基于改进Apriori算法的环境空气NO2浓度变化的关联因素分析

环境空气污染是一种复杂的非线性动态现象,受道路网络上的交通流、气象条件等因素的影响,定量揭示这些因素与空气污染物浓度的变化关系,是空气质量预测与改善的重要基础。以广东省佛山市南海区气象局空气质量监测站点周边1.5 km的半径区域为研究范围,利用改进后的关联规则算法对监测站点不同方位的道路交通流,引入气象条件,定量分析对空气污染物NO_(2)浓度的影响,并通过线性相关分析验证关联规则的结果。(1)传统的Apriori算法计算效率低,得到的规则多为无效、不可靠。将原算法对数据库多次扫描,改变为对上一频繁K项集的元素进行扫描。并引入新的可靠性衡量指标“提升度”,及加入对关联规则结果的筛选过程。改进后的算法只需扫描数据库一次,新增的两类改进方法使Apriori算法计算效率得到提升,且增强了强关联规则挖掘的可靠性。(2)从强关联规则得出:影响NO_(2)浓度变化的主要因素是风速、温度和气压,风速和温度与NO_(2)浓度的变化呈负相关,气压与NO_(2)浓度变化呈正相关。(3)引入道路交通流,结合气象因素对NO_(2)的影响:道路交通流量大且扩散条件好,不会导致污染物迅速上升,具体表现为:当道路交通流量较大时,伴随气压较低、风速较大或者温度较高,NO_(2)浓度处于低浓度等级,置信度较高(90%~100%);而道路交通流小且气象条件差,会导致污染物逐渐累积,具体表现为:道路交通流较小时,伴随气压较高、风速较低或气温较低,不利于NO_(2)扩散,且量化的置信度存在一定的偏差;考虑风向条件时,道路位于上下风向,对NO_(2)浓度的影响也不同。(4)基于强关联规则识别的关键影响因素,与NO_(2)进行线性拟合并计算皮尔逊相关系数,所得结果与关联规则算法的结论一致。通过以上结果,表明关联规则算法在挖掘定量关系具有较高的效率性和准确性,可为区域空气治理和预测提供技术支持。

基于视频卡口数据的外地车辆出行和技术参数时变特征分析

通过佛山市视频卡口获得2017年全市逐秒过车车牌记录数据,分析佛山一环内和一环外外地车小时尺度的分车型结构、道路类型的出行和技术参数时变特征。结果表明:(1)外地车日均出行量占全市的24.11%,与大型省会城市外地车占比(23%)相近,其中重型和轻型车流量在佛山一环内和一环外差异明显(超过50%)。(2)外地车车籍主要为广东的广州、肇庆,以及广西和浙江,且主要分布在广佛连接通道上。省内外地车中,货车的排放标准主要为国IV(38.9%~44.6%),燃料类型主要为柴油(78.0%~78.4%)。(3)从小时流量来看,外地车在佛山一环内的小时流量高于佛山一环外,且外地车总流量及各车型分布下的白天车流量均是夜间的3倍左右;从省内外地车的排放标准来看,国Ⅳ车的小时流量占比最高;同时外地车主要出现在快速路和国省道上。