本发明属于区域污染预警和防治技术领域，具体涉及一种道路pm2.5精细化污染分布的模拟方法、系统及计算机存储介质。
背景技术：
pm2.5是指空气动力学当量直径小于等于2.5微米的颗粒物，也称细颗粒物。由于其易吸入性、长期残留性且易粘带有毒物质，严重危害人体健康。人体因长期或短期暴露于高污染水平的pm2.5空气环境均会诱发死亡率和疾病发病率的上升，因此对地区pm2.5污染物分布的模拟与预警具有重要的现实意义。
现有揭示地区pm2.5分布格局的方法中，主要技术思路为利用地区建成环境(如土地利用性质、道路车流量、人口密度等)与pm2.5的因果关系构建回归模型，具体包括：
1)搜集研究区内固定站点监测资料及其范围内相关的建成环境数据；
2)基于监测资料与建成环境数据建立回归模型，量化两者间的因果联系与作用程度，并由模型结果获取最优关系因子组合；
3)对研究区划分一定单位尺度的等距格网，并基于模型结果提取格网内与pm2.5显著关联的建成环境数据；
4)将关系模型应用在整个研究区格网由此计算出地区pm2.5的整体时空格局。
在实现本发明创造的过程中，申请人发现现有地区pm2.5分布格局的方法，存在如下问题：
以往模型拟合方法多采用线性回归方法，未考虑变量间的非线性关系与空间非平稳性,影响城市空气污染物与建成环境数据之间联系的准确性。
技术实现要素：
本发明的目的是要解决传统研究方法的准确性有待提升的技术问题，提供一种道路pm2.5精细化污染分布的模拟方法、系统及计算机存储介质。
为了解决上述问题，本发明按以下技术方案予以实现的：
本发明所述一种道路pm2.5精细化污染分布的模拟方法，包括以下步骤：
s1、获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
s2、获取与pm2.5采样数据相对应的环境数据变量；
s3、将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
s4、建立s3剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的因果关系模型，检验因果关系模型得到pm2.5采样数据和环境数据变量的最优关系模型；
s5、在目标区域的路网中设点，提取所述设点的环境数据变量输入s4的最优关系模型，计算设点的pm2.5模拟数据；
s6、将s5每个设点的pm2.5模拟数据在目标区域中插值。
优选地，所述s6还包括：
根据s5的每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
优选地，所述s5在目标区域的路网中设点，相邻设点的间距为50～150m。
优选地，所述s1还包括对pm2.5采样数据的同质性数据预处理。
优选地，所述同质性数据预处理，具体包括以下步骤：
s11、利用半变异函数对pm2.5采样数据进行同质性数据划分，得到若干子采样数据集；
s12、计算每个子采样数据集的数据中位数；
s13、将s12的所有子采样数据集的数据中位数，作为新的pm2.5采样数据。
优选地，所述s2具体包括以下步骤：
s21、根据pm2.5采样数据生成对应的多个缓冲区；
s22、提取缓冲区内的建成环境数据，得到环境数据变量。
7.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于：
所述s1的pm2.5采样数据为采集设备在目标区域的道路沿路移动或固定式监测进行采集得到。
本发明还提供了一种道路pm2.5精细化污染分布的模拟系统，包括：
采样数据模块，其用于获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
环境变量模块，其用于获取与pm2.5采样数据相对应的环境数据变量；
变量剔除模块，其用于将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
模型建立模块，其建立剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的关系模型并检验所述关系模型，得到pm2.5采样数据和环境变量数据的最优关系模型；
路网设点模块，其用于在目标区域的路网中设点，提取所述设点的环境数据变量输入所述最优关系模型，计算设点的pm2.5模拟数据；
模拟分布模块，其用于将每个设点的pm2.5模拟数据在目标区域中插值，生成道路pm2.5模拟分布。
进一步地，所述模拟分布模块还包括：
插值单元，其根据每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器运行时实现如上述的模拟方法的步骤。
与现有技术相比，本发明的有益效果是：
1、在模型结果方面，与以往lur多元回归模型相比，基于定量因果规则建立模型的方法将模型精度提高。
2、本方法可运用在相似地域或可进行多个地区的模型比较，能够获取普适性更高的关系模型；也更合适更大范围与更精细化的所有道路pm2.5污染物分布地图，相应的地区日常污染预警效果更好。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1是本发明的道路pm2.5精细化污染分布的模拟方法的流程示意图一；
图2是本发明的道路pm2.5精细化污染分布的模拟方法的流程示意图二；
图3是本发明的目标区域的全区域路网设点示意图；
图4是本发明的目标区域的全区域pm2.5时空分布示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
应理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列模块或单元。系统、产品或设备不必限于清楚地列出的那些模块或单元，而是可包括没有清楚地列出的或对于这些系统、模块或单元固有的其它模块或单元。
需要说明的是，本申请中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
关于现有技术的补充说明：
基于背景技术中对现有揭示地区pm2.5分布格局的方法介绍，申请人研究发现，现有技术还存在以下主要问题：
1、pm2.5数据的来源为国家控制空气质量监测站点监测所得。但是，申请人研究发现上述用于污染物监测的监测站点为固定站点，其分布稀疏、且部分城市全域范围内的监测站点分布数仅为个位数。基于上述条件下，其数据分析多用于中宏观尺度，同时导致相应关系模型计算结果的时空粒度过大，无法揭示出局部空间尺度的环境变化特征，影响城市空气污染物与建成环境之间因果联系判断的准确性。
2、由于需要覆盖整个研究区范围以获取整体pm2.5的时空分布格局，用于提取建成环境格网的单元也存在划分尺度过大问题，由此产生的结果可能高估或低估了模型的解释力，进一步使得计算结果出现偏差，无法精细化揭示和解释城市内部居民日常生活中的环境暴露过程与影响程度。
在介绍本申请实施例之前，首先对本申请实施例的pm2.5采样数据的采集方式作出如下说明：
目前，现有研究方法中，pm2.5数据的来源为国家控制空气质量监测站点监测所得。但是，申请人研究发现上述用于污染物监测的监测站点为固定站点，其分布稀疏、且部分城市全域范围内的监测站点分布数仅为个位数。
为此，本申请的pm2.5采样数据可通过沿道路移动式采集或固定式监测采集的采集方法所采集得到，具体为，对于目标地区的pm2.5数据，采用移动式方法(如低速骑行)沿道路移动采集或利用固定式设备在道路上采集不同典型通行等级的道路pm2.5。区别于现有监测站点采集，本发明的两种采集方式获取高时空分辨率的空气污染物监测数据。并且，所采集的pm2.5数据均含有对应的空间位置坐标点。
其中，对于移动式方法，用到的设备为便携式监测设备，沿路移动的慢速移动工具可以是保持匀速行驶的自行车、电动车等。通过使用移动工具并佩戴便携式监测设备沿路行驶，获取目标区域内的所有道路的pm2.5采样数据。对于固定式方法，可利用沿路智慧路灯等智能型固定设备自带的监测装置进行pm2.5环境测度，从而获取沿路的pm2.5采样数据。
具体地，请参照图1和图2，图1是本发明的道路pm2.5精细化污染分布的模拟方法实施例的流程示意图。
如图1所示，本发明所述的一种道路pm2.5精细化污染分布的模拟方法，其具体包括以下步骤：
s100、获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
s200、获取与pm2.5采样数据相对应的环境数据变量；
s300、将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
s400、建立s300剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的关系模型，检验所述关系模型得到pm2.5采样数据和环境数据变量的最优关系模型；
s500、在目标区域的路网中设点，提取所述设点的环境数据变量输入s400的最优关系模型，计算设点的pm2.5模拟数据。
s600、将s500每个设点的pm2.5模拟数据在目标区域中插值。
具体地，在下面的描述中，对本模拟方法的各步骤进行具体说明，描述如下：
s100、获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
在本实施例中，所述pm2.5采样数据为多个pm2.5采集点整合而成的数据集。每一pm2.5采集点至少包括pm2.5数据以及对应的空间位置坐标点，以赋予pm2.5采样数据相应的位置信息。
本实施例优选地，所述s100的pm2.5采样数据为采集设备在目标区域的道路沿路移动进行采集得到。具体参见上述对pm2.5采样数据的采集方式的说明。
在另一种实施中，所述pm2.5采样数据可以为沿道路固定式监测pm2.5数据和移动式采集pm2.5数据的整合。
本实施例优选地，所述s100还包括对pm2.5采样数据的同质性数据预处理，具体包括如下步骤：
s110、利用半变异函数对pm2.5采样数据进行同质性数据划分，得到若干子采样数据集；
s120、计算每个子采样数据集的数据中位数；
s130、将s12的所有子采样数据集的数据中位数，作为新的pm2.5采样数据。
由于沿路移动式采集或固定式监测采集的采集方式的pm2.5时间分辨率较高，如1个/秒或1个/10秒，这将导致沿路采样的数据同质性或重复度过高，且整个模型数据量极大，需要对pm2.5采样数据需要进行冗余值剔除。本发明在获取pm2.5采样数据后可通过相似性数据中位数的提取，以减少数据量并保证模型质量。其中所用方法为半变异函数，由该方法确定相似性数据的空间分布范围并提取对应数据中位数，最终获得同质性数据处理后的监测道路的pm2.5采样点分布。
相比现有技术，多数研究人员会依据道路长度或采样数据量主观决定重复数据的剔除空间范围，如取一定范围内的数据平均值，这将导致不同研究的可比性降低，也限制了横向比较研究。
为此，本发明采用半变异函数方法进行相似空间阈值的确定，并提取该空间范围内的数据中位数作为最终的pm2.5采样点，形成新的pm2.5采样数据，提取方法与结果更为客观合理。这是本领域的技术人员可实现的，在此不过多说明。
s200、获取与pm2.5采样数据相对应的环境数据变量。
在本实例中，所述环境数据变量主要包括该目标区域内的路网中心性、土地利用、道路交通等多方面的建成环境数据。具体地，本s200包括如下步骤：
s210、根据pm2.5采样数据生成对应的多个缓冲区。
在本实例中，pm2.5采样数据的pm2.5采样点包含对应的空间位置坐标点，根据每一pm2.5采样点的位置信息生成对应的多个缓冲区。
在其中一种实施方式中，所述多个缓冲区的范围分别为25、50、75、150、200、250m等。
s220、提取缓冲区内的建成环境数据，生成环境数据变量。
对每个pm2.5采样点提取其多个缓冲区范围内的建成环境数据，得到环境数据变量。本实施例的建成环境数据主要包括路网中心性(中介性、到达性、引力性、直线性)、土地利用(工业、居住、商业、绿地、水域面积)、道路交通(高程、坡度、道路面积、道路宽度、车速与道路等级)等。
具体地，可利用空间处理分析程序等提取多个缓冲区内诸如路网中心性、土地利用、道路交通等多方面的建成环境数据。如路网中心性可基于城市网络分析工具(urbannetworkanalysis，una)计算获取，计算半径为1-5km。
s300、将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量。
由于环境数据变量可能存在一定程度的自相关和多重贡献的问题，为此，对上述建成环境数据进行共线性检测。在其中一种实施方式中，采用spss的逐步回归方法的技术手段，由此计算获取显著贡献的环境数据变量，并从计算结果中以方差膨胀因子(varianceinflationfactor，vif)≤7为标准进行多余变量的剔除，实现对环境数据变量中的共性变量和不显著变量的剔除。
基于本发明的指导，本领域的技术人员可以实现对环境数据变量中的共性变量和不显著变量的剔除。
s400、建立s300剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的关系模型，检验所述关系模型得到pm2.5采样数据和环境数据变量的最优关系模型。
在本实施例中，将pm2.5采样数据和环境数据变量的建成环境数据纳入机器学习算法中(如多层感知器模型)构因果关系模型，并将模拟预测值与实测值对比后，获得包含最优自变量组合的关系模型。
作为其中一种实施方式，以pm2.5采样数据作为因变量，以剔除不显著变量后的环境数据变量作为自变量，利用多层感知器模型构建两者间的因果联系。其中，60％的样本量作为训练集，20％作为验证集，20％作为测试集。经实测值与模型结果对比后(计算比较两者均方根误差rmse、平均绝对误差mae及拟合度r2)，获取最优关系模型。
具体地，最优关系模型参数的学习率为0.3，权重更新动量设为0.2，训练次数为1000次。
相比现有技术，本发明在模型结果方面，经验证，与以往lur多元回归模型相比，多层感知器(multilayerperceptron，mlp)方法将模型精度(adjr2)至少提高了40％。
s500、在目标区域的路网中设点，提取所述设点的环境数据变量输入s400的最优关系模型，计算设点的pm2.5模拟数据。
如图3所示，在本实施例中，在目标区域的路网中每隔一预设距离随机选取1个模拟点(即所述设点)，完成在路网中对所有道路生成模拟点。模拟点包含道路对应的建成环境数据(即该设点的环境数据变量)，通过代入s400的最优关系模型中，并由此模拟计算出对应道路的pm2.5模拟数据。
在其中一个实例中，建成环境指标的提取为道路每100m单位随机取1模拟点。再另一个实例中，建成环境指标的提取为道路每50m或150m单位随机取1模拟点。本领域的技术人员可根据实际研究调整模拟点间距的，在此不过多陈述。
s600、将s500每个设点的pm2.5模拟数据在目标区域中插值，生成道路pm2.5模拟分布。
本实施例优选地，s600还包括根据s500的每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
如图4所示，由于上述方法中，s600通过在目标区域的路网中按一定距离单位随机取1个模拟点，如每100m单位随机取1个模拟点，故在目标区域中仍存在未设点的部分。因此，利用上述最优关系模型计算所有路网的每100m模拟点的pm2.5模拟数据后，在此基础上，还通过克里金插值方法，计算每个随机模拟点周边预设范围内的未采样部分的pm2.5模拟数据，由此获取整个目标区域的所有道路pm2.5浓度数据的连续空间分布。
其中，克里金插值方法主要参数选择为球面半变异函数模型、搜索半径(即预设范围)为100m、分辨率为10m。这是本领域的技术人员根据本发明的记载可实现的，在此不过多说明。
相比现有技术，本发明所提供的道路pm2.5精细化污染分布的模拟方法，其还取得如下技术效果：
1、在具体应用方面，因本方法具有较高的空间分辨率(基于沿路移动式采集或固定式监测采集，分变率分辨率可达米级以下)，相较于以往千米级分辨率的固定站点监测与遥感影像方法，能更好地剖析居民日常生活中的环境暴露问题与暴露过程，能为健康城市建设、城市环境治理与改善等提供更为针对性和细致的思考对策。
2、模拟方法可运用在相似地域或可进行多个地区的模型比较，获取普适性更高的关系模型，最终以最小的监测成本获取更大范围与更精细化的所有道路pm2.5污染物分布地图，相应的地区日常污染预警效果更好。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是计算机，服务器，或者网络设备等)执行本发明各个实施例上述的模拟方法。
在本实施例中还提供了一种gps轨迹与活动日志数据融合的自动处理系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。
如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
为此，本发明还提供一种道路pm2.5精细化污染分布的模拟系统，包括：
采样数据模块，其用于获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
环境变量模块，其用于获取与pm2.5采样数据相对应的环境数据变量；
变量剔除模块，其用于将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
模型建立模块，其建立剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的关系模型并检验所述关系模型，得到pm2.5采样数据和环境变量数据的最优关系模型；
路网设点模块，其用于在目标区域的路网中设点，提取所述设点的环境数据变量输入所述最优关系模型，计算设点的pm2.5模拟数据；
模拟分布模块，其用于将每个设点的pm2.5模拟数据在目标区域中插值，生成道路pm2.5模拟分布。
其中，所述环境变量模块还包括同质性数据预处理单元，同质性数据预处理单元利用半变异函数对pm2.5采样数据进行同质性数据清洗和代表性数据提取。在获取pm2.5采集数据后，可通过相似性数据中位数的提取，以减少数据量并保证模型质量，最终获得同质性数据处理后的监测道路的pm2.5采样点分布。
所述环境变量模块基于pm2.5采样点，利用空间处理分析软件提取多个缓冲区内诸如路网中心性、土地利用、道路交通等多方面的建成环境数据，得到环境数据变量。
所述模拟分布模块包括插值单元，其根据每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
本发明的一种道路pm2.5精细化污染分布的模拟系统，其各模块的具体工作原理可参见上述的模拟方法的具体步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器运行时实现如上述模拟方法的s100至s600步骤。
其中，处理器例如可以是中央处理器(centralprocessingunit，cpu)，通用处理器，数字信号处理器(digitalsignalprocessor，dsp)，专用集成电路(application-specificintegratedcircuit，asic)，现场可编程门阵列(fieldprogrammablegatearray，fpga)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。
相应的，该存储器可以是处理器内部的存储单元，也可以是与处理器独立的外部存储单元，还可以是包括处理器内部的存储单元和与处理器独立的外部存储单元的部件。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，故凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
1.一种道路pm2.5精细化污染分布的模拟方法，其特征在于，包括以下步骤：
s1、获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
s2、获取与pm2.5采样数据相对应的环境数据变量；
s3、将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
s4、建立s3剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的因果关系模型，检验因果关系模型得到pm2.5采样数据和环境数据变量的最优关系模型；
s5、在目标区域的路网中设点，提取所述设点的环境数据变量输入s4的最优关系模型，计算设点的pm2.5模拟数据；
s6、将s5每个设点的pm2.5模拟数据在目标区域中插值。
2.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于，所述s6还包括：
根据s5的每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
3.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于：
所述s5在目标区域的路网中设点，相邻设点的间距为50～150m。
4.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于：
所述s1还包括对pm2.5采样数据的同质性数据预处理。
5.根据权利要求4所述的道路pm2.5精细化污染分布的模拟方法，其特征在于，所述同质性数据预处理，具体包括以下步骤：
s11、利用半变异函数对pm2.5采样数据进行同质性数据划分，得到若干子采样数据集；
s12、计算每个子采样数据集的数据中位数；
s13、将s12的所有子采样数据集的数据中位数，作为新的pm2.5采样数据。
6.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于，所述s2具体包括以下步骤：
s21、根据pm2.5采样数据生成对应的多个缓冲区；
s22、提取缓冲区内的建成环境数据，得到环境数据变量。
7.根据权利要求1所述的道路pm2.5精细化污染分布的模拟方法，其特征在于：
所述s1的pm2.5采样数据为采集设备在目标区域的道路沿路移动或固定式监测进行采集得到。
8.一种道路pm2.5精细化污染分布的模拟系统，其特征在于，包括：
采样数据模块，其用于获取目标区域内的pm2.5采样数据，所述pm2.5采样数据包含位置信息；
环境变量模块，其用于获取与pm2.5采样数据相对应的环境数据变量；
变量剔除模块，其用于将pm2.5采样数据和环境数据变量输入多重共线性检测模型中，剔除环境数据变量中的共性变量和不显著变量；
模型建立模块，其建立剔除共性变量和不显著变量后的环境数据变量和pm2.5采样数据的关系模型并检验所述关系模型，得到pm2.5采样数据和环境变量数据的最优关系模型；
路网设点模块，其用于在目标区域的路网中设点，提取所述设点的环境数据变量输入所述最优关系模型，计算设点的pm2.5模拟数据；
模拟分布模块，其用于将每个设点的pm2.5模拟数据在目标区域中插值，生成道路pm2.5模拟分布。
9.根据权利要求8所述的道路pm2.5精细化污染分布的模拟系统，其特征在于，所述模拟分布模块还包括：
插值单元，其根据每个设点的pm2.5模拟数据，将每个设点的pm2.5模拟数据在目标区域中进行插值计算，得到目标区域的道路pm2.5精细化模拟分布。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被所述处理器运行时实现如权利要求1至7任意一项所述的模拟方法的步骤。
技术总结