轨道交通断面拥挤指数计算模型

为充分利用轨道交通系统自身已有资源,实现轨道交通断面实时拥挤指数的发布,提出了轨道交通断面拥挤指数计算方法与模型。该模型利用实时车站进出口乘客数、历史OD大数据和列车运营图计算轨道交通实时断面拥挤指数。该方法仅利用轨道交通系统现有设备,低成本完成了实时断面拥挤指数的计算并发布。目前武汉市轨道交通1号线、2号线和4号线已运用该模型完成实时断面拥挤指数的发布,乘客能查询到轨道交通断面实时拥挤状况。     

一种VANET信息查询模式及分析

提出了一种基于车载自组织网络的车辆实时信息查询模式.在该模式下,实时交通及设施服务信息和用户查询都采用自组织网络传染病路由的方式进行数据传输和发布,只有当查询和实时报告信息在某个节点匹配后,为了节省查询时间,将查询结果信息通过基础设施网络返回查询节点.针对该车辆实时信息查询模式建立了系统模型,对系统查询机制和延时进行了理论分析和推导,并在STRAW/SWANS环境下验证了推导结论,为系统的参数设置和优化提供了理论依据.     

保定市空气质量现状及综合治理措施

首先介绍了衡量空气质量的重要指标—空气质量指数以及空气质量指数的计算方法和分级情况.然后根据网络上收集的保定市空气质量数据,使用相关的方法对数据进行了分析,进而给出了空气质量综合治理的措施.最后为了克服当前收集空气质量指数历史数据的困难,介绍了一种自动获取空气质量指数的方法.     

基于ZigBee的城市空气质量智能监测技术的研究

随着无线传感器网络的广泛运用,针对当前城市空气质量实时监测的客观需要,提出了1种基于ZigBee技术的城市空气质量智能监测系统.该系统由ZigBee网络、GPRS通信以及监控中心3个模块组成.其中ZigBee网络采用CC2530作为主控芯片,结合温湿度、微粒等传感器构成.监控中心是在计算机服务器的基础上编写智能监控软件构成的,该软件结合历史数据,运用统计预测算法来预测出未来的空气质量信息.试验结果表明,该系统能够准确显示及预测空气质量信息,实现了对空气质量的智能监测,对我国城市空气污染防治具有重要的参考意义.     

一种查询日志匿名化算法

查询日志的发布会泄露用户的隐私。提出一种基于差分隐私的查询日志匿名化算法:首先构建用户查询项模型进行相似度计算并利用所求结果对用户查询项模型进行聚类,其次在聚类过程中添加指数噪音来满足差分隐私,最后发布匿名化数据。实验表明:该算法有效地提高了查询日志的实用性和隐私保护程度。     

吉林市采暖期空气质量演变特征调查研究

利用吉林省吉林市环境保护监测中心发布的实时大气环境监测数据,对吉林市采暖期间空气质量演变特征进行研究.分析了吉林市大气中可吸入颗粒物PM_(10)、PM_(2.5)、SO_2、NO_2及O_3月均质量浓度变化趋势、演变特征及在不同功能区的变化规律.结果表明:吉林市大气污染物的浓度具有明显的时空演变特征,采暖期污染物浓度主要受冬季燃煤的影响,主要污染物为颗粒物.空气质量依功能区不同差异不明显,工业区的污染状况相对较复杂.     

校园室内空气质量综合评价

通过对校园室内空气的监测,将所得到样本数据进行处理,应用最高分指数与平均分指数兼顾的空气质量指数法对室内空气中NO2、NH3、SO2、甲醛、PM10和细菌总数6种污染物进行了综合评价.结果表明居室功能对空气质量指数有影响,装修时间的长短影响室内的空气质量,教工住宅室内空气质量分指数、质量指数数值大于学生公寓.     

“十二五”：蓝天的期待

今年1月19日,国内机构在北京联合发布了30个中外城市空气质量信息公开评价结果。结果显示,中国大多数城市已经开展了空气质量信息发布,但发布水平与发达国家（地区）的城市相比存在明显差距。     

基于Hive的空气质量大数据查询优化方法

为了提高对环境空气质量监测系统中省级环境监测中心站里已汇集的海量监测数据的统计和分析效率,提出了一种基于Spark 集群在Hive上进行多维数据分区的查询优化方法。以湖北省环境监测中心站中的空气质量监测数据为研究对象,将数据转移到Spark集群利用Spark SQL连接Hive并进行分区存储。设计了12种查询,查询4个数据集,通过与采用传统查询方法的实验对比得出结论。实验结果表明:基于Hive的分区优化方法对空气质量大数据的查询时间有47%到96%的优化,而随着查询的复杂程度和数据量的增加,该方法的优化效果越明显。     

中卫市空气质量特征及预报方法研究

利用2016—2019年中卫国家基本气象站和中卫市沙坡头区官桥环境监测站的观测数据,建立了中卫市空气质量指数预报的方法,并对中卫市空气质量指数与气象要素进行了相关性检验。结果表明,中卫市空气质量总体较好,首要污染物是PM10;日平均气温、日累计降水量、日平均相对湿度、累计日照时数与空气质量指数呈负相关,日平均风速、日极大风速与空气质量指数均呈正相关;选取相关性较好的日平均风速、日极大风速、日平均相对湿度、日累计降水量与空气质量指数建立多元回归方程,利用2019年1—3月上述4个气象要素预测空气质量指数,经检验,预测的空气质量指数与观测值的标准化平均偏差为24%,可以达到预报需求。