CN112113912B - 一种柴油车排放遥感大数据监测系统及监测方法 - Google Patents

一种柴油车排放遥感大数据监测系统及监测方法 Download PDF

Info

Publication number
CN112113912B
CN112113912B CN202010832913.5A CN202010832913A CN112113912B CN 112113912 B CN112113912 B CN 112113912B CN 202010832913 A CN202010832913 A CN 202010832913A CN 112113912 B CN112113912 B CN 112113912B
Authority
CN
China
Prior art keywords
vehicle
emission
remote sensing
diesel
vehicles
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
Application number
CN202010832913.5A
Other languages
English (en)
Other versions
CN112113912A (zh
Inventor
郝利君
葛子豪
尹航
王小虎
王军方
刘进
田苗
付明亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010832913.5A priority Critical patent/CN112113912B/zh
Priority to PCT/CN2020/110190 priority patent/WO2022036621A1/zh
Publication of CN112113912A publication Critical patent/CN112113912A/zh
Priority to US17/166,531 priority patent/US20220057373A1/en
Priority to GB2103837.7A priority patent/GB2598649A/en
Application granted granted Critical
Publication of CN112113912B publication Critical patent/CN112113912B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/10—Testing internal-combustion engines by monitoring exhaust gases or combustion flame
    • G01M15/102—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases
    • G01M15/108—Testing internal-combustion engines by monitoring exhaust gases or combustion flame by monitoring exhaust gases using optical methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0037—NOx
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Testing Of Engines (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明公开了一种柴油车排放遥感大数据监测系统及监测方法，包括机动车遥感数据监控平台、主控计算机、排放遥感测量仪、车辆行驶状态监测仪、信息显示屏和车牌摄像仪；排放遥感测量仪用于采集排气烟羽中污染物信息；车辆行驶状态监测仪用于采集车辆的速度和加速度；信息显示屏用于显示被检车辆的相关信息；车牌摄像仪用于捕获车牌信息；主控计算机用于车辆工况和排放信息的处理和计算；机动车遥感数据监控平台用于判断高排放车辆，预先存储有所有柴油车的车辆信息、每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设置的高排放阈值。本发明可实现柴油车尾气排放的实时测量、高排放柴油车筛查及各类柴油车平均排放水平的评估，适用于以柴油机为动力的各类机动车辆的尾气排放检测，操作方便、快速、高效。

Description

一种柴油车排放遥感大数据监测系统及监测方法
技术领域
本发明涉及机动车尾气检测技术领域，更具体的说是涉及一种柴油车排 放遥感大数据监测系统及监测方法。
背景技术
车用柴油机碳氢(HC)和一氧化碳(CO)排放较少，尾气排放控制的主 要对象为氮氧化物(NOx)和颗粒物(PM)。NOx对人的呼吸系统有毒害作 用，且NOx和HC在太阳光作用下易生成光化学烟雾，增加大气环境中臭氧的 浓度，对周围环境危害很大；PM影响大气能见度，且PM具有很强的吸附性， 吸附毒害作用很强的物质，吸入人体后，会引起身体不适，易诱发呼吸道疾 病，重者进入人体血液引发心梗、心血管等疾病。目前，不足汽车保有量10％ 的柴油车排放的NOx和PM分别达到了汽车排放的NOx和PM总量的70％和 90％，成为机动车污染防治的重中之重。
目前，我国在用柴油车排放检验主要采用加载减速工况法，测试NOx和烟 度排放，在加载减速工况检测条件无法满足时，只能使用传统的自由加速烟 度法，特别是路检的过程中，由于测试仪器设备限制，检测时柴油车静止， 测试自由加速烟度，尽管操作方法简便，但相比实际行驶排放会出现较大的 误差。在用汽车环保定期检验周期一般为6个月到2年不等，较长的时间跨度 无法确保车辆在检验周期内排放达标。因此，迫切需要一种方便快捷且时效 性高的在用车排放检测方法。
为了及时、快速筛查高排放车辆，一些省市陆续推广使用机动车排放遥 感测试系统并出台了地方性标准，国家生态环境部于2017年7月27日颁布实施 “HJ 845-2017在用柴油车排气污染物测量方法及技术要求(遥感检测法)”标 准，该标准规定利用遥感法对在用柴油车进行NOx和烟度排放检测，NOx排放 限值为1500ppm，烟度排放不透光度限值为30％，用于筛查高排放柴油车。遥 感检测法结果判定:连续两次及以上同种污染物检测结果超过标准规定的排放 限值，且测量时间间隔在6个自然月内，则判定受检车辆排放不合格。
目前，遥感检测设备在汽油车排放检测方面技术可行，但在柴油车NOx排放检测方面存在很大误差，遥感检测系统对柴油车高排放车辆的筛选存在 很高的误判率，这意味着目前遥感检测系统对柴油车NOx排放的检测技术还不 成熟。
柴油车NOx和烟度排放随行驶工况变化，并且每种车型柴油机、变速器等 配置不同，且工作条件和载荷差异较大，导致不同柴油车车型NOx排放和烟度 排放特性也存在显著差异。目前，针对柴油车排放遥感检测，柴油车遥感测 试标准只规定了高排放柴油车筛查的NOx排放浓度和排气烟度的单一限值，这 相当于将所有车型的所有工况都归类为一个Bin分区，这种处理方法不利于柴 油车的科学化和精细化管理，容易造成高排放车辆由于运行在低负荷或低车 速工况下排放较低而逃过检查和处罚；另一方面，部分低排放车由于在高负 荷下排放较高而被误判为高排放车。这也是当前柴油车排放遥感检测出现误 判的主要原因之一。
因此，如何提供一种柴油车排放遥感监测系统及方法是本领域技术人员 亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种柴油车排放遥感大数据监测系统及监测方 法，可实现柴油车尾气排放的实时测量，适用于以柴油机为动力的各类机动 车辆的尾气排放检测，具有操作方便、快速、高效的特点，检测方法准确率 高。
为了实现上述目的，本发明采用如下技术方案：
一种柴油车排放遥感大数据监测系统，包括：机动车遥感数据监控平台、 主控计算机、排放遥感测量仪、车辆行驶状态监测仪、信息显示屏和车牌摄 像仪；所述排放遥感测量仪、所述车辆行驶状态监测仪、所述信息显示屏和 所述车牌摄像仪均与所述主控计算机连接，且所述主控计算机通过互联网与 所述机动车遥感数据监控平台连接；
所述排放遥感测量仪用于采集被检车辆的排气烟羽中污染物信息；
所述车辆行驶状态监测仪用于采集被检车辆的速度和加速度；
所述信息显示屏用于显示被检车辆的相关信息；
所述车牌摄像仪用于捕获被检车辆的车牌信息；
所述主控计算机用于采集信息和数据处理，完成排气烟羽中污染物浓度 的计算；
所述机动车遥感数据监控平台用于接收主控计算机传输的车辆工况信息 和排放数据，判断高排放车辆，同时存储相关信息和数据库，所述数据库预 先存储有所有柴油车的车辆信息、每一类别柴油车不同行驶工况Bin分区以 及针对不同Bin分区设置的高排放阈值。
进一步，所述排放遥感测量仪采用垂直或水平式光路，设置在车辆的经 过区域，包括检测光发射装置、检测光接收装置以及检测光反射装置，所述 检测光发射装置和所述检测光反射装置相对设置，所述检测光发射装置和所 述检测光接收装置位于同一侧，且所述检测光发射装置和接收装置与所述主 控计算机连接；
所述检测光发射装置用于发射检测光；
所述检测光反射装置用于将检测光反射至所述检测光接收装置上；
所述检测光接收装置用于检测穿过排气烟羽的检测光强度。
一种包括柴油车排放遥感大数据监测系统的监测方法，包括：
步骤1：车辆行驶状态监测仪检测被检车辆的速度和加速度，排放遥感测 量仪检测穿过排气烟羽的检测光强度，车牌摄像仪捕获被检车辆的车牌信息， 并将上述信息发送至主控计算机中；
步骤2：所述主控计算机根据排放遥感测量仪测得的检测光强度计算排气 烟羽中CO、HC、NO与CO2的浓度，以及依据被检车辆的速度、加速度和车 辆类别确定被检车辆柴油机的空燃比，计算确定NO排放水平；依据穿过排 气烟羽的检测光强度计算柴油车排气烟度；
步骤3：机动车遥感数据监控平台接收主控计算机发送的被检车辆车型、 行驶工况和排放信息，确定被检车辆的类型，并依据车速和加速度值将车辆 工况参数、NO排放和排气烟度数据分配到对应车型的Bin区间，对排放数据 进行统计分析，并筛查高排放车辆。
进一步，步骤2中NO排放水平的检测包括检测NO与CO2的浓度比， 或检测消耗单位质量燃油的NO排放质量，或检测尾气中NO绝对浓度。
进一步，NO与CO2的浓度比QNO为：
Figure BDA0002638633040000041
式中，CNO和
Figure BDA0002638633040000042
分别为排气烟羽中NO与CO2的浓度。
由于车辆排气排出后在空气中扩散并被稀释，稀释后排气浓度变化受环 境风速、风向和气流扰动等因素影响，因此，直接测量排气烟羽得到的各种 排放物浓度不是真实的车辆排气中排放物浓度。实际处理计算方法是以CO2为参比气体，烟羽扩散过程中CO、HC和NO与CO2的相对体积浓度比为定 值，测量CO、HC和NO与CO2的浓度比值，即可判断车辆发动机燃烧状况 和排放水平。因此，检测柴油车排气烟羽中NO/CO2浓度比值可实时判定被检 车辆NO排放状况。
进一步，消耗单位质量燃油的NO排放质量EFNO为：
Figure BDA0002638633040000051
式中，QNO、QCO、QHC分别为排气烟羽中NO与CO2、CO与CO2、HC 与CO2的浓度比值；
Figure BDA0002638633040000052
Figure BDA0002638633040000053
Figure BDA0002638633040000054
式中，CNO、
Figure BDA0002638633040000055
CCO、CHC分别为排气烟羽中NO、CO2、CO、HC的 浓度。
依据碳平衡法，检测柴油车消耗单位质量燃油的NO排放质量也可实时 判定被检车辆NO排放状况。
进一步，检测尾气中NO绝对浓度具体计算过程为：
步骤a：根据物质守恒定律，由碳原子、氢原子和氧原子的守恒，计算排 气中CO2体积百分比浓度：
Figure BDA0002638633040000056
式中，AFR表示空燃比，QCO、QHC分别为CO与CO2、HC与CO2的浓 度比值，
Figure BDA0002638633040000057
步骤b：计算排气中NO绝对浓度：
Figure BDA0002638633040000058
式中，QNO表示NO与CO2的浓度比值，
Figure BDA0002638633040000059
对于柴油车NO等气态排放物遥感实时测量，除了通过遥感测试设备获 得NO、CO、HC与CO2的相对体积浓度比值外，还必须获知该测试工况下的 柴油机燃烧过程的空燃比。
计算柴油车测试工况下的柴油机空燃比一般有以下几种方法：
(1)通过车辆行驶工况参数计算柴油机运行工况参数，确定测试工况下 柴油机空燃比。
基于汽车行驶动力学理论，建立整车运行工况与发动机运行工况间转换 的整车动力学模型。基于后向仿真方法，建立包含车型参数(迎风面积、风 阻系数、整车质量)、轮胎参数、滚动阻力系数、换挡策略和传动系统传动 效率的汽车行驶动力学模型，依据车辆动力学方程计算车辆驱动力：
Figure BDA0002638633040000061
式中，CD为阻力系数，Af为车辆迎风面积，ρa为空气密度，v为车速， vw为风速(与车辆行进方向相反为正，否则为负)，m是车辆质量，a是车辆 加速度，εi为动力总成旋转部件的质量转换系数，g为重力加速度，
Figure BDA0002638633040000062
为道 路坡度，CR为轮胎的滚动阻力系数；
通过车辆行驶动力学模型将车辆的速度和加速度转换为发动机转速和发 动机转矩；
Figure BDA0002638633040000063
式中，n表示发动机转速，v是车速，ig是变速箱传动比，i0是主减速比， r是轮胎滚动半径；
Figure BDA0002638633040000064
式中，ηT为传动系统机械效率，Ft表示车辆驱动力。
建立以发动机转矩和转速为参数变量的空燃比脉谱，用测试工况下柴油 车发动机转矩和转速对空燃比脉谱插值计算，获得柴油车测试工况下发动机 的瞬时空燃比，在发动机转矩和转速脉谱边界之外，须使用外部插值计算。
通过遥感设备测量柴油车尾气中CO、HC、NO与CO2的相对体积浓度比， 以及测试工况下的空燃比，可计算获得柴油车排气中的包括NO、CO、HC和 CO2的气体排放物浓度。
第二种计算方法为建立柴油车运行参数，特别是整车速度、加速度与发 动机空燃比间的关系模型：
将被检车辆的速度和加速度作为二维参数代入预先存储的以速度和加速 度为参数建立的空燃比脉谱模型中，通过插值计算获得柴油车当前行驶工况 下的空燃比。
进一步，每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设 置的高排放阈值的确定方法为：
步骤a：按照车辆总重量对柴油车进行分类：
步骤b：依据遥感测试数据量和监管需要将每一类别柴油车的行驶工况范 围以速度和加速度为参数划分为i*j个区间，每个区间为一个Bin分区；
步骤c：采用离散型随机变量的概率分布方法，对排放数据进行处理：
将每个检测到的车辆排放遥感测试数据作为离散型随机变量，设 x1，x2，...，xn为排放数据离散变量x的取值，p1，p2，...，pn为对应上述取值 的概率，实时计算各离散型遥感检测数据xi的概率分布pi，每个遥感检测 数据xi的概率分布表示为：
P(xi)＝pi (11)
式中：i＝1，2，...，n；
概率pi满足条件：
Figure BDA0002638633040000081
离散型排放数据变量x的概率分布函数f(x)为：
Figure BDA0002638633040000082
离散型排放数据变量x的值落在[a，b]之内的概率为：
P(a≤x＜b)＝f(b)-f(a) (14)
设定高排放车辆比例在y％，截取累积分布概率在(100-y)％的排放测量 值作为筛查高排放车辆的排放判断阈值。
进一步，如果被检车辆的NO排放水平或者排气烟度超过对应车型对应 工况中Bin区间设定的阈值，说明被检车辆排放超标。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种柴 油车排放遥感大数据监测系统及监测方法，可实现柴油车尾气排放的实时测 量，适用于以柴油机为动力的各类机动车辆的尾气排放检测，具有操作方便、 快速、高效的特点，检测方法准确率高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的柴油车排放遥感大数据监测系统原理框图。
图2附图为本发明实施例提供的柴油车车型分类和不同工况Bin分区。
图3附图为本发明实施例提供的排放数据变量x的累积分布概率示意图。
图4附图为本发明实施例提供的高排放车辆比例为y％的排放判断阈值确 定方法示意图。
图5为本发明实施例提供的轻型柴油客车运行工况Bin分区及空燃比脉 谱的示意图。
图6为本发明实施例提供的轻型柴油客车自由加速工况排气不透光度测 量值的累积分布概率分析的示意图。其中，图6(a)为轻型柴油客车自由加 速工况排气不透光度测量值的累积分布概率图，图6(b)为筛除5％高排放轻 型柴油客车数据后的自由加速工况排气不透光度测量值的累积分布概率图， 图6(c)为筛除15％高排放轻型柴油客车数据后的自由加速工况排气不透光 度测量值的累积分布概率图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
参照图1所示，为本发明实施例提供的一种柴油车排放遥感大数据监测 系统，包括：排放遥感测量仪、主控计算机、信息显示屏、车辆行驶状态监 测仪、机动车遥感数据监控平台及车牌摄像仪；
排放遥感测量仪、信息显示屏、车辆行驶状态监测仪和车牌摄像仪均与 主控计算机通讯连接，主控计算机通过互联网与机动车排放监控平台连接。
其中，车辆行驶状态监测仪包括车速和加速度光学测量仪或雷达测速仪， 布置在车辆检测区域道路旁，当车辆经过时，可精确测量被检车辆的速度和 加速度。
尾气排放遥感测量仪采用垂直或水平式光路，布置在车辆的经过区域， 为了确保柴油车尾气遥感检测的准确性，柴油车尾气排放遥感检测装置安装 场地的路面一定要水平或略带上坡坡度，保证柴油车处于匀速或轻微加速的 行驶状态，可获得最佳的排放检测结果，所以在桥梁引道入口位置、驶离高 速公路收费站通道及略有上坡的行车道路设置尾气排放遥感监测点比较有 利。该柴油车尾气排放遥感测量仪包括检测光发射装置、检测光接收装置和 检测光反射装置；检测光发射装置用于发射检测光；检测光接收装置用于接收穿过排气烟羽的检测光。
信息显示屏包括高亮点阵屏，可实时显示被检车辆的信息；比如包括： 车牌号、车速和尾气污染物浓度等信息。
车牌摄像仪包括高速摄像机，可精准捕获车牌信息；其他可获得车牌信 息的图像识别设备均可，本发明对此不作限定。
主控计算机可以为工业控制计算机，负责以上所有输入输出信号采集和 处理，以及系统标定等；完成尾气排放等计算；通过互联网向机动车排放监 控平台发送数据，以及与机动车排放监控平台通讯。
机动车遥感数据监控平台接收主控计算机发送的被检车辆车型、行驶工 况和排放信息，确定被检车辆的类型，并依据车速和加速度值将车辆工况参 数、NO排放和排气烟度数据分配到对应车型的Bin区间，对排放数据进行统 计分析，并判断高排放车辆，其包括数据库，数据库预先存储有所有柴油车 的车辆信息、每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设 置的高排放阈值。
优选的，本系统还包括气象监测仪，与主控计算机连接，用于采集被检 车辆经过区域的环境信息；比如暴风雨等恶劣天气，该系统就停止检测，防 止出现因自然因素导致检测数据不准确。气象监测仪为微型气象站，同样布 置在车辆的经过区域；可精准测量环境参数，比如风速、风向、温度、湿度 等信息。
本实施例中，车辆行驶状态监测仪测量柴油车的速度和加速度，主控计 算机以柴油车的速度和加速度为参数，通过对柴油车空燃比脉谱表插值计算 得到柴油车当前行驶工况的空燃比。同时，根据尾气排放遥感测量仪检测的 光强度计算出排气烟羽中CO、HC、NO与CO2的排放浓度比值，结合柴油车 当前行驶工况的空燃比，计算柴油车尾气中CO、HC、NO和CO2排放浓度， 实现对柴油车尾气中气态排放物浓度的实时测量。
柴油车排气烟度遥感测试采用多对光电传感器光路，一侧发射检测光束， 另一侧接收这些光束；或检测光束发射装置和接收装置放置在同一侧，相对 的另一侧放置反射装置，将发射装置发出的检测光束反射回接收装置。光源 采用调制方式工作，可以有效避免环境光对测量的影响，光束范围覆盖了绝 大多数的机动车排气管高度，可以得到柴油车排气烟度的一个垂直断面烟度 分布的测量结果，透光度分为100级，排气烟度遥感测试结果为不透光度(％)。
本系统适用于装用柴油机的各类机动车辆的尾气排放检测，具有操作方 便、快速、高效的特点。
本发明实施例提供了基于遥感大数据的柴油车排放遥感大数据监测方 法。
以柴油车的车速和加速度为参数将柴油车行驶工况分为多个小区域，称 为Bin，在每个Bin分区内对柴油车NOx排放和烟度排放进行统计分析，确定 高排放柴油车辆的筛查阈值，实现对高排放车辆的筛查和判定，由于车辆排 放遥感测试大数据库实时动态更新，可实现对车辆平均排放水平的评估和每 一类别车辆行驶工况不同Bin分区内高排放阈值动态更新。
柴油车尾气排放遥感测量仪通过主控计算机进行自动化操作和记录，将 车辆图像、车牌信息及排放数据传送到机动车排放监控平台。机动车排放监 控平台通过车辆图像、车牌信息调取数据库中汽车的生产年份、制造厂家、 型号、车主等信息。基于大数据方法，实现对高排放柴油车辆的筛查、车辆 平均排放水平的评估和市场上所有车型的排放超标次数和排放水平排序和评 价，对排放超标信息记录占比较高的车型重点实施排放抽查和排放监管。
实施例2：
基于实施例1提供的柴油车排放遥感监测系统，本发明提出一种基于遥 感大数据的柴油车排放监管方法。综合兼顾到柴油车在不同工况的排放特性 差异，提出基于柴油车不同类别、不同工况Bin区间的遥感测试排放大数据 监测方法，实现对柴油车排放的科学化和精细化管理。具体方法和流程包括： S101～S111；
S101、依据柴油车排放遥感测试数据量将柴油车划分为不同类别，如图2 所示。可将柴油车按总质量分为轻型柴油车、中型柴油车和重型柴油车，进 一步可按用途划分为轻型柴油客车、轻型柴油货车、中型柴油客车、中型柴 油货车、重型柴油客车和重型柴油货车；
S102、将每一类别的柴油车的行驶工况范围以速度和加速度为参数划分 为i*j个区间，每个区间定义为Bin1,1、Bin1,2、、、Bin1,i，Bin2,1、、、B2,i，、、、， Binj-1,1、、、Binj-1,i，、、、，Binj,1、、、、Binj,i，每个Bin区间表征了车辆 速度、加速度在某一区间范围的行驶工况模式，i、j值根据具体情况设定；
S103、车辆排放遥感监测系统的车辆行驶状态监测仪检测车辆速度和加 速度，依据车速和加速度值将车辆工况参数和排放遥感测试数据分配到对应 的Bin区间，在每个Bin区间内对车辆排放遥感测试结果进行统计分析；
S104、本发明实施例提供了柴油车NOx排放遥感检测方法。柴油机NOx排放中主要是NO，尤其是国Ⅰ、Ⅱ和Ⅲ排放阶段的柴油机，NOx排放中90％ 以上是NO。检测的NO2排放，可以按照当量的NO处理。国Ⅳ阶段以后的柴 油车，配装的氧化催化器使柴油车NOx排放中NO2浓度有上升趋势，但NOx排放总量仍可采用本方法。
主控计算机通过排放遥感测量仪检测的数据计算柴油车的NO排放，可 采用三种方法：①检测NO和CO2的浓度比NO/CO2；②检测单位质量燃油的 NO排放质量(g/kg燃油)；③检测NO绝对浓度(ppm)排放。
方法1：通过柴油车尾气排放遥感测量仪检测排气烟羽中CO、HC、NO 与CO2的浓度比值QCO、QHC、QNO，对于NO排放，利用NO与CO2的浓度比 值QNO可判定车辆发动机燃烧状况，以及柴油车NO排放水平；
方法2：依据碳平衡法，利用CO、HC和NO与CO2的相对体积浓度比 值QCO、QHC、QNO，以及物质的分子量，利用公式
Figure BDA0002638633040000131
计算NO基于单位质量燃料的排放质量(g/kg 燃料)，也可实时判定被检车辆的NO排放状况，其中，
Figure BDA0002638633040000132
Figure BDA0002638633040000133
方法3：根据柴油车排气烟羽中CO、HC、NO与CO2浓度比值 QCO、QHC、QNO，以及该测试工况下的柴油车发动机空燃比，利用公式
Figure BDA0002638633040000134
和
Figure BDA0002638633040000135
计算柴油车尾气中CO2和NO排放浓度，实 时判定被检车辆排放状况；
由此可见，对于柴油车NO排放遥感测量，除了通过遥感测试设备获得 NO、CO、HC与CO2的相对体积浓度比值外，还必须获知该测试工况下的车 辆柴油机空燃比AFR。计算柴油车测试工况下的柴油机空燃比可采用以下两 种方法：
(1)通过车辆行驶工况参数计算柴油机运行工况参数，确定柴油机空燃 比。
采用公式
Figure BDA0002638633040000141
计算柴油车驱动力，采用公式
Figure BDA0002638633040000142
计算发动机转速，采用公式
Figure BDA0002638633040000143
计算发动机转矩，依据发动机转矩和转速参数，及柴油机空燃比脉谱，确定 当前工况的空燃比AFR。
(2)另一种方法是基于柴油车试验测试数据，统计分析建立以柴油车的 速度和加速度为参数的空燃比脉谱模型。车辆行驶状态监测仪检测柴油车的 速度和加速度，主控计算机以柴油车的速度v和加速度a作为二维参数，通 过插值计算获得柴油车当前行驶工况下的空燃比AFR。
S105、本发明实施例提供了柴油车排气烟度遥感检测方法。柴油车排气 烟度遥感测试采用十对光电传感器光路，一侧发射十路光束，另一侧分别接 收这些光束。光源采用调制方式工作，可以有效避免环境光对测量的影响， 光束范围覆盖了绝大多数的机动车排气管高度，可以得到柴油车排气烟度的 一个垂直断面烟度分布的测量结果，透光度分为100级，排气烟度遥感测试 结果为不透光度(％)。
S106、机动车遥感数据监控平台依据前述的车速和加速度值将车辆工况 参数、NO排放和烟度排放遥感测试数据分配到对应的Bin区间，在车辆运行 范围的每个Bin区间内，采用离散型随机变量概率分布方法对车辆排放遥感 测试数据进行处理。按照在用柴油车的高排放车辆筛查比例，截取累积分布 概率为排放合格车辆的累积概率值，其对应的排放测量值作为筛查高排放车 辆的遥测排放判断阈值；
S107、统计分析柴油车遥感排放测量值超标情况，如果被测车辆的遥感 排放测试结果超过高排放车辆判断阈值，则记录为车辆排放超标，如果在规 定的测量时间周期内(例如6个月)，车辆同种污染物检测结果超过高排放 车辆判断阈值达到或超过规定次数，则判定被测车辆为高排放车辆，通知车 主维修车辆，否则可采取限制出行措施；
S108、采用柴油车工况区域的各个Bin区间内的排放统计平均值用于车 辆平均排放水平评价。遥感测试结果大数据的统计平均值有重要的实际意义， 每个Bin区间内统计平均值足以代表该类车型在该工况区域的排放真实值， 可用于车辆排放水平评价和排放量估算；
S109、超标排放柴油车经维修后排放检测合格后，则将数据库中该车的 超标排放数据删除，但需将该车型排放超标信息另行记录，用于对市场上各 类车型排放水平进行评价。
S110、机动车排放监控平台定期对在用柴油车排放超标记录信息进行统 计分析，可对市场上所有柴油车车型的排放水平及排放控制技术水平进行评 价和排序，对筛查出的排放超标记录占比较高的车型重点实施排放抽查和排 放监管。
S111、由于大数据处理系统持续不断、周而复始地筛查出一定比例的高 排放车辆并采取相应整改措施，降低了在用车辆平均排放。随着时间推移， 低排放车辆增加，老旧车淘汰，尽管各排放阶段车辆保有量组成不断变化， 由于统计分析的大数据实时更新，整体遥感排放数据的均值和中值也同步更 新，实现与各类在用车辆保有量组成结构变化和车辆整体平均排放水平同步 更新，并实现了筛查高排放车辆的遥感排放判断阈值的动态调整，这与在用 车年检排放检验标准限值相比具有实时更新的优越性，有利于对车辆排放的科学化管理。
上述步骤S101～S111中，包括：柴油车车型分类方法、柴油车工况Bin 分区方法、柴油车NO遥感检测方法、柴油车排气烟度遥感检测方法、柴油 车排放遥感测试大数据统计分析方法、高排放柴油车判定方法、高排放车型 的筛查和监管方法和车辆平均排放水平评价方法。
实施例3：
基于实施例1提供的柴油车排放遥感大数据监测系统，本发明提出一种 基于遥感大数据的柴油车排放监管方法。综合兼顾到柴油车在不同工况的排 放特性差异，提出基于柴油车不同类别、不同工况Bin区间的遥感排放大数 据处理方法，实现对柴油车排放的科学化、精细化管理。本实例以某一柴油 车类别的排放遥感测试方法及其工况Bin区间内遥感排放大数据处理方法进 行阐述：
1)依据柴油车排放遥感测试数据量和精细化管理需求，将柴油车划分为 不同类别，如附图2所示。按照车辆总质量可将柴油车划分为轻型柴油车、 中型柴油车和重型柴油车，进一步按用途可划分为轻型柴油客车、轻型柴油 货车、中型柴油客车、中型柴油货车、重型柴油客车和重型柴油货车。
本实例以某一轻型柴油客车车型的排放遥感测试结果及其工况Bin区间 内遥感排放大数据统计分析方法进行阐述。
2)本实例中轻型柴油客车运行工况的Bin分区，见图5。由于柴油车减 速时发动机进入怠速或强制怠速，可能实施断油控制策略，烟度排放大大降 低，因此本实施例中轻型柴油客车排放遥感测试条件为车辆加速度大于等于 零，该车型运行工况的Bin分区的速度范围确定为0至120km/h，加速度范围 确定为0至4.0m/s2。本实施例中该车型运行工况的Bin分区为8*12个Bin区 间(见表1)。在每个Bin区间内对该轻型柴油客车实际道路排放测试条件下 的空燃比数据进行统计处理，得到该车型运行工况的各个Bin区间的平均空 燃比，用于后续的NOx排放遥感测试反演计算。为了方便起见，后续该轻型 柴油客车排放的遥感大数据统计分析，也采用相同运行工况Bin分区方法。
轻型柴油客车运行工况的Bin分区方法，速度每10km为一个速度区间， 共12个速度区间，加速度每区间0.5m/s2，共8个加速度区间，共96个Bin 分区。对于空燃比脉谱，在每个Bin分区都有一个空燃比的统计平均值。
表1轻型柴油客车运行工况的Bin分区
Bin序号 速度区间(km/h) 加速度区间(m/s<sup>2</sup>)
Bin<sub>1,1</sub> 0≤v<10 0≤a<0.5
Bin<sub>1,2</sub> 10≤v<20 0≤a<0.5
Bin<sub>1,3</sub> 20≤v<30 0≤a<0.5
、、、 、、、 、、、
Bin<sub>1,12</sub> 110≤v≤120 0≤a<0.5
Bin<sub>2,1</sub> 0≤v<10 0.5≤a<1
Bin<sub>2,2</sub> 10≤v<20 0.5≤a<1
、、、 、、、 、、、
Bin<sub>2,12</sub> 110≤v≤120 0.5≤a<1
、、、 、、、 、、、
Bin<sub>8,12</sub> 110≤v≤120 3.5≤a≤4
3)本实施例中，主控计算机通过车牌摄像仪拍摄车牌和车型图像，识别 被检车辆的相关信息，包括车型、车辆配置等参数，确定被检车辆的类别。
4)车辆行驶状态监测仪检测柴油车的速度和加速度，主控计算机以柴油 车的速度v和加速度a作为参数，通过二维插值计算柴油车当前行驶工况的 空燃比AFR。
5)主控计算机计算柴油车NOx排放。可采用三种方法：①检测NO和 CO2的浓度比NO/CO2；②检测单位质量燃油的NO排放(g/kg燃油)；③检 测NO绝对浓度(ppm)排放。
方法1，检测排气烟羽中CO、HC、NOx与CO2的排放浓度比值，依据 NOx与CO2的排放浓度比值可实时判断被检车辆排放状况。
柴油车排气烟羽中气态排放物各成分相对体积浓度比为：
Figure BDA0002638633040000171
Figure BDA0002638633040000181
Figure BDA0002638633040000182
式中，QNO、QCO、QHC分别为排气烟羽中CO、HC和NO与CO2的相对 体积浓度比值，CCO、CHC、CNO和CO2分别为排气烟羽中CO、HC和NOx与 CO2的浓度。
方法2，检测柴油车消耗单位质量燃油的NO排放质量(g/kg燃油)，实 时判断被检车辆排放状况。
依据碳平衡法，可计算柴油车单位质量燃油的NO排放质量：
Figure BDA0002638633040000183
因此，检测柴油车消耗单位质量燃油的NO排放质量也可实时判定被检 车辆NO排放状况。
方法3，检测柴油车排气中的NO绝对浓度排放，实时判断被检车辆排放 状况。
主控计算机计算柴油车排气烟羽中CO、HC、NOx与CO2的排放浓度比 值，车辆行驶状态监测仪检测柴油车的速度和加速度，主控计算机以柴油车 的速度和加速度为参数通过二维插值计算柴油车当前行驶工况的空燃比。
柴油车排气中CO2体积百分比浓度为：
Figure BDA0002638633040000184
柴油车排气中的NO绝对浓度(体积百分比浓度)通过下式计算：
Figure BDA0002638633040000185
因此，对于柴油车NO等气态排放物遥感实时测量，除了通过遥感测试 设备获得NO、CO、HC与CO2的相对体积浓度比值外，还必须获知该测试工 况下的柴油机燃烧过程的空燃比。
柴油车NO排放计算方法举例见表2：对于柴油车NO单次遥感测试，主 控计算机以柴油车的速度v和加速度a为参数通过二维插值计算柴油车当前 行驶工况的空燃比AFR，通过公式(4)计算当前行驶工况下单位质量燃油的 NO排放质量(g/kg fuel)，采用公式(5)和(6)计算得出柴油车排气中CO2和NO的排放浓度，计算结果见表2所示。
表2柴油车尾气排放物CO2和NO计算结果
Figure BDA0002638633040000191
本发明提出了柴油车尾气中NO排放浓度反演计算方法，通过柴油车尾 气排放遥感测量仪测得的柴油车排气烟羽中污染物信息，以及测试工况下柴 油机空燃比，计算得到柴油车尾气中NO排放浓度。该方法适用于装用柴油 机的各类机动车辆的尾气排放检测，具有操作方便、快速、高效的特点。
6)柴油车尾气排放遥感测量仪检测柴油车排气烟度
柴油车排气烟度遥感测试采用十对光电传感器光路，一侧发射十路光束， 另一侧分别接收这些光束。光源采用调制方式工作，有效避免了环境光对测 量的影响，光束范围覆盖了绝大多数的机动车排气管高度，得到柴油车排气 烟度的一个垂直断面烟度分布的测量结果，透光度分为100级，排气烟度遥 感测试结果为不透光度(％)。
7)本发明实施例提供了基于遥感大数据的柴油车尾气排放监测方法，主 控计算机将测得的柴油车速度和加速度、NOx测试值、烟度测试值和车辆类 别参数发送给机动车遥感数据监控平台，机动车遥感数据监控平台依据车辆 类别参数、车辆速度和加速度，将车辆行驶工况参数、NOx测试值、烟度测 试值分配至该类车型行驶工况的Bin分区内，进行计算和统计分析。
8)在车辆行驶工况的每个Bin区间内对车辆排放遥感测试结果进行统计 分析。
柴油车自由加速工况排气烟度测试是传统的在用柴油车年检和抽检方 法。由于自由加速工况非柴油车正常行驶工况，因此单独设置一个Bin分区， 在此分区内对柴油车自由加速工况排烟的不透光度进行统计分析。
将每个检测到的不透光度数据作为离散型随机变量处理，统计每个排放 数据的取值概率，得到每个不透光度测量值的概率分布密度，计算不透光度 测量值的累积分布概率。轻型柴油客车自由加速工况排气不透光度测量值的 累积分布概率分析如图6所示。
9)高排放柴油车排放判断阈值选择分析
本实施例依然以轻型柴油客车自由加速工况排气不透光度测量值统计分 析结果为例进行分析。依据轻型柴油客车自由加速工况的排气不透光度遥感 测量值累积分布概率曲线，对轻型柴油客车自由加速工况排气不透光度的高 排放车辆筛选阈值进行分析，见表3所示。
表3柴油客车自由加速工况排气不透光度高排放车辆筛选阈值进行分析
Figure BDA0002638633040000201
鉴于目前车辆遥感测试存在较高误判率的问题，目前遥感测试结果只筛 查比例占5％的高排放车辆，本例以单独控制自由加速工况排气烟度为目标进 行分析。
筛查比例为5％的高排放车辆，即在自由加速工况排气烟度测量值累积概 率分布曲线上截取累积分布概率在95％的排放测量值，作为筛查高排放柴油 车排气不透光度遥感监测判断阈值。在该Bin区间内若排气不透光度遥感测 试值超过该高排放车辆筛查阈值，则记录被测柴油车排放超标。
每个Bin区间内排放遥感测试数据和统计分析结果始终处于动态更新过 程，为了分析方便，暂且按静态处理。如果以筛查5％高排放车辆为控制目标， 高排放车辆自由加速工况排气不透光度的遥感测试结果判断阈值为24％。若 判定的高排放车辆维修后排放达标，则筛除5％高排放车辆数据后的自由加速 工况排气不透光度从最大值28％降至24％，排气不透光度数据统计平均值从 16.1％降至15.3％。
如果按照在用车标准修订中排放限值的确定原则，高排放车辆比例划定 在10％～20％之间，以15％为例，截取累积分布概率85％对应的排放测量值， 作为筛查高排放车辆排气不透光度遥感测试判断阈值为21％，则筛除15％高 排放车辆数据后的自由加速工况排气不透光度从最大值28％降至21％,排气不 透光度数据统计平均值从16.1％降至14.08％。
10)高排放柴油车排放判断阈值综合分析
由于每辆柴油车辆排放遥感测试值是一组数据(NO和排气烟度)，因此 可能存在只有一种排放超标而另外一种达标的情况，或两种排放均超标。因 此，如果车辆的NO和烟度排放均按照5％高排放车辆判断阈值进行筛查，其中 一种排放超标就判定为高排放车辆，则实际筛查出的高排放车辆比例大于5％； 而若以两种排放均超标才判定为高排放车辆，则实际筛查出的高排放车辆比 例小于5％。因此，必须通过后续试验测试适当调整NO和排气烟度的高排放车 辆判断阈值，使实际筛查出的高排放车辆比例控制5％。
11)高排放柴油车判定
如果在规定的时间周期内超标排放记录次数达到判定次数，例如参考HJ 845-2017标准，遥感检测结果表明连续两次及以上同种污染物检测结果超过 标准规定的排放限值，且测量时间间隔在6个自然月内，则判定受检车辆排 放不合格，并判定为高排放车辆，通知车主修理车辆，否则可采取限制出行 措施。
该车维修后排放检测合格，则将数据库中该车的超标排放数据删除，而 该车型排放超标信息另行记录，用于对各种车型排放水平进行综合评价。
12)在用车各种车型排放水平综合评价
机动车排放监控平台定期统计各种车型排放超标信息记录，可对市场上 所有车型的排放超标次数和排放水平进行排序和评价。对排放超标信息记录 占比较高的车型重点实施排放抽查和排放监管。
13)每个Bin区间排放统计平均值用于车辆排放水平评价
车辆行驶工况的Bin区间内的遥感监测数据的统计平均值，可通过离散 型随机变量的统计平均值的公式计算：
Figure BDA0002638633040000221
遥感监测数据的统计平均值是所有数据的加权平均，不仅要考虑每个遥 感监测数据的取值，还要考虑到它取值的概率。
随着每个Bin内储存的遥感测试数据数量快速增加，应用概率统计分析 方法获得的统计平均值代表该类车型在该工况Bin区域的排放真实值，可用 于车辆排放水平评价和排放量估算。此时，随机的排放测试结果围绕统计平 均值的涨落对于每个Bin的统计平均值的影响小到可以忽略不计，每个Bin 的统计平均值具有极好的鲁棒性。
14)每个Bin区间内遥感排放判断阈值的动态更新
车辆行驶工况的每个Bin区间内遥感排放数据实时更新，由于筛查高排 放车辆的操作周而复始进行，筛查出的高排放车辆强制维修或淘汰，可降低 整体车辆的平均排放。随着时间推移，低排放车辆增加，老旧车淘汰，车辆 保有量组成结构变化，由于遥感测试数据统计分析实时更新，即可实现筛查 高排放车辆的遥感排放判断阈值的动态调整，与车辆平均排放水平和车辆保 有量组成结构变化同步。这与在用车年检排放检验标准限值相比具有实时更 新的优越性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都 是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。 对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述 的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种柴油车排放遥感大数据监测系统，其特征在于，包括：机动车遥感数据监控平台、主控计算机、排放遥感测量仪、车辆行驶状态监测仪、信息显示屏和车牌摄像仪；所述排放遥感测量仪、所述车辆行驶状态监测仪、所述信息显示屏和所述车牌摄像仪均与所述主控计算机连接，且所述主控计算机通过互联网与所述机动车遥感数据监控平台连接；
所述排放遥感测量仪用于采集被检车辆的排气烟羽中污染物信息；
所述车辆行驶状态监测仪用于采集被检车辆的速度和加速度；
所述信息显示屏用于显示被检车辆的相关信息；
所述车牌摄像仪用于捕获被检车辆的车牌信息；
所述主控计算机用于采集信息和数据处理，完成排气烟羽中污染物浓度的计算；
所述机动车遥感数据监控平台用于接收主控计算机传输的车辆工况信息和排放数据，判断高排放车辆，同时存储相关信息至数据库，所述数据库预先存储有所有柴油车的车辆信息、每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设置的高排放阈值，其中，所述机动车遥感数据监控平台确定每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设置的高排放阈值的具体过程为：
步骤a：按照车辆总重量对柴油车进行分类：
步骤b：依据遥感测试数据量和监管需要将每一类别柴油车的行驶工况范围以速度和加速度为参数划分为m*j个区间，每个区间为一个Bin分区；
步骤c：采用离散型随机变量的概率分布方法，对排放数据进行处理：
将每个检测到的车辆排放遥感测试数据作为离散型随机变量，设x1，x2，...，xn为离散型排放数据变量x的取值，p1，p2，...，pn为对应上述取值的概率，实时计算各离散型排放数据变量xi的概率分布pi，每个离散型排放数据变量xi的概率分布表示为：
P(xi)＝pi (11)
式中：i＝1，2，...，n；
概率pi满足条件：
Figure FDA0003162749560000021
离散型排放数据变量x的概率分布函数f(x)作为累积分布概率：
Figure FDA0003162749560000022
离散型排放数据变量x的值落在[a，b]之内的概率为：
p(a≤x≤b)＝f(b)-f(a). (14)
设定高排放车辆比例在y％，截取累积分布概率在(100-y)％的排放测量值作为筛查高排放车辆的排放判断阈值。
2.根据权利要求1所述的一种柴油车排放遥感大数据监测系统，其特征在于，所述排放遥感测量仪采用垂直或水平式光路，设置在车辆的经过区域，包括检测光发射装置、检测光接收装置以及检测光反射装置，所述检测光发射装置和所述检测光反射装置相对设置，所述检测光发射装置和所述检测光接收装置位于同一侧，且所述检测光发射装置和所述检测光接收装置均与所述主控计算机连接；
所述检测光发射装置用于发射检测光；
所述检测光反射装置用于将检测光反射至所述检测光接收装置上；
所述检测光接收装置用于检测穿过排气烟羽的检测光强度。
3.一种基于权利要求1或2所述的柴油车排放遥感大数据监测系统的监测方法，其特征在于，包括：
步骤1：车辆行驶状态监测仪检测被检车辆的速度和加速度，排放遥感测量仪检测穿过排气烟羽的检测光强度，车牌摄像仪捕获被检车辆的车牌信息，并将上述信息传输至主控计算机中；
步骤2：所述主控计算机根据排放遥感测量仪测得的检测光强度计算排气烟羽中CO、HC、NO与CO2的浓度比，以及依据被检车辆的速度、加速度和车辆类别确定被检车辆柴油机的空燃比，计算确定NO排放水平；依据排气烟羽的不透光度计算柴油车排气烟度；
步骤3：机动车遥感数据监控平台接收主控计算机发送的被检车辆车型、行驶工况和排放信息，确定被检车辆的类型，并依据车速和加速度值将车辆工况参数、NO排放和排气烟度数据分配到对应车型的Bin区间，对排放数据进行统计分析，并筛查高排放车辆，实现对高排放车辆的监管；其中，每一类别柴油车不同行驶工况Bin分区以及针对不同Bin分区设置的高排放阈值的确定方法为：
步骤a：按照车辆总重量对柴油车进行分类：
步骤b：依据遥感测试数据量和监管需要将每一类别柴油车的行驶工况范围以速度和加速度为参数划分为m*j个区间，每个区间为一个Bin分区；
步骤c：采用离散型随机变量的概率分布方法，对排放数据进行处理：
将每个检测到的车辆排放遥感测试数据作为离散型随机变量，设x1，x2，...，xn为离散型排放数据变量x的取值，p1，p2，...，pn为对应上述取值的概率，实时计算各离散型排放数据变量xi的概率分布pi，每个离散型排放数据变量xi的概率分布表示为：
P(xi)＝pi (11)
式中：i＝1，2，...，n；
概率pi满足条件：
Figure FDA0003162749560000041
离散型排放数据变量x的概率分布函数f(x)作为累积分布概率：
Figure FDA0003162749560000042
离散型排放数据变量x的值落在[a，b]之内的概率为：
p(a≤x≤b)＝f(b)-f(a). (14)
设定高排放车辆比例在y％，截取累积分布概率在(100-y)％的排放测量值作为筛查高排放车辆的排放判断阈值。
4.根据权利要求3所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，步骤2中NO排放水平的检测包括检测NO与CO2的浓度比，或检测消耗单位质量燃油的NO排放质量，或检测尾气中NO绝对浓度。
5.根据权利要求4所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，NO与CO2的浓度比QNO为：
Figure FDA0003162749560000043
式中，CNO和
Figure FDA0003162749560000045
分别为排气烟羽中NO与CO2的浓度。
6.根据权利要求4所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，消耗单位质量燃油的NO排放质量EFNO为：
Figure FDA0003162749560000044
式中，QNO、QCO、QHC分别为排气烟羽中NO与CO2、CO与CO2、HC与CO2的浓度比值；
Figure FDA0003162749560000051
Figure FDA0003162749560000052
Figure FDA0003162749560000053
式中，CNO、
Figure FDA0003162749560000054
CCO、CHC分别为排气烟羽中NO、CO2、CO、HC的浓度。
7.根据权利要求4所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，检测尾气中NO绝对浓度的具体计算过程为：
步骤a：计算排气中CO2体积百分比浓度：
Figure FDA0003162749560000055
式中，AFR表示空燃比，QCO、QHC分别为排气烟羽中CO与CO2、HC与CO2的浓度比值，
Figure FDA0003162749560000056
步骤b：计算排气中NO绝对浓度：
Figure FDA0003162749560000057
式中，QNO表示NO与CO2的浓度比值，
Figure FDA0003162749560000058
8.根据权利要求7所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，空燃比AFR的计算包括两种计算方法，第一种计算方法的过程为：
步骤a：通过车辆行驶动力学模型将车辆的速度和加速度转换为发动机转速和发动机转矩；
Figure FDA0003162749560000059
式中，n表示发动机转速，v是车速，ig是变速箱传动比，i0是主减速比，r是轮胎滚动半径；
Figure FDA0003162749560000061
式中，ηT为传动系统机械效率，Ft表示车辆驱动力，依据车辆行驶动力学方程计算车辆驱动力：
Figure FDA0003162749560000062
式中，CD为阻力系数，Af为车辆迎风面积，ρa为空气密度，v为车速，vw为风速，m是车辆质量，a是车辆加速度，εi为动力总成旋转部件的质量转换系数，g为重力加速度，
Figure FDA0003162749560000063
为道路坡度，CR为轮胎的滚动阻力系数；
步骤b：建立以发动机转矩和转速为参数变量的空燃比脉谱，用测试工况下柴油车发动机转矩和转速对空燃比脉谱插值计算，获得柴油车测试工况下发动机的瞬时空燃比；
第二种计算方法为：
将被检车辆的速度和加速度作为二维参数代入预先存储的以速度和加速度为参数建立的空燃比脉谱模型中，通过插值计算获得柴油车当前行驶工况下的空燃比。
9.根据权利要求8所述的一种柴油车排放遥感大数据监测系统的 监测方法，其特征在于，如果被检车辆的NO排放水平或者排气烟度超过对应车型对应工况中Bin区间设定的高排放阈值，说明被检车辆排放超标。
CN202010832913.5A 2020-08-18 2020-08-18 一种柴油车排放遥感大数据监测系统及监测方法 Active CN112113912B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010832913.5A CN112113912B (zh) 2020-08-18 2020-08-18 一种柴油车排放遥感大数据监测系统及监测方法
PCT/CN2020/110190 WO2022036621A1 (zh) 2020-08-18 2020-08-20 一种柴油车排放遥感大数据监测系统及监测方法
US17/166,531 US20220057373A1 (en) 2020-08-18 2021-02-03 System and method for monitoring diesel vehicle emissions based on big data of remote sensing
GB2103837.7A GB2598649A (en) 2020-08-18 2021-03-19 System and method for monitoring diesel vehicle emissions based on big data of remote sensing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010832913.5A CN112113912B (zh) 2020-08-18 2020-08-18 一种柴油车排放遥感大数据监测系统及监测方法

Publications (2)

Publication Number Publication Date
CN112113912A CN112113912A (zh) 2020-12-22
CN112113912B true CN112113912B (zh) 2021-08-31

Family

ID=73805040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010832913.5A Active CN112113912B (zh) 2020-08-18 2020-08-18 一种柴油车排放遥感大数据监测系统及监测方法

Country Status (4)

Country Link
US (1) US20220057373A1 (zh)
CN (1) CN112113912B (zh)
GB (1) GB2598649A (zh)
WO (1) WO2022036621A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112730748B (zh) * 2020-12-25 2022-12-09 中汽研汽车检验中心（天津）有限公司 一种基于工况选择的大规模筛查重型柴油车高NOx排放方法
CN112924349A (zh) * 2021-01-27 2021-06-08 安徽优思天成智能科技有限公司 一种柴油车图像烟度检测方法及系统
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
CN113158125B (zh) * 2021-03-31 2022-12-27 中汽研汽车检验中心（天津）有限公司 一种基于车联网的柴油车NOx排放评测方法
CN113311114B (zh) * 2021-05-27 2023-04-14 河南省计量科学研究院 尾气遥测装置移动校准检测系统
CN113984967A (zh) * 2021-10-25 2022-01-28 河北先河环保科技股份有限公司 船舶尾气监测方法、装置、系统、终端及存储介质
CN114019113B (zh) * 2022-01-04 2022-05-17 杭州春来科技有限公司 一种基于多模数据修正的机动车尾气动态监测方法及装置
CN114577482A (zh) * 2022-02-28 2022-06-03 东风汽车有限公司东风日产乘用车公司 台架测量车辆排放物方法、电子设备及存储介质
US11965747B2 (en) * 2022-04-19 2024-04-23 Ford Global Technologies, Llc Multimodal route data collection for improved routing
CN114965898A (zh) * 2022-06-01 2022-08-30 北京市生态环境监测中心 重型车氮氧化物和二氧化碳排放的远程在线监测方法
CN115081526A (zh) * 2022-06-16 2022-09-20 中国汽车工程研究院股份有限公司 一种机动车排放危害识别和判定的方法
CN115097071B (zh) * 2022-06-21 2023-03-21 淄博众擎大数据科技合伙企业(有限合伙) 一种重型柴油车排气污染物测试方法
CN116165350B (zh) * 2023-03-13 2023-09-29 山东交通学院 基于遥感技术的柴油车污染物检测方法、系统及设备
CN116127616B (zh) * 2023-04-19 2023-06-27 中汽研汽车检验中心(昆明)有限公司 一种柴油车道路氮氧化物尾气排放实时监控方法及系统
CN116595436A (zh) * 2023-05-17 2023-08-15 中国环境科学研究院环境技术工程有限公司 一种重型柴油车辆实际道路碳排放率统计方法及系统
CN116771477A (zh) * 2023-06-20 2023-09-19 中国环境科学研究院环境技术工程有限公司 一种重型柴油车NOx排放统计方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838971A (zh) * 2014-03-12 2014-06-04 中国航天系统工程有限公司 一种城市路网动态交通能耗及排放的计算方法
CN104715605A (zh) * 2015-02-16 2015-06-17 北京交通大学 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统
CN106770059A (zh) * 2016-11-16 2017-05-31 浙江多普勒环保科技有限公司 一种基于燃烧方程修正算法的机动车尾气遥感检测方法
CN110967320A (zh) * 2019-11-06 2020-04-07 北京理工大学 一种柴油车气态排气污染物遥感检测系统及方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102445518A (zh) * 2010-10-09 2012-05-09 胡建华 内燃机尾气在线测量诊断方法及设备
CN105181343B (zh) * 2015-05-25 2017-10-13 中国环境科学研究院 适用于装有obd的重型汽车的简易车载排放测试方法
CN109443779A (zh) * 2018-11-07 2019-03-08 中国汽车技术研究中心有限公司 一种动态诊断、提取柴油车实际运行nox高排放恶劣工况的方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838971A (zh) * 2014-03-12 2014-06-04 中国航天系统工程有限公司 一种城市路网动态交通能耗及排放的计算方法
CN104715605A (zh) * 2015-02-16 2015-06-17 北京交通大学 一种基于vsp分布的交通运行数据与排放数据耦合方法与系统
CN106770059A (zh) * 2016-11-16 2017-05-31 浙江多普勒环保科技有限公司 一种基于燃烧方程修正算法的机动车尾气遥感检测方法
CN110967320A (zh) * 2019-11-06 2020-04-07 北京理工大学 一种柴油车气态排气污染物遥感检测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
北京市机动车排放遥感监测分析;周昱 等;《环境污染治理技术与设备》;20051031;第6卷(第10期);第91-94页 *
电子节气门系统建模与先进控制方法研究;黄永刚;《中国优秀硕士论文全文数据库 工程科技II辑》;20180415(第04期);第I-III页 *

Also Published As

Publication number Publication date
GB202103837D0 (en) 2021-05-05
GB2598649A (en) 2022-03-09
US20220057373A1 (en) 2022-02-24
WO2022036621A1 (zh) 2022-02-24
CN112113912A (zh) 2020-12-22

Similar Documents

Publication Publication Date Title
CN112113912B (zh) 一种柴油车排放遥感大数据监测系统及监测方法
US11226289B2 (en) Remote sensing-based detection system and method for gaseous pollutant from diesel vehicle exhaust
CN112113911B (zh) 点燃式发动机汽车尾气排放遥感大数据检测方法和系统
Carslaw et al. Recent evidence concerning higher NOx emissions from passenger cars and light duty vehicles
CN105806627A (zh) 一种车载排放测试装置及其测试方法
López-Martínez et al. Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid
CN109489978B (zh) 一种基于V-a工况的柴油机车多种排放检测方法的多源数据关联分析方法
CN108226046A (zh) 一种机动车尾气遥测结果修正方法
CN111122171A (zh) 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法
CN105912862A (zh) 一种尾气排放量检测方法及大气污染分析方法和装置
Zhang et al. Evaluating the ammonia emission from in-use vehicles using on-road remote sensing test
CN108827642A (zh) 排气分析装置、系统、方法、存储介质和信息处理装置
Sim et al. Co-benefit potential of urban CO2 and air quality monitoring: A study on the first mobile campaign and building monitoring experiments in Seoul during the winter
CN115983720A (zh) 基于海拔和温度的汽车排放性能检测方法
KR101708329B1 (ko) 연식 적합성을 고려한 운행차 배출가스 정밀검사 질량 환산 방법
Vogel et al. Comparison of measured and calculated motorway emission data
Ahn et al. Microframework for modeling of high-emitting vehicles
Ragatz et al. Aerodynamic drag reduction technologies testing of heavy-duty vocational vehicles and a dry van trailer
Borken-Kleefeld Guidance note about on-road vehicle emissions remote sensing
Shen et al. Evaluation of a cost-effective roadside sensor platform for identifying high emitters
CN107832495A (zh) 基于车辆轨迹数据的机动车尾气污染物排放量计算方法
Vojtisek-Lom et al. On-road detection of trucks with high NOx emissions from a patrol vehicle with on-board FTIR analyzer
KR101756791B1 (ko) 오염물질 배출농도의 질량 환산 결과를 이용한 연비계산 방법
KR101782934B1 (ko) 희석보정계수 및 연식 적합성을 고려한 운행차 정밀검사 질량 환산 방법
Schifter et al. Trends in exhaust emissions from in-use Mexico City vehicles, 2000–2006. A remote sensing study

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