一种基于兴趣点数据的大气污染源空间定位方法及系统
本申请涉及大气污染源防治领域,特别是涉及一种基于兴趣点数据的大气污染源空间定位方法及系统。
背景技术:
1、污染源空间信息是开展污染溯源分析、排放清单编制及精细化防治的重要基础。现有的污染源定位方法主要包括基于统计数据的方法,依赖行业统计数据或者企业申报数据,获取污染源的空间信息;基于已经构建的污染源排放清单获取污染源的空间信息;目前的方法均存在更新速度慢、空间分辨率低且难以在大范围推广应用的问题,难以满足高时空分辨率的污染溯源与精细化管控需求。
2、目前随着地理信息系统与高精度的地图服务的快速发展,地图poi数据为污染源的空间识别提供了新的思路,poi数据中包含了企业、商铺、服务机构等大量地理实体的信息,包括名称、位置和分类等,具有覆盖范围广、更新频率高、空间定位精度高等优势,已经在城市功能识别、商业分析等领域得到广泛应用。然而将poi数据用于污染源识别仍然存在一些问题,例如poi分类体系与污染源分类体系不一致,原始poi数据存在冗余、误分类及噪声问题,污染源信息的自构建能力差,继而导致污染排放监测与应急响应的科学性低、时效性差。
技术实现思路
1、本申请的目的是提供一种基于兴趣点数据的大气污染源空间定位方法及系统,可突破自下而上、依赖企业申报与人工巡查的污染源空间信息收集模式,无需大规模现场调查即可快速获取区域污染源空间信息,提高污染源识别的识别效率、覆盖范围,进而提高应急响应处置效率。
2、为实现上述目的,本申请提供了如下方案:
3、第一方面,本申请提供了一种基于兴趣点数据的大气污染源空间定位方法,所述方法包括:获取目标区域的兴趣点数据;所述兴趣点数据至少包括:兴趣点的名称信息、分类信息、地理坐标、地址信息和辅助属性信息;对兴趣点数据进行预处理,得到预处理后的兴趣点数据;所述预处理包括:文本清洗、空间聚类和去重处理;根据兴趣点的分类规则构建兴趣点数据分类表,根据污染源分类标准构建大气污染源分类表,基于兴趣点数据分类表与大气污染源分类表,确定兴趣点数据分类与大气污染源分类之间的映射关系,并构建兴趣点污染源对照表;利用兴趣点污染源对照表中的映射关系对预处理后的兴趣点数据进行污染源分类识别,确定各类目标污染源;所述目标污染源为点状污染源;根据目标区域的地理坐标,对各类目标污染源进行空间定位,得到各类目标污染源的空间分布数据集。
4、第二方面,本申请还提供一种计算机系统,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序以实现第一方面所述的基于兴趣点数据的大气污染源空间定位方法。
5、根据本申请提供的具体实施例,本申请公开了以下技术效果:
6、本申请通过对兴趣点数据的清洗与处理,针对兴趣点数据存在的名称差异、信息冗余及重复标注问题,建立基于空间聚类和名称相似度协同约束的数据融合规则,提高了污染源识别结果的一致性和可靠性;同时构建兴趣点分类体系与污染源分类体系的映射关系,实现了目标区域点状大气污染源的快速识别与准确定位。综上,本申请突破了自下而上、依赖企业申报与人工巡查的污染源空间信息收集模式,无需大规模现场调查即可快速获取区域污染源空间信息,提高了污染源识别的识别效率、覆盖范围,进而提高了应急响应处置效率。
1.一种基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述文本清洗的过程如下:
3.根据权利要求2所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述空间聚类的过程如下:
4.根据权利要求3所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述空间距离阈值为200m。
5.根据权利要求3所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述去重处理的过程如下:
6.根据权利要求5所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述相似度阈值为80%。
7.根据权利要求1所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,利用兴趣点污染源对照表中的映射关系对预处理后的兴趣点数据进行污染源分类识别,确定各类目标污染源,具体包括:
8.根据权利要求1所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,根据目标区域的地理坐标,对各类目标污染源进行空间定位,得到各类目标污染源的空间分布数据集,具体包括:
9.根据权利要求1所述的基于兴趣点数据的大气污染源空间定位方法,其特征在于,所述地理坐标包括:经度和纬度;所述辅助属性信息至少包括:营业时间。
10.一种计算机系统,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要求1-9中任一项所述的基于兴趣点数据的大气污染源空间定位方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com