遥感监测数据有效性的判断方法、装置、设备和存储介质与流程

1.本技术涉及机动车尾气监测技术领域，尤其涉及一种遥感监测数据有效性的判断方法、装置、设备和存储介质。


背景技术：

2.随着大气环境污染的日益严峻，机动车排放监管将越来越重要，许多地区为了监控机动车尾气排放，会在道路加装机动车尾气遥感监测设备。但由于设备精密性高，受影响因素多，导致大量的监测数据不准确，无法用来作为筛选超标车辆的依据，无法为后续的超标车处罚做证据支撑。


技术实现要素：

3.为了解决现有技术中车辆的尾气监测数据不准确的技术问题。本技术提供了一种遥感监测数据有效性的判断方法、装置、设备和存储介质，其主要目的在于对车辆的尾气监测数据进行有效性判断，提高超标车辆判断的准确性和可靠性。
4.为实现上述目的，本技术提供了一种遥感监测数据有效性的判断方法，该方法包括：
5.获取在同一个监测点的各个不同监测时间段内监测到的每辆过往车辆的第一监测数据，其中，第一监测数据通过监测点的遥感监测设备获取，第一监测数据包括对应过往车辆在每个监测维度所对应的第二监测数据；
6.对每辆过往车辆的第二监测数据进行超标校核，将存在至少一个超标的第二监测数据的过往车辆确定为超标车辆；
7.计算每辆超标车辆在对应的超标维度上的超标倍数，其中，超标维度为超标车辆超标的第二监测数据所对应的监测维度；
8.对同一个监测时间段内同一个监测维度的超标倍数进行分位值计算，得到监测点在每个监测时间段内每个监测维度所对应的超标倍数分位值分布，其中，超标倍数分位值分布包括在对应监测维度各个百分位所对应的超标倍数分位值；
9.获取在每个监测时间段内在监测点通过同步监测设备监测到的超标车数量；
10.根据相同监测时间段内超标车数量和每个监测维度对应的超标倍数分位值分布，确定在对应监测时间段内每个监测维度的目标超标倍数分位值；
11.根据所有监测时间段内相同监测维度的目标超标倍数分位值，得到监测点在对应监测维度的超标倍数标准值；
12.根据监测点在各个监测维度的超标倍数标准值，对待定超标车辆的待估监测数据进行有效性判断。
13.此外，为实现上述目的，本技术还提供了一种遥感监测数据有效性的判断装置，该装置包括：
14.第一数据获取模块，用于获取在同一个监测点的各个不同监测时间段内监测到的
每辆过往车辆的第一监测数据，其中，第一监测数据通过监测点的遥感监测设备获取，第一监测数据包括对应过往车辆在每个监测维度所对应的第二监测数据；
15.超标校核模块，用于对每辆过往车辆的第二监测数据进行超标校核，将存在至少一个超标的第二监测数据的过往车辆确定为超标车辆；
16.第一计算模块，用于计算每辆超标车辆在对应的超标维度上的超标倍数，其中，超标维度为超标车辆超标的第二监测数据所对应的监测维度；
17.第二计算模块，用于对同一个监测时间段内同一个监测维度的超标倍数进行分位值计算，得到监测点在每个监测时间段内每个监测维度所对应的超标倍数分位值分布，其中，超标倍数分位值分布包括在对应监测维度各个百分位所对应的超标倍数分位值；
18.第二数据获取模块，用于获取在每个监测时间段内在监测点通过同步监测设备监测到的超标车数量；
19.反向确定模块，用于根据相同监测时间段内超标车数量和每个监测维度对应的超标倍数分位值分布，确定在对应监测时间段内每个监测维度的目标超标倍数分位值；
20.标准值确定模块，用于根据所有监测时间段内相同监测维度的目标超标倍数分位值，得到监测点在对应监测维度的超标倍数标准值；
21.有效性判断模块，用于根据监测点在各个监测维度的超标倍数标准值，对待定超标车辆的待估监测数据进行有效性判断。
22.为实现上述目的，本技术还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令，处理器执行计算机可读指令时执行如前面任一项的遥感监测数据有效性的判断方法的步骤。
23.为实现上述目的，本技术还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行如前面任一项的遥感监测数据有效性的判断方法的步骤。
24.本技术提出的遥感监测数据有效性的判断方法、装置、设备和存储介质，通过对同一监测点在不同监测时间段的过往车辆的第一监测数据进行整理得出该监测点在不同监测维度上的超标倍数标准值t，并根据该超标倍数标准值t来检验任意一辆待定超标车辆的车辆监测数据的准确性或有效性或进行准确性有效性判断，用于进一步检验筛选超标车辆提供了可靠依据。
附图说明
25.图1为本技术一实施例中遥感监测数据有效性的判断方法的应用场景图；
26.图2为本技术一实施例中遥感监测数据有效性的判断方法的流程示意图；
27.图3为本技术一实施例中遥感监测数据有效性的判断装置的结构框图；
28.图4为本技术一实施例中计算机设备的内部结构框图。
29.本技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
30.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
31.本技术提供的遥感监测数据有效性的判断方法，可应用在如图1的应用环境中，其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
32.图2为本技术一实施例中遥感监测数据有效性的判断方法的流程示意图。参考图2，以该方法应用在图1中的终端设备为例进行说明。该遥感监测数据有效性的判断方法包括以下步骤s100-s800。
33.s100：获取在同一个监测点的各个不同监测时间段内监测到的每辆过往车辆的第一监测数据，其中，第一监测数据通过监测点的遥感监测设备获取，第一监测数据包括对应过往车辆在每个监测维度所对应的第二监测数据。
34.具体地，在监控道路上每一段道路上都布设有监测点，监测点设有遥感监测设备和同步监测设备。监测点具体为监测点点位，其对应监控一段道路。
35.获取在同一个监测点的遥感监测设备在各个不同监测时间段内监测采集到的每辆过往车辆的第一监测数据，不同监测时间段数据采集的时间段不同，每个监测时间段内有经过的过往车辆。
36.不同监测时间段可以为例如一年中的12个月，每个月为一个监测时间段。同一个监测点就有12个月对应的12组监测数据集合。每组监测数据集合是对应监测时间段内采集到的部分过往车辆或全部过往车辆的第一监测数据的数据集合。例如，选择监测时间段内部分子时间段的第一监测数据组成该监测时间段的监测数据集合。第一监测数据包括了对应过往车辆的尾气监测数据，如果为柴油车辆，则第一监测数据即尾气监测数据包括：no浓度和不透光度等；如果为汽油车辆，则第一监测数据即尾气监测数据包括co浓度和hc浓度(碳氢化合物浓度)。no浓度、不透光度、co浓度和hc浓度为四种不同监测维度或监测指标所对应的第二监测数据。
37.s200：对每辆过往车辆的第二监测数据进行超标校核，将存在至少一个超标的第二监测数据的过往车辆确定为超标车辆。
38.具体地，每个监测时间段的监测数据集合中包含了大量过往车辆的第一监测数据，如果过往车辆在其所对应的第二监测数据中存在任意一个或多个第二监测数据超标，则确定该过往车辆为超标车辆。
39.例如，某辆过往车辆为柴油车辆，则如果其第一监测数据中满足no浓度值超过第一阈值、不透光度超过第二阈值这两个条件中的至少一个条件，则确定该过往车辆为超标车辆。
40.如果某辆过往车辆为汽油车辆，则如果其第一监测数据中满足co浓度值超过第三阈值、hc浓度超过第四阈值中至少一个条件，则确定该过往车辆为超标车辆。
41.另外，在多个监测维度中有的超标车辆可能只在其中部分监测维度上的第二监测数据超标，在其他监测维度的第二监测数据未超标；还有可能在所有监测维度上的第二监测数据均超标。
42.s300：计算每辆超标车辆在对应的超标维度上的超标倍数，其中，超标维度为超标
车辆超标的第二监测数据所对应的监测维度。
43.具体地，如果一辆为汽油车辆的超标车辆在co浓度这个监测维度或监测指标上超标，则计算该超标车辆在co浓度这个超标维度上的超标倍数。
44.如果一辆为汽油车辆的超标车辆在hc浓度这个监测维度或监测指标上超标，则计算该超标车辆在hc浓度这个超标维度上的超标倍数。
45.如果一辆为柴油车辆的超标车辆在no浓度这个监测维度或监测指标上超标，则计算该超标车辆在no浓度这个超标维度上的超标倍数。
46.如果一辆为柴油车辆的超标车辆在不透光度这个监测维度或监测指标上超标，则计算该超标车辆在不透光度这个超标维度上的超标倍数。
47.同一辆超标车辆存在至少一个超标维度的超标倍数。
48.s400：对同一个监测时间段内同一个监测维度的超标倍数进行分位值计算，得到监测点在每个监测时间段内每个监测维度所对应的超标倍数分位值分布，其中，超标倍数分位值分布包括在对应监测维度各个百分位所对应的超标倍数分位值。
49.具体地，同一个监测时间段内有的超标车辆是no浓度超标，有的超标车辆是co浓度超标，有的超标车辆是不透光度超标，有的超标车辆是hc浓度超标，有的超标车辆是hc浓度超标和co浓度超标，有的超标车辆是no浓度超标和不透光度超标。每辆超标车辆对应至少一个超标维度的至少一个超标倍数，因此，在同一个监测时间段内同一个监测维度或同一个超标维度对应多个超标倍数，该多个超标倍数由多个不同超标车辆在相同超标维度的超标倍数组成。
50.在同一个监测时间段内，对同一个监测维度的所有超标倍数进行聚类汇总。然后分别根据聚类汇总得到的汇总数据计算在对应超标维度在各个百分位的超标倍数分位值。超标倍数分位值统计的是在某个百分位超标车辆的数量。
51.在每个监测时间段内每个监测维度对应有一个超标倍数分位值分布，超标倍数分位值分布包括：超标倍数十百分位的超标倍数分位值、超标倍数二十百分位的超标倍数分位值、超标倍数三十百分位的超标倍数分位值、超标倍数四十百分位的超标倍数分位值、超标倍数五十百分位的超标倍数分位值、超标倍数六十百分位的超标倍数分位值、超标倍数七十百分位的超标倍数分位值、超标倍数八十百分位的超标倍数分位值、超标倍数九十百分位的超标倍数分位值。
52.s500：获取在每个监测时间段内在监测点通过同步监测设备监测到的超标车数量。
53.具体地，同步监测设备可以为黑烟监测设备。同一个监测点同时设置有黑烟监测设备和遥感监测设备两个独立工作的监测设备。遥感监测设备和黑烟监测设备都用于监测该监测点过往车辆的相关数据。通过黑烟监测设备可以识别统计出在该监测点的每个监测时间段内的超标车辆的超标车数量。
54.s600：根据相同监测时间段内超标车数量和每个监测维度对应的超标倍数分位值分布，确定在对应监测时间段内每个监测维度的目标超标倍数分位值。
55.具体地，基于在同一个监测时间段内黑烟监测设备识别的超标车辆的超标车辆数和遥感监测设备识别的超标车辆的数量的一致性，反向确定在同一个监测时间段内每个监测维度的目标超标倍数分位值。
56.例如，1月份黑烟监测设备监测到1月份超标车数量为100辆。则从1月份的no浓度所对应的超标倍数分位值分布中反向找出100辆车所对应的超标倍数分位值作为1月份no浓度这个监测维度的第一目标超标倍数分位值。
57.从1月份的从不透光度所对应的超标倍数分位值分布中反向找出100辆车所对应的超标倍数分位值作为1月份不透光度这个监测维度的第二目标超标倍数分位值。
58.从1月份的从co浓度所对应的超标倍数分位值分布中反向找出100辆车所对应的超标倍数分位值作为1月份co浓度这个监测维度的第三目标超标倍数分位值。
59.从1月份的hc浓度所对应的超标倍数分位值分布中反向找出100辆车所对应的超标倍数分位值作为1月份hc浓度这个监测维度的第四目标超标倍数分位值。
60.2月份-12月份各个监测维度的目标超标倍数分位值以此类推确定。
61.s700：根据所有监测时间段内相同监测维度的目标超标倍数分位值，得到监测点在对应监测维度的超标倍数标准值。
62.具体地，每个监测时间段内每个监测维度都对应一个目标超标倍数分位值，那么在所有监测时间段内同一个监测维度就对应相应数量的目标超标倍数分位值。例如，1年内则no浓度这个监测维度对应12个第一目标超标倍数分位值。不透光度这个监测维度对应12个第二目标超标倍数分位值。co浓度这个监测维度对应12个第三目标超标倍数分位值。hc浓度这个监测维度对应12个第四目标超标倍数分位值。
63.对于柴油车辆，将no浓度对应的12个第一目标超标倍数分位值与不透光度对应的12个第二目标倍数分位值组成12个二维的第一样本点，任意一个第一样本点的坐标(横坐标和纵坐标)为相同监测时间段的第一目标超标倍数分位值和第二目标超标倍数分位值。
64.同理，对于汽油车辆，将co浓度对应的12个第三目标超标倍数分位值与hc浓度对应的12个第四目标倍数分位值组成12个二维的第二样本点，任意一个第二样本点的坐标(横坐标和纵坐标)为相同监测时间段的第三目标超标倍数分位值和第四目标超标倍数分位值。
65.第一样本点和第二样本点均为一个特征空间的样本点，分别通过聚类找到所有第一样本点的中心点和所有第二样本点的中心点，将中心点的坐标(横坐标和纵坐标)所对应的超标倍数分位值作为该监测点在对应的两个监测维度所对应的超标倍数标准值。
66.当然，还可以对同一个监测维度所对应的所有目标超标倍数分位值进行均值计算，将得到的均值作为该监测点在该监测维度所对应的超标倍数标准值。
67.s800：根据监测点在各个监测维度的超标倍数标准值，对待定超标车辆的待估监测数据进行有效性判断。
68.具体地，确定待定超标车辆的待估监测数据中超标的第二监测数据，根据超标的第二监测数据所对应的目标超标维度确定对应的目标超标倍数标准值，计算待定超标车辆在目标超标维度的目标超标倍数，如果目标超标倍数不小于目标超标倍数标准值，则判定该待估监测数据有效，如果目标超标倍数小于目标超标倍数标准值，则判定该待估监测数据无效。
69.本实施例通过对同一监测点在不同监测时间段的过往车辆的第一监测数据进行分析整理得出该监测点在不同监测维度上的超标倍数标准值t，并根据该超标倍数标准值t来检验任意一辆待定超标车辆的车辆监测数据的准确性或有效性或进行准确性有效性判
断，为进一步检验筛选超标车辆提供了可靠依据。
70.在一个实施例中，步骤s100具体包括：
71.在每个监测时间段内对应的每个监测时刻对遥感监测设备进行数据标定，获取数据标定完成后对应子监测时间段内的车辆监测数据，其中，车辆监测数据包括在对应子监测时间段内每辆过往车辆的第一监测数据。
72.具体地，一个监测时间段内包含了其所有子监测时间段内的车辆监测数据。一个监测时间段可以分为多个子监测时间段。例如，一个监测时间段为1个月，将1个月的每一天划分为3个子监测时间段，那个一个月所包含的子监测时间段的数量为3*当月天数。
73.在一个具体实施例中，每次数据标定完成后获取对应子监测时间段内预设时长内的车辆监测数据。预设时长不高于对应的子监测时间段的总时长，例如，可以为一个小时内、两个小时内等不局限于此。
74.例如，一天有24小时，如果平均划分的话，一天对应三个子监测时间段，每个子监测时间段对应8个小时，则每8个小时进行一次数据标定，统计数据标定完成后1个小时内的车辆监测数据作为此次数据标定后得到的该子监测时间段的车辆监测数据，一天会获取3组车辆监测数据。每组车辆监测数据包含了在数据标定后1个小时内所有过往车辆的第一监测数据。车辆监测数据也即基准数据，是一个数据集。如果一个月有30天，则一个月内该监测点可以获取90组车辆监测数据，这90组车辆监测数据即为该一个月对应的监测数据集合。
75.数据标定是一种设备校准操作(与标准气体校准)，目的是为了让监测设备监测得到的数据更加准确。对每个监测点位每一个子监测时间段(不同时间段)进行标定操作，获取标定后预设时长内的监测数据会更加准确，所以采用每个点标定后例如1小时的数据(1小时的数据可能有上千条车辆监测数据)作为基准数据。
76.在一个实施例中，步骤s200具体包括：
77.对同一个子监测时间段的每辆过往车辆的第一监测数据进行马氏距离计算；
78.剔除马氏距离大于第一预设值的第一监测数据；
79.将保留的第一监测数据的第二监测数据与对应的阈值进行比较；
80.将存在至少一个超标的第二监测数据的过往车辆标记为超标车辆，其中，超标的第二监测数据超过对应的阈值。
81.具体地，每个监测时间段包括多个子监测时间段，每个子监测时间段对应一组车辆监测数据，所有子监测时间段对应的所有车辆监测数据组成了该监测时间段的监测数据集合。
82.每组车辆监测数据包括对应过往车辆的第一监测数据，每辆过往车辆的第一监测数据中包括了每个监测维度对应的第二监测数据。
83.在判断哪些过往车辆为超标车辆之前，需要剔除不符合条件的第一监测数据。
84.本实施例以一个子监测时间段的车辆监测数据作为一个整体进行马氏距离计算，在同一个车辆监测数据中每个过往车辆所对应的第一监测数据中每个维度的第二监测数据都可以得到一个马氏距离。第一预设值包括各个维度所对应的子预设值。如果一个过往车辆在至少一个维度的马氏距离大于对应的子预设值，则判定该马氏距离对应的第一监测数据为离群值，将为离群值的第一监测数据从对应的车辆监测数据中剔除。
85.马氏距离的计算如公式(1)所示：
[0086][0087]
其中，μ为对应的子监测时间段的车辆监测数据中所有数据点在同一个监测维度的样本均值，x为对应的子监测时间段某辆过往车辆在同一个监测维度的第二监测数据，σ为对应的子监测时间段的在同一个监测维度所对应的所有第二监测数据组成的多维随机变量的协方差矩阵。由一个过往车辆的第一监测数据中第二监测数据组成一个数据点。
[0088]
根据公式(1)可以计算得到同一个子监测时间段每辆过往车辆的第一监测数据在每个监测维度所对应的马氏距离。如果任意一个过往车辆在至少一个监测维度的马氏距离大于对应的子预设值，则判定该过往车辆所对应的第一监测数据为离群值。
[0089]
第一预设值中的子预设值可以通过卡方分布来确定。根据给定的检验水准及自由度确定临界值，该临界值即为第一预设值。如果某个个体的马氏距离大于该临界值，则判定在该检验水准下离群值对应的数据应该剔除，否则保留。常用检验水准α＝0.005或0.001为判断多变量离群值的标准。
[0090]
剔除为离群值的车辆监测数据后，对余下的车辆监测数据中的每个过往车辆的第一监测数据进行超标校核，如果一辆过往车辆的第一监测数据中任意一个或多个第二监测数据超过对应的阈值，则判定该过往车辆为超标车辆。
[0091]
在另外一个实施例中，步骤s200具体包括：
[0092]
对每个监测时间段对应的每个子监测时间段的车辆监测数据按照车辆类型划分为柴油车辆对应的第一车辆监测数据和汽油车辆对应的第二车辆监测数据；
[0093]
分别对同一个子监测时间段第一车辆监测数据中的每辆过往车辆的第一监测数据进行马氏距离计算；
[0094]
分别对同一个子监测时间段第二车辆监测数据中的每辆过往车辆的第一监测数据进行马氏距离计算；
[0095]
剔除第一车辆监测数据中马氏距离大于第一子预设值的第一监测数据以及，剔除第二车辆监测数据中马氏距离大于第二子预设值的第一监测数据；
[0096]
将第一车辆监测数据和第二车辆监测数据中保留的第一监测数据的第二监测数据与对应的阈值进行比较；
[0097]
将存在至少一个超标的第二监测数据的过往车辆标记为超标车辆，其中，超标的第二监测数据超过对应的阈值。
[0098]
在一个实施例中，步骤s300具体包括：
[0099]
确定行驶时刻紧邻超标车辆的第一数量的非超标车辆，其中，超标车辆与对应的非超标车辆使用相同的车辆驱动能源；
[0100]
对非超标车辆的第一监测数据中同一个超标维度所对应的第二监测数据求均值，得到对应超标维度的第一均值，其中，超标维度为超标车辆超标的第二监测数据所对应的监测维度；
[0101]
根据超标车辆在同一个超标维度对应的第二监测数据和第一均值，计算得到超标车辆在对应超标维度上的超标倍数；
[0102]
分别对同一个监测时间段的每个监测维度对应的所有超标倍数进行分位值计算，
得到监测点在每个监测时间段内每个监测维度所对应的百分位分位值分布，其中，百分位分位值分布包括各个百分位对应的超标倍数分位值。
[0103]
具体地，行驶时刻紧邻超标车辆的非超标车辆为行驶时刻位于超标车辆的行驶时刻之前和/或之后的最近的第一数量的正常车辆，且超标车辆与对应的正常车辆均使用相同的车辆驱动能源。例如，超标车辆与对应的非超标车辆均使用汽油驱动，即均为汽油车辆；再例如，超标车辆与对应的非超标车辆均使用柴油驱动，即均为柴油车辆。
[0104]
一辆超标车辆如果只有一项监测维度所对应的第二监测数据超标，则只计算该超标车辆在该超标维度所对应的超标倍数。如果该超标车辆在两个监测维度对应的第二监测数据均超标，则需要计算该超标车辆在每个超标维度所对应的超标倍数。
[0105]
任意一辆超标车辆所对应的非超标车辆在某个超标维度的第一均值为对应的所有非超标车辆在该超标维度的第二监测数据的均值。
[0106]
一辆超标车辆如果只有一项监测维度所对应的第二监测数据超标，则该超标车辆在该监测维度对应一个超标倍数。如果该超标车辆在两个个监测维度对应的第二监测数据均超标，则该超标车辆在每个超标维度都对应一个超标倍数。
[0107]
超标车辆在任意一个超标维度的超标倍数为该超标车辆在该超标维度的第二监测数据与相同超标维度所对应的第一均值之差的绝对值与该第一均值的比值。
[0108]
任意一辆超标车辆在对应的任意一个超标维度的超标倍数的计算公式如公式(2)所示：
[0109]
qi＝|wi-ai|/ai
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式(2)
[0110]
其中，qi为该超标车辆在某个超标维度的超标倍数，ai为该超标车辆所对应的第一数量的非超标车辆在该超标维度的第二监测数据的均值，wi为该超标车辆在该超标维度超标的第二监测数据。
[0111]
根据前述可以确定每个监测时间段有哪些超标车辆，以及每辆超标车辆对应的超标倍数。
[0112]
第一数量可以为10辆、20辆等不局限于此。
[0113]
在一个实施例中，步骤s400具体实现步骤为：
[0114]
对同一监测时间段的所有超标车辆所对应的所有超标倍数进行聚类，
[0115]
按照超标倍数的超标维度对同一个监测时间段内同一个监测维度的超标倍数进行聚类，
[0116]
对同一个监测时间段内同一个超标维度所对应的超标倍数进行分位值计算，得到在该监测时间段内该超标维度的超标倍数分位值分布。
[0117]
具体地，同一监测时间段内同一个超标维度所对应的超标倍数分为一类。同一个监测时间段内任意一个超标维度的第p百分位的超标倍数分位值计算方法如下：
[0118]
将某个超标维度或监测维度对应的污染物浓度序列按数值从小到大排序，排序后的浓度序列为{x(i)，i＝1,2,
…
n}。
[0119]
计算第p百分位数m
p
的序数k，序数k按式(3)计算：
[0120]
k＝1 (n-1)
·
p％
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式(3)
[0121]
式(3)中：
[0122]
k——p％位置对应的序数。
[0123]
n——污染物浓度序列中的浓度值数量。
[0124]
第p百分位数m
p
按式(4)计算：
[0125]mp
＝x
(s)
(x
(s 1)-x
(s)
)
×
(k-s)
ꢀꢀꢀꢀꢀꢀ
公式(4)
[0126]
式(4)中：
[0127]s‑‑
k的整数部分，当k为整数时s与k相等。
[0128]
在同一个监测时间段内同一个超标维度所对应的超标倍数分位值分布例如如下所示：
[0129]
超标倍数十百分位：q10
[0130]
超标倍数二十百分位：q20
[0131]
超标倍数三十百分位：q30
[0132]
超标倍数四十百分位：q40
[0133]
超标倍数五十百分位：q50
[0134]
超标倍数六十百分位：q60
[0135]
超标倍数七十百分位：q70
[0136]
超标倍数八十百分位：q80
[0137]
超标倍数九十百分位：q90
[0138]
百分位也即分位值或百分点值。在统计学中，如果将一组数据从小到大排序，并计算相应的累计百分位，则某一百分位所对应的数据的值称为这一百分位的百分位数。可表示为：一组n个观测值按照数值大小排列，如，处于p％位置的值称第p百分位数。
[0139]
在一个实施例中，同步监测设备包括黑烟监测设备，步骤s500具体包括：
[0140]
获取在每个监测时间段内在监测点通过黑烟监测设备监测到的每辆过往车辆的林格曼黑度；
[0141]
根据林格曼黑度确定对应过往车辆是否为超标车辆，统计得到对应监测时间段的超标车数量。
[0142]
具体地，黑烟监测设备通过监测过往车辆尾气的林格曼黑度进行超标车辆的识别，林格曼黑度大于等于1识别为超标车辆。遥感监测设备和黑烟监测设备都是对过往车辆进行尾气数据监测。遥感监测设备可以从不同监测维度的数据进行分析确定超标车辆，并具体确定是哪些维度的数据超标导致的。而黑烟监测设备是从整体判断过往车辆是否为超标车辆。
[0143]
在一个实施例中，步骤s600具体包括：
[0144]
将相同监测时间段的同一个监测维度所对应的所有超标倍数分位值中、与对应的超标车数量相同或最接近的超标倍数分位值作为监测时间段对应监测维度的目标超标倍数分位值。
[0145]
具体地，例如，在1月份这个监测时间段，在no浓度这个监测维度对应的9个超标倍数分位值中，与1月份的超标车数量相同或最接近的超标倍数分位值为超标倍数二十百分位所对应的超标倍数分位值q20，则将标倍数二十百分位所对应的超标倍数分位值q20作为1月份no浓度这个监测维度的目标超标倍数分位值。
[0146]
再例如，在1月份这个监测时间段，在co浓度这个监测维度对应的9个超标倍数分位值中，与1月份的超标车数量相同或最接近的超标倍数分位值为超标倍数三十百分位所
对应的超标倍数分位值q30，则将标倍数三十百分位所对应的超标倍数分位值q30作为1月份co浓度这个监测维度的目标超标倍数分位值。
[0147]
在一个实施例中，步骤s700具体包括：
[0148]
以超标倍数分位值对作为样本点坐标构建对应的样本点，其中，超标倍数分位值对包括相同监测时间段内相同类型车辆所对应的监测维度的目标超标倍数分位值；
[0149]
根据均值漂移算法，对所有监测时间段相同类型车辆所对应的所有样本点进行聚类得到对应的中心点；
[0150]
计算中心点的坐标分别作为监测点在对应监测维度的超标倍数标准值。
[0151]
具体地，相同类型车辆是指使用相同的车辆驱动能源的车辆。例如，均使用汽油驱动，即均为汽油车辆；再例如，均使用柴油驱动，即均为柴油车辆。以监测点相同监测时间段内相同类型车辆所对应的监测维度的目标超标倍数分位值作为样本点坐标构建对应的样本点。
[0152]
例如，1月份-12月份在no浓度这个监测维度对应有12个第一目标超标倍数分位值，不透光度这个监测维度对应有12个第二目标超标倍数分位值。将1月份no浓度对应的第一目标超标倍数分位值和不透光度对应的第二目标超标倍数分位值作为一个第一样本点的横坐标和纵坐标，构建一个第一样本点。将2月份no浓度对应的第一目标超标倍数分位值和不透光度对应的第二目标超标倍数分位值作为另外一个第一样本点的横坐标和纵坐标，构建另外一个第一样本点。以此类推，可以构建12个第一样本点。
[0153]
再例如，1月份-12月份在co浓度这个监测维度对应有12个第三目标超标倍数分位值，hc浓度这个监测维度对应有12个第四目标超标倍数分位值。将1月份co浓度对应的第三目标超标倍数分位值和hc浓度对应的第四目标超标倍数分位值作为一个第二样本点的横坐标和纵坐标，构建一个第二样本点。将2月份co浓度对应的第三目标超标倍数分位值和hc浓度对应的第四目标超标倍数分位值作为另外一个第二样本点的横坐标和纵坐标，构建另外一个第二样本点。以此类推，可以构建12个第二样本点。
[0154]
通过均值漂移法分别得到这12个第一样本点的第一中心点，和12个第二样本点的第二中心点。计算第一中心点的坐标，第一中心点的坐标的值即为该监测点在对应的监测维度的超标倍数标准值。例如，第一中心点的横坐标和纵坐标分别为no浓度和不透光度这两个监测维度的超标倍数标准值t1和t2。计算第二中心点的坐标，第二中心点的坐标的值即为该监测点在对应的监测维度的超标倍数标准值。例如，第二中心点的横坐标和纵坐标分别为co浓度和hc浓度这两个监测维度的超标倍数标准值t3和t4。
[0155]
均值漂移(meanshift)算法如下:
[0156]
设想在一个有n个样本点的特征空间，初始确定一个中心点x，计算在设置的半径为d的圆形空间内所有样本点(xi)与中心点x的向量，计算整个圆形空间内所有向量的平均值，得到一个偏移均值，偏移均值公式如公式(5)所示:
[0157][0158]
sh:以x为中心点，半径为h的高维球区域；k：包含在sh范围内的样本点的个数；xi：包含在sh范围内的任意一个样本点。
[0159]
将初始中心点x移动偏移均值得到当前中心点，判断当前中心点是否满足结束条
件，如果不满足结束条件，则根据当前中心点x和样本点xi的向量重新计算得到下一个偏移均值，将当前中心点移动下一个偏移均值得到下一个中心点，再次判断下一个中心点是否满足结束条件，如此循环重复移动，直到满足一定的结束条件则停止移动，中心点坐标更新公式如公式(6)所示:
[0160]
x
t 1
＝m
t
x
t
ꢀꢀꢀꢀꢀ
公式(6)
[0161]mt
为t状态或t节点下求得的偏移均值；x
t
为t状态或t节点下的中心点的坐标。
[0162]
均值漂移算法具体思路是找到密度最大的一个区域(二维空间为圆形)，故结束条件就是半径为d的圆形空间包含的点最多或者包含的点的数量不再增加。
[0163]
最终得到的中心点在各个轴的坐标即为对应的各个监测维度的超标倍数标准值。
[0164]
在一个实施例中，步骤s800具体包括：
[0165]
获取判定为超标车辆的待定超标车辆的待估监测数据，其中，待估监测数据包括待定超标车辆在每个监测维度的第二监测数据；
[0166]
根据待估监测数据中超标的第二监测数据所对应的超标维度获取对应的超标倍数标准值作为目标超标倍数标准值；
[0167]
计算待定超标车辆在对应的超标维度上的超标倍数作为目标超标倍数；
[0168]
若目标超标倍数不小于相同超标维度所对应的目标超标倍数标准值，则确定待估监测数据有效。
[0169]
具体地，本实施例是对相同监测维度的数据之间进行匹配和比较。
[0170]
如果该待定超标车辆有2个超标维度，且2个超标维度的目标超标倍数均不小于相同超标维度所对应的目标超标倍数标准值，则确定该待定超标车辆的待估监测数据有效。
[0171]
如果该待定超标车辆有2个超标维度，且2个超标维度中存在至少一个超标维度其对应的目标超标倍数小于相同超标维度所对应的目标超标倍数标准值，则确定该待定超标车辆的待估监测数据无效。
[0172]
本技术通过对同一监测点在不同监测时间段的过往车辆的第一监测数据进行整理得出该监测点在不同监测维度上的超标倍数标准值t，并根据该超标倍数标准值t来检验任意一辆待定超标车辆的车辆监测数据的准确性或有效性或进行准确性有效性判断，用于进一步检验筛选超标车辆提供了可靠依据。
[0173]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0174]
图3为本技术一实施例中遥感监测数据有效性的判断装置的结构框图。参考图3，该遥感监测数据有效性的判断装置包括：
[0175]
第一数据获取模块100，用于获取在同一个监测点的各个不同监测时间段内监测到的每辆过往车辆的第一监测数据，其中，第一监测数据通过监测点的遥感监测设备获取，第一监测数据包括对应过往车辆在每个监测维度所对应的第二监测数据；
[0176]
超标校核模块200，用于对每辆过往车辆的第二监测数据进行超标校核，将存在至少一个超标的第二监测数据的过往车辆确定为超标车辆；
[0177]
第一计算模块300，用于计算每辆超标车辆在对应的超标维度上的超标倍数，其中，超标维度为超标车辆超标的第二监测数据所对应的监测维度；
[0178]
第二计算模块400，用于对同一个监测时间段内同一个监测维度的超标倍数进行分位值计算，得到监测点在每个监测时间段内每个监测维度所对应的超标倍数分位值分布，其中，超标倍数分位值分布包括在对应监测维度各个百分位所对应的超标倍数分位值；
[0179]
第二数据获取模块500，用于获取在每个监测时间段内在监测点通过同步监测设备监测到的超标车数量；
[0180]
反向确定模块600，用于根据相同监测时间段内超标车数量和每个监测维度对应的超标倍数分位值分布，确定在对应监测时间段内每个监测维度的目标超标倍数分位值；
[0181]
标准值确定模块700，用于根据所有监测时间段内相同监测维度的目标超标倍数分位值，得到监测点在对应监测维度的超标倍数标准值；
[0182]
有效性判断模块800，用于根据监测点在各个监测维度的超标倍数标准值，对待定超标车辆的待估监测数据进行有效性判断。
[0183]
遥感监测数据有效性的判断装置一般设置于服务器/终端设备中。
[0184]
在一个实施例中，第一数据获取模块100具体包括：
[0185]
数据标定采集模块，用于在每个监测时间段内对应的每个监测时刻对遥感监测设备进行数据标定，获取数据标定完成后对应子监测时间段内的车辆监测数据，其中，车辆监测数据包括在对应子监测时间段内每辆过往车辆的第一监测数据；
[0186]
数据统计模块，用于将对应监测时间段内所有子监测时间段内的车辆监测数据作为对应监测时间段内的第一监测数据。
[0187]
在一个实施例中，超标校核模块200具体包括：
[0188]
第一子计算模块，用于对同一个子监测时间段的每辆过往车辆的第一监测数据进行马氏距离计算；
[0189]
数据剔除模块，用于剔除马氏距离大于第一预设值的第一监测数据；
[0190]
数值比较模块，用于将保留的第一监测数据的第二监测数据与对应的阈值进行比较；
[0191]
超标判定模块，用于将存在至少一个超标的第二监测数据的过往车辆标记为超标车辆，其中，超标的第二监测数据超过对应的阈值。
[0192]
在一个实施例中，第一计算模块300具体包括：
[0193]
非超标车辆确定模块，用于确定行驶时刻紧邻超标车辆的第一数量的非超标车辆，其中，超标车辆与对应的非超标车辆使用相同的车辆驱动能源；
[0194]
第二子计算模块，用于对非超标车辆的第一监测数据中同一个超标维度所对应的第二监测数据求均值，得到对应超标维度的第一均值，其中，超标维度为超标车辆超标的第二监测数据所对应的监测维度；
[0195]
第三子计算模块，用于根据超标车辆在同一个超标维度对应的第二监测数据和第一均值，计算得到超标车辆在对应超标维度上的超标倍数；
[0196]
第四子计算模块，用于分别对同一个监测时间段的每个监测维度对应的所有超标倍数进行分位值计算，得到监测点在每个监测时间段内每个监测维度所对应的百分位分位值分布，其中，百分位分位值分布包括各个百分位对应的超标倍数分位值。
[0197]
在一个实施例中，同步监测设备包括黑烟监测设备，第二数据获取模块500具体包括：
[0198]
黑烟数据采集模块，用于获取在每个监测时间段内在监测点通过黑烟监测设备监测到的每辆过往车辆的林格曼黑度；
[0199]
超标车辆统计模块，用于根据林格曼黑度确定对应过往车辆是否为超标车辆，统计得到对应监测时间段的超标车数量。
[0200]
在一个实施例中，反向确定模块600具体用于，将相同监测时间段的同一个监测维度所对应的所有超标倍数分位值中、与对应的超标车数量相同或最接近的超标倍数分位值作为监测时间段对应监测维度的目标超标倍数分位值。
[0201]
在一个实施例中，标准值确定模块700具体包括：
[0202]
样本点建立模块，用于以超标倍数分位值对作为样本点坐标构建对应的样本点，其中，超标倍数分位值对包括相同监测时间段内相同类型车辆所对应的监测维度的目标超标倍数分位值；
[0203]
中心点确定模块，用于根据均值漂移算法，对所有监测时间段相同类型车辆所对应的所有样本点进行聚类得到对应的中心点；
[0204]
标准值计算模块，用于计算中心点的坐标分别作为监测点在对应监测维度的超标倍数标准值。
[0205]
在一个实施例中，有效性判断模块800具体包括：
[0206]
第三数据获取模块，用于获取判定为超标车辆的待定超标车辆的待估监测数据，其中，待估监测数据包括待定超标车辆在每个监测维度的第二监测数据；
[0207]
标准值匹配模块，用于根据待估监测数据中超标的第二监测数据所对应的超标维度获取对应的超标倍数标准值作为目标超标倍数标准值；
[0208]
第三计算模块，用于计算待定超标车辆在对应的超标维度上的超标倍数作为目标超标倍数；
[0209]
有效性判定模块，用于若目标超标倍数不小于相同超标维度所对应的目标超标倍数标准值，则确定待估监测数据有效。
[0210]
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
[0211]
关于遥感监测数据有效性的判断装置的具体限定可以参见上文中对于遥感监测数据有效性的判断方法的限定，在此不再赘述。上述遥感监测数据有效性的判断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0212]
图4为本技术一实施例中计算机设备的内部结构框图。该计算机设备具体可以是图1中的终端设备。如图4所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，该计算机设备的处理器用于提供计算和控制能力。存储器包括存储介质和内存储器。存储介质可以是非易失性存储介质，也可以是易失性存储介
质。存储介质存储有操作系统，还可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器实现遥感监测数据有效性的判断方法。该内存储器为存储介质中的操作系统和计算机可读指令的运行提供环境。该内存储器中也可储存有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行遥感监测数据有效性的判断方法。该计算机设备的网络接口用于与外部服务器通过网络连接通信。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0213]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机可读指令(例如计算机程序)，处理器执行计算机可读指令时实现上述实施例中遥感监测数据有效性的判断方法的步骤，例如图2所示的步骤s100至步骤s800及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机可读指令时实现上述实施例中遥感监测数据有效性的判断装置的各模块/单元的功能，例如图3所示模块100至模块800的功能。为避免重复，这里不再赘述。
[0214]
处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0215]
存储器可用于存储计算机可读指令和/或模块，处理器通过运行或执行存储在存储器内的计算机可读指令和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
[0216]
存储器可以集成在处理器中，也可以与处理器分开设置。
[0217]
本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0218]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令被处理器执行时实现上述实施例中遥感监测数据有效性的判断方法的步骤，例如图2所示的步骤s100至步骤s800及该方法的其它扩展和相关步骤的延伸。或者，计算机可读指令被处理器执行时实现上述实施例中遥感监测数据有效性的判断装置的各模块/单元的功能，例如图3所示模块100至模块800的功能。为避免重复，这里不再赘述。
[0219]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指示相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，
均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双倍速率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0220]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
[0221]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0222]
以上仅为本技术的优选实施例，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。