一种智能化道路积尘负荷监测方法及监测装置与流程

本发明涉及环境监测，具体涉及一种智能化道路积尘负荷监测方法及监测装置。

背景技术：

1、道路扬尘指路面积尘在一定的动力作用下被扬起混合，进而在空气中形成的颗粒状混合物。由于道路扬尘不但会造成视觉污染，影响人们正常出行；更会通过吸入式进入人们的身体，从而带来健康隐患。因此对道路扬尘进行有效监控具有重要的实际意义。

2、其中，道路积尘负荷是衡量道路扬尘的重要指标之一。目前，道路积尘负荷监测的方法主要集中为两种：一种为直接对积尘负荷进行直接监测；具体方式为：划定一个样本区域，然后通过人工或其他吸尘装置对该样本区域内的积尘进行收集，进而获得积尘负荷。另一种为对积尘负荷进行间接监测；具体方式为：获取走航设备在行驶过程中扬起的扬尘浓度，然后将该扬尘浓度输入特定模型再计算出待获取的积尘负荷。

3、由上述可见，现有的道路积尘负荷监测方法中，无论是直接监测还是间接监测，均需要进行实地监测。而随着城镇交通行业的发展，道路的数目也逐渐增加。进而对于这种实地监测，无论是在监测成本上，还监测复杂度上均存在各种不利。

技术实现思路

1、本发明目的在于提供一种智能化道路积尘负荷监测方法及监测装置，以改善现有道路积尘负荷监测中存在的监测成本高、监测复杂度大的技术问题。

2、为达成上述目的，本发明提出如下技术方案：

3、一种智能化道路积尘负荷监测方法，包括：

4、获取若干典型场景下的典型环境数据，及与所述典型环境数据相应的历史积尘负荷以构建训练样本；其中，任一所述典型环境数据包括：基于市政数据库获取的历史市政建设数据，及同一时段下基于气象数据库获取的历史气象数据；所述历史积尘负荷基于同一时段下的环境监测数据库获取；

5、基于所述训练样本对初始监测模型进行迭代训练，直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值，进而得到目标监测模型；

6、获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷；其中，所述实际环境数据包括：基于市政建设实况获取的实际市政建设数据，基于气象卫星系统获取的实际气象数据；其中，所述实际气象数据包括：实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据；

7、判断所述实际积尘负荷小于积尘负荷阈值时，继续基于所述目标监测模型进行积尘负荷监测；反之，则发送预警信息至环境监测系统，并发送清尘信息至市政系统。

8、进一步的，所述发送预警信息至环境监测系统，并发送清尘信息至市政系统之前，包括：

9、获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷；其中，所述预测环境数据包括：基于市政建设规划获取的预定市政建设数据，基于气象卫星系统获取的预测气象数据；其中，所述预测气象数据包括：预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据；

10、判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时，发送预警信息至环境监测系统，并发送清尘信息至市政系统。

11、进一步的，所述判断所述实际积尘负荷小于积尘负荷阈值时，继续基于所述目标监测模型进行积尘负荷监测，包括：

12、判断所述实际积尘负荷小于积尘负荷阈值时，基于定位卫星系统获取当前的路面图像数据；

13、基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时，发送清尘信息至市政系统。

14、进一步的，所述发送预警信息至环境监测系统，并发送清尘信息至市政系统之前，包括：

15、基于行政区域划分构建相应行政区域内的积尘分布图；其中，所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注；对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注，且实际积尘负荷与积尘负荷阈值间的差值越大，颜色越深；对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注，且实际积尘负荷与积尘负荷阈值间的差值越大，颜色越浅；

16、发送所述积尘分布图及所述预警信息至环境监测系统；并基于卫星导航系统获取预设时间区域内的最小车流时段，发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。

17、进一步的，包括：

18、获取市政系统的清尘反馈信息后，及时获取被清尘位置的实时环境数据；

19、将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷，进而确认所述实时积尘负荷已低于积尘负荷阈值。

20、一种智能化道路积尘负荷监测装置，包括：

21、样本获取模块，用于获取若干典型场景下的典型环境数据，及与所述典型环境数据相应的历史积尘负荷以构建训练样本；其中，任一所述典型环境数据包括：基于市政数据库获取的历史市政建设数据，及同一时段下基于气象数据库获取的历史气象数据；所述历史积尘负荷基于同一时段下的环境监测数据库获取；

22、模型获取模块，用于基于所述训练样本对初始监测模型进行迭代训练，直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值，进而得到目标监测模型；

23、实际监测模块，用于获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷；其中，所述实际环境数据包括：基于市政建设实况获取的实际市政建设数据，基于气象卫星系统获取的实际气象数据；其中，所述实际气象数据包括：实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据；

24、第一判断模块，用于判断所述实际积尘负荷小于积尘负荷阈值时，继续基于所述目标监测模型进行积尘负荷监测；反之，则发送预警信息至环境监测系统，并发送清尘信息至市政系统。

25、进一步的，包括：

26、预测监测模块，用于获取自当前时间点后溯一预设时段的预测环境数据输入所述目标监测模型以获取预测积尘负荷；其中，所述预测环境数据包括：基于市政建设规划获取的预定市政建设数据，基于气象卫星系统获取的预测气象数据；其中，所述预测气象数据包括：预测风力数据、预测风向数据、预测湿度数据、预测温度数据及预测降雨数据；

27、第二判断模块，用于判断该预设时段后预测积尘负荷仍大于积尘负荷阈值时，发送预警信息至环境监测系统，并发送清尘信息至市政系统。

28、进一步的，包括：

29、图像获取模块，用于判断所述实际积尘负荷小于积尘负荷阈值时，基于定位卫星系统获取当前的路面图像数据；

30、后处理模块，用于基于图像检测模型对所述路面图像数据进行处理以判断路面为泥泞状态时，发送清尘信息至市政系统。

31、进一步的，包括：

32、分布图构建模块，用于基于行政区域划分构建相应行政区域内的积尘分布图；其中，所述积尘分布图中基于与实际积尘负荷相关的彩色梯度图对各实际位置进行区别标注；对实际积尘负荷大于积尘负荷阈值的实际位置使用暖色系进行标注，且实际积尘负荷与积尘负荷阈值间的差值越大，颜色越深；对实际积尘负荷小于积尘负荷阈值的实际位置使用冷色系进行标注，且实际积尘负荷与积尘负荷阈值间的差值越大，颜色越浅；

33、信息发送模块，用于发送所述积尘分布图及所述预警信息至环境监测系统；并基于卫星导航系统获取预设时间区域内的最小车流时段，发送所述积尘分布图、所述清尘信息及所述最小车流时段至市政系统。

34、进一步的，包括：

35、反馈监测模块，用于获取市政系统的清尘反馈信息后，及时获取被清尘位置的实时环境数据；

36、反馈确认模块，用于将所述实时环境数据输入所述目标监测模型以得到实时积尘负荷，进而确认所述实时积尘负荷已低于积尘负荷阈值。

37、有益效果：

38、由以上技术方案可知，本发明的技术方案提供了一种新的智能化道路积尘负荷监测方法。发明人发现现有的道路积尘负荷监测中，无论是直接监测还是间接监测，均需要进行实地监测。而这种实地监测方式与道路交通发展速度间存在不匹配，进而造成监测成本高、监测复杂度大的缺陷。因此发明人目的在于涉及一种非实地监测方法以进行改善。

39、在整体构思上，所述方法将深度强化学习算法引入了监测过程，此时只需要对相应的监测模型进行训练优化，然后在远端即可通过相应数据的输入得到需要监测量。具体的，首先，获取若干典型场景下的典型环境数据，及与所述典型环境数据相应的历史积尘负荷以构建训练样本。其中，任一所述典型环境数据包括：基于市政数据库获取的历史市政建设数据，及同一时段下基于气象数据库获取的历史气象数据；所述历史积尘负荷基于同一时段下的环境监测数据库获取。其次，基于所述训练样本对初始监测模型进行迭代训练，直至输出的积尘负荷与相应典型场景下的历史积尘负荷间的差值小于预设阈值，此时即可得到目标监测模型。然后，获取实际环境数据输入所述目标监测模型以获取当前的实际积尘负荷。本技术方案中，所述实际环境数据均也均通过远端获取，不用进行实地测量。其中，所述实际环境数据包括：基于市政建设实况获取的实际市政建设数据，基于气象卫星系统获取的实际气象数据；其中，所述实际气象数据包括：实际风力数据、实际风向数据、实际湿度数据、实际温度数据及实际降雨数据。最终，当判断所述实际积尘负荷小于积尘负荷阈值时，继续基于所述目标监测模型进行积尘负荷监测；反之，则发送预警信息至环境监测系统，并发送清尘信息至市政系统。

40、由此可见，本技术方案将深度强化学习技术与远端环境数据相结合的方式，使得不用进行任何实地测量即可获得道路积尘负荷。从而极大的降低了监测成本，并简化了监测复杂度；以适应道路交通的日益发展，满足实际监测需求。

41、应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。

42、结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。