[发明专利]一种出租车和公交车协同监测时确定出租车数量的方法有效
申请号: | 201980003740.1 | 申请日: | 2019-01-31 |
公开(公告)号: | CN111295572B | 公开(公告)日: | 2021-09-28 |
发明(设计)人: | 李丽;赵立健;刘一平;吴吉鹏;司书春;许军 | 申请(专利权)人: | 山东诺方电子科技有限公司;山东劳动职业技术学院(山东劳动技师学院);济南市环境保护网格化监管中心 |
主分类号: | G01D21/02 | 分类号: | G01D21/02;G08G1/01 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 250002 山东省济*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 出租车 公交车 协同 监测 确定 数量 方法 | ||
1.一种出租车和公交车协同监测时确定出租车数量的方法,所述方法以一个城市区域的交通路网为关注重点,通过给部分移动监测车安装大气污染检测设备,来实现对该城市区域的空气质量的监测;所述移动监测车包括出租车和公交车;所述方法包含如下步骤:
1)建立出租车检测次数曲线模型:
a)针对所述城市区域,将交通路网以路段单元为单位进行分解;建立并初始化各个路段单元的数据库;该数据库包含路段单元编号、路段单元位置信息、路段单元检测记录;
b)选择50辆搭载有定位系统的出租车,跟踪记录各出租车在不同路段单元的经过次数;同一辆出租车在一个连续的计时单元内的多次经过只按一次计数;
c)持续记录至少一周;将每天的统计数据累计后计算出日平均值;
d)以时间累计换出租车数量的方式,形成24小时内检测次数按路段单元的统计分布图;
2)建立各条公交线路检测次数曲线模型;所述公交线路检测次数曲线模型的横轴与出租车检测次数曲线模型的横轴一致;按照公交线路的运行计划,给相应的路段单元赋予检测次数数值;
3)将各条公交线路按照其覆盖的漏检路段单元的数量进行排序:
a)先选择一个覆盖范围初始值f0;循环变量初始值i=0
b)i=i+1;
c)确定覆盖的漏检路段单元最多的公交线路,排第i位;
d)计算排在第i位的公交线路所覆盖的漏检路段单元所对应的局部覆盖范围bi;
e)将覆盖范围f(i-1)减去局部覆盖范围bi,得到新的覆盖范围fi和新的漏检路段单元;新的漏检路段单元应当扣除排在前面的公交线路已经覆盖的漏检路段单元;
f)从剩余的公交线路中继续选择覆盖的漏检路段单元最多的公交线路,排在第i+1位;
g)重复步骤b)至f),直至排序结束;
4)按步骤3)的排序选择参与协同监测的公交线路;
5)确定期望指标的两个参数:覆盖范围f,预定检测次数;
6)对于每条选定的公交线路Bi,将其局部覆盖范围bi依次从覆盖范围f中减去,得到新的覆盖范围f’;
7)以新的覆盖范围f’和预定检测次数,从出租车检测次数曲线模型,寻找出刚好满足期望指标的曲线,得到出租车的额定数量C0。
2.如权利要求1所述的方法,其特征在于,所述的路段单元检测记录包含检测设备编号、移动监测车进入路段单元的时间、移动监测车经过该路段单元的累计经过次数;所述累计经过次数的初始值为“0”。
3.如权利要求1所述的方法,其特征在于,所述的路段单元的长度为100米或200米;所述的计时单元为15分钟、30分钟,或1个小时;所述的覆盖范围初始值f0的取值为70%~80%。
4.如权利要求1所述的方法,其特征在于,所述的出租车还包括网约车、租赁车辆、共享汽车。
5.如权利要求1至4之一所述的方法,其特征在于,所述的大气污染检测设备包括检测模块、主控模块和通讯模块;所述检测模块包含一种或多种大气污染物传感器单元;所述大气污染物传感器单元为以下传感器之一:PM1传感器、PM2.5传感器、PM10传感器、PM100传感器、氮氧化物传感器、O3传感器、SO2传感器、VOCs传感器或TVOC传感器。
6.如权利要求5所述的方法,其特征在于,所述检测模块包含至少两个同类子传感器单元组成传感器模组;所述子传感器单元工作在正常的工作频率;所述检测模块还包含至少一个与传感器模组同类的子传感器单元组成的低频校准模组;
所述传感器模组的工作频率与低频校准模组的工作频率的比率为:2:1,3:1,4:1,5:1,6:1,7:1,8:1,9:1,10:1,15:1,或者20:1。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东诺方电子科技有限公司;山东劳动职业技术学院(山东劳动技师学院);济南市环境保护网格化监管中心,未经山东诺方电子科技有限公司;山东劳动职业技术学院(山东劳动技师学院);济南市环境保护网格化监管中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201980003740.1/1.html,转载请声明来源钻瓜专利网。