黃欽炎HUANG Qin-yan；林慶豐LIN Qing-feng；黃欣龍HUANG Xin-long

（①廣州交信投科技股份有限公司，廣州510000；②中山大學智能工程學院，廣州510000）

0 引言

空氣質量監(jiān)測作為促進經濟社會綠色發(fā)展中的重要一環(huán)，以往的技術研究和應用大多存在固定監(jiān)測站成本高、覆蓋范圍不全、難以實時反饋等問題[1]。目前，在大力推行清潔生產，發(fā)展循環(huán)經濟的背景下，我國的城市空氣質量雖有好轉，但由于機動車的快速增加，尾氣排放加劇，大氣環(huán)境污染治理依舊嚴峻[2-3]，亟需完善空氣質量監(jiān)測方法和機制，推進空氣污染治理智能化進程。當前，國家在大多數城市布設或完善了顆粒物、氣體監(jiān)測設備，形成了國省控點結合的地面污染源檢測網。然而，傳統(tǒng)監(jiān)測模式存在覆蓋范圍不大、數字化水平不高、監(jiān)測與監(jiān)管結合不緊密、監(jiān)測數據質量有待提高等問題，且固定監(jiān)測點成本投入較大、只能靜態(tài)收集污染數據、不能實時掌握和反饋、日常維護復雜，難以滿足大氣污染治理的綠色發(fā)展需求[4]。

由于交通工具的移動特性，若在交通工具上安裝多種傳感器，便能在城市中獲取覆蓋范圍廣，頻率高的動態(tài)感知數據用以相關研究，彌補固定傳感器靜態(tài)感知的不足[1]。有研究指出可以通過可移動的傳感器來感知城市空氣質量[5-6]，利用車輛的移動性來對城市的整體空氣質量進行細粒度感知，彌補固定地面空氣監(jiān)測站的不足。然而，目前仍未見有系統(tǒng)的研究及規(guī)模應用。因此，面對我國空氣污染的嚴峻形勢，亟需采取新方法實現空氣污染治理智能化，并進行應用實踐。

基于此，本文開展了基于移動物聯的空氣質量監(jiān)測大數據融合分析應用研究。利用公交系統(tǒng)覆蓋范圍廣，運行軌跡、時間和發(fā)班間隔穩(wěn)定的特點，在公交車輛上搭載移動空氣質量監(jiān)測設備實時采集PM2.5、PM10 等空氣污染物監(jiān)測數據，并與車輛定位等數據進行融合，對各污染物進行動態(tài)監(jiān)測，全面掌握路段區(qū)域空氣質量污染的時空差異性，快速識別出污染因子，掌握其擴散與傳播機理，并在廣州市進行實踐應用，助力空氣治理智能化、數字化轉型。

1 研究框架概述

研究技術框架主要包括四個部分：

①數據采集。通過安裝在公交車上的車載移動式空氣微型監(jiān)測傳感器，實時采集大氣環(huán)境中的PM2.5、PM10 等信息，車載GPS 定位器可實時采集車輛的GPS 位置信息，攝像頭可以采集車輛運行時的環(huán)境視頻數據。

②數據傳輸。本研究采用標準的環(huán)保部通訊規(guī)范協議，將實時采集到的PM2.5、PM10、車載GPS 數據，視頻數據傳輸至網格化在線監(jiān)測系統(tǒng)軟件平臺。

③數據分析?；诙嘣创髷祿诤戏治?，提供實時、準確、可視的管理決策依據，支撐政府環(huán)保部門對空氣質量的監(jiān)測和分析挖掘，可指導提出有效的整改措施，實現治理工作的全面協同和問題的高效辦理，使空氣污染治理更加精細化、智能化，促進降本增效。

④信息發(fā)布。應用可在公交車載屏幕上展示監(jiān)測信息，為乘客提供實時空氣質量信息服務，也可以通過手機APP 移動端向市民發(fā)布空氣質量相關信息。

研究的整體框架圖如圖1。

圖1 整體框架圖

本文充分利用現有公共交通資源搭載移動式空氣微型監(jiān)測站，既能有效降低建設和維護成本，又彌補了固定監(jiān)測點覆蓋面不廣的短板。通過固定與移動監(jiān)測的動靜結合，使兩種監(jiān)測方式采集的數據相互補充，相互校準，真正實現空氣污染的全面監(jiān)測。同時，在數據分析過程中，有效地融合多源數據，有助于實現空氣監(jiān)測區(qū)域化、精準化、智能化，減少人力巡查和治理投入。

2 監(jiān)測原理及設備安裝布點選線

2.1 監(jiān)測原理

本文采用激光光散射法原對空氣質量進行監(jiān)測。監(jiān)測傳感器主要由激光源、測量腔、透鏡組、光檢測器、濾波放大電路、微處理器元器件等組成，工作時，由激光源發(fā)出的激光通過透鏡組形成一個薄層面光源。當其照射在由氣流吹入測量腔內的氣溶膠時，會產生散射光。散射光經過透鏡組再照射到光檢測器上面時，會產生電信號，經過放大電路生成模擬信號，得到散射光強度的變化曲線。微處理器可基于米氏理論算法，得到顆粒物的等效粒徑和顆粒數量，從而輸出結果。

作為傳感器的載體，公交車輛具有以下特性：①行駛時間一般為6:00-22:00，可滿足對空氣質量監(jiān)測的時間段要求；②運行軌跡固定，能夠滿足對特定路線和區(qū)域進行持續(xù)監(jiān)測的需求；③公交車輛發(fā)班間隔時間一般不超過15 分鐘，可滿足對空氣監(jiān)測的頻次要求；④公交線路覆蓋范圍廣，可以監(jiān)測城市大部分區(qū)域內的空氣質量水平。

在公交車輛運行時，通過安裝在公交車上的傳感器，可實現對空氣中PM2.5，PM10 等污染物數據的采集，同時，車載GPS 和攝像頭等設備可實時采集公交車輛運行的位置和環(huán)境視頻等數據，為空氣質量監(jiān)測大數據融合分析提供基礎。

2.2 監(jiān)測設備安裝與布點選線

2.2.1 監(jiān)測設備安裝

選擇合適線路的公交車輛安裝數據采集設備。采用車頂安裝方式，利用設備底部的強力磁鐵，無需對車體進行改裝，直接放置即可與車頂牢固連接在一起。

車載微站主機安裝在公交車前端應急逃生口后側，將主機磁體部分向下吸附在安裝車輛車頂即可，主機電源線順延車頂至公交車前門防水刷處，線纜加套波紋管并使用玻璃膠固定，可防止因為長時間暴曬造成線纜老化。使用玻璃膠對波紋管進行固定，可防止在車輛形成過程中造成不必要的刮蹭。

2.2.2 監(jiān)測布點選線

試點應用城市此前所使用的空氣質量監(jiān)測手段主要為地面固定監(jiān)測站，存在成本投入高、難以實時跟蹤污染情況等短板[15]。為了滿足更高的環(huán)境治理要求，有必要采用更加科學、高效且經濟的監(jiān)測方式。

基于重點監(jiān)測區(qū)域和最大化覆蓋范圍原則，選擇合適的公交線路。根據公交線路分布情況，共選擇21 條線路，225 臺公交車輛，監(jiān)測范圍覆蓋10 個國控站點，確定研究應用試點范圍，數據采集時間段為每天6:00-22:00 及政府環(huán)保部門指定的其他時間段。

3 研究應用場景

通過數據采集、挖掘分析，可實現空氣質量動態(tài)監(jiān)測和智能決策治理。具體研究應用場景如下：

3.1 多源大數據融合的實時監(jiān)控

融合車載GPS 數據以及實時采集到的PM2.5、PM10等污染物的含量數據，可形成帶有每個路段，每種污染物實時污染程度的電子地圖，形成實時路段熱力圖及三維熱力圖；融合車輛運行所采集到的視頻數據和實時空氣質量數據，可以迅速定位污染源，初步確定污染原因，如道路施工揚塵，工廠工業(yè)氣體排放等。

3.2 污染因子識別

實現各污染物多時空維度的實時動態(tài)監(jiān)測和分析，能夠全面掌握路段區(qū)域空氣質量污染的時空差異性。通過多維時空交叉統(tǒng)計分析，快速識別出污染因子。（圖2）

圖2 污染因子動態(tài)監(jiān)測識別

3.3 數據存儲與動態(tài)分析預測

對至少1 年的實時數據及至少3 年的平均數據（包括車輛衛(wèi)星定位、視頻監(jiān)控、空氣質量等）進行存儲，根據路段及時間對數據進行統(tǒng)計分析，供用戶可視化查詢。此外，可對監(jiān)測數據的變化趨勢進行動態(tài)分析、預測，并疊加歷史數據進行綜合對比分析，提供可視化界面供用戶查詢。

3.4 大數據驅動的智能化閉環(huán)治理

設定PM2.5、PM10 等污染物的濃度預警限值，實時動態(tài)告警。同時，基于公交車輛運行的規(guī)律性，可對指定監(jiān)測區(qū)域或時段進行重點監(jiān)測。通過挖掘監(jiān)測大數據價值，掌握污染源的時空分布規(guī)律，快速鎖定污染源位置及傳輸方向。通過多維度智能分析，支撐提出有針對性的治理手段，跟蹤反饋治理效果，形成閉環(huán)。

3.5 基于移動物聯的多源信息服務

將空氣質量監(jiān)測采集數據與車載數據進行融合，實現信息交互，可在公交車載屏幕上展示監(jiān)測信息，為乘客提供實時信息服務，也可通過手機APP 移動端向市民發(fā)布空氣質量相關信息，提高公眾環(huán)保參與意識，促進經濟社會綠色健康發(fā)展。

4 結束語

本文通過在公交車輛上搭載移動式空氣微型監(jiān)測站，形成了基于大數據和移動物聯網的空氣質量數據“采集-傳輸-分析-應用”應用價值鏈條，打造了“固+移”監(jiān)測模式，對實時和歷史監(jiān)測數據進行充分挖掘分析，支撐空氣質量監(jiān)測時空分辨率的提高，促進治理智能化、數字化轉型升級。

研究成果在公共交通系統(tǒng)上的部署實踐表明其具有較高的應用價值。未來，可將應用經驗推廣至出租車等其他城市交通領域，形成多個移動交通工具空氣質量監(jiān)測網絡，多網融合，形成互補，使空氣質量網格化監(jiān)測更加精密，達到更有效的治理效果。此外，相關經驗還可為固體污染物運輸監(jiān)測治理等提供借鑒，健全城市環(huán)境治理網絡體系。