CN115292331B - 一种异常地理区域的获取方法、设备及介质 - Google Patents
一种异常地理区域的获取方法、设备及介质 Download PDFInfo
- Publication number
- CN115292331B CN115292331B CN202211224005.3A CN202211224005A CN115292331B CN 115292331 B CN115292331 B CN 115292331B CN 202211224005 A CN202211224005 A CN 202211224005A CN 115292331 B CN115292331 B CN 115292331B
- Authority
- CN
- China
- Prior art keywords
- geographic area
- pollutant
- key
- area
- obtaining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 23
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 75
- 231100000719 pollutant Toxicity 0.000 claims abstract description 74
- 239000000356 contaminant Substances 0.000 claims description 16
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 2
- 229930195733 hydrocarbon Natural products 0.000 claims description 2
- 150000002430 hydrocarbons Chemical class 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 9
- 239000002245 particle Substances 0.000 description 6
- 230000002547 anomalous effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 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
- 239000013618 particulate matter Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种异常地理区域的获取方法、设备及介质,所述方法包括:获取关键地理区域ID列表和关键地理区域ID列表中任一关键地理区域对应的相关地理区域ID列表;在时间节点下,获取预设时间间隔下的关键地理区域对应的区域污染物排放量差,确定关键地理区域为正常地理区域或者为异常地理区域;可知,本发明一方面能够实现划分出不同的地理区域,确定任一地理区域的污染物含量时,通过该地理区域内的车辆污染物的排放量和该地理区域的相邻地理区域的污染物含量,将相邻地理区域的污染物含量作为影响因素,准确的确定出异常地理区域,另一方面,也可以判断出车辆排放量对该地理区域是否造成污染。
Description
技术领域
本发明涉及交通领域,具体涉及一种异常地理区域的获取方法、设备及介质。
背景技术
随着城市交通设施和居民生活条件的改善,机动车保有量持续增长,数量庞大的机动车带来了严重的环境污染问题并成为空气污染的重要源头。目前,随着对尾气排放的严格要求,机动车带来的污染逐渐降低,却无法减少在部分地理区域的污染源的确定,可能是其他污染区域影响到该地理区域的,现有技术中会对该区域进行空气进行检查确定是否为污染区域即异常地理区域,但是这种情况会无视其他地理区域带来的污染,会影响到对污染源的排查,导致治理污染不够完善。
发明内容
针对上述技术问题,本发明采用的技术方案为:一种异常地理区域的获取方法,所述包括如下步骤:
S1、获取关键地理区域ID列表E={E1,E2,……,Eγ,……,Eλ},其中,Eγ是指第γ关键地理区域ID,γ=1……λ,λ为关键地理区域数量;
S2、获取Eγ对应的相关地理区域ID列表={,……,,……,},
其中,是Eγ对应的第g个相关地理区域ID,g=1……η,η为Eγ对应的相关地理区域ID数
量,所述相关地理区域ID是指在关键地理区域ID列表中与任一项关键地理区域相邻的关键
地理区域ID;
S5、当VC'γ≤0时,确定关键地理区域Eγ为正常地理区域;
S6、当VC'γ>0时,获取关键地理区域Eγ内的车辆对应的污染物排放量差值DC'γ,其中,DC'γ符合如下条件:
其中,DCγ为在时间节点T下,关键地理区域Eγ内的所有车辆的污染物排放量之和;
S7、当VDγ≤指定污染物排放量阈值时,确定关键地理区域Eγ为异常地理区域,其中,VDγ为Eγ对应的污染物排放量差值且VDγ=VC'γ-DC'γ;
本发明还保护了一种非瞬时性计算机可读存储介质,所述存储介质中存储
有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现所述异常地理区域的获取方法。
本发明还保护了一种电子设备,包括处理器和所述非瞬时性计算机可读存储介质。
本发明至少具有以下技术效果:
本发明通过获取关键地理区域ID列表和关键地理区域ID列表中任一关键地理区域对应的相关地理区域ID列表;在时间节点下,获取预设时间间隔下的关键地理区域对应的区域污染物排放量差,确定关键地理区域为正常地理区域或者为异常地理区域;可知,本发明一方面能够实现划分出不同的地理区域,确定任一地理区域的污染物含量时,通过该地理区域内的车辆污染物的排放量和该地理区域的相邻地理区域的污染物含量,将相邻地理区域的污染物含量作为影响因素,准确的确定出异常地理区域,另一方面,也可以判断出车辆排放量对该地理区域是否造成污染。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种异常地理区域的获取方法的流程图。
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,本领域技术人员在没有作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。
实施例一
如图1所示,本实施例一提供了一种异常地理区域的获取方法,所述方法包括如下步骤:
S1、获取关键地理区域ID列表E={E1,E2,……,Eγ,……,Eλ},其中,Eγ是指第γ关键地理区域ID,γ=1……λ,λ为关键地理区域数量。
具体地,所述关键地理区域ID是指关键地理区域的唯一身份标识,其中,关键地理区域通过geohash方法进行确定,优选地,geohash的位数为6位。
具体地,所述相关地理区域ID是指在关键地理区域ID列表中与任一项关键地理区域相邻的关键地理区域ID。
具体地,VCγ和均通过污染物检测装置进行采集,其中,所述污染物检测装置
即道路空气质量监测采集系统,道路空气质量监测采集系统包括颗粒物分级监测单元、常
规气体污染物监测单元、气象数据监测单元;其中,所述颗粒物分级监测单元采用颗粒物计
数器原理,可检测粒径在20至1000nm的颗粒物,可同时测量6通道的颗粒物浓度;所述常规
气体污染物监测单元采用电化学原理检测SO2、NO2、O3、CO气态污染物;采用光散射原理检
测PM2.5、PM10颗粒物浓度;所述象数据监测单元实时测量大气环境空气温湿度、风速、风向
和大气压力。
S5、当VC'γ≤0时,确定关键地理区域Eγ为正常地理区域。
S6、当VC'γ>0时,获取关键地理区域Eγ内的车辆对应的污染物排放量差值DC'γ,其中,DC'γ符合如下条件:
具体地,DCγ为在时间节点T下,关键地理区域Eγ内的所有车辆的污染物排放量之和。
在一个具体的实施例中,所述方法还包括如下步骤获取DCγ:
S61、在时间节点T下,获取关键地理区域Eγ内的第一车辆ID列表A={A1,A2,……,Ai,……,An}和第二车辆ID列表B={B1,B2,……,Bj,……,Bm},其中,Ai是指第i个第一类车辆ID,i=1……n,n为在目标地理区域内第一类车辆ID数量,Bj是指第j个第二类车辆ID,j=1……m,m为在目标地理区域内第二类车辆ID数量。
具体地,所述第一类车辆ID是指安装了OBD系统的初始车辆对应的初始车辆ID。
具体地,所述第二类车辆ID是指未安装了OBD系统的初始车辆对应的
初始车辆ID。
S62、获取Ai对应的第一污染物列表Ci={Ci1,Ci2,……,Cir,……,Cis},其中,Cir是指在Ai对应的第r种第一类污染物的排放量,r=1……s,s为污染物种类数量。
优选地,s=4,即所述污染物种类包括一氧化碳、一氧化氮、碳氢化合物和PM2.5。
进一步地,在所述方法中还包括如下步骤:将Ci输入至PMF源解析模型
中,获取Ai对应的PM2.5污染源。
具体地,所述第一类污染物排放量是指基于车辆速度确定出的车辆对应的污染物排放量,可以理解为:在所述目标地理区域内的,获取A对应的车辆速度列表V={V1,V2,……,Vn},其中,Vi是指Ai对应的车辆速度,可以理解为第一类车辆ID对应的初始车辆在目标地理区域内的平均车速,本领域技术人员知晓获取车辆的平均车速的方法,在此不再赘述。
S63、获取Ai对应的第一中间污染物列表C0 i={C0 i1,C0 i2,……,C0 ir,……,C0 is},C0 ir为在Ai对应的第r种第一中间类污染物的排放量。
具体地,C0 i中第一中间污染物种类与Ci中的第一污染物种类一致且C0 i中第一中间污染物种类的排序与Ci中的第一污染物种类的排序一致。
具体地,所述第一中间污染物排放量是指基于OBD系统,获取到的车辆对应的污染物排放量,其中,所述关键污染物排放量与所述第二类型污染物排放量一致均通过OBD系统获取。
S64、获取Bj对应的第二污染物列表Dj={Dj1,Dj2,……,Djr,……,Djs},其中,Djr是指在Bj对应的第r种第二类污染物的排放量,r=1……s,s为污染物种类数量。
具体地,Dj中第二污染物种类与Ci中的第一污染物种类一致且Dj中第二污染物种类的排序与Ci中的第一污染物种类的排序一致。
S65、根据Ci和Dj,获取Bj对应的污染物优先级Fj={F1 j,F2 j,……,Fi j,……,Fn j},其中,Fi j为Ai与Bj之间的污染物优先级。
具体地,Fi j符合如下条件:
S66、遍历Fj且当Fi j≥F0时,将C0 i作为Bj对应的第二中间污染物列表B0 j。
S67、根据Fj和B,第三车辆ID列表B0={B0 1,B0 2,……,B0 p,……,B0 q},B0 p为第三车辆ID,p=1……q,q为第三车辆ID列表。
具体地,所述第三车辆ID为在B中,删除当Fi j≥F0时Fi j对应的第二车辆ID的第二车辆ID。
S68、根据B0,获取B0 p对应的第三中间污染物列表D0 p={D0 p1,D0 p2,……,D0 pr,……,D0 ps},D0 pr在B0 p对应的第r种第三中间污染物的排放量。
具体地,在S68步骤中还包括如下步骤获取D0 pr:
S681、获取D0 pr对应的中间优先级列表Hpr={H1 pr,H2 pr,……,Hi pr,……,Hn pr},Hi pr为D0 pr对应的第i个中间优先级。
进一步地,Hi pr符合如下条件:
Hi jr=|D0 prr-Cir|。
S683、遍历Hpr且从Hpr中获取最大优先级对应的C0 ir作为D0 pr。
S69、根据B0 j、D0 pr和C0 i,获取DCγ,可以理解为:B0 j、D0 pr和C0 i之和构建的DCγ。
上述,将关键区域内的所有车辆的排放量均转换成OBD系统对的排放量,保证了测量污染物统计的准确性和一致性,提高了确定出异常地理区域的准确性。
具体地,在S6步骤中时间间隔∆T=(T+1)-T,其中,∆T的取值范围为60~120min,优选地,∆T的取值为60min。
S7、当VDγ≤指定污染物排放量阈值时,确定关键地理区域Eγ为异常地理区域,其中,VDγ为Eγ对应的污染物排放量差值且VDγ=VC'γ-DC'γ。
具体地,在S9步骤中还通过如下步骤:
S91、遍历QC'γ且当QC'γg≥指定污染物排放量阈值时,QC'γg对应的关键地理区域为异常地理区域;
S93、当QC'γg<指定污染物排放量阈值时,QC'γg对应的关键地理区域为正常地理区域。
具体地,E中除Eγ之外的任一关键地理区域可以参照S1-S9步骤,在此不再赘述。
上述实施例通过获取关键地理区域ID列表和关键地理区域ID列表中任一关键地理区域对应的相关地理区域ID列表;在时间节点下,获取预设时间间隔下的关键地理区域对应的区域污染物排放量差,确定关键地理区域为正常地理区域或者为异常地理区域;可知,本发明一方面能够实现划分出不同的地理区域,确定任一地理区域的污染物含量时,通过该地理区域内的车辆污染物的排放量和该地理区域的相邻地理区域的污染物含量,将相邻地理区域的污染物含量作为影响因素,准确的确定出异常地理区域,另一方面,也可以判断出车辆排放量对该地理区域是否造成污染。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。
Claims (8)
1.一种异常地理区域的获取方法,其特征在于,所述方法包括如下步骤:
S1、获取关键地理区域ID列表E={E1,E2,……,Eγ,……,Eλ},其中,Eγ是指第γ关键地理区域ID,γ=1……λ,λ为关键地理区域数量;
S2、获取Eγ对应的相关地理区域ID列表,其中,是Eγ
对应的第g个相关地理区域ID,g=1……η,η为Eγ对应的相关地理区域ID数量,所述相关地理
区域ID是指在关键地理区域ID列表中与任一项关键地理区域相邻的关键地理区域ID;
S5、当VC'γ≤0时,确定关键地理区域Eγ为正常地理区域;
S6、当VC'γ>0时,获取关键地理区域Eγ内的车辆对应的污染物排放量差值DC'γ,其中,DC'γ符合如下条件:
其中,DCγ为在时间节点T下,关键地理区域Eγ内的所有车辆的污染物排放量之和;
S7、当VDγ≤指定污染物排放量阈值时,确定关键地理区域Eγ为异常地理区域,其中,VDγ为Eγ对应的污染物排放量差值且VDγ=VC'γ-DC'γ;
S91、遍历QC'γ且当QC'γg≥指定污染物排放量阈值时,QC'γg对应的关键地理区域为异常地理区域;
S93、当QC'γg<指定污染物排放量阈值时,QC'γg对应的关键地理区域为正常地理区域。
2.根据权利要求1所述的方法,其特征在于,所述关键地理区域通过geohash方式进行确定。
3.根据权利要求2所述的方法,其特征在于,geohash的位数为6位。
4.根据权利要求1所述的方法,其特征在于,在S6中时间间隔∆T为时间节点T+1与时间节点T之间的差值,其中,∆T的取值范围为60~120min。
6.根据权利要求1所述的方法,其特征在于,关键地理区域内的污染物包括:一氧化碳、一氧化氮、碳氢化合物和PM2.5。
7.一种非瞬时性计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1~6中任意一项的所述方法。
8.一种电子设备,其特征在于,包括处理器和权利要求7中的非瞬时性计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224005.3A CN115292331B (zh) | 2022-10-09 | 2022-10-09 | 一种异常地理区域的获取方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211224005.3A CN115292331B (zh) | 2022-10-09 | 2022-10-09 | 一种异常地理区域的获取方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115292331A CN115292331A (zh) | 2022-11-04 |
CN115292331B true CN115292331B (zh) | 2023-03-24 |
Family
ID=83834887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211224005.3A Active CN115292331B (zh) | 2022-10-09 | 2022-10-09 | 一种异常地理区域的获取方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292331B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117272217B (zh) * | 2023-11-23 | 2024-01-26 | 生命奇点(北京)科技有限公司 | 一种地理区域的异常分析系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016159390A1 (ja) * | 2015-03-31 | 2016-10-06 | 日本電気株式会社 | 生体パターン情報処理装置、生体パターン情報処理方法、およびプログラム |
CN111666646A (zh) * | 2020-05-25 | 2020-09-15 | 上海市环境监测中心(上海长三角区域空气质量预测预报中心) | 基于复杂网络的大气污染传输关键节点的识别方法及系统 |
CN112257351A (zh) * | 2020-10-20 | 2021-01-22 | 中国科学院地理科学与资源研究所 | 一种考虑地形和风向的环境空气质量监测异常值检测方法 |
CN114880626A (zh) * | 2022-06-30 | 2022-08-09 | 智联万维科技有限公司 | 一种获取地理区域内异常车辆的数据处理系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105493109B (zh) * | 2013-06-05 | 2018-01-30 | 微软技术许可有限责任公司 | 使用多个数据源的空气质量推断 |
GB201315892D0 (en) * | 2013-07-31 | 2013-10-23 | Johnson Matthey Plc | Zoned diesel oxidation catalyst |
US8918285B1 (en) * | 2014-02-25 | 2014-12-23 | Fractest Llc | Testing water contamination in geographic areas |
CN106097000B (zh) * | 2016-06-02 | 2022-07-26 | 腾讯科技(深圳)有限公司 | 一种信息处理方法及服务器 |
CN106407714A (zh) * | 2016-10-14 | 2017-02-15 | 珠海富鸿科技有限公司 | 基于calpuff系统的大气污染评估方法及装置 |
CN109765337A (zh) * | 2018-12-28 | 2019-05-17 | 北京英视睿达科技有限公司 | 一种污染源识别方法及其系统 |
CN111930864B (zh) * | 2020-07-15 | 2021-02-23 | 中科三清科技有限公司 | 基于监测数据的网格化清单优化方法和装置 |
KR102495724B1 (ko) * | 2020-08-12 | 2023-02-02 | 두나무 주식회사 | 비정상 트랜잭션 요청의 발생 위치 제공 방법 및 그 장치 |
CN113407653A (zh) * | 2021-05-28 | 2021-09-17 | 中国环境科学研究院 | 一种排放清单构建方法、系统及可读存储介质 |
-
2022
- 2022-10-09 CN CN202211224005.3A patent/CN115292331B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016159390A1 (ja) * | 2015-03-31 | 2016-10-06 | 日本電気株式会社 | 生体パターン情報処理装置、生体パターン情報処理方法、およびプログラム |
CN111666646A (zh) * | 2020-05-25 | 2020-09-15 | 上海市环境监测中心(上海长三角区域空气质量预测预报中心) | 基于复杂网络的大气污染传输关键节点的识别方法及系统 |
CN112257351A (zh) * | 2020-10-20 | 2021-01-22 | 中国科学院地理科学与资源研究所 | 一种考虑地形和风向的环境空气质量监测异常值检测方法 |
CN114880626A (zh) * | 2022-06-30 | 2022-08-09 | 智联万维科技有限公司 | 一种获取地理区域内异常车辆的数据处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115292331A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114880626B (zh) | 一种获取地理区域内异常车辆的数据处理系统 | |
Hitchins et al. | Concentrations of submicrometre particles from vehicle emissions near a major road | |
Vallius et al. | Sources and elemental composition of ambient PM2. 5 in three European cities | |
US6623975B1 (en) | Method and system for vehicle emission testing | |
CN115292331B (zh) | 一种异常地理区域的获取方法、设备及介质 | |
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 | |
Marinello et al. | Roadway tunnels: A critical review of air pollutant concentrations and vehicular emissions | |
CN112905960B (zh) | 用于判定尾气烟羽数据有效性和对其筛选的方法及产品 | |
US7071002B1 (en) | Method and system for vehicle emission testing | |
CN110135466B (zh) | 一种污染物排放超标车辆判断方法及系统 | |
CN112834235B (zh) | 车辆尾气检测方法、装置、计算机设备以及可读存储介质 | |
CN112785843B (zh) | 碳排放监测方法、装置、服务器和计算机可读存储介质 | |
Shahariar et al. | On-road CO2 and NOx emissions of a diesel vehicle in urban traffic | |
Kim et al. | Long-term behavior and stability of calibration models for NO and NO 2 low-cost sensors | |
CN109856321A (zh) | 异常高值点位的确定方法 | |
Zhao et al. | Seasonal patterns and semi-empirical modeling of in-vehicle exposure to carbon dioxide and airborne particulates in Dalian, China | |
Wei et al. | Size-resolved simulation of particulate matters and CO2 concentration in passenger vehicle cabins | |
CN112394040A (zh) | 一种机动车排污监管系统及方法 | |
Li et al. | Transportation characteristics of motor vehicle pollutants near Beijing typical expressway | |
US11561212B1 (en) | Method for determining NOx sensor data falsification based on remote emission monitoring | |
Hao et al. | Potential of big data approach for remote sensing of vehicle exhaust emissions | |
CN112259172B (zh) | 一种存在空气污染物化学反应情况的污染源逆向辨识方法 | |
Li et al. | Impact of freeway weaving segment design on light-duty vehicle exhaust emissions | |
CN113505160A (zh) | 一种基于卷积深度神经网络的机动车尾气排放估计方法 | |
US10077723B1 (en) | Apparatus and method for compensating for fuel injection quantity in engine of vehicle |
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 |