详情

原文传递一种车内污染环境下列车乘员健康防护系统及其方法

专利名称：	一种车内污染环境下列车乘员健康防护系统及其方法
摘要：	本发明公开了一种车内污染环境下列车乘员健康防护系统，包括基础数据获取模块、列车外部空气质量预测模块、列车内部空气质量预测模块和通风策略制定模块；基础数据获取模块获取基础数据；列车外部空气质量预测模块对列车的外部空气质量进行预测；列车内部空气质量预测模块对列车的内部空气质量进行预测；通风策略制定模块制定通风策略并进行列车乘员的健康防护。本发明还公开了所述车内污染环境下列车乘员健康防护系统的方法。本发明根据获取的车内外的空气质量数据，对列车内外的空气质量数据信息进行预测并制定通风策略，因此本发明能够对列车的内外空气质量数据制定对应的通风策略，从而进行列车乘员的健康防护，而且可靠性高、准确性好。
专利类型：	发明专利
国家地区组织代码：	湖南;43
申请人：	中南大学
发明人：	刘辉;陈超;熊小慧
专利状态：	有效
申请日期：	2019-07-25T00:00:00+0800
发布日期：	2019-09-17T00:00:00+0800
申请号：	CN201910676726.X
公开号：	CN110239577A
代理机构：	长沙永星专利商标事务所(普通合伙)
代理人：	周咏;米中业
分类号：	B61D27/00(2006.01);B;B61;B61D;B61D27
申请人地址：	410083 湖南省长沙市岳麓区麓山南路932号
主权项：	1.一种车内污染环境下列车乘员健康防护系统，其特征在于包括基础数据获取模块、列车外部空气质量预测模块、列车内部空气质量预测模块和通风策略制定模块；基础数据获取模块的输出端同时连接列车外部空气质量预测模块的输入端和列车内部空气质量预测模块的输入端；列车外部空气质量预测模块的输出端和列车内部空气质量预测模块的输出端均连接通风策略制定模块；基础数据获取模块用于获取空气质量监测站的空气质量数据和位置信息，以及列车的车内外的污染物数据信息；列车外部空气质量预测模块用于对列车的外部空气质量数据进行预测；列车内部空气质量预测模块用于对列车的内部空气质量数据进行预测；通风策略制定模块用于根据列车内外部的空气质量预测数据制定通风策略，从而进行列车乘员的健康防护。 2.一种权利要求1所述的车内污染环境下列车乘员健康防护系统的方法，其特征在于包括如下步骤： S1.获取各个空气质量监测站的数据信息及对应的空气质量监测数据； S2.获取列车的污染物数据信息和列车的位置信息； S3.根据列车的位置信息以及各个空气质量监测站的数据信息及对应的空气质量监测数据，对列车所在区域的空气质量进行预测； S4.对列车内外部的空气质量进行建模； S5.根据步骤S3和步骤S4的预测结果，对列车未来时刻的车内外空气质量进行预测； S6.根据步骤S5的预测结果，制定列车各个车厢的通风策略。 3.根据权利要求2所述的方法，其特征在于步骤S1所述的各个空气质量监测站的数据信息及对应的空气质量监测数据，具体为获取空气质量监测站的编号信息、空气质量监测站的经纬度信息以及空气质量监测站所监测的PM2.5浓度、PM10浓度、CO浓度、NO2浓度、SO2浓度、O3浓度和AQI参数值。 4.根据权利要求3所述的方法，其特征在于步骤S2所述的列车的污染物数据信息和列车的位置信息，具体为获取列车各个车厢内的PM2.5浓度、PM10浓度、CO浓度、NO2浓度、SO2浓度、O3浓度和车厢编号，以及列车各个车厢外部的PM2.5浓度、PM10浓度、CO浓度、NO2浓度、SO2浓度和O3浓度，列车各个车厢的经纬度信息，以及列车在过去若干分钟有的分均速度，以及列车剩余行驶路线的有向路径。 5.根据权利要求4所述的方法，其特征在于步骤S3所述的对列车所在区域的空气质量进行预测，具体为采用如下步骤进行预测： A.根据列车的t个历史时刻的位置信息和空气质量监测站的位置信息，计算列车与各个空气质量监测站之间的历史距离； B.采用如下算式计算列车在未来T分钟后的预计位置：式中为列车在未来T分钟后的预计位置，LOTC为列车的当前的位置的经度信息，v为列车在过去若干分钟有的分均速度，为列车剩余行驶路线的有向路径的经度分量数据，LATC为列车的当前的位置的纬度信息，为列车剩余行驶路线的有向路径的纬度分量数据； C.计算列车在T分钟后，与各个空气质量监测站之间的预计距离； D.计算列车与各个空气质量监测站之间的实时距离，并选取实时距离最小的若干个空气质量监测站作为列车途径区域的最小空间单元，并记录选取的空气质量监测站所对应的空气质量监测数据； E.记录步骤D选取的若干个空气质量监测站与列车的历史距离，建立最小空间单元内的污染物扩散模型；采用加权正则化极限学习机作为最小空间单元内的污染物扩散模型；且模型的输入为每个历史时刻的列车与各个空气质量监测站之间的距离，以及对应的各个空气质量监测站的空气监测数据；模型的输出为每个历史时刻的列车所处位置的污染物数据信息； F.根据步骤E得到的最小空间单元内的污染物扩散模型，以及步骤C得到的列车在T分钟后与各个空气质量监测站之间的预计距离，对T分钟后的列车所在区域的空气质量进行预测。 6.根据权利要求5所述的方法，其特征在于步骤S4所述的对列车内外部的空气质量进行建模，具体为采用如下步骤进行建模： a.连续读取若干个连续时刻的列车内部的污染物数据信息和列车外部的污染物数据信息； b.将步骤a获取的污染物数据信息划分为训练集和验证集； c.对列车内部污染物数据信息的自身关联性进行分析计算； d.建立列车车内外污染物浓度确定性映射关系的深度学习模型。 7.根据权利要求6所述的方法，其特征在于步骤c所述的对列车内部污染物数据信息的自身关联性进行分析计算，具体为采用如下步骤进行相关性分析： (1)采用如下算式，计算列车内部所有大气污染物两两之间的互信息度量：式中MI(ai；bi)为污染物a和污染物b之间的互信息度量结果；污染物a的序列记为{ai\|i＝1,2,...,X}，污染物b的序列记为{bi\|i＝1,2,...,X}；P(A,B)为随机变量ai和bi的联合概率分布函数，P(A)为ai的边缘概率分布函数，P(B)为bi的边缘概率分布函数，H(ai)为边缘熵，H(ai\|bi)为条件熵； (2)根据步骤(1)计算得到的所有大气污染物两两之间的互信息度量，构建污染物的互信息度量集合； (3)对于每一种污染物，选取该种污染物互信息度量最大的若干组污染物；所选取的若干组污染物的相关性最强。 8.根据权利要求7所述的方法，其特征在于步骤d所述的建立列车车内外污染物浓度确定性映射关系的深度学习模型，具体为针对每一种污染物，将训练集中列车外部的该种污染物的数据信息和步骤c选取的该种污染物互信息度量最大的若干组污染物的数据信息作为堆叠长短时记忆网络模型的输入，以训练集中列车内部的该种污染物的数据信息作为堆叠长短时记忆网络模型的输出，对堆叠长短时记忆网络模型进行训练，从而得到列车车内外污染物浓度确定性映射关系的深度学习模型。 9.根据权利要求8所述的方法，其特征在于所述的堆叠长短时记忆网络模型，每层的神经元个数由萤火虫算法寻优得到，具体包括如下步骤： 1)确定适应度函数； 2)对算法进行初始化设置； 3)将所有萤火虫按照适应度排列并存档； 4)从群体中筛选出最优萤火虫并成为领导个体； 5)对搜索次数进行判断：若搜索次数达到要求，则算法结束，输出最优解，用于确定堆叠长短时记忆网络模型的最优神经元个数；若搜索次数未达到要求，则重复步骤3)～步骤5)，直至搜索次数达到要求。 10.根据权利要求9所述的方法，其特征在于步骤S6所述的制定列车各个车厢的通风策略，具体为采用如下规则制定通风策略：若AO＜min(AIR)，则认定列车内部空气污染程度低于列车外部空气污染程度，停止通风外循环系统，开启内循环空气过滤装置，从而避免外界空气对车厢造成车内环境二次污染；若AO＞max(AIR)，则认定列车内部空气污染程度高于列车外部空气污染程度，开启通风外循环系统，停止内循环空气过滤装置；且对于任意车厢，判断若AIe＞AIe+1且AIe＞AIe-1，则认定此时车厢e的空气污染程度高于相邻的车厢，此时提高与车厢e相邻的车厢的通风系统空气过滤强度以减少不同车厢间的交叉污染，并加快空气污染物流动并被排出车外；若min(AIR)＜AO＜max(AIR)，则认定部分车厢的空气污染程度高于外部空气污染程度，部分车厢的空气污染程度低于外部空气污染程度；此时将空气污染程度高于外部空气污染程度的车厢的通风外循环系统开启；同时，停止空气污染程度低于外部空气污染程度的车厢的通风外循环系统，且开启空气污染程度低于外部空气污染程度的车厢的内循环空气过滤装置；其中，AO为列车外部的AQI预测结果；AIR为列车第R节车厢内部的AQI预测结果。
所属类别：	发明专利