本发明专利技术适用于计算机技术领域，提供了一种基于PM2.5的健康步行路径规划方法及装置，包括：根据用户的起始位置和终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。通过预测所有步行路径的PM2.5浓度值，并规划出一条PM2.5浓度值最小的步行路径，能够解决现有技术中高密度城市的步行路径中，由于PM2.5污染严重影响人体健康的问题。
A Healthy Walking Path Planning Method and Terminal Equipment Based on PM2.5
【技术实现步骤摘要】
一种基于PM2.5的健康步行路径规划方法及终端设备
本专利技术属于计算机
，尤其涉及一种基于PM2.5的健康步行路径规划方法及终端设备。
技术介绍
目前，随着大气污染的日益严重，国内外道路层面关于PM2.5的相关研究越来越多，但是大都基于高成本的车载PM2.5浓度传感器来监测PM2.5的浓度，来考虑机动车或者自行车道路上的情况，缺乏对步行道路上PM2.5的专门研究。而经研究表明全世界PM2.5污染导致的死亡人数每年高达几百万人，其中，影响最严重的是在高密度城市，人们步行的过程当中。因此，在高密度城市的步行路径中，PM2.5污染严重影响人体健康的问题，如何规划出PM2.5浓度最低的健康步行路径已成为亟待解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于PM2.5的健康步行路径规划方法及终端设备，以解决现有技术中PM2.5污染严重影响人体健康的问题。本专利技术实施例的第一方面提供了一种基于PM2.5的健康步行路径规划方法，包括：获取用户的起始位置和终点位置；根据所述起始位置和所述终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。可选地，所述预先训练完成的PM2.5预测模型为多元线性回归模型，所述将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值之前，包括：获取预设数量的步行路段的城市环境因子；将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值；分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率；当所述预测准确率达到预设准确率阈值的比例大于预设的准确率比例时，停止训练，得到训练好的多元线性回归模型；当所述预测准确率达到预设准确率阈值的比例小于，或者等于预设的准确率比例时，则增加所述预设数量的步行路段的城市环境因子，并返回执行所述将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值。可选地，所述分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率之前，包括：根据预设的网格尺寸生成覆盖每条步行路径的格网；确定每个所述网格包含的采样点；计算每个所述网格中所有所述采样点的PM2.5浓度值的平均值，得到每个所述网格中PM2.5的平均浓度值，所述PM2.5的平均浓度值为采集的标准PM2.5浓度值。可选地，所述步行路径包括无车环境步行路段、有车环境步行路段以及人行天桥路段；所述城市环境因子包括无车环境步行路段的第一环境因子，所述有车环境步行路段的第二环境因子以及所述人行天桥路段的第三环境因子。可选地，所述第一环境因子包括预设高度的风速、近地表温度、常数系数以及气象数据；所述第二环境因子包括机动车数据、路段密度、常数系数以及气象数据；所述第三环境因子包括机动车数据、路段密度、预设高度的风速、近地表温度、到公交站距离、常数系数以及气象数据。本专利技术实施例的第二方面提供了一种基于PM2.5的健康步行路径规划装置，包括：第一获取模块，用于获取用户的起始位置和终点位置；路径规划方案生成模块，用于根据所述起始位置和所述终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；第二获取模块，用于获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；预测模块，用于将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；规划模块，用于基于所有步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。可选地，还包括：第三获取模块，用于获取预设数量的步行路段的城市环境因子；处理模块，用于将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值；计算模块，用于分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率；第一判断模块，用于在当所述预测准确率达到预设准确率阈值的比例大于预设的准确率比例时，停止训练，得到训练好的多元线性回归模型；第二判断模块，用于在当所述预测准确率达到预设准确率阈值的比例小于，或者等于预设的准确率比例时，则增加所述预设数量的步行路段的城市环境因子，并返回执行所述将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值。可选地，还包括：生成模块，用于根据预设的网格尺寸生成覆盖每条步行路径的格网；确定模块，用于确定所述网格包含的采样点；得到模块，用于计算每个所述网格中所有采样点的PM2.5浓度值的平均值，得到每个所述网格中PM2.5的平均浓度值，所述PM2.5的平均浓度值为采集的标准PM2.5浓度值。本专利技术实施例的第三方面提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：首先根据用户的起始位置和终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；然后获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；其次将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；最后基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。通过规划出PM2.5浓度值最小的步行路径，来解决现有技术中高密度城市的步行路径中，由于PM2.5污染严重影响人体健康的问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的基于PM2.5的健康步行路径规划方法的实现流程示意图；图2是本专利技术实施例提供的训练多元线性回归模型的方法实现流程示意图；图3是是本专利技术实施例提供的采集每条所述步行路径的标准PM2.5的方法实现流程示意图；图4是本专利技术实施例提供的基于PM2.5的健康步行路径规划装置的结构示意图；图5是本专利技术实施例提供的终端设备示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便本文档来自技高网...
【技术保护点】
1.一种基于PM2.5的健康步行路径规划方法，其特征在于，包括：获取用户的起始位置和终点位置；根据所述起始位置和所述终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。
【技术特征摘要】
1.一种基于PM2.5的健康步行路径规划方法，其特征在于，包括：获取用户的起始位置和终点位置；根据所述起始位置和所述终点位置及预先存储的步行路网数据，生成至少两个步行路径规划方案；获取所述步行路径规划方案规划的所有步行路径上，当前的城市环境因子；将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值；基于所有所述步行路径上当前的PM2.5浓度值，规划并输出一条PM2.5浓度值最小的步行路径。2.如权利要求1所述的基于PM2.5的健康步行路径规划方法，其特征在于，所述预先训练完成的PM2.5预测模型为多元线性回归模型，所述将所述城市环境因子输入预先训练完成的PM2.5预测模型，预测出所有步行路径上当前的PM2.5浓度值之前，包括：获取预设数量的步行路段的城市环境因子；将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值；分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率；当所述预测准确率达到预设准确率阈值的比例大于预设的准确率比例时，停止训练，得到训练好的多元线性回归模型；当所述预测准确率达到预设准确率阈值的比例小于，或者等于预设的准确率比例时，则增加所述预设数量的步行路段的城市环境因子，并返回执行所述将每条所述步行路段的城市环境因子输入至所述多元线性回归模型中进行处理，得到每条所述步行路段的预测PM2.5浓度值。3.如权利要求2所述的基于PM2.5的健康步行路径规划方法，其特征在于，所述分别计算每条所述步行路段的预测PM2.5浓度值与预先采集的每条所述步行路段的标准PM2.5浓度值之间的比值，得到所述多元线性回归模型的预测准确率之前，包括：根据预设的网格尺寸生成覆盖每条步行路径的格网；确定每个所述网格包含的采样点；计算每个所述网格中所有所述采样点的PM2.5浓度值的平均值，得到每个所述网格中PM2.5的平均浓度值，所述PM2.5的平均浓度值为采集的标准PM2.5浓度值。4.如权利要求1所述的基于PM2.5的健康步行路径规划方法，其特征在于，所述步行路径包括无车环境步行路段、有车环境步行路段以及人行天桥路段；所述城市环境因子包括无车环境步行路段的第一环境因子，所述有车环境步行路段的第二环境因子以及所述人行天桥路段的第三环境因子。5.如权利要求4所述的基于PM2.5的健康步行路径规划方法，其特征在于，所述第一环境因子包括指数型建筑用地指数、植被指数、预设高度的风速、近地表温度、大气边界层高度、常数系数中的至少任意两项；所述第二环...
【专利技术属性】
技术研发人员：史文中，童成卓，
申请(专利权)人：香港理工大学深圳研究院，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。