一种利用机动车GPS轨迹预测空气污染趋势的方法及系统技术方案

本发明专利技术公开了一种利用机动车GPS轨迹预测空气污染趋势的方法及系统，包括将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩；利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值；基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势。采用多任务时空图卷积网络预测未来时间段内的交通状态属性，使两个任务共享特征信息，增加特征信息，减小预测的误差。

A method and system for predicting air pollution trend using GPS trajectory of motor vehicle

【技术实现步骤摘要】
一种利用机动车GPS轨迹预测空气污染趋势的方法及系统
本专利技术涉及环境检测技术处理
，特别涉及一种利用机动车GPS轨迹预测空气污染趋势的方法及系统。
技术介绍
2018年，我国机动车保有量已达3.27亿辆，其中汽油车占总保有量的88.7％，一氧化碳(CO)，碳氢化合物(HC)的排放量分别占机动车总排放量的87.5％和77.0％。由于我国机动车保有量仍呈快速增长态势，机动车尾气造成的污染也会愈加严重，损害环境空气质量并严重威胁居民健康。尽管我国不断采取措施防治机动车尾气污染，如淘汰不合格车辆、提高排放标准、升级油品质量等，但污染形势仍然比较严峻。因此，若能够预测给定区域机动车流、车速以及尾气排放造成的空气污染量的趋势，对于城市交通、污染排放和空气污染的建模有重要的意义，以帮助控制车辆排放和保护环境。例如：若能预测一个区域的车流量，车速以及空气污染指标，能够据此建议更经济高效的驾驶路线。并可以为政府相关部门的决策提供理论依据。
技术实现思路
本专利技术的目的在于克服现有技术存在的缺陷，以对给定区域的空气污染趋势进行预测。为实现以上目的，本专利技术采用一种利用机动车GPS轨迹预测空气污染趋势的方法，包括如下步骤：将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，该交通状态属性包括在一定时间段内通过的车流量以及该时间段内车辆行驶的平均速度数据集；利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值；基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势。进一步地，所述将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，包括：将城市路网按照经纬度划分成N个网格，每个网格作为一个顶点构成顶点集V＝{r1,r2,…,ri,…,rN}，ri表示第i个顶点；将所述机动车GPS轨迹映射在网格中，根据网格在所述城市路网中的位置，计算顶点ri在第t个时间间隔内通过的车流量以及顶点ri在第t个时间间隔内的平均速度；利用动态时间规划算法计算两个顶点的交通状态属性的时间序列的相似性，并将该相似性作为两个顶点间的距离，构造所述邻接矩阵。进一步地，所述将机动车GPS轨迹映射在网格中，根据网格在所述城市路网中的位置，计算顶点ri在第t个时间间隔内通过的车流量以及顶点ri在第t个时间间隔内的平均速度，包括：所述顶点ri在第t个时间间隔内通过的车流量为：其中，表示在第t个时间间隔内经过顶点ri的所有轨迹的条数，Π表示在第t个时间间隔内一系列GPS轨迹的集合，Tr:p1→p2→…→pTr是Π集合中的其中一条轨迹，|·|为取集合的基数的操作，pk＝(τk,gk)表示轨迹Tr第k个GPS点，记录了机动车位置信息的数据，表示在τk时刻该机动车所在的位置的经纬度为gk；所述顶点ri在第t个时间间隔内的平均速度为：其中，Tri表示一条轨迹Tr在顶点ri内的所有GPS点，Πi表示所有的Tri轨迹的集合，表示在轨迹Tr中机动车在GPS点pk的车速。进一步地，所述利用动态时间规划算法计算两个顶点的交通状态属性的时间序列的相似性，并将该相似性作为两个顶点间的距离，构造所述邻接矩阵，包括：定义时间间隔集合并将时间间隔集合下的N个顶点的车流量和平均速度转换为一个数据集将交通网络定义为随时间变化的具有空间属性的无向连通图利用所述动态时间规划算法计算任两顶点的交通状态时间序列和序列相似性，并将该相似性作为该两个顶点间的距离；根据顶点间的距离，构造所述邻接矩阵为作为无向连通图的邻接矩阵其中σ为系数，D为距离矩阵。进一步地，所述利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值，包括：将所述数据集和所述邻接矩阵作为所述多任务时空图卷积模型的输入，所述多任务时空图卷积模型包括图卷积层、时间卷积层和输出层，图卷积层和时间卷积层交替乘积；对于输入f＝[f1,f2,…,ft]和v＝[v1,v2,…,vt]，所述多任务时空图卷积模型输出ft+1,vt+1为：其中，Wf,Wv为网络要优化的权重参数。进一步地，所述图卷积层采用切比雪夫多项式趋近，用于提取空间特征，图卷积为：其中，是K阶切比雪夫多项式对缩放后的拉普拉斯矩阵，表示基于谱图卷积的图卷积操作，Θ表示核，是一个多项式系数的向量；所述时间卷积层用于提取时间特征，时间卷积层定义为：其中，为权重参数，⊙表示哈达玛积，σ(·)为sigmoid激活函数，表示每个顶点的时间卷积的输入，为一个长度为M，通道为Ci的序列，为卷积核，表示时间卷积操作，*表示卷积操作；所述输出层包括时间卷积层和全连接层，时间卷积层和全连接层连接。进一步地，所述基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势，包括：利用CO排放因子计算公式，对所述给定区域在未来时段的区域车流量和车辆平均速度值进行计算，得到CO排放因子；利用HC排放因子计算公式对所述给定区域在未来时段的区域车流量和车辆平均速度值进行计算，得到HC排放因子；利用COPERT的污染计算模型，对CO排放因子和HC排放因子进行计算，得到所述给定区域的CO污染物的估计值和HC污染物的估计值。另一方面，采用一种利用机动车GPS轨迹预测空气污染趋势的系统，包括映射模块、预测模块和估算模块：映射模块用于将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，该交通状态属性包括在一定时间段内通过的车流量以及该时间段内车辆行驶的平均速度数据集；预测模块用于利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值；估算模块用于基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势。进一步地，所述映射模块包括划分单元、属性计算单元和邻接矩阵计算单元；划分单元用于将城市路网按照经纬度划分成N个网格，每个网格作为一个顶点构成顶点集V＝{r1,r2,…,ri,…,rN}，ri表示第i个顶点；属性计算单元用于将所述机动车GPS轨迹映射在网格中，根据网格在所述城市路网中的位置，计算顶点ri在第t个时间间隔内通过的车流量以及顶点ri在第t个时间间隔内的平均速度；邻接矩阵计算单元用于利用动态时间规划算法计算两个顶点的交通状态属性的时间序列的相似性，并将该相似性作为两个顶点间的距离本文档来自技高网...

【技术保护点】
1.一种利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，包括：/n将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，该交通状态属性包括在一定时间段内通过的车流量以及该时间段内车辆行驶的平均速度数据集；/n利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值；/n基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势。/n

【技术特征摘要】
1.一种利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，包括：
将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，该交通状态属性包括在一定时间段内通过的车流量以及该时间段内车辆行驶的平均速度数据集；
利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值；
基于COPERT的污染计算模型，对给定区域在未来时段的区域车流量和车辆平均速度值进行计算，估算出所述给定区域内的空气污染趋势。


2.如权利要求1所述的利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，所述将机动车GPS轨迹映射在城市路网中，得到给定区域在一定时间段内的交通状态属性和邻接矩阵，包括：
将城市路网按照经纬度划分成N个网格，每个网格作为一个顶点构成顶点集V＝{r1,r2,…,ri,…,rN}，ri表示第i个顶点；
将所述机动车GPS轨迹映射在网格中，根据网格在所述城市路网中的位置，计算顶点ri在第t个时间间隔内通过的车流量以及顶点ri在第t个时间间隔内的平均速度；
利用动态时间规划算法计算两个顶点的交通状态属性的时间序列的相似性，并将该相似性作为两个顶点间的距离，构造所述邻接矩阵。


3.如权利要求2所述的利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，所述将机动车GPS轨迹映射在网格中，根据网格在所述城市路网中的位置，计算顶点ri在第t个时间间隔内通过的车流量以及顶点ri在第t个时间间隔内的平均速度，包括：
所述顶点ri在第t个时间间隔内通过的车流量为：



其中，fti表示在第t个时间间隔内经过顶点ri的所有轨迹的条数，Π表示在第t个时间间隔内一系列GPS轨迹的集合，Tr:p1→p2→…→pTr是Π集合中的其中一条轨迹，|·|为取集合的基数的操作，pk＝(τk,gk)表示轨迹Tr第k个GPS点，记录了机动车位置信息的数据，表示在τk时刻该机动车所在的位置的经纬度为gk；
所述顶点ri在第t个时间间隔内的平均速度为：






其中，Tri表示一条轨迹Tr在顶点ri内的所有GPS点，Πi表示所有的Tri轨迹的集合，表示在轨迹Tr中机动车在GPS点pk的车速。


4.如权利要求3所述的利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，所述利用动态时间规划算法计算两个顶点的交通状态属性的时间序列的相似性，并将该相似性作为两个顶点间的距离，构造所述邻接矩阵，包括：
定义时间间隔集合并将时间间隔集合下的N个顶点的车流量和平均速度转换为一个数据集
将交通网络定义为随时间变化的具有空间属性的无向连通图利用所述动态时间规划算法计算任两顶点的交通状态时间序列和序列相似性，并将该相似性作为该两个顶点间的距离；
根据顶点间的距离，构造所述邻接矩阵为作为无向连通图的邻接矩阵其中σ为系数，D为距离矩阵。


5.如权利要求4所述的利用机动车GPS轨迹预测空气污染趋势的方法，其特征在于，所述利用多任务时空图卷积模型对给定区域的交通状态属性和邻接矩阵进行处理，预测出该给定区域在未来时段的区域车流量和车辆平均速度值，包括：
将所述数据集和所述邻接矩阵作为所述多任务时空图卷积模型的输入，所述多任务时空图卷积模型包括图卷积层、时间卷积层和输出层，图卷积层和时间卷积层交替乘积；
对于输入f＝[f1,f2,…,ft]...

【专利技术属性】
技术研发人员：康宇，赵振怡，曹洋，吕文君，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34