[发明专利]一种道路扬尘模型的建模方法和装置

说明书

一种道路扬尘模型的建模方法和装置、预测道路扬尘的方法和装置、电子设备以及计算机可读存储介质，能够更加准确地预测道路扬尘。按照道路类型聚类得到道路类别分类模型，对于每一种道路类别，利用路测设备获得仅有道路扬尘因素引起的道路扬尘污染数据，分别训练道路扬尘模型，在预测时，将道路属性数据输入道路类别分类模型，得到道路类别，进而利用对应的道路扬尘模型，进行道路扬尘数据的预测。

技术领域

本发明涉及道路扬尘模型的建模方法以及利用扬尘模型来预测污染的方法和装置。

背景技术

大气污染按污染物质的来源可分为天然污染源和人为污染源，通过对主要大气污染物的分类统计分析，人为污染源又可以划分为三大来源：①燃料燃烧；②工业生产过程；③交通运输。前两类污染源统称为固定源，交通+运输工具（机动车、火车、飞机等）则称为移动源。其中，交通运输源中的一个主要来源之一是机动车，这一类污染实际上是可以被细分为机动车尾气排放与机动车行驶中导致的道路扬尘两大污染来源的。

目前对交通源进行的分析中，主要使用不同的道路扩散模型如ADAMS，CALINE等模型进行分析。

基于这些模型的对交通源或宏观或微观的分析，不是未曾考虑道路本身造成的影响，就是简单的使用道路等级衡量道路影响，然而无论是基于国道，省道等的道路等级，还是基于干路，支路的道路等级，都无法良好的体现道路作为污染源的确切影响。模型对于道路扬尘的预测精确度较低。

发明内容

提供了一种道路扬尘模型的建模方法，能够更加准确地预测道路扬尘。按照道路类型聚类得到道路类别分类模型，对于每一种道路类别，利用路测设备获得仅有道路扬尘因素引起的道路扬尘污染数据，分别训练道路扬尘模型，在预测时，将道路属性数据输入道路类别分类模型，得到道路类别，进而利用对应的道路扬尘模型，进行道路扬尘数据的预测。

道路扬尘模型的建模方法包括：

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。

还包括步骤S13，对步骤S11和步骤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。