[发明专利]基于智能路灯的大气污染物溯源排查方法、终端及系统

权利要求书

1.一种基于智能路灯的大气污染物溯源排查方法，其特征在于：包括如下步骤：

步骤1、应用安装在智慧灯杆上的感知模块获取每个智慧灯杆周围的各类传感器数据，并赋予以时间戳和位置戳，构建基于智慧灯杆的分布式感知网络；

步骤2、每个智慧灯杆构建原始卷积神经网络模型，结合自身传感器数据对各自灯杆的卷积神经网络模型进行深度学习；

步骤3、应用基于深度学习的高斯修正模型对邻居智慧灯杆的传感器数据进行预测，获取并输出周边大气浓度及污染源预测信息；

步骤4、根据邻居传感器数据值更新自身卷积神经网络模型的训练权值，应用当前自身传感器数据对各自的卷积神经网络模型进行训练，并更新基于深度学习的高斯修正模型的内参数；

步骤5、重复执行步骤3至步骤4。

2.根据权利要求1所述的基于智能路灯的大气污染物溯源排查方法，其特征在于：所述传感器数据包括但不限于位置、时间、风速、风向、降雨、空气湿度、各类污染物浓度。

3.根据权利要求2所述的基于智能路灯的大气污染物溯源排查方法，其特征在于：所述基于深度学习的高斯修正模型的具体表示如下：

R_i＝(b,V_i,C_ij)，其中，R_i为智慧灯杆D_i与污染物扩散中心的相对距离，b＝(V_i,H_i,f)是基于深度学习的高斯修正模型内参数，V_i为智慧灯杆D_i检测的风速，H_i为智慧灯杆D_i检测的湿度，f为是否降雨，C_ij为智慧灯杆D_i检测的第j种污染物浓度，i、j均为正整数。

4.根据权利要求3所述的基于智能路灯的大气污染物溯源排查方法，其特征在于：根据如下公式计算单位时间内污染物排放量Q：

Q＝2πC_ij*V*σ_y*σ_z/{e^{^}(-y²/2σ_y²)*{e^[-(z-H)²/2σ_y²]+e^[-(z+H)²/2σ_z²]}}

其中，V为排放口处平均风速，σ_y为横向扩散系数，σ_z为垂直扩散系数，y为污染物扩散中心到下风方向的最近的灯杆的水平距离，z为y所要求的灯杆的离地高度，H为污染物扩散中心的高度。

5.根据权利要求3所述的基于智能路灯的大气污染物溯源排查方法，其特征在于：所述基于深度学习的高斯修正模型内参数b的初始值为历史大数据收集，训练过程中为动态更新的值，根据邻居传感器数据计算获取，并且在每完成一轮训练后，均获取距离最近的至少3个智慧灯杆的当前传感器数据进行验证。

6.一种基于智能路灯的大气污染物溯源排查终端，其特征在于：包括数据处理模块和通讯模块，所述数据处理模块执行权利要求1至5中任一项所述的大气污染物溯源排查方法；所述通讯模块用于实现数据交互。

7.一种基于智能路灯的大气污染物溯源排查系统，其特征在于：包括可视化平台和若干权利要求6所述的大气污染物溯源排查终端，其中，可视化平台作为中心服务器，大气污染物溯源排查终端作为子服务器；所述中心服务器与所有子服务器之间进行数据交互，每个子服务器均具有独立分析大气污染数据及与邻居子服务器进行自组网的功能。