山东大学项目实训（一）项目概述
本次项目旨在开发智慧环保城市空气质量预测系统（2022年2月24日至6月5日），主要目标包括实时空气质量预测、细粒度分析、站点选址推荐及污染源推断。通过VUE等前端技术与百度地图API结合，并利用Python进行后端开发。团队由组长王一负责算法研发及管理，姜涵、孙升宇参与算法研发，顾桐与陈诗雨负责前端及后端开发。项目分为四个实施阶段：第一阶段学习需求并完成计划书；第二阶段设计界面与算法并进行单元测试；第三阶段美化界面并优化算法；第四阶段测试并完善系统功能。
文章目录
- 1.1 项目目标
- 1.2 小组分工
- 1.3 项目介绍
- 1.4 实施计划
1.1 项目目标
项目名称：智慧环保：城市空气质量预测系统
实施时间：2022 年2月24日至2022 年6月5日
项目目标：
- 现时空气质素预测
- 城市微观层面空气质量研究
- 空气质量监测布设点布局规划建议
- 空间时间因果关系研究及空气污染源识别空间分布特征
技术要点：基于VUE等前沿的前端开发框架，在前端界面集成百度地图API，在一个统一的技术平台上结合增量式开发和迭代式开发策略进行项目实施；后端体系主要采用Python语言作为核心开发语言，并辅以相关的人工智能算法和大数据处理系统进行支撑。
1.2 小组分工
王一担任团队负责人、主管一职，并负责算法开发工作；姜涵及孙升宇参与了算法相关的技术研究与开发；顾桐与陈诗雨分别负责前端开发与后端开发任务
1.3 项目介绍
空气质量信息在治理污染方面发挥着至关重要的作用，并且对于保障公众健康也具有不可替代的价值。近年来，许多城市都已经建立了地面空气监测站，并通过实时监测数据来评估并改善当地的空气状况。
实时空气质量预测
持续监测各监测点未来24小时内的大气质量变化情况，并在每隔一小时内发布最新数据；同时对数据进行细致分类统计以供参考
实时细粒度空气质量分析
因监测站建设和维护成本高昂，在一个城市的规划中通常只能建立一定数量的监测站，并不能实现对整个城市区域的有效覆盖。然而，在地表植被密度、交通流量状况以及气象条件等多种复杂因素的影响下，在同一城市区域内不同地段的空气质量分布会出现明显差异性特征。为了实现有限资源站点的最大化覆盖面目标，在现有站点数量限制的前提下巧妙分配监测资源分布重点，则必须通过多维度数据融合分析技术来构建精准预测模型，并在此基础上制定科学有效的空气质量实时评估方案。通过这样的系统性管理手段所获取到的数据信息不仅可以切实指导人们进行合理的出行规划安排，并且对于污染物排放源精准定位工作也能提供重要的技术支持作用。
空气质量检测站点选址推荐
基于时空数据分析和构建推荐网络模型的基础上，在完成空气质量数据采集与处理的基础上
进行时空因果分析、推断空气污染源
通过机器学习技术与大数据分析[ 最终能够帮助我们发现导致空气污染的主要原因, 并指导用户避开车流高峰期路段以提升出行效率
1.4 实施计划
第一阶段：通过参考相关学术论文来掌握项目的基本信息，并通过从数据特征和操作流程两个维度进行深入分析用户需求的基础上编制并完成项目的可行性分析报告；同时系统学习相关的技术和方法论基础。
第二阶段：实现界面原型设计与算法模块构建并完成基础原型开发，并在技术支持下同步完成单元测试任务。其中涉及的编程语言包括Python、C++以及Java等。
第三阶段：进行界面美化和算法改进，对项目进行优化。
第四阶段：进行项目测试并对项目进行完善。