CN111178653B - 用于确定污染区域的方法和装置 - Google Patents
用于确定污染区域的方法和装置 Download PDFInfo
- Publication number
- CN111178653B CN111178653B CN201811347192.8A CN201811347192A CN111178653B CN 111178653 B CN111178653 B CN 111178653B CN 201811347192 A CN201811347192 A CN 201811347192A CN 111178653 B CN111178653 B CN 111178653B
- Authority
- CN
- China
- Prior art keywords
- pollution
- interest
- area
- parameter
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000011109 contamination Methods 0.000 claims abstract description 17
- 239000003344 environmental pollutant Substances 0.000 claims description 44
- 231100000719 pollutant Toxicity 0.000 claims description 44
- 230000000694 effects Effects 0.000 claims description 29
- 238000009792 diffusion process Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 14
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012886 linear function Methods 0.000 claims description 9
- 239000000356 contaminant Substances 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了用于确定污染区域的方法和装置。该方法的一具体实施方式包括:将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。该实施方式可以更加精细的检测出污染严重的区域。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于确定污染区域的方法和装置。
背景技术
随着生活质量的提升,人们对于空气质量的要求越来越高。为了提高空气质量,降低空气中有关污染物浓度的数值,通常需要对控制中的污染物进行采样和测量,同时确定出污染物浓度超标的区域。
相关技术中,通常在待检测区域设置检测点,安装监测仪器进行监测,对监测结果加以分析,从而确定待检测区域是否为污染物浓度超标的区域。
发明内容
本申请实施例提出了用于确定污染区域的方法和装置。
第一方面,本申请实施例提供了一种用于确定污染区域的方法,包括:将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。
在一些实施例中,污染关联参数包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。
在一些实施例中,污染影响权重通过如下步骤确定:获取样本集合,样本集合中的样本包括预设历史时段内目标区域的样本污染物浓度和预设历史时段内与样本污染物浓度对应的目标区域所包括的兴趣点的样本污染关联参数;将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合;将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
在一些实施例中,用于指示污染物扩散浓度的参数是基于风速和风向,通过高斯扩散模型拟合得到。
在一些实施例中,用于指示大气指标的参数通过如下步骤确定:获取预设时间段或预设历史时段的气象信息,气象信息包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息;利用预先训练的回归树模型,对所获取的气象信息进行拟合,得到拟合值;将所得到的拟合值确定为用于指示大气指标的参数。
在一些实施例中,用于指示兴趣点相对于检测位置的风向影响的参数通过如下步骤确定:确定兴趣点相对于检测位置的方位和风向方位之间的角度;响应于确定该角度大于预设角度,将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数;响应于确定该角度小于或等于预设角度,将该角度的余弦值确定为用于指示兴趣点相对于检测位置的风向影响的参数。
第二方面,本申请实施例提供了一种用于确定污染区域的装置,该装置包括:污染指数确定单元,被配置成将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;选择单元,被配置成从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。
在一些实施例中,污染关联参数包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。
在一些实施例中,污染影响权重通过如下步骤确定:获取样本集合,样本集合中的样本包括预设历史时段内目标区域的样本污染物浓度和预设历史时段内与样本污染物浓度对应的目标区域所包括的兴趣点的样本污染关联参数;将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合;将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
在一些实施例中,用于指示污染物扩散浓度的参数是基于风速和风向,通过高斯扩散模型拟合得到。
在一些实施例中,用于指示大气指标的参数通过如下步骤确定:获取预设时间段或预设历史时段的气象信息,气象信息包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息;利用预先训练的回归树模型,对所获取的气象信息进行拟合,得到拟合值;将所得到的拟合值确定为用于指示大气指标的参数。
在一些实施例中,用于指示兴趣点相对于检测位置的风向影响的参数通过如下步骤确定:确定兴趣点相对于检测位置的方位和风向方位之间的角度;响应于确定该角度大于预设角度,将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数;响应于确定该角度小于或等于预设角度,将该角度的余弦值确定为用于指示兴趣点相对于检测位置的风向影响的参数。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如控制方法中任意实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如控制方法中任意实施例的方法。
本申请实施例提供的用于确定污染区域的方法和装置,通过利用目标区域所划分成的子区域中的兴趣点的污染指数确定各子区域的污染指数,然后根据确定出的各子区域的污染指数从而确定出污染严重的区域,从而可以更加精细的检测出污染严重的区域。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性***架构图;
图2是根据本申请的用于确定污染区域的方法的一个实施例的流程图;
图3是根据本申请的用于确定污染区域的方法的一个应用场景的示意图;
图4是根据本申请的污染影响权重的确定方法的一种可选的实现方式的流程图;
图5是根据本申请的用于确定污染区域的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于确定污染区域的方法或用于确定污染区域的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有具有定位功能或地址存储功能的各种通讯客户端应用,例如为地图类应用、搜索类应用、购物类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器。服务器105可以通过终端设备101、102、103的定位功能和地址获取功能确定各用户的位置,从而统计出目标区域所包括的每一个兴趣点处的用户数目。然后根据每一个兴趣点出的用户的数目得到兴趣点的污染关联参数,接着基于每一个兴趣点的污染关联参数、污染关联参数对应的污染影响权重的数目,确定出每一个兴趣点的污染指数,最后根据每一个兴趣点的污染指数确定出污染区域的服务器。
需要说明的是,本申请实施例所提供的用于确定污染区域的方法一般由服务器105执行,相应地,用于确定污染区域的装置一般设置于服务器105中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于确定污染区域的方法的一个实施例的流程200。该用于确定污染区域的方法,包括以下步骤:
步骤201,将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数。
在本实施例中,用于确定污染区域的方法的执行主体(例如图1所示的服务器)可以将目标区域划分为至少一个子区域。目标区域可以是一个城市,可以是一个城市的区,可以是一个县等,在此不做限定。可以将目标区域划分为多个网格区域,将该网格区域作为子区域。也可以根据应用场景的需要对目标区域划分成其他形状的子区域。
在本实施例中,所划分的子区域中可以包括多个兴趣点(POI,Point ofInterest)。兴趣点例如可以为写字楼、商场、餐馆、居民楼、医院、学校等。兴趣点可以按照层级划分为不同的类别。例如,兴趣点的类别可以包括生活、工业、农业。每一个生活类别下又可以包括各种类别等。每一个兴趣点可以看作是释放污染物的污染源。根据兴趣点的类别不同,每一个兴趣点对大气污染物浓度的影响也不同。这里,兴趣点对大气污染物浓度的影响通过污染指数体现。每一个兴趣点的污染指数可以基于兴趣点的关联信息确定。兴趣点的关联信息可以包括兴趣点的污染关联参数污染关联参数对应的污染影响权重。
在本实施例中,污染关联参数用于指示影响大气污染物浓度的相关参数。例如,污染关联参数可以包括兴趣点所属的类别。污染关联参数对应的污染影响权重例可以为预先设置的与每一个兴趣点所属的类别对应的权重值。从而,污染影响权重可以用于指示兴趣点的污染影响程度。
在本实施例中,每一个兴趣点的污染指数可以为该兴趣点所属的类别对应的污染影响权重。每一个子区域在预设时间段内的污染指数可以通过如下步骤确定:首选从该子区域中选择出所包括的兴趣点对应的类别的污染影响权重大于预设值的兴趣点;然后计算所选择出的各兴趣点对应的污染影响权重之和,从而将该计算值确定为该子区域在预设时间段内的污染指数。
步骤202,从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。
在本实施例中,根据步骤201所确定的目标区域所包括的每一个子区域的污染指数,可以从该至少一个子区域中选择出污染指数大于或等于预设数值的子区域。可以将所选择出的子区域作为污染区域。通过该方法可以将污染最为严重的区域从目标区域中选择出来,从而有利于针对局部污染严重的区域进行环境治理,进而有利于降低空气污染物浓度,提高空气质量。
本申请实施例提供的用于确定污染区域的方法,通过利用目标区域所划分成的子区域中的兴趣点的污染指数确定各子区域的污染指数,然后根据确定出的各子区域的污染指数从而确定出污染严重的区域,从而可以更加精细的检测出污染严重的区域。
在本实施例的一些可选的实现方式中,污染关联参数可以包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。从而,兴趣点的污染指数可以为污染关联参数所包括的各参数之间的乘积,然后在乘以污染影响权重。
具体的,上述执行主体可以支持多种具有定位功能的应用。上述执行主体可以从其所支持的定位功能的应用中获取用户的定位信息。然后,根据定位信息确定用户所到访过的各个兴趣点的时段、停留的时长等。进而,可以统计出预设时间段内每一个兴趣点所包括的用户的数目。统计每一个兴趣点所包括的用户的数目时,可以筛选出在该兴趣点处的停留时长大于预设时间间隔的用户参与统计。从而,将预设时间段内兴趣点所包括的用户的数目作为用于指示兴趣点的活跃度的参数。
由于各兴趣点的污染影响情况、到访各兴趣点的人员的数目的不同,为了使得各兴趣点对应的用于指示兴趣点的活跃度的参数落入一定的数值范围内,在统计完兴趣点所包括的用户的数目之后,还可以将所统计的数目乘以预先设置的调和权重,将乘以调和权重后的用户的数目作为用于指示兴趣点的活跃度的参数。
该可选的实现方式通过考虑用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数,将上述各参数作为污染关联参数,可以在确定污染指数时考虑更多的因素,从而可以使得所确定的污染指数可以更加准确的反应出各兴趣点对污染物浓度的影响程度。
在一些可选的实现方式中,上述指示污染物扩散浓度的参数可以是基于风速和风向,通过高斯扩散模型拟合得到。
具体的,高斯扩散模型可以通过如下公式表示:
其中,以兴趣点为中心建立不考虑高度方向的二维空间坐标系,c(x,y)为空间点的污染物的浓度值,x为沿第一方向的坐标值,y为沿第二方向的坐标值,第一方向与第二方向垂直,μ表示平均风速,σy为沿第二方向的污染物浓度的标准差,q为源强,即单位时间内排放的污染物,在这里,将q设置为1。
令y=0,从而得到:
2πμσy=1 (2)
将平均风速样本代入公式(2)中,可以得到多个沿第二方向的污染物浓度的标准差σy。然后,将得到的多个沿第二方向的污染物浓度的标准差σy分别代入公式(1)中,使得当x→∞时c→0的σy为最优拟合参数。
从而,当获得预设时间段内的平均风速时,通过上述公式(1)即可得到污染物的扩散浓度。通过利用高斯扩散模型确定污染物的扩散浓度,可以通过利用平均风速即可确定污染物的扩散浓度,使得所计算的扩散浓度准确,同时还可以减少需要获取的参数,简化了计算方法。
在一些可选的实现方式中,用于指示大气指标的参数可以通过如下步骤确定:
首选获取预设时间段的气象信息。该气象信息可以包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息。然后将所获取到的气象信息输入至预先训练的回归树模型中,从而可以获得回归树模型基于气象信息所包括的各信息对应的权重值对气象信息进行拟合,从而可以得到对气象信息进行拟合后的拟合值,然后将得到的拟合值确定为用于指示大气指标的参数。
在一些可选的实现方式中,用于指示兴趣点相对于检测位置的风向影响的参数可以通过如下步骤确定:
确定兴趣点相对于检测位置的方向和风向方位之间的角度。响应于确定该角度大于预设角度,可以将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数。响应于确定该角度小于或等于预设角度,将该角度的余弦值确定为用于指示兴趣点相对于检测位置的风险影响参数。
继续参考图3,图3是根据本实施例的用于确定污染区域的方法的应用场景的一个示意图。在图3的应用场景中,用户通过计算机301向服务器302发送了查看10月1日“地区A”中污染最严重的区域的请求。服务器302可以将地区A划分为子区域A1、A2..An。然后服务器302可以确定每一个子区域所包括的兴趣点。然后,利用图2的步骤201所示的方法确定每一个子兴趣点的污染指数。接着,服务器302可以将每一个子区域中的兴趣点的污染指数相加,从而得到子区域A1、A2..An的污染指数。其中,子区域A1、A2、A4的污染指数大于预设阈值。最后,服务器302将子区域A1、A2、A4作为污染区域。
在上述实施例的一些可选的实现方式中,上述污染影响权重可以是基于样本集合拟合得出的。图4示出了污染影响权重的确定方法的一种可选的实现方式的流程400。该流程400包括以下步骤:
步骤401,获取样本集合。
在这里,样本集合中的样本包括预设历史时段内目标区域的样本污染物浓度和预设历史时段内与样本污染物浓度对应的目标区域所包括的兴趣点的样本污染关联参数。样本污染物可以包括PM2.5、SO2、CO2等各种污染物。
样本污染关联参数可以包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。该样本污染关联参数所包括的各参数的具体处理及其带来的有益效果可以参看图2对应的实施例中所示的可选的实现方式的相关描述,在此不再赘述。
步骤402,将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合。
在这里,线性回归模型例如可以为逻辑斯蒂回归模型等。具体实现中,可以预先设置约束条件:污染影响权重大于0;各兴趣点对应的污染影响权重之和小于等于0;同一中类别的兴趣点设置相同的污染影响权重。然后,基于该预先设置的约束条件和样本集合中的样本,利用预设的损失函数进行以样本污染关联参数所包括的各参数作为自变量、以样本污染物浓度作为因变量、以污染影响权重作为样本污染关联参数的系数的线性函数的拟合。
步骤403,将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
在确定预设损失的损失函数小于或等于预设阈值时,可以确定出该线性函数拟合完成。从而,将拟合完成后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
基于图4提供的污染影响权重的确定方法得到的污染影响权重,通过利用线性模型对所获取的兴趣点的样本参数进行拟合,可以使得线性模型可以学习出各种类别的兴趣点对应的特征,然后根据学习出的兴趣点的特征确定出各种类别的兴趣点的权重,从而可以使得所确定出的各兴趣点的权重更加准确。
进一步参考图5,作为对上述图2所示方法的实现,本申请提供了一种用于确定污染区域的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于识别物体的装置500包括:污染指数确定单元501和选择单元502。其中,污染指数确定单元501,被配置成将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;选择单元502,被配置成从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。
在本实施例中,用于确定污染区域的装置500中:污染指数确定单元501和选择单元502的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201和步骤202的实现方式的相关描述,在此不再赘述。
在本实施例的一些可选的实现方式中,污染关联参数包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。
在本实施例的一些可选的实现方式中,污染影响权重通过如下步骤确定:获取样本集合,样本集合中的样本包括预设历史时段内目标区域的样本污染物浓度和预设历史时段内与样本污染物浓度对应的目标区域所包括的兴趣点的样本污染关联参数;将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合;将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
在本实施例的一些可选的实现方式中,用于指示污染物扩散浓度的参数是基于风速和风向,通过高斯扩散模型拟合得到。
在本实施例的一些可选的实现方式中,用于指示大气指标的参数通过如下步骤确定:获取预设时间段或预设历史时段的气象信息,气象信息包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息;利用预先训练的回归树模型,对所获取的气象信息进行拟合,得到拟合值;将所得到的拟合值确定为用于指示大气指标的参数。
在本实施例的一些可选的实现方式中,用于指示兴趣点相对于检测位置的风向影响的参数通过如下步骤确定:确定兴趣点相对于检测位置的方位和风向方位之间的角度;响应于确定该角度大于预设角度,将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数;响应于确定该角度小于或等于预设角度,将该角度的余弦值确定为用于指示兴趣点相对于检测位置的风向影响的参数。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器)的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请该的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,该程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括污染指数确定单元和选择单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,污染指数确定单元还可以被描述为“将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:将目标区域划分为至少一个子区域,对于至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;从至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于确定污染区域的方法,包括:
将目标区域划分为至少一个子区域,对于所述至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在所述预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;
从所述至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域;
其中,所述确定该子区域在预设时间段内的污染指数,包括:
从该子区域中选择出所包括的兴趣点对应的类别的污染影响权重大于预设值的兴趣点;然后计算所选择出的各兴趣点对应的污染影响权重之和,从而将计算值确定为该子区域在预设时间段内的污染指数;其中,所述污染关联参数为相应兴趣点的类别;
响应于所述污染关联参数包括用于指示兴趣点的活跃度的参数,确定用于指示兴趣点的活跃度的参数的过程包括:从所支持的定位功能的应用中获取用户的定位信息;根据所述定位信息确定用户所到访过的各个兴趣点的时段、停留的时长,并统计得到预设时间段内每一个兴趣点所出现的停留时长超过预设时间间隔的用户的数目;将所述数目与预设为相应兴趣点设置的调和权重的乘积作为指示相应兴趣点的活跃度的参数。
2.根据权利要求1所述的方法,其中,污染关联参数包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。
3.根据权利要求1或2所述的方法,其中,污染影响权重通过如下步骤确定:
获取样本集合,所述样本集合中的样本包括预设历史时段内所述目标区域的样本污染物浓度和所述预设历史时段内与样本污染物浓度对应的所述目标区域所包括的兴趣点的样本污染关联参数;
将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对所述目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合;
将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
4.根据权利要求2所述的方法,其中,用于指示污染物扩散浓度的参数是基于风速和风向,通过高斯扩散模型拟合得到。
5.根据权利要求2所述的方法,其中,用于指示大气指标的参数通过如下步骤确定:
获取所述预设时间段或预设历史时段的气象信息,所述气象信息包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息;
利用预先训练的回归树模型,对所获取的气象信息进行拟合,得到拟合值;
将所得到的拟合值确定为用于指示大气指标的参数。
6.根据权利要求2所述的方法,其中,用于指示兴趣点相对于检测位置的风向影响的参数通过如下步骤确定:
确定兴趣点相对于检测位置的方位和风向方位之间的角度;
响应于确定所述角度大于预设角度,将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数;
响应于确定所述角度小于或等于所述预设角度,将所述角度的余弦值确定为用于指示兴趣点相对于检测位置的风向影响的参数。
7.一种用于确定污染区域的装置,包括:
污染指数确定单元,被配置成将目标区域划分为至少一个子区域,对于所述至少一个子区域中的子区域,确定该子区域在预设时间段内的污染指数,其中,该子区域在预设时间段内的污染指数为该子区域所包括的兴趣点在所述预设时间段内的污染指数之和,兴趣点的污染指数基于兴趣点的关联信息确定,兴趣点的关联信息包括:兴趣点的污染关联参数、污染关联参数对应的污染影响权重;
选择单元,被配置成从所述至少一个子区域中选择出污染指数大于或等于预设数值的子区域作为污染区域;
所述污染指数确定单元被进一步配置为:从该子区域中选择出所包括的兴趣点对应的类别的污染影响权重大于预设值的兴趣点;然后计算所选择出的各兴趣点对应的污染影响权重之和,从而将计算值确定为该子区域在预设时间段内的污染指数;其中,所述污染关联参数为相应兴趣点的类别;
响应于所述污染关联参数包括用于指示兴趣点的活跃度的参数,确定用于指示兴趣点的活跃度的参数的过程包括:所述从所支持的定位功能的应用中获取用户的定位信息;根据所述定位信息确定用户所到访过的各个兴趣点的时段、停留的时长,并统计得到预设时间段内每一个兴趣点所出现的停留时长超过预设时间间隔的用户的数目;将所述数目与预设为相应兴趣点设置的调和权重的乘积作为指示相应兴趣点的活跃度的参数。
8.根据权利要求7所述的装置,其中,污染关联参数包括以下至少一项:用于指示兴趣点的活跃度的参数、用于指示污染物扩散浓度的参数、用于指示兴趣点相对于检测位置的风向影响的参数、用于指示大气指标的参数。
9.根据权利要求7或8所述的装置,其中,污染影响权重通过如下步骤确定:
获取样本集合,所述样本集合中的样本包括预设历史时段内所述目标区域的样本污染物浓度和所述预设历史时段内与样本污染物浓度对应的所述目标区域所包括的兴趣点的样本污染关联参数;
将样本污染关联参数作为输入、将与样本污染关联参数对应的样本污染物浓度作为输出,利用线性回归模型对所述目标区域所包括的兴趣点的样本污染关联参数进行线性回归拟合;
将拟合后的线性函数中样本关联参数的系数确定为污染关联参数对应的污染影响权重。
10.根据权利要求7所述的装置,其中,用于指示污染物扩散浓度的参数是基于风速和风向,通过高斯扩散模型拟合得到。
11.根据权利要求7所述的装置,其中,用于指示大气指标的参数通过如下步骤确定:
获取所述预设时间段或所述历史时段的气象信息,所述气象信息包括以下至少一项:风速信息、气温信息、空气湿度信息、气压信息;
利用预先训练的回归树模型,对所获取的气象信息进行拟合,得到拟合值;
将所得到的拟合值确定为用于指示大气指标的参数。
12.根据权利要求7所述的装置,其中,用于指示兴趣点相对于检测位置的风向影响的参数通过如下步骤确定:
确定兴趣点相对于检测位置的方位和风向方位之间的角度;
响应于确定所述角度大于预设角度,将预设常数值确定为用于指示兴趣点相对于检测位置的风向影响的参数;
响应于确定所述角度小于或等于所述预设角度,将所述角度的余弦值确定为用于指示兴趣点相对于检测位置的风向影响的参数。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811347192.8A CN111178653B (zh) | 2018-11-13 | 2018-11-13 | 用于确定污染区域的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811347192.8A CN111178653B (zh) | 2018-11-13 | 2018-11-13 | 用于确定污染区域的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178653A CN111178653A (zh) | 2020-05-19 |
CN111178653B true CN111178653B (zh) | 2022-12-02 |
Family
ID=70657290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811347192.8A Active CN111178653B (zh) | 2018-11-13 | 2018-11-13 | 用于确定污染区域的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178653B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612064B (zh) * | 2020-05-20 | 2021-02-19 | 中科三清科技有限公司 | Pm2.5污染气团溯源方法、装置、电子设备及存储介质 |
CN113688583B (zh) * | 2021-09-07 | 2023-05-23 | 北京信息科技大学 | 污染扩散模拟方法、装置、存储介质及电子设备 |
CN117370772B (zh) * | 2023-12-08 | 2024-04-16 | 北京英视睿达科技股份有限公司 | 基于城市街道地形分类的pm2.5扩散分析方法及*** |
CN117745106B (zh) * | 2024-02-04 | 2024-05-17 | 西昌学院 | 一种大气污染协调控制区域的识别方法、***和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2864665A1 (fr) * | 2003-12-31 | 2005-07-01 | Cabinet D Etudes Marc Merlin | Procede d'identification et de quantification de la contribution polluante d'au moins une source fixe emettrice de dioxines dans un milieu naturel pollue |
WO2014194480A1 (en) * | 2013-06-05 | 2014-12-11 | Microsoft Corporation | Air quality inference using multiple data sources |
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 |
CN106557869B (zh) * | 2016-10-20 | 2020-08-21 | 北京市劳动保护科学研究所 | 一种基于poi点的大气污染物排放清单空间分配方法及装置 |
CN108701274B (zh) * | 2017-05-24 | 2021-10-08 | 北京质享科技有限公司 | 一种城市小尺度空气质量指数预测方法与*** |
-
2018
- 2018-11-13 CN CN201811347192.8A patent/CN111178653B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111178653A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178653B (zh) | 用于确定污染区域的方法和装置 | |
US20220327111A1 (en) | Web services for smart entity management for sensor systems | |
US11809461B2 (en) | Building system with an entity graph storing software logic | |
US11275348B2 (en) | Building system with digital twin based agent processing | |
US11778030B2 (en) | Building smart entity system with agent based communication and control | |
US20210104228A1 (en) | Building system with entity graph storing events | |
Guzman et al. | Global increase in tropical cyclone rain rate | |
US11314788B2 (en) | Smart entity management for building management systems | |
US9571972B2 (en) | Managing crowd sourced data acquisition | |
CN109359170B (zh) | 用于生成信息的方法和装置 | |
WO2019067630A1 (en) | WEB SERVICE PLATFORM WITH INTELLIGENT ENTITIES, TIMELINES, AND INFLATED STREAM GENERATION | |
CN108182253B (zh) | 用于生成信息的方法和装置 | |
US20170316432A1 (en) | A/b testing on demand | |
US10330655B2 (en) | Air quality forecasting based on dynamic blending | |
WO2019067631A1 (en) | BUILDING MANAGEMENT SYSTEM WITH INTELLIGENT ENTITIES, TIMELINE, INBOUND FLOW GENERATION, CLOUD CONTROL AND ID AND INSURANCE MANAGEMENT SERVICES | |
CN110705115A (zh) | 一种基于深度置信网络的气象预报方法和*** | |
CN112862593B (zh) | 信用评分卡模型训练方法、装置、***及计算机存储介质 | |
US11523248B2 (en) | Inference of logistical relationships from device location data | |
CN110634014A (zh) | 房源价格的确定方法、装置、设备及介质 | |
US20170278128A1 (en) | Dynamic alerting for experiments ramping | |
CN111782948A (zh) | 目标对象的业务推荐方法、装置和设备及存储介质 | |
CN112132720A (zh) | 区域警情数量异常趋势确定方法、装置、电子设备及介质 | |
US20140207530A1 (en) | Fairly calibrated distribution matrix modeling | |
CN117348114A (zh) | 基于实时数据校正天气预报信息的方法、***及存储介质 | |
CN115062701A (zh) | 数据处理方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |