System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种隧道污染物预测领域,尤其涉及一种基于交通数字孪生系统的隧道污染物预测方法。
技术介绍
1、隧道内的空气污染问题日益严重,尤其是汽车尾气排放产生的一氧化碳、二氧化氮等有害气体,对人体健康和环境造成潜在威胁,因此,准确预测和控制隧道内的污染物浓度,对于改善空气质量具有重要意义。
2、目前,已有一些方法用于监测和预测隧道内的污染物浓度。然而,这些方法存在一些局限性,如固定点位监测污染物浓度,该方法无法实时反映污染物的空间分布,难以预测未来污染物的浓度变化;此外,现有的预测污染物浓度模型往往需要大量样本,实际应用难度高。
3、因此,为解决上述技术问题,亟需提出一种新的技术手段。
技术实现思路
1、有鉴于此,本专利技术提供的一种基于交通数字孪生系统的隧道污染物预测方法,包括以下步骤:
2、s1.采用交通数字孪生系统预测未来t时刻隧道中车辆的数量和速度;
3、s2.统计出不同类型车辆的数量;
4、s3.计算出不同类型车辆的平均速度;
5、s4.根据不同类型的车辆数量和平均速度计算未来t时刻隧道内的一氧化碳浓度;
6、s5.根据不同类型的车辆数量和平均速度计算未来t时刻隧道内的二氧化氮浓度;
7、s6.根据不同类型的车辆数量和平均速度计算未来t时刻隧道内的烟尘排放量。
8、进一步,步骤s1中,通过交通数字孪生系统获取当前隧道内的交通流量、交通流速度和交通流密度,将交通流量
9、进一步,步骤s2中,车辆的类型包括微型车、小型车、中型车、大型车和特大型车;
10、其中,小型车包括轻型货车和小客车;中型车包括中型货车和中型客车;大型车包括重型货车和大客车;特大型车包括拖挂车和集装箱车。
11、进一步,步骤s3中,通过如下公式计算平均速度:
12、
13、其中,vi表示第i种车型的平均速度,ni表示第i种车型的车辆序号,ni表示第i种车型的车辆数量,表示第i种车型的第n个车辆的速度。
14、进一步,步骤s4中,通过如下公式计算未来t时刻隧道内的一氧化碳浓度:
15、
16、其中,δco_t表示t时刻隧道内的一氧化碳的浓度,δco表示当前时刻隧道内的一氧化碳的浓度,vwind表示隧道内的纵向风速,qcoi表示第i种车型的一氧化碳排放量,i表示车型序号,mi表示第i种车型的数量,vi表示第i种车型的平均速度,s表示隧道横断面的面积。
17、进一步,步骤s5中,通过如下公式计算未来t时刻隧道内的二氧化氮浓度:
18、
19、其中,δno2_t表示t时刻隧道内的二氧化氮的浓度,δno2表示当前时刻隧道内的二氧化氮浓度,表示第i种车型的二氧化氮排放量。
20、进一步,步骤s6中,通过如下公式计算未来t时刻隧道内的烟尘排放量:
21、
22、其中,qvi_t表示t时刻隧道内的烟尘排放量,表示第i中车辆的烟尘基准排放量。
23、本专利技术的有益效果:本专利技术基于交通数字孪生系统的交通目标数字化能力,剔除了新能源汽车对隧道污染物浓度/排放量的影响,使预测的数据更加精准;本专利技术还采用长短期记忆神经网络预测车辆数量和速度,可以稳定的对车辆数量和速度进行预测,能够避免数据过多而造成的梯度消失和梯度爆炸问题;另外,本专利技术采用一个关于时间的连续量化函数进行计算,能够更加精准的预测出未来一氧化碳的浓度、二氧化氮的浓度和烟尘排放量。
本文档来自技高网...【技术保护点】
1.一种基于交通数字孪生系统的隧道污染物预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤S1中,通过交通数字孪生系统获取当前隧道内的交通流量、交通流速度和交通流密度,将交通流量、交通流速度和交通流密度输入至交通数字孪生系统的长短期记忆神经网络中,预测未来t时刻隧道内车辆的数量和速度。
3.根据权利要求2所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤S2中,车辆的类型包括微型车、小型车、中型车、大型车和特大型车;
4.根据权利要求3所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤S3中,通过如下公式计算平均速度:
5.根据权利要求4所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤S4中,通过如下公式计算未来t时刻隧道内的一氧化碳浓度:
6.根据权利要求4所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤S5中,通过如下公式计算未来t时刻隧道内的二氧化氮浓度:
7.根据权利要求4所述基于交
...【技术特征摘要】
1.一种基于交通数字孪生系统的隧道污染物预测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤s1中,通过交通数字孪生系统获取当前隧道内的交通流量、交通流速度和交通流密度,将交通流量、交通流速度和交通流密度输入至交通数字孪生系统的长短期记忆神经网络中,预测未来t时刻隧道内车辆的数量和速度。
3.根据权利要求2所述基于交通数字孪生系统的隧道污染物预测方法,其特征在于:步骤s2中,车辆的类型包括微型车、小型车、中型车、大型车和特大型车;
4.根据权利...
【专利技术属性】
技术研发人员:李斌,魏小军,晏鹏博,郑博,杨小龙,王治才,谢耀华,周广振,李远哲,宋浪,赵方彬,莫镇宁,雷立本,柴建彬,周晓辉,
申请(专利权)人:甘肃长达路业有限责任公司,
类型:发明
国别省市:
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。