[發明專利]基于高階圖卷積網絡的空氣質量監測站點位置推薦方法

在審

• 申請號: 202010747802.4
• 申請日: 2020-07-30
• 公開（公告）號: CN111949749A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 康宇;陳杰;曹洋;呂文君
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 金凱

1.一種基于高階圖卷積網絡的空氣質量監測站點位置推薦方法，其特征在于，包括：

收集整個城市區域的外部環境特征數據，并利用該城市區域已建立的空氣質量監測站點，收集已建立觀測站點節點區域的空氣質量分布數據；

在任意給定時間戳時，基于該城市區域對應的空氣質量分布推斷模型，利用已建立觀測站點節點區域的空氣質量分布數據和整個城市區域的外部環境特征數據，預測任意未建立觀測站節點區域的空氣質量AQI分布，其中空氣質量分布推斷模型中的權重參數表示該城市時空圖節點與節點之間反映空氣質量時空變化趨勢的關聯程度；

根據任意未建立觀測站節點區域的空氣質量AQI分布，基于城市時空圖節點之間關聯性的信息熵最小化貪心算法，推薦新的空氣質量監測站點位置。

2.如權利要求1所述的基于高階圖卷積網絡的空氣質量監測站點位置推薦方法，其特征在于，所述收集整個城市區域的外部環境特征數據，以及利用該城市區域已建立的空氣質量監測站點，收集已建立觀測站點節點的空氣質量分布數據，包括：

收集整個城市區域的外部環境特征數據，該外部環境特征數據包括空氣質量值、氣象數據、路網信息、POI數目以及交通量；

對所述外部環境特征數據進行Z-Score Normalization，將復雜外部環境特征數據進行線性變換，將其結果映射到[0，1]范圍內，作為所述整個城市區域的外部環境特征數據；

利用所述已建立的空氣質量監測站點，收集空氣質量數據，并對空氣質量數據進行one-hot編碼處理，得到所述已建立觀測站點節點區域的空氣質量分布數據。

3.如權利要求1所述的基于高階圖卷積網絡的空氣質量監測站點位置推薦方法，其特征在于，所述空氣質量分布推斷模型包括高階圖卷積網絡和全連接網絡，所述基于該城市區域對應的空氣質量分布推斷模型，利用已觀測區域節點區域的空氣質量分布數據和整個城市區域的外部環境特征數據，預測任意未建立觀測站節點區域的空氣質量AQI分布，包括：

高階圖卷積網絡根據所述已觀測區域節點區域的空氣質量分布數據，利用所述城市區域對應的時空圖，捕捉污染物分布的時空交互特征；

全連接網絡用于捕獲外部環境信息，并將其與污染物分布的時空交互特征進行融合訓練，預測任意未建立觀測站節點區域的空氣質量AQI分布。

4.如權利要求3所述的基于高階圖卷積網絡的空氣質量監測站點位置推薦方法，其特征在于，所述城市區域對應的時空圖的構建過程包括：

基于所述城市的地理信息，將該城市區域劃分成不相交的網格，每個網格與空氣質量指標值AQI相關聯；

將該城市區域內每個網格看作一個節點，構建所述城市區域對應的時空圖G＝(V；ε；A)，其中，V是與隨時間變化的AQI數值相關聯節點的集和，V＝U∪L，U表示沒有建立觀測站點的節點，L為已建立觀測站點的節點，L中的節點l∈L作為標簽節點，U中的節點u∈U作為未標簽節點；ε是邊的集合，表示節點之間的連通性；A∈R^N×N為圖G的鄰接矩陣。

5.如權利要求4所述的基于高階圖卷積網絡的空氣質量監測站點位置推薦方法，其特征在于，所述高階圖卷積網絡的K階卷積操作定義為：

其中，D為A的度矩陣，W_gck為k階鄰接矩陣的卷積網絡權重參數，f_l∈R^|L|×P為經one-hot編碼處理后的標簽節點空氣質量AQI分布，初始化未標簽節點空氣質量AQI分布

所述高階圖卷積網絡從所述已觀測區域節點的空氣質量分布特征f_l∈R^|L|×P中提取的K階特征作為所述污染物分布的時空交互特征如下：

GC^{k}＝[GC¹，GC²，...，GC^k]

其中，GC^{k}∈R^N×(K×P)是圖卷積網絡提取的K階特征集合。