TW202001606A - 具多點空氣品質偵測之汙染源分析系統運作方法 - Google Patents
具多點空氣品質偵測之汙染源分析系統運作方法 Download PDFInfo
- Publication number
- TW202001606A TW202001606A TW107122506A TW107122506A TW202001606A TW 202001606 A TW202001606 A TW 202001606A TW 107122506 A TW107122506 A TW 107122506A TW 107122506 A TW107122506 A TW 107122506A TW 202001606 A TW202001606 A TW 202001606A
- Authority
- TW
- Taiwan
- Prior art keywords
- value
- information
- air quality
- pollution source
- point
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本發明係提供一種具多點空氣品質偵測之汙染源分析系統運作方法,其步驟包含:於鄰近之複數區域中界定至少一測點,並分別於所述測點量測一空氣品質量值、一風速值、一風向值、一氣壓值、一濕度值、一溫度值及一地理資訊;地理資訊包含一位置資訊、一地形資訊及一時間資訊;於一即時氣流資料庫擷取對應於所述測點之至少一氣流資訊;以及收集每一所述測點之一量測值,以藉由所述量測值推算一空汙源位置;藉此,本發明可藉由所述測點之量測值,經大數據分析及演算法推算出具體空氣之汙染源位置,亦可結合天氣預報資料以推算未來空氣汙染可能之影響範圍;藉可對空氣汙染源進行汙染之排除或對於未來影響範圍而予思量其相關因應對策,以降低汙染及其影響,進而提升人民之健康及安全。
Description
本發明係提供一種具多點空氣品質偵測之汙染源分析系統運作方法,尤指一種藉由空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值、位置資訊及氣流資訊,藉以推算空汙源位置者。
按,近年來之空氣品質日趨下降,而空氣汙染之來源所在多有,包含:霧霾、工業排放、發電、交通等,其皆影響空氣之品質;其中,懸浮微粒(Particulate Matter, PM)泛指懸浮在空氣中之顆粒,而PM2.5為直徑小於等於2.5微米之細懸浮微粒;懸浮微粒包含自然形成之塵土、海鹽、火山或燃燒產生之灰燼,而人為因素形成者包含人類對石化燃料,如:煤、石油、天然氣,或對垃圾之燃燒所形成;細懸浮微粒因粒徑極小,且其表面積大,故極易吸附空氣中所存之有毒物質,而直接進入人體之支氣管,亦可能擴散至細支氣管壁而干擾肺部之氣體交換,或將透過肺部傳遞至其他器官;而PM1係空氣中直徑小於或等於1微米之微粒的總稱,亦稱為可入肺顆粒物,意即,其係可予進入肺泡血液,故對人體及環境之影響更為重大;更有證據指出,最小的懸浮微粒(直徑小於等於100奈米,合0.1微米)將可透過細胞膜而傳遞至人體其他器官,包含大腦,且其可能引發腦損傷等症狀,顯見懸浮微粒確實對環境及生物體之影響甚為巨大。
此外,於霧霾發生時,因大氣壓降低,再加上空氣中細顆粒物驟增及空氣流動性差,故有害細菌及病毒向周圍擴散之速度較慢,故導致空氣中細菌、病毒、病原微生物濃度增高,將使疾病傳播的風險很高。據北京市衛生局統計,每次出現重度霧霾的天氣,市屬各大醫院之呼吸相關就診之患者即增加二至五成;再者,霧霾將對人體心腦血管疾病産生嚴重影響,亦可能導致近地層紫外線強度減弱,使空氣中傳染性病原微生之活性增強,傳染病增多。除此之外,霧霾還會影響人們之心理健康,使造成沉悶、壓抑之感受,會刺激或者加劇心理抑鬱之狀態。
而解決空污問題,首要目的,應先分析污染源及各污染源所佔之比例,方能利於制定對策以因應空氣汙染。
現有對於空氣污染之分析,主要係藉由空氣盒子所進行,其主要係彌補政府單位對空汙監測之不足,中研院資訊所指出,就我國而言,環保署在全台設置76個監測站,主要測量環境背景值,其多半放安置在10-15公尺高空,惟民眾所在意者為住家附近之空氣品質,而空氣盒子可自行安裝,使民眾或專業人士可以上網查詢,並加以開發應用,其監測資料可透過大數據分析以精確偵測所在位置之空汙現況;空氣盒子計畫將由一個據點逐漸擴大,如今全台超過1500個據點,同時拓展到海外26國,藉可結合學研、社群、產業與政府之物聯網應用,以利於全球可即時監測空汙狀況,以利於掌握及改善空氣品質。
然而,習知對於空氣汙染之偵測,僅係透過設置AQI觀測站來進行當地空氣污染之量測或預測,且如習知公告第M552632號之「提供空氣品質資訊的系統」一案,利用複數個具有致動傳感模組的行動裝置,感測其各自所在位置的單點空氣資訊,並傳送至一雲端處理裝置,藉以產生各種有益於使用者的衍生資訊,包含:行進方位、指定路徑、空氣品質資訊、空氣品質異常通報資訊或疏散路徑;然而,其並無法確實尋找出污染源,且無法正確觀測或預測空污影響之範圍;此外,其主要之傳輸皆係透過Wi-Fi,其所耗電量大,若進行大規模之架設,將耗費諸多電力。
有鑑於此,吾等發明人乃潛心進一步研究空氣汙染之測量,並著手進行研發及改良,期以一較佳發明以解決上述問題,且在經過不斷試驗及修改後而有本發明之問世。
爰是,本發明之目的係為解決前述問題,為達致以上目的,吾等發明人提供一種具多點空氣品質偵測之汙染源分析系統運作方法,其步驟包含:
(a)於鄰近之複數區域中界定至少一測點,並分別於所述測點量測一空氣品質量值、一風速值、一風向值、一氣壓值、一濕度值、一溫度值及一地理資訊;該地理資訊包含一位置資訊、一地形資訊及一時間資訊;
(b)於一即時氣流資料庫擷取對應於所述測點及所述時間資訊之至少一氣流資訊;以及
(c)基於同一所述時間資訊收集每一所述測點之一量測值,該量測值包含所述空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值、地理資訊及氣流資訊,並將所述量測值經空氣擴散函式及大數據分析,藉以推算一空汙源位置。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該步驟(b)及步驟(c)係透過一傳輸裝置藉由低功率廣域網路(Low-Power Wide-Area Network, LPWAN)以擷取所述區域之氣流資訊及將所述量測值傳輸至一服務端,令該服務端藉由所述量測值推算該空汙源位置者。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該低功率廣域網路係採用NB-IoT(Narrow Band Internet of Things,窄帶物聯網)、LoRa(Long Range,超長距低功耗數據傳輸技術)、Sigfox物聯網通訊網路、Weightless、HaLow或RPMA(Random Phase Multiple Access,隨機相位多址接入)。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該地理資訊係藉由GNSS(Global Navigation Satellite System, 全球導航衛星系統)定位器或GPS定位器而求得者。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,所述測點係於所述區域中間隔排列之動態或靜態點者。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,所述大數據分析係藉由倒傳遞類神經網路所進行者。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟:
(d)藉由至少一第一客戶端量測對應之所述測點之所述空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值及地理資訊;
(e)藉由一服務端擷取所述氣流資訊並收集所述測點之量測值,並予推算該空汙源位置;以及
(f)設置至少一第二客戶端以連結於該服務端,藉以透過該服務端取得至少其一所述量測值及該空汙源位置。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟:
(g)於至少其一所述第二客戶端設定一定位資訊以標示該至少其一所述第二客戶端之位置;
(h)該服務端依據所述測點之位置資訊及量測值推算一對應於所述定位資訊之空氣品質資訊;
(i)於至少其一所述第二客戶端設定至少一對應於所述空氣品質資訊之閥值;以及
(j)於所述空氣品質資訊達對應之所述閥值時,令設定該所述閥值之所述第二客戶端發出警示。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟:
(k)於一氣象預測資料庫擷取所述測點之至少一氣象資訊,且所述量測值係包含所述氣象資訊;以及
(l)將所述量測值經空氣擴散函式及大數據分析,以推算一未來汙染範圍。
據上所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟:
(m)於至少其一所述第二客戶端設定一定位資訊以標示該至少其一所述第二客戶端之位置,且所述第二客戶端係透過該服務端取得該未來汙染範圍;以及
(n)於至少其一所述第二客戶端之所述定位資訊位於該未來汙染範圍內時,令對應之所述第二客戶端發出警示。
是由上述說明及設置,顯見本發明主要具有下列數項優點及功效,茲逐一詳述如下:
1.本發明係更進一步擷取風速值、風向值、氣壓值、濕度值及溫度值,並配合現有即時氣流資料庫之氣流資訊,經空氣擴散函式及大數據分析,藉可更進一步推算出空汙源位置及未來汙染範圍,使相關單位可對空氣汙染源進行汙染之排除或因應其對策,以降低汙染,進而提升人民之健康及安全。
2.由於需予架設諸多測點,以藉由大數據分析而求得空汙源位置及未來汙染範圍,為降低電能之消耗,本發明係藉由低功率廣域網路進行資料傳輸,故可大幅降低數據資料傳輸所耗之電能,藉可達致節能減碳之功效。
3.本發明係可令第二客戶端,如:使用者之智慧型手機或電腦,自行設定閥值或定位資訊,藉以於所述空氣品質資訊達對應之所述閥值,或於所述定位資訊位於該未來汙染範圍內時,令對應之所述第二客戶端發出警示,藉以令使用者可予及時因應汙染之對策,以確保其健康及安全者。
關於吾等發明人之技術手段,茲舉數種較佳實施例配合圖式於下文進行詳細說明,俾供 鈞上深入了解並認同本發明。
請先參閱第1圖至第3圖所示,本發明係一種具多點空氣品質偵測之汙染源分析系統運作方法,其步驟包含:
S001:於鄰近之複數區域A中界定至少一測點P,所述測點P可為自行架設之觀測點M,亦可為政府機關之大型觀測站G;於所述測點P設立一第一客戶端1,並分別於所述測點P量測一空氣品質量值、一風速值、一風向值、一氣壓值、一濕度值、一溫度值及一地理資訊;在一較佳之實施例中,如第3圖所示,自行架設之觀測點M係分別架設本體1’,所述本體1’可為位於第一客戶端1之機上盒,而所述測點P係於所述區域A中間隔排列分布之動態或靜態點;故如第4圖所示,所述測點P無論係本體1’或大型觀測站G,皆可視情形予以架設於建物外部、電線杆或藉由空中飛行器架設於高空等戶外之動態或靜態位置;
大型觀測站G及所述本體1’係分別設有一空氣品質量測裝置11、一風向風速量測單元12、一氣壓量測裝置13、一濕度量測裝置14、一溫度量測裝置15及一定位裝置16;藉以量測對應所述測點P之空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值及地理資訊;
就風向風速量測單元12而言,其係該風向風速量測單元12為霍爾風速儀或管式風速計,藉可予以同時量測風速值及風向值;在另一實施例中,如第2圖所示,其係可包含一風向計121及一風速計122,惟其僅係舉例說明,並不以此作為限定;
另就定位裝置16而言,在一實施例中,其係可為GNSS(Global Navigation Satellite System, 全球導航衛星系統)定位器或GPS定位器,藉以定位而取得其地理資訊;其中,該地理資訊包含一位置資訊、一地形資訊及一時間資訊;故可知悉者,該位置資訊即係所處之位置;地形資訊係所處位置之高度;而時間資訊則係用以定義所述測點P之時間點;由於地理位置可能具有定位之誤差,故在一實施例中,觀測點M之地理位置可藉由與大型觀測站G所定位之地理位置之相對位置而予以求得,惟其僅係舉例說明,並不以此作為限定。
在一較佳之實施例中,該本體1’設有一傳輸裝置17及一處理單元18,該處理單元18係耦接於該空氣品質量測裝置11、風向風速量測單元12、氣壓量測裝置13、濕度量測裝置14、溫度量測裝置15、定位裝置16及該傳輸裝置17;
S002:建立一服務端2,藉可透過網路連線至一即時氣流資料庫3擷取對應於所述測點P位置之至少一氣流資訊;其中,該即時氣流資料庫3為現有全球開源資料庫,如:各國政府之環保衛生單位、Windyty 或 EarthWindMap等開放式資料;
由於服務端2所擷取之氣流資訊須予對應所述測點P之分佈區域,故在一實施例中,係需建立與所述第一客戶端1之本體1’間之連線,或藉由第一客戶端1進行註冊而取得所述測點P之地理位置,進而可取得所有測點P之分佈範圍,進而利於擷取對應所述測點P之氣流資訊,是以,第一客戶端1之本體1’係透過所述傳輸裝置17,以藉由網路連線至該即時氣流資料庫3以取得對應測點P之氣流資訊;
就傳輸裝置17之網路傳輸而言,由於架設之區域A範圍越廣,測點P之數量越多,則資料之取得數量將越詳盡,故可分析之範圍可更廣,且計算結果亦越精準,是以,若大規模進行架設,則所耗電力將大幅增加;本發明為可達致節能減碳之效果,故傳輸裝置17係採用低功率廣域網路(Low-Power Wide-Area Network, LPWAN)進行數據及網路傳輸,在一實施例中,該低功率廣域網路係可為NB-IoT(Narrow Band Internet of Things,窄帶物聯網)、LoRa(Long Range,超長距低功耗數據傳輸技術)、Sigfox物聯網通訊網路、Weightless、HaLow或RPMA(Random Phase Multiple Access,隨機相位多址接入);
此外,在一實施例中,對於本體1’之電力來源,亦可藉由裝設一太陽能發電單元,以藉由太陽能發電而供給所述本體1’內部裝置之運作,藉以更進一步達致節能減碳之效果;惟其僅係舉例說明,並不以此作為限定。
S003:透過服務端2以基於同一所述時間資訊來收集每一所述測點P之量測值,使確保量測值可確實於同一時點;其中,量測值係包含所述空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值及地理資訊,其分別係由該處理單元18分析、計算及匯整,以利於收集後,透過其傳輸裝置17將其測點P之量測值傳輸至服務端2,而服務端2將予匯集、分析、運算,並將氣流資訊予以對應整合於每一測點P之量測值,並將涵蓋於氣流資訊之量測值經空氣擴散函式及大數據分析,以推算一空汙源位置;
故在一實施例中,該服務端2可被配置為具有人工智慧之運算中心,藉以匯整所述量測值,並計算求得空汙源位置;
而對於量測值之匯整,係藉由定位裝置16中之時間資訊以同步化所有測點P之量測值,因量測值皆須相依於時間,方能據以於同一時間之基準點下推算空汙源位置,故服務端2係依據對應之該時間資訊分別收集並同步化每一所述測點P於對應之該時間資訊之所述量測值,以依據量測值推算該空汙源位置,藉此,可予校準所有量測值於同一時點,以防止產生量測值間之時間差,藉以提升本發明整體之精確性;
對於氣流資訊與前述量測值間之整合而言,在一實施例中,因量測值具有地理資訊,其包含有位置資訊,而氣流資訊本即有包含氣象座標之資訊,故可予以將氣象座標與位置資訊進行整合,進而使量測值可涵蓋有氣流資訊。
就該空汙源位置之推算而言,其係經空氣擴散函式及大數據分析而求得;就物質於空氣中之傳遞速度及範圍而言,其將受空氣溫度、氣壓、空氣之流速及流向而定,故藉由空氣擴散函式之運算,以及參照多個測點P之量測值,即可予以解算,並藉由大數據分析,即可反向推算出空汙源位置;
就空氣擴散函式具體舉例而言,在一維空間中之非穩態下,污染物於移動介質中之濃度方程式可表示為如下數學式1所示:
於進行空氣擴散函式之運算時,可直接帶入氣流資訊進行解算,然氣流資訊僅係一大範圍之估算值,故仍需藉由實際所量測到之空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值進行空氣擴散函式之修正,其具體推算及分析方式係屬習知技術,故在此不予贅述,本發明主要係用以更進一步導入空氣擴散函式之概念及所需之解算參數,並更進一步參照現有之即時氣流資料庫3,以更進一步推算空汙源位置;
另就大數據分析而言,在一實施例中係透過倒傳遞類神經網路所進行,其基本原理為使用最陡坡降法之觀念,將誤差函數予以最小化,如第5圖所示,其架構包含輸入層、隱藏層及輸出層;其中,輸入層係用以表現網路之輸入變數,其數量依複雜程度而定,於本實施例中,係可以量測值作為輸入變數;隱藏層用以表現輸入變數間之交互影響作用,其數量係依試驗方式決定,其係可帶入前述之空氣擴散函式,以供進行推估、運算及學習;輸出層係用以表現網路之輸出變數,其數量可依欲輸出之結果決定,其結果可予較為精確的推算出空汙源位置。
據此,如第4圖所示,於區域A中每一位置之空氣品質量之計算,可依據前述者,依據測點P(包含觀測點M及大型觀測站G)之量測值而建立一空間函數Q,如下數學式2所示:
其中,M為觀測點之量測值,G為大型觀測站之量測值。
而空汙源位置則可依據前述之空間函數Q進行偏微分,藉以尋找出斜率為0之極值即可求得空汙源位置。
藉此,可利於相關單位探查空汙源位置,以對空氣汙染源進行汙染之排除或因應其對策;在一實施例中,使用者可藉其通訊裝置(如:電腦或智慧型手機),並配置為一第二客戶端4,以透過網際網路連接至該服務端2,進而可擷取即時或歷史之空汙源地理資訊,並可藉由相關使用者進行檢舉,及設定手動或自動發送推播訊息予使用者。
在一實施例中,為提醒使用者現行位置之空氣品質是否超標,故使用者可於分別於其第二客戶端4設定一定位資訊以標示其位置L,而該服務端2依據所述測點P之位置資訊及量測值推算一對應於所述定位資訊之空氣品質資訊,其推算可如前述,將第二客戶端4之位置代入空間函數Q,即可求得第二客戶端4之空氣品質資訊,而使用者可藉由於其分別之第二客戶端4設定至少一對應於所述空氣品質資訊之閥值,該閥值亦可為第二客戶端4所預設者,藉以於所述空氣品質資訊達對應之所述閥值時,令設定該所述閥值之所述第二客戶端4發出警示,藉以利於使用者可藉其第二客戶端4而得知其位置之空氣品質資訊,進而可即時進行因應、遠離或排除不利於使用者之相關環境變因之因素。
在另一實施例中,如第1圖至第6圖所示,為可更進一步推估空汙未來可能影響之範圍,故可更進一步包含如下之步驟:
S004:服務端2於一氣象預測資料庫5擷取所述測點P之至少一氣象資訊,且所述量測值係包含所述氣象資訊;
在一實施例中,氣象預測資料庫5亦為開源資料,其可為各國氣象單位之開放式資訊,故如前所述,所述傳輸裝置17可透過網路連線至該氣象預測資料庫5以取得對應測點P之氣象資訊;而對於氣象資訊與量測值之整合,亦如前所述,因量測值具有地理資訊,其包含有位置資訊,而氣象資訊本即有包含氣象座標之資訊,故可予以將氣象座標與位置資訊進行整合,進而使量測值可涵蓋有氣象資訊。
S005:藉此,服務端2將同樣可收集每一測點P之量測值,經空氣擴散函式及大數據分析而推算一未來汙染範圍;且如前述,其具體推算及分析方式係屬習知技術,故在此不予贅述,本發明主要係更進一步導入氣象資訊,以利於進行未來汙染範圍之推算。
在另一較佳之實施例中,為提醒使用者未來之可能汙染範圍,故使用者可於分別於其第二客戶端4設定一定位資訊以標示其位置,並持續接收服務端2所提供之未來汙染範圍,並於所述第二客戶端4之所述定位資訊位於該未來汙染範圍內時,令對應之所述第二客戶端4發出警示,令使用者知悉其位置將於未來時段之汙染程度較高,以利使用者可予提早因應、排除或遠離。
綜上所述,本發明所揭露之技術手段確能有效解決習知等問題,並達致預期之目的與功效,且申請前未見諸於刊物、未曾公開使用且具長遠進步性,誠屬專利法所稱之發明無誤,爰依法提出申請,懇祈 鈞上惠予詳審並賜准發明專利,至感德馨。
惟以上所述者,僅為本發明之數種較佳實施例,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明書內容所作之等效變化與修飾,皆應仍屬本發明專利涵蓋之範圍內。
1‧‧‧第一客戶端1’‧‧‧本體11‧‧‧空氣品質量測裝置12‧‧‧風向風速量測單元13‧‧‧氣壓量測裝置14‧‧‧濕度量測裝置15‧‧‧溫度量測裝置16‧‧‧定位裝置17‧‧‧傳輸裝置18‧‧‧處理單元2‧‧‧服務端3‧‧‧即時氣流資料庫4‧‧‧第二客戶端5‧‧‧氣象預測資料庫A‧‧‧區域G‧‧‧大型觀測站L‧‧‧位置M‧‧‧觀測點P‧‧‧測點S001~S005‧‧‧步驟
第1圖係本發明之結構示意圖。 第2圖係本發明之前視示意圖。 第3圖係本發明之一流程之示意圖。 第4圖係本發明之使用狀態示意圖。 第5圖係倒傳遞類神經網路之示意圖。 第6圖係本發明之另一流程之示意圖。
1‧‧‧第一客戶端
1’‧‧‧本體
11‧‧‧空氣品質量測裝置
12‧‧‧風向風速量測單元
13‧‧‧氣壓量測裝置
14‧‧‧濕度量測裝置
15‧‧‧溫度量測裝置
16‧‧‧定位裝置
17‧‧‧傳輸裝置
18‧‧‧處理單元
2‧‧‧服務端
3‧‧‧即時氣流資料庫
4‧‧‧第二客戶端
5‧‧‧氣象預測資料庫
Claims (10)
- 一種具多點空氣品質偵測之汙染源分析系統運作方法,其步驟包含: (a)於鄰近之複數區域中界定至少一測點,並分別於所述測點量測一空氣品質量值、一風速值、一風向值、一氣壓值、一濕度值、一溫度值及一地理資訊;該地理資訊包含一位置資訊、一地形資訊及一時間資訊; (b)於一即時氣流資料庫擷取對應於所述測點及所述時間資訊之至少一氣流資訊;以及 (c)基於同一所述時間資訊收集每一所述測點之一量測值,該量測值包含所述空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值、地理資訊及氣流資訊,並將所述量測值經空氣擴散函式及大數據分析,藉以推算一空汙源位置。
- 如申請專利範圍第1項所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該步驟(b)及步驟(c)係透過一傳輸裝置藉由低功率廣域網路(Low-Power Wide-Area Network, LPWAN)以擷取所述區域之氣流資訊及將所述量測值傳輸至一服務端,令該服務端藉由所述量測值推算該空汙源位置者。
- 如申請專利範圍第2項所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該低功率廣域網路係採用NB-IoT(Narrow Band Internet of Things,窄帶物聯網)、LoRa(Long Range,超長距低功耗數據傳輸技術)、Sigfox物聯網通訊網路、Weightless、HaLow或RPMA(Random Phase Multiple Access,隨機相位多址接入)。
- 如申請專利範圍第1項所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,該地理資訊係藉由GNSS(Global Navigation Satellite System, 全球導航衛星系統)定位器或GPS定位器而求得者。
- 如申請專利範圍第1項所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,所述測點係於所述區域中間隔排列之動態或靜態點者。
- 如申請專利範圍第1項所述之具多點空氣品質偵測之汙染源分析系統運作方法,其中,所述大數據分析係藉由倒傳遞類神經網路所進行者。
- 如申請專利範圍第1至6項中任一項所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟: (d)藉由至少一第一客戶端量測對應之所述測點之所述空氣品質量值、風速值、風向值、氣壓值、濕度值、溫度值及地理資訊; (e)藉由一服務端擷取所述氣流資訊並收集所述測點之量測值,並予推算該空汙源位置;以及 (f)設置至少一第二客戶端以連結於該服務端,藉以透過該服務端取得至少其一所述量測值及該空汙源位置。
- 如申請專利範圍第7項所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟: (g)於至少其一所述第二客戶端設定一定位資訊以標示該至少其一所述第二客戶端之位置; (h)該服務端依據所述測點之位置資訊及量測值推算一對應於所述定位資訊之空氣品質資訊; (i)於至少其一所述第二客戶端設定至少一對應於所述空氣品質資訊之閥值;以及 (j)於所述空氣品質資訊達對應之所述閥值時,令設定該所述閥值之所述第二客戶端發出警示。
- 如申請專利範圍第7項所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟: (k)於一氣象預測資料庫擷取所述測點之至少一氣象資訊,且所述量測值係包含所述氣象資訊;以及 (l)將所述量測值經空氣擴散函式及大數據分析,以推算一未來汙染範圍。
- 如申請專利範圍第9項所述之具多點空氣品質偵測之汙染源分析系統運作方法,更包含步驟: (m)於至少其一所述第二客戶端設定一定位資訊以標示該至少其一所述第二客戶端之位置,且所述第二客戶端係透過該服務端取得該未來汙染範圍;以及 (n)於至少其一所述第二客戶端之所述定位資訊位於該未來汙染範圍內時,令對應之所述第二客戶端發出警示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107122506A TWI720324B (zh) | 2018-06-29 | 2018-06-29 | 具多點空氣品質偵測之汙染源分析系統運作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107122506A TWI720324B (zh) | 2018-06-29 | 2018-06-29 | 具多點空氣品質偵測之汙染源分析系統運作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202001606A true TW202001606A (zh) | 2020-01-01 |
TWI720324B TWI720324B (zh) | 2021-03-01 |
Family
ID=69942032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107122506A TWI720324B (zh) | 2018-06-29 | 2018-06-29 | 具多點空氣品質偵測之汙染源分析系統運作方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI720324B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760953B (zh) * | 2020-07-14 | 2022-04-11 | 英華達股份有限公司 | 基於流感風險推薦路徑的方法和系統 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102999664B (zh) * | 2012-11-20 | 2015-05-13 | 天津大学 | 一种室内污染源位置识别方法 |
TWI571819B (zh) * | 2016-08-03 | 2017-02-21 | Air detection system and method | |
TWM538593U (zh) * | 2016-10-28 | 2017-03-21 | Mitac Int Corp | 空氣品質監控系統 |
-
2018
- 2018-06-29 TW TW107122506A patent/TWI720324B/zh active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760953B (zh) * | 2020-07-14 | 2022-04-11 | 英華達股份有限公司 | 基於流感風險推薦路徑的方法和系統 |
Also Published As
Publication number | Publication date |
---|---|
TWI720324B (zh) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726431A (zh) | 具多点空气质量侦测的污染源分析系统运作方法 | |
Chen | Prediction algorithm of PM2. 5 mass concentration based on adaptive BP neural network | |
Peng et al. | Spatiotemporal patterns of remotely sensed PM2. 5 concentration in China from 1999 to 2011 | |
WO2018214190A1 (zh) | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 | |
Zhou et al. | A hybrid model for PM2. 5 forecasting based on ensemble empirical mode decomposition and a general regression neural network | |
WO2019104950A1 (zh) | 一种面向园区的物联网大数据管理和应用平台 | |
CN114371260A (zh) | 一种工业企业无组织VOCs网格化监测、扩散预警及溯源方法 | |
Qin et al. | The evaluation and optimization of calibration methods for low-cost particulate matter sensors: Inter-comparison between fixed and mobile methods | |
CN105278596B (zh) | 一种大气监测和分析系统 | |
Ma et al. | Statistical spatial-temporal modeling of ambient ozone exposure for environmental epidemiology studies: A review | |
Han et al. | Human exposure assessment for air pollution | |
CN111650672A (zh) | 采用时间堆栈实现空气污染物大气扩散快速预测的方法 | |
Cao et al. | A long-term analysis of atmospheric black carbon MERRA-2 concentration over China during 1980–2019 | |
Murga et al. | Integrated analysis of numerical weather prediction and computational fluid dynamics for estimating cross-ventilation effects on inhaled air quality inside a factory | |
Zhang et al. | A machine learning model to estimate ambient PM2. 5 concentrations in industrialized highveld region of South Africa | |
Zhang et al. | Natural and human factors influencing urban particulate matter concentrations in central heating areas with long-term wearable monitoring devices | |
Wang et al. | Assessment of human health impact from PM 10 exposure in China based on satellite observations | |
Jia et al. | Regional air quality forecast using a machine learning method and the WRF model over the Yangtze River Delta, east China | |
TWI720324B (zh) | 具多點空氣品質偵測之汙染源分析系統運作方法 | |
Savić et al. | Urban heat island research of Novi Sad (Serbia): A review | |
CN109635865A (zh) | 一种基于分层表示学习的能见度预报方法 | |
Lopes et al. | Weather research and forecasting model simulations over the Pearl River Delta Region | |
CN109615239B (zh) | 基于社会化网络媒体数据的城市空气质量的评估方法 | |
TWM577153U (zh) | Pollution source analysis device with multi-point air quality detection | |
Li et al. | Spatial and temporal evolution characteristics of PM 2.5 in China from 1998 to 2016 |