[发明专利]一种城市路网大气污染物浓度时空分布实时监测系统

说明书

技术领域

本发明涉及一种城市路网大气污染物浓度时空分布实时监测系统，属于大气污染实时监测技术

背景技术

随着城市机动车保有量的增加与工业污染源的移出，机动车尾气排放已经渐渐成为城市大气的主要污染源，大量的研究表明，居住在靠近主干道的生活区中的居民，由于长时间的暴露在尾气污染之中，其患哮喘、肺结核以及各种心脑血管疾病的概率都会大大增加。因此，如果能够实时的获取城市路网大气污染物浓度的时空分布，这将会对制定治理污染的相关政策提供巨大的帮助。但是，由于城市路网庞大、污染物化学反应复杂、扩散模型不精确等因素，实现这种实时监测一直是十分困难的。

常用的方法是不另行增加设备或者增加少量的监测设备，结合扩散模型(如OSPM等)并利用已有信息(如交通流量、排放因子、气象参数等)来推算出污染物浓度。由于扩散模型十分复杂而且不够精确，所以只能得到大概的污染情况。用神经网络模型、最小方差模型以及自回归模型来辨识出已有的数据与浓度之间的关系是一种较为精确的方法，但是由于每条街道都需要事先做实验来确定这种数学关系，而且需要定期校正，该方法的实用性也不是很强。

发明内容

本发明技术解决问题：克服现有技术的不足，提出一种城市路网大气污染物浓度时空分布实时监测系统，利用了道路上已有的各类交通传感器设备，通过大气建模与数据融合技术，在不需要增加额外设备的条件下，实现了道路大气污染物浓度的较为准确的实时监测，为制定治理污染的相关政策提供数据支撑。

本发明技术解决方案：

一种城市路网大气污染物浓度时空分布实时监测系统，包括：数据中心和传感器网络；所述传感器网络包括分布在路网中的多个传感器构成，将多个传感器形成的实时监测数据传输到数据中心，数据中心结合其他外部数据库(车辆信息数据库、车辆年检数据库、城市路网地理信息数据库、城市空气污染监测数据库)的数据，使用自校正异步互补滤波算法对数据进行融合，最终实现大气污染物浓度时空分布的实时精确监测。

所述的传感器网络由固定式交通排放监测器、移动式大气污染监测器、交通流传感器以及道路气象监测器组成。分别实现对交通污染排放的监测、对道路大气污染物浓度的监测、对交通流量的监测以及对道路气象的监测。

所述自校正异步互补滤波算法包括污染物扩散随机差分方程模型、异步互补滤波器和自校正调节器；污染物扩散随机差分方程描述了大气污染物的扩散过程，异步互补滤波器可以将传感器网络产生的数据进行融合以获得准确的污染物浓度时空分布，自校正调节器可以调节异步互补滤波器中的权重系数以保证滤波器的性能。

所述污染物扩散随机差分方程模型具有如下形式：

x_t＝kx_t-1+χ+u_t-1+w_t-1

其中x_t代表道路气体污染物浓度，χ＝(1-k)μ代表污染物静态浓度，μ代表高层空气中的平均污染物浓度，u_t代表由交通引起的大气污染物浓度增加量，w_t表示高斯白噪声，k∈(0,1)是扩散系数，t表示时间；

所述异步互补滤波器，为如下形式：

其中是在时间t的最优估计；y_t表示移动式大气污染监测器对大气污染物浓度的检测值，是移动式大气污染监测器的噪声，为高斯白噪声，p_t与q_t为误差方差。

假设p_t＝p，P_t＝P及q_t＝q，则权重系数其中N为同步周期系数，K＝k^N为同步扩散系数，为同步噪声，也是一个高斯白噪声，同步方差

所述自校正调节器，具有如下形式：

其中为P_Nt的估计，为q_Nt的估计，为相关函数r⁽⁰⁾与r⁽¹⁾的估计，0＜λ＜1代表遗忘因子，检测差分序列z_Nt+N＝y_Nt+N-Ky_Nt-U_Nt是两个独立随机过程W_Nt和v_Nt+N-Kv_Nt之和。

本发明与现有技术相比的优点在于：