CN105786900A - 一种基于排放大数据的汽车环保分析方法和系统 - Google Patents

Abstract

本发明公开了一种基于排放大数据的汽车环保分析方法和系统，提高了分析的合理性、及时性、真实性和高效性。其技术方案为：基于排放大数据的环保动态分析，而不是基于简单的静态限值进行分析。主要分析基础是基于庞大的排放试验大数据，该大数据库会不断滚动增加试验数据，由于排放大数据内有多种样车多次试验的结果，所以需要对排放大数据库内有效数据进行筛选。之后通过格拉布斯检验法、中位值选择法等严格缜密的分析方法分别得出排放分析结果和能耗分析，最终综合得出待分析样车的大数据环保分析结果。

Description

一种基于排放大数据的汽车环保分析方法和系统

技术领域

本发明涉及一种汽车环保分析技术，尤其涉及针对排放大数据的汽车环保分析方法和系统。

背景技术

目前，许多国际上、国内的汽车评价体系(如NCAP新车评价规范和C-NCAP)都是基于固定的试验限值进行判定打分，从而给出不同的星级评价。

近年来，这种固定基于试验标准限值的评分体系被媒体和广大汽车消费者所诟病和质疑，主要原因有评价系统要求偏低，评分模型过于僵化，使得市场上充斥着5星评价的汽车，这与汽车消费者实际使用后的感受相差甚远。不真实的评价系统不仅使消费者感到不满，更影响了汽车市场的正常、稳定的发展，严重打击了业界诚信企业研发投入、诚意制造的积极性，给部分技术落后的车企的车型鱼目混珠，以次充好的机会。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于排放大数据的汽车环保分析方法和系统，提高了分析的合理性、及时性、真实性和高效性。

本发明的技术方案为：本发明揭示了一种基于排放大数据的汽车环保分析方法，包括：

根据录入的待分析样车参数，在排放大数据库中选出所有相同类型车辆的数据作为参照数据库；

依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库，并且依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库；

使用格拉布斯检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库，并且使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库；

依据排放分析方式得到待分析样车的对应车型的排放分析结果，并依据能耗分析方式得到待分析样车的对应车型的能耗分析结果；

基于排放分析结果和能耗分析结果得到环保分析结果。

根据本发明的基于排放大数据的汽车环保分析方法的一实施例，在得到排放分析结果的过程中，在筛选后的排放参照数据库中，通过中位值选取方法确定排放物中各类污染物的标准。

根据本发明的基于排放大数据的汽车环保分析方法的一实施例，在得到能耗分析结果的过程中，在筛选后的能耗参照数据库中，通过中位值选取方法确定能耗标准。

根据本发明的基于排放大数据的汽车环保分析方法的一实施例，排放大数据库中的数据基于每次录入的样车参数实时更新。

本发明还揭示了一种基于排放大数据的汽车环保分析系统，包括：

存储模块，存储有排放大数据库单元、排放参照数据库单元、能耗参照数据库单元、筛选后的排放参照数据库单元以及筛选后的能耗参照数据库单元；

数据录入模块，录入待分析样车的参数；

样车分类的排放参照模块，依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库；

样车分类的能耗参照模块，依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库；

排放筛选模块，使用格拉布斯检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库；

能耗筛选模块，使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库；

排放分析模块，依据排放分析方式得到待分析样车的对应车型的排放分析结果；

能耗分析模块，依据能耗分析方式得到待分析样车的对应车型的能耗分析结果；

环保分析模块，基于排放分析结果和能耗分析结果得到环保分析结果。

根据本发明的基于排放大数据的汽车环保分析系统的一实施例，在排放分析模块中，在筛选后的排放参照数据库中，通过中位值选取方法确定排放物中各类污染物的标准。

根据本发明的基于排放大数据的汽车环保分析系统的一实施例，在能耗分析模块中，在筛选后的能耗参照数据库中，通过中位值选取方法确定能耗标准。

根据本发明的基于排放大数据的汽车环保分析系统的一实施例，存储模块中的排放大数据库单元中的数据基于每次录入的样车参数实时更新。

本发明对比现有技术有如下的有益效果：本发明是基于排放大数据的环保动态分析，而不是基于简单的静态限值进行分析。主要分析基础是基于庞大的排放试验大数据，该大数据库会不断滚动增加试验数据，由于排放大数据内有多种样车多次试验的结果，所以需要对排放大数据库内有效数据进行筛选。之后通过格拉布斯检验法、中位值选择法等严格缜密的分析方法分别得出排放分析结果和能耗分析，最终综合得出待分析样车的大数据环保分析结果。

相较于现有技术，本发明具有以下的优点：

1)分析系统更精确、更实用，实现了可变化的汽车环保分析系统。由于排放大数据系统的引入，使分析的基准一直处于动态的变化升级之中，也提高了分析体系的及时性。

2)实现了分析系统的车型分布的均匀性和合理性，不再会出现当前大部分分析系统5星车型太多，1星2星车型几乎没有的不合理现象。

3)由于引入了格拉布斯检验法和中位值选取法，使大数据库内的数据遴选更高效、真实，环保分析更客观、更准确。

附图说明

图1示出了本发明的基于排放大数据的汽车环保分析方法的较佳实施例的流程图。

图2示出了本发明的基于排放大数据的汽车环保分析系统的较佳实施例的原理图。

具体实施方式

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1示出了本发明的基于排放大数据的汽车环保分析方法的较佳实施例的流程。请参见图1，本实施例的基于排放大数据的汽车环保分析方法的详细步骤如下。

步骤S1：录入待分析样车的参数。

步骤S2：根据录入的待分析样车参数，在排放大数据库中选出所有相同类型车辆的数据作为参照数据库，然后分别运行步骤S3和S4。

排放大数据库中的数据是基于每次录入的样车参数进行实时更新，其价值是通过试验数据共享、交叉复用后获取最大的数据价值。

对于排放来说，选出所有相同类型车辆的数据的选择依据是：国家轻型车第五阶段排放标准(GB18352.5-2013)中规定的排放车辆分类方式，共分为4类：第一类车、第二类车I、第二类车II和第二类车III。

对于能耗来说，选定排放大数据库内的所有相同类型车辆的数据作为参照数据库，选择依据是：国家轻型车能耗标准(GB/T19233-2008)中规定的排放车辆分类方式，共分为14档(按基准质量由小到大)。

步骤S3：依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库，之后进行步骤S5的处理。

步骤S4：依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库，之后进行步骤S6的处理。

步骤S5：使用格拉布斯(Grubbs)检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库，之后进行步骤S7的处理。

举例来说，假设待评价车型是第一类车，大数据库直接匹配库内所有第一类车的试验数据，对于大数据库内的同一样车的多组试验数据首先需要用格拉布斯(Grubbs)检验法对其进行异常值的剔除，形成筛选后的“排放参照数据库”。

格拉布斯检验法能将“异常值”从同一样车的多组试验数据中剔除而不参与评价。以下是格拉布斯检验法的具体判断方法的应用举例。

假定某一样车有3组试验数据，对CO污染物进行判定。

■上侧情形的检验法

对于测量值x₁<x₂<x₃，计算统计量：

$G_3=(x_3-\stackrel{\&OverBar;}{x})/s---\left(1\right)$

$\stackrel{\&OverBar;}{x}=(x_1+x_2+x_3)/3---\left(2\right)$

$s=(1/2){\left[\underset{i=1}{\overset{3}{\mathrm{\&Sigma;}}}{(x_i-\stackrel{\&OverBar;}{x})}^2\right]}^{1/2}---\left(3\right)$

按检出水平α＝5％，则G_0.95(3)＝1.135(见表2格拉布斯表)；

当G₃>1.135时，则最大值x₃为异常值。

■下侧情形的检验法

对于测量值x₁<x₂<x₃,计算统计量：

$G_3=(\stackrel{\&OverBar;}{x}-X_1)/s---\left(4\right)$

按检出水平α＝5％，则G_0.95(3)＝1.135；

当G₃>1.135时时，则最小值x₁为异常值。

表1格拉布斯检验法举例

注：以CO的统计判定结果为例

从表1可以看出，大数据库内5辆样车各3次的CO试验结果仅样车A的(0.143)为异常值，应剔除。

定检出水平α：如果要求严格，检出水平α可以定得小一些，例如定α＝0.01，那么置信概率P＝1－α＝0.99；如果要求不严格，α可以定得大一些，例如定α＝0.10，即P＝0.90；通常定α＝0.05，P＝0.95。

表2格拉布斯表

格拉布斯表一一临界值G_P(n)

步骤S6：使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库，之后进行步骤S8的处理。

步骤S7：依据排放分析方式得到待分析样车的对应车型的排放分析结果，之后进行步骤S9的处理。

在本步骤中，首先，基于筛选后的排放参照数据库，并依据表3所示的排放评价方式，确定各类污染物从1星到5星的排放标准及评分。依据我国国五排放标准：GB18352.5-2013，轻型车排放有4类污染物需要测量：(一氧化碳、氮氧化合物、总碳氢化合物和颗粒物)，在筛选后的参照数据库内使用中位值选取法分别确定各类污染物的10分标准、50分标准和90分标准(满分90分)，(10分标准、50分标准和90分标准)之间评分线性分布。

表3排放评价方式

这种评分标准是基于中位值的选取方法得到的，其计算过程如下。

首先将参照数据库内相应试验数据从小到大排列X{1}，X{2}，…,X{N}。如果数据数目N是奇数，则中位值med为X{(N+1)/2}；如果数据数目N是偶数，则中位值med为(X{N/2}+X{(N/2)+1})/2。

选取中位值作为评分标准，能够将极端数据对统计结果的影响降至最低，提高评价的真实性和合理性。

最后，确定排放物中各类污染物的评分后，计算平均分，最后得出排放星级的评星及评分。

步骤S8：依据能耗分析方式得到待分析样车的对应车型的能耗分析结果，之后进行步骤S9的处理。

在本步骤中，基于筛选后的能耗参照数据库，依据表4的能耗评价方式，确定样车的1星到5星的能耗标准及评分。

表4能耗评价方式

在筛选后的参照数据库内使用中位值选取法分别确定各档车型的10分标准、50分标准和90分标准(满分90分)，(10分标准、50分标准和90分标准)之间评分线性分布。

步骤S9：基于排放分析结果和能耗分析结果得到环保分析结果。

在本步骤中，最终的基于大数据的环保分析结果由排放分析结果和能耗分析结果取均值得出，而评星的准则例如是：大于等于90分为5星，大于等于75分且小于90分为4星，大于等于40分且小于75分为3星，大于等于10分且小于40分为2星，小于10分为1星。

图2示出了本发明的基于排放大数据的汽车环保分析系统的较佳实施例的流程。请参见图2，本实施例的汽车环保分析系统包括：存储模块1、数据录入模块2、样车分类的排放参照模块3、样车分类的能耗参照模块4、排放筛选模块5、能耗筛选模块6、排放分析模块7、能耗分析模块8、以及环保分析模块9。

存储模块1存储有排放大数据库单元11、排放参照数据库单元12、能耗参照数据库单元13、筛选后的排放参照数据库单元14以及筛选后的能耗参照数据库单元15。存储模块1中的排放大数据库单元11中的数据基于每次录入的样车参数实时更新。

数据录入模块2录入待分析样车的参数，在排放大数据库中选出所有相同类型车辆的数据作为参照数据库，且每次录入的样车参数还被用于排放大数据库单元11中的数据的实时更新。

对于排放来说，选出所有相同类型车辆的数据的选择依据是：国家轻型车第五阶段排放标准(GB18352.5-2013)中规定的排放车辆分类方式，共分为4类：第一类车、第二类车I、第二类车II和第二类车III。

对于能耗来说，选定排放大数据库内的所有相同类型车辆的数据作为参照数据库，选择依据是：国家轻型车能耗标准(GB/T19233-2008)中规定的排放车辆分类方式，共分为14档(按基准质量由小到大)。

样车分类的排放参照模块3依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库。

样车分类的能耗参照模块4依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库。

排放筛选模块5使用格拉布斯检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库。格拉布斯(Grubbs)检验法的具体实现已经在方法实施例中详述，在此不再赘述。

能耗筛选模块6使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库。格拉布斯(Grubbs)检验法的具体实现已经在方法实施例中详述，在此不再赘述。

排放分析模块7依据排放分析方式得到待分析样车的对应车型的排放分析结果。具体如何进行排放分析已经在方法实施例中详述，在此不再赘述。

能耗分析模块8依据能耗分析方式得到待分析样车的对应车型的能耗分析结果。具体如何进行能耗分析已经在方法实施例中详述，在此不再赘述。

环保分析模块9基于排放分析结果和能耗分析结果得到环保分析结果。最终的基于大数据的环保分析结果由排放分析结果和能耗分析结果取均值得出，而评星的准则例如是：大于等于90分为5星，大于等于75分且小于90分为4星，大于等于40分且小于75分为3星，大于等于10分且小于40分为2星，小于10分为1星。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。

结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

1479601CNCN

在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (8)

1.一种基于排放大数据的汽车环保分析方法，包括：

根据录入的待分析样车参数，在排放大数据库中选出所有相同类型车辆的数据作为参照数据库；

依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库，并且依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库；

使用格拉布斯检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库，并且使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库；

依据排放分析方式得到待分析样车的对应车型的排放分析结果，并依据能耗分析方式得到待分析样车的对应车型的能耗分析结果；

基于排放分析结果和能耗分析结果得到环保分析结果。

2.根据权利要求1所述的基于排放大数据的汽车环保分析方法，其特征在于，在得到排放分析结果的过程中，在筛选后的排放参照数据库中，通过中位值选取方法确定排放物中各类污染物的标准。

3.根据权利要求1所述的基于排放大数据的汽车环保分析方法，其特征在于，在得到能耗分析结果的过程中，在筛选后的能耗参照数据库中，通过中位值选取方法确定能耗标准。

4.根据权利要求1所述的基于排放大数据的汽车环保分析方法，其特征在于，排放大数据库中的数据基于每次录入的样车参数实时更新。

5.一种基于排放大数据的汽车环保分析系统，包括：

存储模块，存储有排放大数据库单元、排放参照数据库单元、能耗参照数据库单元、筛选后的排放参照数据库单元以及筛选后的能耗参照数据库单元；

数据录入模块，录入待分析样车的参数；

样车分类的排放参照模块，依据待分析样车的参数和排放标准中的样车分类，形成排放参照数据库；

样车分类的能耗参照模块，依据待分析样车的参数和能耗标准中的样车分类，形成能耗参照数据库；

排放筛选模块，使用格拉布斯检验法筛选排放参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的排放参照数据库；

能耗筛选模块，使用格拉布斯检验法筛选能耗参照数据库中的同一样车的多组试验数据中的异常值，形成筛选后的能耗参照数据库；

排放分析模块，依据排放分析方式得到待分析样车的对应车型的排放分析结果；

能耗分析模块，依据能耗分析方式得到待分析样车的对应车型的能耗分析结果；

环保分析模块，基于排放分析结果和能耗分析结果得到环保分析结果。

6.根据权利要求5所述的基于排放大数据的汽车环保分析系统，其特征在于，在排放分析模块中，在筛选后的排放参照数据库中，通过中位值选取方法确定排放物中各类污染物的标准。

7.根据权利要求5所述的基于排放大数据的汽车环保分析系统，其特征在于，在能耗分析模块中，在筛选后的能耗参照数据库中，通过中位值选取方法确定能耗标准。

8.根据权利要求5所述的基于排放大数据的汽车环保分析系统，其特征在于，存储模块中的排放大数据库单元中的数据基于每次录入的样车参数实时更新。