CN117910892A - 基于多信息渠道的城市级道路扬尘分布计算方法 - Google Patents
基于多信息渠道的城市级道路扬尘分布计算方法 Download PDFInfo
- Publication number
- CN117910892A CN117910892A CN202410312448.0A CN202410312448A CN117910892A CN 117910892 A CN117910892 A CN 117910892A CN 202410312448 A CN202410312448 A CN 202410312448A CN 117910892 A CN117910892 A CN 117910892A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- pollution source
- dust
- gridding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000428 dust Substances 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims description 19
- 238000011160 research Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 239000013618 particulate matter Substances 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 239000002893 slag Substances 0.000 description 8
- 239000002245 particle Substances 0.000 description 5
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多信息渠道的城市级道路扬尘分布计算方法,属于环境治理领域,利用人工智能技术实时处理移动源GPS轨迹数据,结合道路破损提供的道路基础信息、道路状态、道路等级,以及气象因子中降雨量特征对于颗粒物影响关系和固定污染源对于扬尘污染的贡献指数,从而快速实现全域道路扬尘计算,既解决了资源消耗巨大、监测盲点、计算成本等一系列问题,又为城市治理道路扬尘污染,提供科学的数据依据。
Description
技术领域
本发明涉及环境治理领域,具体涉及一种基于多信息渠道的城市级道路扬尘分布计算方法。
背景技术
重型柴油车是道路扬尘污染的主要来源,在加强城市扬尘污染治理过程中,重点、重大项目工地,需实现可吸入颗粒物(PM)在线监测全面覆盖,然而城市中施工工地、搅拌站、渣土倾倒场等都是产生扬尘的固定污染源,传统扬尘监控手段通过固定监测站、移动监测站、人工巡查等方式进行监测,存在管控滞后性、监测盲点、人力物力耗资大等情况,无法精准、快速、有效的落实管控措施。
发明内容
针对现有技术中的上述不足,本发明提供了一种基于多信息渠道的城市级道路扬尘分布计算方法。
为了达到上述发明目的,本发明采用的技术方案为:
一种基于多信息渠道的城市级道路扬尘分布计算方法,包括如下步骤:
S1、获取研究数据,包括移动污染源GPS数据、道路破损数据、气象数据、固定污染源数据,并对研究区域进行网格化,标记每个网格的中心点和顶点坐标;
S2、对所获取的研究数据进行网格化处理;
S3、根据网格化处理后的研究数据之间的线性关系构建线性推算模型,计算得到城市级道路扬尘污染指数。
进一步的,所述移动污染源GPS数据包括移动污染源类型、车牌号、行驶方向、速度、经纬度以及发布时间;
所述道路破损数据包括道路名称、道路编号、道路破损状态、破损程度、经纬度以及破损时间;
所述气象数据包括研究区域的降雨量;
所述固定污染源数据包括工地及倾倒场清单。
进一步的,所述移动污染源GPS数据的网格化处理方式为:
A1、对移动污染源GPS数据进行类型转换,将其速度、经纬度转换为浮点数,发布时间转换为时间格式,车牌号和行驶方向转换为字符串;
A2、筛选经纬度异常数据,将经纬度变化小于0的数据判定为异常点位并删除;
A3、对移动污染源GPS轨迹网格化,将网格化后的GPS轨迹根据发布时间进行排序并去除重复项;
A4、对路网数据进行网格化,将网格化后的移动污染源GPS轨迹与网格化后的路网数据的唯一编码转换为列表并计算交集,得到网格化路网GPS轨迹数据,计算方式为:
式中,为网格化路网GPS轨迹数据,/>为网格化后的路网数据,/>为网格化后的移动污染源GPS轨迹数据;
A5、根据每一个网格中存在的移动污染源的车牌去重求和,得到网格车辆计数,
A6、筛选移动污染源类型,利用A1-A5的方式进行移动污染源数据处理,分别得到不同移动污染源的网格化车流量并进行网格化流量求和,计算方式为:
式中,为网格化流量求和数据,/>为第i个类型的移动污染源的网格化车流量,/>为移动污染源类型总数。
进一步的,所述道路破损数据网格化处理方式为:
B1、筛选人工巡查、CV识别、传感器三种道路破损数据源;
B2、筛选存在破损状态的道路并将其网格化;
B3、将网格化道路破损赋予权重,其中人工巡查扬尘阈值记作Wa1、CV识别扬尘阈值记作Wa2、传感器扬尘阈值记作Wa3,求和平均获得网格化道路破损权重W1,计算方式为:
式中,为第j个方式获取的扬尘阈值,/>为获取扬尘阈值的方式总数。
进一步的,所述气象数据网格化处理方式为:
C1、对所获取的气象数据进行数据类型转换,将降雨量字段转换为浮点数;
C2、获取多个间隔固定的时刻的降雨量数据,筛选其中降雨量大于0.1的数据记为Wlist,提取Wlist中最大的降雨量并增加权重,并进一步计算得到气象影响因子W2,具体计算方式为:
式中,为Wlist中所提取的最大的降雨量,/>为Wlist中最大的降雨量所增加的权重,/>为均衡化降雨系数。
进一步的,所述固定污染源网格化处理方式为:
D1、筛选工地、倾倒场污染源得到污染源名称、经纬度,并将所得到的污染源经纬度转换为浮点数;
D2、获取路网经纬度信息,将路网经纬度匹配1KM * 1KM网格,将固定污染源数据匹配至路网并赋予固定污染源阈值,得到网格化固定污染源数据W3。
进一步的,所述城市级道路扬尘污染指数的计算方式为:
式中,为城市级道路扬尘污染指数,/>为网格化流量求和数据,W1为网格化道路破损权重,W2为气象影响因子,W3为网格化固定污染源数据。
本发明具有以下有益效果:
本发明专利结合道路移动源“运渣车、商混车、重型卡车”、道路破损、气象因素、固定污染源等数据,利用网格化思想,将目标区域等分为若干网格并筛选出路网,利用欧式距离系数将各类污染源数据匹配至网格中,本发明优势在于不是单一化采用某类污染源演算扬尘,而是结合固定源、移动源、气象因素等数据,进行数据筛选、数据清洗、数据分析、数据聚合,最后在进行多层次数据加权融合,得到网格化道路扬尘,计算“网格化”扬尘污染既可以减少单独计算每一个点位所带来的误差累积问题,又可以减少服务器实时处理压力,提升算法运行稳定性、以及计算结果的科学性。
附图说明
图1为基于多信息渠道的城市级道路扬尘分布计算方法流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
一种基于多信息渠道的城市级道路扬尘分布计算方法,如图1所示,包括如下步骤:
S1、获取研究数据,包括移动污染源GPS数据、道路破损数据、气象数据、固定污染源数据,并对研究区域进行网格化,标记每个网格的中心点和顶点坐标,具体而言,包括如下内容:
(1)移动源GPS,获取移动源“运渣车、商混车、重型卡车”车牌号、行驶方向、速度、经度、纬度、发布时间。
(2)道路破损,通过人工巡查、CV识别、传感器三个数据收集渠道,获取道路名称、道路编码、道路破损状态、破损权重、经度、纬度,时间。
(3)气象数据,获取城市降雨量。
(4)固定污染源,获取工地、倾倒场清单。
(5)1KM * 1KM网格,将研究区域采用正方形进行划分,得到网格化的区域数据,获取相对应网格的中心点、左上点、左下点、右上点、右下点等信息。
S2、对所获取的研究数据进行网格化处理;
具体而言,在本实施例里,移动污染源GPS数据的网格化处理方式为:
A1、对移动污染源GPS数据进行类型转换,将其速度、经纬度转换为浮点数,发布时间转换为时间格式,车牌号和行驶方向转换为字符串;
A2、筛选经纬度异常数据,将经纬度变化小于等于0的数据判定为异常点位并删除;
A3、对移动污染源GPS轨迹网格化,将网格化后的GPS轨迹根据发布时间进行排序并去除重复项;
A4、对路网数据进行网格化,将网格化后的移动污染源GPS轨迹与网格化后的路网数据的唯一编码转换为列表并计算交集,得到网格化路网GPS轨迹数据,计算方式为:
式中,为网格化路网GPS轨迹数据,/>为网格化后的路网数据,/>为网格化后的移动污染源GPS轨迹数据;
A5、根据每一个网格中存在的移动污染源的车牌去重求和,得到网格车辆计数;
A6、筛选移动污染源类型,
本实施例里,筛选运渣车、商混车、重型卡车三种移动源车型,对于其中每个车型:
运渣车:渣土车,运输砂石等建筑材料的车辆。
商混车:搅拌车,运输建筑所需的混凝土专用车辆。
重型卡车:运输各类重型物品的车辆。
车辆污染情况:运渣车和商混车在道路运输过程中,如果车辆清洗不彻底,就会在行驶过程中产生颗粒物污染,重型卡车不会运输产生颗粒物污染的物品,但是重型卡车是利用柴油驱动发动机制动,会产生大量NOX“氮氧化物”、PM“颗粒物”,然而运渣车和商混车也存在柴油车型,也会排放NOX“氮氧化物”、PM“颗粒物”,但是这三种车型都存在同一个问题,那就是车身重量较高,经过破损路段,车辆颠簸,极易引起破损路面产生扬尘污染。
利用A1-A5的方式进行移动污染源数据处理,分别处理运渣车、商混车、重型卡车三种移动源,得到网格化车流量,分别记为Cgrid1、Cgrid2、Cgrid3并进行网格化流量求和,计算方式为:
式中,为网格化流量求和数据,/>为第i个类型的移动污染源的网格化车流量,/>为移动污染源类型总数。
道路破损数据网格化处理方式为:
B1、筛选人工巡查、CV识别、传感器三种道路破损数据源,其中,
人工巡查:
1)指定巡查行政区域。
2)督察人员线下对行政区域内道路情况进行破损定级。
CV识别:
1)车载式行车记录仪收集视频数据。
2)计算机视觉技术实时分析道路视频流,将视频识别出道路破损帧数转换为结构化数据。
3)机器学习技术实时分析结构化破损数据。
4)聚合破损数据进行破损定级。
传感器:
1)车载式手机传感器收集震动数据。
2)机器学习算法分析时序震动数据识别道路破损。
3)基于算法结论进行破损定级。
B2、筛选存在破损状态的道路并将其网格化,筛选道路状态为1,“1”表示该路段存在破损状态,车辆经过破损路段会加剧扬尘污染。筛选出的道路破损数据匹配1KM * 1KM网格。
B3、将网格化道路破损赋予权重,其中人工巡查扬尘阈值记作Wa1、CV识别扬尘阈值记作Wa2、传感器扬尘阈值记作Wa3,求和平均获得网格化道路破损权重W1,计算方式为:
式中,为第j个方式获取的扬尘阈值,/>为获取扬尘阈值的方式总数。
所述气象数据网格化处理方式为:
C1、对所获取的气象数据进行数据类型转换,将降雨量字段转换为浮点数;
C2、获取多个间隔固定的时刻的降雨量数据,筛选其中降雨量大于0.1的数据记为Wlist,提取Wlist中最大的降雨量并增加权重,并进一步计算得到气象影响因子W2,具体计算方式为:
式中,为Wlist中所提取的最大的降雨量,/>为Wlist中最大的降雨量所增加的权重,/>为均衡化降雨系数。
所述固定污染源网格化处理方式为:
D1、筛选工地、倾倒场污染源得到污染源名称、经纬度,并将所得到的污染源经纬度转换为浮点数;
D2、获取路网经纬度信息,将路网经纬度匹配1KM * 1KM网格,将固定污染源数据匹配至路网并赋予固定污染源阈值,得到网格化固定污染源数据W3。
S3、根据网格化处理后的研究数据之间的线性关系构建线性推算模型,计算得到城市级道路扬尘污染指数。
经道路交通研究分析表示,道路基础境况和道路流量对于产生扬尘污染成线性关系,路段存在破损,车流量较大就加剧扬尘污染,反之,车流量降低就削弱扬尘污染,经过大气环境研究分析表示,扬尘污染所产生的可吸附颗粒物会在降雨过程中会吸附到雨水并落入地面,侧面说明持续降水对于颗粒物平均削减呈较好的线性关系,降雨量越大以及降雨时长越长,颗粒物削弱越明显。
利用数据之间的线性关系,构建线性推算模型,将网格化运渣车频次经过道路破损以及气象影响因子加权融合并增加固定污染源扬尘权重,得到城市级道路扬尘污染指数,记作Ydust。
式中,为城市级道路扬尘污染指数,/>为网格化车辆频次,W1为网格化道路破损权重,W2为气象影响因子,W3为网格化固定污染源数据。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (7)
1.一种基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,包括如下步骤:
S1、获取研究数据,包括移动污染源GPS数据、道路破损数据、气象数据、固定污染源数据,并对研究区域进行网格化,标记每个网格的中心点和顶点坐标;
S2、对所获取的研究数据进行网格化处理;
S3、根据网格化处理后的研究数据之间的线性关系构建线性推算模型,计算得到城市级道路扬尘污染指数。
2.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述移动污染源GPS数据包括移动污染源类型、车牌号、行驶方向、速度、经纬度以及发布时间;
所述道路破损数据包括道路名称、道路编号、道路破损状态、破损程度、经纬度以及破损时间;
所述气象数据包括研究区域的降雨量;
所述固定污染源数据包括工地及倾倒场清单。
3.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述移动污染源GPS数据的网格化处理方式为:
A1、对移动污染源GPS数据进行类型转换,将其速度、经纬度转换为浮点数,发布时间转换为时间格式,车牌号和行驶方向转换为字符串;
A2、筛选经纬度异常数据,将经纬度变化小于等于0的数据判定为异常点位并删除;
A3、对移动污染源GPS轨迹网格化,将网格化后的GPS轨迹根据发布时间进行排序并去除重复项;
A4、对路网数据进行网格化,将网格化后的移动污染源GPS轨迹与网格化后的路网数据的唯一编码转换为列表并计算交集,得到网格化路网GPS轨迹数据,计算方式为:
式中,为网格化路网GPS轨迹数据,/>为网格化后的路网数据,/>为网格化后的移动污染源GPS轨迹数据;
A5、根据每一个网格中存在的移动污染源的车牌去重求和,得到网格车辆计数;
A6、筛选移动污染源类型,利用A1-A5的方式进行移动污染源数据处理,分别得到不同移动污染源的网格化车流量并进行网格化流量求和,计算方式为:
式中,为网格化车辆频次,/>为第i个类型的移动污染源的网格化车流量,为移动污染源类型总数。
4.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述道路破损数据网格化处理方式为:
B1、筛选人工巡查、CV识别、传感器三种道路破损数据源;
B2、筛选存在破损状态的道路并将其网格化;
B3、将网格化道路破损赋予权重,其中人工巡查扬尘阈值记作Wa1、CV识别扬尘阈值记作Wa2、传感器扬尘阈值记作Wa3,求和平均获得网格化道路破损权重W1,计算方式为:
式中,为第j个方式获取的扬尘阈值,/>为获取扬尘阈值的方式总数。
5.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述气象数据网格化处理方式为:
C1、对所获取的气象数据进行数据类型转换,将降雨量字段转换为浮点数;
C2、获取多个间隔固定的时刻的降雨量数据,筛选其中降雨量大于0.1的数据记为Wlist,提取Wlist中最大的降雨量并增加权重,并进一步计算得到气象影响因子W2,具体计算方式为:
式中,为Wlist中所提取的最大的降雨量,/>为Wlist中最大的降雨量所增加的权重,/>为均衡化降雨系数。
6.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述固定污染源网格化处理方式为:
D1、筛选工地、倾倒场污染源得到污染源名称、经纬度,并将所得到的污染源经纬度转换为浮点数;
D2、获取路网经纬度信息,将路网经纬度匹配1KM * 1KM网格,将固定污染源数据匹配至路网并赋予固定污染源阈值,得到网格化固定污染源数据W3。
7.根据权利要求1所述的基于多信息渠道的城市级道路扬尘分布计算方法,其特征在于,所述城市级道路扬尘污染指数的计算方式为:
式中,为城市级道路扬尘污染指数,/>为网格化车辆频次,W1为网格化道路破损权重,W2为气象影响因子,W3为网格化固定污染源数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410312448.0A CN117910892B (zh) | 2024-03-19 | 2024-03-19 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410312448.0A CN117910892B (zh) | 2024-03-19 | 2024-03-19 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117910892A true CN117910892A (zh) | 2024-04-19 |
CN117910892B CN117910892B (zh) | 2024-06-18 |
Family
ID=90689455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410312448.0A Active CN117910892B (zh) | 2024-03-19 | 2024-03-19 | 基于多信息渠道的城市级道路扬尘分布计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117910892B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
US20190137595A1 (en) * | 2016-04-20 | 2019-05-09 | Lg Electronics Inc. | Control device for vehicle |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
US20220011284A1 (en) * | 2019-07-25 | 2022-01-13 | Central South University | Health early warning system for passengers on a train in an outdoor air polluted environment and method thereof |
CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
US20230252487A1 (en) * | 2022-08-03 | 2023-08-10 | Sichuan academy of environmental Science | System and method for dynamic management and control of air pollution |
CN117312750A (zh) * | 2023-09-21 | 2023-12-29 | 广西北投交通养护科技集团有限公司 | 基于水泥混凝土路面的预防性养护方法 |
CN117708617A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 |
-
2024
- 2024-03-19 CN CN202410312448.0A patent/CN117910892B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190137595A1 (en) * | 2016-04-20 | 2019-05-09 | Lg Electronics Inc. | Control device for vehicle |
CN108682156A (zh) * | 2018-07-13 | 2018-10-19 | 哈尔滨工业大学 | 基于出租车gps数据动态监测市区交通排放污染状况的方法 |
US20220011284A1 (en) * | 2019-07-25 | 2022-01-13 | Central South University | Health early warning system for passengers on a train in an outdoor air polluted environment and method thereof |
CN110727717A (zh) * | 2019-12-17 | 2020-01-24 | 北京英视睿达科技有限公司 | 网格化大气污染强度的监控方法、装置、设备和存储介质 |
CN114547229A (zh) * | 2022-04-27 | 2022-05-27 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
WO2023206983A1 (zh) * | 2022-04-27 | 2023-11-02 | 河北先河环保科技股份有限公司 | 一种多源大气环境数据融合方法、装置、终端及存储介质 |
US20230252487A1 (en) * | 2022-08-03 | 2023-08-10 | Sichuan academy of environmental Science | System and method for dynamic management and control of air pollution |
CN117312750A (zh) * | 2023-09-21 | 2023-12-29 | 广西北投交通养护科技集团有限公司 | 基于水泥混凝土路面的预防性养护方法 |
CN117708617A (zh) * | 2024-02-05 | 2024-03-15 | 四川国蓝中天环境科技集团有限公司 | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 |
Non-Patent Citations (2)
Title |
---|
XIAXIA ZHANG等: "An Improved Multi-source Spatiotemporal Data Fusion Model Based on the Nearest Neighbor Grids for PM2.5 Concentration Interpolation and Prediction", INTERNATIONAL CONFERENCE ON DATA MINING AND BIG DATA, 20 January 2023 (2023-01-20), pages 273 * |
张菲菲等: "大气污染热点网格监测新模式在石家庄环境保护中的应用", 卫星应用, no. 04, 25 April 2019 (2019-04-25), pages 40 - 45 * |
Also Published As
Publication number | Publication date |
---|---|
CN117910892B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115293567A (zh) | 一种大气污染动态管控系统及方法 | |
Li et al. | Emission pattern mining based on taxi trajectory data in Beijing | |
CN117708617B (zh) | 基于多源大数据及污染特征时空匹配的大气污染溯源方法 | |
CN104835099A (zh) | 一种城市路网机动车尾气实时遥感监测基址选取方法 | |
CN114489122A (zh) | 一种基于uav及配套机场的高速公路自动巡检方法及系统 | |
Dontu et al. | Reducing the urban pollution by integrating weigh-in-motion sensors into intelligent transportation systems. State of the art and future trends | |
CN111340674B (zh) | 一种交通运力承运意图辨识方法 | |
CN113762624A (zh) | 一种垃圾清运车路线优化方法及城市垃圾清运生态系统 | |
JP2004185399A (ja) | 交通環境管理サーバ | |
CN117910892B (zh) | 基于多信息渠道的城市级道路扬尘分布计算方法 | |
CN112767686B (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN112798610A (zh) | 一种基于卫星遥感监测的“散乱污”企业分布识别方法 | |
CN107563339A (zh) | 一种基于tof技术的车载货物介质识别方法 | |
CN116580523A (zh) | 交通能耗监测与管理方法、系统、电子装置和存储介质 | |
Lau | Truck Travel Surveys: A review of the Literature and State-of-the-Art | |
CN114637964A (zh) | 一种土方施工扬尘浓度扩散的计算方法 | |
CN113870559A (zh) | 一种基于大数据车联网的交通流量计算方法 | |
Ghadami et al. | Smartening the movement path of municipal garbage trucks using genetic algorithm with emphasis on economic-environmental indicators | |
Tereshkina et al. | Transport system of megalopolis and its influence on the urban environment (the example of St. Petersburg) | |
CN117494011B (zh) | 一种基于运渣车土石方运输特征的扬尘点位类型判别方法 | |
Bekbolatov et al. | STUDY OF THE TECHNOGENIC IMPACT OF MOTOR TRANSPORT ON THE ENVIRONMENT IN CITIES | |
Willians et al. | A comparison of emissions estimated in the TRANSMIS approach with those estimated from continuous speeds and accelerations | |
Thompson et al. | Construction and Urban Logistics | |
Vyas et al. | Air quality analysis and modeling in urban area: A review study | |
CN116934202B (zh) | 一种基于lbs大数据的集装箱货源地识别方法 |
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 |