[发明专利]一种道路扬尘模型的建模方法和装置

权利要求书

1.一种道路扬尘模型的建模方法，其特征在于：

步骤S11，选择道路样本，获取所述道路样本的道路属性数据；

步骤S12，在所述道路样本中设置监测设备以采集车辆排放数据、空气质量监测数据、交通状况数据，以及气象数据，从而得到原始训练数据；

其中，所述车辆排放数据表征汽车尾气排放数据，空气质量监测数据表征汽车尾气排放数据以及道路扬尘数据的总和，交通状况数据表征车流量、车辆类型以及车速；

所述原始训练数据包括所述道路属性数据、车辆排放数据、汽车尾气排放数据、空气质量监测数据、交通状况数据，以及气象数据；

步骤S21，利用所述交通状况数据中的车流量对所述空气质量监测数据进行归一化，并按照车辆类型以及车速对所述交通状况数据进行分类，从而获得分类后的归一化空气质量监测数据，将所述道路属性数据以及分类后的归一化空气质量监测数据作为道路类别分类模型的训练数据；

步骤S22，对该道路类别分类模型的训练数据进行聚类，并经过处理得到道路类别分类模型，该道路类别分类模型用于将道路属性与多个道路类别相关联；

步骤S23，为该多个道路类别中的每一个道路类别建立一个道路扬尘模型，具体地，首先选取从对应于所述一个道路类别的所述原始训练数据，从该原始训练数据中的空气质量检测数据中减去车辆排放数据，得到对应于所述一个道路类别的单纯由道路扬尘所引起的污染排放数据，将所述单纯由道路扬尘所引起的污染排放数据作为所述一个道路扬尘模型的输出，将对应于所述一个道路类别的所述交通状况数据作为所述道路扬尘模型的输入，训练并建立所述道路扬尘模型。

2.如权利要求1所述的方法，其特征在于，还包括步骤S13，对所述步骤S11和所述步骤S12中收集的道路属性数据、车辆排放数据、空气质量监测数据、交通状况数据，以及气象数据进行筛选，剔除其中发生在极端天气条件下的数据，从而得到所述原始训练数据。

3.如权利要求1所述的方法，其特征在于，所述车流量表示一定时间内通过的车辆数量，车辆类型指的是该一定时间内通过的车辆中大型车所占的数量比例。

4.如权利要求1所述的方法，其特征在于，所述车辆排放数据、空气质量监测数据、以及所述单纯由于道路扬尘所引起的污染排放数据，均包括PM2.5和NOX浓度数据，其中NOX浓度数据表示氮氧化物的排放物浓度。

5.如权利要求1所述的方法，其特征在于，所述道路属性数据包括道路的路宽、路质、道路所在区域、道路等级、车道数、有无绿化的信息。

6.如权利要求1所述的方法，其特征在于，所述气象数据包括风速、风向、温度、湿度的信息。

7.一种利用权利要求1-6任意一项所述的道路扬尘模型的建模方法所建立的道路类别分类模型来预测道路扬尘的方法，其特征在于：

选定要预测道路扬尘的道路，获取该道路的道路属性数据，将该道路的道路属性数据输入到所述道路类别分类模型中，获取该道路的道路类别，从而获得该道路所对应的所述道路扬尘模型，将该道路的交通状况数据输入该道路所对应的所述道路扬尘模型中，从而获得对该道路的道路扬尘的预测值。

8.如权利要求7所述的方法，其特征在于，该道路扬尘模型中还包括车辆尾气预测模型，从而该道路扬尘模型还可以预测该道路的总污染排放数据，该总污染排放数据为车辆尾气数据以及道路扬尘数据的综合；另外，该道路扬尘模型还可以预测来源于车辆尾气与道路扬尘的污染占比。