CN102301230A - 用于对污染物进行测量和绘图的***和设备 - Google Patents

Abstract

优选使用紫外线分光仪的设备和***，该设备和***用于动态和连续探测和定量化学物质，特别是污染物的范围，并且产生实时显示或地图，以显示在环境中的化学物质的水平。通过提供将大气中的污染物的细节与非常精确的位置结合的数据包，能够提供污染的实时地图。

Description

用于对污染物进行测量和绘图的***和设备

技术领域

本发明涉及优选使用有差别和/或传统的紫外线(UV)光谱用于动态与连续探测和量化环境中的气体或空气传播的化学制品，特别是污染物的范围的***和设备，以及涉及产生实时显示或地图以显示环境中的化学制品程度或水平。

背景技术

城区的空气污染广泛地被公认为是对于生活和工作在市区的人们最为关心的环境问题之一。由于政府机构、环境意识以及新的立法的要求对于监测和获得高度精确的污染测量的需要正在不断的增长。这种高精度测量要求在城区内，例如在能够被研究更好地控制诸如交通流量管理的市区环境的交通高峰时段内，产生污染程度或其他环境因素的有代表性的高分辨率的地图或精确且精密的位置数据。

不幸的是，传统的测量***无法按要求提供存在于空气中的气体的高精度的探测，它们也无法提供实时地图。这些***正常地在分钟量级的时程(或时间量程)内收集数据。污染程度(或水平)常常是从测量的点取来的样本中恢复，使得建立与污染源的相关联系(或关联性)变得困难。

其它***采用固定位置的站点且通常稀疏地分布，例如在路边等，这些站点提供关于现场的污染的信息数据。然而，不可能用固定的站点监测大范围的区域，且通过这样的***仅仅能够监测有限数量的区域。而且这种固定的***不能提供基于广大范围的实时地图。传统的***还限于固定在路边附近，而不能测量更接近路口中心或沿着道路本身的浓度值。传统的***通常建立成仅测量一种污染物或其它环境因素。而且，在某些情况下，所述污染物不能被直接测量出，而是推断值。

因此，已经引入了可移动的装置来监测大气中的污染程度(或污染水平)。可移动的装置在此定义为能够进行连续测量同时在各地理位置之间被运输的装置，例如，能够被安装在公路车辆上或用手携带的那些装置。这些可移动的装置是灵活的且具有扩展的空间范围。与使用这类可移动的装置的已知的监测***相关联的缺点就是在监测污染程度时缺乏测量的精确度和受限的响应时间。

美国专利文件US6750467公开了一种可移动的气体探测器，它包括载装在车辆上的激光发射器和信号分析器以及装载在所述车辆的外部的激光吸收单元。

美国专利文件US7288770公开了一种便携式空气监测***，所述空气监测***使用能够探测开放的大气中和被引入到腔室内的空气样本中的化学制品的紫外线(UV)光谱。所述***通过收集数据点的全部频谱并通过使用多重镜像(或多镜面)加强其灵敏度和精度，以增加在闭合(或封闭)路径长度上的光束路径。这些方法的精度是良好的，但是不能充分完成当日出现的，例如形成污染程度的代表性地图的要求。

美国专利文件US6415646涉及一种用于以测量头来测量气体浓度的方法，所述测量头设置有卫星支持的环球定位装置。以预定的时间间隔和比较的位置数据确定测量头的位置。对应于位置信息的气体浓度的所测量的值可以储存在数据存储器中。

欧洲专利文件EP1942342描述了一种雇佣受过训练的动物的探测***。从动物身上能够收集决定所述动物的身体部位的变化的生物测定数据。因而，通过分析动物的身体部位，能够决定所述动物是否已探测到了目标气味。所述动物的部位信息可以通过用惯性巡航***补充的GPS***来决定。没有任何描述用来对环境数据进行制图的装置。

美国专利文件US2006/0237657描述了利用开路或闭合多路白血球用来量化气体毒素的实时UV光谱。所述***可以使用在用于UV光谱的便携式***中，所述***能够从开放的空气环境或使用样本腔室通过样本的***探测和量化化学制品。所述***例如可以被安装在车辆的车顶上。

美国专利文件US2008/0024323描述了一种用于监测运行状况，特别是空气质量的可移动的***。空气监测装置可以被安装在车辆上，以收集结合有与车辆的实际位置相关的数据的空气质量数据。中央计算机可以构形成(或形状被制成)分析所述空气质量数据并以接近实时地传播相关信息，使得接收者能够部分地基于相关结果改变他们的行为。

Hideo Tai在其第3746卷第332-336页的SPIE的处理过程中描述了一种装设在车辆上的甲烷监测***，它带有定位***和能够从埋藏的管线中获得气体泄露的实时记录的可移动的GIS(地理信息***)。

欧洲专利文件EP1113268描述了一种用于在预定的地理区域内监测空气质量的方法和设备，其中，GPA数据可以被使用，以绘出或记入收集空气质量样本的车辆的位置。

在现有技术中，当车辆向前移动时，进行测量，但是由于缺乏在城区或建筑物多的环境中所需要的精确的位置数据，特别是在可能难以获得GPS信息的地方，这些测量不能被转变成任何种类的实时地图。

通过GPS接收器计算的位置需要卫星的现时、位置和所接收的信号的所测量的延迟。位置精度主要取决于卫星位置和信号延迟。为了测量延迟，接收器将从卫星接收到的位序和内生(或自有)版本进行比较。通过位转移的前沿和后沿的比较，现代化的电子器件或电子装置能够对大约百分之一的位时间内或者对于C/A编码来说大约10毫微秒的信号偏移进行测量。由于GPS信号以光速传播，这表示大约3米的理论误差。通过使用更高级的芯片速率(或速度)信号能够改进位置精度，然而典型的电子器件的误差是几种精度降级或衰减的影响之一。当这些影响被放在一起时，自主民用全球定位***的水平定位坐标误差(autonomous civilian GPS horizontal position fixes)典型地精确到大约15米(50英尺)。

此外，GPS信号还常常由于多路径问题可能受到干扰，其中，无线电信号在地形周围的反射，这些地形有建筑物、峡谷壁，硬质地面等等。这些延迟的信号可能招致不精确。已经开发了许多的技术，最为突出的窄的的相关器间隔，以降低多路径误差，但是这些误差不能被完全减少且仍然是一个显著的问题。在这些环境中，例如城区环境或者结构很多的环境中，GPS定位数据非常显著地被进一步恶化或者甚至完全被阻塞。这是由于反射大型结构的GPS信号的多路径，来自进入视角的不同卫星在位置上的突然变化或者由低成本电子器件或接收所施与的限制所导致的。

在多路径或阻塞的情况下，我们可以认为GPS的精度可能在长时间的时间段受到限制，而对于短期或实时测量，GPS确定的座标的精度可能是不充分的。

从GPS数据中获得的速度曲线将会作为离散数值得到，因为速度的测量是以1秒的间隔(1Hz)实施的。这种时间系列与在曲线或图形中示出峰值的高频噪音信号叠加。为了消除这种噪音信号，可以应用平滑滤波器。然而，尽管某些位置的平滑滤波器是可能的，但是短期精度可能没有被显著地改善。

GPS能够提供高度信息，且另外，GPS高度信息通过包括按某个距离分开安装的另外一些GPS接收器能够得到改善。高度信息特别与低水平或低高度的气流传感器相关，例如这些传感器被安装在UAV上。

在详细审查的环境因素中，可以意识到，这些因素典型的在极短的地理位置范围或距离内发生变化，特别是在城区环境中的极短的位置距离内发生变化。因此，需要收集与环境因素有关的非常局部化或区域化的数据。仅利用GPS定位数据不足以提供精确和精密(或准确)的地理位置，特别是在短时程内，但是在城区或其它结构复杂的环境中这个问题甚至更为严重。

发明内容

按照本发明的目的，提供有一种用于绘制大气中的环境因素地图的***，所述***具有一个或多个可移动的探测设备，其中，每个所述探测设备包括：

用于探测大气中的环境因素的传感器，所述传感器提供与大气样本有关的数据；

用于追踪所述传感器的地理位置和所述样本被提取的时间的导航***；

能够处理数据的处理单元；

所述处理单元与所述传感器和所述导航***耦合，以便提供每个样本的地理位置和时间；

所述***还包括含有数据库的服务器，在所述数据库中来自每个设备的数据被储存，且任选地进行处理，其特征在于，所述导航***包括第一导航装置和第二导航装置，其中，所述第一导航装置包括GPS***，而所述第二导航装置包括独立运行的定位***，其中，所述第一导航装置和所述第二导航装置是数据耦合的，且其中每一个***相互地通知另一个***且提供精确的、连续地被提炼且修正的位置数据以及任选的速度数据。

每个探测设备可以包括处理单元，所述处理单元能够处理来自用于在闭合的光学路径(即没有超出装置的界线之外的情况)中探测气体的传感器的数据；用于追踪所述一个或多个设备的位置的导航***，其中，所述处理单元与所述传感器和所述导航***耦合；以及用于将数据传送回到中央位置或区位的优选的装置。

本发明还提供一种用于产生环境因素的实时区位或位置信息的方法，所述方法包括：

提取大气样本并在分光仪中分析所述样本；

提取所述大气样本被提取情况下的地理位置并将这一地理信息与时间信息相耦合，以提供非常精确的取样点的时间和位置；

将所述位置，时间和分析结果结合到数据包中并将所述数据包传送到服务器；

分析所述大气样本的所述信息从而提供环境因素的水平的数据；

将所述环境因素的所述数据与实时位置数据进行整合，从而提供所述环境因素的实时区位或位置；

其特征在于，从导航***产生所述地理信息，所述导航***包括第一导航装置和第二导航装置，其中，所述第一导航装置包括GPS***，而所述第二导航装置包括独立运行的定位***，其中，所述第一导航装置和所述第二导航装置是数据耦合的，且其中每一个***相互地通知另一个***且提供精确的、连续地被提炼且修正的位置数据和任选的速度数据。

上述***和方法学由于在每个设备中使用导航***而提供大气化学物质的实时同步浓度测量。所获得的结果是污染程度或水平的高度精确的测量，所述测量可以用来形成显示污染或其它环境因素的分布状态的地图。所述数据优选被铺放在区域的地理位置图上，以形成与已知点，诸如道路，房屋，工厂等等，相关的环境因素(例如污染程度或水平)的地图。探测到的排放物的不同混合同时也可以用于源解析。

而且这样一种***能够在短时程或短时间内进行污染物程度或水平的实时连续的监测，或者为了高分辨率制图或在空间上或临时地其它数据的相关性的实时连续的监测。

就实时而论，我们指的是监测的***，在所述监测的***中，尽可能多的信息以短暂的延迟被连续地提供。将会理解的是，某些测量将是同时期的，而其它测量是历史的，但是目标是历史的值应当尽可能频繁地被更新或升级，以提供所测量的区域内的尽可能好的实时信息测量。模糊逻辑能够用来按照需要基于其它确切和实时的读数对测量的建模或模型化进行更新或升级。

另外，用于监测城区空气污染的***能够用于便携式、移动式和固定式设备。如果大量的足够数量的坚固***对于地方当局或有关各方变得有效，那么这类***就能够监测整个城市。

在优选的***中，每个设备是可移动的。这样一种设备可以安装在汽车上，摩托车上或大众交通工具的表面上，以能够覆盖大片的区域。所述设备还能够设计成为便携式的。

在优选的***中，所述第一导航装置包括一个或多个GPS接收器，而所述第二导航装置包括除GPS***之外的定位***。更为优选地，所述第二导航装置包括IMU/INS***。

测量***的精确度可以定义为测量数量的紧密度与其实际真实值之比。测量***的精密度也称为再现性或可重复性，所述精密度是在不变的条件下重复的测量表现相同的结果的程度。

优选地，提供有一种***，其中，每个导航***包括一个或多个GPS(环球定位***(Global Positioning System))接收器。如所讨论的，尽管GPS提供在地面高度(或水平面)或关于地面高度的高分辨率定位信息，但是它不能直接获得有关车辆取向(或定向)或速度的信息。以GPS为基的，例如SatNav***，商业***(Commercial system)依赖于道路地图，当定位数据变得不可靠时，作为最佳测定以将车辆定位于最接近的道路上。更为优选地，导航***包括与另外的导航***，例如无线导航***(RDF)或推测领航***(dead reckoningsystem)等，相联系的GPS。航位推测法就是通过投影过程和从已知的过去位置评估现在的位置和速度的过程。推测领航***的优选类型是惯性导航，由此，基于运动传感器来计算位置。因而，更加优选地，导航***包括与IMU(惯性测量单元(Inertial Measurement Unit))/惯性导航***(Inertial Navigation System(INS))相联系的GPS。GPS信息与诸如IMU/INS等其它传感器数据的整合(或集成或者积分)使得连续而精确的位置评估能够在实时的基础上得到提供。在城区的环境中，GPS卫星由于高的建筑物或其它局部地理特点或构造被隐藏脱离所述接收器。通过将GPS接收器与IMU/INS进行整合，能够获得更高程度的导航和定位精度。因而，耦合或联接的GPS-IMU/INS的使用提供精确的遥感勘测数据，使得能够在宽阔的区域内进行污染程度的精确评定。这使得监测覆盖范围比现有的固定监测地点更为宽广。

探测设备可以是在紫外线，紫外可见光，红外线或它们的组合中的波长内进行探测的分光仪(或光谱仪)或者干涉仪。所述探测设备优选包括即时紫外线气体分析仪。紫外线(UV)分光仪能够收集用于宽广的气体范围的分析的高分辨率数据。本发明在特殊的气体中进行探测，可在紫外(UV)(160-500nm的波长范围)，可视的(500-800nm的波长范围)，和红外(800-15000nm的波长范围)范围内进行探测。分光仪能够在痕量级(或在痕迹水平上)探测多种气体。原始数据可以以强度对波长的格式进行收集。信号的强度受到监测且被记入日志，而且与导航数据进行联系。

优选地提供有一种***，其中，所述传感器数据在动态变量样本时间段内进行处理。所述样本时间段可以通过设备处理器本身或远程，基于来自IMU/INS的信息，自动地进行调整。

根据本发明的另一个目的，提供有一种绘制污染程度或水平地图的可移动的装置，所述装置包括能够处理来自传感器和导航***的数据的处理单元，所述传感器用来在闭合的光学路径中探测气体，其中，所述处理单元与所述传感器和所述导航***耦合。所述导航***优选包括整合的GPS-IMU/INS***。

附图说明

通过参考附图将进一步描述本发明，其中：

图1表示数据如何传送的总体数据流程图；

图2表示作为本发明中优选的使用在紫外线分光仪中的光学部件的示意图；

图3表示在城区环境中成网络的***；

图4表示在GPS和MIU导出的速度之间示例性的比较；

图5图示出Kalman过滤器的预测-修正本质；

图6表示Kalman过滤器如果能够被应用到GPS和IMU/INS数据的组合上；

图7表示IMU/INS捷联方法；

图8表示松散耦合(或松散联接)的GPS-IMU/INS***；

图9表示紧密耦合(或紧密联接)的GPS-IMU/INS***；和

图10表示超紧密耦合(或超紧密联接)的GPS-IMU/INS***。

具体实施方式

本发明的一个实施例是一种成网络的***，所述***具有多个集成或整合的设备，所述设备包括通过服务器相互连接或连通的导航装置和气体传感器。所述服务器包括数据库，在所述数据库中储存着输出数据。每个设备包括带有处理单元的计算机，所述处理单元能够处理来自传感器的数据，所述传感器用于优选在封闭的光学路径中，特别优选在光学紫外线多路配置或布置中探测气体，这里配置或布置例如White cell(怀特单元)，Cavity Ring-Down(光纤腔衰荡)，Integrating Sphere(光积分球)或Herriott cell(赫里奥特单元)。每个设备可以将这类信息与导航***整合或集成起来，以提供信息包，所述信息包表示在任何时刻与气体传感器的地理位置相联系的各种污染物程度或水平。

作为被提请注意的传感器优选是紫外线(UV)分光计或光谱仪，所述传感器探测，但并不限于一氧化氮，二氧化氮，二氧化硫，臭氧，氨，硫化氢，苯，甲苯，(间、邻、对)二甲苯，异丁烯，亚硝酸，氟化氢，汞，苯乙烯，二硫化碳，甲醛，乙醛，苯酚，(间、邻、对)甲酚，氯苯，二氯苯，盐酸，氢酸，溴化氢，二氧化氯，氯，碳酰氯，乙苯，丙烯腈，1，2，4-三甲基苯，1，3，5-三甲基苯以及其它物质或化合物。

图2示出UV分光仪的示意性配置，所述配置具有紫外线源，所述紫外线源经过闭合路径的光学元件单元。气体经过光学部件腔室，且通过分光仪接收到最终的光谱图像。然后，可以对这一信息进行处理以利用处理算法分析所述气体的成分或组分，例如构成的化学物质以及这些化学物质的含量。

为了探测这些气体，需要创建用于每种气体的光谱的参照“库”，使得气体的特有特征(或独特标志)能够被识别和定量(或量化)。吸收UV光的任何数量的气体都可以被添加到所述(光谱参照)库中，以便提供用于广大范围的污染物探测的基础。这种方法的总体上的优点在于这类装置具有超出气体的初始配置组的范围的可扩展的能力。能够针对事件的特殊性进行调整的可配置的装置在长期传感器网络的部署中是一种所希望的特质。

形成网络的设备可以在特定区域附近被放置在各固定位置，但优选是可移动的和附接到移动工具或车辆上。图3示出了记录污染物程度用于生成地图的安装到车辆上的单元的代表。每个车辆具有安装在其顶部的小的UV光谱气体分析仪。关于局部污染程度的信息被送回到中央服务器，然后所述中央服务器产生污染物成分和程度的视觉地图。各个测量设备优选通过临时或特别(ad hoc)通讯***被一起组合成网，这些特别***作为固定的基本设施(或基础构建)***的补充或替代。这使得数据传送变得容易，即使在固定的接收器并不容易进行有效的数据传递的情况下。在城区环境中在GSM/GPRS便携式无线电话网络上数据是容易传送的。最为优选的是多跳分布式临时网络(multi-hop ad hocnetwork)，由此，信息可以被储存在设备中，且随后被传递到在有可能时为基础(as and when basis)的接收器。每个设备能够起连接或接合发送器和接收器的作用，以允许多个数据包的传递。

还设置有用于追踪由UV分光仪所探测到的气体的位置的导航***。在这种情况下，所述导航***优选地结合一个或多个环球定位***(GPS)(GlobalPositioning System)接收器和惯性测量单元***(IMU)(Inertial Measurement UnitSystem)/惯性导航***(INS)(Inertial Navigation System)，其连接到计算机或者嵌入式微处理器单元。

分布的传感器网络自然地将它们自己出借给临时WiFi网络，但也可以使用诸如WiMax的基本设施网络。这些***能够使用Bluetooth(蓝牙)，GPRS，3G或上面的用于混合模式数据传递的***的组合。精确的制图的生成只能通过硬件配置且本发明的优点和效益是基于高质量的数据传递的生成，而不是关注所获得的数据的后续处理。

在本发明的优选实施例中，传感器所探测到的数据被打包并经过适合的非有线连接的构建体系，或直接或经相邻的节点构成的线路来进行传递。间歇的临时WiFi是这种传递的优选的选择。然而，如上所解释的，***的稳固性随着通讯技术的混合应用而得到改进。在本发明中，地图要被理解成不仅形成地理位置的表达，而且是能形成所测量的现象的图形或数字化表达的任何***，这些表达包括与地理位置相联系的例如条形图或数字读数。

在服务器上的中央数据库进而能够或者通过将信息铺放在地理地图上以视觉形式直接利用所述数据，或者与向团体或个人发出以SMS为基的警报整合在一起，或者与用于增强的精确度的分散的建模(或模型化)包相耦合(或相联系)，等等。分散的模型常常以污染库存清单为基并不精确的接近实际污染程度，但可以用来自用于精确结果的数据库的数据进行完善。

如果需要被监测的污染或散发事件发生，带有多个传感器或设备的所述传感器网络可以通过中央登录服务器集中改变其行为或工作，以便能够测量污染事件，例如开动的工厂，正进入港湾的船舶，TIC释放，CWA攻击等等的突发的气体烟雾流。

如所提及的，本发明的一个优选的方面就是GPS和惯性测量单元(IMU)/惯性导航***(INS)数据的整合或集成。GPS信号被用于修正(或改正)或校准来自惯性测量单元(IMU)/惯性导航***(INS)的信息。IMU/INS***包括许多传感器，以测量沿多个轴线的加速度。典型地IMU/INS***将包括一系列相互正交的线性和旋转加速度，但是附加的传感器(或IMU/INSs)可以用来读数。IMU/INS提供高频加速度/转动速率(或速度)数据，这些数据与GPS测量是松散或紧密联系(或耦合)或者超紧密联系(或耦合)的。IMU/INS***能够提供用于短时段并如所讨论的那样的精确的信息。

GPS***由于局部地理位置特点或构造可能有阻塞卫星信号的问题。长期而言，GPS给出能够用来连续地重设IMU/INS***导航***的无漂移位置(drift-free position)，或更优选地通过数学算法，例如Kalman过滤器，与IMU/INS数据相联系(或耦合)。

GPS数据主要以经纬格式设置。对于某些应用来说，像地图重叠或人工速度计算，需要将数据投影并转换成米制(或线性单位)。对于中等或大比例尺单张地图或其它地图所投影的座标在数字上被保持在高精度，对于地表的实际形状给予应有的注意是必须的。即使存在有几个有效的投影，最常用的将地形角度转换成米制的方法之一就是墨卡托(投影)平面直角坐标系(TransverseMercator Projection)。这种投影将经纬数据转换为米制东向值(metre esating)和米制北向值(metre northing)。

GPS***为了解决三维位置需要四个被追踪的卫星，其中也能解决第四时间的不确定性。用少于有效的四个卫星，不可能完成独立的三维GPS定位。卫星数量变化的城区，树木覆盖的或形成隧道的环境(或定点位置)增加了单独从GPS定位的不确定性。如所提及的，所述GPS***能够与IMU***形成相互关联，以提供更加精确的位置绘图。

从六个线性和旋转加速度传感器，如所述整个IMU/INS***的部分，收集的测量数据通过捷联算法来进行数字上的编辑。所述算法的目的就是要提取加速度数据并得出位置数据。诸如通过Kalman过滤器的IMU/INS捷联方法能够被应用以将来自包括IMU/INS***的传感器的测量中的每一个测量相结合。从IMU/INS获得的数据是呈三维正交加速度的形式(x、y和z)和一个记录在z轴上的旋转的角速度(航行陀螺仪速率(yaw gyro rate))。由IMU/INS提供的数据通常是处在非常高的速率。图7示出了IMU/INS捷联方法。这个数据可以进行操控并积分(或整合)以产生可与从GPS方案获得的数据相匹敌的速度图形(或曲线)。从IMU/INS获得的所述速度图形验证GPS速度图形(或曲线)并“填充间隙”，所述间隙是因GPS松散的接收时而造成的。然而，从加速度到速度的积分算法(或综合算法)不是直接的，且需要噪音过滤和几次修正。这些数据能够被耦合或联系的阶段(或步骤)取决于所使用的积分(或整合)的完善程度，其中实际误差和测量的误差需要被考虑。与任何IMU单元相关联的主要误差是恒定误差、比例因素和漂移。恒定误差指的是在传感器中的各种缺陷引起的惯性传感器所产生的测量上的偏移。比例因素指的是输出信号和其正在测量的数量之间的关系，这表现为例如每秒每度多少毫伏。漂移指的是在传感器或***中随时间累积的误差的速率(或速度)。仅基于IMU/INS数据的定位***在只几分钟的时间内不能对速度图形进行识别，甚至对于优质的IMU/INS而言也是如此。其它类型的误差与所述单元内的温度变化以及在安装时的非正交性相关联。所述单元的轴(或轴线)在安装时不可以完全与测量的车辆的轴(或轴线)对准。所述单元的振动也将误差引入到所记录的需要过滤的测量中。除了误差过滤之外，存在着一种对测量进行修正的需要，以免重力和离心力的影响。

所述IMU单元记录重力场的加速度。这意味着当静止不动时，所述单元在正向z轴(或轴线)记录重力加速度，如果轴线被正确地对准且所述单元垂直于地板(或地面)的话。由于所述单元是被卡持在车辆上，当它由于车辆向前运动而倾斜或摇晃，和/或振动时，重力矢量就不再对齐z轴线。因此，重力加速度矢量现在被分解到z和x或y(或者两者)上，这取决于车辆正经历的状况(如果车辆正在摇晃就分解到y，而如果车辆正在颠簸就分解到x)。

需要的其它修正是当车辆转弯时离心力对测量的影响。当车辆正在沿急转弯转向时，所述单元由于离心力而经受加速度。这个力与当乘坐以高速急转弯的车辆上的经历是相同的，这种急转弯使得乘客移到曲线上的侧边。

如果将IMU/INS装设在车辆的重心的中心当实施测量时能够使来自这个力的修正的固有误差为最小。这将消除由于离心力增强的杠杆效应，其中IMU/INS和车辆的重心的中心之间的距离起着重要的作用。然而，不可能多次将所述单元装设在重力的中心且它一定是被装设在最为方便的地方。因此，根据由所述单元测量的航行陀螺仪速率需要用于离心力的修正。当用于载装所述传感器的车辆的分析测量时这种修正就更为重要。

由于IMU/INS被固定到载装的车辆上，当它沿特定的轨迹移动时它的轴线将保持与车辆的轴线相同。然而，IMU/INS的座标***将在绝对的参照系中不停地转动。这可以由用于2D(二维)情况的航行陀螺仪速率来决定，其中它只是沿z轴线旋转。对于3D(三维)更一般的情况，应当使用Euler角。这些角度使得能够从一个坐标系向另一个坐标系进行矢量的转换，且这是基于三个关于不同的轴线的成功的旋转。Euler角(ф，θ和ψ)定义如下：

关于坐标x轴转过ф角

关于坐标y轴转过θ角

关于坐标z轴转过ψ角

由于Euler角的物理意义，这种类型的表达是普遍采用的，所述Euler角对应于将会通过在稳定平台的惯性导航***中的三个万向节组之间的角度传感器(或拾取器)测量的角度。考虑到Euler角理论，万向节速率(或速度)之间的关系(dф/dt，dθ/dt和dψ/dt)以及在每个轴线(ωx，ωy和ωz)中的本体是遵照下面的公式：

$\frac{d}{\mathrm{dt}}\left(\begin{array}{c}\mathrm{\φ}\\ \mathrm{\θ}\\ \mathrm{\ψ}\end{array}\right)=\left(\begin{array}{c}{\mathrm{\ω}}_x+\tan \mathrm{\θ}({\mathrm{\ω}}_y\sin \mathrm{\θ}+{\mathrm{\ω}}_z\cos \mathrm{\φ})\\ {\mathrm{\ω}}_y\cos \mathrm{\φ}-{\mathrm{\ω}}_z\sin \mathrm{\φ}\\ \sec \mathrm{\θ}({\mathrm{\ω}}_y\sin \mathrm{\φ}+{\mathrm{\ω}}_z\cos \mathrm{\φ})\end{array}\right)$

然而，在本发明中使用的IMU装置仅记录关于z轴线的航行转动速率；因此，完整的姿态整合是不可能的。能够采取随着算法考虑所有误差和修正的惯性导航***的完整的计算，它考虑了上面解释的所有误差和修正。然而，这种算法是用于3D目的的且如果不需要获得高度上的变化可以进行简化。对于要完全可在本发明研究中应用的这种算法，IMU/INS仅需要记录x和y(颠簸和摇晃)陀螺仪速率。

即使独立地从GPS和IMU获得速度图形是可能的，那么当将两套设备集成(或整合)为一个设备时，结果也是更为精确和精密的。本发明的优选的方面就是将IMU/INS的短期精确度的优点和GPS的长期稳定性相结合。所述结合提供数据被收集的点的非常精确的定位。紧密耦合(或联系)的GPS-IMU/INS，即通过Kalman过滤，的应用是尤其优选的。

来自IMU/INS和GPS的数据可以通过关注一连串的所记录的数据与其它一连串的所记录的数据之间的时间延迟得到匹配。

对于GPS-IMU/INS与Kalman过滤器集成的一般方法为称作“松散耦合(或松散联系)”，利用这种方法，GPS过滤器(典型地EKF或Lest-squares recursion(最小二乘递归))处理GPS信号并以标准GPS地固地心坐标系(Earth CentredEarth Fixed(ECEF))输出三维位置。图8示出了松散耦合的GPS-IMU/INS。

惯性导航的等式或均衡基本上就是积分器或整合器，意味着***中固有的噪音和恒定误差及时地导致无限增长指数误差(unbounded，exponential errorgrowth)。松散耦合的配置典型地使用第二Kalman过滤器，来预示来自惯性导航的均衡的惯性传感器的误差。所述过滤器随着由IMU/INS的输出和GPS过滤器形成的位置误差的直接测量而得到更新。

图9示出紧密耦合的GPS-IMU/INS***。在紧密耦合的集成或整合中，对应于***GPS和IMU/INS的所有位置误差状态和误差参数在一个Kalman过滤器同时进行评估，其中双差GPS载运器相位观测以及IMU/INS加速计和和陀螺仪数据被集成或积分；而且IMU/INS误差被直接反馈到INS传感器。

图10示出超紧密耦合的GPS-IMU/INS***。

在确定范围的处理中使用的卫星越多，过滤器必须抑制惯性导航解决方案的信息就越多。然而，在衰减或降级的GPS有效性的场合中，紧密耦合的配置能够仅用一个可视卫星升级所述过滤器。

在本发明的一个主题中的UV光谱分析仪的气体中，它服务于所述装置的敏感性如果它的其中一个尺寸足够大，即所述单元是长的。不像更多的在车辆上的传统内部紧凑的定位装置(如SatNav***)，所希望的是使用一个以上的GPS接收器，使得能够推断出诸如车辆方向等的其它信息。另外，多个GPS接收器能够被用于改善高度测量。

可移动的设备包括IMU/INS(包括多个陀螺仪和加速计)，所述IMU/INS通过连接到数据处理设备的RS232或USB来联系或耦合的，它在可移动的设备中是单独或嵌入其中。一个或多个GPS接收器也连接到所述处理单元。在使用多个GPS接收器的情况下，优选的是它们被放置在装置的***设备上或车辆上。

这类设备能够放置在车辆的顶部，以探测大气中的气体。该气体取样速率取决于所需要的空间分辨率。例如，如果需要一个米制分辨率且所述车辆以每秒五米的速度运行，那么就需要每秒五个样本。如果车辆在交通红绿灯处静止较长一段时间，那么可能需要较长时间的取样。另外，用于数据收集的光谱取样时间因与一系列连续的测量相关而发生变化，使得噪音被降低，而不会使空间分辨率衰减。这样一种方法对于正在被测量的每种气体是特定的。

在全部“六个自由度”惯性测量单元(IMU)/惯性导航***(INS)能够提供3D加速度，速度和轨道信息。典型的IMU/INS包括安装在一组三个正交座标轴上的单个垂直轴线上的三个加速计和三个陀螺仪。所述IMU/INS测量在所有三个维度上的车辆的加速度和转动速率。

IMU取样速率优选应当是尽可能的高，以俘获车辆的线性/转动加速度情况。然而，通过以时间为基的这些样本的双重积分或整合，误差就会累积起来，这是在GPS的耦合帮助有效地提取积分误差的情况。同时，IMU/INS以更高的时间分辨率提供有关车辆/个人运动的信息。关于在所有条件下传感器的位置的精确信息是极为重要的，这些条件例如建筑物多的区域，隧道，有限数量的卫星是有效的或车辆/运动是不可预测的情况。

Kalman过滤器是从IMU/INS和GPS数据测量同时联系或耦合状态的优选的方式。Kalman过滤器的前提是对物理效应和测量误差同时进行建模。考虑非线性离散时间***：

x(k+1)＝f[x(k)，k]+G(k+1，k)w(k)

z(k+1)＝h[x(k+1)，k+1]+v(k+1)

其中，x(k)是***在k的状态，而z(k)是测量矢量。矢量w(k)和v(k)分别是***噪音和测量噪音。

EKF通过将所有非线性模型简单线性化将Kalman过滤器应用到非线性***，使得能够应用传统的线性Kalman过滤器等式或均衡。扩展的Kalman过滤器(EKF)给出了评估和协方差：

$\hat{x}(k+1|k+1)=\hat{x}(k+1|k)+K(k+1)[z(k+1)-\hat{z}(k+1|k)]$

P(k+1|k+1)＝[I-K(k+1)H(k+1)]P(k+1|k)

状态的预见和它的协方差是：

$\hat{x}(k+1|k)=f[\hat{x}\left(k\right|k),k]$

P(k+1|k)＝F(k+1，k)P(k|k)F^T(k+1，k)+G(k+1，k)Q(k)G^T(k+1，k)

测量的预测是：

$\hat{z}(k+1|k)=h[\hat{x}(k+1|k),k+1]$

Kalman收益矩阵是：

K(k+1)＝P(k+1|k)H^T(k+1)[H(k+1)P(k+1|k)H^T(k+1)+R(k+1)]^-1

其中，F(k+1，k)和H(k+1)是与f和h相关联的Jacobian矩阵，分别为：

$F(k+1,k)=\frac{\∂}{\∂x}f[\hat{x}\left(k\right|k),k]$

$H(k+1)=\frac{\∂}{\∂x}h[\hat{x}(k+1|k),k+1]$

图5中示出了Kalman算法的概要。

从多个单元能够收集取样的数据且通过无线装置(例如WiFi或蓝牙(Bluetooth))通讯将所述数据返回到中央服务器(或通过经由网格计算的单元本身来处理)，在所述中央服务器中所述数据被构建成时间变量的污染地图。建网工作通过单元本身即可以是基本设施也可以是“临时”设施。并非想要所述数据形成用于以操作研究为基础的工具的输入到预测分散模型中的基础。

来自气体传感器的信息可以在传送到中央服务器之前或之后进行处理。所述传感器能够适于测量出气体浓度以外的另外的信息，例如温度和湿度。

从测量设备收集的数据的整个量，即传感器信息和联系的定位信息，作为数据包输入到服务器并能够在相同的服务器上存储入库。代表气体浓度峰值的数据点能够被提取出来并被形成新的减量的数据组用于进行分析。这种减量的数据组被转换成数据库档案并随后被输入到GIS软件***中。利用GIS软件，所述数据能够显示并被处理以实施广泛的分析工作。所述数据组可以与GPS-IMU/INS数据相结合以提供污染的地图。特殊颜色，符号或在3D中呈现的突出的高度可以指定为每一种污染以及对应于ppb-v值的那种污染物的浓度，为的是分析随着时间在污染物浓度测量方面的空间变化。每个数据点用有关日期，时间和精确位置，以及统计汇总或时间为基的趋势绘图来标签。污染物程度上的任何主要变化可以适于标有标签的信息来进行分析。所述信息可以与通过驱动分析师位于其上的车辆的操作者做出的观测注释结合使用。

空间上绘出的数据可以重叠在高分辨率(比方说1米)IKONOS卫星图像上以观察与地面特点，如道路，建筑物，河流等等相关的数据点位置。污染物发出源能够容易地识别出，例如在繁忙的路口处的汽车，在港湾内的船舶等等。诸如大气条件等其它因素也可以构建制图***以分析风的效应，热等等。

可以针对在确定的时间期间或假定周期性时间内来自所述传感器的测量通过内插法提供数据地图的连续性。数据驱动的扩散模型，诸如本领域内所知的模糊学，计算流体动力学，以源为基的扩散模型等，可以使用在制图计算之中。

取样时间段可以基于传感器速度以及浓度来确定。取样时间段可以根据需要来改变，或者通过中央服务器或者通过局部传感器微处理机。根据SNR和/或空间分辨率折衷改变取样时间段的能力视为所述方法的核心部分。

风速和方向(例如来自紧凑型风速计)作为所述装置的一部分的的测量需要贡献散布的源头和/或方向。来自装置的定位***的精确的速度测量和取向数据对于这一***的有意义的操作是严格的。另外单元俘获某些事件发生的视频图像的能力在某些地方也是需要的。

机动车辆的污染程度极大地取决于瞬间经历的同时驱动的车辆的数量。利用交通建模和控制***精确预测车辆加速度通过来自所述单元的加速度数据正好被增大。

所述单元的分光仪/气体腔室取样并均匀化速率进行调整以考虑车辆速度，从而使得当所述车辆达到较高的速度时允许类似的空间分辨率。本发明需要对所述***的噪音降低考虑车辆速度，位置，方向以及浓度变化，从而使信号对噪音(SNR)比最优化。由于关于浓度水平的任何过滤，例如Kalman过滤等需要考虑车辆速度，这类数据需要通过视作为浓度Kalman过滤器内的状态变量进行联系或耦合。这种情况的一个示例如下：装置将数据收集到一系列摆动平均值中，代表不同的时间长度(例如，1秒，10秒，30秒)。如果车辆是静止的，希望的是称重要从最高长度的摆动平均值中确定的浓度，使得SNR最大化。如果车辆是快速移动的，那么优先放置在较短的摆动平均值上，设定空间分辨率被保存在适合的SNR中。

此外，硬件调整，诸如源头强度和气体产量在GPS-IMU提供较高速度期间可能被增加。

一旦数据被收集，预示着Bayesian方法(或类似的随机技术)被用来分析在延长的时段内在所收集的数据集中的反常情况。

本发明的***优选地被使用在地基车辆中，如图3中所示出的。然而，所述设备也可以在空中载运，例如装载在无人飞行器(UAV)中。这可以提供污染程度的3-D和实时地图或者测量固定高度处的污染情况。假如要使用无人飞行器。耦合的GPS/IMU特别重要。以允许颠簸和偏航。如果使用无人飞行器，那么来自高度计的信息被给送到导航***中，以提供有关飞行器的高度的信息。所述高度信息随之也包括在通过处理器回送到服务器的打包信息中。因而，测量可以由例如在地平面之上固定高度处的污染构成。在无人飞行器上的传感器的使用是众所周知的，但是本发明能够利用这一信息提供所测量的环境因素的实时地图。

尽管本发明已经专门地联系污染物程度的制图进行了描述，但将会理解的是，制图可以与任何其它可测量的数据联系起来使用，这些数据例如颗粒水平，毒气水平，辐射水平，光水平和噪音水平等。

Claims (16)

1.一种用于绘制大气中的环境因素地图的***，所述***具有一个或多个可移动的探测设备，其中，每个所述探测设备包括：

用于探测大气中的环境因素的传感器，所述传感器提供与大气样本有关的数据；

用于追踪所述传感器的地理位置和所述样本被提取的时间的导航***；

能够处理数据的处理单元；

所述处理单元与所述传感器和所述导航***耦合，以便提供每个样本的地理位置和时间；

所述***还包括含有数据库的服务器，在所述数据库中来自每个设备的数据被储存，且任选地进行处理，其特征在于，所述导航***包括第一导航装置和第二导航装置，其中，所述第一导航装置包括GPS***，而所述第二导航装置包括独立运行的定位***，其中，所述第一导航装置和所述第二导航装置是数据耦合的，且其中每一个***相互地通知另一个***且提供精确的、连续地被提炼且修正的位置数据以及任选的速度数据。

2.按照权利要求1所述的***，其特征在于，所述第一导航装置包括一个或多个GPS接收器，而所述第二导航装置包括除GPS***之外的定位***。

3.按照权利要求1或2所述的***，其特征在于，所述第二导航装置包括IMU/INS***。

4.按照权利要求1至3中任一项所述的***，其特征在于，所述耦合的导航***提供位置，方向和速度数据，方式是所述传感器或与所述环境因素相关的数据能够动态地受到操控，以便提供最佳的数据。

5.按照权利要求1至4中任一项所述的***，其特征在于，所述数据的处理可以立刻或在随后任何时候来进行。

6.按照权利要求1至5中任一项所述的***，其特征在于，所述传感器选自下列组中，所述组包括紫外线分光仪，紫外光分光仪，红外线分光仪或者它们的组合。

7.按照权利要求6所述的***，其特征在于，所述分光仪在160-500nm的波长范围内进行探测。

8.按照权利要求1至7中任一项所述的***，其特征在于，所述传感器数据在动态变量样本时间段内进行收集。

9.一种用于在环境因素的分析中使用的装置，所述装置包括：

用于探测大气中的环境因素的传感器，所述传感器提供与大气样本有关的数据；

用于追踪所述传感器的地理位置和所述样本被提取的时间的导航***；

能够处理数据的处理单元；

所述处理单元与所述传感器和所述导航***耦合，以便提供每个样本的地理位置和时间；

10.按照权利要求9所述的装置，其特征在于，所述传感器包括分光仪。

11.按照权利要求10所述的装置，其特征在于，所述分光仪探测160-500nm的波长范围。

12.按照权利要求9至11中任一项所述的装置，其特征在于，所述导航***是紧密耦合的GPS-IMU/INS***。

13.一种用于产生环境因素的实时区位信息的方法，所述方法包括：

提取大气样本并在分光仪中分析所述样本；

提取所述大气样本被提取情况下的地理位置并将这一地理信息与时间信息相耦合，以提供非常精确的取样点的时间和位置；

将所述位置，时间和分析结果结合到数据包中并将所述数据包传送到服务器；

分析所述大气样本的所述信息从而提供环境因素的水平的数据；

将所述环境因素的所述数据与实时位置数据进行整合，从而提供所述环境因素的实时区位；

其特征在于，从导航***产生所述地理信息，所述导航***包括第一导航装置和第二导航装置，其中，所述第一导航装置包括GPS***，而所述第二导航装置包括独立运行的定位***，其中，所述第一导航装置和所述第二导航装置是数据耦合的，且其中每一个***相互地通知另一个***且提供精确的、连续地被提炼且修正的位置数据和任选的速度数据。

14.按照权利要求13所述的方法，其特征在于，所述耦合的导航***提供位置，方向和速度数据，方式是所述传感器或与所述环境因素相关的数据能够动态地受到操控，以便提供最佳的数据。

15.按照权利要求13或14所述的方法，其特征在于，所述数据包通过无线通讯网络被传送到中央服务器，用于数据储存，显示和分析。

16.按照权利要求1所述的***或按照权利要求9所述的装置，其特征在于，所述***或所述装置附加有装置，以收集风速数据，其中所述风速数据与所述地理区位数据结合起来使用，以预测所述环境因素的分布状态。

Images