城市物联网监测大数据应用初探

于支撑智慧城市的发展。本研究基于高时间精度、高空间精度、度的物联网环境监测大数据，通过机性，并构建了主要污染物浓度预测模型；物联网监测数据在城市环境舒适度评价以及城市监测体系构1、研究背景与物或区域级别的各类运行数据[1,2]。同时，以地理信息系统、云平台等技术为基础，建监测技术也迎来快速发展，成为城市管理的重要的决策辅助[4-8]。城市环境进行度的认知与表征[3]。据指标包括人车流量数据，以及温度、湿度、气压、光照、噪音、PM2.5、PM10、风速、15个气象与污染物浓度指标。能实现高空间精度、高时间精度、多指标维度的城市2、物联网体系Web端治提供决策支持。系统将采用Eclipse开发环境，前端采用Html+JS，采用JavaServlet11g进行各类数据的统一与管理。1（a）11℃%分贝司°23要污染物预测模型建立。数据在Python和R平台下进行处理。3相关系数达到R2=0.8997，P＜0.001，通过显著性检验。将设备监测值根据国测值进行校验（图3），后续研究均采用校验数据进行分析。数据校验后，对环境监测数据进行数据，时间段（白天/夜晚，时段/非时段等）的监测数据时序变化规律进行探究。4重点关注光照强度、CO2浓度、SO2PM2.5浓度各指标时序变化（5。光照12点左右达到最高值。CO2浓度用CO2浓度回升。SO2浓度也呈现每日周期性变化，白天浓度由于机动车辆尾气排放和工厂排放浓度升高，夜晚浓度下降。PM2.5浓度呈现一定周期变化，总的来说白天低于夜晚。5光照强度、CO2浓度、SO2浓度和PM2.520:00，物中PM2.5、PM10和NO2浓度在时段略高于非时段。具体从一天24小时PM2.57，图6各环境指标在时段和非时段数据比图7NO2和PM2.5浓度在时段和非时段数据特各监测指标数据之间可能存在一定的相关性，例如PM2.5等污染物浓度会受到气象因关性，进一步掌握城市污染物浓度变化机制。基于R平台能清晰表现出各指标之间的散点9间的相关性大小，按照层次聚类法将正相关性较大的指标进行聚类。在本研究的14项监测噪声和风速；（4）O3浓度。89PM2.5为例，由相关性矩10。P值较高的变量将会被提出，多元线性回归得到的各变量因子系数及P值检验如表2。2多元线性回归中各自变量系数及P---P0000（PM2.5_P）浓度、压强、风速、湿度和温度，显著性依次降低。其中，前一时刻（PM2.5_P）浓度、湿度和温度与PM2.5浓度值呈现显著正相关；压强和风速与PM2.5浓度 4Q值可以对公共空间的环境质量作出评价，为公共空间的规划和设计提供温度舒适度评分012湿度舒适度评分012声音舒适度评分0~60分260~70分1＞700空气质量评分210 2）候舒适度空间意向如图11。111213日-1913 特定的城市类型往往会对应特定环境指标监测数据组合，且表现出一定的典型特声、压强、PM2.5、PM10等信息，采用机器学习中K-means分类算法来完成监测分类[20,21]K-Means作为聚类的首选算法，该算法广泛应用于14K-means7个系列组合，并给出了监测指标组合特征（图15）及各组合频次特征（图16。同时通过追溯各组合发生时间，最终得到5类事件类型（表4。通过机器学习能识别出城市中的常态、、降雨、人群集 15K-means聚类得到的7个系列组合（常态，系列1-图16各系列出现频表4机器学习得到主要类型分避免安全的发生。城市与决策支持涉及以下几个方面：保护：对重点保护单位实现精细化管理，实时掌握环境各项数据指标，5、结论与展物联网体系为多角度全方位的城市环境监测提供可能性，监测数据在城市中微观环境中的应用潜力巨大。本研究以自主研发的物联网环境监测传感器所收集的实时数据为样本基气压、光照、噪音、PM2.5、PM1015个环境指标。能实现高空间精度、高市管理辅助、城市与决策等多角度展开应用探索。[1]等.环境监测中物联网技术的应用[J].农业科学,2014,42(10):3076-[2],.物联网传感器技术探讨[J].电信网技术,2011,(12):40-[3],,JudithGelernter,等.物联网环境下多方位传感器数据的关联性挖掘(英文)[J].Communications,2011(1):142-148.[4].城市计算概述[J].大学学报(信息科学版),2015,40(1):1-ZhengY,CapraL,Wol O,etal.UrbanComputing:Concepts,Methodologies,andApplications[J].AcmTransactionsonInligentSystems&Technology,2014,5(3):38.ShangJ,ZhengY,TongW,etal.Inferringgasconsumptionandpollutionemissionofvehiclesthroughoutacity[C]//ACM,2014:1027-1036.ZhengY,LiuT,WangY,etal.DiagnosingNewYorkcity'snoiseswithubiquitousdata[C]//ACMInternationalJointConferenceonPervasiveandUbiquitousComputing.ACM,2014:715-725.ZhengY,LiuF,HsiehHP.U-Air:whenurbanairqualityinferencemeetsbigdata[C]//ACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining.ACM,2013:1436-1444.IBM．智慧的城市新等．智慧城市的理论与实践研究[J]．湖南工业大学学报(社会科学版 等.国内外智慧城市理论研究与实践思考[J].科技进步与对策2013,30(19)：153-.智慧生态城市规划建设基本理论探讨[J].城市规划学，2013(5)：14-等.环境监测中物联网技术的应用[J].农业科学,2014,42(10):3076-朱定局,智慧数字城市的系统框架[J].高科技与,6(205):56- 智慧城市理念在新城规划中的应用探讨—以市天府新城规划为例[J].2013,2(9):20-等.国内外智慧城市评价指标体系比较[J].电子政务2013,1:92-.城市环境质量指标体系研究[J].经济地理1992(2):87-.城市环境舒适度指数预报研究[C]//中国气象学会2004年年