本發(fā)明涉及交通信息智能化集成領(lǐng)域，具體涉及一種智能型路側(cè)交通空氣污染監(jiān)測系統(tǒng)，用于城市路側(cè)環(huán)境下交通污染監(jiān)測。

背景技術(shù)：

隨著人民生活水平的改善，出于健康的需求人們對于空氣質(zhì)量的要求越來越高。特別是對于出行人群的需求更為突出，例如知曉出行路線的真實空氣污染狀態(tài)，獲得更小范圍的準(zhǔn)確空氣污染預(yù)報等。

從研究的角度，由于缺乏長期針對性的監(jiān)測，交通污染對出行人群的健康影響仍難以量化。目前，以建立空氣污染監(jiān)測站為主的監(jiān)測是最常見的空氣污染監(jiān)測方式?？諝馕廴颈O(jiān)測主要運用重量法以及大氣飄塵濃度測定方法檢測顆粒物，利用Saltzman法測量二氧化氮，利用紫外光度法測定臭氧，利用分光光度法測定二氧化硫，利用紅外法測定一氧化碳等，通過以上測量可以得到較精確的污染物濃度或者數(shù)值。但是這些方法大都難以做到便攜式集成，而建設(shè)和維護空氣質(zhì)量監(jiān)測站成本高且不能移動，不利于交通污染監(jiān)測。

目前還存在的以遙感為主的監(jiān)測方式，主要利用光學(xué)成像系統(tǒng)遠距離探測大區(qū)域內(nèi)顆粒物的形成、轉(zhuǎn)移等情況。該方法屬于大范圍顆粒物監(jiān)測，受制于遙感設(shè)備的分辨率，不適合做小區(qū)域空氣污染以及不可見氣體污染的監(jiān)測。

便攜式空氣污染監(jiān)測儀器具備靈活易用的特點，然而傳統(tǒng)的空氣質(zhì)量監(jiān)測儀忽視了對實時交通流率，車型比例等交通參數(shù)的采集以及更深層次的交通狀態(tài)挖掘。此外進行交通污染監(jiān)測往往要考慮溫濕度、風(fēng)向、風(fēng)力等氣象因素。因而，現(xiàn)有的空氣污染監(jiān)測系統(tǒng)在交通源空氣污染監(jiān)測過程中針對性不足。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是在傳統(tǒng)空氣污染監(jiān)測系統(tǒng)的基礎(chǔ)上進行交通信息智能化集成與融合，形成集空氣質(zhì)量綜合監(jiān)測、交通信息采集、信息發(fā)布等功能在內(nèi)的具有專業(yè)監(jiān)測能力的綜合性交通污染監(jiān)測儀系統(tǒng)。

本發(fā)明提供的智能型路側(cè)交通空氣污染監(jiān)測系統(tǒng)，包括服務(wù)器端、用戶端和設(shè)置在路側(cè)的設(shè)備終端。

所述的設(shè)備終端上設(shè)置太陽能電池供電，設(shè)備終端中包括控制單元、交通參數(shù)采集子系統(tǒng)、空氣質(zhì)量監(jiān)測子系統(tǒng)、氣象監(jiān)測子系統(tǒng)和遠程管理子系統(tǒng)。所述的控制單元在設(shè)備終端與服務(wù)器端連接成功后，在每個時間周期內(nèi)采集各子系統(tǒng)的輸出數(shù)據(jù)并上傳給服務(wù)器端，控制單元通過遠程管理子系統(tǒng)與服務(wù)器端通信。交通參數(shù)采集子系統(tǒng)輸出交通流率、車型比例以及交通擁堵指數(shù)(車輛排隊長度)給控制單元。空氣質(zhì)量監(jiān)測子系統(tǒng)輸出顆粒物的濃度值和有害氣體(NO₂、CO、SO₂、O₃)的濃度值給控制單元。氣象監(jiān)測子系統(tǒng)輸出風(fēng)速值、風(fēng)向值、溫度值和相對濕度值給控制單元。

服務(wù)器端上運行實時管理監(jiān)測平臺，同步接收各設(shè)備終端發(fā)回的數(shù)據(jù)，在用戶端請求提供智慧出行路線時，基于實時的空氣質(zhì)量數(shù)據(jù)提供智慧出行路線。

所述的用戶端從服務(wù)器端獲取當(dāng)前道路的監(jiān)測數(shù)據(jù)以及智慧出行路線。

所述的交通參數(shù)采集子系統(tǒng)包括交通監(jiān)控攝像頭和DSP圖像處理器，對捕捉的交通視頻信號處理，進行車輛識別，計算交通流率和車型比例值，并進而對交叉口車輛排隊長度進行預(yù)測，并將預(yù)測結(jié)果發(fā)送給控制單元。

所述的空氣質(zhì)量監(jiān)測子系統(tǒng)包含氣體模塊和顆粒物模塊，其中氣體模塊使用4個電化學(xué)傳感器，分別探測NO₂，CO，SO₂，O₃的濃度值，顆粒物模塊使用顆粒物傳感器，測量PM2.5和PM10的濃度值。

所述的氣象監(jiān)測子系統(tǒng)包括風(fēng)向風(fēng)速傳感器以及DHT22溫濕度傳感器。風(fēng)向風(fēng)速傳感器測量風(fēng)向值和風(fēng)速值，DHT22溫濕度傳感器測量溫度值和相對濕度值。

所述的設(shè)備終端，布置于城市道路的各個交叉口。

所述的服務(wù)器端，對各設(shè)備終端發(fā)送來的空氣質(zhì)量數(shù)據(jù)，運用馬爾可夫鏈預(yù)測下一時刻各設(shè)備終端所在位置節(jié)點的空氣質(zhì)量。

所述的服務(wù)器端提供智慧出行路線的方法是：在各交叉口布置設(shè)備終端后，每個設(shè)備終端作為一個節(jié)點。首先預(yù)測各節(jié)點在下一時刻的空氣質(zhì)量，并確定各節(jié)點的權(quán)值；第i個節(jié)點的權(quán)值其中M為節(jié)點個數(shù)，g_i為第i個節(jié)點處的空氣質(zhì)量狀態(tài)值。然后，將各個節(jié)點的權(quán)值作為最短路徑算法的輸入，根據(jù)用戶的當(dāng)前位置和目標(biāo)位置，計算出一條或多條空氣污染最小的出行路線。

本發(fā)明的優(yōu)點與積極效果在于：

(1)本發(fā)明系統(tǒng)在考慮空氣污染監(jiān)測的基礎(chǔ)上增加了氣象參數(shù)的輔助監(jiān)測，并同時采集交通數(shù)據(jù)，在監(jiān)測方式上與傳統(tǒng)空氣監(jiān)測系統(tǒng)相比，對交通污染的監(jiān)測更具針對性，可規(guī)劃出基于空氣污染狀態(tài)數(shù)據(jù)的最優(yōu)出行路線。

(2)通過搭建從設(shè)備終端到遠程管理的各個子系統(tǒng)，形成了從數(shù)據(jù)采集至信息發(fā)布的一體化架構(gòu)，并在各個子系統(tǒng)一系列采集功能的基礎(chǔ)上產(chǎn)生了基于交通污染狀態(tài)的用戶出行推薦功能，與傳統(tǒng)的監(jiān)測系統(tǒng)相比，交通信息智能化的水平有所提高。

(3)將交通流量統(tǒng)計、車型比例識別、空氣污染水平計算一系列數(shù)據(jù)層處理方法寫入嵌入式終端，使得終端可以直接輸出更為抽象的信息，提高了交通信息的集成化水平。

附圖說明

圖1為本發(fā)明的智能型路側(cè)交通空氣污染監(jiān)測系統(tǒng)的總體結(jié)構(gòu)示意圖；

圖2為本發(fā)明的設(shè)備終端的結(jié)構(gòu)示意圖；

圖3為多重交通波演化軌跡示意圖；

圖4為需要采用最短路徑規(guī)劃空氣污染最小的出行路線的一個示例圖；

圖5為本發(fā)明的設(shè)備終端的控制箱內(nèi)部的結(jié)構(gòu)示意圖；

圖6為本發(fā)明的設(shè)備終端的一個實物示例圖；

圖7為本發(fā)明的設(shè)備終端的固定安裝在路側(cè)的一個示意圖。

具體實施方式

下面將結(jié)合附圖和實施例對本發(fā)明作進一步的詳細說明。

本發(fā)明是一種綜合式智能型在線交通空氣污染監(jiān)測系統(tǒng)，如圖1所示，整體包括設(shè)備終端1、服務(wù)器端2及用戶端3。

設(shè)備終端1搭配太陽能電池系統(tǒng)作為戶外供電方式，以實現(xiàn)長期運行。設(shè)備終端1主要包括有控制單元11、交通參數(shù)采集子系統(tǒng)12、空氣質(zhì)量監(jiān)測子系統(tǒng)13、氣象監(jiān)測子系統(tǒng)14和遠程管理子系統(tǒng)15，如圖2所示。控制單元11開機后進行設(shè)備初始化，初始化正常則通過遠程管理子系統(tǒng)15向服務(wù)器端發(fā)送連接請求指令，服務(wù)器端2接收到連接請求指令后向設(shè)備終端1發(fā)送一組數(shù)字代表連接成功。此后，設(shè)備終端1在每個時間周期內(nèi)，例如45秒，發(fā)送一次數(shù)據(jù)至服務(wù)器。如果初始化失敗，控制單元11將向服務(wù)器端2發(fā)送一組錯誤代碼。控制單元11在初始化完成后，首先向服務(wù)器端2依次發(fā)送的數(shù)據(jù)包括有交通流率值、車型比例值、風(fēng)向值、風(fēng)速值、溫度值、相對濕度值、顆粒物的濃度值以及有害氣體的濃度值。顆粒物包括PM2.5和PM10，有害氣體是指NO₂、CO、SO₂和O₃。

本發(fā)明實施例中，控制單元11選用ARM架構(gòu)的STM32F107芯片結(jié)合DSP信號處理器DM642組成。交通參數(shù)采集子系統(tǒng)12使用微型的交通監(jiān)控攝像頭，并集成DSP圖像處理器實現(xiàn)。

交通參數(shù)采集子系統(tǒng)12通過微型的交通監(jiān)控攝像頭進行視頻信號捕捉，使用DSP圖像處理器對車輛進行識別，計算交通流率和車型比例值，并對交叉口車輛排隊長度進行預(yù)測。

交通參數(shù)采集子系統(tǒng)12采用嵌入式車輛識別算法，運用高斯背景建模獲取運動目標(biāo)。設(shè)一幀圖像中點坐標(biāo)(x,y)處的灰度值為該點坐標(biāo)(x,y)處的灰度值的均值為u_n(x,y)，標(biāo)準(zhǔn)差為σ_n(x,y)，則當(dāng)滿足時，該像素點(x,y)被認為是運動目標(biāo)點，其中，k為經(jīng)驗值。在圖像指定位置設(shè)置R*U塊虛擬檢測區(qū)，使用塊匹配算法作為運動估計算法檢測虛擬檢測區(qū)中心點速度，以此判斷出運動目標(biāo)，R、U均為正整數(shù)。確定MSE匹配準(zhǔn)則如下：

其中，MSE為求最小均方誤差，設(shè)某運動目標(biāo)點在當(dāng)前幀的坐標(biāo)為(m,n)，在上一幀的坐標(biāo)為(m+p,n+q)，p,q分別表示相對點(m,n)在橫縱坐標(biāo)軸上的位移，f_k(m,n)為當(dāng)前幀在點(m,n)處像素的灰度值，f_k-1(m+p,n+q)為上一幀在點(m+p,n+q)處像素的灰度值。

通過運動目標(biāo)識別和速度計算交通流率和車型比例值，并通過交通波理論來對交叉口車輛排隊長度進行預(yù)測。下面結(jié)合圖3說明本發(fā)明排隊長度預(yù)測功能的實現(xiàn)。

交通波中，設(shè)變化前的流率、密度和速度分別為q₁,k₁,u₁，變化后的流率、密度和速度分別為q₂,k₂,u₂，則交通流傳播速度

首先，假設(shè)交通波全部消散，在接下來的紅燈期間，車輛被迫在停車線前停止。因此到達車輛和停止車輛形成了兩組流率不同的車隊。這兩組狀態(tài)不同的車隊在相交處就形成了排隊波，排隊波傳播速度v₁可表達為下式：

其中，0和k_j代表堵塞流率和密度；和為第n個周期的平均到達流率和密度；圖3中和分別代表第n個周期有效綠燈的開始和結(jié)束時間。

排隊波以v₁持續(xù)向上游傳播，當(dāng)該方向的紅燈結(jié)束、綠燈開始時排隊車輛開始以飽和通行流率消散，假設(shè)下游沒有堵塞，同時形成消散波以速度v₂沿停車線向上游延伸。

式中，q_m和k_m為飽和通行車輛的流率和密度。

消散波的v₂通常高于速度v₁，所以兩波會在相遇，此時達到最大排隊長度。兩波一旦相遇，會形成第三個波向停車線以速度v₃傳播。

在當(dāng)前信號周期結(jié)束、下個周期紅燈開始時，如果隊列仍不能完全消散，將會形成滯留隊列并形成第4個交通波沿著停車線以速度v₄向上游移動。

第4個交通波描述的是排隊的壓縮過程。v₃和v₄的移動方向相反，因此會在時刻相遇，此時為最小排隊長度，即滯留隊列長度。兩波相遇時將形成下一周期中的排隊波，向上游移動的波速v₅與v₁相似，如此往復(fù)循環(huán)。

其中，和分別代表第n+1個周期的平均到達流率和密度。

排隊長度的變化具有很強的周期規(guī)律性，所以根據(jù)圖像數(shù)據(jù)識別出點A、點B和點C，那么即使沒有整個到達車輛的流量信息，整個周期內(nèi)的排隊和消散過程也可以推出，從而得到最大排隊長度(點H)和滯留排隊長度(點D)。

轉(zhuǎn)折點A、B、C通過邏輯判斷得到對應(yīng)具體時間T_A，T_B，T_C，如下過程：

A點可用于判斷排隊車輛是否越過排隊檢測器。T_A時刻之后，攝像頭設(shè)置虛擬檢測區(qū)會在較長時間內(nèi)被車輛占用，設(shè)置當(dāng)時間之后，如果檢測區(qū)占用時間大于3秒，表示點A存在。

B點表示消散波向后傳播到達排隊檢測器的時刻，綠燈開始后到T_B時刻之前交通流率為0，檢測區(qū)占用時間大于3秒，T_B時刻之后檢測區(qū)占用時間小于3秒。

C點表明T_C時刻隊列中末端車輛通過檢測區(qū)。T_C時刻之前，交通狀態(tài)為飽和狀態(tài)(q_m，k_m)，T_C時刻之后向到達流狀態(tài)過渡。通過設(shè)置車間時距ΔT和車間時距的方差Dt來判斷C點出現(xiàn)的時刻。ΔT常設(shè)為2.5秒，Dt為經(jīng)驗閾值。當(dāng)車間時距變大超過且連續(xù)三次超過時間間隔ΔT時，此時如果車頭時距的方差Dt也明顯增大，則判斷C點存在。

要計算最大排隊長度、滯留隊列長度，首先應(yīng)先計算v₂和v₃；由飽和流率q_m，飽和密度k_m，堵塞密度k_j已知，v₂可由交通波計算公式得出；v₃可以通過得到，而未知，所以先通過下式計算出平均速度u_s、平均流率q及交通密度K。

其中，u_i為車速，L_e為有效車長，是車長和檢測區(qū)長度總和；t_o,i和t_g,j分別為車輛經(jīng)過虛擬檢測區(qū)的占用時間和間隔時間；此處N為車輛總數(shù)。此處使用不同時間段的數(shù)據(jù)計算得到的交通狀態(tài)是不同的，使用發(fā)生在T_B和T_C之間的數(shù)據(jù)計算可以實時更新常數(shù)q_m，k_m；使用T_C時刻之后(之前)的數(shù)據(jù)計算得到和進而得到v₃。

計算出v₂和v₃后，任何周期n內(nèi)的最大排隊長度和達到最大排隊長度時刻

其中，L_d表示設(shè)置的虛擬檢測區(qū)的中心點到停車線的距離。

同樣，滯留隊列長度和相應(yīng)時刻可以用下式計算得到：

其中，v₄為交通波的速度，與v₂波速的數(shù)值相同。

空氣質(zhì)量監(jiān)測子系統(tǒng)13包含氣體檢測單元和顆粒物檢測器。氣體檢測單元中使用電化學(xué)傳感器配置可調(diào)速空氣采樣泵和PEFE(聚四氟乙烯)過濾裝置，氣體經(jīng)過物理過濾后以某流速流經(jīng)傳感器檢測區(qū)域。氣體檢測單元將濃度信號轉(zhuǎn)化為電壓信號，經(jīng)由24位高精度AD采集模塊采集到差分電壓值，通過公式C₁₃＝(A₁₃+Z₂-Z₁)/S_e計算得到濃度值；其中，C₁₃為濃度值，A₁₃為測量的差分電壓值，Z₂為工作電極偏移電壓，Z₁為輔助電極偏移電壓，S_e為靈敏度。氣體檢測單元共使用4個電化學(xué)傳感器，分別為探測NO₂，CO，SO₂，O₃的濃度值。每個傳感器需要單獨校準(zhǔn)，獲得其中Z₁、Z₂和S_e的值。顆粒物信息采集則使用激光散射原理的顆粒物傳感器。顆粒物檢測器通過對輸出PWM信號頻率和脈寬進行標(biāo)定，獲取PM2.5、PM10兩種參數(shù)的濃度數(shù)值并多次累計求取平均值。最后空氣質(zhì)量監(jiān)測子系統(tǒng)13將NO₂、CO、SO₂、O₃、PM2.5和PM10六種參數(shù)的濃度值發(fā)送給控制單元11。

氣象監(jiān)測子系統(tǒng)14包括物理風(fēng)向風(fēng)速傳感器以及DHT22溫濕度傳感器等模塊。物理風(fēng)向風(fēng)速傳感器中，將采集的原始AD值轉(zhuǎn)換為標(biāo)定后的角度值作為風(fēng)向值，風(fēng)向值為0到360度，將脈沖頻率標(biāo)定為風(fēng)速值，單位為米/秒。DHT22測量溫度值(攝氏度)和相對濕度值。氣象監(jiān)測子系統(tǒng)14通過控制單元11向服務(wù)器端12上傳風(fēng)速值、風(fēng)向值、溫度值和相對濕度值。

遠程管理子系統(tǒng)15包括GPS模塊和GPRS模塊。GPS模塊負責(zé)授時、定位以解決多臺設(shè)備在數(shù)據(jù)上傳中的同步問題。GPRS模塊在控制單元11的控制下實時將數(shù)據(jù)上傳至云服務(wù)器，即服務(wù)器端12。GPS模塊和GPRS模塊分別與控制單元11連接。GPS模塊與控制單元11之間使用4800波特率的串行通信。GPRS模塊與控制單元11串行通信。

服務(wù)器端2上搭建有實時管理監(jiān)測平臺，同時接收多個設(shè)備終端1發(fā)回的數(shù)據(jù)，在此基礎(chǔ)上構(gòu)建智慧出行推薦系統(tǒng)。服務(wù)器端2可將部分數(shù)據(jù)網(wǎng)站形式對外發(fā)布。用戶端3通過網(wǎng)絡(luò)從服務(wù)器端2獲取所發(fā)布的當(dāng)前道路的監(jiān)測數(shù)據(jù)以及智慧出行路線。服務(wù)器端2在用戶端3要求獲取智慧出現(xiàn)路線時，基于實時獲取的空氣質(zhì)量數(shù)據(jù)，預(yù)測下一時刻各路口的空氣質(zhì)量狀況，然后計算出一條或多條智慧出行路線。

智慧出行路線的獲取方法是：

首先，確定各節(jié)點(交叉口)的歷史及實時路側(cè)空氣污染狀態(tài)，運用馬爾可夫鏈預(yù)測下一時刻各個節(jié)點的空氣質(zhì)量狀況。以其中一個節(jié)點為例說明。空氣污染狀態(tài)Q可劃分為r個子狀態(tài){q₁，q₂，q₃,…q_r}，根據(jù)歷史數(shù)據(jù)統(tǒng)計出從一個時刻到下一時刻各個狀態(tài)間互相轉(zhuǎn)移的概率矩陣P，表示為：

依據(jù)以上概率矩陣得到預(yù)測值。其中P₁₁表示狀態(tài)q₁下一時刻轉(zhuǎn)移到q₁的概率；P₁₂表示狀態(tài)q₁下一時刻轉(zhuǎn)移到q₂的概率，以此類推。

其次，計算各個節(jié)點的權(quán)值，第i個節(jié)點的權(quán)值w_i為：

其中，M為節(jié)點個數(shù)，g_i為第i個節(jié)點處的空氣質(zhì)量狀態(tài)值，根據(jù)設(shè)備終端上傳的數(shù)據(jù)進行計算得到。

然后，根據(jù)用戶當(dāng)前位置和目標(biāo)位置，利用最短路徑算法來計算出一條或多條空氣污染最小的出行路線，即智慧出行路線。最短路徑算法例如可以使用Dijkstra算法。計算智慧出行路線的一個過程如下：

步驟1)設(shè)V表示全部節(jié)點集合，設(shè)S表示已選擇節(jié)點，T＝V-S為剩余節(jié)點集合，第i個節(jié)點的權(quán)值為w_i。將V中節(jié)點用無向圖來表示，當(dāng)節(jié)點相鄰時，二者之間有連接邊，連接邊上的值為兩個節(jié)點的權(quán)值之和。計算起始節(jié)點到T中各節(jié)點的距離值，距離值為路徑上各節(jié)點的權(quán)值之和，與實際地理距離無關(guān)，若兩節(jié)點不相鄰，則設(shè)置兩個節(jié)點之間的距離值為∞，初始S中僅包含出發(fā)節(jié)點。

步驟2)從T中選取一個與S的中間節(jié)點相鄰且權(quán)值最小的節(jié)點W，加入到S中。第一次搜索，將出發(fā)節(jié)點作為中間節(jié)點。

步驟3)更新出發(fā)節(jié)點經(jīng)中間節(jié)點到T中各節(jié)點的距離值，若出發(fā)節(jié)點到T中某個節(jié)點的權(quán)值減小，則修改和保留出發(fā)節(jié)點到該節(jié)點的路徑和權(quán)值。

步驟4)將W作為中間節(jié)點，繼續(xù)重復(fù)上述步驟2和3，直到到達目標(biāo)位置，獲得出發(fā)節(jié)點到所有節(jié)點的最優(yōu)路徑，最終可根據(jù)實際出行輸出需要的空氣污染最小的出行路線。

以圖4所示圖來說明上述計算過程。假設(shè)出行者從A點出行至D點，節(jié)點A、B、C、D對應(yīng)權(quán)值分別為2,3,1,5。

距離值A(chǔ)B＝A+B＝5，AC＝A+C＝3，AD＝∞,BC＝B+C＝4,BD＝B+D＝8,CD＝C+D＝6。

最優(yōu)路徑的實現(xiàn)過程如下表所示：

通過上面過程，查找到節(jié)點A到節(jié)點B,C,D的最優(yōu)路徑。則當(dāng)用戶請求到節(jié)點D時，發(fā)送對應(yīng)的最優(yōu)路徑給用戶。

控制箱內(nèi)部結(jié)構(gòu)如圖5所示，圖中給出了各組成部件的尺寸，單位是mm。①～⑦分別是控制盒，顆粒物檢測器，氣體檢測單元，電源適配器，內(nèi)置電池，空氣泵和太陽能電池板接口。其中STM32控制單元和DSP圖像處理器在控制盒內(nèi)部，同時顆粒物檢測器也安裝于控制盒。顆粒物檢測器與氣體檢測單元均通過氣泵與外界進行空氣流通，其中氣體檢測單元與氣泵的連接之間需要加裝有PEFE過濾器。GPS和GPRS模塊的天線位于控制盒外部的側(cè)壁。同時控制箱內(nèi)部有溫濕度檢測器，當(dāng)機箱內(nèi)溫濕度高于設(shè)定閾值時，設(shè)備將進入休眠狀態(tài)。圖6為整機實拍，控制箱外側(cè)還包括風(fēng)向、風(fēng)速傳感器以及攝像頭。圖7為固定安裝在路側(cè)的一個設(shè)備終端的示例圖。