设范围内配置一个新增机动监测点,并将新增机动监测点加入候选机动监测点集合,得到更新机动监测点集合。
实践中,根据需要可以在该固定监测点的预设范围内随机配置一个新增机动监测点,也可以根据预设条件组筛选出满足预设条件组的区域,然后在满足预设条件组的区域配置一个新增机动监测点。
可选的,若固定监测点的预设范围内不存在机动监测点,则确定固定监测点的临近固定监测点的预设范围内是否存在机动监测点,临近固定监测点为与固定监测点之间的距离小于预设第一预设距离阈值的固定监测点;若临近固定监测点的预设范围内不存在机动监测点,则将固定监测点的预设范围内的区域确定为第一区域,以及将临近固定监测点的预设范围内的区域确定为第二区域,确定第一区域和第二区域的重叠区域,并在重叠区域内配置一个新增机动监测点。在这些可选的实现方式中,通过与临近固定监测点联合配置机动监测点,可以减少机动监测点的数量且提高配置效率,快速实现为所有的固定监测点配置机动监测点。
步骤205,将更新机动监测点集合中的各个机动监测点确定为多个机动监测点。
在这些实施例中,通过将距离过近的两个候选监测点进行拆分,将其中一个作为机动监测点,另一个作为固定监测点。从而一方面,可以避免固定监测点距离过近造成大量的重复检测,又可以在必要时候对固定监测点的排放物浓度进行有效核验。除此之外,通过对每个固定监测点的预设范围内是否存在对应的机动监测点进行核查,以及当不存在时,为其配置新增机动监测点,从而保证每个固定监测点均有与之对应的机动监测点,避免出现因为缺乏机动监测点而导致无法对固定监测点的排放物浓度进行核验,从而提高核验覆盖率,进一步减少误报并避免造成排放物浓度过高或浪费治理资源。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题三,即“由于厂区有大量的运煤车辆进出场,因此厂区的出入口处的颗粒物浓度经常会超标,浪费了大量的治理资源”,本发明的一些实施例中,无组织排放智能治理系统还包括:多个图像采集设备和地磁感应设备。
在一些实施例中,多个图像采集设备安装于多个固定监测点,用于采集多个固定监测点中每个固定监测点的图像;地磁感应设备安装于目标厂区的出入口,当地磁感应设备感应到有车辆经过时,生成并向智能治理平台发送提示信息。从而,智能治理平台还用于执行以下步骤:
步骤一,当接收到提示信息时,获取出入口监测点对应的实时图像并对实时图像进行车牌识别和违规行为识别,得到车辆的车牌信息和违规行为信息,违规行为信息包括违规行为标识和违规行为类型,违规行为标识用于表征是否存在违规行为。实践中,违规行为类型包括未用毛毡进行覆盖或覆盖不完整等。具体的,可以通过车辆识别网络来对实时图像进行识别,从而输出车牌识别和违规行为识别。其中,车辆识别网络包括车牌识别子网络和违规行为识别子网络,车牌识别子网络和违规行为识别子网络均为卷积神经网络。在此基础上,通过训练样本集分别对卷积神经网络进行训练,训练样本集中的训练样本包括样本车辆图像和人工标注信息,人工标注信息包括车牌信息和违规行为类型。
步骤二,若违规行为标识表征车辆存在违规行为,获取出入口监测点所对应的监测设备上传的排放物浓度并作为出入口排放物浓度,以及根据车牌信息获取车辆的历史违规行为记录,历史违规行为记录包括预先设定的多个违规行为类型中每个违规行为类型所对应的违规次数;
步骤三,根据出入口排放物浓度和违规行为信息在预先配置的排放违规调节表中进行查询,得到对应的违规调节次数,其中,排放违规调节表中关联存储有出入口排放物浓度、违规行为信息和对应的违规调节次数。其中,排放违规调节表中关联存储有排放物浓度和对应的违规调节次数,从而不同的排放物浓度可以进行不同的违规次数调节,一般的,排放物浓度越高会对应更多的违规调节次数,从而排放物浓度越高累计的违规次数越多。
步骤四,根据违规调节次数对违规次数进行调节,得到更新违规次数;
步骤五,若更新违规次数大于预设违规次数上限阈值,控制设置于目标厂区的出入口的门禁装置处于关闭状态,以及向车辆的车载终端发送表征违规次数大于预设违规次数上限阈值的提示信息。
反之,若更新违规次数小于或等于预设违规次数上限阈值,控制设置于目标厂区的出入口的门禁装置处于开启状态,从而车辆可以正常通过。
在一些实施例中,通过设置地磁感应设备,从而当有车辆经过时,可以实时行车牌识别和违规行为识别,进而得到车辆的车牌信息和违规行为信息。在此基础上,结合每个车辆的历史违规行为记录,对每个车辆的违规行为次数进行累计,当违规次数超过一定次数时,门禁装置关闭,从而对多次违规的车辆禁止通行,实现排放违规与门禁联动,进而有效避免车辆多次因违规行为造成无组织排放(颗粒物)超标。在此过程中,排放物浓度越高累计的违规次数越多,从而可以实现排放物浓度与违规次数的正相关,有效对排放物浓度造成约束,避免因为车辆违规行为造成出入口排放物浓度过高。
在一些实施例中,为了进一步解决背景技术部分所描述的技术问题三,即“管理人员无法及时了解各个监测点的排放数据以及排放趋势”,本发明的一些实施例中,无组织排放智能治理系统还包括:显示设备,显示设备与智能治理平台通信连接;以及智能治理平台还用于:
根据排放物浓度对多个固定监测点中的各个固定监测点进行排序,得到固定监测点序列;
获取固定监测点序列中每个固定监测点的显示信息,得到固定监测点序列对应的显示信息序列,显示信息包括监测点位置信息、监测点图标、监测点历史排放数据;
根据每个显示信息所包括的监测点历史排放数据生成预测排放数据,并将预测排放数据添加至显示信息以生成更新显示信息,得到更新显示信息序列;其中,更新显示信息包括监测点位置信息、监测点图标、监测点历史排放数据、预测排放数据;
根据每个固定监测点的更新显示信息中的监测点位置信息,将固定监测点序列中的各个固定监测点的监测点图标标注在电子地图中,得到标注后电子地图;
控制显示设备对更新显示信息序列和标注后电子地图进行显示,其中,更新显示信息序列显示在标注后电子地图的上层,以及标注后电子地图中的各个固定监测点图标与更新显示信息序列中的各个更新显示信息一一对应,当更新显示信息序列中任一更新显示信息被选中时,被选中的更新显示信息与该被选中的更新显示信息所对应的固定监测点图标同时以高亮方式显示。
在这些实现方式中,通过对更新显示信息序列以及标注后电子地图进行显示,管理人员可以及时了解各个监测点的排放数据以及排放趋势。
以上描述仅为本发明的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (3)
1.一种无组织排放智能治理系统,其特征在于,包括:
监测方案生成设备,用于获取目标厂区的电子地图并对所述电子地图进行监测点识别,得到所述目标厂区所对应的多个监测点,所述多个监测点包括多个固定监测点和多个机动监测点,其中,所述多个固定监测点包括所述目标厂区的出入口监测点、所述目标厂区的厂界监测点、所述目标厂区的道路监测点和所述目标厂区的产尘区监测点;根据所述多个固定监测点中每个固定监测点的监测点类型确定所述每个固定监测点对应的监测设备类型和治理设备类型,将所述每个固定监测点对应的监测设备类型和治理设备类型发送至配置终端,以使所述配置终端对应的配置人员为所述每个固定监测点配置对应的监测设备和治理设备,所述监测设备用于检测对应的监测点的排放物浓度,并将所述排放物浓度发送至智能治理平台;
监测站,所述监测站配置有多个移动监测车;
所述智能治理平台,与所述每个固定监测点对应的监测设备和治理设备、所述多个移动监测车通信连接,所述智能治理平台用于接收所述每个固定监测点的排放物浓度并将所述排放物浓度与预设的第一排放物浓度阈值进行比较,若所述多个固定监测点中的目标固定监测点的排放物浓度大于所述第一排放物浓度阈值,则从所述监测站中的多个移动监测车中确定目标移动监测车,并从所述多个机动监测点中确定目标机动监测点,以及将所述目标机动监测点的位置信息发送至所述目标移动监测车,以使所述目标移动监测车移动至所述目标机动监测点并检测所述目标机动监测点的实际排放物浓度,将所述实际排放物浓度发送至所述智能治理平台;所述智能治理平台还用于根据所述目标机动监测点与所述目标固定监测点的距离和所述目标固定监测点的排放物浓度,确定所述目标机动监测点的理论排放物浓度,根据所述理论排放物浓度与所述实际排放物浓度的差异,生成针对所述目标固定监测点的排放物浓度核验信息,若所述排放物浓度核验信息表征所述目标固定监测点的排放物浓度不存在异常,则控制所述目标固定监测点的治理设备启动,以对所述目标固定监测点的排放物进行治理;
其中,所述多个固定监测点是通过以下步骤识别得到的:
获取预先配置的固定监测点信息库,依次对所述固定监测点信息库中的每个固定监测点信息在所述电子地图中进行查询,得到候选监测点集合;
确定所述候选监测点集合中任意两个候选监测点之间的距离,若所述候选监测点集合中两个候选监测点之间的距离小于第一距离阈值,将所述两个候选监测点中的一个候选监测点从所述候选监测点集合中删除并作为新的机动监测点加入机动监测点集合,直至遍历所述候选监测点集合,得到更新候选监测点集合和候选机动监测点集合;
将所述更新候选监测点集合中的各个候选监测点确定为所述多个固定监测点;
其中,所述多个机动监测点是通过以下步骤识别得到的:
对于所述多个固定监测点中的每个固定监测点,确定所述固定监测点的预设范围内是否存在机动监测点,若所述固定监测点的预设范围内不存在机动监测点,则在所述固定监测点的预设范围内配置一个新增机动监测点,并将所述新增机动监测点加入所述候选机动监测点集合,得到更新机动监测点集合;
将所述更新机动监测点集合中的各个机动监测点确定为所述多个机动监测点;
其中,所述多个移动监测车中各个移动监测车配置有不同的检测仪表;以及所述目标移动监测车是通过以下步骤确定的:
确定所述目标固定监测点的排放物的类别,以及根据所述排放物的类别从所述多个移动监测车中确定多个候选移动监测车,其中,所述多个候选移动监测车所配置的检测仪表与所述排放物的类别相匹配;
将所述多个候选移动监测车中剩余续航里程小于所述目标固定监测点与所述监测站之间的距离的候选移动监测车删除,得到至少一个候选移动监测车;
从所述至少一个候选移动监测车选取当前处于空闲状态的候选移动监测车作为所述目标移动监测车。
2.根据权利要求1所述的无组织排放智能治理系统,其特征在于,所述无组织排放智能治理系统还包括:
多个图像采集设备,安装于所述多个固定监测点,用于采集所述多个固定监测点中每个固定监测点的图像;
地磁感应设备,安装于所述目标厂区的出入口,当所述地磁感应设备感应到有车辆经过时,生成并向所述智能治理平台发送提示信息;
所述智能治理平台还用于当接收到所述提示信息时,获取所述出入口监测点对应的实时图像并对所述实时图像进行车牌识别和违规行为识别,得到所述车辆的车牌信息和违规行为信息,所述违规行为信息包括违规行为标识和违规行为类型,所述违规行为标识用于表征是否存在违规行为;若所述违规行为标识表征所述车辆存在违规行为,获取所述出入口监测点所对应的监测设备上传的排放物浓度并作为出入口排放物浓度,以及根据所述车牌信息获取所述车辆的历史违规行为记录,所述历史违规行为记录包括预先设定的多个违规行为类型中每个违规行为类型所对应的违规次数;根据所述出入口排放物浓度和所述违规行为信息在预先配置的排放违规调节表中进行查询,得到对应的违规调节次数,其中,所述排放违规调节表中关联存储有出入口排放物浓度、违规行为信息和对应的违规调节次数;根据所述违规调节次数对所述违规次数进行调节,得到更新违规次数;若所述更新违规次数大于预设违规次数上限阈值,控制设置于所述目标厂区的出入口的门禁装置处于关闭状态,以及向所述车辆的车载终端发送表征违规次数大于预设违规次数上限阈值的提示信息。
3.根据权利要求2所述的无组织排放智能治理系统,其特征在于,所述智能治理平台还用于:
对所述实时图像进行人脸识别,得到实际人脸特征信息;
根据所述车牌信息获取预留人脸特征信息,并确定所述预留人脸特征信息与所述实际人脸特征信息是否匹配;
若所述更新违规次数小于或等于所述预设违规次数上限阈值,且所述预留人脸特征信息与所述实际人脸特征信息匹配,控制所述门禁装置开启,以使所述车辆通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311775552.5A CN117455708B (zh) | 2023-12-22 | 2023-12-22 | 一种无组织排放智能治理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311775552.5A CN117455708B (zh) | 2023-12-22 | 2023-12-22 | 一种无组织排放智能治理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117455708A CN117455708A (zh) | 2024-01-26 |
CN117455708B true CN117455708B (zh) | 2024-03-01 |
Family
ID=89591496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311775552.5A Active CN117455708B (zh) | 2023-12-22 | 2023-12-22 | 一种无组织排放智能治理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455708B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013095555A (ja) * | 2011-11-01 | 2013-05-20 | Konica Minolta Business Technologies Inc | 後処理装置およびそれにおける制御方法 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
CN110346517A (zh) * | 2019-07-25 | 2019-10-18 | 中南大学 | 一种智慧城市工业大气污染可视化预警方法及其系统 |
CN209961518U (zh) * | 2019-05-09 | 2020-01-17 | 广东未来环境监测有限公司 | 一种固体废弃物检测用的取样装置 |
CN111295572A (zh) * | 2017-07-29 | 2020-06-16 | 山东诺方电子科技有限公司 | 一种出租车和公交车协同监测时确定出租车数量的方法 |
CN111428669A (zh) * | 2020-03-31 | 2020-07-17 | 成都之维安科技股份有限公司 | 一种基于多维数据应用的企业环境管理评估系统 |
US10829388B1 (en) * | 2011-06-08 | 2020-11-10 | Chandler Systems, Inc. | Valve control apparatus |
KR20210023276A (ko) * | 2019-08-22 | 2021-03-04 | 한국화학연구원 | 분산형 소규모 공기 정화 시스템 |
CN113893629A (zh) * | 2021-11-22 | 2022-01-07 | 罗永红 | 一种工业废气喷雾降尘设备 |
CN114548686A (zh) * | 2022-01-21 | 2022-05-27 | 北京颐和工程监理有限责任公司 | 一种工程建设质量验收监管方法、系统、装置及存储介质 |
CN114623844A (zh) * | 2022-03-14 | 2022-06-14 | 车主邦(北京)科技有限公司 | 导航数据处理方法、装置、程序产品、介质及电子设备 |
CN115292345A (zh) * | 2022-08-05 | 2022-11-04 | 神彩科技股份有限公司 | 一种污染源数据解析方法、装置、设备以及存储介质 |
CN115410410A (zh) * | 2022-10-27 | 2022-11-29 | 北京百度网讯科技有限公司 | 车位推荐方法、装置、设备以及存储介质 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
CN219121819U (zh) * | 2022-12-13 | 2023-06-02 | 中苏生态环境科技(苏州)有限公司 | 一种废气检测用采样装置 |
CN116228501A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 排污超标区域行业确定方法、装置、存储介质及电子设备 |
CN116400053A (zh) * | 2023-06-07 | 2023-07-07 | 北京建工环境修复股份有限公司 | 一种用于工业固体废物排放的土壤重金属监测设备 |
CN116568614A (zh) * | 2020-09-25 | 2023-08-08 | 智慧资源再生解决方案公司 | 废物管理装置 |
CN116955455A (zh) * | 2023-07-21 | 2023-10-27 | 上海策溯科技有限公司 | 适用于辐射监测系统的处理方法及平台 |
-
2023
- 2023-12-22 CN CN202311775552.5A patent/CN117455708B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10829388B1 (en) * | 2011-06-08 | 2020-11-10 | Chandler Systems, Inc. | Valve control apparatus |
JP2013095555A (ja) * | 2011-11-01 | 2013-05-20 | Konica Minolta Business Technologies Inc | 後処理装置およびそれにおける制御方法 |
CN111295572A (zh) * | 2017-07-29 | 2020-06-16 | 山东诺方电子科技有限公司 | 一种出租车和公交车协同监测时确定出租车数量的方法 |
CN111295579A (zh) * | 2017-07-29 | 2020-06-16 | 山东诺方电子科技有限公司 | 一种确定移动监测漏检率及移动监测车的额定数量的方法 |
CN107908889A (zh) * | 2017-11-24 | 2018-04-13 | 南通大学 | 部分监测点预先选定的水质监测网络多目标优化部署方法 |
CN209961518U (zh) * | 2019-05-09 | 2020-01-17 | 广东未来环境监测有限公司 | 一种固体废弃物检测用的取样装置 |
CN110346517A (zh) * | 2019-07-25 | 2019-10-18 | 中南大学 | 一种智慧城市工业大气污染可视化预警方法及其系统 |
KR20210023276A (ko) * | 2019-08-22 | 2021-03-04 | 한국화학연구원 | 분산형 소규모 공기 정화 시스템 |
CN111428669A (zh) * | 2020-03-31 | 2020-07-17 | 成都之维安科技股份有限公司 | 一种基于多维数据应用的企业环境管理评估系统 |
CN116568614A (zh) * | 2020-09-25 | 2023-08-08 | 智慧资源再生解决方案公司 | 废物管理装置 |
CN113893629A (zh) * | 2021-11-22 | 2022-01-07 | 罗永红 | 一种工业废气喷雾降尘设备 |
CN114548686A (zh) * | 2022-01-21 | 2022-05-27 | 北京颐和工程监理有限责任公司 | 一种工程建设质量验收监管方法、系统、装置及存储介质 |
CN114623844A (zh) * | 2022-03-14 | 2022-06-14 | 车主邦(北京)科技有限公司 | 导航数据处理方法、装置、程序产品、介质及电子设备 |
CN115292345A (zh) * | 2022-08-05 | 2022-11-04 | 神彩科技股份有限公司 | 一种污染源数据解析方法、装置、设备以及存储介质 |
CN115410410A (zh) * | 2022-10-27 | 2022-11-29 | 北京百度网讯科技有限公司 | 车位推荐方法、装置、设备以及存储介质 |
CN115825344A (zh) * | 2022-11-24 | 2023-03-21 | 生态环境部南京环境科学研究所 | 一种用于化工企业的废气智能监测方法及系统 |
CN219121819U (zh) * | 2022-12-13 | 2023-06-02 | 中苏生态环境科技(苏州)有限公司 | 一种废气检测用采样装置 |
CN116228501A (zh) * | 2023-05-08 | 2023-06-06 | 中科三清科技有限公司 | 排污超标区域行业确定方法、装置、存储介质及电子设备 |
CN116400053A (zh) * | 2023-06-07 | 2023-07-07 | 北京建工环境修复股份有限公司 | 一种用于工业固体废物排放的土壤重金属监测设备 |
CN116955455A (zh) * | 2023-07-21 | 2023-10-27 | 上海策溯科技有限公司 | 适用于辐射监测系统的处理方法及平台 |
Non-Patent Citations (2)
Title |
---|
车辆及工业气体污染监测网络与诊断分析系统研究与开发;袁伟;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20200815(第08期);第B027-881页 * |
面向远程移动污染源排放监测的激光雷达跟踪控制研究;杨钰潇;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20210915(第09期);第B026-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117455708A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103280106B (zh) | 用于监视行驶状况的系统和方法 | |
US9904274B2 (en) | Method and apparatus for controlling site-specific operations | |
CN112437876A (zh) | 一种提高大气污染物监测数据客观性的方法及系统 | |
CN110243762A (zh) | 机动车尾气遥测和监管系统及自学习高排污车辆判定算法 | |
CN108254495B (zh) | 一种隧道机动车污染物监测方法及系统 | |
US10337989B2 (en) | System and method to detect vehicle emissions noncompliance | |
CN210221806U (zh) | 污染判定标定车辆及其车载尾气检测设备 | |
US6623975B1 (en) | Method and system for vehicle emission testing | |
CN115373403A (zh) | 一种建筑机械设备巡检服务系统 | |
KR102426943B1 (ko) | 도로 이동 차량의 대기오염물질 배출량 및 미세먼지 감시 스마트 cctv 시스템 | |
CN110702268B (zh) | 一种应用于轨道交通的电缆温度监测方法和系统 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN117455708B (zh) | 一种无组织排放智能治理系统 | |
CN113267601B (zh) | 一种基于机器视觉和数据分析的工业生产环境远程实时监测云平台 | |
CN111477012A (zh) | 基于路况状态预测模型的溯源方法、装置和计算机设备 | |
Staniek | Repeatability of road pavement condition assessment based on three-dimensional analysis of linear accelerations of vehicles | |
KR102447810B1 (ko) | 제트팬 유지 관리 시스템 | |
CN110941031B (zh) | 一种民航自动气象站在线核查方法及存储介质 | |
WO2022005407A1 (en) | Odor detecting and monitoring system and the method thereof | |
CN208477368U (zh) | 一种非接触式沥青拌合站监控管理系统 | |
KR101052630B1 (ko) | 실시간 비산먼지 유출확산 감시 시스템 | |
CN111855898B (zh) | 一种空间分布式空气质量走航传感器平行性检定方法 | |
CN110176145A (zh) | 套牌车的检测方法及装置、卡口 | |
CN113689589B (zh) | 一种基于无人机的电缆线路巡视方法及装置 | |
Di Leo et al. | Metrological performance of traffic detection systems |
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 |