尘寰先知—基于深度学习的区域大气颗粒物智慧管理系统

参赛学校：西南科技大学

指导老师：杨斌

队员姓名：卓思杰 赵西浩 沙英超 黄浩然

作品展示

一、系统设计背景

随着我国经济社会的高速发展，大气颗粒物（PM）污染已成为影响公众健康与社会可持续发展的重要环境问题。高校校园作为师生学习、生活与科研的核心场所，其环境空气质量直接影响数万人的身心健康与工作效率。然而，传统环境监测系统存在部署成本高、空间覆盖稀疏、数据可视化与智能化水平不足等问题，难以支撑校园环境的精细化、实时化与主动化管理。

为此，本项目以西南科技大学青义校区为研究区，融合物联网、地理信息系统（GIS）、Web开发与深度学习技术，构建了一套由物联网监测端、管理端、用户端和移动端协同组成的“四端一体”大气颗粒物智慧管理系统。系统依托自主设计部署的18套物联网监测终端，实时采集PM_1.0、PM_2.5、PM₁₀大气颗粒物数据，结合GIS空间分析与CNN-LSTM预测模型，实现大气颗粒物从数据感知、智能分析到可视化决策的全流程闭环，为校园空气质量精细化管理提供科学、高效且可复制的技术支撑。

二、系统架构

系统基于“SuperMap GIS + AI”融合的多端协同架构设计，整体采用“四端分层部署”模式。物联网端采用“传感器+控制+采样+电源扩展”模块化架构，以ESP8266开发板为核心采集PM_1.0、PM_2.5、PM₁₀数据，并将数据上传至管理端；管理端作为核心支撑端，基于B/S架构搭建，采用PHP+HTML+JavaScript+Python组合技术栈，一方面接收物联网端数据完成校验、清洗、入库（MySQL数据库），另一方面实现空间数据管理、IDW空间插值、GIS服务发布等核心能力，同时承担系统运维管理、AI模型（CNN-LSTM）预测计算等工作；用户端基于B/S架构设计，前端以HTML、CSS、JavaScript为核心，基于Vue框架搭建交互界面，集成ECharts可视化库、Leaflet地图框架及SuperMap iClient3D for WebGL组件，结合Cesium引擎调用管理端发布的SuperMap GIS服务，实现二维、三维场景渲染、数据可视化、空间分析等功能；移动端基于Vue.JS框架，集成SuperMap iServer服务，构建轻量化响应式架构，从管理端获取实时监测数据，实现移动端地图展示、插值图叠加、预警信息推送、社区交互等功能。四大终端以物联网端数据为基座、SuperMap GIS技术为纽带，实现数据互通与功能协同，形成校园大气颗粒物监测与预警的全流程闭环管理体系。

图1 系统架构图

三、系统功能设计

系统以“数据采集-处理分析-可视化展示-预警服务”全流程闭环为核心，依托“管理端核心支撑、四端分层协同”的架构逻辑，深度融合SuperMap GIS空间分析能力与AI预测技术，围绕物联网端、管理端、用户端、移动端的功能定位，构建覆盖监测、管理、分析、服务四大维度的完整功能体系，既满足高精度数据采集与专业分析需求，又兼顾不同用户群体的便捷使用体验。

1.物联网端

物联网端作为系统底层数据采集核心，承担全系统的数据基础供给任务。通过ESP8266主控模块与传感器的协同工作，采集PM_1.0、PM_2.5、PM₁₀三类颗粒物浓度数据，并同步记录采样时间、设备编号等关键关联信息，确保数据溯源可查，为保障数据质量；设备内置均值滤波与异常值剔除算法，对采集数据进行初步清洗，有效过滤无效数据；同时支持断网状态下的本地缓存功能，最长可缓存72小时数据，待网络恢复后自动补传至管理端，避免数据缺失。

2.管理员端

管理端作为系统的核心支撑枢纽，整合数据处理、运维管理、颗粒物预测等关键功能，是实现全流程闭环的核心环节。在数据管理方面，管理端负责接收物联网端上传的数据，完成格式校验与半小时粒度的时间对齐后，批量写入MySQL数据库，同时支持监测数据的删改、批量导出、历史数据回溯等操作，可按设备、时间、区域等多维度筛选数据；设备管理功能上，管理端通过界面查看所有采集设备的在线与异常状态；在GIS与AI分析层面，配置IDW空间插值服务，生成GeoTIFF格式栅格数据；调用CNN-LSTM深度学习模型，基于历史数据训练并预测未来5小时颗粒物浓度与AQI；处理后的监测数据、插值结果可供用户端与移动端调用。

3.用户端

用户端面向PC端用户，提供专业化的交互功能。数据可视化方面，基于SuperMap iClient3D for WebGL，叠加二维遥感地图、三维校园实景地图，实时展示各监测点颗粒物浓度与AQI数据；生成颗粒物浓度热力图、插值分布图、污染演变动画，支持时间轴播放，直观呈现污染时空变化；集成ECharts生成单点、多点趋势曲线、多指标相关性分析图表、PM2.5、PM10比值分析图表，满足多维度数据解读需求。空间分析功能上，依托SuperMap GIS空间分析能力，支持按点位检索监测数据，生成自定义范围的分析报告；结合比值分析与空间插值结果，辅助判断污染来源与扩散趋势；基于实时监测数据，在SuperMap地图上规划低颗粒物浓度的出行路线，提升实用性。预测与预警功能方面，用户端可视化展示管理端推送的AI预测结果，支持单点与区域浓度趋势对比。

4.移动端

移动端聚焦普通用户的便捷使用需求，打造轻量化服务与交互体验。实时监测功能上，基于SuperMap iServer加载轻量化二维、三维地图，实时刷新监测点数据；提供一键切换PM_1.0、PM_2.5、PM₁₀、AQI数据视图的功能，快速生成简洁的点、线、面统计图表，便于用户快速获取核心信息。可视化交互方面，移动端可叠加插值栅格图，支持透明度调节与图层切换。预警与互动功能上，移动端能接收管理端下发的超标预警与设备异常提醒，支持用户设置免打扰时段，兼顾提醒有效性与使用体验；内置AI助手，基于当前监测数据提供健康出行建议与污染防护提示；增设社区互动模块，支持监测点数据分享与用户留言，增强用户参与感，形成空气质量互动社区。

四、系统功能展示

1.空气质量实时监测

18套自主研发的模块化监测设备实现校园“最小地理单元”全覆盖，操场、宿舍区、主干道等关键区域采集。

图2 物联网端结构示意图

2.物联网段设备数据接收与处理

依托物联网通信协议，实时接收监测设备上传的颗粒物浓度与设备状态数据，并完成格式校验、异常剔除、时序对齐等预处理工作。

图3 空气质量数据上传监测

3.设备状态监测

通过设备状态监控模块，系统能够及时发现并定位异常设备，管理人员可以据此采取针对性措施，避免因个别设备异常导致数据缺失或监测盲区。

图4 传感器端设备运行状态监测

4.插值控制

系统根据指定的时间片提取时间对齐后的监测数据，计算PM_1.0、PM_2.5、PM₁₀和AQI的空间分布，并输出为GeoTIFF格式文件，也可手动进行插值。

图5 插值控制台

5.预测数据监控

系统利用CNN-LSTM预测未来5小时颗粒物浓度，预测部分以虚线标记，历史部分以实线标记。

图6 预测数据监控

6.空气质量可视化

用户端主界面采用三维校园实景地图作为核心展示载体，将空气质量监测点直接叠加在虚拟地形与建筑模型之上，形成高度直观的空间化可视化效果。

图7 用户端主界面功能

7.等直线分析

借助生成的等值线分析图层，清晰勾勒出区域内污染浓度的梯度变化与空间分布格局。

图8 等直线分析结果

8.风场分析

融合风速、风向等气象数据，在三维场景中叠加风场矢量图层，揭示风场对大气颗粒物迁移扩散的驱动作用。

图9 风场分析结果

9.缓冲区分析

以监测点位为核心，通过空间分析功能划定不同半径的缓冲区范围，精准分析区域内颗粒物浓度的梯度变化特征。

图10 缓冲区分析

10.扩散模拟

基于三维场景与颗粒物监测数据，动态模拟污染区域的扩散路径与浓度衰减过程，直观呈现污染蔓延规律。

图11 扩散模拟分析

11.天气模拟

利用天气模拟模块，实现大气颗粒物监测数据、校园三维模型与天气场景的可视化融合展示。

图12 不同天气模拟

12.体渲染分析

通过体渲染技术构建大气颗粒物三维浓度场，实现污染扩散趋势的立体化分析与展示。

图13 体渲染分析结果

13.低污染路径优化

融合多维度空气质量监测数据，通过SuperMap空间分析算法，为用户提供精准的低污染路径优化方案。

图14 低污染路径优化

14.AQI预测分析

通过AQI预测分析，用户不仅能够直观了解未来空气质量的变化趋势，还可以结合趋势信号进行预判。

图15 AQI预测分析模块

15.相关性分析模块

相关性分析模块旨在揭示不同颗粒物指标之间的耦合关系，重点分析大气颗粒物数据的相关性。

图16 相关性分析报告

16.比值分析报告

比值分析模块旨在通过计算不同监测指标之间的比值关系，揭示大气颗粒物在空间与时间上的组成特征和潜在污染机制。

图17 比值分析模块

17.掌上移动监测

直观呈现各监测点空间分布，支持快速调用数据查看、分析工具等功能，结合实时刷新的颗粒物浓度数据，实现 “地图可视化 + 便捷交互” 的移动端监测体验。

图18 移动端主界面

系统亮点

1.高密度模块化采集，实现 “最小地理单元” 精准感知

创新采用18套自主研发的模块化监测设备，完成校园操场、宿舍区、主干道、教学楼等关键区域全覆盖部署，突破传统监测“点位稀疏、覆盖不全”的局限。设备搭载高精度传感器，配合ESP8266主控模块的预处理能力与双供电、断网补传机制，实现分钟级高频采集，数据完整性高，为区域污染精细化分析提供“颗粒度”级别的数据支撑。

2.GIS+AI 深度融合，打造时空一体化智慧分析体系

深度集成SuperMap GIS技术，通过iServer空间服务、iClient3D for WebGL可视化组件，实现二维、三维地图渲染、污染演变动画、高级空间分析等功能，让离散数据转化为直观的时空分布图谱；创新融合CNN-LSTM深度学习模型，结合趋势感知损失函数优化，基于近7日历史数据精准预测未来5小时颗粒物浓度，形成“空间可视化+时序预测”的双驱分析能力，突破传统监测“只测不判、只记不预”的瓶颈。

3.多维度智能分析工具集，赋能污染溯源与决策支撑

构建相关性分析、比值分析、多点对比等特色分析模块，自动计算PM1.0、PM2.5、PM10间的皮尔逊相关系数，通过热力图、散点图直观呈现指标耦合关系；基于关键比值阈值自动判断污染来源，并生成文字化解读与防控建议，将专业数据转化为可落地的决策依据。

4.四端协同全场景适配，兼顾专业与便捷体验

打造“物联网端+管理端+用户端+移动端”四端协同体系，管理端聚焦专业化运维，提供数据管控、设备监控、模型配置等核心功能；用户端以三维沉浸式可视化为主，满足深度分析与场景化展示需求；移动端打造轻量化“口袋管家”，支持实时数据查看、预警推送、AI健康建议等便捷功能；物联网端保障数据稳定采集，四端基于统一的SuperMap GIS服务与数据标准，实现数据实时同步、功能互补，适配不同用户群体与使用场景，兼顾专业性与易用性。

5.自主可控低成本部署，具备高复用推广价值

核心硬件采用模块化自研设计，基于ESP8266主控芯片与开源组件优化适配，大幅降低设备制造成本；软件架构依托Spring Boot、Vue、SuperMap等成熟技术栈，开源与自研功能深度融合，降低开发与维护成本。系统部署无需复杂基础设施，支持户外多场景快速落地，可灵活适配校园、园区、社区等不同尺度监测需求，具备“低成本、易部署、高复用”的推广优势，为大气颗粒物精细化监测提供可复制的解决方案。

团队总结

本次参与SuperMap相关赛事，研发大气颗粒物实时监测与预警系统，是我们团队跨专业协作、理论结合实践的宝贵经历。团队成员来自环境科学、测绘工程、地理信息等不同专业，以“技术赋能环境精细化监测”为目标，协同完成了从需求分析、架构设计到系统落地的全流程工作。

项目推进中，团队分工明确，从自主研发模块化监测设备，探究高频次数据采集到断网补传等难点，完成18套设备的校园全覆盖部署；技术组深耕SuperMap GIS相关技术应用，实现时空一体化数据的采集和可视化，同时优化 CNN-LSTM模型提升空气质量预测精度；开发组兼顾多端适配，完成管理端、用户端、移动端功能开发，保障跨端数据同步流畅；全体成员共同参与测试优化，有效提升了系统稳定性。

研发期间，我们曾面临硬件运行不稳定、模型预测精度不足、多端开发协同难度大等具体问题，通过集中研讨方案、反复测试调试的方式逐一攻克。此次项目不仅将物联网、GIS开发、深度学习等理论知识转化为实实在在的应用成果，更锤炼了团队跨专业协作与攻坚克难的能力，积累了软硬件一体化系统研发的宝贵经验。本次比赛为我们提供了实践创新的优质平台，未来我们将持续优化系统功能、拓展应用场景，助力大气污染精细化治理。

指导老师点评

本项目以校园大气颗粒物精细化管理为应用背景，围绕实际监测需求开展系统设计与工程实现，选题具有较强的现实意义和应用价值。在项目实施过程中，团队能在前期充分开展需求分析，明确系统建设目标与技术路线，整体思路清晰，技术框架合理，体现了较好的工程规划能力。

研发过程中，团队展现出扎实的专业功底与高效的协同创新能力。面对硬件稳定性优化、深度学习预测模型精度提升、多端协同架构搭建等核心技术难点，团队能够基于文献调研与技术论证制定解决方案，通过迭代测试、参数调优逐一攻克。尤为突出的是，团队精准把握SuperMap GIS技术核心价值，将其深度融入数据可视化与空间分析模块，构建起“采集-分析-可视化-预警”全流程闭环体系，实现了物联网、GIS开发、深度学习等多技术的有效融合，充分体现了对跨学科技术的整合应用能力。

项目成果不仅满足赛事要求，更具备明确的实用价值与推广潜力，彰显了团队成员立足实际需求、以技术创新解决现实问题的能力。希望团队以此次比赛为契机，持续深化技术研究，优化系统性能、拓展应用场景，在环境监测智能化领域持续探索，产出更具影响力的成果。

团队合影

从左到右：黄浩然、沙英超、杨斌（指导老师）、卓思杰、赵西浩