基于移动物联的空气质量监测大数据分析应用

黄钦炎HUANG Qin-yan；林庆丰LIN Qing-feng；黄欣龙HUANG Xin-long

（①广州交信投科技股份有限公司，广州510000；②中山大学智能工程学院，广州510000）

0 引言

空气质量监测作为促进经济社会绿色发展中的重要一环，以往的技术研究和应用大多存在固定监测站成本高、覆盖范围不全、难以实时反馈等问题[1]。目前，在大力推行清洁生产，发展循环经济的背景下，我国的城市空气质量虽有好转，但由于机动车的快速增加，尾气排放加剧，大气环境污染治理依旧严峻[2-3]，亟需完善空气质量监测方法和机制，推进空气污染治理智能化进程。当前，国家在大多数城市布设或完善了颗粒物、气体监测设备，形成了国省控点结合的地面污染源检测网。然而，传统监测模式存在覆盖范围不大、数字化水平不高、监测与监管结合不紧密、监测数据质量有待提高等问题，且固定监测点成本投入较大、只能静态收集污染数据、不能实时掌握和反馈、日常维护复杂，难以满足大气污染治理的绿色发展需求[4]。

由于交通工具的移动特性，若在交通工具上安装多种传感器，便能在城市中获取覆盖范围广，频率高的动态感知数据用以相关研究，弥补固定传感器静态感知的不足[1]。有研究指出可以通过可移动的传感器来感知城市空气质量[5-6]，利用车辆的移动性来对城市的整体空气质量进行细粒度感知，弥补固定地面空气监测站的不足。然而，目前仍未见有系统的研究及规模应用。因此，面对我国空气污染的严峻形势，亟需采取新方法实现空气污染治理智能化，并进行应用实践。

基于此，本文开展了基于移动物联的空气质量监测大数据融合分析应用研究。利用公交系统覆盖范围广，运行轨迹、时间和发班间隔稳定的特点，在公交车辆上搭载移动空气质量监测设备实时采集PM2.5、PM10 等空气污染物监测数据，并与车辆定位等数据进行融合，对各污染物进行动态监测，全面掌握路段区域空气质量污染的时空差异性，快速识别出污染因子，掌握其扩散与传播机理，并在广州市进行实践应用，助力空气治理智能化、数字化转型。

1 研究框架概述

研究技术框架主要包括四个部分：

①数据采集。通过安装在公交车上的车载移动式空气微型监测传感器，实时采集大气环境中的PM2.5、PM10 等信息，车载GPS 定位器可实时采集车辆的GPS 位置信息，摄像头可以采集车辆运行时的环境视频数据。

②数据传输。本研究采用标准的环保部通讯规范协议，将实时采集到的PM2.5、PM10、车载GPS 数据，视频数据传输至网格化在线监测系统软件平台。

③数据分析。基于多源大数据融合分析，提供实时、准确、可视的管理决策依据，支撑政府环保部门对空气质量的监测和分析挖掘，可指导提出有效的整改措施，实现治理工作的全面协同和问题的高效办理，使空气污染治理更加精细化、智能化，促进降本增效。

④信息发布。应用可在公交车载屏幕上展示监测信息，为乘客提供实时空气质量信息服务，也可以通过手机APP 移动端向市民发布空气质量相关信息。

研究的整体框架图如图1。

图1 整体框架图

本文充分利用现有公共交通资源搭载移动式空气微型监测站，既能有效降低建设和维护成本，又弥补了固定监测点覆盖面不广的短板。通过固定与移动监测的动静结合，使两种监测方式采集的数据相互补充，相互校准，真正实现空气污染的全面监测。同时，在数据分析过程中，有效地融合多源数据，有助于实现空气监测区域化、精准化、智能化，减少人力巡查和治理投入。

2 监测原理及设备安装布点选线

2.1 监测原理

本文采用激光光散射法原对空气质量进行监测。监测传感器主要由激光源、测量腔、透镜组、光检测器、滤波放大电路、微处理器元器件等组成，工作时，由激光源发出的激光通过透镜组形成一个薄层面光源。当其照射在由气流吹入测量腔内的气溶胶时，会产生散射光。散射光经过透镜组再照射到光检测器上面时，会产生电信号，经过放大电路生成模拟信号，得到散射光强度的变化曲线。微处理器可基于米氏理论算法，得到颗粒物的等效粒径和颗粒数量，从而输出结果。

作为传感器的载体，公交车辆具有以下特性：①行驶时间一般为6:00-22:00，可满足对空气质量监测的时间段要求；②运行轨迹固定，能够满足对特定路线和区域进行持续监测的需求；③公交车辆发班间隔时间一般不超过15 分钟，可满足对空气监测的频次要求；④公交线路覆盖范围广，可以监测城市大部分区域内的空气质量水平。

在公交车辆运行时，通过安装在公交车上的传感器，可实现对空气中PM2.5，PM10 等污染物数据的采集，同时，车载GPS 和摄像头等设备可实时采集公交车辆运行的位置和环境视频等数据，为空气质量监测大数据融合分析提供基础。

2.2 监测设备安装与布点选线

2.2.1 监测设备安装

选择合适线路的公交车辆安装数据采集设备。采用车顶安装方式，利用设备底部的强力磁铁，无需对车体进行改装，直接放置即可与车顶牢固连接在一起。

车载微站主机安装在公交车前端应急逃生口后侧，将主机磁体部分向下吸附在安装车辆车顶即可，主机电源线顺延车顶至公交车前门防水刷处，线缆加套波纹管并使用玻璃胶固定，可防止因为长时间暴晒造成线缆老化。使用玻璃胶对波纹管进行固定，可防止在车辆形成过程中造成不必要的刮蹭。

2.2.2 监测布点选线

试点应用城市此前所使用的空气质量监测手段主要为地面固定监测站，存在成本投入高、难以实时跟踪污染情况等短板[15]。为了满足更高的环境治理要求，有必要采用更加科学、高效且经济的监测方式。

基于重点监测区域和最大化覆盖范围原则，选择合适的公交线路。根据公交线路分布情况，共选择21 条线路，225 台公交车辆，监测范围覆盖10 个国控站点，确定研究应用试点范围，数据采集时间段为每天6:00-22:00 及政府环保部门指定的其他时间段。

3 研究应用场景

通过数据采集、挖掘分析，可实现空气质量动态监测和智能决策治理。具体研究应用场景如下：

3.1 多源大数据融合的实时监控

融合车载GPS 数据以及实时采集到的PM2.5、PM10等污染物的含量数据，可形成带有每个路段，每种污染物实时污染程度的电子地图，形成实时路段热力图及三维热力图；融合车辆运行所采集到的视频数据和实时空气质量数据，可以迅速定位污染源，初步确定污染原因，如道路施工扬尘，工厂工业气体排放等。

3.2 污染因子识别

实现各污染物多时空维度的实时动态监测和分析，能够全面掌握路段区域空气质量污染的时空差异性。通过多维时空交叉统计分析，快速识别出污染因子。（图2）

图2 污染因子动态监测识别

3.3 数据存储与动态分析预测

对至少1 年的实时数据及至少3 年的平均数据（包括车辆卫星定位、视频监控、空气质量等）进行存储，根据路段及时间对数据进行统计分析，供用户可视化查询。此外，可对监测数据的变化趋势进行动态分析、预测，并叠加历史数据进行综合对比分析，提供可视化界面供用户查询。

3.4 大数据驱动的智能化闭环治理

设定PM2.5、PM10 等污染物的浓度预警限值，实时动态告警。同时，基于公交车辆运行的规律性，可对指定监测区域或时段进行重点监测。通过挖掘监测大数据价值，掌握污染源的时空分布规律，快速锁定污染源位置及传输方向。通过多维度智能分析，支撑提出有针对性的治理手段，跟踪反馈治理效果，形成闭环。

3.5 基于移动物联的多源信息服务

将空气质量监测采集数据与车载数据进行融合，实现信息交互，可在公交车载屏幕上展示监测信息，为乘客提供实时信息服务，也可通过手机APP 移动端向市民发布空气质量相关信息，提高公众环保参与意识，促进经济社会绿色健康发展。

4 结束语

本文通过在公交车辆上搭载移动式空气微型监测站，形成了基于大数据和移动物联网的空气质量数据“采集-传输-分析-应用”应用价值链条，打造了“固+移”监测模式，对实时和历史监测数据进行充分挖掘分析，支撑空气质量监测时空分辨率的提高，促进治理智能化、数字化转型升级。

研究成果在公共交通系统上的部署实践表明其具有较高的应用价值。未来，可将应用经验推广至出租车等其他城市交通领域，形成多个移动交通工具空气质量监测网络，多网融合，形成互补，使空气质量网格化监测更加精密，达到更有效的治理效果。此外，相关经验还可为固体污染物运输监测治理等提供借鉴，健全城市环境治理网络体系。