一种城区机动车尾气污染物浓度分布预测方法技术

本发明专利技术公开了一种城区机动车尾气污染物浓度分布预测方法，首先收集待测区域的相关信息，构建机动车尾气污染物浓度关联图，确定机动车尾气污染物浓度关联图的边的权重，然后计算机动车尾气污染物浓度关联图中未知节点的机动车尾气污染物浓度分布，以及机动车尾气污染物浓度关联图的平均不确定度，并最小化平均不确定度，得出未知节点的机动车尾气污染物浓度预测分布。本发明专利技术很好地解决了如何预测城市任意位置的机动车尾气污染物浓度分布的问题，可为监管部门监测城市机动车尾气污染物浓度分布提供有效帮助。

A method for predicting vehicle exhaust pollutant concentration distribution in urban area

The invention discloses a method for predicting the concentration distribution of vehicle exhaust pollutants in urban areas. Firstly, the relevant information of the area to be measured is collected, the correlation graph of vehicle exhaust pollutant concentration is constructed, and the weight of the edge of the vehicle exhaust pollutant concentration association diagram is determined. The distribution of the concentration distribution of the vehicle exhaust pollutants, the average uncertainty of the correlation graph of the vehicle exhaust pollutant concentration, and the minimization of the average uncertainty are obtained, and the prediction distribution of the vehicle exhaust pollutant concentration of the unknown nodes is obtained. This invention can solve the problem of how to predict the concentration distribution of vehicle exhaust pollutants at any location in the city, and can provide effective help for monitoring the concentration distribution of urban vehicle exhaust pollutants by the supervision department.

【技术实现步骤摘要】
一种城区机动车尾气污染物浓度分布预测方法
本专利技术属于环境监测
，涉及一种污染物浓度分布预测方法，具体是一种城区机动车尾气污染物浓度分布预测方法。
技术介绍
机动车排放的尾气中含有大量有害气体，这些有害气体作为空气污染的主要来源，是造成环境恶化、雾霾严重等现象的根本原因。由于机动车尾气污染物的浓度分布是不均匀的、动态的，并且空气监测站点、监测设备难以覆盖城市的每个区域，因此为了有效监管机动车尾气污染物排放，需要预测整个城市的机动车尾气污染物浓度分布，从而识别高浓度区域，进而达到控制机动车尾气排放的目标。由于机动车尾气污染物的浓度与机动车的性能、车流量以及天气状况等多种条件相关，因此对机动车尾气污染物的时空分布预测具有挑战性，目前国内外还没有完全有效的技术方法。申请号为201310038573.9，201410201739.9，201410452557.9，201510767342.0，201611267877.2的专利技术专利已经公开了一些方法，依据城市的历史空气污染物浓度数据，建立相应的模型，预测未来某一时刻的空气污染物浓度。但是这些预测方法建立的模型大多预测污染物的时间分布，预测精确度有待提高，并难以预测空间任意地理位置的机动车尾气污染物浓度。
技术实现思路
本专利技术的目的在于提供一种城区机动车尾气污染物浓度分布预测方法，解决了如何更精确地预测城市中任意位置的机动车尾气污染物浓度分布的问题。本专利技术的目的可以通过以下技术方案实现：一种城区机动车尾气污染物浓度分布预测方法，包括以下步骤：步骤S1：收集待测区域的城市道路信息、天气信息、区域功能信息、车流量信息以及现有监测站点、监测设备获得该监测点附近机动车尾气污染物浓度分布信息；步骤S2：根据步骤S1获取的相关信息，构建机动车尾气污染物浓度关联图；步骤S3：根据步骤S2构建的机动车尾气污染物浓度关联图节点之间的相关性，确定机动车尾气污染物浓度关联图的边的权重Wi,j，其中i,j表示机动车尾气污染物浓度关联图中两个相连的节点；步骤S4：根据步骤S3中连接节点i和节点j的边的权重Wi,j，计算步骤S2构建的机动车尾气污染物浓度关联图中所有未知节点u的机动车尾气污染物浓度分布Pu；步骤S5，根据步骤S4中所有未知节点u的机动车尾气污染物浓度分布Pu，计算步骤S2构建的机动车尾气污染物浓度关联图的平均不确定度步骤S6，计算最小值，输出最小时的Pu，即为未知节点的机动车尾气污染物浓度预测分布。进一步地，所述步骤S2中机动车尾气污染物浓度关联图的构建方法如下：将待测区域划分为不相交的网格，以每个网格作为基本单位建立机动车尾气污染物浓度关联图G＝(N,A)，其中N表示节点集，集合N＝U+V，这里U称为未知节点的集合，代表不包含监测站点的网格集合，V称为已知节点的集合，代表包含监测站点的网格集合。每个节点对应一个网格，每个网格对应一个机动车尾气污染物浓度分布；A表示边集，边集A包括连接未知节点和已知节点的边和连接相近节点的边。进一步地，所述步骤S3中机动车尾气污染物浓度关联图的边的权重Wi,j的计算方法为：其中i,j表示G中两个相连的节点，表示G中节点i,j的第r种特征可根据步骤S1获取的相关信息估计，R表示特征的种类总数，σr表示第r种特征的权值。进一步地，所述步骤S4中机动车尾气污染物浓度关联图中未知节点u的机动车尾气污染物浓度分布Pu的计算方法为：其中，d(u)表示未知节点u的度，Wu,v表示连接未知节点u和已知节点v的边的权重，Pv表示已知节点v的机动车尾气污染物浓度分布，X为随机变量，qm∈N*为所有节点尾气污染物浓度的最大值。进一步地，所述步骤S5中机动车尾气污染物浓度关联图的平均不确定度的计算方法为：其中，|U|表示集合U中元素的个数。进一步地，所述步骤S6中最小值的具体算法步骤为：步骤S61：令σr＝1,r＝1,2,···,R，设置循环次数t＝1，根据上述公式计算Wu,v、Pu和的值并记为和令步骤S62：令其中γ为可人工设定的步长，重新计算Wu,v、Pu和的值并记为和令t增加1；步骤S63：重复步骤S62直到δ小于δ0，其中δ0为由人工设定的精确度，此时最小。本专利技术的有益效果：现有技术相比，本专利技术提供的城区机动车尾气污染物浓度分布预测方法，更好地解决了预测模型缺乏机动车尾气污染物浓度数据的问题，通过构建机动车尾气污染物浓度关联图，学习边的权重，捕获道路特征、天气状况和机动车尾气污染物浓度分布之间的相关性，并最大限度地减少模型预测的不确定性，精确地预测城市中任意位置的机动车尾气污染物浓度分布。附图说明下面结合附图和具体实施例对本专利技术作进一步详细描述。图1是本专利技术的方法流程图。图2是本专利技术待测区域示意图。图3是本专利技术机动车尾气污染物浓度关联图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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所有其它实施例，都属于本专利技术保护的范围。如图1所示，本专利技术提供了一种城区机动车尾气污染物浓度分布预测方法，包括以下步骤：步骤S1：收集待测区域的城市道路信息、天气信息、区域功能信息、车流量信息以及现有监测站点、监测设备获得该监测点附近机动车尾气污染物浓度分布信息等。步骤S2：根据步骤S1获取的相关信息，构建机动车尾气污染物浓度关联图。具体的，步骤S2中提到的机动车尾气污染物浓度关联图的构建方法如下：将待测区域划分为不相交的网格，以每个网格作为基本单位建立机动车尾气污染物浓度关联图G＝(N,A)，其中N表示节点集，每个节点对应一个网格，每个网格对应一个机动车尾气污染物浓度分布，A表示边集。集合N＝U+V，其中U称为未知节点的集合，代表不包含监测站点的网格集合，V称为已知节点的集合，代表包含监测站点的网格集合。设已知节点的机动车尾气污染物浓度分布信息是可用的，边集A由两部分组成：一是连接未知节点和已知节点，二是连接相近的节点。步骤S3：根据步骤S2构建的机动车尾气污染物浓度关联图节点之间的相关性，确定机动车尾气污染物浓度关联图的边的权重Wi,j，其中i,j表示机动车尾气污染物浓度关联图中两个相连的节点。具体的，步骤S3中提到的机动车尾气污染物浓度关联图的边的权重Wi,j的计算方法为：其中i,j表示G中两个相连的节点，表示G中节点i,j的第r种特征可根据步骤S1获取的相关信息估计，R表示特征的种类总数，σr表示第r种特征的权值。步骤S4：根据步骤S3中所有节点i和节点j的边的权重Wi,j，计算步骤S2构建的机动车尾气污染物浓度关联图中所有未知节点u的机动车尾气污染物浓度分布Pu。具体的，步骤S4中提到的机动车尾气污染物浓度关联图中未知节点u的机动车尾气污染物浓度分布Pu的计算方法为：其中，d(u)表示未知节点u的度，Wu,v表示连接未知节点u和已知节点v的边的权重，Pv表示已知节点v的机动车尾气污染物浓度分布，X为随机变量，qm∈N*为所有节点尾气污染物浓度的最大值。(本专利技术专利中，假设所有节点的尾气污染物浓度值均取1到qm之间的整数)。步骤S5，根据步骤S4中所有未知节点u的机动车尾气本文档来自技高网...

【技术保护点】
一种城区机动车尾气污染物浓度分布预测方法，其特征在于，包括以下步骤：步骤S1：收集待测区域的城市道路信息、天气信息、区域功能信息、车流量信息以及现有监测站点、监测设备获得该监测点附近机动车尾气污染物浓度分布信息；步骤S2：根据步骤S1获取的相关信息，构建机动车尾气污染物浓度关联图；步骤S3：根据步骤S2构建的机动车尾气污染物浓度关联图节点之间的相关性，确定机动车尾气污染物浓度关联图的边的权重Wi,j，其中i,j表示机动车尾气污染物浓度关联图中两个相连的节点；步骤S4：根据步骤S3中连接节点i和节点j的边的权重Wi,j，计算步骤S2构建的机动车尾气污染物浓度关联图中所有未知节点u的机动车尾气污染物浓度分布Pu；步骤S5：根据步骤S4中所有未知节点u的机动车尾气污染物浓度分布Pu，计算步骤S2构建的机动车尾气污染物浓度关联图的平均不确定度

【技术特征摘要】
1.一种城区机动车尾气污染物浓度分布预测方法，其特征在于，包括以下步骤：步骤S1：收集待测区域的城市道路信息、天气信息、区域功能信息、车流量信息以及现有监测站点、监测设备获得该监测点附近机动车尾气污染物浓度分布信息；步骤S2：根据步骤S1获取的相关信息，构建机动车尾气污染物浓度关联图；步骤S3：根据步骤S2构建的机动车尾气污染物浓度关联图节点之间的相关性，确定机动车尾气污染物浓度关联图的边的权重Wi,j，其中i,j表示机动车尾气污染物浓度关联图中两个相连的节点；步骤S4：根据步骤S3中连接节点i和节点j的边的权重Wi,j，计算步骤S2构建的机动车尾气污染物浓度关联图中所有未知节点u的机动车尾气污染物浓度分布Pu；步骤S5：根据步骤S4中所有未知节点u的机动车尾气污染物浓度分布Pu，计算步骤S2构建的机动车尾气污染物浓度关联图的平均不确定度步骤S6：计算最小值，输出最小时的Pu，即为未知节点的机动车尾气污染物浓度预测分布。2.根据权利要求1所述的一种城区机动车尾气污染物浓度分布预测方法，其特征在于，所述步骤S2中机动车尾气污染物浓度关联图的构建方法如下：将待测区域划分为不相交的网格，以每个网格作为基本单位建立机动车尾气污染物浓度关联图G＝(N,A)，其中N表示节点集，集合N＝U+V，这里U称为未知节点的集合，代表不包含监测站点的网格集合，V称为已知节点的集合，代表包含监测站点的网格集合。每个节点对应一个网格，每个网格对应一个机动车尾气污染物浓度分布；A表示边集，边集A包括连接未知节点和已知节点的边和连接相近节点的边。3.根据权利要求1所述的一种城区机动车尾气污染物浓度分布预测方法，其特征在于，所述步骤S3中机动车尾气污染物浓度关联图的边的权重Wi,j的计算方法为：

【专利技术属性】
技术研发人员：昌吉，杜晓冬，李泽瑞，吕文君，
申请(专利权)人：安徽优思天成智能科技有限公司，
类型：发明
国别省市：安徽,34