CN111506574A - 基于r树的污染物溯源方法、装置及其相关设备 - Google Patents
基于r树的污染物溯源方法、装置及其相关设备 Download PDFInfo
- Publication number
- CN111506574A CN111506574A CN202010197461.8A CN202010197461A CN111506574A CN 111506574 A CN111506574 A CN 111506574A CN 202010197461 A CN202010197461 A CN 202010197461A CN 111506574 A CN111506574 A CN 111506574A
- Authority
- CN
- China
- Prior art keywords
- pollution
- pollutant
- tree
- acquiring
- dimension
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及污染溯源技术领域,提供了一种基于R树的污染物溯源方法、装置及其相关设备,该污染物溯源方法包括:当采集的环境元素满足污染条件时,判断环境元素为污染物,获取地理位置;根据地理位置在R树数据库中进行查询,得到排放污染物的排放口的坐标;获取污染物所处的介质环境,获取与介质环境对应的维度及与各个维度对应的筛选条件;根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树;获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。通过本发明的的实施,能够解决现有技术中排放污染物的溯源存在效率和精准度较低的问题。
Description
技术领域
本发明涉及污染溯源技术领域,尤其涉及一种基于R树的污染物溯源方法、装置及其相关设备。
背景技术
近些年来,人们的环保意识逐渐增强,大气、水体等污染成为人们关注的重点问题,有效减少污染物排放已经成为政府部门的重点任务。为了能够使污染物的排放不超标,需要对排放超标的污染源进行快速定位,否则无法形成良好的约束机制。目前,现有的污染物溯源的方法一般有两种,第一种是在各个潜在污染源附近加密布设污染物监测站点,第二种是根据预测模型或者算法对现有的与污染相关的数据进行计算从而预测各个潜在污染源的排放情况。
虽然上述两种方法能够实现污染物溯源,但是,第一种方法需要依赖大量人力物力,且监测站点监测到的浓度值是多个污染源共同造成,并不是仅由离其最近的潜在污染源单一造成,第二种方法也是将各个污染源在监测点的预测浓度值与各个污染源在监测点的浓度值进行比较,而在实际监测中,监测点的浓度都是各个污染源共同产生,导致溯源精准度较低。
综上所述,现有技术中排放污染物的溯源存在效率和精准度较低的问题。
发明内容
本发明提供一种基于R树的污染物溯源方法、装置及其相关设备,以解决现有技术中排放污染物的溯源存在效率和精准度较低的问题。
本发明的第一实施例提供一种基于R树的污染物溯源方法,包括:
当采集的环境元素满足污染条件时,判断环境元素为污染物,获取污染物的地理位置;
根据地理位置在预先建立的R树数据库中进行查询,得到排放污染物的排放口的坐标;
获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件;
根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树;
获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
本发明的第二实施例提供一种基于R树的污染物溯源装置,包括:
污染物获取模块,用于当采集的环境元素满足污染条件时,判断环境元素为污染物,获取污染物的地理位置;
排放口坐标获取模块,用于根据地理位置在预先建立的R树数据库中进行查询,得到排放污染物的排放口的坐标;
筛选条件获取模块,用于获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件;
R树获取模块,用于根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树;
污染源获取模块,用于获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
本发明的第三实施例提供一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明的第一实施例提供的一种基于R树的污染物溯源方法的步骤。
本发明的第四实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现本发明的第一实施例提供的一种基于R树的污染物溯源方法的步骤。
本申请提供的基于R树的污染物溯源方法、装置及其相关设备中,首先,当采集的环境元素满足污染条件时,判断环境元素为污染物,获取污染物的地理位置,然后,根据地理位置在预先建立的R树数据库中进行查询,得到排放污染物的排放口的坐标,再,获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件,再之,根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树,最后,获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。通过在R树数据库中检索查询的方式获得与各个维度相对应的R树,将各种污染因素用R树进行表示,根据在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数判断获得污染源,使得获得污染源时能够考虑各种因素的影响,并能够用检索的方式获得污染源,能够解决现有技术中排放污染物的溯源存在效率和精准度较低的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的第一实施例的基于R树的污染物溯源方法的一应用环境示意图;
图2是本发明的第一实施例的基于R树的污染物溯源方法的流程示意图;
图3是本发明的第一实施例的基于R树的污染物溯源方法中步骤13的流程图;
图4是本发明的第一实施例的基于R树的污染物溯源方法中步骤14的流程图;
图5是本发明的第一实施例的基于R树的污染物溯源方法的又一流程图;
图6是本发明的第一实施例的基于R树的污染物溯源方法中步骤22的流程图;
图7是本发明的第二实施例的基于R树的污染物溯源装置的模块示意图;
图8是本发明的第二实施例的基于R树的污染物溯源装置的又一模块示意图;
图9是本发明的第三实施例提供的计算机设备的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
本发明的第一实施例提供的基于R树的污染物溯源方法,可应用于如图1所示的应用环境中,其中,客户端(计算机设备)通过网络与服务端进行通信。当采集的环境元素满足污染条件时,判断环境元素为污染物,服务端获取污染物的地理位置,获取污染物的地理位置,获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件,根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树,获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源,并将污染源发送至客户端。其中,客户端(计算机设备)可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本发明的第一实施例中,如图2所示,提供一种基于R树的污染物溯源方法,以该方法应用在图1中的服务端为例进行说明,包括如下步骤11至步骤15。
步骤11:当采集的环境元素满足污染条件时,判断环境元素为污染物,获取污染物的地理位置。
其中,环境元素包含某一区域内与污染物类别、污染物成分、污染物浓度、污染物地理位置等与污染物相关的信息。具体是通过在监测点设置的污染物监测设备采集监测点与污染物相关的信息,当监测到某一污染物的浓度超过预先设定的阈值时,将该监测点所在的区域作为污染区域,判断该污染区域内的环境元素为污染物,服务端获取该污染物的地理位置。进一步地,该污染物的地理位置具体可以用经纬度进行表示。
在本实施例中,通过污染物监测设备可以实时监测各个监测点的污染物成分,以获得污染物类别;通过污染物监测设备可以实时监测各个监测点所处区域的污染物浓度,以获得污染区域和污染区域的污染物浓度。
步骤12:根据地理位置在预先建立的R树数据库中进行查询,得到排放污染物的排放口的坐标。
其中,R树数据库中存储有各区域内与污染相关的信息。例如,R树数据库存储的信息可以包括排放口的排放的污染物类别、排放口的排放速率、排放口的排放口径、排放口所处坐标、排放口周边地理情况、污染物传播介质等等。通过在预先建立的R树数据库中查询,可以得到在一定区域内排放该污染物的排放口的坐标。
需要注意的是,在R树数据库中,将各信息划作多维进行存储,将一类信息作为一个维度,也就是说,R树数据库中的信息为多维度存储。另外,在R树数据库中的一个维度中,各个信息应当是由多个闭形区域构成,每个闭形区域代表该一个维度中的一个信息。例如,存在一条河流,将该河流作为R树数据库中某一维度上的一块区域,该河流在每段的流速不同(假设分为三段,流速分别为A、B、C),由于河流的流速属于一类信息,将该一块区域划分为与流速分别对应的三个闭形区域。
步骤13:获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件。
其中,介质环境包括自然环境中各个独立组成部分中所具有的物质,例如,介质环境可以是大气、水体、土壤等等。由于R树数据库中存储的信息是多维度的,因此,需要从多维度信息中找到与污染物所处的介质环境对应的维度,也就是说,上述步骤13中获取的维度中的信息均有可能对排放口排放的污染物的污染范围产生影响。例如,污染物所处的介质环境为水体时,步骤13中获取的维度应当包括与水体流速、水体流向、水体温度等有关的维度。另外,与各个维度对应预设的污染区域的筛选条件应当是在各个维度中,能够使各排放口排放的物质能够影响污染监测点的污染物浓度的条件。
为了能够更加清楚地理解上述步骤13中筛选条件的含义,列举示例:在R树数据库的某一维度上存储有一条河流相关的信息,并存储有在该维度上该条河流存在多个排放口的排放物质、污染物排放位置、污染物排放时间段、污染物排放速率、水流方向信息、水温信息等等信息,当在一条河流的某处监测点监测出污染区域、污染物类别、污染物浓度时,在R树数据库中该维度中将污染物类别相关的、处于污染区域上游、排放时间段符合监测出污染物超标等作为各个维度上的筛选条件。
需要注意的是,在本实施例中,上述步骤12和上述步骤13,其执行的步骤并无先后之分,可以同时进行也可以分时进行。
进一步地,作为本实施例的一种实施方式,如图3所示,上述步骤13具体包括如下步骤131至步骤132。
步骤131:获取污染物所处的介质环境,根据介质环境的所属类型获取与介质环境对应预设的影响污染物污染范围的维度。
其中,具体是先判断介质环境的所属类型,根据介质环境的所属类型获取与介质环境的所属类型对应预设的影响污染物污染范围的维度。
步骤132:根据介质环境的所属类型获取每个维度上各排放口排放的污染物影响监测点的污染物浓度的筛选条件。
其中,由于在R树数据库中,维度上存储的每个信息相当于实际地理位置上该信息对应区域的因素,根据介质环境的所属类型获取与介质环境的所属类型对应预设的影响污染物污染范围的维度上的筛选条件。也就是说,从上述步骤131获得维度上获取各排放口排放的污染物影响监测点的污染物浓度的筛选条件。需要注意的是,在本实施例中,每个筛选条件应当与实际的地理位置关联。
需要注意的是,通过检测设备或预先存储的监测点信息获得的有效信息越少,在上述步骤132中获得的筛选条件越少,越不利于最终获得污染源。可选地,在上述步骤131中,还可以获得污染物类别和污染物浓度,当获得污染物浓度和污染物类别时,在R树数据库中获得筛选条件较多,也即,当步骤131中能够获得的有效信息越多,最终获得筛选条件越多。
通过步骤1021至步骤1022的实施,实现先锁定与污染物所处介质环境相关的维度,对维度内的数据进行查询,而无需在数据库中遍历所有的数据,一一判断R树数据库中的各个数据是否为筛选条件,提高了查询的效率。
在本实施例中,通过上述步骤131至步骤132的实施,能够先获取与介质环境的所属类型对应的维度,再从与介质环境的所属类型对应的维度中获取筛选条件,采用递进式搜索方式,能够有效减少检索的时间,提高查询获得与介质环境的所属类型对应预设的影响污染物污染范围的维度和筛选条件的效率。
步骤14:根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树。
其中,R树应当包括各个维度上排放口形成的污染区域。
进一步地,作为本实施例的一种实施方式,如图4所示,上述步骤14具体可以包括如下步骤141至步骤143。
步骤141:分别在各个维度根据排放口的坐标获得潜在污染区域。
其中,具体是在与介质环境对应预设的影响污染物污染范围的维度上查询每个排放口在该维度上能够将排放的污染物传播的最大区域作为潜在污染区域。需要注意的是,由于各个排放口由于每个排放口排放的污染物所处的介质环境不同,因此排放的污染物传播的距离和范围有不同的限制。
步骤142:根据筛选条件从潜在污染区域中获取在各个维度上的污染区域。
其中,具体是根据筛选条件从上述步骤141中获得的潜在污染区域中获取排放口排放的污染物在与介质环境对应预设的影响污染物污染范围的维度上形成的污染区域。
需要注意的是,在本实施例中,R树数据库中的各个信息(相当于各个条件)均是采用R树的结构进行存储,各信息均与实际的地理位置关联,也就是说,各个信息均可以用各个闭形区域进行表示。闭形区域具体是由封闭的线条构成,例如可以是多边形、圆等,此处不做具体限制。
为能够更加清楚地理解上述步骤142,列举示例:上述步骤141中获得的潜在污染区域为一条河流,筛选条件为河流的流向,排放口和监测点处于该河流范围内,排放口处于监测点的上游,此时,根据排放口的坐标、该存有河流流向的维度、水流流向获知该排放口有可能造成对监测点的污染,在该维度中,获得一个包含排放口至监测点河流段的闭形区域,该闭形区域为该排放口的污染范围。需要注意的是,上述步骤141获得潜在区域为多个时,在步骤142中需要分别根据对应维度上的筛选条件从潜在污染区域中获得各个排放口排放的污染形成的污染区域。
步骤143:将各个维度上的污染区域与R树数据库中各个维度下存储的空间信息进行匹配,得到与各个维度的污染区域均相匹配的R树。
其中,R树包含各个排放口在各个维度上形成的污染物范围。由于在R树数据库中,每个维度上的各个区域均与各个信息关联,将获取的与介质环境对应预设的影响污染物污染范围的维度上的污染区域与R树数据库存储的孔家信息进行匹配,以获得与介质环境对应预设的影响污染物污染范围的维度相匹配的R树。
在本实施例中,通过上述步骤141至步骤143的实施,能够从R树数据库中的所有维度中获得各个与介质环境对应预设的影响污染物污染范围的维度相匹配的R树,将各种因素融合,获得各个排放口的排放情况,以便于后续获得污染源。
步骤15:获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
其中,由于在R树数据库中存在多个维度,每个维度对应的是实际的地理位置,整合每个维度上满足筛选条件的区域,得到在多个维度上的区域重叠的部分,该重叠的部分满足同时满足多个维度上的条件,考虑了各种因素以获得污染源。
另外,由于上述步骤15中将与重叠次数达到预设要求的区域对应的排放口标记为污染源,可以是按照多个维度上的重叠次数是否超过预设值作为判定污染源的条件,获得污染源的数量可能是多个,当重叠区域的数量为多个时,将多个重叠区域标记为污染源;还可以是将选取重叠次数最多的区域作为污染源,此时该区域为污染源的可能性最大。
在本实施例中,通过上述步骤11至步骤15的实施,通过在R树数据库中检索查询的方式获得与各个维度相对应的R树,将各种因素用R树进行表示,根据在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数判断获得污染源,使得获得污染源时能够考虑各种因素的影响,并能够用检索的方式获得污染源,能够解决现有技术中排放污染物的溯源存在效率和精准度较低的问题。
进一步地,作为本实施例的一种实施方式,在上述步骤15之后,还可以包括:对重叠次数达到预设要求的区域进行标识处理。
其中,具体是将污染源区域进行标识,以用于将污染源区域与其他区域区分开。
需要注意的是,在本实施例中,由于重叠次数越多,与该重叠次数对应的区域为污染源的概率越高,可以将重叠次数作为一种标识处理的依据,也就是说,在本实施例中,可以根据重叠次数大小对于重叠次数对应的区域做对应的标识。
在本实施例中,通过对重叠次数达到预设要求的区域进行标识处理,能够使得监测人员能够获知污染源区域,并根据标识的不同,获得各个区域有可能为污染源的概率,便于检测人员后续作业管理。
进一步地,作为本实施例的一种实施方式,如图5所示,在上述步骤11至步骤15之前,还需要预先构建R树数据库,构建R树数据库包括以下步骤21至步骤23。
步骤21:构建具有空间数据类型的数据表。
其中,具体可以是先创建常规的不含数据类型的数据表,再向普通的数据表中添加空间数据类型,以得到具有空间数据类型的数据表。需要注意的是,在本本实施例中,可以通过Oracle数据库和SQL数据构建空间数据类型的数据表,此处不做具体限制。
步骤22:在数据表中添加用于搜索区域的搜索树索引。
其中,搜索树索引包括用于根据介质环境查询获得污染物污染范围的维度的查询条件,还包括用于用于根据介质环境和维度获得各个维度对应预设的污染区域的筛选条件的查询条件,通过该索引能够获得对应的维度和筛选条件,维度和筛选条件均可以区域进行表示。数据表中包含空间数据类型字段,具体是在数据表中的空间数据类型字段中选择搜索树类型的索引接口以添加搜索树索引(Gist索引)。可选地,空间数据类型字段中应当预存包含与污染相关的信息,例如,可以是水流流速、风速、排放口的排放物质、污染物排放位置、污染物排放时间段、污染物排放速率等等。
需要注意的是,在本实施例中,搜索树索引可以是某一片区域的名称、某一区域内某一设施、某一区域的地貌等区域的属性信息,以用于检索出与污染相关的信息,通过该搜索树索引能够查询得到与之对应的区域,同时,搜索树索引的内容不做具体限制。
进一步地,作为本实施例的一种实施方式,如图6所示,上述步骤22具体可以包括如下步骤221至步骤222。
步骤221:在数据表中构建一个或多个一级搜索树索引,每个一级搜索树索引与数据表中的多个字段关联。
其中,每个一级搜索树索引与数据表中的多个字段关联,也就是说,当搜索条件为某一级搜索树索引时,能够从该数据表中查询获得与该一级搜索树索引相关联的多个字段。
步骤222:在与一级搜索树索引关联的字段中构建多个二级搜索树索引。
其中,一个二级搜索树索引可以关联与一级搜索树索引关联的多个字段中的一个字段,也可以关联与一级搜索树索引关联的多个字段中的多个字段。
需要注意的是,在本实施例中,字段是指空间数据类型字段。
在本实施例中,通过上述步骤221至步骤222的实施,能够在数据表中构建一级搜索树索引和二级搜索树上索引,以在数据表中获得递层式的索引,具体地,当本数据表中的每个空间数据类型字段可以代表一个区域时,通过在在数据表中获得递层式的索引,使得在R树数据库查询的过程中,能够先得到大区域,然后从大区域中得到目标区域,以提高查询效率。
步骤23:在数据表中***区域坐标数据,以形成用于查询污染源的R树数据库。
其中,具体是在数据表中的空间数据类型字段中***区域坐标数据,由此,数据表中的各个空间数据类型字段均可以用区域坐标数据进行表示。也就是说,当检索到某一空间数据类型字段时,将输出与该空间数据类型字段对应的区域坐标数据。具体地,在本实施例中,区域坐标数据包含能够代表各个区域的经纬度信息。
可选地,对于某一片区域,录入空间数据类型字段中与污染相关的信息越多、索引地划分越准确、区域坐标数据的经纬度信息越详细,在R树数据库中查询污染源的精确度越高。
在本实施例中,通过上述步骤21至步骤23的实施,能够构建R树数据库,以使后续查询获得污染源,并且,通过在R树数据库中构建搜索树索引,使得在R树数据库中的数据量级较大时,能够有效减少查询时间,极大提高了查询获得污染源的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明的第二实施例提供一种基于R树的污染物溯源装置,该基于R树的污染物溯源装置与上述第一实施例提供的基于R树的污染物溯源方法一一对应。
进一步地,如图7所示,该基于R树的污染物溯源装置包括污染物获取模块41、排放口坐标获取模块42、筛选条件获取模块43、R树获取模块44和污染源获取模块45。各功能模块详细说明如下:
污染物获取模块41,用于当采集的环境元素满足污染条件时,判断环境元素为污染物,获取污染物的地理位置;
排放口坐标获取模块42,用于根据地理位置在预先建立的R树数据库中进行查询,得到排放污染物的排放口的坐标;
筛选条件获取模块43,用于获取污染物所处的介质环境,获取与介质环境对应预设的影响污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件;
R树获取模块44,用于根据排放口的坐标、维度和筛选条件从数据库中得到与各个维度相对应的R树;
污染源获取模块45,用于获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
进一步地,作为本实施例的一种实施方式,如图8所示,筛选条件获取模块43包括维度获取单元431和筛选条件获取单元432。各功能单元详细说明如下:
维度获取单元431,用于获取污染物所处的介质环境,根据介质环境的所属类型获取与介质环境对应预设的影响污染物污染范围的维度;
筛选条件获取单元432,用于根据介质环境的所属类型获取每个维度上各排放口排放的污染物影响监测点的污染物浓度的筛选条件。
进一步地,作为本实施例的一种实施方式,R树获取模块44包括潜在污染区域获取单元、污染区域获取单元和R树获取单元。各功能单元详细说明如下:
潜在污染区域获取单元,用于分别在各个维度根据排放口的坐标获得潜在污染区域;
污染区域获取单元,用于根据筛选条件从潜在污染区域中获取在各个维度上的污染区域;
R树获取单元,用于将各个维度上的污染区域与R树数据库中各个维度下存储的空间信息进行匹配,得到与各个维度的污染区域均相匹配的R树。
进一步地,作为本实施例的一种实施方式,该基于R树的污染物溯源装置还包括数据表获取模块、搜索树索引添加模块和R树数据库获取模块。各功能模块详细说明如下:
数据表构建模块,用于构建具有空间数据类型的数据表;
搜索树索引添加模块,用于在数据表中添加用于搜索区域的搜索树索引;
R树数据库获取模块,用于在数据表中***区域坐标数据,以形成用于查询污染源的R树数据库。
进一步地,作为本实施例的一种实施方式,搜索树索引添加模块包括一级搜索树索引添加单元和二级搜索树索引添加单元。各功能单元详细说明如下:
一级搜索树索引构建单元,用于在数据表中构建一个或多个一级搜索树索引,每个一级搜索树索引与数据表中的多个字段关联;
二级搜索树索引构建单元,用于在与一级搜索树索引关联的字段中构建多个二级搜索树索引。
进一步地,作为本实施例的一种实施方式,该基于R树的污染物溯源装置还包括标识处理模块。标识处理模块详细说明如下:
标识处理模块,用于对重叠次数达到预设要求的区域进行标识处理。
关于基于R树的污染物溯源装置的具体限定可以参见上文中对于基于R树的污染物溯源方法的限定,在此不再赘述。上述基于R树的污染物溯源装置中的各个模块/单元可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明的第三实施例提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于R树的污染物溯源方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本发明的第一实施例提供的基于R树的污染物溯源方法。
本发明的第四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,计算机程序被处理器执行时实现本发明的第一实施例提供的基于R树的污染物溯源方法的步骤,例如图2所示的步骤11至步骤15、如图3所示的步骤131至步骤132、如图4所示的步骤141至步骤143、如图5所示的步骤21至步骤23以及如图6所示的步骤221至步骤222。或者,计算机程序被处理器执行时实现上述第一实施例提供的基于R树的污染物溯源方法的各模块/单元的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于R树的污染物溯源方法,其特征在于,所述方法包括:
当采集的环境元素满足污染条件时,判断所述环境元素为污染物,获取所述污染物的地理位置;
根据所述地理位置在预先建立的R树数据库中进行查询,得到排放所述污染物的排放口的坐标;
获取所述污染物所处的介质环境,获取与所述介质环境对应预设的影响所述污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件;
根据所述排放口的坐标、所述维度和所述筛选条件从所述数据库中得到与各个维度相对应的R树;
获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
2.根据权利要求1所述的基于R树的污染物溯源方法,其特征在于,所述获取所述污染物所处的介质环境,获取与所述介质环境对应预设的影响所述污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件的步骤包括:
获取所述污染物所处的介质环境,根据所述介质环境的所属类型获取与所述介质环境对应预设的影响所述污染物污染范围的维度;
根据所述介质环境的所属类型获取每个维度上各所述排放口排放的污染物影响所述监测点的污染物浓度的筛选条件。
3.根据权利要求1所述的基于R树的污染物溯源方法,其特征在于,所述根据所述排放口的坐标、所述维度和所述筛选条件从所述数据库中得到与各个维度相对应的R树的步骤包括:
分别在各个所述维度根据所述排放口的坐标获得潜在污染区域;
根据所述筛选条件从所述潜在污染区域中获取在各个所述维度上的污染区域;
将各个所述维度上的污染区域与所述R树数据库中各个维度下存储的空间信息进行匹配,得到与各个维度的污染区域均相匹配的R树。
4.根据权利要求1所述的基于R树的污染物溯源方法,其特征在于,所述方法还包括:
构建具有空间数据类型的数据表;
在所述数据表中添加用于搜索区域的搜索树索引;
在所述数据表中***区域坐标数据,以形成用于查询污染源的所述R树数据库。
5.根据权利要求4所述的污染源的溯源方法,其特征在于,所述在所述数据表中添加用于搜索区域的搜索树索引的步骤包括:
在所述数据表中构建一个或多个一级搜索树索引,每个所述一级搜索树索引与所述数据表中的多个字段关联;
在与所述一级搜索树索引关联的字段中构建多个二级搜索树索引。
6.根据权利要求1所述的污染源的溯源方法,其特征在于,所述获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将重叠次数达到预设要求的区域对应的排放口标记为污染源的步骤之后,所述方法包括:
对所述重叠次数达到预设要求的区域进行标识处理。
7.一种基于R树的污染物溯源装置,其特征在于,包括:
污染物获取模块,用于当采集的环境元素满足污染条件时,判断所述环境元素为污染物,获取所述污染物的地理位置;
排放口坐标获取模块,用于根据所述地理位置在预先建立的R树数据库中进行查询,得到排放所述污染物的排放口的坐标;
筛选条件获取模块,用于获取所述污染物所处的介质环境,获取与所述介质环境对应预设的影响所述污染物污染范围的维度及与各个维度对应预设的污染区域的筛选条件;
R树获取模块,用于根据所述排放口的坐标、所述维度和所述筛选条件从所述数据库中得到与各个维度相对应的R树;
污染源获取模块,用于获取在各个维度下的R树中各个污染区域与排放口对应的污染区域的重叠次数,将与重叠次数达到预设要求的区域对应的排放口标记为污染源。
8.根据权利要求7所述的基于R树的污染物溯源装置,其特征在于,所述筛选条件获取模块包括:
维度获取单元,用于获取所述污染物所处的介质环境,根据所述介质环境的所属类型获取与所述介质环境对应预设的影响所述污染物污染范围的维度;
筛选条件获取单元,用于根据所述介质环境的所属类型获取每个维度上各所述排放口排放的污染物影响所述监测点的污染物浓度的筛选条件。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述基于R树的污染物溯源方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述基于R树的污染物溯源方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010197461.8A CN111506574A (zh) | 2020-03-19 | 2020-03-19 | 基于r树的污染物溯源方法、装置及其相关设备 |
PCT/CN2020/103733 WO2021184627A1 (zh) | 2020-03-19 | 2020-07-23 | 基于r树的污染物溯源方法、装置及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010197461.8A CN111506574A (zh) | 2020-03-19 | 2020-03-19 | 基于r树的污染物溯源方法、装置及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111506574A true CN111506574A (zh) | 2020-08-07 |
Family
ID=71864143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010197461.8A Pending CN111506574A (zh) | 2020-03-19 | 2020-03-19 | 基于r树的污染物溯源方法、装置及其相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111506574A (zh) |
WO (1) | WO2021184627A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525255A (zh) * | 2020-11-11 | 2021-03-19 | 中国电建集团华东勘测设计研究院有限公司 | 暗涵排水口排查流程及排口溯源方法 |
CN112903660A (zh) * | 2021-03-11 | 2021-06-04 | 广西大学 | 一种判别流域水体污染现状和污染来源的方法 |
CN113837292A (zh) * | 2021-09-27 | 2021-12-24 | 山东亿云信息技术有限公司 | 一种基于边缘计算的环境污染溯源***及方法 |
CN114661849A (zh) * | 2021-04-02 | 2022-06-24 | 辽宁省生态环境厅 | 污染溯源方法及装置 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113844972B (zh) * | 2021-09-29 | 2022-04-19 | 湖南快杰电梯有限公司 | 一种电梯轿厢内卫生环境监控方法、***以及存储介质 |
CN113984968A (zh) * | 2021-10-26 | 2022-01-28 | 上海建科环境技术有限公司 | 一种工业园区大气VOCs溯源方法 |
CN114461737B (zh) * | 2021-12-20 | 2022-10-14 | 北京市科学技术研究院城市安全与环境科学研究所 | 基于印痕模型的监测溯源方法和*** |
CN113933258B (zh) * | 2021-12-21 | 2022-04-12 | 杭州春来科技有限公司 | 基于走航监测的VOCs污染物溯源方法、终端及*** |
CN115219678B (zh) * | 2022-06-13 | 2024-07-12 | 武汉理工大学 | 用于水域突发危险品化学污染的应急监测船及其溯源方法 |
CN115309845B (zh) * | 2022-08-23 | 2023-05-02 | 北京万维盈创科技发展有限公司 | 基于水系编译器与机器学习处理的水污染溯源方法及*** |
CN115936543B (zh) * | 2023-03-15 | 2023-06-06 | 湖北君邦环境技术有限责任公司 | 一种突发水污染事故污染溯源方法、***、设备及介质 |
CN117422195A (zh) * | 2023-10-08 | 2024-01-19 | 曙光云计算集团有限公司 | 水质评估方法、装置、计算机设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404634B (zh) * | 2014-09-15 | 2019-02-22 | 南京理工大学 | 基于Key-Value数据块的数据管理方法及*** |
GB201515951D0 (en) * | 2015-09-09 | 2015-10-21 | Ibm | Efficent spatital queries in large data tables |
CN105158431B (zh) * | 2015-09-22 | 2017-06-06 | 浙江大学 | 一种无人污染物溯源***及其溯源方法 |
CN108760913B (zh) * | 2018-05-21 | 2022-02-08 | 天津市环境保护科学研究院 | 一种大气恶臭污染溯源***及应用 |
CN109115966A (zh) * | 2018-11-11 | 2019-01-01 | 西藏神州瑞霖环保科技股份有限公司 | 一种可实时监测污染物浓度及扩散范围的监测设备 |
CN109612883A (zh) * | 2018-12-13 | 2019-04-12 | 北京英视睿达科技有限公司 | 基于高密度监测网络的总悬浮颗粒物污染溯源方法及装置 |
-
2020
- 2020-03-19 CN CN202010197461.8A patent/CN111506574A/zh active Pending
- 2020-07-23 WO PCT/CN2020/103733 patent/WO2021184627A1/zh active Application Filing
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112525255A (zh) * | 2020-11-11 | 2021-03-19 | 中国电建集团华东勘测设计研究院有限公司 | 暗涵排水口排查流程及排口溯源方法 |
CN112525255B (zh) * | 2020-11-11 | 2022-08-30 | 中国电建集团华东勘测设计研究院有限公司 | 暗涵排水口排查流程及排口溯源方法 |
CN112903660A (zh) * | 2021-03-11 | 2021-06-04 | 广西大学 | 一种判别流域水体污染现状和污染来源的方法 |
CN114661849A (zh) * | 2021-04-02 | 2022-06-24 | 辽宁省生态环境厅 | 污染溯源方法及装置 |
CN114661849B (zh) * | 2021-04-02 | 2023-07-14 | 辽宁省生态环境厅 | 污染溯源方法及装置 |
CN113837292A (zh) * | 2021-09-27 | 2021-12-24 | 山东亿云信息技术有限公司 | 一种基于边缘计算的环境污染溯源***及方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021184627A1 (zh) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506574A (zh) | 基于r树的污染物溯源方法、装置及其相关设备 | |
Lee et al. | Trajectory clustering: a partition-and-group framework | |
Graham et al. | A comparison of methods for mapping species ranges and species richness | |
CN101350012B (zh) | 一种地址匹配的方法和*** | |
CN107566376A (zh) | 一种威胁情报生成方法、装置及*** | |
Drakonakis et al. | Please forget where I was last summer: The privacy risks of public location (meta) data | |
CN112615888B (zh) | 一种网络攻击行为的威胁评估方法及装置 | |
JP2010128806A (ja) | 情報分析装置 | |
Zhang et al. | Stochastic skylines | |
CN110807725A (zh) | 一种大气污染溯源方法、装置、计算设备和介质 | |
Corcoran et al. | Inferring semantics from geometry: the case of street networks | |
CN116153437B (zh) | 一种饮用水源的水质安全评价与水质预测方法及*** | |
CN107679075A (zh) | 网络监控方法和设备 | |
WO2023108832A1 (zh) | 网络空间地图生成方法、装置、设备及存储介质 | |
van Erp et al. | Georeferencing animal specimen datasets | |
CN108734393A (zh) | 房源信息的匹配方法、用户设备、存储介质及装置 | |
Li et al. | Geospatial data mining on the web: Discovering locations of emergency service facilities | |
Singh et al. | Intrinsic parameters based quality assessment of Indian OpenStreetMap dataset using supervised learning technique | |
Wu et al. | A nonparametric approach to uncovering connected anomalies by tree shaped priors | |
KR102590081B1 (ko) | 보안 규제 준수 자동화 장치 | |
US11821748B2 (en) | Processing apparatus and method for determining road names | |
CN114780817A (zh) | 恶臭污染物溯源方法、装置、计算机设备和存储介质 | |
Brimicombe et al. | Improving geocoding rates in preparation for crime data analysis | |
Elrod et al. | Data census of a geographically-bounded tweet set to enhance common operational picture tools | |
Lin | Geo-indistinguishable masking: enhancing privacy protection in spatial point mapping |
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 |