[发明专利]一种基于深度残差网络的交通尾气排放量预测方法

说明书

本发明涉及交通尾气排放量预测技术领域，提供一种基于深度残差网络的交通尾气排放量预测方法。首先，将待预测区域划分成网格区域；然后采集每个时间段内待预测区域的车辆GPS轨迹数据集、节假日状况及天气状况数据，计算每个时间段内每个网格的交通尾气排放量；接着构建节假日‑天气‑排放量样本集、最近时间样本集、邻近时间样本集、遥远时间样本集，并预处理各样本集；再构建基于深度残差网络的交通排放预测模型，并训练模型；最后利用训练后的交通排放预测模型对待预测时间段内每个网格的交通尾气排放量进行预测。本发明能够提高交通尾气排放量预测的准确性，且能够同时预测整个城市中每一个子区域的交通尾气排放量。

技术领域

本发明涉及交通尾气排放量预测技术领域，特别是涉及一种基于深度残差网络的交通尾气排放量预测方法。

背景技术

交通污染是空气污染的主要来源之一。随着我国经济的转型和城市化的发展，城市空气污染问题更加复杂化，城市空气污染的防治任务更加艰巨。并且由于城市机动车保有量的不断增加，交通污染日益成为城市大气污染中的主要源头。因此，交通排放预测对城市大气污染防治具有重要意义。

交通尾气是指发动机在汽油或柴油不完全燃烧过程中产生的有害污染物，主要包括氮氧化物、碳氢化合物、挥发性有机化合物、一氧化碳和颗粒物质等物质。其排放量的多少将会受到排放控制、发动机设计和车辆维护等因素的严重影响。交通污染物对人类健康和全球气候产生直接危害。大量医学研究表明，长期接触汽车废气可使呼吸系统免疫力下降，导致慢性气管炎、支气管炎及呼吸困难等发病率升高、肺功能降低，并影响人体的整体免疫功能，甚至会诱发癌变，对人体造成较严重伤害。除此之外，机动车生成的温室气体和经过二次化学反应形成的臭氧都会对全球的气候环境产生重要影响。

准确预测交通尾气排放量是治理城市空气污染的关键要素。随着城市机动车保有量的快速增加，交通尾气排放预测问题已经引起了国内外学者的广泛关注，同时预测方法也在不断地优化。然而现有的交通尾气排放量预测方法侧重于对未来城市交通排放清单的构建，或者侧重于不同工况和路况下的交通排放预测，其预测准确性低，且不能够同时预测整个城市中每一个子区域的交通尾气排放量。

发明内容

针对现有技术存在的问题，本发明提供一种基于深度残差网络的交通尾气排放量预测方法，能够提高交通尾气排放量预测的准确性，且能够同时预测整个城市中每一个子区域的交通尾气排放量。

本发明的技术方案为：

一种基于深度残差网络的交通尾气排放量预测方法，其特征在于，包括下述步骤：

步骤1：将待预测区域划分成网格区域

其中，A_ij为网格区域中第i行第j列的网格，i∈{1,2,...,I}，j∈{1,2,...,J}，网格区域中的每个网格均为正方形且面积相等；

步骤2：采集第t个时间段内待预测区域的车辆GPS轨迹数据构成车辆GPS轨迹数据集并采集第t个时间段内待预测区域的节假日状况数据H_t、天气状况数据G_t；

其中，t∈{1,2,...,T}，T为采集数据的时间段总数，每个时间段的时间长度均为Δth；p_tl为第t个时间段内第l条车辆GPS轨迹数据，l∈{1,2,...,L_t}，L_t为第t个时间段内车辆GPS轨迹总数；g_tlk为第t个时间段内第l条车辆GPS轨迹中第k个点的地理空间坐标，k∈{1,2,...,K_tl}，K_tl为第t个时间段内第l条车辆GPS轨迹中的总点数；

步骤3：根据车辆GPS轨迹数据集P_t，计算第t个时间段内每个网格A_ij的交通流量为计算第t个时间段内每个网格A_ij的交通尾气排放量为