CN114881472A - 机动车排放对空气质量影响的分析方法、装置及设备 - Google Patents
机动车排放对空气质量影响的分析方法、装置及设备 Download PDFInfo
- Publication number
- CN114881472A CN114881472A CN202210494544.2A CN202210494544A CN114881472A CN 114881472 A CN114881472 A CN 114881472A CN 202210494544 A CN202210494544 A CN 202210494544A CN 114881472 A CN114881472 A CN 114881472A
- Authority
- CN
- China
- Prior art keywords
- data
- emission
- urban
- air quality
- dynamic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims abstract description 7
- 238000012937 correction Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 7
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 6
- 239000003344 environmental pollutant Substances 0.000 description 15
- 231100000719 pollutant Toxicity 0.000 description 15
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Food Science & Technology (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例提供了一种机动车排放对空气质量影响的分析方法、装置及设备，所述方法包括：根据基础排放因子库构建本地机动车排放因子模型数据库；根据城市路网交通流量生成城市动态交通流量数据；根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。以此方式，可以构建一套基于实时交通流量和环境监测数据的广东省广州市交通路网与排放信息多维动态展示平台，可实现小时尺度的机动车排放动态更新。
Description
技术领域
本公开涉及环保检测领域，尤其涉及机动车排放对空气质量影响的分析技术领域。
背景技术
机动车尾气排放目前成了城市大气污染的主要来源，不仅会影响气候，而且会造成大气坏境质量急剧恶化，危害生存环境。近年来随着广州市城市机动车数量的增多，机动车尾气污染对道路两旁环境污染也日益严重，机动车排放的高浓度污染物将严重影响并威胁道路两侧行人和周围居民的身体健康，因此，机动车排放污染的问题越来越受关注。
为了能够有效的控制和改善机动车尾气排放，有必要对区域内的机动车尾气排放进行定量分析，而利用大数据分析以及模型算法等方式了解城市交通流变化，以及量化机动车污染排放量成为技术趋势。但是目前的计算方法只能够完成对某地区一段历史时间内交通源污染排放的估算，然而无法精细到每条街道、每种车型在不同时间段不同污染物的排放量。
因此，如何搭建排放总量计算模型以满足实际发展的需求以及实现对各种交通运行参数以及机动车排放量的动态化展示，成为了目前亟待解决的问题。
发明内容
本公开提供了一种机动车排放对空气质量影响的分析方法、装置、设备及存储介质。
根据本公开的第一方面，提供了一种机动车排放对空气质量影响的分析方法，该方法包括：
根据基础排放因子库构建本地机动车排放因子模型数据库；根据城市路网交通流量生成城市动态交通流量数据；根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，构建本地不同类型的机动车的基础排放因子库；根据环境温度修正系数、油品修正系数、启动排放修正系数、行驶里程劣化修正系数以及车辆载重修正系数，修正所述基础排放因子库；基于修正的本地不同类型的机动车的基础排放因子库，构建本地机动车排放因子模型数据库。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据城市路网交通流量生成城市动态交通流量数据，包括：
根据地图实时拥堵系数、多源多频次浮动车GPS数据、地磁断面检测数据以及视频卡口识别数据中的一种或多种，生成城市动态交通流量数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据，包括：
根据所述本地机动车排放因子模型数据库和城市动态交通流量构建排放总量动态化计算模型；根据所述排放总量动态化计算模型计算城市道路实时交通排放总量，生成城市道路动态化交通排放总量数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述空气质量数据包括：实时获取的环境监测数据，或根据空气质量与区域交通量关联模型预测得到的空气质量数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据空气质量与区域交通量关联模型预测得到空气质量数据，包括：
基于所述城市道路动态化交通排放总量数据和实时获取的环境监测数据，根据空气质量回归模型或扩散模型构建空气质量与区域交通量关联模型；根据所述空气质量与区域交通量关联模型预测得到空气质量数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示，包括：
基于所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据，构建交通路网与排放信息多维动态展示平台；
基于所述交通路网与排放信息多维动态展示平台，在GIS地图上对城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多层次可视化联动展示。
根据本公开的第二方面，提供了一种机动车排放对空气质量影响的分析装置，该装置包括：
构建模块，用于根据基础排放因子库构建本地机动车排放因子模型数据库；
生成模块，用于根据城市路网交通流量生成城市动态交通流量数据；
所述生成模块，还用于根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；
展示模块，用于将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1是本公开实施例提供的一种机动车排放对空气质量影响的分析方法的流程图；
图2是本公开实施例提供的一种机动车排放对空气质量影响的分析方法的示意图；
图3是本公开实施例提供的一种机动车排放对空气质量影响的分析装置的框图；
图4是本公开实施例提供的一种示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，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全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本公开中，为了快速的分析机动车排放对空气质量的影响，本申请根据基础排放因子库构建本地机动车排放因子模型数据库；根据城市路网交通流量生成城市动态交通流量数据；再根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示，实现了小时尺度的机动车排放动态更新。
下面结合附图，通过具体的实施例对本公开实施例提供的控制流校验的方法、装置、设备和存储介质进行详细地说明。
图1示出了能够在其中实现本公开的实施例的一种机动车排放对空气质量影响的分析方法的流程图，如图1所示，
S110，根据基础排放因子库构建本地机动车排放因子模型数据库。
在一些实施例中，为了建立本地机动车排放因子模型数据库，可以先建立本地不同类型的机动车的基础排放因子库，并根据环境温度修正系数、油品修正系数、启动排放修正系数、行驶里程劣化修正系数以及车辆载重修正系数，按照各区域实际情况修正本地不同类型的机动车的基础排放因子库，构建本地机动车排放因子模型数据库。
S120，根据城市路网交通流量生成城市动态交通流量数据。
在一些实施例中，可以根据地图实时拥堵系数、多源多频次浮动车GPS数据、地磁断面检测数据以及视频卡口识别数据中的一种或多种，生成城市动态交通流量数据。
S130，根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据。
在一些实施例中，可以根据本地机动车排放因子模型数据库和城市动态交通流量构建排放总量动态化计算模型，根据所构建的排放总量动态化计算模型可以计算城市道路实时交通排放总量，生成城市道路动态化交通排放总量数据。
S140，将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
在一些实施例中，空气质量数据可以为实时获取的环境监测数据，也可以为根据空气质量与区域交通量关联模型预测得到的空气质量数据。
在一些实施例中，可以基于城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据，构建交通路网与排放信息多维动态展示平台。
进一步地，基于构建的交通路网与排放信息多维动态展示平台，在GIS地图上可以对城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多层次可视化联动展示。
下面结合图2，对本公开实施例提供的一种机动车排放对空气质量影响的分析方法做进一步的说明。
在S110，根据基础排放因子库构建本地机动车排放因子模型数据库的一个具体实施例中：
排放因子是对机动车尾气排放水平进行量化、分析和评价的重要指标。目前常用于机动车污染排放计算的主要模型包括：MOBILE/MOVES、COPERT、IVE模型等，而不同排放因子模型的数据来源、排放因子的获取方法、排放计算原理、所适用的交通模型和应用场景不同，因此，本公开实施例可以基于选定的城市广州市对以上几种模型进行对比，分析模型适用性。
在一些实施例中，基于广州市80辆机动车实际道路排放测试结果，研究累计行驶里程和车龄对在用车排放劣化的影响，并研究车辆运行状况对尾气排放的影响。
进一步地，基于上述特征研究结果，构建本地不同类型的机动车的基础排放因子库，根据环境温度修正系数、油品修正系数、启动排放修正系数、行驶里程劣化修正系数以及车辆载重修正系数，按照区域实际情况修正基础排放因子库，基于修正的基础排放因子库构建广州市的本地机动车排放因子模型数据库以及对应的修正系数。
在S120，根据城市路网交通流量生成城市动态交通流量数据的一个实施例中：
对交通大数据(百度/高德地图实时拥堵系数、多源多频次浮动车GPS数据、地磁断面检测数据、视频卡口识别数据)进行多源数据融合处理，得到广东省广州市主要交通干道在不同路段、不同时段的不同车型的流量数据，即城市动态交通流量数据，并获取路段的平均速度。
在S130，根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据的一个具体实施例中：
基于构建的排放因子模型数据库，以广东省广州市主要交通干道的路段为排放计算单位，建立一套高时空分辨率机动车排放清单，时间分辨率为1小时、空间分辨率小于500m，可以分时段、分路段计算得出单条道路小时的排放量，进一步加和可以得到路网总排放量，并提出了各项排放清单编制参数的获取途径，可以进一步地分析参数的可用性与准确性。
根据城市动态交通流量数据，结合获取的路段的平均速度，构建排放总量动态化计算模型，根据所构建的排放总量动态化计算模型可以计算不同路段、不同时段、不同车型、不同污染物的排放量。
在S140，将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示的一个具体实施例中:
所述空气质量数据可以是实时获取的环境监测数据，也可以是根据空气质量与区域交通量关联模型预测生成的空气质量数据。
在一些实施例中，本公开实施例可以根据实际区域选择的情况及需要来开展区域空气质量与交通量关联模型设计工作，由于各类区域(如核心主城区、城郊区和工业区)的模型设计参数有显著的差异，因此，可以分区域构建关联模型。
具体地，可以根据城市道路动态化交通排放总量数据和实时获取的环境监测数据，采用空气质量回归模型或扩散模型实现空气质量与区域交通量的关联分析，进而构建空气质量与区域交通量关联模型。
在一些实施例中，核心主城区受到高层建筑影响比较显著，在真实的高密度城市街谷当中，其内部污染物空间分布主要受街谷建筑形态、排放源以及污染物扩散传输过程的复杂影响。机动车尾气排放到大气环境中后，可结合空气质量站点污染物浓度特征分析路网交通流量对城市空气质量的影响，由于城市区域复杂的空间环境，其更适用于采用扩散模型法分析，常用的扩散模型包括AMDS-urban、RLINE或CALPUFF、CFD、OSPM等。
在一些实施例中，郊区相比于城市核心主城区受建筑等影响较小，主要通过空气质量回归分析模型探讨空气质量与区域交通量的关系。可以在指定站点周边监测空气质量信息(首要污染物)，以及该时刻站点的风速风向，结合回归模型识别对站点首要污染贡献较多的道路列表。分别从时间和空间两个尺度，分析颗粒物、NOx、CO等污染物浓度分布特征，采用相关分析方法，针对特定的气象气候及下垫面因素，分别构建基于交通车流量、车速、气象、人口密度等因子的各污染物浓度时间-空间分布模型。收集监测站污染物监测数据、气象数据、道路类型、交通流量、人口密度等影响因子数据，进行污染物与空气质量的相关性分析。
而工业园区内主要为支路和厂区内道路，交通流量相对较小，且内部道路交通流量难以被准确量化。为评估工业园区周边交通系统对空气污染的影响时，可以通过空气质量监测系统收集环境质量数据，并将这些监测获得的污染物浓度数据、风向、风速等气象信息与道路源进行关联分析。
在一些实施例中，构建交通路网与排放信息多维动态展示平台包括：
基于上述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据，利用时空数据分析模型，基于地理信息系统和平台计算机语言的多维时空分析技术、多维数据关联转化模型等方法，建立交通路网与排放信息多维动态展示平台，支持交通拥堵指数、交通运行状态、城市动态交通流量等交通运行参数、城市道路动态化交通排放总量数据及排放水平指标、城市空气质量及污染物指数等环境数据不同维度的分析及可视化，并进行接口封装。
进一步地，通过数据库的并行处理、混合式并行计算、多维GIS时空分析，建立城市道路交通与排放数据处理及实时渲染发布平台，实现对多种交通环境相关参数的多层次可视化联动展示。
根据本公开的实施例，实现了以下技术效果：本公开建立了排放总量动态化计算模型，可以实现对不同路段、不同时段、不同车型、不同污染物的排放量的计算，并在此基础上融合城市动态交通流量数据和环境监测数据，结合交通流模型等业务模型和算法，依托大数据存储、快速处理、计算、可视化和GIS等技术，构建了一套基于实时交通流量和环境监测数据的广东省广州市交通路网与排放信息多维动态展示平台，实现了小时尺度的机动车排放动态更新，不仅分辨率高，而且提高了道路移动车排放监管能力，为大气污染防治和改善空气质量状况提供有力的信息化工具和科学依据。
另外，本公开通过空气质量回归模型或扩散模型，进一步地识别广州市空气质量与区域交通量之间的关联关系，分区域的建立了空气质量与区域交通量关联模型，分析路网排放量对路网周围空气质量的影响，从而能够实现分析城市各个区域内机动车排放对空气质量的影响。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图3示出了根据本公开实施例的一种机动车排放对空气质量影响的分析装置的框图，如图3所示，装置300包括：构建模块310、生成模块320、展示模块330，其中：
构建模块310，用于根据基础排放因子库构建本地机动车排放因子模型数据库。
生成模块320，用于根据城市路网交通流量生成城市动态交通流量数据。
所述生成模块320，还用于根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据。
展示模块330，用于将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
在一些实施例中，构建模块310具体用于：构建本地不同类型的机动车的基础排放因子库，根据环境温度修正系数、油品修正系数、启动排放修正系数、行驶里程劣化修正系数以及车辆载重修正系数，修正所述基础排放因子库，基于修正的本地不同类型的机动车的基础排放因子库，构建本地机动车排放因子模型数据库。
在一些实施例中，生成模块320具体用于：根据地图实时拥堵系数、多源多频次浮动车GPS数据、地磁断面检测数据以及视频卡口识别数据中的一种或多种，生成城市动态交通流量数据。
在一些实施例中，生成模块320还具体用于：根据所述本地机动车排放因子模型数据库和城市动态交通流量构建排放总量动态化计算模型，根据所述排放总量动态化计算模型计算城市道路实时交通排放总量，生成城市道路动态化交通排放总量数据。
在一些实施例中，展示模块330具体用于：基于所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据，构建交通路网与排放信息多维动态展示平台，基于所构建的交通路网与排放信息多维动态展示平台，在GIS地图上对城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多层次可视化联动展示。
可以理解的是，图3所示控制流校验装置300中的各个模块/单元具有实现本公开实施例提供的控制流校验方法100中的各个步骤的功能，并能达到其相应的技术效果，为了简洁，在此不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如方法100。例如，在一些实施例中，方法100可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM403并由计算单元401执行时，可以执行上文描述的方法100的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法100。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可以在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行的执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种机动车排放对空气质量影响的分析方法，其特征在于，包括：
根据基础排放因子库构建本地机动车排放因子模型数据库；
根据城市路网交通流量生成城市动态交通流量数据；
根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；
将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
2.根据权利要求1所述的方法，其特征在于，所述根据基础排放因子库构建本地机动车排放因子模型数据库，包括：
构建本地不同类型的机动车的基础排放因子库；
根据环境温度修正系数、油品修正系数、启动排放修正系数、行驶里程劣化修正系数以及车辆载重修正系数，修正所述基础排放因子库；
基于修正的本地不同类型的机动车的基础排放因子库，构建本地机动车排放因子模型数据库。
3.根据权利要求1所述的方法，其特征在于，所述根据城市路网交通流量生成城市动态交通流量数据，包括：
根据地图实时拥堵系数、多源多频次浮动车GPS数据、地磁断面检测数据以及视频卡口识别数据中的一种或多种，生成城市动态交通流量数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据，包括：
根据所述本地机动车排放因子模型数据库和城市动态交通流量构建排放总量动态化计算模型；
根据所述排放总量动态化计算模型计算城市道路实时交通排放总量，生成城市道路动态化交通排放总量数据。
5.根据权利要求1所述的方法，其特征在于，所述空气质量数据包括：实时获取的环境监测数据，或根据空气质量与区域交通量关联模型预测得到的空气质量数据。
6.根据权利要求5所述的方法，其特征在于，所述根据空气质量与区域交通量关联模型预测得到空气质量数据，包括：
基于所述城市道路动态化交通排放总量数据和实时获取的环境监测数据，根据空气质量回归模型或扩散模型构建空气质量与区域交通量关联模型；
根据所述空气质量与区域交通量关联模型预测得到空气质量数据。
7.根据权利要求1所述的方法，其特征在于，所述将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示，包括：
基于所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据，构建交通路网与排放信息多维动态展示平台；
基于所述交通路网与排放信息多维动态展示平台，在GIS地图上对城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多层次可视化联动展示。
8.一种机动车排放对空气质量影响的分析装置，包括：
构建模块，用于根据基础排放因子库构建本地机动车排放因子模型数据库；
生成模块，用于根据城市路网交通流量生成城市动态交通流量数据；
所述生成模块，还用于根据所述本地机动车排放因子模型数据库和所述城市动态交通流量数据，生成城市道路动态化交通排放总量数据；
展示模块，用于将所述城市动态交通流量数据、城市道路动态化交通排放总量数据以及空气质量数据进行多维动态展示。
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210494544.2A CN114881472A (zh) | 2022-05-07 | 2022-05-07 | 机动车排放对空气质量影响的分析方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210494544.2A CN114881472A (zh) | 2022-05-07 | 2022-05-07 | 机动车排放对空气质量影响的分析方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114881472A true CN114881472A (zh) | 2022-08-09 |
Family
ID=82673045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210494544.2A Pending CN114881472A (zh) | 2022-05-07 | 2022-05-07 | 机动车排放对空气质量影响的分析方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114881472A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116797054A (zh) * | 2023-08-28 | 2023-09-22 | 安徽中科蓝壹信息科技有限公司 | 基于双模型的机动车排放对环境影响的评估方法和系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289656A (zh) * | 2011-05-11 | 2011-12-21 | 苏州两江科技有限公司 | 一种测算交通流对于城市污染影响的方法 |
| CN107967242A (zh) * | 2017-10-09 | 2018-04-27 | 中国电子科技集团公司第二十八研究所 | 一种城市交通流量对空气质量影响的分析方法及系统 |
| CN109255162A (zh) * | 2018-08-20 | 2019-01-22 | 南京林业大学 | 一种城市道路空间汽车尾气排放规律分析方法 |
| CN109767623A (zh) * | 2019-02-25 | 2019-05-17 | 东南大学 | 基于城市交通仿真平台的人均出行机动车一氧化碳排放评价方法 |
| CN110085281A (zh) * | 2019-04-26 | 2019-08-02 | 成都之维安科技股份有限公司 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
| CN111612670A (zh) * | 2020-04-27 | 2020-09-01 | 清华大学 | 一种构建机动车排放清单的方法、装置和计算机设备 |
| CN113128791A (zh) * | 2021-05-18 | 2021-07-16 | 中科三清科技有限公司 | 基于moves模型的机动车排放清单测算方法及装置 |
| CN113313303A (zh) * | 2021-05-28 | 2021-08-27 | 南京师范大学 | 基于混合深度学习模型的城市区域路网过车流量预测方法及其系统 |
| CN113505464A (zh) * | 2021-05-21 | 2021-10-15 | 清华大学 | 特定区域内机动车排放因子的测量方法 |
| CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与系统 |
-
2022
- 2022-05-07 CN CN202210494544.2A patent/CN114881472A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289656A (zh) * | 2011-05-11 | 2011-12-21 | 苏州两江科技有限公司 | 一种测算交通流对于城市污染影响的方法 |
| CN107967242A (zh) * | 2017-10-09 | 2018-04-27 | 中国电子科技集团公司第二十八研究所 | 一种城市交通流量对空气质量影响的分析方法及系统 |
| CN109255162A (zh) * | 2018-08-20 | 2019-01-22 | 南京林业大学 | 一种城市道路空间汽车尾气排放规律分析方法 |
| CN109767623A (zh) * | 2019-02-25 | 2019-05-17 | 东南大学 | 基于城市交通仿真平台的人均出行机动车一氧化碳排放评价方法 |
| CN110085281A (zh) * | 2019-04-26 | 2019-08-02 | 成都之维安科技股份有限公司 | 一种基于特征污染因子源解析的环境污染溯源系统及方法 |
| CN111612670A (zh) * | 2020-04-27 | 2020-09-01 | 清华大学 | 一种构建机动车排放清单的方法、装置和计算机设备 |
| CN113128791A (zh) * | 2021-05-18 | 2021-07-16 | 中科三清科技有限公司 | 基于moves模型的机动车排放清单测算方法及装置 |
| CN113505464A (zh) * | 2021-05-21 | 2021-10-15 | 清华大学 | 特定区域内机动车排放因子的测量方法 |
| CN113313303A (zh) * | 2021-05-28 | 2021-08-27 | 南京师范大学 | 基于混合深度学习模型的城市区域路网过车流量预测方法及其系统 |
| CN113515722A (zh) * | 2021-09-15 | 2021-10-19 | 南昌云宜然科技有限公司 | 一种道路交通排放与扬尘排放的实时监测方法与系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116797054A (zh) * | 2023-08-28 | 2023-09-22 | 安徽中科蓝壹信息科技有限公司 | 基于双模型的机动车排放对环境影响的评估方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112418609A (zh) | 一种基于面-网格-点的大气二次污染精准溯源方法 | |
| US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
| CN110738354B (zh) | 预测颗粒物浓度的方法、装置、存储介质及电子设备 | |
| 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 | |
| Liu et al. | Unveiling built environment impacts on traffic CO2 emissions using Geo-CNN weighted regression | |
| Hou et al. | The effect of the dataset on evaluating urban traffic prediction | |
| CN115660143A (zh) | 台风灾害下停电持续时间预测方法、系统、设备及介质 | |
| Zhu et al. | Road network abstraction approach for traffic analysis: framework and numerical analysis<? show [AQ ID= Q1]?> | |
| CN111143769B (zh) | 一种基于大数据的出行方式分担率的预测方法和预测装置 | |
| CN114881472A (zh) | 机动车排放对空气质量影响的分析方法、装置及设备 | |
| CN114841437A (zh) | 预评估排放源对空气质量贡献的方法、装置和电子设备 | |
| CN112001074B (zh) | 一种基于植被覆盖率的污染物治理方法、装置、存储介质 | |
| CN116739189A (zh) | 传输溯源方法、装置、存储介质及电子设备 | |
| CN115453661B (zh) | 气象预报方法、装置、设备以及存储介质 | |
| CN115239027B (zh) | 空气质量格点化集合预报的方法及装置 | |
| CN116109323B (zh) | 臭氧污染溯源方法、装置、设备及存储介质 | |
| CN116824868A (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
| CN116757506A (zh) | 秸秆焚烧指导方法、装置、存储介质及电子设备 | |
| CN113111860B (zh) | 道路移动源排放计算方法、装置、设备及介质 | |
| Xiao et al. | Trip generation prediction based on the convolutional neural network-multidimensional long-short term memory neural network model at grid cell scale | |
| CN114154828A (zh) | 大气污染区域传输分析方法和系统 | |
| CN110942622B (zh) | 一种基于停车场实时运营大数据的停车场规划方法 | |
| CN115552241A (zh) | 为预测在测量站的有害物质浓度而生成用于神经网络的训练数据的计算机辅助方法 | |
| JP2021012539A (ja) | データ予測システム及びその方法 | |
| CN114385884B (zh) | 一种公交乘客居住地分布预测方法、终端设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220809 |
|
| RJ01 | Rejection of invention patent application after publication |