首頁資訊一種健康出行路徑動態(tài)搜索算法與系統(tǒng)實現(xiàn)

一種健康出行路徑動態(tài)搜索算法與系統(tǒng)實現(xiàn)

來源：泰然健康網(wǎng) 時間：2024年11月21日 13:33

空氣污染正在全球范圍內(nèi)引發(fā)系列環(huán)境與健康問題，人類的生存和發(fā)展由此面臨嚴峻挑戰(zhàn)[1-2]。研究證實，短期或長期空氣污染暴露會影響人體器官和系統(tǒng)，甚至誘發(fā)慢性呼吸道疾病、心臟病和肺癌[3]。世界大多數(shù)國家正力求通過減排措施來改善空氣質(zhì)量，但短期均難以將濃度直接降低到世界衛(wèi)生組織規(guī)定的健康閾值[4]。在此背景下，研究與開發(fā)新的手段或方法以輔助公眾有效規(guī)避空氣污染暴露風險顯得十分必要。

日常步行或乘坐交通工具出行是公眾空氣污染暴露風險發(fā)生的主要途徑之一[5-6]。在明確出行區(qū)域各道路段空氣質(zhì)量的基礎上，選取空氣質(zhì)量優(yōu)良路段出行，理論上能夠降低人體空氣污染暴露風險。國內(nèi)外已報道的出行路徑選擇方法或系統(tǒng)多聚焦于出發(fā)地與目的地之間的最短距離[7-8]、最好出行路況[9-10]、最少時間耗費[11-12]、最低費用[13]，以及步行路徑選擇算法[14]和大規(guī)模車輛出行路徑選擇算法[15]等。近年來，有學者開始嘗試基于空氣質(zhì)量指數(shù)(air quality index, AQI)的空氣污染低暴露路徑選取算法研究[16]，但此類算法僅簡單依賴稀疏監(jiān)測站點AQI值和Kriging插值方法估計研究區(qū)中觀尺度空氣質(zhì)量等級空間分布，無法滿足城市內(nèi)部健康出行路徑規(guī)劃對微觀尺度空氣污染濃度空間變化精細刻畫的需求[17-18]。現(xiàn)有算法取決于首要污染物的AQI值，但這也只能定性或半定量通過空氣污染暴露風險等級來反映人體暴露于空氣污染物的危害，未考慮真實的人體空氣污染暴露劑量響應關系。同時在路徑規(guī)劃過程中，現(xiàn)有低暴露路徑選取算法僅靜態(tài)地考慮了出發(fā)時刻的空氣質(zhì)量濃度，忽略了行駛過程中各出行路段空氣質(zhì)量濃度的變化[19]。

針對基于AQI的空氣污染低暴露路徑選取算法的缺陷，本文融合土地利用回歸(land use regression, LUR)高空間分辨率制圖模型、多污染物累積復合暴露風險權重估算方法和Dijkstra最短路徑搜索算法，提出一種基于高時空分辨率空氣質(zhì)量濃度制圖結果的低空氣污染暴露健康出行路徑動態(tài)搜索算法(dynamic healthy-route search algorithm, DHRSA)，設計與開發(fā)相應出行路徑規(guī)劃系統(tǒng)。作為一種更為科學合理且簡單實用的健康出行路徑搜索算法，DHRSA對于指導公眾出行、提升地理信息服務的社會化水平具有重要的理論意義與實踐價值。

1 DHRSA算法的理論基礎

1.1 LUR制圖

基于地理要素交互作用原理，LUR制圖模型能夠有效構建地理特征指標與城市空氣污染指標間的雙向映射關系。在空氣污染制圖領域，LUR制圖模型常在監(jiān)測站點稀疏情景下用于融合相關特征驅(qū)動因子，生成高時空分辨率空氣污染濃度空間分布圖[20]。其基本原理為[17]:

$$ Y = {a_0} + {a_1}{X_1} + {a_2}{X_2} + cdots + {a_n}{X_n} + u $$ (1)

式中，Y為空氣污染物濃度值；X為地理特征指標，常由各監(jiān)測站點位置一定緩沖半徑范圍內(nèi)的土地利用類型面積占比、交通道路長度或距最近道路距離、風速、風向等變量表征，在此過程中，本研究使用傳統(tǒng)圓形緩沖區(qū)，分別考慮了100 m、200 m、300 m、400 m、500 m、800 m、1 km、1.5 km和2 km緩沖區(qū)半徑，通過計算各緩沖區(qū)內(nèi)地理特征指標與空氣污染濃度的相關性，依據(jù)相關系數(shù)最大為優(yōu)的原則確定緩沖半徑；a0…an為n個未知參數(shù)，分別表示各地理驅(qū)動因子對研究區(qū)內(nèi)空氣污染濃度值變化的貢獻強度；u為隨機誤差項。a0…an、u均根據(jù)最小二乘法確定，計算式如下：

$$ left{ begin{array}{l} Q({a_0}, {a_1} cdots {a_i} cdots {a_n}) = \ sumlimits_{j = 1}^n {({Y_j} - {a_0} - {a_1}{X_1} - {a_2}{X_2} - cdots - } \ ;;;;;;{a_i}{X_i} - cdots - {a_n}{X_n}\ mathop {min ;Q}limits_{_0, {a_1} cdots {a_i} cdots {a_n}} ;;\ E(u) = 0\ Var(u) = {sigma ^2} end{array} right. $$ (2) 1.2 空氣污染暴露風險權重估算

空氣污染暴露對人體健康潛在危害的可能性(空氣污染暴露風險)因污染物種類與濃度差異不同。準確估算人體空氣污染累積復合暴露風險權重是保障健康出行路徑動態(tài)搜索結果可靠的前提。針對環(huán)保部門識別的6種關鍵空氣污染物Pi(PM2.5、PM10、NO2、SO2、O3、CO)，依據(jù)文獻[21-23]，基于死亡增長率指標和歸一化方法：

$$ {E_i} = frac{{{M_i}}}{{{M_1} + {M_2} + cdots + {M_i} + cdots + {M_6}}} $$ (3)

確定我國人群暴露于各種空氣污染情景的危害響應關系(見表 1)。式(3)中，假定6種關鍵空氣污染物的濃度上升對人體健康危害的累積效果為常數(shù)1；Ei代表空氣污染物Pi單位濃度上升的暴露危害響應系數(shù)歸一化結果；Mi代表空氣污染物Pi的暴露危害響應關系系數(shù)(即死亡增長率)。由此建立顧及暴露響應關系和暴露時長的多污染物累積暴露風險權重估算方法：

表 1 6種空氣污染物暴露危害響應歸一化系數(shù)

Table 1. Exposure Response Coefficients of Six Air Pollutants

Pi Mi/(μg5m-3):% Ci0 Ei PM2.5 10:0.31[21] 25 0.09 PM10 10:0.31[22] 50 0.09 NO2 10:1.40[22] 200 0.42 SO2 10:0.71[22] 20 0.21 O3 10:0.42[22] 100 0.13 CO 10:0.19[23] 30 0.06 $$ {W_i} = {E_i} cdot frac{{(C_i^j - C_i^0)}}{{10}} cdot T, T = frac{{{L_j}}}{{{V_j}}} $$ (4)

式中，Cij表示道路段j上空氣污染物i的濃度均值；Ci0是世界衛(wèi)生組織規(guī)定的空氣質(zhì)量濃度安全閾值[4]；Ei含義同式(3)；Wi表示通過道路段j時的累積空氣污染暴露風險；T表示在道路段j上的行車時間；Lj和Vj分別表示道路段j的長度和該路段的行車速度。

2 DHRSA算法構建

Dijkstra算法是一種經(jīng)典最短路徑算法，用于計算非負權有向圖中一個節(jié)點到其他節(jié)點的最短路徑[24]。算法在路徑搜索過程中以出發(fā)點為中心向外層擴展，直至擴展到預設目的地(目標點)，且具有求解穩(wěn)定的特點。在路網(wǎng)結構路阻權值非負情況下，該算法理論上都可以搜索出兩點間的最短路徑。

與Dijkstra算法類似，本文構建的DHRSA理論上仍是一種路徑最短算法，但區(qū)別在于算法參照的不是路網(wǎng)中道路的長度，而是各道路段的暴露風險權值，其算法復雜度與Dijkstra相似。健康出行路徑規(guī)劃需要綜合考慮各道路段的實時空氣污染濃度、空氣污染暴露危害響應關系與暴露時長，最終按出行過程中所有道路段空氣污染復合暴露危害之和為最小的原則實現(xiàn)路徑的動態(tài)更新。因而本研究設計的DHRSA算法主要包括出發(fā)點與目標點匹配、暴露風險權重估算、路徑動態(tài)選取3個基本步驟，路徑搜索過程見圖 1。

圖 1 DHRSA健康路徑搜索過程

Figure 1. Flowchart of DHRSA

1) 出發(fā)點與目標點匹配

針對公眾選取的出發(fā)點和目標點并不直接在道路上的情景，以出發(fā)點位置為圓心，構建10 m半徑的緩沖區(qū)，且按照1 m間隔逐步增長緩沖區(qū)半徑，當緩沖區(qū)范圍內(nèi)包含交通道路段時停止，并逐漸縮小緩沖區(qū)直至與道路相切，將緩沖區(qū)與該交通道路的切點作為道路優(yōu)化選擇的出發(fā)點。同理以結束路徑選擇的終點位置為圓心，將緩沖區(qū)與該交通道路的切點作為道路優(yōu)化選擇的目標點。

2)道路段暴露風險權重估算

DHRSA以實時生成與動態(tài)更新的各空氣污染物小時濃度空間分布圖為基礎估算暴露風險權重。在此過程中，將交通道路段與LUR空氣污染物濃度格網(wǎng)(每個小柵格單位邊框)疊加(見圖 2)，獲取格網(wǎng)(u, v)截取的各道路段暴露風險權重Wu, v：

圖 2 道路段與空氣污染濃度網(wǎng)格疊加示意圖

Figure 2. Sketch Map of Road Split by Grid

$$ {W_{u, v}} = {E_i} cdot frac{{(C_i^j - C_i^0)}}{{10}} cdot frac{{{L_{u, v}}}}{V} $$ (5)

式中，Wu, v表示被格網(wǎng)(u, v)截取道路段的暴露風險權重值；Lu, v表示被格網(wǎng)(u, v)截取道路段的長度；V表示該道路段的限速；Cij、Ci0、Ei含義同前。

3) 路徑動態(tài)選取

以上述道路段暴露風險權重估算值為基礎，基于Dijkstra算法原理，將在t時刻從出發(fā)點到目標點多道路段暴露風險累加，即可獲取所選路徑m的暴露風險權重值：

$$ {{W}^{m, t}}=iintlimits_{u=1, v=1}{W_{_{u, v}}^{m, t}} $$ (6)

式中，Wm, t表示整條道路m在t時刻的暴露風險權重值；Wu, vm, t表示道路m在t時刻格網(wǎng)(i, j)被截取的道路段距離。暴露風險權重值最小的路徑即為健康出行路徑。在此過程中，當在初次選定的健康路徑上的出行時間超過1 h(即以t+1時刻仍未到達目的地)，需要按照t+1時刻空氣污染物濃度制圖結果重新動態(tài)更新各道路段暴露風險。鑒于受到空氣污染分布時空變化的影響，算法在t+1時刻搜索的路徑相對于t時刻搜索的路徑可能存在沿原路返回的現(xiàn)象，為保障出行的時間效率及到達出行目的地的可能性，算法在路徑搜索過程中遵循“往前行，不后退”的原則，即排除t時刻已經(jīng)穿行的路徑，直至到達目的地為止。

3 DHRSA系統(tǒng)實現(xiàn)

3.1 系統(tǒng)總體框架與功能

針對可靠性測試需求，DHRSA系統(tǒng)從下至上分別設計為數(shù)據(jù)訪問層、業(yè)務邏輯層和表示層，包含數(shù)據(jù)管理、污染制圖、路徑選取、效益評估4個功能模塊(見圖 3)。數(shù)據(jù)訪問層主要通過地理數(shù)據(jù)庫(File Geodatabase)存放和管理數(shù)據(jù)；業(yè)務邏輯層是系統(tǒng)核心，用于封裝LUR制圖模型、污染暴露風險權重估算模型、DHRSA模型及其他功能接口；表示層用于接收用戶請求與反饋用戶DHRSA運行結果。數(shù)據(jù)管理模塊用于空間數(shù)據(jù)的圖形化顯示與操作，包括地圖的操控、文件的加載及相關屬性查看；污染制圖模塊可基于每小時更新的空氣污染監(jiān)測數(shù)據(jù)實時生成各空氣污染物濃度高空間分辨率分布圖；路徑選取模塊主要用于出發(fā)點和目的地的設定，基于DHRSA算法的健康出行路徑搜索；風險評估模塊可通過與最短路徑比較，從距離、時間、風險權重值3方面評估健康出行路徑效益。

圖 3 DHRSA系統(tǒng)架構圖

Figure 3. System Architecture of DHRSA

3.2 系統(tǒng)數(shù)據(jù)庫設計

DHRSA系統(tǒng)的運行依托基礎地理數(shù)據(jù)和專題屬性數(shù)據(jù)兩類數(shù)據(jù)(見圖 4)。基礎地理數(shù)據(jù)用于表征地理空間位置信息，主要以點、線、面3種矢量類型(如空氣質(zhì)量監(jiān)測站點、出行興趣點、道路、土地利用等)對圖形要素進行封裝；專題屬性數(shù)據(jù)則是描述空間實體的屬性信息(如空氣質(zhì)量監(jiān)測數(shù)據(jù))，二者通過屬性表中的ID實現(xiàn)相互關聯(lián)，并統(tǒng)一存儲在File Geodatabase數(shù)據(jù)庫中。

圖 4 DHRSA系統(tǒng)數(shù)據(jù)組織與管理示意圖

Figure 4. Database Design of Dynamic Healthy-Route Search Algorithm System

3.3 系統(tǒng)實現(xiàn)與測試

在Visual Studio 2015環(huán)境、基于ArcGIS Engine工具，按照上述系統(tǒng)設計開發(fā)實現(xiàn)了健康出行系統(tǒng)(DHRSA系統(tǒng))。系統(tǒng)依據(jù)遙感影像圖選擇出行區(qū)域，設定出發(fā)點與目標點，自動搜索與動態(tài)規(guī)劃健康出行路徑，并與最短路徑、最快路徑進行比較。

為測試DHRSA算法與系統(tǒng)的可靠性，以長沙主城區(qū)為研究對象，兼顧該區(qū)域道路網(wǎng)分布情況，運用DHRSA系統(tǒng)，在午高峰時段(11:00~13:00)分別按低污染區(qū)到高污染區(qū)(圖 5中A1到A2)、中等污染區(qū)到中等污染區(qū)(圖 5中B1到B2)各隨機選取10組出發(fā)點與目標點開展車輛出行方式健康出行路徑規(guī)劃算法與系統(tǒng)測試。在此過程中，基于發(fā)布的國家空氣質(zhì)量監(jiān)測站點6種空氣污染物濃度小時數(shù)據(jù)(PM2.5、PM10、NO2、SO2、O3、CO)與其他人工監(jiān)測數(shù)據(jù)，構建LUR模擬模型(模型擬合R2平均為0.535)，獲取各類空氣污染物濃度的空間分布(見圖 6)；結合式(2)、式(3)與表 1最終確定實驗區(qū)各路段空氣污染暴露風險權重值及健康出行結果(見圖 5和表 2)。

圖 5 DHRSA系統(tǒng)車輛出行方式路徑規(guī)劃示意圖

Figure 5. Sketch Map of DHRSA System in C/S Healthy- Route Search for Vehicle

圖 6 6種空氣污染物濃度空間分布

Figure 6. Spatial Distribution of Six Pollutants Concentrations

表 2 DHRSA系統(tǒng)車輛出行方式路徑規(guī)劃結果

Table 2. Route Planing Results for Vehicle Planned by DHRSA System

時間段最短路徑最快路徑健康路徑行車距離
/km 行車時間
/min 暴露風險
/ % 行車距離
/km 行車時間
/min 暴露風險
/% 行車距離
/km 行車時間
/min 暴露風險
/% 從低污
染區(qū)到
高污染
區(qū) 11:00~12:00 17.0 20.0 15.35 19.9 20.0 15.00 27.1 20.0 14.02 12:00~13:00 9.3 9.7 7.84 8.7 7.6 6.59 13.5 9.4 6.16 11:00~13:00 26.3 29.7 23.19 28.6 27.6 21.59 40.6 29.4 20.18 12:00~13:00 17.0 20.0 16.02 19.9 20.0 15.94 27.1 20.0 14.31 13:00~14:00 9.3 9.7 7.28 8.7 7.6 5.92 13.5 9.4 6.03 12:00~14:00 26.3 29.7 23.30 28.6 27.6 21.86 40.6 29.4 20.34 從中等
污染區(qū)
到中等
污染區(qū) 11:00~12:00 17.0 20.0 16.88 26.1 20.0 15.67 29.6 20.0 14.01 12:00~13:00 17.5 17.0 14.76 15.6 13.0 10.60 17.9 13.6 10.21 11:00~13:00 34.6 37.0 31.64 41.7 33.0 26.27 47.5 33.6 24.22 12:00~13:00 17.0 20.0 18.90 26.1 20.0 17.83 29.6 20.0 16.98 13:00~14:00 17.5 17.0 15.08 15.6 13.0 10.88 17.9 13.6 10.64 12:00~14:00 34.6 37.0 33.98 41.7 33.0 28.71 47.5 33.6 27.62

從圖 5與表 2可以看出，從中等污染區(qū)到中等污染區(qū)(圖 5中B1到B2)，DHRSA規(guī)劃的健康路徑位于東側污染較輕的區(qū)域，規(guī)避暴露風險效果較好，11：00出發(fā)的暴露風險分別為最短路徑與最快路徑的76.6%與92.2%，12:00出發(fā)的暴露風險分別為最短路徑與最快路徑的81.1%與96.1%。從低污染區(qū)到高污染區(qū)(圖 5中A1到A2)，11：00與12:00的健康路徑的暴露風險也有一定的規(guī)避效果，平均為最短路徑與最快路徑的87.1%與93.3%。由此可知，DHRSA系統(tǒng)總體上可以較好地輔助公眾選擇空氣污染較輕的路徑，進而規(guī)避空氣污染暴露風險。表 2還表明，健康路徑規(guī)避空氣污染暴露風險的效果有時也會因出行距離增大、增加暴露時長而減弱。

值得注意的是，綜合考慮道路實時擁堵數(shù)據(jù)獲取困難、車輛內(nèi)外暴露情景濃度差異系數(shù)值相對穩(wěn)定以及理論算法測試的必要性等原因，本文在基于車輛出行方式的案例測試實驗中，采用道路限速作為車輛的行駛速度，將車輛外暴露情景濃度等同為車輛內(nèi)暴露情景濃度。盡管這種簡化方式不影響對距離最短、出行時間最短、暴露風險最小這3種出行路徑暴露風險規(guī)避優(yōu)劣性的相對評估，但由此基于相對暴露風險值的暴露風險規(guī)避效果在算法的實踐推廣應用中需要結合真正的出行方式(步行、車輛、步行和車輛)和出行條件(步行速度、車輛行駛速度)做進一步的探討。

4 結語

相對傳統(tǒng)出行路徑規(guī)劃僅考慮距離最短、路況最好、價格最低等因素，本研究首次構建了一種以保障公眾健康為目的的健康出行路徑動態(tài)搜索算法，并由此開發(fā)了DHRSA健康出行路徑規(guī)劃系統(tǒng)。系統(tǒng)提供的新型路線規(guī)劃模式，在我國當前空氣污染短期難以降低到世界衛(wèi)生組織規(guī)定的安全閾值標準的情景下，可以用于指導公眾尤其是敏感人群(孩子、父母、老人、患有呼吸道疾病的人)有效規(guī)避空氣污染暴露風險。同時，系統(tǒng)對于提升中國地理信息服務的公眾化服務水平也具有重要的借鑒意義。

網(wǎng)址: 一種健康出行路徑動態(tài)搜索算法與系統(tǒng)實現(xiàn) http://m.u1s5d6.cn/newsview20051.html