[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

说明书

本发明公开了基于智能路灯的大气污染物溯源排查方法、终端及系统，包括智慧灯杆感知模块、5G传输模块、模型推算模块、GIS可视化平台。智慧灯杆感知模块包括各类传感器，用于采集耦合经纬度坐标的大气污染传感信息；5G传输模块包括部署在智慧灯杆的通讯基站、同步时钟源与智能网关，用于传输统一时间戳的大气污染传感信息与经纬度坐标信息；模型推算模块用于构建基本风场模型；通过监测数据拟合污染物范围模型；推算污染物扩散中心；GIS可视化平台用于直观输出污染源三维位置。该自动检测算法可用于化工园区、公园、社区等不同场所的环境检测。能够快速对污染物进行定位，节约人力物力，保障环境安全。

技术领域

本发明属于环境监测装置领域，具体涉及一种基于智能路灯的大气污染物溯源排查方法、终端及系统。

背景技术

由于化工园区、公园、社区这些场所附近具有大量普通百姓，在发生事故时需要快速疏散，且在处理事故时对即时环境信息有着极高的要求，使用更灵活高效的装置和技术进行检测代替人工深入一线进行探查成为了亟待解决的重要问题。

现有的污染物检测系统大多需要依靠人力，现有的智能路灯大多只具有PM2.5等大气污染物的检测。而现有的救援机器人虽然功能较为完善，但是仍然需要提前对救援环境进行基本感知，功能也比较单一。

综上可知，现有技术在以上使用场景中存在一定的缺陷和不便，所以有必要加以改进。

发明内容

本发明所要解决的技术问题是：提供一种基于智能路灯的大气污染物溯源排查方法，解决了现有技术中区域性大气污染检测技术功能单一、速度慢且效率低的问题。

本发明为解决上述技术问题采用以下技术方案：

一种基于智能路灯的大气污染物溯源排查方法，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内参数；

步骤5、重复执行步骤3至步骤4。

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。

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。

根据如下公式计算单位时间内污染物排放量Q：