[發明專利]基于智能路燈的大氣污染物溯源排查方法、終端及系統

在審

• 申請號: 202210208991.7
• 申請日: 2022-03-03
• 公開（公告）號: CN114581278A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 朱忠攀;楊瀚霖;何斌;陸萍;李剛;王志鵬
• 申請（專利權）人: 同濟大學
• 主分類號: G06Q50/26
• 分類號: G06Q50/26;G06Q10/04;G06N20/20;G06N3/08;G06N3/04;G01N33/00
• 代理公司: 上海諾衣知識產權代理事務所(普通合伙) 31298
• 代理人: 劉艷芝

1.一種基于智能路燈的大氣污染物溯源排查方法，其特征在于：包括如下步驟：

步驟1、應用安裝在智慧燈桿上的感知模塊獲取每個智慧燈桿周圍的各類傳感器數據，并賦予以時間戳和位置戳，構建基于智慧燈桿的分布式感知網絡；

步驟2、每個智慧燈桿構建原始卷積神經網絡模型，結合自身傳感器數據對各自燈桿的卷積神經網絡模型進行深度學習；

步驟3、應用基于深度學習的高斯修正模型對鄰居智慧燈桿的傳感器數據進行預測，獲取并輸出周邊大氣濃度及污染源預測信息；

步驟4、根據鄰居傳感器數據值更新自身卷積神經網絡模型的訓練權值，應用當前自身傳感器數據對各自的卷積神經網絡模型進行訓練，并更新基于深度學習的高斯修正模型的內參數；

步驟5、重復執行步驟3至步驟4。

2.根據權利要求1所述的基于智能路燈的大氣污染物溯源排查方法，其特征在于：所述傳感器數據包括但不限于位置、時間、風速、風向、降雨、空氣濕度、各類污染物濃度。

3.根據權利要求2所述的基于智能路燈的大氣污染物溯源排查方法，其特征在于：所述基于深度學習的高斯修正模型的具體表示如下：

R_i＝(b,V_i,C_ij)，其中，R_i為智慧燈桿D_i與污染物擴散中心的相對距離，b＝(V_i,H_i,f)是基于深度學習的高斯修正模型內參數，V_i為智慧燈桿D_i檢測的風速，H_i為智慧燈桿D_i檢測的濕度，f為是否降雨，C_ij為智慧燈桿D_i檢測的第j種污染物濃度，i、j均為正整數。

4.根據權利要求3所述的基于智能路燈的大氣污染物溯源排查方法，其特征在于：根據如下公式計算單位時間內污染物排放量Q：

Q＝2πC_ij*V*σ_y*σ_z/{e^{^}(-y²/2σ_y²)*{e^[-(z-H)²/2σ_y²]+e^[-(z+H)²/2σ_z²]}}

其中，V為排放口處平均風速，σ_y為橫向擴散系數，σ_z為垂直擴散系數，y為污染物擴散中心到下風方向的最近的燈桿的水平距離，z為y所要求的燈桿的離地高度，H為污染物擴散中心的高度。

5.根據權利要求3所述的基于智能路燈的大氣污染物溯源排查方法，其特征在于：所述基于深度學習的高斯修正模型內參數b的初始值為歷史大數據收集，訓練過程中為動態更新的值，根據鄰居傳感器數據計算獲取，并且在每完成一輪訓練后，均獲取距離最近的至少3個智慧燈桿的當前傳感器數據進行驗證。

6.一種基于智能路燈的大氣污染物溯源排查終端，其特征在于：包括數據處理模塊和通訊模塊，所述數據處理模塊執行權利要求1至5中任一項所述的大氣污染物溯源排查方法；所述通訊模塊用于實現數據交互。

7.一種基于智能路燈的大氣污染物溯源排查系統，其特征在于：包括可視化平臺和若干權利要求6所述的大氣污染物溯源排查終端，其中，可視化平臺作為中心服務器，大氣污染物溯源排查終端作為子服務器；所述中心服務器與所有子服務器之間進行數據交互，每個子服務器均具有獨立分析大氣污染數據及與鄰居子服務器進行自組網的功能。