1 合肥综合性国家科学中心人工智能研究院, 安徽 合肥 230088
2 中国科学技术大学自动化系, 安徽 合肥 230036
3 安徽大学计算机科学与技术学院, 安徽 合肥 230601
4 中国科学技术大学先进技术研究院, 安徽 合肥 230088
5 中国科学技术大学火灾科学国家重点实验室, 安徽 合肥 230027
6 合肥市生态环境局, 安徽 合肥 230601
由于移动源污染遥感监测受到复杂外部环境影响, 难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型, 为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用 Spearman 相关性分析排除与移动源污染物主要排放气体 CO、HC、NO 气体浓度无相关性的因素; 其次使用 Lasso 算法确定各成分的关键影响因子, 并采用神经网络构建污染物排放预测模型; 最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明, 基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度, 可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。
移动源污染 遥感监测 排放预测 特征筛选 神经网络 mobile source emission exhaust remote sensing emission prediction feature selection neural network 大气与环境光学学报
2022, 17(2): 220
1 中国科学技术大学信息科学技术学院自动化系, 安徽 合肥 230027
2 合肥综合性国家科学中心人工智能研究院, 安徽 合肥 230088
3 中国科学技术大学火灾科学国家重点实验室, 安徽 合肥 230027
4 中国科学技术大学先进技术研究院, 安徽 合肥 230088
5 中国科学院合肥物质科学研究院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室, 安徽 合肥 230031
6 中国科学技术大学, 安徽 合肥 230027
建设城市路网机动车尾气遥测系统可实现对城市区域在路车辆尾气排放状况的全面监控, 而在遥测系统中, 尾气遥测设备在路网中的布设位置直接影响设备的监测效果, 因此设备的布点选址问题是遥测系统构建的关键之一。针对该问题, 提出基于路网拓扑的遥测设备布点策略。在该方法中,首先建立了这一问题的数学模型, 并借助交通路网图线图的可达矩阵来描述路段之间的连接程度, 进而使用基于二重结构编码的遗传算法来求解模型。实验研究结果表明, 相对于传统的布点方案, 本文所提出的布点策略可截获更多数量的个体车辆。
尾气遥测 设备布点 路网拓扑 遗传算法 vehicle emission remote sensing location strategy topology structure of traffic network genetic algorithm 大气与环境光学学报
2020, 15(5): 365
中国科学技术大学自动化系, 安徽 合肥 230022
随着我国城市化建设的发展和机动车使用数量的提高,机动车尾气逐渐成为城市清洁空气的主要杀手。为有效改善城市空气污染状况,需对机动车尾气排放 进行有效的控制和严格的检测。随着遥测技术的产生,在获得遥测尾气数据后,必须对检测数据进行有效安全的存储、管理及分析。针对机动车尾气遥 感监测数据的存储、显示及分析处理的需求,建立了机动车尾气数据中心平台,实现对机动车尾气海量数据的存储管理以及Web监控查询平台的设计。
机动车尾气 遥测技术 数据中心平台 motor vehicle exhaust remote sensing technology data center platform 大气与环境光学学报
2016, 11(6): 453
中国科学技术大学自动化系, 安徽 合肥 230022
机动车尾气是当前城市污染的主要元凶之一。通过摄像机抓拍和图像识别方法得到街道的车流量信息,结合国家环境保护部发布的车辆排放因子信息,计算得到街道 的排放源强,接着运用湍流模型和多孔介质理论,结合计算机数值模拟的方法得到街道峡谷内的流场和污染物浓度分布,可以为城市道路设计和尾气污染治理提供科学合理的依据。
街道峡谷 数值模拟 湍流 机动车尾气 street canyon numerical simulation turbulence vehicle emissions 大气与环境光学学报
2016, 11(6): 448
西南科技大学 计算机科学与技术学院, 四川 绵阳 621010
针对线结构光三维形貌测量中大量噪声易干扰激光条纹中心提取准确度的问题, 提出了一种条纹亚像素中心提取方法。分析条纹图像中的噪声, 采用平均法和中值滤波预处理图像; 利用迭代阈值分割及形态学方法, 获取条纹目标, 引入距离变换提取条纹的像素级中心; 根据像素级中心、二值信息及光强灰度, 结合曲线拟合及重心法精确提取条纹的亚像素中心。仿真分析和实验验证下, 相邻行条纹中心列坐标最大偏差值像素小于2 , 平均偏差像素值约为0.3, 与传统方法相比, 2项指标值更小。实验结果表明, 算法有效利用条纹灰度分布规律, 可降低噪声对中心定位精度的影响, 更逼近条纹真实中心位置, 抗噪能力极强。
高噪声背景 亚像素中心 距离变换 曲线拟合 重心法 high noise background sub-pixel center distance transform curve fitting barycenter
