CN112730813A - 一种基于obd系统的远程监控平台的加油点油品分析方法 - Google Patents
一种基于obd系统的远程监控平台的加油点油品分析方法 Download PDFInfo
- Publication number
- CN112730813A CN112730813A CN202011562071.2A CN202011562071A CN112730813A CN 112730813 A CN112730813 A CN 112730813A CN 202011562071 A CN202011562071 A CN 202011562071A CN 112730813 A CN112730813 A CN 112730813A
- Authority
- CN
- China
- Prior art keywords
- point
- vehicle
- refueling
- nox
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 title claims abstract description 10
- 239000007788 liquid Substances 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 25
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 238000013500 data storage Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 239000002828 fuel tank Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 241001061225 Arcos Species 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- 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
- G01N33/26—Oils; Viscous liquids; Paints; Inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于OBD系统的远程监控平台的加油点油品分析方法,所述方法包括步骤S10、通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过40%时的位置点来反推加油点位置点,位置点500m范围以内认为是同一加油点;其中,所述发动机数据流信息包括油箱液位、定位状态、经度和纬度;步骤S20、获取到加油点位置之后,分析所有在该加油点加油车辆的NOx排放情况;其中,NOx的实时排放值即为车载终端上传的SCR下游NOx传感器输出值;步骤S30、根据评估条件对油品质量进行评估,评估结果包括“一般”、“较好”和“较差”三种。
Description
技术领域
本发明提出了一种基于OBD系统的远程监控平台的加油点油品分析方法,属于油品分析技术领域。
背景技术
OBD(On Board Diagnostics)中文意思是车载自动诊断系统,这套系统能在车辆运行过程中实时监测发动机电控系统及车辆其他功能模块的工作状况,如发现工况异常,根据特定算法判断出具体故障存储在系统内的存储器中。OBD的作用目前主要有两种:一是为维修人员提供检测接口,二是用来测定车辆排放。
OBD车载终端同时采用OBD诊断技术、定位技术(GPS或北斗)、GPRS移动数据通讯技术,可安装于车辆OBD诊断接口上,不间断与车辆行车电脑进行通讯,读取车辆行车信息,随时监控车辆运行指标,通过物联网卡将数据传输到监控平台,从而实现对车辆远程跟踪和诊断作用。
OBD车载终端可采集到的信息包括OBD诊断数据、车辆实时数据流、车辆定位信息。OBD诊断数据主要来源于对车辆自带系统、传感器等的监控,获取监控到的支持状态及对应的故障码;车辆实时数据流是指车辆运行过程中的主要数据,包含排放相关的数据,如车速、大气压力、发动机扭矩、发送机转速、发送机燃料流量、NOx排放、尿素箱液位、进气量、催化反应室温度、发动机冷却液温度、DPF压差、油箱液位、定位状态及经纬度、累计里程等主要数据。
对于重型柴油车,OBD车载终端获取的车辆实时数据流中包含车辆行驶中产生的关键发动机参数及排放参数,针对其中的部分参数进行分析计算,可有效分析车辆使用的燃油对NOx排放造成的影响。随着环境日益恶化,国家对环境的保护越来越重视,尤其是对车辆尾气的排放控制提出了更高标准的要求,如果使用质量较差的燃油则会导致NOx排放超标,重型柴油车司机不容易分辨出油品的质量且没有参考依据,因此很难选择到油品质量好的加油点进行加油。
发明内容
本发明提供了一种基于OBD系统的远程监控平台的加油点油品分析方法,能够对燃油质量进行评估并提供参考依据,所采取的技术方案如下:
本发明提出的一种基于OBD系统的远程监控平台的加油点油品分析方法,所述方法包括:
步骤S10、通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过设定的位置点来反推加油点位置点,位置点设定的范围以内认为是同一加油点;其中,所述发动机数据流信息包括油箱液位、定位状态、经度和纬度;
步骤S20、获取到加油点位置之后,分析所有在该加油点加油车辆的NOx排放情况;其中,NOx的实时排放值即为车载终端上传的SCR下游NOx传感器输出值;
步骤S30、根据评估条件对油品质量进行评估,并反馈评估结果。
进一步地,步骤S10所述的通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过设定的位置点来反推加油点位置点,位置点设定的范围以内认为是同一加油点,包括:
步骤S101、设A车辆每次上传的发动机数据信息流中,油箱液位百分比为Li、SCR下游NOx传感器输出值为Pi,经度为Xi,纬度为Yi;
步骤S102、计算A车辆两次油箱液位波动差ΔL,如果ΔL>40%,则确定(Xi+1,Yi+1)这个点属于一个加油点;其中,ΔL=Li+1-Li;
步骤S103、计算获得两个加油点经纬度为支点的距离d,如果d<500,则标记两个加油点为一个加油点,且该加油点的位置默认为最初始加油点的经纬度(Xm,Ym);其中,两个加油点经纬度为支点的距离d通过如下公式获取:
d=R·arcos[cos(Ym)·cos(Yn)·cos(Xm-Xn)+sin(Ym)·sin(Yn)]
其中,R表示地球半径,且R=6371.0km;Xm,Ym和Xn,Yn分别表示两个加油点的经纬度。
进一步地,步骤S20所述的分析所有在该加油点加油车辆的NOx排放情况包括:
步骤S201、筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比;
步骤S202、统计所有在该点加油的车辆,在该点加完油之后至下次加油期间,行驶过程中的NOx排放均值。
进一步地,筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比,包括:
步骤S2011、设加油点α共有M辆车加过油,标记A车辆为M辆车中的一辆车;
步骤S2012、根据A车辆每次在加油点α加油后上传的n次NOx排放数据,获取每次A车加油后n次上传NOx排放数据对应的NOx的均值为:
其中,ZAi表示每次A车加油后n次上传NOx排放数据对应的NOx的均值;Pi表示A车车载终端每次上传的NOx排放瞬时值;n为>0的整数;
步骤S2013、当A车辆在加油点α加油N次后,N次加油后的NOx的均值为:
步骤S2014、利用步骤S2013的方式获取在加油点α加油的所有车辆的N次加油后的NOx的均值,并利用所有车辆的N次加油后的NOx的均值计算获取,在加油点α加过油的所有车辆,加油后的NOx排放均值:
步骤S2015、通过步骤S2012至步骤S2014的方式获取在加油点α加油的所有车辆在除加油点α以外的其他加油点的N次加油后的NOx的均值,并将与进行比较,如果分别对应小于 则将对应车辆分别标记为“严重”;
步骤S2016、统计所有在加油点α加过油且表现为“严重”的车辆数量,并记为m,计算占比Z为:
其中,Z表示占比值。
进一步地,步骤S30所述的评估条件包括:
条件一:同一排放阶段车辆NOx排放均值高于标准值(国五车1000ppm、国六车550ppm,国四车1250ppm);
条件二:加油后排放严重车辆占比>25%;
其中,两个条件都满足的油品评估为“较差”,满足其中任一个条件油品为“一般”,均不满足为的油品为“较好”。
进一步地,所述方法还包括:采集车辆数据信息,并利用采集的车辆数据信息进行数据存库,并对所述数据存库中的车辆数据信息进行聚类计算分析,根据计算分析结果这对加油点加油的车辆信息进行分组,包括:
步骤A1、采集车辆数据信息,所述车辆数据信息包括车架号、加油点地址、加油点区县编号、加油次数、NOx排放均值、加油时间、经纬度、国标号、车牌号、加油量、本次加油行驶的里程数、本次加油NOx排放均值较之前严重次数;并将所述车辆数据信息存储至数据库中;
步骤A2、对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息。
进一步地,对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息,包括:
步骤A201、按照加油点地址进行分组,并根据车架号对每个加油点分组后的数据进行再次分组,再次分组后的车架号数量即为该加油点的加油的车辆数量;
步骤A202、再次分组后的与车架号对应的每条数据代表一次加油次数,对加油次数进行求和;
步骤A203、过滤出每个加油点加油的NOx排放举止较之前严重车辆的数量,再根据车架号进行分组,统计出NOx排放均值较之前严重车辆的占比;
步骤A204、把每个加油点加油的车辆信息根据国标进行分组,包括:
步骤A2041、按照国标统计出加油的次数;
步骤A2042、按照国标统计出加油后排放NOx均值的总量,所述加油后排放NOx均值的总量通过如下公式获取;NOx排放均值总量/加油次数=排放均值。
附图说明
图1为本发明所述方法的流程图;
图2为本发明所述分组的结构示意图一;
图3为本发明所述分组的结构示意图二;
图4为本发明所述分组的结构示意图三;
图5为本发明所述分组的结构示意图四。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
本发明实施例提出的一种基于OBD系统的远程监控平台的加油点油品分析方法,如图1-图5所示,所述方法包括:
步骤S10、通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过40%时的位置点来反推加油点位置点,位置点500m范围以内认为是同一加油点;其中,所述发动机数据流信息包括油箱液位、定位状态、经度和纬度;
步骤S20、获取到加油点位置之后,分析所有在该加油点加油车辆的NOx排放情况;其中,NOx的实时排放值即为车载终端上传的SCR下游NOx传感器输出值;
步骤S30、根据评估条件对油品质量进行评估,并反馈评估结果,评估结果包括“一般”、“较好”和“较差”三种。
其中,步骤S10所述的通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过40%时的位置点来反推加油点位置点,位置点500m范围以内认为是同一加油点,包括:
步骤S101、设A车辆每次上传的发动机数据信息流中,油箱液位百分比为Li、SCR下游NOx传感器输出值为Pi,经度为Xi,纬度为Yi;
步骤S102、计算A车辆两次油箱液位波动差ΔL,如果ΔL>40%,则确定(Xi+1,Yi+1)这个点属于一个加油点;其中,ΔL=Li+1-Li;
步骤S103、计算获得两个加油点经纬度为支点的距离d,如果d<500,则标记两个加油点为一个加油点,且该加油点的位置默认为最初始加油点的经纬度(Xm,Ym);其中,两个加油点经纬度为支点的距离d通过如下公式获取:
d=R·arcos[cos(Ym)·cos(Yn)·cos(Xm-Xn)+sin(Ym)·sin(Yn)]
其中,R表示地球半径,且R=6371.0km;Xm,Ym和Xn,Yn分别表示两个加油点的经纬度。
步骤S20所述的分析所有在该加油点加油车辆的NOx排放情况包括:
步骤1、筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比;
步骤2、统计所有在该点加油的车辆,在该点加完油之后至下次加油期间,行驶过程中的NOx排放均值。
其中,步骤1所述的筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比,包括:
步骤S2011、设加油点α共有M辆车加过油,标记A车辆为M辆车中的一辆车;
步骤S2012、根据A车辆每次在加油点α加油后上传的n次NOx排放数据,获取每次A车加油后n次上传NOx排放数据对应的NOx的均值为:
其中,ZAi表示每次A车加油后n次上传NOx排放数据对应的NOx的均值;Pi表示A车车载终端每次上传的NOx排放瞬时值;n为>0的整数;
步骤S2013、当A车辆在加油点α加油N次后,N次加油后的NOx的均值为:
步骤S2014、利用步骤S2013的方式获取在加油点α加油的所有车辆的N次加油后的NOx的均值,并利用所有车辆的N次加油后的NOx的均值计算获取,在加油点α加过油的所有车辆,加油后的NOx排放均值:
步骤S2015、通过步骤S2012至步骤S2014的方式获取在加油点α加油的所有车辆在除加油点α以外的其他加油点的N次加油后的NOx的均值:并将与进行比较,如果分别对应小于则将对应车辆分别标记为“严重”;
步骤S2016、统计所有在加油点α加过油且表现为“严重”的车辆数量,并记为m,计算占比Z为:
其中,Z表示占比值。
步骤S30所述的评估条件包括:
条件一:同一排放阶段车辆NOx排放均值高于标准值(国五车1000ppm、国六车550ppm,国四车1250ppm);
条件二:加油后排放严重车辆占比>25%;
其中,两个条件都满足的油品评估为“较差”,满足其中任一个条件油品为“一般”,均不满足为的油品为“较好”。当SCR或DPF无异常情况下则判定为车辆加油后由油品引起的车辆NOx排放值。
上述技术方案效果为:通过上述方式能够有效提高油品质量评估的准确性,以及油品质量评估的效率。简化数据计算处理的流程和计算量,提高油品质量分析响应速度。
本发明的一个实施例,所述方法还包括:采集车辆数据信息,并利用采集的车辆数据信息进行数据存库,并对所述数据存库中的车辆数据信息进行聚类计算分析,根据计算分析结果对加油点加油的车辆信息进行分组,包括:
步骤A1、采集车辆数据信息,所述车辆数据信息包括车架号、加油点地址、加油点区县编号、加油次数、NOx排放均值、加油时间、经纬度、国标号、车牌号、加油量、本次加油行驶的里程数、本次加油NOx排放均值较之前严重次数;并将所述车辆数据信息存储至数据库中;
步骤A2、对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息。
其中,对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息,包括:
步骤A201、按照加油点地址进行分组,并根据车架号对每个加油点分组后的数据进行再次分组,再次分组后的车架号数量即为该加油点的加油的车辆数量;
步骤A202、再次分组后的与车架号对应的每条数据代表一次加油次数,对加油次数进行求和;
步骤A203、过滤出每个加油点加油的NOx排放均值较之前严重车辆的数量,再根据车架号进行分组,统计出NOx排放均值较之前严重车辆的占比;
步骤A204、把每个加油点加油的车辆信息根据国标进行分组,包括国四车辆、国五车辆、国六车辆:
步骤A2041、按照国标统计出加油的次数;
步骤A2042、按照国标统计出加油后排放NOx均值的总量,所述加油后排放NOx均值的总量通过如下公式获取;NOx排放均值总量/加油次数=排放均值。
上述技术方案效果为:利用基于OBD系统的远程监控平台对每个加油点的油品进行分析,能够有效提高加油点油品分析的准确性和数据分析的全面性。一方面可以为消除排气管口冒黑烟现象、打击违法生产销售假劣油品现象提供有效参考依据,另一方面也可以为重柴车司机选择加油点提供高性价比、有经济价值的参考。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (7)
1.一种基于OBD系统的远程监控平台的加油点油品分析方法,其特征在于,所述方法包括:
步骤S10、通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过设定的位置点来反推加油点位置点,位置点在设定的范围以内认为是同一加油点;其中,所述发动机数据流信息包括油箱液位、定位状态、经度和纬度;
步骤S20、获取到加油点位置之后,分析所有在该加油点加油车辆的NOx排放情况;其中,NOx的实时排放值即为车载终端上传的SCR下游NOx传感器输出值;
步骤S30、根据评估条件对油品质量进行评估,并反馈评估结果。
2.根据权利要求1所述方法,其特征在于,步骤S10所述的通过车载终端上传的发动机数据流信息跟踪车辆油箱液位变化,利用车辆油箱液位变化超过设定的位置点来反推加油点位置点,位置点设定的范围以内认为是同一加油点,包括:
步骤S101、设A车辆每次上传的发动机数据信息流中,油箱液位百分比为Li、SCR下游NOx传感器输出值为Pi,经度为Xi,纬度为Yi;
步骤S102、计算A车辆两次油箱液位波动差ΔL,如果ΔL>40%,则确定(Xi+1,Yi+1)这个点属于一个加油点;其中,ΔL=Li+1-Li;
步骤S103、计算获得两个加油点经纬度为支点的距离d,如果d<500,则标记两个加油点为一个加油点,且该加油点的位置默认为最初始加油点的经纬度(Xm,Ym);其中,两个加油点经纬度为支点的距离d通过如下公式获取:
d=R·arcos[cos(Ym)·cos(Yn)·cos(Xm-Xn)+sin(Ym)·sin(Yn)]
其中,R表示地球半径,且R=6371.0km;Xm,Ym和Xn,Yn分别表示两个加油点的经纬度。
3.根据权利要求1所述方法,其特征在于,步骤S20所述的分析所有在该加油点加油车辆的NOx排放情况包括:
步骤S201、筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比;
步骤S202、统计所有在该点加油的车辆,在该点加完油之后至下次加油期间,行驶过程中的NOx排放均值。
4.根据权利要求3所述方法,其特征在于,筛选出这些车辆中,加油后NOx排放均值>在其他加油点加油后NOx的排放均值,统计这些车辆的数量以及该数量在该加油点加油车辆总数的占比,包括:
步骤S2011、设加油点α共有M辆车加过油,标记A车辆为M辆车中的一辆车;
步骤S2012、根据A车辆每次在加油点α加油后上传的n次NOx排放数据,获取每次A车加油后n次上传NOx排放数据对应的NOx的均值为:
其中,ZAi表示每次A车加油后n次上传NOx排放数据对应的NOx的均值;Pi表示A车车载终端每次上传的NOx排放瞬时值;n为>0的整数;
步骤S2013、当A车辆在加油点α加油N次后,N次加油后的NOx的均值为:
步骤S2014、利用步骤S2013的方式获取在加油点α加油的所有车辆的N次加油后的NOx的均值,并利用所有车辆的N次加油后的NOx的均值计算获取,在加油点α加过油的所有车辆,加油后的NOx排放均值:
步骤S2015、通过步骤S2012至步骤S2014的方式获取在加油点α加油的所有车辆在除加油点α以外的其他加油点的N次加油后的NOx的均值:并将与进行比较,如果分别对应小于则将对应车辆分别标记为“严重”;
步骤S2016、统计所有在加油点α加过油且表现为“严重”的车辆数量,并记为m,计算占比Z为:
其中,Z表示占比值。
5.根据权利要求1所述方法,其特征在于,步骤S30所述的评估条件包括:
条件一:同一排放阶段车辆NOx排放均值高于标准值;
条件二:加油后排放严重车辆占比>25%;
其中,两个条件都满足的油品评估为“较差”,满足其中任一个条件油品为“一般”,均不满足为的油品为“较好”。
6.根据权利要求1所述方法,其特征在于,所述方法还包括:采集车辆数据信息,并利用采集的车辆数据信息进行数据存库,并对所述数据存库中的车辆数据信息进行聚类计算分析,根据计算分析结果对加油点加油的车辆信息进行分组,包括:
步骤A1、采集车辆数据信息,所述车辆数据信息包括车架号、加油点地址、加油点区县编号、加油次数、NOx排放均值、加油时间、经纬度、国标号、车牌号、加油量、本次加油行驶的里程数、本次加油NOx排放均值较之前严重次数;并将所述车辆数据信息存储至数据库中;
步骤A2、对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息。
7.根据权利要求6所述方法,其特征在于,对步骤A1存储的车辆数据信息进行聚合计算,获得聚合计算结果,并根据聚合计算,按照加油点地址进行分组,每个加油点地址对应所有加油之后采集的车辆数据信息,包括:
步骤A201、按照加油点地址进行分组,并根据车架号对每个加油点分组后的数据进行再次分组,再次分组后的车架号数量即为该加油点的加油的车辆数量;
步骤A202、再次分组后的与车架号对应的每条数据代表一次加油次数,对加油次数进行求和;
步骤A203、过滤出每个加油点加油的NOx排放均值较之前严重车辆的数量,再根据车架号进行分组,统计出NOx排放均值较之前严重车辆的占比;
步骤A204、把每个加油点加油的车辆信息根据国标进行分组,包括:
步骤A2041、按照国标统计出加油的次数;
步骤A2042、按照国标统计出加油后排放NOx均值的总量,所述加油后排放NOx均值的总量通过如下公式获取;NOx排放均值总量/加油次数=排放均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562071.2A CN112730813A (zh) | 2020-12-25 | 2020-12-25 | 一种基于obd系统的远程监控平台的加油点油品分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562071.2A CN112730813A (zh) | 2020-12-25 | 2020-12-25 | 一种基于obd系统的远程监控平台的加油点油品分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112730813A true CN112730813A (zh) | 2021-04-30 |
Family
ID=75616529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011562071.2A Pending CN112730813A (zh) | 2020-12-25 | 2020-12-25 | 一种基于obd系统的远程监控平台的加油点油品分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112730813A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113404577A (zh) * | 2021-05-31 | 2021-09-17 | 厦门蓝斯通信股份有限公司 | 一种基于车联网技术据识别燃油加油点的方法及装置 |
CN114179739A (zh) * | 2021-12-24 | 2022-03-15 | 无锡伟博汽车科技有限公司 | 一种评估货车所加柴油油品质量的算法系统 |
CN116402409A (zh) * | 2023-06-07 | 2023-07-07 | 北京英视睿达科技股份有限公司 | 一种基于obd系统的加油站油品质量识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11105997A (ja) * | 1997-10-08 | 1999-04-20 | Tokico Ltd | 給油所管理システム |
CN110414860A (zh) * | 2019-08-02 | 2019-11-05 | 佛山安与科技有限公司 | 加油站油品分析方法及系统 |
CN111507864A (zh) * | 2020-04-29 | 2020-08-07 | 北理新源(佛山)信息科技有限公司 | 一种基于国六智能车载终端的加油站类型确定方法及系统 |
-
2020
- 2020-12-25 CN CN202011562071.2A patent/CN112730813A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11105997A (ja) * | 1997-10-08 | 1999-04-20 | Tokico Ltd | 給油所管理システム |
CN110414860A (zh) * | 2019-08-02 | 2019-11-05 | 佛山安与科技有限公司 | 加油站油品分析方法及系统 |
CN111507864A (zh) * | 2020-04-29 | 2020-08-07 | 北理新源(佛山)信息科技有限公司 | 一种基于国六智能车载终端的加油站类型确定方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113404577A (zh) * | 2021-05-31 | 2021-09-17 | 厦门蓝斯通信股份有限公司 | 一种基于车联网技术据识别燃油加油点的方法及装置 |
CN114179739A (zh) * | 2021-12-24 | 2022-03-15 | 无锡伟博汽车科技有限公司 | 一种评估货车所加柴油油品质量的算法系统 |
CN116402409A (zh) * | 2023-06-07 | 2023-07-07 | 北京英视睿达科技股份有限公司 | 一种基于obd系统的加油站油品质量识别方法 |
CN116402409B (zh) * | 2023-06-07 | 2023-10-24 | 北京英视睿达科技股份有限公司 | 一种基于obd系统的加油站油品质量识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112682132B (zh) | 一种基于obd系统的远程监控平台的尿素加注点尿素质量分析方法 | |
CN112730813A (zh) | 一种基于obd系统的远程监控平台的加油点油品分析方法 | |
CN111507864B (zh) | 一种基于国六智能车载终端的加油站类型确定方法及系统 | |
CN112113912A (zh) | 一种柴油车排放遥感大数据监测系统及监测方法 | |
CN109613905B (zh) | 一种动态识别重型商用车实际运行高油耗恶劣工况的方法和装置 | |
CN101963800A (zh) | 一种柴油车道路排放远程实时监测系统和监测方法 | |
CN111537412B (zh) | 排放监测装置、系统及方法 | |
CN109443779A (zh) | 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 | |
EP3140524A1 (en) | Method and system for monitoring of a physical quantity related to a particulate mass in at least one exhaust pipe | |
CN111911270A (zh) | 使用车载系统的车辆污染排放物测量方法 | |
CN104742831A (zh) | 汽车碳排放检测系统 | |
CN108763643B (zh) | 一种地区机动车排放因子计算方法 | |
CN110863890A (zh) | 一种远程诊断柴油车scr系统尿素消耗量合理性的方法 | |
CN112945309A (zh) | 基于大数据驱动的燃油加注质量的监控装置及方法 | |
CN112730748A (zh) | 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 | |
CN114991922B (zh) | 一种车辆NOx排放超标的实时预警方法 | |
CN115791212B (zh) | 通用车辆尾气排放检测方法与装置 | |
Wang et al. | Assessing heavy-duty vehicles (HDVs) on-road NOx emission in China from on-board diagnostics (OBD) remote report data | |
CN112433026B (zh) | 一种非道路移动机械的排放测试及评估方法 | |
CN115564149B (zh) | 区域机动车实际道路二氧化碳排放量的预测方法及系统 | |
CN110827444B (zh) | 适用于obd远程排放监控数据的重型车排放因子获取方法 | |
CN113743715A (zh) | 基于车联网重型车实际工况的油耗及NOx排放评价方法 | |
CN110838192B (zh) | 一种obd远程在线监控数据的修正方法 | |
CN117171921B (zh) | 柴油颗粒物尾气净化装置健康状态评估处理方法和装置 | |
CN112394040A (zh) | 一种机动车排污监管系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210430 |
|
WD01 | Invention patent application deemed withdrawn after publication |