对抗图卷积网络的路网排放缺失时空分布重构方法及系统技术方案

本发明专利技术的一种对抗图卷积网络的路网排放缺失时空分布重构方法及系统，包括采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型；结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列；基于网移动源排放缺失时空图序列，构建路网排放时空分布对抗图卷积生成模型,对监测缺失路段排放进行估计。本发明专利技术采用多头自注意力图卷积网络可捕获气象、交通状态变化和基础路网空间差异对不同路段排放的影响；采用图卷积生成对抗学习机制，构建融合路网拓扑以及多源监测信息的路网排放时空分布生成模型，实现完全路网排放图序列重构。与已有方法相比，本方法有望解决监测信息缺失路段的排放时空分布估计问题。分布估计问题。分布估计问题。

【技术实现步骤摘要】
对抗图卷积网络的路网排放缺失时空分布重构方法及系统


[0001]本专利技术涉及环境监测领域，具体涉及一种对抗图卷积网络的路网排放缺失时空分布重构方法及系统。

技术介绍

[0002]当前路网移动源排放清单估算依赖于完整的交通统计数据，由于车辆GPS 数据采集成本和隐私问题，难以在所有路网运行车辆安装导致路网车流监测信息存在时空分布不均衡，传统地理空间插值方法利用地理临近性对缺失道路排放估计，忽略相邻道路交通状态的时空上下文信息，同时对每条道路单独估算排放，导致难以准确估算路网的交通排放状况、计算效率低。因此如何利用有限路段车辆监测信息实现全路网范围排放清单估算仍是一个难以解决的关键问题。

技术实现思路

[0003][0004]本专利技术提出的一种对抗图卷积网络的路网排放缺失时空分布重构方法，结合不同临近交通路网信息以及外部环境信息实现监测缺失路段排放估计，可解决上述技术问题。
[0005]为实现上述目的，本专利技术采用了以下技术方案：
[0006]一种对抗图卷积网络的路网排放缺失时空分布重构方法，包括以下步骤，
[0007]采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型；
[0008]结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列；
[0009]基于网移动源排放缺失时空图序列，构建路网排放时空分布对抗图卷积生成模型,对监测缺失路段排放进行估计。
[0010]进一步的，所述采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型，具体包括：
[0011]S1.1：对原始车辆GPS轨迹数据进行平滑滤波处理以提高信噪比，然后按怠速段、加速段、减速段、巡航段对原始行程轨迹进行切分得到四类短行程片段，按短行程周期划分得到车型k的n个短行程周期并按时间顺序排列，记作
[0012]S1.2：采用Transformer时序自编码网络将轨迹行程数据序列映射到深层时序特征空间，利用编码器Encoder得到深度特征表示编码解码器Decoder将中间特征编码及i之前时刻输出解码到输出得到重构序列
[0013]S1.3：使用K
‑
means算法对隐层特征表示进行无监督聚类，通过联合优化自
编解码网络参数θ和聚类中心的辅助目标分布 KL散度损失来改进聚类，将特征空间表示根据与聚类中心μ
j
的t分布相似度聚类成m个反映车辆行程周期片段的关键性特征描述子簇中心
[0014]S1.4：利用解码器重构得到关键性特征描述行程序列根据各类别所有短行程片段占总体短行程片段的时间比例，合成车型k的最终平均工况序列记作，
[0015][0016]S1.5:根据尾气燃烧平衡方程，将遥感监测的CO、HC、NOx浓度转化为基于里程的质量排放因子，利用车辆信息、行驶工况、气象环境和CO、HC、NOx遥测污染数据来修正质量排放因子，记作，
[0017][0018][0019][0020]其中，f
*
(w,e,k,r)是基于遥感监测数据以车型信息k即小型客车、大客车、重型货车，瞬时工况w即速度、加速度、车辆比功率，外部环境信息e即气温、湿度、风速、风向、大气压和道路特征r即路段等级、坡度、车道数为输入，CO、HC、NOx遥测污染浓度为输出的深度神经网络尾气反演模型，v是车辆瞬时速度，CO2是遥测设备参考气体体积浓度；
[0021]S1.6：结合分车型合成工况序列v
k
(t),t∈(0,T]，以及路段长度信息，计算出不同车型的在该路段典型工况下排放，
[0022][0023]s
k
＝∑v
k
(t)
·
Δt
[0024]其中，EF
local
(i,k,j)表示车型k在路段j上污染物i的排放清单，Len
j
表示路段j的长度，s
k
表示车型k合成工况序列的行程距离。
[0025]进一步的，所述结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列，具体包括：
[0026]S2.1：利用遥感监测点位的车流量数据和分车型典型工况排放模型构建观测路段车辆总排放时序序列，遥感监控路段任意时刻的污染清单排放按下式计算，
[0027][0028]其中，EF
i,t,j
表示第i种污染物在监控路段j第t时刻总排放量， EF
local
(i,k，j)是车型k在路段j的第i种污染物的平均排放清单，T
k，t,j
表示车型k在路段j第t时刻的车流量；
[0029]S2.2:将区域各路段的污染排放清单按路网拓扑构建成时空图序列
其中V是区域内N个路段组成的有限顶点集，其中布设有尾气遥测设备的路段集合记作V
L
，没有遥测设备的路段集合记作 V
U
，ε是边的集合表示目标区域路段间的直接连通性，W表示图序列的邻接权重矩阵按如下方式计算，
[0030][0031]其中，dist
ij
表示路段i和j之间的最短路段行程距离，link(i,j)表示路段i和j之间的路段连通性，如果link(i,j)值为1，则路段i和j之间是连通的，否则两者之间是不连通的；参数θ用于控制邻接矩阵W的尺度和稀疏性；
[0032]S2.3:时空图序列的一个污染清单观测序列看作是在时间t的图信号X(t)，将其中没有遥测设备路段X
U
的排放清单值置为0得到真实样本序列X，并将有遥测监控设备路段X
L
中的随机选出M个路段人工设置为缺失路段记作L
‑
，其余有遥测监控设备路段记作L
+
，并在X中将L
‑
的排放清单也置0构建排放清单缺失标记序列X
‑
；其次将气象环境和道路特征按路网结构组合成与排放清单时序一一对应的气象外部环境因素图序列E
fc
，道路特征图序列E
r
，并与排放清单缺失标记序列拼接对于待重构t时刻清单序列X(t)，取其k个缺失序列作为时空图卷积生成器的输入。
[0033]进一步的，所述构建路网排放时空分布对抗图卷积生成模型,对监测缺失路段排放进行估计，具体包括：
[0034]S3.1：生成器采用多图卷积提取缺失排放图序列的时空变化特征，对于时刻i缺失标记序列的图卷积操作定义如下：
[0035][0036]其中S
l+1
(i)是第l+1层排放图序列特征，图卷积层数设为L，是归一化后的邻接矩阵，是相应的度矩阵，Q
l
是待训练的图卷积核权重矩阵，并在最后图卷积层通过多头自注意力机制实现排放图序列时序特征聚合，对于时刻i的缺失排放图序列特征自注意力机制操作如下，
[0037][0038]其中，d
k
是S
L...

【技术保护点】

【技术特征摘要】
1.一种对抗图卷积网络的路网排放缺失时空分布重构方法，其特征在于：包括以下步骤，采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型；结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列；基于网移动源排放缺失时空图序列，构建路网排放时空分布对抗图卷积生成模型,对监测缺失路段排放进行估计。2.根据权利要求1所述的对抗图卷积网络的路网排放缺失时空分布重构方法，其特征在于：所述采集车辆污染排放和瞬时工况数据，构建单车路段典型工况排放模型，具体包括：S1.1：对原始车辆GPS轨迹数据进行平滑滤波处理以提高信噪比，然后按怠速段、加速段、减速段、巡航段对原始行程轨迹进行切分得到四类短行程片段，按短行程周期划分得到车型k的n个短行程周期并按时间顺序排列，记作S1.2：采用Transformer时序自编码网络将轨迹行程数据序列映射到深层时序特征空间，利用编码器Encoder得到深度特征表示编码征空间，利用编码器Encoder得到深度特征表示编码解码器Decoder将中间特征编码及i之前时刻输出解码到输出得到重构序列S1.3：使用K
‑
means算法对隐层特征表示进行无监督聚类，通过联合优化自编解码网络参数θ和聚类中心的辅助目标分布KL散度损失来改进聚类，将特征空间表示根据与聚类中心μ
j
的t分布相似度聚类成m个反映车辆行程周期片段的关键性特征描述子簇中心S1.4：利用解码器重构得到关键性特征描述行程序列根据各类别所有短行程片段占总体短行程片段的时间比例，合成车型k的最终平均工况序列记作，S1.5:根据尾气燃烧平衡方程，将遥感监测的CO、HC、NOx浓度转化为基于里程的质量排放因子，利用车辆信息、行驶工况、气象环境和CO、HC、NOx遥测污染数据来修正质量排放因子，记作，子，记作，
其中，f
*
(w,e,k,r)是基于遥感监测数据以车型信息k即小型客车、大客车、重型货车，瞬时工况w即速度、加速度、车辆比功率，外部环境信息e即气温、湿度、风速、风向、大气压和道路特征r即路段等级、坡度、车道数为输入，CO、HC、NOx遥测污染浓度为输出的深度神经网络尾气反演模型，v是车辆瞬时速度，CO2是遥测设备参考气体体积浓度；S1.6：结合分车型合成工况序列v
k
(t),t∈(0,T]，以及路段长度信息，计算出不同车型的在该路段典型工况下排放，s
k
＝∑v
k
(t)
·
Δt其中，EF
local
(i,k,j)表示车型k在路段j上污染物i的排放清单，Len
j
表示路段j的长度，s
k
表示车型k合成工况序列的行程距离。3.根据权利要求2所述的对抗图卷积网络的路网排放缺失时空分布重构方法，其特征在于：所述结合遥感监测点位的车流量数据和典型工况排放模型构建路网移动源排放缺失时空图序列，具体包括：S2.1：利用遥感监测点位的车流量数据和分车型典型工况排放模型构建观测路段车辆总排放时序序列，遥感监控路段任意时刻的污染清单排放按下式计算，其中，EF
i,t,j
表示第i种污染物在监控路段j第t时刻总排放量，EF
local
(i,k,j)是车型k在路段j的第i种污染物的平均排放清单，T
k，t,j
表示车型k在路段j第t时刻的车流量；S2.2:将区域各路段的污染排放清单按路网拓扑构建成时空图序列其中V是区域内N个路段组成的有限顶点集，其中布设有尾气遥测设备的路段集合记作V
L
，没有遥测设备的路段集合记作V
U
，ε是边的集合表示目标区域路段间的直接连通性，W表示图序列的邻接权重矩阵按如下方式计算，其中，dist
ij
表示路段i和j之间的最短路段行程距离，link(i，j)表示路段i和j之间的路段连通性，如果link(i，j)值为1，则路段i和j之间是连通的，否...

【专利技术属性】
技术研发人员：许镇义，王瑞宾，康宇，曹洋，张聪，赵振怡，刘斌琨，裴丽红，王仁军，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：