精細預測空氣質量 大數據時代讓環境管理更便捷
更新時間：2015-08-11 16:16
來源：中國環境報
作者:
閱讀：1829
大數據可以找出看似不相關數據的關聯性，實現不確定加不確定等于確定的效果，在大數據時代，這一確定性將不斷精確。下面看看大數據在環境領域的應用會產生哪些“魔法”，是不是會令你腦洞大開？
精細預測空氣質量
以往，空氣質量狀況只能通過空氣站點得知，一旦這個地方沒有建設空氣質量監測點，就無法獲知具體的空氣質量數值。而由于空氣質量受多種因素的影響，每個區域的空氣質量各不相同。就北京來說，六環內的35個空氣質量站點遠遠無法反映整個北京的空氣質量狀況。但傳統空氣質量監測站點的建設需要投入大量的財力、物力和人力。
應用大數據方法，微軟與環保部門合作研發的U-Air便可以分析和預測城市細粒度1km×1km范圍的空氣質量。這主要通過融合兩類數據來實現，第一類數據是空氣質量監測實時數據和歷史數據，第二類數據是空氣質量相關性數據，包括氣象數據、交通數據、人流數據、道路結構數據、興趣點。通過對這些數據建立模型，可以查看任意點位之前6小時的空氣質量狀況，并預測6~12小時、12~24小時的空氣質量狀況。
U-Air已在61個城市進行驗證,平均準確度比傳統方法高出7個百分點。北京的準確度可以達到75%，廣州和深圳可以達到80%。
從精度來說，目前U-Air可以實現1km×1km的細粒度的空氣質量預測，未來，空氣細粒度將越來越細。
從計算速度來說，只要花費幾秒鐘，U-Air就可以實現全市空氣質量的預測。
由此，從準確度、精度、速度來說，基于大數據研發的城市細粒度空氣質量模型遠遠超越傳統空氣質量模型。
計算尾氣排放量
過去一個小時，北京市路面上總油耗是多少？這些油耗將產生多少PM2.5和PM10？沒有大數據之前，這基本上無法回答。但在大數據看來，便是小菜一碟。
利用車輛的GPS軌跡，結合歷史數據、路網和天氣，可以計算路面速度，之后通過速度推算出流量，最后根據平均排量，算出總能耗和排放量。
就北京來說，通過對北京每一條道路過去10分鐘的車速、流量、排放進行實時估計，就可以通過機器學習和數據挖掘，計算出北京十幾萬條路在過去10分鐘的總排放量。
機動車能耗狀況的掌握有利于優化交通路線設計，也可以幫助相關部門進行決策，比如可以將單雙號限行具體到某一條路線或者某個區域。加入站點監測數據，還可以計算尾氣排放量在空氣質量中的占比情況
計算區域噪音指數
紐約長期被噪音污染困擾，但噪音具有實時性，并且不同人不同時間對噪音的感知不同，所以對噪音的監管非常困難。
計算區域噪音指數需要解決3個問題，即紐約什么地方有噪音、什么樣的聲音算噪音以及這個地方為什么有噪音。如果用傳統添加硬件的方法進行解決，整個紐約市至少需要一百多萬個噪音傳感器，顯然這并不可行，并且噪音傳感器只能反映分貝數，無法與公眾感受結合起來。
鄭宇的大數據團隊則注意到與噪音相關的周邊數據。紐約有一部311電話，用于市民投訴，這是公眾感受的重要數據源。于是，鄭宇團隊對311的數據進行了整合，對噪音投訴的時間、地點、類別、次數、性質進行了整理，通過與道路結構、興趣點、人的社交媒體數據進行融合，計算出每個區域每段時間噪音指數，反映了公眾對噪音的整體感受情況。
紐約城市噪音模型可以回放24小時任何時間任何地點的噪音污染情況，并直接顯示噪音污染區域的排名情況。
聲明：轉載此文是出于傳遞更多信息之目的。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們將及時更正、刪除，謝謝。
使用微信“掃一掃”功能添加“谷騰環保網”
