CN106153510B - 大气污染物浓度的估算方法和装置 - Google Patents
大气污染物浓度的估算方法和装置 Download PDFInfo
- Publication number
- CN106153510B CN106153510B CN201510134693.8A CN201510134693A CN106153510B CN 106153510 B CN106153510 B CN 106153510B CN 201510134693 A CN201510134693 A CN 201510134693A CN 106153510 B CN106153510 B CN 106153510B
- Authority
- CN
- China
- Prior art keywords
- pollution
- point
- pollution source
- source
- type
- 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.)
- Active
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 103
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 103
- 238000011156 evaluation Methods 0.000 title abstract 2
- 238000011160 research Methods 0.000 claims abstract description 82
- 238000009792 diffusion process Methods 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000011109 contamination Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000356 contaminant Substances 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 238000011835 investigation Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000255969 Pieris brassicae Species 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种大气污染物浓度的估算方法和装置,该方法包括:将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;根据各污染源的影响范围以及目标区域内各研究点的位置信息,确定污染源与研究点的对应关系;针对各研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;根据目标区域内已测出污染物浓度值的多个研究点的污染风险值,建立污染风险值与污染物浓度值之间的回归模型;针对目标区域内污染物浓度值未知的关注研究点,将关注研究点的污染风险值代入所述回归模型,以计算出关注研究点的污染物浓度值。能够高效、准确地估算出目标区域内任意空间位置的关注研究点的大气污染物的浓度。
Description
技术领域
本发明涉及大气污染物浓度的估算,特别涉及一种基于交通路况实时估算城市大气污染物浓度的方法和装置。
背景技术
随着城市建设和机动车保有量的增长,由机动车产生的如NOx、CO和PM(颗粒物)等污染物的排放量(以下简称为排放量)不断增大,成为影响城市空气质量的主要因素之一。并且,计算城市中任意区域的空气质量以确定更精细的污染物分布状况,不仅有助于公众合理制定出行规划,还有利于管理者有针对性地制定空气质量防治措施。
然而,由于受到环境、资金等的影响,每个城市的空气质量监测站数量有限,并且只能获得空气质量监测站周边的污染物浓度。对此,目前已提出采用土地利用回归模型、遥感反演模型等计算城市中任意区域的空气质量的方法。
例如,中国发明专利申请CN103234883A提出了一种基于道路交通流量实时估算中心城区PM2.5浓度的方法,包括:首先利用中心城区的道路交通流量实时监控数据,将交通道路污染源离散为固定间隔点污染源;然后以源特征地理加权邻近受体空气污染暴露评估模型为基础,评估中心城区PM2.5污染暴露相对风险值;最后将中心城区PM2.5监测站位置的PM 2.5污染暴露相对风险值与观测浓度值进行回归建模,并利用所构建的回归模型估算中心城区的任意空间位置点的实时PM2.5浓度的方法。
其中,将道路统一看作点污染源,利用交通流量的大小来间接表示交通污染物排放的多少。但实际上,交通流量并不能准确表示交通污染物的排放量,因此上述方法无法准确计算出交通点污染源周边的污染物浓度。
发明内容
技术问题
有鉴于此,本发明要解决的技术问题是,如何能够基于交通路况高效、准确地估算出大气污染物的浓度。
解决方案
为了解决上述问题,本发明实施例提供一种大气污染物浓度的估算方法,包括:
将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;
根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点;
针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;
根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型;
针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值。
在一种可能的实现方式中,将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围,包括:
将所述目标区域内的所有道路分别划分为至少一个污染源;
根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型;以及
根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
在一种可能的实现方式中,根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型,包括:
在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;
在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。
在一种可能的实现方式中,根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围,包括:
在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值;
在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分;
在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
在一种可能的实现方式中,采用下式1作为所述点类型的污染源的扩散模型,
式1,
其中,
为研究点j由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
为研究点j与污染源i之间的下风距离,为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
φ(λ)为标准正态分布函数;
t是积分变量。
在一种可能的实现方式中,采用下式2作为所述线类型的污染源的扩散模型,
式2,
其中,为研究点j的由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
Li为污染源i的横风长度;
为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
erf(λ)为误差函数。
为了解决上述问题,本发明实施例提供一种大气污染物浓度的估算装置,包括:
污染源划分模块,用于将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;
对应关系确定模块,与所述污染源划分模块连接,用于根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点;
污染风险值计算模块,与所述对应关系确定模块连接,用于针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;
回归模型建立模块,与所述污染风险值计算模块连接,用于根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型;
污染物浓度值计算模块,与所述污染风险值计算模块和所述回归模型建立模块分别连接,用于针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值。
在一种可能的实现方式中,污染源划分模块包括:
道路划分子模块,用于将所述目标区域内的所有道路分别划分为至少一个污染源;
类型确定子模块,用于根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型;以及
影响范围确定子模块,用于根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
在一种可能的实现方式中,所述类型确定子模块被配置为:
在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;
在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。
在一种可能的实现方式中,所述影响范围确定子模块被配置为:
在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值;
在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分;
在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
在一种可能的实现方式中,其特征在于,所述污染风险值计算模块被配置为采用下式1作为所述点类型的污染源的扩散模型,
式1,
其中,
为研究点j由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
为研究点j与污染源i之间的下风距离,为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
φ(λ)为标准正态分布函数;
t是积分变量。
在一种可能的实现方式中,所述污染风险值计算模块被配置为采用下式2作为所述线类型的污染源的扩散模型,
式2,
其中,为研究点j的由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
Li为污染源i的横风长度;
为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
erf(λ)为误差函数。
有益效果
本发明实施例利用污染源的扩散模型计算目标区域内的各研究点的污染风险值,得到目标区域的污染风险值与污染物浓度值的回归模型,从而能够高效、准确地估算出目标区域内任意空间位置的关注研究点的大气污染物的浓度。
进一步地,由于考虑了对不同天气条件对交通污染的影响范围和影响力大小,能够更准确地计算出无监测站点区域的污染物浓度。具体而言,本发明实施例考虑了天气因素的影响,根据气象数据分析机动车污染的扩散方式,从而将路段划分为不同类型的污染源,并基于交通路况和排放模型计算每个交通污染源的污染强度,还考虑了天气因素对交通污染物扩散的影响,能够基于扩散模型实时准确地得到关注研究点的污染物浓度。
根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面,并且用于解释本发明的原理。
图1示出根据本发明一实施例的大气污染物浓度的估算方法的流程图;
图2a示出根据本发明一实施例的大气污染物浓度的估算方法中目标区域内的道路的示意图;
图2b示出根据本发明一实施例的大气污染物浓度的估算方法中将目标区域内的道路划分为点污染源的示意图;
图2c示出根据本发明一实施例的大气污染物浓度的估算方法中将目标区域内的道路等长划分为线污染源的示意图;
图2d示出根据本发明一实施例的大气污染物浓度的估算方法中将目标区域内的道路按网格划分为线污染源的示意图;
图3a示出根据本发明一实施例的大气污染物浓度的估算方法中风速≤S0时点类型的污染源的影响范围的示意图;
图3b示出根据本发明一实施例的大气污染物浓度的估算方法中S0<风速≤S1时点类型的污染源的影响范围的示意图;
图3c示出根据本发明一实施例的大气污染物浓度的估算方法中风速>S1时线类型的污染源的影响范围的示意图;
图4示出根据本发明一实施例的大气污染物浓度的估算装置的结构示意图;
图5示出根据本发明另一实施例的大气污染物浓度的估算装置的结构示意图。
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本发明的主旨。
实施例1
图1示出根据本发明一实施例的大气污染物浓度的估算方法的流程图。如图1所示,该大气污染物浓度的估算方法主要包括:
步骤101、将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围。
在一种可能的实现方式中,参见图2a至图2d,该步骤具体可以包括:
步骤1011、将所述目标区域内的所有道路分别划分为至少一个污染源。
具体而言,如图2a所示,目标区域内可能包括多条道路,首先将目标区域内的各道路划分为若干子路段,划分方法可以采用等长划分,或者将目标区域先划分为固定大小的网格(如1km*1km),再按照网格将道路进行划分若干子路段。
步骤1012、根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型。
其中,气象数据可以包括多种,本实施例中采用风力大小例如风速进行污染源类型的划分,具体应用中也可以结合其他的气象数据进行划分。具体而言,在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。对道路进行划分所采用的风速的第一阈值可以根据统计或经验确定。
举例而言,如图2b所示,如果目标区域内的风速不大于阈值S1(如2m/s)时,将每一条子路段被视为一个点类型的污染源,并将该子路段的中点确定为点类型的污染源的位置。
如图2c和图2d所示,如果目标区域内的风速大于第一阈值S1(如2m/s)时,将每一条子路段视为一个线类型的污染源,并将该子路段的位置确定为线类型的污染源的位置。
步骤1013、根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
由于机动车排放的污染物在大气环境中受到风力及风向的影响,使得污染物的影响范围产生动态变化。因此,根据风力等气象数据和污染源类型的不同,每个污染源的影响范围也不同,具体可以分为以下情况:
情况一、在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值。
举例而言,当风速不大于第二阈值S0(如0.5m/s)时,风向总是飘忽多变,因此污染源的影响范围可以为以方程x2+y2=(2R*S0)2=(3600*S0)2为边界的圆形区域(可以包含边界),即在以污染源为圆心,半径为1800m的圆内。该半径仅是一种示例,具体可以根据实际的应用场景和统计经验来确定。如图3a所示,坐标轴中心的白色小圆点为点类型的污染源,该污染源的影响范围为以坐标圆点为圆心的白色大圆,受该污染源影响的研究点采用黑色三角形表示,此图中为4个,不受该污染源影响的研究点采用白色三角形表示,此图中为2个。
情况二、在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分。
举例而言,当风速大于第二阈值S0(如0.5m/s)时,风向一般确定不变,对于一个污染源,其影响范围在污染源的下风方向。具体而言,在风速大于S0但不大于S1时,将道路划分为点类型的污染源,该点类型的污染源的影响范围为如图3b所示扇形部分(可以包含边界),该扇形部分的边界可以根据方程x2+y2=(2R*S0)2=(3600*S0)2和计算得到。其中,σy是横向扩散参数,其与风速和大气稳定度的关系可以参见下表2。
如图3b所示,坐标轴中心的白色小圆点为点类型的污染源,该污染源的影响范围为以坐标圆点为起点实线扇形部分,受该污染源影响的研究点为2个,不受该污染源影响的研究点为4个。
情况三、在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
与情况二类似,在风力大于S1时,污染源的影响范围也在其下风方向,这是由于将道路划分为线类型的污染源,该线类型的污染源的影响范围为如图3c所示的类扇形部分。具体地,将道路的各子线段在风向(X轴方向)的垂直方向(Y轴方向)上进行投影得到该类扇形部分在Y轴的边界,并根据方程x2+y2=(2R*S0)2=(3600*S0)2和计算得到该类扇形部分的其他边界。
如图3c所示,穿过坐标轴中心与XY轴夹角的直线为线类型的污染源,该污染源的影响范围为以污染源在Y轴的投影线段为起点实线类扇形部分,受该污染源影响的研究点为2个,不受该污染源影响的研究点为4个。
步骤102、根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点。
具体而言,可以将目标区域离散为固定间隔的研究点。例如,将中心城区离散为固定间隔的点,作为后续的研究点,并计算每个研究点的坐标位置。确定某一研究点的坐标位置后,可以根据上一步得到的各污染源的影响范围,确定该选择的研究点处于哪些污染源的影响范围内,也即确定研究点与污染源的对应关系,以便后续计算。
步骤103、针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值,具体可以包括以下步骤。
步骤1031、基于排放模型计算各污染源的污染强度。
其中,常用的排放模型包括美国环保局开发的MOBILE模型(MOBILE vehicleemission factor model,机动车排放因子模型)、欧洲环保局开发的COPERT模型(COPERTmodel)和美国加州大学开发的CMEM模型(Comprehensive Modal Emission Model,综合模式排放模型)等。由于COPERT模型对车型分类更细,能计算的污染物种类更多,下面以COPERT模型为例计算每个污染源的污染强度。其中,某个路段上机动车的排放量根据下式进行计算:
路段上的机动车排放量=各个车型的排放因子×各个车型的流量×路段长度
其中,各个车型的流量=各个车型的比例×路段交通流量。其中,各个车型的比例和交通流量可以通过调查得到,路段长度为步骤1011中划分的各子路段长度,线类型的污染源的路段长度为线类型的污染源所在的子路段的长度,点类型的污染源的路段长度得到该点类型的污染源的子路段的长度。
此外,各个车型的排放因子可通过实测数据或者统计得出,例如表1。
表1 各个车型的排放因子的统计值:
上表中,EF为各个车型的排放因子,单位为g/km;v为道路的平均行驶速度,单位为km/h。
对于某一研究点,由于在上述步骤中已经确定该研究点受哪些污染源的影响,因此,该步骤可以仅计算对该研究点有影响的污染源的污染强度。当然,也可以将目标区域内所有污染源的污染强度均计算出来备用。
步骤1032、基于点类型/线类型的污染源的污染强度(机动车排放量),建立扩散模型。
在风速不大于S1的情况下,采用点类型的污染源的扩散模型,以下式1为点类型的污染源扩散模型的一个示例。
式1,
其中,
为研究点j的由污染源i造成的污染物r的污染风险值[g/m3];
为污染源i排放污染物r的排放量[g/m.s];
ui为污染源i处的风速[m/s];
和为研究点j与污染源i之间的下风距离与横风距离[m],zj为研究点j的垂直高度[m];
和为横向扩散参数与垂直扩散参数[m];
φ(λ)为标准正态分布函数;
t为积分变量,取值范围从-∞到λ。
对于点类型的污染源扩散模型(风速不大于阈值S1时),横向扩散参数和垂直扩散参数可以参见下表2。
表2 扩散参数查询表(风速≤S1)
在风速大于阈值S1的情况下,采用线类型的污染源的扩散模型,以下式2为线类型的污染源扩散模型的一个示例:
式2,
其中,为研究点j的由污染源i造成的污染物r的污染风险值[g/m3];
为污染源i排放污染物r的排放量[g/m.s];
ui为污染源i处的风速[m/s];
Li为线类型的污染源i的横风长度[m];
为研究点j与污染源i之间的横风距离[m],zj为研究点j的垂直高度[m];
和为横向扩散参数与垂直扩散参数[m];
erf(λ)为误差函数。
对于线类型的污染源扩散模型(风速大于阈值S1时),横向扩散参数和垂直扩散参数可以参见下式3和式4:
式3
式4
其中,γ1、α1、γ2、α2可以参见下表3和表4。
表3 横向扩散参数方程式中的系数查询表(风速>S1)
表4 垂直扩散参数方程式中的系数查询表(风速>S1)
步骤1033、计算各研究点的污染风险值。
具体地,可以将对某一研究点有影响的各污染源的污染风险值累加,得到该研究点的污染风险值,可以将目标区域内所有研究点的污染风险值均计算出来备用,也可以先计算具有监测站的研究点的污染风险值。
步骤104、根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型。
具体地,根据目标区域如中心城区内有监测站的多个研究点的已测出污染物浓度值和计算出的污染风险值,建立污染风险值与污染物浓度值的回归模型。然后建立目标区域任意空间位置(研究点)污染风险值与污染物观测浓度值之间的线性回归模型,参见式5。
式5
其中,Y为任意空间位置污染物浓度值,R为任意空间位置的污染风险值,可以根据在目标区域内检测到的多个空间位置(研究点)污染物浓度值Y,以及根据上式1或式2计算得到的这些空间位置的污染风险值R,来确定该目标区域对应的式5中的和的值。
步骤105、针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值。
具体地,可以获取监测站点的实时污染物浓度值及天气实时数据(气象数据),基于式5的回归模型,逐点计算目标区域任意空间位置的污染物浓度,实时估算目标区域的污染物浓度。
举例而言,根据某一目标区域所对应的式5的回归模型,由于和的值已经在上一步计算得到,只需要根据天气实时数据,选择上述的式1或式2,计算得到该目标区域内某一污染源的污染风险值R,代入式5就能计算得到该污染源的污染物浓度值。
需要说明的是,本发明实施例能够计算的污染物浓度的类型包括但不限于PM2.5、PM10、CO、NO等。
本发明实施例利用扩散模型计算目标区域内的各研究点的污染风险值,得到目标区域的污染风险值与污染物浓度值的回归模型,从而能够高效、准确地估算出目标区域内任意空间位置的研究点的大气污染物的浓度。
进一步地,由于考虑了对不同天气条件对交通污染的影响范围和影响力大小,能够更准确地计算出无监测站点区域的污染物浓度。具体而言,本发明实施例考虑了天气因素的影响,根据气象数据分析机动车污染的扩散方式,从而将路段划分为不同类型的污染源,并基于交通路况和排放模型计算每个交通污染源的污染强度,还考虑了天气因素对交通污染物扩散的影响,能够基于扩散模型实时准确地得到关注研究点的污染物浓度。
实施例2
图4示出根据本发明一实施例的大气污染物浓度的估算装置的结构示意图。如图4所示,该大气污染物浓度的估算装置主要包括:
污染源划分模块41,用于将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;
对应关系确定模块43,与所述污染源划分模块41连接,用于根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点;
污染风险值计算模块45,与所述对应关系确定模块43连接,用于针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;
回归模型建立模块47,与所述污染风险值计算模块45连接,用于根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型;
污染物浓度值计算模块49,与所述污染风险值计算模块45和所述回归模型建立模块47分别连接,用于针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值。
本实施例的大气污染物浓度的估算装置,利用污染源的扩散模型计算目标区域内的各研究点的污染风险值,得到目标区域的污染风险值与污染物浓度值的回归模型,从而能够基于交通路况高效、准确地估算出目标区域内任意空间位置的关注研究点的大气污染物的浓度。
实施例3
图5示出根据本发明另一实施例的大气污染物浓度的估算装置的结构示意图。图5中标号与图4相同的组件具有相同的功能,为简明起见,省略对这些组件的详细说明。
如图5所示,与上一实施例的主要区别在于,污染源划分模块41包括:
道路划分子模块411,用于将所述目标区域内的所有道路分别划分为至少一个污染源;
类型确定子模块413,用于根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型;以及
影响范围确定子模块415,用于根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
在一种可能的实现方式中,所述类型确定子模块413被配置为:在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。具体对道路进行划分以及确定污染源类型方法可以参见图2a至图2d以及上述方法实施例中的相关描述。
在一种可能的实现方式中,所述影响范围确定子模块415被配置为:
在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值;
在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分;
在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
具体确定污染源影响范围的方法可以参见图3a至图3c以及上述方法实施例中的相关描述。
在一种可能的实现方式中,所述污染风险值计算模块45被配置为采用上式1作为所述点类型的污染源的扩散模型,式1的具体含义可以参见上述方法实施例中的相关描述。
在一种可能的实现方式中,所述污染风险值计算模块45被配置为采用上式2作为所述线类型的污染源的扩散模型,式2的具体含义可以参见上述方法实施例中的相关描述。
本实施例由于考虑了对不同天气条件对交通污染的影响范围和影响力大小,能够更准确地计算出无监测站点区域的污染物浓度。具体而言,本发明实施例考虑了天气因素的影响,根据气象数据分析机动车污染的扩散方式,从而将路段划分为不同类型的污染源,并基于交通路况和排放模型计算每个交通污染源的污染强度,还考虑了天气因素对交通污染物扩散的影响,能够基于扩散模型实时准确地得到关注研究点的污染物浓度。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种大气污染物浓度的估算方法,其特征在于,包括:
将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;
根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点;
针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;
根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型;
针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值;
其中,将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围,包括:
将所述目标区域内的所有道路分别划分为至少一个污染源;
根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型;以及
根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
2.根据权利要求1所述的方法,其特征在于,根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型,包括:
在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;
在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。
3.根据权利要求2所述的方法,其特征在于,根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围,包括:
在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值;
在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分;
在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
4.根据权利要求1至3中任一项所述的方法,其特征在于,采用下式1作为所述点类型的污染源的扩散模型,
其中,
为研究点j由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
为研究点j与污染源i之间的下风距离,为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
φ(λ)为标准正态分布函数;
t是积分变量。
5.根据权利要求1至3中任一项所述的方法,其特征在于,采用下式2作为所述线类型的污染源的扩散模型,
其中,为研究点j的由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
Li为污染源i的横风长度;
为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
erf(λ)为误差函数。
6.一种大气污染物浓度的估算装置,其特征在于,包括:
污染源划分模块,用于将目标区域内的道路划分为多个污染源,并确定各所述污染源的影响范围;
对应关系确定模块,与所述污染源划分模块连接,用于根据各所述污染源的影响范围以及所述目标区域内各研究点的位置信息,确定所述污染源与所述研究点的对应关系,其中所述对应关系能够表示一个所述研究点受哪些污染源的影响和/或一个所述污染源将影响哪些研究点;
污染风险值计算模块,与所述对应关系确定模块连接,用于针对各所述研究点,分别根据对应的污染源的污染强度及扩散模型计算其污染风险值;
回归模型建立模块,与所述污染风险值计算模块连接,用于根据所述目标区域内已测出污染物浓度值的多个所述研究点的污染风险值,建立所述污染风险值与所述污染物浓度值之间的回归模型;
污染物浓度值计算模块,与所述污染风险值计算模块和所述回归模型建立模块分别连接,用于针对所述目标区域内污染物浓度值未知的关注研究点,将所述关注研究点的污染风险值代入所述回归模型,以计算出所述关注研究点的污染物浓度值;
其中,所述污染源划分模块包括:
道路划分子模块,用于将所述目标区域内的所有道路分别划分为至少一个污染源;
类型确定子模块,用于根据所述目标区域内的气象数据,确定各所述污染源的类型为点类型还是线类型;以及
影响范围确定子模块,用于根据所述气象数据以及各所述污染源的类型,确定各所述污染源的影响范围。
7.根据权利要求6所述的装置,其特征在于,所述类型确定子模块被配置为:
在所述气象数据中的风速小于或等于第一阈值的情况下,确定各所述污染源的类型为点类型;
在所述气象数据中的风速大于第一阈值的情况下,确定各所述污染源的类型为线类型。
8.根据权利要求7所述的装置,其特征在于,所述影响范围确定子模块被配置为:
在所述气象数据中的风速小于或等于第二阈值的情况下,将所述点类型的污染源的影响范围确定为以所述污染源为圆心且半径为预定值的圆形区域,所述第二阈值小于所述第一阈值;
在所述气象数据中的风速大于所述第二阈值且小于或等于所述第一阈值的情况下,将所述点类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的扇形部分;
在所述气象数据中的风速大于所述第一阈值的情况下,将所述线类型的污染源的影响范围确定为所述圆形区域中位于所述污染源的下风方向的类扇形部分。
9.根据权利要求6至8中任一项所述的装置,其特征在于,所述污染风险值计算模块被配置为采用下式1作为所述点类型的污染源的扩散模型,
其中,
为研究点j由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
为研究点j与污染源i之间的下风距离,为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
φ(λ)为标准正态分布函数;
t是积分变量。
10.根据权利要求6至8中任一项所述的装置,其特征在于,所述污染风险值计算模块被配置为采用下式2作为所述线类型的污染源的扩散模型,
其中,为研究点j的由污染源i造成的污染物r的污染风险值;
为污染源i排放污染物r的排放量;
ui为污染源i处的风速;
Li为污染源i的横风长度;
为研究点j与污染源i之间的横风距离,zj为研究点j的垂直高度;
为横向扩散参数,为垂直扩散参数;
erf(λ)为误差函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510134693.8A CN106153510B (zh) | 2015-03-25 | 2015-03-25 | 大气污染物浓度的估算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510134693.8A CN106153510B (zh) | 2015-03-25 | 2015-03-25 | 大气污染物浓度的估算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106153510A CN106153510A (zh) | 2016-11-23 |
CN106153510B true CN106153510B (zh) | 2019-06-21 |
Family
ID=57339968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510134693.8A Active CN106153510B (zh) | 2015-03-25 | 2015-03-25 | 大气污染物浓度的估算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106153510B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106548258B (zh) * | 2016-12-09 | 2020-04-21 | 北京交通大学 | 一种基于气象条件的交通空气污染物浓度预测方法与*** |
CN107169277B (zh) * | 2017-05-09 | 2020-03-17 | 北京理工大学 | 一种pm2.5浓度的数据分析和预测模型建立方法 |
CN107066831B (zh) * | 2017-05-19 | 2021-04-23 | 君晟合众(北京)科技有限公司 | 一种区域综合环境评价方法、装置及*** |
CN107290484B (zh) * | 2017-06-27 | 2019-09-27 | 苏州浪声科学仪器有限公司 | 一种主动测定污染物来源的方法及*** |
CN107607450A (zh) * | 2017-09-15 | 2018-01-19 | 深圳市卡普瑞环境科技有限公司 | 一种大气质量监测方法及相关设备 |
CN107917987B (zh) * | 2017-11-09 | 2020-10-20 | 北京伟瑞迪科技有限公司 | 一种面向城市空气污染物溯源分析方法 |
CN108182491A (zh) * | 2017-12-27 | 2018-06-19 | 宇星科技发展(深圳)有限公司 | 大气细颗粒物(pm2.5)实时源解析定位方法 |
CN108681792B (zh) * | 2018-05-18 | 2021-05-07 | 生态环境部华南环境科学研究所 | 一种基于生活垃圾焚烧烟气的空气质量预测方法及*** |
CN109508816B (zh) * | 2018-10-20 | 2022-02-15 | 华北水利水电大学 | 一种城市园林植被空气污染物吸收净化能力预测方法 |
CN111169357A (zh) * | 2018-11-13 | 2020-05-19 | 西藏神州瑞霖环保科技股份有限公司 | 一种具有正压防护功能的污染物监测车 |
CN109583662B (zh) * | 2018-12-07 | 2022-09-02 | 中国科学院生态环境研究中心 | 大气污染二元混合物健康风险评价方法 |
CN109633114A (zh) * | 2019-01-08 | 2019-04-16 | 赛飞特工程技术集团有限公司 | 污染监测装置及方法 |
CN109916788B (zh) * | 2019-01-14 | 2020-05-19 | 南京大学 | 一种区分不同区域排放变化和气象条件变化对pm2.5浓度影响的方法 |
CN110334452B (zh) * | 2019-07-09 | 2021-03-16 | 中南大学 | 一种智慧农业大气污染物浓度分层次预警方法 |
US11836644B2 (en) * | 2019-08-06 | 2023-12-05 | International Business Machines Corporation | Abnormal air pollution emission prediction |
CN110531030B (zh) * | 2019-08-16 | 2021-11-12 | 北京慧辰资道资讯股份有限公司 | 一种基于物联网大数据大气污染物分析的方法及装置 |
CN111044680B (zh) * | 2019-11-22 | 2020-10-13 | 中国环境科学研究院 | 一种大气环境运动健康监测方法以及监测*** |
CN111382934B (zh) * | 2020-03-05 | 2021-07-27 | 北京市环境保护科学研究院 | 一种基于暴露单元的建设用地土壤污染风险评估方法 |
CN111738600A (zh) * | 2020-06-23 | 2020-10-02 | 南通大学 | 一种基于高精度pm2.5反演结果的城市道路空气质量评价方法 |
CN112257551B (zh) * | 2020-10-19 | 2021-09-10 | 北京市劳动保护科学研究所 | 一种氮氧化物污染源识别及排放量确定的方法及*** |
CN112559655A (zh) * | 2020-12-03 | 2021-03-26 | 中科三清科技有限公司 | 一种应用于大气环境的污染源测试点筛选识别方法及装置 |
CN112986072B (zh) * | 2021-02-09 | 2022-06-03 | 上海英凡环保科技有限公司 | 污染源臭气在线监测***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
CN103323378A (zh) * | 2013-05-21 | 2013-09-25 | 西安Tcl软件开发有限公司 | Pm2.5监测方法及*** |
CN103674794A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
CN104200104A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机***有限公司 | 一种基于空间特征的细粒度空气污染物浓度区域估计方法 |
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002156321A (ja) * | 2000-11-22 | 2002-05-31 | Shimadzu Corp | 浮遊粒子状物質測定装置 |
US6853924B2 (en) * | 2003-06-16 | 2005-02-08 | Mitsubishi Heavy Industries, Ltd. | Diffusion status prediction method and diffusion status prediction system for diffused substance |
JP2009156814A (ja) * | 2007-12-27 | 2009-07-16 | Hitachi Engineering & Services Co Ltd | 道路排ガス拡散シミュレーション方法および装置 |
-
2015
- 2015-03-25 CN CN201510134693.8A patent/CN106153510B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103258116A (zh) * | 2013-04-18 | 2013-08-21 | 国家电网公司 | 一种大气污染物扩散模型的构建方法 |
CN103234883A (zh) * | 2013-04-30 | 2013-08-07 | 中南大学 | 一种基于道路交通流量实时估算中心城区pm2.5浓度的方法 |
CN103323378A (zh) * | 2013-05-21 | 2013-09-25 | 西安Tcl软件开发有限公司 | Pm2.5监测方法及*** |
CN103674794A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
CN104200104A (zh) * | 2014-09-04 | 2014-12-10 | 浙江鸿程计算机***有限公司 | 一种基于空间特征的细粒度空气污染物浓度区域估计方法 |
CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106153510A (zh) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106153510B (zh) | 大气污染物浓度的估算方法和装置 | |
US20170091350A1 (en) | Near real-time modeling of pollution dispersion | |
KR101668753B1 (ko) | 대기 오염 관리 시스템 | |
Johnson et al. | An urban diffusion simulation model for carbon monoxide | |
CN113360850B (zh) | 一种大气污染物线源溯源分析方法 | |
US8903646B2 (en) | Method and determining system for automatically determining emission locations, and method and traffic control system based thereon for immission-dependent traffic control | |
US8989999B2 (en) | Vehicle range analysis using driving environment information with optional continuous averaging | |
Yuan-Qing et al. | Study of rainfall impacts on freeway traffic flow characteristics | |
CN103258116A (zh) | 一种大气污染物扩散模型的构建方法 | |
US11874261B2 (en) | Method and internet of things (IoT) system for managing dust pollution in smart city | |
CN104900054B (zh) | 交通状态的判定方法和装置 | |
KR102222381B1 (ko) | 교통 데이터를 이용한 실시간 도로변 대기오염 추정 시스템 및 그 방법 | |
CN106777762A (zh) | 一种街道峡谷内污染物分布实时估计方法 | |
CN111125641A (zh) | 一种大气污染异常识别与成因分析方法、装置及存储介质 | |
KR101722132B1 (ko) | 자동차 대기오염 물질 배출량 산정 방법 및 장치 | |
CN117871790B (zh) | 基于多种数据融合的路边监测站数据分析和交通溯源方法 | |
Ranasinghe et al. | Developing high spatial resolution concentration maps using mobile air quality measurements | |
Saniei et al. | Air quality classification and its temporal trend in Tehran, Iran, 2002-2012 | |
CN117112867A (zh) | 一种基于gps轨迹数据的重型车辆排放计算和可视化方法 | |
CN109613179B (zh) | 累积高值区的确定方法 | |
CN107766296B (zh) | 评价道路交通特征对可吸入颗粒物排放浓度影响的方法 | |
Alzuhairi et al. | Vehicular emissions and concentrations in school zones: A case study | |
Reggente et al. | A comparison of strategies for estimation of ultrafine particle number concentrations in urban air pollution monitoring networks | |
Anjaneyulu et al. | Modeling ambient carbon monoxide pollutant due to road traffic | |
Mazzeo et al. | Some aspects of air pollution in Buenos Aires city |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |