[发明专利]一种基于主动时空图卷积的机动车排污监测节点部署方法

说明书

本发明公开了一种基于主动时空图卷积的机动车排污监测节点部署方法，利用已部署节点监测数据、城市交通路网特征以及交通流量数据等去预测城市范围内全局的机动车尾气浓度时空分布及其不确定性指标，然后以预测预测不确定性指标以及各条未布点路段与已布设节点路段固有特征差异性来联合优化选择新的地点建立机动车尾气排放监测节点。本发明在已部署监测节点的情况下能够找到最合适的位置去布设监测节点，以至于最大限度地提高尾气排放分布预测的准确性，适用于多阶段施工场景。

技术领域

本发明涉及一种基于主动时空图卷积的机动车排污监测节点部署方法，属于机动车尾气排放监测节点的部署技术领域，以提高城市路网中尾气排放时空分布预测可靠性为目标，根据图卷积神经网络与主动学习的相关理论，进行建模与求解，进而研究机动车尾气排放监测节点在城市交通路网中的选址布设问题。

背景技术

近几年来，我国机动车保有量急剧增涨，机动车行驶过程中排放的NOx、CO、HC、PMx等大量有害气体加重了城市空气污染，导致空气质量日益下降、雾霾天气日渐频发。此外，这些污染物还增加引发城市居民呼吸系统疾病、城市儿童交通病甚至癌症的患病风险，对城市居民的身体健康以及日常生活造成严重影响。机动车尾气污染治理的前提是对尾气污染物的有效监测，因此急需一些监测手段来量化在路机动车的尾气排放量。

移动污染源排放遥测系统能够在机动车正常行驶的过程中进行尾气排放监测，不会对其产生任何影响，能够取得更加准确的尾气监测结果。该系统由广泛分布于交通路网中的尾气遥测节点组成，每天通过这些站点的车辆数成千上万，其排放情况可以被实时监测。然而由于部署在城市交通路网中的监测节点的安装与维护成本高，其数量受到了经济预算的限制，因此对监测节点进行科学合理的部署是构建机动车尾气排放监测系统的关键。

发明内容

本发明要解决的技术问题：克服现有技术的不足，提供一种基于主动时空图卷积的机动车排污监测节点部署方法。

本发明技术解决方案：

步骤一：结构序列数据进行特征提取

借鉴注意力机制的思想对邻接矩阵进行处理，得到自适应邻接矩阵：

其中，A为邻接矩阵，I_N为单位矩阵，W_embed为一个可学习的嵌入矩阵，ο为逐元素相乘，ReLU为线性整流函数。

将自适应邻接矩阵送入图卷积网络，得到自适应图卷积网络，即为

其中，H^(l)为l^th层非线性变换输出，σ(·)为激活函数，H⁽⁰⁾＝X即特征输入。

自适应图卷积能够根据图结构以及各个节点的特征去自适应调节边的权重，能够学习到不同邻接节点带来的不同程度的影响，并且实现了端到端的学习。

将速度特征输入设定为交通路网邻接矩阵设定为A_S∈R^n×n，其中t,n,C_speed分别为时间步数、路段数量和速度特征维度。Att_speed是一个三维张量，以上的图卷积只能处理二维数据，在时间轴上共享参数，即每个时间戳上的都做相同的图卷积，所以速度特征经过一次图卷积运算后得到的特征映射为：

i∈{1,2,...,t}

其中，为图卷积核。