CN106682699B - 一种基于聚类分析的车辆尾气排放特征分析处理方法 - Google Patents
一种基于聚类分析的车辆尾气排放特征分析处理方法 Download PDFInfo
- Publication number
- CN106682699B CN106682699B CN201611270424.5A CN201611270424A CN106682699B CN 106682699 B CN106682699 B CN 106682699B CN 201611270424 A CN201611270424 A CN 201611270424A CN 106682699 B CN106682699 B CN 106682699B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- exhaust emission
- cluster
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 8
- 231100000719 pollutant Toxicity 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 239000000446 fuel Substances 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 4
- 239000007789 gas Substances 0.000 description 15
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- BUCXEFZXWKUCCY-UHFFFAOYSA-N 4-methyl-3-(2-phenylethyl)-1,2,4-oxadiazol-5-one Chemical compound O1C(=O)N(C)C(CCC=2C=CC=CC=2)=N1 BUCXEFZXWKUCCY-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000002229 photoelectron microspectroscopy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Sampling And Sample Adjustment (AREA)
- Testing Of Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Exhaust Gas After Treatment (AREA)
Abstract
本发明公开一种基于聚类分析的车辆尾气排放特征分析处理方法，包括如下步骤：(1)机动车尾气遥测数据抽取；(2)机动车尾气遥测数据预处理；(3)尾气污染物排放影响因素关联特征选择；(4)车辆尾气排放特征分析处理模型构建。
Description
技术领域
本发明具体涉及一种基于聚类分析的车辆尾气排放特征分析处理方法，属于环境技术领域。
背景技术
由于近年来全国机动车保有量迅猛增长，致使市区以及各地交通拥堵现象日趋严重，大气环境质量也呈现出恶化趋势，机动车排气污染监控工作正面临着严峻的挑战。机动车尾气是城市大气环境污染的重要污染物，是城市空气污染的主要源头，其中老旧的排放未达标的车辆和缺失保养导致排放超标的车辆有必要进行有效监管的，这对研究一个城市的环境总量和环境决策是十分有帮助的。因此，有必要对机动车尾气中有害气体的排放进行建立一套科学完善的评估方法，以便相关部门对机动车进行有针对性的监测和管理，同时加强对机动车尾气污染的控制，加大对尾气排放检测和监管的力度。
虽然国内遥测技术已经慢慢开始发展普及，但是其后续工作仍比较空白。传统的车辆尾气检测只是根据环保部门设定的检测阈值来判断检测车辆是否超标，没有考虑到车辆尾气检测受车辆类型、行驶工况、燃料类型、车辆使用年限、风速、气温等诸多因素的影响，没有应用关联规则、聚类分析等先进的数据分析方法，并且没有充分利用OBD、PEMS等较为精准的车辆检测数据、实时天气、当前路况信息等数据导致对车辆尾气评估分析不够精细，不能对机动车进行有针对性的监测和管理。这些都给后续的数据分析和环保政策的提出造成了巨大的困难。
发明内容
本发明技术解决问题：克服现有技术的不足，提供一种基于聚类分析的车辆尾气排放特征分析处理方法，实现多元异构海量遥测数据的分析处理，为环境污染地域的联防联控和氮氧化物总量减排的政策提供强有力的科学技术依据。
本发明技术解决方案：一种基于聚类分析的车辆尾气排放特征分析处理方法，包括以下步骤：
(1)抽取机动车尾气遥测数据；
(2)对抽取的机动车尾气遥测数据进行预处理；
(3)对步骤(2)中的预处理后的数据，采用灰色关联分析方法从车辆类型、行驶工况、燃料类型、车辆使用年限、风速、气温等诸多因素找出影响尾气排放的主要影响因素，作为车辆尾气排放特征分析处理的核心维度特征参数，实现尾气污染物排放影响因素关联特征选择，得到影响尾气排放的主要影响因素特征属性；
(4)根据步骤(3)得到的影响尾气排放的主要影响因素特征属性，采用基于密度的聚类算法对检测车辆尾气排放特征数据进行分类得到分群组别，并计算每个排放分群组别的排放得分，然后根据排放得分对分群组别排序，构建车辆尾气排放特征分析处理模型，根据车辆尾气排放特征分析处理模型对车辆尾气排放进行分析处理。
所述步骤(1)中，抽取机动车尾气遥测数据的过程如下：
(11)从车辆检测数据库中获取尾气检测表和车辆基本信息表，包括的数据项有：检测设备编号，检测时间，检测的车牌号码，车速，车辆加速度，车辆长度，CO2、CO、HC、NO浓度，烟度值，风速，风向，气温，湿度，气压，动态/静态测量，数据有效性，抓拍照片，燃料类型，车辆登记日期属性；
(12)从道路车流量信息数据库，获取的数据项有：道路名称，时间，小型客车、中型客车等不同类型车辆的车流量；
(13)从天气信息数据库，获取的数据项有：时间，城市，天气状况，温度，湿度，风速，PM2.5，PM10，AQI。
所述步骤(2)中，机动车尾气遥测数据预处理如下：通过对尾气遥测数据的分析，找出缺失值、偏离过大的个别极端值进行丢弃处理，从原始数据中的众多属性中删除与遥测记录不相关冗余属性，对遥测数据中的车型数据、燃料类型、数据有效性的非数值型数据进行量化处理，再根据车辆登记日期以及车辆检测时间，构造车辆使用年限分级数据。
所述步骤(4)中，尾气污染物排放影响因素关联特征选择如下：采用灰色关联分析方法从车辆类型、行驶工况、燃料类型、车辆使用年限、风速、气温等诸多因素找出影响尾气排放的主要影响因素，作为车辆尾气排放特征分析处理的核心维度特征参数。
所述步骤(4)中，构建车辆尾气排放特征分析处理模型如下：对步骤(3)得到的特征属性采用基于密度的聚类算法对检测车辆尾气排放特征数据进行分类得到分群组别，利用层次分析法得到每个特征属性权重，按式Ik＝w1c1 k+w2c2 k…+wmcm k计算每个排放分群组别的排放得分，然后根据排放得分对分群组别排序。
所述基于密度的聚类算法的过程如下：
(1)输入聚类数K，属性数据集S＝{s1,s2,…sn}，n为属性数据集大小，密度参数α，倍率参数β；
(2)从属性数据集S中计算所有对象距离数据表distTable＝{dist(si,sj)},i＝1,2…n；j＝1,2…n；i≠j；对距离数据表从小到大排序得到距离排序数组Array；
(3)通过Array的percent范围内出现最多的数据点标记，得到初始点init，Array(percent)记为序列中值最小的percent比例部分，按式Array(percent)＝{distArray1,distArray2,…,distArrayroughNum}得到，每一个distArray对应两个不同数据点，
其中，
roughNum＝percent×n×(n-1)/2；
(4)根据初始点init计算出当前簇的Eps和初始MinPts，得到当前簇的以init为圆心的初始簇点；
(5)计算当前簇的每一个点的密度，若大于MinPts，则标记为簇心点，簇心点的Eps范围内的点标记为当前簇类；
(6)根据当前簇心点的平均MinPts，更新MinPts，重复步骤(5)直到当前簇点个数不再增加；
(7)从属性数据集S中去掉当前簇的点，当前簇类加1，重复(2)～(6)直到当前簇标为K+1；
(8)给每一个未被标记的数据点标记为与其相近最近标记点的簇标，最终聚类出K个数据簇，从而得到分群组别。
本发明与现有方法相比的优点在于：
传统车辆尾气检测根据相关标准的限定阈值将车辆分为超标和不超标，分类比较粗略。本方法充分利用遥测设备积累点海量数据，并考虑车辆基本属性数据，对检测车辆进一步精确分类，划分出不同排放水平，对车辆尾气排放的不同分级采取针对性整治措施，从而对机动车进行有针对性的监测和管理。
附图说明
图1本发明方法流程图。
具体实施方式：
如图1所示，本发明具体实现如下：
(1)抽取机动车尾气遥测数据
从车辆检测数据库中获取尾气检测表和车辆基本信息表，包括的数据项有：检测设备编号，检测时间，检测的车牌号码，车速，车辆加速度，车辆长度，CO2、CO、HC、NO浓度，烟度值，风速，风向，气温，湿度，气压，动态/静态测量，数据有效性，抓拍照片等29个属性。
(2)机动车尾气遥测数据预处理
对尾气遥测数据进行预处理，主要包括缺失值处理，数据构造。
1)缺失值处理：如果缺失值的遥测记录占总记录数比例超过60％，则舍弃该类记录；如果缺失值的遥测记录所占总数比例不超过20％，而该属性是非连续值特征属性，那就把NaN作为一个新类别，加到类别特征中；若属性为连续值特征属性，会给定一个步长，然后把它离散化，之后把NaN作为一个类型加到属性类目中。
2)数据构造：由于车型数据是以图像格式保存在数据库中，为便于分析，首先人工对车型图像数据进行标注，将车型分为无法识别车辆、客车、公交车、出租车、小轿车、轻型卡车、重型卡车，属性值分别记为0，1，2，3，4，5，6。根据车辆的燃料类型分为汽油、柴油、天然气，属性值分别记为0，1，2。根据车辆登记日期以及车辆检测时间，得到车辆使用年限分级。
| 字段名 | 字段说明 |
| 年限分级 | 使用年限 |
| 1 | <＝1 |
| 2 | 1～5 |
| 3 | 5～8 |
| 4 | 8～10 |
根据车辆基准质量得到基准质量分级，
(3)尾气污染物排放影响因素关联特征选择
机动车排放污染物的排放特性复杂，受车辆类型、行驶工况(速度、加速度)、燃料类型、车辆使用年限、风速、气温等诸多因素影响。采用灰色关联分析方法找出影响尾气排放的主要影响因素特征。灰色关联度采用如下算法来判断影响因素：
1)记原始数列x＝{x1,x2,…xn}，x1为污染物数值属性，x2…xn依次为车辆类型，车辆行驶速度，加速度，燃料类型，车辆使用年限等属性列。构造初始化数列N为数据记录数。
2)选取尾气污染物浓度作为参考数列 为比较数列。
3)计算比较数列yi对参考数列y1，在第k点的关联系数ρ为分辨系数，取值范围0～1，典型值为0.5。
4)综合各比较序列点的关联系数，可以得出整个序列yi与参考序列y1的关联度
按上述1)～4)对CO、HC、NO浓度，烟度值的影响因素进行关联度分析，按关联度大小进行排序。从车辆类型、行驶工况(速度、加速度)、燃料类型、车辆使用年限、风速、气温等属性中选取前m个属性作为车辆尾气排放特征分析处理的核心维度特征参数，分别记为X1,X2,…Xm。
(4)构建车辆尾气排放特征分析处理模型
对步骤(3)得到的m个属性特征构造数据集S，采用基于密度的聚类算法对检测车辆提取m个属性特征构成的数据集进行分类。具体实现算法如下：
[1]输入聚类数K，包含n条对象的数据集S＝{s1,s2,…sn}，密度参数α，倍率参数β；
[2]从提取属性数据集S中计算所有对象距离数据表distTable＝{dist(si,sj)},(i＝1,2…n；j＝1,2…n；i≠j)；对距离数据表从小到大排序得到距离排序数组Array。
[3]通过Array的percent(percent为得到距离排序数组中最小距离数据所占百分比)范围内出现最多的数据点标记，得到初始点init。Array(percent)记为序列中值最小的percent比例部分，按式：Array(percent)＝{distArray1,distArray2,…,distArrayroughNum}得到。每一个distArray对应两个不同数据点，
其中，
roughNum＝percent×n×(n-1)/2。
[4]根据初始点init计算出当前簇的Eps和初始MinPts，得到当前簇的以init为圆心的初始簇点。Eps和初始MinPts的计算方法如下：
其中epsNum记为与初始点与数据集其他各点之间距离小于等于的数据点的个数。
初始初始点init邻域内点标记计算方式为
[5]计算当前簇的每一个点的密度，若大于MinPts，则标记为簇心点，簇心点的Eps范围内的点标记为当前簇类。
[6]根据当前簇心点的平均MinPts，更新MinPts，重复步骤[5]直到当前簇点个数不再增加。按下式计算更新MinPts，
更新当第i个数据点为当前第k簇点中心点时coreNumi＝k，当不是中心点时，coreNumi＝0。
[7]从属性数据集S中去掉当前簇的点，当前簇类加1，重复[2]～[6]直到当前簇标为K+1。
[8]给每一个未被标记的数据点标记为与其相近最近标记点的簇标，最终聚类出K个数据簇，从而得到分群组别。
车辆尾气排放特征分析处理模型通过对每个检测车辆分群的m个属性的均值与总的m个属性均值相比，来区分检测车辆排放分级。每类分群的单个属性值大于该属性总体均值记为1，反之记为0，则一共有2m个排放水平分级。
利用层次分析法得到每个特征属性权重，按下式计算每个排放分群组别的排放得分，然后根据排放得分对分群组别排序。
Ik＝w1c1 k+w2c2 k…+wmcm k，第k组分群的排放得分记为Ik，wi是由层次分析法得到的各特征属性权重，ci k为第k组分群聚类中心各特征属性标准化后的值。根据总得分大小对排放分群进行排序分级，对车辆尾气排放的不同分级采取不同整治措施。
本发明具体实施方式提高机动车尾气遥测执法的效率和可靠性，为机动车尾气执法监管提供科学决策支持。
以上显示和描述了本发明的基本原理和主要功能。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中的描述只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的发明范围内。本发明要求保护范围由所附权利要求书及其等效物界定。
Claims (5)
1.一种基于聚类分析的车辆尾气排放特征分析处理方法，其特征在于包括如下步骤：
(1)抽取机动车尾气遥测数据；
(2)对抽取的机动车尾气遥测数据进行预处理；
(3)对步骤(2)中的预处理后的数据，采用灰色关联分析方法从车辆类型、行驶工况、燃料类型、车辆使用年限、风速、气温诸多因素找出影响尾气排放的主要影响因素，作为车辆尾气排放特征分析处理的核心维度特征参数，实现尾气污染物排放影响因素关联特征选择，得到影响尾气排放的主要影响因素特征；
(4)根据步骤(3)得到的影响尾气排放的主要影响因素特征，采用基于密度的聚类算法对主要影响因素特征进行分类得到分群组别，并计算每个排放分群组别的排放得分，然后根据排放得分对分群组别排序，构建车辆尾气排放特征分析处理模型，根据车辆尾气排放特征分析处理模型对车辆尾气排放进行分析处理。
2.根据权利要求1所述的基于聚类分析的车辆尾气排放特征分析处理方法，其特征在于：所述步骤(1)中，抽取机动车尾气遥测数据的过程如下：
(11)从车辆检测数据库中获取尾气检测表和车辆基本信息表，包括的数据项有：检测设备编号，检测时间，检测的车牌号码，车速，车辆加速度，车辆长度，CO2、CO、HC、NO浓度，烟度值，风速，风向，气温，湿度，气压，动态/静态测量，数据有效性，抓拍照片，燃料类型，车辆登记日期属性；
(12)从道路车流量信息数据库，获取的数据项有：道路名称，时间，小型客车、中型客车等不同类型车辆的车流量；
(13)从天气信息数据库，获取的数据项有：时间，城市，天气状况，PM2.5，PM10。
3.根据权利要求1所述的基于聚类分析的车辆尾气排放特征分析处理方法，其特征在于：所述步骤(2)中，机动车尾气遥测数据预处理如下：通过对尾气遥测数据的分析，找出缺失值、偏离过大的个别极端值进行丢弃处理，从机动车尾气遥测数据中的众多属性中删除与遥测记录不相关冗余属性，对遥测数据中的车型数据、燃料类型、数据有效性的非数值型数据进行量化处理，再根据车辆登记日期以及车辆检测时间，构造车辆使用年限分级数据。
4.根据权利要求1所述的基于聚类分析的车辆尾气排放特征分析处理方法，其特征在于：所述步骤(4)中，构建车辆尾气排放特征分析处理模型如下：对步骤(3)得到的影响尾气排放的主要影响因素特征采用基于密度的聚类算法对检测车辆尾气排放特征数据进行分类得到分群组别，利用层次分析法得到每个特征属性权重，按式Ik＝w1c1 k+w2c2 k…+wmcm k计算每个排放分群组别的排放得分，然后根据排放得分对分群组别排序，其中第k组分群的排放得分记为Ik，wi是由层次分析法得到的各特征属性权重，ci k为第k组分群聚类中心各特征属性标准化后的值。
5.根据权利要求4所述的基于聚类分析的车辆尾气排放特征分析处理方法，其特征在于：所述基于密度的聚类算法的过程如下：
(61)输入聚类数K，属性数据集S＝{s1,s2,…sn}，
(62)从属性数据集S中计算所有对象距离数据表distTable＝{dist(si,sj)},i＝1,2…n；j＝1,2…n；i≠j；对距离数据表从小到大排序得到距离排序数组Array；
(63)通过Array的percent范围内出现最多的数据点标记，得到初始点init，Array(percent)记为序列中值最小的percent比例部分，按式：Array(percent)＝{distArray1,distArray2,…,distArrayroughNum}得到，每一个distArray对应两个不同数据点，
其中，
roughNum＝percent×n×(n-1)/2；n为属性数据集大小，β为倍率参数；
(64)根据初始点init计算出当前簇的Eps和初始MinPts，得到当前簇的以init为圆心的初始簇点；
Eps和初始MinPts的计算方法如下：其中epsNum记为与初始点与数据集其他各点之间距离小于等于的数据点的个数；
初始 α为密度参数；
(65)计算当前簇的每一个点的密度，若大于MinPts，则标记为簇心点，簇心点的Eps范围内的点标记为当前簇类；
(66)根据当前簇心点的平均MinPts，更新MinPts，重复步骤(65)直到当前簇点个数不再增加；
(67)从属性数据集S中去掉当前簇的点，当前簇类加1，重复(62)～(66)直到当前簇标为K+1；
(68)给每一个未被标记的数据点标记为与其相近最近标记点的簇标，最终聚类出K个数据簇，从而得到分群组别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611270424.5A CN106682699B (zh) | 2016-12-31 | 2016-12-31 | 一种基于聚类分析的车辆尾气排放特征分析处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611270424.5A CN106682699B (zh) | 2016-12-31 | 2016-12-31 | 一种基于聚类分析的车辆尾气排放特征分析处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106682699A CN106682699A (zh) | 2017-05-17 |
| CN106682699B true CN106682699B (zh) | 2019-06-07 |
Family
ID=58849677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611270424.5A Active CN106682699B (zh) | 2016-12-31 | 2016-12-31 | 一种基于聚类分析的车辆尾气排放特征分析处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106682699B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108226046B (zh) * | 2017-12-26 | 2019-10-25 | 中国科学技术大学 | 一种机动车尾气遥测结果修正方法 |
| CN110514255B (zh) * | 2019-09-06 | 2021-02-02 | 重庆市城投金卡信息产业(集团)股份有限公司 | 汽车排放量检测方法及其检测系统 |
| CN110514254B (zh) * | 2019-09-06 | 2021-02-02 | 重庆市城投金卡信息产业(集团)股份有限公司 | 单车排放量检测方法及其检测系统 |
| CN111862621B (zh) * | 2020-07-21 | 2022-02-25 | 深圳大雷汽车检测股份有限公司 | 多类型适配的黑烟车智能抓拍系统 |
| CN112819217A (zh) * | 2021-01-27 | 2021-05-18 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 移动源污染排放主要影响因素预测方法、系统及存储介质 |
| CN112905960B (zh) * | 2021-02-18 | 2024-04-19 | 中国环境科学研究院 | 用于判定尾气烟羽数据有效性和对其筛选的方法及产品 |
| CN113435471A (zh) * | 2021-05-17 | 2021-09-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 深度特征聚类的高排放移动源污染识别方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201247195Y (zh) * | 2008-08-21 | 2009-05-27 | 安徽宝龙环保科技有限公司 | 一种机动车尾气无线遥测装置 |
| CN102508949A (zh) * | 2011-10-13 | 2012-06-20 | 东南大学 | 城市隧道机动车尾气排放的数字化分析方法 |
| CN105259304A (zh) * | 2015-09-16 | 2016-01-20 | 张世达 | 一种车辆尾气污染物在线监测系统和方法 |
-
2016
- 2016-12-31 CN CN201611270424.5A patent/CN106682699B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201247195Y (zh) * | 2008-08-21 | 2009-05-27 | 安徽宝龙环保科技有限公司 | 一种机动车尾气无线遥测装置 |
| CN102508949A (zh) * | 2011-10-13 | 2012-06-20 | 东南大学 | 城市隧道机动车尾气排放的数字化分析方法 |
| CN105259304A (zh) * | 2015-09-16 | 2016-01-20 | 张世达 | 一种车辆尾气污染物在线监测系统和方法 |
Non-Patent Citations (3)
| Title |
|---|
| Controlling and decreasing measures of motor vehicle emissions in China;Wang xiao-xia等;《World Automation Congress》;20121004;第1-4页 |
| 北京市机动车新车排放标准效益的灰色关联评价;金陶胜等;《环境科学研究》;20100515;第23卷(第5期);第587-580页 |
| 机动车行驶中尾气排放的遥感测量及排放因子的估算;董刚等;《内燃机学报》;20030325;第21卷(第2期);第15-119页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106682699A (zh) | 2017-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682699B (zh) | 一种基于聚类分析的车辆尾气排放特征分析处理方法 | |
| WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
| CN110544373B (zh) | 一种基于北斗车联网的货车预警信息提取与风险识别方法 | |
| Dai et al. | Driving cycles: a new cycle-building method that better represents real-world emissions | |
| CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
| CN108769104B (zh) | 一种基于车载诊断系统数据的路况分析预警方法 | |
| CN108197731B (zh) | 一种基于共同训练的机动车尾气遥测与车检结果一致性方法 | |
| CN116168356B (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
| CN113435471A (zh) | 深度特征聚类的高排放移动源污染识别方法及系统 | |
| CN111024898A (zh) | 一种基于CatBoost模型的车辆尾气浓度超标判别方法 | |
| CN109993098A (zh) | 城市车辆黑烟智能识别大数据分析系统及方法 | |
| CN112819217A (zh) | 移动源污染排放主要影响因素预测方法、系统及存储介质 | |
| CN111523419A (zh) | 一种机动车尾气排放视频检测方法和装置 | |
| CN112486962A (zh) | 一种提取组合短片段计算重型柴油车NOx排放的方法 | |
| CN107066501B (zh) | 一种基于道路相似性的机动车尾气遥测设备布点方法 | |
| CN116645646A (zh) | 一种用于停车异常检测预警方法及系统 | |
| CN114997777A (zh) | 一种基于轨迹信息的车辆移动特征识别方法 | |
| CN113470369A (zh) | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 | |
| CN112394040A (zh) | 一种机动车排污监管系统及方法 | |
| CN116778460A (zh) | 一种基于图像识别的疲劳驾驶识别方法 | |
| CN116580523A (zh) | 交通能耗监测与管理方法、系统、电子装置和存储介质 | |
| CN109145732B (zh) | 一种基于Gabor投影的黑烟车检测方法 | |
| CN113505955A (zh) | 一种基于tsp系统的用户驾驶行为评分方法 | |
| CN112991765A (zh) | 一种道路高排放源识别模型更新方法、终端及存储介质 | |
| CN107085074B (zh) | 一种分类监测机动车尾气的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |