1.一种基于车载式数据采集技术的PM2.5浓度估算方法，其特征在于该方法包括以下步骤：步骤(1)、利用车载式粉尘采集设备采集原始PM2.5浓度数据，具体是：将城市区域网格化，搭载粉尘采集设备的车辆按规划路径行驶，采集城市区域PM2.5浓度数据；

步骤(2)、利用采集到的原始PM2.5浓度数据建立概率转移矩阵的模型,具体是：

2-1.模拟空间粒子扩散特征；

根据粒子扩散原理，中心网格的PM2.5浓度以不同的概率受其相邻网格PM2.5浓度影响；因此，对于数据缺失的网格，利用其周围网格的PM2.5浓度来估算该网格的PM2.5浓度；

2-2.建立概率转移矩阵；

根据空间粒子扩散特征，建立空间网格PM2.5浓度概率转移矩阵，如下式所示：

1≤i≤n,1≤j≤N,c≤N

上式中pij表示网格i对网格j的PM2.5浓度的影响概率；i从1到n，n表示方向个数，所有方向的概率和为1，N表示城市区域的网格数量；

2-3.确定概率转移矩阵P；

对于PM2.5浓度数据缺失的网格，估算其PM2.5浓度转化为确定其概率转移矩阵P；利用采集到的原始PM2.5浓度数据，选择数据密集区域，根据最小误差准则计算概率转移矩阵P，如下式所示：s.t. Pi＝[pi1 pi2 … pin]Xi＝[xi1 xi2 … xin]T

0≤pij≤1

0＜xij

上式中Pi表示网格i向所有可能的n个方向扩散的概率，Xi表示网格i的n个方向上相邻网格测得的PM2.5浓度；

步骤(3)、利用概率转移矩阵估算网格数据缺失点的浓度，具体是：针对密集区域的单点缺失情况，直接利用概率转移矩阵估算缺失点的浓度，如下式所示为待估算网格c的PM2.5浓度xc估算公式，针对稀疏区域性，先用启发式搜索寻找原始的替代浓度，再结合概率转移矩阵迭代式估算缺失区域中所有点的PM2.5浓度；

xc＝([p1c,p2c,…p(n-1)c]·[x1,x2,…x(n-1)]T)/pnc步骤(4)、城市网格PM2.5浓度估算结果显示；经过以上步骤，得到城市区域所有网格的PM2.5浓度。