CN111044680A - 一种大气环境运动健康监测方法以及监测系统 - Google Patents
一种大气环境运动健康监测方法以及监测系统 Download PDFInfo
- Publication number
- CN111044680A CN111044680A CN201911156137.5A CN201911156137A CN111044680A CN 111044680 A CN111044680 A CN 111044680A CN 201911156137 A CN201911156137 A CN 201911156137A CN 111044680 A CN111044680 A CN 111044680A
- Authority
- CN
- China
- Prior art keywords
- exposure
- monitoring
- concentration
- user
- completed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 115
- 230000036541 health Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims description 17
- 239000003344 environmental pollutant Substances 0.000 claims description 16
- 231100000719 pollutant Toxicity 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 7
- 239000000809 air pollutant Substances 0.000 claims description 5
- 231100001243 air pollutant Toxicity 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 5
- 238000009792 diffusion process Methods 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 11
- 238000011160 research Methods 0.000 abstract description 6
- 230000005183 environmental health Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 27
- 230000006870 function Effects 0.000 description 7
- 239000000356 contaminant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 231100000727 exposure assessment Toxicity 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Combustion & Propulsion (AREA)
- Computing Systems (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种大气环境健康监测方法，涉及环境健康监测领域，包括如下步骤：S1：服务端持续获取采集的定位信息；若没有获取完成，则继续获取直到完成，再进行步骤S2；S2：根据步骤S1中获取的定位信息进行分析轨迹信息以及时间；若没有分析完成，则继续分析直到完成，再进行步骤S3；S3：根据步骤S2中轨迹信息及时间进行监测站点和浓度匹配计算，直到计算完成，进行暴露时间归属计算；S4：配置暴露参数；S5：计算暴露水平；S6：暴露水平报表生成，完成暴露水平分析。本发明根据暴露时间，暴露浓度，相关参数计算出其相关的暴露水平摄入量，并综合分析相关暴露水平，以保证对站点，人体的综合性分析，以保证暴露水平摄入量得到充分的科研论证。
Description
技术领域
本发明涉及环境健康监测领域，特别涉及一种大气环境健康监测方法以及监测系统。
背景技术
20世纪80年代初，杜安和奥特提出了暴露评价的概念，定义“暴露”为一个人或人群在特定时间里与一定污染物的瞬时接触。如同时考虑持续时间，就获得了一段时间内的“积分暴露值”，我们通常所说的更多是平均暴露，也即累计暴露除以积分时间的结果。进行暴露评价，目前国内外主要有两种方法：一是利用给大量人群佩戴个体穿戴装置的方法，如个体采样泵、被动采样器等，此方法需要、招募数量较大的人群，并需要分发和回收大量的采样设备，人力物耗费较大。同时，由于具体到了每个个体，不同个体间的差异会为后期的分析带来大量的混杂因素。而与之相反，另外一种方法，是采用国家公布的环境空气质量或国际网站上的空气质量数据，将这些数据广泛的应用于所有目标人群，又往往给研究结果带来因暴露数据和人群活动不匹配造成的巨大的不确定性。
中国专利文献CN 109493973 A涉及一种家用住宅空气环境健康风险预警方法，属于环境监测技术领域，解决了现有技术中不能根据用户实际在室内的逗留时间和行为差异进行环境监测预警，以及不能根据不同功能房间的实际情况对环境暴露进行分析和评价的问题。一种家用住宅空气环境健康风险预警方法，具体包括以下步骤：获取不同功能房间的环境监测参数、用户在不同功能房间的暴露行为数据；绘制不同类型空气污染物暴露浓度曲线，计算不同类型空气污染物的暴露浓度；对暴露风险进行评估和预警，并将所述环境监测参数、暴露行为数据、暴露浓度曲线和评估预警结果推送给用户。
中国专利文献CN105021230A提供一种适用于家庭、办公室等室内环境监测与健康预警系统。本发明由两部分组成，即室内环境监测系统和健康预警系统。室内环境监测系统配有温度、湿度、光感、空气粉尘浓度、甲醛等传感器，各个传感器检测室内环境的各项参数，经处理后，通过ZigBee网络上传至控制单元。基于莫比乌斯曲线室内环境监测与健康预警系统在检测室内环境的各项指标的同时，能够根据每个人个体的不同，分析室内环境对其的影响，对其的身体健康状态给以提示，以减少室内环境质量过于低劣导致的生命健康危害事件的发生。
上述专利文献仅仅能对小区域或者是固定区域进行监测，而不能对人群的所有生活区域进行监测以及风险预警。
本发明是针对如何充分利用监测站网，建立基于环境空气监测数据的精细化评价人群大气污染物暴露的方法，目前在国内外尚未见报道。
发明内容
为解决现有技术中的技术问题，本发明提供了一种大气环境运动健康监测方法以及监测系统，具体技术方案如下：
一方面，本发明提供了一种大气环境健康监测方法，其特征在于，包括如下步骤：
S1：服务端持续获取采集的定位信息；若没有获取完成，则继续获取直到完成，再进行步骤S2；
S2：根据步骤S1中获取的定位信息进行分析轨迹信息以及时间；若没有分析完成，则继续分析直到完成，再进行步骤S3；
S3：根据步骤S2中轨迹信息及时间进行监测站点和浓度匹配计算，直到计算完成，进行暴露时间归属计算，当暴露时间归属计算完成，进行步骤S4；
S4：配置暴露参数直到暴露参数配置完成，进行步骤S5；
S5：计算暴露水平，直到暴露水平计算完成，进行步骤S6；
S6：生成暴露水平报表，完成暴露水平分析。
优选地，步骤S1具体包括如下步骤：
S11：启动手机APP，进行定位信息采集，连接地图接口，采集手机所在的经纬度；
S12：以30s一次的频率将经纬度信息发送至服务器，并判断发送的经纬度信息是否超过20min不变；则认定手机未移动，则进行步骤S13：
S13：通过手机对移动和未移动进行时间和位置分段，记录完成后发送至服务器，定位信息分段采集完成。
优选地，步骤S2具体包括如下步骤：
S21：根据步骤S13中得到的定位信息分段表；配置定位信息分段对应的行为；
S22：根据步骤S21获得行为及分段，利用地图的路径规划功能进行路径分段及时间计算；
S23：根据监测站分段模型将路径分段匹配到对应的监测站，最终得到每个监测站点的暴露时间，暴露时间计算完成。
优选地，步骤S3具体包括如下步骤：
S31：采用手机地图定位经纬度并检测周边5km以内是否存在监测站，若存在，则直接采用监测站站点的暴露浓度；若不存在，则进行步骤S32；
S32：读取经纬度，逆向查询其区域信息，并查询离手机最近的3个监测站，根据浓度扩散算法计算出中心匹配浓度，以中心匹配浓度为现有的暴露浓度，则暴露浓度获取完成；
P＝(1-u-v)*P1+u*P2+v*P3 (1)
其中，P为中心匹配浓度，P1、P2、P3分别为三个监测站的暴露浓度，u、v分别为监测站对采集点的权重贡献，其中，u≥0,v≥0,u+v≤1。
优选地，步骤S4具体包括如下步骤：
S41：依次配置行为类型、呼吸量、人群特征；
S42：根据步骤S41中的行为类型、呼吸量、人群特征依次进行路径规划分析匹配、监测站点匹配和暴露时间分段计算及匹配，直至暴露参数配置完成。
优选地，步骤S5具体包括如下步骤：
S51：根据步骤S2确认暴露时间；
S52：根据步骤S3确认暴露浓度；
S53：根据步骤S4确认暴露参数；
S54：对步骤S51中的暴露时间、步骤S52中的暴露浓度、步骤S53中的暴露参数进行乘积以后累加，计算暴露水平；
S55：校验监测站或浓度信息是否存在缺失，如缺失，则继续校验监测站或浓度信息，如完整，则生成暴露水平计算结果。
优选地，步骤S54中的暴露水平Eij根据公式(2)确定；
Eij＝CAi×tAj×IR×10-6+pi×CAi×tIj×IR×10-6 (2)
式中：i——某种大气污染物，包括颗粒物和气态污染物等；
j——某个调查对象；
Eij——某个调查对象(j)的某种(i)大气污染物的总暴露量(mg)；
CAi——室外大气污染物(i)的监测浓度(μg/m3)；
tAj——某调查对象(j)每日室外暴露时间(min)；
pi——污染物(i)室内外渗透系数(污染物从室外渗透入室内的比值)；
tIj——某调查对象(j)室内暴露时间(min)；
IR——人群不同活动状态下的呼吸量(L/min)。
优选地，还包括APP或用户网页端对暴露水平结果进行渲染，具体包括如下步骤：
S71：获取暴露水平表单，确认各个分段的暴露时间，暴露浓度，及其对应的监测站；
S72：获取监测站对应的浓度或对应的计算浓度，对监测站进行坐标定位并以其浓度对地图填充对应的浓度热力图；
S73：对使用者的行驶路径进行分析并根据其浓度填色，并执行路径渐变修正，最终生成暴露水平变化图。
优选地，APP或用户网页端还可查阅普通用户历史暴露水平摄入情况以及为普通用户提供个人暴露水平趋势分析。
另一方面，本发明还提供了一种大气环境健康监测系统，包括服务端和客户端；
所述服务端包括服务端数据采集单元、环境运动监测模型、报表、接口、用户管理；所述数据采集单元包括环境数据采集、运动数据采集和经纬度数据采集；所述环境运动监测模型包括环保环境检测模型、运动检测模型、浓度参数经纬度计算模型、运动信息模型参数配置、运动信息模型权重配置、默认运动信息模型配置和模型校验；所述报表包括地图渲染报表、用户运动分析报表、环境检测匹配报表；所述接口包括环境数据爬取接口、经纬度数据地图获取接口、用户信息接口、报表接口；
所述用户管理包括报表用户管理、管理员管理、用户管理；所述客户端包括APP机或相关网页；所述APP机或相关网页均包括客户端数据采集单元、用户运动行为报表、用户健康监测报表；所述客户端数据采集单元包括地图数据采集单元、运动数据采集单元、用户数据采集单元、数据采集推送单元；所述用户运动行为填报包括用户轨迹规划、用户运动行为分段、用户运动配置信息配置；所述用户健康监测报表包括用户当前监测报表、用户历史监测报表、用户汇总分析监测报表。
与现有技术相对比，本发明的有益效果如下：
(1)本发明提供的监测方法和系统可实现对大气污染物暴露量在行动前的预估算、行动中的实时动态评估，以及暴露后对总暴露量的报表。并且根据用户的不同属性特征(性别、年龄)在不同时段(浓度水平)的不同行为特征(坐立站走、自行车、公交等)，根据不同的暴露参数和污染物在室外的比例特征，给出分段行为污染物暴露报表。可满足普通用户和科研用户对大气污染暴露评估在不同需求层面的使用。
(2)本发明提供的监测方法和系统对人体运动情况对各种排放物的相关暴露水平摄入量分析，从而评估人体的相关健康情况的相关研究，本系统基于百度地图的相关定位功能及路径规划功能，对人的日常行为轨迹及行为方式进行时间段划分，并评估其相关的暴露时间，暴露浓度，再根据相关参数计算出其相关的暴露水平摄入量，并综合分析相关暴露水平，以保证对站点，人体的综合性分析，以保证暴露水平摄入量得到充分的科研论证。
附图说明
图1为本发明提供的大气环境健康监测方法流程图；
图2为本发明提供的定位信息采集流程图；
图3为本发明提供的路径分析及路径规划流程图；
图4为本发明提供的暴露浓度及监测站匹配流程图；
图5为本发明提供的暴露参数配置及分发流程图；
图6为本发明提供的暴露水平计算流程图；
图7为APP端主要流程图；
图8为APP端的暴露水平计算及渲染流程图；
图9为用户网页端主要流程图；
图10为本发明提供的大气环境健康监测方系统结构图；
图11为本发明提供的服务端结构图；
图12为本发明提供的APP端结构图；
图13为本发明提供的用户网页端结构图。
具体实施方式
下面结合附图1-13，对本发明的具体实施方式作详细的说明。
参图1所示，图1为本发明提供的大气环境健康监测方法流程图；一方面，本发明提供了一种大气环境健康监测方法，包括如下步骤：
S1：服务端持续获取采集的定位信息；若没有获取完成，则继续获取直到完成，再进行步骤S2；
S2：根据步骤S1中获取的定位信息进行分析轨迹信息以及时间；若没有分析完成，则继续分析直到完成，再进行步骤S3；
S3：根据步骤S2中轨迹信息及时间进行监测站点和浓度匹配计算，直到计算完成，进行暴露时间归属计算，当暴露时间归属计算完成，进行步骤S4；
S4：配置暴露参数直到暴露参数配置完成，则进行步骤S5；
S5：计算暴露水平，直到暴露水平计算完成，进行步骤S6；
S6：暴露水平报表生成，完成暴露水平分析。
其中，本发明中的上述步骤是由服务端进行执行的。
作为优选实施例，本发明中提供的步骤S1(定位信息采集)具体包括如下步骤：参图2所示，图2为本发明提供的定位信息采集流程图；
S11：启动手机APP，进行定位信息采集，连接地图接口，采集手机所在的经纬度；
S12：以30s一次的速率将经纬度信息发送至服务器，并判断发送的经纬度信息是否超过20nim不变；则认定手机未移动，则进行步骤S13：
S13：通过手机对移动和未移动进行时间和位置分段，记录完成后发送至服务器，定位信息分段采集完成。
其中，本发明的定位信息采集使用百度地区获取对应经纬度，并判定其是否有停留行为，如其在某个经纬度停留超过20分钟判定为不活动，将相关路径分成活动及不活动，根据暴露参数及相关再进行相关时间及周期的计算。
其中，本发明步骤S12中的如将经纬度信息发送失败，则将在能通信的时候增加相关时间戳进行发送。
其中，当经纬度坐标小于某个变化范围，则启动计时器，超过20分钟则认定为未移动，对移动与未移动进行时间分段，并记录起始坐标及起始时间以备路径规划及路径分析使用。
作为优选实施例，本发明中提供的步骤S2(路径分析及路径规划)具体包括如下步骤：参图3所示，图3为本发明提供的路径分析及路径规划流程图；
S21：根据步骤S13中得到的定位信息分段表；配置定位信息分段对应的行为；其行为主要为交通行为，即停止，坐车，骑车，步行等；
S22：根据步骤S21获得行为及分段，利用地图的路径规划功能进行路径分段及时间计算；
S23：根据监测站分段模型将路径分段匹配到对应的监测站，最终得到每个监测站点的暴露时间，暴露时间计算完成，输出暴露时间表，期间包含站点信息及站点暴露时间，以便于做相关的暴露水平摄入值计算。
作为优选实施例，本发明中提供的步骤S3(监测站点及浓度匹配计算)具体包括如下步骤：参图4所示，图4为本发明提供的暴露浓度及监测站匹配流程图；
S31：采用手机地图定位经纬度并检测周边5km以内是否存在监测站，若存在，则直接采用监测站站点的暴露浓度；若不存在，则进行步骤S32；
S32：读取经纬度，逆向查询其区域信息，并查询离手机最近的3个监测站，根据浓度扩散公式计算出中心匹配浓度，以中心匹配浓度为现有的暴露浓度，则暴露浓度获取完成。
本发明中的浓度扩散公式为P＝(1-u-v)*P1+u*P2+v*P3(1)
其中，P为中心匹配浓度，P1、P2、P3分别为三个监测站的暴露浓度，u、v分别为监测站对采集点的权重贡献，其中，u≥0,v≥0,u+v≤1，设定(1-u-v)为P1对P的权重，u为P2对P的权重，v为P3对P的权重；
其中，u、v的求解方式如下：
定义本发明中的离手机最近的3个监测站构成三角形区域，而手机所在地即为需要监测的浓度，手机所在地位于三角形区域的内部，其中手机的经纬度坐标为P’，三个监测站的经纬度坐标分别为P1’,P2’,P3’，
根据以下二元一次方程求解u和v
P’·x＝(1-u-v)*P1’·x+u*P2’·x+v*P3’·x
P’·y＝(1-u-v)*P1’·y+u*P2’·y+v*P3’·y
作为优选实施例，本发明中提供的步骤S4(暴露参数配置及分发)具体包括如下步骤：参图5所示，图5为本发明提供的暴露参数配置及分发流程图；
S41：依次配置行为类型、呼吸量、人群特征；
S42：根据步骤S41中的行为类型、呼吸量、人群特征依次进行路径规划分析匹配、监测站点匹配和暴露时间分段计算及匹配，直至暴露参数配置完成。
其中，本发明中的暴露参数为相关科研对应分析参数，将针对行为，呼吸量，人群特征进行不同的分度，最终确认其摄入量，及详细信息详见表1和表2；
作为优选实施例，本发明中提供的步骤S5(暴露水平计算)暴露水平计算是本发明对人体的相关排放入摄入量的相关计算部分，通过暴露参数，暴露时间，暴露浓度的乘积累积计算对应的暴露水平；
参图6所示，图6为本发明提供的暴露水平计算流程图；具体包括如下步骤：
S51：根据步骤S2确认暴露时间；
S52：根据步骤S3确认暴露浓度；
S53：根据步骤S4确认暴露参数；
S54：对步骤S51中的暴露时间、步骤S52中的暴露浓度、步骤S53中的暴露参数进行乘积以后累加，计算暴露水平；
S55：校验监测站或浓度信息是否存在缺失，如完整，则生成暴露水平计算结果。
其中，本发明步骤S53中提到的暴露参数指的是行为类型、呼吸量、人群特征，从而根据行为类型、呼吸量、人群特征获得人群不同活动状态下的呼吸量(L/min)；
本发明提供的暴露参数与空气暴露相关的时间活动模式参数(Time-ActivityFactors Related to Air Exposure)包括室内外活动时间、交通工具时间等。受文化水平、经济水平、性别、年詮、季节、兴趣爱好及个人习惯的影响，实时获取精确的活动信息比较困难，对成人活动模式参数的调查一般是通过问卷调查的方式获得。通常采用的问卷调查为24小时回顾日志法，该方法是要求受访者记录前一天在所有活动和地点中花费的时间。
室外活动时间指除在家中、工作单位、商场、娱乐场所等封闭室内空间停留的时间之外的时间，包括户外健身(如散步、跑步、器械运动等)、休闲(如逛公园等)或者从事务农、商业活动、室外工作等生产、生活活动等。
室内活动时间指在家中、工作单位、商场、娱乐场所等封闭室内空间停留的时间。
交通出行方式指交通出行采用的交通方式,主要包括步行、自行车、电动自行车、摩托车、小轿车、公交车、轨道交通、水上交通以及其他交通工具。
交通出行时间指每天使用各种交通工具的累计时间。
本发明中的暴露水平(也称为呼吸暴露空气中污染物的日总暴露剂量)的计算公式(1)具体如下：
Eij＝CAi×tAj×IR×10-6+pi×CAi×tIj×IR×10-6 (2)
式中：i——某种大气污染物，包括颗粒物和气态污染物等；
j——某个调查对象；
Eij——某个调查对象(j)的某种(i)大气污染物的总暴露量(mg)；
CAi——室外大气污染物(i)的监测浓度(μg/m3)；
tAj——某调查对象(j)每日室外暴露时间(min)；
pi——污染物(i)室内外渗透系数(污染物从室外渗透入室内的比值)；
tIj——某调查对象(j)室内暴露时间(min)；
IR——人群不同活动状态下的呼吸量(L/min)。
人群不同活动状态下的短期呼吸量推荐值(IR,短期呼吸量/(L/min))如表1所示；
表1
| 小计 | 男 | 女 | |
| 休息 | 5.5 | 6.3 | 5.1 |
| 坐 | 6.6 | 7.5 | 6.1 |
| 轻微活动 | 8.2 | 9.4 | 7.6 |
| 中体力活动 | 21.9 | 25.1 | 20.3 |
| 重体力活动 | 32.9 | 37.7 | 30.4 |
| 极重体力活动 | 54.8 | 62.8 | 50.7 |
不同情景下的渗透系数(pi)如表2所示；
表2
根据表1可以得到人群不同活动状态下的短期呼吸量IR，根据表2可以得到不同情景下的不同污染物的渗透系数(pi)。
作为优选实施例，本发明中提供的监测方法还包括APP或用户网页端对暴露水平结果进行渲染，参图7-9所示，具体包括如下步骤：
S71：获取暴露水平表单，确认各个分段的暴露时间，暴露浓度，及其对应的监测站；
S72：获取监测站对应的浓度或对应的计算浓度，对监测站进行坐标定位并以其浓度对地图填充对应的浓度热力图；
S73：对使用者的行驶路径进行分析并根据其浓度填色，并执行路径渐变修正，最终生成暴露水平变化图。
作为优选实施例，本发明中提供的APP或用户网页端还可查阅普通用户历史暴露水平摄入情况以及为普通用户提供个人暴露水平趋势分析。
图10-13所示。另一方面，本发明还提供了一种大气环境健康监测系统，包括服务端和客户端；
所述服务端包括服务端数据采集单元、环境运动监测模型、报表、接口、用户管理；所述数据采集单元包括环境数据采集、运动数据采集和经纬度数据采集；所述环境运动监测模型包括环保环境检测模型、运动检测模型、浓度参数经纬度计算模型、运动信息模型参数配置、运动信息模型权重配置、默认运动信息模型配置和模型校验；所述报表包括地图渲染报表、用户运动分析报表、环境检测匹配报表；所述接口包括环境数据爬取接口、经纬度数据地图获取接口、用户信息接口、报表接口；
所述用户管理包括报表用户管理、管理员管理、用户管理；所述客户端包括APP机或相关网页；所述APP机或相关网页均包括客户端数据采集单元、用户运动行为报表、用户健康监测报表；所述客户端数据采集单元包括地图数据采集单元、运动数据采集单元、用户数据采集单元、数据采集推送单元；所述用户运动行为填报包括用户轨迹规划、用户运动行为分段、用户运动配置信息配置；所述用户健康监测报表包括用户当前监测报表、用户历史监测报表、用户汇总分析监测报表。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均包含在本发明的保护范围之内。
Claims (10)
1.一种大气环境运动健康监测方法，其特征在于，包括如下步骤：
S1：服务端持续获取采集的定位信息；若没有获取完成，则继续获取直到完成，再进行步骤S2；
S2：根据步骤S1中获取的定位信息进行分析轨迹信息以及时间；若没有分析完成，则继续分析直到完成，再进行步骤S3；
S3：根据步骤S2中轨迹信息及时间进行监测站点和浓度匹配计算，直到计算完成，进行暴露时间归属计算，当暴露时间归属计算完成，进行步骤S4；
S4：配置暴露参数直到暴露参数配置完成，进行步骤S5；
S5：计算暴露水平，直到暴露水平计算完成，进行步骤S6；
S6：生成暴露水平报表，完成暴露水平分析。
2.一种根据权利要求1所述的大气环境运动健康监测方法，其特征在于，步骤S1具体包括如下步骤：
S11：启动手机APP，进行定位信息采集，连接地图接口，采集手机所在的经纬度；
S12：以30s一次的频率将经纬度信息发送至服务器，并判断发送的经纬度信息是否超过20min不变；则认定手机未移动，则进行步骤S13：
S13：通过手机对移动和未移动进行时间和位置分段，记录完成后发送至服务器，定位信息分段采集完成。
3.一种根据权利要求2所述的大气环境运动健康监测方法，其特征在于，步骤S2具体包括如下步骤：
S21：根据步骤S13中得到的定位信息分段表；配置定位信息分段对应的行为；
S22：根据步骤S21获得行为及分段，利用地图的路径规划功能进行路径分段及时间计算；
S23：根据监测站分段模型将路径分段匹配到对应的监测站，最终得到每个监测站点的暴露时间，暴露时间计算完成。
4.一种根据权利要求3所述的大气环境运动健康监测方法，其特征在于，步骤S3具体包括如下步骤：
S31：采用手机地图定位经纬度并检测周边5km以内是否存在监测站，若存在，则直接采用监测站站点的暴露浓度；若不存在，则进行步骤S32；
S32：读取经纬度，逆向查询其区域信息，并查询离手机最近的3个监测站，根据浓度扩散公式(1)计算出中心匹配浓度，以中心匹配浓度为现有的暴露浓度，则暴露浓度获取完成；
P＝(1-u-v)*P1+u*P2+v*P3 (1)
其中，P为中心匹配浓度，P1、P2、P3分别为三个监测站的暴露浓度，u、v分别为监测站对采集点的权重贡献，其中，u≥0,v≥0,u+v≤1。
5.一种根据权利要求4所述的大气环境运动健康监测方法，其特征在于，步骤S4具体包括如下步骤：
S41：依次配置行为类型、呼吸量、人群特征；
S42：根据步骤S41中的行为类型、呼吸量、人群特征依次进行路径规划分析匹配、监测站点匹配和暴露时间分段计算及匹配，直至暴露参数配置完成。
6.一种根据权利要求5所述的大气环境运动健康监测方法，其特征在于，步骤S5具体包括如下步骤：
S51：根据步骤S2确认暴露时间；
S52：根据步骤S3确认暴露浓度；
S53：根据步骤S4确认暴露参数；
S54：对步骤S51中的暴露时间、步骤S52中的暴露浓度、步骤S53中的暴露参数进行乘积以后累加，计算暴露水平；
S55：校验监测站或浓度信息是否存在缺失，如缺失，则继续校验监测站或浓度信息，如完整，则生成暴露水平计算结果。
7.一种根据权利要求1所述的大气环境运动健康监测方法，其特征在于，步骤S54中的暴露水平Eij根据公式(2)确定；
Eij＝CAi×tAj×IR×10-6+pi×CAi×tIj×IR×10-6 (2)
式中：i——某种大气污染物，包括颗粒物和气态污染物等；
j——某个调查对象；
Eij——某个调查对象(j)的某种(i)大气污染物的总暴露量(mg)；
CAi——室外大气污染物(i)的监测浓度(μg/m3)；
tAj——某调查对象(j)每日室外暴露时间(min)；
pi——污染物(i)室内外渗透系数(污染物从室外渗透入室内的比值)；
tIj——某调查对象(j)室内暴露时间(min)；
IR——人群不同活动状态下的呼吸量(L/min)。
8.一种根据权利要求1所述的大气环境运动健康监测方法，其特征在于，还包括APP或用户网页端对暴露水平结果进行渲染，具体包括如下步骤：
S71：获取暴露水平表单，确认各个分段的暴露时间，暴露浓度，及其对应的监测站；
S72：获取监测站对应的浓度或对应的计算浓度，对监测站进行坐标定位并以其浓度对地图填充对应的浓度热力图；
S73：对使用者的行驶路径进行分析并根据其浓度填色，并执行路径渐变修正，最终生成暴露水平变化图。
9.一种根据权利要求8所述的大气环境运动健康监测方法，其特征在于，APP或用户网页端还可查阅普通用户历史暴露水平摄入情况以及为普通用户提供个人暴露水平趋势分析。
10.一种执行如权利要求1-9中任一项所述的大气环境运动健康监测方法的监测系统，包括服务端和客户端；其特征在于，
所述服务端包括服务端数据采集单元、环境运动监测模型、报表、接口、用户管理；所述数据采集单元包括环境数据采集、运动数据采集和经纬度数据采集；所述环境运动监测模型包括环保环境检测模型、运动检测模型、浓度参数经纬度计算模型、运动信息模型参数配置、运动信息模型权重配置、默认运动信息模型配置和模型校验；所述报表包括地图渲染报表、用户运动分析报表、环境检测匹配报表；所述接口包括环境数据爬取接口、经纬度数据地图获取接口、用户信息接口、报表接口；
所述用户管理包括报表用户管理、管理员管理、用户管理；所述客户端包括APP机或相关网页；所述APP机或相关网页均包括客户端数据采集单元、用户运动行为报表、用户健康监测报表；所述客户端数据采集单元包括地图数据采集单元、运动数据采集单元、用户数据采集单元、数据采集推送单元；所述用户运动行为填报包括用户轨迹规划、用户运动行为分段、用户运动配置信息配置；所述用户健康监测报表包括用户当前监测报表、用户历史监测报表、用户汇总分析监测报表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156137.5A CN111044680B (zh) | 2019-11-22 | 2019-11-22 | 一种大气环境运动健康监测方法以及监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911156137.5A CN111044680B (zh) | 2019-11-22 | 2019-11-22 | 一种大气环境运动健康监测方法以及监测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111044680A true CN111044680A (zh) | 2020-04-21 |
| CN111044680B CN111044680B (zh) | 2020-10-13 |
Family
ID=70233057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911156137.5A Active CN111044680B (zh) | 2019-11-22 | 2019-11-22 | 一种大气环境运动健康监测方法以及监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111044680B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997646A (zh) * | 2022-06-02 | 2022-09-02 | 复旦大学 | 基于手机信令数据的大气污染健康风险实时动态评价方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998017990A1 (en) * | 1996-10-18 | 1998-04-30 | Westinghouse Savannah River Company | Programmable atmospheric sampling systems and methods |
| US20030101915A1 (en) * | 2001-12-03 | 2003-06-05 | Chin-Lang Lin | Exhausting device for anatomic operation |
| US20090135003A1 (en) * | 2007-11-28 | 2009-05-28 | Motorola, Inc. | Wireless sensor and system that determines exposure based on local conditions |
| CN102737156A (zh) * | 2011-04-14 | 2012-10-17 | 中国科学院生态环境研究中心 | 预测地表水水环境中污染物对生物的生态风险的方法 |
| CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
| CN106153510A (zh) * | 2015-03-25 | 2016-11-23 | 日本电气株式会社 | 大气污染物浓度的估算方法和装置 |
| CN107609337A (zh) * | 2017-10-19 | 2018-01-19 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种空气质量健康指数发布和个性化预警方法 |
| CN107798425A (zh) * | 2017-10-16 | 2018-03-13 | 中国科学院地理科学与资源研究所 | 一种基于大数据的时空混淆暴露度评估系统及方法 |
| CN108008705A (zh) * | 2017-11-23 | 2018-05-08 | 武汉英伦丰创软件有限公司 | 一种大气污染可视化监测评估系统 |
| CN108320805A (zh) * | 2018-03-14 | 2018-07-24 | 中南大学 | 一种公众空气污染暴露风险测量指数计算方法 |
| CN108956859A (zh) * | 2018-05-16 | 2018-12-07 | 暨南大学 | 一种测量人体暴露环境中污染物浓度的方法及相关产品 |
| CN109283107A (zh) * | 2018-08-27 | 2019-01-29 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种pm2.5个体暴露自动化监测装置及监测方法 |
| CN109521153A (zh) * | 2017-09-19 | 2019-03-26 | 北京英视睿达科技有限公司 | 一种基于物联网的空气质量监测便携式装置 |
| CN209513743U (zh) * | 2018-12-03 | 2019-10-18 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 大气环境试验暴露装置 |
-
2019
- 2019-11-22 CN CN201911156137.5A patent/CN111044680B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1998017990A1 (en) * | 1996-10-18 | 1998-04-30 | Westinghouse Savannah River Company | Programmable atmospheric sampling systems and methods |
| US20030101915A1 (en) * | 2001-12-03 | 2003-06-05 | Chin-Lang Lin | Exhausting device for anatomic operation |
| US20090135003A1 (en) * | 2007-11-28 | 2009-05-28 | Motorola, Inc. | Wireless sensor and system that determines exposure based on local conditions |
| CN102737156A (zh) * | 2011-04-14 | 2012-10-17 | 中国科学院生态环境研究中心 | 预测地表水水环境中污染物对生物的生态风险的方法 |
| CN104217126A (zh) * | 2014-09-17 | 2014-12-17 | 中南大学 | 一种基于低空气污染暴露风险道路路径选择方法 |
| CN106153510A (zh) * | 2015-03-25 | 2016-11-23 | 日本电气株式会社 | 大气污染物浓度的估算方法和装置 |
| CN109521153A (zh) * | 2017-09-19 | 2019-03-26 | 北京英视睿达科技有限公司 | 一种基于物联网的空气质量监测便携式装置 |
| CN107798425A (zh) * | 2017-10-16 | 2018-03-13 | 中国科学院地理科学与资源研究所 | 一种基于大数据的时空混淆暴露度评估系统及方法 |
| CN107609337A (zh) * | 2017-10-19 | 2018-01-19 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种空气质量健康指数发布和个性化预警方法 |
| CN108008705A (zh) * | 2017-11-23 | 2018-05-08 | 武汉英伦丰创软件有限公司 | 一种大气污染可视化监测评估系统 |
| CN108320805A (zh) * | 2018-03-14 | 2018-07-24 | 中南大学 | 一种公众空气污染暴露风险测量指数计算方法 |
| CN108956859A (zh) * | 2018-05-16 | 2018-12-07 | 暨南大学 | 一种测量人体暴露环境中污染物浓度的方法及相关产品 |
| CN109283107A (zh) * | 2018-08-27 | 2019-01-29 | 中国疾病预防控制中心环境与健康相关产品安全所 | 一种pm2.5个体暴露自动化监测装置及监测方法 |
| CN209513743U (zh) * | 2018-12-03 | 2019-10-18 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 大气环境试验暴露装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114997646A (zh) * | 2022-06-02 | 2022-09-02 | 复旦大学 | 基于手机信令数据的大气污染健康风险实时动态评价方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111044680B (zh) | 2020-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ott | Concepts of human exposure to air pollution | |
| Jiang et al. | Spatial disparity of individual and collective walking behaviors: A new theoretical framework | |
| Frank et al. | International comparison of observation-specific spatial buffers: maximizing the ability to estimate physical activity | |
| Chambers et al. | Kids in space: Measuring children's residential neighborhoods and other destinations using activity space GPS and wearable camera data | |
| Nikolopoulou et al. | Pedestrians' perception of environmental stimuli through field surveys: Focus on particulate pollution | |
| Gerharz et al. | Applying indoor and outdoor modeling techniques to estimate individual exposure to PM2. 5 from personal GPS profiles and diaries: a pilot study | |
| Jerrett et al. | A GIS–environmental justice analysis of particulate air pollution in Hamilton, Canada | |
| Baxter et al. | Influence of human activity patterns, particle composition, and residential air exchange rates on modeled distributions of PM2. 5 exposure compared with central-site monitoring data | |
| Thomas et al. | Automatic trip detection with the Dutch mobile mobility panel: towards reliable multiple-week trip registration for large samples | |
| Williams et al. | The design and field implementation of the Detroit Exposure and Aerosol Research Study | |
| Liang et al. | Assessing the validity of mobile device data for estimating visitor demographics and visitation patterns in Yellowstone National Park | |
| Gong et al. | Crowd characterization for crowd management using social media data in city events | |
| CN105355047B (zh) | 多交通检测源动态时间粒度的数据融合处理方法 | |
| Bélanger et al. | An adaptation index to high summer heat associated with adverse health impacts in deprived neighborhoods | |
| Yu et al. | Dynamic greenspace exposure, individual mental health status and momentary stress level: A study using multiple greenspace measurements | |
| Zhang et al. | Exploring the influencing factors of public environmental satisfaction based on socially aware computing | |
| Huang et al. | Associations between COVID-19 risk, multiple environmental exposures, and housing conditions: A study using individual-level GPS-based real-time sensing data | |
| De Coensel et al. | Smart sound monitoring for sound event detection and characterization | |
| CN111044680A (zh) | 一种大气环境运动健康监测方法以及监测系统 | |
| Cao et al. | Geographic differences in inter-individual variability of human exposure to fine particulate matter | |
| Demirbas et al. | imap: Indirect measurement of air pollution with cellphones | |
| Duan et al. | Time-activity patterns | |
| Chung et al. | Identification of a city‟ s soundscape using soundwalks | |
| TWI619929B (zh) | Air quality monitoring system and method thereof | |
| Moore et al. | Learning from Place in the Era of Geolocation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |