CN114509373B - 一种汽车排气颗粒物检测方法 - Google Patents
一种汽车排气颗粒物检测方法 Download PDFInfo
- Publication number
- CN114509373B CN114509373B CN202210412904.XA CN202210412904A CN114509373B CN 114509373 B CN114509373 B CN 114509373B CN 202210412904 A CN202210412904 A CN 202210412904A CN 114509373 B CN114509373 B CN 114509373B
- Authority
- CN
- China
- Prior art keywords
- information
- acquisition
- particulate matter
- preset
- automobile exhaust
- 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
- 239000013618 particulate matter Substances 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 52
- 239000002245 particle Substances 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 6
- 238000005352 clarification Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 11
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002912 waste gas Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000791 photochemical oxidant Substances 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Theoretical Computer Science (AREA)
- Sampling And Sample Adjustment (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种汽车排气颗粒物检测方法,涉及汽车排气检测领域,包括以下步骤:步骤一:采集检测汽车排气颗粒物的道路信息进行采集分析,进行采集模式的选择;步骤二:获取到采集模式后,根据采集模式具体信息在不同位置安装好尾气颗粒物检测设备;步骤三:采集位置设置了影像采集装置,其设置在采集位置的正上方用来采集通过车辆的影像信息;步骤四:对采集的车辆影像进行综合处理,获取到单位车流量信息;步骤六:对采集到的车流量信息进行综合处理制定采集时间计划;步骤七:根据获取到采集计划进行汽车排气颗粒物数据采集,对其进行处理得到排气颗粒物评估信息。本发明能够获取到更加准确的汽车排气颗粒物检测数据且适用于不同的环境。
Description
技术领域
本发明涉及汽车排气检测领域,具体涉及一种汽车排气颗粒物检测方法。
背景技术
汽车排气检测是指对机动车怠速或工况状态时排出废气的组分、浓度进行的分析测定。机动车行驶时排出的大量有害废气是环境空气的主要流动污染源,其尾气检测是环境空气污染监测的重要组成部分。检测的项目主要为一氧化碳、氮氧化物、碳氢化合物、光化学氧化剂和烟度;
汽车排气颗粒物检测也是汽车排气检测中的重要部分,在进行汽车排气颗粒物检测过程中,需要使用到汽车排气颗粒物检测方法。
现有的汽车排气颗粒物检测方法,采集到的数据偏差较大,导致检测评估的数据不够准确,给汽车排气颗粒物检测方法的使用带来了一定的影响,因此,提出一种汽车排气颗粒物检测方法。
发明内容
本发明所要解决的技术问题在于:如何解决现有的汽车排气颗粒物检测方法,采集到的数据偏差较大,导致检测评估的数据不够准确,给汽车排气颗粒物检测方法的使用带来了一定的影响的问题,提供了一种汽车排气颗粒物检测方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
步骤一:采集检测汽车排气颗粒物的道路信息进行采集分析,进行采集模式的选择;
步骤二:获取到采集模式后,根据采集模式的具体信息在不同的位置安装好尾气颗粒物检测设备;
步骤三:在采集位置上设置了影像采集装置,影像采集装置设置在采集位置的正上方用来采集通过车辆的影像信息;
步骤四:对采集的车辆影像进行综合处理,获取到单位车流量信息;
步骤五:对采集到的车流量信息进行综合处理制定采集时间计划;
步骤六:根据获取到的采集计划进行汽车排气颗粒物数据采集,对采集的汽车排气颗粒物进行处理,得到排气颗粒物评估信息。
进一步在于,所述步骤一的道路信息包括道路宽度信息与道路限速信息,对道路信息进行处理得到采集模式,即对道路宽度信息与道路限速信息进行综合处理得到评估参数,对评估参数进行具体分析得到采集模式,所述采集模式设定好后在预设位置设置不同数量的尾气颗粒物检测设备进行尾气颗粒物信息采集,所述采集模式包括第一采集模式、第二采集模式、第三采集模式与第四采集模式。
进一步在于,所述对道路信息进行处理得到采集模式的具体过程如下:
步骤SS1:提取出采集到的道路宽度信息与道路限速信息,道路限速信息最高限速,将道路宽度信息标记为K,将道路限速信息标记为V;
步骤SS3:当评估参数大于预设值A1时,即生成第一采集模式,当评估参数在预设值A1到A2之间时,即生成第二采集模式,当评估参数在预设值A2到A3之间时,即生成第三采集模式,当评估参数小于预设值A3时,即生成第四采集模式。
进一步在于,所述第一采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装四组尾气颗粒物检测设备;
所述第二采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装三组尾气颗粒物检测设备;
所述第三采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装两组尾气颗粒物检测设备;
所述第四采集模式的具体采集设置如下:在道路一侧预设的高度设置两个尾气颗粒物检测设备;
一组尾气颗粒物检测设备为两个。
进一步在于,所述步骤四中对车辆影像进行综合处理,获取到单位车流量信息的具体过程如下:
S1:提取出获取到的车辆影像信息,车辆影像信息为预设时长内通过采集位置的车辆照片信息;
S2:对车辆照片进行清晰化处理,得到各个车辆的清晰照片信息,对清晰照片信息通过ocr识别技术识别出所有车辆的车牌信息,记录下车牌数量信息并去除掉相同的号牌信息,得到实时车牌数量信息即预设时长内通过检测点的车辆数量信息;
S3:计算出通过检测点的车辆数量信息与预设时长之间的比值得到单位车流量信息。
进一步在于,所述对车辆照片进行清晰化处理的具体过程如下:对每张采集的车辆影像信息进行下采样处理降低图像分辨率,下采样包括2倍下采样、3倍下采样、4倍下采样,当选择2倍下采样时,则图像长宽均变成原来的1/2,下采样前的图像作为高分辨率图像H,下采样后的图像作为低分辨率图像L,L和H构成的图像对用于后期模型训练,在进行模型训练时,对低分辨率图像L进行放大还原为高分辨率图像SR,然后与原始的高分辨率图像H进行比较,其差异用来调整模型的参数,通过迭代训练,使得差异最小,得到训练模型,训练完的模型用来对新的低分辨率图像进行重建,得到高分辨率图像,即清晰车辆影像信息。
进一步在于,所述采集时间计划包括第一采集计划、第二采集计划与第三采集计划,所述采集时间计划的具体过程如下:当单位车辆车流量大于预设值时,即生成第一采集计划,当单位车辆车流量在预设值范围内时,即生成第二采集计划,当单位车辆车流量小于预设值时,即生成第三采集计划。
进一步在于,所述第一采集计划的具体内容为:每隔预设时长T1即采集一次汽车排气颗粒物信息,连续采集x1次,所述第二采集计划的具体内容为:每隔预设时长T2即采集一次汽车排气颗粒物信息,连续采集x2次,所述第三采集计划的具体内容为:每隔预设时长T3即采集一次汽车排气颗粒物信息,连续采集x3次;
T1>T2>T3,x1>x2>x3。
进一步在于,所述排气颗粒物评估信息的包括一级评估信息、二级评估信息与三
级评估信息,所述排气颗粒物评估信息的具体处理过程如下:提取出采集到的汽车排气颗
粒物数据,汽车排气颗粒物数据中包含了多个排气颗粒物的含量信息,将采集模式选定后
的颗粒物采集设备数量标记m1,将采计划中采集次数标记为m2,m1*m2=m,将排气颗粒物的
含量信息标记为G,去除掉G1到Gm中的最大值和最小值,将剩余的排气颗粒物的含量信息数
量标记为r,通过公式,即得到排气颗粒
评估值Gg,β为修正值,0.9≤β≤1.1,β与空气本身颗粒物含量大小成正比,当排气颗粒评估
值Gg大于预设值时,即生成一级评估信息,当排气颗粒评估值Gg在预设值范围内时,即生成
二级评估信息,当排气颗粒评估值Gg小于预设值时,即生成三级评估信息。
进一步在于,所述一级评估信息的具体内容为该位置汽车排气颗粒物超标过多,请进行治理;
所述二级评估信息的具体内容为该位置汽车排气颗粒物超标,请进行警示通知;
所述三级评估信息的具体内容为该位置汽车排气颗粒物即将超标,请进行告知。
本发明相比现有技术具有以下优点:该汽车排气颗粒物检测方法,在使用时,根据检测位置的道路信息进行综合评估设置了不同类型的采集模式,能够采集到更加准确的汽车排气颗粒物信息,从而进行更加准确的汽车排气颗粒物状态评估,同时通过在检测点设置多种不同的数据采集,能够更好的辅助进行汽车排气颗粒物检测评估,得到更加精准准确的汽车排气颗粒物评估数据,多种不同采集模式的设置,也让该方法适用于不同的检测环境,从而让该方法更加值得推广使用。
附图说明
图1是本发明的流程图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种汽车排气颗粒物检测方法,包括以下步骤:
步骤一:采集检测汽车排气颗粒物的道路信息进行采集分析,进行采集模式的选择;
步骤二:获取到采集模式后,根据采集模式的具体信息在不同的位置安装好尾气颗粒物检测设备;
步骤三:在采集位置上设置了影像采集装置,影像采集装置设置在采集位置的正上方用来采集通过车辆的影像信息;
步骤四:对采集的车辆影像进行综合处理,获取到单位车流量信息;
步骤五:对采集到的车流量信息进行综合处理制定采集时间计划;
步骤六:根据获取到的采集计划进行汽车排气颗粒物数据采集,对采集的汽车排气颗粒物进行处理,得到排气颗粒物评估信息。
根据检测位置的道路信息进行综合评估设置了不同类型的采集模式,能够采集到更加准确的汽车排气颗粒物信息,从而进行更加准确的汽车排气颗粒物状态评估,同时通过在检测点设置多种不同的数据采集,能够更好的辅助进行汽车排气颗粒物检测评估,得到更加精准准确的汽车排气颗粒物评估数据,从而让该方法更加值得推广使用。
所述步骤一的道路信息包括道路宽度信息与道路限速信息,对道路信息进行处理得到采集模式,即对道路宽度信息与道路限速信息进行综合处理得到评估参数,对评估参数进行具体分析得到采集模式,所述采集模式设定好后在预设位置设置不同数量的尾气颗粒物检测设备进行尾气颗粒物信息采集,所述采集模式包括第一采集模式、第二采集模式、第三采集模式与第四采集模式。
设置多种不同的采集模式,能够采集到更加准确的数据,并且让该方法能够适用于不同的使用环境。
所述对道路信息进行处理得到采集模式的具体过程如下:
步骤SS1:提取出采集到的道路宽度信息与道路限速信息,道路限速信息最高限速,将道路宽度信息标记为K,将道路限速信息标记为V;
步骤SS3:当评估参数大于预设值A1时,即生成第一采集模式,当评估参数在预设值A1到A2之间时,即生成第二采集模式,当评估参数在预设值A2到A3之间时,即生成第三采集模式,当评估参数小于预设值A3时,即生成第四采集模式。
以双向八车道为基准,道路宽度V为2*15米,即30米,此时道路的限速为60千米/小时,既能够通过公式,计算出基准评估参数为1764.49,此时根据检测去来设置预设值A1、预设值A2和预设值A3,当预设值A1为基准评估参数为1764.49,预设值A2为2/3的基准评估参数为1764.49,预设值A3为2/3的基准评估参数为1764.49;
上述数值可以通过在已知结果的情况下,反推得到具体数值范围;然后通过多次换算得到。
通过上述过程,能够更加精确的进行评估参数的采集,实现准确的模式选定,从而保证数据参数获取的准确度。
所述第一采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装四组尾气颗粒物检测设备;
所述第二采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装三组尾气颗粒物检测设备;
所述第三采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装两组尾气颗粒物检测设备;
所述第四采集模式的具体采集设置如下:在道路一侧预设的高度设置两个尾气颗粒物检测设备;
一组尾气颗粒物检测设备为两个。
所述步骤四中对车辆影像进行综合处理,获取到单位车流量信息的具体过程如下:
S1:提取出获取到的车辆影像信息,车辆影像信息为预设时长内通过采集位置的车辆照片信息;
S2:对车辆照片进行清晰化处理,得到各个车辆的清晰照片信息,对清晰照片信息通过ocr识别技术识别出所有车辆的车牌信息,记录下车牌数量信息并去除掉相同的号牌信息,得到实时车牌数量信息即预设时长内通过检测点的车辆数量信息;
S3:计算出通过检测点的车辆数量信息与预设时长之间的比值得到单位车流量信息。
通过上述过程能够获取到更加准确的获取到单位车流量信息为后续评估提供数据支持。
所述对车辆照片进行清晰化处理的具体过程如下:对每张采集的车辆影像信息进行下采样处理降低图像分辨率,下采样包括2倍下采样、3倍下采样、4倍下采样,当选择2倍下采样时,则图像长宽均变成原来的1/2,下采样前的图像作为高分辨率图像H,下采样后的图像作为低分辨率图像L,L和H构成的图像对用于后期模型训练,在进行模型训练时,对低分辨率图像L进行放大还原为高分辨率图像SR,然后与原始的高分辨率图像H进行比较,其差异用来调整模型的参数,通过迭代训练,使得差异最小,得到训练模型,训练完的模型用来对新的低分辨率图像进行重建,得到高分辨率图像,即清晰车辆影像信息。
通过上述过程,能够获取到更加清晰的车辆影像信息,从而能够分析出更加准确的车辆数量信息,即能够分析出更加精准的单位车流量信息。
所述采集时间计划包括第一采集计划、第二采集计划与第三采集计划,所述采集时间计划的具体过程如下:当单位车辆车流量大于预设值时,即生成第一采集计划,当单位车辆车流量在预设值范围内时,即生成第二采集计划,当单位车辆车流量小于预设值时,即生成第三采集计划。
所述第一采集计划的具体内容为:每隔预设时长T1即采集一次汽车排气颗粒物信息,连续采集x1次,所述第二采集计划的具体内容为:每隔预设时长T2即采集一次汽车排气颗粒物信息,连续采集x2次,所述第三采集计划的具体内容为:每隔预设时长T3即采集一次汽车排气颗粒物信息,连续采集x3次;
T1>T2>T3,x1>x2>x3。
第一采集计划下采集间隔时长T1为5到10分钟,其具体时间根据检测精度需要求来限定,采集次数x1为预设总时长与采集间隔时长T1的比值,如预设采集总时长为1小时,即采集次数为x1为6到12次;
第二采集计划下采集间隔时长T2为10到15分钟,其具体时间根据检测精度需要求来限定,采集次数x2为预设总时长与采集间隔时长T2的比值,如预设采集总时长为1小时,即采集次数为x2为3次到6次;
第三采集计划下采集间隔T3时长为20到25分钟,其具体时间根据检测精度需要求来限定,如预设采集总时长为1小时,即采集次数为x3为2次到3次。
根据不同的车流量信息进行不同标准的汽车排气颗粒物采集,能够同一标准采集导致的资源浪费,在更加精准的采集到评估数据的同时,节省了资源。
所述排气颗粒物评估信息的包括一级评估信息、二级评估信息与三级评估信息,
所述排气颗粒物评估信息的具体处理过程如下:提取出采集到的汽车排气颗粒物数据,汽
车排气颗粒物数据中包含了多个排气颗粒物的含量信息,即多个采集设备采集到的排气颗
粒物的含量信息,将采集模式选定后的颗粒物采集设备数量标记m1,将采计划中采集次数
标记为m2,m1*m2=m,将排气颗粒物的含量信息标记为G,去除掉G1到Gm中的最大值和最小
值,将剩余的排气颗粒物的含量信息数量标记为r,通过公式,即得到排气颗粒评估值Gg,β为修正值,0.9
≤β≤1.1,β与空气本身颗粒物含量大小成正比,当排气颗粒评估值Gg大于预设值时,即生
成一级评估信息,当排气颗粒评估值Gg在预设值范围内时,即生成二级评估信息,当排气颗
粒评估值Gg小于预设值时,即生成三级评估信息;
m1为采集设备的数量信息,如采集设备的数量为10,m1即为10,m2为采集计划中的采集次数,当采集次数为10时,m2即为10,则此时获取到的m=m1*m2=10*10=100;
G为排气颗粒物检测装置检测到的具体数据,如按国六标准即采集到的G不大于4.5 mg/km即超标,当以其他标准为基准时,则G的评判标准也发生变化。
所述一级评估信息的具体内容为该位置汽车排气颗粒物超标过多,请进行治理;
所述二级评估信息的具体内容为该位置汽车排气颗粒物超标,请进行警示通知;
所述三级评估信息的具体内容为该位置汽车排气颗粒物即将超标,请进行告知。
综上,本发明在使用时,在使用时,根据检测位置的道路信息进行综合评估设置了不同类型的采集模式,能够采集到更加准确的汽车排气颗粒物信息,从而进行更加准确的汽车排气颗粒物状态评估,同时通过在检测点设置多种不同的数据采集,能够更好的辅助进行汽车排气颗粒物检测评估,得到更加精准准确的汽车排气颗粒物评估数据,多种不同采集模式的设置,也让该方法适用于不同的检测环境,从而让该方法更加值得推广使用。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种汽车排气颗粒物检测方法,其特征在于,包括以下步骤:
步骤一:采集检测汽车排气颗粒物的道路信息进行采集分析,进行采集模式的选择;
步骤二:获取到采集模式后,根据采集模式的具体信息在不同的位置安装好尾气颗粒物检测设备;
步骤三:在采集位置上设置了影像采集装置,影像采集装置设置在采集位置的正上方用来采集通过车辆的影像信息;
步骤四:对采集的车辆影像进行综合处理,获取到单位车流量信息;
步骤五:对采集到的车流量信息进行综合处理制定采集时间计划;
步骤六:根据获取到的采集计划进行汽车排气颗粒物数据采集,对采集的汽车排气颗粒物进行处理,得到排气颗粒物评估信息;
所述步骤一的道路信息包括道路宽度信息与道路限速信息,对道路信息进行处理得到采集模式,即对道路宽度信息与道路限速信息进行综合处理得到评估参数,对评估参数进行具体分析得到采集模式,所述采集模式设定好后在预设位置设置不同数量的尾气颗粒物检测设备进行尾气颗粒物信息采集,所述采集模式包括第一采集模式、第二采集模式、第三采集模式与第四采集模式;
所述对道路信息进行处理得到采集模式的具体过程如下:
步骤SS1:提取出采集到的道路宽度信息与道路限速信息,道路限速信息最高限速,将道路宽度信息标记为K,将道路限速信息标记为V;
步骤SS3:当评估参数大于预设值A1时,即生成第一采集模式,当评估参数在预设值A1到A2之间时,即生成第二采集模式,当评估参数在预设值A2到A3之间时,即生成第三采集模式,当评估参数小于预设值A3时,即生成第四采集模式;
所述第一采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装四组尾气颗粒物检测设备;
所述第二采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装三组尾气颗粒物检测设备;
所述第三采集模式的具体采集设置如下:在道路两侧预设的高度各同时安装两组尾气颗粒物检测设备;
所述第四采集模式的具体采集设置如下:在道路一侧预设的高度设置两个尾气颗粒物检测设备;
一组尾气颗粒物检测设备为两个;
所述采集时间计划包括第一采集计划、第二采集计划与第三采集计划,所述采集时间计划的具体过程如下:当单位车辆车流量大于预设值时,即生成第一采集计划,当单位车辆车流量在预设值范围内时,即生成第二采集计划,当单位车辆车流量小于预设值时,即生成第三采集计划;
所述第一采集计划的具体内容为:每隔预设时长T1即采集一次汽车排气颗粒物信息,连续采集x1次,所述第二采集计划的具体内容为:每隔预设时长T2即采集一次汽车排气颗粒物信息,连续采集x2次,所述第三采集计划的具体内容为:每隔预设时长T3即采集一次汽车排气颗粒物信息,连续采集x3次;
T3>T2>T1,x1>x2>x3;
所述排气颗粒物评估信息的包括一级评估信息、二级评估信息与三级评估信息,所述
排气颗粒物评估信息的具体处理过程如下:提取出采集到的汽车排气颗粒物数据,汽车排
气颗粒物数据中包含了多个排气颗粒物的含量信息,将采集模式选定后的颗粒物采集设备
数量标记m1,将采计划中采集次数标记为m2,m1*m2=m,将排气颗粒物的含量信息标记为G,
去除掉G1到Gm中的最大值和最小值,将剩余的排气颗粒物的含量信息数量标记为r,通过公
式,即得到排气颗粒评估值Gg,β为修正
值,0.9≤β≤1.1,β与空气本身颗粒物含量大小成正比,当排气颗粒评估值Gg大于预设值
时,即生成一级评估信息,当排气颗粒评估值Gg在预设值范围内时,即生成二级评估信息,
当排气颗粒评估值Gg小于预设值时,即生成三级评估信息。
2.根据权利要求1所述的一种汽车排气颗粒物检测方法,其特征在于:所述步骤四中对车辆影像进行综合处理,获取到单位车流量信息的具体过程如下:
S1:提取出获取到的车辆影像信息,车辆影像信息为预设时长内通过采集位置的车辆照片信息;
S2:对车辆照片进行清晰化处理,得到各个车辆的清晰照片信息,对清晰照片信息通过ocr识别技术识别出所有车辆的车牌信息,记录下车牌数量信息并去除掉相同的号牌信息,得到实时车牌数量信息即预设时长内通过检测点的车辆数量信息;
S3:计算出通过检测点的车辆数量信息与预设时长之间的比值得到单位车流量信息。
3.根据权利要求2所述的一种汽车排气颗粒物检测方法,其特征在于:所述对车辆照片进行清晰化处理的具体过程如下:对每张采集的车辆影像信息进行下采样处理降低图像分辨率,下采样包括2倍下采样、3倍下采样、4倍下采样,当选择2倍下采样时,则图像长宽均变成原来的1/2,下采样前的图像作为高分辨率图像H,下采样后的图像作为低分辨率图像L,L和H构成的图像对用于后期模型训练,在进行模型训练时,对低分辨率图像L进行放大还原为高分辨率图像SR,然后与原始的高分辨率图像H进行比较,其差异用来调整模型的参数,通过迭代训练,使得差异最小,得到训练模型,训练完的模型用来对新的低分辨率图像进行重建,得到高分辨率图像,即清晰车辆影像信息。
4.根据权利要求1所述的一种汽车排气颗粒物检测方法,其特征在于:所述一级评估信息的具体内容为该位置汽车排气颗粒物超标过多,请进行治理;
所述二级评估信息的具体内容为该位置汽车排气颗粒物超标,请进行警示通知;
所述三级评估信息的具体内容为该位置汽车排气颗粒物即将超标,请进行告知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210412904.XA CN114509373B (zh) | 2022-04-20 | 2022-04-20 | 一种汽车排气颗粒物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210412904.XA CN114509373B (zh) | 2022-04-20 | 2022-04-20 | 一种汽车排气颗粒物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114509373A CN114509373A (zh) | 2022-05-17 |
CN114509373B true CN114509373B (zh) | 2022-08-05 |
Family
ID=81555559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210412904.XA Active CN114509373B (zh) | 2022-04-20 | 2022-04-20 | 一种汽车排气颗粒物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114509373B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009156814A (ja) * | 2007-12-27 | 2009-07-16 | Hitachi Engineering & Services Co Ltd | 道路排ガス拡散シミュレーション方法および装置 |
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN105138822A (zh) * | 2015-07-28 | 2015-12-09 | 浙江工业大学 | 一种结构化交叉路口机动车尾气扩散评估方法 |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
CN106529608A (zh) * | 2016-12-31 | 2017-03-22 | 中国科学技术大学 | 一种机动车尾气遥测设备综合布点系统 |
CN106709196A (zh) * | 2016-12-31 | 2017-05-24 | 中国科学技术大学 | 一种基于图论的机动车尾气遥测设备布点方法 |
CN107134139A (zh) * | 2017-06-14 | 2017-09-05 | 中国科学技术大学 | 一种道边机动车尾气检测点选址方法 |
CN107301312A (zh) * | 2017-04-28 | 2017-10-27 | 青岛高智高新科技有限公司 | 一种城市高效环境监管系统及其监管方法 |
CN107944615A (zh) * | 2017-11-20 | 2018-04-20 | 安徽优思天成智能科技有限公司 | 一种基于图半监督学习的机动车尾气遥测设备布点方法 |
CN107976514A (zh) * | 2017-11-20 | 2018-05-01 | 中国科学技术大学 | 一种基于机动车尾气浓度分布预测的遥测设备布点方法 |
CN108122185A (zh) * | 2017-12-19 | 2018-06-05 | 杭州电子科技大学 | 考虑布控区域边界点的移动污染源排放遥测站点选址方法 |
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112129891A (zh) * | 2020-08-26 | 2020-12-25 | 杨凯 | 一种基于工业污染的大气环境监测系统 |
CN113642241B (zh) * | 2021-08-17 | 2023-10-31 | 北京航空航天大学 | 一种基于交通运行状态的路网细颗粒物研究方法 |
-
2022
- 2022-04-20 CN CN202210412904.XA patent/CN114509373B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009156814A (ja) * | 2007-12-27 | 2009-07-16 | Hitachi Engineering & Services Co Ltd | 道路排ガス拡散シミュレーション方法および装置 |
CN104156622A (zh) * | 2014-08-27 | 2014-11-19 | 北京市环境保护监测中心 | 一种城市交通颗粒物排放量的估算方法 |
CN105185135A (zh) * | 2015-07-10 | 2015-12-23 | 南京理工大学 | 一种高速公路机动车颗粒物排放的测定、评估与警示装置及方法 |
CN105138822A (zh) * | 2015-07-28 | 2015-12-09 | 浙江工业大学 | 一种结构化交叉路口机动车尾气扩散评估方法 |
CN105426636A (zh) * | 2015-12-23 | 2016-03-23 | 北京工业大学 | 城市峡谷街道机动车污染物排放与扩散的实时估计方法 |
CN106709196A (zh) * | 2016-12-31 | 2017-05-24 | 中国科学技术大学 | 一种基于图论的机动车尾气遥测设备布点方法 |
CN106529608A (zh) * | 2016-12-31 | 2017-03-22 | 中国科学技术大学 | 一种机动车尾气遥测设备综合布点系统 |
CN107301312A (zh) * | 2017-04-28 | 2017-10-27 | 青岛高智高新科技有限公司 | 一种城市高效环境监管系统及其监管方法 |
CN107134139A (zh) * | 2017-06-14 | 2017-09-05 | 中国科学技术大学 | 一种道边机动车尾气检测点选址方法 |
CN107944615A (zh) * | 2017-11-20 | 2018-04-20 | 安徽优思天成智能科技有限公司 | 一种基于图半监督学习的机动车尾气遥测设备布点方法 |
CN107976514A (zh) * | 2017-11-20 | 2018-05-01 | 中国科学技术大学 | 一种基于机动车尾气浓度分布预测的遥测设备布点方法 |
CN108122185A (zh) * | 2017-12-19 | 2018-06-05 | 杭州电子科技大学 | 考虑布控区域边界点的移动污染源排放遥测站点选址方法 |
CN109086246A (zh) * | 2018-07-04 | 2018-12-25 | 北京市劳动保护科学研究所 | 一种道路交通源的排放量计算方法及装置 |
Non-Patent Citations (2)
Title |
---|
Assessment and prediction of the impact of road transport on ambient concentrations of particulate matter PM10;A. Suleiman et.al;《Transportation Research Part D 49》;20161231;301-312 * |
石家庄市夏季道路交通扬尘排放特征研究;安塞 等;《环境污染与防治》;20170930;第39卷(第9期);1010-1016 * |
Also Published As
Publication number | Publication date |
---|---|
CN114509373A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967323B (zh) | 基于大数据进行异常出行车辆分析的方法及系统 | |
Giechaskiel et al. | Particle number measurements in the European legislation and future JRC activities | |
CN110967320B (zh) | 一种柴油车气态排气污染物遥感检测系统及方法 | |
US5719396A (en) | Systems and methods for determining compliance of moving vehicles with emission-concentration standards | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
WO2022036619A1 (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 | |
CN112730748B (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 | |
CN111125636B (zh) | 基于城市隧道的机动车排放因子计算方法 | |
CN115288798B (zh) | 一种基于传感器采集分析的隧道维修智能监测平台 | |
CN116644373A (zh) | 基于人工智能的汽车流量数据分析管理系统 | |
CN115983720B (zh) | 基于海拔和温度的汽车排放性能检测方法 | |
CN109165461A (zh) | 重型汽车尾气污染物排放因子实时获取方法 | |
CN213813266U (zh) | 一种快速监测道路积尘负荷的检测装置 | |
CN115876484A (zh) | 重型整车实际路况测试及工况模拟试验的系统及方法 | |
CN114509373B (zh) | 一种汽车排气颗粒物检测方法 | |
CN103426211A (zh) | 车辆行驶状况分析系统、分析装置和分析方法 | |
CN109949030B (zh) | 一种出租车绕路和计价异常的检测方法和装置 | |
JP2008128739A (ja) | 微小粒子の粒子数計測方法及び装置 | |
CN112394040A (zh) | 一种机动车排污监管系统及方法 | |
CN117033891A (zh) | 基于单车交通事故数据库的交通事故严重程度评估方法 | |
DE102014206252A1 (de) | Verfahren und Einrichtung zum Diagnostizieren der Funktionsfähigkeit eines Dieselpartikelfilters | |
CN110910522A (zh) | 一种etc门架系统运行期间的测试方法 | |
Walsh et al. | Comparison of auto emission measurement techniques | |
CN113607617A (zh) | 一种快速检测道路扬尘排放因子的装置 | |
Wenzel | Reducing emissions from in-use vehicles: an evaluation of the Phoenix inspection and maintenance program using test results and independent emissions measurements |
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 |