CN115564149B - 区域机动车实际道路二氧化碳排放量的预测方法及系统 - Google Patents
区域机动车实际道路二氧化碳排放量的预测方法及系统 Download PDFInfo
- Publication number
- CN115564149B CN115564149B CN202211547881.XA CN202211547881A CN115564149B CN 115564149 B CN115564149 B CN 115564149B CN 202211547881 A CN202211547881 A CN 202211547881A CN 115564149 B CN115564149 B CN 115564149B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- emission
- transient
- actual road
- 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
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 47
- 229910002092 carbon dioxide Inorganic materials 0.000 title claims abstract description 27
- 239000001569 carbon dioxide Substances 0.000 title claims abstract description 13
- 239000000446 fuel Substances 0.000 claims abstract description 54
- 230000001052 transient effect Effects 0.000 claims abstract description 51
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 41
- 231100000719 pollutant Toxicity 0.000 claims abstract description 41
- 238000002485 combustion reaction Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 239000000126 substance Substances 0.000 claims abstract description 14
- 230000001186 cumulative effect Effects 0.000 claims abstract description 13
- 238000009825 accumulation Methods 0.000 claims abstract description 11
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 8
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 8
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 8
- 239000007789 gas Substances 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 125000004432 carbon atom Chemical group C* 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 5
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 9
- 239000003054 catalyst Substances 0.000 abstract description 2
- 238000007619 statistical method Methods 0.000 description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 229910052799 carbon Inorganic materials 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000003570 air Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 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
- 239000012080 ambient air Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 238000013028 emission testing Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 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
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002229 photoelectron microspectroscopy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明公开了一种区域机动车实际道路二氧化碳排放量的预测方法及系统，方法包括S100:通过车载终端实时采集车辆信息及油耗参数；S200:根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；S400:根据车辆实际道路CO2的瞬态排放质量。本发明采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量实现CO2排放量的计算。本发明通过建立车辆油耗与CO2排放量之间的关系模型，实时采集油耗参数数据并对其进行计算获得车辆实际道路行驶过程中的CO2的累计排放量，实现了车辆尾气CO2的累计排放量的精准预测。
Description
技术领域
本发明属于车辆碳排放技术领域，更具体地，涉及一种区域机动车实际道路二氧化碳排放量的预测方法及系统。
背景技术
目前，CO2作为当前国内外交通行业最主要的温室气体，在国内外相关研究中表明轻型汽车实际道路与实验室间CO2排放和油耗差距日益增大，实际道路运行中负荷、工况循环和空调使用等因素对CO2排放和油耗影响较大。
为了解决上述问题，专利文献CN114493021A公开了一种基于导航的车辆行驶碳排放量预测方法及可读存储介质，获取导航信息，导航信息包括各条导航路线的行驶总里程、行驶时间和行驶路段；基于导航路线的行驶总里程和行驶时间计算对应的初始平均油耗；基于导航路线的初始平均油耗和行驶路段结合对应的车辆相关参数计算对应的修正预测平均油耗；基于导航路线的修正预测平均油耗和行驶总里程计算对应的车辆行驶碳排放量，
专利文献CN114493021A公开的方法能够在车辆出行前实现碳排放量预测，然而，现有车载排放测试方法（PEMS方法）存在操作复杂、周期长、测试成本高等难题，无法实现高效便捷获得车辆实际道路CO2排放量预测方法。
发明内容
本发明实施例的目的在于提供一种区域机动车实际道路二氧化碳排放量的预测方法及系统，通过车载终端实时采集车辆信息及油耗参数；根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量，根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量，通过建立车辆油耗与CO2排放量之间的关系模型，通过车载终端实时采集油耗参数数据并对其进行计算获得车辆实际道路行驶过程中的CO2的累计排放量，实现了车辆尾气CO2的累计排放量的精准预测。
为了实现上述目的，按照本发明实施例的第一方面，提供了一种区域机动车实际道路二氧化碳排放量的预测方法，包括：
S100:通过车载终端实时采集车辆信息及油耗参数；
S200:根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
S300:根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
进一步地，步骤S200包括：
S201：建立车辆“油耗与CO2”反演算法，燃料在气缸内完全燃烧化学方程式为：
其中，x为对应碳原子的数量，y为对应氢原子的数量；
获得车辆尾气中的CO2的瞬态排放浓度ECO2：
。
进一步地，步骤S200包括：
S202：基于S201获得的车辆尾气中的CO2的瞬态排放浓度，结合OBD诊断接口获取的瞬态排气流量与污染物密度，得到瞬态CO2排放污染物质量（g/s）：
式中：为CO2排放污染物质量，g/s；为OBD诊断接口获取CO2排放污染物密度，kg/m3；为OBD诊断接口获取尾气排放污染物密度，kg/m3；
E CO2 为尾气中CO2排放污染物的密度，ppm；为测得的排放质量流量率，m3/s。
进一步地，步骤S100中，所述车辆信息包括车牌号码、VIN、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话以及车辆注册地中的一种或几种。
进一步地，步骤S100中，所述油耗参数包括车速、发动机转速和燃油喷射量中的一种或几种。
进一步地，还包括：根据目标时间段目标区域的多条道路对应的多个车辆的CO2累计排放量，计算目标时间段目标区域的CO2总排放量。
按照本发明的第二方面，提供一种区域机动车实际道路二氧化碳排放量的预测系统，包括：
信息和参数采集模块，用于实时采集车辆信息及油耗参数；
CO2的瞬态排放质量计算模块，用于根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
车辆实际道路运行CO2的累计排放量计算模块，用于根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
进一步地，所述CO2的瞬态排放质量计算模块包括：
车辆“油耗与CO2”反演模块，燃料在气缸内完全燃烧化学方程式为：
其中，x为对应碳原子的数量，y为对应氢原子的数量；
获得车辆尾气中的CO2的瞬态排放浓度ECO2：
；
瞬态CO2排放污染物质量计算模块，用于基于获得的车辆尾气中的CO2的瞬态排放浓度，结合OBD诊断接口获取的瞬态排气流量与污染物密度，得到瞬态CO2排放污染物质量（g/s）：
式中：为CO2排放污染物质量，g/s；为OBD诊断接口获取CO2排放污染物密度，kg/m3；为OBD诊断接口获取尾气排放污染物密度，kg/m3；
E CO2 为尾气中CO2排放污染物的密度，ppm；为测得的排放质量流量率，m3/s。
按照本发明的第三方面，提供一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现所述预测方法步骤。
按照本发明的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述预测方法步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1.本发明的方法，通过车载终端实时采集车辆信息及油耗参数；根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量，根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量，通过建立车辆油耗与CO2排放量之间的关系模型，通过车载终端实时采集油耗参数数据并对其进行计算获得车辆实际道路行驶过程中的CO2的累计排放量，实现了车辆尾气CO2的累计排放量的精准预测。
2.本发明的方法，建立车辆“油耗与CO2”反演算法，结合瞬态排气流量（OBD诊断接口获取）与污染物密度，得到瞬态CO2排放污染物质量，继而通过时间累计即可获得车辆实际道路行驶过程中的CO2的累计排放量。
3.本发明的方法，根据目标时间段目标区域的多条道路对应的多个车辆的CO2累计排放量，计算目标时间段目标区域的多个目标车辆的实际道路行驶CO2总排放量。
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一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例区域机动车实际道路CO2排放量的预测方法流程示意图；
图2为本发明实施例中数据及参数采集系统组成结构示意图；
图3为本发明实施例中多车辆数据采集存储示意图；
图4为本发明实施例中实验室测试与实际道路测试CO2排放量关系图；
图5为本发明实施例中区域机动车实际道路CO2排放量统计分析结构示意图；
图6为本发明实施例区域机动车实际道路CO2排放量的预测系统组成结构示意图
图7为本发明实施例提供的电子设备的一种流程示意图。
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基于本发明所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例的第一方面，提供了一种区域机动车实际道路二氧化碳排放量的预测方法，所述方法包括：
S100:通过车载终端实时采集车辆信息及油耗参数，其中，车辆信息包括车牌号码、VIN、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话以及车辆注册地等；油耗参数包括车速、发动机转速、燃油喷射量等。
S200:根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
S300:根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
其中，获取车辆的运行参数可以是获取存储模块中预先存储的车辆的运行参数。具体的，参见图2和图3可以预先对不同类型车辆通过车联网技术分别与相对应的存储模块进行通讯和传输数据。例如，对于新能源汽车、国六重型汽车和营运车辆：在注册登记环节即安装和开通车载终端网关，与区域机动车管理部门联网、传输与车辆运行相关数据，其中，车辆信息包括车牌号码、VIN、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话以及车辆注册地等；与CO2排放相关的参数分别包括“车速、发动机转速、燃油喷射量等数据。数据直接传输至相应的存储模块中；对于已注册登记、在用传统汽油、柴油车和天然气车辆：利用车载终端设备与车辆自身OBD（车载自动诊断系统）诊断接口连接通讯，获取车辆发动机转速、燃油喷射量、排气流量、车速等瞬时数据后，利用车载终端中GPRS（通用无线分组业务）模块将上述数据实时传输至相应的存储模块中。
S200包括：
（1）建立车辆“油耗与CO2”反演算法，燃料在气缸内完全燃烧化学方程式为：
其中，x为对应碳原子的数量，y为对应氢原子的数量。
假定燃料完全燃烧，根据燃料燃烧碳质量和能量守恒定律，燃料完全燃烧后燃料中碳元素全部转移至CO2排放（相比于CO2排放，汽车尾气中HC排放仅占CO2排放量的百分之一、非常小，因此可以忽略不计），基于环境空气中氧气的体积分数为20.8%，消耗的油为液态可以忽略，生成的H2O为其它则需要考虑，针对体积为x的CO2，需要消耗体积为x+y/4的O2，对应的需要（x+y/4）/20.8%的空气，并生成体积为y/2的H2O，则CO2排放浓度为生成的CO2的体积除以生成的尾气的总体积，即，生成的CO2的体积除以吸入的空气的体积减去消耗的氧气的体积再加上生成的CO2体积和生成的H2O体积，即生成的CO2的体积x除以吸入的空气的体积（x+y/4）/20.8%减去消耗的氧气的体积x+y/4再加上生成的CO2体积x和生成的H2O体积y/2，获得车辆尾气中的CO2的瞬态排放浓度：
其中，ECO2为CO2排放浓度，计算所述车辆的CO2排放浓度。
（2）CO2排放因子测算方法：由浓度（%）转化为排放因子（g/km）：
利用上一步机动车CO2的瞬态排放浓度，结合瞬态排气流量（OBD诊断接口获取）与污染物密度，得到瞬态CO2排放污染物质量（g/s）：
式中：为CO2排放污染物质量，g/s；为OBD诊断接口获取CO2排放污染物密度，kg/m3；为OBD诊断接口获取尾气排放污染物密度，kg/m3；
E CO2 为尾气中CO2排放污染物的密度，ppm；为测得的排放质量流量率，m3/s。
步骤S400中，在CO2排放测算模块进行基于“油耗或能耗-CO2排放”转换测算，利用第三步方法，基于车联网技术获得油耗/能耗数据，在不同类型车辆的CO2排放测算模块中动态测算得到某一单车瞬态CO2排放数据（g/km），并对相关数据进行缓存，包括车速、发动机转速（如有）、油耗和CO2数据、时间（年月日时分秒）；采用时间累计的方式，动态计算某一单车实际道路运行CO2累积排放量（g）。
此外，为进一步研究和验证整车在步骤（2）实验室理论计算和实际道路测试中油耗与CO2反演算法关系，以及CO2与油耗理论关系间的相关性及差异，本发明实施例中，随机选取2辆国Ⅴ/国Ⅵ阶段重型柴油车分别在实验室和实际道路开展CO2与油耗关系分析验证。如图4所示，通过测试发现，两个车型在实验室整车转鼓和实际道路工况下油耗与CO2排放呈线性相关关系，实验室理论计算和实际道路测试中油耗与CO2排放污染物质量曲线，通过回归分析获得二者的决定系数R2分别为0.941和0.987，这表明油耗与CO2排放间具有较好的相关性，且受CO和HC排放影响较小。此外，从图中可以看出，两个车型的油耗与CO2排放的系数分别为2827.3和2836.8，柴油燃料充分燃烧的情况下油耗与CO2排放的理论系数为2647.78。通过对比发现：两个车型实际油耗与CO2排放的系数与理论系数相对偏差为6.8%和7.1%，均在±10%范围内，由此可以推断能够利用车辆燃油消耗量直接推算CO2排放、且一致性较好，进一步验证了车辆油耗与CO2反演算法的准确性，为后期开展机动车（特别是重型柴油车）实际道路CO2排放数据采集与清单建立提供一种便捷、精准、高效的技术方法。
如图5所示，在一种可能的实施方式中，所述根据车速和目标道路的长度计算车辆在目标道路上的行驶用时，并根据该行驶用时和所述CO2瞬态排放量计算车辆在目标道路上的CO2累计排放量之后，所述方法还包括：根据目标时间段目标区域的多条道路对应的多个车辆的CO2累计排放量，计算目标时间段目标区域的CO2总排放量。
具体而言，所述车辆的运行参数包括车辆的标识信息，所述获取车辆的运行参数之后，所述方法还包括：将所述车辆的标识信息与预先创建的多个存储文件对应的标识信息进行对比；若匹配，则将所述车辆的标识信息对应的车辆的运行参数存储至相匹配的存储文件中；若不匹配，则根据所述车辆的标识信息创建存储文件，并将所述车辆的标识信息对应的车辆的运行参数存储至创建的存储文件中。各个数据存储模块在接收车载终端数据后，先进行数据存储、在利用专网或VPN（虚拟专用网络）方式将数据传输至统计分析系统；若某一辆车首次通过存储模块将数据传输至统计分析系统，应先在统计分析系统中车辆信息管理模块进行单车或批量车辆信息注册登记，信息包括：车牌号码、VIN（车辆识别码）、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话、车辆注册地点等；存储模块与统计分析系统数据传输过程中，先与车辆信息管理模块中相对应车辆唯一标识VIN相匹配。匹配成功后，将相关数据存储至统计分析系统中原始数据存储模块，并根据车辆类型将传输数据存储至相对应的CO2排放测算模块。
参见图5，在CO2排放量统计模块统计分析区域机动车实际道路CO2排放量：CO2排放测算模块实时将测算数据推送给CO2排放量统计模块，并进行存储，存储内容包括但不限于：车辆类型、车牌号码、车速、发动机转速（如有）、油耗和CO2数据、时间（年月日时分秒）等。统计汇总区域内所有监控机动车实际道路运行CO2累积排放量（kg）；根据不同用户的统计分析需求，通过在CO2排放量统计模块中自定义组合设置区域范围、时间段、车速段、排放阶段等相关筛选条件，能够定制化获得不同条件下区域机动车CO2排放特征数据，并通过客户端界面进行演示。参见图6，某类型车辆不同车速下CO2排放特征。
参见图6，本发明实施例的第二方面，提供了一种车辆CO2排放量的计算系统，所述系统包括：
信息和参数采集模块701，用于实时采集车辆信息及油耗参数，其中，车辆信息包括车牌号码、VIN、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话以及车辆注册地等；油耗参数包括车速、发动机转速、燃油喷射量等。
CO2的瞬态排放质量计算模块702，用于根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
车辆实际道路运行CO2的累计排放量计算模块704，用于根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
此外，如图7所示，本发明实施例提供一种计算机设备，包括：
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现如下步骤：
获取车辆的运行参数，其中，所述运行参数是通过车联网从所述车辆的车载终端获取的参数，所述运行参数包括油耗和车速；
根据所述油耗和预先确定的油耗和CO2排放量的对应关系，计算所述车辆的CO2瞬态排放量；
根据车速和目标道路的长度计算车辆在目标道路上的行驶用时，并根据该行驶用时和所述CO2瞬态排放量计算车辆在目标道路上的CO2累计排放量。
上述电子设备提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储系统。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一区域机动车实际道路CO2排放量的预测方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一区域机动车实际道路CO2排放量的预测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质（例如固态硬盘Solid State Disk (SSD)）等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统、电子设备、存储介质即计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (7)
1.一种区域机动车实际道路二氧化碳排放量的预测方法，其特征在于，包括：
S100:通过车载终端实时采集车辆信息及油耗参数；
S200:根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
S201：建立车辆“油耗与CO2”反演算法，燃料在气缸内完全燃烧化学方程式为：
（1）
其中，x为对应碳原子的数量，y为对应氢原子的数量；
获得车辆尾气中的CO2的瞬态排放浓度ECO2：
（2）
S202：基于S201获得的车辆尾气中的CO2的瞬态排放浓度，结合OBD诊断接口获取的瞬态排气流量与污染物密度，得到瞬态CO2排放污染物质量（g/s）：
（3）
式中：m CO2 为CO2排放污染物质量，g/s；ρ CO2 为OBD诊断接口获取CO2排放污染物密度，kg/m3；ρ gas.e 为OBD诊断接口获取尾气排放污染物密度，kg/m3，ppm；q mew 为测得的排放质量流量率，m3/s；
S300:根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
2.根据权利要求1所述的区域机动车实际道路二氧化碳排放量的预测方法，其特征在于，步骤S100中，所述车辆信息包括车牌号码、VIN、车辆类型、发动机编号、排放阶段、车辆所有人、联系电话以及车辆注册地中的一种或几种。
3.根据权利要求2所述的区域机动车实际道路二氧化碳排放量的预测方法，其特征在于，步骤S100中，所述油耗参数包括车速、发动机转速和燃油喷射量中的一种或几种。
4.根据权利要求1-3中任一项所述的区域机动车实际道路二氧化碳排放量的预测方法，其特征在于，还包括：根据目标时间段目标区域的多条道路对应的多个车辆的CO2累计排放量，计算目标时间段目标区域的CO2总排放量。
5.一种区域机动车实际道路二氧化碳排放量的预测系统，其特征在于，包括：
信息和参数采集模块（701），用于实时采集车辆信息及油耗参数；
CO2的瞬态排放质量计算模块（702），用于根据车辆燃油燃烧化学方程，提出车辆油耗与CO2排放之间的反演算法，根据不同燃料的碳氢比测算获得车辆尾气中的CO2的瞬态排放浓度，结合瞬态排气流量和尾气污染物密度，获得车辆尾气中的CO2的瞬态排放质量；
车辆“油耗与CO2”反演模块，用于根据燃料在气缸内完全燃烧化学方程式为：
（1）
其中，x为对应碳原子的数量，y为对应氢原子的数量；
获得车辆尾气中的CO2的瞬态排放浓度ECO2：
（2）；
瞬态CO2排放污染物质量计算模块，用于基于获得的车辆尾气中的CO2的瞬态排放浓度，结合OBD诊断接口获取的瞬态排气流量与污染物密度，得到瞬态CO2排放污染物质量（g/s）：
（3）
式中：m CO2 为CO2排放污染物质量，g/s；ρ CO2 为OBD诊断接口获取CO2排放污染物密度，kg/m3；ρ gas.e 为OBD诊断接口获取尾气排放污染物密度，kg/m3，ppm；q mew 为测得的排放质量流量率，m3/s；
车辆实际道路运行CO2的累计排放量计算模块（704），用于根据车辆实际道路CO2的瞬态排放质量，采用时间累计方式动态计算车辆实际道路运行CO2的累计排放量。
6.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-4中任一预测方法步骤。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4中任一预测方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211547881.XA CN115564149B (zh) | 2022-12-05 | 2022-12-05 | 区域机动车实际道路二氧化碳排放量的预测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211547881.XA CN115564149B (zh) | 2022-12-05 | 2022-12-05 | 区域机动车实际道路二氧化碳排放量的预测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115564149A CN115564149A (zh) | 2023-01-03 |
| CN115564149B true CN115564149B (zh) | 2023-04-07 |
Family
ID=84770070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211547881.XA Active CN115564149B (zh) | 2022-12-05 | 2022-12-05 | 区域机动车实际道路二氧化碳排放量的预测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115564149B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN116485048B (zh) * | 2023-06-25 | 2023-10-13 | 北京工业大学 | 一种大气污染物排放清单的联合优化反演方法及系统 |
| CN118365346B (zh) * | 2024-06-20 | 2024-09-03 | 四川省交通勘察设计研究院有限公司 | 一种车辆行驶过程碳排放量预测方法、装置和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102162772A (zh) * | 2010-12-24 | 2011-08-24 | 财团法人车辆研究测试中心 | 车辆排放监测装置及方法 |
| CN113221246A (zh) * | 2021-05-17 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于瞬态油耗修正的移动源排放估计方法、系统及介质 |
| CN113806675A (zh) * | 2021-08-06 | 2021-12-17 | 中汽研汽车检验中心（天津）有限公司 | 一种NOx排放与油耗特征分析方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201015605D0 (en) * | 2010-09-17 | 2010-10-27 | Magnesium Elektron Ltd | Inorganic oxides for co2 capture from exhaust systems |
| CN108181432B (zh) * | 2017-12-28 | 2021-02-26 | 清华大学 | 机动车尾气污染物全组分排放测试方法 |
| CN109086946B (zh) * | 2018-09-11 | 2021-09-17 | 东南大学 | 一种常规能源和新能源公交车辆的污染气体排放预测方法 |
| CN214221306U (zh) * | 2020-12-16 | 2021-09-17 | 中国科学院空天信息创新研究院 | 一种基于神经网络的污染物排放预测预警装置 |
| CN113987056A (zh) * | 2021-10-28 | 2022-01-28 | 重庆东煌高新科技有限公司 | 基于深度学习的碳排放量反演系统及方法 |
| CN114320638B (zh) * | 2021-12-27 | 2022-11-08 | 联合汽车电子有限公司 | 一种空燃比确定方法、装置、存储介质和设备 |
| CN114493021A (zh) * | 2022-01-29 | 2022-05-13 | 重庆长安汽车股份有限公司 | 基于导航的车辆行驶碳排放量预测方法及可读存储介质 |
| CN114820259A (zh) * | 2022-03-28 | 2022-07-29 | 武汉大学 | 一种基于时空深度学习模型的道路车辆尾气二氧化碳排放实时计算方法 |
| CN114818291A (zh) * | 2022-04-15 | 2022-07-29 | 中汽研汽车检验中心（天津）有限公司 | 一种插电式重型混合动力电动汽车碳排放折算方法 |
-
2022
- 2022-12-05 CN CN202211547881.XA patent/CN115564149B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102162772A (zh) * | 2010-12-24 | 2011-08-24 | 财团法人车辆研究测试中心 | 车辆排放监测装置及方法 |
| CN113221246A (zh) * | 2021-05-17 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于瞬态油耗修正的移动源排放估计方法、系统及介质 |
| CN113806675A (zh) * | 2021-08-06 | 2021-12-17 | 中汽研汽车检验中心（天津）有限公司 | 一种NOx排放与油耗特征分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115564149A (zh) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Yang et al. | Real-world gaseous emission characteristics of Euro 6b light-duty gasoline-and diesel-fueled vehicles | |
| Zhang et al. | On-board monitoring (OBM) for heavy-duty vehicle emissions in China: Regulations, early-stage evaluation and policy recommendations | |
| Kousoulidou et al. | Use of portable emissions measurement system (PEMS) for the development and validation of passenger car emission factors | |
| Khan et al. | Comparison of real-world and certification emission rates for light duty gasoline vehicles | |
| Fernandes et al. | Are internally observable vehicle data good predictors of vehicle emissions? | |
| El-Shawarby et al. | Comparative field evaluation of vehicle cruise speed and acceleration level impacts on hot stabilized emissions | |
| Faria et al. | Engine cold start analysis using naturalistic driving data: City level impacts on local pollutants emissions and energy consumption | |
| Liu et al. | Variability in light-duty gasoline vehicle emission factors from trip-based real-world measurements | |
| Xue et al. | Comparison of vehicle exhaust particle size distributions measured by SMPS and EEPS during steady-state conditions | |
| EP3736418B1 (fr) | Procédé de détermination des émissions polluantes d'un véhicule au moyen d'un système embarqué | |
| López-Martínez et al. | Modelling the fuel consumption and pollutant emissions of the urban bus fleet of the city of Madrid | |
| Johnson et al. | Evaluation of the European PMP methodologies during on-road and chassis dynamometer testing for DPF equipped heavy-duty diesel vehicles | |
| Maricq et al. | Influence of mileage accumulation on the particle mass and number emissions of two gasoline direct injection vehicles | |
| Papadopoulos et al. | Real-world gaseous and particulate emissions from Euro IV to VI medium duty diesel trucks | |
| Wang et al. | Assessing heavy-duty vehicles (HDVs) on-road NOx emission in China from on-board diagnostics (OBD) remote report data | |
| Mera et al. | Including engine data for energy and pollutants assessment into the vehicle specific power methodology | |
| Iodice et al. | Experimental-analytical investigation to estimate an emission inventory from road transport sector | |
| Park et al. | Development of vehicle emission rates based on vehicle-specific power and velocity | |
| Yang et al. | Detecting candidate high NOx emitting light commercial vehicles using vehicle emission remote sensing | |
| Leach | A negative emission internal combustion engine vehicle? | |
| Ge et al. | Real-road NOx and CO2 emissions of city and highway China-6 heavy-duty diesel vehicles | |
| Franco García | Evaluation and improvement of road vehicle pollutant emission factors based on instantaneous emissions data processing | |
| Rakha et al. | Emission model development using in-vehicle on-road emission measurements | |
| Li et al. | Research on a China 6b heavy-duty diesel vehicle real-world engine out NOx emission deterioration and ambient correction using big data approach |
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 |