基于营运车辆的PM2.5时空分布特性分析方法及系统

摘要

基于营运车辆的PM2.5时空分布特性分析方法，包括：S1、获取基础数据，所述基础数据包括目标区域的地理数据、营运车辆的时空轨迹数据和对于PM2.5的走航大气监测数据；S2、对所述基础数据进行预处理；S3、将预处理后的所述基础数据与目标区域的路网拓扑数据进行合并处理，得到样本数据；S4、基于所述样本数据通过计算核密度确定目标区域中PM2.5的浓度数据；S5、根据目标区域中PM2.5的浓度数据确定PM2.5的空间分布特征；S6、将目标区域中PM2.5的空间分布特征结合时间得到时空分布规律。本发明提供一种基于营运车辆的PM2.5时空分布特性分析方法及系统，能够根据营运车辆的时间和空间运行规律分析PM2.5浓度的时空分布特性，进而为整个城市的PM2.5精细化治理提供理论依据。

说明书

技术领域

本发明涉及环境监测技术领域，具体的说是一种基于营运车辆的PM2.5时空分布特性分析方法及系统。

背景技术

空气污染威胁着人类健康，近年来，细颗粒物PM2.5的关注度不断上升。国内外学者开展了一系列对PM2.5污染的防控研究，其中，国外学者从上世纪五十年代就开始了对PM2.5的研究，但早期的研究多是偏向于研究PM2.5的化学成分、演化规律、主要来源和对经济的影响。Kibria(2002)等使用朴素贝叶斯整合了PM2.5在空间上的分布；Larsen(2003)等将Baltimore的PM2.5来源的研究成果进行探讨分析；Sawant(2004)等探讨分析了美国空气污染最严重地区PM2.5的组成成分，并分析出研究成果；近年来，国外对PM2.5的研究开始偏重于基于智能算法的研究及预测方法。Minguill(2012)等在瑞士采用正定矩阵来研究PM2.5主要成分，并分析了造成PM2.5的关键性原因；DhirendraMishra(2015)将神经网络与模糊逻辑结合用于预测雾霾天气下PM2.5浓度，并与人工神经网络模型进行了比较。

国内学者也开展了大量的、关于PM2.5的研究，但是，多数都是基于固定监测站的PM2.5浓度检测数据，通过分析PM2.5的主要成分以及来源，掌握PM2.5的时空分布特性，进而，提出控制PM2.5污染的措施，例如，杨凌霄(2008)以山东省为主要研究对象，分析了当地PM2.5的主要成分以及来源；陶俊(2010)等对PM2.5的组成进行了深入分析，初步明确东南沿海一带的PM2.5是以含碳气溶胶为主的微粒；郭强(2014)等，研究了兰州市PM2.5的时空分布及其化学组成；王婷(2016)等，对长株潭地区的PM2.5时空分布进行了研究；余慧诗(2019)等，对成都市PM2.5浓度的时空分布及扩散规律进行了分析和研究；夏晓圣(2020)等，对中国PM2.5的时空变化特征及其影响因素进行了研究。

国内外对PM2.5时空分布特性的研究成果已经比较全面，但是，也存在以下不足：PM2.5浓度检测数据主要来自固定的空气质量监测站，致使PM2.5浓度数据只能精确地刻画监测站附件区域的颗粒物污染，当用这些监测数据反映较大区域的颗粒物污染时，只能使用预测或者插值方法得到PM2.5浓度的预测值，而无法实现整个城市范围或较大区域颗粒物污染的精细化管理。

发明内容

为了解决现有技术中的不足，本发明提供一种基于营运车辆的PM2.5时空分布特性分析方法及系统，能够根据营运车辆的时间和空间运行规律分析PM2.5浓度的时空分布特性，进而为整个城市的PM2.5精细化治理提供理论依据。

为了实现上述目的，本发明采用的具体方案为：

基于营运车辆的PM2.5时空分布特性分析方法，包括如下步骤：

S1、获取基础数据，所述基础数据包括目标区域的地理数据、营运车辆的时空轨迹数据和对于PM2.5的走航大气监测数据；

S2、对所述基础数据进行预处理；

S3、将预处理后的所述基础数据与目标区域的路网拓扑数据进行合并处理，得到样本数据；

S4、基于所述样本数据通过计算核密度确定目标区域中PM2.5的浓度数据；

S5、根据目标区域中PM2.5的浓度数据确定PM2.5的空间分布特征；

S6、将目标区域中PM2.5的空间分布特征结合时间得到时空分布规律。

优选的，S1中，目标区域的所述地理数据包括道路数据和地区行政规划数据。

优选的，S2中，对所述基础数据进行预处理的方法包括完整性检查和筛选剔除。

优选的，S3中，将预处理后的所述基础数据匹配到目标区域中的所述路网拓扑数据中实现合并处理，所述样本数据包括多个要素点。

优选的，S4中，核密度的计算方法为

优选的，S5中，利用半径搜索算法得到目标区域中PM2.5的空间分布特征，半径搜索算法为

优选的，S5中，标准距离SD的计算方法为

本发明还提供一种基于营运车辆的PM2.5时空分布特性分析系统，包括多个采集终端和至少一个分析主机，所述采集终端对应设置在营运车辆上并且与所述分析主机通信连接，所述采集终端用于采集营运车辆的时空轨迹数据和对于PM2.5的走航大气监测数据。

优选的，所述采集终端包括定位模块、感应模块和通信模块，所述定位模块用于采集营运车辆的所述时空轨迹数据，所述感应模块用于采集营运车辆的所述走航大气监测数据，所述通信模块用于与所述分析主机通信。

本发明能够根据营运车辆的时间和空间运行规律分析PM2.5浓度的时空分布特性，进而为整个城市的PM2.5精细化治理提供理论依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1是本发明方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，基于营运车辆的PM2.5时空分布特性分析方法，包括S1至S6。

S1、获取基础数据，基础数据包括目标区域的地理数据、营运车辆的时空轨迹数据和对于PM2.5的走航大气监测数据，目标区域的地理数据包括道路数据和地区行政规划数据。其中目标区域的地理数据为现有数据，可以通过现有的地理信息系统等技术获取到，在此不再赘述。

S2、对基础数据进行预处理，对基础数据进行预处理的方法包括完整性检查和筛选剔除，具体地说，当检查出基础数据不完整或者存在错误时将其剔除，以避免影响最终分析结果的准确度。

S3、将预处理后的基础数据与目标区域的路网拓扑数据进行合并处理，得到样本数据，具体地说，将预处理后的基础数据匹配到目标区域中的路网拓扑数据中实现合并处理，样本数据包括多个要素点。其中，目标区域的路网拓扑数据也属于现有的数据，在此不再赘述。可以位置点将基于将预处理后的基础数据直接匹配到路网拓扑数据中，从而可以得到多个与位置点相对应的样本数据。

S4、基于样本数据通过计算核密度确定目标区域中PM2.5的浓度数据。核密度的计算方法为

S5、根据目标区域中PM2.5的浓度数据确定PM2.5的空间分布特征。利用半径搜索算法得到目标区域中PM2.5的空间分布特征，半径搜索算法为

S6、将目标区域中PM2.5的空间分布特征结合时间得到时空分布规律。S6的具体方法包括S61和S62。

S61、按照设定的时间周期将营运车辆的时空轨迹数据匹配至由地区行政规划数据形成的行政区划地图上，统计每个行政区划内的营运车辆数量和所占百分比，从而得到PM

S62、按照设定的倍数扩大时间周期，将时空分布规律与行政规划图进行空间比对，找寻主要地区的PM2.5浓度，绘制污染物浓度趋势图，并结合当地的气候条件进行分析总结，得到气象条件对PM2.5浓度的影响关系。由于降雨对PM2.5具有冲刷和沉降等作用，能够有效降低PM2.5的浓度，因此通过与一定时间周期内目标区域的天气进行结合，能够更加精确地得到目标区域中PM2.5的实际情况。

通过上述方法，能够根据营运车辆的时间和空间运行规律分析PM2.5浓度的时空分布特性，进而为整个城市的PM2.5精细化治理提供理论依据。

上述方法能够继续延伸，以实现对更多数据的分析，例如可以基于对重点地区机动车行驶速度与PM2.5浓度的分析和处理，探讨机动车行驶速度与PM2.5浓度之间的关系；可以利用可视化功能，将行政区划、机动车行驶速度和污染物浓度关系，以图表的形式呈现出来，用于后续分析。

本发明还提供一种用于实现上述方法的基于营运车辆的PM2.5时空分布特性分析系统，包括多个采集终端和至少一个分析主机，采集终端对应设置在营运车辆上并且与分析主机通信连接，采集终端用于采集营运车辆的时空轨迹数据和对于PM2.5的走航大气监测数据。

采集终端包括定位模块、感应模块和通信模块，定位模块用于采集营运车辆的时空轨迹数据，感应模块用于采集营运车辆的走航大气监测数据，通信模块用于与分析主机通信。

在本实施例中，定位模块可以采用GPS模块或者北斗模块等，感应模块可以包括PM2.5传感器，通信模块可以是移动通信模块，均属于成熟的现有技术，在此不再赘述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。