本發(fā)明涉及城市空氣質(zhì)量監(jiān)測(cè)智能選點(diǎn)和評(píng)估領(lǐng)域，尤其涉及一種基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估系統(tǒng)及方法。
背景技術(shù)：
：細(xì)顆粒物濃度的監(jiān)測(cè)和實(shí)時(shí)更新是一項(xiàng)非常重要的工作，在不同季節(jié)合理地布設(shè)監(jiān)測(cè)節(jié)點(diǎn)，不僅有利于環(huán)保部門隨時(shí)掌握大氣顆粒物濃度的時(shí)空分布特點(diǎn)做出及時(shí)的應(yīng)對(duì)策略，同時(shí)也有利于環(huán)保部門對(duì)前期治理工作是否取得有效成果做出合理的評(píng)估，為進(jìn)一步研究空氣污染根源提供基礎(chǔ)。然而目前我國(guó)大氣環(huán)境監(jiān)測(cè)網(wǎng)模式單一，傳統(tǒng)基站式的城市空氣監(jiān)測(cè)站的建設(shè)和維護(hù)成本高昂，一個(gè)城市通常只有有限個(gè)固定站點(diǎn)，并不能完全覆蓋整個(gè)城市的范圍，也不能適應(yīng)不同季節(jié)顆粒物濃度空間分布不同的狀況，很難做到準(zhǔn)確評(píng)估整個(gè)城市的環(huán)境污染情況。目前，瑞士蘇黎世州首府蘇黎世政府已經(jīng)將O3/PM2.5/PM10移動(dòng)傳感器盒子安裝到移動(dòng)電車上參與環(huán)境臭氧和顆粒物實(shí)時(shí)監(jiān)測(cè)，同時(shí)他們還提出了移動(dòng)傳感監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)、實(shí)施和評(píng)價(jià)，與傳統(tǒng)固定式空氣污染監(jiān)測(cè)站相比，它基于現(xiàn)成的組件，適合于大量的人使用的小型便攜式測(cè)量系統(tǒng)——采用連接一個(gè)小型的低成本的臭氧傳感器連接到運(yùn)行安卓系統(tǒng)的現(xiàn)成智能手機(jī)上進(jìn)行臭氧的監(jiān)測(cè)。近年來(lái)深圳有研究團(tuán)隊(duì)提出了基于出租車的移動(dòng)傳感監(jiān)測(cè)系統(tǒng)Gotcha用來(lái)監(jiān)測(cè)細(xì)粒度空氣質(zhì)量，研究過(guò)程中在深圳出租車上安裝氣體傳感器監(jiān)測(cè)城市細(xì)粒度空氣質(zhì)量，監(jiān)測(cè)數(shù)據(jù)通過(guò)無(wú)線wife傳輸?shù)椒?wù)器，再通過(guò)網(wǎng)絡(luò)傳輸?shù)接脩?，但是他們沒有結(jié)合智能選點(diǎn)方法，工作量和數(shù)據(jù)量過(guò)大，可操作性小。技術(shù)實(shí)現(xiàn)要素：為了克服現(xiàn)有技術(shù)存在的缺點(diǎn)與不足，本發(fā)明提供一種基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估系統(tǒng)及方法，能夠充分利用車聯(lián)網(wǎng)的機(jī)動(dòng)靈活性和信息采集、傳輸?shù)母咝Х€(wěn)定性，在現(xiàn)有國(guó)控監(jiān)測(cè)站點(diǎn)的基礎(chǔ)上結(jié)合組合優(yōu)化算法進(jìn)行智能選點(diǎn)(精度達(dá)到1.5km1.5km)，從而實(shí)現(xiàn)用最少的監(jiān)測(cè)車載點(diǎn)獲得最大范圍的可靠代表性數(shù)據(jù)。為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估系統(tǒng)，包括車載終端和服務(wù)器端，其中所述車載終端用于周期性地采集環(huán)境中污染濃度信息，按照命令周期性地上傳相關(guān)信息到服務(wù)器端；所述服務(wù)器端采用改進(jìn)的遺傳算法，根據(jù)不同季節(jié)數(shù)據(jù)源進(jìn)行多目標(biāo)組合優(yōu)化選點(diǎn)，選取對(duì)應(yīng)季節(jié)最優(yōu)車載點(diǎn)位置，做到不同季節(jié)合理地布設(shè)車載監(jiān)測(cè)點(diǎn)；所述服務(wù)器端用于周期性地向處于優(yōu)選位置的車載終端發(fā)送采集命令，并接收車載終端上傳的污染物濃度等信息；所述服務(wù)器端用于將接收的污染物濃度信息存儲(chǔ)到對(duì)應(yīng)數(shù)據(jù)庫(kù)中，結(jié)合國(guó)控監(jiān)測(cè)站同時(shí)段污染物濃度信息對(duì)研究區(qū)域的整體空氣質(zhì)量進(jìn)行評(píng)估，并周期性地將評(píng)估結(jié)果發(fā)送給車載終端；所述車載終端包括：用于采集車輛狀態(tài)信息和周圍環(huán)境污染物濃度數(shù)據(jù)的數(shù)據(jù)采集模塊，用于控制協(xié)調(diào)各模塊的ARM嵌入式主控模塊，用于提供給用戶進(jìn)行人機(jī)交互的可視化車載終端APP，用于與服務(wù)器端進(jìn)行通信的3G模塊，以及用于接入互聯(lián)網(wǎng)的接入模塊；所述服務(wù)器端包括：用于使用遺傳算法優(yōu)選不同季節(jié)車載點(diǎn)位置的第一子系統(tǒng)單元，用于評(píng)估研究區(qū)域的整體空氣質(zhì)量的第二子系統(tǒng)單元，以及用于各種交互信息和污染物濃度數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)庫(kù)服務(wù)子系統(tǒng)單元。本發(fā)明另一目的是提供一種基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估方法，包括如下步驟：S1、服務(wù)器端選取最優(yōu)車載終端監(jiān)測(cè)點(diǎn)；S2、服務(wù)器端發(fā)送采集命令給相應(yīng)的車載終端；S3、根據(jù)采集命令，車載終端采集環(huán)境中污染濃度信息，然后把污染濃度信息以及車載點(diǎn)的位置信息發(fā)送給服務(wù)器端；S4、服務(wù)器端獲取現(xiàn)有國(guó)控監(jiān)測(cè)站的實(shí)時(shí)污染濃度信息；S5、服務(wù)器端根據(jù)步驟S3-S4發(fā)送的信息進(jìn)行區(qū)域空氣質(zhì)量整體評(píng)估，將評(píng)估結(jié)果發(fā)送給車載終端；S6、車載終端接收服務(wù)器端發(fā)送的區(qū)域空氣質(zhì)量評(píng)估結(jié)果，相應(yīng)地顯示在APP上。進(jìn)一步地，所述步驟S1中選取最優(yōu)車載終端監(jiān)測(cè)點(diǎn)，具體步驟為：S11、獲取研究區(qū)域典型季節(jié)PM2.5的CMAQ模式的網(wǎng)格數(shù)據(jù)并進(jìn)行預(yù)處理；S12、服務(wù)器端獲取公里網(wǎng)格人口分布數(shù)據(jù)并進(jìn)行預(yù)處理；S13、獲取現(xiàn)有國(guó)控監(jiān)測(cè)站PM2.5濃度的相同時(shí)間段的歷史數(shù)據(jù)；S14、根據(jù)S11-S13獲取的數(shù)據(jù)，服務(wù)器端對(duì)車載終端監(jiān)測(cè)點(diǎn)進(jìn)行建模；S15、對(duì)于優(yōu)化的車載監(jiān)測(cè)點(diǎn)的模型，采用改進(jìn)的遺傳算法進(jìn)行選取最優(yōu)車載終端監(jiān)測(cè)點(diǎn)。進(jìn)一步地，所述步驟S11，使用反距離加權(quán)平均法對(duì)PM2.5的網(wǎng)格數(shù)據(jù)進(jìn)行處理，且插值精度為1.5km×1.5km，其公式為：其中，是待插值點(diǎn)(x,y)與其領(lǐng)域內(nèi)點(diǎn)(xi,yi)的水平距離；i＝1、2、…、n，di≤R，R為搜索半徑；p為加權(quán)冪指數(shù)且是一個(gè)大于0的常數(shù)。進(jìn)一步地，所述步驟S12，預(yù)處理公里網(wǎng)格人口分布數(shù)據(jù)，先提取非零網(wǎng)格點(diǎn)人口數(shù)據(jù)，然后使用反距離加權(quán)平均法處理人口數(shù)據(jù)，且插值精度為1.5km×1.5km，具體公式為：其中，是待插值點(diǎn)(x,y)與其領(lǐng)域內(nèi)點(diǎn)(xi,yi)的水平距離；i＝1、2、…、n，di≤R，R為搜索半徑；p為加權(quán)冪指數(shù)且是一個(gè)大于0的常數(shù)。進(jìn)一步地，所述步驟S14中建模的具體為：包括目標(biāo)函數(shù)和限制條件；所述目標(biāo)函數(shù)表達(dá)式如下：其中，N為研究區(qū)域所有網(wǎng)格數(shù)量；Pi為網(wǎng)格i的人口數(shù)量；T為研究時(shí)間段；V為選出的最優(yōu)點(diǎn)集合；Di為網(wǎng)格i中污染物周期T內(nèi)的超標(biāo)頻率；Cit為在t時(shí)刻網(wǎng)格i中PM2.5實(shí)際濃度，切為CMAQ模式條件下的值；Mit為在t時(shí)刻，國(guó)控監(jiān)測(cè)站歷史數(shù)據(jù)和優(yōu)選點(diǎn)處車載監(jiān)測(cè)值；所述限制條件表達(dá)式如下：其中，m為廣州市國(guó)控監(jiān)測(cè)站數(shù)量；n為每次選取優(yōu)化點(diǎn)數(shù)量；N為研究區(qū)域內(nèi)所有網(wǎng)格數(shù)量；T為研究時(shí)間段；dit為t時(shí)刻國(guó)控監(jiān)測(cè)站的PM2.5歷史數(shù)據(jù)；Cit為在t時(shí)刻網(wǎng)格i中PM2.5實(shí)際濃度；Percent(U,pi)為使用研究區(qū)域內(nèi)所有插值后CMAQ模式數(shù)據(jù)計(jì)算得到的第p百分位數(shù)；Pi分別取30,50,80,90，i＝1,2,3,4；K為最大監(jiān)測(cè)站數(shù)量；進(jìn)一步地，所述步驟S15中的遺傳算法，具體為：S161、產(chǎn)生初始種群；S162、計(jì)算初始種群中所有個(gè)體染色體的適應(yīng)度值和目標(biāo)函數(shù)值；S163、將種群中適應(yīng)度值最大的染色體個(gè)體保留為SBest；S164、分別執(zhí)行選擇算子、交叉算子和變異算子；S165、對(duì)產(chǎn)生的新種群個(gè)體分別計(jì)算適應(yīng)度值，并保留當(dāng)前種群適應(yīng)度值最大個(gè)體為S；S166、對(duì)比歷史最優(yōu)個(gè)體SBest與當(dāng)前種群最優(yōu)個(gè)體S的適應(yīng)度值，若fitness(S)>fitness(SBest)，則執(zhí)行SBest＝S；否則不替換；S167、判斷是否滿足設(shè)置的終止條件，若不滿足終止條件，則重復(fù)步驟S164-S166，所述設(shè)置的終止條件包括達(dá)到最大遺傳代數(shù)；S168、返回最優(yōu)個(gè)體SBest。進(jìn)一步地，所述改進(jìn)的遺傳算法包括初始種群的產(chǎn)生方式的改進(jìn)，步驟如下：(1)、將解空間劃分為K個(gè)子空間；(2)、量化每個(gè)子空間，運(yùn)用均勻數(shù)組或者正交數(shù)組選擇M個(gè)染色體；(3)、將M×K個(gè)染色體個(gè)體按適應(yīng)度值大小排序，求平均適應(yīng)度值＝T，T作為閾值，選擇適應(yīng)度值大于閾值的個(gè)體；(4)、對(duì)大于閾值的所有個(gè)體，計(jì)算廣義海明距離，海明距離R<L/2時(shí)認(rèn)為兩個(gè)體具有相似性，以最高適應(yīng)度值為模板，去除相似個(gè)體；(5)、重復(fù)步驟(4)，逐次以適應(yīng)度值高的個(gè)體作為模板，選擇不同模板的個(gè)體組成初始種群；(6)、判斷是否達(dá)到種群規(guī)模N，如果滿足N,則進(jìn)行選擇、交叉、變異等算子操作；否則重復(fù)第(5)步，如果不能得到群體的規(guī)模，則去除的個(gè)體按適應(yīng)度值大小排序補(bǔ)足群體所缺數(shù)量，直到形成初始種群。進(jìn)一步地，所述改進(jìn)的遺傳算法包括交叉算子的改進(jìn)，具體為：采用在相同父母的情況下，預(yù)先加入兄弟間的競(jìng)爭(zhēng)擇優(yōu)機(jī)制，具體方式為將參與交叉的每對(duì)染色體都分別進(jìn)行n次交叉，產(chǎn)生2n個(gè)不同的個(gè)體，選出其中一個(gè)適應(yīng)度值最大的個(gè)體送入子代個(gè)體中；反復(fù)隨機(jī)選擇父母對(duì)，直到生成設(shè)定子代個(gè)數(shù)為止。進(jìn)一步地，所述步驟S15，后面還包括步驟S16、對(duì)優(yōu)選車載點(diǎn)和現(xiàn)有國(guó)控監(jiān)測(cè)點(diǎn)的綜合監(jiān)測(cè)效果進(jìn)行評(píng)估，分別計(jì)算分級(jí)檢測(cè)準(zhǔn)確率；其具體過(guò)程為：S71、利用所有的最優(yōu)組合車載點(diǎn)和政府監(jiān)測(cè)站點(diǎn)處污染物濃度值進(jìn)行插值作為區(qū)域預(yù)測(cè)值，插值精度為1.5km×1.5km，根據(jù)插值后每個(gè)網(wǎng)格濃度求出對(duì)應(yīng)的等級(jí)pred；S72、根據(jù)所有網(wǎng)格的CMAQ模擬數(shù)據(jù)求出每個(gè)網(wǎng)格對(duì)應(yīng)的實(shí)際濃度等級(jí)actl；S73、判斷相同網(wǎng)格的等級(jí)pred＝actl是否成立，若pred＝actl成立，則將對(duì)應(yīng)網(wǎng)格的人口數(shù)量累加到sum，最后分級(jí)監(jiān)測(cè)準(zhǔn)確率p＝sum/total；若pred＝actl不成立，則不執(zhí)行對(duì)應(yīng)網(wǎng)格的人口數(shù)量累加到sum；其中，total表示研究區(qū)總?cè)丝跀?shù)量。采用上述技術(shù)方案后，本發(fā)明至少具有如下有益效果：(1)本發(fā)明理論與實(shí)際相結(jié)合，不僅在理論上實(shí)現(xiàn)了優(yōu)化布點(diǎn)，在現(xiàn)有國(guó)控監(jiān)測(cè)站基礎(chǔ)上以最少監(jiān)測(cè)站數(shù)量達(dá)到最大監(jiān)測(cè)效果，提高了空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)的可靠性，而且在實(shí)際操作過(guò)程中將PM2.5傳感器集成到車聯(lián)網(wǎng)車載系統(tǒng)中實(shí)現(xiàn)細(xì)小顆粒物的實(shí)時(shí)監(jiān)測(cè)，充分利用車聯(lián)網(wǎng)車載系統(tǒng)的機(jī)動(dòng)靈活性和信息采集、傳輸?shù)母咝Х€(wěn)定性，極大地節(jié)約了有限的人力物力。(2)本發(fā)明采用了改進(jìn)的遺傳算法，與傳統(tǒng)的遺傳算法相比而言，該方法解決了遺傳算法對(duì)初始種群表現(xiàn)敏感容易陷入早熟的問(wèn)題和單點(diǎn)產(chǎn)生的子代的適應(yīng)度值很有可能比父代的適應(yīng)度值還小的問(wèn)題，提高了優(yōu)選點(diǎn)的可靠性和準(zhǔn)確性。(3)本發(fā)明根據(jù)不同季節(jié)細(xì)小顆粒物濃度空間分布不同的實(shí)際情況，采用不同的優(yōu)化布點(diǎn)方案，極大地提高了監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性和可靠性，證明了該方法具有普遍適用性。附圖說(shuō)明圖1是本發(fā)明基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估系統(tǒng)及方法的研究技術(shù)路線圖；圖2是本發(fā)明評(píng)估系統(tǒng)的車聯(lián)網(wǎng)車載單元系統(tǒng)結(jié)構(gòu)圖；圖3是本發(fā)明評(píng)估方法的流程圖；圖4(a)、圖4(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝20；圖5(a)、圖5(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝40；圖6(a)、圖6(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝60；圖7(a)、圖7(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝80；圖8(a)、圖8(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝100；圖9(a)、圖9(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝120；圖10(a)、圖10(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝140；圖11(a)、圖11(b)是廣州市PM2.5車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)圖和適應(yīng)度值變化圖，優(yōu)選點(diǎn)數(shù)n＝180；圖12是本發(fā)明基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的空氣質(zhì)量評(píng)估不同數(shù)量?jī)?yōu)選點(diǎn)對(duì)應(yīng)的等級(jí)檢測(cè)準(zhǔn)確率變化圖。具體實(shí)施方式需要說(shuō)明的是，在不沖突的情況下，本申請(qǐng)中的實(shí)施例及實(shí)施例中的特征可以相互結(jié)合，下面結(jié)合附圖和具體實(shí)施例對(duì)本申請(qǐng)作進(jìn)一步詳細(xì)說(shuō)明。實(shí)施例本發(fā)明是一種基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的城市空氣質(zhì)量評(píng)估系統(tǒng)，該系統(tǒng)中優(yōu)選車載監(jiān)測(cè)點(diǎn)具體研究技術(shù)路線圖如圖1所示，包含如下步驟：1、本發(fā)明從廣東省氣象局申請(qǐng)獲得廣州市2015年2月8日PM2.5CMAQ每小時(shí)模擬數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)源，廣州市現(xiàn)有國(guó)控監(jiān)測(cè)站2015年2月8日PM2.5每小時(shí)歷史數(shù)據(jù)從中華人民共和國(guó)環(huán)境保護(hù)部數(shù)據(jù)中心申請(qǐng)獲得，廣州市公里網(wǎng)格人口分布數(shù)據(jù)從中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心申請(qǐng)獲得作為仿真數(shù)據(jù)源。2、分別對(duì)廣州市PM2.5CMAQ模擬數(shù)據(jù)和廣州市公里網(wǎng)格人口分布數(shù)據(jù)做預(yù)處理，預(yù)處理方式為：將精度為3km×3km網(wǎng)格的廣州市PM2.5CMAQ模擬數(shù)據(jù)使用反距離加權(quán)平均法(Shepard方法)插值，插值精度為1.5km×1.5km。對(duì)廣州市公里網(wǎng)格人口分布數(shù)據(jù)提取非零網(wǎng)格數(shù)據(jù)，使用和CMAQ模式值相同的插值方式，插值精度為1.5km×1.5km。反距離加權(quán)平均法(Shepard方法)公式如下：其中，是待插值點(diǎn)(x,y)與其領(lǐng)域內(nèi)點(diǎn)(xi,yi)的水平距離，i＝1,2…n，p是一個(gè)大于0的常數(shù)，稱為加權(quán)冪指數(shù)，研究過(guò)程中采用p＝1；(di≤R,R為搜索半徑)。在車聯(lián)網(wǎng)系統(tǒng)中集成PM2.5傳感器模塊用來(lái)監(jiān)測(cè)空氣PM2.5濃度，車載單元系統(tǒng)結(jié)構(gòu)圖如圖2所示。3、將研究區(qū)域廣州市進(jìn)行網(wǎng)格化處理，精度為1.5km×1.5km。4、對(duì)基于車聯(lián)網(wǎng)的車載監(jiān)測(cè)點(diǎn)優(yōu)化布點(diǎn)進(jìn)行建模，步驟如下：⑴構(gòu)建目標(biāo)函數(shù)，包含如下：①覆蓋人群最大原則由于環(huán)境監(jiān)測(cè)的目的在于服務(wù)廣大市民，所以最優(yōu)車載監(jiān)測(cè)點(diǎn)的覆蓋區(qū)域應(yīng)該包含盡可能多的對(duì)PM2.5敏感的人群。由于很難獲得具體的敏感人群分布數(shù)據(jù)，所以本研究實(shí)施過(guò)程中僅考慮廣州市常住人口分布數(shù)據(jù)，數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，基于國(guó)家統(tǒng)計(jì)局第6次人口普查數(shù)據(jù)。通過(guò)該原則，使得最優(yōu)車載點(diǎn)位布設(shè)中更加注重人口密集區(qū)，從而在人口比較多的地區(qū)布設(shè)更多的車載監(jiān)測(cè)點(diǎn)位。公式如下：其中，N：研究區(qū)域所有網(wǎng)格數(shù)量；Pi:網(wǎng)格i的人口數(shù)量；②最高污染物濃度的監(jiān)測(cè)能力最大化通過(guò)設(shè)置該原則，可以提高地區(qū)早期空氣質(zhì)量的預(yù)警能力，這個(gè)越大對(duì)應(yīng)于污染物濃度越高，那么地區(qū)達(dá)到啟動(dòng)早期空氣質(zhì)量預(yù)警系統(tǒng)的閾值可能性越大。公式如下：其中，N：研究區(qū)域所有網(wǎng)格數(shù)量；Cit:t時(shí)刻，網(wǎng)格i中PM2.5實(shí)際濃度，研究中使用CMAQ模式值(精度為3km*3km)進(jìn)行插值為1.5km*1.5km精度后網(wǎng)格i中PM2.5濃度值；T：研究時(shí)間段；③監(jiān)測(cè)超標(biāo)的能力最大化污染物超標(biāo)頻率反應(yīng)了一個(gè)地區(qū)的污染狀況，超標(biāo)頻率越大，污染越是嚴(yán)重，通過(guò)該原則的設(shè)置，可以使優(yōu)選車載點(diǎn)更加重注污染物濃度頻繁超標(biāo)的區(qū)域，從而更加及時(shí)地掌握該區(qū)域污染情況做出及時(shí)地應(yīng)對(duì)策略，同時(shí)還可以更好地反映當(dāng)?shù)匚廴驹?工業(yè)污染源、生活污染源等)對(duì)當(dāng)?shù)丨h(huán)境的影響程度，公式如下：其中，N：研究區(qū)域所有網(wǎng)格數(shù)量；Di:網(wǎng)格i中污染物周期T內(nèi)的超標(biāo)頻率，本研究使用1.5km*1.5km精度插值后CMAQ模擬值超標(biāo)頻率；④預(yù)測(cè)值與實(shí)際值偏差最小原則利用最優(yōu)車載點(diǎn)位上的CMAQ數(shù)據(jù)和國(guó)控監(jiān)測(cè)站歷史數(shù)據(jù)通過(guò)反距離加權(quán)平均法進(jìn)行插值得到的污染物濃度空間分布信息(預(yù)測(cè)值)與實(shí)際污染物濃度空間分布信息(本實(shí)施使用CMAQ模式值)的偏差最小。通過(guò)使用該原則可以在不同季節(jié)合理地布設(shè)監(jiān)測(cè)車載節(jié)點(diǎn)，使最優(yōu)車載點(diǎn)和現(xiàn)有國(guó)控監(jiān)測(cè)站的監(jiān)測(cè)數(shù)據(jù)能夠最大程度的反映研究區(qū)域的污染物濃度空間分布信息和特點(diǎn)，從而使最優(yōu)車載點(diǎn)能夠最大程度的協(xié)助現(xiàn)有國(guó)控監(jiān)測(cè)站反映研究區(qū)域的實(shí)際濃度水平，隨時(shí)掌握大氣顆粒物濃度的時(shí)空分布特點(diǎn)做出及時(shí)的應(yīng)對(duì)策略，公式如下：其中，N：研究區(qū)域所有網(wǎng)格數(shù)量；Cit:t時(shí)刻，網(wǎng)格i中PM2.5實(shí)際濃度，研究中使用CMAQ模式值(精度為3km×3km)進(jìn)行插值為1.5km×1.5km精度后網(wǎng)格i中PM2.5濃度值；Mit：t時(shí)刻，國(guó)控監(jiān)測(cè)站處歷史數(shù)據(jù)和優(yōu)選車載點(diǎn)處監(jiān)測(cè)值(研究中使用優(yōu)選點(diǎn)處CMAQ模式值代替)進(jìn)行1.5km×1.5km精度插值后的網(wǎng)格i中PM2.5預(yù)測(cè)濃度；T：研究時(shí)間段。綜上分析，將研究區(qū)域進(jìn)行1.5km×1.5km網(wǎng)格化后的網(wǎng)格數(shù)量為N，優(yōu)化布點(diǎn)所考慮的時(shí)間段為T，優(yōu)選車載點(diǎn)集合為V，本實(shí)施的目標(biāo)函數(shù)如下：⑵構(gòu)建限制條件，包含如下：①算術(shù)平均值相對(duì)誤差在10％以內(nèi)根據(jù)《環(huán)境空氣質(zhì)量監(jiān)測(cè)規(guī)范》(試行)點(diǎn)位設(shè)置規(guī)范要求，所有的優(yōu)選車載點(diǎn)和現(xiàn)有國(guó)控監(jiān)測(cè)點(diǎn)的污染物濃度計(jì)算獲得的算術(shù)平均值應(yīng)該代表研究區(qū)域污染物濃度的總體平均值，區(qū)域總體平均值可用該區(qū)域加密網(wǎng)格點(diǎn)(單個(gè)網(wǎng)格應(yīng)不大于2千米×2千米)實(shí)測(cè)或模擬值計(jì)算的算術(shù)平均值作為其估計(jì)值(本實(shí)施采用的是研究區(qū)域CMAQ模式值計(jì)算獲得的算術(shù)平均值作為區(qū)域總體平均值)，該估計(jì)值與所有的優(yōu)選車載點(diǎn)和現(xiàn)有國(guó)控監(jiān)測(cè)點(diǎn)的污染物濃度計(jì)算獲得的算術(shù)平均值的相對(duì)誤差應(yīng)該保持在10％以內(nèi)，公式如下：其中，m為廣州市國(guó)控監(jiān)測(cè)站數(shù)量；n為每次選取優(yōu)化點(diǎn)數(shù)量；N為研究區(qū)域內(nèi)所有網(wǎng)格數(shù)量；T為研究時(shí)間段；dit為t時(shí)刻國(guó)控監(jiān)測(cè)站的PM2.5歷史數(shù)據(jù)；Cit為t時(shí)刻，網(wǎng)格i中PM2.5實(shí)際濃度，研究中使用CMAQ模式值預(yù)處理后網(wǎng)格i中PM2.5濃度值；②30,50,80,90百分位數(shù)的相對(duì)誤差在15％以內(nèi)根據(jù)《環(huán)境空氣質(zhì)量監(jiān)測(cè)規(guī)范》(試行)點(diǎn)位設(shè)置規(guī)范要求，用該區(qū)域加密網(wǎng)格點(diǎn)(單個(gè)網(wǎng)格應(yīng)不大于2千米×2千米)實(shí)測(cè)值或模擬值計(jì)算的算術(shù)平均值作為區(qū)域總體平均值計(jì)算出30、50、80和90百分位數(shù)的估計(jì)值(本實(shí)施采用的是研究區(qū)域CMAQ模式值計(jì)算獲得的算術(shù)平均值作為區(qū)域總體平均值)；用所有的優(yōu)選車載點(diǎn)和現(xiàn)有國(guó)控監(jiān)測(cè)點(diǎn)在同一時(shí)間段內(nèi)的大氣污染物的濃度算術(shù)平均值計(jì)算出的30、50、80和90百分位數(shù)與上述的那些估計(jì)值做比較的時(shí)候時(shí)，各百分位數(shù)的相對(duì)誤差在15％以內(nèi)，公式如下：其中，Percent(W,pi)為使用國(guó)控監(jiān)測(cè)站歷史數(shù)據(jù)和優(yōu)選車載監(jiān)測(cè)點(diǎn)處CMAQ數(shù)據(jù)計(jì)算得到的第p百分位數(shù)；Percent(U,pi)為使用研究區(qū)域內(nèi)所有插值后CMAQ模式數(shù)據(jù)計(jì)算得到的第p百分位數(shù)；pi分別取30,50,80,90；i＝1,2,3,4；第p百分位數(shù)計(jì)算步驟如下(以Percent(U,pi)計(jì)算為例)：第一步，對(duì)集合U中所有數(shù)據(jù)按照升序從小到大排列，Uj代表排序后數(shù)列中第j個(gè)數(shù)，其中j＝1,2…n,n為集合中所有數(shù)據(jù)的個(gè)數(shù)；第二步，求第Pi百分位數(shù)的具體位置下標(biāo)k，計(jì)算公式如下：k＝pi％×(n+1)＝x+y其中，x為k的整數(shù)部分，y為k的小數(shù)部分；第三步，計(jì)算第pi百分位數(shù)公式如下：Percent(U,pi)＝Ux+y(Ux+1-Ux)③設(shè)置不同車載點(diǎn)數(shù)量本實(shí)施過(guò)程中通過(guò)設(shè)置優(yōu)選不同的車載點(diǎn)數(shù)量的情況下進(jìn)行車載點(diǎn)位置的選擇，以期達(dá)到在車載點(diǎn)數(shù)量一定的條件下使車載監(jiān)測(cè)數(shù)據(jù)最大限度的協(xié)助現(xiàn)有國(guó)控監(jiān)測(cè)站數(shù)據(jù)來(lái)反映研究區(qū)域的污染物濃度信息和特征，通過(guò)對(duì)比不同分級(jí)檢測(cè)準(zhǔn)確率下車載點(diǎn)的數(shù)量來(lái)決定需要達(dá)到的監(jiān)測(cè)效果條件下最少需要車載點(diǎn)的數(shù)量，從而可以在有效的減少車載點(diǎn)的個(gè)數(shù)的同時(shí)兼顧監(jiān)測(cè)效果，公式如下：其中，K為車載監(jiān)測(cè)點(diǎn)設(shè)置數(shù)量，K分別取20,40,60,80,100,120,140,180；綜上分析，將研究區(qū)域進(jìn)行1.5km×1.5km網(wǎng)格化后的網(wǎng)格數(shù)量為N，優(yōu)化布點(diǎn)所考慮的時(shí)間段為T，車載點(diǎn)數(shù)量設(shè)置為K，本實(shí)施的限制條件如下：5、采用改進(jìn)的遺傳算法對(duì)研究區(qū)域進(jìn)行車載監(jiān)測(cè)點(diǎn)優(yōu)化選點(diǎn)，不同車載點(diǎn)數(shù)量情況下選點(diǎn)分布圖如圖4-圖11所示，遺傳算法步驟如下：①產(chǎn)生初始種群；②計(jì)算種群中所有個(gè)體染色體的適應(yīng)度值和目標(biāo)函數(shù)值；③將種群中適應(yīng)度值最大的染色體個(gè)體保留為SBest；④分別執(zhí)行選擇算子、交叉算子和變異算子；⑤對(duì)產(chǎn)生的新種群個(gè)體分別計(jì)算適應(yīng)度值，并保留當(dāng)前種群適應(yīng)度值最大個(gè)體為S；⑥對(duì)比歷史最優(yōu)個(gè)體SBest與當(dāng)前種群最優(yōu)個(gè)體S的適應(yīng)度值，若fitness(S)>fitness(SBest)則執(zhí)行SBest＝S；⑦判斷是否滿足終止條件，若不滿足則重復(fù)④—⑥步驟；⑧返回最優(yōu)個(gè)體SBest；⑴實(shí)施過(guò)程中為了解決遺傳算法對(duì)初始種群表現(xiàn)敏感容易陷入早熟的問(wèn)題，對(duì)初始種群的產(chǎn)生方式進(jìn)行了改進(jìn)，步驟如下：①將解空間劃分為S1個(gè)子空間；②量化每個(gè)子空間，運(yùn)用均勻數(shù)組或者正交數(shù)組選擇M個(gè)染色體；③將M×S1個(gè)染色體個(gè)體按適應(yīng)度值大小排序，求平均適應(yīng)度值＝T，作為閾值，選擇適應(yīng)度值大于閾值的個(gè)體；④對(duì)大于閾值的所有個(gè)體，計(jì)算廣義海明距離(海明距離R<L/2時(shí)認(rèn)為兩個(gè)體具有相似性)，以最高適應(yīng)度值為模板，去除相似個(gè)體；⑤重復(fù)④，逐次以適應(yīng)度值高的個(gè)體為模板，選擇不同模板的個(gè)體組成初始種群；⑥判斷是否達(dá)到種群規(guī)模N，如果滿足N,則進(jìn)行選擇、交叉、變異等算子操作；否則重復(fù)第⑤步，如果不能得到群體的規(guī)模，則去除的個(gè)體按適應(yīng)度值大小排序補(bǔ)足群體所缺數(shù)量，直到形成初始種群；⑵實(shí)施過(guò)程中為了解決單點(diǎn)產(chǎn)生的子代的適應(yīng)度值很有可能比父代的適應(yīng)度值還小的問(wèn)題，對(duì)交叉算子進(jìn)行了改進(jìn)，改進(jìn)步驟如下：采用在相同父母的情況下，預(yù)先加入兄弟間的競(jìng)爭(zhēng)擇優(yōu)機(jī)制，具體方式為將參與交叉的每對(duì)染色體都分別進(jìn)行n次交叉，產(chǎn)生2n個(gè)不同的個(gè)體，選出其中一個(gè)適應(yīng)度值最大的個(gè)體送入子代個(gè)體中；反復(fù)隨機(jī)選擇父母對(duì)，直到生成設(shè)定子代個(gè)數(shù)為止；⑶實(shí)施過(guò)程中，構(gòu)建的適應(yīng)度函數(shù)fitness，公式如下：其中，K(Error1+Error2)作為處理限制條件的懲罰因子，K為靈敏度，在優(yōu)化過(guò)程中反復(fù)多次對(duì)K進(jìn)行調(diào)整，通過(guò)多次調(diào)節(jié)后實(shí)施過(guò)程中K的取值為1.0×104；Error1為算術(shù)平均值相對(duì)誤差超出10％的部分，Error2為各百分位數(shù)相對(duì)誤差超出15％部分之和，公式如下：6、對(duì)不同車載點(diǎn)數(shù)量?jī)?yōu)選點(diǎn)進(jìn)行分級(jí)檢測(cè)準(zhǔn)確率計(jì)算，各種車載點(diǎn)數(shù)量下分級(jí)檢測(cè)準(zhǔn)確率圖形如圖12所示，計(jì)算步驟如下(以n＝20為例說(shuō)明)：①首先，利用遺傳算法求出n＝20情況下最優(yōu)組合車載點(diǎn)；②然后，利用選出的所有最優(yōu)組合車載點(diǎn)和政府監(jiān)測(cè)站點(diǎn)處污染物濃度值進(jìn)行插值，插值精度為1.5km×1.5km，根據(jù)插值后每個(gè)網(wǎng)格濃度求出對(duì)應(yīng)的等級(jí)pred；③根據(jù)所有網(wǎng)格CMAQ模擬數(shù)據(jù)求出每個(gè)網(wǎng)格對(duì)應(yīng)濃度的等級(jí)actl；④最后，判斷相同網(wǎng)格的等級(jí)pred＝actl是否成立，若pred＝actl成立，則將對(duì)應(yīng)網(wǎng)格的人口數(shù)量累加到sum，最后分級(jí)監(jiān)測(cè)準(zhǔn)確率p＝sum/total；(其中，total表示研究區(qū)總?cè)丝跀?shù)量)；不同濃度分級(jí)表：濃度[0,35)[35,75)[75,115)[115,150)[150,250)[250,+∞)等級(jí)1234567、服務(wù)器端采用遺傳算法對(duì)不同季節(jié)數(shù)據(jù)源進(jìn)行多目標(biāo)組合優(yōu)化選點(diǎn)，選取不同季節(jié)最優(yōu)車載點(diǎn)位置，服務(wù)器端周期性地接收和更新優(yōu)選車載點(diǎn)處污染物濃度等信息，并將相關(guān)信息存儲(chǔ)在對(duì)應(yīng)數(shù)據(jù)庫(kù)中；服務(wù)器端周期性地結(jié)合國(guó)控監(jiān)測(cè)站同時(shí)段污染物濃度信息對(duì)研究區(qū)域的整體空氣質(zhì)量進(jìn)行評(píng)估，服務(wù)器端周期性地將評(píng)估結(jié)果信息發(fā)送給車載終端，車載終端APP對(duì)整體空氣質(zhì)量評(píng)估結(jié)果進(jìn)行周期性地展示給用戶，基于車聯(lián)網(wǎng)優(yōu)選車載監(jiān)測(cè)點(diǎn)的城市空氣質(zhì)量評(píng)估系統(tǒng)流程圖如圖3所示。盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以理解的是，在不脫離本發(fā)明的原理和精神的情況下可以對(duì)這些實(shí)施例進(jìn)行多種等效的變化、修改、替換和變型，本發(fā)明的范圍由所附權(quán)利要求及其等同范圍限定。當(dāng)前第1頁(yè)1 2 3