本發(fā)明公開了一種城市污染源巡查路徑優(yōu)化方法，接收待巡查區(qū)域的巡查工作任務和各巡查員在待巡查區(qū)域的當前位置信息；構建待巡查區(qū)域的城市污染源巡查網(wǎng)絡，城市污染源巡查網(wǎng)絡的節(jié)點包括污染源節(jié)點和與巡查員的當前位置信息對應的巡查員初始節(jié)點，污染源...

本發(fā)明公開了一種基于風險感知的人車交互博弈的風險評估方法，從無信號控制交叉口區(qū)域的錄制視頻提取出行人和車輛的交互軌跡；確定人車交互過程中行人和車輛的風險感知影響因素；通過長短時記憶網(wǎng)絡構建人車風險感知模型用于確定行人和車輛的風險感知值；...

本發(fā)明公開了一種基于主動學習的空氣質(zhì)量監(jiān)測站選址推薦方法，首先進行信息量的估計，空氣質(zhì)量監(jiān)測站選址地點必須同時滿足以下兩個基本標準：采用蒙特卡洛輟學技術來計算未監(jiān)測位置的不確定性，使用歐氏距離進行相似性估計，量化最大化影響；然后整合不確...

本發(fā)明公開了一種基于集成深度學習的空氣質(zhì)量預報方法，獲取監(jiān)測區(qū)域內(nèi)網(wǎng)格的樣本數(shù)據(jù)集，基于皮爾森相關系數(shù)，分析各網(wǎng)格之間數(shù)據(jù)的相關性，得到模型訓練標簽的標簽相關性系數(shù)以及模型訓練特征的特征相關性系數(shù)；將各網(wǎng)格作為神經(jīng)網(wǎng)絡圖的各節(jié)點，根據(jù)各...

本發(fā)明公開了一種基于深度學習的城市工地揚塵風險監(jiān)管方法，獲取在監(jiān)測時間段內(nèi)工地內(nèi)監(jiān)管區(qū)域中各監(jiān)測設備的監(jiān)控視頻流；對每個監(jiān)測設備的監(jiān)控視頻流進行逐幀分析，將每個監(jiān)測設備的圖片幀存入該監(jiān)測設備對應的圖片識別隊列中；將每個監(jiān)測設備的圖片識別...

本發(fā)明提供了一種基于道路實時情況的濕法作業(yè)路徑規(guī)劃方法及系統(tǒng)，涉及作業(yè)路徑規(guī)劃技術領域，所述方法包括以下步驟：S1、在當前濕法作業(yè)區(qū)域中每條抑塵車行駛路段上實時采集道路基礎情況、道路流量狀況和氣象狀況的多源數(shù)據(jù)進行計算，并進行加權融合，...

本發(fā)明提供了一種基于機器學習模型的臭氧預報訂正方法及系統(tǒng)，涉及環(huán)境空氣預報技術領域，所述臭氧預報訂正方法主要基于嵌套網(wǎng)格空氣質(zhì)量預報模式系統(tǒng)、中尺度天氣預報模式的預報結果和環(huán)境空氣質(zhì)量監(jiān)測站點的觀測數(shù)據(jù)，將空氣質(zhì)量模型和機器學習方法中的...

本發(fā)明提供了一種基于短視頻的渣土車車廂密閉狀態(tài)監(jiān)測方法及系統(tǒng)，涉及車輛監(jiān)測技術領域，所述渣土車車廂密閉狀態(tài)監(jiān)測方法包括以下步驟：S1、通過單向道路監(jiān)控獲得渣土車的單向道路監(jiān)控視頻；S2、對單向道路監(jiān)控視頻中每一幀車身圖片進行渣土車目標檢...

本發(fā)明提供了一種基于空氣質(zhì)量監(jiān)測網(wǎng)的污染中心溯源方法及系統(tǒng)，涉及大氣監(jiān)測技術領域，所述污染中心溯源方法主要是基于監(jiān)測站點的監(jiān)測序列對附近監(jiān)測站點進行滯后，根據(jù)附近監(jiān)測站點的滯后監(jiān)測序列與監(jiān)測站點的監(jiān)測序列之間的因果檢驗結果在監(jiān)測站點處形...

本發(fā)明公開了一種多模型融合的污染物排放分布的快速修正方法及系統(tǒng)，利用lightGBM模型對WRF模擬結果進行訂正，得到WRF場和氣象場；利用SMOKE模型處理得到排放場和SMOKE場；對CMAQ模擬的模擬場進行訂正，得到訂正場，并記錄此...

本發(fā)明提供了一種基于TVOC監(jiān)測數(shù)據(jù)的自動報警方法及系統(tǒng)，涉及數(shù)據(jù)監(jiān)測技術領域，所述方法主要通過固定站點的歷史站點監(jiān)測數(shù)據(jù)進行時間序列建模，得到不同時間跨度的長期STL時間序列模型和短期STL時間序列模型，針對長期STL時間序列模型和短...

本發(fā)明提供了一種基于河流上下游的污染物流經(jīng)監(jiān)測方法及系統(tǒng)，涉及河流污染物監(jiān)測技術領域，所述方法包括：S1：獲得按照河流順序從上游到下游排列的當前監(jiān)測圖像集；S2：對監(jiān)測圖像集進行遍歷，依次對第一河流圖像進行污染物識別，當識別到第一河流圖...

本發(fā)明公開了基于移動站運行狀態(tài)的城市空氣質(zhì)量推算優(yōu)化方法及系統(tǒng)，對目標監(jiān)測區(qū)域進行網(wǎng)格劃分，查詢目標區(qū)域內(nèi)各網(wǎng)格的監(jiān)測站分布情況；若網(wǎng)格內(nèi)存在固定站，則以固定站在采集頻率長度內(nèi)的數(shù)據(jù)作為該網(wǎng)格當前時間的空氣質(zhì)量監(jiān)測值；若網(wǎng)格內(nèi)沒有固定站...

本發(fā)明提供了一種基于軌跡數(shù)據(jù)的運渣車跨境狀態(tài)判定方法及系統(tǒng)，涉及運渣車軌跡技術領域，具體包括以下步驟：S1：實時獲得當前運渣車的當前軌跡點位以及對應的當前行政區(qū)域、行政區(qū)域內(nèi)的污染源點位；S2：依次判斷軌跡數(shù)據(jù)中軌跡點位是否僅位于當前行...

本發(fā)明提供了一種用于突發(fā)事件指揮調(diào)度的站點污染熱度監(jiān)測方法及系統(tǒng)，涉及大氣環(huán)境監(jiān)管技術領域，包括以下步驟：S1：獲得當前監(jiān)測站點經(jīng)過預處理的站點預警信息對應的污染物類型；S2：獲得污染源點位的歷史巡查清單，將歷史巡查清單中記錄的污染源所...

本發(fā)明公開了一種基于時間序列趨勢挖掘的影響因子污染溯源方法，調(diào)用訓練好的污染物預測模型，得到污染物預測值，將污染物預測值轉換為趨勢序列；判斷趨勢序列中呈上升趨勢的污染物預測值是否大于溯源閾值，若是，則將該污染物預測值對應的時間點確定為異...

本發(fā)明提供了一種基于多機器學習模型的PM2.5濃度預測方法及系統(tǒng)，涉及環(huán)境監(jiān)測技術領域，所述方法具體包括：S1：獲得目標區(qū)域的樣本數(shù)據(jù)集；S2：通過分類模型對樣本數(shù)據(jù)集進行訓練，得到特征樣本集，并將特征樣本集中多個特征樣本以預設重要性順...

本發(fā)明提供了一種跨區(qū)域行駛的渣土車的異常軌跡數(shù)據(jù)過濾方法及系統(tǒng)，涉及渣土車軌跡數(shù)據(jù)技術領域，所述異常軌跡數(shù)據(jù)過濾方法包括以下步驟：S0：根據(jù)渣土車的預設行駛路線形成目標區(qū)域鏈；S1：定時獲得渣土車沿預設行駛路線行駛并產(chǎn)生的軌跡數(shù)據(jù)集；S...

本發(fā)明公開了一種灑水車作業(yè)狀態(tài)辨識方法及智能化大氣監(jiān)測管治平臺，對目標監(jiān)測區(qū)域內(nèi)的道路路網(wǎng)信息數(shù)據(jù)進行拓寬處理，得到具有緩沖區(qū)的擴充路網(wǎng)信息數(shù)據(jù)；將灑水車的軌跡數(shù)據(jù)與擴充路網(wǎng)信息數(shù)據(jù)進行匹配，并按照時序依次存入車路初步匹配結果集合；依次...

本發(fā)明涉及環(huán)境監(jiān)測技術領域，具體涉及一種基于城市VOCs走航車的高危涉氣企業(yè)溯源方法，包括獲取VOCs走航車的走航監(jiān)測數(shù)據(jù)；根據(jù)走航監(jiān)測數(shù)據(jù)篩選高危監(jiān)測點位；根據(jù)高危監(jiān)測點位匹配涉氣污染源；采用反距離加權法計算涉氣污染源的相對污染貢獻指...